SwePub
Sök i LIBRIS databas

  Utökad sökning

(WFRF:(Rominger Axel))
 

Sökning: (WFRF:(Rominger Axel)) > A 3D deep learning ...

A 3D deep learning model to predict the diagnosis of dementia with Lewy bodies, Alzheimers disease, and mild cognitive impairment using brain 18F-FDG PET

Etminani, Kobra, 1984- (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,Halmstad Univ, Sweden
Soliman, Amira, 1980- (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,Halmstad Univ, Sweden
Davidsson, Anette (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Fysiologiska kliniken US
visa fler...
Chang, Jose R. (författare)
Halmstad Univ, Sweden; Natl Cheng Kung Univ Tainan, Taiwan
Martinez-Sanchis, Begona (författare)
Hosp Univ Politecn Fe, Spain
Byttner, Stefan, 1975- (författare)
Högskolan i Halmstad,Akademin för informationsteknologi,Halmstad Univ, Sweden
Camacho, Valle (författare)
Servicio de Medicina Nuclear, Hospital de La Santa Creu I Sant Pau, Universitat Autònoma de Barcelona, Barcelona, Spain
Bauckneht, Matteo (författare)
IRCCS Osped Policlin San Martino, Italy
Stegeran, Roxana (författare)
Region Östergötland, Röntgenkliniken i Linköping
Ressner, Marcus, 1967- (författare)
Linköpings universitet,Avdelningen för diagnostik och specialistmedicin,Medicinska fakulteten,Region Östergötland, Medicinsk strålningsfysik
Agudelo-Cifuentes, Marc (författare)
Hosp Univ Politecn Fe, Spain
Chincarini, Andrea (författare)
Natl Inst Nucl Phys INFN, Italy
Brendel, Matthias (författare)
Univ Hosp, Germany
Rominger, Axel (författare)
Univ Hosp, Germany; Univ Hosp Bern, Switzerland
Bruffaerts, Rose (författare)
Dept Neurosci, Belgium; Hasselt Univ, Belgium
Vandenberghe, Rik (författare)
Dept Neurosci, Belgium; Univ Hosp Leuven, Belgium
Kramberger, Milica G. (författare)
Karolinska Institutet,Univ Med Ctr, Slovenia
Trost, Maja (författare)
Univ Med Ctr, Slovenia; Univ Ljubljana, Slovenia
Nicastro, Nicolas (författare)
Univ Hosp Geneva, Switzerland,Amsterdam UMC, Netherlands
Frisoni, Giovanni B. (författare)
Univ Hosp, Switzerland
Lemstra, Afina W. (författare)
Alzheimer Ctr, Netherlands
van Berckel, Bart N. M. (författare)
Amsterdam UMC, Netherlands
Pilotto, Andrea (författare)
Univ Brescia, Italy; FERB ONLUS S Isidoro Hosp, Italy
Padovani, Alessandro (författare)
Univ Brescia, Italy
Morbelli, Silvia (författare)
Univ Genoa, Italy
Aarsland, Dag (författare)
Karolinska Institutet,Stavanger Univ Hosp, Norway; Kings Coll London, England
Nobili, Flavio (författare)
Univ Genoa, Italy; IRCCS Osped Policlin San Martino, Italy
Garibotto, Valentina (författare)
Univ Geneva, Switzerland; Univ Geneva, Switzerland
Ochoa-Figueroa, Miguel (författare)
Linköpings universitet,Institutionen för hälsa, medicin och vård,Medicinska fakulteten,Centrum för medicinsk bildvetenskap och visualisering, CMIV,Region Östergötland, Röntgenkliniken i Linköping,Region Östergötland, Fysiologiska kliniken US,Linköping University, Linköping, Sweden; Linköping University Hospital, Linköping, Sweden
visa färre...
 (creator_code:org_t)
2021-07-30
2022
Engelska.
Ingår i: European Journal of Nuclear Medicine and Molecular Imaging. - New York : Springer. - 1619-7070 .- 1619-7089. ; 49, s. 563-584
Relaterad länk:
https://liu.diva-por... (primary) (Raw object)
visa fler...
https://link.springe...
https://doi.org/10.1...
https://urn.kb.se/re...
https://doi.org/10.1...
http://kipublication...
https://urn.kb.se/re...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Purpose The purpose of this study is to develop and validate a 3D deep learning model that predicts the final clinical diagnosis of Alzheimers disease (AD), dementia with Lewy bodies (DLB), mild cognitive impairment due to Alzheimers disease (MCI-AD), and cognitively normal (CN) using fluorine 18 fluorodeoxyglucose PET (18F-FDG PET) and compare models performance to that of multiple expert nuclear medicine physicians readers. Materials and methods Retrospective 18F-FDG PET scans for AD, MCI-AD, and CN were collected from Alzheimers disease neuroimaging initiative (556 patients from 2005 to 2020), and CN and DLB cases were from European DLB Consortium (201 patients from 2005 to 2018). The introduced 3D convolutional neural network was trained using 90% of the data and externally tested using 10% as well as comparison to human readers on the same independent test set. The models performance was analyzed with sensitivity, specificity, precision, F1 score, receiver operating characteristic (ROC). The regional metabolic changes driving classification were visualized using uniform manifold approximation and projection (UMAP) and network attention. Results The proposed model achieved area under the ROC curve of 96.2% (95% confidence interval: 90.6-100) on predicting the final diagnosis of DLB in the independent test set, 96.4% (92.7-100) in AD, 71.4% (51.6-91.2) in MCI-AD, and 94.7% (90-99.5) in CN, which in ROC space outperformed human readers performance. The network attention depicted the posterior cingulate cortex is important for each neurodegenerative disease, and the UMAP visualization of the extracted features by the proposed model demonstrates the reality of development of the given disorders. Conclusion Using only 18F-FDG PET of the brain, a 3D deep learning model could predict the final diagnosis of the most common neurodegenerative disorders which achieved a competitive performance compared to the human readers as well as their consensus.

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Neurologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Neurology (hsv//eng)
TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Datorsystem (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Computer Systems (hsv//eng)

Nyckelord

Artificial intelligence; Deep learning; FDG PET; Alzheimers disease; Mild cognitive impairment; Dementia with Lewy bodies

Publikations- och innehållstyp

ref (ämneskategori)
art (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy