Frontotemporal dementia characterization using neurite orientation dispersion and density imaging
Rattachement africain : it, Afrique du Sud. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Microstructural alterations in brain tissue play a crucial role in the pathophysiology of frontotemporal dementia (FTD). This study assessed brain white matter (WM) and grey-matter (GM) microstructure in FTD variants using neurite orientation dispersion and density imaging (NODDI) diffusion MRI model and developed an exploratory machine-learning algorithm to classify FTD subtypes according to diffusion MRI metrics. Brain MRI including multi-shell diffusion sequences and neuropsychological assessment were obtained in controls and participants with FTD: 35 behavioural variant of FTD (bvFTD), 20 semantic-variant primary progressive aphasia (svPPA), 14 nonfluent-variant primary progressive aphasia (nfvPPA), 9 semantic-bvFTD (sbvFTD). Fractional anisotropy (FA), mean diffusivity (MD), intracellular-volume fraction (ICVF), and orientation-dispersion index (ODI) were analysed using tract-based and GM-based spatial statistic at the voxel-wise level, with nonparametric and permutation-based methods. Support vector machine (SVM) models were trained on different combinations of diffusion MRI and neuropsychological features to classify FTD subtypes. FA and MD showed widespread WM alterations in all variants. ICVF showed reductions in both WM and GM (bilateral frontotemporal for bvFTD, left temporal-frontal for svPPA and nfvPPA and right temporal for sbvFTD). GM ODI reduction exhibited a similar but more diffuse pattern compared with ICVF. WM ODI alterations were also observed, with specific WM alterations in the corpus callosum and long-range WM tracts when comparing FTD syndromes. SVM algorithm, trained on mean FA, ICVF and ODI values from different brain lobes and neuropsychological scores, achieved 98.6% accuracy in classifying different clinical syndromes, outperforming standard diffusion tensor (DT) imaging-based models. NODDI capture subtle microstructural alterations in brain GM and WM, demonstrating advantages over standard DT imaging in capturing disease-relevant alterations. By integrating NODDI with cognitive data, machine-learning models can learn complex patterns and relationships facilitating the differentiation of FTD subtypes.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Frontotemporal dementia characterization using neurite orientation dispersion and density imaging
- Date Crossref
- 01/01/2025
- Éditeur
- Oxford University Press (OUP)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Vita-Salute San Raffaele University pays non établi dans la noticeUniversité ou école supérieure
-
University of Cagliari Department of Medical Sciences and Public Health pays non établi dans la noticeUniversité ou école supérieure
-
Istituti di Ricovero e Cura a Carattere Scientifico pays non établi dans la noticeÉtablissement de santé
-
Istituto di Ricovero e Cura a Carattere Scientifico San Raffaele pays non établi dans la noticeÉtablissement de santé
-
Mylan (South Africa) Afrique du Sud (code pays fourni par la source)Entreprise
-
Fondazione IRCCS Istituto Neurologico Carlo Besta pays non établi dans la noticeÉtablissement de santé
-
University of Milano-Bicocca Neurology Unit pays non établi dans la noticeUniversité ou école supérieure
-
IRCCS Istituto Auxologico Italiano pays non établi dans la noticeÉtablissement de santé
-
University of Milan pays non établi dans la noticeUniversité ou école supérieure
-
Ferrari (Italy) pays non établi dans la noticeEntreprise
-
Neuroimaging Research Unit pays non établi dans la noticeStructure de recherche
-
IRCCS San Raffaele Scientific Institute Neurology Unit pays non établi dans la noticeStructure de recherche
Vita-Salute San Raffaele University, Department of Medical Sciences and Public Health — University of Cagliari et Istituti di Ricovero e Cura a Carattere Scientifico, avec 9 autres affiliations. Pays d’affiliation : Afrique du Sud.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.