Tensor electrical impedance myography identifies clinically relevant features in amyotrophic lateral sclerosis

过度拟合 电阻抗肌描记术 肌萎缩侧索硬化 模式识别(心理学) 人工智能 生物标志物 张量(固有定义) 医学 计算机科学 病理 疾病 数学 内科学 生物 生物化学 纯数学 人工神经网络 血管舒张
作者
Chlöe N. Schooling,T. Jamie Healey,Harry E. McDonough,Sophie J. French,Christopher McDermott,Pamela J. Shaw,Visakan Kadirkamanathan,James J. P. Alix
出处
期刊:Physiological Measurement [IOP Publishing]
卷期号:42 (10): 105004-105004 被引量:8
标识
DOI:10.1088/1361-6579/ac2672
摘要

Objective.Electrical impedance myography (EIM) shows promise as an effective biomarker in amyotrophic lateral sclerosis (ALS). EIM applies multiple input frequencies to characterise muscle properties, often via multiple electrode configurations. Herein, we assess if non-negative tensor factorisation (NTF) can provide a framework for identifying clinically relevant features within a high dimensional EIM dataset.Approach.EIM data were recorded from the tongue of healthy and ALS diseased individuals. Resistivity and reactivity measurements were made for 14 frequencies, in three electrode configurations. This gives 84 (2 × 14 × 3) distinct data points per participant. NTF was applied to the dataset for dimensionality reduction, termed tensor EIM. Significance tests, symptom correlation and classification approaches were explored to compare NTF to using all raw data and feature selection.Main Results.Tensor EIM provides highly significant differentiation between healthy and ALS patients (p< 0.001, AUROC = 0.78). Similarly tensor EIM differentiates between mild and severe disease states (p< 0.001, AUROC = 0.75) and significantly correlates with symptoms (ρ= 0.7,p< 0.001). A trend of centre frequency shifting to the right was identified in diseased spectra, which is in line with the electrical changes expected following muscle atrophy.Significance.Tensor EIM provides clinically relevant metrics for identifying ALS-related muscle disease. This procedure has the advantage of using the whole spectral dataset, with reduced risk of overfitting. The process identifies spectral shapes specific to disease allowing for a deeper clinical interpretation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
摩丝完成签到,获得积分10
1秒前
1秒前
平常的毛豆应助姜姜采纳,获得30
1秒前
joe发布了新的文献求助10
2秒前
俊逸幻柏发布了新的文献求助10
3秒前
麻吉萌萌完成签到 ,获得积分10
4秒前
LV发布了新的文献求助10
4秒前
4秒前
完美世界应助wzb采纳,获得30
5秒前
6秒前
香蕉觅云应助111采纳,获得10
6秒前
黄龙发布了新的文献求助10
6秒前
能量球发布了新的文献求助10
6秒前
8秒前
朴实乐天完成签到,获得积分10
8秒前
李西瓜发布了新的文献求助10
9秒前
宋北北完成签到,获得积分10
10秒前
深情安青应助俊逸幻柏采纳,获得10
10秒前
DKL完成签到,获得积分10
10秒前
haoryan应助安陌煜采纳,获得10
12秒前
cyan发布了新的文献求助10
13秒前
13秒前
李进发布了新的文献求助10
13秒前
不失眠元菱完成签到,获得积分10
14秒前
14秒前
LV完成签到,获得积分20
14秒前
酷酷的爆米花完成签到,获得积分10
14秒前
16秒前
黄龙完成签到,获得积分10
16秒前
17秒前
上官聪展发布了新的文献求助10
17秒前
Gigil完成签到,获得积分20
17秒前
111发布了新的文献求助10
18秒前
18秒前
li完成签到,获得积分10
18秒前
19秒前
Balla完成签到,获得积分10
19秒前
22秒前
朴实雨竹发布了新的文献求助30
24秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3247916
求助须知:如何正确求助?哪些是违规求助? 2891121
关于积分的说明 8266358
捐赠科研通 2559345
什么是DOI,文献DOI怎么找? 1388162
科研通“疑难数据库(出版商)”最低求助积分说明 650698
邀请新用户注册赠送积分活动 627590