Maximum-uncertainty linear discrimination analysis of first-episode schizophrenia subjects
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14110%2F11%3A00052818" target="_blank" >RIV/00216224:14110/11:00052818 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/65269705:_____/11:#0001309
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.pscychresns.2010.09.016" target="_blank" >http://dx.doi.org/10.1016/j.pscychresns.2010.09.016</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.pscychresns.2010.09.016" target="_blank" >10.1016/j.pscychresns.2010.09.016</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Maximum-uncertainty linear discrimination analysis of first-episode schizophrenia subjects
Popis výsledku v původním jazyce
Recent techniques of image analysis brought the possibility to recognize subjects based on discriminative image features. We performed a magnetic resonance imaging (MRI)-based classification study to assess its usefulness for outcome prediction of first-episode schizophrenia patients (FES). We included 39 FES patients and 39 healthy controls (HC) and performed the maximum-uncertainty linear discrimination analysis (MLDA) of MRI brain intensity images. The classification accuracy index (CA) was correlated with the Positive and Negative Syndrome Scale (PANSS) and the Global Assessment of Functioning scale (GAF) at 1-year follow-up. The rate of correct classifications of patients with poor and good outcomes was analyzed using chi-square tests. MLDA classification was significantly better than classification by chance. Leave-oneout accuracy was 72%. CA correlated significantly with PANSS and GAF scores at the 1-year follow-up.
Název v anglickém jazyce
Maximum-uncertainty linear discrimination analysis of first-episode schizophrenia subjects
Popis výsledku anglicky
Recent techniques of image analysis brought the possibility to recognize subjects based on discriminative image features. We performed a magnetic resonance imaging (MRI)-based classification study to assess its usefulness for outcome prediction of first-episode schizophrenia patients (FES). We included 39 FES patients and 39 healthy controls (HC) and performed the maximum-uncertainty linear discrimination analysis (MLDA) of MRI brain intensity images. The classification accuracy index (CA) was correlated with the Positive and Negative Syndrome Scale (PANSS) and the Global Assessment of Functioning scale (GAF) at 1-year follow-up. The rate of correct classifications of patients with poor and good outcomes was analyzed using chi-square tests. MLDA classification was significantly better than classification by chance. Leave-oneout accuracy was 72%. CA correlated significantly with PANSS and GAF scores at the 1-year follow-up.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
FH - Neurologie, neurochirurgie, neurovědy
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Psychiatry Research: Neuroimaging
ISSN
0925-4927
e-ISSN
—
Svazek periodika
191
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
IE - Irsko
Počet stran výsledku
8
Strana od-do
174-181
Kód UT WoS článku
000288728500004
EID výsledku v databázi Scopus
—