Differences

This shows you the differences between two versions of the page.

--- neuroimagen:bioface_atn [2021/09/12 10:23] – [Métodos no lineales] osotolongo
+++ neuroimagen:bioface_atn [2022/06/09 09:40] – [Métodos no lineales] osotolongo
@@ Line 298: / Line 298: @@
 {{ :neuroimagen:svm_classifier_facehbi.png?600 |}}
+===== Introduciendo WMH en AT(N)=====
+¿Son las afecciones vasculares parte de la neurodegeneracion? ¿Debe ser considerado el aumento en el volumen de WMH una parte fundamental de la evaluacion de N?
+Pues si queremos hacerlo de esta manera, hay basicamente dos maneras. Utilizando las WMH de Freesurfer (T1w) o las calculadas por un soft independiente (T2w). Si tenemos un FLAIR 3D podemos hacerlo de ambas maneras pero en caso contrario.
+==== evaluando FS WMH ====
+Las WMH vienen ya calculadas en el procedimiento //standard// asi que esto deberia ser //painless//. Pero en la DB de ADNIMERGE, no vienen integradas en la tabla de resumen que estamos usando, asi que hay que incluirlas. Pero revisando el procedimiento de integracion (adnimerger) veo que hay que arreglar un poco las //VISCODE//.
+<code RMarkdown>
+ucsffsx -> ucsffsx_t
+ucsffsx_t$VISCODE <- ifelse(ucsffsx_t$VISCODE == "sc", "bl", ucsffsx_t$VISCODE)
+a1 <- merge(pop, ucsffsx_t, by=c("RID", "VISCODE"))
+</code>
+ y esto hay que hacerlo para cada una de las tablas y despues concatenar los resutados. Despues se incluye el WMH en el analisis y ya esta.
+++++ que se dice un poco mas rapido de lo que se hace, tambien es cierto, |
+<code Rmarkdown>
+library("e1071")
+library("caret")
+library("caTools")
+library("tidyverse")
+library("ADNIMERGE")
+input_file="input_data.csv"
+output_file="classifier_output_w.csv"
+output_fig="classifier_output_hippocampus_w.ps"
+pop <- adnimerge[(adnimerge$DX=="Dementia" | adnimerge$DX=="CN"),];
+pop$ND = as.factor(ifelse(pop$DX == "Dementia", 1, 0))
+ucsffsx -> ucsffsx_t
+ucsffsx_t$VISCODE <- ifelse(ucsffsx_t$VISCODE == "sc", "bl", ucsffsx_t$VISCODE)
+a1 <- merge(pop, ucsffsx_t, by=c("RID", "VISCODE"))
+ucsffsx51 -> ucsffsx_t
+ucsffsx_t$VISCODE <- ifelse(ucsffsx_t$VISCODE == "sc", "bl", ucsffsx_t$VISCODE)
+a2 <- merge(pop, ucsffsx_t, by=c("RID", "VISCODE"))
+ucsffsx6 -> ucsffsx_t
+ucsffsx_t$VISCODE <- ifelse(ucsffsx_t$VISCODE == "sc", "bl", ucsffsx_t$VISCODE)
+a3 <- merge(pop, ucsffsx_t, by=c("RID", "VISCODE"))
+a1t <- a1[, c("Hippocampus", "Entorhinal", "Ventricles", "MidTemp", "AGE", "ICV", "ST128SV", "ND")]
+a2t <- a2[, c("Hippocampus", "Entorhinal", "Ventricles", "MidTemp", "AGE", "ICV", "ST128SV", "ND")]
+a3t <- a3[, c("Hippocampus", "Entorhinal", "Ventricles", "MidTemp", "AGE", "ICV", "ST128SV", "ND")]
+axt <- rbind(a1t, a2t, a3t)
+xt <- rename(axt, "WMH" = "ST128SV")
+classifier_cl <- naiveBayes(ND ~ ., data = xt)
+base <- read.csv(input_file)
+base$Hippocampus = base$Left.Hippocampus + base$Right.Hippocampus
+base$Entorhinal = base$lh.entorhinal.GrayVol + base$rh.entorhinal.GrayVol
+base$Ventricles <- base$Left.Inf.Lat.Vent + base$Right.Inf.Lat.Vent + base$Left.Lateral.Ventricle + base$Right.Lateral.Ventricle
+base$MidTemp = base$lh.middletemporal.GrayVol + base$rh.middletemporal.GrayVol
+base$ICV = base$eTIV
+base$WMH = base$WM.hypointensities
+base$ND <- predict(classifier_cl, newdata = base)
+base2e = base[, c("Subject_ID", "ND")]
+write.csv(base2e, file=output_file, row.names=FALSE, quote=FALSE)
+a <- lm(base$Hippocampus ~ base$ICV)
+base$aHV = base$Hippocampus - a$coefficients[[2]]*(base$ICV - mean(base$ICV, na.rm=TRUE))
+postscript(output_fig, width=1024, height=600, bg="white")
+plot(base$AGE, base$aHV, main = "Hippocampus volume versus Age", xlab="Age", ylab="adjusted HV", pch=19, col=ifelse(base$ND==1,"red","green"))
+dev.off()
+a <- lm(base$MidTemp ~ base$ICV)
+base$aMidTemp = base$MidTemp - a$coefficients[[2]]*(base$ICV - mean(base$ICV, na.rm=TRUE))
+output_fig="classifier_output_middletemporal_w.ps"
+postscript(output_fig, width=1024, height=600, bg="white")
+plot(base$AGE, base$aMidTemp, main = "Middle temporal cortex volume versus Age", xlab="Age", ylab="adjusted MidTemp Volume", pch=19, col=ifelse(base$ND==1,"red","green"))
+dev.off()
+a <- lm(base$Entorhinal ~ base$ICV)
+base$aEntorhinal = base$Entorhinal - a$coefficients[[2]]*(base$ICV - mean(base$ICV, na.rm=TRUE))
+output_fig="classifier_output_entorhinal_w.ps"
+postscript(output_fig, width=1024, height=600, bg="white")
+plot(base$AGE, base$aEntorhinal, main = "Entorhinal cortex volume versus Age", xlab="Age", ylab="adjusted Entorhinal Volume", pch=19, col=ifelse(base$ND==1,"red","green"))
+dev.off()
+</code>
+</code>