Magnetic resonance imaging and histology correlation in the neocortex in temporal lobe epilepsy
Notice bibliographique
Résumé
OBJECTIVE: To investigate the histopathological correlates of quantitative relaxometry and diffusion tensor imaging (DTI) and to determine their efficacy in epileptogenic lesion detection for preoperative evaluation of focal epilepsy. METHODS: We correlated quantitative relaxometry and DTI with histological features of neuronal density and morphology in 55 regions of the temporal lobe neocortex, selected from 13 patients who underwent epilepsy surgery. We made use of a validated nonrigid image registration protocol to obtain accurate correspondences between in vivo magnetic resonance imaging and histology images. RESULTS: We found T1 to be a predictor of neuronal density in the neocortical gray matter (GM) using linear mixed effects models with random effects for subjects. Fractional anisotropy (FA) was a predictor of neuronal density of large-caliber neurons only (pyramidal cells, layers 3 and 5). Comparing multivariate to univariate mixed effects models with nested variables demonstrated that employing T1 and FA together provided a significantly better fit than T1 or FA alone in predicting density of large-caliber neurons. Correlations with clinical variables revealed significant positive correlations between neuronal density and age (rs = 0.726, pfwe = 0.021). This study is the first to relate in vivo T1 and FA values to the proportion of neurons in GM. INTERPRETATION: Our results suggest that quantitative T1 mapping and DTI may have a role in preoperative evaluation of focal epilepsy and can be extended to identify GM pathology in a variety of neurological disorders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».