Texture analysis and morphological processing of magnetic resonance imaging assist detection of focal cortical dysplasia in extra-temporal partial epilepsy
Notice bibliographique
Résumé
In many patients, focal cortical dysplasia (FCD) is characterized by minor structural changes that may go unrecognized by standard radiological analysis. To increase the sensitivity of magnetic resonance imaging (MRI) for the detection of subtle lesions of FCD, we developed voxel-based image postprocessing methods, including first-order texture analysis and morphological processing modeled on known MRI features of FCD. We selected 16 patients with histologically proven FCD. Image processing features were calculated over a neighborhood for each voxel in the three-dimensional T1-weighted MRI. Three feature maps were generated: (1) gray matter thickness map to model cortical thickening, (2) gradient map to model blurring of the gray matter-white matter junction, and (3) relative intensity map to model the hyperintense signal within the lesion. Two observers detected lesions on conventional MRI in 8/16 and on ratio maps in 14/16 patients. Sensitivity was 87.5% (14/16) for the ratio maps compared to 50% (8/16) for MRI (p < 0.003). Specificity was 95% (19/20) for ratio maps and 100% (20/20) for MRIs. Cohen's kappa was 0.53 for MRIs, indicating moderate agreement, and 0.83 for ratio maps, indicating strong agreement beyond chance between the 2 observers. The image-processing methods developed in this study improve visual detection of FCD, even in cases where no lesion is obvious on MRI. These techniques could increase the number of patients with partial epilepsy who could benefit from surgery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».