Spatial localization and time‐dependant changes of electrographic high frequency oscillations in human temporal lobe epilepsy
Notice bibliographique
Résumé
PURPOSE: High frequency oscillations (HFOs) >200 Hz are believed to be associated with epileptic processes. The spatial distribution of HFOs and their evolution over time leading up to seizure onset is unknown. Also, recording HFOs through conventional intracranial electrodes is not well established. We therefore wished to determine whether HFOs could be recorded using commercially available depth macroelectrodes. We also examined the spatial distribution and temporal progression of HFOs during the transition to seizure activity. METHODS: Intracranial electroencephalography (EEG) recordings of 19 seizures were obtained from seven patients with temporal lobe epilepsy using commercial depth or subdural electrodes. EEG recordings were analyzed for frequency content in five spectral bands spanning DC-500 Hz. We examined the spatial distribution of the different spectral bands 5 s before and 5 s after seizure onset. Temporal changes in the spectral bands were studied in the 30-s period leading up to seizure onset. RESULTS: Three main observations were made. First, HFOs (100-500 Hz) can be recorded using commercial depth and subdural grid electrodes. Second, HFOs, but not <100 Hz oscillations, were localized to channels of ictal onset (100-200, 400-500 Hz, p < 0.05; 300-400 Hz, p < 0.001). Third, temporal analysis showed increased HFO power for approximately 8 s prior to electrographic onset (p < 0.05). CONCLUSIONS: These results suggest that HFOs can be recorded by depth macroelectrodes. Also, HFOs are localized to the region of primary ictal onset and can exhibit increased power during the transition to seizure. Thus, HFOs likely represent important precursors to seizure initiation.
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 ».