Sub‐patterns of language network reorganization in pediatric localization related epilepsy: A multisite study
Notice bibliographique
Résumé
To study the neural networks reorganization in pediatric epilepsy, a consortium of imaging centers was established to collect functional imaging data. Common paradigms and similar acquisition parameters were used. We studied 122 children (64 control and 58 LRE patients) across five sites using EPI BOLD fMRI and an auditory description decision task. After normalization to the MNI atlas, activation maps generated by FSL were separated into three sub-groups using a distance method in the principal component analysis (PCA)-based decisional space. Three activation patterns were identified: (1) the typical distributed network expected for task in left inferior frontal gyrus (Broca's) and along left superior temporal gyrus (Wernicke's) (60 controls, 35 patients); (2) a variant left dominant pattern with greater activation in IFG, mesial left frontal lobe, and right cerebellum (three controls, 15 patients); and (3) activation in the right counterparts of the first pattern in Broca's area (one control, eight patients). Patients were over represented in Groups 2 and 3 (P < 0.0004). There were no scanner (P = 0.4) or site effects (P = 0.6). Our data-driven method for fMRI activation pattern separation is independent of a priori notions and bias inherent in region of interest and visual analyses. In addition to the anticipated atypical right dominant activation pattern, a sub-pattern was identified that involved intensity and extent differences of activation within the distributed left hemisphere language processing network. These findings suggest a different, perhaps less efficient, cognitive strategy for LRE group to perform the task.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».