Lateralization of Temporal Lobe Epilepsy (TLE) and Discrimination of TLE from Extra‐TLE Using Pattern Analysis of Magnetic Resonance Spectroscopic and Volumetric Data
Notice bibliographique
Résumé
PURPOSE: To examine whether or not pattern analysis of magnetic resonance volumetric (MRVol) and proton magnetic resonance spectroscopic imaging (1H-MRSI) data would enable (a) the accurate lateralization of temporal lobe epilepsy (TLE) and (b) the discrimination of TLE from extratemporal epilepsy (E-TLE). METHODS: For lateralization analysis, we used data from 150 nonforeign tissue lesional TLE patients [88 left-sided (L-TLE), 46 right-sided (R-TLE), and 16 bilateral (Bi-TLE)]. For the discrimination of TLE from E-TLE, we used data from 174 patients (145 with unilateral TLE, 14 with unilateral E-TLE, and 15 with widespread epileptogenic zones involving both the TL and extra-TL regions-multilobar epilepsy). A series of "leave-one-out" cross-validated linear discriminant analyses were performed using the MRVol and 1H-MRSI data sets to lateralize TLE and discriminate it from E-TLE. RESULTS: Lateralization: The leave-one-out linear discriminant analyses were able to correctly lateralize (with a posterior probability >0.50) 120 (90%) of the 134 L-TLE and R-TLE patients. Imposing higher posterior probability (>0.95) increased accuracy of lateralization to 98%, with only two discordant cases who underwent surgery on the side of electroencephalogram, and both had bad outcome. Discrimination: the leave-one-out linear discriminant analyses were able to correctly classify (with a posterior probability >0.50) 142 (89%) of the 159 TLE and E-TLE patients. Accuracy increased slightly as higher posterior probability cutoffs were imposed, with fewer patients being classified. CONCLUSIONS: Pattern analysis of 1H-MRSI and MRVol data can accurately lateralize TLE. Discriminating TLE from E-TLE was less accurate, probably due to the presence of temporal lobe damage in some patients with E-TLE reflecting dual pathology.
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 | 0,005 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».