Cerebellar language mapping and cerebral language dominance in pediatric epilepsy surgery patients
Notice bibliographique
Résumé
OBJECTIVE: Children with epilepsy often have reorganization of language networks and abnormal brain anatomy, making determination of language lateralization difficult. We characterized the proportion and distribution of language task activation in the cerebellum to determine the relationship to cerebral language lateralization. METHODS: Forty-six pediatric epilepsy surgery candidates (aged 7-19 years) completed an fMRI auditory semantic decision language task. Distribution of activated voxels and language laterality indices were computed using: (a) Broca's and Wernicke's areas and their right cerebral homologues; and (b) left and right cerebellar hemispheres. Language task activation was anatomically localized in the cerebellum. RESULTS: Lateralized language task activation in either cerebral hemisphere was highly correlated with lateralized language task activation in the contralateral cerebellar hemisphere (Broca vs. cerebellar: ρ = -0.54, p < 0.01). Cerebellar language activation was located within Crus I/II, areas previously implicated in non-motor functional networks. CONCLUSIONS: Cerebellar language activation occurs in homologous regions of Crus I/II contralateral to cerebral language activation in patients with both right and left cerebral language dominance. Cerebellar language laterality could contribute to comprehensive pre-operative evaluation of language lateralization in pediatric epilepsy surgery patients. Our data suggest that patients with atypical cerebellar language activation are at risk for having atypical cerebral language organization.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».