Patient-specific connectivity pattern of epileptic network in frontal lobe epilepsy
Notice bibliographique
Résumé
There is evidence that focal epilepsy may involve the dysfunction of a brain network in addition to the focal region. To delineate the characteristics of this epileptic network, we collected EEG/fMRI data from 23 patients with frontal lobe epilepsy. For each patient, EEG/fMRI analysis was first performed to determine the BOLD response to epileptic spikes. The maximum activation cluster in the frontal lobe was then chosen as the seed to identify the epileptic network in fMRI data. Functional connectivity analysis seeded at the same region was also performed in 63 healthy control subjects. Nine features were used to evaluate the differences of epileptic network patterns in three connection levels between patients and controls. Compared with control subjects, patients showed overall more functional connections between the epileptogenic region and the rest of the brain and higher laterality. However, the significantly increased connections were located in the neighborhood of the seed, but the connections between the seed and remote regions actually decreased. Comparing fMRI runs with interictal epileptic discharges (IEDs) and without IEDs, the patient-specific connectivity pattern was not changed significantly. These findings regarding patient-specific connectivity patterns of epileptic networks in FLE reflect local high connectivity and connections with distant regions differing from those of healthy controls. Moreover, the difference between the two groups in most features was observed in the strictest of the three connection levels. The abnormally high connectivity might reflect a predominant attribute of the epileptic network, which may facilitate propagation of epileptic activity among regions in the network.
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 | 0,022 |
| 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 | 0,001 |
| 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 ».