In Vivo Profiling of Focal Cortical Dysplasia on High‐resolution MRI with Computational Models
Notice bibliographique
Résumé
PURPOSE: On MRI, focal cortical dysplasia (FCD) is characterized by a combination of increased cortical thickness, hyperintense signal within the dysplastic lesion, and blurred transition between gray and white matter (GM-WM). The visual identification of these abnormal characteristics may be difficult, and it is unclear to what degree these features occur among different FCD lesions. Our purpose was to investigate the pattern of occurrence of abnormal MRI characteristics in FCD by using a set of computational models and to generate quantitative lesion profiling. METHODS: A set of voxel-wise operators was applied to high-resolution 3D T1-weighted MRI in 23 patients with histologically proven FCD and 39 healthy controls, creating maps of GM thickness, maps of relative intensity highlighting areas with hyperintense signal, and maps of gradient magnitude modeling the GM-WM transition. All FCD lesions were segmented manually on the T1-weighted MRI. RESULTS: FCD volumes ranged from 734 mm3 to 80,726 mm3 (mean, 8,629 mm3 +/- 16,238). The manually segmented FCD lesions were used to estimate features in the lesional area and to determine possible local variations of each feature by means of a histogram. In 78% of the patients, FCD lesions were characterized by simultaneous GM thickening, hyperintense signal, and blurring of the GM-WM transition. Moreover, in all patients, the FCD lesion had at least two of these three characteristics. CONCLUSIONS: The three features occurred regardless of the lesion volume, and they characterized not only large FCD lesions, but also subtle ones that had been overlooked by conventional radiologic inspection before surgery.
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 ».