Subcortical (thalamic) automated seizure detection: A new option for contingent therapy delivery
Notice bibliographique
Résumé
The feasibility of automated detection of cortical-onset epileptic seizures from subcortical structures such as the thalamus was investigated via simultaneous recording of electroencephalography (EEG) and anterior and centromedian thalamic nuclei electrical signals (electrothalamography) in nine subjects with pharmacoresistant seizures admitted to an epilepsy monitoring unit after deep brain stimulating electrode implantation. Thalamic electrical signals were analyzed using a validated seizure detection algorithm, and times of seizure onset and termination were compared to those determined through visual analysis of video-EEG. Ictal activity was recorded from the scalp and thalamic nuclei in three subjects who had seizures during the 3-4-day recording period. In the majority of seizures, ictal activity in the thalamic nuclei preceded electrographic onset as determined from the EEG or clinical onset as determined from behavioral observations. Interictal epileptiform discharges were also recorded from the thalamus and in certain instances had no scalp representation. Subcortical/thalamic detection of cortical-onset seizures is feasible. This approach would enable contingent therapy delivery and may be particularly valuable for subjects with multiple or difficult-to-localize epileptogenic regions.
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 ».