Diffusion Tensor Imaging Abnormalities in Focal Cortical Dysplasia
Notice bibliographique
Résumé
PURPOSE: Focal cortical dysplasia (FCD) is one of the most common underlying pathologic substrates in patients with medically intractable epilepsy. While magnetic resonance imaging (MRI) evidence of FCD is an important predictor of good surgical outcome, conventional MRI is not sensitive enough to detect all lesions. Previous reports of diffusion tensor imaging (DTI) abnormalities in FCD suggest the potential of DTI in the detection of FCD. The purpose of this study was to study subcortical white matter underlying small lesions of FCD using DTI. METHODS: Five patients with medically intractable epilepsy and FCD were investigated. Diffusion tensor imaging images were acquired (20 contiguous 3 mm thick axial slices) with maps of fractional anisotropy (FA), trace apparent diffusion coefficient (trace/3 ADC), and principal eigenvalues (ADC parallel and ADC perpendicular to white matter tracts) being calculated for each slice. Region of interest analysis was used to compare subcortical white matter ipsilateral and contralateral to the lesion. RESULTS: Three subjects with FCD associated with underlying white matter hyperintensities on T2 weighted MRI were observed to have increased trace/3 ADC, reduced fractional anisotropy and increased perpendicular water diffusivity which was greater than the relative increase in the parallel diffusivity. No DTI abnormalities were identified in two patients with FCD without white matter hyperintensities on conventional T2-weighted MRI. CONCLUSIONS: While DTI abnormalities in FCD with obvious white matter involvement are consistent with micro-structural degradation of the underlying subcortical white matter, DTI changes were not identified in FCD lesions with normal appearing white matter.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».