Recruitment of the left precentral gyrus in reading epilepsy: A multimodal neuroimaging study
Notice bibliographique
Résumé
PURPOSE: In a previous study, we investigated a 42-year-old male patient with primary reading epilepsy using continuous video-electroencephalography (EEG). Reading tasks induced left parasagittal spikes with a higher spike frequency when the phonological reading pathway was recruited compared to the lexical one. Here, we seek to localize the epileptogenic focus in the same patient as a function of reading pathway using multimodal neuroimaging. METHODS AND RESULTS: The participant read irregular words and nonwords presented in a block-design paradigm during magnetoencephalography (MEG), functional near-infrared spectroscopy (fNIRS), and functional magnetic resonance imaging (fMRI) recordings, all combined with EEG. Spike analyses from MEG, fNIRS, and fMRI-EEGs data revealed an epileptic focus in the left precentral gyrus, and spike localization did not differ in lexical and phonological reading. CONCLUSION: This study is the first to investigate ictogenesis in reading epilepsy during both lexical and phonological reading while using three different multimodal neuroimaging techniques. The somatosensory and motor control functions of the left precentral gyrus that are congruently involved in lexical as well as phonological reading can explain the identical spike localization in both reading pathways. The concurrence between our findings in this study and those from our previous one supports the role of the left precentral gyrus in phonological output computation as well as seizure activity in a case of reading epilepsy.
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 | 0,006 |
| 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 ».