Whole-brain MRI phenotyping in dysplasia-related frontal lobe epilepsy
Notice bibliographique
Résumé
OBJECTIVE: To perform whole-brain morphometry in patients with frontal lobe epilepsy and evaluate the utility of group-level patterns for individualized diagnosis and prognosis. METHODS: We compared MRI-based cortical thickness and folding complexity between 2 frontal lobe epilepsy cohorts with histologically verified focal cortical dysplasia (FCD) (13 type I; 28 type II) and 41 closely matched controls. Pattern learning algorithms evaluated the utility of group-level findings to predict histologic FCD subtype, the side of the seizure focus, and postsurgical seizure outcome in single individuals. RESULTS: Relative to controls, FCD type I displayed multilobar cortical thinning that was most marked in ipsilateral frontal cortices. Conversely, type II showed thickening in temporal and postcentral cortices. Cortical folding also diverged, with increased complexity in prefrontal cortices in type I and decreases in type II. Group-level findings successfully guided automated FCD subtype classification (type I: 100%; type II: 96%), seizure focus lateralization (type I: 92%; type II: 86%), and outcome prediction (type I: 92%; type II: 82%). CONCLUSION: FCD subtypes relate to diverse whole-brain structural phenotypes. While cortical thickening in type II may indicate delayed pruning, a thin cortex in type I likely results from combined effects of seizure excitotoxicity and the primary malformation. Group-level patterns have a high translational value in guiding individualized diagnostics.
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) | 0,001 | 0,001 |
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 ».