Magnetoencephalographic signatures of insular epileptic spikes based on functional connectivity
Notice bibliographique
Résumé
Failure to recognize insular cortex seizures has recently been identified as a cause of epilepsy surgeries targeting the temporal, parietal, or frontal lobe. Such failures are partly due to the fact that current noninvasive localization techniques fare poorly in recognizing insular epileptic foci. Our group recently demonstrated that magnetoencephalography (MEG) is sensitive to epileptiform spikes generated by the insula. In this study, we assessed the potential of distributed source imaging and functional connectivity analyses to distinguish insular networks underlying the generation of spikes. Nineteen patients with operculo-insular epilepsy were investigated. Each patient underwent MEG as well as T1-weighted magnetic resonance imaging (MRI) as part of their standard presurgical evaluation. Cortical sources of MEG spikes were reconstructed with the maximum entropy on the mean algorithm, and their time courses served to analyze source functional connectivity. The results indicate that the anterior and posterior subregions of the insula have specific patterns of functional connectivity mainly involving frontal and parietal regions, respectively. In addition, while their connectivity patterns are qualitatively similar during rest and during spikes, couplings within these networks are much stronger during spikes. These results show that MEG can establish functional connectivity-based signatures that could help in the diagnosis of different subtypes of insular cortex epilepsy. Hum Brain Mapp 37:3250-3261, 2016. © 2016 Wiley Periodicals, Inc.
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 | 0,000 |
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 ».