Multimodal MRI profiling of focal cortical dysplasia type II
Notice bibliographique
Résumé
OBJECTIVE: To characterize in vivo MRI signatures of focal cortical dysplasia (FCD) type IIA and type IIB through combined analysis of morphology, intensity, microstructure, and function. METHODS: We carried out a multimodal 3T MRI profiling of 33 histologically proven FCD type IIA (9) and IIB (24) lesions. A multisurface approach operating on manual consensus labels systematically sampled intracortical and subcortical lesional features. Geodesic distance mapping quantified the same features in the lesion perimeter. Logistic regression assessed the relationship between MRI and histology, while supervised pattern learning was used for individualized subtype prediction. RESULTS: FCD type IIB was characterized by abnormal morphology, intensity, diffusivity, and function across all surfaces, while type IIA lesions presented only with increased fluid-attenuated inversion recovery signal and reduced diffusion anisotropy close to the gray-white matter interface. Similar to lesional patterns, perilesional anomalies were more marked in type IIB extending up to 16 mm. Structural MRI markers correlated with categorical histologic characteristics. A profile-based classifier predicted FCD subtypes with equal sensitivity of 85%, while maintaining a high specificity of 94% against healthy and disease controls. CONCLUSIONS: Image processing applied to widely available MRI contrasts has the ability to dissociate FCD subtypes at a mesoscopic level. Integrating in vivo staging of pathologic traits with automated lesion detection is likely to provide an objective definition of lesional boundary and assist emerging approaches, such as minimally invasive thermal ablation, which do not supply tissue specimen.
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 ».