P.063 Stereotactic targeting of hippocampal substructures using ultra-high field magnetic resonance imaging: Feasibility study in patients with epilepsy
Notice bibliographique
Résumé
Background: The hippocampus can be divided longitudinally into the head, body, and tail; and unfolded medial-to-laterally into the subiculum, cornu ammonis (CA) sectors, and the dentate gyrus. Ultra-high field (≥ 7 Tesla; 7T) magnetic resonance imaging (MRI) enables submillimetric visualization of these hippocampal substructures which could be valuable for surgical targeting. Here, we assess the feasibility of using 7T MRI in conjunction with a novel computational unfolding method for image-based stereotactic targeting of hippocampal substructures. Methods: 53 patients with drug-resistant epilepsy were identified undergoing first-time implantation of the hippocampus. An image processing pipeline was created for computationally transforming post-operative electrode contact locations into our hippocampal coordinate system. Results: Of 178 implanted hippocampal electrodes (88 left; 49.4%), 25 (14.0%) were predominantly in the subiculum, 85 (47.8%) were in CA1, 23 (12.9%) were in CA2, 18 (10.1%) were in CA3/CA4, and 27 (15.2%) were in dentate gyrus. Along the longitudinal axis, hippocampal electrodes were most commonly implanted in the body (92; 51.7%) followed by the head (86; 48.3%). Conclusions: 7T MRI enables high-resolution anatomical imaging on the submillimeter scale in in vivo subjects. Here, we demonstrate the utility of 7T imaging for identifying the relative location of SEEG electrode implantations within hippocampal substructures for the invasive investigation of 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».