fMRI functional connectivity as an indicator of interictal epileptic discharges
Notice bibliographique
Résumé
OBJECTIVE: To explore the relationship between functional connectivity and presence of interictal epileptic discharges (IEDs) in different brain regions in intracranial EEG (iEEG). METHODS: We studied 38 focal epilepsy patients who underwent simultaneous EEG/fMRI scanning and subsequent intracerebral stereo-EEG investigation. In EEG/fMRI analysis, IEDs with different spatial distributions were considered independent studies and IED-related maximal BOLD responses were evaluated. Studies with iEEG electrodes inside the maximal responses were selected and divided into three groups: Studies with 1. distinct maximal BOLD highly concordant with seizure-onset-zone (SOZ); 2. Moderate maximal BOLD concordant with SOZ; 3. maximal BOLD discordant with SOZ. Using maximal BOLD as seed, its functionally connected zone (FCZ) was determined. IED rates in iEEG channels inside and outside the FCZ were compared in the three groups. The effect of laterality and distance between channels and maximal BOLD, and correlation between functional connectivity values and IED rates were analyzed. RESULTS: ) and the inside-outside difference remained after regressing distance and laterality factors. In Group 1, connectivity values were significantly correlated with IED rates in channels inside the FCZ (p < 0.05). SIGNIFICANCE: Our results indicate a higher probability of finding intracranial IEDs in the FCZ of SOZ-concordant maximal BOLD responses than in other regions, regardless of distance and laterality. In studies with distinct maximal BOLD, connectivity values can partially predict IED rates in intracranial EEG. It is thus feasible to non-invasively delineate brain regions that are likely to have high IED rates.
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 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».