Effects of Independent Component Analysis on Magnetoencephalography Source Localization in Pre-surgical Frontal Lobe Epilepsy Patients
Notice bibliographique
Résumé
Objective: Magnetoencephalography source imaging (MSI) of interictal epileptiform discharges (IED) is a useful presurgical tool in the evaluation of drug-resistant frontal lobe epilepsy (FLE) patients. Yet, failures in MSI can arise related to artifacts and to interference of background activity. Independent component analysis (ICA) is a popular denoising procedure but its clinical application remains challenging, as the selection of multiple independent components (IC) is controversial, operator dependent, and time consuming. We evaluated whether selecting only one IC of interest based on its similarity with the average IED field improves MSI in FLE. Methods: MSI was performed with the equivalent current dipole (ECD) technique and two distributed magnetic source imaging (dMSI) approaches: minimum norm estimate (MNE) and coherent Maximum Entropy on the Mean (cMEM). MSI accuracy was evaluated under three conditions: (1) ICA of continuous data (Cont_ICA), (2) ICA at the time of IED (IED_ICA), and (3) without ICA (No_ICA). Localization performance was quantitatively measured as actual distance of the source maximum in relation to the focus (Dmin), and spatial dispersion (SD) for dMSI. Results: After ICA, ECD Dmin did not change significantly (p>0.200). For both dMSI techniques, ICA application worsened the source localization accuracy. We observed a worsening of both MNE Dmin (p<0.05, consistently) and MNE SD (p<0.001, consistently) for both ICA approaches. A similar behaviour was observed for cMEM, for which, however, Cont_ICA seemed less detrimental. Conclusion: We demonstrated that a simplified ICA approach selecting one IC of interest in combination with distributed magnetic source imaging can be detrimental. More complex approaches may provide better results but would be rather difficult to apply in real-world clinical setting. In a broader perspective, caution should be taken in applying ICA for source localization of interictal activity. To ensure optimal and useful results, effort should focus on acquiring good quality data, minimizing artifacts and determining optimal candidacy for MEG, rather than counting on data cleaning techniques.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».