Language lateralization differences between left and right temporal lobe epilepsy as measured by overt word reading fMRI activation and DTI structural connectivity
Notice bibliographique
Résumé
In cases of brain disease such as temporal lobe epilepsy (TLE), damage may lead to functional reorganization and a shift in language dominance to homolog regions in the other hemisphere. If the effects of TLE on language dominance are hemisphere-focused, then brain regions and connections involved in word reading should be less left-lateralized in left temporal lobe epilepsy (lTLE) than right temporal lobe epilepsy (rTLE) or healthy controls, and the opposite effect should be observed in patients with rTLE. In our study, functional magnetic resonance imaging (fMRI) showed that patients with rTLE had more strongly lateralized left hemisphere (LH) activation than patients with lTLE and healthy controls in language-related brain regions (pars opercularis and fusiform gyrus (FuG)). Corresponding with this difference, diffusion tensor imaging (DTI) found differences in connectivity indicative of patients with lTLE having greater tract integrity than patients with rTLE in the right hemisphere (RH) uncinate fasciculus (UF), inferior longitudinal fasciculus (ILF), and inferior fronto-occipital fasciculus (IFOF) using the network-based statistic analysis method. The UF, ILF, and IFOF tract integrity have previously been associated with lexical (whole-word) processing abilities. Multivariate distance matrix regression provided converging evidence for regions of the IFOF having different connectivity patterns between groups with lTLE and rTLE. This research demonstrates language lateralization differences between patient groups with lTLE and rTLE, and corresponding differences in the connectivity strength of the ILF, IFOF, and UF. This research provides a novel approach to measuring lateralization of language in general, and the fMRI and DTI findings were integral for guiding the neurosurgeons performing the TLE resections. This approach should inform future studies of language lateralization and language reorganization in patients such as those with TLE.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».