Resting-State Functional MRI for Determining Language Lateralization in Children with Drug-Resistant Epilepsy
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Task-based fMRI is a noninvasive method of determining language dominance; however, not all children can complete language tasks due to age, cognitive/intellectual, or language barriers. Task-free approaches such as resting-state fMRI offer an alternative method. This study evaluated resting-state fMRI for predicting language laterality in children with drug-resistant epilepsy. MATERIALS AND METHODS: A retrospective review of 43 children with drug-resistant epilepsy who had undergone resting-state fMRI and task-based fMRI during presurgical evaluation was conducted. Independent component analysis of resting-state fMRI was used to identify language networks by comparing the independent components with a language network template. Concordance rates in language laterality between resting-state fMRI and each of the 4 task-based fMRI language paradigms (auditory description decision, auditory category, verbal fluency, and silent word generation tasks) were calculated. RESULTS: Concordance ranged from 0.64 (95% CI, 0.48-0.65) to 0.73 (95% CI, 0.58-0.87), depending on the language paradigm, with the highest concordance found for the auditory description decision task. Most (78%-83%) patients identified as left-lateralized on task-based fMRI were correctly classified as left-lateralized on resting-state fMRI. No patients classified as right-lateralized or bilateral on task-based fMRI were correctly classified by resting-state fMRI. CONCLUSIONS: While resting-state fMRI correctly classified most patients who had typical (left) language dominance, its ability to correctly classify patients with atypical (right or bilateral) language dominance was poor. Further study is required before resting-state fMRI can be used clinically for language mapping in the context of epilepsy surgery evaluation in children with drug-resistant 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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».