Identification of Negative BOLD Responses in Epilepsy Using Windkessel Models
Notice bibliographique
Résumé
Alongside positive blood oxygenation level–dependent (BOLD) responses associated with interictal epileptic discharges, a variety of negative BOLD responses (NBRs) are typically found in epileptic patients. Previous studies suggest that, in general, up to four mechanisms might underlie the genesis of NBRs in the brain: (i) neuronal disruption of network activity, (ii) altered balance of neurometabolic/vascular couplings, (iii) arterial blood stealing, and (iv) enhanced cortical inhibition. Detecting and classifying these mechanisms from BOLD signals are pivotal for the improvement of the specificity of the electroencephalography–functional magnetic resonance imaging (EEG-fMRI) image modality to identify the seizure-onset zones in refractory local epilepsy. This requires models with physiological interpretation that furnish the understanding of how these mechanisms are fingerprinted by their BOLD responses. Here, we used a Windkessel model with viscoelastic compliance/inductance in combination with dynamic models of both neuronal population activity and tissue/blood O 2 to classify the hemodynamic response functions (HRFs) linked to the above mechanisms in the irritative zones of epileptic patients. First, we evaluated the most relevant imprints on the BOLD response caused by variations of key model parameters. Second, we demonstrated that a general linear model is enough to accurately represent the four different types of NBRs. Third, we tested the ability of a machine learning classifier, built from a simulated ensemble of HRFs, to predict the mechanism underlying the BOLD signal from irritative zones. Cross-validation indicates that these four mechanisms can be classified from realistic fMRI BOLD signals. To demonstrate proof of concept, we applied our methodology to EEG-fMRI data from five epileptic patients undergoing neurosurgery, suggesting the presence of some of these mechanisms. We concluded that a proper identification and interpretation of NBR mechanisms in epilepsy can be performed by combining general linear models and biophysically inspired models.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 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 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 ».