The Role of the Temporal Pole in Temporal Lobe Epilepsy: A Diffusion Kurtosis Imaging Study
Notice bibliographique
Résumé
ABSTRACT Objective This study aims to evaluate the use of diffusion kurtosis imaging (DKI) to detect microstructural abnormalities within the temporal pole (TP) in temporal lobe epilepsy (TLE) patients. Methods DKI quantitative maps were obtained from fourteen lesional (MRI+) and ten non-lesional (MRI-) TLE patients, along with twenty-one healthy controls. This included mean (MK); radial (RK) and axial kurtosis (AK); mean diffusivity (MD) and axonal water fraction (AWF). Automated fiber quantification (AFQ) was used to quantify DKI measurements along the inferior longitudinal (ILF) and uncinate fasciculus (Unc). ILF and Unc tract profiles were compared between groups and tested for correlation with seizure duration. To characterize temporopolar cortex (TC) microstructure, DKI maps were sampled at varying depths from superficial white matter (WM) towards the pial surface. Each patient group was separated according to side ipsilateral to the epileptogenic temporal lobe and their AFQ results were used as input for statistical analyses. Results Significant differences were observed between MRI+ and controls ( p < 0.005), towards the most anterior of ILF and Unc proximal to the TP of the left (not right) ipsilateral temporal lobe for MK, RK, AWK and MD. Noticeable differences were also observed mostly towards the TP for MK, RK and AWK in the MRI-group. DKI measurements correlated with seizure duration, mostly towards the anterior segments of the WM bundles. Stronger differences in MK, RK and AWF within the TC were observed in the MRI+ and noticeable differences (except for MD) in MRI-groups compared to controls. Significance The study demonstrates that DKI has potential to detect subtle microstructural alterations within the anterior segments of the ILF and Unc and the connected TC in TLE patients including MRI-subjects. This could aid our understanding of the extrahippocampal areas involved in seizure generation in TLE and might inform surgical planning, leading to better seizure outcomes.
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 | 0,001 | 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 ».