Relation of Brain Perfusion Patterns to Sudden Unexpected Death Risk Stratification: A Study in Drug Resistant Focal Epilepsy
Notice bibliographique
Résumé
To explore the role of the interictal and ictal SPECT to identity functional neuroimaging biomarkers for SUDEP risk stratification in patients with drug-resistant focal epilepsy (DRFE). Twenty-nine interictal-ictal Single photon emission computed tomography (SPECT) scans were obtained from nine DRFE patients. A methodology for the relative quantification of cerebral blood flow of 74 cortical and sub-cortical structures was employed. The optimal number of clusters (K) was estimated using a modified v-fold cross-validation for the use of K means algorithm. The two regions of interest (ROIs) that represent the hypoperfused and hyperperfused areas were identified. To select the structures related to the SUDEP-7 inventory score, a data mining method that computes an automatic feature selection was used. During the interictal and ictal state, the hyperperfused ROIs in the largest part of patients were the bilateral rectus gyrus, putamen as well as globus pallidus ipsilateral to the seizure onset zone. The hypoperfused ROIs included the red nucleus, substantia nigra, medulla, and entorhinal area. The findings indicated that the nearly invariability in the perfusion pattern during the interictal to ictal transition observed in the ipsi-lateral putamen F = 12.60, p = 0.03, entorhinal area F = 25.80, p = 0.01, and temporal middle gyrus F = 12.60, p = 0.03 is a potential biomarker of SUDEP risk. The results presented in this paper allowed identifying hypo- and hyperperfused brain regions during the ictal and interictal state potentially related to SUDEP risk stratification.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».