Electroencephalography–functional magnetic resonance imaging of epileptiform discharges: Noninvasive investigation of the whole brain
Notice bibliographique
Résumé
Simultaneous electroencephalography-functional magnetic resonance imaging (EEG-fMRI) is a unique and noninvasive method for investigating epileptic activity. Interictal epileptiform discharge-related EEG-fMRI provides cortical and subcortical blood oxygen level-dependent (BOLD) signal changes specific to epileptic discharges. As a result, EEG-fMRI has revealed insights into generators and networks involved in epileptic activity in different types of epilepsy, demonstrating-for instance-the implication of the thalamus in human generalized spike and wave discharges and the role of the default mode network in absences and focal epilepsy, and has suggested a mechanism for the cortico-subcortical interactions in Lennox-Gastaut syndrome discharges. EEG-fMRI can find deep sources of epileptic activity not available to scalp EEG or magnetoencephalography, and provides critical new information to delineate the epileptic focus when considering surgical treatment or electrode implantation. In recent years, methodological advances, such as artifact removal and automatic detection of events, have rendered this method easier to implement, and its clinical potential has since been established by evidence of the impact of BOLD response on clinical decision-making and of the relationship between concordance of BOLD responses with extent of resection and surgical outcome. This review presents the recent developments in EEG-fMRI methodology and EEG-fMRI studies in different types of epileptic disorders as follows: EEG-fMRI acquisition, gradient and pulse artifact removal, statistical analysis, clinical applications, presurgical evaluation, altered physiological state in generalized genetic epilepsy, and pediatric EEG-fMRI studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».