Graph Theoretical Characteristics of EEG-Based Functional Brain Networks in Patients With Epilepsy: The Effect of Reference Choice and Volume Conduction
Notice bibliographique
Résumé
<p> It is well-established that both volume conduction and the choice of recording reference</p>\n\n<p>(montage) affect the correlation measures obtained from scalp EEG, both in the time</p>\n\n<p>and frequency domains. As a result, a number of correlation measures have been</p>\n\n<p>proposed aiming to reduce these effects. In our previous work, we have showed that</p>\n\n<p>scalp-EEG based functional brain networks in patients with epilepsy exhibit clear periodic</p>\n\n<p>patterns at different time scales and that these patterns are strongly correlated to seizure</p>\n\n<p>onset, particularly at shorter time scales (around 3 and 5 h), which has important clinical</p>\n\n<p>implications. In the present work, we use the same long-duration clinical scalp EEG data</p>\n\n<p>(multiple days) to investigate the extent to which the aforementioned results are affected</p>\n\n<p>by the choice of reference choice and correlation measure, by considering several widely</p>\n\n<p>used montages as well as correlation metrics that are differentially sensitive to the</p>\n\n<p>effects of volume conduction. Specifically, we compare two standard and commonly</p>\n\n<p>used linear correlation measures, cross-correlation in the time domain, and coherence in</p>\n\n<p>the frequency domain, with measures that account for zero-lag correlations: corrected</p>\n\n<p>cross-correlation, imaginary coherence, phase lag index, and weighted phase lag index.</p>\n\n<p>We show that the graphs constructed with corrected cross-correlation and WPLI are</p>\n\n<p>more stable across different choices of reference. Also, we demonstrate that all the</p>\n\n<p>examined correlation measures revealed similar periodic patterns in the obtained graph</p>\n\n<p>measures when the bipolar and common reference (Cz) montage were used. This</p>\n\n<p>includes circadian-related periodicities (e.g., a clear increase in connectivity during sleep</p>\n\n<p>periods as compared to awake periods), as well as periodicities at shorter time scales</p>\n\n<p>(around 3 and 5 h). On the other hand, these results were affected to a large degree when</p>\n\n<p>the average referencemontage was used in combination with standard cross-correlation,</p>\n\n<p>coherence, imaginary coherence, and PLI, which is likely due to the low number of</p>\n\n<p>electrodes and inadequate electrode coverage of the scalp. Finally, we demonstrate that</p>\n\n<p>the correlation between seizure onset and the brain network periodicities is preserved </p>\n\n<p> when corrected cross-correlation and WPLI were used for all the examined montages.</p>\n\n<p>This suggests that, even in the standard clinical setting of EEG recording in epilepsy</p>\n\n<p>where only a limited number of scalp EEG measurements are available, graph-theoretic</p>\n\n<p>quantification of periodic patterns using appropriate montage, and correlation measures</p>\n\n<p>corrected for volume conduction provides useful insights into seizure onset.</p>
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».