Automated and Interpretable Detection of Hippocampal Sclerosis in temporal lobe epilepsy: AID-HS
Notice bibliographique
Résumé
Abstract Hippocampal Sclerosis (HS) can elude visual detection on MRI scans of patients with temporal lobe epilepsy (TLE), causing delays in surgical treatment and reducing the likelihood of postsurgical seizure-freedom. We developed an open-source software that (1) detects HS from structural MRI scans, (2) generalises across a heterogeneous multicentre cohort of children and adults, and (3) generates individualised predictions for clinical evaluation. We included a cohort of 363 participants (152 patients with HS, 90 disease controls with focal cortical dysplasia, and 121 healthy controls) from four epilepsy centres in the UK, North America, and China. We used the open-source software HippUnfold to extract morphological surface-based features and volumes of the hippocampus from T1w MRI scans. We compared pathological hippocampal morphology in patients with HS to normative growth charts generated from healthy controls, and to the contralateral hippocampi in patients with HS. HS was characterised by decreased volume, thickness and gyrification as well as increased mean and intrinsic curvature. A logistic regression classifier trained on these features detected 90.1% of HS patients, and accurately lateralised 97.4% of the HS cohort. Crucially, in patients with MRI-negative histopathologically confirmed HS, the classifier detected HS in 79.2% (19/24) and accurately lateralised the lesions in 91.7% (22/24). The Automated and Interpretable Detection of Hippocampal Sclerosis classifier (AID-HS) was packaged into an open-source pipeline, which detects and lateralises HS and generates individualised patient reports that characterise hippocampal developmental abnormalities. AID-HS is capable of accurately detecting and lateralising HS in a large, heterogeneous, multi-centre, cohort of paediatric and adult patients with diagnostically challenging HS. Moreover, by offering transparent, robust and interpretable results, AID-HS can support the presurgical evaluation of patients with suspected TLE.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».