Learn how to interpret and use intracranial <scp>EEG</scp> findings
Notice bibliographique
Résumé
Epilepsy surgery is the therapy of choice for many patients with drug-resistant focal epilepsy. Recognizing and describing ictal and interictal patterns with intracranial electroencephalography (EEG) recordings is important in order to most efficiently leverage advantages of this technique to accurately delineate the seizure-onset zone before undergoing surgery. In this seminar in epileptology, we address learning objective "1.4.11 Recognize and describe ictal and interictal patterns with intracranial recordings" of the International League against Epilepsy curriculum for epileptologists. We will review principal considerations of the implantation planning, summarize the literature for the most relevant ictal and interictal EEG patterns within and beyond the Berger frequency spectrum, review invasive stimulation for seizure and functional mapping, discuss caveats in the interpretation of intracranial EEG findings, provide an overview on special considerations in children and in subdural grids/strips, and review available quantitative/signal analysis approaches. To be as practically oriented as possible, we will provide a mini atlas of the most frequent EEG patterns, highlight pearls for its not infrequently challenging interpretation, and conclude with two illustrative case examples. This article shall serve as a useful learning resource for trainees in clinical neurophysiology/epileptology by providing a basic understanding on the concepts of invasive intracranial EEG.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,018 |
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 ».