D.5 Low density scalp electrical source imaging of the ictal onset zone network using source coherence maps
Notice bibliographique
Résumé
Background: This study investigates the utility of low-density scalp electrical source imaging (LD-ESI) of the Ictal Onset Zone (IOZ) and interictal spike ripple high frequency oscillation (ISRHFO) networks using Source Coherence Maps (SCM) in the surgical evaluation of children with medically refractory epilepsy. Invasive intracranial monitoring, the gold standard for determining epileptogenic zones, has limited spatial sampling. SCM presents a promising new non-invasive diagnostic technique. Methods: This was a retrospective review of 11 patients who underwent focal resections. SCMs were generated using Standardized Low Resolution Electromagnetic Tomography (sLORETA). SCM concordance to resection margins was assessed, noting outcomes at 3 years. Results: For 7/11 cases, ictal SCMs included the resection, and 5/7 achieved seizure freedom, indicating inclusion of the epileptogenic zone. For the 2/7 not seizure-free, the IOZ networks on the SCMs extended beyond resection margins, suggesting the epileptogenic zone also extended beyond the resection. Interictal spike ripple ESI and ISRHFO SCM were performed for 7/11, with 3/7 included in the resection and all 3 seizure-free. Conclusions: These findings may support LD-ESI of the IOZ and ISRHFO network using SCM as promising methods complementary to ictal and interictal ESI in pediatric epilepsy surgical workup, guiding electrode placement for intracranial monitoring to identify the epileptogenic zone.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».