Associations of Cerebral Blood Flow Patterns With Gray and White Matter Structure in Patients With Temporal Lobe Epilepsy
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Neuroimaging studies in patients with temporal lobe epilepsy (TLE) show widespread brain network alterations beyond the mesiotemporal lobe. Despite the critical role of the cerebrovascular system in maintaining whole-brain structure and function, changes in cerebral blood flow (CBF) remain incompletely understood in the disease. Here, we studied whole-brain perfusion and vascular network alterations in TLE and assessed its associations with gray and white matter compromises and various clinical variables. METHODS: We included individuals with and without pharmaco-resistant TLE who underwent multimodal 3T MRI, including arterial spin labelling, structural, and diffusion-weighted imaging. Using surface-based MRI mapping, we generated individualized cortico-subcortical profiles of perfusion, morphology, and microstructure. Linear models compared regional CBF in patients with controls and related alterations to morphological and microstructural metrics. We further probed interregional vascular networks in TLE, using graph theoretical CBF covariance analysis. The effects of disease duration were explored to better understand the progressive changes in perfusion. We assessed the utility of perfusion in separating patients with TLE from controls using supervised machine learning. RESULTS: = -0.54, 95% CI -0.77 to -0.16). Perfusion-derived classifiers discriminated patients from controls with high accuracy (71% [70%-82%]). Findings were robust when controlling for several methodological confounds. DISCUSSION: Our multimodal findings provide insights into vascular contributions to TLE pathophysiology affecting and extending beyond mesiotemporal structures and highlight their clinical potential in epilepsy diagnosis. As our work was cross-sectional and based on a single site, it motivates future longitudinal studies to confirm progressive effects, ideally in a multicentric setting.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».