Advances in MRI‐based diagnosis of temporal lobe epilepsy: Correlating hippocampal subfield volumes with histopathology
Notice bibliographique
Résumé
Epilepsy, affecting 0.5%-1% of the global population, presents a significant challenge with 30% of patients resistant to medical treatment. Temporal lobe epilepsy, a common cause of medically refractory epilepsy, is often caused by hippocampal sclerosis (HS). HS can be divided further by subtype, as defined by the International League Against Epilepsy (ILAE). Type 1 HS, the most prevalent form (60%-80% of all cases), is characterized by cell loss and gliosis predominantly in the subfields cornu ammonis (CA1) and CA4. Type 2 HS features cell loss and gliosis primarily in the CA1 sector, and type 3 HS features cell loss and gliosis predominantly in the CA4 subfield. This literature review evaluates studies on hippocampal subfields, exploring whether observable atrophy patterns from in vivo and ex vivo magnetic resonance imaging (MRI) scans correlate with histopathological examinations with manual or automated segmentation techniques. Our findings suggest only ex vivo 1.5 Tesla (T) or 3T MRI with manual segmentation or in vivo 7T MRI with manual or automated segmentations can consistently correlate subfield patterns with histopathologically derived ILAE-HS subtypes. In conclusion, manual and automated segmentation methods offer advantages and limitations in diagnosing ILAE-HS subtypes, with ongoing research crucial for refining hippocampal subfield segmentation techniques and enhancing clinical applicability.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».