Automated and Interpretable Detection of Hippocampal Sclerosis in Temporal Lobe Epilepsy: <scp>AID</scp> ‐ <scp>HS</scp>
Notice bibliographique
Résumé
OBJECTIVE: Hippocampal sclerosis (HS), the most common pathology associated with temporal lobe epilepsy (TLE), is not always visible on magnetic resonance imaging (MRI), causing surgical delays and reduced postsurgical seizure-freedom. We developed an open-source software to characterize and localize HS to aid the presurgical evaluation of children and adults with suspected TLE. METHODS: We included a multicenter cohort of 365 participants (154 HS; 90 disease controls; 121 healthy controls). HippUnfold was used to extract morphological surface-based features and volumes of the hippocampus from T1-weighted MRI scans. We characterized pathological hippocampi in patients by comparing them to normative growth charts and analyzing within-subject feature asymmetries. Feature asymmetry scores were used to train a logistic regression classifier to detect and lateralize HS. The classifier was validated on an independent multicenter cohort of 275 patients with HS and 161 healthy and disease controls. RESULTS: HS was characterized by decreased volume, thickness, and gyrification alongside increased mean and intrinsic curvature. The classifier detected 90.1% of unilateral HS patients and lateralized lesions in 97.4%. In patients with MRI-negative histopathologically-confirmed HS, the classifier detected 79.2% (19/24) and lateralized 91.7% (22/24). The model achieved similar performances on the independent cohort, demonstrating its ability to generalize to new data. Individual patient reports contextualize a patient's hippocampal features in relation to normative growth trajectories, visualise feature asymmetries, and report classifier predictions. INTERPRETATION: Automated and Interpretable Detection of Hippocampal Sclerosis (AID-HS) is an open-source pipeline for detecting and lateralizing HS and outputting clinically-relevant reports. ANN NEUROL 2024.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».