P.089 Multiscale analysis of mesial temporal lobe epilepsy: Anatomo-Electrophysio-pathologic differentiation
Notice bibliographique
Résumé
Background: Mesial temporal lobe epilepsy (mTLE) is a heterogenous condition with variable post-surgical outcomes. Combining high resolution magnetic resonance imaging (MRI), stereoelectroencephalography (SEEG) and histology may establish different subtypes of mTLE. Methods: Retrospective analysis of patients with mTLE with 1) SEEG Patterns 2) MRI 3) Post temporal lobectomy tissue analysis 4) Engel Classification. HippUnfold method was used to segment hippocampus on MRI. Results: Of 109 patients investigated with SEEG, 11 patients were analyzed so far. Low voltage fast activity was seen in 215 seizures, low-frequency periodic spikes in 21, sharp activity at <13 Hz in 58, rhythmic spike sharp wave activity in 86, and other types were less frequent. MRI revealed unilateral mesial temporal sclerosis (MTS) in 6 (54.55%), bilateral MTS in 2 (18.18%), and was normal in 3 (27.27%) patients. Histopathology showed ILAE grade I in 3 (37.5 %), II in 4 (50 %), IV in 1 (12.5%) patient. 63.63% had Engel Class I at 6 months. HippUnfold analysis and SEEG electrode coregistration was done in one patient and will be attempted in the rest. Conclusions: Our study highlights a strong correlation between SEEG findings and histological analysis in mTLE. A multidimensional classification will help predict long term outcomes.
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) | 0,014 | 0,003 |
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 ».