P.087 Methods for representing dipole distribution in high-density EEG source localization for focal epilepsy: a systematic analysis
Notice bibliographique
Résumé
Background: Routine electroencephalography (EEG) provides excellent temporal resolution for evaluation of focal epilepsy, but lacks spatial resolution. High-density-EEG (HDEEG)-based source-localization significantly enhances spatial resolution, but requires greater standardization. We systematically review HDEEG systems, methods, and metrics utilized for evaluating focal epilepsy. Methods: A systematic search was conducted in PubMed using PRISMA guidelines with keywords “HDEEG” or “high-density EEG”, “source localization and “focal epilepsy”. Inclusion criteria: studies from the last 20 years, human subjects with focal epilepsy, sample size ≥ 10 and HDEEG with source localization methods clearly described. Results: 37 of 65 studies fulfilled inclusion criteria, with most reporting N<50. Most studies (14) used a 256-electrode HDEEG setup; 10 used 128-electrode configurations, and 6 used 76–83 electrodes. EEG source localization most commonly used Cartool (N=12) and Curry (N=5) softwares. Standard MRIs were used in 25 studies, and customized MRIs in 12. Metrics like clustering coefficient were reported to represent dipole distribution (10 studies); while functional connectivity analysis was reported in 7 studies. Conclusions: Variations in software choice, metrics for dipole distribution assessment, and MRI integration are evident from the current literature. Clustering methods and functional connectivity metrics are most commonly employed to represent dipole distribution, reflecting their increasing utility in understanding brain networks.
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 | 0,026 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,012 |
| Bibliométrie | 0,018 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».