Superficial and deep white matter abnormalities in temporal lobe epilepsy
Notice bibliographique
Résumé
Abstract Non-invasive neuroimaging is important in epilepsy to help identify cerebral abnormalities. Abnormally reduced fractional anisotropy (FA) in deep white matter (WM) from diffusion-weighted imaging (DWI) is widely reported in large multi-cohort studies across all types of epilepsies. However, abnormalities in FA for superficial WM are rarely investigated in epilepsy. To gain a greater understanding of the nature of WM abnormality at different WM depths, we investigated DWI abnormalities at a range of superficial and deep WM in two separate temporal lobe epilepsy (TLE) cohorts. The first cohort (TLE = 81, Healthy Control; HC = 67) underwent a high angular resolution multi-shell DWI, whilst the second cohort (TLE = 70, HC = 29) had a single-shell acquisition. We registered FA maps to a standard template, and analysed temporal WM within 8 mm of the temporal lobe grey matter, amygdala and hippocampus. We standardised FA measures at different depths, and compared ipsi-versus contralateral temporal WM, and MRI-positive versus MRI-negative groups. We report three major findings: First, superficial WM had greater FA reductions than deep WM in TLE (P < 0.001). Second, this effect was more prominent in the ipsilateral than contralateral temporal lobe WM (P < 0.001). Third, these effects were present to a similar degree in patients who reported an MRI negative. All results are held in both TLE cohorts. These findings suggest that, in the temporal lobe, superficial WM is more abnormal than deep WM in TLE, with potential clinical use for lateralisation even in MRI-negative patients. These findings motivate further investigation of the importance of superficial WM in epilepsy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».