Utilising MRI Data and VOI-Based analysis for enhanced epilepsy prediction: a translational approach from bench to bedside
Notice bibliographique
Résumé
Background: Epilepsy is one of the most prevalent neurological disorders globally, profoundly impacting patient’s quality of life and stretching healthcare resources. Despite technological advances in neuroimaging, early and accurate detection of epileptic foci remains elusive, especially when standard MRI scans appear structurally normal. For clinicians, radiologists and neurologists, the limitations of subjective interpretation underscore an urgent need for objective diagnostic methods. This study addresses that gap by introducing Volume of Interest (VOI)-based analysis as an innovative tool to detect microstructural brain abnormalities associated with epilepsy. Methods: This study involves a retrospective analysis of 30 brain MRI images (T1-Weighted MPRAGE), comprising of 12 epilepsy patients and 18 matched controls (11 males, 19 females; mean age 42.7 ± 17.2 years). The images were converted from the DICOM format into the Brain Imaging Data Structures (BIDS) standard using the fMRIPrep platform, which were then normalised following the standard Montreal Neurological Institute (MNI) template. The images were segmented into Grey Matter, White Matter and Cerebrospinal Fluid. The segmented Grey Matter regions have then been analysed using VOI-based analysis from the Harvard-Oxford Cortical Structural Atlas. The VOI-based analysis results were then statistically tested using ANCOVA with False Detection Rate (FDR) correction. Results: Three regions show statistically significant ANCOVA results, which were Superior Frontal Gyrus (p=0.041), Superior Parietal Lobule (p=0.026) and Lingual Gyrus (p=0.036). However, all three regions fail the FDR correction (q=0.36). Conclusion: This work shows that combining MRI data with VOI-based analysis can reveal subtle structural patterns in the superior frontal gyrus, superior parietal lobule and lingual gyrus that may contribute to the understanding of epilepsy risk. Although these patterns were not sustained after FDR correction, they offer a promising direction for more objective predictive tools. Continued research with larger cohorts is essential to confirm these early signals and strengthen their relevance for epilepsy prediction.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».