自动发作发作区域定位器从休息状态功能性MRI在耐药性中

科学领域:

• 神经成像是一种神经成像.
• 的研究研究.
• 儿科神经学 儿科神经学

背景情况:

• 准确的发作发作区 (SOZ) 定位对于在儿科耐药性 (DRE) 中的手术成功至关重要.
• 从静止状态功能磁共振成像 (rs-fMRI) 来识别SOZ的自动化方法已经显示出有限的有效性,特别是在发育中的大脑中.
• 患有DRE的儿童由于大脑发育和手术风险而面临独特的挑战.

研究的目的:

• 开发和验证一种新的自动化算法EPIK (预测和成像知识),用于使用rs-fMRI在儿科DRE中的SOZ定位.
• 与现有的自动化技术和专家分析相比,提高SOZ识别的准确性和效率.

主要方法:

• EPIK采用两阶段的方法:使用fMRI噪声生物标志物和高保真处理进行初始降噪,然后通过最大概率分类器识别SOZ标志物.
• 该算法在儿科DRE数据集 (n=52) 上进行了评估,与最小平方支向量机和卷积神经网络进行了性能比较.
• 基准测试包括与专家独立组件 (IC) 排序和Engel外科切除/切除的结果进行比较,并根据年龄和性别分层分析.

主要成果:

• 与最先进的方法相比,EPIK表现出更高的性能,达到84.7%的准确度 (4%更高),74.1%的精度 (22%更高),81.9%的特异性 (3.2%更高) 和88.6%的灵敏度 (16.5%更高).
• 该算法在不同年龄组和性别中表现一致,在5岁以下的儿童中观察到的最佳结果.
• EPIK显著减少了需要手动分析的IC数量约五倍,简化了手术前查.

结论:

• 从rs-fMRI使用EPIK自动化SOZ定位在临床上是可行的,并与手术结果进行验证.
• 这种新的方法消除了对IC的手动专家分类的需要,在准确性方面超过了以前的自动化方法,并在儿科人口统计学中保持一致的性能.
• EPIK提供了一个有前途的工具,可以改善DRE儿童的手术规划和结果.