在中绘制海马和乳头缩的地图:一项7-T磁共振成像研究
Alfredo Lucas1,2, Sofia Mouchtaris2, Ashley Tranquille3
1Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA.
Epilepsia
|February 12, 2024
概括
定量神经成像揭示了子类型中的海马体和胸膜缩的不同模式. 这种使用7-T MRI 的数据驱动方法可以改善治疗患者的分层.
科学领域:
- 神经成像是一种神经成像.
- 的研究研究.
- 机器学习 机器学习
背景情况:
- 患者分组传统上依赖于临床变量.
- 定量神经成像为患者分层提供了一个数据驱动的替代方案.
- 超高场7T结构性MRI提供了详细的体积数据.
研究的目的:
- 使用7-TMRI,用药物耐药的焦点症中海马子和thalamic核中的体积缩模式的特征.
- 应用无监督机器学习来识别基于缩模式的数据驱动的患者分组.
- 调查临床变量与已识别的缩模式之间的关联.
主要方法:
- 包括42名耐药性患者和13名使用7-T结构神经成像的对照.
- 测量了海马子场和乳头核体积.
- 利用隐性迪里克莱特分配 (LDA) 来估计缩模式和对患者进行分组的等级分类.
主要成果:
- 状性硬化症 (MTS) 显示出显著的ipsilateral海马体和一些thalamic缩.
- 左叶 (L-TLE) 呈现出ipsilateral hippocampal和双边thalamic缩的情况.
- 右叶 (R-TLE) 显示了广泛的双边海马和乳头缩,在亚型中观察到明显的前后乳头模式.
- 基于缩模式,分层分类成功地将具有相似临床特征的患者分组为组.
结论:
- 在患者中,7-T MRI 显示了广泛的海马和乳头缩.
- 无监督机器学习识别疾病亚型特定的体积缩模式.
- 这些数据驱动的缩模式可能会增强手术治疗和设备植入的临床分层.
