一个以半理学为导向的框架,用于探索叶

科学领域:

• 神经外科 神经外科
• 发病学 (Epileptology) 是一个专业的学科.
• 计算神经科学是一种神经科学.

背景情况:

• 耐药叶 (TLE) 需要手术干预,但广泛的切除可能会导致神经心理缺陷.
• 立体电脑摄影 (SEEG) 有助于绘制扣押网络的地图,用于以假设为导向的探索.
• 发作表征学,成像学,头皮EEG和神经心理学指导SEEG植入,但表征学本身并不是唯一的分类器.

研究的目的:

• 从立体功能-解剖学的角度来定义TLE中常见的SEEG植入模式.
• 为了测试这些SEEG植入模式的可复制性.
• 为了将立体学和电极覆盖与外科手术结果相关联.

主要方法:

• 对72名耐药性TLE患者进行SEEG的分析.
• 识别了四种可复制的SEEG植入模式:面 - 侧面,面 - 基底 - 头,前面 - 周边,周边.
• 机器学习分类器训练有素的特征和电极覆盖面,以预测植入模式和结果.

主要成果:

• 仅仅半论就对结果具有适度的预测能力 (精度66%,回忆65%).
• 电极覆盖显著改善了预测 (精度87%,回忆85%).
• 立体学与植入模式有很强的相关性 (精度84%,回忆率82%),证实其在指导战略中的作用. 73%的人在一年后被扣押自由.

结论:

• 在TLE中可复制的SEEG植入模式的特征和信息是由半理学.
• 计算分析验证了这些模式,将植入策略与网络本地化和手术方法联系起来.
• 以SEEG为指导的治疗导致了高发作自由率,在切除患者中有26%观察到口头记忆的下降.