JNNP:使用扩散成像预测大脑皮质癫痫手术结果

中风是50岁以上病患者最常见的致残官能脑部系统病症之一。 大脑皮质中风（TLE）是最常见的局灶官能中风，尽管服用抗中风药物开展治疗，但仍有约30%-40%的病患者持续浮现衰弱官能中风猝死。中风手术后可以通过摘除、摘除或脑部刺激造成了中风的七区域，去除或特别是在缩减许多TLE病患者的中风猝死。不幸的是，在接受中风手术后的病患者中的，约有33%-50%的病患者术后浮现持续官能致残官能中风猝死。导致中风手术后败北的一个极其重要因素是治疗当年中风猝死猝死七区的不准确或不实际上侧化和出发点。检验TLE的标准化无创术当年关键技术依赖性于头皮运动控制（EEG）、T1/T2权重MRI、正电长子试射扫描、单光长子试射CT、功能官能MRI和脑磁图的配对。然而，这些方式将多半不足以自信地开展侧化（即，哪个大脑半球负责中风猝死的造成了）和出发点致痫官能。因此，经常开展有创官能颅内运动控制（iEEG）受控。在这些短时间且不好像的入院病患者iEEG受控过程中的，多达10%显然会时有发生不良事件，中风显然根本不想时有发生。因此，许多学术研究小第一组借助其他非侵入官能方法，以试图缩减侵入官能受控的需要，并提高TLE的术当年检验。

许多学术研究人员透过建模（又称人工智能）透过从非侵入官能模式中的透过的信息来解决问题中风病学中的不存在的问题。一些流行的应用包括通过EEG数据集数据分析中风猝死的时有发生或通过MRI T1全像探测病因。建模仿真的开发人员必须非常谨慎，能避免主因拟合自己的数据集集。主因拟合仿真只会在单个数据集集上计算出来准确的数据集数据分析，并且在应用取而代之数据集集后会计算出来缺失的结果。当仔细地应用适当明确指出的问题时，建模有显然有意义地提升诊断管理者。考虑到这些因素，已经有有人尝试用作散播权重全像（DWI）指标和建模来数据集数据分析TLE的不存在、猝死时的下方或左侧中风以及手术后结果。DWI仿真显然会提升之当年明确指出的大部分依赖性分类学诊断变量的仿真。需要更多的岗位来提很高仿真的准确官能，提升我们对TLE的生物学理解。此外，在TLE的术当年检验中的设为广泛极其重要诊断分类学的统一关键技术将对诊断医生非常有用，并有助于能避免不必要的颅内受控。在DWI共通的全脑骨架连通官能（SC）和分数各向异官能（FA）指标上用作倡议独立非零数据分析（ICA）特征提取的监督建模关键技术，可以用于鉴别TLE的不存在，分类学TLE偏侧官能和数据集数据分析手术后结果。此外，通过降低共通特征的维数和取而代之的检验仿真官能能来提很高关键技术的可解释官能。通过这项岗位， 目的透过DWI共通的数据集数据分析仿真来提升基本的TLE术当年检验。本文刊载在《脑部病学，脑部外科学和精神病学杂志》上（Journal of Neurology, Neurosurgery & Psychiatry）。

数据分析中的设为了151名人脑（62名TLE病患者和89名身心健康相比较）。TLE的诊疗由医疗中的心的标准化多学科过程确定，包括中风历史学者、脑部外科医生和脑部精神病历史学者。该过程包括数据分析病患者病患、中风疼痛学、影片EEG、MRI、正电长子试射扫描、通过功能官能MRI或Wada和脑部心理学探测开展记忆/语种出发点。获得了很高角度解析度散播全像，用作名为PreQual的软件对DWI数据集开展实例。用作MRTrix3开展机率纤维束造影。用作FreeSurfer将每个T1图像切分成84个基于Desikan Killiany（DK）图谱的感兴趣七区域（ROI）切分。创建者了一种有监督的建模关键技术，该关键技术用作散播权重指标对主题第一组开展分类学。值得注意，试图将病患者与身心健康结果表明、双侧大脑皮质中风与上部大脑皮质中风、下方大脑皮质中风与左侧大脑皮质中风以及无中风与无中风手术后结果开展分类学。然后，为了便于解释，用作社七区探测来降低共通特征的维数。用作了五倍接合的测试，其中的70%的数据集集用于仿真锻炼，20%当做仿真锻炼终止的的测试集，以防止主因拟合，10%实际上保持一致的数据集当做每个接合翻转的探测集。我们报告了每个二元管理者第一组的五个接合翻转的锻炼、的测试和探测数据集集的结果。试图检验基本手术后结果数据集数据分析工具的官能能。我们将下方和左侧TLE病患者配对并开展数据分析（n=55），排除上部发病病患者（n=7）。

用于TLE诊疗和结节病的二叉管理者树

用作实际上保持一致的探测数据集集，该关键技术分类学为TLE病患者与身心健康结果表明的AUC为0.745，双侧与上部猝死（小样本量）的AUC为1.000，下方与左侧猝死的AUC为0.662，下方SF与非SF手术后结果的AUC为0.800，左侧SF与非SF手术后结果的AUC为0.775。为了检验MTS对手术后结果数据集数据分析的影响，我们开展了一项近日长子数据分析，近期，在左TLE手术后（t检验p=0.064）或右TLE手术后（t检验p=0.3134）中的，有MTS的病患者与没MTS的病患者在损耗（即原始数据集数据分析值）不足之处没特别是在相似之处。这些近日结果表明，异质官能锻炼集导致了很高分类学准确率，在标准化术当年检查后曾，在MRI上对MTS的鉴别中的很强普遍官能。在保持一致的探测数据集集中的对人脑第一组开展了分类学，在人脑操纵特征曲线下，病患者与身心健康结果表明的接合翻转平均探测范围为0.745，双侧与上部猝死的接合翻转平均探测范围为1.000。

解码网路数据集数据分析大脑皮质中风（TLE）

技术的脑部影象数据分析可以有效地用于提升当当年诊断马达的数据集数据分析仿真。如果数据集数据分析病患者双侧手术后摘除后时有发生SF的机率会很很高，则采用DWI提升诊断管理者树可以建议病患者从外部开展手术后，从而缩减对颅内受控的需求。本文的方法确定了TLE病患者与中的等精准度的结果表明、偏侧官能和中的等-很高精准度的手术后结果，可以补充诊断管理者并试图指导病患者发表意见。七区分TLE病患者与结果表明的极其重要SC连接是左右脑骨架的配对。值得注意的是下方岛叶、许多下方脑锥状骨架、左侧扣带回和左侧额叶上、中的、下回。对这一不对称注意到的一种解释是，左、右和上部TLE病患者显然并不不存在对称官能病症。解码长子网路中的最强的SC数据集数据分析因长子座落在左侧尾侧额叶中的回至下方基底脑部节和下方岛叶相互间。病患者还包括来自下方感觉神经的SC连接提升。病患者在这些七区域相互间的平均SC值要很高得多。这些注意到的一个显然的综合结果是，在限于基底节和感觉神经皮质网路的未知中风猝死传播除此以外中的，病患者显然很强提升的骨架联络。这个解码长子网路中的明显缺少向外骨架，如海马、杏仁核和颏额七区，它们在TLE中的有充分的生理历史记录。对这一注意到的一种显然解释是，病患者的向外骨架显然不存在强烈的生理异质官能，因为左、右和上部TLE病患者都被预选在一起。这种关键技术的数据集数据分析能力可以通过将这个决定分为结果表明与下方、结果表明与左侧和结果表明与上部TLE来提很高。

该关键技术通过转换成清晰的白质特征，对大脑皮质中风术当年检查中的的极其重要诊断管理者开展分类学。这项岗位通过进一步阐明大脑皮质中风中的极其重要的白质生理学，提升了该领域基本的网路连通官能注意到。目的是透过散播全像来提升这种毁灭官能脑部病症的术当年检查。

Johnson GW, Cai LY, Narasimhan S, et al Temporal lobe epilepsy lateralisation and surgical outcome prediction using diffusion imagingJournal of Neurology, Neurosurgery & Psychiatry Published Online First: 28 March 2022. doi: 10.1136/jnnp-2021-328185