PT -期刊文章盟Erik Kaestner盟小君饶AU -艾伦·j·张盟中艾琳王盟-罗宾·米布希盟-西蒙·S·凯勒盟西奥多·红的非盟-丹尼尔·L Drane AU -特拉维斯Stoub盟Ezequiel Gleichgerrcht AU -莱昂纳多Bonilha AU -凯尔Hasenstab AU -凯莉麦克唐纳TI -卷积神经网络算法来确定癫痫患者癫痫发作的偏侧性:- 10.1212 / WNL理论水平研究援助。0000000000207411 DP - 2023年5月18日TA -神经病首页学PG - 10.1212 / WNL。0000000000207411 4099 - http://n.首页neurology.org/content/early/2023/05/18/WNL.0000000000207411.short 4100 - //www.ez-admanager.com/content/early/2023/05/18/WNL.0000000000207411.full AB -背景和目标:诊断放射学的新边疆的包容machine-assisted支持工具,促进细微病变的识别通常人眼不可见。结构神经影像中扮演着重要的角色在癫痫患者病变的鉴别,通常配合癫痫的焦点。这里我们探索潜在的卷积神经网络(CNN)来确定偏侧性癫痫发作的癫痫患者使用t1加权结构核磁共振扫描作为输入。方法:使用一个数据集的359例颞叶癫痫(框架)从7外科中心,我们测试了基于t1影像的CNN能否发作一侧进行分类整合与临床团队共识。CNN与随机模型(相比机会)和海马体积逻辑回归(目前clinically-available措施的比较)。此外,我们利用一个CNN特性可视化技术来识别区域用于分类的病人。结果:在100个运行,CNN模型整合了临床医生偏侧性平均78% (SD = 5.1%)表现最佳的运行模式实现89%的一致性。CNN优于随机模型的100%(51.7%)的平均一致性运行平均提高26.2%,表现优于海马体积模型的85%(71.7%)的平均一致性运行平均提高6.25%。特征可视化地图显示,除了内侧颞叶,地区外侧颞叶,扣带、中央前回辅助分类。Discussion: These extra-temporal lobe features underscore the importance of whole-brain models to highlight areas worthy of clinician scrutiny during temporal lobe epilepsy lateralization. This proof-of-concept study illustrates that a CNN applied to structural MRI data can visually aid clinician-led localization of epileptogenic zone and identify extra-hippocampal regions that may require additional radiological attention.Classification of Evidence: This study provides Class II evidence that in patients with drug-resistant unilateral temporal lobe epilepsy, a convolutional neural network algorithm derived from T1-weighted MR images can correctly classify seizure laterality.