SS
Stefano Seri
Author with expertise in Analysis of Brain Functional Connectivity Networks
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
6
(83% Open Access)
Cited by:
1
h-index:
37
/
i10-index:
97
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Functional Tic-like Behaviors: From the COVID-19 Pandemic to the Post-Pandemic Era

Andrea Cavanna et al.May 28, 2024
During the COVID-19 pandemic, there have been multiple reports about an unforeseen surge in adolescents and young adults exhibiting sudden onset functional tic-like behaviors. This phenomenon has been mainly associated with the female gender and occasionally after exposure to social media content featuring similar patterns of functional tic-like behaviors. A significant portion of these individuals have been directed to specialist clinics for movement disorders with initial misdiagnoses of late-onset refractory Tourette syndrome. Distinguishing between rapid onset functional tic-like behaviors and neurodevelopmental tics as part of Tourette syndrome can be challenging; however, the differential diagnosis is facilitated by focusing on specific clinical and demographic factors, which we have explored in a systematic literature review. Compared to neurodevelopmental tics, functional tic-like behaviors typically present with a more abrupt and intense manifestation of symptoms, onset at a later age, higher prevalence among females, inability to suppress tics, coexisting anxiety and depression, and sometimes a history of exposure to social media content portraying tic-like behaviors of a similar nature. This novel manifestation of a functional neurological disorder may thus be viewed as an emerging neuropsychiatric condition potentially triggered/exacerbated by the psychosocial repercussions of the COVID-19 crisis.
0
Citation1
0
Save
0

The impact of paediatric epilepsy and co-occurring neurodevelopmental disorders on functional brain networks in wake and sleep

Leandro Junges et al.Aug 26, 2024
Epilepsy is one of the most common neurological disorders in children. Diagnosing epilepsy in children can be very challenging, especially as it often coexists with neurodevelopmental conditions like autism and ADHD. Functional brain networks obtained from neuroimaging and electrophysiological data in wakefulness and sleep have been shown to contain signatures of neurological disorders, and can potentially support the diagnosis and management of co-occurring neurodevelopmental conditions. In this work, we use electroencephalography (EEG) recordings from children, in restful wakefulness and sleep, to extract functional connectivity networks in different frequency bands. We explore the relationship of these networks with epilepsy diagnosis and with measures of neurodevelopmental traits, obtained from questionnaires used as screening tools for autism and ADHD. We explore differences in network markers between children with and without epilepsy in wake and sleep, and quantify the correlation between such markers and measures of neurodevelopmental traits. Our findings highlight the importance of considering the interplay between epilepsy and neurodevelopmental traits when exploring network markers of epilepsy.
0

Resting-State Electroencephalography Alpha Dynamic Connectivity: Quantifying Brain Network State Evolution in Individuals with Psychosis

Romain Aubonnet et al.Jun 8, 2024
This study investigates brain dynamic connectivity patterns in psychosis and their relationship with psychopathological profile and cognitive functioning using a novel dynamic connectivity pipeline on resting-state EEG. Data from seventy-eight individuals with first-episode psychosis (FEP) and sixty control subjects (CTR) were analyzed. Source estimation was performed using eLORETA, and connectivity matrices in the alpha band were computed with the weighted phase-lag index. A modified k-means algorithm was employed to cluster connectivity matrices into distinct brain network states (BNS), from which metrics were extracted. The segmentation revealed five distinct BNSs. FEP exhibited significantly lower connectivity power in BNS 2 and 5 and a greater duration dispersion in BNS 1 than CTR. Negative correlations were identified between BNS metrics and negative symptoms in FEP. In CTR, correlations were found between BNS metrics and cognitive domains. This analysis method highlights the variability of neural dynamics in psychosis and their relationship with negative symptoms.
8

The impact of paediatric epilepsy and co-occurring neurodevelopmental disorders on functional brain networks in wake and sleep

Leandro Junges et al.Mar 15, 2023
Abstract Epilepsy is one of the most common neurological disorders in children. Diagnosing epilepsy in children can be very challenging, especially as it often coexists with neurodevelopmental conditions like autism and ADHD. Functional brain networks obtained from neuroimaging and electrophysiological data in wakefulness and sleep have been shown to contain signatures of neurological disorders, and can potentially support the diagnosis and management of co-occurring neurodevelopmental conditions. In this work, we use electroencephalography (EEG) recordings from children, in restful wakefulness and sleep, to extract functional connectivity networks in different frequency bands. We explore the relationship of these networks with epilepsy diagnosis and with measures of neurodevelopmental traits, obtained from questionnaires used as screening tools for autism and ADHD. We explore differences in network markers between children with and without epilepsy in wake and sleep, and quantify the correlation between such markers and measures of neurodevelopmental traits. Our findings highlight the importance of considering the interplay between epilepsy and neurodevelopmental traits when exploring network markers of epilepsy.
0

Automated and Interpretable Detection of Hippocampal Sclerosis in Temporal Lobe Epilepsy: AIDHS

Mathilde Ripart et al.Nov 14, 2024
Objective Hippocampal sclerosis (HS), the most common pathology associated with temporal lobe epilepsy (TLE), is not always visible on magnetic resonance imaging (MRI), causing surgical delays and reduced postsurgical seizure‐freedom. We developed an open‐source software to characterize and localize HS to aid the presurgical evaluation of children and adults with suspected TLE. Methods We included a multicenter cohort of 365 participants (154 HS; 90 disease controls; 121 healthy controls). HippUnfold was used to extract morphological surface‐based features and volumes of the hippocampus from T1‐weighted MRI scans. We characterized pathological hippocampi in patients by comparing them to normative growth charts and analyzing within‐subject feature asymmetries. Feature asymmetry scores were used to train a logistic regression classifier to detect and lateralize HS. The classifier was validated on an independent multicenter cohort of 275 patients with HS and 161 healthy and disease controls. Results HS was characterized by decreased volume, thickness, and gyrification alongside increased mean and intrinsic curvature. The classifier detected 90.1% of unilateral HS patients and lateralized lesions in 97.4%. In patients with MRI‐negative histopathologically‐confirmed HS, the classifier detected 79.2% (19/24) and lateralized 91.7% (22/24). The model achieved similar performances on the independent cohort, demonstrating its ability to generalize to new data. Individual patient reports contextualize a patient's hippocampal features in relation to normative growth trajectories, visualise feature asymmetries, and report classifier predictions. Interpretation Automated and Interpretable Detection of Hippocampal Sclerosis (AID‐HS) is an open‐source pipeline for detecting and lateralizing HS and outputting clinically‐relevant reports. ANN NEUROL 2024