目的：成功控制癫痫控制的关键涉及在治疗前定位癫痫焦点。 18F-FDG PET被认为是医生用于评估癫痫患者的强大神经影像学技术。但是，成像质量，视角和经验可能很容易降低癫痫诊断的一致性。在这项工作中，研究人员开发了一个框架，将放射线分析和深度学习技术与计算机辅助诊断（CAD）方法相结合，以使用PET图像检测患有颞叶癫痫（TLE）儿科患者的癫痫患者的癫痫灶。

方法：首先提取和建模与小儿颞bole癫痫有关的十个PET放射素学特征。然后，对一个称为暹罗网络的神经网络进行了训练，可以量化不对称性并自动找到癫痫焦点以进行诊断。对提议的框架的性能进行了测试，并与最先进的临床软件工具和人类医生进行了比较验证准确性和一致性的经验。

• 实验组
  实验组接受了18F-FDG宠物检查
• 控制组
  对照组接受了18F-FDG宠物检查

纳入标准：

1. 颞叶癫痫的临床诊断。
2. 年龄从六到十八岁不等。
3. 接受了宠物，脑电图，计算机断层扫描（CT）和MRI。

排除标准：

1. 图像质量不令人满意（例如由于头部运动而导致的严重图像伪像）。
2. 18F-FDG PEG检查为阴性。
3. 临床数据不完整。
4. 缺少脑电图或MRI报告。