MétaCan
Menu
Retour à la cohorte
Enregistrement W1814205945 · doi:10.1088/1741-2560/12/5/056004

Identification of scalp EEG circadian variation using a novel correlation sum measure

2015· article· en· W1814205945 sur OpenAlexafffund
Ali Shahidi Zandi, Philippe Boudreau, Diane B. Boivin, Guy A. Dumont

Notice bibliographique

RevueJournal of Neural Engineering · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of British ColumbiaMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésCircadian rhythmElectroencephalographyCorrelationStatisticsUltradian rhythmPattern recognition (psychology)RhythmPopulationWaveletMathematicsMeasure (data warehouse)Artificial intelligencePsychologyComputer scienceNeuroscienceInternal medicineData miningMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: In this paper, we propose a novel method to determine the circadian variation of scalp electroencephalogram (EEG) in both individual and group levels using a correlation sum measure, quantifying self-similarity of the EEG relative energy across waking epochs. APPROACH: We analysed EEG recordings from central-parietal and occipito-parietal montages in nine healthy subjects undergoing a 72 h ultradian sleep-wake cycle protocol. Each waking epoch (∼ 1 s) of every nap opportunity was decomposed using the wavelet packet transform, and the relative energy for that epoch was calculated in the desired frequency band using the corresponding wavelet coefficients. Then, the resulting set of energy values was resampled randomly to generate different subsets with equal number of elements. The correlation sum of each subset was then calculated over a range of distance thresholds, and the average over all subsets was computed. This average value was finally scaled for each nap opportunity and considered as a new circadian measure. MAIN RESULTS: According to the evaluation results, a clear circadian rhythm was identified in some EEG frequency ranges, particularly in 4-8 Hz and 10-12 Hz. The correlation sum measure not only was able to disclose the circadian rhythm on the group data but also revealed significant circadian variations in most individual cases, as opposed to previous studies only reporting the circadian rhythms on a population of subjects. Compared to a naive measure based on the EEG absolute energy in the frequency band of interest, the proposed measure showed a clear superiority using both individual and group data. Results also suggested that the acrophase (i.e., the peak) of the circadian rhythm in 10-12 Hz occurs close to the core body temperature minimum. SIGNIFICANCE: These results confirm the potential usefulness of the proposed EEG-based measure as a non-invasive circadian marker.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,058
Tête enseignante GPT0,267
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Neural EngineeringMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207