MétaCan
Menu
Retour à la cohorte

Detection of fMRI activation using Cortical Surface Mapping

2001· article· en· W1981591148 sur OpenAlexaff
Alexandre Andrade, Ferath Kherif, J.-F. Mangin, Keith J. Worsley, Anne‐Lise Paradis, Olivier Simon, Stanislas Dehaene, Denis Le Bihan, J. B. Poline

Notice bibliographique

RevueHuman Brain Mapping · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversité du Québec à MontréalMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésFlatteningSensitivity (control systems)Computer scienceFlexibility (engineering)Artificial intelligenceNeurosciencePattern recognition (psychology)PsychologyMathematicsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

A methodology for fMRI data analysis confined to the cortex, Cortical Surface Mapping (CSM), is presented. CSM retains the flexibility of the General Linear Model based estimation, but the procedures involved are adapted to operate on the cortical surface, while avoiding to resort to explicit flattening. The methodology is tested by means of simulations and application to a real fMRI protocol. The results are compared with those obtained with a standard, volume-oriented approach (SPM), and it is shown that CSM leads to local differences in sensitivity, with generally higher sensitivity for CSM in two of the three subjects studied. The discussion provided is focused on the benefits of the introduction of anatomical information in fMRI data analysis, and the relevance of CSM as a step toward this goal.

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)0,002
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,086
Tête enseignante GPT0,289
Écart entre enseignants0,203 · 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

Citations150
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Brain MappingMême sujetNeural dynamics and brain functionTravaux en français237 207