Stability of tactile‐ and pain‐related fMRI brain activations: An examination of threshold‐dependent and threshold‐independent methods
Notice bibliographique
Résumé
Functional MRI can be used to assess brain plasticity over time. To confidently attribute changes in activation patterns to cortical plasticity, it is important to establish the stability of cortical activation patterns. Because little is known concerning the stability of somatosensory-evoked brain responses, we assessed the reproducibility of within-subject responses in key somatosensory regions [thalamus, primary and secondary cortex (S1, S2)] to tactile and painful stimuli using threshold-dependent and threshold-independent analyses. Six subjects underwent four biweekly scanning sessions during which tactile and painful stimuli were applied to the hand. Standard thresholding and voxel counting techniques were compared with a novel threshold-independent method utilizing percent signal change within the regions of interest. Contralateral S1 and S2 were qualitatively reproducible during tactile stimulation, with overlapping activations >85% of the time. S2 was also highly reproducible during painful stimulation (88%), whereas S1 was less reproducible (44%). However, activation in the thalamus to both tactile and painful stimulation was highly variable. Ipsilateral activation was consistent within S2 but sparse within S1 and thalamus. Deactivations within ipsilateral S1 occurred 48% of the time with tactile stimuli, and 90% of the time with painful stimuli. Within contralaterally activated regions intraclass correlations (ICCs) were very high using the unthresholded method regardless of the type of stimulation, whereas much lower ICCs arose from the thresholded analyses. These data indicate that a threshold-independent analysis can produce more reproducible outcomes than a standard threshold-dependent analysis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».