Independent component analysis (ICA) of generalized spike wave discharges in fMRI: Comparison with general linear model‐based EEG‐fMRI
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Most EEG-fMRI studies in epileptic patients are analyzed using the general linear model (GLM), which assumes a known hemodynamic response function (HRF) to epileptic spikes. In contrast, independent component analysis (ICA) can extract blood-oxygenation level dependent (BOLD) responses without imposing constraints on the HRF. ICA might therefore detect responses that vary in time and shape, and that are not detected in the GLM analysis. In this study, we compared the findings of ICA and GLM analyses in 12 patients with idiopathic generalized epilepsy. Spatial ICA was used to extract independent components from the functional magnetic resonance imaging (fMRI) data. A deconvolution method identified component time courses significantly related to the generalized EEG discharges, without constraining the shape of the HRF. The results from the ICA analysis were compared to those from the GLM analysis. GLM maps and ICA maps showed significant correlation and revealed BOLD responses in the thalamus, caudate nucleus, and default mode areas. In patients with a low rate of discharges per minute, the GLM analysis detected BOLD signal changes within the thalamus and the caudate nucleus that were not revealed by the ICA. In conclusion, ICA is a viable alternative technique to GLM analyses in EEG-fMRI studies related to generalized discharges. This study demonstrated that the BOLD response largely resembles the standard HRF and that GLM analysis is adequate. However, ICA is more dependent on a sufficient number of events than GLM 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle