EEG Monitoring during Functional MRI in Animal Models
Notice bibliographique
Résumé
Despite its excellent temporal resolution, electroencephalogram (EEG) has poor spatial resolution to study the participation of different brain areas in epileptic discharges, and the propagation of seizures to subcortical areas is not revealed. Furthermore, EEG provides no information about metabolic changes that occur in the brain before and during the epileptic discharges. Thus, monitoring variations in blood flow and oxygenation in response to epileptic discharges can provide additional complementary information. Functional magnetic resonance imaging (fMRI) technology can be used to study the hemodynamic changes associated with interictal epileptiform discharges or epileptic seizures (i.e., before, during or after them) in experimental animal models and may noninvasively monitor these changes over time. Blood oxygenation level-dependent fMRI has superior spatial resolution compared with other functional imaging modalities and utilizes changes in local magnetic field properties to measure the amount of deoxyhemoglobin in each brain areas as an indicator of brain activity. Simultaneous recording of EEG and fMRI is required to achieve this objective. This article describes methods of acquiring and monitoring EEG during fMRI studies in experimental animals. Particular attention will be paid to methods used to eliminate artifacts induced in the acquired magnetic resonance images by EEG equipment and MR-related artifacts in EEG recordings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».