MétaCan
Menu
Retour à la cohorte
Enregistrement W2078717006 · doi:10.1016/j.nicl.2015.03.019

MEG-based detection and localization of perilesional dysfunction in chronic stroke

2015· article· en· W2078717006 sur OpenAlexafffund
Ron Chu, Allen R. Braun, Jed A. Meltzer

Notice bibliographique

RevueNeuroImage Clinical · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensHeart and Stroke FoundationUniversity of TorontoBaycrest Hospital
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersHeart and Stroke Foundation of CanadaNational Institutes of HealthAlzheimer's Association
Mots-clésStroke (engine)MedicineElectroencephalographyElectrophysiologyNeuroscienceAudiologyCardiologyPathologyInternal medicinePsychologyPhysicsPsychiatry

Résumé

récupéré en direct d'OpenAlex

Post-stroke impairment is associated not only with structural lesions, but also with dysfunction in surviving perilesional tissue. Previous studies using equivalent current dipole source localization of MEG/EEG signals have demonstrated a preponderance of slow-wave activity localized to perilesional areas. Recent studies have also demonstrated the utility of nonlinear analyses such as multiscale entropy (MSE) for quantifying neuronal dysfunction in a wide range of pathologies. The current study utilized beamformer-based reconstruction of signals in source space to compare spectral and nonlinear measures of electrical activity in perilesional and healthy cortices. Data were collected from chronic stroke patients and healthy controls, both young and elderly. We assessed relative power in the delta (1-4 Hz), theta (4-7 Hz), alpha (8-12 Hz) and beta (15-30 Hz) frequency bands, and also measured the nonlinear complexity of electrical activity using MSE. Perilesional tissue exhibited a general slowing of the power spectrum (increased delta/theta, decreased beta) as well as a reduction in MSE. All measures tested were similarly sensitive to changes in the posterior perilesional regions, but anterior perilesional dysfunction was detected better by MSE and beta power. The findings also suggest that MSE is specifically sensitive to electrophysiological dysfunction in perilesional tissue, while spectral measures were additionally affected by an increase in rolandic beta power with advanced age. Furthermore, perilesional electrophysiological abnormalities in the left hemisphere were correlated with the degree of language task-induced activation in the right hemisphere. Finally, we demonstrate that single subject spectral and nonlinear analyses can identify dysfunctional perilesional regions within individual patients that may be ideal targets for interventions with noninvasive brain stimulation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,356
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations39
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImage ClinicalMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207