MétaCan
Menu
Retour à la cohorte
Enregistrement W2107384404 · doi:10.1088/0031-9155/46/7/301

Simultaneous MEG and EEG source analysis

2001· article· en· W2107384404 sur OpenAlexfundno aff
Hilde M. Huizenga, Titia L. van Zuijen, D.J. Heslenfeld, Peter C. M. Molenaar

Notice bibliographique

RevuePhysics in Medicine and Biology · 2001
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensnon disponible
Organismes subventionnairesBC Cancer AgencyUniversity of British Columbia
Mots-clésElectroencephalographyPrincipal component analysisComputer scienceCovarianceIndependent component analysisCovariance matrixPattern recognition (psychology)Artificial intelligenceStatisticsMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

A method is described to derive source and conductivity estimates in a simultaneous MEG and EEG source analysis. In addition the covariance matrix of the estimates is derived. Simulation studies with a concentric spheres model and a more realistic boundary element model indicate that this method has several advantages, even if only a few EEG sensors are added to a MEG configuration. First, a simultaneous analysis profits from the 'preferred' location directions of MEG and EEG. Second, deep sources can be estimated quite accurately, which is an advantage compared to MEG. Third, superficial sources profit from accurate MEG location and from accurate EEG moment. Fourth, the radial source component can be estimated, which is an advantage compared to MEG. Fifth, the conductivities can be estimated. It is shown that conductivity estimation gives a substantial increase in precision, even if the conductivities are not identified appropriately. An illustrative analysis of empirical data supports these findings.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,117
Tête enseignante GPT0,353
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations45
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetNeural dynamics and brain functionTravaux en français237 207