Independent component analysis as a model‐free approach for the detection of BOLD changes related to epileptic spikes: A simulation study
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
EEG-fMRI in epileptic patients is commonly analyzed using the general linear model (GLM), which assumes a known hemodynamic response function (HRF) to epileptic spikes in the EEG. In contrast, independent component analysis (ICA) can extract Blood-Oxygenation Level Dependent (BOLD) responses without imposing constraints on the HRF. This technique was evaluated on data generated by superimposing artificial responses on real background fMRI signals. Simulations were run using a wide range of EEG spiking rates, HRF amplitudes, and activation regions. The data were decomposed by spatial ICA into independent components. A deconvolution method then identified component time courses significantly related to the simulated spikes, without constraining the shape of the HRF. Components matching the simulated activation regions ("concordant components") were found in 84.4% of simulations, while components at discordant locations were found in 12.2% of simulations. These false activations were often related to large artifacts that coincidentally occurred simultaneously with some of the random simulated spikes. The performance of the method depended closely on the simulation parameters; when the number of spikes was low, concordant components could only be identified when HRF amplitudes were large. Although ICA did not depend on the shape of the HRF, data processed with the GLM did not reveal the appropriate activation region when the HRF varied slightly from the canonical shape used in the model. ICA may thus be able to extract BOLD responses from EEG-fMRI data in epileptic patients, in a way that is robust to uncertainty and variability in the shape of the HRF.
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) | 0,000 | 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 | 0,000 |
| 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 découle