Isolation and minimization of head motion‐induced signal variations in fMRI data using independent component analysis
Notice bibliographique
Résumé
Task-related head movement during acquisition of fMRI data represents a serious confound for both motion correction and estimates of task-related activation. Cost functions implemented in most conventional motion-correction algorithms compare two volumes for similarity but fail to account for signal variability that is not due to motion (e.g., brain activation). We therefore recently proposed the theoretical basis for a novel method for fMRI motion correction, termed motion-corrected independent component analysis (MCICA), that allows for brain activation present in an fMRI time-series to be implicitly modeled and mitigates motion-induced signal changes without having to directly estimate the motion parameters (Liao et al., IEEE Transactions on Medical Imaging 2005;25:29-44). To explore the effects of non-movement-related signal changes on registration error, we performed several previously proposed test simulations (Freire et al., IEEE Transactions on Medical Imaging 2002;21:470-484) to evaluate the performance of MCICA and compare it with the conventional square-of-difference-based measures such as LS-SPM and LS-AIR. We demonstrate that for both simulated data and real fMRI images, the proposed MCICA method performs favorably. Specifically, in simulations MCICA was more robust to the addition of simulated activation, and did not lead to the detection of false activations after correction for simulated task-correlated motion. With actual data from a motor fMRI experiment, the time course of the derived continually task-related ICA component became more correlated with the underlying behavioral task after preprocessing with MCICA compared to other methods, and the associated activation map was more clustered in the primary motor and supplementary motor cortices without spurious activation at the brain edge. We conclude that assessing the statistical properties of a motion-corrupted volume in relation to other volumes in the series, as is done with MCICA, is an accurate means of differentiating between motion-induced signal changes and other sources of variability in fMRI data.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».