Assessing the relevance of fMRI-based prior in the EEG inverse problem: a bayesian model comparison approach
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
Characterizing the cortical activity from electro- and magneto-encephalography (EEG/MEG) data requires solving an ill-posed inverse problem that does not admit a unique solution. As a consequence, the use of functional neuroimaging, for instance, functional Magnetic Resonance Imaging (fMRI), constitutes an appealing way of constraining the solution. However, the match between bioelectric and metabolic activities is desirable but not assured. Therefore, the introduction of spatial priors derived from other functional modalities in the EEG/MEG inverse problem should be considered with caution. In this paper, we propose a Bayesian characterization of the relevance of fMRI-derived prior information regarding the EEG/MEG data. This is done by quantifying the adequacy of this prior to the data, compared with that obtained using an noninformative prior instead. This quantitative comparison, using the so-called Bayes factor, allows us to decide whether the informative prior should (or not) be included in the inverse solution. We validate our approach using extensive simulations, where fMRI-derived priors are built as perturbed versions of the simulated EEG sources. Moreover, we show how this inference framework can be generalized to optimize the way we should incorporate the informative prior.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle