Electrical Source Imaging of Sleep Spindles
Notice bibliographique
Résumé
To identify and compare cortical source generators of slow and fast sleep spindles in healthy subjects, electroencephalographic (EEG) signals were obtained from 256 channels, and sources on neuroanatomical Montreal Neurological Institute (MNI) space estimated with low-resolution brain electromagnetic tomography analysis (LORETA). Spindle activity was recorded in 18 healthy volunteers during daytime napping. Because of lack of sleep or excessive artifacts, data from 13 subjects were analyzed off-line. Spindles were visually scored, marked, and bandpass filtered (slow 10-12 Hz or fast 12-14 Hz). EEG was segmented on the marker, and segments separately averaged. LORETA projected cortical sources on the MNI brain. Maximal intra- and inter-individual intensities were compared using the Wilcoxon test (P < .05) and cortical sources distribution compared using a chi2 test. Two to three slow spindles generators were consistently identified in frontal lobes, with additional sources in parietal and limbic lobes in half cases. Fast spindles had multiple temporo-parietal sources, with an inconstant frontal source. Inter-individual (P = 0.44), and intra-individual (P = 0.09 slow and P = 0.10 fast spindles) source intensities were comparable. Slow spindles sources were preferentially concentrated over frontal cortices in comparison with fast spindles (P = 0.0009). Our results demonstrate multiple, synchronous, and equipotent spindles cortical generators in healthy subjects, with more anterior generators for slow spindles.
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 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 | 0,007 |
| 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».