Effects of Forward Model Errors on EEG Source Localization
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
Subject-specific four-layer boundary element method (BEM) electrical forward head models for four participants, generated from magnetic resonance (MR) head images using NFT ( www.sccn.ucsd.edu/wiki/NFT ), were used to simulate electroencephalographic (EEG) scalp potentials at 256 recorded electrode positions produced by single current dipoles of a 3-D grid in brain space. Locations of these dipoles were then estimated using gradient descent within five template head models fit to the electrode positions. These were: a spherical model, three-layer and four-layer BEM head models based on the Montreal Neurological Institute (MNI) template head image, and these BEM models warped to the recorded electrode positions. Smallest localization errors (4.1-6.2 mm, medians) were obtained using the electrode-position warped four-layer BEM models, with largest localization errors (~20 mm) for most basal brain locations. When we increased the brain-to-skull conductivity ratio assumed in the template model scalp projections from the simulated value (25:1) to a higher value (80:1) used in earlier studies, the estimated dipole locations moved outwards (12.4 mm, median). We also investigated the effects of errors in co-registering the electrode positions, of reducing electrode counts, and of adding a fifth, isotropic white matter layer to one individual head model. Results show that when individual subject MR head images are not available to construct subject-specific head models, accurate EEG source localization should employ a four- or five-layer BEM template head model incorporating an accurate skull conductivity estimate and warped to 64 or more accurately 3-D measured and co-registered electrode positions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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