A novel method for integrating MEG and BOLD fMRI signals with the linear convolution model in human primary somatosensory cortex
Notice bibliographique
Résumé
Characterizing the neurovascular coupling between hemodynamic signals and their neural origins is crucial to functional neuroimaging research, even more so as new methods become available for integrating results from different functional neuroimaging modalities. We present a novel method to relate magnetoencephalography (MEG) and BOLD fMRI data from primary somatosensory cortex within the context of the linear convolution model. This model, which relates neural activity to BOLD signal change, has been widely used to predict BOLD signals but typically lacks experimentally derived measurements of neural activity. In this study, an fMRI experiment is performed using variable-duration (< or =1 s) vibrotactile stimuli applied at 22 Hz, analogous to a previously published MEG study (Nangini et al., [2006]: Neuroimage 33:252-262), testing whether MEG source waveforms from the previous study can inform the convolution model and improve BOLD signal estimates across all stimulus durations. The typical formulation of the convolution model in which the input is given by the stimulus profile is referred to as Model 1. Model 2 is based on an energy argument relating metabolic demand to the postsynaptic currents largely responsible for the MEG current dipoles, and uses the energy density of the estimated MEG source waveforms as input to the convolution model. It is shown that Model 2 improves the BOLD signal estimates compared to Model 1 under the experimental conditions implemented, suggesting that MEG energy density can be a useful index of hemodynamic activity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».