Spatial Characterization of fMRI Activation Maps Using Invariant 3-D Moment Descriptors
Notice bibliographique
Résumé
A novel approach is proposed for quantitatively characterizing the spatial patterns of activation statistics in functional magnetic resonance imaging (fMRI) activation maps. Specifically, we propose using 3-D invariant moment descriptors, as opposed to the traditionally-employed magnitude-based features such as mean voxel statistics or percentage of activated voxels, to characterize the task-specific spatial distribution of activation statistics within a given region of interest (ROI). The proposed method is applied to real fMRI data collected from 21 healthy subjects performing previously-learned right-handed finger tapping sequences that are either externally guided (EG) by a cue or internally guided (IG)--tasks expected to incur subtle differences in motor-related cortical and subcortical ROIs. Voxel-based activation statistics contrasting EG versus rest and IG versus rest are examined in multiple manually-drawn ROIs on unwarped brain images. Analyzing the activation statistics within each ROI using the proposed 3-D invariant moment descriptors detected significant group differences between the two tasks, thus quantitatively demonstrating that the spatial distribution of activation statistics within an ROI represent an important task-related attribute of brain activation. In contrast, conventional methods that solely rely on activation statistic magnitudes and disregard spatial information showed reduced discriminability. Normally, incorporating spatial information would merely increase inter-subject variability partly due to differences in brain size and subject's orientation in the scanner. Yet, our results suggest that the proposed spatial features, which are invariant to similarity transformations, can effectively account for such inter-subject variability, while enhancing the sensitivity in detecting task-specific activation. Thus, we argue that this novel quantitative description of the "3-D texture" of activation maps provides new directions to explore for ROI-based fMRI analysis.
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 | 0,000 | 0,001 |
| 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 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 ».