ICA-fNORM: Spatial Normalization of fMRI Data Using Intrinsic Group-ICA Networks
Notice bibliographique
Résumé
A common pre-processing challenge associated with group level fMRI analysis is spatial registration of multiple subjects to a standard space. Spatial normalization, using a reference image such as the Montreal Neurological Institute brain template, is the most common technique currently in use to achieve spatial congruence across multiple subjects. This method corrects for global shape differences preserving regional asymmetries, but does not account for functional differences. We propose a novel approach to co-register task-based fMRI data using resting state group-ICA networks. We posit that these intrinsic networks (INs) can provide to the spatial normalization process with important information about how each individual's brain is organized functionally. The algorithm is initiated by the extraction of single subject representations of INs using group level independent component analysis (ICA) on resting state fMRI data. In this proof-of-concept work two of the robust, commonly identified, networks are chosen as functional templates. As an estimation step, the relevant INs are utilized to derive a set of normalization parameters for each subject. Finally, the normalization parameters are applied individually to a different set of fMRI data acquired while the subjects performed an auditory oddball task. These normalization parameters, although derived using rest data, generalize successfully to data obtained with a cognitive paradigm for each subject. The improvement in results is verified using two widely applied fMRI analysis methods: the general linear model and ICA. Resulting activation patterns from each analysis method show significant improvements in terms of detection sensitivity and statistical significance at the group level. The results presented in this article provide initial evidence to show that common functional domains from the resting state brain may be used to improve the group statistics of task-fMRI data.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».