An information-theoretic criterion for intrasubject alignment of FMRI time series: motion corrected independent component analysis
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
A three-dimensional image registration method for motion correction of functional magnetic resonance imaging (fMRI) time-series, based on independent component analysis (ICA), is described. We argue that movement during fMRI data acquisition results in a simultaneous increase in the joint entropy of the observed time-series and a decrease in the joint entropy of a nonlinear function of the derived spatially independent components calculated by ICA. We propose this entropy difference as a reliable criterion for motion correction and refer to a method that maximizes this as motion-corrected ICA (MCICA). Specifically, a given motion-corrupted volume may be corrected by determining the linear combination of spatial transformations of the motion-corrupted volume that maximizes the proposed criterion. In essence, MCICA consists of designing an adaptive spatial resampling filter which maintains maximum temporal independence among the recovered components. In contrast with conventional registration methods, MCICA does not require registration of motion-corrupted volumes to a single reference volume which can introduce artifacts because corrections are applied without accounting for variability due to the task-related activation. Simulations demonstrate that MCICA is robust to activation level, additive noise, random motion in the reference volumes and the exact number of independent components extracted. When the method was applied to real data with minimal estimated motion, the method had little effect and, hence, did not introduce spurious changes in the data. However, in a data series from a motor fMRI experiment with larger motion, preprocessing the data with the proposed method resulted in the emergence of activation in primary motor and supplementary motor cortices. Although mutual information (MI) was not explicitly optimized, the MI between all subsequent volumes and the first one was consistently increased for all volumes after preprocessing the data with MCICA. We suggest MCICA represents a robust and reliable method for preprocessing of fMRI time-series corrupted with motion.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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