Subdivision of Broca's region based on individual‐level functional connectivity
Notice bibliographique
Résumé
Broca's region is composed of two adjacent cytoarchitectonic areas, 44 and 45, which have distinct connectivity to superior temporal and inferior parietal regions in both macaque monkeys and humans. The current study aimed to make use of prior knowledge of sulcal anatomy and resting-state functional connectivity, together with a novel visualization technique, to manually parcellate areas 44 and 45 in individual brains in vivo. One hundred and one resting-state functional magnetic resonance imaging datasets from the Human Connectome Project were used. Left-hemisphere surface-based correlation matrices were computed and visualized in brainGL. By observation of differences in the connectivity patterns of neighbouring nodes, areas 44 and 45 were manually parcellated in individual brains, and then compared at the group-level. Additionally, the manual labelling approach was compared with parcellation results based on several data-driven clustering techniques. Areas 44 and 45 could be clearly distinguished from each other in all individuals, and the manual segmentation method showed high test-retest reliability. Group-level probability maps of areas 44 and 45 showed spatial consistency across individuals, and corresponded well to cytoarchitectonic probability maps. Group-level connectivity maps were consistent with previous studies showing distinct connectivity patterns of areas 44 and 45. Data-driven parcellation techniques produced clusters with varying degrees of spatial overlap with the manual labels, indicating the need for further investigation and validation of machine learning cortical segmentation approaches. The current study provides a reliable method for individual-level cortical parcellation that could be applied to regions distinguishable by even the most subtle differences in patterns of functional connectivity.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».