MétaCan
Menu
Retour à la cohorte
Enregistrement W2302684227 · doi:10.1089/brain.2015.0365

Spin-Echo Resting-State Functional Connectivity in High-Susceptibility Regions: Accuracy, Reliability, and the Impact of Physiological Noise

2016· article· en· W2302684227 sur OpenAlexafffund
Yasha B. Khatamian, Ali Golestani, Don M. Ragot, J. Jean Chen

Notice bibliographique

RevueBrain Connectivity · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of TorontoBaycrest Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésResting state fMRIFunctional connectivityEcho (communications protocol)Nuclear magnetic resonancePhysicsNoise (video)Communication noiseReliability (semiconductor)Spin echoNeuroscienceStatistical physicsComputer scienceMagnetic resonance imagingPsychologyArtificial intelligenceMedicineQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Gradient-echo (GE) echo-planar imaging (EPI) is the method of choice in blood-oxygenation level-dependent (BOLD) functional MRI (fMRI) studies, as it demonstrates substantially higher BOLD sensitivity than its spin-echo (SE) counterpart. However, it is also well known that the GE-EPI signal is prone to signal dropouts and shifts due to susceptibility effects near air-tissue interfaces. SE-EPI, in contrast, is minimally affected by these artifacts. In this study, we quantify, for the first time, the sensitivity and specificity of SE and GE EPI for resting-state fMRI functional connectivity (fcMRI) mapping, using the 1000-brain fcMRI atlas (Yeo et al., 2011 ) as the pseudoground truth. Moreover, we assess the influence of physiological processes on resting-state BOLD measured using both regular and ultrafast GE and SE acquisitions. Our work demonstrates that SE-EPI and GE-EPI are associated with similar sensitivities, specificities, and intersubject reproducibility in fcMRI for most brain networks, generated using both seed-based analysis and independent component analysis. More importantly, SE-based fcMRI measurements demonstrated significantly higher sensitivity, specificity, and intersubject reproducibility in high-susceptibility regions, spanning the limbic and frontal networks in the 1000-brain atlas. In addition, SE-EPI is significantly less sensitive to prominent sources of physiological noise, including low-frequency respiratory volume and heart rate variations. Our work suggests that SE-EPI should be increasingly adopted in the study of networks spanning susceptibility-affected brain regions, including those that are important to memory, language, and emotion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,042
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,310
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrain ConnectivityMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207