EEG Deblurring Techniques in a Clinical Context
Notice bibliographique
Résumé
OBJECTIVES: EEG scalp potential distributions recorded in humans are affected by low spatial resolution and by the dependence on the electrical reference used. High resolution EEG technologies are available to drastically increase the spatial resolution of the raw EEG. Such technologies include the computation of surface Laplacian (SL) of the recorded potentials, as well as the use of realistic head models to estimate the cortical sources via linear inverse procedure (low resolution brain electromagnetic tomography, LORETA). However, these deblurring procedures are generally used in conjunction with EEG recordings with 64-128 scalp electrodes and with realistic head models obtained via sequential magnetic resonance images (MRIs) of the subjects. Such recording setup it is not often available in the clinical context, due to both the unavailability of these technologies and the scarce compliance of the patients with them. In this study we addressed the use of SL and LORETA deblurring techniques to analyze data from a standard 10-20 system (19 electrodes) in a group of Alzheimer disease (AD) patients. METHODS: EEG data related to unilateral finger movements were gathered from 10 patients affected by AD. SL and LORETA techniques were applied for source estimation of EEG data. The use of MRIs for the construction of head models was avoided by using the quasi-realistic head model of the Brain Imaging Neurology Institute of Montreal. RESULTS: A similar cortical activity estimated by the SL and LORETA techniques was observed during an identical time period of the acquired EEG data in the examined population. CONCLUSIONS: The results of the present study suggest that both SL and LORETA approaches can be usefully applied in the clinical context, by using quasi-realistic head modeling and a standard 10-20 system as electrode montage (19 electrodes). These results represent a reciprocal cross-validation of the two mathematically independent techniques in a clinical environment.
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 | 0,005 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».