Confirmation of resting‐state BOLD fluctuations in the human brainstem and spinal cord after identification and removal of physiological noise
Notice bibliographique
Résumé
Purpose Resting‐state functional MRI (rs‐fMRI) has been used to investigate networks within the cortex, but its use in the brainstem (BS) and spinal cord (SC) has been limited. This region presents challenges for fMRI, partly because of sources of physiological noise. This study aims to quantify noise contributions to rs‐fMRI, and to obtain evidence of resting‐state blood oxygenation level–dependent (BOLD) fluctuations. Methods Resting‐state‐fMRI data were obtained from the BS/SC in 16 participants, at 3 Tesla, with T2‐weighted single‐shot fast spin‐echo imaging. The peripheral pulse, respiration, and expired CO2 were recorded continuously. Physiological noise was modeled from these recordings, movement parameters, and white matter regions. Model fits were then subtracted from the data. BOLD contributions were then investigated through connectivity. Results Bulk motion was the largest contributor to the signal variance (19% of the total), followed by cardiac‐related motion (14%), nonspecific signal variations detected in white matter (10%), respiratory‐related motion (2.6%), and end‐tidal CO2 variations (0.7%). After noise was removed, significant left‐right connectivity was detected in the SC dorsal horns and ventral horns. Conclusions Resting‐state BOLD fluctuations are demonstrated in the SC, as are the dominant noise contributions. These findings are an essential step toward establishing rs‐fMRI in the BS/SC. Magn Reson Med 78:2149–2156, 2017. © 2017 International Society for Magnetic Resonance in Medicine.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».