Can time-resolved NIRS provide the sensitivity to detect brain activity during motor imagery consistently?
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
Previous functional magnetic resonance imaging (fMRI) studies have shown that a subgroup of patients diagnosed as being in a vegetative state are aware and able to communicate by performing a motor imagery task in response to commands. Due to the fMRI's cost and accessibility, there is a need for exploring different imaging modalities that can be used at the bedside. A promising technique is functional near infrared spectroscopy (fNIRS) that has been successfully applied to measure brain oxygenation in humans. Due to the limited depth sensitivity of continuous-wave NIRS, time-resolved (TR) detection has been proposed as a way of enhancing the sensitivity to the brain, since late arriving photons have a higher probability of reaching the brain. The goal of this study was to assess the feasibility and sensitivity of TR fNIRS in detecting brain activity during motor imagery. Fifteen healthy subjects were recruited in this study, and the fNIRS results were validated using fMRI. The change in the statistical moments of the distribution of times of flight (number of photons, mean time of flight and variance) were calculated for each channel to determine the presence of brain activity. The results indicate up to an 86% agreement between fMRI and TR-fNIRS and the sensitivity ranging from 64 to 93% with the highest value determined for the mean time of flight. These promising results highlight the potential of TR-fNIRS as a portable brain computer interface for patients with disorder of consciousness.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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