Cortical surface‐based threshold‐free cluster enhancement and cortexwise mediation
Notice bibliographique
Résumé
Abstract Threshold‐free cluster enhancement (TFCE) is a sensitive means to incorporate spatial neighborhood information in neuroimaging studies without using arbitrary thresholds. The majority of methods have applied TFCE to voxelwise data. The need to understand the relationship among multiple variables and imaging modalities has become critical. We propose a new method of applying TFCE to vertexwise statistical images as well as cortexwise (either voxel‐ or vertexwise) mediation analysis. Here we present TFCE_mediation, a toolbox that can be used for cortexwise multiple regression analysis with TFCE, and additionally cortexwise mediation using TFCE. The toolbox is open source and publicly available ( https://github.com/trislett/TFCE_mediation ). We validated TFCE_mediation in healthy controls from two independent multimodal neuroimaging samples (N = 199 andN = 183). We found a consistent structure–function relationship between surface area and the first independent component (IC1) of the N‐back task, that white matter fractional anisotropy is strongly associated with IC1 N‐back, and that our voxel‐based results are essentially identical to FSL randomise using TFCE (allPFWE<0.05). Using cortexwise mediation, we showed that the relationship between white matter FA and IC1 N‐back is mediated by surface area in the right superior frontal cortex (PFWE < 0.05). We also demonstrated that the same mediation model is present using vertexwise mediation (PFWE < 0.05). In conclusion, cortexwise analysis with TFCE provides an effective analysis of multimodal neuroimaging data. Furthermore, cortexwise mediation analysis may identify or explain a mechanism that underlies an observed relationship among a predictor, intermediary, and dependent variables in which one of these variables is assessed at a whole‐brain scale.Hum Brain Mapp 38:2795–2807, 2017. ©2017 Wiley Periodicals, Inc.
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 | 0,010 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,001 |
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 ».