Challenges in measuring individual differences in functional connectivity using fMRI: The case of healthy aging
Notice bibliographique
Résumé
Many studies report individual differences in functional connectivity, such as those related to age. However, estimates of connectivity from fMRI are confounded by other factors, such as vascular health, head motion and changes in the location of functional regions. Here, we investigate the impact of these confounds, and pre-processing strategies that can mitigate them, using data from the Cambridge Centre for Ageing & Neuroscience (www.cam-can.com). This dataset contained two sessions of resting-state fMRI from 214 adults aged 18-88. Functional connectivity between all regions was strongly related to vascular health, most likely reflecting respiratory and cardiac signals. These variations in mean connectivity limit the validity of between-participant comparisons of connectivity estimates, and were best mitigated by regression of mean connectivity over participants. We also showed that high-pass filtering, instead of band-pass filtering, produced stronger and more reliable age-effects. Head motion was correlated with gray-matter volume in selected brain regions, and with various cognitive measures, suggesting that it has a biological (trait) component, and warning against regressing out motion over participants. Finally, we showed that the location of functional regions was more variable in older adults, which was alleviated by smoothing the data, or using a multivariate measure of connectivity. These results demonstrate that analysis choices have a dramatic impact on connectivity differences between individuals, ultimately affecting the associations found between connectivity and cognition. It is important that fMRI connectivity studies address these issues, and we suggest a number of ways to optimize analysis choices. Hum Brain Mapp 38:4125-4156, 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 | 0,057 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».