Consistency of magnetoencephalographic functional connectivity and network reconstruction using a template versus native M<scp>RI</scp> for co‐registration
Notice bibliographique
Résumé
INTRODUCTION: Studies using functional connectivity and network analyses based on magnetoencephalography (MEG) with source localization are rapidly emerging in neuroscientific literature. However, these analyses currently depend on the availability of costly and sometimes burdensome individual MR scans for co-registration. We evaluated the consistency of these measures when using a template MRI, instead of native MRI, for the analysis of functional connectivity and network topology. METHODS: Seventeen healthy participants underwent resting-state eyes-closed MEG and anatomical MRI. These data were projected into source space using an atlas-based peak voxel and a centroid beamforming approach either using (1) participants' native MRIs or (2) the Montreal Neurological Institute's template. For both methods, time series were reconstructed from 78 cortical atlas regions. Relative power was determined in six classical frequency bands per region and globally averaged. Functional connectivity (phase lag index) between each pair of regions was calculated. The adjacency matrices were then used to reconstruct functional networks, of which regional and global metrics were determined. Intraclass correlation coefficients were calculated and Bland-Altman plots were made to quantify the consistency and potential bias of the use of template versus native MRI. RESULTS: Co-registration with the template yielded largely consistent relative power, connectivity, and network estimates compared to native MRI. DISCUSSION: These findings indicate that there is no (systematic) bias or inconsistency between template and native MRI co-registration of MEG. They open up possibilities for retrospective and prospective analyses to MEG datasets in the general population that have no native MRIs available. Hum Brain Mapp, 2017. © 2017 The Authors Human Brain Mapping Published by Wiley Periodicals, Inc. Hum Brain Mapp 39:104-119, 2018. © 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 | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».