Neural Dynamics during Resting State: A Functional Magnetic Resonance Imaging Exploration with Reduction and Visualization
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
The brain is a complex high‐order system. Body movements or mental activities are both dependent on the transmission of information among billions of neurons. However, potential patterns are hardly discoverable due to the high dimensionality in neural signals. Previous studies have identified rotary trajectories in rhythm and nonrhythm movements when projecting the neural electrical signals into a two‐dimensional space. However, it is unclear how well this analogy holds at the resting state. Given the low‐frequency fluctuations noted during spontaneous neural activities using functional magnetic resonance imaging (fMRI), it is natural to hypothesize that the neural response at resting state also shows a periodic trajectory. In this study, we explored the potential patterns in resting state fMRI data at four frequency bands (slow 2 – slow 5) on two cohorts, one of which consisted of young and elderly adults and the other of patients with Alzheimer’s disease and normal controls (NC). The jPCA algorithm was applied to reduce the high‐dimensional BOLD signal into a two‐dimensional space for visualization of the trajectory. The results indicated that the “resting state” is a basic state showing an inherent dynamic pattern with a low frequency and long period during normal aging, with changes appearing in the rotary period at the slow 4 frequency band (0.027–0.073 Hz) during the pathological process of Alzheimer’s disease (AD). These findings expand the original understanding that neural signals can rotate themselves and that motor executive signals consist of neural signals. Meanwhile, the rotary period at band slow 4 may be a physiological marker for AD, and studies of this frequency band may be useful for understanding the potential pathophysiology of AD and ultimately facilitate characterization and auxiliary diagnosis of AD.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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