Identification of negative BOLD responses using windkessel models
Notice bibliographique
Résumé
Abstract Alongside positive BOLD responses (PBR), a variety of negative BOLD responses (NBR) with distinct underlying mechanisms also occur. We identify five mechanisms of NBR: i ) local/lateral/contralateral inhibition (LCI), ii ) neuronal disruption of network activity (NDA), iii ) altered balance of neuro-metabolic/vascular couplings (ANC), iv ) arterial blood stealing (ABS), and v ) venous blood backpressure (VBB). Detecting and classifying these mechanisms from BOLD signals is pivotal in understanding normal/pathological brain functions. This requires models and parameters with anatomical/functional interpretation that furnish the understanding of how these mechanisms are fingerprinted by their BOLD responses. Here, we used a windkessel model with viscoelastic compliance as well as dynamics of both neuronal and tissue/blood O 2 to investigate the generation, detection, classification and interpretation of the BOLD hemodynamic response functions (HRF) of above mechanisms. Firstly, we evaluated the use of the general linear model to detect simulated NBRs. Secondly, we tested the ability of a machine learning classifier, built from a simulated ensemble of HRFs, to predict the mechanism underlying a new HRF. Crossvalidation indicates NDA and ANC can accurately be classified solely from fMRI BOLD signals; while LCI, ABS and VBB might require additional imaging modalities. Thirdly, we demonstrated that estimators of the model parameters determinant in the NBRs formation are accurate, and precise to certain resolutions. Finally, we successfully applied our detection/classification/estimation methodology to EEG-fMRI data in a clinical situation where several of these mechanisms could coexist. We believe that the proper identification and interpretation of NBR mechanisms have important clinical and cognitive implications in fMRI studies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».