Effect of prewhitening in resting-state functional near-infrared spectroscopy data
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
Near-infrared spectroscopy (NIRS) offers the potential to characterize resting-state functional connectivity (RSFC) in populations that are not easily assessed otherwise, such as young infants. In addition to the advantages of NIRS, one should also consider that the RS-NIRS signal requires specific data preprocessing and analysis. In particular, the RS-NIRS signal shows a colored frequency spectrum, which can be observed as temporal autocorrelation, thereby introducing spurious correlations. To address this issue, prewhitening of the RS-NIRS signal has been recently proposed as a necessary step to remove the signal temporal autocorrelation and therefore reduce false-discovery rates. However, the impact of this step on the analysis of experimental RS-NIRS data has not been thoroughly assessed prior to the present study. Here, the results of a standard preprocessing pipeline in a RS-NIRS dataset acquired in infants are compared with the results after incorporating two different prewhitening algorithms. Our results with a standard preprocessing replicated previous studies. Prewhitening altered RSFC patterns and disrupted the antiphase relationship between oxyhemoglobin and deoxyhemoglobin. We conclude that a better understanding of the effect of prewhitening on RS-NIRS data is still needed before directly considering its incorporation to the standard preprocessing pipeline.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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