Ultra-low Noise EEG at LSBB: Effective Connectivity Analysis
Notice bibliographique
Résumé
In this study, we further investigate electroencephalographic (EEG) data recorded during October 2014 in the ultra-shielded capsule at LSBB, with a focus on the study of task-specific Granger-causal effective connectivity pat-terns. In previous studies, we showed that noise-free EEG signals acquired in LSBB are suitable for analysis of activity patterns in high frequency bands, i.e. 30 Hz and above. We previously demonstrated that increases in task/rest gamma band (30-70 Hz) energy ratios during ankle and wrist movements are more prominent in the LSBB capsule than in an above-ground hospital environ-ment. The present study extends previous analyses by examining gamma-band connectivity, i.e. the functional patterns of interaction between 64 channels of EEG within the gamma band during motor tasks. We use parameters from a MultiVariate Auto-Regressive (MVAR) model to estimate effective connectivity in 10-second batches of EEG and report the average patterns across all batches in which subjects repetitively move their ankle/wrist. We report the gamma-band connectivity results in a reduced form as strength of hemispheric and inter-regional connections. The analysis reveals that for some subjects, significant channel-wise connections in the LSBB capsule outnumber those in the hospital, suggesting that patterns of gamma-band connectivity are better reflected in low-noise environments. This study again demonstrates the poten-tial of the ultra-shielded capsule and motivates further protocol enhancements and analysis methods for conducting future high-frequency EEG studies within LSBB.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».