MétaCan
Menu
Retour à la cohorte
Enregistrement W2961532545 · doi:10.3389/fneur.2019.00767

Increased Noise in Cortico-Cortical Integration After Mild TBI Measured With the Equivalent Noise Technique

2019· article· en· W2961532545 sur OpenAlexafffund
Tatiana Ruíz, Alex S. Baldwin, Daniel P. Spiegel, Robert F. Hess, Reza Farivar

Notice bibliographique

RevueFrontiers in Neurology · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesMcGill University Health CentreMcGill UniversityU.S. Department of Defense
Mots-clésNoise (video)Traumatic brain injuryNeuroscienceMedicinePsychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The bulk of deficits accompanying mild traumatic brain injury (mTBI) is understood in terms of cortical integration-mnemonic, attentional, and cognitive disturbances are believed to involve integrative action across brain regions. Independent of integrative disturbances, mTBI may increase cortical noise, and this has not been previously considered. High-level integrative deficits are exceedingly difficult to measure and model, motivating us to utilize a tightly-controlled task within an established quantitative model to separately estimate internal noise and integration efficiency. First, we utilized a contour integration task modeled as a cortical-integration process involving multiple adjacent cortical columns in early visual areas. Second, we estimated internal noise and integration efficiency using the linear amplifier model (LAM). Fifty-seven mTBI patients and 24 normal controls performed a 4AFC task where they had to identify a valid contour amongst three invalid contours. Thresholds for contour amplitude were measured adaptively across three levels of added external orientation noise. Using the LAM, we found that mTBI increased internal noise without affecting integration efficiency. mTBI also caused hemifield bias differences, and efficiency was related to a change of visual habits. Using a controlled task reflecting cortical integration within the equivalent noise framework empowered us to detect increased computational noise that may be at the heart of mTBI deficits. Our approach is highly sensitive and translatable to rehabilitative efforts for the mTBI population, while also implicating a novel hypothesis of mTBI effects on basic visual processing-namely that cortical integration is maintained at the cost of increased internal noise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207