MétaCan
Menu
Retour à la cohorte
Enregistrement W2977486527 · doi:10.3389/fnins.2019.01024

White Matter fMRI Activation Cannot Be Treated as a Nuisance Regressor: Overcoming a Historical Blind Spot

2019· article· en· W2977486527 sur OpenAlexaff
Lukas A. Grajauskas, Tory O. Frizzell, Xiaowei Song, Ryan C.N. D’Arcy

Notice bibliographique

RevueFrontiers in Neuroscience · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of British ColumbiaFraser HealthSurrey Memorial HospitalSimon Fraser UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWhite matterNeuroimagingBlind spotFunctional magnetic resonance imagingPsychologyWhite noiseCognitive psychologyMagnetic resonance imagingNeuroscienceComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Despite past controversies, increasing evidence has led to acceptance that white matter activity is detectable using functional magnetic resonance imaging (fMRI). In spite of this, advanced analytic methods continue to be published that reinforce a historic bias against white matter activation by using it as a nuisance regressor. It is important that contemporary analyses overcome this blind spot in whole brain functional imaging, both to ensure that newly developed noise regression techniques are accurate, and to ensure that white matter, a vital and understudied part of the brain, is not ignored in functional neuroimaging 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,322
Écart entre enseignants0,276 · 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 tête enseignante, 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

Citations107
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207