Multiple constrained minimum variance beamformer (MCMV) performance in connectivity analyses
Notice bibliographique
Résumé
Functional brain connectivity is increasingly being seen as critical for cognition, perception and motor control. Magnetoencephalography and electroencephalography are modalities that offer noninvasive mapping of electrophysiological interactions among brain regions, yet suffer from signal leakage and signal cancellation when estimating brain activity. This leads to biased connectivity values which complicate interpretation. In this study, we test the hypothesis that a Multiple Constrained Minimum Variance beamformer (MCMV) outperforms the more traditional Linearly Constrained Minimum Variance beamformer (LCMV) for estimation of electrophysiological connectivity. To this end, MCMV and LCMV performance is compared in task related analyses with both simulated data and human MEG recordings of visual steady state signals, and in resting state analyses with simulated data and human MEG data of 89 subjects. In task related scenarios connectivity was estimated using coherence and phase locking values, whereas envelope correlations were used for the resting state data. We also introduce a novel Augmented Pairwise MCMV (APW-MCMV) approach for signal leakage suppression in resting state analyses and assess its performance against LCMV and more conventional MCMV approaches. We demonstrate that with MCMV effects of signal mixing and coherent source cancellation are greatly reduced in both task related and resting state conditions, while in contrast to other approaches 0- and short time lag interactions are preserved. In addition, we demonstrate that in resting state analyses, APW-MCMV strongly reduces spurious connections while better controlling for false negatives compared to more conservative measures such as symmetrical orthogonalization.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».