MétaCan
Menu
Retour à la cohorte
Enregistrement W3002374698 · doi:10.1371/journal.pone.0227684

Non-Invasive Functional-Brain-Imaging with an OPM-based Magnetoencephalography System

2020· article· en· W3002374698 sur OpenAlexaff
Amir Borna, Tony R. Carter, Anthony P. Colombo, Yuan‐Yu Jau, Jim McKay, Michael P. Weisend, Samu Taulu, Julia M. Stephen, Peter Schwindt

Notice bibliographique

RevuePLoS ONE · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Subatomic Physics Research
Établissements canadiensCoquitlam College
Organismes subventionnairesNational Nuclear Security AdministrationNational Institutes of HealthSandia National LaboratoriesNational Institute of Biomedical Imaging and BioengineeringU.S. Department of Energy
Mots-clésMagnetoencephalographyNeuroimagingFunctional Brain ImagingFunctional magnetic resonance imagingMagnetic resonance imagingMedicineNeuroscienceFunctional imagingBiologyRadiologyElectroencephalography

Résumé

récupéré en direct d'OpenAlex

A non-invasive functional-brain-imaging system based on optically-pumped-magnetometers (OPM) is presented. The OPM-based magnetoencephalography (MEG) system features 20 OPM channels conforming to the subject's scalp. We have conducted two MEG experiments on three subjects: assessment of somatosensory evoked magnetic field (SEF) and auditory evoked magnetic field (AEF) using our OPM-based MEG system and a commercial MEG system based on superconducting quantum interference devices (SQUIDs). We cross validated the robustness of our system by calculating the distance between the location of the equivalent current dipole (ECD) yielded by our OPM-based MEG system and the ECD location calculated by the commercial SQUID-based MEG system. We achieved sub-centimeter accuracy for both SEF and AEF responses in all three subjects. Due to the proximity (12 mm) of the OPM channels to the scalp, it is anticipated that future OPM-based MEG systems will offer enhanced spatial resolution as they will capture finer spatial features compared to traditional MEG systems employing SQUIDs.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,221
Écart entre enseignants0,186 · 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'étudeExpérimental (laboratoire)
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

Citations169
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAtomic and Subatomic Physics ResearchTravaux en français237 207