MétaCan
Menu
Retour à la cohorte
Enregistrement W3032928286 · doi:10.1016/j.pneurobio.2020.101835

Layer-dependent functional connectivity methods

2020· review· en· W3032928286 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProgress in Neurobiology · 2020
Typereview
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity Health Network
Organismes subventionnairesNIH Blueprint for Neuroscience ResearchNational Institute of Mental HealthMcDonnell Center for Systems NeuroscienceEuropean Research CouncilNational Institutes of HealthSiemens HealthineersFP7 Information and Communication TechnologiesInstitute for Basic ScienceNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésConnectomicsComputer scienceNeuroscienceSystems neuroscienceConnectomeArtificial intelligenceFunctional connectivityPsychology

Résumé

récupéré en direct d'OpenAlex

Recent methodological advances in fMRI contrast and readout strategies have allowed researchers to approach the mesoscopic spatial regime of cortical layers. This has revolutionized the ability to map cortical information processing within and across brain systems. However, until recently, most layer-fMRI studies have been confined to primary cortices using basic block-design tasks and macro-vascular-contaminated sequence contrasts. To become an established method for user-friendly applicability in neuroscience practice, layer-fMRI acquisition and analysis methods need to be extended to more flexible connectivity-based experiment designs; they must be able to capture subtle changes in brain networks of higher-order cognitive areas, and they should not be spatially biased with unwanted vein signals. In this article, we review the most pressing challenges of layer-dependent fMRI for large-scale neuroscientific applicability and describe recently developed acquisition methodologies that can resolve them. In doing so, we review technical tradeoffs and capabilities of modern MR-sequence approaches to achieve measurements that are free of locally unspecific vein signal, with whole-brain coverage, sub-second sampling, high resolutions, and with a combination of those capabilities. The presented approaches provide whole-brain layer-dependent connectivity data that open a new window to investigate brain network connections. We exemplify this by reviewing a number of candidate tools for connectivity analyses that will allow future studies to address new questions in network neuroscience. The considered network analysis tools include: hierarchy mapping, directional connectomics, source-specific connectivity mapping, and network sub-compartmentalization. We conclude: Whole-brain layer-fMRI without large-vessel contamination is applicable for human neuroscience and opens the door to investigate biological mechanisms behind any number of psychological and psychiatric phenomena, such as selective attention, hallucinations and delusions, and even conscious perception.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,200
Tête enseignante GPT0,426
Écart entre enseignants0,226 · 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