MétaCan
Menu
← Retour à la cohorte
Enregistrement W3096078823 · doi:10.1016/j.neuroimage.2020.117518

Sharing voxelwise neuroimaging results from rhesus monkeys and other species with Neurovault

2020· article· en· W3096078823 sur OpenAlexaff
Andrew S. Fox, Daniel C. Holley, P. Christiaan Klink, Spencer A. Arbuckle, Carol A. Barnes, Jörn Diedrichsen, Sze Chai Kwok, Colin T. Kyle, J. Andrew Pruszynski, Jakob Seidlitz, XuFeng Zhou, Russell A. Poldrack, Krzysztof J. Gorgolewski

Notice bibliographique

RevueNeuroImage · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensWestern University
Organismes subventionnairesCalifornia National Primate Research CenterNational Institute of Mental HealthNational Institutes of Health
Mots-clésNeuroimagingData sharingFunctional neuroimagingComputer scienceNeuroinformaticsPsychologyData scienceNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

Animal neuroimaging studies can provide unique insights into brain structure and function, and can be leveraged to bridge the gap between animal and human neuroscience. In part, this power comes from the ability to combine mechanistic interventions with brain-wide neuroimaging. Due to their phylogenetic proximity to humans, nonhuman primate neuroimaging holds particular promise. Because nonhuman primate neuroimaging studies are often underpowered, there is a great need to share data amongst translational researchers. Data sharing efforts have been limited, however, by the lack of standardized tools and repositories through which nonhuman neuroimaging data can easily be archived and accessed. Here, we provide an extension of the Neurovault framework to enable sharing of statistical maps and related voxelwise neuroimaging data from other species and template-spaces. Neurovault, which was previously limited to human neuroimaging data, now allows researchers to easily upload and share nonhuman primate neuroimaging results. This promises to facilitate open, integrative, cross-species science while affording researchers the increased statistical power provided by data aggregation. In addition, the Neurovault code-base now enables the addition of other species and template-spaces. Together, these advances promise to bring neuroimaging data sharing to research in other species, for supplemental data, location-based atlases, and data that would otherwise be relegated to a "file-drawer". As increasing numbers of researchers share their nonhuman neuroimaging data on Neurovault, this resource will enable novel, large-scale, cross-species comparisons that were previously impossible.

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)0,014
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0100,009
Études des sciences et des technologies0,0030,003
Communication savante0,0050,006
Science ouverte0,0040,015
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,010

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 Opus0,081
Tête enseignante GPT0,251
Écart entre enseignants0,170 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→