Multivariate Brain Functional Connectivity Through Regularized Estimators
Notice bibliographique
Résumé
Functional connectivity analyses are typically based on matrices containing bivariate measures of covariability, such as correlations. Although this has been a fruitful approach, it may not be the optimal strategy to fully explore the complex associations underlying brain activity. Here, we propose extending connectivity to multivariate functions relating to the temporal dynamics of a region with the rest of the brain. The main technical challenges of such an approach are multidimensionality and its associated risk of overfitting or even the non-uniqueness of model solutions. To minimize these risks, and as an alternative to the more common dimensionality reduction methods, we propose using two regularized multivariate connectivity models. On the one hand, simple linear functions of all brain nodes were fitted with ridge regression. On the other hand, a more flexible approach to avoid linearity and additivity assumptions was implemented through random forest regression. Similarities and differences between both methods and with simple averages of bivariate correlations (i.e., weighted global brain connectivity) were evaluated on a resting state sample of N = 173 healthy subjects. Results revealed distinct connectivity patterns from the two proposed methods, which were especially relevant in the age-related analyses where both ridge and random forest regressions showed significant patterns of age-related disconnection, almost completely absent from the much less sensitive global brain connectivity maps. On the other hand, the greater flexibility provided by the random forest algorithm allowed detecting sex-specific differences. The generic framework of multivariate connectivity implemented here may be easily extended to other types of regularized models.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».