Deconvolution of hemodynamic responses along the cortical surface using personalized functional near infrared spectroscopy
Notice bibliographique
Résumé
In functional near infrared spectroscopy (fNIRS), deconvolution analysis of oxy and deoxy-hemoglobin concentration changes allows estimating specific hemodynamic response functions (HRF) elicited by neuronal activity, taking advantage of the fNIRS excellent temporal resolution. Diffuse optical tomography (DOT) is also becoming the new standard reconstruction procedure as it is more accurate than the modified Beer Lambert law approach at the sensor level. The objective of this study was to assess the relevance of HRF deconvolution after DOT constrained along the cortical surface. We used local personalized fNIRS montages which consists in optimizing the position of fNIRS optodes to ensure maximal sensitivity to subject specific target brain regions. We carefully evaluated the accuracy of deconvolution when applied after DOT, using realistic simulations involving several HRF models at different signal to noise ratio (SNR) levels and on real data related to motor and visual tasks in healthy subjects and from spontaneous pathological activity in one patient with epilepsy. We demonstrated that DOT followed by deconvolution was able to accurately recover a large variability of HRFs over a large range of SNRs. We found good performances of deconvolution analysis for SNR levels usually encountered in our applications and we were able to reconstruct accurately the temporal dynamics of HRFs in real conditions.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».