A sub+cortical fMRI‐based surface parcellation
Notice bibliographique
Résumé
Both cortical and subcortical structures are organized into a large number of distinct areas reflecting functional and cytoarchitectonic differences. Mapping these areas is of fundamental importance to neuroscience. A central obstacle to this task is the inaccuracy associated with bringing results from individuals into a common space. The vast individual differences in morphology pose a serious problem for volumetric registration. Surface-based approaches fare substantially better, but have thus far been used only for cortical parcellation, leaving subcortical parcellation in volumetric space. We extend the surface-based approach to include also the subcortical deep gray-matter structures, thus achieving a uniform representation across both cortex and subcortex, suitable for use with surface-based metrics that span these structures, for example, white/gray contrast. Using data from the Enhanced Nathan Klein Institute-Rockland Sample, limited to individuals between 19 and 69 years of age, we generate a functional parcellation of both the cortical and subcortical surfaces. To assess this extended parcellation, we show that (a) our parcellation provides greater homogeneity of functional connectivity patterns than do arbitrary parcellations matching in the number and size of parcels; (b) our parcels align with known cortical and subcortical architecture; and (c) our extended functional parcellation provides an improved fit to the complexity of life-span (6-85 years) changes in white/gray contrast data compared to arbitrary parcellations matching in the number and size of parcels, supporting its use with surface-based measures. We provide our extended functional parcellation for the use of the neuroimaging community.
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 | 0,000 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».