Updated scalp heuristics for localizing the dorsolateral prefrontal cortex based on convergent evidence of lesion and brain stimulation studies in depression
Notice bibliographique
Résumé
BACKGROUND: Repetitive transcranial magnetic stimulation (rTMS) is entering wider use as a therapeutic intervention for many psychiatric illnesses. The efficacy of this therapeutic intervention may depend on accurately localizing target brain regions. Recent work investigating whole-brain maps of circuits associated with depression and its successful treatment has identified foci of interest within the dorsolateral prefrontal cortex (DLPFC). OBJECTIVE: To create an updated scalp heuristic for localizing the DLPFC based on convergent evidence of lesion and brain stimulation studies in depression. METHODS: Using the standard MNI ICBM152 anatomical template, we localized the scalp sites at minimum Euclidean distance from target MNI coordinates and performed nasion-inion, tragus-tragus, and head-circumference measurements on the anatomical template. We then derived equations to localize these scalp sites. RESULTS: The derived equations to calculate the arc length X and Y for these new targets are as follows: [Y=((NI+TrTr)/2)×0.3167 ; X=HC×0.1359] for the left anterior DLPFC[ Y=((NI+TrTr)/2)×0.2884; X=HC×0.1352] for the right anterior DLPFC[ Y=((NI+TrTr)/2)×0.2480; X=HC×0.1847] for the left posterior DLPFC[ Y=((NI+TrTr)/2)×0.2316 ; X=HC×0.1968] for the right posterior DLPFC CONCLUSIONS: This heuristic may help localize DLPFC targets identified in previous lesion-/stimulation-mapping work. A spreadsheet calculation tool is offered to support use of this heuristic.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».