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 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 | 0,002 |
| 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 ».