Microstates and power envelope hidden Markov modeling probe bursting brain activity at different timescales
Notice bibliographique
Résumé
State modeling of whole-brain electroencephalography (EEG) or magnetoencephalography (MEG) allows to investigate transient, recurring neurodynamical events. Two widely-used techniques are the microstate analysis of EEG signals and hidden Markov modeling (HMM) of MEG power envelopes. Both reportedly lead to similar state lifetimes on the 100 ms timescale, suggesting a common neural basis. To investigate whether microstates and power envelope HMM states describe the same neural dynamics, we used simultaneous MEG/EEG recordings at rest and compared the spatial signature and temporal activation dynamics of microstates and power envelope HMM states obtained separately from EEG and MEG. Results showed that microstates and power envelope HMM states differ both spatially and temporally. Microstates reflect sharp events of neural synchronization, whereas power envelope HMM states disclose network-level activity with 100-200 ms lifetimes. Further, MEG microstates do not correspond to the canonical EEG microstates but are better interpreted as split HMM states. On the other hand, both MEG and EEG HMM states involve the (de)activation of similar functional networks. Microstate analysis and power envelope HMM thus appear sensitive to neural events occurring over different spatial and temporal scales. As such, they represent complementary approaches to explore the fast, sub-second scale bursting electrophysiological dynamics in spontaneous human brain activity.
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 | 0,001 |
| 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 | 0,000 | 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 ».