MétaCan
Menu
Retour à la cohorte
Enregistrement W4220773710 · doi:10.1016/j.neuroimage.2021.118823

Stability of spectral estimates in resting-state magnetoencephalography: Recommendations for minimal data duration with neuroanatomical specificity

2021· article· en· W4220773710 sur OpenAlexafffund
Alex I. Wiesman, Jason da Silva Castanheira, Sylvain Baillet

Notice bibliographique

RevueNeuroImage · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringBiotechnology and Biological Sciences Research CouncilNational Institute of Neurological Disorders and StrokeMedical Research CouncilCanadian Institutes of Health ResearchUniversity of CambridgeCanada First Research Excellence FundNational Institutes of HealthHealth CanadaNatural Sciences and Engineering Research Council of CanadaFondation Brain CanadaMcGill University
Mots-clésMagnetoencephalographyResting state fMRIComputer scienceStability (learning theory)ElectroencephalographyHuman Connectome ProjectMillisecondBrain activity and meditationPattern recognition (psychology)Artificial intelligenceNeurosciencePsychologyFunctional connectivityMachine learning

Résumé

récupéré en direct d'OpenAlex

The principle of resting-state paradigms is appealing and practical for collecting data from impaired patients and special populations, especially if data collection times can be minimized. To achieve this goal, researchers need to ensure estimated signal features of interest are robust. In electro- and magnetoencephalography (EEG, MEG) we are not aware of any studies of the minimal length of data required to yield a robust one-session snapshot of the frequency-spectrum derivatives that are typically used to characterize the complex dynamics of the brain's resting-state. We aimed to fill this knowledge gap by studying the stability of common spectral measures of resting-state MEG source time series obtained from large samples of single-session recordings from shared data repositories featuring different recording conditions and instrument technologies (OMEGA: N = 107; Cam-CAN: N = 50). We discovered that the rhythmic and arrhythmic spectral properties of intrinsic brain activity can be robustly estimated in most cortical regions when derived from relatively short segments of 30-s to 120-s of resting-state data, regardless of instrument technology and resting-state paradigm. Using an adapted leave-one-out approach and Bayesian analysis, we also provide evidence that the stability of spectral features over time is unaffected by age, sex, handedness, and general cognitive function. In summary, short MEG sessions are sufficient to yield robust estimates of frequency-defined brain activity during resting-state. This study may help guide future empirical designs in the field, particularly when recording times need to be minimized, such as with patient or special populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,131
score de la tête « metaresearch » (Gemma)0,440
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,691

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1310,440
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,003
Communication savante0,0040,006
Science ouverte0,0060,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,322
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImageMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207