i-ECO: a novel method for the analysis and visualization of fMRI results in Psychiatry
Notice bibliographique
Résumé
Introduction The high technical barrier to entry in the field of neuroimaging can hinder early insight from promising results and the development of evidence-based clinical practice. Objectives The working group focused on published literature in order to develop a new methodology in the analysis, visualization, and representation of fMRI data in the psychiatric setting. Methods Three valid and established measures were chosen, in order to achieve dimensionality reduction, stability and explainability of results, namely Regional-Homogeneity; fractional Amplitude of Low-Frequency Fluctuations; Eigenvector-Centrality. Each measure was color coded and individual images per subject compiled, averaging results by functional networks as described the FIND lab of the University of Stanford. 272 individual scans were processed (130 neurotypicals, 50 patients with Schizophrenia, 49 with Bipolar Disorder, 43 with ADHD). Results The discriminative power between clinical groups of the novel method was significant both by human eye, and later confirmation by statistical tests, and by computer vision algorithms (Convolutional Neural Networks). The precision-recall Area Under the Curve, dividing by 80/20 proportion between train and test sets, was >84.5% for each group. The group of patients with Bipolar Disorder showed a partial overlap with the group of patients suffering from Schizophrenia – by a dominance of Eigenvector-Centrality and Regional-Homogeneity, as well as a lower prevalence of fractional Amplitude of Low-Frequency Fluctuations, for both in comparison to controls. Conclusions The present study offers preliminary evidence for the adoption of i-ECO (integrated-Explainability through Color Coding) in fMRI analyses during rest in the Psychiatric field. Disclosure No significant relationships.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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.
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 ».