Open design and validation of a reproducible videogame controller for MRI and MEG
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Playing video games in a neuroimaging environment is both scientifically promising and technically challenging. Primary among these challenges is the need to use scanner-compatible devices to register player inputs, which limits the type of games that can be comfortably played in a scanner and often reduces the ecological validity of video game tasks. In this paper, we introduce an MRI- and MEG-compatible video game controller that is made exclusively of 3D-printed and commercially available parts, and we release the design files and documentations in the goal of making its production accessible to any research team with minimal engineering resources. In line with the open science philosophy, we made this work accessible under an Open Source Hardware license that aims to promote accessibility and reproducibility. Additionally, we validated the responsiveness and scanner-compatibility of our controller by comparing it to a reference, non-MRI compatible controller, and by assessing the quality of the data recorded with and without the use of the said controller. The analysis of response latencies showed reliable button press accuracies. A higher latency was detected on button releases, both for long and short button presses although this effect was small enough as not to affect gameplay in most situations. Analysis of subject motion during fMRI recordings of various tasks showed that the use of our controller didn’t increase the amount of motion produced. We hope that this tool will stimulate further neuroimaging studies of video games tasks by improving both their accessibility and their validity.
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.
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 | 0,000 |
| 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 | 0,001 |
| 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 découle