Systematic evaluation of head motion on <scp>resting‐state</scp> functional connectivity <scp>MRI</scp> in the neonate
Notice bibliographique
Résumé
Reliability and robustness of resting state functional connectivity MRI (rs-fcMRI) relies, in part, on minimizing the influence of head motion on measured brain signals. The confounding effects of head motion on functional connectivity have been extensively studied in adults, but its impact on newborn brain connectivity remains unexplored. Here, using a large newborn data set consisting of 159 rs-fcMRI scans acquired in the Developing Brain Institute at Children's National Hospital and 416 scans from The Developing Human Connectome Project (dHCP), we systematically investigated associations between head motion and rs-fcMRI. Head motion during the scan significantly affected connectivity at sensory-related networks and default mode networks, and at the whole brain scale; the direction of motion effects varied across the whole brain. Comparing high- versus low-head motion groups suggested that head motion can impact connectivity estimates across the whole brain. Censoring of high-motion volumes using frame-wise displacement significantly reduced the confounding effects of head motion on neonatal rs-fcMRI. Lastly, in the dHCP data set, we demonstrated similar persistent associations between head motion and network connectivity despite implementing a standard denoising strategy. Collectively, our results highlight the importance of using rigorous head motion correction in preprocessing neonatal rs-fcMRI to yield reliable estimates of 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 | 0,011 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».