Comparison of EEG source localization using simplified and anatomically accurate head models in younger and older adults
Notice bibliographique
Résumé
Accuracy of electroencephalography (EEG) source localization relies on the volume conduction head model. A previous analysis of young adults has shown that simplified head models have larger source localization errors when compared with head models based on magnetic resonance images (MRIs). As obtaining individual MRIs may not always be feasible, researchers often use generic head models based on template MRIs. It is unclear how much error would be introduced using template MRI head models in older adults that likely have differences in brain structure compared to young adults. The primary goal of this study was to determine the error caused by using simplified head models without individual-specific MRIs in both younger and older adults. We collected high-density EEG during uneven terrain walking and motor imagery for 15 younger (22±3 years) and 21 older adults (74±5 years) and obtained T1-weighted MRI for each individual. We performed equivalent dipole fitting after independent component analysis to obtain brain source locations using four forward modeling pipelines with increasing complexity. These pipelines included: 1) a generic head model with template electrode positions or 2) digitized electrode positions, 3) individual-specific head models with digitized electrode positions using simplified tissue segmentation, or 4) anatomically accurate segmentation. We found that when compared to the anatomically accurate individual-specific head models, performing dipole fitting with generic head models led to similar source localization discrepancies (up to 2 cm) for younger and older adults. Co-registering digitized electrode locations to the generic head models reduced source localization discrepancies by ~6 mm. Additionally, we found that source depths generally increased with skull conductivity for the representative young adult but not as much for the older adult. Our results can help inform a more accurate interpretation of brain areas in EEG studies when individual MRIs are unavailable.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».