Effects of head modeling errors on the spatial frequency representation of MEG
Notice bibliographique
Résumé
Abstract Objectives. We aim to investigate the effects of head model inaccuracies on signal and source reconstruction accuracies for various sensor array distances to the head. This allows for the assessment of the importance of head modeling for next-generation magnetoencephalography (MEG) sensors, optically-pumped magnetometers (OPM). Approach. A 1-shell boundary element method (BEM) spherical head model with 642 vertices of radius 9 cm and conductivity of 0.33 S m −1 was defined. The vertices were then randomly perturbed radially up to 2%, 4%, 6%, 8% and 10% of the radius. For each head perturbation case, the forward signal was calculated for dipolar sources located at 2 cm, 4 cm, 6 cm and 8 cm from the origin (center of the sphere), and for a 324 sensor array located at 10 cm to 15 cm from the origin. Equivalent current dipole (ECD) source localization was performed for each of these forward signals. The signal for each perturbed spherical head case was then analyzed in the spatial frequency domain, and the signal and ECD errors were quantified relative to the unperturbed case. Main results. In the noiseless and high signal-to-noise ratio (SNR) case of approximately ≥6 dB, inaccuracies in our spherical BEM head conductor models lead to increased signal and ECD inaccuracies when sensor arrays are placed closer to the head. This is true especially in the case of deep and superficial sources. In the noisy case however, the higher SNR for closer sensor arrays allows for an improved ECD fit and outweighs the effects of head geometry inaccuracies. Significance. OPMs may be placed directly on the head, as opposed to the more commonly used superconducting quantum interference device sensors which must be placed a few centimeters away from the head. OPMs thus allow for signals of higher spatial resolution to be captured, resulting in potentially more accurate source localizations. Our results suggest that an increased emphasis on accurate head modeling for OPMs may be necessary to fully realize its improved source localization potential.
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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 | 0,000 |
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 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 ».