MétaCan
Menu
Retour à la cohorte
Enregistrement W4386362775 · doi:10.1109/isbi53787.2023.10230535

Limitations Of the Derived Respiratory Variation Measurements Used in Functional Magnetic Resonance Imaging

2023· article· en· W4386362775 sur OpenAlexaff
Abdoljalil Addeh, Karen Ardila, Fernando Vega, Ali Golestani, M. Ethan MacDonald

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Subatomic Physics Research
Établissements canadiensAlberta Health ServicesMitacsHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFunctional magnetic resonance imagingRespiratory systemMagnetic resonance imagingBreathingRespirationOxygenationBlood oxygenationRespiratory monitoringRespiratory rateHuman Connectome ProjectNeuroscienceNuclear magnetic resonanceMedicineComputer scienceInternal medicineAnesthesiaPhysicsBiologyFunctional connectivityRadiologyBlood pressureAnatomyHeart rate

Résumé

récupéré en direct d'OpenAlex

Among different physiological sources of noise in blood oxygenation level-dependent functional magnetic resonance imaging (BOLD-fMRI), low-frequency fluctuation in arterial carbon dioxide (CO <inf xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</inf> ) constitutes the strongest modulator of the BOLD signal. In this paper, the performance of respiration variation (RV) and respiratory volume per time (RVT) in identifying abnormal but prominent respiratory patterns are studied. We used Human Connectome Project in the Developmental dataset, as children are a challenging cohort in fMRI studies and have irregular breathing. According to our findings, there is no guarantee that a given respiratory event evident in the abdominal respiratory belt transducer timeseries, such as a deep breath or pause in breathing, will be detectable in both RVT and RV. In addition, RVT and RV do not show similar behavior during some respiratory events, especially when the subject breathes deeply at a low rate, while they use almost similar respiratory response functions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,187

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,157
Tête enseignante GPT0,292
Écart entre enseignants0,135 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtomic and Subatomic Physics ResearchTravaux en français237 207