MNI2CPC: A probabilistic cortex-to-scalp mapping for non-invasive brain stimulation targeting
Notice bibliographique
Résumé
BACKGROUND: Synthesis of neural imaging information from many studies is valuable for identifying stable cortical targets for non-invasive brain stimulation (NIBS). Typically, these targets are specified in Montreal Neurological Institute (MNI) standard brain space. However, in practical NIBS applications, localizing MNI cortical targets often relies on the International 10-20 system or heuristic scalp approaches, which often lacks precision or applies only to specific targets. OBJECTIVE/HYPOTHESIS: We aim to establish a probabilistic mapping from any cortical target in MNI space to continuous proportional coordinate (CPC) standard scalp space (MNI2CPC) and assess the performance of this mapping for NIBS targeting. METHODS: The MNI2CPC mapping was calculated based on a large MRI dataset (n = 114). Its targeting error was evaluated via cross-individual validation using a leave-one-out approach, as well as through independent validation across race (n = 27) and across patient (n = 58) cohorts. RESULTS: The cross-individual validation demonstrated targeting errors of 4.03 ± 0.69 mm on the scalp and 3.30 ± 0.59 mm in the cortex. For independent cohorts, targeting errors were 4.71 ± 0.81 mm (scalp) and 3.85 ± 0.64 mm (cortex) across race, and 4.66 ± 0.77 mm (scalp) and 3.77 ± 0.61 mm (cortex) across patient. We publish a free online tool to enable querying of the CPC coordinate for any given MNI cortical target. The resulting CPC coordinates enable rapid and accurate manual localization on the scalp in a user-friendly manner. CONCLUSIONS: The MNI2CPC mapping developed in this study allows for manual localization of any MNI cortical target, which improves the accessibility and ease of application of NIBS in diverse settings.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».