Assessing the Validity and Reliability of HD-DOT TD-fNIRS Resting-State Measurements in Rapid Succession Data Collection Settings
Notice bibliographique
Résumé
A bstract Functional magnetic resonance imaging (fMRI) has long been a cornerstone in the study of brain activity, but its high operational costs, limited availability, and restricted practical applicability have led researchers to seek alternative neuroimaging technologies. Recent advancements in high-density diffuse optical tomography (HD-DOT) and Time-Domain (TD) functional near-infrared spectroscopy (fNIRS) have emerged as promising solutions, offering the ability to generate detailed tomographic maps of hemodynamic fluctuations associated with neural activity. In this study, using the Kernel Flow device, we assess the performance of HD-DOT TD-fNIRS in terms of signal validity and reliability, particularly in rapid succession data collection settings. We conducted a multiple test-retest experiment involving fNIRS recordings from three participants across 20 ten-minute sessions of eyes-open resting-state brain activity over six days. Our findings indicate that HD-DOT TD-fNIRS systems like the Kernel Flow can reproduce hemodynamic patterns identified by fMRI, albeit with less spatial detail, and can detect resting state networks overall, though some individual network detections are not significant. The system performs consistently over days, with more variability within the time of day, and can capture subject-specific patterns with high accuracy as identified through FC fingerprinting analysis. We conclude that the new generation of HD-DOT TD-fNIRS systems holds significant promise for enhancing and expanding the measurement of functional brain data in both clinical and more naturalistic research settings. This study represents an important step towards a comprehensive understanding of the data quality and consistency achievable with these innovative neuroimaging devices.
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».