Towards the implementation and interpretation of masked ICA for identifying signatures of autonomic activation in the brainstem with resting-state BOLD fMRI
Notice bibliographique
Résumé
Abstract The brainstem is the site of key exchanges between the autonomic and central nervous systems but has historically presented a challenging target for study with BOLD fMRI. A potentially powerful although under-characterized approach to identifying nucleic activation within the brainstem is masked independent component analysis (mICA), which restricts signal decomposition to the brainstem itself, thus aiming to reduce the strong effect of physiological noise in nearby regions such as ventricles and large arteries. In this study, we systematically investigate the use of mICA to uncover signatures of autonomic activation in the brainstem at rest. We apply mICA on 40 subjects in a high-resolution resting state 7T dataset following different strategies for dimensionality selection, denoising, and component classification. We show that among the noise mitigation techniques investigated, cerebrospinal fluid denoising makes the largest impact in terms of mICA outcomes. We further demonstrate that across preprocessing pipelines and previously reported results the majority of components are spatially reproducible, but temporal outcomes differ widely depending on denoising strategy. Evaluating both hand-labelling and whole-brain specificity criteria, we develop an intuitive framework for mICA classifications. Finally, we make a comparison between mICA and atlas-based segmentations of brainstem nuclei, finding little consistency between these two approaches. Based on our evaluation of the effects of methodology on mICA and its relationship to other signals of interest in the brainstem, we provide recommendations for future uses of mICA to identify autonomically-relevant BOLD fluctuations in subcortical structures.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».