Validating MEG estimated resting-state connectome with intracranial EEG
Notice bibliographique
Résumé
Magnetoencephalography (MEG) is widely used for studying resting-state brain connectivity. However, MEG source imaging is ill posed and has limited spatial resolution. This introduces source-leakage issues, making it challenging to interpret MEG-derived connectivity in resting states. To address this, we validated MEG-derived connectivity from 45 healthy participants using a normative intracranial EEG (iEEG) atlas. The MEG inverse problem was solved using the wavelet-maximum entropy on the mean method. We computed four connectivity metrics: amplitude envelope correlation (AEC), orthogonalized AEC (OAEC), phase locking value (PLV), and weighted-phase lag index (wPLI). We compared spatial correlation between MEG and iEEG connectomes across standard canonical frequency bands. We found moderate spatial correlations between MEG and iEEG connectomes for AEC and PLV. However, when considering metrics that correct/remove zero-lag connectivity (OAEC/wPLI), the spatial correlation between MEG and iEEG connectomes decreased. MEG exhibited higher zero-lag connectivity compared with iEEG. The correlations between MEG and iEEG connectomes suggest that relevant connectivity patterns can be recovered from MEG. However, since these correlations are moderate/low, MEG connectivity results should be interpreted with caution. Metrics that correct for zero-lag connectivity show decreased correlations, highlighting a trade-off; while MEG may capture more connectivity due to source-leakage, removing zero-lag connectivity can eliminate true connections.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».