Source Reconstruction Without an MRI using Optically Pumped Magnetometer based Magnetoencephalography
Notice bibliographique
Résumé
Abstract Source modelling in magnetoencephalography (MEG) maps the spatial origins of electrophysiological signals in the brain. Typically, this requires an anatomical MRI scan of the subject’s head, from which a model of the neuromagnetic field (the forward model) is derived. Wearable MEG – based on optically pumped magnetometers (OPMs) – enables MEG measurement from participants who struggle to cope with conventional scanning environments (e.g. children), enabling study of novel cohorts. However, its value is limited if an MRI scan is still required for source modelling. Here we describe a method of warping template MRIs to 3D structured-light scans of the head, to generate “pseudo-MRIs”. We apply our method using data from 20 participants during a sensory task, measuring induced (beta band) responses and whole-brain functional connectivity. Results show that the group average locations of peak task-induced beta modulation were separated by 2.75 mm, when comparing real- and pseudo-MRI approaches. Group averaged time-frequency spectra were also highly correlated (Pearson correlation 0.99) as were functional connectome matrices (0.87), and global connectivity (0.98). In sum, our results demonstrate that source-localized OPM-MEG data, modelled with and without an individual MRI scan can be similar. This will be useful for future studies where MRI data capture is challenging.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».