MétaCan
Menu
Retour à la cohorte
Enregistrement W4407934931 · doi:10.1016/j.brs.2024.12.043

TMS-related spectral perturbation as a single-trial marker of cortical excitability

2025· article· en· W4407934931 sur OpenAlexaff
Christoph Zrenner, Brigitte Zrenner, Reza Zomorrodi, Mohsen Poorganji, Daniel M. Blumberger

Notice bibliographique

RevueBrain stimulation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésNeurosciencePerturbation (astronomy)PsychologyPhysicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Non-invasive source imaging of cortical oscillations on a millisecond timescale is possible through electroencephalographic (EEG, measuring electric potentials) sensors placed on the scalp surface.Source reconstruction of brain activity from EEG data is non-trivial and requires algorithms acting as spatial filters.Rather than reconstructing the brain response to external events separating unrelated brain activity, we are interested in the oscillatory activity of some areas defined by cortical atlas parcels at rest.EEGsynchronized TMS is a powerful tool to investigate the role of brain oscillations in neuronal excitability and plasticity, by enabling specific oscillation phases to be differentially targeted in a brain-state-dependent TMS paradigm.However, the EEG sensor montage is not always effective to predict state-dependent TMS effects.Here we investigate oscillating signals obtained from different personalized spatial filters/cortical parcels and their possible phase effects on motor-evoked potential (MEP) amplitude.We built individual spatial filters based on linearly-constrained minimumvariance (LCMV) beamforming for extracting oscillatory activity from individually defined cortical areas.A participant-specific 3-shell volumeconductor model is segmented from T1w and T2w MR individual images.Then, a cortical source mesh is obtained at the white-matter/gray-matter boundary.The mesh points have been adjusted according to a spherical common template for sulci and gyri.They are then decimated from 160K (Freesurfer standard) to 16K through the HCP workbench, maintaining physiological information and minimum variance in the triangles.This controlled decimation provides for a reasonable number of cortical sources to reconstruct (one dipole for each mesh point) given EEG signals.Normally oriented dipoles are then assigned to 360 cortical parcels from the Glasser Atlas.Measurement session-specific EEG sensor positions are then aligned to the scalp mesh using head fiducials.A session-specific leadfield matrix is computed using the Boundary Element Method (BEM) as implemented in the Helsinki BEM Framework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,345
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain stimulationMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207