Characterizing BOLD activation patterns in the human hippocampus with laminar fMRI
Notice bibliographique
Résumé
Abstract The human hippocampus has been extensively studied at the macroscale using functional magnetic resonance imaging (fMRI) but the underlying microcircuits at the mesoscale (i.e., at the level of layers) are largely uninvestigated in humans. We target two questions fundamental to hippocampal laminar fMRI: How does the venous bias affect the interpretation of hippocampal laminar responses, and is it possible to establish a benchmark laminar fMRI experiment which robustly elicits single-subject hippocampal activation utilizing the most widely applied GRE-BOLD contrast. We comprehensively characterized GRE-BOLD responses as well as T2*, tSNR, and physiological noise as a function of cortical depth in individual subfields of the human hippocampus. Our results show that the vascular architecture differs between subfields leading to subfield-specific laminar biases of GRE-BOLD responses. Using an autobiographical memory paradigm, we robustly acquired depth-specific BOLD responses in hippocampal subfields. In the CA1 and subiculum subregions, our results indicate a more pronounced trisynaptic path input rather than dominant direct inputs from the entorhinal cortex during autobiographical memory retrieval. Our study provides unique insights into the hippocampus at the mesoscale level, will help interpreting hippocampal laminar fMRI responses and allow researchers to test mechanistic hypotheses of hippocampal function.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».