On variability in local field potentials
Notice bibliographique
Résumé
Abstract Neuronal coding and decoding would be compromised if neuronal responses were highly variable. Intriguingly, neuronal spike counts (SCs) show a reduction in across-trial variance (ATV) in response to sensory stimulation, when SC variance is normalized by SC mean, that is, when using the Fano factor 1 . Inspired by this seminal finding, ATV has also been studied in electroencephalography (EEG) signals, revealing effects of various stimulus and cognitive factors as well as disease states. Here, we empirically show that outside of evoked potentials, the ATV of the EEG or local field potential (LFP) is very highly correlated to the intra-trial variance (ITV), which corresponds to the well-known power metric. We propose that the LFP power, rather than the raw LFP signal, should be considered with regard to putative changes of its variability. We quantify LFP power variability as the standard deviation of the logarithm of the power ratio between an active and a baseline condition, normalized by the mean of that log(power ratio), that is the coefficient of variation (CV) of the log(power ratio). This CV(log(power ratio)) is reduced for gamma and alpha power when they are enhanced by stimulation, and it is enhanced for alpha power when it is reduced by stimulation. This suggests a potential inverse relation between changes in band-limited power and the corresponding CV. We propose that the CV(log(power ratio)) is a useful metric that can be computed for numerous existing and future LFP, EEG or MEG datasets, which will provide insights into those signals’ frequency-specific variability and how they might be used for neuronal coding and decoding.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».