MétaCan
Menu
Retour à la cohorte
Enregistrement W4409346905 · doi:10.1093/sleep/zsaf086

Corticothalamic modeling of sleep neurophysiology with applications to mobile electroencephalography

2025· article· en· W4409346905 sur OpenAlexaff
Taha Morshedzadeh, Kevin Kadak, Sorenza P Bastiaens, Mohammad Oveisi, Davide Momi, Zheng Wang, Shreyas Harita, Maurice Abou Jaoude, Christopher Aimone, Steve Mann, Sean Hill, John D. Griffiths

Notice bibliographique

RevueSLEEP · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensInteraXon (Canada)Toronto Rehabilitation InstituteUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyNeurophysiologySleep (system call)NeuroscienceAudiologyMedicinePsychologyPhysical medicine and rehabilitationComputer science

Résumé

récupéré en direct d'OpenAlex

Recent developments in mathematical modeling of electroencephalography (EEG) enable the tracking of otherwise-inaccessible neurophysiological parameters throughout sleep. Likewise, advancements in wearable electronics have enabled easy and affordable collection of sleep EEG at home. The convergence of these two advances, namely neurophysiological modeling for mobile sleep EEG, can boost preclinical and clinical assessments of sleep. However, this subject area has received limited attention in existing literature. To address this, we used an established model of the corticothalamic system to analyze EEG power spectra from five datasets, spanning from research-grade systems to at-home mobile EEG. In the present work, we compare the convergent and divergent features of the data and the estimated physiological model parameters. While data quality and characteristics differ considerably, key patterns consistent with previous theoretical and empirical work are observed. During the transition from lighter to deeper NREM, (1) exponent of the aperiodic (1/f) spectral component is increased, (2) bottom-up thalamocortical drive is reduced, (3) corticocortical connection strengths are increased. This effect is observed in healthy subjects but is interestingly absent when taking SSRI antidepressants, suggesting possible effects of ascending neuromodulation on corticothalamic oscillations. We further show a month-long increase in REM% in one mobile EEG subject, associated with boosted high-frequency activity in spectra and higher thalamothalamic gains in the model, pointing to possible changes of thalamic inhibition in REM parasomnias. Our results provide a proof-of-principle for the utility and feasibility of this physiological modeling-based approach to analyzing mobile EEG data, providing a mechanistic measure of brain physiology during sleep.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,262
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207