MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410523247 · doi:10.1101/2025.05.19.653309

Evidence-based guidelines for improving network detectability in rodent fMRI

2025· preprint· en· W4410523247 sur OpenAlexafffund
Mila Urosevic, Gabriel Desrosiers-Grégoire, Jérémie P. Fouquet, Gabriel A. Devenyi, Daniel Gallino, Yohan Yee, M. Mallar Chakravarty

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesFonds de Recherche du Québec - SantéFonds de recherche du Québec – Nature et technologiesRéseau en Bio-Imagerie du QuebecMcGill University
Mots-clésRodentPsychologyRodent modelCognitive psychologyComputer scienceNeuroscienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Mouse resting-state functional magnetic resonance imaging (rs-fMRI) is an increasingly popular tool for probing brain activity under experimental manipulations; however, there remains considerable variability in data quality throughout the field. There is a need for an accessible set of acquisition guidelines such that a baseline level of data quality can be attained regardless of domain expertise or specialized equipment (i.e. in anesthetized, free-breathing mice). In particular, there is a gap in the literature regarding the interpretation of physiological parameters as markers of anesthetic depth, and ultimately, data quality. To this end, we developed a set of acquisition guidelines after examining whether continuous physiological variables predict network detectability above and beyond categorical external variables (anesthetic dose, session, time) in C57Bl/7 and C3HeB/FeJ mice anesthetized with isoflurane-dexmedetomidine. Standard physiological metrics (respiration rate and heart rate) did not predict network detectability above and beyond anesthetic dose but instead depended strongly on strain and subject, thus we advise against tuning anesthesia based on respiration or heart rate when the goal is obtaining clear resting-state networks. The most important predictor of improved network detectability was a low isoflurane dose of 0.23%, hence we recommend that researchers prioritize piloting the minimal possible isoflurane dose for their mouse model. In summary, our work examines the contributions from sources of variability that impact rs-fMRI data quality and synthesizes the findings into practical guidelines to help experimenters adapt their acquisition protocols and improve data quality.

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)0,161
score de la tête « metaresearch » (Gemma)0,447
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,852

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1610,447
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,003
Communication savante0,0050,003
Science ouverte0,0080,003
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,096
Tête enseignante GPT0,299
Écart entre enseignants0,203 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→