Generation of surrogate brain maps preserving spatial autocorrelation through random rotation of geometric eigenmodes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The brain expresses activity in complex spatiotemporal patterns, reflecting the influence of spatially distributed cytoarchitectural, biochemical, and genetic properties. The correspondence between these different "brain maps" is a topic of substantial interest. However, these maps possess intrinsic smoothness (spatial autocorrelation, SA) which can inflate spurious cross-correlations, leading to false positive associations. Identifying true associations requires knowledge about the distribution of correlations that arise by chance in the presence of SA. This null distribution can be generated from an ensemble of surrogate brain maps that preserve the intrinsic SA but break the correlations between maps. The present work introduces the "eigenstrapping" method, which performs a spectral decomposition of brain maps, such as fMRI activation patterns, expressed on cortical and subcortical surfaces, using geometric eigenmodes, and then randomly rotating these modes to produce SA-preserving surrogate brain maps. It is shown that these surrogates appropriately represent the null distribution of chance pairwise correlations, with expected false positive control superior to current state-of-the-art procedures. Eigenstrapping is fast, eschews the need for parametric assumptions about the nature of a map's SA, and works with maps defined on smooth surfaces with a boundary, such as a single cortical hemisphere when the medial wall has been removed. Moreover, eigenstrapping generalizes to broader classes of null models than existing techniques, offering a unified approach for inference on cortical and subcortical maps, spatiotemporal processes, and complex patterns possessing higher-order correlations.
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.
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 | 0,001 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle