MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415468827 · doi:10.1111/ejn.70276

Resting‐State Functional MRI Analyses for Brain Activity Characterization: A Narrative Review of Features and Methods

2025· article· en· W4415468827 sur OpenAlexafffund
Alejandro Amador‐Tejada, Bhanu Sharma, Ethan Danielli, Michael D. Noseworthy

Notice bibliographique

RevueEuropean Journal of Neuroscience · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBrain activity and meditationNeuroimagingResting state fMRINarrative reviewBrain mappingFunctional magnetic resonance imagingFunctional neuroimagingMetric (unit)

Résumé

récupéré en direct d'OpenAlex

Resting-state fMRI (rsfMRI) is a widely used neuroimaging technique that measures spontaneous fluctuations in brain activity in the absence of specific external cognitive, motor, emotional, and sensory tasks or stimuli, based on the blood-oxygen-level-dependent (BOLD) signal. Functional connectivity (FC) is a popular rsfMRI analysis examining BOLD signal correlations between brain regions. Nevertheless, there are alternative analyses that provide different but collectively informative characteristics of the BOLD signal and, thus, brain activity. This narrative review aimed to provide a comprehensive conceptual, mathematical, and significance investigation of common rsfMRI analyses in addition to FC. To achieve this, a narrative review was conducted on studies using the most common rsfMRI analysis to investigate global and local brain activity. Five rsfMRI analyses were described, summarizing the common initial steps of rsfMRI data processing and explaining the main characteristics and how each metric is calculated. The rsfMRI analyses described are (1) FC, reflecting BOLD global connectivity; (2) the amplitude of low-frequency fluctuations (ALFF) and fractional ALFF (fALFF), representing the intensity of the BOLD signal; (3) regional homogeneity (ReHo), which reflects BOLD local connectivity; (4) Hurst exponent (H), depicting autocorrelation of the BOLD signal; and (5) entropy, depicting the BOLD signal predictability. As rsfMRI is a vital tool for exploring brain function, selecting an analysis that aligns with the research question is essential. This review offers an initial catalog of standard rsfMRI analyses, highlighting their key features, concepts, and considerations to support informed decisions by researchers and clinicians.

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)0,009
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,037
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0100,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,114
Tête enseignante GPT0,405
Écart entre enseignants0,291 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

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'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Neuroscience→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→