Rest-task modulation of fMRI-derived global signal topography is mediated by transient co-activation patterns
Notice bibliographique
Résumé
Recent resting-state fMRI studies have revealed that the global signal (GS) exhibits a non-uniform spatial distribution across the gray matter. Whether this topography is informative remains largely unknown. We therefore tested rest-task modulation of global signal topography by analyzing static global signal correlation and dynamic co-activation patterns in a large sample of fMRI dataset (n=837) from the Human Connectome Project. The GS topography in the resting-state and in seven different tasks was first measured by correlating the global signal with the local timeseries (GSCORR). In the resting state, high GSCORR was observed mainly in the primary sensory and motor regions, while low GSCORR was seen in the association brain areas. This pattern changed during the seven tasks, with mainly decreased GSCORR in sensorimotor cortex. Importantly, this rest-task modulation of GSCORR could be traced to transient co-activation patterns at the peak period of global signal (GS-peak). By comparing the topography of GSCORR and respiration effects, we observed that the topography of respiration mimicked the topography of global signal in the resting-state whereas both differed during the task states; due to such partial dissociation, we assume that GSCORR could not be equated with a respiration effect. Finally, rest-task modulation of GS topography could not be exclusively explained by other sources of physiological noise. Together, we here demonstrate the informative nature of global signal topography by showing its rest-task modulation, the underlying dynamic co-activation patterns, and its partial dissociation from respiration effects during task states.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 tête enseignante, 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 ».