MétaCan
Menu
Retour à la cohorte
Enregistrement W7028439534

Exploring functional brain networks using independent component analysis:functional brain networks connectivity

2013· dissertation· en· W7028439534 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueUniversity of Oulu Repository (University of Oulu) · 2013
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnvironmental Science and Technology
Établissements canadiensMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésIndependent component analysisFunctional connectivityFunctional integrationAggregate (composite)CognitionHuman brainComponent (thermodynamics)Function (biology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Functional communication between brain regions is likely to play a key role in complex cognitive processes that require continuous integration of information across different regions of the brain.This makes the studying of functional connectivity in the human brain of high importance.It also provides new insights into the hierarchical organization of the human brain regions.Resting-state networks (RSNs) can be reliably and reproducibly detected using independent component analysis (ICA) at both individual subject and group levels.A growing number of ICA studies have reported altered functional connectivity in clinical populations.In the current work, it was hypothesized that ICA model order selection influences characteristics of RSNs as well as their functional connectivity.In addition, it was suggested that high ICA model order could be a useful tool to provide more detailed functional connectivity results.RSNs' characteristics, i.e. spatial features, volume and repeatability of RSNs, were evaluated, and also differences in functional connectivity were investigated across different ICA model orders.ICA model order estimation had a significant impact on the spatial characteristics of the RSNs as well as their parcellation into sub-networks.Notably, at low model orders neuroanatomically and functionally different units tend to aggregate into large singular RSN components, while at higher model orders these units become separate RSN components.Disease-related differences in functional connectivity also seem to alter as a function of ICA model order.The volume of between-group differences reached maximum at high model orders.These findings demonstrate that fine-grained RSNs can provide detailed, diseasespecific functional connectivity alterations.Finally, in order to overcome the multiple comparisons problem encountered at high ICA model orders, a new framework for group-ICA analysis was introduced.The framework involved concatenation of IC maps prior to permutation tests, which enables statistical inferences from all selected RSNs.In SAD patients, this new correction enabled the detection of significantly increased functional connectivity in eleven RSNs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,186
Écart entre enseignants0,165 · 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