Non-normalized individual analysis of statistical parametric mapping\nfor clinical fMRI
Notice bibliographique
Résumé
Background : Pre-operative evaluation to localize function within the\ncerebral cortices is essential before brain surgery. Blood oxygenation\nlevel-dependent functional magnetic resonance imaging (fMRI) has been\nused for this purpose.\tAims : To obtain clearer and more\nunderstandable functional images. Patients and Methods : Ten patients\nwith brain tumors underwent fMRI including hand-gripping and word\ngeneration tasks. The statistical parametric mapping (SPM) approach was\nused for subsequent analysis to localize the motor or language\nfunctions. SPM includes image pre-processing, statistical computation,\nand significance testing. In order to demonstrate a spatial\nrelationship between the lesions and a functioning area in the\nindividual structural MR images, normalization to the Montreal\nNeurological Institute coordinates was intentionally not performed. \nResults : In seven cases out of 10, the patient's motor area was\nclearly visualized. Language areas were also demonstrated in seven\ncases.\tConclusions : We conclude that application of SPM (version 8)\nanalysis to non-normalized individual data for the purpose of\nperforming pre-operative fMRI is a useful method for investigation of\nfunctional localization.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 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 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 ».