The link between steady-state EEG and rs-fMRI metrics in healthy young adults: The effect of macrovascular correction
Notice bibliographique
Résumé
To improve the clinical utility of resting-state fMRI (rs-fMRI), enhancing its interpretability is paramount. Establishing links with electrophysiological activities remains the benchmark for understanding the neuronal basis of rs-fMRI signals. Existing research, while informative, suffers from inconsistencies and a limited scope of rs-fMRI metrics (e.g., seed-based functional connectivity). Phenotypic variables like sex and age are suspected to obscure reliable fMRI-electroencephalography (EEG) associations. A major contributing factor to these inconsistencies may be the neglect of macrovascular correction in rs-fMRI metrics. Given that macrovascular contributions can inflate rs-fMRI connectivity and power, they may lead to misleading fMRI-EEG associations that do not reflect genuine neuronal underpinnings. In this study, we addressed this by applying macrovascular correction and performing a systematic, inter-participant analysis of multiple rs-fMRI and EEG metrics. Our key findings are: (1) macrovascular correction enhances the relationship between EEG and rs-fMRI metrics and improves model fit in many instances; (2) sex significantly modulates EEG-fMRI associations; and (3) EEG complexity is significantly associated with resting-state functional activity (RSFA). This research provides crucial insights into the interplay between rs-fMRI and EEG, ultimately improving the interpretability of rs-fMRI measurements and building upon our prior work linking fMRI and metabolism.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».