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 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 | 0,002 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».