MétaCan
Menu
Back to cohort
Record W7066674740

Intégration de l'imagerie par résonance magnétique fonctionnelle (IRMf) à la tractographie pour cartographier les réseaux corticaux impliqués dans la dénomination d'images

2022· dissertation· fr· W7066674740 on OpenAlexfundno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2022
Typedissertation
Languagefr
FieldEngineering
TopicOptical Polarization and Ellipsometry
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsContext (archaeology)Work (physics)Term (time)Field (mathematics)
DOInot available

Abstract

fetched live from OpenAlex

Il est de plus en plus communément admis que la plupart des fonctions cognitives chez l’humain sont organisées sous forme de réseaux cérébraux distribués plutôt que strictement sous forme de modules anatomiques ségrégués et localisés. Parmi ces fonctions cognitives, nos capacités à nommer des objets ou à formuler des idées sont fondamentales dans la communication verbale et une perturbation de ces capacités peut mener à des limitations significatives au quotidien (ex. manque de fluidité, discours vide de sens, paraphasies et difficultés à se faire comprendre). La combinaison multimodale des données en imagerie par résonance magnétique (IRM) est une façon d’étudier ces réseaux cérébraux. Elle permet d’investiguer simultanément plusieurs pans de l’architecture neurobiologique qui forme ces réseaux cérébraux (ex. les dynamiques fonctionnelles qu’entretiennent les différentes aires cérébrales et leurs connexions anatomiques sous-jacentes). L’intégration de l’IRM fonctionnelle (IRMf) pour guider la tractographie représente une combinaison multimodale pertinente pour étudier le réseau fonctionnel (aires cérébrales) et structurel (fibre de matière blanche) qui permet la dénomination d’images chez l’humain. Néanmoins, la combinaison de ces modalités est complexe et il n’existe à ce jour aucune documentation strictement dédiée à l’intégration l’IRMf pour guider la tractographie (ex. procédurier, bonnes pratiques, etc.). Le premier objectif de cette thèse consistait donc à effectuer une synthèse intégrative des aspects méthodologiques associés à l’intégration de l’IRMf pour guider la tractographie via une étude de la portée (article/étude #1). Nos résultats sont organisés en 19 constats qui concernent les défis méthodologiques associés à cette méthode de combinaison multimodale. Nous y proposons également des recommandations, des pistes de solution et avons identifié des lacunes dans les connaissances associées à cette méthodologie. Le second objectif de cette thèse visait à cartographier le réseau cérébral impliqué dans la dénomination d’images en intégrant l’IRMf pour guider la tractographie auprès de jeunes adultes en santé (article/étude #2). En appliquant les connaissances de l’article/étude #1 dans le cadre d’une étude empirique, nous avons pu proposer un modèle neurocognitif de la dénomination d’images. Dans ce modèle, nous validons la présence d’une voie ventrale et dorsale du traitement de l’information. Les résultats suggèrent aussi que les parties postérieures du cortex inférotemporal et du gyrus temporal supérieur peuvent servir d’interface entre ces deux voies du traitement de l’information. Cette étude appuie également la suggestion d'une voie ventrale indirecte qui transige par le lobe temporal antérieur. Finalement, cette thèse propose un outil fort utile pour les chercheurs qui désirent utiliser cette méthode intégrative, avancer les connaissances ou encore développer de nouveaux outils méthodologiques. Grâce à a l’intégration de l’IRMf pour guider la tractographie et la triangulation des données issues d’autres méthodes, cette thèse offre une analyse détaillée des processus cognitifs et des bases neurobiologiques impliqués dans la dénomination d’images. Il s’agit encore ici d’un outil très pertinent pour tous les cliniciens qui ont recours à la dénomination d’images dans le cadre de leur pratique.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.015
Threshold uncertainty score0.051

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0150.003

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.004
GPT teacher head0.181
Teacher spread0.177 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicOptical Polarization and EllipsometryFrench-language works237,207