Prédiction des traits cognitifs et de personnalité à l'aide de cartes d'activation et de dynamiques temporelles dérivées de l'IRMf de reposCognitive and personality trait prediction using activation maps and temporal dynamics derived from resting-state fMRI.
- Utilisation de cartes d'activation estimées directement depuis l'IRMf de repos sans tâche explicite.
- Combinaison de caractéristiques spatiales et temporelles via un cadre ensembliste.
- Prédiction de traits cognitifs (lecture, intelligence fluide, vitesse de traitement) et de personnalité (ouverture, extraversion).
L'article aborde la prédiction de traits cognitifs et de personnalité, utile pour la neuropsychologie du haut potentiel, mais les corrélations restent modérées et sans validation clinique directe.
Utilisation d'un seul jeu de données (HCP), limitant la généralisabilité. Corrélations modérées (max 0.5284), indiquant une variance non expliquée. Absence de validation sur des populations cliniques spécifiques. L'étude repose sur un échantillon de la population générale, non clinique.
Cette étude propose un cadre unifié combinant informations spatiales (cartes d'activation estimées directement à partir de l'IRMf de repos) et temporelles (extraction de caractéristiques temporelles via MultiRocket) pour prédire des traits cognitifs (capacité de lecture, intelligence fluide, vitesse de traitement) et de personnalité (ouverture à l'expérience, extraversion) à partir de l'IRMf de repos. Testé sur le jeu de données HCP, le modèle atteint des correlations allant jusqu'à 0.5284, soulignant l'importance de la modélisation spatio-temporelle pour comprendre les relations cerveau-comportement.
Utilisation de cartes d'activation estimées directement depuis l'IRMf de repos sans tâche explicite. Combinaison de caractéristiques spatiales et temporelles via un cadre ensembliste. Prédiction de traits cognitifs (lecture, intelligence fluide, vitesse de traitement) et de personnalité (ouverture, extraversion). Performance de pointe avec corrélations jusqu'à 0.5284 sur le dataset HCP. Démontre l'utilité de la modélisation spatio-temporelle pour les relations cerveau-comportement.
Potentiel pour évaluer les capacités cognitives et les traits de personnalité sans tâches comportementales explicites. Peut être pertinent pour le suivi des patients en neuropsychologie, notamment pour les profils de haut potentiel. Nécessite validation sur des populations cliniques.
Modéré