JB
Jannis Bielefeld
Author with expertise in Analysis of Brain Functional Connectivity Networks
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
2
(100% Open Access)
Cited by:
3
h-index:
3
/
i10-index:
0
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
19

The Hard Limits of Decoding Mental States: The Decodability of fMRI

Rami Jabakhanji et al.Dec 21, 2020
+6
J
A
R
SUMMARY High-profile studies claim to assess mental states across individuals using multi-voxel decoders of brain activity. The fixed, fine-grained, multi-voxel patterns in these “optimized” decoders are purportedly necessary for discriminating between, and accurately identifying, mental states. Here, we present compelling evidence that the efficacy of these decoders is overstated. Across a variety of tasks, decoder patterns were not necessary. Not only were “optimized decoders” spatially imprecise and 90% redundant, but they also performed similarly to simpler decoders, built from average brain activity. We distinguish decoder performance when used for discriminating between, in contrast to identifying, mental states, and show even when discrimination performance is strong, identification can be poor. Using similarity rules, we derived novel and intuitive discriminability metrics that capture 95% and 68% of discrimination performance within- and across-subjects, respectively. These findings demonstrate that current across-subject decoders remain inadequate for real-life decision making.
1

Structural brain connectivity predicts acute pain after mild traumatic brain injury

Paulo Branco et al.Nov 13, 2021
+5
Y
O
P
Abstract Mild traumatic brain injury, mTBI, is a leading cause of disability worldwide, with acute pain manifesting as one of its most debilitating symptoms. Understanding acute post-injury pain is important since it is a strong predictor of long-term outcomes. In this study, we imaged the brains of 172 patients with mTBI, following a motorized vehicle collision and used a machine learning approach to extract white matter structural and resting state fMRI functional connectivity measures to predict acute pain. Stronger white matter tracts within the sensorimotor, thalamic-cortical, and default-mode systems predicted 20% of the variance in pain severity within 72 hours of the injury. This result generalized in two independent groups: 39 mTBI patients and 13 mTBI patients without whiplash symptoms. White matter measures collected at 6-months after the collision still predicted mTBI pain at that timepoint (n = 36). These white-matter connections were associated with two nociceptive psychophysical outcomes tested at a remote body site – namely conditioned pain modulation and magnitude of suprathreshold pain–, and with pain sensitivity questionnaire scores. Our validated findings demonstrate a stable white-matter network, the properties of which determine a significant amount of pain experienced after acute injury, pinpointing a circuitry engaged in the transformation and amplification of nociceptive inputs to pain perception.