Abstract A major challenge in computing the lateralization index (LI) of functional magnetic resonance imaging (fMRI) is the change in the index value according to the threshold applied and the task employed. To address this problem, we previously developed a threshold-free index called AveLI. AveLI is the average of the sub-LIs that are computed at all positive intensity values as the threshold. Thus, the algorithm has an intrinsic weighting on higher values due to the repeated involvement of the sub-LIs, and simultaneously also includes the lower intensities. While our previous study suggested the adequate reproducibility of AveLI between two tasks, we herein aimed to further investigate it using four different language tasks. We endeavored to include left-handed people to obtain a greater proportion of right hemisphere dominance in the 47 healthy participants analyzed. To characterize AveLI, we compared a total of six LI types including an index with a threshold and one with no threshold or weighting. We confirmed that AveLI had the highest reproducibility among all LI types examined. This was due to the use of the algorithm with weighting. A conventional LI with a threshold exhibited less reproducibility than AveLI, despite its ability to detect the left and right dominances to a similar extent as AveLI. This discrepancy suggested that AveLI encompassed an intrinsic lateralization that was hidden in the lower intensities, whereas the LI with the threshold omitted it to provide a task-specific lateralization.

中文翻译：

---

跨语言任务的功能磁共振成像侧化指数的可重复性

摘要 计算功能磁共振成像 (fMRI) 的侧化指数 (LI) 的一个主要挑战是指数值根据应用的阈值和采用的任务而发生的变化。为了解决这个问题，我们之前开发了一个名为 AveLI 的无阈值索引。AveLI 是在所有正强度值作为阈值计算的子 LI 的平均值。因此，由于子 LI 的重复参与，该算法对较高值具有固有权重，同时还包括较低强度。虽然我们之前的研究表明 AveLI 在两个任务之间具有足够的可重复性，但我们在此旨在使用四种不同的语言任务进一步研究它。我们努力将左撇子包括在内，以便在分析的 47 名健康参与者中获得更大比例的右半球优势。为了表征 AveLI，我们比较了总共六种 LI 类型，包括具有阈值的指数和没有阈值或加权的指数。我们确认 AveLI 在所有检查的 LI 类型中具有最高的可重复性。这是由于使用了带权重的算法。具有阈值的传统 LI 表现出比 AveLI 更低的可重复性，尽管它能够以与 AveLI 相似的程度检测左右优势。这种差异表明 AveLI 包含隐藏在较低强度中的内在侧化，而具有阈值的 LI 忽略了它以提供特定于任务的侧化。我们比较了总共六种 LI 类型，包括带有阈值的索引和没有阈值或加权的索引。我们确认 AveLI 在所有检查的 LI 类型中具有最高的可重复性。这是由于使用了带权重的算法。具有阈值的传统 LI 表现出比 AveLI 更低的可重复性，尽管它能够以与 AveLI 相似的程度检测左右优势。这种差异表明 AveLI 包含隐藏在较低强度中的内在侧化，而具有阈值的 LI 忽略了它以提供特定于任务的侧化。我们比较了总共六种 LI 类型，包括带有阈值的索引和没有阈值或加权的索引。我们确认 AveLI 在所有检查的 LI 类型中具有最高的可重复性。这是由于使用了带权重的算法。具有阈值的传统 LI 表现出比 AveLI 更低的可重复性，尽管其检测左右优势的能力与 AveLI 相似。这种差异表明 AveLI 包含隐藏在较低强度中的内在侧化，而具有阈值的 LI 忽略了它以提供特定于任务的侧化。这是由于使用了带权重的算法。具有阈值的传统 LI 表现出比 AveLI 更低的可重复性，尽管它能够以与 AveLI 相似的程度检测左右优势。这种差异表明 AveLI 包含隐藏在较低强度中的内在侧化，而具有阈值的 LI 忽略了它以提供特定于任务的侧化。这是由于使用了带权重的算法。具有阈值的传统 LI 表现出比 AveLI 更低的可重复性，尽管它能够以与 AveLI 相似的程度检测左右优势。这种差异表明 AveLI 包含隐藏在较低强度中的内在侧化，而具有阈值的 LI 忽略了它以提供特定于任务的侧化。