Neural substrates of numerosity estimation in autism
Notice bibliographique
Résumé
Visual skills, including numerosity estimation are reported to be superior in autism spectrum disorders (ASD). This phenomenon is attributed to individuals with ASD processing local features, rather than the Gestalt. We examined the neural correlates of numerosity estimation in adults with and without ASD, to disentangle perceptual atypicalities from numerosity processing. Fourteen adults with ASD and matched typically developed (TD) controls estimated the number of dots (80-150) arranged either randomly (local information) or in meaningful patterns (global information) while brain activity was recorded with magnetoencephalography (MEG). Behavioral results showed no significant group difference in the errors of estimation. However, numerical estimation in ASD was more variable across numerosities than TD and was not affected by the global arrangement of the dots. At 80-120 ms, MEG analyses revealed early significant differences (TD > ASD) in source amplitudes in visual areas, followed from 120 to 400 ms by group differences in temporal, and then parietal regions. After 400 ms, a source was found in the superior frontal gyrus in TD only. Activation in temporal areas was differently sensitive to the global arrangement of dots in TD and ASD. MEG data show that individuals with autism exhibit widespread functional abnormalities. Differences in temporal regions could be linked to atypical global perception. Occipital followed by parietal and frontal differences might be driven by abnormalities in the processing and conversion of visual input into a number-selective neural code and complex cognitive decisional stages. These results suggest overlapping atypicalities in sensory, perceptual and number-related processing during numerosity estimation in ASD.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».