Identification of Mood-Relevant Brain Connections Using a Continuous, Subject-Driven Rumination Paradigm
Notice bibliographique
Résumé
Rumination, an internal cognitive state characterized by recursive thinking of current self-distress and past negative events, has been found to correlate with the development of depressive disorders. Here, we investigated the feasibility of using connectivity for distinguishing different emotional states induced by a novel free-streaming, subject-driven experimental paradigm. Connectivity between 78 functional regions of interest (ROIs) within 14 large-scale networks and 6 structural ROIs particularly relevant to emotional processing were used for classifying 4 mental states in 19 healthy controls. The 4 mental states comprised: An unconstrained period of mind wandering; a ruminative mental state self-induced by recalling a time of personal disappointment; a euphoric mental state self-induced by recalling what brings the subject joy; and a sequential episodic recollection of the events of the day. A support vector machine achieved accuracies ranging from 89% to 94% in classifying pairs of different mental states. We reported the most significant brain connections that best discriminated these mental states. In particular, connectivity changes involving the amygdala were found to be important for distinguishing the rumination condition from the other mental states. Our results demonstrated that connectivity-based classification of subject-driven emotional states constitutes a novel and effective approach for studying ruminative behavior.
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 | 0,000 | 0,008 |
| 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 ».