Frontoparietal Activation With Preparation for Antisaccades
Notice bibliographique
Résumé
Several current models hold that frontoparietal areas exert cognitive control by biasing task-relevant processing in other brain areas. Previous event-related functional magnetic resonance imaging (fMRI) studies have compared prosaccades and antisaccades, which require subjects to look toward or away from a flashed peripheral stimulus, respectively. These studies found greater activation for antisaccades in frontal and parietal regions at the ends of long (>or=6 s) preparatory periods preceding peripheral stimulus presentation. Event-related fMRI studies using short preparatory periods (<or=4 s) have not found such activation differences except in the frontal eye field. Here, we identified activation differences associated with short (1-s) preparatory periods by interleaving half trials among regular whole trials in a rapid fMRI design. On whole trials, a colored fixation dot instructed human subjects to make either a prosaccade toward or an antisaccade away from a peripheral visual stimulus. Half trials included only the instruction and not peripheral stimulus presentation or saccade generation. Nonetheless, half trials evoked stronger activation on antisaccades than on prosaccades in the frontal eye field (FEF), supplementary eye field (SEF), left dorsolateral prefrontal cortex (DLPFC), anterior cingulate cortex (ACC), intraparietal sulcus (IPS), and precuneus. Greater antisaccade response-related activation was found in FEF, SEF, IPS, and precuneus but not in DLPFC or ACC. These results demonstrate greater preparatory activation for antisaccades versus prosaccades in frontoparietal areas and suggest that prefrontal cortex and anterior cingulate cortex are more involved in presetting the saccade network for the antisaccade task than generating the actual antisaccade response.
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 | 0,000 |
| 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 ».