MétaCan
Menu
Retour à la cohorte
Enregistrement W1998407076 · doi:10.1162/jocn.2010.21521

Sound Processing Hierarchy within Human Auditory Cortex

2010· article· en· W1998407076 sur OpenAlexaff
Hidehiko Okamoto, Henning Stracke, Patrick Bermudez, Christo Pantev

Notice bibliographique

RevueJournal of Cognitive Neuroscience · 2010
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensMcGill University
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésAuditory cortexMagnetoencephalographyPsychologyAuditory maskingAuditory perceptionPerceptionSensory systemMasking (illustration)Auditory scene analysisAuditory systemComputational auditory scene analysisAudiologyCommunicationNeuroscienceElectroencephalographySpeech recognitionComputer science

Résumé

récupéré en direct d'OpenAlex

Both attention and masking sounds can alter auditory neural processes and affect auditory signal perception. In the present study, we investigated the complex effects of auditory-focused attention and the signal-to-noise ratio of sound stimuli on three different auditory evoked field components (auditory steady-state response, N1m, and sustained field) by means of magnetoencephalography. The results indicate that the auditory steady-state response originating in primary auditory cortex reflects the signal-to-noise ratio of physical sound inputs (bottom-up process) rather than the listener's attentional state (top-down process), whereas the sustained field, originating in nonprimary auditory cortex, reflects the attentional state rather than the signal-to-noise ratio. The N1m was substantially influenced by both bottom-up and top-down neural processes. The differential sensitivity of the components to bottom-up and top-down neural processes, contingent on their level in the processing pathway, suggests a stream from bottom-up driven sensory neural processing to top-down driven auditory perception within human auditory cortex.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,309
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cognitive NeuroscienceMême sujetNeural dynamics and brain functionTravaux en français237 207