Extrastriate Body Area (EBA) Activation is Greatest During Viewing of a Dance Sequence Compared to Visualization and Movement: Evidence for Learning and Expertise Effects
Notice bibliographique
Résumé
Overlapping regions of the mirror neuron network (MNN) are activated to varying extents during viewing, visualization, and execution of movement (Grèzes and Decety, 2001). Although recent evidence has implicated the extrastriate body area (EBA) as a compensatory visuomotor processing area (van Nuenen et al., 2012, Urgesi et al., 2007), its role in motor execution continues to be debated (Astafiev et al. 2004; Peelen and Downing 2005) and the influences of learning and expertise on EBA activation remain unknown. To clarify the role of EBA in the MNN, we scanned 11 expert ballet dancers and 10 controls using functional magnetic resonance imaging (fMRI) during three tasks: viewing a ballet dance, visualizing a ballet dance, and a motor localizer task. The expert group was scanned up to four times over a 34-week programme to ascertain any putative learning effects within the EBA. Our results show that the viewing task elicited the strongest bilateral EBA activation (left EBA: F(2,30) = 76.31, P<0.001, right EBA: F(2,34)= 51.171, P<0.001), with evidence for learning effects and increased bilateral activation during the visualization task over time (P<0.05). Finally, significant contralateral EBA activation during movement execution in control subjects only demonstrates its modulation with experience (PBonf<0.05). These results provide a composite of the role played by the EBA as a higher-order visual processing area within the MNN, primarily subserving action observation of complex sequences of naturalistic whole-body movement and modified by experience and motor learning. Meeting abstract presented at VSS 2014
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 | 0,001 |
| 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 | 0,001 |
| 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 ».