Brain activity during a motor learning task: An fMRI and skin conductance study
Notice bibliographique
Résumé
Measuring electrodermal activity (EDA) during fMRI is an effective means of studying the influence of task-related arousal, inferred from autonomic nervous system activity, on brain activation patterns. The goals of this study were: (1) to measure reliable EDA from healthy individuals during fMRI involving an effortful unilateral motor task, (2) to explore how EDA recordings can be used to augment fMRI data analysis. In addition to conventional hemodynamic modeling, skin conductance time series data were used as model waveforms to generate activation images from fMRI data. Activations from the EDA model produced significantly different brain regions from those obtained with a standard hemodynamic model, primarily in the insula and cingulate cortices. Onsets of the EDA changes were synchronous with the hemodynamic model, but EDA data showed additional transient features, such as a decrease in amplitude with time, and helped to provide behavioral evidence suggesting task difficulty decreased with movement repetition. Univariate statistics also confirmed that several brain regions showed early versus late session effects. Partial least squares (PLS) multivariate analysis of EDA and fMRI data provided complimentary, additional insight on how the motor network varied over the course of a single fMRI session. Brain regions identified in this manner included the insula, cingulate gyrus, pre- and postcentral gyri, putamen and parietal cortices. These results suggest that recording EDA during motor fMRI experiments provides complementary information that can be used to improve the fMRI analysis, particularly when behavioral or task effects are difficult to model a priori.
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 | 0,002 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».