MétaCan
Menu
Retour à la cohorte
Enregistrement W2049042707 · doi:10.1371/journal.pone.0096803

Rapid Amygdala Responses during Trace Fear Conditioning without Awareness

2014· article· en· W2049042707 sur OpenAlexaff
Nicholas L. Balderston, Douglas H. Schultz, Sylvain Baillet, Fred J. Helmstetter

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory and Neural Mechanisms
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Institute of Mental Health
Mots-clésAmygdalaFear conditioningMagnetoencephalographyNeurosciencePsychologyClassical conditioningCognitive psychologyStimulus (psychology)ConsciousnessTRACE (psycholinguistics)ConditioningElectroencephalography

Résumé

récupéré en direct d'OpenAlex

The role of consciousness in learning has been debated for nearly 50 years. Recent studies suggest that conscious awareness is needed to bridge the gap when learning about two events that are separated in time, as is true for trace fear conditioning. This has been repeatedly shown and seems to apply to other forms of classical conditioning as well. In contrast to these findings, we show that individuals can learn to associate a face with the later occurrence of a shock, even if they are unable to perceive the face. We used a novel application of magnetoencephalography (MEG) to non-invasively record neural activity from the amygdala, which is known to be important for fear learning. We demonstrate rapid (∼ 170-200 ms) amygdala responses during the stimulus free period between the face and the shock. These results suggest that unperceived faces can serve as signals for impending threat, and that rapid, automatic activation of the amygdala contributes to this process. In addition, we describe a methodology that can be applied in the future to study neural activity with MEG in other subcortical structures.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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 recherche0,0000,001
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 Opus0,151
Tête enseignante GPT0,299
Écart entre enseignants0,148 · 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'étudeExpérimental (laboratoire)
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

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMemory and Neural MechanismsTravaux en français237 207