Identification of discrete functional subregions of the human periaqueductal gray
Notice bibliographique
Résumé
The midbrain periaqueductal gray (PAG) region is organized into distinct subregions that coordinate survival-related responses during threat and stress [Bandler R, Keay KA, Floyd N, Price J (2000) Brain Res 53 (1):95-104]. To examine PAG function in humans, researchers have relied primarily on functional MRI (fMRI), but technological and methodological limitations have prevented researchers from localizing responses to different PAG subregions. We used high-field strength (7-T) fMRI techniques to image the PAG at high resolution (0.75 mm isotropic), which was critical for dissociating the PAG from the greater signal variability in the aqueduct. Activation while participants were exposed to emotionally aversive images segregated into subregions of the PAG along both dorsal/ventral and rostral/caudal axes. In the rostral PAG, activity was localized to lateral and dorsomedial subregions. In caudal PAG, activity was localized to the ventrolateral region. This shifting pattern of activity from dorsal to ventral PAG along the rostrocaudal axis mirrors structural and functional neurobiological observations in nonhuman animals. Activity in lateral and ventrolateral subregions also grouped with distinct emotional experiences (e.g., anger and sadness) in a factor analysis, suggesting that each subregion participates in distinct functional circuitry. This study establishes the use of high-field strength fMRI as a promising technique for revealing the functional architecture of the PAG. The techniques developed here also may be extended to investigate the functional roles of other brainstem nuclei.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».