Brain Activity Patterns Uniquely Supporting Visual Feature Integration after Traumatic Brain Injury
Notice bibliographique
Résumé
Traumatic brain injury (TBI) patients typically respond more slowly and with more variability than controls during tasks of attention requiring speeded reaction time. These behavioral changes are attributable, at least in part, to diffuse axonal injury (DAI), which affects integrated processing in distributed systems. Here we use a multivariate method sensitive to distributed neural activity to compare brain activity patterns of patients with chronic phase moderate to-severe TBI to those of controls during performance on a visual feature integration task assessing complex attentional processes that has previously shown sensitivity to TBI. The TBI patients were carefully screened to be free of large focal lesions that can affect performance and brain activation independently of DAI. The task required subjects to hold either one or three features of a Target in mind while suppressing responses to distracting information. In controls, the multi-feature condition activated a distributed network including limbic, prefrontal, and medial temporal structures. TBI patients engaged this same network in the single-feature and baseline conditions. In multi-feature presentations, TBI patients alone activated additional frontal, parietal, and occipital regions. These results are consistent with neuroimaging studies using tasks assessing different cognitive domains, where increased spread of brain activity changes was associated with TBI. Our results also extend previous findings that brain activity for relatively moderate task demands in TBI patients is similar to that associated with of high task demands in controls.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».