Neurofeedback Training Induces Changes in White and Gray Matter
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The main objective of this structural magnetic resonance imaging (MRI) study was to investigate, using diffusion tensor imaging, whether a neurofeedback training (NFT) protocol designed to improve sustained attention might induce structural changes in white matter (WM) pathways, purportedly implicated in this cognitive ability. Another goal was to examine whether gray matter (GM) volume (GMV) might be altered following NFT in frontal and parietal cortical areas connected by these WM fiber pathways. Healthy university students were randomly assigned to an experimental group (EXP), a sham group, or a control group. Participants in the EXP group were trained to enhance the amplitude of their β1 waves at F4 and P4. Measures of attentional performance and MRI data were acquired one week before (Time 1) and one week after (Time 2) NFT. Higher scores on visual and auditory sustained attention were noted in the EXP group at Time 2 (relative to Time 1). As for structural MRI data, increased fractional anisotropy was measured in WM pathways implicated in sustained attention, and GMV increases were detected in cerebral structures involved in this type of attention. After 50 years of research in the field of neurofeedback, our study constitutes the first empirical demonstration that NFT can lead to microstructural changes in white and gray matter.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle