Are You Upset? Distinct Roles for Orbitofrontal and Lateral Prefrontal Cortex in Detecting and Distinguishing Facial Expressions of Emotion
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
Navigating our complex social world requires effective processing of subtle emotional signals, such as those conveyed by facial expressions. Failure to do so may underlie some of the disabling social-emotional deficits common in a range of neuropsychiatric and neurological conditions. Prefrontal cortex (PFC) has long been implicated in these processes, but the particular contributions of subregions within PFC remain unclear. We used a sensitive facial emotion rating task in patients with focal lesions to different regions within PFC to identify distinct contributions of 2 prefrontal regions to recognizing emotions from facial expressions. A combination of region-of-interest and voxel-based lesion-symptom mapping established that damage to ventromedial PFC impaired the detection of subtle facial expressions of emotion. Such patients had difficulty distinguishing emotional from neutral expressions. In contrast, patients with left ventrolateral PFC were able to detect the presence of emotional signals but had difficulty discriminating between specific emotions. These effects were regionally specific: Dorsomedial prefrontal damage had no effect on either aspect of emotion recognition. These findings suggest that separable processes relying critically on distinct regions within PFC responsible, on the one hand, for detecting emotional signals from facial expressions and, on the other, for correctly classifying such signals.
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 | 0,001 |
| 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