The pons and human affective processing — Implications for Parkinson's disease
Notice bibliographique
Résumé
Parkinson's disease Affective processingAffective processing determines how we react to stimuli, interact with the surroundings and perceive the world.It shapes our behaviour.In their article in this issue of EBioMedicine, Lee et al. (Lee et al., 2015) shed light on the involvement of the pons in affective processing in healthy volunteers.The authors report the findings of experiments where they showed images to adult women.The images consisted of visual stimuli containing a positive, neutral or negative affective charge.They conducted blood-oxygen-level dependent (BOLD) contrast functional magnetic resonance imaging (fMRI) to determine brain metabolism during the visualising and subsequent emotional processes.Specifically, they analysed task-based BOLD signals, tested small-world connectivity and examined resting-state functional and diffusion tensor imaging (DTI) structural connectivity.They discovered that showing positive visual stimuli results in activation of a pontine region, possibly the caudal raphe nuclei.A significant functional connectivity was found between the pons and corticosub-cortical structures involved in affective processing, encompassing the caudate nucleus, thalamus, hippocampus, amygdala, as well as the cingulate, insular and frontal cortices.The authors conclude that their findings indicate that the pons forms a network with "cortico-limbic-striatal" systems to mediate one's affective state after seeing emotionally-charged images.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,014 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».