Dynamic Brain Network Correlates of Spontaneous Fluctuations in Attention
Notice bibliographique
Résumé
Human attention is intrinsically dynamic, with focus continuously shifting between elements of the external world and internal, self-generated thoughts. Communication within and between large-scale brain networks also fluctuates spontaneously from moment to moment. However, the behavioral relevance of dynamic functional connectivity and possible link with attentional state shifts is unknown. We used a unique approach to examine whether brain network dynamics reflect spontaneous fluctuations in moment-to-moment behavioral variability, a sensitive marker of attentional state. Nineteen healthy adults were instructed to tap their finger every 600 ms while undergoing fMRI. This novel, but simple, approach allowed us to isolate moment-to-moment fluctuations in behavioral variability related to attention, independent of common confounds in cognitive tasks (e.g., stimulus changes, response inhibition). Spontaneously increasing tap variance ("out-of-the-zone" attention) was associated with increasing activation in dorsal-attention and salience network regions, whereas decreasing tap variance ("in-the-zone" attention) was marked by increasing activation of default mode network (DMN) regions. Independent of activation, tap variance representing out-of-the-zone attention was also time-locked to connectivity both within DMN and between DMN and salience network regions. These results provide novel mechanistic data on the understudied neural dynamics of everyday, moment-to-moment attentional fluctuations, elucidating the behavioral importance of spontaneous, transient coupling within and between attention-relevant networks.
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 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 ».