Dynamic Brain Network Correlates of Spontaneous Fluctuations in Attention
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
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.
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 | 0,004 |
| 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