Functional reorganization of language networks for semantics and syntax in chronic stroke: Evidence from MEG
Notice bibliographique
Résumé
Using magnetoencephalography, we investigated the potential of perilesional and contralesional activity to support language recovery in patients with poststroke aphasia. In healthy young controls, left-lateralized ventral frontotemporal regions responded to semantic anomalies during sentence comprehension and bilateral dorsal frontoparietal regions responded to syntactic anomalies. Older adults showed more extensive bilateral responses to the syntactic anomalies and less lateralized responses to the semantic anomalies, with decreased activation in the left occipital and parietal regions for both semantic and syntactic anomalies. In aphasic participants, we observed compensatory recruitment in the right hemisphere (RH), which varied depending on the type of linguistic information that was processed. For semantic anomalies, aphasic patients activated some preserved left hemisphere regions adjacent to the lesion, as well as homologous parietal and temporal RH areas. Patients also recruited right inferior and dorsolateral frontal cortex that was not activated in the healthy participants. Responses for syntactic anomalies did not reach significance in patients. Correlation analyses indicated that recruitment of homologous temporoparietal RH areas is associated with better semantic performance, whereas higher accuracy on the syntactic task was related to bilateral superior temporoparietal and right frontal activity. The results suggest that better recovery of semantic processing is associated with a shift to ventral brain regions in the RH. In contrast, preservation of syntactic processing is mediated by dorsal areas, bilaterally, although recovery of syntactic processing tends to be poorer than semantic. Hum Brain Mapp 37:2869-2893, 2016. © 2016 Wiley Periodicals, Inc.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».