Sleep‐dependent consolidation of face recognition and its relationship to <scp>REM</scp> sleep duration, <scp>REM</scp> density and Stage 2 sleep spindles
Notice bibliographique
Résumé
Face recognition is a highly specialized capability that has implicit and explicit memory components. Studies show that learning tasks with facial components are dependent on rapid eye movement and non-rapid eye movement sleep features, including rapid eye movement sleep density and fast sleep spindles. This study aimed to investigate the relationship between sleep-dependent consolidation of memory for faces and partial rapid eye movement sleep deprivation, rapid eye movement density, and fast and slow non-rapid eye movement sleep spindles. Fourteen healthy participants spent 1 night each in the laboratory. Prior to bed they completed a virtual reality task in which they interacted with computer-generated characters. Half of the participants (REMD group) underwent a partial rapid eye movement sleep deprivation protocol and half (CTL group) had a normal amount of rapid eye movement sleep. Upon awakening, they completed a face recognition task that contained a mixture of previously encountered faces from the task and new faces. Rapid eye movement density and fast and slow sleep spindles were detected using in-house software. The REMD group performed worse than the CTL group on the face recognition task; however, rapid eye movement duration and rapid eye movement density were not related to task performance. Fast and slow sleep spindles showed differential relationships to task performance, with fast spindles being positively and slow spindles negatively correlated with face recognition. The results support the notion that rapid eye movement and non-rapid eye movement sleep characteristics play complementary roles in face memory consolidation. This study also raises the possibility that fast and slow spindles contribute in opposite ways to sleep-dependent memory consolidation.
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 | 0,007 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».