Individual differences in neural representations of accumulating affective information
Notice bibliographique
Résumé
How does the emergence of a neural representation of affective salience differ between individuals? Previous research has shown that with successful aversive conditioning visual representations of two conditioned stimuli can converge [1]. Here we used representational similarity analysis (RSA) of fMRI data to study individual differences in the changes that accrue to the representations of visual stimuli over the course of emotional learning. Participants were scanned during a Pavlovian conditioning task using both aversive and pleasurable reinforcers in a slow event-related design. In separate blocks, participants learned to associate two individual faces with either a painful pinch or pleasurable brush stroke (CS+), while a third face remained unreinforced (CS-). Faces were rated for likability before and after conditioning and participants were grouped into conditioners and non-conditioners based on changes in likability ratings. Ventromedial prefrontal cortex (VMPFC) and ventral visual cortex regions of interest (ROIs) were anatomically defined. For each ROI, multivariate representational similarity matrices were calculated using the patterns of activation for each stimulus presentation. Finally, inferential statistics were performed to evaluate similarity of adjacent trials within each stimulus category and of corresponding trials between different stimulus categories. Results showed that in the VMPFC, similarity of representations for CS+ stimuli steadily increased during learning for conditioners only. Furthermore, the representations of the two CS+ stimuli became more similar for conditioners than non-conditioners. This suggests such a convergence in stimulus representation is driven by affective processes. This pattern was not observed in the ventral visual ROI, suggesting a dissociation between how affect information accumulates over time in PFC compared to ventral visual regions. The nature of such affect-driven information accumulation was further probed through exploratory RSA on ROIs defined by specific resting state networks. Meeting abstract presented at VSS 2017
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 ».