Cortico-cerebellar network involved in saccade adaptation
Notice bibliographique
Résumé
Saccade adaptation is the learning process that ensures that vision and saccades remain calibrated. The central nervous system network involved in these adaptive processes remains unclear because of difficulties in isolating the learning process from the correlated visual and motor processes. Here we imaged the human brain during a novel saccade adaptation paradigm that allowed us to isolate neural signals involved in learning independent of the changes in the amplitude of corrective saccades usually correlated with adaptation. We show that the changes in activation in the ipsiversive cerebellar vermis that track adaptation are not driven by the changes in corrective saccades and thus provide critical supporting evidence for previous findings. Similarly, we find that activation in the dorsomedial wall of the contraversive precuneus mirrors the pattern found in the cerebellum. Finally, we identify dorsolateral and dorsomedial cortical areas in the frontal and parietal lobes that encode the retinal errors following inaccurate saccades used to drive recalibration. Together, these data identify a distributed network of cerebellar and cortical areas and their specific roles in oculomotor learning. NEW & NOTEWORTHY The central nervous system constantly learns from errors and adapts to keep visual targets and saccades in registration. We imaged the human brain while the gain of saccades adapted to a visual target that was displaced while the eye was in motion, inducing retinal error. Activity in the cerebellum and precuneus tracked learning, whereas parts of the dorsolateral and dorsomedial frontal and parietal cortex encoded the retinal error used to drive learning.
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 | 0,000 |
| 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 ».