MétaCan
Menu
Retour à la cohorte
Enregistrement W2895683120 · doi:10.1002/hbm.24412

The temporal signature of self: Temporal measures of resting‐state EEG predict self‐consciousness

2018· article· en· W2895683120 sur OpenAlexafffund
Annemarie Wolff, Daniel A. Di Giovanni, Javier Gómez‐Pilar, Takashi Nakao, Zirui Huang, André Longtin, Georg Northoff

Notice bibliographique

RevueHuman Brain Mapping · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill UniversityMontreal Neurological Institute and HospitalUniversity of Ottawa
Organismes subventionnairesNational Key Research and Development Program of ChinaCanadian Institutes of Health ResearchHangzhou Normal UniversityHope for Depression Research Foundation
Mots-clésResting state fMRIBrain activity and meditationConsciousnessPsychologyElectroencephalographyPosterior cingulateDefault mode networkNeuroscienceCognitive psychologyCortex (anatomy)Functional magnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

The self is the core of our mental life. Previous investigations have demonstrated a strong neural overlap between self-related activity and resting state activity. This suggests that information about self-relatedness is encoded in our brain's spontaneous activity. The exact neuronal mechanisms of such "rest-self containment," however, remain unclear. The present EEG study investigated temporal measures of resting state EEG to relate them to self-consciousness. This was obtained with the self-consciousness scale (SCS) which measures Private, Public, and Social dimensions of self. We demonstrate positive correlations between Private self-consciousness and three temporal measures of resting state activity: scale-free activity as indexed by the power-law exponent (PLE), the auto-correlation window (ACW), and modulation index (MI). Specifically, higher PLE, longer ACW, and stronger MI were related to higher degrees of Private self-consciousness. Finally, conducting eLORETA for spatial tomography, we found significant correlation of Private self-consciousness with activity in cortical midline structures such as the perigenual anterior cingulate cortex and posterior cingulate cortex. These results were reinforced with a data-driven analysis; a machine learning algorithm accurately predicted an individual as having a "high" or "low" Private self-consciousness score based on these measures of the brain's spatiotemporal structure. In conclusion, our results demonstrate that Private self-consciousness is related to the temporal structure of resting state activity as featured by temporal nestedness (PLE), temporal continuity (ACW), and temporal integration (MI). Our results support the hypothesis that self-related information is temporally contained in the brain's resting state. "Rest-self containment" can thus be featured by a temporal signature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,273
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations134
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Brain MappingMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207