Functional Brain Connectivity of Language Functions in Children Revealed by EEG and MEG: A Systematic Review
Notice bibliographique
Résumé
The development of language functions is of great interest to neuroscientists, as these functions are among the fundamental capacities of human cognition. For many years, researchers aimed at identifying cerebral correlates of language abilities. More recently, the development of new data analysis tools has generated a shift toward the investigation of complex cerebral networks. In 2015, Weiss-Croft and Baldeweg published a very interesting systematic review on the development of functional language networks, explored through the use of functional magnetic resonance imaging (fMRI). Compared to fMRI and because of their excellent temporal resolution, magnetoencephalography (MEG) and electroencephalography (EEG) provide different and important information on brain activity. Both therefore constitute crucial neuroimaging techniques for the investigation of the maturation of functional language brain networks. The main objective of this systematic review is to provide a state of knowledge on the investigation of language-related cerebral networks in children, through the use of EEG and MEG, as well as a detailed portrait of relevant MEG and EEG data analysis methods used in that specific research context. To do so, we have summarized the results and systematically compared the methodological approach of 24 peer-reviewed EEG or MEG scientific studies that included healthy children and children with or at high risk of language disabilities, from birth up to 18 years of age. All included studies employed functional and effective connectivity measures, such as coherence, phase locking value, and Phase Slope Index, and did so using different experimental paradigms (e.g., at rest or during language-related tasks). This review will provide more insight into the use of EEG and MEG for the study of language networks in children, contribute to the current state of knowledge on the developmental path of functional connectivity in language networks during childhood and adolescence, and finally allow future studies to choose the most appropriate type of connectivity analysis.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».