The Modular Organization of Pain Brain Networks: An fMRI Graph Analysis Informed by Intracranial EEG
Notice bibliographique
Résumé
Intracranial EEG (iEEG) studies have suggested that the conscious perception of pain builds up from successive contributions of brain networks in less than 1 s. However, the functional organization of cortico-subcortical connections at the multisecond time scale, and its accordance with iEEG models, remains unknown. Here, we used graph theory with modular analysis of fMRI data from 60 healthy participants experiencing noxious heat stimuli, of whom 36 also received audio stimulation. Brain connectivity during pain was organized in four modules matching those identified through iEEG, namely: 1) sensorimotor (SM), 2) medial fronto-cingulo-parietal (default mode-like), 3) posterior parietal-latero-frontal (central executive-like), and 4) amygdalo-hippocampal (limbic). Intrinsic overlaps existed between the pain and audio conditions in high-order areas, but also pain-specific higher small-worldness and connectivity within the sensorimotor module. Neocortical modules were interrelated via "connector hubs" in dorsolateral frontal, posterior parietal, and anterior insular cortices, the antero-insular connector being most predominant during pain. These findings provide a mechanistic picture of the brain networks architecture and support fractal-like similarities between the micro-and macrotemporal dynamics associated with pain. The anterior insula appears to play an essential role in information integration, possibly by determining priorities for the processing of information and subsequent entrance into other points of the brain connectome.
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 | 0,000 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».