The balance between Bayesian inference and default mode determines the generation of tinnitus from decreased auditory input: A volume entropy‐based study
Notice bibliographique
Résumé
Along with phantom pain, tinnitus, a phantom auditory perception occurring in the absence of an external acoustic stimulus, is one of the most representative phantom perceptions that develops in subjects with decreased peripheral sensory input. Although tinnitus is closely associated with peripheral hearing loss (HL), it remains unclear why only some individuals with HL develop tinnitus. In this study, we investigated the differences between 65 HL with tinnitus (HL-T) and 104 HL with no tinnitus (HL-NT) using a resting-state electroencephalography data-based volume entropy model of the brain network, by comparing the afferent node capacities, that quantify the contribution of each node to the spread of information, of all Brodmann areas. While the HL-T group showed increased information flow in areas involved in Bayesian inference (the left orbitofrontal cortex, the left subgenual anterior cingulate cortex, and the left ventrolateral prefrontal cortex) and auditory memory storage (the right hippocampus/parahippocampus), the HL-NT group showed increased afferent node capacity in hub areas of the default mode network (DMN; the right posterior cingulate cortex and the right medial temporal gyrus). These results suggest that the balance of activity between the Bayesian inferential network (updating missing auditory information by retrieving auditory memories from the hippocampus/parahippocampus) and DMN (maintaining the "silent status quo") determines whether phantom auditory perception occurs in a brain with decreased peripheral auditory input.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,000 | 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 ».