What is the Best Music for Neurofeedback Training?
Notice bibliographique
Résumé
The nucleus accumbens (NAc) is widely known for its role in reward seeking behavior which is heavily reliant on dopamine signaling. Dopamine plays an important role in reward seeking behavior and motivation and its dysregulation is shown to cause symptoms of depression such as apathy, a lack of motivation, and anhedonia, a loss of pleasure. Studying the NAc, specifically the ventral striatum in this case, is critical in understanding the underlying mechanisms of this dysregulation. Music neurofeedback is a biofeedback technique that provides feedback on brain activity through the audio quality of the music, with lower quality sounding more muffled. This study uses this technique to train participants to increase the activity of their ventral striatum in an attempt to upregulate the activity of the reward system. This paper aims to investigate what the most effective music choices are in terms of genre, key, valence (positive or negative emotions) and energy (pertaining to levels of arousal) to maximize the improvement on neurofeedback training. These musical attributes were identified by the Spotify “Organize Your Music” categorization tool. Participants underwent six EEG music neurofeedback training sessions with individually tailored pleasurable music as the source of feedback. The participants either received real feedback in the neurofeedback group (NF) or sham feedback in the control group. The results of this study showed that neurofeedback performance was negatively correlated with valence whereby songs that led to the greatest performance, measured as increase in ventral striatum activity from baseline, were those low in valence. Participants that had the greatest improvement in their neurofeedback training selected songs that were in a minor key and belonged to the pop genre. Although this study is based on a small sample, it takes the first step towards the overarching goal of using music to manage dysregulation in the reward system.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».