MétaCan
Menu
Retour à la cohorte
Enregistrement W4281899151 · doi:10.1016/j.ynirp.2022.100102

Beta-band power is an index of multisensory weighting during self-motion perception

2022· article· en· W4281899151 sur OpenAlexaff
Ben Townsend, Joey K. Legere, Martin v. Mohrenschildt, Judith M. Shedden

Notice bibliographique

RevueNeuroimage Reports · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésVestibular systemPsychologyPerceptionMotion perceptionProprioceptionMotion (physics)Multisensory integrationElectroencephalographyBiological motionVisual perceptionStimulus (psychology)WeightingCommunicationCognitive psychologyAudiologyNeuroscienceComputer visionComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Human self-motion perception largely relies on the integration of the visual, vestibular and proprioceptive systems. Much behavioral research has been conducted in order to understand this integration process; however, little is known about the online processes in humans during self-motion perception. Of the few studies to physically move human participants with full-body motion while recording the brain, most have used EEG due to its relative mobility. Past research provides evidence that multisensory self-motion perception elicits theta, alpha, and beta oscillations. It is important, however, to understand the individual contribution of each sense to fully understand how these oscillatory frequencies contribute to self-motion perception. To our knowledge, there has yet to be a study that directly compares the EEG correlates of visual self-motion with a no-motion physical input, versus physical-self motion with a no-motion visual input. We recorded event-related spectral power within a motion simulator controlled by a MOOG Stewart platform. Participants were given a visual or physical stimulus and made heading direction judgments. Compared to physical-only trials, visual-only trials produced earlier theta ERS and alpha ERD early in the trial, and more robust beta ERS late in the trial. We suggest beta-band power is likely associated with the process of visual-vestibular weighting. Moreover, within the right motor area, we found differences in theta power associated with left versus right headings. Theta ERS in the right motor area appears to be associated with heading processing for both the visual and vestibular systems but is minimally affected by multisensory weighting.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,045
Tête enseignante GPT0,302
Écart entre enseignants0,257 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroimage ReportsMême sujetVisual perception and processing mechanismsTravaux en français237 207