Scale‐free dynamics of core‐periphery topography
Notice bibliographique
Résumé
The human brain's cerebral cortex exhibits a topographic division into higher-order transmodal core and lower-order unimodal periphery regions. While timescales between the core and periphery region diverge, features of their power spectra, especially scale-free dynamics during resting-state and their mdulation in task states, remain unclear. To answer this question, we investigated the ~1/f-like pink noise manifestation of scale-free dynamics in the core-periphery topography during rest and task states applying infra-slow inter-trial intervals up to 1 min falling inside the BOLD's infra-slow frequency band. The results demonstrate (1) higher resting-state power-law exponent (PLE) in the core compared to the periphery region; (2) significant PLE increases in task across the core and periphery regions; and (3) task-related PLE increases likely followed the task's atypically low event rates, namely the task's periodicity (inter-trial interval = 52-60 s; 0.016-0.019 Hz). A computational model and a replication dataset that used similar infra-slow inter-trial intervals provide further support for our main findings. Altogether, the results show that scale-free dynamics differentiate core and periphery regions in the resting-state and mediate task-related effects.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».