MétaCan
Menu
Retour à la cohorte
Enregistrement W4385988046 · doi:10.1016/j.neuroimage.2023.120336

Anatomo-functional correspondence in the voice-selective regions of human prefrontal cortex

2023· article· en· W4385988046 sur OpenAlexaff
Mélina Cordeau, Ihsane Bichoutar, David Meunier, Kep Kee Loh, Isaure Michaud, Olivier Coulon, Guillaume Auzias, Pascal Belin

Notice bibliographique

RevueNeuroImage · 2023
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensMontreal Neurological Institute and Hospital
Organismes subventionnairesHorizon 2020European Research CouncilFondation pour la Recherche MédicaleAgence Nationale de la RechercheEuropean CommissionAix-Marseille Université
Mots-clésPrefrontal cortexPsychologyAnatomyNeuroscienceContrast (vision)PerceptionBrain anatomyHuman brainCortex (anatomy)Brain mappingBiologyCognitionMedicineArtificial intelligenceComputer scienceMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Group level analyses of functional regions involved in voice perception show evidence of 3 sets of bilateral voice-sensitive activations in the human prefrontal cortex, named the anterior, middle and posterior Frontal Voice Areas (FVAs). However, the relationship with the underlying sulcal anatomy, highly variable in this region, is still unknown. We examined the inter-individual variability of the FVAs in conjunction with the sulcal anatomy. To do so, anatomical and functional MRI scans from 74 subjects were analyzed to generate individual contrast maps of the FVAs and relate them to each subject's manually labeled prefrontal sulci. We report two major results. First, the frontal activations for the voice are significantly associated with the sulcal anatomy. Second, this correspondence with the sulcal anatomy at the individual level is a better predictor than coordinates in the MNI space. These findings offer new perspectives for the understanding of anatomical-functional correspondences in this complex cortical region. They also shed light on the importance of considering individual-specific variations in subject's anatomy.

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)0,002
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0010,000

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 Opus0,081
Tête enseignante GPT0,379
Écart entre enseignants0,298 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImageMême sujetPhonetics and Phonology ResearchTravaux en français237 207