Distinct brain dynamics and networks for processing short and long auditory time intervals
Notice bibliographique
Résumé
Psychophysical studies suggest that time intervals above and below 1.2 s are processed differently in the human brain. However, the neural underpinnings of this dissociation remain unclear. Here, we investigate whether distinct or common brain networks and dynamics support the passive perception of short (below 1.2 s) and long (above 1.2 s) empty time intervals. Twenty participants underwent an EEG recording during an auditory oddball paradigm with .8- and 1.6-s standard time intervals and deviant intervals either shorter (early) or longer (delayed) than the standard interval. We computed the auditory ERPs for each condition at the sensor and source levels. We then performed whole brain cluster-based permutation statistics for the CNV, N1 and P2, components, testing deviants against standards. A CNV was found only for above 1.2 s intervals (delayed deviants), with generators in temporo-parietal, SMA, and motor regions. Deviance detection of above 1.2 s intervals occurred during the N1 period over fronto-central sensors for delayed deviants only, with generators in parietal and motor regions. Deviance detection of below 1.2 s intervals occurred during the P2 period over fronto-central sensors for delayed deviants only, with generators in primary auditory cortex, SMA, IFG, cingulate and parietal cortex. We then identified deviance related changes in directed connectivity using bivariate Granger causality to highlight the networks dynamics associated with interval processing above and below 1.2. These results suggest that distinct brain dynamics and networks support the perception of time intervals above and below 1.2 s.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».