Decreased long‐range temporal correlations in the <scp>resting‐state functional magnetic resonance imaging blood‐oxygen‐level‐dependent</scp> signal reflect motor sequence learning up to 2 weeks following training
Notice bibliographique
Résumé
Decreased long-range temporal correlations (LRTC) in brain signals can be used to measure cognitive effort during task execution. Here, we examined how learning a motor sequence affects long-range temporal memory within resting-state functional magnetic resonance imaging signal. Using the Hurst exponent (HE), we estimated voxel-wise LRTC and assessed changes over 5 consecutive days of training, followed by a retention scan 12 days later. The experimental group learned a complex visuomotor sequence while a complementary control group performed tightly matched movements. An interaction analysis revealed that HE decreases were specific to the complex sequence and occurred in well-known motor sequence learning associated regions including left supplementary motor area, left premotor cortex, left M1, left pars opercularis, bilateral thalamus, and right striatum. Five regions exhibited moderate to strong negative correlations with overall behavioral performance improvements. Following learning, HE values returned to pretraining levels in some regions, whereas in others, they remained decreased even 2 weeks after training. Our study presents new evidence of HE's possible relevance for functional plasticity during the resting-state and suggests that a cortical subset of sequence-specific regions may continue to represent a functional signature of learning reflected in decreased long-range temporal dependence after a period of inactivity.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».