MétaCan
Menu
Retour à la cohorte
Enregistrement W4392350919 · doi:10.1101/2024.02.29.582250

Macroscale brain states support the control of semantic cognition

2024· preprint· en· W4392350919 sur OpenAlex
Xiuyi Wang, Katya Krieger‐Redwood, Yanni Cui, Jonathan Smallwood, Yi Du, Elizabeth Jefferies

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensQueen's University
Organismes subventionnairesInstitute of Psychology, Chinese Academy of SciencesChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésCognitionSemantic memoryDefault mode networkCognitive psychologyAssociation (psychology)NeurocognitivePsychologyPrefrontal cortexSemantic featureSemantics (computer science)Modality (human–computer interaction)NeuroscienceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Understanding how the human brain adapts to varying cognitive demands is crucial in neuroscience. Here, we examined how networks involved in controlled semantic retrieval reconfigure themselves to generate neurocognitive states appropriate to different task contexts. We parametrically varied the demands of two semantic tasks - global association and feature matching judgments - and contrasted these effects of cognitive control with those of non-semantic tasks. We then characterized these effects on the cortical surface and within a whole-brain state space, anchored by the top three dimensions of intrinsic connectivity. Our results revealed that demanding semantic association tasks elicited more activation in the anterior regions of the prefrontal and temporal cortex. In contrast, difficult semantic feature matching tasks produced more posterior activation, aligning closely with regions engaged during multiple demanding non-semantic tasks. In both semantic feature matching and non-semantic contexts, the difficulty effects were situated towards the controlled end of a dimension capturing functional separation between cognitive control and default mode regions. Conversely, in semantic association tasks, the difficulty effects elicited similar responses across both cognitive control and default mode networks. Furthermore, controlled association and non-semantic control were located towards the heteromodal end of a heteromodal-unimodal dimension, while semantic feature matching involved a brain state that was more visual and unimodal. These findings demonstrate that a variety of brain states underpin controlled cognition. Specifically, cognitive control regions interact with heteromodal semantic knowledge system to identify contextually relevant conceptual overlaps (e.g., associating 'DOG' with 'BEACH'), and separate from heteromodal memory regions for modality-specific conceptual overlaps (e.g., connecting 'DALMATIAN' with 'BLACK AND WHITE').

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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