MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399304818 · doi:10.31219/osf.io/3s69b

Functional Brain Networks Underlying Autobiographical Event Simulation: An Update

2024· preprint· en· W4399304818 sur OpenAlexaff
Ava Momeni, Donna Rose Addis, Eva Feredoes, Florentine Klepel, Maiya Rasheed, Abhijit Chinchani, Todd S. Woodward

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensBaycrest HospitalUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAutobiographical memoryEvent (particle physics)PsychologyComputer scienceCognitive scienceCognitive psychologyNeuroscienceCognitionPhysicsAstrophysics

Résumé

récupéré en direct d'OpenAlex

Functional magnetic resonance imaging (fMRI) studies typically explore changes in the blood-oxygen-level-dependent (BOLD) signal underlying discrete cognitive processes that occur over milliseconds to a few seconds. However, autobiographical cognition is a more protracted process and requires fMRI tasks with longer trials to capture the temporal dynamics of the underlying brain networks. In the current study, we provide an updated analysis of the fMRI data obtained from a published autobiographical event simulation task, with a slow-event-related design (34-second trials), that involved participants recalling past autobiographical events, imagining past/future autobiographical events, and completing a semantic association control task. Our updated analysis using Constrained Principal Component Analysis for fMRI (fMRI-CPCA) retrieved two networks reported in the original results, including the Default Mode Network (DMN) which was activated in the autobiographical event simulation conditions but deactivated in the semantic association control condition, and the Multiple Demand Network (MDN) which peaked early during all conditions but was more sustained in the recall condition. Two novel networks emerged, including the Maintaining Internal Attention network (MAIN) which, while active for all conditions, was more strongly engaged during the imagination and semantic association control conditions than during the Recall condition, suggesting a role in constructing novel associations. These results suggest that the DMN does not support autobiographical simulation alone, but co-activates with the MDN and MAIN networks, with the timing of peak activations depending on evolving task demands during the simulation process.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,003
Communication savante0,0030,007
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,108
Tête enseignante GPT0,342
Écart entre enseignants0,235 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→