Higher general intelligence is associated with stable, efficient, and typical dynamic functional brain connectivity patterns
Notice bibliographique
Résumé
General intelligence, referred to as g, is hypothesized to emerge from the capacity to dynamically and adaptively reorganize macroscale brain connectivity. Temporal reconfiguration can be assessed using dynamic functional connectivity (dFC), which captures the propensity of brain connectivity to transition between a recurring repertoire of distinct states. Conventional dFC metrics commonly focus on categorical state switching frequencies which do not fully assess individual variation in continuous connectivity reconfiguration. Here, we supplement frequency measures by quantifying within-state connectivity consistency, dissimilarity between connectivity across states, and conformity of individual connectivity to group-average state connectivity. We utilized resting-state functional magnetic resonance imaging (fMRI) data from the large-scale Human Connectome Project and applied data-driven multivariate Partial Least Squares Correlation to explore emergent associations between dynamic network properties and cognitive ability. Our findings reveal a positive association between g and the stable maintenance of states characterized by distinct connectivity between higher-order networks, efficient reconfiguration (i.e., minimal connectivity changes during transitions between similar states, large connectivity changes between dissimilar states), and ability to sustain connectivity close to group-average state connectivity. This hints at fundamental properties of brain-behavior organization, suggesting that general cognitive processing capacity may be supported by the ability to efficiently reconfigure between stable and population-typical connectivity patterns.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».