Neural representations of beat and rhythm in motor and association regions
Notice bibliographique
Résumé
Humans perceive a pulse, or beat, underlying musical rhythm. Beat strength correlates with activity in the basal ganglia and supplementary motor area, suggesting these regions support beat perception. However, the basal ganglia and supplementary motor area are part of a general rhythm and timing network (regardless of the beat) and may also represent basic rhythmic features (e.g. tempo, number of onsets). To characterize the encoding of beat-related and other basic rhythmic features, we used representational similarity analysis. During functional magnetic resonance imaging, participants heard 12 rhythms-4 strong-beat, 4 weak-beat, and 4 nonbeat. Multi-voxel activity patterns for each rhythm were tested to determine which brain areas were beat-sensitive: those in which activity patterns showed greater dissimilarities between rhythms of different beat strength than between rhythms of similar beat strength. Indeed, putamen and supplementary motor area activity patterns were significantly dissimilar for strong-beat and nonbeat conditions. Next, we tested whether basic rhythmic features or models of beat strength (counterevidence scores) predicted activity patterns. We found again that activity pattern dissimilarity in supplementary motor area and putamen correlated with beat strength models, not basic features. Beat strength models also correlated with activity pattern dissimilarities in the inferior frontal gyrus and inferior parietal lobe, though these regions encoded beat and rhythm simultaneously and were not driven by beat alone.
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 | 0,000 |
| 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) | 0,000 | 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 ».