Upper-alpha EEG neurofeedback training promotes reorganization of both clustered and integrated brain activity
Notice bibliographique
Résumé
Neurofeedback (NF) aims to support an individual's self-regulation of a pattern of brain activity by providing a real-time representation of that pattern, commonly measured using electroencephalography (EEG). While NFtraining has been associated with the reorganization of brain networks, the effect of the feedback sensory modality remains to be fully elucidated. This study assesses how different feedback sensory modalities affect the outcome of EEG-based NF-training and functional connectivity across brain networks. Twenty healthy volunteers were split into three groups based on the sensory modality used for the feedback: visual 2D screen, headmounted display, or auditory, and performed upper-alpha (UA) band EEG-based NF-training along four sessions. The EEG data were evaluated in terms of: i) the within-session variation of the relative amplitude of the UA (RAUA) at the EEG Cz channel; ii) the within-session variation of the UA functional connectivity patterns across all channels, computed using the imaginary part of coherency; and iii) UA band global network metrics transitivity, characteristic path length, and global efficiency. We found an increment of functional connectivity between channels over parietal areas (e.g., Pz) in the first sessions, independently of the feedback sensory modality. Also, the visual 2D screen and auditory sensory modalities yielded statistically significant within-session increases in transitivity and global efficiency and decreases in characteristic path length. These findings suggest that the UA EEG-based NF-training protocol promotes both clustered and integrated brain activity reorganization.
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 ».