Mapping neural signatures of face processing in young children: an OPM-MEG study
Notice bibliographique
Résumé
Facial expressions are fundamental to social communication, with emotional face processing developing throughout childhood. However, the neural mechanisms underlying this process in young children remain underexplored due to challenges in neuroimaging this population. Optically pumped magnetometers (OPMs), a wearable magnetoencephalography (MEG) technology, offer potential advantages for studying these responses early in life. This study investigated evoked responses and functional connectivity in 45 children (3-5 years) during an emotional face processing task using OPM-MEG. The M170 component, a key marker of face processing, and whole-brain functional connectivity of eight regions of interest were assessed. Children exhibited a robust M170 response to emotional faces in the bilateral fusiform gyri. Peak amplitude increased with age, but no significant latency changes were observed. A significant network of increased connectivity following emotional face onset, involving connections between the amygdalae, insulae, occipital, and frontal regions was found. This study provides the first evidence of M170 responses and large-scale connectivity to emotional faces in young children using OPM-MEG. Findings highlight the feasibility of OPMs for developmental neuroimaging and provide insights into the maturation of emotion-related neural circuits in early childhood. These results establish a foundation for future face processing research in clinical paediatric populations, such as autism.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».