Neuroanatomical correlates of auditory and visual statistical learning: Cortical and subcortical volume predictors
Notice bibliographique
Résumé
Statistical Learning (SL) is the ability to implicitly extract and learn statistical regularities from the environment. SL processes are ubiquitous across the lifespan through their proven role in language acquisition and adaptive behaviors. While recent neuroimaging research has identified networks of active brain regions during SL processes, less is known about whether structural differences in these regions may contribute to SL abilities. Here, we explore the extent to which visual SL (VSL) and auditory SL (ASL) performance are linked to cortical vs. subcortical brain volume. 61 Participants (43 Female) completed ASL and VSL tasks, each involving a familiarization and a testing phase. During familiarization, participants observed a sequence of structured triplets of unfamiliar and non-linguistic shapes (for VSL), and environmental sounds (for ASL). During testing, participants identified correct triplets/pairs on a series of alternative-forced-choice questions for both VSL and ASL. High-resolution T1-weighted Magnetic Resonance Imaging (MRI) scans were taken of all participants, from which volumes were extracted for each cortical (planum temporale, fusiform gyrus, middle temporal gyrus, inferior frontal gyrus) and subcortical (caudate, nucleus accumbens, putamen, globus pallidus) regions of interest. Hierarchical regression analyses revealed that performance during the ASL task was significantly related to the volume of the IFG, whereas VSL performance was significantly associated with volumes of all examined subcortical ROIs (p < 0.05). These findings suggest that differences in the IFG and subcortical volumes are differentially associated with SL abilities across visual and auditory modalities, further advancing our understanding of the domain-general and domain-specific aspects of SL processes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 ».