The Role of Modality-specific Brain Regions in Statistical Learning: Insights from Intracranial Neural Entrainment
Notice bibliographique
Résumé
Statistical learning (SL) is a powerful mechanism that supports the ability to extract regularities from environmental input. Yet, its neural underpinnings are not well understood. Previous EEG studies of SL have found that the brain tracks regularities by synchronizing its activity with the presented stimuli-a phenomenon known as neural entrainment. However, EEG lacks the spatial resolution to unveil the specific brain regions where this process takes place. In our study, 18 patients with drug-resistant epilepsy who were implanted with intracranial electrodes for presurgical investigation listened to a continuous speech stream containing embedded trisyllabic words. Neural entrainment was measured at the syllable and word frequencies, with the latter providing an online index of learning. SL was further assessed through both explicit and implicit behavioral measures. Behaviorally, we found evidence of learning at the group level in both tasks. At the neural level, our analyses revealed three temporal tuning profiles: 25% of contacts showed entrainment at the syllable frequency, 11% of contacts showed entrainment at both the word and syllable frequencies, and 4% showed entrainment only to the word frequency. Word entrainment, indicating sensitivity to word structures, was most commonly found in auditory and language-related regions, including insula, middle temporal gyrus, superior temporal gyrus, and supramarginal gyrus. In contrast, evidence for neural entrainment in the hippocampus was weak. Overall, these results support the idea that speech-based SL is largely supported by modality-specific brain regions.
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 | 0,007 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».