Data from: Simultaneous fMRI and EEG during the multi-source interference task
Notice bibliographique
Résumé
Background: fMRI and EEG are two non-invasive functional imaging techniques within cognitive neuroscience that have complementary advantages to obtain both temporal and spatial information. The multi-source interference task (MSIT) has been shown to generate robust activations of the dorsal anterior cingulate cortex (dACC) on both a single-subject level and in group averages, in fMRI studies. We have now simultaneously acquired fMRI and EEG during a cognitive interference task. Materials and Methods: Healthy volunteers were tested in an MRI scanner with simultaneous EEG and fMRI recordings during the MSIT. Results: The interference condition significantly increased the reaction time in the task. The fMRI analyses revealed activation of dACC as expected, in all subjects at the individual level and in group analyses. The posterior cingulate cortex was de-activated. Simultaneous EEG showed the expected anterior distribution of the interference effect, as it was restricted to frontal sites within a time frame of 80–120 ms post response. Conclusion: The MSIT task is a reliable task for interference evaluation. fMRI shows robust activation of dACC and by adding EEG, an interference effect can be noticed within a temporal interval of 80–120 ms after the response, as a CRN (correct response negativity). This means that EEG could add a more detailed temporal aspect to the fMRI data from an interference task, and that despite the hostile environment within an MRI scanner, EEG data could be used.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,016 | 0,032 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».