大脑结构与社会信息使用有关:一种探索性机器学习方法
Esra Cemre Su de Groot1,2, Lieke Hofmans2, Wouter van den Bos2,3
1Web Information Systems, Delft University of Technology, Delft, Netherlands.
Frontiers in human neuroscience
|July 17, 2024
概括
社会学习中的个人差异与特定的大脑体积有关. 机器学习确定了关键区域,包括左侧三角体,以及诸如内腔皮层这样的新领域,增强了我们对社会信息使用的理解.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 社会心理学 社会心理学
背景情况:
- 社会学习中的个人差异显著影响社会行为,包括投票和两极分化.
- 之前的研究证实了社会信息使用的稳定个体差异,但潜在的神经机制仍然不清楚.
研究的目的:
- 为了确定与社会信息使用中的个体差异相关的特定大脑体积.
- 使用机器学习探索线性和非线性大脑行为关系.
主要方法:
- 采用了两个互补的机器学习技术:拉索回归和随机森林回归.
- 分析了与社会信息使用的个体变化有关的大脑体积.
主要成果:
- 证实左侧三角体体积和社会信息使用之间的积极关系.
- 识别了已知的社会大脑网络区域 (mPFC,STS,TPJ,ACC) 和新区域 (中后回形,尾部中前部回形,皮,脑内皮层).
结论:
- 机器学习方法在社会学习中成功捕获了复杂的大脑行为关系.
- 这些发现为社会学习中的个体差异的神经基础提供了新的见解,并建议了未来的研究方向.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
08:42Measurement of the Directional Information Flow in fNIRS-Hyperscanning Data using the Partial Wavelet Transform Coherence Method
Published on: September 3, 2021
3.0K
