相关实验视频
Updated: May 31, 2025

07:12
Profiling Maternal Behavior Responses During Whole-Brain Imaging
Published on: January 24, 2025
609
使用N2pc可变性来探测功能:试验EEG和行为线性混合建模
Clayton Hickey1, Damiano Grignolio1, Vinura Munasinghe1
1Center for Human Brain Health and School of Psychology, University of Birmingham, UK.
Biological psychology
|January 24, 2025
概括
线性混合建模 (LMM) 有助于分析多式联运数据. 这项研究使用LMM来显示NT组件.
科学领域:
- 认知神经科学 认知神经科学
- 计算神经科学是一种神经科学.
- 心理学 心理学 心理学
背景情况:
- 以前的研究表明N2pc与反应时间 (RT) 之间存在联系.
- 这种联系通常被解释为视觉注意力和反应之间的直接关系.
- 其他解释,如动机或兴奋,并没有完全排除.
研究的目的:
- 为多式联网数据分析引入线性混合建模 (LMM).
- 调查N2pc的试验智能变异,特别是其NT子组件.
- 要确定手动反应时间 (RT) 和刺激参数是否预测NT变异.
主要方法:
- 线性混合建模 (LMM) 用于推断统计分析的应用.
- 分析多模式数据,包括N2pc,NT,手动反应时间 (RT) 和刺激参数.
- 评估LMM适用于分析差异化措施之间的关系的适用性.
主要成果:
- 证实了N2pc和RT之间的关系,特别是NT组件是由目标引起的,而不是分散注意力的.
- 目标诱导的NT变异对分心因子身份敏感,即使分心因子没有引起侧向的大脑活动.
- NT似乎与注意力目标处理和分心抑制有关.
结论:
- LMM是分析多式联运数据和识别试验智能的关系的可行工具.
- 该NT组件在注意力目标处理和响应准备中发挥作用.
- NT还参与抑制不相关的分心信息,支持其在注意力方面的功能性作用.
更多相关视频
08:28Automated Multimodal Stimulation and Simultaneous Neuronal Recording from Multiple Small Organisms
Published on: March 3, 2023
943
10:02Event Related Potentials ERPs and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder ADHD
Published on: March 12, 2020
15.6K