预测持续注意力的功能性大脑网络并不特定于感知模式
Anna Corriveau1, Jin Ke1, Hiroki Terashima2
1Department of Psychology, The University of Chicago.
Network neuroscience (Cambridge, Mass.)
|March 31, 2025
概括
神经网络模型预测在视觉和听觉任务中持续的注意力. 功能性大脑连接模式是一般化的,这表明共享的机制是关注的基础,无论感官输入如何.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像是一种神经成像.
- 心理学 心理学 心理学
背景情况:
- 持续的注意力对日常功能至关重要,可以涉及视觉和听觉等各种感官输入.
- 识别跨数据集的行为可概括的神经预测因素是认知神经科学的一个关键目标.
- 以前的研究表明,功能连接模式可以预测持续注意力的个体差异.
研究的目的:
- 调查预测视觉持续注意力表现的基于连接组的模型是否可以将视觉持续注意力任务概括为听觉注意力任务.
- 为了确定持续注意力的功能性大脑网络是模式特定的还是模式一般的.
- 评估整个大脑功能网络模型在不同感知模式中持续关注的可通用性.
主要方法:
- 利用功能磁共振成像 (fMRI) 来测量大脑活动和功能连接.
- 在fMRI数据上训练有素的预测模型,将功能连接模式与持续的注意力表现联系起来.
- 在独立数据集和视觉和听觉注意力任务中测试了模型的概括性.
主要成果:
- 一个以视觉注意力训练的网络模型被通用化以预测三组独立数据集的听觉注意力表现.
- 功能性网络在很大程度上展示了持续关注的模式-一般预测能力.
- 功能网络中的独特和共同特征都预测了持续的注意力表现,无论任务模式如何.
结论:
- 视觉和听觉持续的注意力似乎依赖于大脑功能网络中的共享神经机制.
- 全脑功能网络模型表现出强大的概括性来预测持续的注意力.
- 研究结果支持神经支持续注意力的总体性质.
