♻️#مدلسازی و #پیش_بینی #توجه #مستمر
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
🔹 شخصیت در تصلب‌چندگانه و ناتوانی‌های جسمانی
🔹 پژوهشگران دانشگاه لئون اسپانیا در پژوهشی بین‌رشته‌ای به بررسی روابط بین شخصیت در تصلب‌چندگانه با مشکلات و ناتوانی‌های جسمانی بیماران مبتلا به این بیماری پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/ms-disability-personality
#عامل‌های_شخصیت #ناتوانی_جسمانی #معلولیت_جسمی #تفاوتهای_جنسی #تصلب_چندگانه #مالتیپل_اسکلروسیز #مالتیپل_اسکلروسیس #اسکلروز_مالتیپل
#physical_disability #personality_factors #multiple_sclerosis #MS #sex_differences #RRMS #EDSS #SPMS
#دکترامیرمحمد_شهسوارانی
#انستیتوعلوم‌روانی‌زیستی‌اجتماعی‌اقتصادی
#DrAmirMohammadShahsavarani #InstituteofPsychoBioSocioEconomicSciences
🍃🌹🌸💐🌸🌹🍃
🔹 پژوهشگران دانشگاه لئون اسپانیا در پژوهشی بین‌رشته‌ای به بررسی روابط بین شخصیت در تصلب‌چندگانه با مشکلات و ناتوانی‌های جسمانی بیماران مبتلا به این بیماری پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/ms-disability-personality
#عامل‌های_شخصیت #ناتوانی_جسمانی #معلولیت_جسمی #تفاوتهای_جنسی #تصلب_چندگانه #مالتیپل_اسکلروسیز #مالتیپل_اسکلروسیس #اسکلروز_مالتیپل
#physical_disability #personality_factors #multiple_sclerosis #MS #sex_differences #RRMS #EDSS #SPMS
#دکترامیرمحمد_شهسوارانی
#انستیتوعلوم‌روانی‌زیستی‌اجتماعی‌اقتصادی
#DrAmirMohammadShahsavarani #InstituteofPsychoBioSocioEconomicSciences
🍃🌹🌸💐🌸🌹🍃
🔹 تعارض بین نسلی و رفتار سودمند اجتماعی در پاندمی کووید-19: تفاوت های فرهنگی جهانی
پژوهشگران دانشگاه وریه آمستردام، دانشگاهلیدن، دانشگاه اوترخت و دانشگاه گرونینگن هلند و دانشگاه نیویورک ابوظبی در پژوهش بین‌المللی به بررسی تفاوتهای فرهنگی در تعارض بین نسلی و رفتار سودمند اجتماعی در پاندمی کووید-19 پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/intergenerational-conflict-covid-19
#تعارض_منافع_بین_نسلی_در_پاندمی_کووید_19 #رفتارهای_سودمندی_اجتماعی_در_پاندمی_کووید19 #تفاوت_بین_نسلی_در_رفتارهای_سودمندی_اجتماعی_در_پاندمی_کووید_19 #تبادلات_اجتماعی_در_پاندمی_کووید_19 #تفاوتهای_فرهنگی_در_پاندمی_کووید19 #معمای_اخلاقی_اجتماعی_در_پاندمی_کووید_19 #امنیت_مالی_و_امنیت_شغلی_در_پاندمی_کووید_19
#دکتر_امیر_محمد_شهسوارانی #انستیتو_رزا
#انستیتو_علوم_روانی_زیستی_اجتماعی_اقتصادی
#Age #COVID_19 #Social_dilemma #Prosocial_behavior #Cross_cultural #Intergenerational_conflicts_of_interest
#Dr_Amir_Mohammad_Shahsavarani #IPBSES
🍃🌹🌸💐🌸🌹🍃
پژوهشگران دانشگاه وریه آمستردام، دانشگاهلیدن، دانشگاه اوترخت و دانشگاه گرونینگن هلند و دانشگاه نیویورک ابوظبی در پژوهش بین‌المللی به بررسی تفاوتهای فرهنگی در تعارض بین نسلی و رفتار سودمند اجتماعی در پاندمی کووید-19 پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/intergenerational-conflict-covid-19
#تعارض_منافع_بین_نسلی_در_پاندمی_کووید_19 #رفتارهای_سودمندی_اجتماعی_در_پاندمی_کووید19 #تفاوت_بین_نسلی_در_رفتارهای_سودمندی_اجتماعی_در_پاندمی_کووید_19 #تبادلات_اجتماعی_در_پاندمی_کووید_19 #تفاوتهای_فرهنگی_در_پاندمی_کووید19 #معمای_اخلاقی_اجتماعی_در_پاندمی_کووید_19 #امنیت_مالی_و_امنیت_شغلی_در_پاندمی_کووید_19
#دکتر_امیر_محمد_شهسوارانی #انستیتو_رزا
#انستیتو_علوم_روانی_زیستی_اجتماعی_اقتصادی
#Age #COVID_19 #Social_dilemma #Prosocial_behavior #Cross_cultural #Intergenerational_conflicts_of_interest
#Dr_Amir_Mohammad_Shahsavarani #IPBSES
🍃🌹🌸💐🌸🌹🍃