Towards a model-based cognitive neuroscience of stopping – a neuroimaging perspective
Towards a model-based cognitive neuroscience of stopping – a neuroimaging perspective
复制标题
迈向基于模型的停止认知神经科学——神经影像学视角
DOI：
10.1016/j.neubiorev.2018.04.011
复制
发表时间：
2018
影响因子：
8.2
通讯作者：
Matzke D
中科院分区：
文献类型：
--
作者：
Sebastian A;Forstmann BU;Matzke D
在过去的十年里，我们对反应抑制的神经相关性的理解有了很大的进步。然而，在这个停止网络中的区域的具体功能仍然存在争议。传统的神经成像方法无法捕捉到许多影响停止性能的过程。尽管传统神经影像学方法存在缺陷，并且停止的数学和计算模型取得了很大进展，但人类神经影像学研究中基于模型的认知神经科学方法还很缺乏。为了促进基于模型的方法，最终获得更深入的了解停止的神经签名，我们概述了反应抑制的最突出的模型和该领域的最新进展。我们强调了如何在临床样本中基于模型的方法，提高了我们对这些疾病中认知功能改变的理解。此外，我们展示了如何将证据积累模型和神经影像学数据联系起来，从而提高了对参与停止过程的神经通路的识别，并有助于从相关但不同功能的神经网络中描绘这些通路。总之，采用基于模型的方法对于识别停止背后的实际神经过程是必不可少的。
Our understanding of the neural correlates of response inhibition has greatly advanced over the last decade. Nevertheless the specific function of regions within this stopping network remains controversial. The traditional neuroimaging approach cannot capture many processes affecting stopping performance. Despite the shortcomings of the traditional neuroimaging approach and a great progress in mathematical and computational models of stopping, model-based cognitive neuroscience approaches in human neuroimaging studies are largely lacking. To foster model-based approaches to ultimately gain a deeper understanding of the neural signature of stopping, we outline the most prominent models of response inhibition and recent advances in the field. We highlight how a model-based approach in clinical samples has improved our understanding of altered cognitive functions in these disorders. Moreover, we show how linking evidence-accumulation models and neuroimaging data improves the identification of neural pathways involved in the stopping process and helps to delineate these from neural networks of related but distinct functions. In conclusion, adopting a model-based approach is indispensable to identifying the actual neural processes underlying stopping.
登录
查看更多内容
影响因子：
5.4
作者：
Logan GD;Yamaguchi M;Schall JD;Palmeri TJ
通讯作者：
Palmeri TJ
影响因子：
2.5
作者：
Hanes, DP;Patterson, WF;Schall, JD
通讯作者：
Schall, JD
影响因子：
19.9
作者：
Forstmann, Birte U.;Wagenmakers, Eric-Jan;Eichele, Tom;Brown, Scott;Serences, John T.
通讯作者：
Serences, John T.
顺序采样模型
DOI：
10.7551/mitpress/10469.003.0008
发表时间：
1998
期刊：
Cognitive Choice Modeling
影响因子：
--
作者：
M. Bergmann;L. Hart;M. Lindsay;P. Barnes;R. Newton
通讯作者：
R. Newton
影响因子：
5.2
作者：
Levy BJ;Wagner AD
通讯作者：
Wagner AD