डीएसीसी का दर्द-संबंधित विवरण के लिए अधिक साक्ष्य

[नोट: कृपया तीसरे पैराग्राफ को पढ़ना सुनिश्चित करें जो हमारे पेपर के बारे में भ्रम का एक प्रमुख स्रोत प्रतीत होता है जो साफ करता है]

ताल यारोकोनी (टीवाई) के हमारे पिछले ब्लॉग प्रतिक्रिया के बाद से, टाय, टॉर विजर (TW), और एलेक्स शैकमन (एएस) से तीन नई प्रतिक्रियाएं हुई हैं। इन प्रतिक्रियाओं ने हमें बहुत सोचने के लिए बहुत कुछ दिया है और हमें अतिरिक्त विश्लेषकों को चलाने के लिए प्रेरित किया है कि हम (लिबरमैन एंड ईसेनबर्गर, इसके बाद एल एंड ई) विश्वास करते हैं कि वे हमारे मूल दावों को स्पष्ट, विस्तार और अंततः मजबूत करते हैं। जब तक हम पीएनएएस पेपर के सभी विश्लेषणों से खड़े होते हैं, हम चाहते हैं कि हम पहले से इन विश्लेषकों को करना चाहते थे और उन्हें पेपर में शामिल किया था।

नवीनतम ब्लॉगों में से कुछ में हम बहुत असहमत हैं, लेकिन जैसा कि हम आगे बढ़ने में रुचि रखते हैं, हम उन क्षेत्रों के साथ शुरू करना चाहते हैं, जहां कुछ समझौता हो, फिर हमारे नए विश्लेषणों पर आगे बढ़ें और फिर चार मुद्दों पर चर्चा के लिए: (ए) न्यूरोसिंथ डेटाबेस में दर्द और डर का संबंध (बी) न्यूरोसिन्थ में जेड-स्कोर्स हमें रिवर्स अनुमान के बारे में सूचित करते हैं? (सी) अनुभवजन्य प्रिय और (डी) क्या हम कभी भी कह सकते हैं कि मस्तिष्क के क्षेत्र में कोई फ़ंक्शन है? हम यह स्पष्ट करना चाहते हैं कि यह ब्लॉग इस सब पर हमारी अंतिम टिप्पणी होगी। पिछली पोस्ट और यह एक के बीच, हमें लगता है कि हमने यह साबित किया है कि हमारे निष्कर्ष ध्वनि हैं हम आशा करते हैं कि जिन लोगों ने पहले से ही पदों पर लिखा है, वे हमारे साथ असहमत रहेंगे, लेकिन हमें आशा है कि दूसरों को यह उपयोगी मिलेगा।

लेकिन इस ब्लॉग के मुख्य पाठ में कूदने से पहले, हम एक महत्वपूर्ण बिंदु को स्पष्ट करना चाहते हैं, जिसे बाद में इस ब्लॉग में विस्तारित किया जाएगा। हमारे पीएनएएस पेपर के विश्लेषण से, हमें नहीं लगता है कि जब हम डीएसीसी गतिविधि देखते हैं, तो यह जरूरी है कि इसका मतलब है कि व्यक्ति दर्द का अनुभव कर रहा है । उस दावे को बनाने के लिए, वास्तविक दुनिया के अनुभवजन्य प्राथमिकताओं के आधार पर पीछे की संभावनाओं को उत्पन्न करने की आवश्यकता होगी जो कि अस्तित्व में नहीं हैं (न्यूरोसिन्थ न्यूरोसिन्थ में पहले या न्यूरोसिन्थ सार में दर्द का 3.5% का प्रभाव इस जानकारी को प्रदान करता है क्योंकि बाद में यह दर्शाता है कि क्या है अक्सर अध्ययन किया जाता है, नहीं सामान्य में अक्सर क्या होता है)। लेकिन यह हम ऐसा दावा नहीं कर रहे थे जो हम कर रहे थे। हमारा दावा बहुत आसान था: रिवर्स इनफॉर्मेंस मैप्स से जेड स्कॉर्स के आधार पर विश्वसनीय सबूत हैं जो कि दर्द के अधिकांश डीएसीसी से जुड़े हैं इसके विपरीत, अधिकांश डीएसीसी में रिवर्स इनफॉर्मेंस मैप्स से ज़-स्कोर्स के आधार पर बहुत कम सबूत मौजूद हैं, जो कि कार्यकारी, टकराव, और स्नेहक प्रक्रियाएं डीएसीसी से जुड़े हैं । ये परिणाम बताते हैं कि डीएसीसी फ़ंक्शन का एक खाता आमतौर पर ध्यान केंद्रित संज्ञानात्मक प्रक्रियाओं की तुलना में दर्द प्रक्रियाओं पर अधिक ध्यान देना चाहिए। हमारा दावा डीएसीसी समारोह का सबसे अच्छा खाता बनाने के बारे में है, न कि किसी विशेष अध्ययन में मौजूद प्रक्रिया की भविष्यवाणी करना या यह मानते हुए कि प्रत्येक डीएसीसी न्यूरॉन एक ही काम करता है। नीचे हम इस दावे को अधिक व्यापक बनाने के लिए डीएसीसी कार्य के कई अतिरिक्त खातों पर विचार करते हैं।

• "ईमानदारी से विरोधाभास" का समाधान
• आधुनिक शादियों लिंग भूमिकाओं विस्फोट
• वापस स्कूल
• कल्याण करना हाँ: 6 रणनीतियाँ जो आपकी सफलता का अनुकूलन कर सकती हैं
• हमारी स्वतंत्रता और खुफिया व्यायाम: भाग 6

समझौते के क्षेत्र

यद्यपि TY बताता है कि वह हमारे पहले ब्लॉग में हमने जो कुछ भी कहा था, उसके साथ असहमत हैं, वह हमारे द्वारा उद्धरण के साथ अपने नवीनतम ब्लॉग पोस्ट को भी मिर्च या हमारे द्वारा दावों के पुनरोद्धार के साथ भी स्पष्ट रूप से सहमत हैं (या इसमें कोई समस्या नहीं है)। हम मानते हैं कि इन्हें हाइलाइट करना महत्वपूर्ण है क्योंकि हमें लगता है कि ये हमारे पेपर के सबसे महत्वपूर्ण दावे हैं।

हमने लिखा है: "न्यूरोसिंथ रिवर्स इनफॉर्मेंस मैप्स से निष्कर्ष स्पष्ट है: डीएसीसी दर्द प्रसंस्करण में शामिल है। जब केवल आगे निष्कर्ष डेटा उपलब्ध था, तो यह दावा करना उचित था कि शायद डीएसीसी को दर्द में शामिल नहीं किया गया था, लेकिन उस दर्द प्रसंस्करण को डीएसीसी के "वास्तविक" समारोह में कम किया जा सकता है, जैसे कार्यकारी प्रक्रियाएं, संघर्ष का पता लगाने, या दर्दनाक उत्तेजनाओं के लिए कुल अभिवादन रिवर्स इनफरेन्स मैप्स इनमें से किसी भी खाते का समर्थन नहीं करते हैं जो अधिक सामान्य संज्ञानात्मक प्रक्रियाओं में दर्द को कम करने का प्रयास करते हैं। "

• सन्दर्भ पदार्थ
• आपका उद्देश्य प्राप्त करना: आपको क्या करने की आवश्यकता है?
• आधिकारिकता का उदय
• शक
• शिक्षा

TY ने जवाब में लिखा था: "यह दावा वास्तव में मुझे काफी हद तक अविश्वसनीय लगता है।"

हमने लिखा है: "पदों के कार्यकारी और संघर्ष के लिए, पीएनएएस पेपर में हमारा चित्रा 3 डीएसीसी का एक छोटा सा अंश दर्शाता है हमें लगता है कि यहां जितने अधिक व्यापक आंकड़े शामिल किए गए हैं, वे उसी कहानी को बताते रहेंगे। अगर कोई दुविधा से डैससी को सक्रिय करता है, तो हम यह सोचते हैं कि डीएसीसी से संघर्ष के लिए व्यापक मजबूत रिवर्स इनफ्रेंस मैपिंग के साक्ष्य होने चाहिए। लेकिन इस तरह के एक दावे का सबूत अभी नहीं है जो कुछ भी आप हमारे बाकी आंकड़ों और दावों के बारे में सोचते हैं, इसके लिए बहुत से लोगों को विराम देना चाहिए, क्योंकि यह ऐसा नहीं है, जो हम इन रिवर्स इनफॉर्मेंस मैप्स (हमारे सहित) में देखने की उम्मीद करते हैं। "

TY ने जवाब में लिखा था: "यहां कोई आपत्ति नहीं है"

समझौते के कुछ अन्य उदाहरणों के साथ-साथ समझौते भी थे उदाहरण के लिए TY लिखा है:

और "अगर एल एंड ई ने मुझसे पूछा," हे, क्या आपको लगता है कि न्यूरोसिन्थ यह कहने में सहायता करता है कि डीएसीसी सक्रियण 'नम्रता' का अच्छा मार्कर है? ", मैंने कहा" नहीं, बिल्कुल नहीं। "

और एक अलग खंड में उन्होंने लिखा:

"यदि उनका मतलब है कि" औसतन, डीएसीसी में सभी वाक्सल्स का औसत लेते हुए, दर्द और संघर्ष निगरानी की तुलना में दर्द और डीएसीसी के बीच एक सांख्यिकीय सहयोग के अधिक प्रमाण हैं ", तो मैं इसके साथ ठीक हूं।" [नोट : हम मानते हैं कि आखिरी वाक्यांश गलत लिखा गया है और वह TY "संघर्ष निगरानी और डीएसीसी" का अर्थ है]]

यह देखते हुए कि इन सभी दावों में जहां समझौते के क्षेत्र हैं, न्यूरोसिन्थ द्वारा दिए गए ज़-स्कोअर के नक्शे को साक्ष्य (या साक्ष्य की अनुपस्थिति) के रूप में परिभाषित करने पर निर्भर करते हैं कि शब्द एक उचित रिवर्स अनुमान लक्ष्य है, जो हम समझौते के महत्वपूर्ण क्षेत्रों के रूप में लेते हैं:

1. न्यूरोसिन्थ से जेड-स्कोर्स इस बात का सबूत देते हैं कि क्या किसी विशिष्ट फ़ंक्शन के लिए, विशेष रूप से उल्लिखित निष्कर्ष के माध्यम से विशेष रूप से वॉक्सल्स को जिम्मेदार ठहराया जा सकता है या नहीं। ऐसे कई शब्द हो सकते हैं जो एक voxel के लिए महत्वपूर्ण z-scores दिखाते हैं और इस तरह की सभी शर्तों को उस voxel के लिए विशेषता के लिए उचित कार्य हैं।
2. डीएसीसी सक्रियण के लिए रिवर्स इनफॉर्मेंस जेड स्कॉर्ज़ से बहुत कम सबूत है कि कार्यकारी, टकराव, और मापन प्रक्रियाएं अच्छे रिवर्स इंफॉर्मेंस लक्ष्य हैं। ध्यान दें कि हम 'छोटे' कहते हैं, 'नहीं' सबूत नहीं, जैसा कि हमने अपने पेपर में किया था, क्योंकि कुछ डीएसीसी संघर्ष के सबूतों को उलट करता है, लेकिन यह मामूली है।
3. डीएसीसी वॉक्सल्स के बड़े हिस्से के लिए जेड-स्कोर से सबूत हैं कि दर्द प्रक्रिया अच्छे रिवर्स इंफॉर्मेंस लक्ष्य हैं।

अगर हम इन बिंदुओं पर सहमत हो सकते हैं, तो मुझे लगता है कि हमारे पेपर में जिन चीज़ों पर हम परवाह है उनमें से अधिकांश पर हम सहमत होते हैं।

न्यू न्यूरोसिन्थ का विश्लेषण

ऊपर से टीएवी का अंतिम बयान ("यदि उनका मतलब है कि ऐसा कुछ है …") ने हमें यह महसूस किया कि पीएनएएस पेपर में दिए गए निष्कर्षों तक पहुंचने का एक अलग तरीका था। जैसा कि हमने कहा है, जब हम कुछ साल पहले दर्द, कार्यकारी, संघर्ष और नम्रता के लिए रिवर्स अंडरफॉर्मेंस मैप्स को देखते थे, तो हमें किस चीर की हुई थी, यह बताया गया कि डीएसीसी कवरेज दूसरे शब्दों के मुकाबले दर्द के लिए कितनी व्यापक थी। हमने डीएसीसी में वितरित 8 वॉक्सल्स को देखकर यह कब्जा करने की कोशिश की। शायद यह हम जो देख रहे थे उसका ब्योरा करने का सबसे अच्छा तरीका नहीं था और यह टीवाई और एएस द्वारा उठाए गए दो उचित मुद्दों के प्रति संवेदनशील नहीं था। सबसे पहले, हमने केवल मध्य लाइन, टीआई द्वारा उल्लिखित एक मुद्दा देखा। दूसरा, हमने गैर-संभावनात्मक एटलस के प्रयोग से हमारी डीएसीसी की सीमाओं को परिभाषित किया है और इस प्रकार हम विश्वास को इंगित नहीं कर सके कि वाक्सल्स विचाराधीन वास्तव में डीएसीसी वॉक्सल थे, जो एएस द्वारा उठाए गए मुद्दे थे।

हमारे नए विश्लेषणों में हमने जो कुछ किया है, उसे हार्वर्ड-ऑक्सफोर्ड संभाव्य एटलस (इसके बाद हो) का उपयोग करके एक डीएसीसी मुखौटा परिभाषित किया गया है और इसके बाद डीएसीसी में वॉक्सल के प्रतिशत की जांच की गई है जिसके लिए न्यूरोसिंन्थ रिवर्स निष्कर्ष के आधार पर अलग-अलग शब्द उचित रिवर्स अनुमान लक्ष्य हैं नक्शे। एचओ एटलस बनाने के लिए, उन्होंने दर्जनों दिमागों (बिट.लि / 1 आरएमटीएपी) से टी 1-भारित छवियां लीं ब्याज के विभिन्न क्षेत्रों (जैसे एसीसी) किसी भी परिवर्तन से पहले व्यक्तिगत दिमाग पर पहचान किए गए थे। फिर प्रत्येक स्कैन एमएनआई अंतरिक्ष में पंजीकृत किया गया था। इस बिंदु पर, वे एमएनआई स्पेस में प्रत्येक वॉक्सल के लिए निर्धारित कर सकते हैं, पहले चरण में कितने अलग-अलग दिमागों को एक विशेष लेबल के साथ टैग किया गया था। इसलिए यदि 75% दिमागों में एसीसी के रूप में लेबल किया गया एक विशेष निर्देशांक था, तो उस वॉक्सल को एमएनआई अंतरिक्ष में पंजीकृत किसी भी नए स्कैन में एसीसी के 75% होने की संभावना के रूप में मूल्यांकन किया जाएगा।

स्रोत: मैथ्यू लिबरमैन

इस एटलस का प्रयोग हम डीएसीसी मुखौटे (-8 ≤ x ≤ 8; 0 ≤ वाई ≤ 30) को परिभाषित करने में सक्षम थे, जिसके लिए वोक्सल 25%, 35%, 50% या 75% डीएसीसी में होने की संभावना है ऊपर)। कोई यह तर्क दे सकता है कि केवल वेक्सल्स जो वास्तव में डीएसीसी वॉक्सल होने की कम से कम 50% या 75% संभावनाएं हैं, उन्हें हमारे आरओआई में जाना चाहिए, लेकिन विज़ुअल निरीक्षण का सुझाव दिया गया है कि इन आरओआई मास्क बहुत पहले से ही पीएनएएस पेपर में इस्तेमाल किए गए थे जो इसी तरह के थे। एएस से जवाब, इसलिए हम यहां प्रस्तुत हमारे विश्लेषण के लिए अधिक उदार 35% मुखौटा के साथ गए।

ध्यान दें कि परिणाम गुणात्मक रूप से सभी अलग-अलग मास्क में समान हैं हमने देखा कि एकमात्र बड़ा अंतर यह है कि जब हम कम आत्मविश्वास डीएसीसी मास्क (25%) से अधिक आत्मविश्वास डीएसीसी मास्क (75%) के लिए चले गए, डीएसीसी वोक्सल्स का प्रतिशत, रिवर्स इंफॉर्मेंस के माध्यम से जुड़े, भावात्मक शब्दों में वृद्धि हुई (उदाहरण के लिए दर्द +9 %; डर + 12%; नकारात्मक परिलक्षित + 6%) और संज्ञानात्मक पदों से जुड़े डीएसीसी व्यक्स का प्रतिशत कम हुआ (उदाहरण के लिए संघर्ष -12%; त्रुटि -6%)। इस प्रकार, जैसा कि हम अपने आत्मविश्वास को बढ़ाते हैं कि एक विशेष voxel वास्तव में डीएसीसी में है, यह एक भावनात्मक प्रक्रिया के साथ जुड़े होने की अधिक संभावना है और संज्ञानात्मक प्रक्रिया से जुड़े होने की संभावना कम है। यह एक और तरीका रखने के लिए, डीएसीसी में संज्ञानात्मक प्रक्रियाओं के साथ जुड़े उन वोक्सल्स वोक्सल्स होते हैं जो हमारे पास कम आत्मविश्वास होना चाहिए वास्तव में डीएसीसी में है

नीचे दिए गए विश्लेषण नीचे सभी 35% मुखौटा का उपयोग कर रहे हैं। हमने शुरुआत में पीएनएएस पेपर (दर्द, कार्यकारी, संघर्ष, नम्रता) में हमारे चार मुख्य श्रेणियों की रुचि को देखते हुए सोचा था कि टीवाई द्वारा उठाए गए विकल्पों के साथ-साथ हमें (डर, स्वायत्त, इनाम) पर विचार किया जाना चाहिए। अंततः हमने हमारे विश्लेषण में अधिक शर्तें शामिल करने का निर्णय लिया ताकि हम अपने नवीनतम ब्लॉग में टीवाई द्वारा दिए गए चुनिंदा के लिए मानक को पूरा कर सकें।

"एक मस्तिष्क क्षेत्र को एक विशेष समारोह के लिए 'चयनात्मक' कहा जा सकता है अगर यह (i) उस समारोह के साथ एक मजबूत सहयोग को दर्शाता है, (ii) अन्य सभी आसानी से उपलब्ध विकल्पों के साथ एक नगण्य सहयोग दिखाता है, और (iii) लेखक साहित्य में प्रस्तावित प्रमुख उम्मीदवारों का उनके विश्लेषण में अच्छी तरह से प्रतिनिधित्व कर रहे हैं यह सुनिश्चित करने में पर्याप्त परिश्रम किया। "

हमें लगता है कि यह परिभाषा उस रास्ते से आगे बढ़ती है, जिसमें कई शोधकर्ताओं ने अतीत में (यानी एमवीएपी पत्रों में) इस शब्द का इस्तेमाल किया है, लेकिन हमने सोचा कि क्या होगा जब हम इस परिभाषा को हमारे विश्लेषणों पर लागू करते हैं, तब क्या होगा? हमें यह ध्यान रखना चाहिए कि हम इस परिभाषा में शब्द 'एसोसिएशन' की व्याख्या करते हैं, जो केवल रिवर्स इनफॉर्मेंस मैप्स में पहचाने गए संघों का उल्लेख करते हैं, न कि आगे के अनुमान के नक्शे में जो देखा गया है। परिणामस्वरूप, हमने यह सुनिश्चित करने में हमारी 'निपुणता की कोशिश की कि साहित्य में प्रस्तावित प्रमुख उम्मीदवारों का उनके विश्लेषण में अच्छी तरह से प्रतिनिधित्व किया गया'। इस प्रकार, अब हमारे पास 14 शर्तों की एक सूची है जो प्रत्येक डीएसीसी खाते को कवर करती है जिसे हम वर्षों से जानते हैं। हमारी सूची में शामिल हैं:

दर्द, ध्यान, स्वायत्त, बचाव, संघर्ष, भावना, त्रुटि, कार्यकारी, डर, नकारात्मक प्रभाव, प्रतिक्रिया निषेध, प्रतिक्रिया चयन, पुरस्कार, और नम्रता

हम मानते हैं कि यह शब्दों की एक बहुत व्यापक सूची है और उम्मीद है कि यदि हम किसी भी चूक गए हैं, तो उनके समान प्रभावों की संभावना सूची में उचित समानार्थ है।

पर विश्लेषण करने के लिए हमने जो पहली चीज की थी वो 35% मुखौटा में वॉक्सल्स की संख्या की गणना करती थी। वहाँ 1110 voxels थे कि एचओ एटलस था कम से कम 35% विश्वास था डीएसीसी voxels। इनमें से, 9 47 वॉक्सल्स (या 85.3%) दर्द के लिए रिवर्स अंडरफॉर्म मैप में दिखाई देते हैं (मानक न्यूरोसिन्थ का महत्व स्तर पी <.01, एफडीआर सही) का उपयोग करते हुए। 13 अन्य शर्तों में से, डीएसीसी वॉक्सल्स का 20% भी कवर नहीं किया गया (नीचे चित्र देखें)। ची बनाम दर्द की तुलना में किसी भी अन्य शब्द बहुत महत्वपूर्ण था। सभी एक्स ² > 975.278, पी। <00001, डी > 5.38 ये हमें बताते हैं कि 13 अन्य शर्तों के मुकाबले डीएसीसी वॉक्सल्स में दर्द एक रिवर्स रेफरेंस स्पष्टीकरण के अधिक सर्वव्यापी है।

डीएसीसी वॉक्सल्स का प्रतिशत दर्शाता है जो प्रत्येक टर्म के रिवर्स इनफॉर्मेंस मैप में दिखाई देते हैं। एक ही voxel कई शर्तों के लिए नक्शे में दिखाई दे सकता है

स्रोत: मैथ्यू लिबरमैन

उपरोक्त विश्लेषण टीआई की परिभाषा में चयनात्मकता मुद्दे के दिल तक नहीं पहुंचता है, क्योंकि वॉक्सल एक से अधिक शर्तों के लिए दिखा सकता है और इस तरह कोई अन्य शब्द पर एक शब्द की चयनात्मकता का संकेत नहीं देता। इस प्रकार, हम आगे मूल्यांकन किया कि डीएसीसी में कितने वॉक्सल्स किसी भी तरह के लिए चयनात्मक लग रहे थे, जो उन्होंने किसी भी एक टर्म के रिवर्स अंडरफ़ॉर्मेंस मानचित्र के लिए दिखाया था, लेकिन इन 13 अन्य किसी भी संदर्भ में प्रदर्शित नहीं किया गया था। एक यह सोच सकता है कि 14 शब्दों के साथ, डीएसीसी में लगभग कोई भी विक्सल इस परिभाषा से चयनात्मकता दिखाएगा – इस विश्लेषण से केवल दो पदों के लिए महत्वपूर्ण कोई भी शब्दलेख समाप्त हो जाएगा। यहां चयनात्मकता के लिए उच्च बाधा के बावजूद, डीएसीसी में 1110 (43%) में से 477 वॉक्सल्स केवल 14 रिवर्स इंफॉर्मेशन मैप्स में से एक में दिखाई दिए। ये 477 वॉक्सल्स तब लगता है जब टीवाय की परिभाषा के द्वारा सेट की गई चयनात्मकता के लिए बार को पूरा किया जाए। 477 डीएसीसी वॉक्सल्स में से एक एकल अवधि (विचार 14 शर्तों में से) के लिए चयनात्मक हैं, 91.2% शब्द दर्द के लिए चयनात्मक थे ।

डीएसीसी के वोक्सल जो कि 14 में से 1 की शर्तों के लिए चयनात्मक हैं, प्रत्येक टर्म के लिए प्रतिशत दर्शाता है।

स्रोत: मैथ्यू लिबरमैन

कुल मिलाकर 477 चुनिंदा voxels के 435 केवल दर्द रिवर्स का अनुमान नक्शा में मौजूद थे और अन्य 13 शर्तों के लिए किसी भी रिवर्स इनफॉर्मेंस मैप्स में नहीं। एकमात्र अन्य शब्द जिसके पास> 10 चयनित वाक्सल्स जुड़े थे, उस पर 30 voxels (हम मूल कागजात में इसका संकेत) इनाम दिया गया था। डर अगले 8 वाक्सल्स में है, 3 voxels पर त्रुटि के साथ, और 1 voxel पर संघर्ष। दर्द-चयनात्मक डीएसीसी व्यक्स किसी भी अन्य चुनिंदा डीएसीसी वॉक्सेल प्रकार की तुलना में परिमाण के एक ऑर्डर से अधिक है। डीआईसीसी में चयनात्मक वॉक्सल्स की संख्या के लिए पीए बनाम दर्द की तुलना में चई वर्ग की तुलना किसी भी अन्य अवधि में बहुत महत्वपूर्ण थी। सभी एक्स ² > 446.203, पी <00001, डी > 1.64 ये परिणाम हमें बताते हैं कि डीएसीसी वॉक्सल्स के बीच जो चयनात्मकता का सबूत दिखाते हैं, वे 13 अन्य शर्तों में से किसी की तुलना में दर्द से संबंधित होने की अधिक संभावना है।

दो बहुत महत्वपूर्ण चेतावनियाँ यहां हैं:

1) चूंकि 477 वॉक्सल एक अवधि के लिए चयनात्मक थे, इसका मतलब यह है कि 633 डीएसीसी वोक्सल किसी एक शब्द के लिए चयनात्मक नहीं थे। यद्यपि हमें लगता है कि हम यहां चयन के लिए एक बहुत ही उच्च पट्टी का उपयोग कर रहे हैं, किसी भी साहित्य से हमने देखा है, यह स्पष्ट है कि इस उच्च बार के साथ, डीएसीसी के आधे से कम वॉक्सल चुनिंदा दिखा रहे हैं। इस परिप्रेक्ष्य से यह कहने के लिए अधिक है कि "डीएसीसी" वर्तमान में विचार कर रहे डीएसीसी समारोह के सभी 13 खातों के संबंध में दर्द के लिए समान रूप से चयनात्मक है। इस चेतावनी के दो उत्तर सबसे पहले, हमने शुरूआत में केवल चार शब्दों का प्रयोग किया (दर्द, कार्यकारी, संघर्ष और नम्रता), वर्तमान परिभाषा के तहत 823 वॉक्सल्स चयनात्मक थे (यानी 74.1% डीएसीसी वॉक्सल्स का) और इनमें से, 811 दर्द के लिए चयनात्मक थे (जो होगा चयनात्मक voxels के 98.5%) किया गया है। इस प्रकार, हमारे पीएनएएस पेपर में माना जाने वाले श्रेणियों के संदर्भ में, कार्यकारी, संघर्ष और नम्रता प्रक्रियाओं के सापेक्ष दर्द के लिए चुनिंदा का हमारा दावा उचित था। दूसरा, हमने सभी प्रतिक्रियाओं को देखते हुए डीएसीसी के बारे में देखा है जो बहुत सामान्य या बहुआयामी है, हमें लगता है कि यह बहुत प्रभावशाली है कि लगभग आधा डीएसीसी वॉक्सल्स चयनात्मक हैं और उनमें से लगभग सभी दर्द के लिए चयनात्मक हैं।

2) कोई व्यक्ति इन विश्लेषकों को देख सकता है और सोच सकता है कि दूसरे 13 के मुकाबले प्रत्येक शब्द की तुलना करना उचित नहीं है क्योंकि उनमें से कुछ अतिव्यापी श्रेणियों में हैं। उदाहरण के लिए, हम संघर्ष और त्रुटि शामिल थे, जो अलग-अलग हैं, फिर भी डीएसीसी के अतिव्यापी खाते हैं। अगर वे एक-दूसरे के समान वॉक्सल्स में दिखाई देते हैं, तो वे ऊपर दिए गए चुप्पी विश्लेषण से उन वॉक्सल्स को दस्तक देंगे। इसका समाधान करने के लिए, नीचे हमारे पास एक आंकड़ा है जो दर्द के लिए नक्शे और एक दूसरे के अकेले कार्य के लिए तुलना करता है – इसलिए प्रत्येक शब्द प्रदर्शित कर सकता है कि कितने वॉक्सल्स अपने उल्टे अनुमान मानचित्र के लिए दिखाए जाते हैं लेकिन दर्द नहीं है नीचे दिए गए प्रत्येक दो बार जोड़ी में ऑरेंज बार प्रत्येक शब्द से संबंधित डीएसीसी वॉक्सल्स का प्रतिशत दिखाता है, जब केवल दर्द से जुड़े वॉक्सल निकाल दिए जाते हैं। इस प्रकार, त्रुटि और संघर्ष जैसी शर्तें यहां एक दूसरे के खिलाफ प्रतिस्पर्धा नहीं कर रही हैं। (नीली सलाखों से पता चलता है कि दर्द के उल्टे अनुमान के मानचित्र में कितने वाक्सल्स दिखाई देते हैं, लेकिन तुलना में अन्य शब्द के लिए नहीं)

स्रोत: मैथ्यू लिबरमैन

जैसा कि स्पष्ट है, यह विश्लेषण विशेष रूप से अच्छी तरह से किसी अन्य शब्द को नहीं दिखाता है, जब दर्द के खिलाफ 1-ऑन -1 इनाम के अलावा, जिसके लिए डीएसीसी के 2.7% विक्सल अपने नक्शे में प्रदर्शित होते हैं लेकिन दर्द के नक्शे में नहीं, कोई अन्य शब्द 1.1% से ऊपर नहीं मिलता है। इसके विपरीत, इन विश्लेषणों में दर्द लगातार किसी भी अन्य शब्द के लिए उन लोगों को हटाने के बाद सभी डीएसीसी voxels के 65% से ऊपर हो जाता है। जब हमने पीएनएएस पेपर में संकेत दिया था कि इनाम वास्तव में डीएसीसी के एंटरोवेंटल भाग में दर्द से मजबूत प्रभाव दिखाता है, हमने सोचा था कि यह थोड़ा और अधिक स्पष्ट रूप से दिखा रहा होगा। अगर हम एक एंग्लिड सीमा (डैड हरे रंग की लाइन) का इस्तेमाल करते हैं, जैसे कुछ अन्य हैं, तो डीएसीसी को आरएसीसी से अलग करने के लिए, इनाम का रिवर्स ऑफरेंस मैप डीएसीसी से काफी हद तक अनुपस्थित हो सकता है। यह इस आंकड़े में बहुत स्पष्ट है कि इनाम के लिए रिवर्स इंडेक्शन इफेक्ट काफी हद तक अधिक रोस्टर एसीसी क्लस्टर का हिस्सा है।

स्रोत: मैथ्यू लिबरमैन

हमारे वर्तमान विश्लेषण के निष्कर्ष पीएनएएस पेपर में बनाए गए सामान्य बिंदु की पुष्टि करते हैं। अगर हम डीएसीसी के कार्य के बारे में बात करने जा रहे हैं, क्योंकि पिछले 20 वर्षों में अनगिनत कागज़ातें हैं, दर्द ही एकमात्र ऐसा कार्य है जो डीएसीसी कुछ मुफ़्त मूत्रों से अधिक के लिए चयनात्मक दिखाता है। हमने चयनात्मकता की परिभाषा का उपयोग किया था (धारणा के साथ कि संघ रिवर्स इंडोरेशन एसोसिएशन को संदर्भित करता है)। इस प्रकार, हमने उन नियमों की एक अधिक संपूर्ण सूची बनाने की कोशिश की जो डीएसीसी के उचित खाते हैं। हमने निर्धारित किया है कि डीएसीसी वॉक्सल के कितने प्रतिशत में प्रत्येक 14 शर्तों के साथ एक रिवर्स निष्कर्ष संघ दिखाया गया था। हमने तब निर्धारित किया है, इन voxels के, कितने केवल एक पद के साथ एक रिवर्स निष्कर्ष संघ दिखाया और अन्य 13 पदों में से कोई भी। हमारे निष्कर्षों को संक्षेप करने के लिए:

1. 1110 डीएसीसी वॉक्सल्स में, 43% (यानी 477 वॉक्सल्स) ने चयनात्मकता के लिए उपरोक्त मानदंडों को पूरा किया (14 रिवर्स इंफॉर्मेशन नक्शे में से केवल 1 में दिख रहे)
2. चुनिंदा 477 वॉक्सल्स में, 91.2% (यानी 435 वॉक्सल्स) दर्द के लिए चयनात्मक थे।
3. इस प्रकार, डीएसीसी का एक बड़ा हिस्सा ऐतिहासिक रूप से प्रशंसनीय शर्तों के इस बड़ी सूची के बीच से एक शब्द द्वारा वर्णित किया जा सकता है।
4. डीएसीसी वॉक्सल्स के बड़े हिस्से में जो उचित खातों की इस लंबी सूची से एक शब्द से वर्णित किया जा सकता है, इनमें से लगभग सभी दर्द के लिए रिवर्स अंडरफ़ॉर्मेंस मानचित्र में दिखाए जाते हैं और 13 अन्य पदों में से कोई भी नहीं।

दर्द और भय

हमने तर्क दिया है कि डैसीसी के दर्द-संबंधित पहलुओं (रेनविल्ले एट अल। 1997) से निपटने के साथ, डैसीसी प्रक्रियाओं के लिए संकट से संबंधित असर हो सकता है। दशकों के पुराने घावों के काम से पता चलता है कि डीएसीसी शारीरिक दर्द के साथ-साथ चिंता में भी महत्वपूर्ण भूमिका निभाता है (फॉल्ज़ और व्हाइट, 1 9 62, टो और व्हाईट, 1 9 53)। जैसा कि इंगित किया गया है, वहाँ डैक वाक्सल्स की एक गैर तुच्छ संख्या है जो रिवर्स अंडरफ़ॉर्मेंस मैप में भय के लिए दिखाती है (हमारे डीएसीसी मास्क में 12.2%)। हम मानते हैं कि दर्द और डर अवधारणात्मक रूप से संबंधित है क्योंकि हम जो कुछ भी डरते हैं, वे चीजें हैं जो हमें दर्द (शारीरिक, सामाजिक, या भावनात्मक रूप से) कर सकती हैं। लेकिन न्यूरोसिन्थ के संदर्भ में, संबंध बहुत अधिक प्रत्यक्ष हैं। डर के कई न्यूरोइमेजिंग अध्ययन डर कंडीशनिंग अध्ययन हैं जो बिना शर्त प्रोत्साहन के रूप में दर्द (जैसे शॉक) का उपयोग करते हैं। ये अध्ययन लगभग कहीं भी शब्द 'दर्द' का उपयोग नहीं करते हैं और न्यूरोसिंथ में दर्द के लिए इस प्रकार टैग नहीं किए जाते हैं, लेकिन डर के लिए रिवर्स इनफॉर्मेंस मैप्स में दर्द-विशिष्ट प्रभाव पेश कर रहे हैं।

इस संभावना की जांच के लिए, हमने मैन्युअली पहले 50 एफएमआरआई अध्ययनों का परीक्षण किया जो न्यूरोसिन्थ में शब्द डर के लिए दिखाए गए थे। हमने पाया है कि इन अध्ययनों में 50% दर्द जोड़तोड़ का इस्तेमाल करते हैं। यह देखने के लिए कि क्या ये दर्द जोड़तोड़ डीएसीसी सिग्नल को डर के लिए रिवर्स ऑफरेंस मैप्स में ड्राइविंग कर रहे हैं या नहीं, हमने गिनती की कि डीएसीसी सक्रियणों के साथ कितने अध्ययनों में दर्द जोड़तोड़ था और डीएसीसी सक्रियण के बिना कितने अध्ययनों में दर्द जोड़तोड़ था जैसा कि नीचे दिए गए आंकड़े में देखा जा सकता है, डैक स्टडीज (71%) का एक बड़ा बहुमत, जो डीएसीसी प्रतिक्रिया का उत्पादन करते हैं, दर्द के जोड़ों का उपयोग करते हैं, जबकि एक बहुत अधिक डर स्टडीज (69%) जो डीएसीसी प्रतिक्रिया नहीं देते हैं वे दर्द का उपयोग नहीं करते हैं जोड़ – तोड़। इस 2 × 2 की ची वर्ग की तुलना बहुत महत्वपूर्ण थी; एक्स ² > 8.013, पी <.006, डी = 0.87 इस परिणाम से पता चलता है कि डर के अध्ययन में दर्द का हेरफेर शामिल है, जो डीएसीसी प्रतिक्रिया का उत्पादन करने की अधिक संभावना है।

स्रोत: मैथ्यू लिबरमैन

यदि कोई संभावना को मानता है कि डीओसीसी ने न्यूरोसिन्थ के रिवर्स अवलोकन मेयर में भय का जवाब दिया है तो (ए) डैसीसी के दर्द से संबंधित अवधारणाओं से अवधारणात्मक रूप से लिंक है या (बी) सचमुच डर अध्ययनों में डीएसीसी को सक्रिय करने के लिए दर्द के जोड़ों के कारण होता है, तो यह गठबंधन के लिए उचित है डैक के दर्द और डर के जवाब यद्यपि हम इनमें से अधिक विश्लेषण नहीं करना चाहते हैं, जब दर्द और भय को एक एकल आरओआई (बाद में, दर्द + डर) में जोड़ा जाता है, तो हम पाते हैं कि 1110 डीएसीसी विक्सेल के 566 में 13 शर्तों में से एक के लिए चयन । इस प्रकार, डीएसीसी वॉक्सल्स का 51% इन शर्तों के तहत चयनात्मक है। इसके अलावा, 566 चुनिंदा voxels में से 532 दर्द + डर के लिए चयनात्मक हैं दूसरे शब्दों में, इस विश्लेषण में चुनिंदा डीएसीसी विक्सेल का 94% दर्द के लिए चयनात्मक है + भय इसके अलावा, सभी डीएसीसी विक्सेल के 48% दर्द के लिए चयनात्मक हैं + भय

संक्षेप में, अगर हम डीएसीसी के संबंध में एक निर्माण के हिस्से के रूप में दर्द और डर का इलाज करते हैं, तो हम देखते हैं कि लगभग सभी डीएसीसी वॉक्सल इस निर्माण के लिए चयनात्मक हैं और लगभग सभी डीएसीसी वॉक्सल्स जो कुछ के लिए चयनात्मक हैं इस निर्माण के लिए चयनात्मक हैं। पिछले खंड में हमारे मुख्य विश्लेषण के अनुसार, इनाम के अलावा अन्य कोई भी शब्द नहीं है (5% चयनात्मक व्यक्स यहां) डीएसीसी में चयनात्मक voxels का 1% भी जुटाता है

क्या न्यूरोसिन्थ में जी-स्कोर्स हमें रिवर्स इंफॉर्मेशन के बारे में सूचित करते हैं?

हमें लगता है कि यह स्पष्ट नहीं है कि न्यूरोसिन्थ में जेड-स्कोर्स रिवर्स अनुमान के बारे में कुछ महत्वपूर्ण बताते हैं। इस प्रकार, हमारे पीएनएएस पेपर पर विनिमय के अधिक अप्रत्याशित पहलुओं में से एक यह है कि टीएआई और TW, न्यूरोसिन्थ के रचनाकार, यह सुझाव दे रहे हैं कि ज़ी-स्कोर्स से रिवर्स अनुमान के बारे में लगभग कुछ नहीं सीखा जा सकता है और हमें मुख्य रूप से ध्यान देना चाहिए पिछली संभावनाएं उदाहरण के लिए, टीआई ने लिखा:

"मैंने समझाया है कि जेड स्कॉर्ज़ या पी-वैल्यू का उपयोग करके किसी रिवर्स अनुमान के लिए समर्थन क्यों नहीं प्राप्त किया जा सकता है? रिवर्स इंफॉर्मेशन स्वाभाविक रूप से एक बायिसियन अवधारणा है, और केवल तभी समझ में आता है जब आप पहले और पीछे की संभावनाओं के बारे में बात करने को तैयार हों। "

हमें यह अजीब लगता है क्योंकि जब कोई न्यूरोसिन्थ वेब इंटरफेस का उपयोग करता है और किसी भी शब्द को देखता है, तो "रिवर्स इनफॉर्मेंस" लेबल वाले स्क्रीन पर एक बटन होता है। जब आप इस बटन पर क्लिक करते हैं तो यह एक गर्मी का नक्शा पेश करता है, जिसने उनकी लेबलिंग योजना दी थी, हम केवल अनुमान लगा सकते हैं कि हमें रिवर्स अनुमान के बारे में कुछ बताएं। इस गर्मी का नक्शा रिवर्स इनफॉर्मेंस जेड-स्कोर का एक गर्मी का नक्शा है, जो पश्च संभावनाएं नहीं है। इसी प्रकार, यदि आप किसी भी अवधि के लिए रिवर्स अंडरफॉर्म मैप डाउनलोड करते हैं, तो यह ज़-स्कॉर्स का नक्शा है, न कि पीछे की संभावनाएं। गैर-बेयसियन होने के बावजूद, ये जेड-स्कोर्स हैं जो टीवाई और बीड अपने "रिवर्स इनफ्रेंस" नक्शे को पॉप्युलेट करने के लिए इस्तेमाल करते थे। यदि ये हमें रिवर्स अनुमान के बारे में नहीं बताते हैं, तो यह बहुत अजीब है कि इंटरफ़ेस में केवल रिवर्स इनफ्रेंस बटन इन जेड-स्कॉर्स की ओर जाता है।

टीवाई ने कई जगहों में न्यूरोसिन्थ से जेड-स्कोर्स के मूल्य के बारे में भी लिखा है जो उपर्युक्त दावे का खंडन करते हैं ("कोई भी समर्थन प्राप्त नहीं कर सकता …")। पहले हमारे पास न्यूरोसिन्थ अकसर किये गए सवाल का पाठ है:

"रिवर्स इंडेपमेंट मैप: Z-scores, संभावना है कि एक शब्द का उपयोग एक सक्रिय गतिविधि (यानी, पी (टर्म | एक्टिवेशन)) की उपस्थिति को देखते हुए किया जाता है"

यह हमें लगता है जैसे z- स्कोर हमें रिवर्स अनुमान के बारे में कुछ बता रहा है। यहां टीएआई के कुछ अंश दिए गए हैं, जहां वे न्यूरोसिन्थ के बारे में बहुत सारे उपयोगकर्ता सवालों का जवाब दे रहे हैं:

"ज़-स्कोर सांख्यिकीय सांस्थान में आत्मविश्वास का एक उपाय है; पीछे की संभावना प्रभाव आकार का एक उपाय है। सामान्य तौर पर, मैं पूर्व पर अधिक ध्यान देने की सलाह देता हूं , क्योंकि बाद वाले नमूना-आकार संबंधित शोर के अधीन है मेटा-विश्लेषण में शामिल कम पढ़ाई वाली अवधि में उच्च परिवर्तनशीलता होगी, जो अधिक चरम पश्च संभावनाओं में अनुवाद करेगा। हालांकि, कम पढ़ाई के साथ एक शब्द भी * कम * चरम पी / जेड मूल्यों का उत्पादन करेगा, अन्य चीजें समान होंगी इसलिए यदि आप प्रपत्र का दावा करने की कोशिश कर रहे हैं तो "यह संभव है कि फ़ंक्शन क्षेत्रफल आर क्षेत्र में गतिविधि के साथ जुड़ा हुआ है", तो आप संभवत: आधारभूत हैं कि ज़-स्कोर पर [महत्व दिया]"

यह कथन उनके ऊपर के दावे के साथ असंगत है, "एक तोप रिवर्स इनफॉर्मेशन के लिए जेड स्कॉन्स का उपयोग करके समर्थन प्राप्त करता है।" अपने ब्लॉग में उन्होंने z-scores के बारे में भी लिखा:

"यह सब हमें बताता है कि, हमारे पास जितने सारे आंकड़े दिए गए हैं, यह बहुत ही संभावना नहीं है कि एक शब्द और एक क्षेत्र के बीच शून्य का कोई संबंध नहीं है।"

निंदनीय phrasing के बावजूद, हमें लगता है कि "यह सब हमें बताता है" बहुत आश्चर्यजनक है क्योंकि हमारे पास न्यूरोसिन्थ जैसे डेटाबेस से पहले ऐसा करने का कोई तरीका नहीं था। यह जानना एक सचमुच महत्वपूर्ण बात है, खासकर जब अन्य विश्लेषणों के साथ जोड़ा जाता है कि यह सुझाव दे रहा है कि अन्य शब्दों के लिए शब्द और क्षेत्र के बीच संबंध का प्रमाण नहीं है। अंत में, टाय लिखते हैं:

"अगर किसी का लक्ष्य केवल कुछ ऐसा कहना है" हमें लगता है कि स्थैर्यपोर्शियल जंक्शन को जैविक गति और मन के सिद्धांत से जोड़ा जाता है, "या" सबूत बताते हैं कि पैराहिपोकैम्पल प्रांतस्था स्थानिक नेविगेशन के साथ जुड़ा हुआ है, "मुझे कुछ गलत नहीं लगता Neurosynth z- स्कोर नक्शे पर उस दावे को आधार देने के साथ। "

हमें लगता है कि यह वास्तव में यह दावा है कि हम यह दर्शाते हैं कि हम अन्य शर्तों के दावों की तुलना में डैक फ़ंक्शन के बारे में दर्द-संबंधित दावों को बनाने में सबसे अधिक उचित हैं। पीएनएएस पेपर में हमने उन शर्तों की तुलना करके ऐसा किया जो कि एक महत्वपूर्ण पद (कार्यकारी, संघर्ष, नम्रता) के लिए ज़िम्मेदार नहीं था (दर्द)। हालांकि ये नहीं दिखाते हैं कि प्रभाव के आकार अन्य शर्तों (जो हमारा लक्ष्य कभी नहीं था) के लिए दर्द के लिए बड़ा है, वे यह दिखाते हैं कि हम और अधिक आश्वस्त हो सकते हैं कि दर्द और डीएसीसी के बीच अन्य वास्तविकता के बीच कुछ वास्तविक संबंध है नियम और डीएसीसी हमें लगता है कि यह एक महत्वपूर्ण योगदान है। वर्तमान विश्लेषण में, हमने एक अलग दृष्टिकोण लगाया, वोक्सल की संख्या की गणना करते हुए जो एक के कुछ रिवर्स निष्कर्ष संघ दिखाते हैं और 14 में से केवल एक शब्द दिखाते हैं। दोबारा, इन मानदंडों को पूरा करने वाले डीएसीसी में अधिकांश मुखर दर्द के लिए चयनात्मक थे।

TW अपने ब्लॉग के जवाब में कुछ अच्छा विवरण देता है कि कैसे z- स्कोर की गणना की जाती है, वास्तव में ची-स्क्वायर के रूप में शुरू होता है:

"यह अन्य अध्ययनों (" दर्द नहीं ") के लिए सक्रियण की आधार दर के खिलाफ एक लक्ष्य अवधि (" दर्द ") के लिए सक्रियण की आवृत्ति की तुलना करता है। औपचारिक रूप से, यह पी (ए | दर्द) पी (ए | दर्द नहीं) को ची ची-स्क्वायर टेस्ट का उपयोग करता है। इस प्रकार, यह हमें वरीयता के बारे में बताता है, लेकिन अन्य संभावित राज्यों के मुताबिक विशिष्टता नहीं है। "

हम इस बात से सहमत हैं कि दर्द के लिए z- स्कोर अपने आप में नौकरी नहीं करता है। लेकिन अगर हम एक ही निर्देशांक के लिए पी (ए | मोटर) और पी (मोटर मोटर) को भी जानते हैं, तो यह हमें यह आकलन करने की अनुमति देता है कि क्या यह सक्रियण मोटर की तुलना में दर्द के लिए अधिक चयनात्मक है या नहीं। जितना बड़ा ज़-स्कोर, उतना आत्मविश्वास है कि पी (ए | शब्द) पी (ए | न कि शब्द) से बड़ा है। सभी z-scores की तुलना में शब्दों की तुलना (जेड _दर्द बनाम जेड _मोटर ) हमें इस बारे में कुछ बताती है कि हमें अधिक आत्मविश्वास होना चाहिए कि इन पदों में से एक अन्य कार्यकाल की तुलना में रुचि के क्षेत्र में गतिविधि से जुड़ा है।

अंत में, हमने अब हमारे पीएनएएस पेपर पर केंद्रित 8 वॉक्सल्स का प्रयोग करते हुए दर्द, कार्यकारी, संघर्ष और नम्रता के लिए पिछली संभावनाओं की तुलना की है। उदाहरण के लिए, हमने दोहराए गए उपायों (टी-टेस्ट) का उपयोग करते हुए कार्यकारी के लिए पिछली संभावनाओं (कार्यपालक के लिए 8 पीछे की संभावनाओं का उपयोग करके) के साथ दर्द के लिए पीछे की संभावनाओं (दर्द के लिए 8 उच्च प्राथमिकताओं का उपयोग करके 8 अलग-अलग सक्रियण बिंदुओं का उपयोग करके) की तुलना की। दर्द के लिए अन्य तीन शब्दों में से प्रत्येक, दर्द के पीछे की संभावनाएं काफी अधिक थी, टी> 5.92, पी <.0003, डी > 4.47। इसके अलावा, यहां तक ​​कि डर और ऑटोनोमिक से दर्द की तुलना करते समय, दर्द के पीछे की संभावनाएं काफी अधिक हैं, टी> 2. 9 2, पी = .03, डी > 2.21 हमने कभी नहीं सोचा है कि हमारी संभावनाओं को आगे बढ़ाने के लिए पीछे की संभावनाओं की तुलना करना ज़रूरी है, लेकिन यह कम से कम कुछ सबूत हैं कि प्रभाव वहाँ है।

function gtElInit() {var lib = new google.translate.TranslateService();lib.translatePage(‘en’, ‘hi’, function () {});} शायद यह आश्चर्यजनक नहीं होना चाहिए कि हम पीछे की संभावनाओं के साथ उसी चीज को देखते हैं जो हमने जी-स्कोर्स के साथ देखा था, कम से कम जिस आंकड़े हम देख रहे थे, आंकड़ों के दो सेट बहुत ही संबंधित थे। विशेष रूप से, हमारे सभी पीएनएएस पेपर में जांच किए गए 8 स्थानों में ब्याज की शर्तों के लिए सभी पिछली संभावनाओं और जेड-स्कोर का सहसंबंध आर = .86 था । इस प्रकार, जबकि इन उपायों के बीच कुछ वैचारिक दिन का प्रकाश हो सकता है, कार्यात्मक रूप से वे हमारे विश्लेषणों में लगभग समान जानकारी प्रदान कर रहे थे। इस समानता को नीचे दिए गए आंकड़े में देखा जा सकता है कि पीएएनएएस पेपर के 8 स्थानों के दर्द, कार्यकारी, संघर्ष और नम्रता के लिए पिछली संभावनाओं के खिलाफ ज़-स्कॉट भूखंड। एक यह भी देख सकता है कि 7 उच्चतम पश्च संभावनाएं और 7 उच्चतम जेड स्कोर सभी दर्द से आते हैं। ध्यान दें कि ऊपरी बाध्यता 1.0 के लिए बाध्य होने वाली पीछे की संभावनाओं के कारण शिरापरक संबंध होने की संभावना है।

स्रोत: मैथ्यू लिबरमैन

चयनात्मकता

हमने पहले ही हमारे पिछले ब्लॉग में चयनात्मकता के बारे में काफी कुछ कहा है। हम सिर्फ कुछ और बातें कहना चाहते हैं एक यह है कि चयनात्मकता की परिभाषा पर कोई सार्वभौमिक रूप से सहमत नहीं है (TW वर्णन "अस्पष्ट रूप से परिभाषित" के रूप में) लोगों की परिभाषा होती है, लेकिन हर कोई एक ही नहीं है निहितार्थ यह है कि हम प्रत्येक को यह कहना चाहिये कि जब हम शब्द का उपयोग करते हैं, तो हम चुनिंदा द्वारा क्या कहते हैं (ऐसा कोई ऐसा पेपर जो इस शब्द का उपयोग करते हैं, हमारे पीएनएएस पेपर सहित)। भविष्य में हम निश्चित रूप से इसके बारे में अधिक सावधानी बरतेंगे, लेकिन जब वे उन्हें दे देंगे तो उन्हें अलग-अलग शोधकर्ताओं की परिभाषाओं का सम्मान करना चाहिए और उन्हें बुरे या असंगत परिभाषा के रूप में नहीं मानना ​​चाहिए क्योंकि यह हमारे अपने से अलग है। हमने अब डीएसीसी वॉक्सल्स में चुनिंदा की कम से कम तीन परिभाषाएं देखी हैं, जो सभी उचित हैं:

चुनिंदा _{एल एंड ई} : डीएसीसी विक्सल दर्द के लिए चयनात्मक हैं, अगर दर्द अन्य कार्यकारी शर्तों (कार्यकारी, संघर्ष, नम्रता) की तुलना में डीएसीसी सक्रियण का अधिक विश्वसनीय स्रोत है।

चुनिंदा _{टीवाई} : डीएसीसी वॉक्सल्स को एक विशेष समारोह के लिए 'चयनात्मक' कहा जा सकता है अगर यह (i) उस फ़ंक्शन के साथ एक मजबूत सहयोग को दर्शाता है, (ii) अन्य सभी आसानी से उपलब्ध विकल्पों के साथ एक नगण्य सहयोग दिखाता है, और (iii) लेखकों साहित्य में प्रस्तावित प्रमुख उम्मीदवारों का उनके विश्लेषण में अच्छी तरह से प्रतिनिधित्व किया जाता है यह सुनिश्चित करने में पर्याप्त परिश्रम किया है।

चुनिंदा _TW : एक विशेष फ़ंक्शन के लिए डीएसीसी वॉक्सल्स चुनिंदा हैं यदि वोक्सल उस फ़ंक्शन द्वारा सक्रिय होता है और "अन्य चीज़ों से सक्रिय नहीं"

हमें लगता है कि TW की परिभाषा संरक्षित होती है, लेकिन यह संभवतः एफएमआरआई विश्लेषण से चयनात्मक कहने का नियम रखता है, क्योंकि मस्तिष्क में कोई भी वाक्सल्स नहीं हैं, जो एक और केवल एक प्रक्रिया को सक्रियण दिखाते हैं (केवल एक ही आगे के निष्कर्ष नक्शा में दिखते हैं)। हमें लगता है कि हमारी परिभाषा और टीवाई की परिभाषा दोनों व्यावहारिक हैं हमें लगता है कि अधिकांश एमवीएपीए अध्ययनों में हमारी तारीख को चुने जाने पर चर्चा होती है और हमें लगता है कि टीएवाई एक उच्च बार का प्रतिनिधित्व करता है, लेकिन एक दिलचस्प बार है, और एक है जिसे वास्तव में एमवीपीए के बजाय न्यूरोसिन्थ जैसे उपकरणों की आवश्यकता है,

अनुभवजन्य प्रिय

टीआई के नवीनतम ब्लॉग में, उन्होंने हमारे निष्कर्ष के साथ समस्याओं में से एक सुझाव दिया है कि पीछे की संभावनाओं का हमारा उपयोग भ्रामक है दर्द के लिए पीछे की संभावनाएं लगभग .80 हैं जबकि पेपर में की गई अन्य शर्तों के पीछे की संभावनाएं .50 और .60 के बीच होती हैं (जहां .50 मूलतः एक अशक्त प्रभाव है)। हमें लगता है कि इन मतभेदों (और विशेषकर जुड़े हुए z-score मतभेद) हमें डीएसीसी के संभावित कार्यों के बारे में बताते हैं हालांकि, टीआई का अर्थ है कि हमें लगता है कि इन प्रभावों के आधार पर, यदि डीएसीसी गतिविधि के साथ एक नया न्यूरोसिन्थ अध्ययन अनियमित चुना गया था, तो हम अनुमान लगा सकते हैं कि यह एक दर्द अध्ययन होगा। जबकि हम देख सकते हैं कि क्यों TY हमें लगता है कि हम इस पर विश्वास करेंगे, हमने कभी यह दावा नहीं किया और वास्तव में इस पर विश्वास नहीं करते।

टीआई बताती है कि दर्द के लिए .80 पीछे की संभावना .50 के साथ शुरू करने पर निर्भर करता है, इससे पहले कि न्यूरोसिन्थ प्रत्येक अवधि के लिए मानता है। Neurosynth में एक .80 पीछे की संभावना से कोई भी तरीका नहीं है कि डीएसीसी सक्रियण के साथ 80% पढ़ाई दर्द के अध्ययन थे। वास्तव में, हमने पहले ही हमारे पीएनएएस पेपर में यह बताया है:

"पीछे की संभावना एक प्रभाव के आकार के समान है, हालांकि यह सीधे व्याख्यानीय नहीं है, क्योंकि प्रत्येक शब्द के लिए Bayesian पहले 0.50 के लिए सामान्य था। इस प्रकार, 0.82 की पिछली संभावना 0.56 की तुलना में एक बड़ा प्रभाव आकार की संभावना है; हालांकि, मानदंड के कारण, कोई यह नहीं कह सकता कि 0.82 से पता चलता है कि 82% मौका है कि एक सक्रियण एक विशेष मनोवैज्ञानिक शब्द के साथ एक अध्ययन से आया है। "

TY तब दर्द और अन्य शर्तों के लिए प्रायोगिक प्राचीन पर चर्चा करने के लिए चला जाता है। क्योंकि दर्द न्यूरोसिंथ डाटाबेस में सभी अध्ययनों के 3.5% के सार में प्रकट होता है और मोटर न्यूरोसिंथ डेटाबेस में सभी अध्ययनों के 18% के सार में प्रकट होता है, यदि ये (.03 और .18) का उपयोग प्रायोगिक प्राथमिकताओं के लिए किया जाता है प्रत्येक शब्द (बजाय .50), मोटर दर्द से अधिक उच्च संभावनाओं के साथ समाप्त होती है।

हम पूरी तरह से सहमत हैं कि यदि आप डीएसीसी सक्रियण के साथ न्यूरोसिंथ डाटाबेस में एक अध्ययन देखते हैं, तो एक दर्द अध्ययन के मुकाबले मोटर अध्ययन से आने की संभावना अधिक है। फिर भी, हमें लगता है कि यह बिंदु के पास लगभग पूरी तरह से है हमें न्यूरोसिंथ डेटाबेस में पढ़ाई के वितरण में दिलचस्पी नहीं है। हम वास्तविक दुनिया में डीएसीसी के संभावित समारोह (के) के बारे में निष्कर्ष निकालने की कोशिश करने में रुचि रखते हैं। यह कि न्यूरोसिंथ डेटाबेस में दर्द अध्ययन की तुलना में अधिक मोटर अध्ययन हैं, केवल वैज्ञानिकों की पिछली अनुसंधान प्राथमिकताओं के लिए और शायद अधिक आसानी से जो एक दर्द अध्ययन के चलने की कठिनाई के साथ तुलना में मोटर अध्ययन चलाया जा सकता है।

यह स्पष्ट करने के लिए कि न्यूरोसिंथ-आधारित पूर्व में यह अंतर कितना अप्रासंगिक है, निम्नलिखित उदाहरण पर विचार करें। केवल दर्द और मोटर अध्ययन के साथ एक डेटाबेस की कल्पना करो मान लीजिए कि डेटाबेस में 100 दर्द अध्ययन और 1,000,000 मोटर अध्ययन हैं। इसके अलावा सोचें कि दर्द अध्ययनों में से 100% एक विशेष विकॉक्सल में डीएसीसी की गतिविधि का उत्पादन करते हैं और केवल मोटर अध्ययनों में से केवल 1% ही वॉक्सल में डीएसीसी की गतिविधि का उत्पादन करते हैं। यदि हम इस डेटाबेस से बेतरतीब ढंग से एक अध्ययन आकर्षित करने वाले थे जो इस डीएसीसी voxel में गतिविधि दिखाते हैं, तो यह एक दर्द अध्ययन से 100 गुना अधिक मोटर अध्ययन होने की संभावना होगी। फिर भी, कोई भी उचित व्यक्ति इन परिणामों को देखता है और निष्कर्ष निकालता है कि डीएसीसी में यह स्थान संभवतः दर्द में शामिल है, लेकिन मोटर प्रक्रियाओं से जुड़ा नहीं है। ची-स्क्वायर इस निष्कर्ष का समर्थन करेगा

हम समझते हैं कि न्यूरोसिन्थ के संदर्भ में, क्रमशः दर्द और मोटर के लिए 3.5% और 18% कुछ अनुभवजन्य प्राचीन हैं, लेकिन वे वास्तविक दुनिया का अनुभवजन्य प्रिय नहीं हैं (और टीआई अपने ब्लॉग में बाद में बताते हैं)। हमें लगता है कि TY के सभी priors को निर्धारित करने के लिए .50 को जब वे न्यूरोसिन्थ बनाते थे तो यह वास्तव में अच्छा विचार था क्योंकि यह उन अध्ययनों से प्रेरित होने की इजाजत देता है जो डेटाबेस में बेहतर प्रतिनिधित्व हो।

टीएआई के पहले ब्लॉग में उन्होंने एक महान व्याख्या दी है कि वास्तव में पिछली संभावनाओं के बारे में क्या सोचें। उसने लिखा:

"डीएसीसी वॉक्सेल में दर्द के लिए 80% की पिछली संभावना की सख्त व्याख्या यह है कि अगर हम 11,000 प्रकाशित एफएमआरआई अध्ययन लेते हैं और दिखाते हैं कि उनमें से करीब 50% में उनके 'सार' शब्द का 'दर्द' शामिल है, तो इसका अस्तित्व सवाल में वॉक्सेल में सक्रियण को 'दर्द' शब्द की संभावना के बारे में अनुमान लगाना चाहिए जो 50% से 80% हो।

तो इस उदाहरण को थोड़ा सा चलाएं। मान लीजिए कि हमारे पास 11,000 की बजाय काल्पनिक न्यूरोसिन्थ डेटाबेस में 2,000 अध्ययन हैं 50 से दर्द के लिए पूर्व निर्धारित करके, हम कह रहे हैं "कल्पना कीजिए कि 2,000 अध्ययनों में से 1,000 में सार में शब्द का दर्द और 1,000 अन्य नहीं हैं"। आगे की कल्पना करो कि इन 2,000 अध्ययनों में, उनमें से 1,000 में ब्याज के एक voxel (जैसे 0, 18, 30 निर्देशांक) में डीएसीसी गतिविधि है। इस voxel पर .81 के दर्द के लिए एक पिछली संभावना यह दर्शाती है कि हमें इस नमूने में डीएसीसी के साथ 1000 अध्ययनों में से 810 (या उसी दर्द / न-दर्द वितरण के साथ अध्ययन के एक नए सेट) के बारे में उम्मीद करनी चाहिए ताकि दर्द हो सके एक शब्द और इस नमूने में डीएसीसी के 1000 अध्ययनों में से 1 9 0 के बारे में दर्द एक शब्द के रूप में नहीं है। इसके विपरीत, अगर मोटर इस voxel के लिए .51 की एक पीछे की संभावना है, तो हमें इस नमूने में डीएसीसी के साथ 1000 अध्ययनों में से 510 के बारे में उम्मीद करनी चाहिए ताकि एक मोटर के रूप में मोटर हो और इस में डीएसीसी के साथ 1000 अध्ययनों में से 490 नमूना एक शब्द के रूप में मोटर नहीं है। हालांकि दर्द और मोटर इन विश्लेषणों में सीधे तुलना नहीं किए गए थे, हमें लगता है कि इन दो विश्लेषणों का सुझाव है कि मोटर प्रक्रियाओं की तुलना में दर्द इस विकॉक्सल में गतिविधि का बेहतर खाता है। यह दर्द के लिए 0, 18, 30 पर z- स्कोर में भी दिखाई देता है (Z = 9। 9 0) और मोटर (Z = 0.21)।

TY भी निम्न लिखते हैं:

"यह सब के बारे में दिलचस्प बात यह है कि, किसी भी पद के लिए आपने जो भी चुनाव किया उससे कोई फर्क नहीं पड़ता, न्यूरोसिन्थ ज़-स्कोर कभी भी बदलेगा नहीं। इसका कारण यह है कि z स्कोर अवधि की घटना और voxel सक्रियण के बीच सांख्यिकीय सहयोग के एक frequentist उपाय है। यह सब हमें बताता है कि, हमारे पास जितने सारे आंकड़े दिए गए हैं, यह बहुत संभावना नहीं है कि एक शब्द और क्षेत्र के बीच शून्य संबंध बिल्कुल ठीक है। यह दिलचस्प हो सकता है या नहीं हो सकता है (मुझे लगता है कि यह नहीं है, लेकिन यह एक अलग पोस्ट के लिए है), लेकिन निश्चित रूप से "डीएसीसी सक्रियण से पता चलता है कि दर्द मौजूद है" जैसे एक रिवर्स अनुमान का लाइसेंस नहीं है। बाद के दावे को आकर्षित करने के लिए, आपको एक बायेशियन ढांचा का उपयोग करना होगा और कुछ समझदार प्राचीन चुनना होगा। कोई अग्रणी, कोई रिवर्स अनुमान नहीं। "

यह अभी भी हमारे लिए थोड़ा सा समझ में आता है। सबसे पहले, जहां तक ​​हम यह बता सकते हैं कि हम कभी भी नहीं लिखा गया शब्द TY हमारे गुण (यहाँ "डीएसीसी सक्रियण से पता चलता है कि दर्द मौजूद है") और ऐसा इसलिए है क्योंकि हमने इस दृश्य को समर्थन नहीं दिया है और नहीं। इसके अतिरिक्त, हम समझते हैं कि बिना बायिसियन ढांचे के आपको पीछे की संभावनाएं नहीं मिलती हैं, जो रिवर्स अनुमान प्रभाव की ताकत का अनुमान प्रदान करता है। हालांकि, z- स्कोर निश्चित रूप से हमें बताता है कि क्या शून्य शून्य रिवर्स अनुमान प्रभाव है। इस प्रकार, z- स्कोर वास्तव में हमें रिवर्स अनुमान के बारे में कुछ रुचि बता रहा है। यदि डीएसीसी के 14 खाते हैं और 14 खातों में से केवल 1 के पास एक विशेष voxel के लिए उनके रिवर्स अवलोकन के नक्शे में महत्वपूर्ण z- स्कोर है, तो हम निश्चित रूप से पीछे की संभावनाओं को बिना संदर्भ के उस voxel के कार्य के बारे में कुछ सीख चुके हैं।

क्या हम कभी यह कह सकते हैं कि मस्तिष्क के क्षेत्र में कोई फ़ंक्शन है?

TW ने हमारे कागज़ के आधार पर पूरी तरह से सवाल किया, सुझाव दे रहा है:

"हमें डीएसीसी गतिविधि के लिए एक एकीकृत स्पष्टीकरण की तलाश नहीं करनी चाहिए, जब तक कि यह विभिन्न प्रक्रियाओं के संग्रह का वर्णन न करें। 550 मिलियन न्यूरॉन्स के संग्रह के लिए "सर्वोत्तम व्याख्या" खोजने की कोशिश करना भ्रामक है, क्योंकि यह हमें मस्तिष्क गतिविधि के आधार पर मनोवैज्ञानिक संदर्भ बनाने के लिए आमंत्रित करता है जो कि ज़ोरदार नहीं हैं। सादृश्य से, यह अनुमान लगाने की कोशिश करने की तरह है कि कोई व्यक्ति रिपब्लिकन या डेमोक्रेट है जो कि उसके घर पर आधारित है। टेक्सास में रहने वाले मतदाताओं की "सर्वश्रेष्ठ व्याख्या" यह है कि वे रिपब्लिकन हैं। आप रिपब्लिकन अनुमान लगा सकते हैं, लेकिन आप केवल 57 प्रतिशत सही ही होंगे। "

यह वास्तव में इकाइयों / विश्लेषण के स्तर के बारे में विज्ञान के मुद्दे का एक दर्शन है। वही मुद्दा सामाजिक मनोविज्ञान में आता है, जब हम कहते हैं कि "विशेष परिस्थितियों में, लोग समानता के प्रभाव दिखाने के लिए प्रतीत होंगे।" इसका अर्थ यह नहीं है कि उस स्थिति में हर व्यक्ति ने उन प्रभावों को दिखाया, बल्कि यह कि एक केंद्रीय प्रवृत्ति होती है शोर से सांख्यिकीय रूप से अलग किया जा सकता है। सिर्फ इसलिए कि कुछ लोग हैं जो अनुरूप नहीं हैं, इसका मतलब यह नहीं है कि हम एक साधारण तरीके से लोगों के बारे में बात नहीं कर सकते।

TW की स्थिति दार्शनिक रूप से संरक्षित है, हालांकि, यह काफी हद तक इस निष्कर्ष पर पहुंचाती है कि एफएमआरआई किसी भी मस्तिष्क क्षेत्र में किसी भी मनोवैज्ञानिक समारोह की पहचान नहीं कर सकती है, क्योंकि प्रत्येक एकल वॉक्सल में लगभग 5.5 मिलियन न्यूरॉन्स (लॉगोटेटिस, 2008) हैं और संभवत: वहां कोई क्षेत्र नहीं है इन न्यूरॉन्स का 100% एक समारोह / प्रक्रिया द्वारा लाया जाता है और कोई अन्य फ़ंक्शन / प्रक्रिया नहीं है लेकिन वैज्ञानिकों ने स्पष्ट रूप से उन विशेषताओं के वर्णन, जो कि हिप्पोकैम्पस, विशेष रूप से लाखों न्यूरॉन्स होने के बावजूद उपयोग करने के लिए उपयोगिता में पाया है, जो सभी एक ही काम नहीं करते हैं। हम हिप्पोकैम्पल फ़ंक्शन के अंतिम विवरण किसी भी विशेष समारोह का सुझाव नहीं दे रहे हैं, लेकिन हम सुझाव दे रहे हैं कि हिप्पोकैम्पस के लिए एक सामान्य कार्य को रोकना व्यर्थ प्रयास नहीं है, जिसे समय-समय पर बहस, परिष्कृत और अद्यतन किया जाएगा।

चलो यह अनुमान लगाने के TW उदाहरण के लिए कि क्या एक बेतरतीब ढंग से चयनित टेक्सन एक रिपब्लिकन है, इस तथ्य पर आधारित है कि टेक्सन के 57% ने 2012 में रोमनी के लिए मतदान किया (ओबामा के लिए 41% बनाम)। हमें लगता है कि यह एक बढ़िया उदाहरण है, लेकिन यह उस प्रश्न पर कब्जा नहीं करता है जो हम वास्तव में दिलचस्पी रखते हैं। अगर हम डीएसीसी न्यूरॉन्स और टेक्सास राज्य के साथ डीएसीसी के साथ अलग-अलग Texans समानता रखते हैं, तो हमारा असली सवाल नहीं है चाहे हम अनुमान लगा सकते हैं कि कोई खास व्यक्ति रिपब्लिकन है (हालांकि यदि आप शर्त लगाने के लिए मजबूर हो गए तो आप रिपब्लिकन को अनुमान लगाने के लिए पागल होना चाहते हैं)। इसके बजाय, हमारा सवाल यह है कि "क्या रिपब्लिकन राज्य के रूप में टेक्सास कार्य करता है, इस तथ्य के बावजूद कि उस राज्य में कई व्यक्ति रिपब्लिकन नहीं हैं?" इस सवाल का उत्तर हां एक गंभीर है रिपब्लिकन वोट देने वाले 57% लोगों ने सरकार के हर हाथ में रिपब्लिकन का प्रभुत्व सुनिश्चित किया है: अमेरिकी सीनेट (100%) में; अमेरिकी प्रतिनिधि सभा (69%); टेक्सास स्टेट सीनेटर्स (68%); टेक्सास प्रतिनिधि (65%); और टेक्सास सुप्रीम कोर्ट जस्टिस (100%)। ये संख्याएं यह सुनिश्चित करने के लिए काफी अधिक हैं कि टेक्सास रिपब्लिकन राज्य के रूप में कार्य करते हैं। राज्य विधानसभा के दोनों घरों में 65% या उससे अधिक के साथ, रिपब्लिकन 100% रिपब्लिकन के अनुकूल कानूनों के माध्यम से वोट कर सकते हैं और राज्य सुप्रीम कोर्ट समय के बाद रिपब्लिकन के अनुकूल निर्णय प्रदान कर सकता है। शायद सबसे बड़ा महत्व यह है कि रिपब्लिकन वोट देने वाले टेक्सन के 57% लोगों ने टेक्सास के 38 चुनावी मतों को राष्ट्रपति के लिए पिछले 9 चुनावों में रिपब्लिकन उम्मीदवार के लिए 100% भेजा है। इसलिए समय के लिए, हमें लगता है कि टेक्सास को रिपब्लिकन राज्य के रूप में बताने के लिए यह केवल समझदार है क्योंकि यह बहुत व्यावहारिक मूल्य है। इस मामले के लिए प्रत्येक नागरिक क्रम में रिपब्लिकन होने की आवश्यकता नहीं है, न ही यह तथ्य भी है कि राज्य के इस वर्णन को डेमोक्रेटिक कमजोर करने वाले शहरी क्षेत्रों में मौजूद हैं। (जो अधिक कम्प्यूटेशनल रूप से प्रेमी हैं, वे केवल एक कनेक्शनवादी नेटवर्क पर विचार करते हैं। यदि किसी प्रतिनिधित्व के कुछ नोड्स को जोड़ते हुए वजन में एक छोटा सा लाभ होता है, तो पुनरावृत्त बाधा संतोष प्रक्रियाओं को उस छोटे लाभ को परिणामों में बड़े कार्यात्मक लाभ में बदल दिया जाएगा।)

निष्कर्ष

क्या रिवर्स इनफॉर्मेंस मैप्स से जेड-स्कोर्स हमें रिवर्स इनफॉर्मेंस इफेक्ट की ताकत बताते हैं? नहीं, लेकिन वे सहसंबंधित हैं .86 हमारे विश्लेषण में पीछे की संभावनाएं हैं जो करना है। क्या रिवर्स इनफॉर्मेंस मैप्स से जीड-स्कोर बताते हैं कि मस्तिष्क में एक गैर शून्य रिवर्स निष्कर्ष एसोसिएशन के विश्वसनीय सबूत कहां हैं? पूर्ण रूप से। क्या इन्हें उल्टा अनुमान के लिए एक उपकरण के रूप में इस्तेमाल किया जा सकता है, यदि हम वॉक्सल्स की पहचान करते हैं जो एक अवधि के लिए महत्वपूर्ण ज़-स्कोर्स दिखाते हैं लेकिन ब्याज के अन्य लोगों के लिए नहीं? पूर्ण रूप से।

क्या हमें लगता है कि डीएसीसी में प्रत्येक न्यूरॉन या वॉक्सल दर्द के लिए चयनात्मक या सक्रिय भी है? नहीं। क्या हम सोचते हैं इसका मतलब है कि डीएसीसी के कार्य के बारे में कोई चर्चा नहीं हो सकती है? नहीं। क्या टीएसी की परिभाषा का उपयोग करते हुए डीएसीसी चयनात्मक में अधिकांश मुखर हैं? नहीं, लेकिन लगभग 43% डीएसीसी वॉक्सल्स हम 14 शर्तों का इस्तेमाल करते हुए चयनात्मकता दिखाते हैं (जिसका अर्थ है कि वोक्सल्स एक में दिखाई देते हैं और विचार के तहत 14 रिवर्स इंफॉर्मेंस नक्शे में से केवल एक)।

उन डीएसीसी वॉक्सल्स में जो चयनात्मक हैं, 91% दर्द के लिए चयनात्मक हैं । जैसा कि हमने पीएनएएस पेपर में तर्क दिया है, कार्यकारी, संघर्ष और सादगी प्रक्रियाओं के संबंध में दर्द के लिए डीएसीसी चयनात्मक है? निश्चित रूप से – 477 वॉक्सल्स का केवल एक वॉक्सल जो चयनात्मकता दिखाता है इन तीनों प्रक्रियाओं में से किसी एक के लिए चयनात्मक है। न्यूरोसिन्थ सबूत के आधार पर, ध्यान, स्वायत्तता, परिहार, संघर्ष, भावना, त्रुटि, कार्यकारी, डर, नकारात्मक प्रभाव, प्रतिक्रिया निषेध, प्रतिक्रिया चयन, इनाम और नमूनों की तुलना में दर्द के लिए डीएसीसी चुनिंदा से अधिक है? पूर्ण रूप से। यह देखते हुए कि हमारे सहित कुछ, डीएसीसी से इतना अधिक अनुमान लगाया होगा, ये सभी अन्य खातों की तुलना में दर्द के लिए चयनात्मक होता है, हमें लगता है कि हमारे निष्कर्षों को भावात्मक और संज्ञानात्मक तंत्रिका विज्ञान में महत्वपूर्ण योगदान है।