Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com/scientificdata
cuando eran aproximadamente 11 años de edad (es decir, tiempo 1). Sesenta y tres de ellos fueron escaneados de nuevo aproximadamente 2 años más tarde (es
decir, tiempo 2). Los niños llevaron a cabo cuatro tareas dentro del escáner: dos tareas aritméticas y las dos tareas del localizador. Las tareas aritméticas eran una
multiplicación de un solo dígito y una tarea de la resta de un solo dígito. Las tareas del localizador, una rima tarea de juicio escrito y una tarea de juicio numerosidad,
se utilizaron para identificar de forma independiente las áreas del cerebro verbales y cantidad, respectivamente. Además, proporcionamos datos sobre el rendimiento
de comportamiento en las tareas dentro del escáner, los participantes ' puntajes en las pruebas estandarizadas, incluyendo la lectura y la habilidad matemática, y un
cuestionario completado la historia del desarrollo por los padres. Este conjunto de datos podría ser útil para responder a preguntas acerca de las bases neuronales
del desarrollo de las matemáticas en niños y su relación con las diferencias individuales en la habilidad. Los datos, que tienen derecho “ Los correlatos cerebrales de
diseño de series temporales • diseño de medidas repetidas • datos sobre el comportamiento objetivo el análisis • el diseño del
Tipo (s) de diseño
estudio longitudinal
Tipo (s) de tecnología 3 escáner MRI T • comportamiento o trastorno del comportamiento de medición
1 Departamento de Psicología y Desarrollo Humano, Universidad de Vanderbilt, Nashville, TN, EE.UU.. 2 Departamento de Neurología, Neuroscape,
Universidad de California, San Francisco, San Francisco, CA, EE.UU.. La correspondencia y las solicitudes de materiales deberán dirigirse a MS-P.
(E-mail: suarez.pellic@vanderbilt.edu)
Antecedentes y resumen
Los niños deben desarrollar con éxito sus habilidades matemáticas para convertirse en adultos altamente productivos en un mercado de trabajo que
requiere un buen nivel de formación en las disciplinas (STEM) de ciencia, tecnología, ingeniería y matemáticas. Se deben hacer esfuerzos con el fin
de entender las razones por las que algunos niños se atrasan sus compañeros en matemáticas, ya que son más propensos a tener trabajos
manuales no cualificados con salarios bajos en el futuro 1. Algunos de estos niños sufren de discalculia, un DIF persistente fi cultades en el
aprendizaje de las matemáticas a pesar de inteligencia normal que afecta a alrededor del 6% de la población infantil 2. Aunque se han realizado
varios estudios de comportamiento en el desarrollo de las matemáticas, se sabe poco sobre los correlatos cerebrales de habilidad matemática en
niños o cómo el cerebro apoya el desarrollo numérico éxito.
Este conjunto de datos examina la forma de 8 a 16 años de edad los niños procesan dos operaciones aritméticas que se consideran a contratar
dos sistemas cerebrales diferentes 3,4: áreas verbales para resolver y procesamiento de magnitud áreas de tareas de multiplicación para la solución
de tareas de sustracción. Ciento treinta y dos niños fueron escaneados cuando eran aproximadamente 11 años de edad (es decir, media de edad;
de aquí en adelante, T1) y 63 de ellos fueron escaneados de nuevo aproximadamente 2 años más tarde (en adelante, T2). En ambos momentos,
los niños resuelven dos tareas aritméticas y las dos tareas localizador dentro del escáner. Una multiplicación de un solo dígito y la tarea de la resta
de un solo dígito constituyeron las tareas aritméticas y una tarea de juicio y el juicio numerosidad rima constituyeron las tareas del localizador. Los
niños también se administraron varias pruebas estandarizadas con el fin de medir su matemáticas Florida uidez, la capacidad aritmética, actitudes
hacia las matemáticas, la capacidad de lectura, habilidades fonológicas, memoria de trabajo, la inteligencia y la atención de fi trastorno de
hiperactividad cit. Algunas de estas medidas han sido recogidos en la T1, y otros en ambos puntos temporales. Además, en la T1, los niños ' s
padres respondieron un cuestionario historia del desarrollo que incluye varias preguntas con respecto a sí mismos y sobre su hijo ' desarrollo de s, el
rendimiento en la escuela, y la situación en el hogar.
Hay tres razones por qué medios este conjunto de datos es importante y puede contribuir aún más a responder científica relevante fi preguntas c. En primer lugar,
un significante fi número no puede de participantes en este conjunto de datos tiene datos longitudinales. Estudios previos han investigado los cambios de resonancia
magnética funcional del cerebro asociadas con el aprendizaje de matemáticas mediante el estudio de cómo los adultos aprenden problemas aritméticos complejos 5 o
mediante el estudio de los niños a diferentes edades 6. Mientras que el enfoque de la sección transversal es capaz de proporcionar la información pertinente, la gran
variabilidad individual en la estructura del cerebro puede dejar de detectar o falsamente sugerir cambios en el tiempo 7, lo que constituye una limitación. Existe un
consenso en la literatura que fi hallazgos de cerebros completamente maduros no deben ser generalizados a los niños 8
y que es necesario el uso de diseños longitudinales con los niños para comprender cómo el cerebro apoya el desarrollo de las matemáticas con éxito 9. La
escasez de datos de la fMRI longitudinales sobre el desarrollo de las matemáticas hace que este conjunto de datos muy importante para responder a
preguntas tales como si la activación inicial del cerebro predice el desarrollo posterior o si las diferencias cerebrales son estables a lo largo del desarrollo.
La segunda razón por la cual este conjunto de datos es una contribución importante es el uso de las tareas del localizador. Varios estudios anteriores
fMRI en la cognición matemática han inferido la participación de un proceso cognitivo particular usando inferencia inversa. Es decir, la activación de una de
anatómicamente fi región del cerebro Ned se atribuye a un proceso cognitivo particular usando la literatura anterior en vez de demostrar directamente la
implicación de la región en el proceso cognitivo de interés 10. Mediante el uso de las tareas del localizador, que cuidadosamente identi fi ed áreas del cerebro
asociadas con el procesamiento verbal y magnitud, lo que permite conclusiones que se pueden extraer más fuertes. Por último, este conjunto de datos
proporciona resultados en los exámenes estandarizados que miden varias habilidades cognitivas de dominio general, lo que permitiría a los investigadores
estudiar futuras correlaciones cerebro-conducta. Por ejemplo, dada la amplia gama de matemáticas y capacidad de lectura puntuaciones en este conjunto de
datos, pregunta con respecto a las diferencias individuales en la habilidad pueden ser contestadas.
Este descriptor de datos proporciona una descripción detallada de la neuroimagen y los datos de comportamiento compartidos a través del proyecto
OpenNeuro (https://openneuro.org) y titulado “ Los correlatos cerebrales de Desarrollo de Matemáticas ”.
Estos datos en bruto, que se organizó de acuerdo con el formato de la estructura del cerebro de imagen de datos (OFERTAS), proporciona la mayor utilidad
y Florida flexibilidad para re-análisis y nuevas investigaciones. Una parte de este conjunto de datos se ha utilizado con éxito en nuestras publicaciones
anteriores. Hemos utilizado estos datos para examinar las diferencias de desarrollo, individuales y socioeconómicos en las bases neuronales de la
aritmética 6,11 - 18.
métodos
Participantes
El conjunto de datos incluye datos de 132 participantes reclutados de las escuelas en el área metropolitana de Chicago para participar en el
estudio. Los participantes fueron reclutados principalmente a través de folletos que fueron enviadas a muchas escuelas públicas en el área
metropolitana de Chicago. Otros métodos de reclutamiento utilizados incluyeron anuncios impresos en el transporte público y las revistas, la
publicidad electrónica en Facebook y Google, y la organización de eventos de la comunidad. Los folletos fueron diseñados para reclutar a los niños
con una amplia gama de capacidad en las habilidades aritméticas, incluyendo aquellos que “ lucha ” con las matemáticas. Una descripción detallada
del número de participantes incluidos en cada uno de los localizador y tareas aritméticas junto con la distribución de sexo se da en la Tabla 1. Los
participantes fueron seleccionados para la elegibilidad a través de matriz de auto-informe. criterios de exclusión para este estudio incluyeron: 1)
trastornos psiquiátricos incluyendo la atención De fi cit Trastorno de Hiperactividad (TDAH), según el informe de los padres; 2) enfermedad
neurológica o epilepsia; 3) la prematuridad menos de 36 semanas; 4) complicaciones en el parto que requieren ingreso en la unidad de cuidados
intensivos neonatales; 5) lesión en la cabeza que requiere una evaluación médica de emergencia; 6) sin corregir la deficiencia visual; 7) signi fi peralte
pérdida de audición; 8) Altavoz Inglés no nativos; 9) zurdo; 10) medicación que afecta el procesamiento del sistema nervioso central (por ejemplo,
medicación ADHD); 11) contraindicaciones para la RM tales
Tabla 1. Número de participantes en cada tarea. Número de participantes que tienen datos para las tareas del localizador y las tareas aritméticas en
cada momento, y la distribución por sexos. Se incluyeron los participantes que tienen uno o más carreras de la tarea respectiva.
Media Dakota del Sur Distancia Media Dakota del Sur Distancia Media Dakota del Sur Distancia
Años 11.3 1.5 8.4 - 15.0 11.1 1.5 8.4 - 14.1 13.4 1.5 10.9 - 16.5
Fluidez de lectura 103.1 15.7 59 - 140 105,6 16.0 59 - 140 100,6 14.1 55 - 127
Competencia matemática 94.4 15.9 62 - 143 94.8 16.4 66 - 143 93.1 16.9 sesenta y cinco - 138
Inteligencia 107.5 15.8 81 - 144 111.1 16.0 82 - 144 109,7 17.0 79 - 144
Tabla 2. Características de la muestra. Media, desviación estándar (DE) y el rango de edad y estandarizadas puntuaciones en lectura, matemáticas Florida uency
y la inteligencia para los participantes con los datos de tiempo 1 (n = 132) y para los participantes con datos longitudinales (n = 63). Nota. Fluidez de lectura:
Lectura de palabras Ef fi puntuación estándar deficiencia en la prueba de lectura de palabras Ef fi ciencia (TOWRE); Mates Florida uency: puntuación estandarizada
en la prueba matemática de la Woodcock-Johnson III (WJ-III); Inteligencia: ¡Máxima puntuación de CI estandarizados en la Escala Abreviada de Wechsler de
Inteligencia (WASI) (verbal rendimiento +).
como tener llaves. Partícipe ' s identificación únicos fi número de cationes, sexo, edad en cada punto de tiempo, los datos presentes en cada punto de tiempo, y uso de
consentimiento escrito se obtuvo de los niños y el consentimiento de sus padres o tutores, que incluían los datos referentes a la distribución
de deidenti fi datos ed. Todos los procedimientos experimentales fueron aprobados por la Junta de Revisión Institucional de la Universidad
Northwestern. Estos métodos son versiones de las descripciones se expandieron en nuestro trabajo relacionado 6,11 - 18.
Figura 1. Ilustración del diseño general del estudio. Ilustración que muestra los datos recogidos en cada punto de tiempo para que los participantes que tienen
datos T1 (n = 132) y para aquellos participantes que tiene datos T2 longitudinales (n = 63).
señal (BOLD) se midió con una secuencia de susceptibilidad ponderado de disparo único imagen planar de eco (EPI). Una alta resolución T1
ponderado de la imagen 3D estructural (es decir MPRAGE) se recogió para cada participante. Se utilizó una bobina de cabeza de 32 canales. Los
parámetros del escáner para esta adquisición fueron: TR = 2300 ms, TE = 3,36 ms, tamaño de matriz = 256 × 256, fi campo de vista = 240 mm, grosor
de corte = 1 mm, número de rebanadas = 160. El tamaño completo voxel fue de 1 × 1 × 1. En cuanto a las imágenes ponderadas en T2, se utilizaron
los siguientes parámetros: TE = 20 ms, Florida ángulo ip = 80 °, tamaño de la matriz = 128 × 120, fi campo de visión = 220 ×
206,25 mm, grosor de corte = 3 mm (0,48 mm BPA), número de rebanadas = 32, TR = 2000 ms, GRAPPA factor de aceleración 2. El tamaño
completo voxel fue 1,7 × 1,7 × 3. El fi primera 6 volúmenes de cada ejecución se descartaron para permitir efectos T1 de equilibrado.
Tareas que se resuelven dentro del escáner. Los participantes completaron cuatro tareas dentro del escáner, dos tareas localizador, y dos tareas
aritméticas. Los estímulos se generaron usando el software de E-prime (Herramientas de software Psicología, Pittsburgh, PA) y proyectan en una pantalla
que estaba al alcance de los participantes a través de un espejo unido a la cabeza de la bobina. El momento y el orden de presentación juzgada dentro de
cada corrida se ha optimizado para la estimación de EF fi ciencia usando optseq2 (http://surfer.nmr.mgh.harvard.edu/optseq/). Los estímulos fueron divididos
en dos carreras para las tareas numerosidad, resta y multiplicación. Las dos carreras incluyen diferentes estímulos, que contiene el mismo número de
objetos por condición. Los ensayos se muestran a los participantes en un orden pseudo-aleatoria dentro de una serie, por lo que todos los participantes
recibieron ensayos en el mismo orden dentro de cada ejecución. Tarea y el orden de ejecución se compensaron entre los participantes. Las respuestas de
comportamiento se registraron utilizando un teclado de dos botones debajo de la mano derecha.
Solo dígito tarea de multiplicación: Los participantes se presentaron con 24 problemas de multiplicación de un solo dígito, seguido de una solución
propuesta. La mitad de los problemas se clasificaron fi ed como “ fácil ” y un medio como
“ difícil ”. problemas fáciles se caracterizaron como dos operandos que eran menos que o igual a 5 (por ejemplo, 2 × 4). problemas difíciles contenían
dos operandos que eran más grandes que 5 (por ejemplo, 9 × 6). Cada problema se repitió
Sin secundaria 5 7
Escuela secundaria 13 25
Diploma de graduación 29 27
Ninguna respuesta 9 17
Tabla 3. Nivel de educación de los padres. Más alto grado de educación alcanzado por los participantes '
madre y el padre, según lo informado por los padres en T1 en el cuestionario de la historia del desarrollo.
dos veces con una solución propuesta correcta, y una vez con uno incorrecto. soluciones propuestas incorrectos eran la respuesta al problema
que se obtendría sumando o restando 1 a la fi operando primera (por ejemplo, dado 9 × 6 = 48, por ejemplo 9 × 6 = 60). Esto dio lugar a 4
condiciones diferentes: “ Etrue ”, fáciles problemas con una solución propuesta correcta; “ Efalse ”, fáciles problemas con una solución propuesta
incorrecto; “ Htrue ”, problemas duros con una incorrectas y soluciones propuestas “ Hfalse ”, problemas duros con una solución propuesta incorrecta.
No se incluyeron los problemas de unión (por ejemplo, 5 x 5) y los problemas que implican 0 o 1. Optseq2 (http: //
surfer.nmr.mgh.harvard.edu/optseq/) se utiliza para la optimización del tiempo y orden de presentación de prueba. Los participantes respondieron
con su índice fi dedo si la respuesta al problema fue correcto, y con su medio fi dedo si era incorrecta. El problema de multiplicación (es decir prime)
y la solución propuesta (es decir, de destino) se presentaron en un fondo blanco para 800 ms (cada una) separadas por intervalo de 200 ms
interestímulo. El estímulo objetivo fue seguido por un rojo fi jación cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Los
participantes podían responder tan pronto como se presentó el objetivo, hasta el comienzo de la siguiente prueba. Con el fin de controlar las
respuestas motoras, se incluyeron 24 ensayos de control, para el que se presentó un cuadrado azul de 800 ms seguido de un rojo fi jación
cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Participantes ' tarea era responder con su índice fi dedo cuando el cuadrado
azul se puso roja. Los cuadrados azules y rojas utilizadas como estímulos de control, común a todas las tareas que se resuelven dentro del
escáner, se comparten en la subcarpeta “ Los estímulos ”. El número total de ensayos fue 96, que se divide en dos ensayos separados con 48
ensayos cada uno, titulado “ tareas Mult_run-01 ” y “ tareas Mult_run-02 ”. Cada corrida compuesta por 108 volúmenes. Cada corrida terminó con la
presentación de un cuadrado rojo de 22000 ms. presentación estímulos y de temporización se muestra en la Fig. 2a.
Solo dígito tarea resta: Los participantes se presentaron con 24 problemas de resta de un solo dígito, seguido de una solución propuesta. La
mitad de los problemas se clasificaron fi ed como “ fácil ” y un medio como “ difícil ”. problemas fáciles se caracterizaron por una pequeña diferencia en la fi
primer y segundo operando (es decir, 1, 2 o 3). problemas duros se caracterizan por una mayor diferencia entre la fi primer y segundo operando (es
decir, 4, 5 o 6), y una más grande fi operando primera (es decir, 6, 7, 8 o 9). Cada problema se repitió dos veces con una solución propuesta correcta,
y una vez con una solución propuesta incorrecta. soluciones propuestas incorrectos se generaron mediante la adición de 1 o 2 para la respuesta
correcta (por ejemplo, 8 - 2 = 7), o restando 1 de la respuesta correcta (por ejemplo, 8 -
2 = 5). Esto dio lugar a 4 condiciones diferentes: “ Etrue ”, fáciles problemas con una solución propuesta correcta;
“ Efalse ”, fáciles problemas con una solución propuesta incorrecto; “ Htrue ”, problemas duros con una incorrectas y soluciones propuestas “ Hfalse
”, problemas duros con una solución propuesta incorrecta. Optseq2 (http: // surfer.nmr.mgh.harvard.edu/optseq/) se utiliza para la optimización
del tiempo y orden de presentación de prueba. Los participantes respondieron con su índice fi dedo si la respuesta al problema fue correcto, y
con su medio fi dedo si era incorrecta. El problema de resta (es decir prime) y la solución propuesta (es decir, de destino) se presentaron
durante 800 ms (cada uno) en un fondo blanco separadas por intervalo de 200 ms interestímulo. El estímulo objetivo fue seguido por un rojo fi jación
cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Los participantes podían responder tan pronto como se presentó el
objetivo, hasta el comienzo de la siguiente prueba. Con el fin de controlar las respuestas motoras, se incluyeron 24 ensayos de control, para el
que se presentó un cuadrado azul de 800 ms seguido de un rojo fi jación cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter).
Participantes ' tarea era responder con su índice fi dedo cuando el cuadrado azul se puso roja. El número total de ensayos fue 96, que se divide
en dos ensayos separados con 48 ensayos cada uno, titulado “ taskSub_run-01 ” y “ tareas Sub_run-02 ”. Cada corrida compuesta por 107
volúmenes. Cada corrida terminó con la presentación de un cuadrado rojo de 22000 ms. presentación estímulos y de temporización se
muestra en la Fig. 2b.
Rima tarea de juicio: Los participantes se presentaron con dos palabras inglesas escritas monosilábicas y se les pidió que hacer un
juicio de rima. pares de palabras se clasificaron en cuatro condiciones: 12 pares eran ortográficamente similar y fonológicamente
similar (O + P +), 10 pares eran ortográficamente similar y fonológicamente diferente (O + P -), 10 pares eran ortográficamente diferente
y fonológicamente similar (O
- P +), y 14 pares eran ortográficamente diferente y fonológicamente diferente (O - PAG -). El número de ensayos por condición variar
ligeramente debido a la utilización de optseq2 (http://surfer.nmr.mgh.harvard.edu/optseq/) para la optimización de la temporización y el orden
de presentación de prueba. Los participantes respondieron con su índice fi dedo si las palabras rimadas y con su medio fi dedo si no rima. los fi primera
palabra (es decir prime) y
Logro Woodcock-Johnson III (WJ-III) Letras y palabras Identi fi catión * RS & StS
Ataque palabra *
Comprensión de un pasaje *
Competencia matemática * *
Relaciones espaciales *
Total * *
Diseño de bloques * *
similitudes * *
Razonamiento matriz * *
CI verbal * * CS
CI de ejecución * *
IQ completa * *
capacidad de las matemáticas Habilidades integral examen de matemáticas (CMAT) Adición * * RW y StS
Sustracción * *
Multiplicación * *
División * *
Cálculos básicos * * CS
Numeración * *
actitudes Prueba de Matemática Abilities- (TOMA-2) Actitud hacia las matemáticas * * RW y StS
habilidades fonológicas Prueba integral del procesamiento fonológico (CTOPP) Elisión * RW y StS
Palabras de mezcla *
La conciencia fonológica * CS
denominación rápida *
Leyendo Prueba de lectura de palabras Ef fi ciencia (TOWRE) Palabra de vista Ef fi ciencia * * RW y StS
La memoria de trabajo Automatizado de Evaluación de la memoria de trabajo (AAGA-S) Recordemos dígitos * * RW y StS
Recordemos escuchar * *
Matriz de puntos * *
Recuerdo espacial * *
Tabla 4. Las pruebas estandarizadas en cada punto de tiempo. Lista de las pruebas estandarizadas compartidos en los datos, el dominio cognitivo
medido, el punto de tiempo en el que se recogió cada medida (T1; T2), las subpruebas / subescalas incluido y el tipo de partituras disponibles. Nota. RS:
Puntaje bruto; SeE: puntuación en la escala; STS: puntuación estandarizada; CS: Puntuación compuesta; TS: T-score. Pe: Percentil. T1: Tiempo 1; T2: Tiempo
2.
la segunda palabra (es decir, de destino) se presentaron durante 800 ms (cada uno) en un fondo blanco separadas por intervalo de 200 ms
interestímulo. El segundo estímulo fue seguido por un rojo fi jación cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Los
participantes podían responder tan pronto como se presentó la segunda palabra, hasta el comienzo de la siguiente prueba. Con el fin de controlar
las respuestas motoras, se incluyeron 25 ensayos de control, para el que se presentó un cuadrado azul de 800 ms seguido de un rojo fi jación
cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Participantes ' tarea era responder con su índice fi dedo cuando el cuadrado
azul se puso roja. Además, se incluyeron 13 ensayos de percepción que involucra a juego de caracteres no alfabéticos juicios. Los personajes
fueron presentados durante 800 ms como creciente, decreciente o constante en la altura y sujetos se les pidió que indicaran si los dos estímulos
presentados corresponden o no lo hicieron. Los estímulos
Niño ' s dif fi cultades ¿Su hijo tiene retrasos en el habla / problemas? (Es decir: stutters, dif fi culto a entender) Sí / No En caso afirmativo: Por favor explique
¿Tiene su hijo dificultades con la lectura? Si no. En caso afirmativo, explíquelo porfavor
Ha sido su hijo ha probado para una discapacidad de lectura? Si no. En caso afirmativo, indique el diagnóstico
Ha sido su hijo probado para una discapacidad en matemáticas? Si no. En caso afirmativo, indique el diagnóstico
Niño ' s preferencias de ¿Cómo su hijo prefieren aprender? Escuchar en clase con el maestro; Visualización de la información visual proporcionada en la clase; Observación de manifestaciones;
aprendizaje Interacción con los compañeros que participan en las discusiones; Otro
Niño ' s casa idioma principal que se habla en el hogar: [Respuesta libre]
Madre ' s alto grado / grado completado: Sin High School; Escuela secundaria; Alguna educación superior; Soltero ' s Grado; Diploma de graduación
Padre ' s alto grado / grado completado: Sin High School; Escuela secundaria; Alguna educación superior; Soltero ' s Grado; Diploma de graduación
Tabla 5. Descripción del desarrollo cuestionario de la historia. Descripción de los artículos y las opciones de respuesta en el
cuestionario completado por la historia del desarrollo del participante ' s de los padres en la T1.
emparejado en medio de los ensayos. Los estímulos utilizados para esta condición perceptiva se comparten en la subcarpeta
“ Estímulos / tarea de rimas ”. El número total de ensayos fue de 84, todo ello presentado en una carrera única, titulado “ taskRhyming ”. La carrera consta
de 174 volúmenes. La carrera terminó con la presentación de un cuadrado rojo de 22000 ms. presentación estímulos y de temporización se muestra en
la Fig. 2c.
Numerosidad tarea de juicio: Los participantes se presentaron con dos conjuntos de puntos. La relación entre la numerosidad de las dos matrices de puntos se
varió, de tal manera que 24 ensayos tenían una proporción de 0,33 (es decir, 12 puntos frente a 36 puntos; condición fácil), 24 ensayos tenían una proporción de
0,50 (es decir, 18 puntos vs . 36 puntos; condición medio), y 24 ensayos tenían una proporción de 0,66 (es decir, 24 puntos frente a 36 puntos; condición duro). Un
comercio-off se utilizó entre igualando la superficie acumulada y la distribución de tamaños de punto individuales (es decir, 6 tamaños de punto diferentes) en cada
par
Tipo de datos Nombre del archivo de datos de T1 Nombre del archivo de datos de T2 Descripción
participants.tsv * Partícipe ' s identificación únicos fi número de cationes, sexo, edad, los datos presentes en cada punto de tiempo, y
handedness
Pruebas estandarizadas Fenotipo / ADHD-rs.json * De la atención fi cit e Hiperactividad (Escala de Evaluación de TDAH-IV) y la puntuación de prueba
Descripción
Fenotipo / AWMA-s.json * Memoria de Trabajo Automatizado Assessment- Short Form (AAGA-S) y la puntuación de la prueba Descripción
Fenotipo / cmat.json * Habilidades integral examen de matemáticas (CMAT) de prueba y la puntuación Descripción
Fenotipo / ctopp.json * Prueba completa de procesamiento fonológico (CTOPP) y prueba de puntuación Descripción
fenotipo / * Descripción de las preguntas y opciones de respuesta incluidas en el cuestionario la historia del desarrollo
developmental_history_questionnaire.json (véase la Tabla 5 para una descripción detallada de los elementos incluidos)
Fenotipo / toma-2.json * Prueba de Matemática Abilities- segunda edición (TOMA-2) y la puntuación de prueba Descripción
Fenotipo / towre.json * Prueba de lectura de palabras Ef fi ciencia (TOWRE) y prueba de puntuación Descripción
Fenotipo / wasi.json * Wechsler Escala Abreviada de Inteligencia (WASI) y prueba de puntuación Descripción
Fenotipo / ses-T1 / ADHD-rs.tsv Fenotipo / ses-T2 / ADHD-rs.tsv De la atención fi datos de transporte de fondos y el trastorno de hiperactividad (ADHD Rating Scale-IV) en cada punto temporal
Fenotipo / ses-T1 / AWMA-s.tsv Fenotipo / ses-T2 / AWMA-s.tsv Memoria de Trabajo Automatizado de Evaluación Short Form (AAGA-S) de datos en cada punto temporal
Fenotipo / ses-T1 / cmat.tsv Fenotipo / ses-T2 / cmat.tsv Habilidades integral examen de matemáticas (CMAT) de datos en cada punto temporal
Fenotipo / ses-T1 / ctopp.tsv Ensayo completo del procesamiento fonológico (CTOPP) de datos en la T1
Fenotipo / ses-T1 / keymath-3.tsv Fenotipo / ses-T2 / keymath-3.tsv KeyMath-3 de datos en cada punto temporal
Fenotipo / ses-T1 / toma-2.tsv Fenotipo / ses-T2 / toma-2.tsv Prueba de Matemática Abilities- segunda edición (TOMA-2) de datos en cada punto de tiempo
Fenotipo / ses-T1 / towre.tsv Fenotipo / ses-T2 / towre.tsv Prueba de lectura de palabras Ef fi ciencia (TOWRE) de datos en cada punto de tiempo
Fenotipo / ses-T1 / wasi.tsv Fenotipo / ses-T2 / wasi.tsv Wechsler abreviadas Escala de Inteligencia (WASI) de datos en cada punto de tiempo
Fenotipo / ses-T1 / wj-III.tsv Fenotipo / ses-T2 / wj-III.tsv datos en cada punto de tiempo Woodcock-Johnson III (WJ-III)
Los estímulos Estímulos / tarea-Nm / por ejemplo dot3_12-1.bmp * Los estímulos utiliza en la tarea del localizador numerosidad
Estímulos / tarea-Rhyming / por ejemplo perceptual_a.bmp * Los estímulos utilizados en la condición de percepción de la tarea del localizador de rima
Estímulos / por ejemplo BLUEbox.bmp * Los estímulos utilizados como condiciones de control para los localizadores y tareas aritméticas
exploraciones anatómicas T1w.json * información de parámetros del escáner utilizado para adquirir imágenes estructurales.
Sub- o ID> / Ses-T1 / anat / sub- o ID> _ses- T1_T1w.nii.gz Sub- o ID> / ses-T2 / anat / sub- o ID> _ses- T2_T2w.nii.gz imágenes estructurales (MPRAGES) en cada punto temporal
exploraciones funcionales tareas Mult_bold.json * Descripción de la tarea de multiplicar resuelto dentro del escáner
Sub- o ID> / Ses-T1 / func / sub- o ID> _ses- T1_task- o nombre> Sub- o ID> / ses-T2 / func / sub- o ID> _ses- T2_task- o nombre> datos en bruto Nifti en cada punto temporal
_run- o num> _bold.nii. gz _run- o num> _bold. NII. gz
Las respuestas de comportamiento Sub- o ID> / Ses-T1 / func / sub- o ID> _ses- T1_task- o nombre> Sub- o ID> / ses-T2 / func / sub- o ID> _ses- T2_task- o nombre> Estímulos, tiempo de inicio del horario de máxima audiencia, duración, tipo de ensayo, la precisión y la respuesta por cada ensayo
_run- o NUM> _events. TSV _run- o NUM> _events. TSV de cada ejecución en cada punto temporal
Tabla 6. Resumen de la ubicación de los datos. Tipo de datos, la ubicación de cada punto de tiempo y la descripción de la información incluida en cada
lugar. Nota. Json: javascript notación de objetos; Tsv: valor Tab separados; BMP: imagen de mapa de bits; .nii.gz: comprimido-gzip ingenioso. (*) Común a
para asegurarse de que los participantes no se basan en las propiedades para resolver la tarea. Todos los pares de puntos utilizados para esta tarea
se comparten en la subcarpeta “ Estímulos / tarea-Nm ”. se utilizó Optseq2 (http://surfer.nmr.mgh.harvard.edu/ optseq /) para la optimización del tiempo
y orden de presentación de prueba. Los participantes respondieron con su índice fi si el dedo fi array primera se compone de más puntos que la
segunda matriz, y con su medio fi dedo si la segunda matriz se compone de más puntos que el fi array primero. los fi primer conjunto de puntos (es
decir,
Figura 2. Ilustración de tareas estímulos y tiempo. Ilustración de los estímulos y de temporización para el ( una) Veri la multiplicación de un solo dígito fi tarea de
cationes. ( segundo) Veri la resta de un dígito fi tarea de cationes, ( do) Rima tarea de juicio y ( re) numerosidad tarea de juicio. Partes de este fi gura se han utilizado
prime) y el segundo conjunto de puntos (es decir, de destino) se presentaron para 800 ms en una pantalla blanca separadas por intervalo de 200 ms
interestímulo. El estímulo objetivo fue seguido por un rojo fi jación cuadrados duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Los
participantes podían responder tan pronto como se presentó el objetivo, hasta el comienzo de la siguiente prueba. Con el fin de controlar las
respuestas motoras, se incluyeron 24 ensayos de control, para el que se presentó un cuadrado azul de 800 ms seguido de un rojo fi jación cuadrados
duraderas 2200, 2600 o 3000 ms (es decir, 400 ms jitter). Participantes ' tarea era responder con su índice fi dedo cuando el cuadrado azul se puso
roja. El número total de ensayos fue 96, que se divide en dos ensayos separados con 48 ensayos cada uno, titulado “ tareas Num_run-01 ” y “ tareas
Num_run-02 ”. Cada corrida compuesta por 107 volúmenes. Cada corrida terminó con la presentación de un cuadrado rojo de 22000 ms. presentación
estímulos y de temporización se muestra en la Fig. 2d.
Multiplicación 78,2 (41,3) 1080 (610) 79,5 (12,9) 1125 (349) 82,1 (38,3) 1036 (528)
Sustracción 76,5 (42,4) 1222 (593) 75,9 (18,0) 1306 (366) 88,2 (32,3) 1034 (520)
Rimador 75,3 (43,1) 1228 (439) 77,5 (14,1) 1261 (255) 84,5 (36,2) 1083 (379)
numerosidad 84,7 (36,0) 1020 (439) 85,3 (10,9) 1040 (263) 91,8 (27,4) 873 (400)
Tabla 7. El rendimiento en las tareas que se resuelven dentro del escáner. Porcentaje de precisión y media de tiempos de respuesta para los ensayos que resuelve
correctamente (desviación estándar entre paréntesis) para todas las condiciones experimentales en cada punto de tiempo.
Ambos criterio de entropía de enfoque (EFC) Indicación de distorsión y efecto fantasma causada por movimiento de la cabeza. Los valores más bajos son mejores 24.
La relación señal-ruido (SNR) Una medida de la calidad de la señal sensible al sistema de resonancia magnética y parámetros. Los valores más altos son mejores 25.
Ponderada en T1 coef fi ciente de variación conjunta (CJV) Una medida del rendimiento de corrección INU. Los valores más altos indican una mayor cantidad de movimiento de la cabeza y grandes artefactos INU. Los
valores más bajos son mejores 26.
relación de contraste a ruido (CNR) Una medida de la diferencia entre la materia blanca y la sustancia gris. Los valores más altos son mejores 25.
Intensidad no uniformidad mediana (inu_med) Localización y extensión del sesgo fi campo de la corrección INU. Los valores más cercanos a 1,0 son mejores 27.
White-asunto a máxima relación de intensidad (wm2max) La mediana de la intensidad de la materia blanca sobre el 95 º percentil de la distribución de intensidad completa. Los valores entre 0,6 y 0,8 son mejor 22.
Ponderada en T2 La media de desplazamiento framewise (fd_mean) Medida del movimiento de la cabeza a través de la adquisición de datos calcula estimaciones de realineación. Los valores más bajos son mejores 28.
relación Ghost-a la señal (gsr_y) La intensidad de señal fantasma de Nyquist en la dirección y debido a subóptimas PAI secuencia de calibraciones. Los valores más bajos son mejores 29.
derivada temporal normalizada de varianza RMS (dvars_std) medida estandarizada del cambio de intensidad en volúmenes. Los valores más bajos son mejores 30.
Median temporal relación señal a ruido (TSNR) Valor medio de la señal a través del tiempo sobre la desviación estándar temporal. Los valores más altos son mejores 22.
Tabla 8. Descripción métricas de calidad. métrica de calidad de imagen que se utiliza para evaluar los datos ponderadas en T2 ponderada en T1 y calidad y su
descripción, incluyendo información sobre cómo interpretar cada uno de los valores.
Participantes ' información demográfica, incluyendo niños ' s identificación únicos fi número de cationes, sexo, edad en cada punto de
tiempo y uso de las manos se proporciona en el “ Participants.tsv ” fi Le y descrito en el
“ Participants.json ” fi Le. los fi le también incluye una indicación de las diferentes exploraciones funcionales disponibles para cada participante en
cada punto de tiempo. Esta información se organiza en 14 columnas que contienen “ sí ”
(Existen datos) o “ no ”( la falta de datos) para las siete carreras en el tiempo de 1 (es decir sesT1_task-Mult_run-01;
sesT1_task-Mult_run-02; sesT1_task-Num_run-01; sesT1_task-Num_run-02; sesT1_task-Rhyming; sesT1_task- Sub_run-01:
ses-T1_task-Sub_run-02) y en el momento 2 (es decir sesT2_task-Mult_run-01; sesT2_task-Mult_run-02; sesT2_task-Num_run-01;
sesT2_task-Num_run-02; SES T2_task-rima; sesT2_task-Sub_run-01: sesT2_task-Sub_run-02).
El resto de los participantes ' los datos se organizan en 4 carpetas principales: 1) “ fenotipo “: Esta carpeta incluye los participantes ' puntajes en
las pruebas estandarizadas en cada momento y sus padres ' respuestas al cuestionario de la historia del desarrollo en T1; 2) “ Los estímulos “: Esta
carpeta contiene las imágenes utilizadas como los estímulos utilizados para la tarea de juicio numerosidad, la condición de percepción en la tarea
de juicio rima, y los utilizados en la condición de control en todas las tareas; 3) “ Sub- o ID> “: Esta carpeta contiene los participantes ' cerebro y
medidas de comportamiento. Dentro de las carpetas de cada participante con datos longitudinales disponibles (es decir, n = 63), hay dos
subcarpetas, denominadas “ ses-T1 ” y “ ses-T2 ”, que contiene datos de T1 y T2, respectivamente. Para aquellos participantes con datos sólo T1
disponibles (es decir, n = 69), no sólo la carpeta “ sesT1 ”. Dentro de cada punto subcarpeta tiempo, hay dos subcarpetas denominadas “ anat ” y “ func
”, que contiene T1
Figura 3. Distribución de las métricas de calidad de datos ponderadas en T1. Histogramas que muestran las métricas de calidad de datos para los datos ponderadas en T1 para
todas las pistas para todos los participantes tener datos T1 (n = 132; una) y en T2 para la muestra que tiene datos longitudinales (n = 63; segundo).
ponderada y las imágenes ponderadas en T2, respectivamente. Por último, dentro de la “ func ” subcarpeta, hay una fi le contiene la exploración del
cerebro (es decir negrita fi le) y una fi le contiene participante ' s rendimiento en la tarea (es decir, evento fi le). El evento fi Le incluye tanto la precisión y
tiempo de respuesta por ensayo, así como el tiempo de inicio de la primera, la duración del evento y el estímulo presentado. La Tabla 6 proporciona
información detallada sobre la ubicación de todos los datos compartidos en cada momento. La Tabla 7 proporciona información sobre el rendimiento
en cada tarea en cada momento.
Validación técnica
datos de imágenes cerebrales fueron convertidos de datos DICOM primarios a iniciativa tecnológica Informática neuroimagen formato (NIfTI)
utilizando MRIConvert versión 2.0. información de parámetros del escáner se extrajo de la DICOM fi Les ' encabezados y convertido a notación
de objetos JavaScript formato (es decir JSON).
Como parte del proceso de des-identificación fi cación de los datos, todas las características faciales se han retirado de T1weighted imágenes
anatómicas usando mri_deface, un programa automatizado para la eliminación de información de identificación a partir de datos estructural 20. Todas las
imágenes de salida fueron inspeccionadas cuidadosamente para asegurar que la eliminación rostro era completa. Esta comprobación visual reveló que
81 exploraciones conservan alguna información facial, como parte de los ojos o la punta de la nariz. Los rasgos faciales fueron retirados de estas
exploraciones usando FreeSurfer mri_robust_register para alinear la imagen en bruto a un espacio de la plantilla y luego realizar una inversa
Figura 4. Distribución de las métricas de calidad de datos ponderadas en T2. Histogramas que muestran las métricas de calidad de datos para los datos ponderadas en T2 para
todas las pistas para todos los participantes tener datos T1 (n = 132; una) y en T2 para la muestra que tiene datos longitudinales (n = 63; segundo).
registro en una máscara desfigurado 21. A continuación, esta máscara alineado se multiplicó por la imagen en bruto para despojar a todos los rasgos faciales restantes.
Ponderadas en T1 y todas las corridas de datos ponderadas en T2 se evaluaron con la herramienta de control de calidad MRI (MRIQC;
https://github.com/poldracklab/mriqc) 22. Tabla 8 proporciona una descripción de cada una de las métricas de calidad de imagen utilizados para describir
tanto los datos ponderadas en T1 y T2. La Figura 3 muestra histogramas de proporcionar información sobre las siguientes métricas de calidad de imagen
para los datos ponderadas en T1: criterio Entropy de enfoque (es decir, EFC), señal-ruido (es decir, SNR), coef fi ciente de variación conjunta (es decir
CJV), por contraste a ruido (es decir, CNR), la mediana de intensidad no uniformidad (inu_med), Blanco-asunto a máxima relación de intensidad (i.
mi. wm2max) tanto en T1 (a) y al T2 (b). Se han comparado algunos de estos valores con las métricas de calidad de imagen para el autista
cerebro de imagen de intercambio de datos (ABIDE) ' s conjunto de datos
(http://preprocessedconnectomes-project.org/abide/quality_assessment.html). El contraste a ruido en nuestros datos, que van desde 2.50 a 4.50,
fue menor que los valores reportados para la mayor parte del ABIDE ' conjuntos S de datos, que van de 5 a 20, pero similar a algunos de sus
conjuntos de datos (por ejemplo Caltech, OHSU, SBL). En cuanto al criterio de entropía de enfoque, en nuestros datos que era un poco más
grande, que van desde .50 a .70 lo que, la mayoría de ABIDE ' s
sujetos variaron de 0,35 a 0,5. En cuanto a la relación señal-ruido, la nuestra era un poco más lento, que van desde 8 a 12, mientras que la
mayoría de ABIDE ' s sujetos oscilaban de 5 a 20.
. Como se muestra en la figura 4, proporcionamos histogramas que describen las siguientes métricas de calidad de imagen para T2weighted
datos: criterio Entropy de enfoque (es decir, EFC), señal-ruido (es decir, SNR), derivado Temporal de RMS varianza sobre voxels (es decir
dvars_std ), la media de desplazamiento framewise (es decir fd_mean), relación-Ghost-a señal (es decir gsr_y) y temporal mediana proporción de
señal a ruido (es decir TSNR) tanto en T1 (a) y al T2 (b). criterio Entropy-enfoque, derivado temporal estandarizada de RMS varianza (dvars),
desplazamiento Framewise y Ghost a señal de relación estaban dentro del rango reportado para el conjunto de datos ABIDE, siendo
“_ events.tsv ”, dentro de cada participante ' s “ func ” carpeta. Cada uno de estos eventos fi les proporciona por la información de prueba en el primer y el
objetivo presentado, el tiempo de aparición del estímulo prime, duración del evento, tipo de ensayo (es decir, condiciones), la precisión y tiempo de
respuesta.
Notas de uso
Alentamos a otros laboratorios para utilizar esta base de datos para su publicación bajo el requisito de citar este artículo y cita datos 1 de
la fuente de los datos.
referencias
1. Bynner, J. & Parsons, S. ¿Es importante la aritmética? ( La Agencia de Habilidades básico, 1997).
2. Shalev, R. La prevalencia de la discalculia del desarrollo. En ¿Por qué es tan difícil de matemáticas para algunos niños? eds Mazzocco. DBB y MM
49 - 63 (2007).
3. Dehaene, S., Plaza, M., Pinel, P. & Cohen, L. Tres circuitos parietales para el procesamiento numérico. Cogn. Neuropsychol 20,
487 - 506 (2003).
4. Prado, J. et al. representaciones distintas de resta y multiplicación en los sistemas neuronales para numerosidad y el lenguaje. Tararear.
Mapp cerebro. 32, 1932 - 1947 (2011).
5. Zamarian, L., Ischebeck, A. y Delazer, M. Neurociencia de la aritmética de aprendizaje - La evidencia de estudios de imágenes del cerebro. Neurosci.
Biobehav. Rdo. 33, 909 - 925 (2009).
6. Prado, Jérome, Mutreja, Rachna y Booth, JR disociación del Desarrollo en las respuestas neuronales a simples problemas de multiplicación y resta. Prog. Sci. 17,
537 - 552 (2014).
7. Casey, BJ, Tottenham, N., Liston, C. & Durston, S. de imágenes del cerebro en desarrollo: ¿qué hemos aprendido sobre el desarrollo cognitivo? Tendencias Cogn. Sci. 9
( 2005).
8. Ansari, D. neurocognitiva se acerca a los trastornos del desarrollo de la cognición numérica y matemática: Los peligros de dejar de lado el papel del desarrollo. Aprender.
Individ. Diferir de. 20, 123 - 129 (2010).
9. Karmiloff- Smith, A. neuroimágenes del cerebro en desarrollo: Tomando “ Desarrollando “; Seriamente. Tararear. Mapp cerebro. 31,
934 - 941 (2010).
10. Poldrack, AR puede procesos cognitivos se infiere de los datos de neuroimagen? Tendencias Cogn. Sci. 10, 6 - 10 (2006).
11. Berteletti, I., hombre, G. & Booth, JR Cómo habilidades para estimar el número de líneas se refieren a las activaciones neuronales en problemas individuales resta dígitos. neuroimagen 107C, 198
- 206 (2014).
12. Berteletti, I., Prado, J. & Booth, J. Los niños con problemas de aprendizaje matemático fallan en el reclutamiento de las regiones del cerebro verbal y numérico para resolver problemas
simples de multiplicación. Corteza 57, 143 - 155 (2014).
13. Berteletti, I. y Booth, JR Percepción fi dedos en problemas aritméticos de un solo dígito. Frente. Psychol 6, 1 - 10 (2015).
14. Demir, Ö. E., Prado, J. & Booth, papel de JR El diferencial de verbal y memoria de trabajo espacial en la base neural de la aritmética. Prog. Neuropsychol. 39,
440 - 458 (2014).
15. Demir, Ö. E., Prado, J. & Booth, JR estatus socioeconómico de los padres y de las bases neuronales de la aritmética: relaciones diferenciales a las representaciones verbales y visuales y
espaciales. Prog. Sci. 5, 1 - 16 (2015).
16. Demir-lira, Ö. E., Prado, J. & Booth, JR neuronales Correlaciones de ganancias matemáticas variar en función de estado socioeconómico de los padres (SES). Frente. Psychol 7, 1 - 12
(2016).
17. Suárez-Pellicioni, M. & Booth, JR La fluidez en re aritmética simbólica fi nes el sistema número aproximado en la corteza parietal.
Tararear. Mapp cerebro. 39, 3956 - 3971 (2018).
18. Suárez-Pellicioni, M., Prado, J. & Booth, J. falta de mejora en la multiplicación se asocia con revirtiendo de recuperación verbal a las operaciones numéricas. neuroimagen
183, 859 - 871 (2018).
19. Gorgolewski, KJ et al. La estructura de datos de imágenes del cerebro, un formato para la organización y la descripción de salidas de neuroimagen
experimentos. Sci. Datos 3, 1 - 9 (2016).
20. Bischoff-Grethe, A. et al. Una técnica para la deidenti fi cación de la estructura cerebral imágenes de RM. Tararear. Mapp cerebro. 28 ( 2007).
21. Reuter, M., Rosas, HD y Fischl, B. registro constante de alta precisión inversa: un enfoque robusto. neuroimagen 53,
1181 - 1196 (2010).
22. Esteban, O., Birman, D., Schaer, M., Koyejo, OO, Poldrack, RA & Gorgolewski, KJ MRIQC: Avance de la predicción automática de la calidad de imagen en resonancia magnética
de los sitios que no se ven. Más uno 12, e0184661 (2017).
23. Mazaika, PK, Whit fi ELD-Gabrieli, S. & Reiss, AL Artefacto reparación de datos de resonancia magnética funcional de los sujetos clínicos de mucho movimiento. neuroimagen
27. Tustison, NJ, Avants, BB, Cook, PA, Zheng, Y., Egan, A. & Iushkévich, PAGJ N4ITK: mejoraron corrección de sesgo N3. IEEE
Trans. Medicina. Imaging 29, 1310 - 1320 (2010).
28. Poder, J. et al. correlaciones espurias pero sistemáticas en las redes de resonancia magnética funcional de conectividad surgen de movimiento del sujeto. Neu-
Citación de datos
1. Suárez-Pellicioni, M., Lytle, M., Joven, J. & Booth, JR OpenNeuro https://doi.org/10.18112/openneuro.ds001486.v1.1.0 (2018).
Expresiones de gratitud
Este proyecto fue apoyado por HD059177 y HD093547, del Instituto Nacional de Salud Infantil y Desarrollo Humano concedida a
James R. Booth. Agradecemos a Ilaria Berteletti, John Binzak, Ozlem Ece Demir-Lira, Rachna Mutreja y Jérôme Prado por su ayuda en
la recogida de datos y la difusión de las piezas de esta investigación. Agradecemos a Maite Carlson, Sweta Ghatti y Nicholas Powell
por su ayuda con los datos de curación y control de calidad cheques. Nos gustaría dar las gracias a todos los niños participantes y sus
padres.
Contribuciones de autor
MSP: Contribución al plan de intercambio de datos, preparación de datos y análisis. la escritura manuscrita. Revisión crítica y fi la aprobación final
de la versión presentada para su publicación. ML: Preparación de datos, validación, control de calidad, de curación y de carga. Revisión crítica y fi la
aprobación final de la versión presentada para su publicación. JWY: Contribución al plan de intercambio de datos y preparación de datos.
Revisión crítica y fi la aprobación final de la versión presentada para su publicación. JRB: Concepción y diseño de la supervisión de la recolección
de datos y el estudio. Diseño del plan de intercambio de datos. Revisión crítica y fi la aprobación final de la versión presentada para su
publicación.
Información Adicional
Conflicto de intereses: Los autores declaran no tener conflictos de intereses.
Cómo citar este artículo: Suárez-Pellicioni, M. et al. Un conjunto de datos de neuroimagen longitudinal sobre el procesamiento aritmético en niños en
edad escolar. Sci. Datos. 6: 190040 https://doi.org/10.1038/sdata.2019.40 (2019).
Editor ' s nota: Springer Naturaleza se mantiene neutral con respecto a las reclamaciones jurisdiccionales en los mapas publicados y af institucional fi afiliaciones.
Acceso abierto Este artículo está bajo licencia de Creative Commons Reconocimiento 4.0 Licencia ción Internacional, que
permite el uso, distribución, adaptación, distribución y reproducción en cualquier
medio o formato, siempre y cuando se dé el crédito correspondiente al autor (s) original y la fuente, proporcionan un enlace a la licencia
Creative Commons, e indicar si se han realizado cambios. Las imágenes u otro material de terceros en este artículo se incluyen en el artículo ' licencia
de Creative Commons si no se indica lo contrario en una línea de crédito por el material. Si el material no está incluido en el artículo ' licencia
Creative Commons y su uso previsto s no está permitido por la regulación legal o excede el uso permitido, tendrá que obtener el permiso del
titular o titulares de derechos de autor. Para ver una copia de esta licencia, visite http: // creativecommons. org / licencias / por / 4.0 /
La renuncia Dedicación Creative Commons Public Domain http://creativecommons.org/publicdomain/~~V~~singular~~3rd cero / 1,0 / se aplica a los
metadatos fi les puso a disposición en este artículo.