The second GLM was constructed to d

The second GLM was constructed to directly compare contrasts of search evidence and foraging choice value difference with each other. This model included search evidence (see below), foraging choice value difference as well as costs and reaction times. During the decision stage it included the value difference between both options, as well as the reaction time. The time courses were derived from region-of-interest (ROI) analysis, calculating a mean time course within a ROI in each subject individually. The ROIs’ coordinates were set in MNI space (spheres of a diameter of three voxels, except the ventral striatum where the diameter was two voxels) and then transformed to individual subject space by using the same linear registration as in the whole brain group analysis. Further details of vmPFC and ventral striatal ROIs are provided in Fig. S3, and further details of BOLD effects in ventral striatum and ACC are shown in Figs. S6 and S9. We then oversampled the time course by 10 and created epochs from the beginning of an event onward and applied a GLM to every pseudo-sampled time point separately. By averaging the β weights across participants we created the time courses shown (S.E. calculated between participants). For the slope estimate we oversampled by a factor of 20 to increase robustness of such estimates. Slopes were estimated using polynomial curve fitting on an interval of 6 s after event onset until each individual subject’s signal peaked. The GLMs used in constructing the time series during foraging included the encounter value, the absolute weighting used to generate it (Eq. S2), the search value, and the search cost (the factors that are illustrated in Figs. 2, E and F, and 3A). The subsequent decision-related time series were based on GLMs including chosen and unchosen reward magnitudes and probabilities and the search value from the preceding forage (the factors that are illustrated in Figs. 2H and 3C). We conducted a psychophysiological interaction (PPI) analysis (33) to investigate functional connectivity between ventral striatum and ACC. For this we generated a demeaned BOLD time-course regressor (from the ventral striatum) as well as an interaction term with the demeaned and convolved psychological regressor (search cost) separated according to choice, to generate an interaction term of the physiological and psychological regressor when search was chosen. We entered those regressors together with the other psychological regressors separated for choice into a FEAT whole-brain analysis.

結果 (繁體中文) 1:

第二GLM被構建的搜索證據和覓食彼此的選擇值的差直接比較對比。這種模式包括搜索證據（見下文），覓食選擇值差以及成本和反應時間。在判決級包括它的反應時間這兩個選項之間的值差，以及。時程，從區域的感興趣（ROI）分析得到，計算ROI內的平均時間過程中的每個受試者單獨。感興趣區“坐標是在MNI空間中設定（直徑為3體素的球體，除了腹側紋狀體，其直徑為2體素），然後通過使用相同的線性註冊為在全腦組分析轉化為個體對象的空間。vmPFC的進一步的細節和腹側紋狀體的ROI在圖S3提供，和的在腹側紋狀體和ACC BOLD效果的進一步細節示於圖。S6和S9。然後，我們通過10從事件的開始過採樣的時間過程和創建的時期以後，並分別施加到GLM每偽採樣時間點。通過平均跨越參與者的β權重，我們創造出的時間課程（SE參與者之間計算）。對於斜率估計我們過採樣20倍，以增加這些估計的穩健性。斜坡使用多項式曲線擬合上的6秒的間隔的事件發生後，直到每個個體對象的信號達到峰值估計。在期間覓食包括在遭遇值構成時間系列中使用的GLMS，絕對加權用於產生它（等式S2），搜索值，並且搜索成本（即在圖中所示的各種因素。2，E和F ，和3A）。隨後決定相關的時間序列是基於GLMS包括從前面的草料選擇和未選中獎勵幅度和概率和搜索值（即在圖2H和圖3C所示的係數）。我們進行了心理生理相互作用（PPI）分析（33），調查腹側紋狀體和ACC之間的功能連接。為此，我們產生的貶低BOLD時間過程回歸（從腹側紋狀體）以及與貶低和卷積心理回歸（搜索成本）的相互作用，術語分離的根據的選擇，以產生生理和心理的相互作用項 隨後決定相關的時間序列是基於GLMS包括從前面的草料選擇和未選中獎勵幅度和概率和搜索值（即在圖2H和圖3C所示的係數）。我們進行了心理生理相互作用（PPI）分析（33），調查腹側紋狀體和ACC之間的功能連接。為此，我們產生的貶低BOLD時間過程回歸（從腹側紋狀體）以及與貶低和卷積心理回歸（搜索成本）的相互作用，術語分離的根據的選擇，以產生生理和心理的相互作用項 隨後決定相關的時間序列是基於GLMS包括從前面的草料選擇和未選中獎勵幅度和概率和搜索值（即在圖2H和圖3C所示的係數）。我們進行了心理生理相互作用（PPI）分析（33），調查腹側紋狀體和ACC之間的功能連接。為此，我們產生的貶低BOLD時間過程回歸（從腹側紋狀體）以及與貶低和卷積心理回歸（搜索成本）的相互作用，術語分離的根據的選擇，以產生生理和心理的相互作用項
選擇搜索時回歸。我們有分開選擇到FEAT全腦分析對方心理上的回歸量進入香港回歸量在一起。

結果 (繁體中文) 2:

第二個GLM的構造是直接比較搜索證據的對比和檢索選擇值的差異。該模型包括搜索證據（見下文）、覓食選擇值差異以及成本和反應時間。在決策階段，它包括兩個選項之間的值差異，以及反應時間。時間課程源自感興趣區域 （ROI） 分析，分別計算每個科目 ROI 內的平均時間課程。ROIs 的座標設置在 MNI 空間中（直徑為三個體素的球體，但直徑為兩個體素的腹腔紋狀體除外），然後使用與整個大腦組中相同的線性配准轉換為單個主題空間分析。圖中提供了 vmPFC 和腹腔紋狀體 ROIs 的進一步詳細資訊。S3，以及心室紋狀體和ACC中BOLD效應的進一步細節如圖所示。S6 和 S9。然後，我們將時間過程過採樣 10，從事件開始創建紀元，並將 GLM 分別應用於每個偽採樣時間點。通過對參與者的 + 權重進行平均，我們創建了顯示的時間課程（在參與者之間計算 S.E.）。對於坡度估計，我們過度取樣 20 倍，以提高此類估計的魯棒性。在事件發生後 6 秒的間隔內使用多項式曲線擬合估計斜率，直到每個主體的信號達到峰值。在覓食期間用於構造時間序列的 GLM 包括遭遇值、用於生成它的絕對權重（Eq. S2）、搜索值和搜索成本（圖 2、E 和 F 和 3A 所示的因素）。隨後的決策相關時間序列基於 GLM，包括所選和未選擇的獎勵幅度和概率以及前一個飼料中的搜索值（圖 2H 和 3C 所示的因素）。我們進行了心理生理相互作用（PPI）分析（33），以研究心室紋狀體和ACC之間的功能連接。為此，我們生成了一個減損的 BOLD 時間過程回歸器（來自心室紋狀體），以及一個交互項，該詞根據選擇分離的被貶低和捲曲的心理回歸器（搜索成本），生成生理和心理
選擇搜索時的遞減器。我們將這些回歸者與其他被分離為選擇的心理回歸者一起輸入到FEAT全腦分析中。

結果 (繁體中文) 3:

第二個GLM是用來直接比較蒐索證據和覓食選擇值之間的差异。該模型包括蒐索證據（見下文）、蒐索選擇值差异以及成本和反應時間。在決策階段，它包括兩個選項之間的值差，以及反應時間。時間行程是從感興趣區域（ROI）分析中匯出的，分別計算每個受試者在ROI內的平均時間行程。ROIs的座標設定在MNI空間（直徑為三個體素的球體，但腹側紋狀體除外，其中直徑為兩個體素），然後使用與全腦組分析相同的線性配准將其轉換為單個受試者空間。vmPFC和腹側紋狀體roi的進一步細節在圖S3中提供，腹側紋狀體和ACC的大膽效應的進一步細節在圖中顯示。S6和S9。然後，我們對時間過程進行了10次過採樣，並從事件開始開始創建時間段，然後分別對每個偽採樣時間點應用GLM。通過平均參與者的β權重，我們創建了所示的時間課程（在參與者之間計算S.E.）。對於斜率估計，我們過採樣了20倍，以增强這種估計的穩健性。在事件發生後6s內用多項式曲線擬合估計斜率，直到每個個體的訊號達到峰值。在覓食期間用於構建時間序列的glm包括遭遇值、用於生成它的絕對權重（等式S2）、蒐索值和蒐索成本（圖中示出的因素）。2、E、F和3A）。隨後的與決策相關的時間序列是基於GLMs的，GLMs包括選擇的和未選擇的獎勵幅度和概率以及來自先前飼料的蒐索值（圖中所示的因素）。2H和3C）。我們進行了一項心理生理交互作用（PPI）分析（33），以研究腹側紋狀體和ACC之間的功能連接。為此，我們產生了一個去量化的大膽時間過程回歸（來自腹側紋狀體）以及一個與去量化和卷積的心理回歸（蒐索成本）分離的互動項選擇，產生生理和心理的互動項
選擇蒐索時返回。我們將這些回歸者和其他心理回歸者分開進行全腦分析。