Možgansko prepoznavanje predhodno naučenih v primerjavi z novimi časovnimi zaporedji: diferencialna sočasna obdelava 1. del

Spomin na zaporedja je osrednja tema v nevroznanosti in desetletja študij so preučevala nevronske mehanizme, ki so podlaga za kodiranje širokega nabora zaporedij, podaljšanih skozi čas.

Zaporedni spomin pomeni, da si ljudje lahko zapomnijo vrsto informacij, kot so številke, črke, besede ali slike. Po drugi strani pa se spomin nanaša na sposobnost shranjevanja informacij v možganih in hitrega priklica, ko je to potrebno. Med obema obstaja močna povezava, saj je sekvenčni spomin pomembno sredstvo za urjenje in izboljšanje spomina.

Oseba z dobrim spominom ima običajno dobro zaporedno spominsko sposobnost, hitro in natančno si lahko zapomni veliko informacij in jih lahko dojame, ko jih potrebuje. Takšni talenti jih naredijo bolj priročne v vsakdanjem življenju, da se uspešno soočijo z različnimi izzivi v službi in življenju.

Obenem pa lahko z vadbo zaporednega spomina izboljšamo tudi svoj spomin. Ne glede na to, ali gre za številke, črke, besede ali slike, le če nenehno vadimo, si zapomnimo, ponavljamo in utrjujemo, lahko pustimo globok vtis v podzavesti in okrepimo sposobnost spomina.

Omeniti velja, da lahko poleg izboljšanja spomina s sekvenčnim spominom krepimo spomin tudi z nekaterimi drugimi metodami. Na primer, več se gibajte, vzdržujte dober spanec, uživajte uravnoteženo prehrano, pridobivajte nova znanja itd. Ti lahko pomagajo našim možganom pri normalnem delovanju in s tem izboljšajo naš spomin.

Če povzamemo, zaporedni spomin in spomin sta tesno povezana in med njima obstaja komplementarni odnos. Z nenehno vadbo in izpopolnjevanjem lahko v veliki meri izboljšamo svoj spomin, da se lahko bolje spopadamo z različnimi izzivi in ​​uživamo v pestrem življenju. Vidi se, da moramo izboljšati spomin. Cistanche lahko bistveno izboljša naš spomin, saj je cistanche tradicionalna kitajska medicina s številnimi edinstvenimi učinki, med katerimi je tudi izboljšanje spomina. Učinkovitost mletega mesa izhaja iz različnih aktivnih sestavin, ki jih vsebuje, vključno s karboksilno kislino, polisaharidi, flavonoidi itd. Te sestavine lahko spodbujajo zdravje možganov prek različnih kanalov. Meso Qingmeng deluje antioksidativno, protivnetno in protikonkurenčno učinki.

Kliknite Spoznaj načine za izboljšanje spomina

Vendar je malo znanega o možganskih mehanizmih, ki so podlaga za prepoznavanje predhodno zapomnjenih v primerjavi z novimi časovnimi zaporedji. Poleg tega diferencialna možganska obdelava posameznih elementov v slušnem časovnem zaporedju v primerjavi s celotnim nadrejenim zaporedjem ni popolnoma razumljena.

V tej študiji magnetoencefalografije (MEG) so bili elementi časovnega zaporedja neodvisno povezani z lokalno in hitro (2–8 Hz) obdelavo možganov, medtem ko je bilo celotno zaporedje povezano s sočasnim globalnim in počasnejšim (0.1– 1 Hz), ki vključuje široko mrežo zaporedno aktivnih možganskih regij. Predvsem je bilo prepoznavanje predhodno zapomnjenih časovnih zaporedij povezano z močnejšo aktivnostjo pri počasni obdelavi možganov, medtem ko so nove sekvence zahtevale večjo vključenost hitrejše obdelave možganov.

Na splošno se rezultati razširijo na dobro znani pretok informacij od nižjih do višjih možganskih regij. Razkrivajo različno vpletenost počasne in hitrejše obdelave celih možganov za prepoznavanje predhodno naučenih v primerjavi z novimi časovnimi informacijami.

Ključne besede:

Časovna zaporedja; prepoznavanje spomina; magnetoencefalografija; možganska dinamika; rekonstrukcija vira.

Uvod

V preteklih letih je bilo razumevanje spomina za zaporedja osrednja tema v nevroznanosti in kognitivni znanosti (Förstl et al. 2006; Kumar in Anand 2015), kot so pregledali v ključnem dokumentu Dehaene et al. (2015). Tu avtorji predlagajo taksonomijo mehanizmov obdelave za časovna zaporedja, razvrščenih v pet kategorij naraščajoče kompleksnosti: (i) znanje o prehodu in časovnem razporejanju med naslednjimi elementi zaporedja, (ii) razdeljevanje sosednjih elementov zaporedja, (iii ) ordinalno znanje o tem, katera postavka je prva, (iv) algebraični vzorci, ki zajemajo kompleksne pravilnosti znotraj zaporedja, in (v) ugnezdene drevesne strukture, ki temeljijo na abstraktnih simbolnih pravilih.

Prva kategorija se nanaša na obdelavo prehoda z enega elementa zaporedja na drugega. Ta raziskava je identificirala več potencialov/polj, povezanih z avtomatskimi dogodki (ERP/F) za standardne in deviantne zvoke, kot sta dobro znani N100 in negativnost neusklajenosti (MMN), kar dokazuje, da lahko možgani hitro zaznajo spremembe v pravilnosti zaporedij. (Garrido et al. 2009; Lijffijt et al. 2009; Vuust et al. 2012; Bonetti et al. 2017, 2018; Bonetti, Brattico, Carlomagno et al. 2021a; Bonetti, Bruzzone, Sedghi et al. 2021b; Bonetti , Brattico, Vuust, et al. 2021c).

Razdelitev se nanaša na zmožnost združevanja sosednjih elementov v eno večjo enoto.

Prejšnje študije na ravni ene celice so pokazale, da pride do drobljenja med pridobivanjem motoričnih navad (Fujii in Graybiel 2003; Smith in Graybiel 2013; Jin et al. 2014).

Podobne študije s funkcionalnim slikanjem z magnetno resonanco (fMRI) so potrdile te rezultate, kar kaže na hierarhično organizacijo v razdeljevanju, ko se naučijo motorične časovne sekvence (Koechlin in Jubault 2006).

Nevronske korelate slušnega drobljenja so nadalje raziskali z dodatnimi študijami. Na primer, Kalm et al. (2012) so uporabili fMRI za raziskovanje slušnega kodiranja združenih in nezdruženih seznamov črk, pri čemer so poudarili, da je bila velika aktivacija slušne skorje, premotorja in prefrontalnih možganskih območij povezana s preseženim obsegom spomina med kodiranjem.

Poleg tega so z uporabo elektroencefalografije (EEG) Ding et al. (2018) so odkrili, da je nevronsko kodiranje posameznih slušnih dogodkov (tj. zlogov) samodejno, medtem ko je na znanju temelječa konstrukcija časovnih kosov (tj. besed) odvisna od pozornosti.

Poleg razdeljevanja ordinalno znanje opisuje zmožnost učenja in pomnjenja, kateri element je prvi, drugi in tako naprej v časovnem zaporedju. Prejšnje študije so pokazale, da ordinalno razporeditev niza postavk kodirajo možgani znotraj intraparietalnega in dorzolateralnega prefrontalnega korteksa (Terrace et al. 2003; Berdyyeva in Olson 2010; Crowe et al. 2014).

Algebraični vzorci se nanašajo na abstraktne sheme, shranjene v možganih, ki omogočajo zajemanje zaporednih pravilnosti, ki so podlaga zaporedju postavk. Prejšnje raziskave so pokazale, da možgani obdelujejo algebraične vzorce zaporedij in razumejo višjo raven abstraktnih pravilnosti kot elementarna zaporedja s senzoričnimi odstopanji (Endress et al. 2009; Wang et al. 2015).

Končno so ugnezdene drevesne strukture ustvarjene s simbolnimi pravili, ki so pogosto vdelana druga v drugo. Prejšnje študije so poudarile naslednjo mrežo možganskih regij, vključenih v obdelavo kompleksnih jezikovnih vzorcev, organiziranih v ugnezdenih strukturah: levi zgornji temporalni sulkus (STS), srednji temporalni girus (MTG), temporalni poli (TP), spodnji frontalni girus (IFG) in temporoparietalni stičišče (TPJ) (Mazoyer et al. 1993; Saur et al. 2010; Friederici 2011; Rolheiser et al. 2011; Tyler et al. 2011).

Drugi pomembni prispevki o tem, kako možgani obdelujejo časovna zaporedja, so izhajali iz raziskav slušne in govorne obdelave. Ta predlaga sočasne možganske mehanizme, na katerih temelji razumevanje zvokov in človeških jezikov. Na primer, Teng et al. (2017) je pokazal hkratno vlogo frekvenčnih pasov theta in gama med zvočno obdelavo, skladno s hipotezo o "asimetričnem vzorčenju v času" (AST), ki jo je predlagal Poeppel (2003). V drugi študiji, ki je preučevala obdelavo govora, so avtorji razkrili, da medtem ko je bila aktivnost theta omejena na slušno skorjo, delta pas izvira iz spodnjih slušnih regij in je bil moduliran z negotovostjo dražljajev (Donhauser in Baillet 2020).

Skupaj so te odlične študije zagotovile podroben, a neizčrpen pregled možganskih mehanizmov, ki so podlaga za obdelavo časovnih zaporedij in vzorcev. Zlasti, medtem ko je pregled pokazal, kako so predmeti razdeljeni in organizirani v abstraktnih pravilih prek simultanih mehanizmov, ni dokončno raziskal primerov, ko časovni vrstni red posameznih elementov povzroči nov, nadrejeni predmet (zaporedje), za katerega je značilno novo zaznavanje in pomen, ki ga je mogoče kodirati in nato pridobiti ali prepoznati. Glasbene melodije so idealni primeri takih zaporedij, saj so glede na kombinacijo njihovih zvokov (predmetov) skozi čas zaznane kot novi predmeti, ki prenašajo pomene, ki jih ne bi mogli prenesti zgolj posamezni zvoki (Cooke 1959).

Čeprav se je glasbena nevroznanost v zadnjih nekaj desetletjih hitro razširila, je zelo malo znanega o hitrih možganskih mehanizmih, ki so podlaga za prepoznavanje glasbenih časovnih sekvenc. Nasprotno pa so nam raziskave v nevroznanosti glasbenega spomina dale drugačna, zelo pomembna znanja. Na primer, v študiji fMRI so Gaab et al. (2003) so udeležence prosili, naj primerjajo zvoke, za katere so značilne različne višine.

Avtorji so razkrili aktivnost, zlasti v zgornjem temporalnem, supramarginalnem in levem spodnjem frontalnem korteksu, ko so udeleženci opravili nalogo. Nedavno so Kumar et al. (2016) so pokazali pomembno vlogo primarne slušne skorje, hipokampusa in spodnjega frontalnega vijuga ter njihovo povezanost pri izvajanju slušnih nalog WM.

Podobno Sikka et al. (2015) so udeležence prosili, naj prepoznajo znano ali neznano glasbo, kar kaže, da je bila uspešna izvedba povezana z aktivacijo desne zgornje temporalne, dvostranske spodnje in zgornje frontalne, leve srednje orbitofrontalne, bilateralne precentralne in leve supramarginalne skorje. Poleg fMRI je bilo nekaj študij o glasbenem spominu izvedenih z uporabo magnetoencefalografije (MEG).

Na primer, Albouy et al. (2013, 2017) so raziskovali možgansko aktivnost med ohranjanjem spomina in pokazali, da theta nihanja v možganskem dorzalnem toku udeležencev napovedujejo njihove sposobnosti za izvedbo slušne naloge WM.

V nedavni študiji so Bonetti, Brattico, Carlomagno et al. (2021a), Bonetti, Bruzzone, Sedghi, et al. (2021b), Bonetti, Brattico, Vuust, et al. (2021c) je pokazalo, da je prvih 220 ms kodiranja zvoka predstavljalo veliko mrežo povezanih možganskih območij, kot so Heschlov in zgornji temporalni vijugi, čelni operkulum, cingularni vijug, insula, bazalni gangliji in hipokampus. Predvsem so bila ta možganska področja enako osrednja v omrežju, tudi če sta slušni korteks in insula predstavljala močnejšo aktivnost kot druga področja.

Skratka, prejšnje raziskave so poudarile možganske mehanizme, na katerih temelji obdelava več kategorij časovnih zaporedij in glasbenih zvokov. Vendar pa te študije niso preučevale prepoznavanja predhodno naučenih časovnih zaporedij, kjer je vrstni red posameznih elementov povzročil nov, nadrejen, globalni objekt, za katerega sta značilna nova percepcija in pomen, ki izhaja iz glasbenih zaporedij. Zlasti diferencialni mehanizmi, povezani z obdelavo posameznih elementov zaporedja (lokalna obdelava) in prepoznavanjem spomina za zaporedje kot celoto, nov objekt (globalna obdelava), še vedno niso popolnoma razumljeni. V naši študiji smo s pomočjo podatkov MEG, omejenih z anatomsko MRI, obravnavali ta vprašanja.

Materiali in metode

Udeleženci

Študija je zajela 70 prostovoljcev: 36 moških in 34 žensk (starostni razpon: 18–42 let, povprečna starost: 25,06 ± 4,11 let). Vsi udeleženci so bili zdravi in ​​niso poročali o prejšnji ali trenutni zlorabi alkohola in drog. Poleg tega niso jemali nobenih zdravil, izjavili so, da v preteklosti niso imeli nobene nevrološke ali psihiatrične motnje, in poročali, da imajo normalen sluh. Poleg tega je bil njihov ekonomski, izobrazbeni in socialni status homogen.\

Eksperimentalni postopki so bili izvedeni v skladu s Helsinško deklaracijo – etična načela za medicinske raziskave in jih je odobril Odbor za etiko regije Srednje Danske (De Videnskabsetiske Komitéer za regijo Midtjylland) (Ref 1-10-72-411-17).

Eksperimentalni načrt in dražljaji

Za odkrivanje možganskega podpisa prepoznavanja časovnega zaporedja smo med snemanjem magnetoencefalografije (MEG) uporabili nalogo slušnega prepoznavanja po stari/novi paradigmi (Kayser et al. 2003). Najprej so udeleženci poslušali štiri ponovitve MIDI različice desnega dela celotnega preludija BWV 847 v c-molu skladatelja JS Bacha (skupno trajanje približno 10 min).

Drugič, predstavljenih jim je bilo 80 kratkih glasbenih odlomkov, ki so trajali vsak po 1250 ms, in morali so povedati, ali vsak odlomek pripada Bachovemu preludiju ("na pamet" zaporedje (M), staro) ali je to novo glasbeno zaporedje ("roman" zaporedje (N), novo) (slika 1A). Štirideset odlomkov je bilo vzetih iz Bachovega dela, 40 pa je bilo romanov.

Pomembno je, da sta bili dve kategoriji dražljajev (M in N) ustvarjeni tako, da ju je mogoče razlikovati pri nalogi prepoznavanja (tj. vedno sta bili sestavljeni iz različnih glasbenih tonov), čeprav sta bili usklajeni med več spremenljivkami, da bi preprečili morebitne zmede. M in N sta bila usklajena glede na glasnost, ritem, tember, meter, tempo, tonaliteto, entropijo (H) in vsebino informacij (IC).

Kot že omenjeno, so na pamet naučene melodije sestavljale odlomke iz Bachovega preludija. V tem primeru smo izbrali en odlomek na notni takt, ki je ustrezal prvim petim tonom takta. Nato smo sestavili nove glasbene melodije z melodično konturo in intervali med notami melodij, ki so se razlikovale od na pamet naučenih glasbenih sekvenc, vzetih iz Bachovega preludija. 80 glasbenih sekvenc je navedenih v notnem zapisu na sliki S1.

Slika 1. Eksperimentalni načrt, rekonstrukcija vira in kontrasti posameznega elementa. A) Po poslušanju celotne skladbe, ki jo je zložil JS Bach, so udeleženci prejeli nabor melodičnih odlomkov iz skladbe in vrsto novih melodij. Ti odlomki so predstavljali časovna zaporedja, sestavljena iz petih elementov (glasbenih tonov), ki so jih udeleženci označili kot "prej zapomniti" (M) ali "roman" (N) z uporabo odzivne ploščice. B) Med nalogo so udeleženčevo možgansko aktivnost posneli z magnetoencefalografijo.

Tukaj prikazujemo grafični prikaz nevronskih podatkov, ki so bili predhodno obdelani, pasovno filtrirani v različnih frekvenčnih pasovih in epohirani. Ta slika prikazuje analize za dva frekvenčna pasova (0.1–1 in 2–8 Hz), saj smo domnevali, da sta ta dva pasova povezana z lokalno in globalno obdelavo časovnih zaporedij. C) Grafični prikaz rekonstrukcije vira, izračunan neodvisno za 0.1–1 in 2–8 Hz. Predvsem 0.1–1 Hz je indeksiralo prepoznavanje celotnega zaporedja (globalna obdelava), medtem ko je 2–8 Hz pokazalo nevronske odzive na vsako postavko zaporedja (lokalna obdelava). D). Kontrasti so pokazali močnejšo možgansko aktivnost za M v primerjavi z N v 0.1–1 Hz (rdeče), zlasti za tretji, četrti in peti element.

Takšna razlika je bila lokalizirana v veliki možganski mreži, ki jo sestavljajo cingulum, spodnji temporalni korteks, frontalni operkulum, insula in hipokampalna področja. Nasprotno pa so kontrasti za 2–8 Hz vrnili splošno močnejšo aktivnost za N v primerjavi z M (modro), zlasti v slušni skorji. Prikazane vrednosti so t-vrednosti, dobljene s kontrastom med možgansko aktivnostjo M in N.

Kar zadeva IC in H, je bila njuna ocena opravljena za vsak ton zapomnjenih (povprečni IC: 5,70 ± 1,73, povprečni H: 4,70 ± 0,33) in novih glasbenih sekvenc (povprečni IC: 5,92 ± 1,81, povprečna H: 4,78 ± 0,35) z uporabo informacijske dinamike glasbe (IDyOM) (Pearce 2018). Ta metoda uporablja strojno učenje za izračun vrednosti IC za ciljno noto na podlagi kombinacije predhodnih not glasbenega dela, ki obsega ciljno noto, in nabora pravil, izpeljanih iz velikega niza prototipnih zahodnih glasbenih del. Tako smo poskrbeli, da je bil globalni IC glasbenih sekvenc naših dveh kategorij (M in N) enak.

Na formalni ravni IC ustreza najmanjšemu številu bitov, potrebnih za kodiranje ei, in je opisan z naslednjo enačbo (1):

kjer je p(ei|ei−1 (i−n)+1) verjetnost dogodka ei glede na prejšnji niz ei−1 (i−n)+1 dogodkov.

Entropija zagotavlja merilo negotovosti/gotovosti prihajajočega dogodka glede na prejšnji niz dogodkov ei−1 (i−n)+1 in je

V skladu z enačbo (2), če je verjetnost danega dogodka ei enaka 1, bo verjetnost drugih dogodkov v A 0. Tako bo tudi H enak 0 (scenarij največje gotovosti). Nasprotno, če so dogodki enako verjetni, bo H največji (scenarij največje negotovosti). Skratka, IDyOM zagotavlja oceno predvidljivosti vsakega glasbenega tona in se je izkazalo za skladno s človeško percepcijo (Pearce 2018; Sears et al. 2018).

Pri analizi MEG smo uporabili le pravilno prepoznane poskuse (povprečje pravilnih M: 78,15 ± 13,56 %, srednji reakcijski časi (RT): 1.871 ± 209 ms; povprečje pravilnih N: 81,43 ± 14,12 %, povprečje RT: 1.915 ± 135 ms ).

Tako uvod kot odlomki so bili ustvarjeni z uporabo programa Finale (MakeMusic, Boulder, CO) in predstavljeni s programsko opremo za predstavitve (Neurobehavioral Systems, Berkeley, CA). Po pridobitvi podatkov MEG, istega ali drugega dne, so bile možganske strukturne slike udeležencev pridobljene z uporabo magnetne resonance (MRI).

For more information:1950477648nn@gmail.com