Magnetoencefalografski posnetki razkrivajo prostorsko-časovno dinamiko prepoznavnega spomina za zapletene v primerjavi s preprostimi slušnimi sekvencami

Slušno prepoznavanje je ključni kognitivni proces, ki temelji na organizaciji posameznih elementov skozi čas. Vendar pa je malo znanega o prostorsko-časovni dinamiki, ki je osnova zavestnega prepoznavanja slušnih zaporedij, ki se razlikujejo po kompleksnosti. Da bi to preučili, so 71 udeležencev prisilili, naj se naučijo in prepoznajo enostavna tonska glasbena zaporedja in usklajena zapletena atonalna zaporedja, medtem ko so njihovo možgansko aktivnost zabeležili z magnetoencefalografijo (MEG).

Glasba ima edinstveno in neverjetno moč, da nas vrne nazaj v čas in podoživi čudovite spomine preteklosti ali pa nas globoko potopi v lepoto sedanjosti. Še pomembneje pa je, da lahko glasba izboljša tudi naš spomin ter poveča naše učne in delovne sposobnosti.

Raziskave so pokazale, da so glasbene sekvence tesno povezane s spominom. Včasih ugotovimo, da se zlahka spomnimo besedila pesmi, ker pesem stimulira jezikovni center v naših možganih in s ponavljajočim se igranjem utrjuje spomin. Podobno si lahko, ko se učimo novih informacij, lažje zapomnimo, če jih kombiniramo z melodijo in ritmom. Mnogi medicinski strokovnjaki in pedagogi priporočajo uporabo glasbe kot spominske tehnike za izboljšanje učenja.

Poleg tega lahko glasba izboljša naše čustveno stanje in nas naredi bolj sproščene in osredotočene. Ko se počutimo utrujeni ali zaskrbljeni, lahko sproščujoča glasba takoj olajša situacijo. Takšna glasba je zelo učinkovita pri sproščanju napetih čustev, krepi pa lahko tudi našo voljo in potrpežljivost.

Skratka, glasba je sestavni del našega življenja in je lahko zelo koristna za naš spomin in učne sposobnosti. Ne glede na to, ali delate ali študirate, si lahko pomagate tudi z glasbo. Verjamem, da vam lahko to pomaga bolje opravljati svoje naloge in tudi izboljšati svoje življenje. Vidi se, da moramo izboljšati imuniteto. Cistanche deserticola lahko znatno izboljša imuniteto, saj je Cistanche deserticola tradicionalno kitajsko zdravilno sredstvo s številnimi edinstvenimi učinki, med katerimi je tudi izboljšanje spomina. Učinkovitost mletega mesa izhaja iz različnih učinkovin, ki jih vsebuje, vključno s kislino, polisaharidi, flavonoidi itd. Te sestavine lahko na različne načine spodbujajo zdravje možganov.

Kliknite Spoznaj kratkoročni spomin, kako izboljšati

Rezultati razkrivajo kvalitativne spremembe nevronske aktivnosti, ki so odvisne od kompleksnosti dražljaja: prepoznavanje tonskih zaporedij vključuje področja hipokampusa in cingulata, medtem ko prepoznavanje atonalnih zaporedij v glavnem aktivira mrežo slušne obdelave. Naše ugotovitve razkrivajo vpletenost kortiko-subkortikalne možganske mreže za slušno prepoznavanje in podpirajo ideja, da kompleksnost dražljajev kvalitativno spremeni nevronske poti prepoznavnega spomina.

Kodiranje in prepoznavanje strukturno zapletenih zvokov je kognitivni izziv, ki temelji na nevronskih mehanizmih, ki še niso povsem razjasnjeni. Za pomnjenje kompleksnih zvočnih zaporedij smo verjetno odvisni od časovne organizacije komponent dražljaja in spominskih funkcij.

Kodiranje spomina poteka v hipokampusu2–4, pri čemer so nadaljnji procesi, povezani s spominom za prepoznavanje, podprti s funkcionalno mrežo medsebojno povezanih regij v medialnem temporalnem režnju, vključno s hipokampusom, insulo in spodnjim temporalnim korteksom2,5,6. Za konsolidacijo spomina je potrebna komunikacija med hipokampalnim in neokortikalnim področjem7–9. Veliko dokazov izhaja iz študij, ki uporabljajo statične vizualne dražljaje, kot so slike predmetov, obrazov ali naravnih prizorov10–12. Vendar pa se informacije in pomen prav tako odvijajo skozi čas, ko možgani poskušajo predvideti prihajajoče dražljaje na podlagi predstavitev predhodnega spomina. Zato je treba za boljše razumevanje prepoznavanja spomina in njegove temeljne hitre možganske dinamike sprejeti nove metode, ki poudarjajo časovne lastnosti dinamičnih dražljajev. To je mogoče storiti s preučevanjem nevronske aktivnosti, ki je podlaga za obdelavo zvočnih zaporedij, ki pridobijo pomen s svojo evolucijo skozi čas, kot je glasba 13–15.

Nekaj ​​nevroznanstvenih študij je raziskovalo nevronske temelje glasbenega spomina, kot sta pregledala Campo in Brattico16. Na primer, z uporabo funkcionalnega resonančnega slikanja (fMRI) in naravoslovne paradigme poslušanja glasbe so Alluri et al.17 raziskovali nevronske korelate obdelave glasbe in poročali o aktivaciji kognitivnih, motoričnih in limbičnih možganskih mrež za neprekinjeno obdelavo timbralnih, tonskih in ritmičnih značilnosti . Kasneje je z uporabo istih dražljajev Burunatet al.18 poročal o zaposlovanju regij, povezanih s spominom in motoričnih možganov, med prepoznavanjem glasbenih motivov. Kljub svojim prispevkom te študije ne identificirajo natančno določenih časovnih mehanizmov kodiranja zvoka in spominskih procesov.

Nedavno smo združili visoko časovno ločljivost magnetoencefalografije (MEG) z visoko prostorsko ločljivostjo slikanja z magnetno resonanco (MRI) za preučevanje prepoznavanja glasbe. Te študije so poudarile časovno vpletenost razširjenega kortiko-subkortikalnega možganskega omrežja, ki obsega primarno slušno skorjo, zgornjo temporalno girus, čelni operkulum, cingularni girus, orbitofrontalni korteks in hipokampus med prepoznavanjem slušnih (glasbenih) sekvenc 19–21. Na splošno so te raziskave zagotovile edinstven vpogled v nevronske mehanizme, ki so podlaga za prepoznavanje časovnih zaporedij. Kar je treba še obravnavati, je, kako so ti mehanizmi modulirani s kompleksnostjo dražljajev.

Tu smo uporabili melodične sekvence, kjer je pomen izhajal iz zaporedne kombinacije posameznih tonov skozi čas21, in spreminjali porazdelitev tonov, da smo dobili nove, kompleksne glasbene sekvence. V tem scenariju sta kodiranje in prepoznavanje glasbenih sekvenc v veliki meri odvisna od zaporednega vrstnega reda tonov, ki jih sestavljajo. Najprej smo izbrali glasbene sekvence na podlagi pravil tonalitete, ki je prevladujoč glasbeni sistem v zahodni popularni glasbi22. Drugič, s spreminjanjem tonskih intervalov (tj. razdalj med višinami), medtem ko ohranjamo vse druge spremenljivke (npr. ritem, tempo, tember) konstantne, smo ustvarili usklajena atonalna glasbena zaporedja. Manipulacija dražljajev je temeljila na prejšnji literaturi, ki je poročala, da je tonska in ne atonalna glasbena zaporedja na splošno lažje obdelati 23–27 in da jih bolj cenijo nestrokovni poslušalci 27–29. Za razliko od tonalne glasbe je za atonalno glasbo značilna odsotnost jasnega tonskega središča in hierarhične stabilnosti, kar bistveno zmanjša njeno napovedno vrednost in povzroči povečane napovedne napake 23–26,30. Tako smo pričakovali, da bo spreminjanje tonskih intervalov zmanjšalo predvidljivost atonalnih zaporedij, kar bo povzročilo večje težave pri njihovem prepoznavanju.

Če povzamemo, v trenutni študiji smo uporabili MEG in nalogo glasbenega prepoznavanja 19–21, medtem ko so udeleženci poslušali in prepoznavali slušna (glasbena) zaporedja različne kompleksnosti in so bili namenjeni opisovanju natančne prostorsko-časovne dinamike spomina slušnega prepoznavanja. Po prejšnjih študijah 17–21 smo pričakovali, da bo prepoznavanje slušnih zaporedij aktiviralo razširjeno možgansko mrežo, ki vključuje slušna (npr. primarno slušno skorjo, zgornji temporalni girus, Heschlov girus, temporalni planum, insula) in področja obdelave spomina (npr. hipokampus, cingulat gyrus).

Nadalje smo domnevali, da bi bila nevronska aktivnost porazdeljena vzdolž dveh glavnih frekvenčnih pasov, ki odražata pojav dveh različnih kognitivnih procesov: počasnega frekvenčnega pasu, povezanega s prepoznavanjem celotnega glasbenega zaporedja v območjih za obdelavo spomina, in hitrejšega frekvenčnega pasu, povezanega z obdelavo vsakega tona. inslušnih območij glasbenega zaporedja. Še pomembneje, domnevali smo, da bi bila na podlagi kompleksnosti dražljajev tonska glasba učinkoviteje obdelana kot atonalna glasba, kar bi se odražalo v različnih vedenjskih odzivih in različnih nevronskih poteh med prepoznavanjem tonskih in atonalnih zaporedij.

Naši vedenjski in nevronski rezultati so pokazali jasne razlike med prepoznavanjem tonskih in atonalnih sekvenc. Analize rekonstrukcije izvora so pokazale različne aktivacijske skupine zatonalna in atonalna zaporedja. Na splošno je bila nevronska aktivnost močnejša v območjih obdelave spomina za zapomnjena tonska zaporedja in v regijah slušne obdelave za zapomnjena tonska zaporedja.

Rezultati

Vedenjski podatki. Udeleženci so izvedli staro/novo nalogo slušnega prepoznavanja (slika 1). Najprej so poslušali celotno glasbeno delo (kodiranje) in nato ugotovili, katera glasbena zaporedja so bila zapomnila ali nova. Med prepoznavanjem sta bila s krmilno palico zabeležena natančnost odziva in reakcijski čas udeležencev. Ti vedenjski podatki so bili statistično analizirani, da bi preučili razlike med štirimi eksperimentalnimi pogoji (pomnjena tonska zaporedja, nova tonska zaporedja, pomnjena atonalna zaporedja in nova atonalna zaporedja).

Enosmerna analiza variance (ANOVA) je pokazala, da so bile razlike v točnosti odgovorov statistično pomembne, F(3,280)=6.87, p=0.002. Post-hoc analize so pokazale, da je bilo povprečno število pravilnih odgovorov znatno nižje pri zapomnjenih atonalnih zaporedjih (M=30.98, SD=5.46) kot pri novem atonalnem (M=34.51, SD=4.26, p < 0,001), zapomnjena tonska (M=34.34, SD=5.95, p=0.002) in nova tonska zaporedja (M { {24}}.41, SD=6.04, str=0.001). Slika 2a prikazuje razlike med pogoji z uporabo grafov dežnih oblakov31.

Kar zadeva povprečni reakcijski čas, je obstajala statistično značilna razlika med pogoji, določenimi z enosmerno ANOVA, F(3, 280)=4.94, p=0.002. Post-hoc analize so pokazale, da je bil povprečni reakcijski čas bistveno nižji od zapomnjenih tonskih zaporedij (M=1735.17, SD=259.91) v primerjavi s pomnjenimi atonali (M=1879.44, SD { {14}}.34, p=0.005) in nova atonalna zaporedja (M=1873.78, SD =250.48, p=0.007), vendar ni v primerjavi z novimi tonskimi zaporedji (M=1799.52, SD=267.14, p=.450). Slika 2b prikazuje razlike med pogoji.

Numerični izvorni podatki za vedenjske odzive so navedeni v Dodatnih podatkih 1.

Podatki senzorja MEG. Podatki MEG (204 planarni gradiometri in 102 magnetometra) so bili analizirani na ravni MEG senzorja z uporabo širokopasovnega signala. Čeprav je bil poudarek študij na identifikaciji možganskih območij, ki sodelujejo pri prepoznavanju tonskih glasbenih sekvenc v primerjavi z atonalnimi, so bili podatki senzorja MEG preučeni, da bi ocenili, ali je bil nevronski signal bistveno drugačen za zapomniti kot za nove poskuse in bi tako potrdili rezultate prejšnjih študij 19, 20.

Po povprečenju epohalnih podatkov pravilnih poskusov za vsak eksperimentalni pogoj in združitvi ravninskih gradiometrov so bili izvedeni t-testi parnih vzorcev, da bi ugotovili, kateri pogoj (zapomniti ali nov) je ustvaril močnejši nevronski signal za vsakokratni vzorec in senzor MEG. MCS, ki temelji na grozdu, je bil nato izračunan za popravek večkratnih primerjav. To je bilo izvedeno neodvisno za tonske in atonalne podatke (za podrobnosti glejte Metode).

Najprej so bili izračunani t-testi parnih vzorcev (= 0.01) za tetonalne podatke v časovnem intervalu 0–2500 ms (od začetka atonalnih podatkov, t-testi parnih vzorcev (=0.01) so bili izračunani v istem časovnem intervalu (0–2500 ms) z uporabo kombiniranih ravninskih gradiometrov. Nato so bile večkratne primerjave popravljene za uporabo MCS na rezultatih pomembnih t-testov ( { {13}}.001, 1000 permutacij). Ta postopek je identificiral tri glavne pomembne skupine aktivacije pri kontrastu med zapomnjenimi in novimi odlomki (tabela 2, dodatna slika 3 in dodatni podatki 2). V primeru novega kontrasta proti zapomnjenim so trije glavni najdeni so bili pomembni grozdi dejavnosti (tabela 2, dopolnilna slika 4 in dodatni podatki 2).

Rekonstrukcija vira. Po preučitvi moči nevronskih signalov na ravni senzorja MEG smo se osredotočili na glavni cilj študije, in sicer raziskati nevronske razlike, ki so podlaga za prepoznavanje tonskih proti atonalnim glasbenim zaporedjem v MEG rekonstruiranem izvornem prostoru. Za izvedbo te analize smo lokalizirali možganske vire polj, povezanih z dogodki, ki so jih zabeležili kanali MEG. To je bilo izvedeno tako za tetonalno kot za atonalno zaporedje in za dva frekvenčna pasova (počasen [0.1–1 Hz] in hitrejši [2–8 Hz]), ki sta bila uporabljena v Bonettiet al.19,20 in povezana z obdelava posameznih komponent (počasna) glede na celotno zaporedje (hitra). Izračunane so bile dodatne analize za kontrast možganske aktivnosti med počasnimi in hitrimi frekvenčnimi pasovi ter za pregled vzorca aktivnosti na standardnih delta (1–4 Hz) in theta (5–8 Hz) frekvenčnih pasovih.

Počasni frekvenčni pas (0.1–1 Hz). Nevronski viri so bili izračunani z uporabo pristopa oblikovanja snopa. Najprej je bil izračunan napredni model z upoštevanjem vsakega možganskega vira kot aktivnega dipola in izračunom njegove moči v senzorjih MEG. Drugič, algoritem za oblikovanje snopa je bil uporabljen kot inverzni model za oceno možganskih virov nevronske aktivnosti na podlagi posnetkov MEG.

Po izračunu nevronskih virov je bil GLM izračunan na vsaki časovni točki in lokaciji dipola. Serija t-testov (= 0.05) je bila izvedena na prvi in ​​skupinski ravni, da bi ocenili glavni učinek zapomnjenih in novih pogojev ter njihov kontrast neodvisno za tonske in atonalne podatke. MCS (= 0.001, 1000 permutacij) na osnovi grozdov je bil izračunan za popravek večkratnih primerjav in za določitev možganske aktivnosti, ki je podlaga za razvoj glasbenih sekvenc. Te analize so bile izvedene za pet specifičnih časovnih intervalov, ki so ustrezali vsakemu od tonov, ki sestavljajo sekvence: prvi ton (0–250 ms), drugi ton (251–500 ms), tretji ton (501–750 ms), četrti ton (751– 1000 ms) in peti ton (1001–1250 ms). To je bilo ocenjeno za pomnjeni kontrast proti novemu za tonska in atonalna zaporedja neodvisno in za pomnjena tonska proti pomnjenim atonalnim zaporedjem.

Pomembni grozdi aktivnosti (p < 0,001) so bili locirani v več možganskih vokslih (k) za vsak ton tonskih zaporedij, kot je navedeno v dodatnih podatkih 3. Za pomnjena tonska zaporedja je bila živčna aktivnost na splošno močnejša za tretji (k=69), četrti (k=266) in peti ton (k=229).

Največje razlike so bile lokalizirane v srednjem cingularnem girusu, desnem dodatnem motoričnem področju, prekuneusu in levem lingvalnem girusu za tretji ton; leva amigdala levo parahipokampalni girus, levi lingvalni girus, levi hipokampus in srednji cingularni girus za četrti ton ter sprednji in srednji cingularni girus in levi lingvalni girus za zadnji ton. Pri novih tonskih zaporedjih je bila možganska aktivnost močnejša za prvi (k=54) in drugi ton (k=29). Zlasti je bila razlika med novimi in zapomnjenimi sekvencami najmočnejša v levi kalkarinski fisuri, levem lingvalnem girusu, levem hipokampusu, levem prekuneusu in levem zgornjem temporalnem girusu za prvi ton ter desnem fuziformnem girusu, desnem lingvalnem girusu in desnem spodnjem okcipitalnem girusu za ta drugi ton. Kontrast med zapomnjenimi in novimi tonskimi zaporedji za počasni pas je prikazan na sliki 3a.

For more information:1950477648nn@gmail.com