Prepoznavanje ranije naučenih u mozgu u odnosu na nove vremenske sekvence: Diferencijalna simultana obrada, 1. dio

Memorija za sekvence je centralna tema u neuronauci, a decenije studija su istraživale neuronske mehanizme koji su u osnovi kodiranja širokog niza sekvenci koje se produžavaju tokom vremena.

Sekvencijalno pamćenje znači da ljudi mogu zapamtiti niz informacija, kao što su brojevi, slova, riječi ili slike. Memorija se, s druge strane, odnosi na sposobnost pohranjivanja informacija u mozgu i brzog prisjećanja kada je to potrebno. Postoji snažna veza između njih dvoje, jer je sekvencijalna memorija važno sredstvo za treniranje i poboljšanje pamćenja.

Osoba sa dobrom memorijom obično ima dobru sposobnost sekvencijalnog pamćenja, može brzo i precizno zapamtiti mnogo informacija i može ih shvatiti kada im zatreba. Takvi talenti ih čine praktičnijim u svakodnevnom životu, za uspješno suočavanje sa raznim izazovima u poslu i životu.

U isto vrijeme, također možemo poboljšati naše pamćenje vježbanjem pamćenja sekvenci. Bilo da se radi o brojevima, slovima, riječima ili slikama, samo kada stalno vježbamo, pamtimo, pregledavamo i konsolidujemo možemo ostaviti dubok utisak u podsvijesti i ojačati svoju sposobnost pamćenja.

Vrijedi napomenuti da osim poboljšanja pamćenja kroz sekvencijalno pamćenje, pamćenje možemo ojačati i nekim drugim metodama. Na primjer, više vježbajte, održavajte dobar san, jedite uravnoteženu ishranu, naučite nova znanja itd. Oni mogu pomoći našem mozgu da normalno funkcionira, čime se poboljšava naše pamćenje.

Ukratko, sekvencijalna memorija i pamćenje su usko povezani i postoji komplementaran odnos između njih. Kontinuiranim vježbanjem i usavršavanjem možemo u velikoj mjeri poboljšati svoje pamćenje, kako bismo se bolje nosili s raznim izazovima i uživali u živopisnom životu. Vidi se da moramo poboljšati svoje pamćenje. Cistanche može značajno poboljšati naše pamćenje jer je cistanche tradicionalni kineski medicinski materijal s mnogim jedinstvenim efektima, od kojih je jedno poboljšanje pamćenja. Djelotvornost mljevenog mesa proizlazi iz raznih aktivnih sastojaka koje sadrži, uključujući karboksilnu kiselinu, polisaharide, flavonoide, itd. Ovi sastojci mogu promovirati zdravlje mozga kroz različite kanale. efekti.

Kliknite na saznajte načine za poboljšanje memorije

Ipak, malo se zna o moždanim mehanizmima koji su u osnovi prepoznavanja prethodno memorisanih u odnosu na nove vremenske sekvence. Štaviše, diferencijalna moždana obrada pojedinačnih stavki u slušnoj vremenskoj sekvenci u poređenju sa čitavom nadređenom sekvencom nije u potpunosti shvaćena.

U ovoj magnetoencefalografskoj (MEG) studiji, stavke temporalne sekvence su nezavisno povezane sa lokalnom i brzom (2–8 Hz) moždanom obradom, dok je cela sekvenca povezana sa istovremenim globalnim i sporijim (0.1– 1 Hz) obrada koja uključuje široku mrežu sekvencijalno aktivnih regija mozga. Primjetno je da je prepoznavanje prethodno memorisanih vremenskih sekvenci povezano sa jačom aktivnošću u sporoj moždanoj obradi, dok su nove sekvence zahtijevale veće učešće brže moždane obrade.

Sve u svemu, rezultati se proširuju na dobro poznati protok informacija od nižeg ka višim regijama mozga. Oni otkrivaju različitu uključenost spore i brže obrade cijelog mozga za prepoznavanje prethodno naučenih u odnosu na nove vremenske informacije.

Ključne riječi:

Vremenske sekvence; prepoznavanje memorije; magnetoencefalografija; dinamika mozga; rekonstrukcija izvora.

Uvod

Tokom godina, razumevanje pamćenja za sekvence bilo je centralna tema u neuronauci i kognitivnim naukama (Förstl et al. 2006; Kumar i Anand 2015), kao što je recenzirano u ključnom radu Dehaene et al. (2015). Ovdje autori predlažu taksonomiju mehanizama obrade za vremenske sekvence, raspoređene u pet kategorija rastuće složenosti: (i) znanje o prijelazu i vremenu između sljedećih stavki niza, (ii) razdvajanje susjednih stavki niza, (iii ) ordinalno znanje o tome koja stavka je prva, (iv) algebarski obrasci koji hvataju složene pravilnosti unutar niza i (v) ugniježđene strukture stabla zasnovane na apstraktnim simboličkim pravilima.

Prva kategorija se odnosi na obradu prijelaza s jedne stavke niza na drugu. Ovo istraživanje je identificiralo nekoliko automatskih potencijala/polja povezanih s događajima (ERP/F) za standardne i devijantne zvukove, kao što su dobro poznati N100 i negativnost neslaganja (MMN), pokazujući da mozak može brzo otkriti promjene u pravilnosti sekvenci. (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, Sedghi202, et al. , Brattico, Vuust, et al. 2021c).

Komadovanje se odnosi na sposobnost grupisanja susednih stavki u jednu veću jedinicu.

Prethodne studije na nivou jedne ćelije pokazale su da se lomljenje dešava tokom sticanja motoričkih navika (Fujii i Graybiel 2003; Smith i Graybiel 2013; Jin et al. 2014).

Slične studije sa funkcionalnom magnetnom rezonancom (fMRI) potvrdile su ove rezultate, sugerirajući hijerarhijsku organizaciju u chunkingu kada se uče motoričke temporalne sekvence (Koechlin i Jubault 2006).

Neuralni korelati slušnog lomljenja dalje su istraženi dodatnim studijama. Na primjer, Kalm et al. (2012) koristili su fMRI za istraživanje slušnog kodiranja grupisanih i negrupisanih lista slova, ističući da je velika aktivacija slušnog korteksa, premotora i prefrontalnog mozga povezana s prekoračenjem memorije tokom kodiranja.

Dodatno, koristeći elektroencefalografiju (EEG), Ding et al. (2018) otkrili su da je neuronsko kodiranje pojedinačnih slušnih događaja (tj. slogova) bilo automatsko, dok se konstrukcija vremenskih dijelova (tj. riječi) zasnovana na znanju oslanja na pažnju.

Osim razdvajanja, ordinalno znanje opisuje sposobnost učenja i pamćenja koja je stavka prva, druga i tako dalje, u vremenskom nizu. Prethodne studije su pokazale da je redni raspored niza stavki kodiran mozgom unutar intraparijetalnog i dorsolateralnog prefrontalnog korteksa (Terrace et al. 2003; Berdyyeva i Olson 2010; Crowe et al. 2014).

Algebarski obrasci se odnose na apstraktne šeme pohranjene u mozgu, koje omogućavaju hvatanje sekvencijalnih pravilnosti koje su u osnovi niza stavki. Prethodna istraživanja su pokazala da mozak obrađuje algebarske obrasce sekvenci, razumijevajući viši nivo apstraktnih pravilnosti od elementarnih sekvenci sa senzornim devijacijama (Endress et al. 2009; Wang et al. 2015).

Konačno, ugniježđene strukture stabla generiraju se simboličkim pravilima, koja su često ugrađena jedna u drugu. Prethodne studije su istakle sljedeću mrežu regija mozga uključenih u obradu složenih jezičkih obrazaca organiziranih u ugniježđenim strukturama: lijevi gornji temporalni sulkus (STS), srednji temporalni girus (MTG), temporalni polovi (TP), donji frontalni girus (IFG) i temporoparijetalni spoj (TPJ) (Mazoyer et al. 1993; Saur et al. 2010; Friederici 2011; Rolheiser et al. 2011; Tyler et al. 2011).

Drugi relevantni doprinosi o tome kako mozak obrađuje temporalne sekvence potiču iz istraživanja slušne i govorne obrade. Ovo je predložilo simultane moždane mehanizme koji su u osnovi razumijevanja zvukova i ljudskih jezika. Na primjer, Teng et al. (2017) su pokazali istovremenu ulogu teta i gama frekvencijskih opsega tokom slušne obrade, koherentno sa hipotezom "asimetričnog uzorkovanja u vremenu" (AST) koju je predložio Poeppel (2003). U drugoj studiji koja je istraživala procesiranje govora, autori su otkrili da dok je theta aktivnost bila ograničena na slušni korteks, delta traka je nastala u nizvodnim slušnim regijama i bila je modulirana nesigurnošću stimulusa (Donhauser i Baillet 2020).

Sve u svemu, ove odlične studije pružile su detaljan, ali neiscrpni pregled moždanih mehanizama koji su u osnovi obrade vremenskih sekvenci i obrazaca. Konkretno, dok je pregled pokazao kako su stavke podijeljene i organizirane u apstraktna pravila kroz simultane mehanizme, nije do kraja istražio slučajeve u kojima vremenski poredak pojedinačnih stavki dovodi do novog, nadređenog objekta (sekvencije) karakteriziranog novom percepcijom. i značenje, koje se može kodirati i naknadno dohvatiti ili prepoznati. Muzičke melodije su idealni primjeri takvih sekvenci jer se, u zavisnosti od kombinacije njihovih zvukova (stavki) tokom vremena, percipiraju kao novi objekti koji prenose značenja koja ne mogu nositi samo pojedinačni zvukovi (Cooke 1959).

Primjetno je da se, iako se muzička neuronauka brzo proširila u posljednjih nekoliko decenija, vrlo malo se zna o brzim moždanim mehanizmima koji su u osnovi prepoznavanja muzičkih temporalnih sekvenci. S druge strane, istraživanja neuronauke o muzičkom pamćenju pružila su nam različita, vrlo relevantna znanja. Na primjer, u fMRI studiji, Gaab et al. (2003) zamolio je učesnike da uporede zvukove koje karakteriše različite visine tona.

Autori su otkrili aktivnost, posebno u gornjem temporalnom, supramarginalnom i lijevom inferiornom frontalnom kortiksu kada su sudionici završili zadatak. U novije vrijeme, Kumar et al. (2016) su pokazali relevantnu ulogu primarnog slušnog korteksa, hipokampusa i inferiornog frontalnog girusa, kao i njihovu povezanost za obavljanje slušnih WM zadataka.

Slično, Sikka et al. (2015) su tražili od učesnika da prepoznaju poznatu ili nepoznatu muziku, pokazujući da je uspješno izvođenje povezano s aktivacijom desnog superiornog temporalnog, bilateralnog inferiornog i superiornog frontalnog, lijevog srednjeg orbitofrontalnog, bilateralnog precentralnog i lijevog supramarginalnog korteksa. Pored fMRI, nekoliko studija o muzičkom pamćenju je sprovedeno pomoću magnetoencefalografije (MEG).

Na primjer, Albouy et al. (2013, 2017) istraživali su moždanu aktivnost tokom zadržavanja pamćenja, pokazujući da theta oscilacije u dorzalnom toku mozga učesnika predviđaju njihove sposobnosti da izvrše slušni WM zadatak.

U nedavnoj studiji, Bonetti, Brattico, Carlomagno, et al. (2021a), Bonetti, Bruzzone, Sedghi, et al. (2021b), Bonetti, Brattico, Vuust, et al. (2021c) su pokazali da je prvih 220 ms kodiranja zvuka predstavljalo veliku mrežu povezanih područja mozga kao što su Heschl-ov i gornji temporalni girus, frontalni operkulum, cingularni girus, insula, bazalni gangliji i hipokampus. Značajno je da su ova područja mozga bila jednako centralna unutar mreže, čak i ako su slušni korteks i insula imali jaču aktivnost od ostalih područja.

U zaključku, prethodna istraživanja su istakla moždane mehanizme koji su u osnovi obrade nekoliko kategorija temporalnih sekvenci i muzičkih zvukova. Međutim, ove studije nisu istraživale prepoznavanje prethodno naučenih vremenskih sekvenci gdje je redoslijed pojedinačnih stavki doveo do novog, nadređenog, globalnog objekta kojeg karakterizira nova percepcija i značenje, proizašlo iz muzičkih sekvenci. Konkretno, diferencijalni mehanizmi povezani sa obradom pojedinačnih stavki sekvence (lokalna obrada) i prepoznavanjem memorije za sekvencu kao celinu, novi objekat (globalna obrada) ostaju nedovoljno shvaćeni. U našoj studiji, koristeći MEG podatke ograničene anatomskom magnetnom rezonancom, bavili smo se ovim pitanjima.

Materijali i metode

Učesnici

Studija je obuhvatila 70 dobrovoljaca: 36 muškaraca i 34 žene (raspon starosti: 18-42 godine, srednja starost: 25,06 ± 4,11 godina). Svi učesnici su bili zdravi i nisu prijavili prethodnu ili trenutnu zloupotrebu alkohola i droga. Štaviše, nisu bili ni pod kakvim lijekovima, izjavili su da nisu imali nikakav prethodni neurološki ili psihijatrijski poremećaj i prijavili su da imaju normalan sluh. Nadalje, njihov ekonomski, obrazovni i društveni status bio je homogen.\

Eksperimentalni postupci su sprovedeni u skladu sa Helsinškom deklaracijom—etičkim principima za medicinska istraživanja i odobreni su od strane Etičkog odbora regije Centralne Danske (De Videnskabsetiske Komitéer za regiju Midtjylland) (Ref 1-10-72-411-17).

Eksperimentalni dizajn i stimulansi

Da bismo otkrili moždani potpis prepoznavanja temporalne sekvence, koristili smo staru/novu paradigmu (Kayser et al. 2003) zadatka slušnog prepoznavanja tokom snimanja magnetoencefalografije (MEG). Prvo, učesnici su slušali četiri ponavljanja MIDI verzije desnog dijela cijele preludije BWV 847 u c-molu koju je komponovao JS Bach (ukupno trajanje oko 10 minuta).

Drugo, predočeno im je 80 kratkih muzičkih odlomaka u trajanju od 1.250 ms svaki i zamoljeni su da navedu da li svaki odlomak pripada preludiju Bacha ("napamet" sekvenca (M), stara) ili je to nova muzička sekvenca ("roman" sekvenca (N), nova) (slika 1A). Četrdeset odlomaka je preuzeto iz Bahovog dela, a 40 je bilo romana.

Važno je da su dvije kategorije stimulusa (M i N) kreirane da bi se razlikovale u zadatku prepoznavanja (tj. uvijek su bile sastavljene od različitih muzičkih tonova), iako su bile uparene između nekoliko varijabli, kako bi se spriječila potencijalna zabuna. M i N su usklađeni za jačinu, ritam, tembar, metar, tempo, tonalitet, entropiju (H) i sadržaj informacija (IC).

Kao što je već pomenuto, memorisane melodije sastojale su se od odlomaka iz Bahovog preludija. U ovom slučaju smo odabrali jedan odlomak po muzičkom taktu, koji je odgovarao prvih pet tonova takta. Zatim smo komponovali nove muzičke melodije koristeći melodijsku konturu i intervale između nota melodija koji su se razlikovali od memorisanih muzičkih sekvenci preuzetih iz Bahovog preludija. 80 muzičkih sekvenci prikazano je u notnim zapisima na slici S1.

Slika 1. Dizajn eksperimenta, rekonstrukcija izvora i kontrasti pojedinačnih stavki. A) Nakon što su odslušali kompletan muzički komad koji je komponovao JS Bach, učesnicima je predstavljen set melodijskih odlomaka preuzetih iz komada i niz novih melodija. Ti odlomci su predstavljali vremenske sekvence izgrađene od pet stavki (muzičkih tonova) koje su učesnici označili kao "prethodno naučeni" (M) ili "roman" (N) koristeći blok za odgovore. B) Tokom zadatka, magnetoencefalografijom je snimana aktivnost mozga učesnika.

Ovdje prikazujemo grafički prikaz neuronskih podataka koji su prethodno obrađeni, propusno filtrirani u različitim frekventnim opsezima i epohirani. Ova slika prikazuje analize za dva frekventna opsega (0.1–1 i 2–8 Hz) budući da smo pretpostavili da su ova dva opsega povezana sa lokalnom i globalnom obradom vremenskih sekvenci. C) Grafički prikaz rekonstrukcije izvora, izračunate nezavisno za 0.1–1 i 2–8 Hz. Značajno, 0.1–1 Hz je indeksirao prepoznavanje cijele sekvence (globalna obrada), dok je 2–8 Hz pokazao neuralne odgovore na svaku stavku sekvence (lokalna obrada). D). Kontrasti su otkrili jaču moždanu aktivnost za M naspram N u 0.1–1 Hz (crveno), posebno za treću, četvrtu i petu stavku.

Takva razlika je lokalizirana u velikoj moždanoj mreži koja se sastoji od cinguluma, inferiornog temporalnog korteksa, frontalnog operkuluma, insule i hipokampalnih područja. Suprotno tome, kontrasti za 2-8 Hz su dali ukupnu jaču aktivnost za N u odnosu na M (plavo), posebno u slušnom korteksu. Prikazane vrijednosti su t-vrijednosti dobijene suprotstavljanjem moždane aktivnosti M u odnosu na N.

Što se tiče IC i H, njihova procjena je urađena za svaki ton memorisanog (srednja vrijednost IC: 5,70 ± 1,73, srednja vrijednost H: 4,70 ± 0,33) i nove muzičke sekvence (srednja IC: 5,92 ± 1,81, srednja vrijednost H: 4,78 ± 0,35) korištenjem Information Dynamics of Music (IDyOM) (Pearce 2018). Ova metoda koristi mašinsko učenje za izračunavanje vrijednosti IC-a za ciljnu notu na osnovu kombinacije prethodnih nota muzičkog djela koje sadrži ciljnu notu i skupa pravila izvedenih iz velikog niza prototipskih zapadnih muzičkih djela. Tako smo se pobrinuli da globalni IC muzičkih sekvenci naše dvije kategorije (M i N) bude isti.

Na formalnom nivou, IC odgovara minimalnom broju bitova potrebnih za kodiranje ei i opisan je sljedećom jednačinom (1):

gde je p(ei|ei−1 (i−n)+1) verovatnoća događaja ei za prethodni skup ei−1 (i−n)+1 događaja.

Entropija daje mjeru neizvjesnosti/izvjesnosti nadolazećeg događaja s obzirom na prethodni skup ei−1 (i−n)+1 događaja i iznosi

Prema jednačini (2), ako je vjerovatnoća datog događaja ei 1, vjerovatnoća ostalih događaja u A će biti 0. Dakle, H će također biti jednak 0 (scenarij maksimalne sigurnosti). Suprotno tome, ako su događaji jednako vjerovatni, H će biti maksimalan (scenarij maksimalne neizvjesnosti). Zaključno, IDyOM pruža procjenu predvidljivosti svakog muzičkog tona, a pokazalo se da je koherentan s ljudskom percepcijom (Pearce 2018; Sears et al. 2018).

U MEG analizi koristili smo samo ispravno prepoznate pokuse (srednja tačna M: 78,15 ± 13,56%, srednja vremena reakcije (RT): 1,871 ± 209 ms; srednja tačna N: 81,43 ± 14,12%, srednja RT: 1,915 ± 135 ms ).

I uvod i odlomci su kreirani korišćenjem Finale (MakeMusic, Boulder, CO) i predstavljeni softverom za prezentaciju (Neurobehavioral Systems, Berkeley, CA). Nakon prikupljanja MEG podataka, istog ili drugog dana, dobijene su slike strukture mozga učesnika pomoću magnetne rezonancije (MRI).

For more information:1950477648nn@gmail.com