Magnetoencefalografski snimci otkrivaju prostorno-vremensku dinamiku memorije za prepoznavanje složenih naspram jednostavnih slušnih sekvenci

Auditivno prepoznavanje je ključni kognitivni proces koji se oslanja na organizaciju pojedinačnih elemenata tokom vremena. Međutim, malo se zna o prostorno-vremenskoj dinamici koja leži u osnovi svjesnog prepoznavanja slušnih sekvenci različite složenosti. Da bi se ovo proučavalo, 71 učesnik je zamolio da nauče i prepoznaju jednostavne tonalne muzičke sekvence i uparene složene atonalne sekvence dok je njihova moždana aktivnost snimljena pomoću magnetoencefalografije (MEG).

Muzika ima jedinstvenu i nevjerovatnu moć da nas vrati u prošlost i oživi predivna sjećanja na prošlost, ili da nas duboko uroni u ljepotu sadašnjosti. Što je još važnije, muzika takođe može poboljšati naše pamćenje i poboljšati naše sposobnosti učenja i rada.

Istraživanja su otkrila da su muzičke sekvence usko povezane s pamćenjem. Ponekad otkrijemo da lako možemo zapamtiti stihove pjesme jer pjesma stimulira jezični centar u našem mozgu i konsoliduje pamćenje kroz ponovljeno sviranje. Isto tako, kada učimo nove informacije, možemo ih lakše zapamtiti kombinovanjem informacija s melodijom i ritmom. Mnogi medicinski stručnjaci i edukatori preporučuju korištenje muzike kao tehnike pamćenja za poboljšanje učenja.

Osim toga, muzika može poboljšati naše emocionalno stanje i učiniti nas opuštenijim i fokusiranijim. Kada se osjećamo umorno ili anksiozno, opuštajuća muzika može odmah ublažiti situaciju. Ova vrsta muzike je veoma efikasna u opuštanju napetih emocija, a takođe može pojačati našu snagu volje i strpljenje.

Sve u svemu, muzika je sastavni dio naših života i može biti vrlo korisna za naše pamćenje i sposobnosti učenja. Dakle, bilo da radite ili učite, možete koristiti i muziku da sebi pomognete. Vjerujem da vam ovo može pomoći da bolje završite svoje zadatke i da vam ujedno učinite život boljim. Vidi se da moramo poboljšati svoj imunitet. Cistanche deserticola može značajno poboljšati imunitet jer je cistanche deserticola tradicionalni kineski medicinski materijal sa brojnim jedinstvenim efektima, od kojih je jedno poboljšanje pamćenja. Djelotvornost mljevenog mesa proizlazi iz različitih aktivnih sastojaka koje sadrži, uključujući kiselinu, polisaharide, flavonoide, itd. Ovi sastojci mogu promovirati zdravlje mozga na različite načine.

Kliknite na Znaj kratkoročno pamćenje kako poboljšati

Rezultati otkrivaju kvalitativne promjene u neuralnoj aktivnosti ovisno o složenosti stimulusa: prepoznavanje tonskih sekvenci uključuje hipokampalna i cingularna područja, dok prepoznavanje atonalnih sekvenci uglavnom aktivira mrežu slušne obrade. Naši nalazi otkrivaju uključenost kortiko-subkortikalne moždane mreže za podršku slušnom recognom. ideja da složenost stimulusa kvalitativno mijenja neuralne puteve memorije prepoznavanja.

Kodiranje i prepoznavanje strukturno složenih zvukova je kognitivni izazov koji se oslanja na neuronske mehanizme koji još uvijek nisu u potpunosti razjašnjeni. Da bismo zapamtili složene zvučne sekvence, vjerovatno zavisimo od vremenske organizacije komponenti stimulusa i memorijskih funkcija.

Memorijsko kodiranje se odvija u hipokampusu2–4, dok su kasniji procesi povezani s pamćenjem prepoznavanja podržani funkcionalnom mrežom međusobno povezanih regija u medijalnom temporalnom režnju, uključujući hipokampus, insulu i inferiorni temporalni korteks2,5,6. Za konsolidaciju pamćenja potrebna je komunikacija između hipokampalnih i neokortikalnih područja7–9. Mnogo dokaza dolazi iz studija koje koriste statične vizuelne stimuluse, kao što su slike objekata, lica ili prirodnih scena10–12. Međutim, informacije i značenje se takođe razvijaju tokom vremena dok mozak pokušava da predvidi nadolazeće podražaje na osnovu prethodnih memorijskih predstava. Stoga, da bismo bolje razumjeli prepoznavanje memorije i njegovu temeljnu brzu dinamiku mozga, moraju se usvojiti nove metode koje naglašavaju vremenska svojstva dinamičkih podražaja. Ovo se može uraditi proučavanjem neuronske aktivnosti koja leži u osnovi obrade zvučnih sekvenci koje vremenom dobijaju značenje, kao što je muzika13–15.

Nekoliko neuronaučnih studija je istraživalo neuronske osnove muzičkog pamćenja, kao što su pregledali Campo i Brattico16. Na primjer, koristeći funkcionalnu rezonancu (fMRI) i naturalističku paradigmu slušanja muzike, Alluri et al.17 istraživali su neuronske korelate obrade muzike i prijavili aktivaciju kognitivnih, motoričkih i limbičkih mreža mozga za kontinuiranu obradu timbralnih, tonskih i andritmičkih karakteristika . Nakon toga, koristeći iste stimuluse, Burunatet al.18 je izvijestio o regrutovanju područja vezanih za pamćenje i motornog mozga tokom prepoznavanja muzičkih motiva. Uprkos njihovom doprinosu, ove studije ne uspevaju da identifikuju fino zrnate vremenske mehanizme kodiranja zvuka i procesa pamćenja.

Nedavno smo kombinovali visoku vremensku rezoluciju magnetoencefalografije (MEG) sa visokom prostornom rezolucijom magnetne rezonancije (MRI) da bismo proučavali prepoznavanje muzike. Ove studije su naglasile vremensku uključenost široko rasprostranjene kortiko-subkortikalne mreže mozga koja se sastoji od primarnog slušnog korteksa, superiornog temporalnog korteksa. girus, frontalni operkulum, cingularni girus, orbitofrontalni korteks i hipokampus tokom prepoznavanja slušnih (muzičkih) sekvenci19–21. Sve u svemu, ova istraživanja su pružila jedinstven uvid u neuralne mehanizme koji leže u osnovi prepoznavanja vremenskih sekvenci. Ono što ostaje da se pozabavi je kako su ovi mehanizmi modulirani kompleksnošću stimulusa.

Ovdje smo koristili melodijske sekvence, gdje je značenje proizašlo iz sekvencijalne kombinacije pojedinačnih tonova tokom vremena21, i mijenjali distribuciju tonova da bismo dobili nove, složene muzičke sekvence. U ovom scenariju, kodiranje i prepoznavanje muzičkih sekvenci u velikoj mjeri zavise od redoslijeda tonova koji ih čine. Prvo smo odabrali muzičke sekvence na osnovu pravila tonaliteta, koji je dominantan muzički sistem u zapadnoj popularnoj muzici22. Drugo, modifikacijom tonskih intervala (tj. rastojanja između tonova) uz zadržavanje konstantnih ostalih varijabli (npr. ritam, tempo, tembar), generisali smo usklađene atonalne muzičke sekvence. Manipulacija sa stimulusom bila je zasnovana na prethodnoj literaturi, u kojoj se navodi da su tonske, a ne atonalne muzičke sekvence općenito lakše obraditi23–27 i da ih više cijene od strane nestručnih slušalaca27–29. Za razliku od tonske muzike, atonalnu muziku karakteriše odsustvo jasnog tonskog centra i hijerarhijska stabilnost, što značajno umanjuje njenu prediktivnu vrednost i dovodi do povećanih grešaka predviđanja23–26,30. Stoga smo očekivali da će izmjena tonalnih intervala smanjiti predvidljivost atonalnih sekvenci, što će dovesti do povećanih poteškoća u njihovom prepoznavanju.

Da rezimiramo, u trenutnoj studiji koristili smo MEG i zadatak za prepoznavanje muzike19–21 dok su sudionici slušali i prepoznavali slušne (muzičke) sekvence različite složenosti i ciljali na opisivanje fino-zrnate prostorno-vremenske dinamike pamćenja slušnog prepoznavanja. Prateći prethodne studije17–21, očekivali smo da će prepoznavanje slušnih sekvenci aktivirati široko rasprostranjenu moždanu mrežu koja uključuje i slušne (npr. primarni slušni korteks, superiorni temporalni girus, Heschlov gyrus, planum temporale, insula) i područja za obradu pamćenja (npr. hipokampus, cinging). gyrus).

Nadalje smo pretpostavili da će neuronska aktivnost biti raspoređena duž dva glavna frekventna opsega koja odražavaju pojavu dva različita kognitivna procesa: spori frekvencijski pojas koji se odnosi na prepoznavanje pune muzičke sekvence u područjima obrade memorije i brži frekvencijski opseg povezan s obradom svakog tona. neslušnih regiona muzičkog niza. Što je još važnije, pretpostavili smo da bi, na osnovu složenosti stimulusa, tonska muzika bila efikasnije obrađena od atonalne muzike, što bi se odrazilo na različite bihejvioralne odgovore i različite neuralne puteve tokom prepoznavanja tonskih i atonalnih sekvenci.

Naši bihevioralni i neuronski rezultati pokazali su jasne razlike između prepoznavanja tonskih i atonalnih sekvenci. Analize rekonstrukcije izvora ukazale su na različite aktivacijske klastere fortonalnih i atonalnih sekvenci. Sve u svemu, neuronska aktivnost je bila jača u oblastima obrade memorije za memorisane tonske sekvence i u oblastima slušne obrade za memorisane tonske sekvence.

Rezultati

Podaci o ponašanju. Učesnici su radili stari/novi zadatak za prepoznavanje slušnog zvuka (slika 1). Prvo su slušali kompletan muzički komad (kodiranje), a zatim su identifikovali koje su muzičke sekvence zapamćene ili nove. Prilikom prepoznavanja, tačnost odgovora i vrijeme reakcije učesnika snimani su pomoću džojstika. Ovi podaci o ponašanju su statistički analizirani kako bi se ispitale razlike između četiri eksperimentalna uslova (zapamćene tonske sekvence, nove tonske sekvence, memorisane atonalne sekvence i nove atonalne sekvence).

Jednosmjerna analiza varijanse (ANOVA) je pokazala da su razlike u tačnosti odgovora statistički značajne, F(3,280)=6.87, p=0.002. Post-hoc analize su pokazale da je prosječan broj tačnih odgovora značajno manji od zapamćenih atonalnih sekvenci (M=30.98, SD=5.46) nego za nove atonalne sekvence (M=34.51, SD=4.26, p < 0.001), memorisani ton (M=34.34, SD=5.95, p=0.002) i nove tonske sekvence (M { {24}}.41, SD=6.04, p=0.001). Slika 2a prikazuje razlike između uslova korišćenjem dijagrama kišnih oblaka31.

Što se tiče srednjeg vremena reakcije, postojala je statistički značajna razlika između uslova utvrđenih jednosmjernom ANOVA, F(3, 280)=4.94, p=0.002. Post-hoc analize su otkrile da je prosječno vrijeme reakcije bilo značajno niže od memorisanih tonskih sekvenci (M=1735.17, SD=259.91) u odnosu na memorisane atonalne (M=1879.44, SD { {14}}.34,p=0.005) i nove atonalne sekvence (M=1873.78, SD =250.48, p=0.007), ali se ne poredi sa novim tonalnim sekvencama (M=1799.52, SD=267.14, p=.450). Slika 2b prikazuje razlike između uslova.

Numerički izvorni podaci za bihevioralne odgovore dani su u Dodatnim podacima 1.

Podaci MEG senzora. MEG podaci (204 planarna gradiometra i 102 magnetometra) analizirani su na nivou MEG senzora, koristeći širokopojasni signal. Iako je naglasak studija na identifikaciji područja mozga koja su uključena u prepoznavanje tonskih naspram atonalnih muzičkih sekvenci, podaci MEG senzora su ispitani kako bi se procijenilo da li se neuronski signal značajno razlikuje za memorisana nego za nova ispitivanja i na taj način bi potvrdili rezultate prethodnih studija19,20.

Nakon usrednjavanja epoh podataka ispravnih ispitivanja za svako eksperimentalno stanje i kombinovanja planarnih gradiometara, obavljeni su t-testovi uparenog uzorka kako bi se identifikovalo koje stanje (zapamćeno ili novo) generiše jači neuronski signal za svaki uzorak i MEG senzor. MCS zasnovani na klasterima su zatim izračunati da isprave višestruka poređenja. Ovo je izvedeno nezavisno i za tonske i za atonalne podatke (pogledajte Metode za detalje).

Prvo, izračunati su t-testovi uparenih uzoraka (=0.01) za tonalne podatke u vremenskom intervalu 0–2500 ms (od početka Što se tiče atonalnih podataka, t-testovi uparenih uzoraka (= 0.01) su izračunati u istom vremenskom intervalu (0–2500 ms) korištenjem kombinovanih planarnih gradiometara. Zatim su višestruka poređenja korigirana za korištenje MCS-a na rezultatima značajnih t-testova ({ {13}}.001, 1000 permutacija). Ova procedura je identifikovala tri glavna značajna klastera aktivacije pri suprotstavljanju memorisanih naspram novih odlomaka (tabela 2, dopunska slika 3 i dodatni podaci 2). U slučaju kontrasta novog naspram memorisanog, tri glavna pronađeni su značajni klasteri aktivnosti (Tabela 2, Dodatna slika 4 i Dodatni podaci 2).

Rekonstrukcija izvora. Nakon ispitivanja jačine neuronskih signala na nivou MEG senzora, fokusirali smo se na glavni cilj studije, odnosno da istražimo neuralne razlike koje su u osnovi prepoznavanja tonskih naspram atonalnih muzičkih sekvenci u MEG rekonstruisanom izvornom prostoru. Da bismo izvršili ovu analizu, lokalizirali smo moždane izvore polja povezanih s događajima snimljenih MEG kanalima. Ovo je izvedeno i za tetonalne i za atonalne sekvence i za dva frekventna opsega (sporo [0.1–1 Hz] i brže [2–8 Hz]) koji su korišteni u Bonettiet al.19,20 i povezani sa obrada pojedinačnih komponenti (sporo) u odnosu na čitav niz (brzo). Dodatne analize su izračunate kako bi se suprotstavila moždana aktivnost između sporih i brzih frekvencijskih pojasa i ispitao obrazac aktivnosti na standardnim delta (1-4 Hz) i theta (5-8 Hz) frekvencijskim opsezima.

Opseg sporog frekvencija (0.1–1 Hz). Neuralni izvori su izračunati korištenjem pristupa formiranja zraka. Prvo je proračunat model naprijed uzimajući u obzir svaki izvor mozga kao aktivni dipol i izračunavajući njegovu snagu na MEG senzorima. Drugo, algoritam oblikovanja zraka korišten je kao inverzni model za procjenu moždanih izvora neuronske aktivnosti na osnovu MEG snimaka.

Nakon izračunavanja neuronskih izvora, GLM je izračunat za svaku vremensku tačku i lokaciju dipola. Serija t-testova (= 0.05) je provedena na prvom i grupnom nivou kako bi se procijenio glavni efekat zapamćenih i novih uslova i njihov kontrast za tonalne i atonalne podatke nezavisno. MCS zasnovani na klasterima (= 0.001, 1000 permutacija) su izračunati kako bi se ispravila višestruka poređenja i odredila moždana aktivnost koja je u osnovi razvoja muzičkih sekvenci. Ove analize su obavljene za pet specifičnih vremenskih intervala koji su odgovarali svakom od tonova koji čine sekvence: prvi ton (0–250 ms), drugi ton (251–500 ms), treći ton (501–750 ms), četvrti ton (751– 1000 ms) i peti ton (1001–1250 ms). Ovo je procijenjeno za kontrast memorisanih naspram romana i za tonalne i za atonalne sekvence nezavisno i za memorisane tonalne naspram memorisanih atonalnih sekvenci.

Značajni klasteri aktivnosti (p < 0.001) bili su locirani na nekoliko moždanih voksela (k) za svaki ton tonskih sekvenci, kao što je navedeno u Dodatnim podacima 3. Za memorisane tonske sekvence, neuronska aktivnost je općenito bila jača za treći (k=69), četvrti (k=266) i peti ton (k=229).

Najveće razlike su lokalizirane u srednjem cingularnom girusu, desnom dopunskom motoričkom području, prekuneusu i lijevom jezičnom girusu za treći ton; lijeva amigdala lijevi parahipokampalni girus, lijevi jezični girus, lijevi hipokampus i srednji cingularni girus za četvrti ton, a prednji i srednji cingularni girus i lijevi lingvalni girus za posljednji ton. Za nove tonske sekvence, aktivnost mozga je bila jača za prvi (k=54) i drugi ton (k=29). Konkretno, razlika između novih i memorisanih sekvenci bila je najjača u lijevoj kalkarinskoj pukotini, lijevom jezičnom girusu, lijevom hipokampusu, lijevom prekuneusu i lijevom gornjoj sljepoočnoj vijugi za prvi ton i desnom fusiformgirusu, desnom jezičnom girusu i desnom inferiornom okcipitalnom girusu za ovaj drugi ton. Kontrast između memorisanih i novih tonskih sekvenci za spori pojas prikazan je na slici 3a.

For more information:1950477648nn@gmail.com