Moždano prepoznavanje prethodno naučenih u odnosu na nove vremenske sekvence: Diferencijalna simultana obrada, 1. dio

Pamćenje za sekvence središnja je tema u neuroznanosti, a desetljeća studija istraživala su neuralne mehanizme koji leže u osnovi kodiranja širokog niza sekvenci produženih tijekom vremena.

Sekvencijalno pamćenje znači da ljudi mogu zapamtiti niz informacija, kao što su brojevi, slova, riječi ili slike. Pamćenje se, s druge strane, odnosi na sposobnost pohranjivanja informacija u mozgu i brzo ih se prisjeća kada je to potrebno. Postoji jaka veza između to dvoje, budući da je sekvencijalno pamćenje važno sredstvo za treniranje i poboljšanje pamćenja.

Osoba s dobrim pamćenjem obično ima dobru sekvencijalnu sposobnost pamćenja, može se brzo i točno sjetiti puno informacija i može ih shvatiti kada im zatrebaju. Takvi talenti čine ih praktičnijima u svakodnevnom životu, da se uspješno suoče s raznim izazovima u poslu i životu.

U isto vrijeme, možemo također poboljšati svoje pamćenje vježbanjem pamćenja sekvenci. Bilo da se radi o brojevima, slovima, riječima ili slikama, samo kada neprestano vježbamo, pamtimo, ponavljamo i učvršćujemo možemo ostaviti dubok trag u podsvijesti i ojačati sposobnost pamćenja.

Vrijedno je spomenuti da osim poboljšanja pamćenja kroz sekvencijalno pamćenje, pamćenje možemo ojačati i nekim drugim metodama. Na primjer, više vježbajte, održavajte dobar san, jedite uravnoteženu prehranu, naučite nova znanja i tako dalje. Oni mogu pomoći našem mozgu da normalno funkcionira, čime se poboljšava naše pamćenje.

Ukratko, sekvencijalno pamćenje i pamćenje blisko su povezani i među njima postoji komplementaran odnos. Stalnim vježbanjem i usavršavanjem možemo uvelike poboljšati pamćenje, kako bismo se lakše nosili s raznim izazovima i uživali u šarolikom životu. Vidi se da moramo poboljšati pamćenje. Cistanche može značajno poboljšati naše pamćenje jer je cistanche tradicionalni kineski ljekoviti materijal s brojnim jedinstvenim učincima, a jedno od njih je poboljšanje pamćenja. Djelotvornost mljevenog mesa dolazi od niza aktivnih sastojaka koje sadrži, uključujući karboksilnu kiselinu, polisaharide, flavonoide itd. Ovi sastojci mogu promicati zdravlje mozga kroz različite kanale. Meso Qingmeng ima antioksidativno, protuupalno i anti-natjecateljsko djelovanje učinci.

Kliknite znati načine za poboljšanje pamćenja

Ipak, malo se zna o moždanim mehanizmima na kojima se temelji prepoznavanje prethodno zapamćenih u odnosu na nove vremenske sekvence. Štoviše, diferencijalna moždana obrada pojedinačnih stavki u slušnom vremenskom nizu u usporedbi s cijelim nadređenim nizom nije u potpunosti shvaćena.

U ovoj studiji magnetoencefalografije (MEG), stavke vremenske sekvence bile su neovisno povezane s lokalnom i brzom (2–8 Hz) obradom mozga, dok je cijela sekvenca bila povezana s istovremenom globalnom i sporijom (0.1– 1 Hz) obrada koja uključuje široku mrežu sekvencijalno aktivnih regija mozga. Značajno je da je prepoznavanje prethodno zapamćenih vremenskih sekvenci bilo povezano s jačom aktivnošću u sporoj moždanoj obradi, dok su nove sekvence zahtijevale veću uključenost brže moždane obrade.

Sve u svemu, rezultati se proširuju na dobro poznati protok informacija od nižih do viših regija mozga. Oni otkrivaju različitu uključenost sporije 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

Tijekom godina, razumijevanje pamćenja sekvenci bilo je središnja tema u neuroznanosti i kognitivnoj znanosti (Förstl et al. 2006; Kumar i Anand 2015), kao što je prikazano u ključnom radu Dehaene et al. (2015). Ovdje autori predlažu taksonomiju mehanizama obrade za vremenske sekvence, raspoređene u pet kategorija sve veće složenosti: (i) prijelaz i vremensko određivanje znanja između sljedećih stavki sekvence, (ii) razdvajanje susjednih stavki sekvence, (iii ) redovno znanje o tome koja stavka dolazi prva, (iv) algebarski obrasci koji hvataju složene pravilnosti unutar niza, i (v) ugniježđene strukture stabla temeljene na apstraktnim simboličkim pravilima.

Prva kategorija odnosi se na obradu prijelaza s jedne stavke niza na sljedeću. Ovo je istraživanje identificiralo nekoliko automatskih potencijala/polja povezanih s događajima (ERP/F) za standardne i devijantne zvukove, kao što je dobro poznati N100 i negativnost neusklađenosti (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, Sedghi, et al. 2021b; Bonetti , Brattico, Vuust, et al. 2021c).

Chunking se odnosi na mogućnost grupiranja susjednih stavki u jednu veću jedinicu.

Prethodne studije na razini jedne stanice pokazale su da se usitnjavanje događa tijekom stjecanja motoričkih navika (Fujii i Graybiel 2003; Smith i Graybiel 2013; Jin i sur. 2014).

Slične studije s funkcionalnom magnetskom rezonancijom (fMRI) potvrdile su ove rezultate, sugerirajući hijerarhijsku organizaciju u usitnjavanju kada se uče motoričke vremenske sekvence (Koechlin i Jubault 2006).

Neuralni korelati slušnog usitnjavanja dodatno su istraženi dodatnim studijama. Na primjer, Kalm et al. (2012.) upotrijebili su fMRI za istraživanje slušnog kodiranja grupiranih i negrupiranih popisa slova, naglašavajući da je velika aktivacija slušnog korteksa, premotornog i prefrontalnog područja mozga povezana s prekoračenim rasponom pamćenja tijekom kodiranja.

Dodatno, korištenjem elektroencefalografije (EEG), Ding et al. (2018) otkrili su da je neuralno kodiranje pojedinačnih slušnih događaja (tj. slogova) automatsko, dok se konstrukcija vremenskih dijelova (tj. riječi) temeljena na znanju oslanja na pažnju.

Osim usitnjavanja, 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 u mozgu unutar intraparijetalnog i dorzolateralnog prefrontalnog korteksa (Terrace et al. 2003; Berdyyeva i Olson 2010; Crowe et al. 2014).

Algebarski obrasci odnose se na apstraktne sheme pohranjene u mozgu, koje omogućuju hvatanje sekvencijalnih pravilnosti u podlozi niza stavki. Prethodno istraživanje pokazalo je da mozak obrađuje algebarske obrasce sekvenci, razumijevajući višu razinu apstraktnih pravilnosti od elementarnih sekvenci sa senzornim odstupanjima (Endress et al. 2009; Wang et al. 2015).

Konačno, ugniježđene strukture stabla generiraju se pomoću simboličkih pravila, koja su često ugrađena jedna u drugu. Prethodne studije istaknule su sljedeću mrežu moždanih regija uključenih u obradu složenih jezičnih obrazaca organiziranih u ugniježđene strukture: 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 tome kako mozak obrađuje vremenske sekvence došli su iz istraživanja slušne i govorne obrade. Ovo predlaže simultane moždane mehanizme koji su u osnovi razumijevanja zvukova i ljudskih jezika. Na primjer, Teng et al. (2017.) pokazao je istovremenu ulogu theta i gama frekvencijskih pojaseva tijekom slušne obrade, u skladu s hipotezom "asimetričnog uzorkovanja u vremenu" (AST) koju je predložio Poeppel (2003.). U drugoj studiji koja je istraživala obradu govora, autori su otkrili da dok je theta aktivnost ograničena na slušni korteks, delta pojas potječe iz nizvodnih slušnih regija i moduliran je nesigurnošću podražaja (Donhauser i Baillet 2020.).

Sve u svemu, ove su izvrsne studije pružile detaljan, ali ne i iscrpan pregled moždanih mehanizama koji leže u osnovi obrade vremenskih sekvenci i obrazaca. Konkretno, iako je pregled pokazao kako su stavke podijeljene i organizirane u apstraktna pravila putem simultanih mehanizama, nije konačno istražio slučajeve u kojima vremenski poredak pojedinačnih stavki dovodi do novog, nadređenog objekta (niza) karakteriziranog novom percepcijom i značenje, koje se može kodirati i naknadno dohvatiti ili prepoznati. Glazbene melodije idealni su primjeri takvih sekvenci budući da se, ovisno o kombinaciji njihovih zvukova (stavki) tijekom vremena, percipiraju kao novi objekti koji prenose značenja koja ne mogu nositi sami pojedinačni zvukovi (Cooke 1959).

Naime, iako se glazbena neuroznanost brzo proširila tijekom posljednjih nekoliko desetljeća, vrlo malo se zna o brzim moždanim mehanizmima koji leže u osnovi prepoznavanja glazbenih vremenskih sekvenci. Nasuprot tome, istraživanja u neuroznanosti glazbenog pamćenja pružila su nam različita, vrlo relevantna znanja. Na primjer, u fMRI studiji, Gaab et al. (2003.) zamolili su sudionike da usporede zvukove karakterizirane različitim visinama.

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

Slično, Sikka et al. (2015) tražili su od sudionika da prepoznaju poznatu ili nepoznatu glazbu, pokazujući da je uspješna izvedba povezana s aktivacijom desnog gornjeg temporalnog, bilateralnog inferiornog i gornjeg frontalnog, lijevog srednjeg orbitofrontalnog, bilateralnog precentralnog i lijevog supramarginalnog korteksa. Osim fMRI-a, nekoliko studija o glazbenom pamćenju provedeno je pomoću magnetoencefalografije (MEG).

Na primjer, Albouy et al. (2013., 2017.) istraživali su aktivnost mozga tijekom zadržavanja pamćenja, pokazujući da theta oscilacije u dorzalnom toku mozga sudionika 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) pokazalo je da je prvih 220 ms kodiranja zvuka predstavljalo veliku mrežu povezanih područja mozga kao što su Heschl i gornji temporalni vijuzi, frontalni operkulum, cingularni vijug, insula, bazalni gangliji i hipokampus. Značajno je da su ta područja mozga bila jednako središnja unutar mreže, čak i ako su slušni korteks i inzula pokazivali jaču aktivnost od ostalih područja.

Zaključno, prethodna su istraživanja istaknula moždane mehanizme koji leže u pozadini obrade nekoliko kategorija vremenskih sekvenci i glazbenih zvukova. Međutim, ove studije nisu istraživale prepoznavanje prethodno naučenih vremenskih sekvenci gdje je redoslijed pojedinačnih stavki doveo do novog, nadređenog, globalnog objekta karakteriziranog novom percepcijom i značenjem, proizašlim iz glazbenih sekvenci. Konkretno, diferencijalni mehanizmi povezani s obradom pojedinačnih stavki niza (lokalna obrada) i memorijskim prepoznavanjem niza kao cjeline, novog objekta (globalna obrada) ostaju nerazjašnjeni u potpunosti. U našoj studiji, koristeći MEG podatke ograničene anatomskom MRI, bavili smo se ovim pitanjima.

Materijali i metode

Sudionici

Istraživanje je obuhvatilo 70 volontera: 36 muškaraca i 34 žene (dobni raspon: 18-42 godine, prosječna dob: 25,06 ± 4,11 godina). Svi su sudionici bili zdravi i nisu prijavili prethodnu ili trenutnu zlouporabu alkohola i droga. Štoviše, nisu bili pod nikakvim lijekovima, izjavili su da nisu imali nikakav prethodni neurološki ili psihijatrijski poremećaj i izjavili su da imaju normalan sluh. Nadalje, njihov ekonomski, obrazovni i društveni status bio je homogen.\

Eksperimentalni postupci provedeni su u skladu s Helsinškom deklaracijom — Etičkim načelima za medicinska istraživanja i odobrio ih je Etički odbor regije Središnje Danske (De Videnskabsetiske Komitéer za regiju Midtjylland) (Ref 1-10-72-411-17).

Eksperimentalni dizajn i podražaji

Kako bismo otkrili moždani potpis prepoznavanja vremenske sekvence, upotrijebili smo zadatak slušnog prepoznavanja stare/nove paradigme (Kayser et al. 2003.) tijekom snimanja magnetoencefalografijom (MEG). Najprije su sudionici slušali četiri ponavljanja MIDI verzije desnog dijela cijelog preludija BWV 847 u c-molu skladatelja JS Bacha (ukupno trajanje oko 10 min).

Drugo, predstavljeno im je 80 kratkih glazbenih isječaka od kojih je svaki trajao 1250 ms i zamoljeni su da navedu pripada li svaki izvadak Bachovom preludiju ("napamet" sekvenca (M), stara) ili je to nova glazbena sekvenca ("roman" sekvenca (N), nova) (slika 1A). Četrdeset ulomaka uzeto je iz Bachova djela, a 40 su bili romani.

Važno je da su dvije kategorije podražaja (M i N) stvorene kako bi se mogle razlikovati u zadatku prepoznavanja (tj. uvijek su bile sastavljene od različitih glazbenih tonova), iako su bile usklađene među nekoliko varijabli, kako bi se spriječile potencijalne zabune. M i N su usklađeni za glasnoću, ritam, boju, metar, tempo, tonalitet, entropiju (H) i sadržaj informacija (IC).

Kao što je gore spomenuto, memorirane melodije sastojale su se od izvadaka iz Bachova preludija. U ovom smo slučaju odabrali jedan ulomak po glazbenom taktu, koji odgovara prvih pet tonova takta. Zatim smo skladali nove glazbene melodije koristeći melodijsku konturu i intervale između nota melodija koje su se razlikovale od memoriranih glazbenih sekvenci preuzetih iz Bachova preludija. 80 glazbenih sekvenci navedeno je u notnom zapisu na slici S1.

Slika 1. Eksperimentalni dizajn, rekonstrukcija izvora i kontrasti pojedinačnih stavki. A) Nakon slušanja cijelog glazbenog djela koje je skladao JS Bach, sudionicima je predstavljen niz melodijskih izvadaka preuzetih iz djela i niz novih melodija. Ti su ulomci predstavljali vremenske sekvence sastavljene od pet stavki (glazbenih tonova) koje su sudionici označili kao "prethodno napamet" (M) ili "roman" (N) pomoću bloka za odgovore. B) Tijekom zadatka, aktivnost mozga sudionika je snimljena magnetoencefalografijom.

Ovdje prikazujemo grafički prikaz neuralnih podataka koji su prethodno obrađeni, pojasno filtrirani u različitim frekvencijskim pojasima i epohirani. Ova slika prikazuje analize za dva frekvencijska pojasa (0.1–1 i 2–8 Hz) budući da smo pretpostavili da su ta dva pojasa povezana s lokalnom i globalnom obradom vremenskih sekvenci. C) Grafički prikaz rekonstrukcije izvora, izračunat nezavisno za 0.1–1 i 2–8 Hz. Naime, 0.1–1 Hz indeksirao je 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 u odnosu na N u 0.1–1 Hz (crveno), posebno za treću, četvrtu i petu stavku.

Takva je razlika lokalizirana u velikoj moždanoj mreži koja se sastoji od cinguluma, inferiornog temporalnog korteksa, frontalnog operkuluma, inzule i područja hipokampusa. Nasuprot tome, kontrasti za 2–8 Hz vratili su sveukupnu jaču aktivnost za N u odnosu na M (plavo), posebno u slušnom korteksu. Prikazane vrijednosti su t-vrijednosti dobivene kontrastom moždane aktivnosti M u odnosu na N.

Što se tiče IC i H, njihova je procjena napravljena za svaki ton memoriranog (srednji IC: 5,70 ± 1,73, srednji H: 4,70 ± 0,33) i novih glazbenih sekvenci (srednji IC: 5,92 ± 1,81, srednja vrijednost H: 4,78 ± 0,35) korištenjem informacijske dinamike glazbe (IDyOM) (Pearce 2018). Ova metoda koristi strojno učenje za izračunavanje vrijednosti IC za ciljanu notu na temelju kombinacije prethodnih nota glazbenog djela koje sadrži ciljnu notu i skupa pravila izvedenih iz velikog niza prototipskih zapadnjačkih glazbenih djela. Tako smo se uvjerili da je globalni IC glazbenih sekvenci naše dvije kategorije (M i N) isti.

Na formalnoj razini, IC odgovara minimalnom broju bitova potrebnih za kodiranje ei i opisuje se sljedećom jednadžbom (1):

gdje je p(ei|ei−1 (i−n)+1) vjerojatnost događaja ei s obzirom na prethodni skup ei−1 (i−n)+1 događaja.

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

Prema jednadžbi (2), ako je vjerojatnost danog događaja ei 1, vjerojatnost ostalih događaja u A bit će 0. Stoga će H također biti jednak 0 (scenarij maksimalne sigurnosti). Obrnuto, ako su događaji jednako vjerojatni, H će biti maksimalan (scenarij maksimalne neizvjesnosti). Zaključno, IDyOM daje procjenu predvidljivosti svakog glazbenog 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 točna M: 78,15 ± 13,56%, srednja vremena reakcije (RT): 1871 ± 209 ms; srednja točna vrijednost N: 81,43 ± 14,12%, srednja vrijednost RT: 1915 ± 135 ms ).

I preludij i izvatci stvoreni su korištenjem Finale (MakeMusic, Boulder, CO) i predstavljeni softverom za prezentaciju (Neurobehavioral Systems, Berkeley, CA). Nakon prikupljanja MEG podataka, istog ili drugog dana, slika strukture mozga sudionika dobivena je pomoću magnetske rezonancije (MRI).

For more information:1950477648nn@gmail.com