Magnetoencefalografijos įrašai atskleidžia sudėtingų ir paprastų klausos sekų atpažinimo atminties erdvės ir laiko dinamiką 2 dalis

Atonalinių sekų atveju reikšmingos aktyvumo grupės buvo aptiktos pirmiausia klausos ir medialinės smilkininės skilties srityse dešiniajame pusrutulyje, kad būtų įsimintos sekos, o įsimintų sekų neuroninis aktyvumas buvo stipresnis nei naujoms sekoms per visus penkis tonus (k1=132, k{{). 1}}, k3=130, k4=140, k5=64), kaip nurodyta 3 papildomuose duomenyse.

Atminties seka reiškia tvarkingą atminties struktūrą, suformuotą nuolat kartojant, stiprinant ir konsoliduojant. Tai gali padėti mums geriau įsiminti ir suprasti informaciją bei labai paveikti mūsų atmintį.

Visų pirma, sekų įsiminimas gali pagerinti mūsų pasikartojimo atminties efektyvumą. Kai mokomės, kartojimas yra būtinas, o gera atminties seka leidžia kartoti mokymąsi tam tikra tvarka ir metodu, taip sumažinant atminties painiavą ir praleidimus bei pagerinant kartojimo efektyvumą.

Antra, sekų įsiminimas yra naudingas mūsų gebėjimui sujungti ir apibendrinti informaciją. Žmogaus smegenys iš esmės yra didžiulis „tinklas“, jungiantis skirtingus neuronus, tačiau jei norite akimirksniu sujungti įvairias informacijos dalis, turite naudoti atminties sekas, kad suformuotumėte tvarkingą ir sudėtingą teksto struktūrą. Padėkite mums geriau atpažinti, suprasti ir apibendrinti informaciją.

Galiausiai, atminties sekos yra naudingos mūsų mąstymo ir kūrybiškumo tęstinumui. Atminties kokybė tiesiogiai lemia žmogaus loginį mąstymą, vaizduotę, kūrybiškumą. Atminties sekos leidžia nuolat gilinti turimas žinių struktūras ir turėti stipresnius loginio mąstymo bei samprotavimo gebėjimus, taip tobulindami savo kūrybiškumą.

Trumpai tariant, geros atminties sekos gali pagerinti mūsų atmintį, padėti mums geriau suprasti ir pritaikyti informaciją bei skatinti mūsų mąstymo ir kūrybiškumo tęstinumą. Todėl turėtume aktyviai ir nuolat tobulinti savo atminties sekas, kad pagerintume mokymosi efektyvumą ir mąstymo gebėjimus. Matyti, kad reikia pagerinti atmintį. Cistanche deserticola gali žymiai pagerinti imunitetą, nes Cistanche deserticola taip pat gali reguliuoti neurotransmiterių pusiausvyrą, pvz., padidinti acetilcholino ir augimo faktorių kiekį. Šios medžiagos labai svarbios atminčiai ir mokymuisi. , Be to, mėsos mėsa taip pat gali pagerinti kraujo tekėjimą ir skatinti deguonies transportavimą, o tai gali užtikrinti, kad smegenys gautų pakankamai maistinių medžiagų ir energijos, taip pagerinant smegenų gyvybingumą ir ištvermę.

Norėdami pagerinti atmintį, spustelėkite žinokite papildus

Visų pirma, smegenų veikla buvo stipriausia dešiniajame Rolando operculum, dešiniajame viršutiniame laikinajame smegenyse, dešiniajame Heschlio girnose, dešiniajame virškraštyje ir dešiniojoje izoliacijoje pirmajam tonui; dešinioji Heschlio gira, dešinysis viršutinis laikinasis žiedas, dešinysis Rolando operculum, dešinysis vidurinis laikinasis žiedas ir dešinioji insula antrajam tonui; dešinysis putamenas, dešinysis insula, dešinysis Rolando operculum, dešinysis Heschl'sgyrus ir dešinysis talamas trečiajam tonui; parahipokampo gyrus, dešinysis fusiform gyrus, dešinysis hipokampas ir putamen ketvirtam tonui; ir priekinė cingulinė žievė, vidurinis frontalgyrus ir uodeginis branduolys paskutiniam tonui. Naujų atonalinių sekų lėtoje juostoje nebuvo jokių reikšmingų aktyvumo grupių. 3b paveiksle pavaizduotas kontrastas tarp įsimintų ir naujų atoninių sekų lėtoje juostoje.

Galiausiai, norint ištirti skirtumus atpažįstant tonalines ir atonines sekas, buvo kontrastuojamas smegenų aktyvumas atpažįstant įsimintas tonalines ir įsimintas atonines sekas. Reikšmingos aktyvumo grupės buvo išdėstytos abiejų tipų muzikinėms sekoms visuose tonuose (žr. 3 papildomus duomenis). Toninių sekų reikšmingų vokselių skaičius buvo didesnis trečiajam (k=70) ir penktajam tonui (k {{2}). }), tuo tarpu atonalinių sekų atveju reikšmingų smegenų vokselių skaičius buvo didesnis pirmajam (k=98), antrajam (k=80) ir ketvirtajam tonui (k=103).

Apskritai, smegenų aktyvumas buvo stipresnis kairiosiose cingulate ir temporalinės skilties srityse toninėms sekoms ir dešiniosios klausos apdorojimo srityse atoninėms sekoms. Konkrečiai, įsimenamų tonų sekų atveju nervinis aktyvumas buvo lokalizuotas papildomoje motorinėje srityje, kairiajame viduriniame vingiuotame raumenyje ir viršutiniame priekiniame vingyje trečiajam tonui, o kairiajame hipokampe, kairiajame viršutiniame smilkininiame žiede, kairiajame talamuje, kairiajame insuloje, kairiajame putamenyje ir paliko parahipokampinį gyrus penktajam tonui.

Atmintyje įsimintoms atoninėms sekoms nervinis aktyvumas buvo lokalizuotas kairiajame liežuviniame smegenyse, kairiajame priekyje, kairiajame kalkarino plyšyje, viduriniame smilkininiame smegenyse ir dešinėje insuloje prie pirmojo tono; apatinėje priekinėje girnoje, dešinėje priešcentrinėje girnoje, dešinėje Rolandicoperculum ir dešinėje viršutinėje smilkininėje dalyje. gyrus antrajam tonui; dešinioji Rolando operculum, dešinioji vidurinė priekinė gira, dešinė postcentrinė gira, dešinė putamen ir dešinė izoliacija ketvirtajam tonui; ir dešinysis vidurinis priekinis giras, dešinysis kampinis kaulas ir dešinysis talamas paskutiniam tonui. Kontrastas tarp įsimintų toninių ir atoninių sekų lėtoje juostoje parodytas 3c pav

Greitesnė dažnių juosta (2–8 Hz). Ta pati procedūra buvo atlikta siekiant įvertinti smegenų veiklą, kuria grindžiamas muzikinių sekų atpažinimas greitesnėse dažnių juostoje (2–8 Hz). Apskaičiavus GLM, buvo apskaičiuoti klasterių MCS (= 0.001, 1000 permutacijų) penkių laiko intervalų, atitinkančių kiekvieną iš penkių seką sudarančių tonų. tiek toninėms, tiek atoninėms sekoms ir įsimintoms tonalinėms, o atmintinėms atoninėms sekoms.

Kalbant apie toninių sekų kontrastą, reikšmingos aktyvumo grupės (p < 0,001) buvo išsidėsčiusios keliuose smegenų voksiuose, tiek įsimintose, tiek naujose sekose, kaip nurodyta 3 papildomuose duomenyse. Atmintyje įrašytų tonų sekų nervinis aktyvumas apskritai buvo stipresnis. pirmajam tonui (k=74), tuo tarpu jis buvo stipresnis naujoms tonų sekoms antrajam (k=36), trečiajam (k=200), ketvirtajam (k=196 ), ir penktieji tonai (k=70). Smegenų aktyvumas buvo lokalizuotas dešiniajame Rolando operculum, dešiniajame insuloje, dešiniajame Heschlio girnoje ir dešiniajame viršutiniame laikinajame žiede, kaip pirmasis įsimenamų tonų sekų tonas. Naujoms toninėms sekoms pagrindinės aktyvios sritys buvo kairysis viršutinis temporalgyrus, insula, Heschl girus ir kairysis hipokampas antrajam tonui; Heschl's gyrus, superior temporal gyrus, insula ir putamen (k=11) ​​trečiajam tonui; dešinysis Heschlio gyrus, dešinysis insula, dešinysis Rolando operculum ir dešinysis viršutinis temporalgyrus ketvirtajam tonui; ir dešinysis Rolando operculum, dešinysis Heschlio giras, dešinysis hipokampas ir dešinysis talamas penktam tonui. 4a paveiksle parodytas kontrastas tarp įsimintų ir naujų tonų sekų.

Dėl kontrasto tarp įsimintų ir naujų atonalinių sekų, dauguma reikšmingų veiklos grupių buvo lokalizuotos pirmajame (k=166) ir antrame tonų (k=104) įsimintose sekose ir trečiajame (k {{). 2}}), ketvirtasis (k=118) ir penktasis tonas (k=156) naujoms sekoms, kaip nurodyta 3 papildomuose duomenyse. Įsimintų atonalinių sekų atveju nervinis aktyvumas buvo stipriausias ties kalkarine plyšiu, liežuviu. gyrus ir dešinioji Rolandic operculum pirmajam tonui ir cingulinė gira, dešinioji papildoma motorinė sritis ir viršutinė priekinė gira antrajam tonui. Naujų atonalinių sekų atveju nervinis aktyvumas buvo stipriausias ties izoliacija, putamenu, viršutiniu temporaliniu žiedu ir Heschl'o gyrus trečiuoju tonu; dešinioji izoliacija, dešinysis putamenas, dešinysis Heschlio giras, dešinysis Rolando operculum ir dešinysis viršutinis laikinasis gyrus ketvirtajam tonui; ir dešinioji insula, dešinysis Rolando operculum, dešinysis Heschl's gyrus, dešinysis putamen ir dešinysis viršutinis temporalgyrus penktam tonui. Kontrastas tarp įsimintų ir naujų greitesnės juostos atoninių sekų parodytas 4b pav.

Galiausiai, reikšmingos aktyvumo grupės tonų ir tonų kontraste spartesnėje juostoje yra pateiktos 3 papildomuose duomenyse. Įsimintų tonų sekų atveju reikšmingų Briano vokselių skaičius buvo didesnis pirmojoje (k=20), antroje (k=44), ketvirtasis (k=45) ir penktas tonas (k=71). Pirmojo tono nervinis aktyvumas buvo lokalizuotas dešiniajame apatiniame priekiniame girnyje ir dešiniajame viduriniame priekiniame girnoje; dešinysis vidurinis smilkinkaulis, dešinysis apatinis parietalinis raibas, dešinysis kampinis, vidurinis pakaušis ir kairysis viršutinis pakaušio rausvas ant antrojo tono; priekinė gira ketvirtam tonui; ir dešiniojo vidurinio pakaušio, dešiniojo priekinio ir dešiniojo vidurinio smilkininio raumens penktajam tonui. Įsimintų atoninių sekų atveju reikšmingų vokselių skaičius buvo didesnis ties trečiuoju tonu (k=38), o nervinis aktyvumas daugiausia buvo lokalizuotas kairiajame apatiniame priekiniame sruogelyje, kairiajame viduriniame priekiniame smegenyse, kairiajame virškraštiniame girnoje ir dešinėje papildomoje motorinėje srityje. . 4c paveiksle parodytas kontrastas tarp toninių ir atoninių sekų greitoje juostoje.

Buvo apskaičiuotos papildomos analizės, siekiant apskaičiuoti nervinio aktyvumo skirtumą tarp lėtųjų ir greitesnių dažnių juostų. Rezultatai pateikti 5 papildomame paveikslėlyje ir 4 papildomuose duomenyse.

Iš viso nustatėme reikšmingų skirtumų tarp toninių ir atoninių sekų, ypač lėtųjų dažnių juostoje. Įsimintų tonų sekų atpažinimas sukėlė stipresnį nervinį aktyvumą kairiojoje medialinėje smilkininėje skiltyje ir cingulinėse srityse paskutiniuose trijuose sekų tonuose, o įsimintų atoninių sekų atpažinimas buvo palaikomas. suaktyvinant dešiniosiose klausos srityse nuo antrojo tono.

Delta (1–4 Hz) ir teta (5–8 Hz) dažnių juostos. Galiausiai, norint gauti išsamų vaizdą apie smegenų veiklą, kuria grindžiamas klausos sekų atpažinimas atmintyje, ir kad mūsų rezultatai būtų palyginami su ankstesne literatūra, buvo atliekamos papildomos analizės dviejose standartinėse dažnių juostose: delta (1–4 Hz) ir teta (5–8 Hz). Ta pati procedūra buvo atlikta siekiant įvertinti smegenų veiklą, kuria remiantis atpažįstamos muzikos sekos kiekvienoje dažnių juostoje atskirai. Apskaičiavus GLM, buvo apskaičiuoti klasteriniai MCS (= 0.001, 1000 permutacijų) penkiems laiko intervalams, atitinkantiems kiekvieną iš penkių tonų, sudarančių seką. Vėlgi, tai buvo įvertinta pagal įsimintą ir naują kontrastą tiek toninėse, tiek atoninėse sekose. Svarbios 1–4 Hz ir 5–8 Hz dažnių juostų aktyvumo grupės pateiktos 5 papildomuose duomenyse.

Delta juostoje reikšmingos aktyvumo grupės (p < 0.001) buvo išdėstytos keliuose smegenų voksiuose (k) kiekvienam toninių sekų tonui. Įsimintų tonų sekų neuroninis aktyvumas apskritai buvo stipresnis pirmame (k=39), trečiame (k=72) ir ketvirtame tone (k=92). Didžiausi skirtumai buvo lokalizuoti kairėje putamenoje, kairiajame liežuviniame girnoje, kairėje apatinėje priekinėje dalyje ir dešinėje Heschl giros dalyje. Naujų tonų sekų atveju smegenų veikla buvo stipresnė esant antrajam tonui (k=129). Visų pirma, skirtumas tarp naujų ir įsimintų sekų buvo stipriausias kairiajame viršutiniame laikinajame žiede, dešinėje insuloje ir dešinėje putamenoje. Įsimintų atoninių sekų neuroninis aktyvumas buvo stipresnis pirmajame (k=149), antrame (k=167) ir trečiajame (k=50) ​​tonais. Ši veikla buvo stipriausia dešiniajame precuneus ir dešiniajame kalkarino plyšyje. Naujų atonalinių sekų atveju ketvirtasis (k=55) ir penktasis (k=41) tonai sukėlė daugiau aktyvumo, ypač dešiniajame Heschlio gyrus ir dešiniajame Rolando operculum. 1–4 Hz juostos kontrastas parodytas papildomame 6 pav.

Teta juostos atveju mes nustatėme reikšmingą aktyvumą pirmame (k=47) įsimintų tonų sekų tone, būtent kairiajame apatiniame priekiniame sruogelyje ir dešiniajame Heschlio girnose. Neuralgiškumas buvo stipresnis naujoms toninėms sekoms antroje (k=13), trečioje (k=89), ketvirtoje (k=19) ir penktoje (k=161). tonai.Didžiausi skirtumai buvo lokalizuoti dešiniajame apatiniame frontalgyrus, kairiajame uodeginiame ir dešiniajame insuloje. Atmintyje įsimintų atonalinių sekų nervinis aktyvumas buvo stipresnis pirmoje (k=129), antroje (k=167), trečioje (k=50) ir ketvirtoje (k=93) tonai. Šis aktyvumas buvo stipriausias kairiajame kalkarino plyšyje ir dešiniajame prekuneus. Naujose atoninėse sekose nervinis aktyvumas buvo stipresnis ties penktuoju tonu (k=33), ypač dešinėje saloje ir dešinėje putamen. 1–4 Hz juostos kontrastas parodytas papildomame 7 pav.

Koreliacija su pažinimo įvertinimais. Duomenys iš susipažinimo su toniniu kūriniu buvo susieti su įsimintų tonų sekų atpažinimo šaltinio analize, siekiant ištirti, ar susipažinimas su kūriniu gali numatyti nervinį aktyvumą atpažinimo metu.

Mažas (t vertė<0.4) but significant positive correlations were found between familiarity ratings and activation in the left middle temporal gyrus and left middle occipital gyrus for the last three tones of the memorized tonal sequences. Detailed statistics and a graphical depiction of the results are reported in supplementary materials (Supplementary Data 6 and Supplementary Fig. 8).

Diskusija

Šiame tyrime buvo siekiama ištirti smegenų aktyvavimą, kuriuo grindžiamos klausos muzikos sekų, pasižyminčių skirtingu sudėtingumo lygiu (tonaliniu ir atonaliniu), atpažinimas. Elgesio duomenys parodė aiškius skirtumus tarp toninių ir atoninių sekų atpažinimo ir reikšmingų aktyvavimo grupių MEG jutiklio lygiu. Šaltinio rekonstrukcijos analizė parodė skirtingus tonalinių ir atonalinių sekų aktyvavimo grupes, ypač lėto dažnio juostoje. Apskritai neuroninis aktyvumas buvo stipresnis atminties apdorojimo srityse, suformuotose įsimintose tonų sekose, ir klausos apdorojimo srityse, skirtose įsimintoms atoninėms sekoms.

Prieš sutelkdami dėmesį į smegenų veiklos skirtumus, susijusius su skirtingais atpažinimo sudėtingumo lygiais, patikrinome, ar dabartiniai rezultatai atitinka ankstesnius tyrimus. Iš tiesų, smegenų sritys, suaktyvintos atpažįstant tonines sekas, patvirtino plačiai paplitusio smegenų tinklo, apimančio tiek klausos, tiek atminties apdorojimo sritis, dalyvavimą 17–19, 21, 33, 34. Konkrečiai, mes stebėjome padidėjusį aktyvavimą klausos regionuose, tokiuose kaip viršutinis smilkininis žievė35 ir Heschlio žievė36, ir vingiuotas žievė37 bei medialinės temporalinės skilties struktūros (hipokampas, parahipokampinė žievė), susijusios su atminties atpažinimu1{13}},38,39. Be to, ankstesniais tyrimais neuroninis aktyvumas buvo paskirstytas dviejose dažnių juostose 19, 20. Lėtoji juosta (0, 1–1 Hz) buvo susieta su visų klausos sekų atpažinimu (visuotiniu apdorojimu), o tai atsispindėjo stipresniu aktyvavimu, vykstančiu šioje juostoje, siekiant atpažinti įsimintas sekas. Ir atvirkščiai, greitesnė juosta (2–8 Hz) buvo susijusi su atskirų tonų apdorojimu (vietiniu apdorojimu), kaip rodo stipresnis nervinis aktyvumas klausos regionuose apdorojant naujas sekas.

Kalbant apie toninių ir atoninių sekų atpažinimą, apdorojant ir atpažįstant dviejų tipų klausos dirgiklius, mes stebėjome skirtingus nervinius kelius. Nors atpažįstant tonalias sekas, daugiausia buvo įdarbintas plačiai paplitęs smegenų tinklas, apimantis dešiniajame pusrutulyje esantį vingiuotąjį žiedą ir hipokampą, atoninių sekų atpažinimas daugiausia buvo susijęs su nuolatiniu, lėtu kairiojo klausos žievės aktyvumu. Šiuos rezultatus galima interpretuoti atsižvelgiant į skirtingas teorines sistemas, ty nuspėjamąjį muzikos kodavimą40, 41, harmoniją42, globalią neuronų darbo erdvę43, 44 ir sąmonės laiko-erdvinę teoriją45, 46.

Remiantis nuspėjamuoju muzikos teorijos kodavimu, smegenų prognozavimo modelis yra nuolat atnaujinamas klausantis muzikos, kad būtų sumažintos tiksliai įvertintos prognozavimo klaidos40, 47, 48. Konkrečiai, klausos dirgiklių sukeliami pojūčiai iš apačios į viršų apdorojami pirminėse žievėse ir kontrastuojami su prognozėmis iš viršaus į apačią aukštesnės eilės žievėse, siekiant sukurti muzikinius lūkesčius ir sumažinti hierarchines prognozavimo klaidas48–50. Numatymo mechanizmai remiasi ilgalaikės ir trumpalaikės atminties funkcijomis, susipažinimu ir klausymosi strategijomis, kad sukurtų muzikinius lūkesčius48. Ši teorija suteikia pagrindą muzikos suvokimo51–54, mokymo55,56, veiksmo57,58, sinchronizavimo59–61 ir emocijų 62–64 studijoms.

Ankstesni tyrimai parodė, kad atonalios muzikos nuspėjamoji vertė yra silpnesnė už tonalinę muziką, padidindama jos sudėtingumą ir numatymo klaidas 23–27, 30. Be to, šis stimulo nuspėjamumo pokytis kenkia atonalios muzikos apdorojimui23–26 ir mėgavimuisi27–29. Tai buvo akivaizdu nagrinėjant dabartinio tyrimo elgsenos rezultatus, nes įsimintos atoninės sekos buvo atpažįstamos lėčiau ir ne taip tiksliai. Be to, nervinio aktyvumo pasiskirstymas dviejose dažnių juostose rodo, kad lėtojoje juostoje reikia derinti prognozes iš viršaus į apačią, kuri yra susijusi su įsimintų sekų atpažinimu, ir iš apačios numatytų spartesnės juostos, nes numatymo klaida didėja dėl naujų sekų. Svarbu pažymėti, kad nors rezultatus galima interpretuoti naudojant nuspėjamąjį kodavimą, dabartiniu tyrimu nebuvo siekiama patikrinti nuspėjamąjį muzikos teorijos kodavimą (pvz., išmatuojant numatymo klaidą, susidariusią atpažįstant muzikines sekas). Todėl būsimi tyrimai galėtų pakartoti ir išplėsti šiuos rezultatus nuspėjamuoju muzikos sistemos kodavimu.

Alternatyvus šių rezultatų paaiškinimas yra susijęs su klausos dirgiklių harmonija. Toninė muzika buvo glaudžiai susieta su harmonine serija – natūralia garso dažnių seka, kuri yra sveikieji pamatinio skaičiaus kartotiniai. Aplinkos garsai paprastai yra neharmoniški, o žmonių ir gyvūnų balsuose yra harmoningų struktūrų42. Žmogaus klausos žievės teonotopinė organizacija yra ypač jautri harmoniniams tonams, o tai rodo, kad ši sritis išsivystė apdoroti harmonikus dėl jų svarbos socialinei komunikacijai65, 66.

Šie rezultatai rodo, kad atskiri neuroniniai takai aktyvuojami atpažįstant klausos dirgiklius, kurie nesuderinami su natūralia harmonine serija ir todėl, be abejo, yra sudėtingiau apdoroti. Iš tiesų, mes nustatėme, kad įsimenamoms toninėms sekoms smegenų veikla pirmiausia buvo dešiniajame pusrutulyje esančiame kortiko-hipokampo tinkle, o kairiajame pusrutulyje - klausos tinklo atoninės sekos. Kaip minėta pirmiau, atonalią muziką sunkiau apdoroti23–27 ir mažiau vertinti27–29 nei toninę muziką. Taigi, norint atpažinti atonalias sekas, klausos regionams gali prireikti papildomai apdoroti garsus, kad būtų galima išgauti atitinkamą informaciją, kurią perduoda pirmieji sekų tonai. Tada ši informacija gali būti transliuojama į aukšto lygio sritis, kad būtų atpažįstamos sekos. Vienas iš galimų būdų, kaip toliau tikrinti harmoningumo hipotezę apie sekos atpažinimą, būtų sukurti kūrinių, kurie sistemingai keičiami pagal jų panašumą į natūralias harmonikas, rinkinį. Ateities tyrimai raginami ištirti tokias perspektyvas.

Dabartiniai rezultatai taip pat atitinka pasaulinę neuronų darbo erdvės hipotezę 43, 44, 67, 68. Remiantis šia teorija, dirgikliai tampa sąmoningi, kai užsidega vėlai, aukšto lygio regionai nereaguoja į jutimo žievės, dalyvaujančios suvokimo reprezentacijoje, aktyvavimą. Ir atvirkščiai, nesąmoninga informacija nepasiekia labai apdorojamų smegenų sričių, o nervų veikla apsiriboja jutiminėmis žievėmis44, 67, 69. Svarbu tai, kad mes nustatėme, kad toninės sekos paskatino vėlyvą ir tvirtą atminties apdorojimo regionų aktyvavimą. Nors neaišku, kodėl smegenys skirtingai apdoroja atonines sekas, galime patvirtinti, kad dirgiklių sudėtingumas moduliuoja perėjimą iš pirminių jutimo sričių į pasaulinę neuronų darbo erdvę, suteikdamas papildomos informacijos šiai išsamiai teorinei sistemai.

Galiausiai, mūsų rezultatai atitinka laikinąją sąmonės teoriją, kurioje pagrindinis dėmesys skiriamas keturiems smegenų veiklos erdvės ir laiko mechanizmams (išsiplėtimui, globalizacijai, derinimui ir įdėtumui), kad būtų atsižvelgta į keturias atitinkamas sąmonės dimensijas (fenomenalų turinį, prieigą, formą / struktūrą ir lygį). valstybė)45,46. Dabartiniuose ir ankstesniuose tyrimuose19,2{5}},70 nustatėme, kad aktyvumas lėtųjų dažnių juostoje (0,1–1 Hz) buvo susijęs su klausos (muzikos) laiko sekų atpažinimu atmintyje. Šie rezultatai patvirtina teorijos sampratą apie laikinį imlumo langą, leidžiantį integruoti stimulų sekas į vieną pažinimo vienybę lėto dažnio juostose45. Tiek toninėse, tiek atoninėse įsimintose sekose nustatėme stipresnį aktyvavimą atminties apdorojimo regionuose lėto dažnio juostoje.

Nors šio tyrimo tikslas buvo klausos sekų, išgautų iš įvairaus sudėtingumo muzikos kūrinių, atpažinimas atmintyje, būtų įdomu panagrinėti smegenų veiklos skirtumus tarp paprastų ir sudėtingų klausos sekų kodavimo ir atpažinimo. Dabartiniame tyrime atpažinimo užduotis apėmė 160 penkių tonų klausos sekų, o visi muzikiniai kūriniai buvo grojami tik keturis kartus kodavimo užduotyje, o tai neleidžia tiesiogiai palyginti. Bandydami susieti kodavimo ir atpažinimo fazes, mes apskaičiavome koreliacijos analizę tarp dalyvių pateiktų pažinimo įvertinimų ir smegenų veiklos, kuri atpažįsta tonalias įsimintas sekas. Didesnis pažinimas su toniniu kūriniu buvo susijęs su padidėjusiu aktyvavimu viduriniame smilkininiame ir viduriniame pakaušio kairiajame pusrutulyje paskutiniais trimis įsimenamų tonų sekų tonais. Šis rezultatas patvirtina ankstesnius tyrimus, susiejančius šiuos du regionus su atpažinimo atmintimi71 ir rodo, kad gilus muzikos kodavimas vaidina svarbų vaidmenį atpažinimo procese. Būsimi tyrimai turėtų atkartoti ir išplėsti dabartinius rezultatus, tiriant nervines koreliacijas, kurios yra ne tik atminties atpažinimo, bet ir įvairaus sudėtingumo klausos sekų atminties kodavimo pagrindas.

Dabartinis tyrimas suteikia vertingų įžvalgų apie smegenų mechanizmus, kuriais grindžiamas klausos sekų atpažinimas. Rezultatai atitinka ankstesnių tyrimų rezultatus ir įrodo, kad atpažįstant muziką dalyvauja didelis smegenų tinklas, apimantis ir atminties apdorojimą, ir klausos sritis. Rezultatai dar labiau pabrėžia stimulų sudėtingumo svarbą apdorojant laiko sekas ir užuomina, kad smegenys taiko skirtingas strategijas, kad atsižvelgtų į šis sudėtingumas.

Metodai

Metodai Dalyviai. Dalyvių imtį sudarė 71 savanoris (38 vyrai ir 33 moterys) nuo 18 iki 42 metų (amžiaus vidurkis: 25 ± 4,10 metų). Visi dalyviai buvo sveiki ir pranešė, kad klausa normali. Dalyviai buvo įdarbinti Danijoje ir atvyko iš Vakarų šalių, turinčių atitinkamą socialinį ekonominį ir išsilavinimą.

Projektą patvirtino Centrinės Danijos regiono etikos komitetas (De Videnskabsetiske Komitéer for Region Midtjylland, ref. 1-10-72-411-17). Eksperimentinės procedūros buvo atliekamos laikantis Helsinkio deklaracijos – medicinos tyrimų etikos principų. Prieš pradėdami eksperimentinę procedūrą, visi dalyviai davė informuotą sutikimą.

Eksperimentiniai dirgikliai ir dizainas. Eksperimente buvo panaudotos dvi muzikinės kompozicijos: dešinioji Johanno Sebastiano Bacho Preliudo Nr. 1 CMajor, BWV 846 (toliau – toninis kūrinys) dalis ir atonali preliudijos versija (toliau vadinama atonaliuoju kūriniu). ). MIDI versijos buvo sukurtos naudojant Finale (MakeMusic, Boulder, CO) ir abu kūriniai truko po 2,5 min., visų tonų trukmė vienoda. LB sukūrė atonalinį kūrinį pagal tonalinį pjesę. Visų pirma, nauji tonai buvo priskirti kiekvienam tonui, susidedančiam iš originalaus Bacho preliudijos. Šie nauji tonai buvo vienu ar dviem pustoniais aukštesni arba žemesni už pradinius tonus, ir tokia pati tono konversija buvo pritaikyta visam tonui, kad būtų gautas atonalinis kūrinys (pvz., kiekvienas toninio kūrinio C tonas buvo paverstas atonalinio kūrinio C smailu ). Taigi, abi kompozicijos buvo identiškos pagal nuoseklų tonų pateikimą (ty jei C buvo 1-as, 7-as ir 8-as tonas toninėje pjesėje, C smailas atonaliniame kūrinyje užėmė tas pačias vietas), jų ritminį modelį, dinamiką. , ir trukmė. Taigi esminis skirtumas tarp dviejų kūrinių buvo tas, kad toninis kūrinys buvo C-dur klavišu, o atoninis kūrinys muzikinio klavišo neturėjo. Pirmosios dvi kiekvienos detalės juostos parodytos 1a pav., rodančios abiejų dalių panašumus ir atitikimą.

Iš kiekvieno kūrinio buvo išgauta keturiasdešimt muzikinių ištraukų (ty trumpų melodijų ar sekų). Visos ištraukos susideda iš pirmųjų penkių kiekvienos juostos natų ir truko 1250 ms (250 ms vienai natai). Be to, kiekvienam kūriniui pagal originalius buvo sukurta 40 naujų ištraukų. Šios naujos sekos buvo suderintos su originaliomis iš kelių kintamųjų, kad būtų išvengta galimų painiavos. Tiksliau, jie buvo suderinti pagal ritmą, garsumą, tembrą, tempą, metrą ir tonalumą.

Norėdami kiekybiškai įvertinti toninių ir atoninių sekų sudėtingumo skirtumus, mes apskaičiavome informacijos turinio (IC) ir entropijos (H) reikšmes kiekvienam muzikinių sekų tonui, naudodami muzikos informacijos dinamikos (IDyOM) modelį 56,72. IC ir H pateikia kiekvieno tono nuspėjamumo ir neapibrėžtumo, su kuriuo jis gali būti nuspėjamas, įvertinimas73. IC reiškia mažiausią bitų skaičių, reikalingą ei kodui, ir yra apibūdinamas lygtimi. (1):

(2) lygtis rodo, kad jei tam tikro įvykio ei tikimybė yra 1, kitų įvykių A tikimybė bus 0, todėl H bus lygi 0 (maksimalus tikrumas). Ir atvirkščiai, jei visi įvykiai yra vienodai tikėtini, H bus maksimalus (maksimali neapibrėžtis). Aukštesni IC ir H lygiai rodo mažesnį būsimo tono nuspėjamumą, taigi ir didesnį sudėtingumo lygį.

Kiekvienos toninės ir atoninės sekos natos IC ir H buvo apskaičiuoti pagal modelį, parengtą prototipinių Vakarų muzikos kūrinių korpuse, kurį naudoja IDyOM56. Gavę atskirų tonų IC ir H balus, atlikome suporuotų imčių t testus, kad apskaičiuotume IC ir H skirtumą tarp toninių ir atoninių sekų. Statistiškai reikšmingas skirtumas tarp IC (t73=−8,389, p < 0.001) ir H (t73=−3,374, p=0 0,001) reikšmės tarp toninių ir atoninių sekų, o tai reiškia, kad atoninės sekos (vidutinis IC: 6,69 ± 0,17; vidutinis H: 4,74 ± 0,17) yra sudėtingesnės nei toninės (vidutinis IC: 5,66 ± 0,83; vidutinis H: 4,65 ± .11).

Dirgikliai buvo naudojami pagal seną / naują klausos atpažinimo paradigmą, kuri buvo skiriama dalyviams, o jų smegenų veikla buvo registruojama naudojant MEG (1b pav.). Paradigmą sudarė dvi dalys, kodavimas ir atpažinimas, ir ji buvo atlikta du kartus, vieną kartą toniniam kūriniui ir vieną kartą atonaliniam kūriniui. Kodavimo metu dalyviai aktyviai klausėsi keturių viso muzikinio kūrinio pakartojimų (tonalinio ar atonalinio) ir stengėsi kuo geriau jį įsiminti. Vėliau jiems buvo pristatytos 80 muzikinių ištraukų (40 išmoktų atmintinai ir 40 romano ištraukų, atsitiktinai užsakytos) ir nurodyta, ar ištraukos priklauso kūriniui, kurio jie anksčiau klausėsi (išmokė atmintinai), ar tai yra naujos (romano) ištraukos. Atsakymo tikslumas ir reakcijos laikas buvo užfiksuoti naudojant vairasvirtę.

Elgesio duomenų analizė. Elgesio duomenys buvo statistiškai analizuojami, siekiant ištirti keturių eksperimentinių sąlygų (įsimintų tonų sekų, naujų tonų sekų, įsimintų atonalinių sekų ir naujų atonalinių sekų) skirtumus atsako tikslumo ir reakcijos laiko atžvilgiu. Buvo apskaičiuotos dvi ANOVA (= 0.05). Post-hoc analizės su Bonferroni korekcija (pakoreguota=0.0125) buvo naudojamos kiekvienai eksperimentinių sąlygų porai palyginti.

Neuroninių duomenų gavimas. MEG įrašai buvo gauti magnetiškai ekranuotame kambaryje Orhuso universitetinėje ligoninėje (Danija) su Elekta NeuromagTRIUX MEG skaitytuvu su 306 kanalais (Elekta Neuromag, Helsinkis, Suomija). Duomenys įrašyti 1000 atrankos dažniu. Hz su analoginiu filtravimu 0,1–330 Hz. Prieš pradedant įrašus, naudojant 3D skaitmenintuvą (Polhemus Fastrak, Colchester, VT, JAV) buvo užregistruota dalyvių galvos forma ir keturių galvos padėties indikatoriaus (HPI) ritinių padėtis, susijusi su trimis anatominiais orientyrais (nosies ir fiducialų). Vėliau ši informacija buvo panaudota lyginant MEG duomenis su MRT anatominiais skenavimais. MEG įrašų metu HPI ritės užregistravo nuolatinę galvos lokalizaciją, kuri vėliau buvo naudojama judesio korekcijos analizei. Be to, akių judesiams ir širdies ritmui įrašyti buvo naudojami du bipolinių elektrodų rinkiniai, kad vėliau būtų pašalinti elektrookulografijos (EOG) ir elektrokardiografijos (EKG) artefaktai.

MRT skenavimas buvo įrašytas CE patvirtintu 3T Siemens MRT skaitytuvu Orhuso universitetinėje ligoninėje (Danija). Duomenys įrašyti naudojant strukturalT1, kurio erdvinė skiriamoji geba yra 1.0 × 1.0 × 1.0 mm ir šie sekos parametrai: aido laikas (TE) {{9} }.96 ms, pasikartojimo laikas (TR)=5000 ms, atkurtos matricos dydis=256 × 256, pralaidumas=240 Hz/Px.

MEG ir MRT įrašai buvo gauti per dvi atskiras sesijas.

Išankstinis neuroninių duomenų apdorojimas. Neapdorotus MEG jutiklio duomenis (204 plokštuminius gradiometrus ir 102 magnetometrus) pirmiausia iš anksto apdorojo MaxFilter32, kad būtų slopinami išoriniai trukdžiai. Buvo taikomi šie MaxFilter parametrai: erdvinis signalo erdvės atskyrimas (SSS), judesio kompensavimas naudojant cHPI ritės (numatytasis žingsnio dydis: 10 ms), mėginio mažinimas nuo 1000 Hz iki 250 Hz, koreliacijos riba tarp vidinių ir išorinių poerdžių 0,98, naudojama persidengimui atmesti. susikertantys vidiniai / išoriniai signalai erdvėlaikio SSS metu. Be to, duomenys buvo pakoreguoti pagal galvos judesį ir sumažinti iki 250 Hz. Tada duomenys buvo konvertuoti į statistinio parametrinio atvaizdavimo (SPM)74 formatą ir išanalizuoti MATLAB (MathWorks, Natick, MA, JAV) kartu su Oksfordo centro žmogaus smegenų veiklos (OHBA) programinės įrangos biblioteka (OSL) (https://ohba-analysis.github). .io/osl-docs/), laisvai prieinama programinė įranga, pagrįsta Fieldtrip75, FSL76 ir SPMtoolboxes.

Signalas buvo filtruojamas aukšto dažnio dažniu (0,1 Hz ribos), kad būtų pašalinti išoriniai dažniai, o vėliau buvo pritaikytas įpjovos filtras (48–52 Hz), kad būtų ištaisytos elektros srovės išvados. Signalas buvo toliau sumažintas iki 150 Hz, o nuolatiniai MEG duomenys buvo vizualiai patikrinti, kad būtų pašalinti artefaktai naudojant OSLview įrankį. Buvo atlikta nepriklausoma komponentų analizė (ICA), siekiant pašalinti EOG ir EKG komponentus. Rekonstravus signalą su likusiais komponentais77, duomenys buvo suskirstyti į 160 bandymų (80 ištraukų iš kiekvieno muzikinio kūrinio). Kiekvienas tyrimas truko 1350 ms (1250 ms plius 100 ms pradinis laikas), o tolesnės analizės buvo atliekamos tik teisingai identifikuotų tyrimų metu (žr. 1c pav.).

MEG jutiklio duomenų analizė. Pagrindinis šio tyrimo tikslas buvo nustatyti smegenų veiklos skirtumus, kuriais grindžiamas toninių ir atoninių muzikinių sekų atpažinimas. Tačiau duomenys pirmiausia buvo analizuojami MEG jutiklio lygiu, siekiant patikrinti, ar nervinis signalas buvo stipresnis įsimintoms, palyginti su naujomis muzikinėmis sekomis. Šis pirmasis žingsnis buvo būtinas norint pakartoti ankstesnes išvadas, gautas naudojant labai panašią eksperimentinę aplinką ir paradigmą, ir taip įvertinti mūsų duomenų kokybę19, 20.

Atlikus išankstinį neuroninių duomenų apdorojimą ir pagal MEGanalysis gaires78, visi bandymai, priklausantys vienai būklei, buvo suvesti vidurkiai. Atlikus šią procedūrą, buvo atlikti keturi vidutiniai bandymai: vienas atmintinai ir vienas naujas kiekvieno muzikinio kūrinio (ty įsiminto toninio) bandymas. , romanas tonalinis, išmoktas atmintinai, romanas atonalas). Tada kiekviena plokštuminių gradiometrų pora buvo sujungta sum šaknies kvadratu. Tada buvo apskaičiuoti suporuotų imčių t testai (= 0.01), siekiant atskirti įsimintas ir naujas sąlygas tiek toniniams, tiek atoniniams kūriniams, nepriklausomai. Tai buvo atlikta kiekvienam kombinuotam plokštuminiam gradiometrui ir kiekvienam laiko taškui 0–2500 ms laiko intervale (nuo pirmojo muzikinių sekų tono pradžios), siekiant nustatyti, kuri sąlyga sugeneravo stipresnį nervinį signalą. Analizės buvo apskaičiuotos plokštuminiams gradiometrams, nes šie jutikliai yra mažiau veikiami išorinio triukšmo, todėl yra labai patikimi, kai atliekama 78–81 MEG jutiklio lygio analizė. Keli palyginimai buvo pataisyti naudojant klasterinius Monte Karlo modeliavimus (MCS)82 (= 0.001, 1000 permutacijų) pagal reikšmingų t testų rezultatus. Konkrečiai, kiekvienam laiko taškui buvo sukurta 2D matrica, atkurianti erdvinę MEG kanalų vietą ir kiekvieno MEG kanalo t testų rezultatus, suskirstytus pagal jų p reikšmes (0 s nereikšmingiems testams ir 1 s reikšmingiems bandymams [ty, p < 0,01]). Tada gautos 3D matricos elementai buvo pateikti 1000 permutacijų. Kiekvienai permutacijai nustatėme didžiausią permutuotų 1 s klasterį ir sukūrėme nuorodų pasiskirstymą, naudodami maksimalius klasterio dydžius, aptiktus kiekvienai iš 1000 permutacijų. Galiausiai, pradinės grupės, kurių dydis buvo didesnis nei 99,9 % didžiausių permutuotų duomenų grupių dydžių, buvo laikomos reikšmingomis.

Šaltinio rekonstrukcija. Ištyrę neuroninių signalų stiprumą MEG jutiklio lygiu, mes sutelkėme dėmesį į pagrindinį tyrimo tikslą – ištirti neuroninius skirtumus, kuriais grindžiamas toninių ir atonalinių muzikinių sekų atpažinimas MEG rekonstruotoje šaltinio erdvėje. Norėdami atlikti šią analizę, lokalizavome MEG kanaluose įrašyto nervinio signalo šaltinius. Šiai procedūrai reikėjo sukurti tiesioginį modelį, apskaičiuoti atvirkštinį sprendimą (šiuo atveju naudojant pluošto formavimo metodą) ir nustatyti statistiškai reikšmingus smegenų šaltinius, kurie yra pagrindiniai. toninių ir atoninių sekų bei jų kontrastų atpažinimas laikui bėgant. 1d paveiksle parodytas šaltinio rekonstrukcijos analizės grafinis vaizdas.

Prieš apskaičiuojant šaltinio atkūrimo algoritmą, nuolatiniai duomenys buvo filtruoti į dvi dažnių juostas: lėtą (0.1–1 Hz) ir greitesnę (2–8 Hz). Surinkti ir analizuoti duomenys buvo su įvykiais susiję laukai, nesukeltos reakcijos ar svyravimai. Šios juostos buvo parinktos remiantis ankstesniais Bonetti ir kt.19,20 išvadomis, kurios rodo, kad su įvykiais susiję laukai greitesnėje juostoje buvo atsakingi už kiekvieno objekto (tono) jutiminį tobulinimą iš eilės, o su įvykiais susiję laukai lėtoje juostoje. visos laiko sekos atpažinimui. Kad būtų galima palyginti su ankstesne literatūra, papildomos analizės buvo apskaičiuotos delta (1–4 Hz) ir teta (5–8 Hz) dažnių juostose. Galiausiai buvo apskaičiuotas kontrastas tarp lėtųjų ir greitesnių dažnių juostų.

Pirmiausia, naudojant 8-mm tinklelį, buvo apskaičiuotas persidengiančių sferų pirmyn modelis. Šis teorinis galvos modelis kiekvieną smegenų šaltinį laiko aktyviu dipoliu ir aprašo, kaip vienodas tokio dipolio stiprumas atsispindi MEGjutikliuose83. Naudojant 3D skaitmeninimo įtaisu surinktą informaciją, MEG duomenys ir atskiri T1-svertiniai vaizdai buvo bendrai užregistruoti, o vėliau buvo apskaičiuotas išankstinis modelis. MNI152-T1 šablonas su 8- mm erdvine skiriamąja geba buvo naudojamas keturiais atvejais, kai atskiri anatominiai skenavimai nebuvo prieinami. Antra, kaip atvirkštinis modelis buvo naudojamas pluošto formavimo algoritmas. Tai vienas iš plačiausiai naudojamų algoritmų smegenų šaltiniams įvertinti iš MEG kanalų duomenų ir susideda iš skirtingų svorių rinkinio, kuris nuosekliai taikomas šaltinio vietoms (dipoliams), siekiant atskirti kiekvieno šaltinio indėlį į MEG kanalų registruojamą veiklą. už kiekvieną laiko tašką78,84,85.

Įvertinus MEG kanaluose įrašyto signalo smegenų šaltinius, nuosekliai buvo įvertintas bendras tiesinis modelis (GLM) kiekvienam laiko taškui ir dipolio vietai. Pirmajame lygyje pagrindinis įsimintų ir naujų sąlygų poveikis, taip pat jų kontrastas buvo apskaičiuoti atskirai kiekvienam dalyviui. Grupės lygiu t testai buvo atlikti kiekvienai dipolio vietai, kad būtų nustatytas pagrindinis tonalinio, atonalinio ir jų kontrasto poveikis, apskaičiuotas agreguotiems dalyviams. GLM buvo įvertinti nepriklausomai tiek tetoniniams, tiek atoniniams duomenims ir abiem dažnių juostoms.

Smegenų veikla, kuria grindžiamos muzikinės sekos. Norint nustatyti laikiną smegenų veiklos, kuria grindžiamas muzikinių sekų atpažinimas, raidą, buvo apskaičiuoti klasteriniai MCS penkiems specifiniams laiko langams, kurie atitiko kiekvieną iš penkių tonų, sudarančių muzikines sekas. Ši procedūra buvo atlikta nepriklausomai tiek toniniams, tiek atonaliniams duomenims ir abiem dažnių juostoms. Taigi, remiantis grupės lygio analizės rezultatais, kiekvienam muzikiniam kūriniui (penki tonai x dvi dažnių juostos) buvo apskaičiuota dešimt klasteriais pagrįstų MCS, kai pakoreguotas alfa lygis yra 0.001 (= 0.01). /10=0.001). Ši procedūra leido aptikti reikšmingų smegenų šaltinių erdvines grupes, kuriomis buvo atpažįstamos tonalandinės atoninės muzikos sekos. Kiekvienos MCS duomenys buvo sumažėję dominančiame laiko lange (pvz., pirmojo muzikinių sekų tono laiko langas), o tada pateikti 1000 permutacijų, kad būtų sukurtas didžiausių klasterių dydžių, aptiktų permutuotame, atskaitos skirstinys. duomenis. Tada, naudojant tą pačią procedūrą, kaip ir naudojant MEG kanalus, pradiniai klasterių dydžiai buvo lyginami su nuorodos pasiskirstymu ir buvo laikomi reikšmingais, jei jų dydis buvo didesnis nei 99, 9% didžiausių permutuotų duomenų klasterių dydžių.

Svarbu tai, kad buvo atlikta tolesnė analizė, siekiant įvertinti skirtumus tarp toninių ir atoninių duomenų, atpažįstant įsimintus bandymus tiek lėtųjų, tiek greitųjų dažnių juostose. Kiekvienam dalyviui buvo apskaičiuotas t testas (= 0.01) kiekvienai šaltinio vietai ir penkiems laiko langeliams, atitinkantiems kiekvieną muzikinį toną, prieštaraujant smegenų veiklai, kuria grindžiamas toninės ir atoninės muzikos atpažinimas. Keli palyginimai buvo pataisyti naudojant klasterių MCS, kaip aprašyta aukščiau. Šiuo atveju pagal reikšmingus t testo rezultatus (penki tonai × du dažnių diapazonai) buvo apskaičiuota dešimt MCS (= 0.001, 1000 permutacijų).

Koreliacija tarp pažinimo įvertinimų ir smegenų veiklos, kuri yra toninių sekų raidos pagrindas. Ištyrėme, ar susipažinimas su JSBacho Preliudija Nr. 1 C-dur, BWV 846 buvo koreliuojamas su smegenų veikla atpažįstant iš kūrinio išskirtas tonines sekas. Už skaitytuvo ribų dalyvių buvo paprašyta įvertinti, kaip gerai susipažino su toniniu kūriniu nuo 1 iki 7 (1=„Aš niekada to negirdėjau“, 2=„Aš kartais girdėjau“, 3=„Kartais klausau“, 4=„Aš dažniausiai klausau“, 5=„Aš grojau“, 6=„Aš grojau prieš auditoriją“, {{10} } „Aš to išmokau“).

Apskaičiavome Pearsono koreliacijas tarp dalyvių pažinimo balų ir smegenų veiklos atpažindami kiekvieną iš penkių tonų, sudarytų iš toninių įsimintų sekų ir pataisytų daugkartiniams palyginimams naudojant klasterio pagrindu veikiančią MCS. Gavus erdvines grupes, kurios reikšmingai koreliavo (= 0.05) su dalyvių žinomumo įvertinimais, duomenys buvo sumažėję penkių laiko langelių vidurkiuose. Reikšmingi smegenų vokseliai buvo sumaišyti erdvėje ir išmatuotas maksimalus klasterio dydis. Tada sukūrėme didžiausių grupių dydžių orientacinį pasiskirstymą ir palyginome pradinius klasterių dydžius su nuorodos paskirstymu. Klasteriai buvo laikomi reikšmingais tik tada, kai jų dydis buvo didesnis nei 95% didžiausių permutuotų duomenų klasterių dydžių.

Statistika ir atkuriamumas. Statistinės analizės, skirtos dirgiklių IC ir H lygiams įvertinti, buvo naudojami suporuotų imčių t testai. Elgesio duomenys buvo analizuojami naudojant dvi vienpuses ANOVA. MEG jutiklio duomenys buvo analizuojami naudojant suporuotų imčių t-testus ir pakoreguoti daugkartiniams palyginimams naudojant klasterių MCS. Pirmojo (subjekto) lygio MEG šaltinio duomenų analizė buvo apskaičiuota naudojant GLM. Grupės lygis buvo apskaičiuotas naudojant suporuotų imčių t testus ir pakoreguotas daugkartiniams palyginimams su klasterio pagrindu veikiančiu MCS. Ryšys tarp smegenų duomenų ir ankstesnio pažinimo su muzika buvo įvertintas naudojant Pearsono koreliacijas ir pakoreguotas daugkartiniams palyginimams naudojant klasterių MCS. Išsami informacija apie šias procedūras yra išsamiai aprašyta skyriuje Metodai. Analizėse dalyvavo 71 dalyvis.

Nuorodos

1. Gabrieli, JD Žmogaus atminties pažinimo neuromokslai. Annu. Psychol.49, 87–115 (1998).

2. Daumas, S., Halley, H., Frances, B. & Lassalle, JM. Kontekstinės atminties kodavimas, konsolidavimas ir atkūrimas: diferencinis nugaros CA3 ir CA1 hipokampo subregionų įtraukimas. Mokytis. Atm. 12, 375–382 (2005).

3. Greicius, MD ir kt. Regioninė hipokampo aktyvacijos analizė atminties kodavimo ir gavimo metu: fMRI tyrimas. Hippocampus 13, 164–174 (2003).

4. Meltzer, JA & Constable, RT Žmogaus hipokampo formavimosi suaktyvinimas atspindi sėkmę tiek koduojant, tiek atšaukiant suporuotus partnerius. NeuroImage 24, 384–397 (2005).

5. Paukštis, CM Hipokampo vaidmuo atpažinimo atmintyje. Cortex 93,155–165 (2017).

6. Eichenbaum, H., Yonelinas, AP & Ranganath, C. Medialinė temporalinė skiltis ir atpažinimo atmintis. Annu. Kunigas Neurosci. 30, 123–152 (2007).

7. Wiltgen, BJ, Brown, RA, Talton, LE & Silva, AJ Naujos grandinės seniems prisiminimams: neokortekso vaidmuo konsoliduojant. Neuron 44, 101–108 (2004).

8. van Kesteren, MT, Fernandez, G., Norris, DG & Hermans, EJ Nuolatinis nuo schemos priklausomas hipokampo-neokortikinis ryšys žmogaus atminties kodavimo ir postkodavimo metu. Proc. Natl Akad. Sci. JAV 107,7550–7555 (2010).

9. Mehta, MR Kortiko-hipokampo sąveika aukštyn žemyn būsenų ir atminties konsolidavimo metu. Nat. Neurosci. 10, 13–15 (2007).

10. Aggleton, JP & Brown, MW Interleaving smegenų sistemos, skirtos epizodinei ir atpažinimo atminčiai. Tendencijos Cogn. Sci. 10, 455–463 (2006).

For more information:1950477648nn@gmail.com