Hjerne-genkendelse af tidligere lært versus nye tidsmæssige sekvenser: A Differential Simultaneous Processing Del 1

Hukommelse for sekvenser er et centralt emne inden for neurovidenskab, og årtiers undersøgelser har undersøgt de neurale mekanismer, der ligger til grund for kodningen af ​​en bred vifte af sekvenser udvidet over tid.

Sekventiel hukommelse betyder, at folk kan huske en række informationer, såsom tal, bogstaver, ord eller billeder. Hukommelse henviser på den anden side til evnen til at lagre information i hjernen og genkalde den hurtigt, når det er nødvendigt. Der er en stærk forbindelse mellem de to, da sekventiel hukommelse er et vigtigt middel til at træne og forbedre hukommelsen.

En person med en god hukommelse har normalt en god sekventiel hukommelsesevne, de kan huske en masse information hurtigt og præcist og kan fatte det, når de har brug for det. Sådanne talenter gør dem mere handy i det daglige liv, til med succes at klare forskellige udfordringer i arbejde og liv.

Samtidig kan vi også forbedre vores hukommelse ved at øve sekvenshukommelsen. Uanset om det er tal, bogstaver, ord eller billeder, er det kun, når vi øver, husker, gennemgår og konsoliderer konstant, at vi kan efterlade et dybt indtryk i underbevidstheden og styrke vores hukommelsesevne.

Det er værd at nævne, at udover at forbedre hukommelsen gennem sekventiel hukommelse, kan vi også styrke hukommelsen gennem nogle andre metoder. Træn for eksempel mere, bevar god søvn, spis en afbalanceret kost, lær ny viden og så videre. Disse kan hjælpe vores hjerner med at fungere normalt og derved forbedre vores hukommelse.

For at opsummere er sekventiel hukommelse og hukommelse tæt forbundet, og der er et komplementært forhold mellem dem. Gennem kontinuerlig øvelse og forbedring kan vi i høj grad forbedre vores hukommelse, så vi bedre kan håndtere forskellige udfordringer og nyde et farverigt liv. Det kan ses, at vi skal forbedre vores hukommelse. Cistanche kan forbedre vores hukommelse markant, fordi Cistanche er et traditionelt kinesisk medicinsk materiale med mange unikke effekter, hvoraf den ene er at forbedre hukommelsen. Effektiviteten af ​​hakket kød kommer fra en række aktive ingredienser, det indeholder, herunder carboxylsyre, polysaccharider, flavonoider osv. Disse ingredienser kan fremme hjernens sundhed gennem forskellige kanaler. Kød Qingmeng har antioxidant, anti-inflammatorisk og anti-konkurrencedygtig effekter.

Klik på kender måder at forbedre hukommelsen

Alligevel er lidt kendt om hjernemekanismerne, der ligger til grund for genkendelsen af ​​tidligere memorerede versus nye tidsmæssige sekvenser. Desuden er den differentielle hjernebehandling af enkelte elementer i en auditiv tidssekvens sammenlignet med hele den overordnede sekvens ikke fuldt ud forstået.

I denne magnetoencefalografi (MEG) undersøgelse var emnerne i den tidsmæssige sekvens uafhængigt forbundet med lokal og hurtig (2-8 Hz) hjernebehandling, mens hele sekvensen var forbundet med samtidig global og langsommere (0.1– 1 Hz) behandling, der involverer et udbredt netværk af sekventielt aktive hjerneregioner. Især var genkendelsen af ​​tidligere huskede tidssekvenser forbundet med stærkere aktivitet i langsom hjernebehandling, mens de nye sekvenser krævede en større involvering af hurtigere hjernebehandling.

Samlet set udvider resultaterne på velkendt informationsflow fra lavere til højere ordens hjerneregioner. De afslører den differentielle involvering af langsom og hurtigere helhjernebehandling for at genkende tidligere lært versus ny tidsmæssig information.

Nøgleord:

Tidsmæssige sekvenser; hukommelsesgenkendelse; magnetoencefalografi; hjernens dynamik; kildegenopbygning.

Introduktion

I årenes løb har forståelse af hukommelse for sekvenser været et centralt emne inden for neurovidenskab og kognitiv videnskab (Förstl et al. 2006; Kumar og Anand 2015), som gennemgået i en nøgleartikel af Dehaene et al. (2015). Her foreslår forfatterne en taksonomi af behandlingsmekanismerne for tidsmæssige sekvenser, arrangeret i fem kategorier af stigende kompleksitet: (i) overgangs- og timingviden mellem efterfølgende elementer i sekvensen, (ii) chunking af sammenhængende elementer i sekvensen, (iii) ) ordinær viden om, hvilket element der kommer først, (iv) algebraiske mønstre, der fanger komplekse regelmæssigheder i en sekvens, og (v) indlejrede træstrukturer baseret på abstrakte symbolske regler.

Den første kategori refererer til behandlingen af ​​overgangen fra et element i sekvensen til det næste. Denne forskning har identificeret adskillige automatiske hændelsesrelaterede potentialer/felter (ERP/F) til standard og afvigende lyde, såsom den velkendte N100 og mismatch negativity (MMN), hvilket viser, at hjernen hurtigt kan registrere ændringer i sekvensernes regelmæssighed (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.; Bonetti, et al. , Brattico, Vuust, et al. 2021c).

Chunking refererer til evnen til at gruppere sammenhængende genstande i en større enkelt enhed.

Tidligere undersøgelser på enkeltcelleniveau har vist, at chunking forekommer under tilegnelsen af ​​motoriske vaner (Fujii og Graybiel 2003; Smith og Graybiel 2013; Jin et al. 2014).

Lignende undersøgelser med funktionel magnetisk resonansbilleddannelse (fMRI) bekræftede disse resultater, hvilket tyder på en hierarkisk organisation i chunking, når motoriske tidssekvenser læres (Koechlin og Jubault 2006).

De neurale korrelater af auditiv chunking blev yderligere undersøgt af yderligere undersøgelser. For eksempel har Kalm et al. (2012) brugte fMRI til at udforske den auditive kodning af grupperede og ugrupperede lister af bogstaver, hvilket fremhævede, at en stor aktivering af de auditive cortex, præmotoriske og præfrontale hjerneområder var forbundet med overskredet hukommelsesspændvidde under kodning.

Derudover ved hjælp af elektroencefalografi (EEG), Ding et al. (2018) opdagede, at neural kodning af individuelle auditive begivenheder (dvs. stavelser) var automatisk, mens vidensbaseret konstruktion af tidsmæssige bidder (dvs. ord) var afhængig af opmærksomhed.

Ud over chunking beskriver ordinal viden kapaciteten til at lære og huske, hvilket element der kommer først, andet og så videre i den tidsmæssige rækkefølge. Tidligere undersøgelser har vist, at det ordinære arrangement af en række genstande kodes af hjernen i de intraparietale og dorsolaterale præfrontale cortex (Terrace et al. 2003; Berdyyeva og Olson 2010; Crowe et al. 2014).

Algebraiske mønstre refererer til de abstrakte skemaer gemt i hjernen, som gør det muligt at fange sekventielle regelmæssigheder, der ligger til grund for en sekvens af elementer. Tidligere forskning antydede, at hjernen behandler de algebraiske mønstre af sekvenser og forstår et højere niveau af abstrakte regelmæssigheder end elementære sekvenser med sensoriske afvigelser (Endress et al. 2009; Wang et al. 2015).

Endelig er indlejrede træstrukturer genereret af symbolske regler, som ofte er indlejret i hinanden. Tidligere undersøgelser har fremhævet følgende netværk af hjerneregioner involveret i behandling af komplekse sproglige mønstre organiseret i indlejrede strukturer: venstre superior temporal sulcus (STS), middle temporal gyrus (MTG), temporale poler (TP), inferior frontal gyrus (IFG) og temporoparietal junction (TPJ) (Mazoyer et al. 1993; Saur et al. 2010; Friederici 2011; Rolheiser et al. 2011; Tyler et al. 2011).

Andre relevante bidrag om, hvordan hjernen behandler tidsmæssige sekvenser, kom fra forskning i auditiv og talebehandling. Dette foreslog samtidige hjernemekanismer, der ligger til grund for forståelsen af ​​lyde og menneskelige sprog. For eksempel, Teng et al. (2017) viste den samtidige rolle af theta- og gamma-frekvensbånd under auditiv behandling, i overensstemmelse med hypotesen om "asymmetrisk sampling i tid" (AST) foreslået af Poeppel (2003). I en anden undersøgelse, der undersøgte talebehandling, afslørede forfattere, at mens theta-aktiviteten var begrænset til den auditive cortex, stammede deltabåndet i nedstrøms auditive regioner og blev moduleret af stimuliernes usikkerhed (Donhauser og Baillet 2020).

Alt i alt gav disse fremragende undersøgelser en detaljeret, men ikke-udtømmende gennemgang af de hjernemekanismer, der ligger til grund for behandlingen af ​​tidsmæssige sekvenser og mønstre. I særdeleshed, mens gennemgangen demonstrerede, hvordan elementer er opdelt og organiseret i abstrakte regler gennem samtidige mekanismer, undersøgte den ikke endeligt tilfælde, hvor den tidsmæssige rækkefølge af de enkelte elementer giver anledning til et nyt, overordnet objekt (sekvens) karakteriseret ved en ny perception og betydning, som kan kodes og efterfølgende hentes eller genkendes. Musikalske melodier er ideelle eksempler på sådanne sekvenser, da de, afhængigt af kombinationen af ​​deres lyde (genstande) over tid, opfattes som nye objekter, der formidler betydninger, som ikke kunne bæres af de enkelte lyde alene (Cooke 1959).

Det er bemærkelsesværdigt, at selvom musikneurovidenskaben hurtigt har udvidet sig i løbet af de sidste par årtier, er meget lidt kendt om de hurtige hjernemekanismer, der ligger til grund for genkendelsen af ​​musikalske tidsmæssige sekvenser. Omvendt har forskning i neurovidenskaben om musikalsk hukommelse givet os anden, yderst relevant viden. For eksempel, i en fMRI undersøgelse, Gaab et al. (2003) bad deltagerne om at sammenligne lyde karakteriseret ved forskellige tonehøjder.

Forfatterne afslørede aktivitet, især i de overordnede temporale, supramarginale og venstre inferior frontale cortex, når deltagerne fuldførte opgaven. For nylig har Kumar et al. (2016) viste den relevante rolle for den primære auditive cortex, hippocampus og inferior frontal gyrus samt deres forbindelse til at udføre auditive WM-opgaver.

Tilsvarende har Sikka et al. (2015) bad deltagerne om at genkende velkendt eller ukendt musik, hvilket viste, at succesfuld præstation var forbundet med aktiveringen af ​​højre superior temporal, bilateral inferior og superior frontal, venstre midterste orbitofrontal, bilateral præcentral og venstre supramarginal cortex. Udover fMRI er nogle få undersøgelser af musikalsk hukommelse blevet udført ved hjælp af magnetoencefalografi (MEG).

For eksempel har Albouy et al. (2013, 2017) undersøgte hjerneaktivitet under hukommelsesretention, hvilket viste, at theta-oscillationer i hjernens dorsale strøm af deltagere forudsagde deres evner til at udføre en auditiv WM-opgave.

I en nylig undersøgelse, Bonetti, Brattico, Carlomagno, et al. (2021a), Bonetti, Bruzzone, Sedghi, et al. (2021b), Bonetti, Brattico, Vuust, et al. (2021c) viste, at de første 220 ms af lydkodning præsenterede et stort netværk af forbundne hjerneområder såsom Heschl's og superior temporal gyri, frontal operculum, cingulate gyrus, insula, basalganglier og hippocampus. Navnlig var disse hjerneområder lige så centrale i netværket, selvom den auditive cortex og insula udviste stærkere aktivitet end de andre områder.

Som konklusion har tidligere forskning fremhævet de hjernemekanismer, der ligger til grund for behandlingen af ​​flere kategorier af tidsmæssige sekvenser og musikalske lyde. Disse undersøgelser undersøgte imidlertid ikke genkendelsen af ​​tidligere lærte tidsmæssige sekvenser, hvor rækkefølgen af ​​de enkelte elementer gav anledning til et nyt, overordnet, globalt objekt karakteriseret ved ny perception og mening, der stammer fra musikalske sekvenser. Især de differentielle mekanismer, der er forbundet med behandlingen af ​​de enkelte elementer i sekvensen (lokal behandling) og hukommelsesgenkendelse for sekvensen som helhed, forbliver et nyt objekt (global behandling) ikke fuldt ud forstået. I vores undersøgelse, med fordel af MEG-dataene begrænset af anatomisk MR, behandlede vi disse spørgsmål.

Materialer og metoder

Deltagere

Undersøgelsen omfattede 70 frivillige: 36 mænd og 34 kvinder (aldersinterval: 18-42 år, gennemsnitsalder: 25,06 ± 4,11 år). Alle deltagere var raske og rapporterede intet tidligere eller aktuelt alkohol- og stofmisbrug. Desuden var de ikke under nogen form for medicin, erklærede, at de ikke havde nogen tidligere neurologisk eller psykiatrisk lidelse, og rapporterede at have normal hørelse. Desuden var deres økonomiske, uddannelsesmæssige og sociale status homogen.\

De eksperimentelle procedurer blev udført i overensstemmelse med Helsinki-deklarationen – etiske principper for medicinsk forskning og blev godkendt af den etiske komité i Region Midtjylland (De Videnskabsetiske Komitéer for Region Midtjylland) (Ref 1-10-72-411-17).

Eksperimentelt design og stimuli

For at detektere hjernesignaturen af ​​tidslig sekvensgenkendelse brugte vi en gammel/ny paradigme (Kayser et al. 2003) auditiv genkendelsesopgave under magnetoencefalografi (MEG) optagelse. Først lyttede deltagerne til fire gentagelser af en MIDI-version af højrehåndsdelen af ​​hele præludium BWV 847 i c-mol komponeret af JS Bach (samlet varighed på ca. 10 minutter).

For det andet blev de præsenteret for 80 korte musikuddrag, der varede 1.250 ms hver, og blev bedt om at oplyse, om hvert uddrag tilhørte optakten af ​​Bach ("memoreret" sekvens (M), gammel), eller det var en ny musikalsk sekvens ("roman" sekvens (N), ny) (fig. 1A). Fyrre uddrag blev taget fra Bach-værket og 40 var nye.

Det er vigtigt, at de to kategorier af stimuli (M og N) blev skabt for at kunne skelnes i genkendelsesopgaven (dvs. de var altid sammensat af forskellige musikalske toner), selvom de blev matchet mellem flere variabler for at forhindre potentielle forvirringer. M og N blev matchet for volumen, rytme, klang, meter, tempo, tonalitet, entropi (H) og informationsindhold (IC).

Som nævnt ovenfor bestod de memorerede melodier af uddrag fra Bachs præludium. I dette tilfælde valgte vi ét uddrag pr. musikalsk takt, som svarede til de første fem toner af takten. Derefter komponerede vi de nye musikalske melodier ved at bruge melodiske konturer og intervaller mellem melodiernes toner, der adskilte sig fra de huskede musikalske sekvenser hentet fra Bachs præludium. De 80 musikalske sekvenser er rapporteret i musikalsk notation i Fig. S1.

Fig. 1. Eksperimentelt design, kilderekonstruktion og kontraster med enkelt-elementer. A) Efter at have lyttet til et komplet musikstykke komponeret af JS Bach, blev deltagerne præsenteret for et sæt melodiske uddrag taget fra stykket og en række nye melodier. Disse uddrag repræsenterede tidsmæssige sekvenser bygget af fem elementer (musikalske toner), der blev mærket af deltagerne som "tidligere husket" (M) eller "roman" (N) ved hjælp af en svarpude. B) Under opgaven blev deltagerens hjerneaktivitet registreret med magnetoencefalografi.

Her viser vi en grafisk afbildning af de neurale data, der blev forbehandlet, båndpasfiltreret i forskellige frekvensbånd og epoket. Denne figur viser analyser for to frekvensbånd (0.1-1 og 2-8 Hz), da vi antog, at disse to bånd var forbundet med den lokale og globale behandling af de tidsmæssige sekvenser. C) Grafisk afbildning af kilderekonstruktion, beregnet uafhængigt for 0.1–1 og 2–8 Hz. Især 0.1-1 Hz indekserede genkendelsen af ​​hele sekvensen (global behandling), mens 2-8 Hz viste de neurale reaktioner på hvert element i sekvensen (lokal behandling). D). Kontraster afslørede stærkere hjerneaktivitet for M versus N i 0.1-1 Hz (rød), især for det tredje, fjerde og femte punkt.

En sådan forskel var lokaliseret i et stort hjernenetværk omfattende cingulum, inferior temporal cortex, frontal operculum, insula og hippocampus områder. Omvendt gav kontraster for 2-8 Hz en samlet stærkere aktivitet for N versus M (blå), især i den auditive cortex. De afbildede værdier er t-værdier opnået ved at kontrastere hjerneaktiviteten af ​​M versus N.

Med hensyn til IC og H blev deres estimering foretaget for hver tone af de huskede (gennemsnitlig IC: 5,70 ± 1,73, middel H: 4,70 ± 0,33) og af de nye musikalske sekvenser (gennemsnitlig IC: 5,92 ± 1,81, middel H: 4,78 ± 0,35) ved at bruge Information Dynamics of Music (IDyOM) (Pearce 2018). Denne metode anvender maskinlæring til at beregne en værdi af IC for måltonen baseret på en kombination af de foregående toner af det musikalske stykke, der omfatter måltonen, og af et sæt regler afledt af en lang række prototypiske vestlige musikstykker. Således sikrede vi os, at den globale IC for de musikalske sekvenser i vores to kategorier (M og N) var den samme.

På et formelt niveau svarer IC'en til det mindste antal bits, der kræves for at kode ei og er beskrevet af følgende ligning (1):

hvor p(ei|ei−1 (i−n)+1) er sandsynligheden for hændelsen ei givet et tidligere sæt af ei−1 (i−n)+1 hændelser.

Entropien giver et mål for usikkerheden/sikkerheden af ​​den kommende begivenhed givet det tidligere sæt af ei−1 (i−n)+1 begivenheder og er

Ifølge ligning (2), hvis sandsynligheden for en given hændelse ei er 1, vil sandsynligheden for de andre hændelser i A være 0. Således vil H også være lig med 0 (scenarie med maksimal sikkerhed). Omvendt, hvis begivenhederne er lige sandsynlige, vil H være maksimum (scenarie med maksimal usikkerhed). Som konklusion giver IDyOM et estimat af forudsigeligheden af ​​hver musikalsk tone, og den har vist sig at være sammenhængende med menneskelig perception (Pearce 2018; Sears et al. 2018).

I MEG-analysen brugte vi kun de korrekt genkendte forsøg (gennemsnitlig korrekt M: 78,15 ± 13,56%, gennemsnitlige reaktionstider (RT): 1.871 ± 209 ms; gennemsnitlig korrekt N: 81.43 ± 14.12%, middel RT: 1.915 ± 135 ms ).

Både præludium og uddrag blev skabt ved at bruge Finale (MakeMusic, Boulder, CO) og præsenteret med præsentationssoftware (Neurobehavioral Systems, Berkeley, CA). Efter erhvervelsen af ​​MEG-dataene, på samme eller en anden dag, blev deltagernes hjernestrukturbilleder erhvervet ved hjælp af magnetisk resonansbilleddannelse (MRI).

For more information:1950477648nn@gmail.com