Del 1: Målrettet modulation af neurale hukommelsesmønstre: Implikationer for FMRI-baseret hukommelsesdetektion

Kontakt: Audrey Huaudrey.hu@wecistanche.com

Venligst klik her til del 2

Melina R. Uncapher,1* J. Tyler Boyd-Meredith,1* Tiffany E. Chow,3 Jesse Rissman,3 og X Anthony D. Wagner1,2

1Department of Psychology and 2Neurosciences Program, Stanford University, Stanford, California 94305, og 3Department of Psychology, University of California, Los Angeles, Los Angeles, Californien 90095

At huske en tidligere begivenhed fremkalder distribuerede neurale mønstre, der kan skelnes fra mønstre fremkaldt, når man møder ny information. Disse forskellige mønstre kan afkodes med relativt høj diagnostisk nøjagtighed for individuelle hukommelser ved hjælp af multi-voxel mønsteranalyse (MVPA) af fMRI-data. Hjernebaseret hukommelsesdetektion – hvis den er gyldig og pålidelig – ville have klar nytte ud over kognitiv neurovidenskabs domæne, inden for jura, markedsføring og videre. En væsentlig grænsebetingelse for hukommelsesdekodningsvaliditet kan imidlertid være implementeringen af ​​"modforanstaltninger": strategier, der bruges til at maskere hukommelsessignaler. Her testede vi fMRI-baseret hukommelsesdetektions sårbarhed over for modforanstaltninger ved at bruge et paradigme, der minder om øjenvidneidentifikation. Deltagerne blev scannet, mens de udførte to opgaver på tidligere undersøgte og nye ansigter: (1) standardgenkendelseshukommelsesopgave; og (2) en opgave, hvori de forsøgte at skjule deres sande hukommelsestilstand. Univariate analyser afslørede, at deltagerne var i stand til strategisk at modulere neurale reaktioner, gennemsnittet på tværs af forsøg, i regioner involveret i hukommelseshentning, herunder hippocampus og vinkelgyrus. Desuden understøttede regioner forbundet med målrettede skift af opmærksomhed og tankesubstitution hukommelsesskjul, og regioner forbundet med hukommelsesgenerering understøttede nyhedsskjul. Kritisk, mens MVPA muliggjorde pålidelig klassificering af hukommelsestilstande, når deltagere rapporterede hukommelse sandt, blev evnen til at afkode hukommelse på individuelle forsøg kompromitteret, endda reversering, under forsøg på at skjule hukommelse. Tilsammen viser disse resultater, at strategiske mål, Tate kan implementeres til at maskere hukommelsesrelaterede neurale mønstre og foliere hukommelsesdekodningsteknologi, hvilket sætter en væsentlig grænsebetingelse for deres virkelige verden.

Nøgleord: modforanstaltninger; episodisk hentning; funktionel MR; neurolov; mønster klassificering

Cistanche kan forbedre hukommelsen

Introduktion

Voksende beviser indikerer, at det er muligt at afkode tilstedeværelsen eller fraværet af hukommelse for en stimulus eller begivenhed fra distribuerede mønstre af menneskelig hjerneaktivitet, målt ved funktionel MRI (fMRI) og multivoxel mønsteranalyse (MVPA; Johnson et al., 2009; McDuff et al., 2009; Chadwick et al., 2010; Quamme et al., 2010; Rissman et al., 2010; Polyn et al., 2012; Poppenk og Norman, 2012; Rissman og Wagner, 2012). Den hastigt fremvoksende litteratur om fMRI-baseret hukommelsesafkodning informerer ikke kun om neurokognitive teorier om hukommelse, men har også implikationer for jura, markedsføring og videre (Meegan, 2008). For eksempel kunne en pålidelig og valideret metode til at detektere hukommelse fremme det strafferetlige systems retsmedicinske evne til at afgøre, om en mistænkt har skyldig viden om kriminalitetsrelevante oplysninger (Greely, 2011), eller om et øjenvidne genkender en kritisk begivenhed element. I betragtning af den høje diagnostiske nøjagtighed observeret i nogle fMRI-baserede hukommelsesdekodningsundersøgelser (op til 70-90 procent ; Rissman et al., 2010), kan det være fristende at konkludere, at disse tilgange har retsmedicinsk nytte til at afdække en persons hukommelsestilstande og måske også deres oplevelseshistorie med begivenhedsinformation.

Imidlertid er fMRI-baserede hukommelsesdetektionsteknikker stadig under udvikling, med mange betydelige udfordringer tilbage, før de bestemmer deres egnethed til feltbrug (Brown og Murphy, 2010; Verschuere et al., 2011). Et af de mest betydningsfulde åbne spørgsmål er, om hukommelsesdekodning er sårbar over for "modforanstaltninger": strategier indsat til at maskere mem eller signaler og "beat" detektionstests (Farah et al., 2014). Rissman et al. (2010) rapporterede indirekte beviser, der tyder på en sårbarhed over for strategiske måltilstande, fordi evnen til at detektere tidligere stødte på fra nye ansigter blev reduceret til næsten tilfældighed, når deltagernes hukommelse blev undersøgt implicit, snarere end eksplicit. Men andre data tyder på, at manglende opmærksomhed på ens mnemoniske tilstand måske ikke altid forhindrer hukommelsesklassificering. Eksempelvis Kuhletal. (2013) var i stand til at afkode hukommelsesdetaljer, selv når deltagerne ikke blev instrueret i at hente disse detaljer. Tilsammen afslører disse resultater et behov for at identificere betingelser, hvorunder strategiske måltilstande ændrer neurale hukommelsesmønstre: kan deltagere især med vilje skjule deres hukommelsestilstande gennem brug af modforanstaltninger, der virker samarbejdsvillige? At adressere dette spørgsmål har ikke kun implikationer for afgrænsning af grænsebetingelserne for fMRI-metoder til at detektere hukommelse, men også for at forstå dynamikken i målrettede genfindingsprocesser.

Her undersøgte vi en situation, der ligner øjenvidneidentifikation og krævede modforanstaltninger, der ville virke samarbejdsvillige på en øjenvidneidentifikationstest. Deltagerne så en række ansigter, og deres hukommelse for disse ansigter blev derefter undersøgt på en af ​​to måder, mens de gennemgik fMRI. I den første test traf deltagerne eksplicitte anerkendelsesbeslutninger om tidligere stødte og nye ansigter. I den anden test forsøgte deltagerne at skjule deres hukommelse for de tidligere stødte ansigter og at foregive hukommelsen for de nye ansigter. Ved at bruge de eksplicitte hukommelsesdata trænede vi klassifikatorer til at diskriminere aktivitetsmønstre forbundet med de subjektive oplevelser af genkendelse og nyhed. Derefter testede vi, om klassifikatorerne kunne afkode deltagernes hukommelsestilstande, når de engagerede sig i modforanstaltninger.

Materialer og metoder

Deltagere. Fireogtyve sunde, højrehåndede mandlige deltagere blev rekrutteret fra Stanford University og dets omkringliggende samfund. Deltagerne var i alderen 18-31 år, med en gennemsnitlig SD-alder på 23 4.29 år, var engelsktalende som modersmål uden historie med neurologiske komplikationer og var enten afroamerikanske (AA; n 8) eller europæiske amerikanske (EA; n 16) ifølge at selvanmelde. Deltagerne gav skriftligt informeret samtykke i overensstemmelse med Stanford University Institutional Review Board-procedurer og blev screenet for fMRI-kompatibilitet.

Eksperiment. Eksperimentet omfattede to scanningssessioner udført med 24 timers mellemrum og tog cirka 5 timer på tværs af begge scanningssessioner. Hver deltager blev kompenseret $20 for hver times deltagelse. Data fra yderligere to deltagere blev indsamlet, men udeladt fra efterfølgende analyser på grund af utilstrækkelig eller ufuldstændig ydeevne: Den ene blev udeladt, fordi d var tilfældig (0,08), og den anden, fordi deltageren trak sig fra scanningen, før forsøget blev afsluttet.

Stimuli. Ansigtsstimuli bestod af 400 farvefotografier af mandlige ansigter, hvoraf halvdelen var AA og halvdelen var EA (data, der undersøger virkningerne af løbet vil blive rapporteret separat). Ansigtsstimuli blev standardiseret til neutralt ansigtsudtryk og baggrundsbelysning og omfattede kun hoved og hals. Stimuli blev præsenteret mod en grå baggrund med et sort centralt fikseringskors. For hver deltager blev ansigtsstimuli opdelt i to prøver ved hjælp af stratificeret tilfældig prøvetagning efter race for at tildele stimuli, der skulle præsenteres under indkodningsfasen (GAMMEL genstande; 100AA, 100EA) eller til at tjene som foliegenstande ved hentning (NEWitems; 100AA, 100 EA ).

Dag 1: kodning. Deltagerne blev scannet, mens de bevidst kodede 200 mandlige ansigter (100 AA-ansigter og 100 EA-ansigter). Hvert ansigt blev præsenteret i 2 s med et 8 s interstimulus interval (ISI) i i alt 10 s pr. forsøg. Hvert ansigt blev vist to gange i løbet af kodningsfasen: efter at det fulde sæt af 200 stimuli blev præsenteret, blev de samme ansigter præsenteret igen i en anden rækkefølge. Deltagerne fik en uddybende kodningsstrategi for at huske stimuli, hvorved de blev instrueret i at generere fantasifulde historier, der involverede individerne afbilledet i stimuli. For at bekræfte, at deltagerne tog sig af stimuli og engagerede sig i opgaven, blev de bedt om at trykke på den højre pegefingerknap på en svarboks, efter hvert ansigt dukkede op. Stimuli blev præsenteret på tværs af otte løb med 50 ansigter pr. løb. De første fire kørsler bestod af den første præsentation af undersøgelsesstimuli, og de anden fire kørsler bestod af den anden præsentation af undersøgelsesstimuli. Ved slutningen af ​​hvert løb (for både dag 1 og dag 2) blev deltagerne opfordret til at tage lige så lang pause, som de ønskede, og selv afslutte pausen via knaptryk. Pauserne varierede mellem 10 og 55 s på tværs af deltagerne.

Specifikt for ansigter, der menes at være undersøgt tidligere, blev deltagerne instrueret i at angive en "ny" reaktion og hurtigt at skifte til en kognitiv strategi for at skjule de neurale korrelater af deres genkendelse: de blev bedt om at fokusere på de tekniske og/eller fotografiske aspekter af den stimulus, som de ikke havde deltaget i tidligere, såsom eksponering, belysning, linjekanter osv. Her blev det understreget, at computeralgoritmen var følsom nok til at opfange hukommelsessignaler, og at det efter at have fastslået, at det var en undersøgt ansigt, bør de - efter bedste evne - forsøge at forhindre hukommelsen for ansigtet i at komme til at tænke på ved at tage hensyn til de perceptuelle aspekter af fotografierne. Omvendt, for stimuli, der opfattes som ustuderet, blev deltagerne instrueret i at indikere et "gammelt" svar og bruge kognitive strategier til at fremkalde de neurale korrelater af genfinding, dvs. bringe tankerne om et kendt individ, der lignede ansigtet, og genopleve eventuelle minder forbundet med den enkelte. Igen blev det understreget, at computeralgoritmen var følsom nok til at detektere nyhedssignaler, så de skulle hurtigt skifte til at generere minder til det ansigt, de besluttede at være nyt. For både gamle og nye ansigter blev deltagerne instrueret i at bruge den passende kognitive strategi under hele forsøgets varighed (10 s). Eksperimentører bekræftede, at alle deltagere forstod opgaven med skjult hukommelse, før de fortsatte med eksperimentet.

Univariate fMRI analyser. Statistical Parametric Mapping (SPM8; Wellcome Department of Cognitive Neurology, London, UK; http://www.fil.ion.ucl.ac.uk/spm/software/spm8), kørt i MATLAB 7.7 (R2008b; MathWorks), var bruges til både dataforbehandling og univariat analyse.

Standard forbehandlingsprocedurer blev anvendt på dataene. Alle funktionelle volumener blev skive-tid korrigeret for at tage højde for optagelsestidsforskelle mellem skiver, med den midterste skive i tid brugt som reference. Alle funktionelle volumener blev bevægelseskorrigeret og rumligt justeret til det første volumen, efterfulgt af realignment til sessionens gennemsnitlige volumen. Det T2-vægtede anatomiske volumen fra dag 2 (hentning) session blev coregistreret til det gennemsnitlige funktionelle volumen, det T1- vægtede anatomiske volumen blev derefter coregistreret til dette coregistrerede T2-vægtede volumen , og derefter blev det T1-vægtede volumen segmenteret i gråt stof, hvidt stof og CSF, med de resulterende billeder normaliseret til skabeloner i Montreal Neurological Institute (MNI) rummet. Funktionelle volumener blev normaliseret til standardrum baseret på transformationsparametrene opnået under segmentering og resamplet til 4 mm 3 voxels. Alle billeder blev derefter rumligt udjævnet med en 8 mm fuld bredde ved halv maksimum (FWHM) Gaussisk kerne.

For alle klassifikationsskemaer blev forsøgstællinger afbalanceret på tværs af klasser (via tilfældig subsampling) i trænings- og testbeholderne før klassificering for at sikre en teoretisk nulhypotese-klassificeringsnøjagtighed på 50 procent og et areal under kurven (AUC; se nedenfor) på 0,50; analyser med blandede klasseetiketter bekræftede, at præstationer for chanceklassificering konvergerede omkring disse niveauer ("nulfordeling"). Efter afbalancering blev dataene fra hver voxel z scoret igen, således at det gennemsnitlige aktivitetsniveau for hver voxel for klasse A-forsøg var det omvendte af dets gennemsnitlige aktivitetsniveau for klasse B-forsøg. For hver analyse blev hele klassificeringsprocessen kørt 10 gange for at opnå stabile præstationsestimater (uafhængige analyser bekræftede, at 10 iterationer var tilstrækkelige til at opnå stabile præstationsestimater).

Regulariseret logistisk regression (RLR) blev brugt til alle klassifikationsprocedurer. Dette blev tidligere bestemt til at være et fordelagtigt valg i dette klassifikationsparadigme af Rissman et al. (2010). Denne algoritme implementerede en multiklasse logistisk regressionsfunktion ved hjælp af en softmax-transformation af lineære kombinationer af funktionerne (Bishop, 2006) med et ekstra ridge-straffeudtryk som en Gaussisk før trækvægtene. Denne strafperiode gav L2-regularisering og håndhævede små vægte. Under klassificeringstræning lærte RLR-algoritmen det sæt af funktionsvægte, der maksimerede log-sandsynligheden for dataene; egenskabsvægte blev initialiseret til nul, og optimering blev implementeret med Carl Rasmussens konjugerede gradientminimeringsfunktion (http://www.gatsby.ucl.ac.uk/ Edward/code/minimize/) ved hjælp af gradienten af ​​log-sandsynligheden kombineret med L2-straffen.

L2-straffen blev sat til at være halvdelen af ​​den additive inverse af en brugerspecificeret parameter, ganget med kvadratet af L2-normen for vægtvektoren for hver klasse, tilføjet over klasser. Vi valgte at sætte denne gratis parameter til en fast værdi på 10 for alle analyser rapporteret i denne undersøgelse.

Vurdering af klassifikatorpræstation. Efter tilpasning af RLR-modelparametrene ved hjælp af træningssættets data, blev hvert hjerneaktivitetsmønster (dvs. forsøg) fra testsættet derefter ført ind i modellen og gav et estimat af sandsynligheden for, at dette eksempel er fra klasse A eller klasse B (ved konstruktion, disse to værdier summerer altid til én). Disse sandsynlighedsværdier blev sammenkædet på tværs af alle krydsvalideringstestfolder og derefter rangeret. Klassifikatorens sande positive (hit) rate og falsk positive (FA) rate blev beregnet ved 80 faste cutoff-tærskler langs sandsynlighedskontinuummet for at generere modtagerdriftskarakteristik (ROC) kurver. AUC-værdierne forbundet med disse kurver blev beregnet som beskrevet af Fawcett (2004) og kan formelt fortolkes som sandsynligheden for, at et tilfældigt valgt medlem af en klasse har en mindre estimeret sandsynlighed for at tilhøre den anden klasse end har et tilfældigt udvalgt medlem af den anden klasse. Sagt på en anden måde, indekserer AUC den gennemsnitlige nøjagtighed, hvormed et tilfældigt udvalgt par af klasse A- og klasse B-forsøg kunne tildeles deres korrekte klasse (0,5 er tilfældig præstation; 1,0 er en perfekt præstation). Hvis ens mål er høj specificitet i mærkning af eksempler på klasse A og er uvillig til at tolerere mange falske positiver, kan man udspørge klassificererens mest sikre gæt. Her sætter vi vilkårligt denne tærskel til at være top 10 procent af klassificeringsgæt. Bemærk, at vi rapporterer nøjagtighed frem for AUC-værdier, når vi rapporterer de mest sikre forsøg med klassifikatorerne.

Betydningskort. For hvert klassifikationsskema blev vigtighedskort konstrueret efter proceduren beskrevet i tidligere MVPA-undersøgelser (Johnson et al., 20{{10}}9; McDuff et al., 2{{16 }}09). Vigtighedsværdien af ​​en voxel giver et indeks for, hvor meget dens signal stiger eller falder påvirker forudsigelserne af klassificereren. Efter træning giver den logistiske regressionsklassificeringsprocedure et sæt vægtværdier, der afspejler den forudsigelige værdi af hver voxel (med positive værdier, der indikerer, at aktivitetsstigninger generelt er forbundet med et klasse A-resultat, og negative værdier, der indikerer, at aktivitetsstigninger generelt er forbundet med etClassBoutcome). Disse vægte blev multipliceret med det gennemsnitlige aktivitetsniveau for hver voxel for klasse A-forsøg (som på grund af vores forsøgsbalancering og z-scoringsprocedure er den additive inverse af dets gennemsnitlige aktivitetsniveau for klasse B-forsøg). Voxels med positive værdier for både aktivitet og vægt blev tildelt positive betydningsværdier, voxels med negativ aktivitet og vægt blev tildelt negative betydningsværdier, og voxels, for hvilke aktiviteten og vægten havde modsatte fortegn, blev tildelt vigtighedsværdier på nul (Johnson et al., 2009; McDuff et al., 2009). Opsummerende kort på gruppeniveau blev oprettet ved at tage et gennemsnit af de enkelte deltageres vigtighedskort og vises i figurerne ved vilkårlige tærskler: 3D-renderede kort tærskelværdier mellem 0,02 og 0,5 og 2D-renderede kort mellem 0,05 og 0,5 (se fig. 4) eller mellem 0,15 og 0,5 (se fig. 7). Som en sidste bemærkning, selvom vigtighedskort er et nyttigt værktøj til at evaluere, hvilke voxels der blev brugt af klassificereren, skal disse kort ikke fortolkes som at give en udtømmende vurdering af, hvilke voxels der er individuelt informative om forskellen mellem interesse.

Søgelys analyser. Vigtighedskort afslører, hvilke voxels der giver diagnostisk information til helhjerneklassifikatoren. De afslører dog ikke, om data fra individuelle anatomiske regioner kan bruges alene til at skelne hits fra CR'er. Vi udførte søgelysanalyser for at give lokal afkodningsnøjagtighed (Kriegeskorte et al., 2006) på tværs af hjernen. Af særlig interesse var, om de regioner, hvor det gennemsnitlige iltniveau-afhængige (BOLD; univariate) signal i blodet blev moduleret signifikant ved modforanstaltninger (se fig. 2A), også muliggjorde forsøg-for-forsøg-afkodningsnøjagtighed, der væsentligt afveg fra tilfældigheder. Vi udførte den kritiske klassificering (eksplicitte ¡ skjulte hits vs CR'er) på lokale sfæriske masker centreret individuelt på hver voxel i helhjernemasken (eksklusive voxel i den motoriske cortex og cerebellum). Hver sfærisk maske inkluderede enhver voxel, der rørte kanten af ​​centervoxelen; således indeholdt de resulterende sfærer 19 voxels, undtagen når sfæren strakte sig ud over hele hjernemasken. For at bestemme, om lokal afkodningsnøjagtighed udviklede sig på tværs af forsøget (som det ville forventes, hvis deltagerne oprindeligt fulgte med på hukommelsessignaler og derefter forsøgte at skjule sådanne signaler), udførte vi disse søgelys separat for hver af de seks TR'er.

Vi evaluerede signifikans i hver af vores søgelyssfærer som i de tidligere afkodningsanalyser: AUC'er blev først beregnet for 10 klassifikationsiterationer, og derefter blev en nulfordeling simuleret ved at beregne 10 yderligere klassifikationsiterationer ved hjælp af krypteret regressorer. Vi genererede t-kort på gruppeniveau, der viser sfærer, der pålideligt skelnede hits fra CR'er ved at udføre en parret t-test af hver deltagers gennemsnitlige kodede versus ukodede AUC-værdi ved hver voxel på tværs af alle 10 iterationer. Disse kort blev tærskelværdier på p 0,05 (korrigeret) ved at anvende en klyngestørrelsestærskel afledt af Monte Carlo-simuleringer (Xiong et al., 1995) som implementeret i AFNI (Automated Functional Neuro-Imaging) programmet 3dClustSim. Montes glathed

Carlo-simulering blev estimeret separat for hver deltager og hvert tidspunkt ved hjælp af AFNI-programmet 3dFWHMx fra de gennemsnitlige AUC'er opnået på tværs af iterationerne af krypteret klassificering. Jævnheden blev beregnet som gennemsnit på tværs af deltagere og tidspunkter for at beregne en enkelt glathedsværdi for hver dimension. En voxelvist højdetærskel på p 0.01 resulterede i en klyngestørrelse på 22 voxels for at nå en klyngeniveau-signifikans på p {{10}}.{{15} }5 (FWE) inden for et givet tidspunkt. For at korrigere for flere sammenligninger på tværs af vores seks-tidspunkter anvendte vi en Bonferronini-korrektion, og beregnede den udstrækningstærskel, der er nødvendig for at opnå en klyngeniveau-signifikans på p 0.0083 (eller 0,05/6; FWE) ved hvert tidspunkt eller p 0,05 (FWE) på tværs af rum og tid. Ved at bruge denne metode bestemte vi, at en klyngeudstrækning på 29 voxels var påkrævet for at opnå en klyngeniveau-signifikans på p 0,05 (FWE) på tværs af rummet og seks-tidspunkterne.

Resultater

Adfærdspræstation

Eksplicit hukommelsesopgave

Når deltagerne sandfærdigt rapporterede deres mnemoniske oplevelse fremkaldt af hvert testansigt, opnåede de en gennemsnitlig SD-hitrate (den hastighed, hvormed GAMLE billeder nøjagtigt blev bedømt som "gamle") på {{0}}.73 0. 12 og en FA-rate (den hastighed, hvormed NYE billeder unøjagtigt blev bedømt som "gamle") på 0.27 0.10, hvilket resulterer i en gennemsnitlig d på 1.27 0.56. Gennemsnitlige svartider (RT'er) var hurtigere for rigtige svar (hits, 1.74 0.60 s; CR'er, 2.10 0.75 s) end for forkerte svar (FA'er, 2.{{16 }}.01 s; misses: 2.33 0.81 s; t(23) 5.15, s. 3.22 10 5). Hit-svar var hurtigere end CR-svar (t(23) 5.44, s. 1.56 10 5).

Sammenligning af eksplicitte og skjulte hukommelsesopgaver

Middelværdi d var signifikant større i den eksplicitte hukommelse end i den skjulte hukommelsesopgave (t(23) 2.99,p 6.6 10 3). Der var ingen opgaveforskelle i gennemsnitlig RT for noget hukommelsesudfald (alle p-værdier 0.05). Der var dog en signifikant interaktion mellem opgave og hukommelse, idet den gennemsnitlige forskel i RT for hits og CR'er var større i den eksplicitte hukommelse end i den skjulte hukommelsesopgave (t(23) 6.25, s. 2.22 10 6). Denne differentielle effekt af hukommelse på RT som funktion af opgaven kan følge af forskellen i d mellem de eksplicitte og skjulte hukommelsesbetingelser og er sandsynligvis en konsekvens af dobbeltopgavekarakteren af ​​den skjulte hukommelsestilstand: Deltagerne skulle først bestemme om ansigter var gamle eller nye, og derefter hurtigt skifte til en hukommelses-/nyhedsskjulningsstrategi, mens de også vendte deres motoriske reaktioner.

Univariate fMRI-analyser

Vi undersøgte først spørgsmålet om, hvorvidt deltagerne kunne engagere sig i strategiske modforanstaltninger for at modulere hukommelsesrelaterede BOLD-signaler på tværs af forsøg (dvs. univariate fMRI-svar). For at gøre det identificerede vi "hukommelsessucceseffekter" (hits CR'er) for hver opgave separat og bestemte derefter, hvor hukommelsessucceseffekter var fælles på tværs af opgaver, samt hvor de blev moduleret efter opgave. Vi undersøgte derefter, om evnen til at modulere hukommelsessucceseffekter var påvirket af hukommelsesstyrke.

Fælles hukommelsessucceseffekter

I betragtning af, at deltagerne skulle afgøre, om et ansigt var gammelt eller nyt i begge opgaver, søgte vi derefter at afgøre, om der var nogen regioner, der adskilte hits fra CR'er i begge opgaver. For at gøre det maskerede vi inklusivt de foregående hukommelsessucceskontraster (ved p {{0}}}.01hver, for at resultere i en fælles tærskel på p 0,001). Resultatet af denne maskeringsprocedure afslørede virkninger i venstre IPS og venstre VTC (fig. 1C).

mindre sandsynligt at vise omvendte hukommelsessucceseffekter i venstre ANG (r {{0}}.36, s. 0.04). Med andre ord fortsatte deres hukommelsessucceseffekter på trods af forsøg på at skjule deres hukommelse. Dette fund tyder på, at deltagere med stærkere hukommelse havde større problemer med at modulere deres AnG-aktivitet under den skjulte opgave. Interessant nok viste ingen af ​​hippocampus-klyngene et signifikant forhold mellem hukommelsesstyrke og aktivitet (højre hippocampus,r0.{{10}}5,p 0.82; venstre hippocampus, r0,22, p 0,29), og hældningerne af korrelationerne var forskellige mellem AnG og højre hippocampus (Williams t(21) 2,49, p 0,021) og marginalt forskellige for venstre hippocampus (Williams t(21) 1,62, p 0,12) . Tilsammen tyder disse resultater på, at deltagere med stærkere hukommelser var mindre i stand til at udøve målstyret kontrol over hukommelsesrelateret aktivitet i venstre Ang, men dette så ikke ud til at være tilfældet i den bilaterale hippocampus.

Multivariate fMRI-analyser

Vores centrale spørgsmål er, om brug af kognitive (målrettede) modforanstaltningsstrategier ville gøre det muligt for deltagere at maskere neurale mønstre relateret til hukommelse, og dermed påvirke multivariate teknikkers evne til at udlæse deres hukommelsestilstande for individuelle hændelser. Følgelig vurderede vi derefter MVPA-klassifikatorernes evne til at afkode hukommelsesstatussen for individuelle genfindingsforsøg ved (1) først at træne og teste en klassifikator på data fra standardgenkendelseshukommelsesopgaven (eksplicit hukommelsesopgave) og (2) derefter vurdere, om dette klassifikator kunne også afkode hukommelse, når deltagere forsøgte at skjule deres hukommelsestilstande (skjult hukommelsesopgave). Vores procesmodel foreslog tre alternative scenarier at teste; vi begynder med at forklare vores procesmodel og beskriver derefter hver hypotese efter tur.