Hjernegjenkjenning av tidligere lært versus nye tidssekvenser: En forskjellig samtidig prosessering del 1

Minne for sekvenser er et sentralt tema innen nevrovitenskap, og flere tiår med studier har undersøkt de nevrale mekanismene som ligger til grunn for kodingen av et bredt spekter av sekvenser utvidet over tid.

Sekvensielt minne betyr at folk kan huske en rekke informasjon, for eksempel tall, bokstaver, ord eller bilder. Minne, på den annen side, refererer til evnen til å lagre informasjon i hjernen og huske den raskt når det trengs. Det er en sterk sammenheng mellom de to, ettersom sekvensiell hukommelse er et viktig middel for å trene og forbedre hukommelsen.

En person med god hukommelse har vanligvis en god sekvensiell hukommelsesevne, de kan huske mye informasjon raskt og nøyaktig og kan gripe det når de trenger det. Slike talenter gjør dem mer nyttige i dagliglivet, for å lykkes med ulike utfordringer i jobb og liv.

Samtidig kan vi også forbedre hukommelsen vår ved å øve på sekvensminne. Enten det er tall, bokstaver, ord eller bilder, bare når vi øver, memorerer, gjennomgår og konsoliderer hele tiden kan vi etterlate et dypt inntrykk i underbevisstheten og styrke hukommelsesevnen vår.

Det er verdt å nevne at i tillegg til å forbedre hukommelsen gjennom sekvensiell hukommelse, kan vi også styrke hukommelsen gjennom noen andre metoder. Tren for eksempel mer, opprettholde god søvn, spis et balansert kosthold, lær ny kunnskap og så videre. Disse kan hjelpe hjernen vår til å fungere normalt, og dermed forbedre hukommelsen vår.

For å oppsummere er sekvensielt minne og minne nært beslektet, og det er et komplementært forhold mellom dem. Gjennom kontinuerlig øvelse og forbedring kan vi forbedre hukommelsen i stor grad, slik at vi bedre kan håndtere ulike utfordringer og nyte et fargerikt liv. Det kan sees at vi trenger å forbedre hukommelsen vår. Cistanche kan forbedre hukommelsen vår betydelig fordi Cistanche er et tradisjonelt kinesisk medisinsk materiale med mange unike effekter, hvorav en er å forbedre hukommelsen. Effekten av kjøttdeig kommer fra en rekke aktive ingredienser den inneholder, inkludert karboksylsyre, polysakkarider, flavonoider, etc. Disse ingrediensene kan fremme helsen til hjernen gjennom ulike kanaler Kjøtt Qingmeng har antioksidanter, anti-inflammatorisk og konkurransehemmende effekter.

Klikk vet måter å forbedre hukommelsen

Likevel er lite kjent om hjernemekanismene som ligger til grunn for gjenkjennelsen av tidligere memorerte versus nye tidssekvenser. Dessuten er den differensielle hjernebehandlingen av enkeltelementer i en auditiv tidssekvens sammenlignet med hele den overordnede sekvensen ikke fullt ut forstått.

I denne magnetoencefalografistudien (MEG) ble elementene i den tidsmessige sekvensen uavhengig knyttet til lokal og rask (2–8 Hz) hjernebehandling, mens hele sekvensen var assosiert med samtidig global og langsommere (0.1– 1 Hz) prosessering som involverer et utbredt nettverk av sekvensielt aktive hjerneregioner. Spesielt var gjenkjennelsen av tidligere memorerte tidssekvenser assosiert med sterkere aktivitet i langsom hjernebehandling, mens de nye sekvensene krevde en større involvering av raskere hjernebehandling.

Samlet sett utvider resultatene seg på velkjent informasjonsflyt fra lavere til høyere ordens hjerneregioner. De avslører den differensielle involveringen av langsom og raskere prosessering av hele hjernen for å gjenkjenne tidligere lært versus ny tidsmessig informasjon.

Nøkkelord:

Tidsmessige sekvenser; minnegjenkjenning; magnetoencefalografi; hjernens dynamikk; kilderekonstruksjon.

Introduksjon

Gjennom årene har forståelse av minne for sekvenser vært et sentralt tema innen nevrovitenskap og kognitiv vitenskap (Förstl et al. 2006; Kumar og Anand 2015), som gjennomgått i en nøkkelartikkel av Dehaene et al. (2015). Her foreslår forfatterne en taksonomi av prosesseringsmekanismene for tidssekvenser, arrangert i fem kategorier med økende kompleksitet: (i) kunnskap om overgang og timing mellom påfølgende elementer i sekvensen, (ii) oppdeling av sammenhengende elementer i sekvensen, (iii) ) ordinær kunnskap om hvilket element som kommer først, (iv) algebraiske mønstre som fanger komplekse regelmessigheter i en sekvens, og (v) nestede trestrukturer basert på abstrakte symbolske regler.

Den første kategorien refererer til behandlingen av overgangen fra ett element i sekvensen til det neste. Denne forskningen har identifisert flere automatiske hendelsesrelaterte potensialer/felt (ERP/F) til standard og avvikende lyder, for eksempel den velkjente N100 og mismatch negativity (MMN), som viser at hjernen raskt kan oppdage endringer i regelmessigheten til sekvenser (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, 202 et al.; , Brattico, Vuust, et al. 2021c).

Chunking refererer til muligheten til å gruppere sammenhengende elementer i en større enkelt enhet.

Tidligere studier på enkeltcellenivå har vist at chunking oppstår under tilegnelse av motoriske vaner (Fujii og Graybiel 2003; Smith og Graybiel 2013; Jin et al. 2014).

Lignende studier med funksjonell magnetisk resonansavbildning (fMRI) bekreftet disse resultatene, noe som tyder på en hierarkisk organisering i chunking når motoriske tidssekvenser læres (Koechlin og Jubault 2006).

De nevrale korrelatene til auditiv chunking ble videre undersøkt av ytterligere studier. For eksempel, Kalm et al. (2012) brukte fMRI for å utforske den auditive kodingen av grupperte og ugrupperte lister med bokstaver, og fremhevet at en stor aktivering av de auditive cortex, premotoriske og prefrontale hjerneområdene var assosiert med overskredet minnespenn under koding.

I tillegg, ved hjelp av elektroencefalografi (EEG), Ding et al. (2018) oppdaget at nevral koding av individuelle auditive hendelser (dvs. stavelser) var automatisk, mens kunnskapsbasert konstruksjon av tidsmessige biter (dvs. ord) var avhengig av oppmerksomhet.

Utover chunking beskriver ordenskunnskap kapasiteten til å lære og huske hvilket element som kommer først, nummer to, og så videre, i den tidsmessige sekvensen. Tidligere studier har vist at det ordinære arrangementet av en serie elementer er kodet av hjernen innenfor de intraparietale og dorsolaterale prefrontale cortexene (Terrace et al. 2003; Berdyyeva og Olson 2010; Crowe et al. 2014).

Algebraiske mønstre refererer til de abstrakte skjemaene som er lagret i hjernen, som gjør det mulig å fange sekvensielle regelmessigheter som ligger til grunn for en sekvens av elementer. Tidligere forskning antydet at hjernen behandler de algebraiske mønstrene til sekvenser, og forstår et høyere nivå av abstrakte regulariteter enn elementære sekvenser med sensoriske avvik (Endress et al. 2009; Wang et al. 2015).

Til slutt blir nestede trestrukturer generert av symbolske regler, som ofte er innebygd i hverandre. Tidligere studier har fremhevet følgende nettverk av hjerneregioner som er involvert i å behandle komplekse språklige mønstre organisert i nestede 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 tidssekvenser kom fra forskning innen auditiv og talebehandling. Dette foreslo samtidige hjernemekanismer som ligger til grunn for forståelsen av lyder og menneskelige språk. For eksempel, Teng et al. (2017) viste den samtidige rollen til teta- og gammafrekvensbånd under auditiv prosessering, i samsvar med hypotesen om "asymmetrisk sampling i tid" (AST) foreslått av Poeppel (2003). I en annen studie som undersøkte talebehandling, avslørte forfattere at mens theta-aktivitet var begrenset til den auditive cortex, oppsto deltabåndet i nedstrøms auditive regioner, og ble modulert av usikkerheten til stimuli (Donhauser og Baillet 2020).

Til sammen ga disse utmerkede studiene en detaljert, men ikke-uttømmende gjennomgang av hjernemekanismene som ligger til grunn for behandlingen av tidsmessige sekvenser og mønstre. Spesielt, mens gjennomgangen demonstrerte hvordan elementer er delt inn og organisert i abstrakte regler gjennom samtidige mekanismer, undersøkte den ikke endelig tilfeller der den tidsmessige rekkefølgen til enkeltelementene gir opphav til et nytt, overordnet objekt (sekvens) preget av en ny persepsjon og mening, som kan kodes og deretter hentes eller gjenkjennes. Musikalske melodier er ideelle eksempler på slike sekvenser siden, avhengig av kombinasjonen av lydene deres (gjenstandene) over tid, blir de oppfattet som nye objekter som formidler betydninger som ikke kunne bæres av enkeltlydene alene (Cooke 1959).

Spesielt, selv om musikknevrovitenskap har utvidet seg raskt i løpet av de siste tiårene, er svært lite kjent om de raske hjernemekanismene som ligger til grunn for gjenkjennelsen av musikalske tidssekvenser. Omvendt har forskning i nevrovitenskapen om musikalsk hukommelse gitt oss annen, høyst relevant kunnskap. For eksempel, i en fMRI-studie, ga Gaab et al. (2003) ba deltakerne om å sammenligne lyder preget av ulike tonehøyder.

Forfatterne avslørte aktivitet, spesielt i de øvre temporale, supramarginale og venstre underordnede frontale cortexene når deltakerne fullførte oppgaven. Mer nylig har Kumar et al. (2016) viste den relevante rollen til den primære auditive cortex, hippocampus og inferior frontal gyrus samt deres tilkoblingsmuligheter for å utføre auditive WM-oppgaver.

Tilsvarende har Sikka et al. (2015) ba deltakerne om å gjenkjenne kjent eller ukjent musikk, og viste at vellykket fremføring var assosiert med aktivering av høyre øvre temporale, bilaterale inferior og superior frontale, venstre midtre orbitofrontale, bilaterale presentrale og venstre supramarginale cortex. Foruten fMRI, har noen få studier på musikalsk hukommelse blitt utført ved bruk av magnetoencefalografi (MEG).

For eksempel, Albouy et al. (2013, 2017) undersøkte hjerneaktivitet under hukommelsesbevaring, og viste at theta-oscillasjoner i hjernens dorsalstrøm av deltakere spådde deres evner til å utføre en auditiv WM-oppgave.

I en fersk studie, Bonetti, Brattico, Carlomagno, et al. (2021a), Bonetti, Bruzzone, Sedghi, et al. (2021b), Bonetti, Brattico, Vuust, et al. (2021c) viste at de første 220 ms med lydkoding presenterte et stort nettverk av sammenkoblede hjerneområder som Heschls og superior temporal gyri, frontal operculum, cingulate gyrus, insula, basalganglia og hippocampus. Spesielt var disse hjerneområdene like sentrale i nettverket, selv om den auditive cortex og insula presenterte sterkere aktivitet enn de andre områdene.

Avslutningsvis har tidligere forskning fremhevet hjernemekanismene som ligger til grunn for behandlingen av flere kategorier av tidssekvenser og musikalske lyder. Disse studiene undersøkte imidlertid ikke gjenkjennelsen av tidligere lærte tidssekvenser der rekkefølgen av enkeltelementene ga opphav til et nytt, overordnet, globalt objekt preget av ny persepsjon og mening, som oppsto fra musikalske sekvenser. Spesielt forblir de differensielle mekanismene knyttet til behandlingen av enkeltelementene i sekvensen (lokal prosessering) og minnegjenkjenning for sekvensen som helhet, nytt objekt (global prosessering) ikke fullt ut forstått. I vår studie, ved å dra nytte av MEG-dataene begrenset av anatomisk MR, tok vi opp disse spørsmålene.

Materialer og metoder

Deltakere

Studien omfattet 70 frivillige: 36 menn og 34 kvinner (aldersgruppe: 18–42 år, gjennomsnittsalder: 25,06 ± 4,11 år). Alle deltakerne var friske og rapporterte ingen tidligere eller nåværende alkohol- og narkotikamisbruk. Dessuten var de ikke under noen form for medisiner, erklærte at de ikke hadde noen tidligere nevrologisk eller psykiatrisk lidelse, og rapporterte å ha normal hørsel. Videre var deres økonomiske, utdanningsmessige og sosiale status homogen.\

De eksperimentelle prosedyrene ble utført i samsvar med Helsingfors-erklæringen – etiske prinsipper for medisinsk forskning og ble godkjent av den etiske komiteen i Region Midtjylland (De Videnskabsetiske Komitéer for Region Midtjylland) (Ref 1-10-72-411-17).

Eksperimentell design og stimuli

For å oppdage hjernesignaturen til temporal sekvensgjenkjenning brukte vi et gammelt/nytt paradigme (Kayser et al. 2003) auditiv gjenkjenningsoppgave under magnetoencefalografi (MEG)-opptak. Først lyttet deltakerne til fire repetisjoner av en MIDI-versjon av høyrehåndsdelen av hele preludiumet BWV 847 i c-moll komponert av JS Bach (total varighet på ca. 10 min).

For det andre ble de presentert for 80 korte musikalske utdrag som varte i 1250 ms hver og ble bedt om å oppgi om hvert utdrag tilhørte opptakten av Bach ("memorert" sekvens (M), gammel) eller om det var en ny musikalsk sekvens ("roman" sekvens (N), ny) (fig. 1A). Førti utdrag ble hentet fra Bachs stykke og 40 var nye.

Det er viktig at de to kategoriene av stimuli (M og N) ble skapt for å kunne skilles fra hverandre i gjenkjenningsoppgaven (dvs. de var alltid sammensatt av forskjellige musikalske toner), selv om de ble matchet mellom flere variabler, for å forhindre potensielle forvirringer. M og N ble matchet for volum, rytme, klang, meter, tempo, tonalitet, entropi (H) og informasjonsinnhold (IC).

Som nevnt ovenfor, besto de memorerte melodiene av utdrag fra Bachs preludium. I dette tilfellet valgte vi ett utdrag per musikalsk takt, som tilsvarte de fem første tonene i takten. Deretter komponerte vi de nye musikalske melodiene ved å bruke melodiske konturer og intervaller mellom tonene til melodiene som skilte seg fra de memorerte musikalske sekvensene hentet fra Bachs preludium. De 80 musikalske sekvensene er rapportert i notasjon i Fig. S1.

Fig. 1. Eksperimentell design, kilderekonstruksjon og enkeltelementkontraster. A) Etter å ha lyttet til et fullstendig musikalsk stykke komponert av JS Bach, ble deltakerne presentert for et sett med melodiske utdrag hentet fra stykket og en rekke nye melodier. Disse utdragene representerte tidsmessige sekvenser bygget av fem elementer (musikalske toner) som ble merket av deltakerne som "tidligere memorert" (M) eller "roman" (N) ved hjelp av en responsblokk. B) Under oppgaven ble deltakerens hjerneaktivitet registrert med magnetoencefalografi.

Her viser vi en grafisk skildring av nevrale data som ble forhåndsbehandlet, båndpassfiltrert i forskjellige frekvensbånd og epoket. Denne figuren viser analyser for to frekvensbånd (0.1–1 og 2–8 Hz) siden vi antok at disse to båndene var assosiert med den lokale og globale behandlingen av de tidsmessige sekvensene. C) Grafisk skildring av kilderekonstruksjon, beregnet uavhengig for 0.1–1 og 2–8 Hz. Spesielt 0.1–1 Hz indekserte gjenkjennelsen av hele sekvensen (global prosessering), mens 2–8 Hz viste de nevrale responsene til hvert element i sekvensen (lokal prosessering). D). Kontraster avslørte sterkere hjerneaktivitet for M versus N i 0.1–1 Hz (rød), spesielt for det tredje, fjerde og femte elementet.

En slik forskjell var lokalisert i et stort hjernenettverk bestående av cingulum, inferior temporal cortex, frontal operculum, insula og hippocampus. Motsatt ga kontraster for 2–8 Hz en samlet sterkere aktivitet for N versus M (blått), spesielt i den auditive cortex. De avbildede verdiene er t-verdier oppnådd ved å kontrastere hjerneaktiviteten til M mot N.

Når det gjelder IC og H, ble deres estimering gjort for hver tone av de lagrede (gjennomsnittlig IC: 5,70 ± 1,73, gjennomsnittlig H: 4,70 ± 0,33) og av de nye musikalske sekvensene (gjennomsnittlig IC: 5,92 ± 1,81, gjennomsnittlig H: 4,78 ± 0,35) ved å bruke Information Dynamics of Music (IDyOM) (Pearce 2018). Denne metoden bruker maskinlæring for å beregne en verdi av IC for målnoten basert på en kombinasjon av de foregående tonene til musikkstykket som utgjør målnoten og av et sett med regler utledet fra et stort utvalg av prototypiske vestlige musikkstykker. Dermed sørget vi for at den globale ICen til de musikalske sekvensene i våre to kategorier (M og N) var den samme.

På et formelt nivå tilsvarer IC det minste antall biter som kreves for å kode ei og er beskrevet av følgende ligning (1):

hvor p(ei|ei−1 (i−n)+1) er sannsynligheten for hendelsen ei gitt et tidligere sett med ei−1 (i−n)+1 hendelser.

Entropien gir et mål på usikkerheten/sikkerheten til den kommende hendelsen gitt det forrige settet med ei−1 (i−n)+1 hendelser og er

I følge ligning (2), hvis sannsynligheten for en gitt hendelse ei er 1, vil sannsynligheten for de andre hendelsene i A være 0. Dermed vil H også være lik 0 (scenario med maksimal sikkerhet). Omvendt, hvis hendelsene er like sannsynlige, vil H være maksimal (scenario med maksimal usikkerhet). Som konklusjon gir IDyOM et estimat av forutsigbarheten til hver musikalsk tone, og den har vist seg å samsvare med menneskelig persepsjon (Pearce 2018; Sears et al. 2018).

I MEG-analysen brukte vi bare de riktig gjenkjente forsøkene (gjennomsnittlig korrekt M: 78,15 ± 13,56 %, gjennomsnittlig reaksjonstid (RT): 1 871 ± 209 ms; gjennomsnittlig korrekt N: 81,43 ± 14,12 %, gjennomsnittlig RT: 1 915 ± 135 ms ).

Både preludium og utdrag ble laget ved å bruke Finale (MakeMusic, Boulder, CO) og presentert med presentasjonsprogramvare (Neurobehavioral Systems, Berkeley, CA). Etter innhenting av MEG-dataene, på samme eller en annen dag, ble deltakernes hjernestrukturbilder tatt ved bruk av magnetisk resonansavbildning (MRI).

For more information:1950477648nn@gmail.com