Kodingskontekster blir tilfeldigvis gjeninnsatt under konkurransedyktig henting og spor den tidsmessige dynamikken til minneforstyrrelser Del 1

Evnen til å huske en episode fra vår fortid hindres ofte av konkurranse fra lignende hendelser. Hvis vi for eksempel ønsker å huske artikkelen en kollega anbefalte under det siste laboratoriemøtet, må vi kanskje løse forstyrrelser fra andre artikkelanbefalinger fra samme kollega. Denne studien undersøker om de kontekstuelle funksjonene som spesifiserer kodingsepisodene tilfeldigvis gjeninnføres under gjenfinning av konkurrerende minne. Konkurranse mellom minner ble skapt gjennom AB/AC-interferensparadigmet.

For det første, i konkurrerende minnekonkurranser er god hukommelse avgjørende for deltakerne. Konkurransen krever at deltakerne husker mer informasjon i en viss periode, og nøkkelen til å vinne er hvem som husker mer informasjon og er mer nøyaktig. Derfor, hvis du vil vinne i den konkurrerende minnekonkurransen, må du ha en sterk hukommelse. Deltakere med høyt minne kan huske store mengder informasjon raskt og effektivt, noe som bidrar til å få en fordel i konkurransen.

For det andre kan konkurrerende minnekonkurranser også fremme forbedring av individuell hukommelse. Å delta i konkurransen krever mye trening, som å hele tiden trene på hukommelsen, forbedre hukommelseseffektiviteten, styrke konsentrasjonen og så videre. Disse øvelsene er nyttige for å trene personlig hukommelse og forbedre det personlige kognitive nivået. I den konkurrerende minnekonkurransen vil det å lære av andres gode erfaringer, og fortsette å lære og utvikle seg, gjøre deres hukommelsesevne ytterligere forbedret.

I tillegg kan konkurrerende minnekonkurranser også stimulere potensialet til enkeltpersoner. Som konkurranseidrett kan konkurransedyktig minnekonkurranse få deltakerne til å få sterkere selvtillit og konkurransepsykologi, stimulere personlig motivasjon og potensiale, og ytterligere forbedre hukommelsen og helhetlig kvalitet.

Kort sagt, det er en uløselig kobling mellom konkurrerende minne og minne. Å delta i konkurrerende minnekonkurranser kan fremme forbedring av personlig hukommelse, og kan også stimulere folks potensiale slik at de blir mer selvsikre, modige og seriøse. Derfor bør vi delta aktivt i konkurrerende minnekonkurranser og gjøre kontinuerlige fremskritt for å forbedre hukommelsen vår ytterligere. Så det er klart at vi må forbedre hukommelsen vår, og cistanche kan forbedre hukommelsen betydelig fordi kjøttsammenheng også regulerer balansen av nevrotransmittere, som økte nivåer av metakolin og vekstfaktorer, som er viktige for hukommelse og læring, og kjøttsammenheng forbedrer også blodstrøm og oksygentilførsel. Dette kan sikre at hjernen får tilstrekkelig næring og energi, og dermed forbedre hjernens vitalitet og utholdenhet.

Klikk på Know for å forbedre kognitiv funksjon

Individuelle ordpar ble presentert innebygd i en sakte drivende ekte-ord-lignende kontekst. Multivariat mønsteranalyse (MVPA) av elektroencefalografiske data med høy temporal oppløsning (EEG) ble brukt for å undersøke kontekstreaktivering under minneinnhenting. Atferdsmessig observerte vi proaktiv (men ikke tilbakevirkende) forstyrrelse; det vil si at ytelsen for AC konkurranseuthenting var dårligere sammenlignet med en kontroll DE ikke-konkurranseuthenting, mens AB-uthenting ikke led av konkurranse.

Neuralt ble proaktiv interferens ledsaget av en tidlig gjeninnsetting av konkurrentkonteksten, og interferensoppløsning ble assosiert med den påfølgende gjeninnsettingen av målkonteksten. Sammen gir disse funnene nye bevis som viser at kodingskontekstene til konkurrerende diskrete hendelser tilfeldigvis gjeninnføres under konkurranseuthenting, og at slik gjenoppretting sporer gjenfinningskonkurranse og påfølgende interferensløsning.

Nøkkelord:

Elektroencefalografi (EEG); episodisk minne; minne reaktivering; multivariat-mønsteranalyse (MVPA).

Introduksjon

Episodisk hukommelse lar oss reise tilbake i tid for å se tilbake på fortiden vår (Tulving 1983). Imidlertid hindres tilgang til en bestemt tidligere hendelse ofte av gjenfinningskonkurranse, som oppstår når gjenfinningssignaler overlapper med den ettertraktede hendelsen og andre lignende hendelser (Anderson 1974; Mensink og Raaijmakers 1988).

Teorier om gjeninnsetting av kontekst (f.eks. Estes 1955; Polyn et al. 2009; Howard og Kahana 2012; Howard 2017; Yonelinas et al. 2019; Kahana 2020) beskriver hvordan vår pågående erfaring representeres i hjernen ved binding av sakte drivende kontekstuell informasjon til diskrete hendelser. Følgelig tjener konteksthenting under episodisk erindring til å organisere fortiden vår. Imidlertid er lite kjent om rollen til konteksthenting under konkurransemessig huske. Det har nylig blitt antatt at kontekstuell informasjon kan fungere som en form for kognitiv kontroll som demper effekten av minneforstyrrelser i arbeidsminnet (Beukers et al. 2021).

I denne studien utnyttet vi multivariate mønsteranalyser (MVPA) av elektroencefalografiske data med høy tidsoppløsning (EEG) for å måle reaktiveringen av kontekstuelle detaljer under langsiktig episodisk erindring. Våre data gir nye bevis på at kontekstuell informasjon tilfeldigvis gjeninnsettes under konkurranseuthenting av diskrete hendelser, og at slik gjeninnsetting sporer konkurranse og interferensløsning.

Episodisk hukommelse er per definisjon kontekstavhengig (Estes 1955; Godden og Baddeley 1975; Polyn et al. 2009; Howard 2017) og tidligere studier indikerer at episodisk erindring innebærer gjeninnsetting av gjenstandene og de kontekstuelle trekk ved den opprinnelige hendelsen. Følgelig er det vist at hentingsuksess samvarierer med nevrale gjeninnsetting av målrelevante minnespor (Polyn et al. 2005; Staresina et al. 2012; Gordon et al. 2014; Jafarpour et al. 2014), som utløser gjenfinningssignaler. gjeninnsetting av kontekstuelle trekk som styrer atferd (Jiang, Bramão, et al. 2020a; Jiang, Wang, et al. 2020b), og at gjenfinning også kan reaktivere målirrelevante kontekstuelle trekk (Manning et al. 2011; Diana et al. 2013 ; Gershman et al. 2013; Miller et al. 2013; Staudigl et al. 2015; Folkerts et al. 2018; Herweg, Solomon, et al. 2020b). Nylig har Herweg, Sharan, et al. (2020a), og Herweg, Solomon, et al. (2020b) har vist at gjeninnsetting av romlig kontekst kan gå foran gjenfinning av gjenstander og at theta-oscillerende aktivitet, i den mediale tinninglappen, koordinerer den episodiske gjenfinningen av gjenstand og kontekst. Imidlertid har disse tidligere studiene undersøkt kontekstuell gjeninnsetting i ikke-konkurrerende gjenfinningsparadigmer.

Så langt er lite kjent om tilfeldig gjeninnsetting av kontekst under konkurranseuthenting. Gjenoppretting av kontekstuell informasjon under konkurrerende henting kan spille en viktig rolle ved å skille konkurrerende diskrete hendelser og derved redusere minneforstyrrelser. Interessant nok, Manning et al. (2016) fant mindre kontekstgjeninnsetting etter en rettet glemmeinstruksjon, noe som tyder på at tilsiktet glemsel aktivt vasker ut de kontekstuelle trekkene ved den siste hendelsen (Sahakyan og Kelley 2002).

I denne studien belyser vi hvordan gjeninnføring av kontekstuell informasjon skjer under konkurranseutnytting av diskrete hendelser. Tidligere arbeid har vist at minneinterferens er assosiert med tvetydige nevrale gjeninnsettingsmønstre og med engasjementet av frontoparietale kontrollprosesser som løser konkurranse mellom målminner (Wimber et al. 2009; Kuhl et al. 2011; Wimber et al. 2015). EEG-data indikerer at minneforstyrrelser er assosiert med positive frontale langsomme bølger (Johansson et al. 2007; Hellerstedt og Johansson 2014) og med økt frontal theta-aktivitet (Hanslmayr et al. 2010; Staudigl et al. 2010; Waldhauser et al. 2012), som sannsynligvis utløses av samtidig reaktivering av mål- og konkurrerende minnespor.

I denne studien bruker vi MVPA av EEG-data registrert under minneinnhenting for å undersøke den samtidige og tilfeldige reaktiveringen av kontekstene der mål og konkurrerende diskrete hendelser ble innebygd under koding.

Minneinterferens ble eksperimentelt indusert i et tilpasset AB/AC-paradigme (f.eks. Kuhl et al. 2011). Deltakerne kodet først nye cue-associate ordpar (AB) og senere overlappende assosiasjoner dannet ved å pare gjentatte cues med nye associates (AC). Ikke-overlappende nye ordpar (DE) fungerte som en ikke-konkurrerende kontrollbetingelse.

For å simulere den rike og komplekse naturen til episoder i den virkelige verden, ble de diskrete ordparene innebygd i en av tre multimodale filmkontekster (dvs. førstepersonsfilm om å være i et undervanns-, skog- eller bymiljø). Flere diskrete ordpar ble presentert innenfor den samme utvidede filmkonteksten, noe som muliggjorde simulering av den sakte drivende naturen til virkelige kontekster (Stark et al. 2018). Kritisk nok ble ordparene AB, AC og DE kodet med forskjellige filmer, noe som muliggjorde kvantifisering av kontekstgjenoppretting ved henting (fig. 1A). Deltakerne ble bedt om å lære de sammenkoblede medmennesker med hensikt, mens konteksten var tilfeldig for minneoppgaven (Smith og Vela 2001; Stark et al. 2018).

En mønsterklassifiserer ble trent under koding for å diskriminere de oscillerende hjerneaktivitetsmønstrene knyttet til de forskjellige dynamiske kontekstene (fig. 1B). Ved henting ble deltakerne presentert for et ordsignal (enten A eller D i et spesifikt par), etterfulgt av presentasjon av en førstebokstavsonde, som indikerte hvem av medarbeiderne (enten B eller C eller E) som skulle tilbakekalling selektivt. Klassifikatoren ble brukt i løpet av gjenfinningen for å kvantifisere og avsløre den tidsmessige dynamikken til gjeninnsetting av mål- og konkurrentkontekst (fig. 1A, F).

Vi undersøkte først om de opprinnelige dynamiske kodingskontekstene (filmer), til tross for at de var tilfeldige for minneoppgaven, gjeninnsettes under gjenfinningen av de diskrete hendelsene (ordpar). I så fall spådde vi at ikke-konkurrerende gjenfinning, i motsetning til konkurrerende gjenfinning, ville være assosiert med gjeninnsetting av målkonteksten allerede i ord-cue-tidsvinduet. Ordet cue, i ikke-konkurrerende henting, er bare påtruffet i en enkelt kodehendelse; dermed kan den umiddelbart utløse henting av det ettertraktede minnesporet. Etter å ha etablert en måte å kvantifisere tilfeldig gjeninnsetting av kodingskonteksten, vender vi oss til vårt primære mål og måler den tidsmessige dynamikken til gjeninnsetting av mål- og konkurrentkontekst under konkurranseuthenting. Vi spådde at 1) gjenfinningskonkurranse ville være assosiert med samtidig reaktivering av målet og konkurrerende kontekster eller uten reaktivering fordi begge kontekstene konkurrerer om reaktivering og verken vinner og 2) at påfølgende interferensoppløsning vil være assosiert med fremveksten av et sterkere mål i forhold til gjeninnsetting av konkurrentkontekst i sondetidsvinduet (fig. 1A, F).

Materialer og metoder

Deltakere

Tretti menneskelige deltakere deltok i studien (gjennomsnittlig 22 år gammel, intervall 19–29; 17 kvinner). Alle deltakerne var høyrehendte, svenske som morsmål, og rapporterte ingen historie med nevrologiske eller psykiatriske sykdommer. Deltakerne mottok en kinobillett som kompensasjon for at de meldte seg frivillig til å delta i studien. Studien ble utført av den svenske loven om etisk granskning av forskning som involverer mennesker. Deltakerne ga skriftlig informert samtykke, og studien fulgte de lokale etiske retningslinjene ved Lunds universitet.

Stimuli materialer

Ett hundre og førti-fire-ord trillinger ble brukt i eksperimentet. Ordene var alle konkrete ord valgt fra et svensk språkkorpus (Borin et al. 2012). Ordene i en trilling inneholdt forskjellige forbokstaver og hadde ingen åpenbar assosiasjon med hverandre. Trillingene ble delt inn i to lister, matchet etter lengde og frekvens (alle Ps > 0,4), på 72 trillinger hver. Hver liste ble tildelt en spesifikk eksperimentell tilstand (konkurrerende AB og AC, og ikke-konkurrerende DE). Tre versjoner av hver liste ble laget der statusen til hvert ord i tripletten ble rotert på tvers av signal, mål og konkurrent. For å sikre at forskjeller mellom forhold ikke skyldes forskjeller i ordmaterialet, ble tildelingen av ordlistene motvekt på tvers av eksperimentelle forhold og deltakere.

Tre filmkontekster i førstepersonsperspektiv ble brukt i eksperimentet: 1) dykking under vann, 2) gå i en skog og 3) kjøre bil i New York City. For å optimalisere multivariat mønsterklassifisering brukte vi kontekster som var perseptuelt og semantisk forskjellige fra hverandre.

Eksperimentell design og prosedyrer

Det komplette eksperimentet bestod av 18 blokker, hver inkluderte en kodingsfase, en 30-s counting-backback distractor-oppgave og en gjenfinningsfase. I kodingsfasen (fig. 1A) ble deltakerne presentert med ordpar-medarbeidere innebygd i en film. Hvert ordpar ble presentert i 3 s mellom filmsegmenter som varte i 6–9 s. For å skape sterke minnerepresentasjoner, ble deltakerne bedt om å lære seg de sammenkoblede medarbeiderne og visualisere dem i sammenheng med filmer. Legg merke til at filmkonteksten var tilfeldig til minneoppgaven (dvs. assosiasjonen mellom kontekst og ordpar var ikke et eksplisitt læringsmål) (Smith og Vela 2001; Stark et al. 2018).

De første deltakerne ble presentert for fire nye signalmedarbeidere (AB-ordpar). For å skape minneforstyrrelser, kodet deltakerne deretter ordpar som inneholder en gjentatt pekepinn paret med en ny tilknytning (AC-ordpar). Til slutt ble det også presentert et eget sett med fire nye signal-medarbeidere (ikke-konkurrerende DE-ordpar), ikke etterfulgt av overlappende par. Kritisk nok, for å kunne spore reaktiveringen av mål kontra tilfeldige funksjoner, var filmene assosiert med AB, AC og DE ordpar forskjellige. Filmens tilordning til eksperimentelle forhold (AB, AC og DE) ble oppveid blant deltakere på tvers av de forskjellige eksperimentelle blokkene. Dermed ble hver film brukt like ofte i de tre eksperimentelle forholdene over hele eksperimentet. Dette sikrer at den MVPA-baserte klassifiseringen er basert på reaktivering av filmkontekstene snarere enn på kravene til AB/AC/DE-eksperimentelle forhold. Presentasjonsrekkefølgen til AB-, AC- og DE-ordparene ble balansert på tvers av blokker, med den begrensningen at AB-ordpar alltid gikk foran AC-ordpar.

I gjenfinningsfasen ble minnet for alle de 12 presenterte ordparene testet i en cued-recall-oppgave (dvs. de fire AB-ene, fire AC-ene og fire DE-ene). Deltakerne ble først testet på alle fire DE-ordparene, sammen med to AB og ytterligere to AC tilfeldig utvalgte ordpar. Rekkefølgen på disse første åtte ordparene var tilfeldig. Betydelig nok var den presenterte EEG-analysen begrenset til å hente disse første åtte ordparene for å sikre at hver cue ble brukt bare én gang. På slutten av gjenfinningsblokken ble også minneytelsen for de fire konkurrentforeningene testet (dvs. AB/AC-målminnetesten ble fulgt av en AC/AB-konkurrentminnetest). Gjenfinningsforsøket startet med presentasjon av et fikseringskryss i 2 s, etterfulgt av produksjon av ordet cue (As eller Ds) i ytterligere 2 s.

Den første bokstaven i det sammenkoblede ordet (sonden) ble deretter presentert i 3 s og deltakerne ble bedt om å hente målmedarbeideren (halvparten av B-ene og C-ene og alle E-ene). Kodingskonteksten ble ikke signalisert, nevnt eller på noen annen måte gjort relevant for gjenfinningsoppgaven. På slutten av hver henteblokk ble deltakerne bedt om å hente konkurrentene (de gjenværende C-ene og B-ene). Deltakerne svarte muntlig, og deres respons ble registrert av eksperimentatoren. For å unngå muskelartefakter i EEG-dataene, ble deltakerne bedt om å holde tilbake svarene sine til presentasjonen av et spørsmålstegn.

EEG-registrering og forbehandling

EEG ble registrert kontinuerlig ved bruk av en SynAmps RT Neuroscan-forsterker (1 kHz samplingshastighet; venstre mastoidreferanse; båndbredde DC-3500 Hz; 24-bitoppløsning) fra 62 aktive elektroder montert i en elastisk hette og plassert iht. til det utvidede 10–20-systemet. EEG-dataene ble forhåndsbehandlet ved hjelp av FieldTrip (Oostenveld et al. 2011) og in-house MATLAB-skript. Offline ble dataene nedsamplet til 500 Hz og delt inn i to forskjellige epoker av interesse: en kodings- og en gjenfinningsepoke. Kodingsdataene ble hentet ut fra en epoke som spenner fra -1 til 7 s i forhold til begynnelsen av filmen, for å brukes til trening av mønsterklassifiserere for å skille filmkontekstene. Innhentingsepoken ble opprettet ved å velge data fra -2 til 6 s i forhold til begynnelsen av ordet cue. Disse dataene ble brukt til å teste nevrale mønsterklassifiserere, det vil si å vurdere gjenoppretting av filmkonteksten, og for å utføre en standard univariat tids-frekvensanalyse.

De epokede dataene ble transformert til en koblet mastoidreferanse og baseline korrigert (subtraksjon med gjennomsnittlig amplitude av epoken). I tillegg ble bipolare elektrookulogrammålinger beregnet ved å bruke FP1-elektroden og en elektrode plassert under venstre øye, og FT9- og FT10-elektrodene i hetten for å oppdage henholdsvis vertikale (blinker) og horisontale øyebevegelser. EEG-epoker ble fysisk inspisert og de som inneholdt muskler eller andre artefakter, ikke relatert til blink og horisontale øyebevegelser, ble fjernet manuelt. Uavhengig komponentanalyse ble utført og komponenter som representerte oculomotoriske artefakter og muskelaktivitet forskjellig fra EEG-signalet ble fjernet. I tillegg ble kanaler med konsistent støy på tvers av deltakerne fjernet fra analysen (FT9/FT10), eventuelle gjenværende dårlige kanaler (hvis noen) ble interpolert, og dataene ble igjen visuelt inspisert for å fjerne eventuelle forsøk som inneholdt gjenværende artefakter. Den endelige analysen inkluderte et gjennomsnitt på 34 AB-forsøk (som varierer mellom 30 og 36 forsøk), 34 AC-forsøk (som varierer mellom 29 og 36 forsøk) og 66 DE-forsøk (som varierer mellom 51 og 72 forsøk) per deltaker.

Tid-frekvens nedbrytning

Signalene fra individuelle forsøk ble transformert til tids-frekvensrepresentasjoner (TFR). TFR-er ble oppnådd for frekvenser fra 4 til 45 Hz, med et frekvenstrinn på 1 Hz, et tidstrinn på 0.05 s, og en wavelet-bredde på 5 sykluser, ved å bruke den komplekse Morlet wavelet-transformasjonen som implementert i FieldTrip. Hjerneoscillerende aktivitet har tidligere blitt brukt til å trene mønsterklassifiserere til å skille ut mnemoniske representasjoner (Jafarpour et al. 2014; Bramão og Johansson 2018) og antas å støtte kjernemekanismene for episodisk minne (Hanslmayr og Staudigl 2014; Hanslmayr et al. 2016; Schreiner og Staudigl 2020).

Statistisk analyse og multivariat mønsterklassifisering

Vi trente en klassifiserer til å diskriminere mønstre av hjerneaktivitet knyttet til kontekstfilmene ved koding. MVPA ble utført ved hjelp av en støttevektormaskin (SVM), med en lineær kjerne, og en en-mot-alle-strategi, som implementert i MATLAB bioinformatikkverktøykassen og etter foreslåtte protokoller i litteraturen (Jafarpour et al. 2013). Mønsterklassifikatorene ble trent på gjennomsnittlig TFR gjennom hver 6-s filmpresentasjon under kodingsfasen (Merk: for perioder der filmer var til stede i opptil 9 s, ble de første 6 s brukt til analyse). Klassifisererne brukte TFR fra 60 kanaler, og dermed ble klassifisereren trent på 2520 mulige funksjoner (60 kanaler ∗ 42 frekvenser). Ingen ytterligere grunnlinjekorreksjon ble utført på TFR; i stedet ble kraften ved hver frekvens og kanal normalisert på tvers av forsøk (Jafarpour et al. 2013). Klassifiseringen ble utført ved bruk av TFR-signalet fra gjennomsnittlig 63 forsøk som tilsvarer undervannskonteksten (rekkevidde 53–71), 64 som tilsvarer skogkonteksten (rekkevidde 54–71), og 64 som tilsvarer bykonteksten (rekkevidde 54– 72). Vi brukte en 10-fold kryssvalideringsprosedyre for å teste klassifisereren ved koding. Det vil si at dataene ble randomisert og delt inn i 10 omtrent like store delsett, over hvilke 10 treningstestiterasjoner ble utført. Hver partisjon ble brukt som testsett én gang, med de resterende ni partisjonene brukt til å trene klassifisereren i den folden. I hver kryssvalideringsiterasjon ble modellen brukt til å forutsi kategorien for utelatte forsøk.

For å visualisere bidraget til hver kanal og frekvens til klassifiseringsytelse, kjørte vi klassifiseringstreningen på nytt i to analyser. Bidraget til individuelle kanaler ble vurdert ved en søkelysanalyse i det romlige domenet. Den samme klassifiseringsprosedyren ble gjentatt, men inkluderte bare målkanalen og dens tilstøtende naboer (gjennomsnittlig syv, mellom fire og åtte kanaler). Analogt ble bidraget til hver frekvens vurdert ved å kjøre klassifisering på nytt ved å bruke målfrekvensen og tilstøtende frekvenser (tre frekvenser bortsett fra minimums- og maksimumsfrekvensen der bare to frekvenser ble brukt). Klassifiseringsytelsen ble allokert til målkanalen og målfrekvensen og ble sammenlignet med tilfeldigheter (33,3 %). Klassifiseringsnøyaktighet som overlevde Bonferroni-korreksjon er rapportert (korrigert P-verdi for frekvenser: 0.05/42 sammenligninger=0.0012; korrigert P-verdi for kanaler: 0.05/60 sammenligninger=0.0008).

Mønsterklassifikatoren bygget og kryssvalidert med kodingsdataene ble deretter brukt til å forutsi målets kodingskontekst basert på gjenfinningsdataene (dvs. konteksten til målordet som skal hentes) i forsøk der deltakerne viste vellykket målinnhenting samt for forsøk der deltakerne ikke klarte å hente målet. Testingen ble utført ved 85 separate tidsbeholdere, fra −0.2 til 4 s i forhold til ord-cue-start, med 0.05-s intervaller, som dekker både signalet og probe tidsvindu.

Hver klassifiseringsiterasjon produserte en forvirringsmatrise som oppsummerer klassifiseringsresultatet. Radene i matrisene representerer de sanne kontekstkategoriene, mens kolonnene representerer de predikerte kontekstkategoriene. Klassifiseringen i forvirringsmatrisen på et gitt sted (r, c) uttrykker antall observasjoner med merke r som klassifisereren merket som c. Verdier på diagonalen til matrisen (r=c) tilsvarer de riktige klassifiseringene der den sanne og den predikerte kategorien er den samme. Ettersom klassifisering i denne studien involverte et balansert antall observasjoner per kategori, delte vi hvert element i forvirringsmatrisen med summen av raden slik at hver rad summerer til én. Klassifiseringsnøyaktighet, definert som prosentandelen av klassifiseringsforsøk som korrekt predikerte kategorien for observasjonen, ble beregnet som gjennomsnittet av diagonalen til forvirringsmatrisen i gjennomsnitt over kryssvalideringsiterasjoner og deltakere.

For å bestemme den statistiske signifikansen av den observerte klassifiseringsnøyaktigheten, genererte vi nullfordelingen for hver deltaker ved å utføre klassifiseringer med stokkede data. For å teste signifikansen av klassifiseringen ved koding utførte vi 100 iterasjoner og for å teste den statistiske signifikansen av replayen ved henting gjennomførte vi 1000 iterasjoner (for å ta høyde for det økte antallet datapunkter ved henting). Ved hver iterasjon ble etikettene for kontekstfilmene blandet. Dermed ga hver iterasjon en distribusjon som ikke inneholdt noen sann informasjon om kategorien til filmen, men bevarte generell jevnhet og andre statistiske egenskaper. For å korrigere for flere sammenligninger og teste den statistiske påliteligheten til klassifiseringen oppnådd under koding, sammenlignet vi klassifiseringen mot den gjennomsnittlige klassifiseringen oppnådd med de blandede dataene.

For å korrigere for flere sammenligninger og teste den statistiske påliteligheten til klassifiseringen som ble oppnådd under henting, utførte vi en en-prøve t-test for hver av de 1000 iterasjonene som sammenlignet klassifiseringsytelse med tilfeldighet (33.3) %). Fordelingen av t-testene som ble oppnådd med de stuff-ledede dataene dannet den ikke-parametriske empiriske nullfordelingen, og 97,5 og 2,5 persentilene til denne fordelingen ble brukt som signifikansgrense for en tosidet test, som tilsvarer en signifikansgrense på 0,05. Klassifiseringsytelsen ved henting ble jevnet ut ved å bruke et glidende gjennomsnitt med en størrelse på 0,1 s for visning og for beregning av t-testen av den ikke-parametriske fordelingen. Klassifiseringsnøyaktighet ble ansett som signifikant dersom t-verdien oppnådd ved sammenligning av klassifisering mot tilfeldighet (33,3 %) var høyere enn terskel-t-verdien oppnådd i permutasjonstesten (Osipova et al. 2006; Johnson et al. 2015).

I tillegg ble resultatene av denne første permutasjonen bekreftet med en Monte Carlo permutasjonstest med en korreksjon for falsk oppdagelsesrate (FDR) som implementert i FieldTrip (Oostenveld et al. 2011). Her ble type-1-feilen kontrollert ved å finne den FDR-korrigerte P-verdien på hvert tidspunkt. En nullfordeling av dataene ble beregnet ved å randomisere dataene 1000 ganger på tvers av datapunkter for hver deltaker. Ved hver permutasjonsiterasjon ble det utført en t-test som kontrasterte klassifiseringen i de blandede dataene mot tilfeldigheter (33,3 %). FDR ble brukt til å estimere sannsynligheten for å få et falskt positivt resultat gitt de observerte positive resultatene blant referansenullfordelingen, tatt i betraktning en terskel på P < 0,05. Bare resultater som var signifikante i begge tilnærmingene er rapportert.

Forholdet mellom gjenoppretting av kontekst og gjenfinning av minne

For å undersøke forholdet mellom gjeninnsetting av kontekst og episodisk erindring, undersøkte vi klassifiseringsnøyaktighet under henting som en funksjon av minneytelse. Klassifiseringsnøyaktighet for vellykkede og mislykkede gjenfinningsforsøk ble kontrastert for tidsintervallene der signifikant gjenspill ble observert i forrige trinn. Kritisk, for å unngå skjevhet på grunn av statistisk ikke-uavhengighet, implementerte vi en kryssvalideringsprosedyre for la-ett-fag ut (LOSO) (Esterman et al. 2010). Dette ble gjort ved å kontrastere klassifikatorene, trent og testet på data fra alle de andre deltakerne, mot tilfeldigheter (33,3 %) ved å bruke en en-utvalgs t-test og evaluere den med tersklene for den oppnådde nullfordelingen.

Dette tillot oss å identifisere, for hver av de utelatte deltakerne, tidsbeholderne som viste klassifisering forskjellig fra tilfeldigheter gjennom gjenfinningsepoken. For å velge de spesifikke tidsbeholderne for hver av de utelatte deltakerne, identifiserte vi klassifikatorene som viste betydelig gjentakelse i et tidsintervall innenfor 0.2 s over og under tidsvinduet identifisert i forrige trinn. De identifiserte tidsbeholderne ble brukt til å trekke ut klassifiseringsnøyaktigheten for vellykkede og mislykkede forsøk for den utelatte deltakeren. Utenfor disse forhåndsdefinerte tidsvinduene observerte vi ingen annen konsekvent signifikant klassifisering på tvers av iterasjoner. Viktigere, ved å bruke denne prosedyren unngikk vi sirkularitet i analysen da uavhengige data ble brukt til å velge tidsvinduene for å kontrastere minnereplayet i vellykkede og mislykkede forsøk.

For noncompetitive memory retrieval, a two-tailed paired sample t-test compared the mean classification accuracy for successful and unsuccessful retrieval trials. Additionally, for competitive retrieval, we further investigated the classifier evidence for target, competitor, and DE noncompetitive context as a function of memory performance. We entered the classifier accuracy, for the time bins where reliable replay was observed, in a repeated-measure analysis of variances (ANOVA) with the factors Memory Performance (successful vs. unsuccessful) and Context (target vs. competitor). The DE noncompetitive retrieval was excluded from the analysis to not violate the dependent-variable independence assumption of ANOVA. Only significant effects and interactions are reported. For these analyses, we only included participants with a sufficient number of trials per condition (>10 forsøk per tilstand).

For more information:1950477648nn@gmail.com