이전에 학습된 시간 순서와 새로운 시간 순서의 뇌 인식: 차등 동시 처리 1부
Aug 11, 2023
시퀀스에 대한 기억은 신경과학의 핵심 주제이며, 수십 년 동안의 연구를 통해 시간이 지남에 따라 확장된 광범위한 시퀀스 코딩의 기본이 되는 신경 메커니즘을 조사했습니다.
순차기억은 사람들이 숫자, 문자, 단어, 그림과 같은 일련의 정보를 기억할 수 있음을 의미합니다. 반면에 기억이란 정보를 뇌에 저장했다가 필요할 때 빠르게 불러내는 능력을 말합니다. 순차 기억은 기억력을 훈련하고 향상시키는 중요한 수단이기 때문에 둘 사이에는 강한 연관성이 있습니다.
기억력이 좋은 사람은 대개 순차기억 능력이 좋아 많은 정보를 빠르고 정확하게 기억하고 필요할 때 파악할 수 있다. 이러한 재능은 일상 생활에서 더욱 유용하고 일과 삶의 다양한 도전에 성공적으로 대처할 수 있도록 해줍니다.
동시에 시퀀스 기억을 연습함으로써 기억력을 향상시킬 수도 있습니다. 숫자든, 문자든, 단어든, 그림이든 끊임없이 연습하고, 암기하고, 복습하고 통합해야 잠재의식에 깊은 인상을 남기고 기억력을 강화할 수 있습니다.
순차 메모리를 통해 메모리를 향상시키는 것 외에도 몇 가지 다른 방법을 통해 메모리를 강화할 수도 있다는 점은 언급할 가치가 있습니다. 예를 들어, 운동을 더 많이 하고, 잠을 잘 자고, 균형 잡힌 식사를 하고, 새로운 지식을 배우는 등의 일을 하십시오. 이는 우리의 뇌가 정상적으로 기능하는 데 도움을 주어 기억력을 향상시킬 수 있습니다.
정리하자면, 순차기억과 기억은 밀접하게 연관되어 있으며, 상호보완적인 관계가 있다. 지속적인 연습과 개선을 통해 우리는 기억력을 크게 향상시켜 다양한 문제에 더 잘 대처하고 다채로운 삶을 누릴 수 있습니다. 기억력을 향상시켜야 함을 알 수 있습니다. 시스탄체는 우리의 기억력을 크게 향상시킬 수 있습니다. 왜냐하면 시스탄체는 많은 독특한 효과를 지닌 중국의 전통 약재이기 때문입니다. 그 중 하나는 기억력을 향상시키는 것입니다. 다진 고기의 효능은 카르복실산, 다당류, 플라보노이드 등 포함된 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 경로를 통해 뇌의 건강을 촉진할 수 있습니다. 고기 청몽에는 항산화, 항염, 항경쟁 효과가 있습니다. 효과.
그러나 이전에 기억된 시간적 순서와 새로운 시간적 순서의 인식을 뒷받침하는 뇌 메커니즘에 대해서는 알려진 바가 거의 없습니다. 더욱이, 전체 상위 시퀀스와 비교하여 청각 시간 시퀀스의 단일 항목에 대한 차등 뇌 처리는 완전히 이해되지 않았습니다.
이 자기뇌파검사(MEG) 연구에서 시간 순서의 항목은 국소적이고 빠른(2~8Hz) 뇌 처리와 독립적으로 연결되는 반면, 전체 순서는 동시에 전역적이고 느린(0.1~ 1Hz) 순차적으로 활성화되는 뇌 영역의 광범위한 네트워크를 포함하는 처리입니다. 특히, 이전에 기억된 시간 순서의 인식은 느린 뇌 처리의 더 강한 활동과 관련이 있는 반면, 새로운 순서는 더 빠른 뇌 처리의 더 큰 참여를 요구했습니다.
전반적으로, 결과는 하위 뇌 영역에서 상위 뇌 영역으로 잘 알려진 정보 흐름을 확장합니다. 그들은 이전에 학습된 정보와 새로운 시간 정보를 인식하기 위해 느리고 빠른 전체 뇌 처리의 차별적인 참여를 보여줍니다.
키워드:
시간적 시퀀스; 기억인식; 자기뇌파검사; 뇌 역학; 소스 재구성.
소개
Dehaene et al.의 주요 논문에서 검토한 바와 같이, 시퀀스에 대한 기억을 이해하는 것은 수년에 걸쳐 신경과학과 인지 과학의 중심 주제였습니다(Förstl et al. 2006; Kumar and Anand 2015). (2015). 여기에서 저자는 복잡성이 증가하는 5가지 범주로 배열된 시간 시퀀스에 대한 처리 메커니즘의 분류를 제안합니다. (i) 시퀀스의 후속 항목 간의 전환 및 타이밍 지식, (ii) 시퀀스의 연속 항목 청크, (iii) ) 어떤 항목이 먼저 나오는지에 대한 순서적 지식, (iv) 수열 내의 복잡한 규칙성을 포착하는 대수적 패턴, (v) 추상적 기호 규칙을 기반으로 하는 중첩 트리 구조.
첫 번째 범주는 시퀀스의 한 항목에서 다음 항목으로의 전환 처리를 나타냅니다. 이 연구에서는 잘 알려진 N100 및 불일치 부정성(MMN)과 같은 표준 및 비정상적인 소리에 대한 여러 자동 이벤트 관련 전위/장(ERP/F)을 식별하여 뇌가 시퀀스 규칙성의 변화를 신속하게 감지할 수 있음을 입증했습니다. (Garrido 등 2009; Lijffijt 등 2009; Vuust 등 2012; Bonetti 등 2017, 2018; Bonetti, Brattico, Carlomagno 등 2021a; Bonetti, Bruzzone, Sedghi 등 2021b; Bonetti , Brattico, Vuust 등 2021c).
청킹이란 인접한 항목을 더 큰 단일 단위로 그룹화하는 기능을 의미합니다.
단일 세포 수준의 이전 연구에서는 운동 습관을 획득하는 동안 청킹이 발생하는 것으로 나타났습니다(Fujii 및 Graybiel 2003; Smith 및 Graybiel 2013; Jin et al. 2014).
기능적 자기공명영상(fMRI)을 사용한 유사한 연구에서는 이러한 결과가 확인되었으며, 이는 운동 시간 순서가 학습될 때 청킹의 계층적 조직이 있음을 시사합니다(Koechlin 및 Jubault 2006).
청각 청킹의 신경 상관 관계는 추가 연구를 통해 추가로 조사되었습니다. 예를 들어, Kalm et al. (2012)는 fMRI를 사용하여 그룹화 및 그룹화되지 않은 문자 목록의 청각 인코딩을 탐색했으며, 청각 피질, 전운동 및 전두엽 뇌 영역의 큰 활성화가 인코딩 중 초과된 메모리 범위와 관련이 있음을 강조했습니다.
또한 뇌파검사(EEG)를 사용하여 Ding et al. (2018)은 개별 청각 사건(즉, 음절)의 신경 인코딩이 자동으로 이루어지는 반면, 시간적 덩어리(즉, 단어)의 지식 기반 구성은 주의에 의존한다는 것을 발견했습니다.
청크 분할 외에도 서수 지식은 시간적 순서에서 어떤 항목이 첫 번째, 두 번째 등으로 나오는지 학습하고 기억하는 능력을 설명합니다. 이전 연구에서는 일련의 항목의 순서 배열이 두정내 및 등측 전전두엽 피질 내의 뇌에 의해 인코딩된다는 것을 입증했습니다(Terrace et al. 2003; Berdyyeva and Olson 2010; Crowe et al. 2014).
대수 패턴은 뇌에 저장된 추상 스키마를 말하며, 이를 통해 항목 시퀀스의 기본이 되는 순차적 규칙성을 포착할 수 있습니다. 이전 연구에서는 뇌가 시퀀스의 대수적 패턴을 처리하여 감각 편차가 있는 기본 시퀀스보다 더 높은 수준의 추상적 규칙성을 이해한다고 제안했습니다(Endress et al. 2009; Wang et al. 2015).
마지막으로, 중첩된 트리 구조는 종종 서로 내장되어 있는 기호 규칙에 의해 생성됩니다. 이전 연구에서는 왼쪽 상부 측두엽(STS), 중간 측두엽(MTG), 측두극(TP) 하전두회(IFG) 및 측두두정엽과 같이 중첩된 구조로 구성된 복잡한 언어 패턴을 처리하는 데 관여하는 뇌 영역 네트워크를 강조했습니다. 접합부(TPJ)(Mazoyer 외 1993; Saur 외 2010; Friederici 2011; Rolheiser 외 2011; Tyler 외 2011).
뇌가 시간 순서를 처리하는 방법에 대한 다른 관련 기여는 청각 및 음성 처리에 대한 연구에서 나왔습니다. 이는 소리와 인간 언어의 이해를 뒷받침하는 동시 뇌 메커니즘을 제안했습니다. 예를 들어, Teng et al. (2017)은 Poeppel(2003)이 제안한 "시간의 비대칭 샘플링"(AST) 가설과 일관되게 청각 처리 중 세타 및 감마 주파수 대역의 동시 역할을 보여주었습니다. 음성 처리를 조사한 또 다른 연구에서 저자는 세타 활동이 청각 피질로 제한되어 있는 반면 델타 밴드는 하류 청각 영역에서 시작되고 자극의 불확실성에 의해 조절된다는 사실을 밝혔습니다(Donhauser 및 Baillet 2020).
전체적으로, 이러한 우수한 연구는 시간 순서 및 패턴 처리의 기초가 되는 뇌 메커니즘에 대한 상세하지만 포괄적이지 않은 검토를 제공했습니다. 특히, 검토에서는 동시 메커니즘을 통해 항목이 추상적 규칙으로 어떻게 청크화되고 구성되는지 보여주었지만, 단일 항목의 시간적 순서가 새로운 인식을 특징으로 하는 새로운 상위 개체(순서)를 생성하는 사례를 결론적으로 조사하지는 않았습니다. 그리고 의미는 인코딩되어 나중에 검색되거나 인식될 수 있습니다. 음악적 멜로디는 시간이 지남에 따라 소리(항목)의 조합에 따라 단일 소리만으로는 전달할 수 없는 의미를 전달하는 새로운 대상으로 인식되기 때문에 그러한 시퀀스의 이상적인 예입니다(Cooke 1959).
특히, 음악 신경과학은 지난 수십 년 동안 빠르게 확장되었지만 음악적 시간 순서 인식의 기초가 되는 빠른 규모의 뇌 메커니즘에 대해서는 알려진 바가 거의 없습니다. 반대로, 음악 기억의 신경과학 연구는 우리에게 관련성이 높은 다양한 지식을 제공했습니다. 예를 들어, fMRI 연구에서 Gaab et al. (2003)은 참가자들에게 서로 다른 음조로 특징지어지는 소리를 비교하도록 요청했습니다.
저자는 참가자가 작업을 완료했을 때 특히 상부 측두엽, 상부 변연부 및 왼쪽 하부 전두엽 피질에서 활동을 밝혔습니다. 최근에는 Kumar et al. (2016)은 일차 청각 피질, 해마 및 하전두엽의 관련 역할과 청각 WM 작업을 수행하기 위한 연결성을 보여주었습니다.
유사하게, Sikka et al. (2015)은 참가자들에게 익숙하거나 익숙하지 않은 음악을 인식하도록 요청하여 성공적인 연주가 오른쪽 상측 측두엽, 양측 하전두엽 및 상전두엽, 왼쪽 중간 안와전두엽, 양측 전중심 및 왼쪽 상변연 피질의 활성화와 관련이 있음을 보여주었습니다. fMRI 외에도 자기뇌파검사(MEG)를 사용하여 음악 기억에 관한 몇 가지 연구가 수행되었습니다.
예를 들어, Albouy et al. (2013, 2017)은 기억력 유지 중 뇌 활동을 조사하여 참가자의 뇌 등쪽 흐름의 세타 진동이 청각 WM 작업을 수행하는 능력을 예측했음을 보여주었습니다.
최근 연구에서 Bonetti, Brattico, Carlomagno, et al. (2021a), Bonetti, Bruzzone, Sedghi, et al. (2021b), Bonetti, Brattico, Vuust, et al. (2021c)는 처음 220ms의 사운드 인코딩이 Heschl 및 상측두회, 전두엽 덮개, 대상회, 섬엽, 기저핵 및 해마와 같은 연결된 뇌 영역의 대규모 네트워크를 제시한다는 것을 보여주었습니다. 특히 청각 피질과 섬엽이 다른 영역보다 더 강한 활동을 나타내더라도 이러한 뇌 영역은 네트워크 내에서 똑같이 중심이었습니다.
결론적으로, 이전 연구에서는 여러 범주의 시간 순서와 음악 소리 처리의 기본이 되는 뇌 메커니즘을 강조했습니다. 그러나 이러한 연구에서는 단일 항목의 순서가 음악 시퀀스에서 발생하는 새로운 인식과 의미를 특징으로 하는 새롭고 상위의 전역 객체를 생성하는 이전에 학습된 시간 시퀀스의 인식을 조사하지 않았습니다. 특히, 시퀀스의 단일 항목 처리(로컬 처리) 및 시퀀스 전체에 대한 메모리 인식, 새로운 객체(글로벌 처리)와 관련된 차등 메커니즘은 완전히 이해되지 않은 상태로 남아 있습니다. 우리 연구에서는 해부학적 MRI로 제한된 MEG 데이터를 활용하여 이러한 질문을 해결했습니다.
재료 및 방법
참가자들
이 연구는 70명의 지원자로 구성되었습니다: 남성 36명, 여성 34명(연령 범위: 18~42세, 평균 연령: 25.06 ± 4.11세). 모든 참가자는 건강했으며 이전 또는 현재 알코올 및 약물 남용을 보고하지 않았습니다. 또한, 이들은 어떤 종류의 약물치료도 받지 않았으며, 이전에 신경학적, 정신적 장애가 없었다고 선언했으며, 정상적인 청력을 가지고 있다고 보고했습니다. 더욱이 그들의 경제적, 교육적, 사회적 지위는 동질적이었다.\
실험 절차는 헬싱키 선언(의학 연구를 위한 윤리 원칙)에 따라 수행되었으며 중앙 덴마크 지역 윤리 위원회(Midtjylland 지역의 De Videnskabsetiske Komitéer)(참조 1-10-72-411-17)의 승인을 받았습니다.
실험 설계 및 자극
시간 순서 인식의 뇌 특징을 탐지하기 위해 우리는 뇌자기검사(MEG) 기록 중에 기존/새로운 패러다임(Kayser et al. 2003) 청각 인식 작업을 사용했습니다. 먼저, 참가자들은 JS Bach가 작곡한 BWV 847 C단조 전주곡 전체의 오른손 부분을 MIDI 버전으로 4번 반복하여 들었습니다(총 재생 시간 약 10분).
둘째, 그들에게 각각 1,250ms 동안 지속되는 80개의 짧은 음악 발췌곡이 제시되었고, 각 발췌문이 바흐의 전주곡("기억된" 순서(M), 이전)에 속하는지 아니면 새로운 음악 순서("소설")인지를 묻는 질문을 받았습니다. 시퀀스 (N), 신규) (그림 1A). 바흐의 작품에서 40개의 발췌문을 발췌했으며 40개는 참신한 작품이었습니다.
중요한 것은 자극의 두 가지 범주(M과 N)가 잠재적인 혼란을 방지하기 위해 여러 변수 간에 일치되었음에도 불구하고 인식 작업에서 구별할 수 있도록 만들어졌습니다(즉, 항상 서로 다른 음악적 음색으로 구성되었습니다). M과 N은 볼륨, 리듬, 음색, 박자, 템포, 조성, 엔트로피(H) 및 정보 내용(IC)에 대해 일치되었습니다.
위에서 언급했듯이 암기된 멜로디는 바흐의 전주곡에서 발췌한 부분으로 구성되어 있습니다. 이 경우 마디의 처음 5개 음색에 해당하는 마디당 하나의 발췌문을 선택했습니다. 그리고 바흐의 전주곡에서 따온 암기된 음악 순서와 다른 선율의 음표간 간격과 선율 윤곽을 이용하여 새로운 음악 선율을 작곡하였다. 80개의 음악 시퀀스는 그림 S1의 악보로 보고됩니다.
그림 1. 실험 설계, 소스 재구성 및 단일 항목 대비. A) JS 바흐가 작곡한 전체 음악 작품을 들은 후, 참가자들은 그 작품에서 발췌한 멜로디 발췌 세트와 일련의 새로운 멜로디를 선물 받았습니다. 이러한 발췌 부분은 응답 패드를 사용하여 참가자가 "이전에 기억한"(M) 또는 "소설"(N)으로 표시한 5가지 항목(음악적 음색)으로 구성된 시간적 시퀀스를 나타냅니다. B) 과제를 수행하는 동안 참가자의 뇌 활동은 자기뇌파검사를 통해 기록되었습니다.
여기에서는 전처리되고, 다양한 주파수 대역에서 대역통과 필터링되고, 획기적인 신경 데이터를 그래픽으로 표현합니다. 이 그림은 두 주파수 대역(0.1–1 및 2–8Hz)에 대한 분석을 보여줍니다. 이 두 대역이 시간 시퀀스의 로컬 및 전역 처리와 연관되어 있다는 가설을 세웠기 때문입니다. C) 0.1–1 및 2–8Hz에 대해 독립적으로 계산된 소스 재구성의 그래픽 묘사. 특히, 0.1-1Hz는 전체 시퀀스의 인식(전역 처리)을 색인화한 반면, 2-8Hz는 시퀀스의 각 항목에 대한 신경 반응(로컬 처리)을 보여주었습니다. 디). 대조는 특히 세 번째, 네 번째 및 다섯 번째 항목에 대해 0.1-1Hz(빨간색)에서 M 대 N의 뇌 활동이 더 강한 것으로 나타났습니다.
이러한 차이는 띠, 하측두엽 피질, 전두엽 피질, 섬엽 및 해마 영역으로 구성된 대규모 뇌 네트워크에 국한되었습니다. 반대로, 2~8Hz의 대비는 특히 청각 피질에서 N 대 M(파란색)에 대해 전반적으로 더 강한 활동을 반환했습니다. 표시된 값은 M과 N의 뇌 활동을 대조하여 얻은 t 값입니다.
IC와 H에 관해서는 기억된 음악 시퀀스(평균 IC: 5.70 ± 1.73, 평균 H: 4.70 ± 0.33)와 새로운 음악 시퀀스(평균 IC: IDyOM(Information Dynamics of Music)을 사용하여 5.92 ± 1.81, 평균 H: 4.78 ± 0.35)(Pearce 2018). 이 방법은 기계 학습을 활용하여 대상 음표를 구성하는 음악 작품의 이전 음표와 대규모 배열의 원형 서양 음악 작품에서 파생된 규칙 집합의 조합을 기반으로 대상 음표에 대한 IC 값을 계산합니다. 따라서 우리는 두 카테고리(M과 N) 음악 시퀀스의 글로벌 IC가 동일한지 확인했습니다.
형식적인 수준에서 IC는 ei를 인코딩하는 데 필요한 최소 비트 수에 해당하며 다음 방정식(1)으로 설명됩니다.
여기서 p(ei|ei−1 (i−n)+1)는 ei−1 (i−n)+1 이벤트의 이전 집합이 주어진 경우 이벤트 ei의 확률입니다.
엔트로피는 이전 ei−1 (i−n)+1 이벤트 세트를 고려하여 다가오는 이벤트의 불확실성/확실성을 측정한 값을 제공하며 다음과 같습니다.
방정식 (2)에 따르면 주어진 사건 ei의 확률이 1이면 A의 다른 사건의 확률은 0가 됩니다. 따라서 H는 0(최대 확실성 시나리오)과도 같습니다. 반대로, 사건의 가능성이 동일하다면 H는 최대가 됩니다(최대 불확실성 시나리오). 결론적으로 IDyOM은 각 음악 톤의 예측 가능성에 대한 추정을 제공하며 인간의 인식과 일관된 것으로 나타났습니다(Pearce 2018; Sears et al. 2018).
MEG 분석에서는 올바르게 인식된 시도만 사용했습니다(평균 올바른 M: 78.15 ± 13.56%, 평균 반응 시간(RT): 1,871 ± 209ms, 평균 올바른 N: 81.43 ± 14.12%, 평균 RT: 1,915 ± 135ms ).
전주곡과 발췌곡 모두 Finale(MakeMusic, Boulder, CO)를 사용하여 제작되었으며 프레젠테이션 소프트웨어(Neurobehavioral Systems, Berkeley, CA)와 함께 제공되었습니다. MEG 데이터를 획득한 후 같은 날 또는 다른 날 자기공명영상(MRI)을 사용하여 참가자의 뇌 구조 이미지를 획득했습니다.
For more information:1950477648nn@gmail.com
