시공간 작업 기억 중 후내측 피질로부터의 정보 흐름 탐색: 자기뇌파검사 연구 3부
Jan 15, 2024
마지막으로 우리는 인코딩, 유지 관리 및 검색 작업 단계에 해당하는 기능적으로 관련된 세 가지 시대에 걸쳐 각 ROI 쌍 사이의 평균 정보 흐름을 취하고 정보 흐름의 개체 간 변동성이 작업 성능의 변동성과 상관 관계가 있는지 물었습니다.
현대사회에서 우리가 받아들이는 정보의 양은 유례없이 엄청납니다. 우리는 휴대폰으로 받는 메시지부터 소셜 미디어에서 보는 뉴스와 광고에 이르기까지 매일 엄청난 양의 정보에 둘러싸여 있습니다. 우리의 시간과 관심의 대부분. 이 경우 피곤함을 느끼기 쉽지만 평균적인 정보 흐름은 기억력을 향상시키는 데 도움이 될 수 있습니다.
첫째, 더 많은 정보 흐름은 우리의 두뇌를 더 잘 훈련할 수 있게 해줍니다. 새로운 정보와 지식이 계속해서 유입되면 우리의 뇌는 이 정보를 끊임없이 처리하고 저장해야 하므로 뇌에 부담이 가중됩니다. 이 작업은 뇌 기능을 위한 운동으로, 사고하고 분석하는 능력을 향상시켜 복잡한 상황에 더 잘 대처할 수 있도록 도와줍니다. 신체가 건강을 유지하려면 운동이 필요한 것처럼, 뇌도 능력을 향상시키기 위해서는 끊임없는 도전이 필요합니다.
둘째, 더 많은 정보 흐름은 우리의 시야를 넓히는 데 도움이 될 수 있습니다. 제한된 정보만 받아들이면 우리의 비전은 작은 영역으로 제한될 것입니다. 그리고 더 많은 정보를 얻을 수 있으면 더 넓은 범위의 주제와 사물에 대해 배울 수 있습니다. 이는 우리가 세상을 더 완전하게 보고 통찰력과 판단력을 향상시키는 데 도움이 될 수 있습니다. 이는 우리가 다양한 문화와 관점을 더 잘 이해하고 복잡한 사회 환경에 더 잘 적응하고 통합하는 데 도움이 됩니다.
마지막으로, 평균적인 정보 흐름도 우리의 호기심을 자극할 수 있습니다. 새로운 정보가 계속해서 유입되면서 우리는 더 많은 주제와 분야에 관심을 갖게 되었습니다. 이는 지식에 대한 호기심과 욕구를 자극하여 더 많은 지식을 탐색하려는 동기를 부여할 수 있습니다. 평균적인 정보 흐름도 우리의 자기 추진력과 열정을 향상시킬 수 있다는 것을 알 수 있습니다.
즉, 평균적인 정보 흐름은 뇌 기능을 개선하고 시야를 넓히며 호기심을 자극하는 데 도움이 될 수 있습니다. 더 나은 기억력을 갖고 있으면 새로운 지식과 기술을 더 쉽게 배우고 복잡한 문제에 더 잘 대처할 수 있습니다. 그러므로 우리는 더 많은 정보를 적극적으로 받아들이고 더 똑똑하고 다재다능한 사람이 되어야 합니다. 기억력 향상이 필요함을 알 수 있는데, 시스탄체 데저티콜라는 기억력 향상이라는 독특한 효능이 많은 중국 전통 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. 다진 고기의 효능은 산, 다당류, 플라보노이드 등 포함된 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.
"인코딩" 시대에는 4개의 인코딩 자극이 각각 시작된 후 처음 180ms가 포함되었고, "유지" 시대에는 네 번째 인코딩 자극이 시작된 후 180ms부터 검색 자극이 가장 먼저 시작될 때까지의 유지 기간이 포함되었습니다. "검색" 시대는 시험이 끝날 때까지 검색 자극의 시작에 해당합니다.
가장 짧은 인코딩 자극 기간(180ms)을 가진 참가자의 경우 이 세 가지 시대는 시험 시작부터 처음 3440ms를 다루었습니다. 가장 긴 인코딩 자극 기간(320ms)을 가진 참가자의 경우 최종 에포크는 4000ms로 끝났습니다.
참가자 전체에서 중앙 반응 시간은 검색 자극이 시작된 후 1.99초였습니다(하위에서 상위 사분위수: 1.69~2.27초). 이는 "검색" 시대가 참가자의 반응까지 대략 시간을 포함했음을 의미합니다.
각 시대에 걸쳐 각 ROI 쌍에 대해 우리는 정보 흐름에 대한 최소한 중간 정도의 증거(예: BF . 3, q, 0.05)가 있는 시점의 데이터를 평균화했습니다. ROI 쌍. ROI 간의 정보 흐름에 대한 증거가 약하거나 증거가 없는 경우 데이터의 기여를 최소화하기 위해 남은 시점의 데이터를 제외했습니다.
각 경우에 우리는 MEG 세션 동안 참가자의 평균 행동 성과와 정보 흐름 DiffA.B의 평균 차이 사이의 정보 흐름(DiffA.B) 및 선형(Pearson's) 상관 관계(r)의 평균 차이를 보고합니다. 해당 시대. 우리는 bootstrappednull 데이터의 10,000 샘플 각각에 대해 이 분석(평균 DiffA.B 및 동작과의 상관 관계)을 반복하여 10,000 null 평균 및 r 값의 분포를 얻었습니다.
다른 결과에 대해서는 이러한 Null 값의 중앙 95%를 보고하고 이 Null 분포를 사용하여 p 값을 정의했습니다. 이 경우 p-값은 관찰된 것보다 절대값이 더 큰 Null 평균 또는 r 값의 비율로 정의됩니다. 값(양측 테스트). 마지막으로 우리는 이러한 p 값에 FDR 보정을 적용하여 여러 시대에 걸친 다중 비교를 수정하고 각 평균 및 상관 관계에 대한 BF를 계산했습니다.
데이터 가용성. MEG 실험의 데이터는 Open Science Framework(https://doi.org/10.17605/OSF.IO/MW3J2)에서 온라인으로 무료로 사용할 수 있습니다. 이 온라인 저장소에는 MEG 실험에서 얻은 식별되지 않은 원시 데이터, 각 참가자의 자극 타이밍 세부 정보, 여기에 보고된 분석을 수행하는 데 사용된 MATLAB 코드가 포함되어 있습니다.
결과
분류 분석
우리는 일련의 분류 분석을 사용하여 OC, VTC, PMC 및 PFC의 MEG 신호에 시공간 작업 메모리 성능 동안 각 자극의 위치와 이미지에 대한 정보가 포함된 시간을 테스트했습니다.
각 자극의 위치 디코딩은 그림 3에 표시되고 각 위치의 이미지 디코딩은 그림 4에 표시됩니다. 자극 위치의 디코딩은 자극 ID의 디코딩보다 높았으나 위치와 ID 모두 디코딩에 대한 증거가 있었습니다. 모든 ROI에서 각 자극의 상위 기회 디코딩 기간.
자극 위치를 디코딩하기 위해 우리는 OC, VTC, PMC 또는 PFC [q, 0의 신호를 기반으로 한 검색 자극뿐만 아니라 4개의 인코딩 자극 각각에 대한 위치 및 ID의 확률이 높은 디코딩 기간을 발견했습니다. , 보통(BF . 3) 및 강한(BF . 10) 효과를 포함하여 시간 구간에 걸친 다중 비교를 위한 FDR 보정 포함]. 자극 이미지 아이덴티티(그림 4)의 디코딩을 위해 우리는 전체적으로 약한 분류기 성능을 발견했으며, 올바른 비율은 디코딩 위치보다 한 단계 더 낮았습니다. 전반적인 정확도가 낮음에도 불구하고 통계 분석에 따르면 각 자극 ID의 디코딩은 전체 ROI의 일부 시점에서 확률보다 훨씬 높은 것으로 나타났습니다.
모든 ROI에서 자극 위치와 신원의 디코딩은 시간이 지남에 따라 초기 피크를 거쳐 감소하는 유사한 진화를 따랐으며 주로 자극에 대한 시각적 반응에 의해 구동되는 신호와 일치합니다. 우리는 OC의 자극 정보가 다른 ROI보다 우선할 것으로 예상했지만 OC, VTC 및 PMC의 디코딩 초기 피크는 거의 동시에 발생했습니다. 이는 소스 현지화에서 ROI 사이에 일부 "신호 누출"이 있을 수 있음을 시사합니다(아래 IFA 결과를 고려할 때 이 질문으로 돌아갑니다). 그럼에도 불구하고 ROI 간의 차이점은 이러한 분석이 ROI 전체에 걸쳐 겹치지 않는 신호도 포착했음을 시사합니다. . 예를 들어 자극 위치를 디코딩하는 경우 관련 자극이 시작된 후 100ms 대 300ms의 상대 정확도는 ROI에 따라 다릅니다.
그림 3A-D와 4A-D에서는 검색 자극을 처리하는 동안 짧은 기간의 위의 기회 디코딩이 있는 경향이 있습니다. 이는 인출 자극을 기억된 위치 및 신원과 비교하는 일부 신경 프로세스를 반영할 수 있으며, 특히 이것이 인출 자극이 시작된 후 나중에(예: 300ms)까지 지속되는 경우 더욱 그렇습니다.
그러나 시도의 균형 조정에 약간의 불균형이 있는 경우 이 시점의 디코딩이 검색 자극에 대한 신경 반응에 의해 구동될 수 있다는 점을 배제할 수 없습니다. 예를 들어 관련 자극이 시작되기 전의 짧은 기간(예: 그림 3B-E 및 4B-E의 첫 번째 인코딩 자극 시간 근처)은 분명히 디코딩된 자극에 대한 응답에 의해 구동될 수 없습니다.
이는 각 시도가 인코딩 중에 4개의 서로 다른 위치와 4개의 서로 다른 ID를 포함하도록 정의되었기 때문에 발생했을 수 있습니다. 예를 들어, 자극 2를 인코딩하기 위해 위치 1 대 위치 3을 디코딩하는 것은 다른 인코딩 자극에 대해 "위치 1 아님" 대 "위치 3 아님"을 디코딩하는 것과 동일합니다. 어느 쪽이든, 우리의 결과는 기억된 자극 위치 또는 정체성을 기반으로 한 신호가 시각적으로 구동되는 응답을 구성하는 강력한 신호에 비해 매우 약하다는 것을 시사합니다.
만약에
다음으로 IFA를 사용하여 각 ROI 쌍 간의 Granger-인과 상호 작용을 고려했습니다. 분류기 성능이 낮은 경우에도 전반적으로 각 시간 구간에 대한 다양한 쌍별 분류에 걸쳐 분류기 성능 패턴의 차이를 유발하는 작고 실제 신호가 있을 수 있습니다. 그러나 정보 흐름에 대한 우리의 측정이 잘못된 효과에 의해 구동되지 않았는지 확인하기 위해 각 시험 시대에 대한 가장 최근 자극의 분류를 사용하여 이 분석을 수행했습니다(재료 및 방법 참조).
IFA는 특히 ROI 간의 차이와 이러한 차이의 시간적 구조를 테스트하여 ROI 간의 차이를 감지하는 평균 분류기 성능보다 잠재적으로 더 민감하게 만듭니다. PMC와 다른 모든 ROI 간의 IFA 결과는 그림 5에 표시되어 있으며 나머지 ROI 간의 상호 작용은 그림 6에 표시되어 있습니다.
IFA는 전체에 걸쳐 중간(BF . 3) 효과와 강한(BF . 10) 효과의 시간을 포함하여 FDR 보정을 사용하여 각 ROI 쌍[q, 0.05] 사이에 중요한 Granger-인과 상호작용의 기간을 밝혀냈습니다. 시험 단계(인코딩, 유지 관리 및 검색)
정보 흐름(그림 5 및 6에 대한 각 경우의 최상위 플롯)은 분류기 성능이 더 높은 기간에 가까운 각 방향에서 가장 강력했습니다. 그러나 각 ROI 쌍 내에서 다른 ROI에 영향을 미치는 각 ROI의 상대 강도는 차이 플롯에 반영된 것처럼 시간이 지남에 따라 다양해졌습니다. OC가 다른 ROI와 결합된 경우 OC의 정보 흐름은 자극 중심 반응과 일치하여 각 자극 시작 직후 OC로의 정보 흐름보다 더 높은 경향이 있습니다.
이는 OC와 다른 ROI(평균 DiffOC.) 간의 정보 흐름의 평균 차이가 {{0}}.094에서 0까지 다양했던 인코딩 시대에서 특히 두드러졌습니다. 127, BF는 OC에서 다른 영역으로의 정보 흐름이 더 커지는 일련의 강력한 효과를 나타냅니다(각 경우 q, 0.05, BF . 10). 또한 OC에서 PMC로의 정보 흐름이 역방향을 초과하는 중간 정도의 효과가 있었습니다. 유지 관리 중(평균 DiffOC.PMC=0.042, q, 0.05, BF=3.19).
우리는 특히 다른 영역의 반응을 형성하는 PMC의 정보 흐름에 대한 증거가 있는지 여부에 관심이 있었습니다. 이에 대한 가장 강력한 증거는 PMC와 PFC 사이였습니다. PMC에서 PFC로의 평균 정보 흐름은 모든 시대에 걸쳐 역방향을 초과하는 경향이 있었으며 강력한 효과를 나타냈습니다. 인코딩 중(평균 DiffPMC.PFC {{0}}.056, q, 0.05, BF=18.70) 및 보통 유지 관리 중 효과(평균 DiffPMC.PFC=0.025,q, 0.05, BF=7.33)가 있지만 검색 중에는 이 편향이 유의미한 수준에 도달하지 못했습니다(평균 DiffPMC.PFC=0). 014, q .0.05, BF=0.77). 그림 5C의 시간 과정은 모든 시험 시대에 걸쳐 PMC에서 PFC로의 정보 흐름이 각 자극에 대한 초기 자극 중심 반응 시점에 가장 강력하다는 것을 보여줍니다. OC를 사용하면 PMC는 검색 시대 후반부에 더 큰 정보 흐름의 증거를 보여주었습니다(그림 5A). 검색 시대 전체에 걸쳐 평균을 낸 이 차이는 PMC DrivingOC 쪽으로 편향되었지만 이는 작은 효과였습니다(avg DiffPMC.PFC=0.029, q, 0.05,BF=1.59).
나머지 ROI 쌍 전체에서 보통 이상의 효과(BF .3)를 보이는 유일한 사례는 인코딩 중(avg DiffVT.PFC=0.057, q) VT와 PFC(그림 6C) 사이였습니다. , 0.05, BF=4.00) 및 검색(avg DiffVT.PFC=0.040, q, 0.05, BF=57.79) . OC의 경우, VT가 PFC를 통해 정보 흐름을 지배하는 시간은 초기 자극 중심 반응과 일치했습니다(예: 그림 6C의 VT 지배 시간과 그림 6B의 OC 비교). 전반적으로 PFC가 다른 영역으로의 정보 흐름을 지배한다는 증거는 거의 없었습니다.
마지막으로, 각 시험 시대에 대해 각 ROI 쌍 간의 평균 정보 흐름을 참가자 전체의 행동 정확도와 연관시켰습니다. 다중 비교를 위해 수정된 후에는 이러한 상관 관계 중 어느 것도 통계적으로 유의미한 수준에 도달하지 않았으며 상관 관계도 중간 정도의 효과 수준에 도달했습니다(BF . 3). 이는 상대적으로 작은 표본 크기가 작업 수행에 대한 정보 흐름의 예측력을 감지하기에는 충분하지 않음을 시사합니다. 그러나 우리는 이러한 상관관계가 이러한 방법을 채택하는 향후 연구에 유익한 방향이 될 수 있다고 믿기 때문에 이러한 예비 결과를 향후 작업의 참고 자료로 포함합니다.
논의
기억 검색 과정에서 PMC의 중요성이 입증되었음에도 불구하고, 다른 영역에 대한 PMC의 인과적 영향은 불분명하게 남아 있습니다. 특히, 기억 과정 중 PMC와 다른 뇌 영역 간의 정보 교환 방향과 내용은 테스트되지 않았습니다. 여기에서는 MRI로 정의된 ROI의 MEGrecording을 사용하여 시공간 작업 메모리 작업 중에 PMC와 다른 영역 간의 정보 흐름을 평가했습니다. 결과는 PMC 개체 표현이 다른 영역의 자극 정보에 대한 Granger 인과 관계 영향을 보여주며, 특히 모든 작업 단계에서 PFC에 미치는 영향에서 가장 두드러집니다. PMC가 검색 중에 OC에서 반응을 형성한다는 제안도 있었습니다.
PMC는 전두엽 영역에서 자극 표현을 형성합니다.
가장 눈에 띄는 발견은 PFC의 기억된 자극 정보에 대한 PMC의 영향에 관한 것입니다. 모든 작업 단계에서 PMC에서 PFC로의 정보 흐름은 반대 방향보다 더 지배적인 경향이 있었습니다. 정보 흐름에 대한 우리의 측정은 반응 진폭보다는 분류 성능을 기반으로 하기 때문에 이 발견은 PMC의 자극 관련 정보가 PFC에서 곧 나타날 자극 표현을 예측했음을 시사합니다. 이는 인코딩 및 유지 관리 단계에서 가장 분명하게 나타났습니다. 그러나 PMC는 검색 단계에서 PFC의 반응을 형성하는 것으로도 발견되었습니다. 이 효과가 검색 자극이 시작된 직후에 발생했다는 사실은 참가자의 결정의 기초가 되는 정보를 PMC가 PFC에 전달하여 성공적인 회상을 지원하는 것과 공명합니다.
전두엽 영역은 주의력 조절 및 작업 관련 정보의 유연한 코딩과 확실하게 연관되어 있습니다(Duncan, 2010; Freedman and Assad, 2016). 해마와 전두엽 시각-안구 운동 시스템(즉, 배측 PFC 및 전두엽 안구 영역) 사이의 해부학적 연결 패턴(Shen et al., 2016)은 전두엽 영역이 시각 기억 정보를 통합하여 행동을 안내하는 데 특히 좋은 위치에 있음을 시사합니다(Contiand Irish, 2021 ). 주의력 조절과 관련된 전두정엽 영역은 특히 인코딩 및 유지 기간 동안 작업 기억에도 관여합니다(Gazzaley 및 Nobre, 2012). 또한 전두엽 영역은 시각 피질의 변화를 주도하는 것으로 알려져 있습니다. 예를 들어, 전두엽 안구의 미세 자극은 주의력 전환과 일치하는 시각 피질의 변화를 생성합니다(Moore et al., 2003; Premereuret al., 2013).
우리의 결과는 PMC가 작업 수행 전반에 걸쳐 그리고 검색 기간의 시작을 포함하여 기억된 시공간 정보의 전두엽 표현을 형성한다는 것을 시사합니다. 이전 fMRI 연구에서는 검색이 필요한지 여부에 관계없이 인코딩 및 유지 관리 중에 전두엽 활성화가 증가한 반면, 후대상 피질은 다음과 일치하는 반응 패턴을 보여주었습니다. 검색에서의 역할(Rahm et al., 2014). 복내측 PFC와 같은 PMC와 전두엽 영역 사이의 기능적 연결은 에피소드 검색 중 전두정엽 결합의 중요성을 더욱 뒷받침합니다(검토는 Andrews-Hanna, 2012; Ritchey and Cooper, 2020 참조). 우리의 연구 결과는 관찰된 연결 패턴에 전두엽 네트워크의 작업 관련 정보에 영향을 미치는 PMC가 포함되어 있음을 제안함으로써 이전 작업을 확장합니다.
모든 상관 관계와 마찬가지로 IFA의 부분 상관 관계는 다른(테스트되지 않은) 영역과의 연관성을 반영할 수 있습니다. 또 다른 가능성은 소스 재구성 중에 ROI가 완전히 격리되지 않았고 인근 지역의 신호가 포함되었다는 것입니다. PMC 신호가 PFC ROI에 존재하거나 그 반대인 경우 ROI 간의 공유 분산이 증가합니다. 공유 분산은 한 ROI의 신호가 다른 ROI에 이미 존재하는 것보다 높은 정보에 기여하는 정도를 줄여 측정된 정보를 감소시킬 수 있습니다. 흐름.
PMC는 검색 중 초기 감각 피질에 영향을 미칩니다
우리의 결과는 검색 중에 PMC가 감각 피질에서 반응을 형성한다는 것을 추가로 시사합니다. 모든 작업 단계와 각 ROI 쌍에 대해 OC는 작업의 시각적 특성과 일치하여 정보 흐름을 지배하여 이러한 영역의 영향을 받는 것보다 다른 영역에 더 많은 영향을 미치는 경향이 있습니다. 그러나 정보 흐름 측정에서 OC의 지배력은 관찰된 일반적으로 일시적인 분류기 성능에 의해 증폭되었을 수 있습니다. 모든 ROI에서 상위 기회 디코딩은 주로 자극 프리젠테이션 후 짧은 시대로 제한되었으며, 이는 유지된 정보의 신경 표현이 분류기 성능에 최소한의 기여를 했음을 시사합니다. 특히, 후자에서 PMC에서 OC로의 중요한 정보 흐름에 대한 몇 가지 증거를 발견했습니다. 검색 기간(BF=1.59)의 일부입니다. 이 정보 흐름이 기능적으로 관련이 있는지 여부는 여전히 불분명합니다. OC에 대한 PMC의 기능적 영향은 PMC와 일차 감각운동 영역 사이에 직접적인 투영이 없기 때문에 간접적인 연결을 통해 중재되어야 합니다(Parvizi et al., 2006; Leech and Smallwood, 2019). PMC가 후두 영역에 영향을 미칠 수 있는 후보 간접 경로에는 두정엽- 시공간 처리에 기여하는 것으로 제안된 내측 측두 경로(Kravitz et al., 2011).
PMC 기능 이해에 대한 시사점
전반적으로, 우리의 결과는 PMC가 자극 관련 정보를 다른 영역에 전달하는 데 특정 역할을 한다는 것을 시사합니다. 그러면 PMC가 정확히 무엇을 하고 있는지에 대한 질문이 제기됩니다. 우리의 결과는 다른 뇌 영역에 대한 PMC 영향의 방향성을 제시하지만, 이러한 맥락에서 PMC의 정확한 기능은 여전히 불분명합니다. PMC는 "작업 음성" 응답 프로필에 의해 정의된 thebrain의 기본 모드 네트워크의 주요 허브 중 하나를 나타냅니다(Buckner et al., 2005). 그러나 여기서는 PMC가 시공간 기억에 대한 단순한 작업 부정적 기여를 보여주지 않는다는 것을 보여줍니다. 인코딩 및 유지 관리 중 PMC 참여는 낮은 작업 성능과 관련이 있지만(Piccoliet al., 2015; Santangelo and Bordier, 2019), PMC "인코딩/검색 플립"은 검색 중 활동 증가가 더 나은 회상과 관련되어 있음을 시사합니다(Daselaar et al., 2004, 2009). 활동 자체가 내용에 비특이적인 기여를 반영할 수 있지만, 분류기 성능을 사용하여 자극 표현에 대한 우리의 측정은 PMC가 작업 수행 중에 다른 영역에서 자극 관련 정보의 표현을 적극적으로 형성한다는 것을 암시합니다. 따라서 PMC는 순전히 외부 감각 자극의 처리에 관여하지 않습니다. 기억된 정보를 포함한 내부 콘텐츠의 표현에는 적극적으로 참여합니다(Leech and Smallwood, 2019). 그러나 우리의 연구는 PMC와 다른 뇌 영역 사이의 정보 흐름이 어떻게 행동 정확도를 예측하는지 설명하는 데 힘이 부족했으며 이것이 향후 연구에서 탐구할 중요한 수단이 될 것이라고 제안합니다.
향후 방향
우리가 아는 한, PMC와 다른 지역 간의 자극 관련 정보 교환을 탐구하기 위한 첫 번째 연구로서, 우리 연구는 향후 연구를 위한 몇 가지 방향을 제시합니다. 여기서는 4개의 선험적 ROI에 초점을 맞추고 상대적으로 작은 샘플 크기를 사용했지만 더 큰 참가자 집단을 사용하여 시공간 기억 동안 PMC와 다른 뇌 영역 간의 정보 흐름을 포괄적으로 매핑하는 것이 중요합니다. MEG/EEG와 같은 시간 해결 방법 , fMRI와 같은 이미징 방법으로 보완하여 이러한 영역 내에서 더 미세한 구획을 테스트할 수도 있습니다.
유지 관리 중에 전반적인 디코딩이 낮았으므로 이 작업 단계에서 정보 흐름을 감지하는 능력이 제한되었습니다. 작업 난이도를 높이고 언어적 라벨링을 줄이기 위해 시각적으로 유사한 자극을 선택했습니다. 그러나 이로 인해 작업 식별에 대한 분류기 성능이 저하될 수 있습니다. 디코딩은 시각 피질 영역의 망막 주제 조직이 더 큰 공간 규모의 반응 차이를 생성하는 자극 위치에 대해 더 높았지만 자극 유발 응답을 넘어서는 위치에 대해서도 기억된 값을 기반으로 디코딩에 대한 증거가 거의 발견되지 않았습니다. 반대로, 단순한 시각적 기억 작업 중에 EEG 신호를 디코딩할 때 Bocincova와 Johnson(2019)은 비록 인코딩보다 약하긴 하지만 지연 기간 동안 자극을 디코딩할 가능성이 있다고 위에서 보고했습니다. 따라서 PMC의 특정 역할을 분리하는 데 높은 작업 난이도가 필요한 것처럼 보이지만(Kochanet al., 2011; Leech et al., 2011; Vannini et al., 2011), 덜 까다로운 작업은 정보 흐름을 더 잘 감지하기 위해 더 나은 분류기 성능을 제공할 수 있습니다. 모든 작업 단계에 걸쳐.
PMC 하위 영역의 기능적 관련성을 설명하려는 노력은 알츠하이머병의 조기 및 정확한 진단에 대한 중요한 통찰력을 제공할 수도 있습니다(Buckner et al., 2005; Xia et al., 2014; Wu et al., 2016; Khan et al., 2020 ). 새로운 증거에 따르면 APOE-n4 대립유전자를 보유하는 건강한 젊은 성인은 장면(얼굴 및 대상 제외) 작업 기억 및 인식(예: Shineet al., 2015) 동안 PMC 활동을 조절하는 비효율성을 보이는 반면, 시공간 작업 기억 동안 PMC의 기능적 비활성화를 나타냅니다. 수행 능력은 경도 인지 장애가 있는 노인의 후속 인지 저하를 예측합니다(Kochan et al., 2011).
PMC 기능 장애로 인한 시공간 장애가 알츠하이머병의 초기 전조로 제안되었다는 점을 고려하면(Pihlajamäki et al., 2010; Irish et al., 2012; Salimi et al., 2018), PMC의 기능적 변화를 조사하는 향후 연구에서는 치매 위험이 있는 개인을 조기에 식별합니다.
참고자료
Andrews-Hanna JR(2012) 뇌의 기본 네트워크와 내부 정신에서의 적응 역할. 신경과학자 18:251-270.
Benjamini Y, Hochberg Y(1995) 잘못된 발견 비율 제어: 다중 테스트에 대한 실용적이고 강력한 접근 방식입니다. JR Stat Soc Ser BMethodol 57:289-300.
Bird CM, Keidel JL, Ing LP, Horner AJ, Burgess N (2015) 후방 대상 피질의 복원을 통한 복잡한 사건의 통합. J Neurosci35:14426–14434.
Bocincova A, Johnson JS(2019) 작업 메모리에서 작업 관련 개체 기능과 관련 없는 개체 기능을 인코딩하고 유지 관리하는 시간 경과. Cortex111:196–209.
Brainard DH(1997) 정신물리학 도구 상자. Spat Vis 10:433–436.
Buckner RL, Snyder AZ, Shannon BJ, LaRossa G, Sachs R, Fotenos AF,Sheline YI, Klunk WE, Mathis CA, Morris JC, Mintun MA (2005)알츠하이머병의 분자적, 구조적, 기능적 특성 분석: 관계에 대한 증거 기본 활동, 아밀로이드 및 메모리 사이. J Neurosci 25:7709-7717.
Bzdok D, Heeger A, Langner R, Laird AR, Fox PT, Palomero-Gallagher N, Vogt BA, Zilles K, Eickhoff SB (2015) 인간 후방 내측 피질의 하위 전문화. 신경이미지 106:55–71.
Canolty RT, Edwards E, Dalal SS, Soltani M, Nagarajan SS, Kirsch HE, Berger MS, Barbaro NM, Knight RT (2006) 높은 감마 전력은 인간 신피질의 세타 진동에 위상 고정되어 있습니다. 과학 313:1626~1628.
Conti F, Irish M(2021) 전망을 이해하기 위해 시각적 이미지와 안구 운동 동작을 활용합니다. 동향 Cogn Sci 25:272-283.
Cooper RA, Ritchey M (2019) 코르티코-해마 네트워크 연결은 일화 기억의 다차원적 품질을 지원합니다. Elife 8:e45591.
Dale AM, Fischl B, Sereno MI (1999) 피질 표면 기반 분석: I. 분할 및 표면 재구성. 신경이미지 9:179–194.
Daselaar SM, Prince SE, Cabeza R(2004) 더 적을 때 더 많은 것을 의미: 후속 메모리를 예측하는 인코딩 중 비활성화. 신경이미지23:921–927.
For more information:1950477648nn@gmail.com
