Дослідження потоку інформації від постеромедіальної кори під час зорово-просторової робочої пам’яті: магнітоенцефалографічне дослідження, частина 3

Нарешті, ми взяли середній інформаційний потік між кожною парою ROI протягом трьох функціонально відповідних епох, що відповідають фазам завдання кодування, обслуговування та пошуку, і запитали, чи корелює міжсуб’єктна мінливість інформаційного потоку з мінливістю виконання завдання.

У сучасному суспільстві кількість інформації, яку ми отримуємо, безпрецедентно величезна. Щодня нас оточує величезна кількість інформації, від повідомлень, які ми отримуємо на наші мобільні телефони, до новин і реклами, які ми бачимо в соціальних мережах. більшу частину нашого часу та уваги. У цьому випадку ми легко відчуваємо втому, але середній потік інформації може допомогти нам поліпшити пам'ять.

По-перше, більший потік інформації дозволяє нам краще тренувати наш мозок. Коли ми продовжуємо отримувати нову інформацію та знання, наш мозок повинен постійно обробляти та зберігати цю інформацію, тим самим збільшуючи навантаження на мозок. Ця робота є вправою для роботи мозку, яка може допомогти нам покращити нашу здатність мислити й аналізувати, щоб краще справлятися зі складними ситуаціями. Так само, як тіло потребує фізичних вправ, щоб залишатися здоровим, мозок потребує постійних викликів, щоб покращити свої здібності.

По-друге, більший потік інформації може допомогти нам розширити наші горизонти. Якщо ми приймаємо лише обмежену інформацію, наше бачення буде обмежено невеликою областю. І коли ми зможемо отримати більше інформації, ми зможемо дізнатися про ширший спектр тем і речей. Це може допомогти нам побачити світ більш повно та покращити наше розуміння та судження. Це допомагає нам краще зрозуміти різні культури та погляди, а отже, краще адаптуватися та інтегруватися в складне соціальне середовище.

Нарешті, середній потік інформації також може стимулювати нашу цікавість. Оскільки ми продовжуємо отримувати нову інформацію, ми виявляємо, що зацікавлені в інших темах і областях. Це може стимулювати нашу допитливість і прагнення до знань, що робить нас більш мотивованими досліджувати більше знань. Можна помітити, що середній інформаційний потік також може посилити нашу самостійність та ентузіазм.

Коротше кажучи, середній потік інформації може допомогти нам покращити роботу мозку, розширити кругозір і стимулювати нашу цікавість. Коли ми маємо кращу пам’ять, ми легше засвоюємо нові знання та навички та легше справляємося зі складними викликами. Тому ми повинні активно сприймати більше інформації та ставати розумнішими та різносторонніми людьми. Можна побачити, що нам потрібно покращити пам’ять, і Cistanche deserticola може значно покращити пам’ять, оскільки Cistanche deserticola є традиційним китайським лікарським матеріалом, який має багато унікальних ефектів, одним із яких є покращення пам’яті. Ефективність м’ясного фаршу пов’язана з різними активними інгредієнтами, які він містить, включаючи кислоти, полісахариди, флавоноїди тощо. Ці інгредієнти можуть сприяти здоров’ю мозку різними способами.

Натисніть «Знай, як покращити пам’ять».

Епоха «кодування» включала перші 180 мс після початку кожного з чотирьох стимулів кодування, а епоха «підтримки» включала період підтримки від 180 мс після початку четвертого стимулу кодування до самого раннього початку стимулу пошуку, і епоха «відновлення» відповідала появі стимулу до кінця випробування.

Для учасника з найкоротшою тривалістю стимулу кодування (180 мс) ці три епохи охоплювали перші 3440 мс від початку випробування; у той час як для учасника з найдовшою тривалістю стимулу кодування (320 мс) кінцева епоха закінчилася на 4000 мс.

В усіх учасників середній час реакції становив 1,99 с після початку стимулу повернення (від нижнього до верхнього квартилів: 1,69–2,27 с), що означає, що епоха «відновлення» охоплювала приблизно час до відповіді учасника.

Через кожну з цих епох для кожної пари ROI ми усереднювали дані з моментів часу, для яких існували принаймні помірні докази потоку інформації (тобто BF . 3, q, 0.05) принаймні в одному напрямку між пара ROI. Ми виключили дані з моментів часу, що залишилися, щоб мінімізувати внесок даних з моментів, коли було слабке або взагалі не було доказів потоку інформації між ROI.

У кожному випадку ми повідомляємо про середню різницю в інформаційному потоці (DiffA.B) і лінійну кореляцію (Пірсона) (r) між середньою поведінкою учасників під час сеансу MEG і середньою різницею в інформаційному потоці DiffA.B під час відповідну епоху. Ми повторили цей аналіз (середній DiffA.B та його кореляція з поведінкою) для кожного з 10,000 зразків завантажувальних нульових даних, у результаті чого розподілено 10,000 нульових середніх і r-значень.

Що стосується інших результатів, ми повідомляємо про центральні 95% цих нульових значень, і ми використовували цей нульовий розподіл для визначення значень p, у цьому випадку визначаючи значення p як частку нульових середніх або значень r з вищим абсолютним значенням, ніж спостережуване значення (двосторонній тест). Нарешті, ми застосували корекцію FDR до цих значень p, щоб виправити численні порівняння за епохами, і обчислили BF для кожного середнього значення та кореляції.

Доступність даних. Дані експериментів MEG є у вільному доступі в Інтернеті на Open Science Framework (https://doi.org/10.17605/OSF.IO/MW3J2). Це онлайн-репозиторій містить деідентифіковані необроблені дані з експериментів MEG, деталі часу стимулювання для кожного учасника та код MATLAB, який використовується для виконання аналізів, про які тут йдеться.

Результати

Класифікаційні аналізи

Ми використали серію класифікаційних аналізів, щоб перевірити час, коли сигнали MEG в OC, VTC, PMC і PFC містили інформацію про розташування та зображення кожного стимулу під час роботи зорово-просторової робочої пам’яті.

Розшифровка розташування в кожному стимулі показана на малюнку 3, а розшифровка зображення в кожній точці показана на малюнку 4. Розшифровка місця розташування стимулу була вищою, ніж розшифровка ідентичності стимулу; але для декодування як розташування, так і ідентичності були докази періодів надшансового декодування кожного стимулу в усіх досліджуваних областях.

Для декодування місця розташування стимулу ми виявили періоди декодування розташування та ідентичності вище ймовірності для кожного з чотирьох стимулів кодування, а також стимулу пошуку на основі сигналів від OC, VTC, PMC або PFC [q, 0].05 , з корекцією FDR для кількох порівнянь у інтервалах часу, включаючи помірні (BF .3) і сильні (BF .10) ефекти]. Для декодування ідентичності зображення стимулу (рис. 4) ми виявили слабшу загальну продуктивність класифікатора, з часткою правильного на порядок величини нижчою, ніж для декодування місця розташування. Незважаючи на нижчу загальну точність, статистичні аналізи показали, що розшифровка кожного ідентифікатора стимулу була значно вищою за ймовірність протягом певних моментів часу в усіх досліджуваних історіях.

У всіх досліджуваних ділянках розшифровка розташування стимулу та ідентичності відбувалася з часом подібною еволюцією, з початковим піком, а потім спадом, відповідно до сигналів, головним чином викликаних зоровою реакцією на стимул. Ми очікували, що стимулююча інформація в OC передуватиме такій в інших досліджуваних ділянках, але ранні піки декодування в OC, VTC і PMC відбулися приблизно в один і той же час. Це свідчить про те, що може бути певний «витік сигналу» між досліджуваними ділянками в нашій вихідній локалізації (ми повертаємося до цього питання, коли розглядатимемо результати IFA, наведені нижче). Тим не менше, відмінності між досліджуваними ділянками свідчать про те, що ці аналізи також зафіксували сигнали, які не збігаються між досліджуваними ділянками. . Наприклад, для декодування розташування подразника відносна точність на рівні 100 мс проти 300 мс після початку відповідного стимулу змінюється для різних досліджуваних областей.

На малюнках 3A–D і 4A–D спостерігається тенденція до короткого періоду надшансового декодування під час обробки стимулу пошуку. Це може відображати деякий нейронний процес порівняння стимулу повернення із запам’ятованими місцями та ідентичністю, особливо якщо це зберігається пізніше (наприклад, 300 мс) після початку стимулу повернення.

Однак ми не можемо виключати, що декодування в цей час може бути зумовлено нейронною реакцією на стимул повернення, якщо є невеликий дисбаланс у врівноваженні проб. Наприклад, короткі періоди надшансового декодування перед початком відповідного стимулу (наприклад, приблизно під час першого кодуючого стимулу на рис. 3B–E та 4B–E) явно не можуть бути зумовлені відповіддю на декодований стимул.

Це могло статися тому, що кожне випробування включало чотири різні місця та чотири різні ідентичності під час кодування; так, наприклад, декодування Місцезнаходження 1 проти Розташування 3 для кодування Стимулу 2 еквівалентно декодуванню «не Розташування 1» проти «не Розташування 3» для інших стимулів кодування. У будь-якому випадку, наші результати свідчать про те, що сигнали, засновані на запам’ятованих місцях або ідентифікаціях стимулів, були дуже слабкими порівняно з надійними сигналами, що включали візуально керовану реакцію.

ЯКЩО

Далі ми розглянули причинно-наслідкові взаємодії Грейнджера між кожною парою ROI за допомогою IFA. Навіть якщо продуктивність класифікатора низька, загалом можуть існувати невеликі, справжні сигнали, які спричиняють відмінності в моделі продуктивності класифікатора в багатьох різних попарних класифікаціях для кожного інтервалу часу. Однак, щоб переконатися, що наші вимірювання інформаційного потоку не були зумовлені будь-якими хибними ефектами, ми виконали цей аналіз, використовуючи класифікацію лише останнього стимулу для кожної епохи випробування (див. Матеріали та методи).

IFA спеціально перевіряє відмінності між ROI та часову структуру цих відмінностей, що робить його потенційно більш чутливим, ніж середня продуктивність класифікатора для виявлення відмінностей між ROI. Результати наших IFA між PMC та всіма іншими досліджуваними регіонами показані на малюнку 5, а взаємодія між іншими досліджуваними регіонами показана на малюнку 6.

IFA виявили періоди значних причинно-наслідкових взаємодій Грейнджера між кожною парою ROI [q, 0.05, з корекцією FDR, включаючи періоди помірного (BF . 3) і сильного (BF . 10) ефектів] у всіх пробні фази (кодування, обслуговування та пошук).

Інформаційні потоки (найвищі графіки в кожному випадку для рис. 5 і 6) були найсильнішими в кожному напрямку поблизу періодів вищої продуктивності класифікатора; але в кожній парі ROI відносна сила впливу кожної ROI на іншу змінювалась протягом тривалого часу, як це відображено на графіках відмінностей. Коли OC поєднували з будь-якою іншою ROI, потік інформації від OC мав тенденцію бути вищим, ніж потік інформації до OC відразу після кожного початку стимулу, що відповідає відповіді, керованій стимулом.

Це було особливо помітно для епохи кодування, коли середня різниця в інформаційному потоці між OC та будь-яким іншим ROI (середня DiffOC. ) змінювалася від {{0}}.094 до 0. 127, а BF вказує на низку сильних ефектів на користь більшого потоку інформації від OC до іншої області (q, 0,05, BF . 10 у кожному випадку). Також спостерігався помірний вплив потоку інформації від OC до PMC, що перевищує зворотний напрямок під час технічного обслуговування (середнє DiffOC.PMC=0.042, q, 0.05, BF=3.19).

Нас особливо цікавило, чи є свідчення того, що інформаційний потік від PMC формує реакцію в інших областях. Найвагоміший доказ цього був між PMC та PFC. Середній інформаційний потік від PMC до PFC мав тенденцію перевищувати зворотний напрямок протягом усіх епох, із сильним ефектом під час кодування (середнє DiffPMC.PFC {{0}}.056, q, 0.05, BF=18.70), і помірний вплив під час обслуговування (середнє DiffPMC.PFC=0.025,q, 0.05, BF=7.33), але це зміщення не досягло значущості під час пошуку (середнє DiffPMC.PFC=0. 014, к. 0,05, BF=0.77). Часові зміни на малюнку 5C показують, що протягом усіх епох випробувань потік інформації від PMC до PFC був найсильнішим у період ранньої відповіді на кожен стимул, керованої стимулом. З OC PMC показав докази більшого потоку інформації в останній частині епохи пошуку (рис. 5A). Усереднене за епоху пошуку ця різниця була зміщена в бік PMC, що керує OC, але це був невеликий ефект (середнє DiffPMC.PFC=0.029, q, 0.05, BF=1.59).

Серед решти пар ROI єдині випадки з помірним або більшим ефектом (BF . 3) були між VT і PFC (рис. 6C), під час кодування (середнє DiffVT.PFC=0.057, q , 0.05, BF=4.00) і пошук (сер. DiffVT.PFC=0.040, q, 0.05, BF=57.79) . Що стосується OC, часи, коли VT домінував у потоці інформації з PFC, узгоджувалися з ранньою реакцією, керованою стимулом (наприклад, порівняйте часи домінування VT на рис. 6C та OC на рис. 6B). Загалом було мало доказів того, що PFC домінує над потоком інформації в інших областях.

Нарешті, для кожної епохи випробувань ми співвіднесли середній потік інформації між кожною парою досліджуваних областей із поведінковою точністю між учасниками. Жодна з цих кореляцій не досягла статистичної значущості після корекції для кількох порівнянь, і жодна кореляція не досягла рівня помірного ефекту (BF . 3). Це свідчить про те, що наш відносно невеликий розмір вибірки був недостатнім для виявлення будь-якої передбачуваної сили потоку інформації для виконання завдання. Однак ми вважаємо, що такі кореляції можуть бути плідним напрямком для майбутніх досліджень із застосуванням цих методів, тому ми включаємо ці попередні результати як посилання для майбутньої роботи.

Обговорення

Незважаючи на продемонстровану важливість PMC під час відновлення пам’яті, причинний вплив PMC на інші регіони залишався неясним. Зокрема, напрямок і зміст обміну інформацією між PMC та іншими ділянками мозку під час процесів пам'яті не перевірялися. Тут ми використали MEG-записи з визначених МРТ досліджуваних областей для оцінки потоку інформації між PMC та іншими регіонами під час завдання візуально-просторової робочої пам’яті. Результати свідчать про те, що репрезентації об’єктів PMC демонструють причинно-наслідковий вплив Грейнджера на інформацію про стимули в інших регіонах, особливо в його впливі на PFC на всіх етапах завдання. Було також припущення, що PMC формує відповіді в OC під час пошуку.

PMC формує репрезентації стимулу в префронтальних областях

Наше найбільш вражаюче відкриття стосується впливу PMC на інформацію про стимул, що запам'ятовується в PFC. На всіх етапах завдання інформаційний потік від PMC до PFC був більш домінуючим, ніж у зворотному напрямку. Оскільки наше вимірювання інформаційного потоку базується на ефективності класифікації, а не на амплітуді відповіді, цей висновок свідчить про те, що інформація, пов’язана зі стимулом, у PMC передбачала репрезентації стимулів, які мали виникнути в PFC. Це було найбільш очевидно на етапах кодування та обслуговування; однак виявлено, що PMC також формує відповіді в PFC під час фази пошуку. Той факт, що цей ефект виник незабаром після появи стимулу пошуку, резонує з PMC, який передає інформацію, на якій базується рішення учасника, до PFC для підтримки успішного відкликання.

Префронтальні області надійно залучені до контролю уваги та гнучкого кодування інформації, що стосується завдань (Duncan, 2010; Freedman and Assad, 2016). Моделі анатомічного зв’язку між гіпокампом і фронтальними зорово-окоруховими системами (тобто дорсолатеральним ПФК і фронтальними полями очей) (Shen et al., 2016) припускають, що лобові області особливо добре розташовані для інтеграції інформації зорової пам’яті для керування поведінкою (Contiand Irish, 2021). ). Лобно-тім’яні області, задіяні в контролі уваги, також задіяні в робочій пам’яті, особливо під час періодів кодування та підтримки (Gazzaley and Nobre, 2012). Крім того, відомо, що префронтальні області викликають зміни в зоровій корі; наприклад, мікростимуляція фронтальних полів ока викликає зміни в зоровій корі відповідно до зміщення уваги (Moore et al., 2003; Premereuret al., 2013).

Наші результати свідчать про те, що PMC формує префронтальні репрезентації запам’ятовуваної зорово-просторової інформації під час виконання завдання, включаючи початок періоду пошуку. Попередня робота з фМРТ продемонструвала посилення лобно-тім’яної активації під час кодування та обслуговування незалежно від того, потрібне було відновлення чи ні, тоді як задня кора поясної частини головного мозку показала шаблони відповіді, що відповідають роль у пошуку (Rahm et al., 2014). Функціональний зв’язок між PMC і префронтальними областями, такими як вентромедіальний PFC, додатково підтверджує важливість фронтопарієтального зв’язку під час епізодичного пошуку (для огляду див. Andrews-Hanna, 2012; Ritchey and Cooper, 2020). Наші висновки розширюють попередню роботу, припускаючи, що ця спостережувана модель підключення включає PMC, що впливає на інформацію, що стосується завдання, у префронтальних мережах.

Як і у випадку будь-якої іншої кореляції, наші часткові кореляції в IFA можуть відображати зв’язки з іншою (неперевіреною) областю. Інша можливість полягає в тому, що наші ROI не були повністю ізольовані під час реконструкції джерела та включали сигнали з сусідніх регіонів. Якби сигнали PMC були присутні в PFC ROI або навпаки, це збільшило б спільну дисперсію між ROI. Спільна дисперсія може зменшити ступінь, до якої сигнали в одній ROI вносять інформацію вище, яка вже присутня в іншій ROI, що може зменшити виміряну інформацію потік.

PMC впливає на ранню сенсорну кору під час пошуку

Наші результати також свідчать про те, що під час пошуку PMC формує реакції в сенсорній корі. На всіх етапах завдання та для кожної пари ROI OC мав тенденцію домінувати в інформаційному потокі, впливаючи на інші регіони більше, ніж на нього впливали ці регіони, відповідно до візуальної природи завдання. Однак домінування OC у наших вимірюваннях інформаційного потоку, можливо, було посилено спостережуваною загалом тимчасовою продуктивністю класифікатора. У всіх досліджуваних областях декодування з підвищеною ймовірністю було здебільшого обмежено короткими періодами після презентації стимулу, що свідчить про те, що будь-яке нейронне представлення збереженої інформації мало мінімальний внесок у продуктивність класифікатора. Примітно, що ми знайшли деякі докази значного потоку інформації від PMC до OC в останньому. частина періоду пошуку (BF=1.59). Чи є цей інформаційний потік функціонально відповідним, залишається незрозумілим. Будь-який функціональний вплив PMC на OC має бути опосередкований непрямими зв’язками, оскільки немає прямих проекцій між PMC та первинними сенсомоторними областями (Parvizi та ін., 2006; Leech та Smallwood, 2019). Можливі непрямі шляхи, якими PMC може впливати на потиличні області, включають тім’яну медіальний скроневий шлях, який, як передбачається, сприяє зорово-просторовій обробці (Kravitz et al., 2011).

Наслідки для розуміння функції PMC

Загалом наші результати свідчать про те, що PMC відіграє певну роль у передачі інформації, пов’язаної зі стимулами, іншим регіонам. У зв’язку з цим виникає запитання, чим саме займається ПВК. Хоча наші результати свідчать про спрямованість впливу PMC на інші ділянки мозку, точна функція PMC у цьому контексті залишається неясною. PMC представляє один із головних центрів мережі головного мозку за замовчуванням, що визначається його «негативним» профілем відповіді (Buckner et al., 2005). Однак ми демонструємо тут, що PMC не демонструє простого негативного внеску в зорово-просторову пам’ять. Залучення PMC під час кодування та обслуговування пов’язане з нижчою продуктивністю завдання (Piccoliet al., 2015; Santangelo and Bordier, 2019), однак «перевертання кодування/пошуку» PMC свідчить про те, що підвищена активність під час пошуку пов’язана з кращим запам’ятовуванням (Daselaar та ін., 2004, 2009). Хоча сама діяльність може відображати неспецифічний внесок у зміст, наші вимірювання представлень стимулів, використовуючи ефективність класифікатора, дозволяють припустити, що PMC активно формує представлення інформації, пов’язаної зі стимулами, в інших регіонах під час виконання завдання. Відповідно, PMC не бере участі в обробці суто зовнішніх сенсорних стимулів. але бере активну участь у представленні внутрішнього вмісту, включаючи інформацію, що запам’ятовується (Leech and Smallwood, 2019). Проте нашому дослідженню було недостатньо можливостей, щоб окреслити, як потік інформації між PMC та іншими ділянками мозку передбачає точність поведінки, і ми припускаємо, що це буде критично важливий шлях для вивчення в майбутній роботі.

Майбутні напрямки

Наскільки нам відомо, це перше дослідження, спрямоване на вивчення обміну інформацією, пов’язаною зі стимулами, між PMC та іншими регіонами, наше дослідження висуває кілька напрямків для майбутніх досліджень. Хоча ми зосередилися тут на чотирьох апріорних ROI та використали відносно невеликий розмір вибірки, буде важливо всебічно відобразити потік інформації між PMC та іншими ділянками мозку під час зорово-просторової пам’яті з більшими когортами учасників. Методи з визначенням часу, такі як MEG/EEG , також можна доповнити методами візуалізації, такими як фМРТ, щоб перевірити більш тонку парцеляцію в цих регіонах.

У нас було низьке загальне декодування під час обслуговування, а отже, обмежена здатність виявляти потік інформації під час цієї фази завдання. Ми вибрали візуально подібні стимули, щоб збільшити складність завдання та зменшити вербальне маркування. Однак це могло знизити продуктивність класифікатора для ідентифікації завдання. Декодування було вищим для розташування подразника, де ретинотопна організація зорових кортикальних областей давала б більші просторові відмінності у відповіді, але навіть для місць, окрім відповіді, спричиненої стимулом, ми виявили мало доказів декодування на основі запам’ятованих значень. І навпаки, під час декодування сигналів ЕЕГ під час простішого завдання зорової пам’яті Bocincova та Johnson (2019) повідомляють про декодування подразників із вищою ймовірністю під час періоду затримки, хоча й слабшого, ніж під час кодування. Таким чином, хоча висока складність завдання здається необхідною для виділення конкретної ролі PMC (Kochanet ін., 2011; Leech та ін., 2011; Vannini та ін., 2011), менш вимогливе завдання може дати кращу продуктивність класифікатора, щоб краще виявляти потоки інформації на всіх етапах завдання.

Зусилля з визначення функціональної значущості субрегіонів PMC також можуть запропонувати важливе розуміння ранньої та точної діагностики хвороби Альцгеймера (Buckner та ін., 2005; Xia та ін., 2014; Ву та ін., 2016; Khan та ін., 2020). ). Нові дані свідчать про те, що здорові молоді люди, які несуть алель APOE-«4, демонструють неефективність модуляції активності PMC під час робочої пам’яті та сприйняття сцени (але не обличчя та об’єкта) (наприклад, Shineet al., 2015), у той час як функціональна дезактивація PMC під час зорово-просторової робочої пам’яті продуктивність є прогностичною ознакою подальшого зниження когнітивних здібностей у літніх людей з легкими когнітивними порушеннями (Kochan et al., 2011).

З огляду на те, що зорово-просторова дисфункція через дисфункцію ПМК вважається раннім провісником хвороби Альцгеймера (Pihlajamäki та ін., 2010; Irish та ін., 2012; Салімі та ін., 2018), майбутні дослідження, що вивчатимуть функціональні зміни в ПМК, можуть покращити раннє виявлення осіб із ризиком розвитку деменції.

Список літератури

Andrews-Hanna JR (2012) Основна мережа мозку та її адаптивна роль у внутрішньому мисленні. Нейроболог 18: 251–270.

Benjamini Y, Hochberg Y (1995) Контроль рівня помилкових відкриттів: практичний і потужний підхід до багаторазового тестування. JR Stat Soc Ser BMethodol 57:289–300.

Bird CM, Keidel JL, Ing LP, Horner AJ, Burgess N (2015) Консолідація складних подій шляхом відновлення в задній частині поясної кори. J Neurosci35:14426–14434.

Bocincova A, Johnson JS (2019) Хід часу кодування та підтримки релевантних для завдання та нерелевантних функцій об’єкта в робочій пам’яті. Cortex111:196–209.

Брейнард Д.Х. (1997) Набір інструментів психофізики. Спат Віс 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)Молекулярна, структурна та функціональна характеристика хвороби Альцгеймера: докази взаємозв’язку між активністю за замовчуванням, амілоїдом і пам'яттю. 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) Субспеціалізація задньої медіальної кори людини. Neuroimage 106:55–71.

Canolty RT, Edwards E, Dalal SS, Soltani M, Nagarajan SS, Kirsch HE, Berger MS, Barbaro NM, Knight RT (2006). Наука 313:1626–1628.

Конті Ф., Айріш М. (2021) Використання зорових образів і окорухової поведінки для розуміння проспекції. Тенденції Cogn Sci 25:272–283.

Купер Р.А., Річі М. (2019) Кортико-гіппокампальні мережеві з’єднання підтримують багатовимірну якість епізодичної пам’яті. Elife 8:e45591.

Дейл А. М., Фішль Б., Серено М. І. (1999) Аналіз кортикальної поверхні: I. Сегментація та реконструкція поверхні. Neuroimage 9:179–194.

Daselaar SM, Prince SE, Cabeza R (2004) Коли менше означає більше: дезактивації під час кодування, які передбачають подальшу пам’ять. Neuroimage23:921–927.

For more information:1950477648nn@gmail.com