Функціональний градієнт веретеноподібної кори для розпізнавання китайських ієрогліфів. Частина 2
Jan 10, 2024
Поведінковий аналіз
ACC і RT були розраховані для чотирьох умов. Основні ефекти категорій стимулів були проаналізовані за допомогою одностороннього повторного дисперсійного аналізу. Парні t-критериї з post hoc поправкою Бонферроні (p, 0.05) проводилися в різних умовах.
Існує тісний зв'язок між стимуляцією і пам'яттю. Чим цікавішим, новим і складнішим є щось, тим легше нам це запам’ятати. Ось чому ми часто використовуємо різні методи в школах, щоб стимулювати інтерес і допитливість учнів, щоб покращити їх пам'ять. Отже, які стимули можуть покращити нашу пам'ять?
Перш за все, уява та навички асоціацій є важливими факторами для покращення пам’яті. Нам потрібно дозволити мозку далі обробляти інформацію та пов’язувати її з нашим власним досвідом, знаннями, емоціями тощо, щоб краще її запам’ятовувати. Наприклад, вивчаючи нове слово, ми можемо пов’язати його з візуальною сценою або існуючим словом зі схожою вимовою, що може допомогти нам краще його зрозуміти та запам’ятати.
По-друге, використання кількох органів чуття також може покращити пам’ять. Ми можемо отримувати інформацію через різні канали, такі як зір, слух, дотик і нюх, які можуть створювати більше зв’язків і асоціацій у мозку та сприяти довготривалій пам’яті. Тому під час навчання ми можемо спробувати різні способи отримання інформації, наприклад, прослуховування записів під час читання або фокусування під час фотографування, щоб краще записати інформацію на місці.
Нарешті, регулярні фізичні вправи для вашого тіла та мозку також можуть покращити вашу пам’ять. Фізичне здоров'я може підвищити гнучкість і рухливість мозку і краще покращити нашу пам'ять. Регулярні фізичні вправи сприяють кровотоку, збільшують постачання киснем і стимулюють метаболізм мозку, тим самим покращуючи роботу мозку. Крім того, підтримання активності мозку шляхом багато читання, роздумів, навчання тощо також може покращити нашу пам’ять.
Одним словом, стимуляція позитивно впливає на пам'ять. Ми можемо покращити свою пам’ять різними способами, наприклад, використовуючи більше уяви та навичок асоціації, використовуючи численні органи чуття для отримання інформації та наполягаючи на тренуванні тіла та мозку. Поки ми будемо наполегливі, я вірю, що наша пам’ять покращуватиметься, допомагаючи нам навчатися та розвиватися краще. Видно, що нам потрібно покращити пам’ять, і Cistanche deserticola може значно покращити пам’ять, оскільки Cistanche deserticola також може регулювати баланс нейромедіаторів, наприклад підвищувати рівень ацетилхоліну та факторів росту. Ці речовини дуже важливі для пам'яті та навчання. Крім того, м’ясо також може покращити кровообіг і сприяти доставці кисню, що може гарантувати, що мозок отримує достатню кількість поживних речовин і енергії, тим самим покращуючи життєздатність і витривалість мозку.
Однофакторний аналіз активації
В аналізі на рівні одного суб’єкта була проведена загальна лінійна модель (GLM) із згорткою часу встановлення стимуляції (SOT) і функції гемодинамічної відповіді (HRF) як незалежних змінних, часових рядів сигналів fMRI як залежних змінних і шести параметрів перебудови. як регресори.
Під час аналізу на груповому рівні для аналізу кожного вокселя використовували один зразок t-тестів для отримання карт активації для кожної умови [p, 0.05, поправка FDR (q, 0,05), розмір кластера. 10].
Щоб дослідити різні функціональні рівні активації FG під час розпізнавання китайських слів, ми визначили п’ять типів карт активації мозку: (1) RWs проти фіксації мінус PWs проти фіксації для лексичних ефектів, (2) PWs проти фіксації мінус FWs проти фіксації для ефектів словоформи, (3) ) PW проти фіксації мінус RW проти фіксації для абстрактної орфографічної обробки, (4) FW проти фіксації мінус RW проти фіксації для низькорівневої орфографічної обробки та (5) SC проти фіксації мінус RW проти фіксації для базової візуальної обробки.
Зокрема, PW мають таку саму орфографічну регулярність, що й RW, але не мають доступу до лексичної фонології та значення. FW мають звичайні радикали або графеми логотипів, але не мають законної китайської орфографії, тоді як SC були просторово перемежовані.
Разом функціональний рівень зростає від першого до п’ятого контрастів. Крім того, очікувалося менше етапів обробки, але більша активація для останніх трьох контрастів через помилки передбачення через останній невдалий етап, тобто сильніша активація для більшої кількості спроб зіставити глобальну орфографію з фонологією та значенням слова або інтегрувати локальні радикали в ціле характер (Прайс і Девлін, 2011).
RSA
RSA є потужним для інтеграції різних рівнів/масштабів/модальностей (наприклад, нервової, поведінкової, фізичної, теоретичної) діяльності для виявлення когнітивних маніпуляцій (Fischer-Baum та ін., 2017; Ван та ін., 2018; Деніз та ін., 2019). ). Поточне дослідження мало на меті дослідити точні функціональні ролі FG під час розпізнавання китайських слів.
Цієї мети було досягнуто шляхом зв’язку між теоретичною репрезентативною матрицею відмінностей (RDM) різних рівнів китайської орфографії та нейронної RDM у FG. Ключовим питанням є кількісна оцінка відмінностей між абстрактною та лексичною орфографією. Ми досягли цього результату, розрахувавши лого-графемне представлення RW, PW та FW.
Теоретичні RDM
Графема логотипу є основною одиницею представлення китайських ієрогліфів (Han et al., 2007). Логографема RDM була побудована шляхом обчислення одиниці мінус співвідношення спільних основних одиниць між будь-якими двома стимулами в RW, PW та FW.
Зверніть увагу, що SC складаються з випадкових штрихів, але не всі штрихи є графемами логотипів. Таким чином, логотип-графема RDM може бути створена лише для RW, PW та FW. Репрезентації лого-графем вказують на внутрішні маніпуляції, що трактують логотип-графему як мінімальну одиницю.
Під час розпізнавання символів внутрішні когнітивні процеси містять лексичну орфографію (тобто орфографічну законність і відображення форми слова у фонології та семантиці), орфографію словоформи (тобто радикальну позицію та орфографічну законність), радикальну орфографію (тобто позицію штриха) та загальну візуальну інформацію, складену світлих і темних плям.
Під час розпізнавання PW представлення лого-графа вказують на ортографічну законність обробки та загальні візуальні властивості. Для розпізнавання FW представлення лого-графем вказують на радикальну та загальну візуальну обробку.
Семантичні представлення були розраховані для RW, оскільки PW та FW були безглуздими. Семантичну відмінність розраховували як один мінус косинус подібності між векторами слів будь-якої пари RW стимулів. Використовувалися алгоритми пропуску грам (розмір вікна=5, частота піддискретизації=10 4, кількість негативної вибірки=5, швидкість навчання=0.025, номер виміру=300) для обчислення векторів слів на основі китайського корпусу Вікіпедії з відкритим кодом.
Нейронні RDM і прожектор RSA
GLM проводився на першому рівні для кожного з 120 випробувань, з регресією 6 параметрів руху голови. У кожній умові (RW, PW та FW) і для кожного суб’єкта воксельна подібність нейронів між будь-якою парою з 40 випробувань була розрахована як значуща кореляція між b-b-значеннями, отриманими з егоцентричної сфери з 6-- радіус мм.
Кореляція один мінус між будь-якими двома стимулами встановлювалася як несхожість. Для кожного суб’єкта в кожному стані було отримано центрований воксель сфери, що завершувався поперечно в межах кортикальних областей інтересу (ROI), таких як прожектор, і воксельні нейронні RDM. ROI у поточному дослідженні були визначені як двосторонні веретеноподібні області (55#, 56#) у шаблоні Automated Anatomical Labeling 3 (AAL3).
Двостороння нижня потилична кора (53#, 54#) в AAL3 також була включена. Кореляції Спірмена були розраховані між нейронними RDM і лого-графемними/семантичними RDM на воксельному рівні. R-перетворені значення Z Спірмена були значеннями лого-графеми/семантичного представлення та використовувалися для виконання одностороннього t-тесту з однією вибіркою для суб’єктів на рівні вокселів.
Значущі вокселі (p, 0.05, без виправлення, розмір кластера. 10) у t-тесті були визначені як залучені до лого-графемного/семантичного представлення. Сценарії аналізу та зведені дані доступні на GitHub (http://github.com/miaocao88/Functional-Gradient-in-vOT).
Валідаційний аналіз
Щоб перевірити, чи поведінкова ефективність (ACC) впливає на мозкову діяльність під час виконання завдань щодо лексичного рішення, було проведено перевірочний аналіз шляхом виключення випробувань, у яких учасники неточно оцінювали лексичність. Зокрема, щодо стану PWs, 6 учасників, у яких ACC становить 50%, були виключені, щоб забезпечити статистичний ефект результатів RSA.
Результати
Поведінкові результати
Проаналізовано ACC і RT натискання кнопки для завдання лексичного рішення. Основні ефекти ACC і RT серед RW, PW, FW і SC, розрахованих одностороннім повторним дисперсійним аналізом, були значними, як показано на малюнку 1B (Allen et al., 2019). Значні основні ефекти, виміряні одностороннім повторним дисперсійним аналізом, спостерігалися як для ACC (F(3,150)=27.12, p, 0,001), так і для RT (F(3,150) =16. 68, р, 0,001).
ACC PW ({{0}}.80 6 0.21) був значно нижчим, ніж у RW (0.95 6 0.07, t(50)=5.29,p, 0.001, Бонферроні виправлено), FWs (0.{ {12}}.06, t(50) =6.12, p, 0,001, виправлено Бонферроні) і SC (0.98 60.05, t(50) { {23}}.23, p, 0,001, виправлено Бонферроні), тоді як RT PW (938.81 6 15.60 мс) був значно вищим, ніж RW (793.78 6 170.21 мс, t(50)=9.04,p, 0,001, Бонферроні виправлено), FWs (780.416 149.84ms,t(50)=10.28, p, 0,001, Бонферроні виправлено ), і SCs(728.686 152.54ms, t(50)=12.84, p, 0,001, виправлено Бонферроні).
ACC SC був більшим, ніж RW (t(50) =2.89, p, 0.05, виправлено Бонферроні). RT SCs був коротшим, ніж FWs (t(50)=4.85, p, 0.001, Bonferronicorrected) і RWs (t(50)=5.30, p, 0.001, Bonferronicorrected) .
Разом суб’єкти показали найгіршу продуктивність у розпізнаванні PW порівняно з іншими трьома умовами, але кращу продуктивність для SC у завданні лексичного рішення.
Результати функціональної активації
У поточному дослідженні ефект словоформи був визначений як активація PWs проти фіксації мінус FWs проти фіксації, тоді як лексичний ефект був визначений як RWsversus фіксація мінус PWs проти фіксації. Як показано на малюнку 2A, ефект словоформи активував двобічну вентральну потилично-скроневу кору та ліву середню потиличну звивину [p, 0.05, корекція FDR (q, 0,05), розмір кластерів. 10].
Області ефекту лівої словоформи були розташовані у великому кластері (розмір кластера {{0}}), що охоплював середню частину лівої латеральної потилично-скроневої борозни, включаючи ліву нижню скроневу звивину, середню та передню частини лівої FG, вони ліворуч нижню потилична звивина [p, 0.05, корекція FDR (q, 0,05), розмір кластера. 10]. Області правого ефекту словоформи залучали контралатеральну гомотопну кору, включаючи праву нижню скроневу звивину та середню FG.
Лексичний ефект активував великі області мозку, включаючи двобічну середню потиличну звивину, двобічну потилично-скроневу кору (що складається з нижньої скроневої звивини та середньої ФГ), праву ФГ і передню частину лівої нижньої скроневої звивини [p, {{{{2} }}}.05, корекція FDR (q, 0,05), розмір кластера. 10].
Масово активовані ділянки мозку можуть бути отримані від модуляції лексичних реакцій зверху вниз. Зверніть увагу, що більше передніх активацій лексичних ефектів було виявлено в передній частині лівої нижньоскроневої звивини, ніж у передній частині лівої ФГ. Для отримання додаткової інформації дивіться таблицю 1.
Виходячи з гіпотези про помилку прогнозу, PW проти фіксації мінус RW проти фіксації, FW проти фіксації мінус RW проти фіксації та SC проти фіксації мінус RW проти фіксації відповідали абстрактографічній обробці, радикальній обробці та вилученню візуальних властивостей відповідно, які належать до нижчого рівня. рівні орфографічної структури.
Як показано на малюнку 2B, PWs проти фіксації мінус RWs проти фіксації активували двобічну вентральну потилично-скроневу кору та двобічну середню потиличну звивину [p, 0.05, корекція FDR (q, 0.{ {8}}5), розмір кластера. 10]. Ділянки мозку для FW проти фіксації мінус RW проти фіксації були знайдені в двосторонній нижній скроневій звивині та лівій середній потиличній звивині [p, 0,05, корекція FDR (q, 0,05), розмір кластера. 10].
SC проти фіксації мінус RW проти фіксації активували лише ліву середню та нижню потиличну звивини [p, {{0}}.05, корекція FDR (q, 0,05), розмір кластера. 10].
Поступово змінені та змішані активації вздовж осі Y у задній частині лівої нижньої скроневої звивини показані на нижній панелі Фігури 2B та підтверджені функціональні градієнти лівої ФГ. Для отримання додаткової інформації дивіться таблицю 2.
For more information:1950477648nn@gmail.com
