Experimentarea surprizei: dinamica temporală a impactului său asupra memoriei partea 2

analize statistice

Pentru a evalua codificarea dinamică modulată de așteptări, am adunat seturi de obiecte (mere, foarfece etc.). În fiecare set, au existat patru evenimente setate (țintă; F1, cel mai asemănător; F2, similaritate medie; și F3, cel mai puțin similar), fiecare cu (1) condiție de așteptare atribuită aleatoriu, (2) poziție de prezentare în cadrul setului și (3). ) ordinea prezentării la extragere (1–312 încercări).

Memoria umană este uimitoare. Prin experiență, studiu și antrenament, ne putem îmbunătăți considerabil abilitățile de memorie. În viața de zi cu zi, de multe ori trebuie să ne amintim diverse informații, cum ar fi numere de telefon, zile de naștere, nume, parole etc. Toate aceste lucruri necesită memorie.

Cu toate acestea, dacă ne amintim prea multe lucruri, sau dacă nu sunt prezentate în ordinea corectă, atunci vom avea dificultăți sau chiar vom renunța să ne amintim. Aceasta este relația dintre ordinea prezentării și memorie.

Ordinea corectă a prezentării ne poate ajuta să ne amintim mai bine informațiile. De exemplu, dacă dorim să ne amintim un șir de numere, putem încerca să le aranjam după un anumit model, cum ar fi ordinea crescătoare sau descrescătoare, combinații perechi etc. Aceste metode ne pot ajuta să facem informațiile mai ușor de înțeles și de reținut.

Când învățați cunoștințe noi, ordinea prezentării este, de asemenea, foarte importantă. Învățăm lucruri noi mai eficient dacă împărțim cunoștințele noi în bucăți mai mici și creștem treptat dificultatea. Această metodă se numește „sarcini gradate”, care ne poate ajuta să stăpânim rapid noile cunoștințe și este mai puțin probabil să fie omise sau confuze.

În viața de zi cu zi, putem folosi și ordinea corectă de prezentare pentru a îmbunătăți memoria. Calendarele de familie, memoriile și listele ne pot ajuta toate să ne organizăm mai bine viața, astfel încât să nu mai uităm lucruri importante sau să pierdem termenele limită.

Pe scurt, ordinea corectă a prezentării ne poate îmbunătăți considerabil capacitatea de memorie. Prin aranjarea și analiza adecvată, putem înțelege mai bine informațiile, le putem aminti și le putem aplica în viețile noastre viitoare. Să folosim ordinea corectă de prezentare pentru a ne stimula potențialul creierului, a stăpâni mai multe cunoștințe și a ne face viața mai împlinită și mai frumoasă. Se poate observa că trebuie să îmbunătățim memoria, iar Cistanche deserticola poate îmbunătăți semnificativ memoria, deoarece Cistanche deserticola poate regla și echilibrul neurotransmițătorilor, cum ar fi creșterea nivelului de acetilcolină și a factorilor de creștere. Aceste substanțe sunt foarte importante pentru memorie și învățare. În plus, carnea poate, de asemenea, să îmbunătățească fluxul sanguin și să promoveze livrarea de oxigen, ceea ce poate asigura că creierul primește suficiente nutrienți și energie, îmbunătățind astfel vitalitatea și rezistența creierului.

Faceți clic pe cunoașteți modalități de îmbunătățire a funcției creierului

Am rulat un model de regresie logistică binar cu efecte mixte pe aceste date negrupate, utilizând starea așteptărilor evenimentelor curente și anterioare și poziția prezentării la recuperare ca covariabilă. Modelele au fost calculate folosind pachetul lme4 (Bates și colab., 2{ {4}}15) în mediul R (R Development Core Team, 2008). Parametrii unor astfel de modele pot fi utilizați pentru a evalua probabilitatea de a da un răspuns corect („vechi” pentru ținte, „nou” pentru folii) și, de asemenea, pot lua în considerare interceptarea unică a fiecărui participant (prejudecata de răspuns). Pentru a evalua panta fiecărui predictor din model (H0: b=0), am folosit un omnibus x2 Waldtest (West et al., 2014), așa cum este implementat în pachetul auto (Fox și Weisberg, 2018).

Extragerea și reprezentarea grafică a efectelor raportate mai jos au fost efectuate folosind pachetele efecte (Fox, 2003), mijloace (Searle și colab., 1980) și ggplot2 (Wickham, 2009). Pentru a examina interacțiunea dinamică dintre similaritatea perceptivă și statutul de așteptare, pentru fiecare eveniment stabilit am conceput trei modele de interes, modelând fiecare eveniment separat în funcție de secvența evenimentului precedent.

De exemplu, țintele precedate de F1 au fost modelate separat de țintele precedate de F2. Pentru a elimina orice efecte determinate de diferențele de putere a memoriei, am inclus în acest model doar evenimente pentru care răspunsul anterior a fost corect (adică, pentru ținte care au urmat evenimentelor F1, am inclus doar ținte care au urmat CR1). Rezultate similare au fost observate la includerea tuturor încercărilor în model (consultați depozitul GitHub pentru cod pentru a rula analize și a genera cifre). Fiecare model a inclus astfel starea de așteptare a setevenimentelor actuale și anterioare, precum și ordinea prezentării la extrageri ca covariabilă. Codul și datele sunt disponibile aici:https://github.com/frdarya/DynamicExpectation.

Experimentul 2

Participanții

Un total de 25 de participanți (opt bărbați, cu vârste cuprinse între 18 și 33 de ani, medie=25, SD=4.2) și-au dat consimțământul informat și au luat parte la studiu. Participanții aveau vedere normală sau corectată la normal și nu aveau antecedente de tulburări neurologice sau psihiatrice. Toate procedurile au fost aprobate de Comitetul de etică a cercetării de la Universitatea din Manchester. Un participant a fost exclus din toate analizele din cauza eșecului de a învăța contingența indiciu-rezultat în timpul sarcinii de învățare a regulilor.

Design experimental

O paradigmă similară și manipularea așteptărilor a fost folosită în experimentul 2, cu următoarele excepții: în faza de codificare, fiecare obiect a fost prezentat de trei ori consecutiv. Fiecare obiect a fost pe ecran timp de 2000 ms, cu o cruce de fixare agitată (250-750 ms) între fiecare prezentare. În timpul primei și celei de-a doua prezentări, participanții au fost rugați să ia o decizie semantică cu privire la obiect, dacă este creat de om sau natural și dacă este mai probabil să fie găsit în interior sau în aer liber. Ordinea acestor întrebări a fost aleatorie. În timpul celei de-a treia prezentări, participanții au fost întotdeauna rugați să studieze obiectul cu atenție concentrându-se pe detalii. După cea de-a treia prezentare, a existat o altă cruce de fixare agitată, pentru o perioadă mai lungă (800–1200 ms), pentru a crea mini-blocuri care separă fiecare obiect.

Sarcina de învățare a regulilor a fost identică cu cea utilizată în experimentul 1, cu excepția unui timp de prezentare a răspunsului mai lung al indiciului (3 s în loc de 1 s) și a unei încrucișări de fixare agitată (250-750 ms) între fiecare încercare (vezi Fig. 1-1 pentru date comportamentale și extinse Fig. 1-2 pentru rezultatele fMRI din sarcina de învățare a regulilor). Înainte de sarcina de recuperare, participanții au rezolvat probleme de aritmetică timp de 2 minute (nu au fost scanate).

La recuperare, am folosit două niveluri de similitudine a foliei (F1 și F2) în fiecare set, în loc de trei. În interesul optimizării timpului în scaner, obiectele F3 nu au fost utilizate, deoarece nu au produs niciun efect de interes în experiment1. Fiecare încercare de recuperare a început cu o încrucișare de fixare agitată (250–750 ms), urmată de o prezentare a indiciului timp de 1000 ms și apoi evenimentul setat (țintă, F1 sau F2) timp de 3000 ms. În toate sarcinile scanate, am folosit linii de bază implicite (încrucișări de fixare pentru 3500 ms în sarcinile de codificare și de învățare a regulilor, 4500 ms în recuperare) în 30% din încercări.

Analiza statistică comportamentală

În urma analizei și a rezultatelor din experimentul 1, am restrâns obiectivele și evenimentele F1 și am modelat probabilitatea de a lua o decizie corectă (locuri și respingeri corecte) pe baza stării de așteptare a evenimentului setat curent și a stării de așteptare a evenimentului setat anterior.

Ca inexperiment 1, pentru a elimina puterea de confuzie a memoriei, au fost incluse doar răspunsurile corecte (consultați depozitul GitHub pentru rezultate similare când includ toate încercările și pentru analize separate ale țintelor și F1). Rejecțiile corecte ale foliilor F2 au fost, de asemenea, modelate în funcție de evenimentele anterioare, așa cum sa făcut pentru experimentul 1.

achiziție fMRI și analiză statistică

Scanarea RM a fost efectuată pe un scaner RMN 3T (Philips, Achieva). Pentru a minimiza mișcarea în timpul scanării, s-au folosit pene de spumă și tampoane moi pentru a stabiliza capul participantului. Mai întâi, imaginile ponderate T1-(dimensiunea matricei: 256 256, 160 felii, dimensiunea voxelului 1 mm izotrop) au fost colectate în timp ce participanții s-au odihnit în scaner. O secvență de ecoplanarimaging în gradient (EPI) a fost utilizată pentru a colecta imagini T2 * pentru semnalul BOLD. 40 de felii paralele cu linia AC-PC, acoperind întregul creier (dimensiunea matricei 80 80, dimensiunea voxelului 3 3 3,5 mm3), au fost obținute pentru fiecare volum (TR=2.5s, TE=35 ms) .

Participanții au efectuat trei sarcini în scaner (codificarea 313 volume; învățarea regulilor 143 volume; recuperarea 534 volume) și o sarcină de distragere, care nu a fost scanată. ://www.fil.ion.ucl.ac.uk/spm/software/spm12/). Imaginile au fost realiniate la imaginea medie folosind o transformare de corp rigid cu șase parametri, resecționate folosind interpolarea sinc și corectate în timp de secțiune la mijloc felie.

Imaginile anatomice T1 au fost co-înregistrate la imaginea medie EPI corespunzătoare. Normalizarea spațială la șablonul Montreal Neurologic Institute (MNI) a fost realizată utilizând setul de instrumente DARTEL implementat în SPM12 (Ashburner, 2007). Nuezul Gaussian FWHM anizotrop de 8 mm a fost utilizat pentru netezirea datelor EPI normalizate pentru analizele univariate.

Pentru a elimina zgomotul de joasă frecvență, datele au fost filtrate cu trecere înaltă utilizând o limită de 128 s. Două regiuni de interes a priori (ROI), hipocampul bilateral și un ROI al creierului mediu care include doar substanța neagră (SN) și tegmentul ventral. au fost utilizate zone (VTA). Masca de hipocamp a fost luată din atlasul anatomic Harvard-Oxford (prag la 25% probabilitate; Desikan și colab., 2006). Masca mezencefală a fost luată din atlasul probabilistic al mezencefalului (Murty et al., 2014).

Datele funcționale ale fiecărui participant din sesiunea de recuperare au fost analizate utilizând cadrul modelului liniar general (GLM) în cadrul unei modele de proiectare legate de eveniment, care modelează funcția de răspuns hemodinamic canonic. Cei șase parametri de mișcare produși la realinierea pentru fiecare sesiune au fost utilizați ca regresori ai neplăcerilor. Pentru a minimiza artefactele de mișcare reziduală, a fost utilizat setul de instrumente ArtRepair (http://cibsr.stanford.edu/tools/human-brain-project/artrepair-software.html) pentru a produce regresori suplimentari pentru fiecare participant.

Seriile de timp au fost filtrate cu trecere înaltă pentru a elimina zgomotul de joasă frecvență (128-deconectare). Având în vedere ipoteza noastră a priori pentru ROI-urile introduse mai sus (hipocampul bilateral și SN/VTA), a fost adoptată o abordare de corecție a volumului mic (SVC) pentru aceste regiuni, corectată pentru eroarea la nivel de familie (FWE) pentru volumul ROI (pragul inițial de formare a cluster-ului). p, 0.001).

Pentru analize mai exploratorii ale întregului creier, a fost utilizată o abordare neparametrică bazată pe permutare (n=5000) pentru a identifica clustere semnificative folosind setul de instrumente SnPM (https://warwick.ac.uk/fac/sci/statistics/staff) /cercetare-academică/Nichols/software/snpm/). A fost utilizat un prag inițial de formare a clusterelor de p, 0.005 și sunt raportate clustere semnificative la un p neparametric, 0,05. Hărțile T la nivel de grup fără prag de la SPM și SnPM sunt disponibile aici:https://neurovault.org/collections/TTDMPHLE/.

Pentru a testa efectul comportamental al unei interacțiuni între așteptarea contextuală a unui eveniment anterior și așteptarea contextuală a evenimentului curent, am prăbușit țintele și F1 și le-am clasificat pe baza ordinii de prezentare (care a venit pe primul loc) și a stării lor de așteptare. Evenimentele F2 au fost modelate ca o condiție separată.

În această analiză, comparăm elementul curent între starea de așteptare actuală și cea anterioară (de exemplu, EprevUcurr . EprevEcurr). Având în vedere designul nostru experimental, există patru parametri ale căror interacțiuni ar putea fi explorate în continuare: evenimentul stabilit (țintă, F1, F2), așteptarea contextuală (așteptată sau neașteptată), răspunsul de memorie dat (corect sau incorect) și ordinea prezentării în cadrul acestor set (primul, al doilea , sau ultimul). Rezultă 36 de condiții; cu toate acestea, acestea nu au putut fi modelate împreună din cauza numărului insuficient de teste pe bin (n, 7) pentru majoritatea participanților.

Prin urmare, am conceput trei modele separate; în primul model, am examinat efectul principal al așteptării, indiferent de evenimentul stabilit sau de decizia de recunoaștere. În cel de-al doilea model, am examinat interacțiunile cu succes ale memoriei evenimentelor setate de așteptări, prin colapsul încercărilor în ordinea prezentării și modelând numai răspunsurile corecte pentru fiecare eveniment (toate răspunsurile incorecte au fost modelate ca un regresor separat). În al treilea model, am explorat interacțiunea așteptărilor, evenimentului stabilit și ordinea prezentării, indiferent de răspunsurile de recunoaștere.

Rezultate

Am efectuat două experimente, experimentul 1 a examinat răspunsurile comportamentale, iar experimentul 2 a folosit un paradigm similar în timp ce au fost colectate date fMRI. În ambele experimente, sarcina noastră comportamentală a inclus trei etape (pentru proiectarea experimentală, vezi fig. 1): în urma codificării imaginilor obiect, participanții au efectuat o sarcină de învățare a regulilor în care au învățat o contingență între un indiciu și categoria obiectului (man- făcută sau naturală). Apoi, la recuperare, au fost prezentate aceleași indicii, urmate de un obiect vechi (țintă) sau nou (foil).

Foliile au fost manipulate parametric cu obiecte similare, F1, F2 și F3, în ordinea descrescătoare a similitudinii cu ținta. Participanții au fost rugați să ia o decizie de recunoaștere veche/nouă. Într-o treime din încercările de regăsire, a fost încălcat condiția pre-stabilită de indiciu și categorie de obiect. Pentru a evalua codificarea modulată de așteptări și sensibilitatea acesteia la similaritatea perceptivă, am folosit regresia logistică cu efecte mixte pentru a modela răspunsul (recunoaștere corectă/incorectă) la fiecare eveniment setat (ținte și folii similare) în funcție de evenimentul precedent din acel set (de ex. , dacă mai întâi este prezentat un F1, iar mai târziu pe un target, acestea vor fi notate F1prev Targetcurr).

În plus, fiecare eveniment stabilit a fost asociat cu o stare de așteptare determinată de indiciul precedent (evenimentele care respectă regulile au fost marcate ca fiind așteptate și încălcarea regulilor ca neașteptate). Fiecare model a inclus, de asemenea, o interacțiune între starea așteptărilor actuale și anterioare pentru a examina schimbările dinamice (de exemplu, modul în care o folie anterioară neașteptată afectează recunoașterea unei ținte actuale așteptate; vezi Fig. 1C; pentru detalii complete, vezi Materiale și Metode).

Experimentul 1

Memoria pentru ținte este modulată de evenimente similare neașteptate precedente

Pentru ținte care urmează evenimentelor setate de F1, am găsit efecte principale semnificative ale așteptărilor F1 (b=0.659, X2(1)=4.63, p =0.031. ), precum și o interacțiune marginală între așteptarea țintei și starea anterioară de așteptare a F1 (b =0.939, X2(1)=3.65, p=0.056; Fig. 2A). Testele de contrast ulterioare au dezvăluit că țintele așteptate au fost mai susceptibile de a fi rememorate în urma unui F1 neașteptat, în comparație cu un eveniment de set F1 așteptat (z=2.15, p=0.031). Mai mult, atunci când evenimentul anterior setat F1 a fost neașteptat, țintele ulterioare așteptate aveau mai multe șanse să fie reținute corect, în comparație cu ținte neașteptate (z=2.37, p=0.017). Când am examinat țintele care au urmat evenimentele stabilite F2 și F3, nu am observat niciun predictor semnificativ (toți ps . 0,127).

Respingerea corectă a foliilor similare este modulată de starea așteptărilor țintelor precedente

Pentru evenimentele F1 care urmează ținte, am găsit o interacțiune între starea așteptărilor celor două evenimente (b=0.79, X2(1)=5.29, p=0.0 21; Fig. 2B), cu contraste care arată mai multe respingeri corecte ale evenimentelor F1 (CR1), pentru F1 așteptate decât evenimentele F1 neașteptate care urmează ținte neașteptate (z= 2.65, p= 0.0 08) și puțin mai puține respingeri corecte pentru F1 neașteptat când ținta anterioară a fost neașteptată, în comparație cu momentul în care era așteptată (z= 1.95, p{= 0.0507;Fig. 2, panoul din mijloc). Toate celelalte efecte nu au fost semnificative (allps . 0,255). Când am examinat evenimentele F1 care au urmat evenimentele setului F2 și F3, nu am observat niciun predictor semnificativ (allps . 0,274).

Modulația secvenței așteptărilor scade pe măsură ce similaritatea perceptivă scade

Evenimentele F2 nu au fost afectate de obiectivele anterioare (toate ps. 0.171), F1s (toate ps. 0.197) sau F3 (toate ps. 0.174) de la acelasi set.

În mod similar, răspunsurile la evenimentele F3 nu au fost modulate de niciun eveniment setat anterior (ținte: toți ps . 0.484, F1s: all ps . 0}.148, F2s: all ps . 0 .321).

Țintele și foliile lor cele mai asemănătoare prezintă efecte similare așteptărilor

Având în vedere efectele similare observate pentru ținte și evenimente F1 în mod independent, le-am prăbușit pe cele două, pentru a examina dacă aceste efecte sunt complementare (adică, dacă există o interacțiune între starea de așteptare actuală și anterioară; Fig. 2C). Deși loviturile și respingerea corectă nu sunt neapărat produse ale aceluiași proces mnemonic, în această paradigmă ele oferă o oportunitate de a examina modul în care sarcina perceptivă (sub formă de similitudine) interacționează cu modulațiile dinamice ale așteptărilor.

Comparația mnemonică între evenimentul setat curent (țintă sau F1) și evenimentul setat anterior (F1 sau, respectiv, țintă), formează cea mai mare sarcină, sau interferență, despre obiectul codificat, pe măsură ce participantul ia o decizie de recunoaștere. Prin urmare, dacă procesele perceptive sunt implicate, în întâlnirea cu un eveniment neașteptat, efectele observate pentru fiecare eveniment stabilit în mod individual ar trebui să se repete. Am găsit un efect principal semnificativ al stării de așteptare a evenimentului anterior (b=0.341, X2(1)=4.9,p=0.027), precum și o interacțiune semnificativă între starea de așteptare a evenimentelor curente și anterioare (b =0.682, X2(1)=6.5, p=0.01).

Testele de contrast ulterioare au arătat că, atunci când evenimentul setat anterior a fost neașteptat, au fost observate mai multe răspunsuri corecte pentru evenimentele așteptate comparativ cu evenimentele neașteptate (UprevEcurr . UprevUcurr; z=3.1,p=0.002). UprevUcurr a fost numeric mai mic decât EprevUcurr, dar acest efect nu a atins semnificație statistică (p=0.116). În plus, au existat mai multe răspunsuri corecte pentru evenimentele actuale așteptate în urma unor evenimente neașteptate decât cele așteptate (EprevEcurr, UprevEcurr; z {{6 }}.22, p=0.027).

For more information:1950477648nn@gmail.com