Partea 2: Modularea direcționată către obiectiv a modelelor de memorie neuronală: Implicații pentru detectarea memoriei bazată pe FMRI

Contact: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com

Vă rugăm să faceți clic aici pentru partea 1

Model de proces și ipoteze

Având în vedere recunoașterea standardmemorieinstrucțiunilor din sarcina explicită, este probabil ca, după ce au întâlnit fiecare față în această sarcină, participanții au evaluat putereamemoriedovezi obținute de față și au susținut-o ca fiind „vechi” dacă a depășit un anumit prag de „vechime” sau „nou” dacă a depășit un alt prag de „noutate” sau dacă a provocat doar slabememoriedovezi [rămânem agnostici dacă participanții au adoptat un model cu două praguri înalte (Ratcliff, 1978; Snodgrass și Corwin, 1988) sau un model de detectare a semnalului (Green și Swets, 1966)memoriedecizii pentru că nu ne schimbă predicțiile sau interpretările].

În sarcina ascunsă, participanții au fost instruiți să facă amemoriedecizia de a determina care dintre cele două strategii de contramăsuri să se desfășoare („prefăcând memorie” sau „prefăcând noutate”). Astfel, participanții probabil au urmat inițial un proces similar descris pentru sarcina explicită, urmat de implementarea uneia dintre cele două strategii de contramăsuri. Am cerut în mod intenționat să includă atenția asupra arborelui de decizie al participanțilormemoriesemnale pentru a maximiza posibilitatea detectării memoriei în fața contramăsurilor.

Acest model de proces a sugerat trei scenarii plauzibile privind capacitatea unui clasificator de a decodamemorieîn timpul încercărilor de a ascunde starea memoriei:

(1) Un clasificator antrenat să detecteze adevăratulmemorie(Lovituri explicite) din noutatea adevărată (CR explicite) este suficient de sensibil pentru a detecta decizia inițială a memoriei asupra încercărilor ascunse (din nou, această decizie de memorie a fost luată pentru a determina care dintre cele două strategii de contramăsuri să fie implementată). În acest scenariu, modelele de lovitură explicite ar prezice în mod constant încercările de lovitură ascunse, iar modelele de RC explicite ar prezice încercările de RC ascunse. Prin urmare, performanța de clasificare ar fi mai presus de șansă.

(2) Operațiile cognitive angajate pentru a simulamemorieși noutatea sunt calitativ diferite de operațiunile angajate în timpul adevăratmemoriesi noutate. În acest scenariu, modelele care discriminează hit-urile și CR în condiția explicită nu ar ajuta la discriminarea hit-urilor și CR în condiția ascunsă. Aici, modelele explicite de lovituri nu ar prezice în mod constant nici modelele de lovituri ascunse, nici modelele CR și, prin urmare, performanța de clasificare ar fi o șansă.

(3) Operațiile cognitive angajate pentru a simulamemorieevoca modele care sunt suficient de similare cu modelele elicitate în timpul memoriei adevărate, astfel încât modelele de memorie simulate (CR ascunse) sunt clasificate în mod constant ca adevăratememoriemodele (loturi explicite). De asemenea, modelele de noutate simulate (hituri ascunse) sunt clasificate în mod constant ca modele de noutate adevărate (CRS explicit). În acest caz, clasificatorul ar produce în mod constant presupuneri de Clasa B ca răspuns la modelele de Clasa A (și invers) și, prin urmare, ar prezenta performanțe de decodare semnificativ sub șansa.

Pentru a decide între scenariile de mai sus, am instruit clasificatori să discrimineze hit-urile de la CR în studii atunci când răspunsurile participanților au fost reprezentative pentrumemoriedecizii (sarcina explicită). Pentru a stabili mai întâi performanța de decodificare de referință, am testat capacitatea acestui clasificator de a discrimina hit-urile de la CR în încercările susținute de sarcina explicită. Apoi am testat capacitatea clasificatorului de a discrimina hit-urile de la CR în timpul încercărilor când participanții își ascundeaumemoriestare (sarcină ascunsă).

Cistanche poate îmbunătăți memoria

Decodificarea memoriei în timpul judecăților explicite ale memoriei

Pe baza constatărilor anterioare folosind un explicit similarmemorie(Rissman et al., 201{0), ne așteptam ca clasificatorul „explicit ¡ explicit” să funcționeze bine. În concordanță cu această așteptare, ASC medie a fost 0,67 (Fig. 4A, albastru; ASC distribuție nulă de 0,50, determinată prin analize de permutare; ASC medie vs nulă, t(23) 8,97, p 5.74 10 9). Această performanță corespunde unei precizii medii de 63 la sută atunci când examinează toate alegerile făcute de clasificator, cu acuratețea medie atingând 73 la sută în cazul încercărilor când clasificatorul a fost cel mai încrezător (adică, primele 10 la sută dintre studiile cu cele mai puternice dovezi estimate de clasificator; Fig. 5A, albastru).

Analizele de mai sus au interogatmemoriedecodificare folosind date prăbușite în mai multe puncte de timp prestimul (TR3—TR5; vezi Materiale și Metode). Deoarece o decizie de memorie se desfășoară în timp, un set de clasificatori antrenați și testați la fiecare punct de timp în timpul recuperării poate oferi informații suplimentare de diagnostic (în special despre testele de memorie ascunsă; vezi mai jos). Figura 4B (albastru) ilustrează faptul că performanța de clasificare pentru fiecare TR din schema explicită ¡ explicită a crescut până la TR4 (6–8 după setarea stimulului), când a atins o AUC maximă de 0.66. Toate, cu excepția primelor două TR, au prezentat performanțe semnificativ peste șansă (TR3, p 3.64 10 6). ; TR4, p 9.44 10 10; TR5, p 2.52 10 7; TR6, p 6.{{2{0}}), supraviețuind corecției lui Bon- Ferroni pentru comparații multiple (partea 0,0083 pentru șase comparații TR).

Hărțile care ilustrează valoarea diagnostică a fiecărui voxel pentru clasificator („hărți de importanță”; Fig. 4C) dezvăluie că mai multe focalizări proeminente au influențat clasificatorul către ahitoraCRchoice. Printre regiunile care au influențat predicțiile de lovitură au fost circumvoluția parahipocampală bilaterală, circumvoluția fuziformă bilaterală, VTC stânga, IPS stânga și bilaterală. VLPFC. Un astfel de model este în concordanță cu o bogată literatură de regăsire și sugerează că clasificatorul s-a bazat în mod colectiv pe semnale care reprezentau informații despre față în memorie, precum și pe regiunile despre care se crede că ar trebui să acorde atenție și evaluării dovezilor mnemonice acumulate (IPS și VLPFC). În schimb, regiunile care au părăsit predicțiile CR au inclus hipocampul stâng și gyrusul supramarginal (SMG) și câmpurile oculare frontale bilaterale (FEF). În mod colectiv, semnalele din aceste regiuni reflectă probabil eșantionarea spațiului perceptiv în serviciul prelucrării indicii de recuperare (FEF și SMG) și codificarea informațiilor perceptive noi (hipocamp).

Decodificarea memoriei în timpul încercărilor de ascunde Deși rezultatele univariate au demonstrat că participanții au fost capabili să-și moduleze cu succes semnalul mediu în timpul sarcinii ascunse în regiunile asociate în mod tradițional cu recuperarea

(Fig. 2), acest lucru nu necesită ca acuratețea decodării încercare cu încercare să fie afectată de încercările de a ascundememoriesi noutate. Apoi am stabilit dacă un clasificator instruit pe datele din testul de memorie explicit ar putea fi utilizat pentru a discrimina accesările de la CR atunci când participanții au încercat să ascundămemoriestatut (adică, explicit ¡ ascuns). Din nou, dacă performanța de clasificare este dezvăluită a fi peste, la sau sub șansă, poate oferi o perspectivă asupra relației dintre modelele de memorie/noutate adevărate și simulate (vezi ipotezele de mai sus). Am constatat că clasificatorul antrenat explicit nu a avut un efect diferit de șansă în discriminarea hit-urilor față de CR-uri în sarcina de memorie ascunsă (ASC medie de 0.51 vs ASC distribuția nulă de 0.5{{ 6}}, determinată prin analize de permutare; t(23) 0.33, p 0,75; Fig. 4A, verde). Având în vedere această performanță slabă, a fost deosebit de important să se determine dacă cele mai sigure presupuneri ale clasificatorului ar putea distinge în mod fiabil cele două clase. Pentru a identifica limita superioară a performanței, am luat în considerare cele 10% dintre studiile cu cele mai puternice dovezi de clasificare. În acest caz, precizia nu a fost din nou diferită de șansă (media de 52 la sută; Fig. 5A, cercuri verzi). Aceste descoperiri sugerează că memoria simulată și noutatea provoacă în mare parte modele calitativ diferite de memoria și noutatea adevărată.

Cu toate acestea, analiza timpului (clasificatori specifici TR) a demonstrat o ușoară creștere a performanței peste șansă la un moment dat. Clasificarea bazată pe TR3 (4–6 s după declanșarea stimulului) a fost modestă, dar semnificativ peste șansă (AUC de 0,55 față de ASC nulă de 0,5{0; t(23) 3,35, p 0,003, supraviețuind corecției lui Bonferroni; Fig. 4B, verde) și primele 10 procente din studiile cu dovezi de clasificare, bazate pe TR3, au dus la o precizie medie de 59 la sută (Fig. 5A, triunghiuri verzi). Această constatare indică faptul că uniilegate de memorieeste posibil ca semnalele să fi fost prezente chiar și atunci când sunt utilizate contramăsuri, dar acest semnal este tranzitoriu.

Performanța clasificării în studiile TR3 sugerează preliminar că clasificatorul poate fi capabil să detecteze tranzitoriimemoriemodele în sarcina ascunsă (adică, oferirea de sprijin preliminar pentru ipoteza 1 de mai sus). O astfel de interpretare ar prezice în continuare că performanța clasificării ar trebui să se adapteze la nivelul participanților.memorieputerea crește. Pentru a testa această predicție, am examinat dacă diferențele individuale în performanța de clasificare pe TR3 pentru studiile ascunse au corelat cu puterea memoriei (d) în studiile ascunse. Într-adevăr, clasificarea tinde să fie mai bună pentru participanții cu cea mai puternică memorie (r 0.46, p 0.025; Fig.5B), sugerând că decodificarea ușoară și tranzitorie peste șansă la TR3 poate reflectă detectarea semnalelor de memorie tranzitorii care au apărut înaintea încercărilor participanților de a ascunde aceste semnale (reducerea clasificatorului la niveluri întâmplătoare).

Modelul nostru de proces presupune că încercările ascunse conțin adevăratememorie/modele de noutate urmate de modele de memorie/noutate simulate, deoarece participanții s-au ocupat mai întâi de starea lor mnemonică înainte de a determina ce contramăsuri să implementeze. În măsura în care aceste modele de memorie/noutate simulate apar numai după modele de memorie/noutate adevărate, prezicem că un clasificator antrenat să detecteze apariția unor modele de memorie adevărate, dar testat la apariția unor modele de memorie simulate.memoriemodelele ar afișa performanțe sub șansă (adică, ipoteza 3 de mai sus; notă: predicțiile analoge sunt valabile pentru modelele de noutate adevărate). Pentru a testa această predicție, am instruit clasificatori pe TR3 a încercărilor explicite și i-am testat separat la fiecare dintre TR4-TR6 pe studii ascunse. Acest lucru ne-a permis să stabilim dacă semnalele timpurii de memorie vor fi detectabile în timpul încercărilor ulterioare de memorie simulate. Rețineți că acest lucru este diferit de clasificatorul specific TR raportat în Figura 4B, deoarece acele date reflectă clasificatori antrenați și testați pe același TR. De asemenea, deși predicțiile noastre sunt relevante pentru TR4-TR6, raportăm toate cele șase TR în Figura 5C pentru a oferi un profil temporal complet al performanței clasificării.

În mod surprinzător, aceste clasificatoare explicite ¡ ascunse încrucișate au avut rezultate ușor, dar semnificativ sub șansă pe TR5 (Fig. 5C, verde; AUC de 0.43 vs AUC nulă de 0}.5{{{1{{ 13}}}}; t(23) 3,74,p 0.001) și a avut rezultate ușor sub șansă la TR6 (ASC de 0,44 față de ASC nulă de 0,50; t(23) 2,19,p 0,038). Performanța pe TR5, dar nu TR6, a supraviețuit corectării lui Bonferroni. Descoperirea unei decodări semnificativ sub șansă pe TR5 sugerează că (1) a devenit adevărată timpuriememoriemodelele în starea ascunsă pot fi ulterior (adică, la TR-urile ulterioare) mascate prin acordarea de atenție la noutate, „păcălirea” un clasificator pentru a ghici că modelul a provocat fiind elemente recunoscute din clasa noutății și (2) modele de noutate adevărate care apar timpuriu poate fi ulterior mascat prin simularea memoriei, „păcălind” un clasificator pentru a ghici că modelul provocat de un element nou este din clasa recunoscută. Modelul constatărilor informează predicțiile noastre mecaniciste indicând faptul că clasificatorul a expus unele modele neuronale (tranzitorii) comune între memoria/noutatea simulată și cea adevărată. Cu toate acestea, merită remarcat faptul că aceștia pun o condiție limită semnificativă pentru utilizarea pe teren a decodoarelor de memorie bazate pe fMRI, deoarece sugerează că participanții sunt într-adevăr capabili să confunde în mod intenționat și consecvent un decodor de memorie.

Probleme potențiale care afectează decodarea memoriei

În continuare, am căutat să determinăm dacă modelul general al constatărilor - că hit-urile și CR din încercările de memorie ascunsă nu au putut fi diferențiate robust de un clasificator antrenat pe accesări și CR raportate în mod explicit - ar putea fi explicat prin (1) diferențele de performanță a memoriei între sarcini, (2) memorie slabă pentru sarcina explicită, (3) clasificare slabă a hit-urilor versus CR chiar și în datele de antrenament (adică, încercări explicite) sau (4) confuzii temporale sau motorii.

În primul rând, este posibil ca performanța slabă la clasificatorul explicit ¡ ascuns să fie atribuită subsetului de participanți a căror performanță a memoriei a diferit semnificativ între sarcinile de memorie explicite și ascunse. Pentru a testa această posibilitate, am repetat toate analizele privind împărțirea mediană a participanților care arată cea mai bună potrivire între sarcinile de memorie explicite și ascunse (diferența medie d a participanților cel mai bine potriviți 0.17, variind de la 0. 02 la 0.29). Aceste analize au dezvăluit că modelele generale au fost prezentate la examinarea acestor 12 participanți (AUC medii: explicit ¡ explicit, 0,66; explicit ¡ ascuns, 0,52).

De asemenea, este important să se excludă faptul că precizia medie scăzută a clasificatorului explicit ¡ ascuns a fost atribuită clasificării slabe pentru acei participanți cu memorie slabă. În consecință, am recalculat toate analizele pe o împărțire mediană a participanților cu cea mai bună performanță de memorie la sarcina explicită (media d a primilor 12 participanți 1,74, variind de la 1,26 la 2,31). Din nou, modelul general al constatărilor deținute pe acest subset de participanți (AUC medii: explicit ¡ explicit, 0.69; explicit ¡ ascuns, 0}.48).

De asemenea, este de imaginat că clasificatorul explicit ¡ ascuns a avut rezultate slabe, deoarece distincția dintre hit-uri și CR din datele de antrenament (adică, încercările explicite) nu a fost bine câștigată de clasificator. Am testat această posibilitate prin reluarea analizelor pe o împărțire mediană a participanților, utilizând cei 12 participanți la care clasificatorul explicit ¡ explicit a avut cele mai bune rezultate (ASC medie a primilor 12 participanți, 0,74; variind de la {{4}). }.69 până la 0.82). Modelul general al constatărilor avute pe acest subset de participanți, în sensul că performanța explicită ¡ ascunsă încă nu diferă de șansa la acești participanți (ASC medie de 0,48).

O preocupare suplimentară cu privire la performanța slabă a clasificatorului explicit ¡ ascuns este posibilitatea unor confuzii temporale. S-ar putea să fi apărut confuzii temporale deoarece rulările sarcinilor de memorie ascunse au urmat întotdeauna rulările de sarcini de memorie explicite și, astfel, clasificatorul ar fi putut suferi din cauza factorilor care au variat sau au diferit pur și simplu în funcție de timp. De exemplu, participanții ar putea să fi experimentat oboseală cognitivă sau interferențe din studiile anterioare care au servit la reducerea performanței de clasificare în studiile ulterioare (memorie ascunsă). Oboseala sau interferența cognitivă ar putea servi la (1) să introducă zgomot stocastic în încercările ulterioare sau (2) să reducă capacitatea participanților de a diferenția elementele vechi și noi în încercările ulterioare. Ambele posibilități ar reduce capacitatea clasificatorilor de a identifica modele consistente asociate cu hit-uri și CR în aceste studii ulterioare. Cu toate acestea, așa cum este raportat mai jos, am constatat în schimb că clasificatorii instruiți și testați în studiile ulterioare (ascunse) au avut performanțe foarte înalte, de fapt, mai bune decât cele ale clasificatorilor antrenați și testați în studiile (explicite) anterioare. Mai mult, participanții au raportat că sarcina de memorie ascunsă a fost mai antrenantă din punct de vedere cognitiv decât sarcina de memorie explicită anterioară, deoarece participanții au simțit că încearcă să „depășească” un algoritm de computer. Aceste observații atenuează parțial îngrijorarea că aceste studii ulterioare au cuprins studii obosite din punct de vedere cognitiv și, prin urmare, zgomotoase sau mai variabile, care reduc capacitatea generală de a clasifica studiile.

În plus, este de remarcat faptul că performanța schemelor de clasificare de mai sus (explicit ¡ explicit și explicit ¡ ascuns) a fost necorelată (r {{0}}.30,p 0,15), dând și mai multă greutate concluziei că decodificabil semnalele de memorie într-o sarcină tradițională de recuperare au fost în esență nedetectabile atunci când au fost implementate contramăsuri cognitive.

În cele din urmă, este important de remarcat faptul că performanța slabă de decodare explicită ¡ ascunsă nu a fost atribuită unei univariate slabe.memoriesemnale în sarcina ascunsă, în special în regiunile asociate cumemorierecuperare, cum ar fi hipocampul și AnG (Fig. 1B, culori reci).

Analize Searchlight

Precizia decodării întregului creier poate fi completată de abordări cu lumină de căutare care oferă acuratețe de decodificare locală (Krieges-Korte și colab., 2006). Un interes deosebit a fost dacă regiunile în care semnalul mediu BOLD (univariat) a fost modulat în mod semnificativ prin contramăsuri (Fig. 2A) au arătat, de asemenea, o acuratețe de decodificare încercare cu încercare care s-a îndepărtat semnificativ de la întâmplare. Prin urmare, am efectuat clasificarea critică (loturi explicite ¡ascunde față de CR) pe măști sferice locale centrate individual pe fiecare voxel din masca întregului creier (excluzând voxelii din cortexul motor și premotor și cerebel). Fiecare mască sferică includea orice voxel care atingea marginea voxelului central; astfel, sferele rezultate au conținut 19 voxeli, cu excepția cazului în care sfera s-a extins dincolo de masca întregului creier. Pentru a determina dacă preciziile de decodificare locale au evoluat de-a lungul procesului (cum ar fi de așteptat dacă participanții s-ar fi ocupat inițial de semnale de memorie și apoi au încercat să ascundă astfel de semnale), am efectuat aceste reflectoare separat pentru fiecare dintre cele șase TR.

Aceste analize reflectoare au evidențiat mai multe regiuni din cortexele frontale mediale și parietale care au demonstrat o decodificare ușoară, dar semnificativ peste șansă, în momente timpurii (0–4 s; Fig. 6), când participanții probabil își făceau inițiale.memoriehotărâre. Cortexul parietal medial este implicat puternic în sarcinile de memorie episodică, indiferent dacă luăm în considerare date univariate (pentru meta-analize, vezi McDermott și colab., 2009; Spaniol și colab., 2009; Kim, 2010; Hutchinson și colab., 2014), multi -date variate (Fig. 4C; Rissman et al., 2010), sau date EEG intracraniene (Foster et al., 2015). Astfel, această decodare de peste șansă demonstrează că unele modele de activitate regională pot fi detectabile temporar și reflectă probabil cerința ca participanții să recupereze mai întâi informații mnemonice înainte de a implementa contramăsuri.

Aceste constatări pot ajuta la adjudecarea între potențialele date anterioare conflictuale privind decodabilitateamemoriesub diferite stări de scop. Pe de o parte, Kuhl et al. (2013) au arătat că informațiile mnemonice ar putea fi decodificate atunci când participanții nu au fost instruiți să se ocupe de starea lor mnemonică, dar este posibil să fi făcut acest lucru întâmplător. Pe de altă parte, atunci când participanții au fost instruiți în mod explicit să îndeplinească o sarcină ortogonalămemoriesarcină (efectuați o evaluare a atractivității pe fețele vechi și noi în loc de o judecată explicită a memoriei), decodificarea memoriei a fost redusă la niveluri la sau aproape de șansă (Rissman et al., 2010). Mai mult, date recente sugerează că participanții pot fi învățați să adopte o strategie globală în care ei evită să se asiste la semnalele de memorie generate de indicii de regăsire proeminente, false legate de criminalitate, ascunzând astfel indici potențiali de vinovăție legați de eveniment.

cunoștințe (Bergstrm și colab., 2013). Scopul acestui studiu a fost de a determina dacă semnalele de memorie pot deveni nedetectabile chiar și după ce le-am luat inițial în considerare, ceea ce poate fi inevitabil în scenariile din lumea reală care utilizează indicii de regăsire extrem de importante, cum ar fi reprezentările unei scene crimei. Proiectoarele care arată performanțe sub șansă extind constatările lui Bergstrom și colab. arătând că, atunci când se urmărește memoria, detectarea memoriei poate fi în continuare ascunsă în momente ulterioare prin modularea direcționată către obiectiv a regiunilor legate dememorieregăsire și percepție (vezi AnG și clusterele occipitale în Fig. 6).

Discuţie

Progresele recente în metodele de neuroimagistică sunt promițătoare în a ajuta la detectarea amintirilor individuale. Prezentul studiu a testat dacă o tehnică de detecție a memoriei bazată pe fMRI ar putea decoda memoria chiar și atunci când participanții încearcă să-și ascundă stările de memorie în timp ce par cooperanți. Raportăm câteva constatări cheie. În primul rând, analizele univariate au demonstrat că contramăsurile au modulat activitatea neuronală, astfel încât efectele succesului memoriei într-o sarcină standard de recuperare s-au inversat atunci când participanții au implementat contramăsuri. În special, participanții care prezintă amintiri mai puternice au avut mai multe dificultăți în a inversa efectele succesului memoriei univariate. În al doilea rând, clasificatorii MVPA au decodat în mod fiabil amintirile individuale atunci când participanții au raportat cu adevărat memoria lor. În al treilea rând, această capacitate de a decoda memoria a eșuat în cea mai mare parte și chiar s-a inversat ușor, atunci când participanții au folosit strategii cognitive simple pentru a contracara clasificatorii instruiți pe răspunsuri veridice ale memoriei. În cele din urmă, stările strategice ale obiectivelor au fost angajate pentru a permite ca starea memoriei să fie ascunsă în semnalul mediu, precum și pe o bază de încercare cu încercare. Mecanismele de control frontoparietal au permis memoriei să fie ascunse prin reorientarea atenției departe de amintirile semnalate și către noi caracteristici perceptive, în timp ce mecanismele MTL-AnG au permis ca noutatea să fie ascunsă prin generarea și păstrarea online a amintirilor anterioare. Împreună, aceste descoperiri demonstrează puterea pe care o exercită stările strategice ale obiectivelor asupra tiparelor creierului, deoarece pot masca în mare parte amintirile individuale de la detectare.

Primul indiciu care dezvăluie influența profundă pe care o exercită contramăsurile asupra operațiilor mnemonice a fost dezvăluit în constatările univariate. Aici am observat efecte de succes a memoriei (hitsCRs) atunci când participanții au raportat cu adevărat stările lor de memorie, care s-au inversat (CRs hits) atunci când participanții au generat amintiri ca răspuns la fețe noi sau s-au concentrat pe aspecte noi ale fețelor studiate. În special, aceste inversări de activitate au avut loc în regiuni implicate în mod constant în recuperarea memoriei, în special hipocampul bilateral și AnG stâng (pentru meta-analize, vezi McDermott și colab., 2009; Spaniol și colab., 2009; Kim, 2010; Hutchinson). et al., 2014). În măsura în care semnalul hipocampal și AnG BOLD reflectă conținutul mnemonic recuperat, constatarea că efectele inversate între sarcini sugerează că participanții au fost într-adevăr capabili să angajeze în mod intenționat strategiile de contramăsuri instruite pe parcursul încercărilor. Într-adevăr, comparațiile univariate ale celor două sarcini de contramăsuri au dezvăluit regiunile care au mediat probabil această modulare strategică a activității legate de memorie (Fig. 7A): (1) pentru ascunderea memoriei - necesitând reorientarea atenției de la informațiile mnemonice și către aspecte perceptuale noi ale stimulilor. — au fost angajate regiunile asociate cu alocarea direcționată spre scop a atenției și a reprezentărilor perceptuale; și (2) pentru ascunderea noutății - care necesită generarea de amintiri ca răspuns la chipuri noi - au fost angajate regiuni legate de regăsire.

Când participanții au raportat cu adevărat memoria, clasificatorii MVPA au decodat în mod fiabil starea memoriei pe care fiecare participant o avea pentru fiecare față de testare. Regiunile care au furnizat semnale de diagnosticare acestui clasificator au fost similare cu cele raportate în studiul nostru anterior (Rissman și colab., 2010), cu clasificări ale loviturilor PFC și ale cortexului cingulat posterior și ale clasificărilor CR care influențează hipocampul anterior. Spre deosebire de studiul de față, care a necesitat răspunsuri simple „vechi” sau „noi” (pentru a se potrivi cu răspunsurile la sarcina de memorie ascunsă), Rissman și colab. a necesitat decizii explicite cu privire la faptul dacă orice detaliu al întâlnirii anterioare cu chipul a fost rememorat sau, în absența detaliilor amintite, dacă fața a fost recuperată cu o încredere ridicată sau scăzută. Astfel, similitudinea în hărțile de importanță din cadrul experimentelor sugerează preliminar că clasificatorii se bazează pe semnale neuronale similare pentru a discrimina corect identificate vechile față de noi atunci când se fac judecăți de memorie, indiferent de natura precisă a judecății de memorie. Cu toate acestea, este important de reținut că acuratețea decodării scade dramatic la întâmplare atunci când judecățile de memorie nu sunt făcute (Rissman și colab., 2010, sarcina lor implicită în Experimentul 2) sau, după cum reiese din descoperirile prezente, atunci când participanții participă lamemoriestate, dar apoi implementează contramăsuri pentru a le ascunde.

Această ultimă descoperire are implicații pentru teoriile neurobiologice ale memoriei și recomandări privind pregătirea pentru utilizare pe teren. Mai exact, constatarea că informațiile mnemonice ar putea fi decodificate chiar și atunci când participanții nu sunt instruiți să se ocupe de acele informații (Kuhl și colab., 2013) ridică întrebarea dacă semnalele de memorie pot fi făcute nedetectabile chiar și după ce le-au luat inițial în considerare, după cum se poate. fi cazul în scenariile din lumea reală cu indicii de recuperare foarte importante, cum ar fi scena crimei. Am descoperit că acesta este în mare parte cazul, impunând astfel o condiție limită semnificativă asupra validității decodoarelor de memorie bazate pe fMRI și sugerând că metoda nu este încă pregătită pentru utilizare pe teren.

Descoperirea că contramăsurile cognitive pot zădărnici sau chiar inversa capacitatea unui clasificator de a detecta cu acuratețe amintirile individuale, chiar și atunci când memoria este atentă ridică întrebarea dacă semnalele tranzitorii ale memoriei pot fi detectabile în fața contramăsurilor. Aici, în ascunsmemoriedate, am reușit să decodificăm slab hit-uri de la CR-uri doar la un moment dat (Fig. 4B, 5A), iar hit-urile au fost confundate în mod fiabil cu CR-uri la un moment ulterior (Fig. 5C). În special, constatarea că performanța clasificării la acest moment variază în funcție de puterea memoriei, justifică investigații suplimentare. Această constatare sugerează în mod preliminar că, de exemplu, persoanele cu amintiri puternice de informații relevante pot avea dificultăți în a-și ascunde memoria. Clasificările întregului creier au fost completate de reflectoare care arată că clasificarea timpurie peste șansă a fost posibilă folosind date din regiunile corticale mediale frontale și parietale și că modelele AnG stâng pot confunda în mod fiabil clasificatorii de memorie (rezultând decodificare semnificativ sub șansă) în momente ulterioare. când participanții probabil implementau contramăsuri. Studiile viitoare care utilizează mai multe date rezolvate în timp (electroencefalografie, EEG sau fMRI-EEG simultan) pot informa în continuare dacă semnalele tranzitorii de memorie pot fi detectate în prezența contramăsurilor cognitive.

Referințe

Benoit RG, Anderson MC (2012) Mecanismele opuse sprijină uitarea voluntară a amintirilor nedorite. Neuron 76:450–460.CrossRef Medline

Bergstrm ZM, Anderson MC, Buda M, Simons JS, Richardson-Klavehn A (2013) Suprimarea intenționată a recuperării poate ascunde cunoștințele vinovate în testele de detectare a memoriei ERP. Biol Psychol 94

Bishop CM (2006) Recunoașterea modelelor și învățarea automată. New York: Springer.

Brown T, Murphy E (2010) Printr-un scaner întunecat: neuroimagini funcționale ca dovadă a stărilor mentale trecute ale inculpatului. Legea Stanford Rev 62:1119–1208.Medline

Chadwick MJ, Hassabis D, Weiskopf N, Maguire EA (2010) Decodificarea urmelor individuale de memorie episodică în hipocampul uman. Curr Biol 20:544–547.

Corbetta M, Patel G, Shulman GL (2008) Sistemul de reorientare al creierului uman: de la mediu la teoria minții. Neuron 58:306–324.