Waiting
Login-Verarbeitung ...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

मस्तिष्क गतिविधि के एफएमआरआई मैपिंग व्यंजन और निर्णायक अंतराल के गायन उत्पादन के साथ संबद्ध

Published: May 23, 2017 doi: 10.3791/55419
Automatic Translation
1, 2
1Hospital Infantil de México "Federico Gómez", 2Centro de Ciencias Aplicadas y Desarrollo Tecnológico, Universidad Nacional Autónoma de México

Summary

व्यंजन और बेसुरा अंतराल को सुनने के तंत्रिका के संबंध का व्यापक अध्ययन किया गया है, लेकिन व्यंजन और बेजान अंतराल के उत्पादन से संबंधित तंत्रिका तंत्र कम प्रसिद्ध हैं। इस अनुच्छेद में, व्यवहार परीक्षण और एफएमआरआई इन तंत्रों का वर्णन करने के लिए अंतराल की पहचान और कार्य गायन के साथ जोड़ रहे हैं।

Abstract

समानता और विसंगति की धारणा के तंत्रिका संबंधी संबंधों का व्यापक अध्ययन किया गया है, लेकिन संगतता और विसंगति के उत्पादन के तंत्रिका संबंधी संबंध नहीं हैं। संगीत उत्पादन का सबसे सीधा तरीके गायन है, लेकिन इमेजिंग दृष्टिकोण से, यह अभी भी सुनना की तुलना में अधिक चुनौतियां प्रस्तुत करता है क्योंकि इसमें मोटर गतिविधि शामिल है संगीत अंतराल के सटीक गायन को प्रत्येक नोट के सही तरीके से उत्पादन करने के लिए श्रवण प्रतिक्रिया प्रसंस्करण और मुखर मोटर नियंत्रण के बीच एकीकरण की आवश्यकता होती है। यह प्रोटोकॉल एक ऐसा तरीका प्रस्तुत करता है जो व्यंजन और बेसुरा अंतराल के मुखर उत्पादन से संबंधित तंत्रिका सक्रियण की निगरानी की अनुमति देता है। चार संगीत अंतराल, दो व्यंजन और दो बेसुरा, उत्तेजना के रूप में उपयोग किया जाता है, श्रवण भेदभाव परीक्षण और एक कार्य के लिए जो पहले सुनना शामिल है और फिर अंतराल को प्रतिलिपि प्रस्तुत करता है। कंजर्वेटरी स्तर पर प्रतिभागियों, सभी महिला मुखर छात्रों, कार्यात्मक चुंबकीय रेस का उपयोग करके अध्ययन किया गयागायन कार्य के प्रदर्शन के दौरान ओनेंस इमेजिंग (एफएमआरआई), कंट्रोल हालत के रूप में काम करने वाले श्रवण कार्य के साथ। इस तरीके से, दोनों मोटर और श्रवण प्रणालियों की गतिविधि मनाई गई थी, और गायन कार्य के दौरान मुखर सटीकता का एक उपाय भी प्राप्त किया गया था। इस प्रकार, प्रोटोकॉल का उपयोग विभिन्न प्रकार के अंतराल गायन से संबंधित आवश्यकतानुसार ट्रैक करने के लिए या आवश्यक नोट्स को और अधिक सही ढंग से गाते हुए ट्रैक करने के लिए भी किया जा सकता है। परिणाम बताते हैं कि गायन विरूपण के अंतराल को श्रव्य तंत्र और सेंसरिमोर सिस्टम से बाहरी प्रतिक्रिया के एकीकरण के लिए जिम्मेदार तंत्रिका तंत्रों की अधिक भागीदारी की आवश्यकता होती है, जो व्यंजन अंतराल गाते हैं।

Introduction

संगीत पिचों के कुछ संयोजन आम तौर पर व्यंजन होने के लिए स्वीकार किए जाते हैं, और ये आम तौर पर सुखद सनसनी के साथ जुड़ा हो जाते हैं। अन्य संयोजनों को आम तौर पर बेस्तिष्क के रूप में संदर्भित किया जाता है और एक अप्रिय या अनसुलझे भावना से जुड़े होते हैं 1 यद्यपि यह मानना ​​समझदार लगता है कि एन्कुट्रुटमेंट और ट्रेनिंग, संयोजन 2 की अवधारणा में कुछ भाग खेलती है, यह हाल ही में दिखाया गया है कि व्यंजन और बेसुरा अंतराल और chords की धारणा में मतभेद शायद पहले से सोचा था की तुलना में संगीत संस्कृति पर कम निर्भर करते हैं 3 और मई यहां तक ​​कि साधारण जैविक आधार 4 , 5 , 6 से प्राप्त होते हैं । शब्द संधारणा के बारे में एक अस्पष्ट समझ को रोकने के लिए, टेरहार्ड 7 ने संवेदी संधारणा की धारणा को पेश किया, क्योंकि एक संगीत संदर्भ में संगत के विपरीत, जहां सद्भाव, उदाहरण के लिए, एक निश्चित तार या अंतराल की प्रतिक्रिया को अच्छी तरह से प्रभावित कर सकता है। वर्तमान प्रोटोकॉल में, केवल पृथक, दो-नोट अंतराल ठीक से उपयोग किए जाने वाले एकमात्र सक्रियकरण के लिए इस्तेमाल किया गया था, जो केवल संवेदी संवेदना से संबंधित है, संदर्भ-निर्भर संसाधन 8 के हस्तक्षेप के बिना।

विशुद्ध रूप से भौतिक साधनों के माध्यम से अनुरूपता को चिह्नित करने के प्रयासों में हेल्महोल्त्ज 9 के साथ शुरू हुआ, जिसने आसन्न आवृत्ति घटकों के बीच की पिटाई के लिए असंतुष्ट chords से जुड़े कथित खुरदरापन को जिम्मेदार ठहराया। हाल ही में, हालांकि, यह दिखाया गया है कि संवेदी अनुरूपण केवल खुरदरापन की अनुपस्थिति के साथ ही नहीं जुड़ा हुआ है, बल्कि सुसंगतता के साथ भी है, जो कि एक स्वर की आंशिक आंशिकताओं के संरेखण के एक अनसुनी स्वर के साथ कम आवृत्ति 10 , 11 व्यवहारिक अध्ययन यह पुष्टि करते हैं कि व्यक्तिपरक सहमति वास्तव में पु से प्रभावित होती हैभौतिक मापदंडों पर भरोसा करें, जैसे कि आवृत्ति 12 , 13 , लेकिन अध्ययनों की एक व्यापक श्रेणी ने निष्कर्ष निकाला है कि भौतिक घटनाएं कथित संगतता और विसंगति 14 , 15 , 16 , 17 के बीच अंतर के लिए पूरी तरह से खाते नहीं कर सकती हैं। हालांकि इन सभी अध्ययनों में, विभिन्न अंतरों या chords के सुनते समय इन मतभेदों की रिपोर्ट करते हैं। पॉज़िट्रॉन एमिशन टोमोग्राफी (पीईटी) और कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) का उपयोग करते हुए विभिन्न प्रकार के अध्ययनों ने काउटेकल क्षेत्रों में महत्वपूर्ण अंतर दिखाए जो कि एक्सोनेंट या बेजान अंतराल और chords 8 , 18 , 1 9 , 20 या तो सुन रहे थे। वर्तमान अध्ययन का उद्देश्य मतभेदों का पता लगाने हैमस्तिष्क की गतिविधि में उत्पादन करते समय, व्यंजन और बेसुरा अंतराल को सुनने के बजाय,

संगीत उत्पादन के दौरान संवेदी-मोटर नियंत्रण का अध्ययन आम तौर पर संगीत वाद्ययंत्रों के उपयोग को शामिल करता है, और अक्सर इसे न्यूरोइजिंग 21 के दौरान विशेष रूप से संशोधित उपकरणों के निर्माण की आवश्यकता होती है। हालांकि गायन, संगीत उत्पादन के दौरान संवेदी-मोटर प्रक्रियाओं के विश्लेषण के लिए एक उपयुक्त तंत्र शुरू करने से प्रतीत होता है, क्योंकि साधन मानव आवाज ही है, और मुखर तंत्र के दौरान उपयुक्त होने के लिए किसी भी संशोधन की आवश्यकता नहीं होती है इमेजिंग 22 यद्यपि गायन के पहलुओं के साथ जुड़े तंत्रिका तंत्र, जैसे पिच नियंत्रण 23 , मुखर अनुकरण 24 , प्रशिक्षण-प्रेरित अनुकूली परिवर्तन 25 , और बाहरी प्रतिक्रिया 25 का एकीकरण , , 27 , 28 , 29 , 26 , 27 , 28 , 2 9 , पिछले दो दशकों में कई अध्ययनों का विषय रहा है, गायन व्यंजन और बेसुरा अंतराल के तंत्रिका संबंधी संबंधों को हाल ही में वर्णित किया गया था 30 । इस प्रयोजन के लिए, वर्तमान पत्र में व्यवहारिक परीक्षण का वर्णन किया गया है जो प्रतिभागियों द्वारा व्यंजन और बेसुरा अंतराल की पर्याप्त मान्यता स्थापित करने के लिए डिज़ाइन किया गया है। इसके बाद कई तरह के व्यंजन और बेसुरा अंतराल गाते हुए प्रतिभागियों का एफएमआरआई अध्ययन किया जाता है। एफएमआरआई प्रोटोकॉल अपेक्षाकृत सरल है, लेकिन, सभी एमआरआई अनुसंधानों के साथ, प्रयोगों को सही ढंग से स्थापित करने के लिए महान देखभाल की जानी चाहिए। इस मामले में, गायन कार्यों के दौरान सिर, मुंह और होंठ आंदोलन को कम करने के लिए विशेष रूप से महत्वपूर्ण है, जिससे प्रभावों की पहचान सीधे तौर पर अधिक सीधा गायन के शारीरिक कार्य से संबंधित नहीं होती है। इस कार्यप्रणाली में उपयोग किया जा सकता हैगायन द्वारा संगीत उत्पादन से जुड़े विभिन्न गतिविधियों से जुड़े तंत्रिका तंत्र को निगमित करें।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

इस प्रोटोकॉल को रिसर्च, एथिक्स, और हॉस्पिटल इन्फेंटिल डी मैक्सिको "फेडेरिको गोमेज़" की सुरक्षा कमेटी ने मंजूरी दे दी है।

1. व्यवहारत्मक Pretest

  1. यह पुष्टि करने के लिए कि सभी भावी प्रतिभागियों को सामान्य सुनवाई (-8,000 हर्ट्ज के आक्टेव फ़्रिक्वेंसी पर 20-डीबी सुनवाई स्तर (एचएल) के पास एक मानक, शुद्ध टोन ऑडीओमेट्रिक परीक्षण करें यह सुनिश्चित करने के लिए कि सभी प्रतिभागियों को दाएं हाथ वाला है, एडिनबर्ग हैंडियन्स इन्वेंट्री 31 का उपयोग करें।
  2. अंतराल अनुक्रमों का निर्माण
    1. ध्वनि-संपादन कार्यक्रम का उपयोग करते हुए दो ऑक्टेव, जी 4-जी 6 में फैले हुए शुद्ध टन का उत्पादन करें।
      नोट: यहां, मुक्त, खुला स्रोत ध्वनि संपादन सॉफ्टवेयर ऑडेसिटी वर्णित है। इस उद्देश्य के लिए अन्य पैकेज का उपयोग किया जा सकता है
      1. प्रत्येक स्वर के लिए, ध्वनि-संपादन सॉफ़्टवेयर में एक नई परियोजना खोलें
      2. "जेनरेट करें" मेनू के तहत, "टोन" चुनें। प्रकट होने वाली विंडो में, एसएक साइन लहरर, 0.8 के आयाम और 1 एस की अवधि का चुनाव करें। वांछित नोट ( जैसे A4 के लिए 440 Hz) से मेल खाती आवृत्ति का मान दर्ज करें। ठीक बटन पर क्लिक करें।
      3. "फ़ाइल" मेनू के अंतर्गत, "निर्यात ऑडियो" चुनें। खुलने वाली विंडो में, ऑडियो फ़ाइल के लिए वांछित नाम दर्ज करें और वांछित फ़ाइल प्रकार के रूप में WAV चुनें। "सहेजें" पर क्लिक करें
    2. तालिका 1 के अनुसार , दो व्यंजन और दो बेसुरा अंतराल का चयन करें, इस तरह से कि प्रत्येक व्यंजन का अंतराल व्यर्थ अंतराल के करीब है।
      नोट: एक उदाहरण के रूप में, एक पांचवें और एक आठवें और संवर्धित चौथा (ट्राइटऑन) और एक प्रमुख सातवें के व्यर्थ अंतराल के व्यंजन अंतराल पर विचार करें। ये लेखकों द्वारा किए गए अध्ययन के लिए चुना गया अंतराल हैं
    3. जी 4 और जी 6 के बीच की सीमा में इन चार अंतराल के अनुरूप सभी संभव संयोजनों को उत्पन्न करें।
      1. ईएसी के लिएएच अंतराल, ध्वनि-संपादन सॉफ़्टवेयर में एक नया प्रोजेक्ट खोलें और "फाइल" मेनू के अंतर्गत "ऑडियो आयात करें" को दो WAV फ़ाइलों को एकत्रित करने के लिए आयात करें।
      2. दूसरी टोन पर किसी भी बिंदु पर कर्सर रखें और चयन करने के लिए क्लिक करें। "संपादित करें" मेनू के तहत "सभी चुनें" पर क्लिक करें उसी मेनू के अंतर्गत, "कॉपी करें" पर क्लिक करें।
      3. पहले टोन पर किसी भी बिंदु पर कर्सर रखें और क्लिक करें। "संपादित करें" मेनू के अंतर्गत "ट्रैक कूसर टू ट्रैक एंड" पर क्लिक करें और फिर उसी मेनू के नीचे "पेस्ट" पर क्लिक करें। चरण 1.2.1.3 में वर्णित ऑडियो को निर्यात करें।
    4. छद्म यादृच्छिक रूप से ऐसे 100 अंतराल बनाए गए अनुक्रमों का निर्माण करने के लिए एक यादृच्छिक अनुक्रम जनरेटर का उपयोग करें ताकि चार अलग-अलग अंतराल में से प्रत्येक को 25 गुना 30 मिलता है । ऐसा करने के लिए, सांख्यिकीय विश्लेषण सॉफ्टवेयर में यादृच्छिक क्रमचय फ़ंक्शन का उपयोग करें (सामग्री की तालिका देखें)। चार इंटरव्यू इनपुट करेंएएलएस के तर्क के रूप में और उस पाश को बनाते हैं जो इस प्रक्रिया को 25 गुना दोहराता है।
    5. दो विशिष्ट रन बनाने के लिए व्यवहार अनुसंधान सॉफ्टवेयर का उपयोग करें। प्रत्येक रन के लिए WAV प्रारूप में 100 अंतराल के क्रम को लोड करें और एक एकल परीक्षण 30 के साथ प्रत्येक अंतराल की पहचान को संबद्ध करें।
      नोट: यहां, ई-प्राइम व्यवहार अनुसंधान सॉफ्टवेयर का उपयोग किया जाता है। अन्य समकक्ष व्यवहार अनुसंधान सॉफ्टवेयर का इस्तेमाल किया जा सकता है।
  3. प्रतिभागियों को समझाएं कि वे प्रत्येक 100 अंतराल के दो दृश्यों को सुनेंगे, जहां प्रत्येक अनुक्रम एक अलग कार्य के साथ जुड़ा हुआ है और निर्देशों के अपने सेट के साथ। प्रतिभागियों को बताएं कि, दोनों रनों में, अगले अंतराल केवल एक वैध कुंजी दबाए जाने पर ही खेला जाएगा।
    नोट: एक बार अंतराल मान्यता अनुक्रम शुरू होने पर, इसे बाधित नहीं किया जाना चाहिए ताकि कार्रवाई का कार्य सभी प्रतिभागियों के लिए यथासंभव स्पष्ट होना चाहिए।
    1. प्रतिभागियों को एक लैपटॉप कंप्यूटर के सामने बैठना हैऔर प्रदान की गई हेडफ़ोन पहनें। अच्छी-गुणवत्ता वाले ओवर-द-कान हेडफ़ोन का उपयोग करें ध्वनि विषय को प्रत्येक विषय के लिए एक आरामदायक स्तर पर समायोजित करें
    2. यहां वर्णित व्यवहार अनुसंधान सॉफ़्टवेयर का उपयोग करते हुए, चरण 1.2.5 में ई-रन के साथ बनाए गए कार्यों को खोलें। दिखाई देने वाली विंडो में, सत्र और विषय संख्या दर्ज करें और "ठीक है" पर क्लिक करें। प्रत्येक भागीदार के लिए रनों के बीच अंतर करने के लिए सत्र संख्या का उपयोग करें
      नोट: हाथ में कार्य के लिए निर्देश स्क्रीन पर दिखाई देंगे, इसके बाद कार्य की शुरुआत होगी।
      1. सबसे पहले, 2-वैकल्पिक मजबूरता वाले कार्य में, बस प्रतिभागियों को यह पता चलता है कि वे अंतराल जो सुनते हैं, वे व्यंजन या बेजान हैं या नहीं। भागीदार को व्यंजन के लिए कंप्यूटर कीबोर्ड पर "सी" दबाएं और व्यर्थ के लिए "D" दबाएं।
        नोट: चूंकि सभी प्रतिभागियों को एक कंजर्वेटरी स्तर पर संगीत प्रशिक्षण की उम्मीद है, इसलिए वे सभी को स्पष्ट रूप से व्यंजन और पेटेंट के बीच अंतर करने में सक्षम होने की उम्मीद हैसोनंत अंतराल पहला कार्य, एक मायने में, पुष्टि के रूप में कार्य करता है कि यह वास्तव में मामला है
      2. दूसरा, एक 4-वैकल्पिक मजबूर-पसंद कार्य में, प्रतिभागियों को अंतराल स्वयं की पहचान होती है। प्रतिभागियों ने क्रमशः चौथे, पांचवें, प्रमुख सातवें और आठवें के अंतराल की पहचान करने के क्रम में कंप्यूटर कीबोर्ड पर अंक "4," "5," "7" और "8" दबाए हैं।
    3. प्रत्येक कार्य के अंत में, विषय और सत्र संख्याओं और विस्तार .edat2 के साथ लेबल वाले व्यक्तिगत ई-डेटाएड 2.0 फ़ाइल में प्रत्येक प्रतिभागी के लिए स्वचालित रूप से परिणाम सहेजने के लिए "ओके" दबाएं।
    4. प्रत्येक कार्य के लिए सफलता दर की गणना करने के लिए सांख्यिकीय विश्लेषण सॉफ्टवेयर ( उदाहरण के लिए, मटलाब, एसपीएसएस आंकड़े, या एक ओपन सोर्स विकल्प) का प्रयोग करें ( यानी सफल उत्तरों का प्रतिशत जब यह पता लगाया जाए कि अंतराल व्यंजन या बेजान हैं या नहीं, और जब इंट की पहचान की जाती हैErvals खुद), दोनों व्यक्तिगत रूप से और एक समूह के रूप में 32

2. एफएमआरआई प्रयोग

  1. एफएमआरआई सत्र की तैयारी
    1. चरण 1.2.3 के रूप में एक ही अंतराल के क्रम उत्पन्न करें, फिर से दो लगातार 1 टन की प्रत्येक अवधि के साथ शुद्ध टन से बना।
      नोट: प्रतिभागियों की मुखर रेंज अब ध्यान में ली जानी चाहिए, और सभी नोट्स प्रत्येक प्रतिभागी की गायन श्रेणी के भीतर आराम से गिरना चाहिए।
      1. सुनने के लिए केवल 30 परीक्षणों के लिए 30 अंतराल के एक यादृच्छिक अनुक्रम बनाने के लिए यादृच्छिक क्रम जनरेटर का उपयोग करें। गायन परीक्षणों के लिए प्रतिभागियों को एक विशेष अंतराल को सुनने के लिए 120 अंतराल के एक छद्म यादृच्छिक अनुक्रम बनाएँ और फिर अपने गायन की आवाज के साथ इस लक्ष्य अंतराल से मेल खाएं। छद्म यादृच्छिक अनुक्रम के लिए, चरण 1.2.4 में वर्णित अनुसार एक ही विधि का उपयोग करें, साथ ही 4 अंतराल के रूप में एक बार फिर तर्क, लेकिन nओउ इस प्रक्रिया को 30 गुना दोहराता है
      2. 1.2.5 के रूप में एक ही प्रक्रिया के बाद, तीन अलग-अलग रन बनाने के लिए व्यवहार अनुसंधान सॉफ्टवेयर का उपयोग करें, प्रत्येक में शुरू में 10 चुप्पी आधारभूत परीक्षण होंगे, इसके बाद 10 लगातार सुनने वाले परीक्षण होंगे और अंत में 40 लगातार गायन परीक्षण होंगे।
        नोट: मूलभूत परीक्षण के दौरान, चार अंतराल यादृच्छिक क्रम में प्रकट होते हैं, जबकि गायन परीक्षण के दौरान, चार अंतराल छद्म यादृच्छिक क्रम में दिखाई देते हैं, इस तरह से प्रत्येक अंतराल को वास्तव में 10 बार प्रस्तुत किया जाता है। प्रत्येक परीक्षण की अवधि 10 एस है, इसलिए एक पूरे रन 10 मिनट तक रहता है चूंकि प्रत्येक विषय 3 प्रयोगात्मक रनों के माध्यम से चला जाता है, इसलिए प्रयोग की कुल अवधि 30 मिनट है। हालांकि, प्रतिभागियों को एनाटॉमिकल स्कैन प्राप्त करने के लिए समय के लिए माइक्रोफोन सेट और परीक्षण करने के लिए स्कैनर से प्रवेश और बाहर निकलने की अनुमति देता है, और कार्यात्मक रनों के बीच के समय के लिए, लगभग 1 घंटे स्कैनर समय प्रत्येक प्रतिभागी को आवंटित किया जाना चाहिए ।
    2. प्रतिभागियों को चरण 2.1.1.2 में वर्णित परीक्षणों के दृश्य प्रस्तुत करने के लिए समझाएं और उनके पास होने वाले संदेह का जवाब दें। गायन परीक्षणों के दौरान अपने मुंह को खोलने के बिना प्रतिभागियों को नोटों को निर्देशित करने के लिए, "मी" ध्वनि का उत्पादन करते समय होंठ अभी भी रखते हुए
    3. किसी लैपटॉप के लिए गैर-चुंबकीय, एमआर-संगत हेडसेट कनेक्ट करें ध्वनि विषय को प्रत्येक विषय के लिए एक आरामदायक स्तर पर समायोजित करें
    4. ऑडियो अंतरफलक के लिए एक छोटा कंडेनसर माइक्रोफ़ोन कनेक्ट करें जो कि एक शील्डड ट्विड-ट्रिपलट केबल का प्रयोग करके लैपटॉप से ​​जुड़ा हुआ है।
      नोट: माइक्रोफोन बिजली की आपूर्ति, ऑडियो इंटरफ़ेस, और लैपटॉप को स्कैनर के कमरे के बाहर स्थित होना चाहिए।
    5. माइक्रोफ़ोन आवृत्ति प्रतिक्रिया की जांच करें
      नोट: इस परीक्षण का उद्देश्य यह पुष्टि करना है कि स्कैनर के अंदर अपेक्षित माइक्रोफ़ोन व्यवहार करता है।
      1. ध्वनि-संपादन सॉफ़्टवेयर में एक नया प्रोजेक्ट प्रारंभ करें और कंडेंसर चुनेंइनपुट डिवाइस के रूप में माइक्रोफ़ोन
      2. आवृत्ति और अवधि के उचित मूल्यों के साथ, खंड 1.2.1 में वर्णित अनुसार 10 एस की अवधि के साथ 440 हर्ट्ज परीक्षण टोन उत्पन्न करें।
      3. लैपटॉप पर डिफ़ॉल्ट ध्वनि प्रजनन सॉफ्टवेयर का उपयोग करना, टेस्ट टोन को हेडफ़ोन के माध्यम से (हेडस्ट्रेट के शीर्ष पर) स्थानों के बाहर और बाहर (नियंत्रण कक्ष में) स्कैनर भेजने के लिए "प्ले" दबाएं, पक्षों के बीच रखा माइक्रोफ़ोन के साथ प्रत्येक मामले में हेडसेट का
      4. प्रत्येक स्थान पर लगभग 1 एस परीक्षण टोन को रिकॉर्ड करने के लिए ध्वनि-संपादन सॉफ़्टवेयर में "रिकॉर्ड" दबाएं।
      5. प्रत्येक मामले के लिए "विश्लेषण" मेनू से "प्लॉट स्पेक्ट्रम" का चयन करें और स्कैनर के अंदर और बाहर माइक्रोफोन की प्रतिक्रिया की जांच करें, प्रत्येक स्थान पर प्राप्त होने वाले संकेत की मूल आवृत्ति 440 हर्ट्ज है।
    6. प्रतिभागी की गर्दन को कंडेनसर माइक्रोफोन टेप करें, बस नीचेगला।
    7. क्या सहभागी हेडसेट पहनते हैं प्रतिभागी को चुंबकीय अनुनाद (एमआर) स्कैनर में रखें।
  2. एफएमआरआई सत्र
    1. सत्र की शुरुआत में, चुंबकीय अनुनाद उपयोगकर्ता इंटरफ़ेस (एमआरयूआई) सॉफ्टवेयर पैकेज खोलें। अधिग्रहण प्रतिमान को कार्यक्रम के लिए MRUI का उपयोग करें
      नोट: इंटरफ़ेस में कुछ भिन्नता विभिन्न मॉडलों के बीच होने की उम्मीद है।
      1. ऑनस्क्रीन मेनू से "रोगी" विकल्प चुनें प्रतिभागी का नाम, आयु और वजन दर्ज करें
      2. "परीक्षा" बटन पर क्लिक करें सबसे पहले, उपलब्ध विकल्पों में से "सिर" और फिर "मस्तिष्क" चुनें।
      3. संबंधित पैरामीटर के लिए निम्न मानों के साथ "3D 1" और फिर "T1 isometric" चुनें: पुनरावृत्ति समय (टीआर) = 10.2 एमएस, इको टाइम (ते) = 4.2 एमएस, फ्लिप एंगल = 90 डिग्री, और वोक्सेल आकार = 1 एक्स 1 x 1 मिमी 3
        नोट: प्रत्येक प्रतिभागी के लिए, टी 1-भारित शारीरिक मात्रा में बीई संरचनात्मक संदर्भ के लिए एक ढाल गूंज पल्स अनुक्रम का उपयोग करके प्राप्त किया
      4. "प्रोग्राम" पर क्लिक करें और संबंधित पैरामीटरों के मूल्यों के साथ, इकोप्लाइना इमेज_डिफ_परफ_बोल्ड (टी 2 *) को चुनें: TE = 40 ms, TR = 10 s, अधिग्रहण का समय (टीए) = 3 s, TR = 7 s में देरी, फ्लिप एंगल = 90 डिग्री, फील्ड (एफओवी) = 256 मिमी 2 , और मैट्रिक्स आयाम = 64 x 64। वॉल्यूम की कुल संख्या के लिए "55" का मान दर्ज करते हुए 5 वॉल्यूम प्राप्त करने के लिए "डमी" विकल्प का उपयोग करें।
        नोट: ये मान, चित्रा 1 में सचित्र नमूना नमूने के अनुसार कार्यात्मक टी 2 * वजन वाले पूरे-सिर स्कैन के अधिग्रहण की अनुमति देते हैं, जहां एक इको-प्लानर इमेजिंग (ईपीआई) "डमी" स्कैन का अधिग्रहण किया जाता है और टी 1 संतृप्ति के लिए अनुमति देने के लिए त्याग दिया जाता है प्रभाव। ध्यान दें कि कुछ एमआरयूआई में, टीआर का मूल्य 3 एस होना चाहिए, क्योंकि इसे अधिग्रहण के दौरान कुल समय के रूप में लिया जाता है।
      5. इस अनुक्रम की प्रतिलिपि बनाने के लिए "कॉपी करें" पर क्लिक करेंखिलाडि़यों। अनुक्रमों की सूची के निचले भाग में कर्सर रखें और फिर लगातार तीन छिद्र नमूना अनुक्रम सेट करने के लिए "पेस्ट" पर दो बार क्लिक करें।
      6. T1-weighted anatomical volume acquisition शुरू करने के लिए "प्रारंभ करें" पर क्लिक करें।
      7. चरण 2.1.1.2 में वर्णित रन के साथ भागीदार के लिए तीन रनों के वर्तमान स्कैनर ट्रिगर-बॉक्स का उपयोग करते हुए स्कैनर द्वारा अधिग्रहण के साथ रनों की शुरुआत को सिंक्रनाइज़ करें।
        1. अनुभाग 1.3.2 में वर्णित अनुसार, तीन रनों में से हर एक को सत्र सत्र का उपयोग करते हुए रनों के बीच अंतर करने की प्रक्रिया का पालन करें। चरण 1.3.3 में वर्णित समान प्रक्रिया का उपयोग करके तीन पूर्ण रनों के परिणाम सहेजें।
          नोट: परीक्षण प्रस्तुतियों का समय व्यवस्थित रूप से ± 500 ms

आकृति 1
चित्रा 1: एसपार्स-नमूनाकरण डिजाइन ( ए ) एक परीक्षण के भीतर घटनाओं की समय-सीमा जिसमें केवल दो-टोन अंतराल (2 एस) को सुनना शामिल है, बिना किसी प्रजनन प्रजनन के। ( बी ) सुनवाई और गायन कार्यों से जुड़े मुकदमे में घटनाओं की समयरेखा इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

3. डेटा विश्लेषण

  1. मानक प्रक्रियाओं 33 के बाद मस्तिष्क इमेजिंग डेटा अनुक्रमों के विश्लेषण के लिए डिज़ाइन किए गए सॉफ़्टवेयर का उपयोग करके कार्यात्मक डेटा को पूर्वप्रक्रिया करें
    नोट: सभी डेटा प्रसंस्करण एक ही सॉफ्टवेयर का उपयोग कर किया जाता है
    1. मानक मॉन्ट्रियल न्यूरोलॉजिकल इंस्टीट्यूट (एमएनआई) स्टिरिएटेक्टिक स्पेस 34 के लिए पहले वॉल्यूम में छवियों को पुन: स्थापित करने के लिए प्रदान किए गए मेनू विकल्प का उपयोग करें, रीसप्लेड और स्पेसिअल सामान्यीकृत (अंतिम वॉक्ससेल आकार: 2 x 2 x 2 मिमी 3 )। एक आइसोट्रोपिक, 8 मिमी, आधा अधिकतम (एफडब्ल्यूएचएम) गाऊसीयन कर्नेल पर पूर्ण चौड़ाई का उपयोग करके छवि को चिकना करने के लिए प्रदान किए गए मेनू विकल्प का उपयोग करें।
    2. बोल्ड प्रतिवर्ती मॉडल के लिए, वॉल्यूम अधिग्रहण (3 एस) 28 के समय में फैले एक आधार फ़ंक्शन (ऑर्डर 1) या बॉक्सर फ़ंक्शन के रूप में एकल-बिन परिमित इंपल्स रिस्पांस (एफआईआर) का चयन करें।
      नोट: स्पार्स-नमूनाकरण प्रोटोकॉल, जैसे कि यह एक, आम तौर पर हेमोडायनामिक प्रतिक्रिया समारोह के साथ एफआईआर का इस्तेमाल नहीं करना पड़ता है, क्योंकि आमतौर पर घटना से संबंधित एफएमआरआई का मामला है।
    3. प्रत्येक ईवेंट के लिए बोल्ड प्रतिलिपि में एक उच्च-पास फ़िल्टर लागू करें ("गायन नेटवर्क" के लिए 1,000 एस और अन्यत्र 360 एस)
      नोट: सभी गायन कार्यों को एक साथ संगृहीत करना 400 एस 35 के ब्लॉक के बराबर होगा।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

हमारे प्रयोग में सभी 11 भागीदार कंजर्वेटरी स्तर पर महिला मुखर छात्रों थे, और वे स्कैनिंग के लिए चयनित होने वाले अंतराल मान्यता कार्यों में काफी अच्छा प्रदर्शन करते थे। अंतराल की पहचान कार्य के लिए सफलता दर 65.72 ± 21.67% थी, जो उम्मीद के मुताबिक सफलता दर से कम है, जब बेस्तिष्क और व्यंजन अंतराल की पहचान की गई, जो कि 74.82 ± 14.15% थी।

अध्ययन के मूलभूत डिजाइन को मान्य करने के लिए, हम "गायन नेटवर्क" का निर्माण करने के लिए ज्ञात क्षेत्रों में गायन के दौरान तंत्रिका गतिविधि की पहचान करने की आशा रखते थे, जैसा कि पिछले 25 , 26 , 27 , 28 , 29 , 30 के कई अध्ययनों में परिभाषित किया गया था , 31 ,Ass = "xref"> 32 , 33 , 34 , 35 , 36 , 37 गायन का प्रभाव ब्याज की प्रथम-स्तर रैखिक विपरीत के माध्यम से मनाया जाता है, जो सुनने के विरोध में गायन के अनुरूप होता है। एक-नमूना टी-टेस्ट का उपयोग जेड> 3 द्वारा निर्धारित समूहों के साथ किया गया था और पी = 0.05 का क्लस्टर महत्व थ्रेशोल्ड, परिवार-वार त्रुटि (एफडब्ल्यूई) 38 को ठीक किया गया था । शारीरिक लेबलिंग के लिए, एसपीएम एनाटॉमी टूलबॉक्स 33 और हार्वर्ड-ऑक्सफ़ोर्ड कॉर्टिकल और उप-संरचनात्मक संरचनात्मक एटलस का इस्तेमाल 3 9 मस्तिष्क के क्षेत्रों में जहां महत्वपूर्ण सक्रियण देखा गया था प्राथमिक स्मोमेटेन्सरी कॉर्टेक्स (एस 1), माध्यमिक somatosensory कॉर्टेक्स (एस 2), प्राथमिक मोटर प्रांतस्था (एम 1), अनुपूरक मोटर क्षेत्र (एसएमए), प्रीमोटोर्ट प्रांतस्था (पीएम), ब्रोडमान क्षेत्र 44 (बीए 44), प्राथमिक श्रवण प्रांतस्था(पीएसी), बेहतर लौकिक गैयरस (एसटीजी), अस्थायी पोल, पूर्वकाल insula, पुटनम, थैलेमस और सेरबेलम। ये सक्रियण "गायन नेटवर्क" के ऊपर दिए गए अध्ययनों में दी गई रिपोर्टों से मेल खाते हैं और इन्हें चित्रा 2 में दिखाया गया है । ध्यान दें कि आंकड़े 2 और 3 दोनों में, एक्स-निर्देशांक ऋणात्मक विमान के लिए लंबवत है, y- निर्देशांक क्रोनिक विमान के लिए लंबवत है, और z- समन्वय अनुप्रस्थ, या क्षैतिज विमान को सीधा है।

एक बार मूल डिजाइन की पुष्टि हो जाने के बाद, दो और पहले स्तर के रैखिक विरोधाभासों की गणना प्रत्येक प्रतिभागी के लिए की जाती थी, जो व्यंजन के अंतराल के विरोध में वियोग के साथ गायन करने के लिए और व्यर्थ अंतराल के विरोध के रूप में व्यंजन गायन करने के लिए होता था। ये रेखीय विरोधाभास तब दूसरे स्तर के यादृच्छिक-प्रभाव वाले मॉडल पर ले जाया गया था जिसमें दो-बार दोहराव वाले उपायों का एक सेट शामिल था।एनसीई (एएनओवीए), कारकों के अनुरूप और असंगति के साथ। इस प्रकार, सक्रिय या निष्क्रिय क्षेत्रों की संभावित बातचीत के लिए जांच की गई, साथ ही महत्व की सक्रियता के अनुसार निर्धारित वॉक्सेल थ्रेसहोल्ड, पी <0.001, कई तुलना 28 , 29 के लिए uncorrected। व्यंजन के अंतराल के विरोध में गड़बड़ी के परिणामस्वरूप इसके विपरीत, दाएं S1 में दाएं पीएसी, दाएं पीएसी, दाएं पश्चरवार, दाएं एमिगडाला, और बाएं पटेल में वृद्धि हुई सक्रियता देखी गई। इन सक्रियणों को चित्रा 3 में दिखाया गया है। पूरक अंतर के बारे में, व्यंजन अंतराल के गायन के दौरान सक्रियण में कोई महत्वपूर्ण परिवर्तन नहीं मिला।

चित्र 2
चित्रा 2: "गायन नेटवर्क" का निर्माण क्षेत्र में सक्रियण। Activatआयन नक्शे पी = 0.05 के क्लस्टर महत्व दहलीज के साथ प्रस्तुत किया जाता है, परिवार-वार त्रुटि (एफडब्ल्यूई) सही। बोल्ड प्रतिक्रियाएं मनमाने इकाइयों में रिपोर्ट की जाती हैं इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

चित्र तीन
चित्रा 3: विघटित और व्यंजन अंतराल के गायन के बीच अंतर। सक्रियण नक्शे प्रस्तुत किए जाते हैं, कई तुलना के लिए uncorrected, p = 0.001 के क्लस्टर महत्व थ्रेशोल्ड के साथ। बोल्ड प्रतिक्रियाएं मनमाने इकाइयों में रिपोर्ट की जाती हैं इस आंकड़े के एक बड़े संस्करण को देखने के लिए कृपया यहां क्लिक करें

मध्यान्तर सेमटोन की संख्या मूल सिद्धांतों का अनुपात
सामंजस्य 0 1: 1
मामूली दूसरा 1 16:15
प्रमुख दूसरा 2 9: 8
छोटा तीसरा 3 6: 5
मेजर तीसरा 4 5: 4
चौथा चौथा 5 4: 3
Tritone 6 45:32
पांचवां सही 7 3: 2
छठा छठा 8 8: 5
मेजर छठे 9 5: 3
लघु सातवीं 10 16: 9
मेजर सातवें 1 1 15: 8
सप्टक 12 2: 1

तालिका 1: व्यंजन और विसंगति संगीत अंतराल व्यंजन अंतराल बोल्डफेस में दिखाई देते हैं, जबकि बेतरतीब अंतराल तीतरों में दिखाई देते हैं। ध्यान दें कि अधिक व्यंजन एक अंतराल, छोटे पूर्णांक जो आवृत्ति अनुपात में प्रकट होते हैं, इसे प्रतिनिधित्व करते थे। आवृत्ति अनुपात के एक समारोह के रूप में संयोजन और विसंगति की गहन चर्चा के लिए, बिडलमैन और कृष्णन 40 देखें ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

यह काम एक प्रोटोकॉल का वर्णन करता है जिसमें गायन व्यंजन और बेसुरा अंतराल के उत्पादन के दौरान मस्तिष्क गतिविधि का अध्ययन करने के साधन के रूप में उपयोग किया जाता है। हालांकि गायन संगीत अंतराल 22 के उत्पादन के लिए संभवतः सबसे आसान तरीका है प्रदान करता है, हालांकि, यह chords के उत्पादन के लिए अनुमति नहीं देता है। हालांकि, हालांकि, संधारण की धारणा के अधिकांश भौतिक लक्षण, एक साथ, एक साथ नोटों की अतिपवित्रता पर कुछ हद तक निर्भर हैं, कई अध्ययनों से पता चला है कि व्यंजन या बेईमान chords के अनुरूप नोटों के साथ बनाए गए अंतराल अब भी व्यंजन या बेईमान के रूप में माना जाता है, क्रमशः 4 , 6 , 15 , 41 , 42

व्यवहार अंतराल धारणा कार्य को स्थापित करने के लिए उपयोग किया जाता है, इससे पहले कि प्रतिभागियों को स्कैनिंग एस के माध्यम से जा सकते हैंविस्थापन, यदि वे अंतराल को पर्याप्त रूप से भेद करने में सक्षम हैं। इस प्रकार, वे चुंबकीय गुंजयमान यंत्र के अंदर एक बार अच्छा प्रदर्शन करते हैं। इन पहचान कार्यों को पूरा करते समय किसी भी पूर्व निर्धारित सीमा को पूरा करने में असमर्थ कोई भी सहभागी एफएमआरआई प्रयोग के लिए आगे नहीं बढ़ना चाहिए। इस चयन प्रक्रिया का मुख्य उद्देश्य यह सुनिश्चित करना है कि प्रतिभागियों के बीच प्रदर्शन में अंतर कम अवधारणात्मक क्षमता के कारण नहीं है चयनित प्रतिभागियों को मुखर और संगीत प्रशिक्षण की समान डिग्री होनी चाहिए, और यदि संभव हो तो समान टेसिटुरास। अगर उनके पास मुखर पर्वतें होती हैं जो महत्वपूर्ण रूप से भिन्न होती हैं, तो गायन कार्यों के दौरान पेश किए गए अंतराल की श्रेणी को व्यक्तिगत रूप से प्रदर्शित किया जाना चाहिए।

अधिग्रहण विश्वसनीय और कलात्मक-मुक्त होने के लिए माइक्रोफ़ोन सेटअप महत्वपूर्ण है। माइक्रोफ़ोन का प्रकार ही बहुत महत्वपूर्ण है, और यद्यपि ऑप्टिकल 28 या विशेष रूप से डिजाइन किए जाने के लिए संभव है, एमआर संगत 29 Sup> माइक्रोफोन, यह दिखाया गया है कि कंडेनसर माइक्रोफोन की संवेदनशीलता इमेजिंग माहौल में गहन चुंबकीय क्षेत्र की उपस्थिति से प्रभावित नहीं है 43 दरअसल, इस संदर्भ में एक छोटे लावेलीयर कंडेनसर माइक्रोफोन का उपयोग किया जा सकता है, बशर्ते परिरक्षित मुड़ तीन-तिहाई केबल का उपयोग प्रीमप्लिफायर को माइक्रोफ़ोन से कनेक्ट करने के लिए किया जाता है, जिसे कमरे के बाहर रखा जाना चाहिए जहां एमआर स्कैनर रखा गया है। यह व्यवस्था इमेजिंग कलाकृतियों की उपस्थिति को रोकती है, लेकिन शोधकर्ताओं को यह भी सुनिश्चित करना चाहिए कि स्कैनर माइक्रोफोन के प्रदर्शन में हस्तक्षेप नहीं करता है। इस समाप्ति के लिए, एमआर-संगत हेडफ़ोन के माध्यम से एक एमआर स्कैनर के भीतर रखा माइक्रोफ़ोन के लिए एक परीक्षण टोन भेजी जा सकती है, और इस तरीके से प्राप्त सिग्नल की तुलना तब की तुलना की जा सकती है जिसे अब बाहर रखा माइक्रोफोन में एक ही स्वर भेजकर प्राप्त किया जा सकता है। स्कैनर एमआर स्कैनर के अंदर ध्वनि दबाव स्तर बेहद ऊंची हो सकता हैXref "> 45, इसलिए माइक्रोफ़ोन स्रोत को जितना संभव हो उतना करीब रखा जाना चाहिए। प्रतिभागियों को खुले तौर से नोट लिखने के बजाय हममें से पूछकर, मुंह क्षेत्र के आसपास और आसपास के आंदोलन को कम किया जा सकता है। गला के नीचे बस माइक्रोफोन को रखकर टेप द्वारा कवर किया जाता है, गायक की आवाज का एक वफादार रिकॉर्डिंग प्राप्त करना संभव है। रिकॉर्डिंग स्वाभाविक रूप से बहुत शोर होगी - यह नहीं बचा जा सकता है - लेकिन यदि शोधकर्ता मुख्य रूप से पिच में दिलचस्पी रखते हैं और शब्दों की अभिव्यक्ति या व्याख्या में नहीं हैं, तो प्रत्येक सॉंग नोट की मौलिक आवृत्ति का पता लगाने के लिए पर्याप्त सिग्नल को साफ करने के लिए सॉफ़्टवेयर पैकेज की विविधता का उपयोग किया जा सकता है। एक मानक विधि एक हेमिंग विंडो के माध्यम से समय सिग्नल को फ़िल्टर करने के लिए ऑडियो-संपादन सॉफ़्टवेयर का उपयोग करने के लिए होगा और फिर ऑटोकोर्सिलेशन गायन मूल सिद्धांतों की पहचान करने के लिए कुछ भाषण और ध्वन्यात्मक सॉफ़्टवेयर संकुल में एल्गोरिदम बनाया गया। प्रत्येक प्रतिभागी के लिए वोकल सटीकता की गणना की जा सकती है।रिकॉर्डिंग से प्राप्त आंकड़ों में प्रशिक्षण या अंतराल दूरी की किसी भी डिग्री के साथ पिच या लयबद्ध सटीकता को सम्मिलित करना शामिल है।

स्कैनिंग शोर 25 , 28 , 2 9 , 46 , 47 के कारण बोल्ड या श्रवण मास्किंग को कम करने के लिए एक विरल नमूनाकरण डिजाइन का उपयोग करके कार्यात्मक चित्र प्राप्त किए गए हैं। हर विषय में तीन प्रायोगिक रन हैं, प्रत्येक एक स्थायी 10 मिनट। प्रत्येक भाग के दौरान, विषयों को पहले 10 मौन आधारभूत परीक्षणों के दौरान चुप्पी में रहने के लिए कहा जाता है, फिर 10 अंतरालों के ब्लॉक को निष्क्रिय रूप से सुनने के लिए, और अंत में 40 अंतराल के दूसरे ब्लॉक को सुनने और गाती है। व्यक्तिगत रन बनाए रखने का एक उद्देश्य जितना संभव हो उतना कम है प्रतिभागी थकान से बचने के लिए इसके बावजूद, यह निष्कर्ष निकाला जा चुका है कि भविष्य में बेहतर सुनवाई और गायन परीक्षणों को शामिल करने के लिए बेहतर होगाफिर बारी बारी से ब्लॉकों में प्रस्तुत किया जा सकता है। इसमें सांख्यिकीय शक्ति बढ़ाने के प्रभाव होंगे। उदाहरण के तौर पर, एक रन में 5 मौन बेसलाइन परीक्षणों के 2 ब्लॉक, 5 केवल-सुनें परीक्षणों के 4 ब्लॉक, और गायन परीक्षण के 4 ब्लॉक हो सकते हैं। इसके बाद प्रतिभागियों को प्रति सेकंड 500 एस की कुल अवधि के साथ ब्लॉकों को प्रस्तुत किया जाएगा।

सहभागी होने के मुख्य कारण गुंजयमान यंत्र के अंदर निष्क्रिय रूप से सुनते हैं, मोटर गतिविधि से श्रवण गतिविधि को घटाने का एक माध्यम है। इस प्रकार, अध्ययन के उचित सत्यापन के लिए "गायन नेटवर्क" 25 , 27 , 28 , 29 , 36 , 37 के खिलाफ गायन सक्रियण की अनुकूल तुलना अनिवार्य है। ध्यान दें कि "गायन नेटवर्क" सक्रियण बहुत ही मजबूत और अच्छी तरह से स्थापित हैं और आमतौर पर डीएक-नमूना टी-टेस्ट के माध्यम से और पी = 0.05 का सही क्लस्टर महत्व थ्रेशोल्ड व्यर्थ / व्यंजन और व्यंजन / व्यर्थ अंतराल गायन के बीच की तुलना में सक्रिय क्रियान्वयन आम तौर पर विचरण के विश्लेषण (एनोवा) के अनुसार 2-रास्ता दोहराए जाने वाले कारकों के माध्यम से पहचाने जाते हैं, वोक्सेल थ्रेसहोल्ड पृष्ठ <0.001 के अनुसार, कई तुलना 28 , 29 के लिए uncorrected। यह उम्मीद की जाती है कि प्रतिभागियों को व्यंजन अंतराल गायन 48 , 49 से अधिक चुनौतीपूर्ण गलती अंतराल गाएगा; इस प्रकार, ऊपर वर्णित दो विरोधाभासों में से प्रत्येक के लिए अलग-अलग सक्रियण अनुमानित हैं। परिणाम से संकेत मिलता है कि गायन बेसुरा अंतराल में व्यंजन के अंतराल के उत्पादन के लिए भर्ती तंत्र तंत्रों के एक reprogramming शामिल है। गायन के दौरान, ध्वनि की उत्पत्ति ध्वनि की तुलना में की जाती है, और किसी भी आवश्यक समायोजन को तब प्राप्त किया जाता हैश्रवण और somatosensory रास्ते से बाहरी और आंतरिक प्रतिक्रिया के एकीकरण के माध्यम से। इन परिणामों और इनके निष्कर्ष पर विस्तृत चर्चा चर्चा में गोंजालेज़-गार्सिया, गोंजालेज़ और रेन्डोन 30 के आलेख में शामिल है।

यह प्रोटोकॉल संगीत उत्पादन के तंत्रिका संबंधों के अध्ययन और मोटर और श्रवण तंत्र दोनों की गतिविधि की निगरानी के लिए एक उचित सरल पद्धति प्रदान करता है। यह द्विआधारी स्थितियों के बीच मस्तिष्क सक्रियण में अंतर को ट्रैक करने के लिए इस्तेमाल किया जा सकता है, जैसे कि व्यंजन या बेसुरा अंतराल गायन करना, और संकीर्ण या विस्तृत अंतराल 30 गायन करना। विशिष्ट आवृत्तियों को गायन के साथ जुड़े विभिन्न कार्यों पर प्रशिक्षण के प्रभाव का अध्ययन करने के लिए यह अच्छी तरह से अनुकूल है। दूसरी तरफ, स्कैन के दौरान प्राप्त हुई आवाज की आवाज की रिकॉर्डिंग में बहुत बड़ी शोर की वजह से, इस प्रोटोकॉल को काम करना मुश्किल होगास्वर को टोन या टिम्बर की गुणवत्ता से संबंधित कार्यों का विश्लेषण करने के लिए विशेष रूप से, क्योंकि ये गुण हैं जो गुनगुना करते समय सही तरीके से नहीं लगाए जा सकते हैं।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखक किसी प्रकार के हित संघर्ष की घोषणा नहीं करते।

Acknowledgments

लेखकों ने Secretaría de Salud de México (हैम / 2011/058 एसएसए। 100 9), कोंकैयिट (एसयूआईडीएडी -2012-01-182160), और डीजीएपीएएएनएएम (पेपिट इन 10 9 214) से इस शोध के लिए वित्तीय समर्थन स्वीकार किया है।

Materials

Name Company Catalog Number Comments
Achieva 1.5-T magnetic resonance scanner Philips Release 6.4
Audacity Open source 2.0.5
Audio interface Tascam US-144MKII
Audiometer Brüel & Kjaer Type 1800
E-Prime Professional Psychology Software Tools, Inc. 2.0.0.74
Matlab Mathworks R2014A
MRI-Compatible Insert Earphones Sensimetrics S14
Praat Open source 5.4.12
Pro-audio condenser microphone Shure SM93
SPSS Statistics IBM 20
Statistical Parametric Mapping Wellcome Trust Centre for Neuroimaging 8

DOWNLOAD MATERIALS LIST

References

  1. Burns, E. Intervals, scales, and tuning. The psychology of music. Deutsch, D. , Academic Press. London. 215-264 (1999).
  2. Lundin, R. W. Toward a cultural theory of consonance. J. Psychol. 23, 45-49 (1947).
  3. Fritz, T., Jentschke, S., et al. Universal recognition of three basic emotions in music. Curr. Biol. 19, 573-576 (2009).
  4. Schellenberg, E. G., Trehub, S. E. Frequency ratios and the discrimination of pure tone sequences. Percept. Psychophys. 56, 472-478 (1994).
  5. Trainor, L. J., Heinmiller, B. M. The development of evaluative responses to music. Infant Behav. Dev. 21 (1), 77-88 (1998).
  6. Zentner, M. R., Kagan, J. Infants' perception of consonance and dissonance in music. Infant Behav. Dev. 21 (1), 483-492 (1998).
  7. Terhardt, E. Pitch, consonance, and harmony. J. Acoust. Soc. America. 55, 1061 (1974).
  8. Minati, L., et al. Functional MRI/event-related potential study of sensory consonance and dissonance in musicians and nonmusicians. Neuroreport. 20, 87-92 (2009).
  9. Helmholtz, H. L. F. On the sensations of tone. , New York: Dover. (1954).
  10. McDermott, J. H., Lehr, A. J., Oxenham, A. J. Individual differences reveal the basis of consonance. Curr. Biol. 20, 1035-1041 (2010).
  11. Cousineau, M., McDermott, J. H., Peretz, I. The basis of musical consonance as revealed by congenital amusia. Proc. Natl. Acad. Sci. USA. 109, 19858-19863 (2012).
  12. Plomp, R., Levelt, W. J. M. Tonal Consonance and Critical Bandwidth. J. Acoust. Soc. Am. 38, 548-560 (1965).
  13. Kameoka, A., Kuriyagawa, M. Consonance theory part I: Consonance of dyads. J. Acoust. Soc. Am. 45, 1451-1459 (1969).
  14. Tramo, M. J., Bharucha, J. J., Musiek, F. E. Music perception and cognition following bilateral lesions of auditory cortex. J. Cogn. Neurosci. 2, 195-212 (1990).
  15. Schellenberg, E. G., Trehub, S. E. Children's discrimination of melodic intervals. Dev. Psychol. 32 (6), 1039-1050 (1996).
  16. Peretz, I., Blood, A. J., Penhune, V., Zatorre, R. J. Cortical deafness to dissonance. Brain. 124, 928-940 (2001).
  17. Mcdermott, J. H., Schultz, A. F., Undurraga, E. A., Godoy, R. A. Indifference to dissonance in native Amazonians reveals cultural variation in music perception. Nature. 535, 547-550 (2016).
  18. Blood, A. J., Zatorre, R. J., Bermudez, P., Evans, A. C. Emotional responses to pleasant and unpleasant music correlate with activity in paralimbic brain regions. Nat. Neurosci. 2, 382-387 (1999).
  19. Pallesen, K. J., et al. Emotion processing of major, minor, and dissonant chords: A functional magnetic resonance imaging study. Ann. N. Y. Acad. Sci. 1060, 450-453 (2005).
  20. Foss, A. H., Altschuler, E. L., James, K. H. Neural correlates of the Pythagorean ratio rules. Neuroreport. 18, 1521-1525 (2007).
  21. Limb, C. J., Braun, A. R. Neural substrates of spontaneous musical performance: An fMRI study of jazz improvisation. PLoS ONE. 3, (2008).
  22. Zarate, J. M. The neural control of singing. Front. Hum. Neurosci. 7, 237 (2013).
  23. Larson, C. R., Altman, K. W., Liu, H., Hain, T. C. Interactions between auditory and somatosensory feedback for voice F0 control. Exp. Brain Res. 187, 613-621 (2008).
  24. Belyk, M., Pfordresher, P. Q., Liotti, M., Brown, S. The neural basis of vocal pitch imitation in humans. J. Cogn. Neurosci. 28, 621-635 (2016).
  25. Kleber, B., Veit, R., Birbaumer, N., Gruzelier, J., Lotze, M. The brain of opera singers: Experience-dependent changes in functional activation. Cereb. Cortex. 20, 1144-1152 (2010).
  26. Jürgens, U. Neural pathways underlying vocal control. Neurosci. Biobehav. Rev. 26, 235-258 (2002).
  27. Kleber, B., Birbaumer, N., Veit, R., Trevorrow, T., Lotze, M. Overt and imagined singing of an Italian aria. Neuroimage. 36, 889-900 (2007).
  28. Kleber, B., Zeitouni, A. G., Friberg, A., Zatorre, R. J. Experience-dependent modulation of feedback integration during singing: role of the right anterior insula. J. Neurosci. 33, 6070-6080 (2013).
  29. Zarate, J. M., Zatorre, R. J. Experience-dependent neural substrates involved in vocal pitch regulation during singing. Neuroimage. 40, 1871-1887 (2008).
  30. González-García, N., González, M. A., Rendón, P. L. Neural activity related to discrimination and vocal production of consonant and dissonant musical intervals. Brain Res. 1643, 59-69 (2016).
  31. Oldfield, R. C. The assessment and analysis of handedness: The Edinburgh inventory. Neuropsychologia. 9, 97-113 (1971).
  32. Samuels, M. L., Witmer, J. A., Schaffner, A. Statistics for the Life Sciences. , Pearson. Harlow. (2015).
  33. Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25, 1325-1335 (2005).
  34. Evans, A. C., Kamber, M., Collins, D. L., MacDonald, D. An MRI-based probabilistic atlas of neuroanatomy. Magnetic Resonance Scanning and Epilepsy. Shorvon, S. D., Fish, D. R., Andermann, F., Bydder, G. M., Stefan, H. 264, 263-274 (1994).
  35. Ashburner, J., et al. SPM8 Manual. , Wellcome Trust Centre for Neuroimaging. London. (2013).
  36. Özdemir, E., Norton, A., Schlaug, G. Shared and distinct neural correlates of singing and speaking. Neuroimage. 33, 628-635 (2006).
  37. Brown, S., Ngan, E., Liotti, M. A larynx area in the human motor cortex. Cereb. Cortex. 18, 837-845 (2008).
  38. Worsley, K. J. Statistical analysis of activation images. Functional MRI: An introduction to methods. , Oxford University Press. Oxford. 251-270 (2001).
  39. FSL Atlases. , Available from: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Atlases (2015).
  40. Bidelman, G. M., Krishnan, A. Neural correlates of consonance, dissonance, and the hierarchy of musical pitch in the human brainstem. J. Neurosci. 29, 13165-13171 (2009).
  41. McLachlan, N., Marco, D., Light, M., Wilson, S. Consonance and pitch. J. Exp. Psychol. – Gen. 142, 1142-1158 (2013).
  42. Thompson, W. F. Intervals and scales. The psychology of music. Deutsch, D. , Academic Press. London. 107-140 (1999).
  43. Hurwitz, R., Lane, S. R., Bell, R. A., Brant-Zawadzki, M. N. Acoustic analysis of gradient-coil noise in MR imaging. Radiology. 173, 545-548 (1989).
  44. Ravicz, M. E., Melcher, J. R., Kiang, N. Y. -S. Acoustic noise during functional magnetic resonance imaging. J Acoust. Soc. Am. 108, 1683-1696 (2000).
  45. Cho, Z. H., et al. Analysis of acoustic noise in MRI. Magn. Reson. Imaging. 15, 815-822 (1997).
  46. Belin, P., Zatorre, R. J., Hoge, R., Evans, A. C., Pike, B. Event-related fMRI of the auditory cortex. Neuroimage. 429, 417-429 (1999).
  47. Hall, D. A., et al. "Sparse" temporal sampling in auditory fMRI. Hum. Brain Mapp. 7, 213-223 (1999).
  48. Ternström, S., Sundberg, J. Acoustical factors related to pitch precision in choir singing. Speech Music Hear. Q. Prog. Status Rep. 23, 76-90 (1982).
  49. Ternström, S., Sundberg, J. Intonation precision of choir singers. J. Acoust. Soc. Am. 84, 59-69 (1988).

Tags

व्यवहार अंक 123 संसंगति और विसंगति संगीत के तंत्रिका संबंधी संबंध संगीत अंतराल की पहचान गायन कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) ऑडियो-मुखर एकीकरण
मस्तिष्क गतिविधि के एफएमआरआई मैपिंग व्यंजन और निर्णायक अंतराल के गायन उत्पादन के साथ संबद्ध
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

González-García, N.,… More

González-García, N., Rendón, P. L. fMRI Mapping of Brain Activity Associated with the Vocal Production of Consonant and Dissonant Intervals. J. Vis. Exp. (123), e55419, doi:10.3791/55419 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter