Mapping fMRI dell'attività del cervello associata alla produzione vocale di intervalli consonanti e dissonanti

Sommario

I correlati neurali dell'ascolto di interazioni consonanti e dissonanti sono stati ampiamente studiati, ma i meccanismi neurali associati alla produzione di intervalli consonanti e dissonanti sono meno conosciuti. In questo articolo, i test comportamentali e fMRI sono combinati con attività di identificazione e canto di intervallo per descrivere questi meccanismi.

Abstract

I correlati neurali della consonanza e della percezione della dissonanza sono stati ampiamente studiati, ma non i correlati neurali della consonanza e della produzione di dissonanze. Il modo più diretto della produzione musicale sta cantando, ma, da una prospettiva di imaging, presenta ancora più sfide che l'ascolto perché coinvolge l'attività motoria. Il preciso canto degli intervalli musicali richiede l'integrazione tra l'elaborazione del feedback uditivo e il controllo del motore vocale per produrre correttamente ogni nota. Questo protocollo presenta un metodo che consente il monitoraggio delle attivazioni neurali associate alla produzione vocale di intervalli consonanti e dissonanti. Quattro intervalli musicali, due consonanti e due dissonanti, vengono usati come stimoli, sia per un test di discriminazione uditivo che per un compito che prevede l'ascolto e la riproduzione di intervalli dati. I partecipanti, tutti gli allievi vocali femminili a livello di conservatorio, sono stati studiati utilizzando il funzionale Magnetic ResOnance Imaging (fMRI) durante l'esecuzione dell'attività di canto, con l'attività di ascolto che funge da condizione di controllo. In questo modo, è stata osservata l'attività sia del sistema motorio che del sistema uditivo e anche una misura di precisione vocale durante il lavoro di canto. Pertanto, il protocollo può essere utilizzato anche per monitorare le attivazioni associate a cantare diversi tipi di intervalli oa cantare le note richieste più accuratamente. I risultati indicano che il canto degli intervalli dissonanti richiede una maggiore partecipazione dei meccanismi neurali responsabili dell'integrazione di risposte esterne dai sistemi uditivi e sensoriali rispetto agli intervalli di consonanza di canto.

Introduzione

Alcune combinazioni di piazzole musicali sono generalmente riconosciute come consonanti e sono tipicamente associate ad una piacevole sensazione. Altre combinazioni sono generalmente definite dissonanti e sono associate ad una sensazione sgradevole o irrisolta1. Anche se sembra ragionevole supporre che l'enculturazione e la formazione svolgano parte nella percezione della consonanza ² , è stato recentemente dimostrato che le differenze nella percezione degli accordi e degli accordi dissonanti probabilmente dipendono meno dalla cultura musicale di quanto in precedenza era stato pensato ³ e può Derivano anche da semplici basi biologiche ^{4 , 5 , 6} . Per impedire una comprensione ambigua del termine consonanza, Terhardt ^{7 ha} introdotto la nozione di consonanza sensoriale, al contrario della consonanza in un contesto musicale, Dove l'armonia, per esempio, può influenzare la risposta ad un determinato accordo o intervallo. Nel presente protocollo sono stati utilizzati solo intervalli isolati a due note per individuare attivazioni unicamente correlate alla consonanza sensoriale senza interferenze con l'elaborazione dipendente dal contesto ⁸ .

I tentativi di caratterizzare la consonanza attraverso mezzi puramente fisici hanno avuto inizio con Helmholtz ⁹ , che attribuisce la percezione di rugosità associata agli accordi dissonanti al trapasso tra componenti di frequenza adiacenti. Più recentemente, tuttavia, è stato dimostrato che la consonanza sensoriale non è associata solo all'assenza di rugosità, ma anche all'armonica, vale a dire l'allineamento dei partiali di un determinato tono o accordo con quelli di un tono non udito di un Frequenza inferiore ^{10 , 11} . Gli studi comportamentali confermano che la consonanza soggettiva è in effetti colpita da puI parametri fisici, come la distanza di frequenza ^{12 , 13} , ma una più ampia gamma di studi hanno dimostrato conclusivamente che i fenomeni fisici non possono rappresentare esclusivamente le differenze tra la consonanza e la dissonanza percepita ^{14 , 15 , 16 , 17} . Tutti questi studi, tuttavia, riportano queste differenze quando si ascolta una serie di intervalli o accordi. Una varietà di studi che utilizzano la tomografia a emissione di positroni (PET) e la risonanza magnetica funzionale (fMRI) hanno rivelato significative differenze nelle regioni corticali che diventano attive quando ascoltano gli accordi consonanti o dissonanti e gli accordi ^{8 , 18 , 19 , 20} . Lo scopo del presente studio è quello di esplorare le differenzeNell'attività cerebrale quando producono, anziché ascoltare, intervalli consonanti e dissonanti.

Lo studio del controllo dei sensori-motori durante la produzione musicale comporta tipicamente l'uso di strumenti musicali e molto spesso richiede la realizzazione di strumenti modificati appositamente per il loro utilizzo durante la neuroimaging ²¹ . Il cantare, però, sembra fornire dall'inizio un meccanismo appropriato per l'analisi dei processi sensori-motori durante la produzione musicale, in quanto lo strumento è la voce umana stessa e l'apparecchio vocale non richiede alcuna modifica per essere idoneo durante Imaging ²² . Sebbene i meccanismi neurali associati ad aspetti del canto, quali il controllo del passo ²³ , l'imitazione vocale ²⁴ , i cambiamenti adattativi indotti da formazione ²⁵ e l'integrazione di feedback esterni ^{25 ,} 30 . A questo scopo, il presente documento descrive un test comportamentale progettato per stabilire l'adeguato riconoscimento degli intervalli consonanti e dissonanti dai partecipanti. Questo è seguito da uno studio fMRI di partecipanti che cantano una serie di intervalli consonanti e dissonanti. Il protocollo fMRI è relativamente semplice, ma, come per tutte le ricerche MRI, si deve prestare molta attenzione per impostare correttamente gli esperimenti. In questo caso, è particolarmente importante minimizzare il movimento della testa, della bocca e del labbro durante le attività di canto, rendendo l'identificazione di effetti non direttamente correlati all'atto fisico del canto più semplice. Questa metodologia può essere usata perVestire i meccanismi neurali associati ad una varietà di attività che riguardano la produzione musicale da cantare.

Protocollo

Questo protocollo è stato approvato dal Comitato Ricerca, Etica e Sicurezza dell'Ospedale Infantil de México "Federico Gómez".

1. Prurito comportamentale

1. Eseguire un test audiometrico standard e puro per confermare che tutti i partecipanti potenziali possiedono un normale udito (livello sonoro di 20 dB (HL) rispetto alle frequenze di ottava di -8.000 Hz). Utilizza l'inventario di Edinburgh Handedness ³¹ per assicurarsi che tutti i partecipanti siano a destra.
2. Generazione di sequenze di intervalli.
   1. Producono toni pura che attraversano due ottave, G4-G6, utilizzando un programma di editing del suono.
      NOTA: Qui viene descritto il software gratuito di editing audio di Open Source Audacity. A tale scopo possono essere utilizzati altri pacchetti.
      1. Per ogni tono, aprire un nuovo progetto nel software di editing del suono.
      2. Sotto il menu "Genera", seleziona "Tono". Nella finestra che appare, sElezioni una forma d'onda sinusoidale, un'ampiezza di 0,8 e una durata di 1 s. Immettere il valore della frequenza corrispondente alla nota desiderata ( es. 440 Hz per A4). Fare clic sul pulsante "OK".
      3. Sotto il menu "File", selezionare "Esporta audio". Nella finestra che si apre, immettere il nome desiderato per il file audio e scegliere WAV come il tipo di file desiderato. Fai clic su "Salva".
   2. Selezionare due intervalli consonanti e due dissonanti, secondo la tabella 1 , in modo che ogni intervallo di consonanti sia vicino ad un intervallo dissonante.
      NOTA: Ad esempio, considerate gli intervalli consonanti di una quinta perfetta e un'ottava e gli intervalli dissonanti di un quarto (tritone) e di un settimo maggiore. Questi sono gli intervalli scelti per lo studio condotto dagli autori.
   3. Genera tutte le possibili combinazioni di note corrispondenti a questi quattro intervalli nell'intervallo tra G4 e G6.
      1. Per eacH, aprire un nuovo progetto nel software di editing sonoro e utilizzare "Import Audio" nel menu "File" per importare i due file WAV da concatenare.
      2. Posizionare il cursore in qualsiasi punto del secondo tono e fare clic per selezionare. Fai clic su "Seleziona tutto" sotto il menu "Modifica". Sotto lo stesso menu, fare clic su "Copia".
      3. Posizionare il cursore in qualsiasi punto del primo tono e fare clic su. Sotto il menu "Modifica" fare clic su "Spostare cursore fino alla fine del brano" e quindi fare clic su "Incolla" sotto lo stesso menu. Esportare l'audio come descritto nel passaggio 1.2.1.3.
   4. Utilizzare un generatore di sequenze casuali per produrre sequenze costituite da 100 intervalli generati pseudorandomamente in modo tale che ciascuno dei quattro intervalli differenti si presenta esattamente 25 volte ³⁰ . A tale scopo, utilizzare la funzione di permutazione casuale nel software di analisi statistica (vedere la tabella dei materiali ). Inserisci i quattro interventiCome argomenti e creare un ciclo che ripete questo processo 25 volte.
   5. Usa il software di ricerca comportamentale per generare due distinte piste. Caricare una sequenza di 100 intervalli in formato WAV per ogni esecuzione e associare l'identificazione di ciascun intervallo con una singola prova ³⁰ .
      NOTA: Qui viene utilizzato il software di comportamento di E-Prime. È possibile utilizzare altri software equivalenti di ricerca comportamentale.
3. Spiega ai partecipanti che ascoltano due sequenze di 100 intervalli ciascuno, dove ogni sequenza è associata ad un compito diverso e con un proprio set di istruzioni. Spiega ai partecipanti che, in entrambe le esecuzioni, l'intervallo successivo verrà riprodotto solo quando viene premuto un tasto valido.
   NOTA: Una volta che comincia la sequenza di riconoscimento di intervalli, non dovrebbe essere interrotta in modo che il corso di azione sia il più chiaro possibile a tutti i partecipanti.
   1. Fai sedere i partecipanti davanti a un computer portatileE indossare le cuffie fornite. Utilizzare cuffie auricolari di buona qualità. Regolare il livello sonoro ad un livello comodo per ogni soggetto.
   2. Se si utilizza il software di ricerca comportamentale descritto qui, aprire le attività create nel passaggio 1.2.5 con E-Run. Nella finestra visualizzata, immettere la sessione e il numero dell'oggetto e fare clic su "OK". Utilizzare il numero di sessione per distinguere tra le esecuzioni per ciascun partecipante.
      NOTA: Le istruzioni per l'attività a portata appariranno sullo schermo, seguite dall'inizio dell'attività stessa.
      1. Innanzitutto, in un compito a due forze alternative, è sufficiente identificare i partecipanti se gli intervalli che ascoltano sono consonanti o dissonanti. Avere il partecipante premere "C" sulla tastiera del computer per consonante e "D" per dissonante.
         NOTA: Poiché tutti i partecipanti sono tenuti ad avere formazione musicale a livello di conservatorio, tutti si aspettano di poter distinguere tra paternamente consonanti eIntervalli sonanti. Il primo compito serve, in un certo senso, come conferma che questo è veramente il caso.
      2. In secondo luogo, in un 4-alternativo compito a scelta, i partecipanti identificano gli intervalli stessi. I partecipanti devono premere i numeri "4", "5", "7" e "8" sulla tastiera del computer per identificare gli intervalli di una quarta, perfetta quinta, principale settima e ottava.
   3. Al termine di ogni attività, premere "OK" per salvare automaticamente i risultati di ciascun partecipante in un singolo file E-DataAid 2.0 etichettato con il numero di soggetto e di sessione e con l'estensione .edat2.
   4. Utilizzare software di analisi statistica ( ad esempio, Matlab, SPSS Statistics o un'alternativa open source) per calcolare le percentuali di successo di ciascuna attività ( ossia la percentuale di risposte riuscite per identificare se gli intervalli sono stati consonanti o dissonanti e anche quando si identifica l'intErvali stessi), sia individualmente che in gruppo ³² .

2. Esperimento fMRI

1. Preparazione alla sessione fMRI.
   1. Genera sequenze degli stessi intervalli come al punto 1.2.3, composto nuovamente da due toni puramente consecutivi con una durata di 1 s ciascuno.
      NOTA: la gamma vocale dei partecipanti deve ora essere presa in considerazione e tutte le note devono cadere comodamente all'interno della gamma di canto di ciascun partecipante.
      1. Utilizzare un generatore di sequenza casuale per creare una sequenza casuale di 30 intervalli per le prove di ascolto solo ³⁰ . Per le prove di canto, creare una sequenza pseudorandomizzata di 120 intervalli per i partecipanti per ascoltare un intervallo specifico e quindi corrispondere a questo intervallo di destinazione con le loro voci di canto. Per la sequenza pseudorandomizzata, utilizzare lo stesso metodo descritto nel passaggio 1.2.4, con gli intervalli di 4 come argomenti ancora una volta, ma nDovuto ripetere questo processo 30 volte.
      2. Seguendo la stessa procedura del punto 1.2.5, utilizzare il software di ricerca comportamentale per generare tre distinti brani, ciascuno composto inizialmente da dieci prove basali silenziose, seguite da 10 prove consecutive a solo ascolto e infine da 40 prove consecutive di canto.
         NOTA: Durante le prove di base, i quattro intervalli vengono visualizzati in ordine casuale, mentre durante le prove di canto, i quattro intervalli vengono visualizzati in ordine pseudorandomizzato, in modo che ciascun intervallo sia eventualmente presentato esattamente 10 volte. La durata di ogni prova è di 10 s, quindi un intero ciclo dura 10 minuti. Poiché ogni soggetto passa attraverso 3 prove sperimentali, la durata complessiva dell'esperimento è di 30 min. Tuttavia, consentendo ai partecipanti di entrare e uscire lo scanner, per impostare e testare il microfono, per ottenere il tempo per ottenere la scansione anatomica e per il tempo tra i percorsi funzionali, è necessario assegnare a ciascun partecipante circa 1 h di tempo di scansione .
   2. Spiega ai partecipanti le sequenze di prove da presentare, come descritto nel punto 2.1.1.2, e rispondere a eventuali dubbi che potrebbero avere. Istruci i partecipanti a muovere le note senza aprire le loro bocche durante le prove di canto, mantenendo le labbra ancora producendo un suono "m".
   3. Collegare un auricolare non magnetico compatibile con un computer portatile. Regolare il livello sonoro ad un livello comodo per ogni soggetto.
   4. Collegare un piccolo microfono a condensatore ad un'interfaccia audio a sua volta collegata al computer portatile utilizzando un cavo schermato tripletto tripletto.
      NOTA: l'alimentatore del microfono, l'interfaccia audio e il portatile devono trovarsi tutti fuori dalla stanza che ospita lo scanner.
   5. Controllare la risposta in frequenza del microfono.
      NOTA: Lo scopo di questo test è quello di confermare che il microfono si comporta come previsto all'interno dello scanner.
      1. Avviare un nuovo progetto nel software di editing del suono e selezionare il condensatoreMicrofono come dispositivo di input.
      2. Genera un tono di prova a 440 Hz con una durata di 10 s, come descritto nella sezione 1.2.1, con i valori appropriati per la frequenza e la durata.
      3. Usando il software di riproduzione del suono predefinito sul portatile, premere "Play" per inviare il tono di prova attraverso le cuffie nelle posizioni all'interno (sopra il poggiatesta) e all'esterno (nella sala di controllo) dello scanner, con il microfono posto tra i lati Della cuffia in ogni caso.
      4. Premere "Record" nel software di editing del suono per registrare circa 1 s del tono di prova in ogni posizione.
      5. Selezionare "Plot Spectrum" dal menu "Analizza" per ogni caso e confrontare la risposta del microfono al tono di prova, sia all'interno che all'esterno dello scanner, controllando che la frequenza fondamentale del segnale ricevuto in ciascuna posizione è di 440 Hz.
   6. Nastri il microfono del condensatore sul collo del partecipante, appena sotto il microfonolaringe.
   7. Avere il partecipante indossare l'auricolare. Mettere il partecipante in uno scanner a risonanza magnetica (MR).
2. Sessione fMRI.
   1. All'inizio della sessione, aprire il pacchetto software di interfaccia utente di risonanza magnetica (MRUI). Utilizzare MRUI per programmare il paradigma di acquisizione.
      NOTA: Alcune varianti dell'interfaccia devono essere previste tra i diversi modelli.
      1. Selezionare l'opzione "Paziente" dal menu sullo schermo. Inserisci il nome, l'età e il peso del partecipante.
      2. Fai clic sul pulsante "Esame". In primo luogo, scegliete "Head" e poi "Brain" dalle opzioni disponibili.
      3. Selezionare "3D" e poi "T1 isometrico" con i seguenti valori per i parametri pertinenti: Tempo di ripetizione (TR) = 10,2 ms, Echo Time (TE) = 4,2 ms, angolo di inclinazione = 90 ° e Voxel Size = 1 x 1 x 1 mm ³ .
         NOTA: per ogni partecipante, un volume anatomico ponderato con T1 bE acquisita utilizzando una sequenza di impulsi di gradiente di eco per il riferimento anatomico.
      4. Cliccate su "Programma" e selezionate EchoPlanaImage_diff_perf_bold (T2 *), con i valori dei relativi parametri come segue: TE = 40 ms, TR = 10 s, Tempo di Acquisizione (TA) = 3 s, Ritardo in TR = 7 s, Flip Angolo = 90 °, campo di visualizzazione (FOV) = 256 mm ² e dimensione matrice 64 x 64. Utilizzare l'opzione "Dummy" per acquisire 5 volumi mentre si immette un valore di "55" per il numero totale di volumi.
         NOTA: Questi valori permettono l'acquisizione di scansioni a testa intera a peso T2 * funzionale secondo il paradigma di campionamento sparso illustrato in figura 1 , in cui viene acquisita una scansione "dummy" di imaging eco-planare (EPI) e scartata per consentire la saturazione di T1 effetti. Si noti che in alcuni MRUI, il valore di TR dovrebbe essere di 3 s, in quanto è considerato il tempo totale durante il quale l'acquisizione avviene.
      5. Fare clic su "Copia" per creare una copia di questo sequENCE. Posiziona il cursore nella parte inferiore dell'elenco delle sequenze e fai clic su "Incolla" due volte per impostare tre sequenze di campionamento sparse consecutive.
      6. Fare clic su "Start" per iniziare l'acquisizione anatomica del volume T1.
      7. Presentare tre corse al partecipante, con i percorsi descritti nel passaggio 2.1.1.2. Sincronizzare l'inizio delle operazioni con l'acquisizione dallo scanner utilizzando la scatola di scansione dello scanner.
         1. Seguire la stessa procedura descritta nella sezione 1.3.2 per iniziare ciascuna delle tre correzioni, distinguendo tra le correzioni utilizzando il numero di sessione. Salvare i risultati di tre corse complete utilizzando la stessa procedura descritta nel passaggio 1.3.3.
            NOTA: La temporizzazione delle presentazioni di prova è sistematicamente sprecata da ± 500 ms.

Figura 1: SCampionamento di analisi. ( A ) Timeline degli eventi all'interno di un processo che prevede solo l'ascolto di un intervallo a due toni (2 s), senza ripetizione successiva. ( B ) Timeline degli eventi in un processo che prevede compiti di ascolto e canto. Clicca qui per visualizzare una versione più grande di questa figura.

3. Analisi dei dati

1. Preprocessare i dati funzionali utilizzando un software progettato per l'analisi delle sequenze di dati di immagini cerebrali secondo procedure standard ³³ .
   NOTA: Tutto l'elaborazione dei dati avviene utilizzando lo stesso software.
   1. Utilizza l'opzione di menu fornita per riallineare le immagini al primo volume, ripassato e normalizzato spazialmente (dimensione finale del voxel: 2 x 2 x 2 mm ³ ) allo spazio stereotassico ³⁴ dello standard Montreal Neurological Institute (MNI).
   Utilizzare l'opzione di menu fornita per lisciare l'immagine usando un kernel Gaussian di larghezza massima pari a 8 mm, larghezza massima di 8 millimetri (FWHM).
2. Per modellare la risposta BOLD, selezionare una funzione di base (ordine 1) o funzionalità boxcar, in base al tempo di acquisizione del volume (3 s) ²⁸ .
   NOTA: I protocolli di campionatura a bassa frequenza, come questo, non richiedono generalmente che il FIR sia convigurato con la funzione di risposta emodinamica, come avviene comunemente per la fMRI correlata all'evento.
3. Applicare un filtro passa-alto alla risposta BOLD per ogni evento (1.000 s per la "rete di canto" e 360 ​​s altrove).
   NOTA: Modellazione di tutte le attività di canto insieme sarà un blocco di 400 s ³⁵ .

Risultati

Tutti e 11 i partecipanti al nostro esperimento erano allievi vocali femminili a livello di conservatorio e sono stati eseguiti abbastanza bene nei task di riconoscimento di intervalli da selezionare per la scansione. Il tasso di successo per l'attività di identificazione dell'intervallo è stato di 65,72 ± 21,67%, che è, come previsto, inferiore al tasso di successo durante l'identificazione di intervalli dissonanti e consonanti, pari a 74,82 ± 14,15%.

Discussione

Questo lavoro descrive un protocollo in cui il canto viene utilizzato come mezzo per studiare l'attività cerebrale durante la produzione di intervalli consonanti e dissonanti. Anche se il canto fornisce quello che è forse il metodo più semplice per la produzione di intervalli musicali ²² , non consente la produzione di accordi. Tuttavia, sebbene la maggior parte delle caratterizzazioni fisiche della nozione di consonanza si applichi, in una certa misura, alla sovrapposizione di note simultane...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Scanner a risonanza magnetica Achieva 1.5-T	Philips	Release 6.4
Audacity	Open source	2.0.5
Interfaccia audio	Tascam	US-144MKII
Audiometro	Brü el & Kjaer	Tipo 1800
E-Prime	Strumenti software di psicologia professionale, Inc.	2.0.0.74
Matlab	Mathworks	R2014A
Auricolari a inserto compatibili con risonanza magnetica	Sensimetrics	S14
Praat	Open source	5.4.12
Microfono a condensatore Pro-audio	Shure	SM93
Statistiche SPSS IBM		20
Mappatura	parametrica statisticaCentro di fiducia Wellcome per il neuroimaging	8