Name: 크로스 모달 변수 패턴 분석 (동영상) | JoVE Journal
Uploaded: 2011-11-09T13:00:00.000+00:00
Duration: 13 min 51 s
Description: 학습하세요 다중변량 패턴 분석(MVPA)을 활용한 인간 뇌의 다중감각 처리 메커니즘. fMRI 데이터로 시각 자극이 청각 및 체감각 피질에서 신경 활동을 유발하는 과정을 탐구합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 작품은 안토니오와 한나 Damasio에 매더스는 재단과 국립 보건원 (부여 번호 5P50NS019632 - 27)에 의해 부여에 의해 지원되었다.

<ol><li>Haynes, J. -D., Rees, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+mental+states+from+brain+activity+in+humans%5BTitle%5D)+AND+%22Nat.+Rev.+Neurosci%22%5BJournal%5D)">Decoding mental states from brain activity in humans.</a> Nat. Rev. Neurosci. 7, 523-534 (2006).</li>
<li>Norman, K. A., Polyn, S. M., Detre, G. J., Haxby, J. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beyond+mind-reading%3A+multi-voxel+pattern+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Trends.+Cogn.+Sci%22%5BJournal%5D)">Beyond mind-reading: multi-voxel pattern analysis of fMRI data.</a> Trends. Cogn. Sci. 10, 424-430 (2006).</li>
<li>Kriegeskorte, N., Bandettini, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analyzing+for+information%2C+not+activation%2C+to+exploit+high-resolution+fMRI%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Analyzing for information, not activation, to exploit high-resolution fMRI.</a> NeuroImage. 38, 649-662 (2007).</li>
<li>Mur, M., Bandettini, P. A., Kriegeskorte, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Revealing+representational+content+with+pattern-information+fMRI+-+an+introductory+guide%5BTitle%5D)+AND+%22Soc.+Cogn.+Affect.+Neurosci%22%5BJournal%5D)">Revealing representational content with pattern-information fMRI - an introductory guide.</a> Soc. Cogn. Affect. Neurosci. 4, 101-109 (2009).</li>
<li>Kamitani, Y., Tong, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+the+visual+and+subjective+contents+of+the+human+brain%5BTitle%5D)+AND+%22Nat.+Neurosci%22%5BJournal%5D)">Decoding the visual and subjective contents of the human brain.</a> Nat. Neurosci. 8, 679-685 (2005).</li>
<li>Formisano, E., De Martino, F., Bonte, M., Goebel, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((%22Who%22+is+saying+%22what%22%3F+Brain-based+decoding+of+human+voice+and+speech%3F%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">"Who" is saying "what"? Brain-based decoding of human voice and speech?</a> Science. 322, 970-973 (2008).</li>
<li>Meyer, K., Kaplan, J. T., Essex, R., Webber, C., Damasio, H., Damasio, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+visual+stimuli+on+the+basis+of+activity+in+auditory+cortices%5BTitle%5D)+AND+%22Nat.+Neurosci%22%5BJournal%5D)">Predicting visual stimuli on the basis of activity in auditory cortices.</a> Nat. Neurosci. 13, 667-668 (2010).</li>
<li>Meyer, K., Kaplan, J. T., Essex, R., Damasio, H., Damasio, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seeing+touch+is+correlated+with+content-specific+activity+in+primary+somatosensory+cortex%5BTitle%5D)+AND+%22Cereb.+Cortex%22%5BJournal%5D)">Seeing touch is correlated with content-specific activity in primary somatosensory cortex.</a> Cereb. Cortex. 21, 2113-2121 (2011).</li>
<li>Damasio, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time-locked+multiregional+retroactivation%3A+a+systems-level+proposal+for+the+neural+substrates+of+recall+and+recognition%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">Time-locked multiregional retroactivation: a systems-level proposal for the neural substrates of recall and recognition.</a> Cognition. 33, 25-62 (1989).</li>
<li>Meyer, K., Damasio, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+and+divergence+in+a+neural+architecture+for+recognition+and+memory%5BTitle%5D)+AND+%22Trends.+Neurosci%22%5BJournal%5D)">Convergence and divergence in a neural architecture for recognition and memory.</a> Trends. Neurosci. 32, 376-382 (2009).</li>
<li>Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modalities%2C+modes%2C+and+models+in+functional+neuroimaging%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Modalities, modes, and models in functional neuroimaging.</a> Science. 326, 399-403 (2009).</li>
<li>Hanke, M., Halchenko, Y. O., Sederberg, P. B., Hanson, S. J., Haxby, J. V., Pollmann, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PyMVPA%3A+a+Python+toolbox+for+multivariate+pattern+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">PyMVPA: a Python toolbox for multivariate pattern analysis of fMRI data.</a> Neuroinformatics. 7, 37-53 (2009).</li>
<li>Harrison, S. A., Tong, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+reveals+the+contents+of+visual+working+memory+in+early+visual+areas%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Decoding reveals the contents of visual working memory in early visual areas.</a> Nature. 458, 632-635 (2009).</li>
<li>Serences, J. T., Ester, E. F., Vogel, E. K., Awh, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stimulus-specific+delay+activity+in+human+primary+visual+cortex%5BTitle%5D)+AND+%22Psych+Sci%22%5BJournal%5D)">Stimulus-specific delay activity in human primary visual cortex.</a> Psych Sci. 20, 207-214 (2009).</li>
</ol>

관심 없음 충돌 선언하지 않습니다.

우리의 이전 연구의 결과는 크로스 모달 MVPA가 &quot;마음의 귀&quot;와 &quot;마음의 손길&quot;의 경험이 정신적 이미지의 신경 상호 연구를하는 유용한 도구입니다 보여줍니다. 특히, 그 결과는 이미지의 내용이 융합 - 발산 영역의 Damasio의 프레임 워크에 대한 직접적인 경험 지원을 제공, 각각 초기 청각과 somatosensory cortices의 신경 활동과 상관 것을 보여줍니다. 우리가 설명하는 기본적인 패러다임은 여러 가지 방법으로 확장될 수 있습니다. 대부분 분명, 유사한 연구는 감각 modalities의 다른 조합을 사용하여 수행하실 수 있습니다. 이러한 측면에서, 그것은 이전 실험 특정 크로스 모달 연관 관계를 확립하는 것이 성공의 기회를 증가 수도 있습니다. 예를 들어, 후각 cortices에서 크로스 모달 표현을 공부하기 위해, 하나는 시력 및 식품 항목의 숫자의 냄새 동시에 그들을 노출하여 주요 과목 수 있습니다. Shortly 후, fMRI 스캐너 안에 냄새의 후각 기억은 시각적인 단서에 의해 트리거 될 것이며, MVPA은 전적으로 후각 cortices의 활동에 따라 올바른 식품 항목에 시련을 지정하기 위해 사용될 수 있습니다. 관심의 또 다른 질문은 초기 감각 cortices의 활동의 상호 modally 유발 패턴은 사운드 또는 터치가 실제로 경험이 때 유도되는 패턴과 유사성을 부담하는지 여부이며 즉, 유리 꽃병이 산산조각과 비슷한 패턴을 호출 보는 않습니다 초기 청각 cortices의 신경 활동은 실제로 같은 이벤트를 듣고? 이 질문은, 다시, MVPA을 통해 해결하실 수 있습니다 주제가 제대로 과목 해당 비디오 클립을 시청하면서 기록된 데이터를 차별 할 수 특정한 소리를 듣고있는 동안 기록된 데이터에 대한 훈련이되어 버린 분류입니까? 우리의 청각 연구에서 우리는 그러한 분류를 시도했지만, 결과는 (그림 참조 3. 심판 인치 7 한계되었습니다). 그 연구에서는, 그러나, 참가자의 청각 협회는 어떠한 방법으로 제어되지 않은, 즉, 우리는 비디오와 관련된 각 과목의 분류를 양성하는 데 사용되는 오디오 트랙에 얼마나 유사한 청각 영상 모르겠어요. 다시 말하지만, 그것은 구체적인 크로스 모달 연관이로 visuo - 후각 협회 위에서 설명한, 과목 준비하는 후에 같은 질문을 해결하기 위해 흥미로운 수 있습니다. 이것은 안정적으로 비디오 재판을하는 동안 대상의 정신적 경험을 제어하기 때문에 분류의 예측 성능을 향상시킬 수 있도록합니다. 결론 위해, 우리는 자극이 시간뿐만 아니라 예측할 수 수 보여주는 고전적인 MVPA 패러다임의 확장을 도입뿐만 아니라, 감각 modalities에 걸쳐있다. 따라서, 우리는 MVPA의 사용은 외부 감각 자극에 의​​해 직접적으로 유도 지각 표현의 상호를 조사에 국한되지 것을 보여줍니다. 오히려 MVPA도 있습니다내부 트리거되는 정신적 이미지의 신경 기판을 평가 : Damasio의 융합 - 발산 영역 프레임 워크에 따라, 우리의 연구 결과는 기억에 따라 복원 아르 정신적 이미지의 의식 경험 초기 감각 콘텐츠 특정 신경 진술과 상관 것을 제안 cortices.

크로스 모달 변수 패턴 분석

Cross-Modal Multivariate Pattern Analysis

복수 변수 패턴 분석 (MVPA)은 기능적 자기 공명 영상 (fMRI) 데이터 1-4 분석 점점 많이 쓰이는 방법입니다. 일반적으로 메서드는 두뇌의 특정 지역에서 신경 활동 주제의 지각 경험을 식별하는 데 사용됩니다. 예를 들어, 그것은 피사체가 초기 청각 cortices 6 활동 연설의 내용, analogously, 초기 시각 cortices 5 활동이나 인식 시각 통같이의 방향을 예측하는 채용되었습니다. 여기서 우리는 지각 자극은 이내지만, 감각 시스템에서 예측되지 않은 어떤에 따르면, 전통적인 MVPA 패러다임의 확장을 제시. 특히, 우리가 설명하는 방법은 그들이 제시하는 통해서가 아닌 다른 modalities에서 메모리 연결을 보여주고 자극이 그 다른 modalities의 감각 cortices 콘텐츠 관련 활동 패턴을 유도하는지 여부의 문제를 해결합니다.초기의 특정 신경 활동 패턴과 상관있는 &quot;마음의 귀에&quot;이 이미지의 경험, 예를 들어, 바닥에 산산조각 유리 꽃병의 음소거 비디오 클립을보고하면 자동으로 대부분의 관측에 관련된 소리의 청각 이미지가 트리거 청각 cortices? 피사체가 짖는 강아지의 비디오 클립을보고, 대신이라면 또한, 관찰 될 수있는 패턴에서 뚜렷한 활동이 패턴인가? 이전의 두 연구 7,8에서, 우리는 예측할 수 있었던 사운드와 터치 뜻 각각 초기 청각과 somatosensory cortices의 신경 활동을 기반으로 비디오 클립. 우리의 결과는 어떤에 따르면, Damasio 9,10 제안한 neuroarchitectural 프레임 워크 라인에 추억을 기반으로하는 정신 이미지의 경험 - 등 해당 동영상을보고시 &quot;마음의 귀에&quot;에 꽃병을 깜짝 놀라게 할 소리를 듣기로 클립 - 콘텐츠의 다시 공사에서 지원특정 초기 감각 cortices에서 신경 활동 패턴.

고전 복수 변수 패턴 분석 피사체가 해당 cortices (시각 피질의 활동의 예 시각적 자극)의 신경 활동의 인식 감각 자극을 예측합니다. 여기, 우리는 상호 modally 패턴 분석을 적용하고 표시 그 소리와 터치 뜻 시각적 자극이 것은 각각 청각과 somatosensory cortices의 활동에서 예측할 수 있습니다.

다변량 패턴 분석(Multivariate pattern analysis, MVPA)은 기능적 자기공명영상(fMRI) 데이터를 분석하는 방법으로 점점 더 널리 사용되고 있습니다1-4. 일반적으로, ...

다음 실험의 목적은 기능적 MRI 데이터의 다변량 패턴 분석을 사용하여 인간 뇌의 다중 모드 처리를 조사하는 것입니다. 이는 먼저 피험자에게 단일 감각 양식을 통해 제시되지만, 다른 양식과의 강한 연관성을 시사하는 특정 종류의 감각 자극을 생성함으로써 달성됩니다. 예를 들어, 시각적 자극이 이에 해당합니다.예를 들어, 피험자가 특정 자극을 인지하는 동안 해당 양식의 연관성과 관련된 뇌 부위의 신경 활동이 나타납니다. 이 예시에서는 FMRI를 사용하여 청각 피질을 기록합니다. 기록된 활동은 다변량 패턴 분석(multi-variate pattern analysis)을 통해 분석되며, 이를 통해 피험자가 원래의 양식에서 여러 자극 중 무엇을 인지했는지 예측하는 것을 목표로 합니다.결과는 하나 이상의 양식과 관련된 정보를 포함하는 단일 양식 자극이, 해당 자극이 제시된 양식 외의 다른 양식의 초기 감각 피질에서 콘텐츠 특이적 신경 활동을 유도할 수 있음을 보여줍니다. 오늘 저희가 소개하는 교차 양식 다변량 패턴 분석(Crossmodal multivariate pattern analysis)이라 칭하는 이 기술은 기존의 다변량 패턴 분석을 자연스럽게 확장한 것으로, 감각 STEMI를 감각 양식 내에서가 아니라 양식 간에 분류한다는 점이 다릅니다. 저희는 20여 년 전 Demio가 도입한 신경 구조적 프레임워크에 대한 실증적 근거를 마련하려 노력하던 중 처음으로 이 방법론에 대한 아이디어를 얻었습니다.본 영상에서는 다변량 패턴 분석(multivariate pattern analysis), 줄여서 MVPA의 기술적인 측면뿐만 아니라 이론적 프레임워크에 대해서도 소개해 드리겠습니다. 먼저 MVPA와 기존의 단변량 fMRI 분석 간의 몇 가지 주요 차이점을 짚어보겠습니다. 다음 내용을 살펴보십시오.예를 들어, 피험자에게 사과와 오렌지 같은 두 가지 서로 다른 시각적 자극을 제시하면, 여러 번의 시행을 통해 평균화된 두 자극 모두 특정한 신경 활동 패턴을 유도합니다. 여기서는 6개의 가상 복셀(voxel)의 활성화 수준으로 상징되는 일차 시각 피질에서의 활동을 보여줍니다. 전통적인 FMRI 분석에는 이러한 패턴을 분석하는 기본적으로 두 가지 방법이 있습니다.첫 번째 방법은 자극이 관심 영역 전체에서 유도한 평균 활성 수준을 비교하는 것입니다. 그러나 평균값 사이의 차이는 유의미하지 않을 수 있습니다. 두 번째 방법은 각 복셀(voxel)에 대해 감산 대조(subtraction contrast)를 설정하는 것입니다.오렌지 조건 동안의 활성화 수준에서 사과 조건 동안의 활성화 수준을 뺌으로써, 각 복셀(voxel)에 대한 결과 차이를 전체 뇌 대조 영상으로 시각화할 수 있습니다. 하지만 이 경우에도 이러한 차이는 작을 수 있으며, 단 몇 개의 복셀에서만 필요한 통계적 기준에 도달할 수 있습니다. 그러나 단변량 분석 방법과 달리, MVPA는 모든 복셀의 활성화 수준을 동시에 고려함으로써 복셀 내의 패턴을 감지할 수 있습니다.개별적인 활성화 차이만으로는 유의미하지 않을 수 있지만, 두 패턴을 전체적으로 고려했을 때는 실제로 통계적으로 다를 수 있습니다. 기존 FMRI 분석과 MVPA의 또 다른 주요 차이점은 후자의 방법이 소위 역추론(reverse inference)이라 불리는 방식을 사용한다는 점입니다. 기존 FMRI 분석에서 연구자는 일반적으로 두 가지 서로 다른 시각 자극이 어떻게 다른지와 같은 유형의 질문을 던집니다.예를 들어, 얼굴 사진과 집 사진은 방추상 얼굴 영역과 같은 특정 관심 영역에서 서로 다른 활동 수준을 유도합니다. 이와 대조적으로, MVPA는 일반적으로 역추론 또는 디코딩의 관점에서 표현되며, 특정 뇌 영역의 신경 활동 패턴을 기반으로 피험자가 두 가지 시각 자극 중 어느 것을 인지했는지 예측할 수 있는지 묻습니다. 그러나 통계적 관점에서 볼 때, 두 자극이 주어진 뇌 영역에서 뚜렷한 활동 패턴을 유도한다고 말하는 것과 해당 뇌 영역의 활동 패턴을 통해 유도 자극을 예측할 수 있다고 말하는 것은 동일하다는 점에 유의하는 것이 중요합니다.다시 말해, MVPA의 민감도가 단변량 분석보다 우수한 이유는 역방향으로 진행하기 때문이 아니라 여러 복셀을 동시에 고려하기 때문입니다. 앞서 든 예시로 돌아가서, 사과를 보는 것이 오렌지를 보는 것보다 일차 시각 피질에서 다른 신경 활동 패턴을 유도하는지 평가하는 전형적인 MVPA 패러다임을 생각해 보겠습니다. 첫 번째 단계에서는 피험자가 판별 대상이 되는 다수의 자극을 보는 동안 fMRI 데이터를 기록합니다.획득한 데이터는 이후 훈련 데이터 세트와 테스트 데이터 세트로 나뉩니다. 훈련 세트의 데이터는 패턴 분류기에 입력되며, 분류기는 두 가지 유형의 시행을 서로 구별하는 신경 패턴의 특징을 탐지합니다. 다음으로, 분류기에 테스트 세트의 라벨이 없는 데이터를 제시하면, 분류기는 훈련 데이터 세트에서 탐지한 패턴을 바탕으로 각 자극에 대한 각 테스트 시행에 가장 가능성이 높은 라벨을 부여합니다.그런 다음 분류기의 추측 결과와 정확한 자극 라벨을 비교하며, 분류기 성능은 정답 추측의 백분율로 계산합니다. 예시에서 분류기는 12건 중 9건, 즉 75%의 정확한 자극 라벨을 맞혔습니다. 이러한 이진 판별에서 우연에 의한 성능은 50%가 됩니다. 이는 오렌지와 사과 자극에 의해 V1에서 유도된 신경 패턴 사이에 실제로 일관된 차이가 있음을 시사합니다.물론, 이 결과의 유의성은 통계적으로 증명되어야 합니다. 이러한 분류 실험에서 명심해야 할 중요한 점은 훈련 데이터 세트와 테스트 데이터 세트가 서로 완전히 독립적이어야 한다는 것입니다. 그래야만 훈련 세션 동안 학습된 패턴의 일반화 가능성에 대한 결론을 도출할 수 있기 때문입니다. 이러한 이유로 MVPA 패러다임에서는 소위 교차 검증 패러다임을 자주 사용합니다.이 절차는 주어진 데이터 세트에서 얻을 수 있는 훈련 및 테스트 시행 횟수를 최대화하는 동시에, 개별 분류 단계 동안 훈련 세트와 테스트 세트가 서로 중복되지 않도록 보장합니다. 8회의 기능적 런(functional run)이 포함된 다음의 MVPA 실험을 생각해 보십시오. 첫 번째 교차 검증 단계에서 분류기는 런 1부터 7까지의 데이터로 훈련되고, 런 8의 데이터로 테스트됩니다.두 번째 단계에서는 분류기를 1~6회차 및 8회차 실행 데이터로 학습시킨 후, 7회차 실행 데이터로 테스트합니다. 이와 같은 체계에 따라, 각 실행 회차가 정확히 한 번씩 테스트 실행으로 사용되도록 총 8회의 교차 검증 단계를 수행합니다. 각 교차 검증 단계에서 분류기 성능을 도출하고, 이 결과들을 평균하여 전체 성능을 산출합니다.pi MVPA 및 프린스턴 신경과학 연구소(Princeton Neuroscience Institute)에서 제공하는 툴박스와 같이 MVPA를 수행하기 위해 인터넷에서 무료로 이용 가능한 소프트웨어 패키지들이 있습니다. 앞서 설명한 것과 같은 실험 패러다임은 대뇌 피질의 해당 부위에서 나타나는 신경 활동으로부터 지각 자극을 예측하는 데 성공적으로 사용되어 왔으며, 예를 들어 시각 피질의 활동을 기반으로 시각 자극을 예측하거나 청각 피질의 활동을 기반으로 청각 자극을 예측하는 식이 그것입니다. 이제 이러한 기본 개념을 확장하여, 지각 자극을 동일 양식 내에서뿐만 아니라 서로 다른 양식 간에 예측하는 방법을 소개하고자 합니다.우리의 아이디어는 지각이 기억의 회상과 밀접하게 연결되어 있다는 사실에 기반합니다. 예를 들어, 유리 바닥이 지면에 부딪혀 산산조각 나는 장면과 같이 강한 청각적 암시를 주는 시각적 자극은, 과거에 유리가 깨지는 소리를 들었을 때 경험했던 청각적 이미지와 유사한 청각적 이미지를 우리의 마음속에서 자동으로 유발하게 됩니다.1980년대 후반 Theo가 도입한 프레임워크에 따르면, 타격 지점과 그에 해당하는 소리 사이의 기억 연합은 소위 수렴 발산 구역, 또는 줄여서 CD(convergence divergence zones)라고 불리는 곳에 저장됩니다. 수렴 발산 구역은 감각 시스템의 다양한 계층적 수준에 위치한 뉴런들의 앙상블로 개념화됩니다. 그 명칭이 시사하듯이 말입니다.각 수준의 CD는 하위 피질 및 시상으로부터 수렴하는 상향식 투사(bottom-up projections)를 받습니다. 그리고 동일한 하위 피질로 발산하는 하향식 투사(top-down projections)를 다시 보냅니다. 수렴하는 상향식 투사 덕분에 CD는 여러 양식의 지각적 표상에 의해 활성화될 수 있는데, 예를 들어 꽃병이 깨지는 소리와 모습 모두에 의해 활성화될 수 있습니다. 또한 발산하는 하향식 투사로 인해 가능합니다.그 후, 이들은 다른 양식의 초기 감각 피질로 신호를 다시 보냄으로써 연관된 이미지의 재구성을 촉진할 수 있습니다. 이 프레임워크에 따라, 순수하게 시각적이지만 소리를 암시하는 자극이 유도하는 활성화 순서를 생각해 보십시오. 자극은 먼저 수렴하는 상향식 투사를 통해 초기 시각 피질에서 특정한 신경 활동 패턴을 유도합니다.초기 시각 피질은 CD의 첫 번째 단계인 CDZ 1단계들을 활성화합니다. 해당 초기 피질 구역의 정확한 활동 패턴에 따라, 특정 CDZ가 활성화되거나 비활성 상태로 유지될 수 있습니다. CDZ 1단계들은 CDZ 2단계들로 상향 투사하며, 이는 CDZ 1단계들이 탐지한 것과 동일합니다.초기 시각 피질의 활동 패턴에서, cdz twos는 cdz ones 사이의 활동 패턴을 감지하며, 여러 cdz twos가 활성화될 수 있으나 여기서는 단순화를 위해 하향식 투사를 통해 하나만 묘사되었습니다. cdz ones는 동시에 여러 추가적인 c DZs CDZ twos 단계를 통해 초기 시각 피질의 활동 패턴을 완성할 수 있습니다. Twos는 다중모드 연합 피질의 CDZ ends로 전방 투사합니다.마찬가지로, 여러 개의 CDZ 말단이 활성화될 수 있으나, 단순화를 위해 하나만 표시하였습니다. 또한, CD Z 2는 CDZ 1로 역신호를 보내며, 이는 결과적으로 초기 시각 피질에서 원래 유도된 패턴을 더욱 수정할 수 있습니다. CDZ 말단은 모든 양식의 CZ 2로 역신호를 보냅니다.청각 피질에서는 피험자가 시각적으로 제시된 자극과 연관된 청각적 이미지를 마음의 귀로 경험할 수 있게 하는 신경 패턴이 구축될 것입니다. 체성감각 양식으로 전달되는 하향식 신호 묘사는 거의 모든 시각적 자극이 어떤 촉각적 연관성 또한 함축한다는 사실을 반영합니다. 따라서, 이 프레임워크는 시각적 자극을 함축하는 소리가 콘텐츠 특이적인 신경 활동 패턴으로 이어질 것임을 예측합니다.초기 청각 피질에서 나타납니다. MVPA를 사용하여 이러한 신경 패턴을 분석함으로써, 피험자가 소리를 암시하는 여러 시각적 자극 중 어떤 것을 보았는지 예측하는 것이 가능할 것입니다. 첫 번째 실험에서는 피험자가 소리를 암시하는 객체와 사건이 담긴 9가지의 서로 다른 비디오 클립을 시청하는 동안 초기 청각 피질에서 신경 활동을 기록하였습니다.본 실험의 관심 영역은 일차 청각 피질과 매우 초기 단계의 청각 연합 피질로 구성된 Semal 평면 상의 제한된 구역이었습니다. 두 번째 실험에서는 피험자가 촉각을 암시하는 다섯 가지 서로 다른 비디오 클립을 시청하는 동안 일차 체성감각 피질에서 신경 활동을 기록하였습니다. 이 실험에서 관심 영역은 중심후회에 위치한 일차 체성감각 피질로 구성되었습니다.두 연구 모두 청각 연구에 8명의 피험자가 참여하였습니다. MVPA 분류기는 자극 쌍 간의 가능한 모든 2방향 판별에서 50%의 우연 수준보다 높은 성능을 보였습니다. 36회의 판별 중 26회에서 분류기 성능이 우연 수준인 0.5와 유의미한 차이를 나타냈습니다.마찬가지로 체성감각 연구에서도 분류기는 모든 이지선다 변별에서 우연 수준 이상의 성능을 보였으며, 10가지 변별 중 8가지가 통계적 유의성에 도달했습니다. 보시는 바와 같이, 교차 모달리티 다변량 패턴 분석을 통해 소리나 촉각을 암시하는 시각 자극의 지각이 앞서 소개한 이론적 틀에 따라 초기 청각 및 체성감각 피질에서 내용 특이적인 신경 표현을 유도한다는 것을 입증할 수 있었습니다. 분명히, 우리가 제시한 실험 패러다임은 본 실험에 포함된 모달리티에만 국한될 필요가 없으며, 다른 감각 모달리티로도 확장될 수 있습니다.따라서 우리는 다른 연구 그룹들이 이러한 종류의 연구를 확장하는 데 동참하여, 환경으로부터 다중 모드 자극 프로세스를 어떻게 도입하는지에 대한 우리의 지식을 넓힐 수 있기를 바랍니다.

cross-modal-multivariate-pattern-analysis

Research

연구

JoVE Journal

Neuroscience

신경과학

현재 문서는 변수 분석의 기초를 설명하고 더 일반적으로 사용되는 voxel - 현명한 univariate 분석에 대조를 이룹니다. 분석의 두 가지 유형이 임상 - 신경 과학 데이터 집합에 적용됩니다. 보충 분할 반 시뮬레이션은 독립적인 데이터 집합에 변수가 결과의 더 나은 복제를 보여줍니다.

데이터 Neuroimaging에서 복수 변수 분석의 기초

주성분 분석 (PCA) 등의 다변량 기술은 기능적 뇌 영상에서 지역 변화의 서명 패턴을 식별하는 데 사용되었습니다. 우리는 퇴행성 신경 질환의 진단, 질병의 진행 평가, 환자 집단에서 치료 효과를 객관적으로 평가를 재현 네트워크 생체를 식별하는 알고리즘을 개발했습니다.

신경 영상 데이터를 사용하여 질병과 관련된 공간 공분산 패턴의 식별

우리는 이전 유방 X 선 검사에서 건축 왜곡의 검출 방법을 보여줍니다. 배향 구조는 조직 패턴을 방사의 사이트를 검출하는 가버 필터 및 위상 인물을 사용하여 분석된다. 각 사이트의 특징과 spiculating 패턴을 표현하는 수단을 사용하여 분류된다. 방법은 유방암의 검출을 지원한다.

이전 유방 X 선 사진에있는 건축 왜곡의 검출를 통해 분석

정보 연결성은 서로 다른 뇌 영역에 걸친 다중 복셀 정보의 시간 경과 간의 대응을 측정합니다. 다중 복셀 패턴 판별 가능성 시계열은 지역에서 추출되고 비교되어 일반적인 기능적 연결 접근 방식에서 식별되지 않은 네트워크를 드러냅니다.

시간에 걸쳐 fMRI를 다 복셀 정보의 동시 출현을 측정하는 정보를 제공하는 연결을 사용하여

이 프로토콜은 많은 양의 유사성 판단과 그에 수반되는 분석 워크 플로우를 얻기 위해 실험적 정신 물리학 패러다임을 제시합니다. 패러다임은 컨텍스트 효과를 조사하고 적어도 다섯 차원의 유클리드 공간의 관점에서 유사성 데이터의 모델링을 가능하게합니다.

유사성 판단의 수집과 분석을위한 정신 물리학 패러다임

우리는 많은 Caenorhabditis elegans 벌레의 유연한 화학적 및 다중 모드 자극과 동시 신경 활동의 기록 방법을 제시합니다. 이 방법은 미세 유체 공학, 오픈 소스 하드웨어 및 소프트웨어, 감독 자동화 데이터 분석을 사용하여 적응, 시간적 억제 및 자극 누화와 같은 신경 현상을 측정할 수 있습니다.

여러 개의 작은 유기체에서 자동화된 다중 모드 자극 및 동시 신경 기록

여기서는 HD-MEA를 사용하여 대규모 신경 앙상블, 특히 해마, 후각 전구 회로 및 인간 신경 네트워크의 계산 역학을 탐구합니다. 계산 도구와 결합된 시공간 활동을 캡처하면 신경 앙상블 복잡성에 대한 통찰력을 얻을 수 있습니다. 이 방법은 뇌 기능에 대한 이해를 높여 잠재적으로 신경 장애에 대한 바이오마커 및 치료법을 식별합니다.

CMOS 통합 고밀도 미세전극 어레이에서 Multimodal Large-Scale Neuronal Ensemble Dynamics 기록 및 분석

다양한 전처리 단계, 다중 오믹스 요인 분석 모델 추정 및 여러 다운스트림 분석을 결합한 복잡한 다중 오믹스 데이터 세트의 비감독 분석을 위한 유연하고 확장 가능한 Jupyter-lab 기반 워크플로를 제공합니다.

심혈관 질환과 관련된 변동 패턴 및 분자 과정을 밝히기 위한 비지도 다중 오믹 요인 분석의 적용

이 문서에서 우리는 쥐를 기본의 연결을 문화와 아르나의 증폭을 사용하여 후속 transcriptome 분석에서 단일 세포의 수확을위한 간단한 방법을 설명합니다. 이러한 접근 방식은 모든 세포 유형에 generalizable있다.

단일 셀 Transcriptome 분석

이 문서에서는 생쥐의 학습과 기억 기능을 평가하기 위해 수정된 자동화 기기를 이용한 T-미로 검사의 프로토콜을 제공합니다.

T-미로 강제 교대 및 근무와 마우스의 레퍼런스 메모리를 평가하기위한 왼쪽 오른쪽 차별 작업

학습하세요 다중변량 패턴 분석(MVPA)을 활용한 인간 뇌의 다중감각 처리 메커니즘. fMRI 데이터로 시각 자극이 청각 및 체감각 피질에서 신경 활동을 유발하는 과정을 탐구합니다.

크로스 모달 변수 패턴 분석

더 많은 동영상 탐색