2017년 5월 23일
자음과 불협화음을 듣는 신경 상관 관계는 널리 연구되어 왔지만 자음 및 부조간 간격의 생성과 관련된 신경 메커니즘은 잘 알려져 있지 않습니다. 이 기사에서는 행동 테스트와 fMRI를 간격 확인 및 노래 작업과 결합하여 이러한 메커니즘을 설명합니다.
이 방법론의 전반적인 목표는 기능적 자기 공명 영상(functional magnetic resonance imaging)을 사용하여 자음 및 불협화음 음정(consonant intervals)의 음성 생성과 관련된 신경 활성화를 모니터링하는 것입니다. 이 방법은 청각 인지 신경 과학 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다., 예를 들어 자음과 불협화음 음정을 노래할 때 청각 및 감각 운동 시스템의 외부 피드백 통합이 어떻게 다른가? 이 기술의 주요 장점은 모터와 청각 시스템의 활동을 추적하는 동시에 노래를 부르는 동안 목소리의 정확성을 측정하도록 설계되었다는 것입니다.
일반적으로 이 방법을 처음 사용하는 개인은 스캐너 전체가 매우 시끄럽기 때문에 스캐너 내에서 일부 톤을 충실하게 기록하기 어렵기 때문에 어려움을 겪을 것입니다. 이 절차를 시연하는 사람은 제 연구실의 대학원생인 Lucero Pacheco입니다. G 4에서 G 6까지 2옥타브에 걸쳐 순수한 톤을 생성하려면 사운드 편집 소프트웨어에서 새 프로젝트 폴더를 엽니다.
그런 다음 생성 메뉴에서 톤을 선택합니다. 표시되는 창에서 사인 파형, 진폭 0.8 및 지속 시간 1초를 선택합니다. 원하는 음에 해당하는 주파수의 값을 입력하고 okay 버튼을 클릭합니다.
파일 메뉴에서 내보내기를 선택합니다. 열리는 창에서 원하는 오디오 파일 이름을 입력하고 원하는 파일 형식으로 wav를 선택합니다. 저장을 클릭합니다.
다음으로, G 4와 G 6 사이의 범위에서 두 개의 자음 및 두 개의 불협화음 간격에 해당하는 음표의 가능한 모든 조합을 생성합니다. 이 작업을 수행하려면 각 간격에 대해 사운드 편집 소프트웨어에서 새 프로젝트를 열고 파일 메뉴에서 오디오 가져오기를 선택하여 연결할 두 개의 wav 파일을 가져옵니다. 두 번째 톤 위의 아무 지점에나 커서를 놓고 클릭하여 선택합니다.
편집 메뉴에서 모두 선택을 클릭합니다. 같은 메뉴에서 copy를 클릭합니다. 그런 다음 첫 번째 신호음 위의 아무 지점에나 커서를 놓고 클릭합니다.
편집 메뉴에서 move cursor to track end를 클릭한 다음 같은 메뉴에서 붙여넣기를 클릭합니다. 마지막으로 파일 메뉴에서 내보내기를 선택합니다. 열리는 창에서 원하는 오디오 파일 이름을 입력하고 원하는 파일 형식으로 wav를 선택합니다.
저장을 클릭합니다. 참가자가 노트북 컴퓨터 앞에 앉고 제공된 헤드폰을 착용하도록 하는 것으로 시작합니다. 소음 수준이 참가자에게 편안한지 확인하십시오.
행동 연구 소프트웨어를 사용하여 e-run으로 이전에 생성된 두 가지 작업을 엽니다. 표시되는 창에서 세션과 제목 번호를 입력하고 확인을 클릭합니다. 그런 다음 두 가지 대안 힘 선택 과제에 대해 참가자들에게 컴퓨터 키보드의 c를 자음으로, d를 불협화음으로 눌러 듣는 음정이 자음인지 불협화음인지 확인하도록 요청합니다.
다음으로, 4개의 대안 부대 선택 과제에서 참가자들은 컴퓨터 키보드에서 숫자 4, 5, 7, 8을 눌러 스스로 간격을 식별하여 증강된 4도의 간격을 식별하도록 합니다. 퍼펙트 5번째. 메이저 7위.
그리고 각각 옥타브. 마지막으로, 각 작업이 끝나면 확인을 눌러 각 참가자에 대한 결과를 자동으로 저장합니다. 비자성, MR 호환 헤드셋을 노트북에 연결하는 것으로 시작하고 참가자가 편안하게 즐길 수 있는 사운드 레벨인지 확인합니다.
그런 다음 작은 콘덴서 마이크를 오디오 인터페이스에 연결한 다음 차폐되고 꼬인 삼중항 케이블을 사용하여 랩톱에 차례로 연결합니다. 마이크 주파수 응답을 확인하려면 사운드 편집 소프트웨어에서 새 프로젝트를 시작하고 콘덴서 마이크를 입력 장치로 선택하십시오. 그런 다음 10초 동안 440헤르츠 테스트 톤을 생성합니다.
톤이 생성된 후 사운드 재생 소프트웨어를 사용하여 재생을 눌러 헤드폰을 통해 테스트 톤을 두 위치로 보냅니다. 제어실의 머리 받침대 내부 및 스캐너 외부 각 케이스에서 헤드셋 측면 사이에 마이크를 배치합니다. 그런 다음 사운드 편집 소프트웨어에서 녹음을 눌러 각 위치에서 약 1초의 테스트 톤을 녹음합니다.
그런 다음 각 사례에 대한 분석 메뉴에서 플롯 스펙트럼을 선택하고 각 위치에서 수신된 신호의 기본 주파수가 440Hz인지 확인하여 스캐너 내부 및 외부에서 테스트 톤에 대한 마이크의 응답을 비교합니다. 마지막으로, 콘덴서 마이크를 참가자의 후두 바로 아래에 있는 목에 테이프로 붙이고 헤드셋을 착용하도록 합니다. 그런 다음 참가자를 자기 공명 스캐너에 넣습니다.
먼저 자기 공명 사용자 인터페이스 MRUI 소프트웨어 패키지를 엽니다. MRUI 소프트웨어 내의 화면 메뉴에서 환자 옵션을 선택합니다. 참가자의 이름, 나이 및 체중을 입력합니다.
그런 다음 시험 버튼을 클릭합니다. 먼저 사용 가능한 옵션에서 머리를 선택한 다음 뇌를 선택합니다. 그런 다음 반복 시간은 10.2밀리초, 에코 시간은 4.2밀리초, 플립 각도는 90도, 복셀 크기는 1 x 1 세제곱과 같은 값을 사용하여 3D를 선택한 다음 T1 등각 투영을 선택합니다.
그런 다음 프로그램을 클릭하고 다음과 같이 관련 매개 변수의 값으로 기능적 T2 스타 가중 전체 헤드 스캔을 획득하기 시작합니다 : TE는 40 밀리 초, TR은 3 초, 시야는 256mm 제곱, 플립 각도는 90도, 매트릭스 치수는 64 x 64, TR 지연은 7 초입니다. 이 경우 TR은 수집이 발생하는 총 시간입니다. 더미 옵션을 사용하여 총 볼륨 수에 대해 55의 값을 입력하면서 5개의 볼륨을 얻습니다.
복사를 클릭하여 이 시퀀스의 복사본을 만듭니다. 커서를 시퀀스 목록의 맨 아래에 놓고 붙여넣기를 두 번 클릭하여 세 개의 연속 스파스 샘플링 시퀀스를 설정합니다. 그런 다음 시작을 클릭하여 T1 가중 해부학적 부피 획득을 시작합니다.
마지막으로 참가자에게 세 가지 실행을 제시합니다. 스캐너 트리거 상자를 사용하여 실행 시작을 스캐너의 획득과 동기화하고 세션 번호를 사용하여 각 실행을 구별합니다. 그런 다음 각 실행의 결과를 저장합니다.
이 연구는 노래 네트워크를 구성하는 것으로 알려진 영역에서 노래하는 동안 신경 활동을 확인했으며, 이는 이전 문헌에 보고된 것과 일치합니다. 분산에 대한 양방향 반복 측정 분석 결과, 자음 간격이 아닌 불협화음으로 인한 대비의 경우 우측 1차 체감각 피질, 우측 1차 청각 피질, 좌측 중뇌, 우측 후방 인슐라, 좌측 편도체 및 좌측 푸타멘에서 활성화가 증가한 것으로 나타났습니다. 이 기술을 완전히 익히면 과목당 4시간 안에 완료할 수 있습니다.
적절하게 수행된다면 행동 테스트, fMRI 세션 및 데이터 분석을 고려합니다. 이 절차를 시도하는 동안 녹음 장비가 올바르게 작동하는지 확인하고 참가자에게 허밍으로 노래해야 하며 인공물을 피하기 위해 가능한 한 머리를 덜 움직여야 한다는 것을 명확하게 지시하는 것이 중요합니다. 이진 상태 간의 뇌 활성화 차이를 추적하는 데 사용되는 이 절차에 따라, 예를 들어 넓은 음정과 좁은 음정을 연구하기 위해 수정된 버전의 방법을 수행할 수 있습니다.
각 개발 후 fMRI 기술은 청각 신경 과학 분야의 연구자들이 청각 및 발성 생성과 관련된 신경 메커니즘을 탐구할 수 있는 길을 열어줍니다. 이 비디오를 시청한 후에는 발성 생성의 신경 상관 관계를 연구하기 위해 fMRI를 사용하여 노래하는 동안 운동 및 청각 시스템의 활동을 모니터링하는 방법을 잘 이해하게 될 것입니다. 자기 공명 스캐너로 작업하는 것은 매우 위험할 수 있으며 금속 물체가 스캐너에 닿지 않도록 항상 세심한 주의를 기울여야 한다는 것을 잊지 마십시오.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 논문은 fMRI를 사용하여 협화 및 불협화 음정의 발성 생산에 관여하는 신경 기전을 조사합니다. 또한 행동 테스트와 가창 과제를 결합하여 이러한 맥락에서 청각 피드백 통합이 어떻게 다르게 나타나는지 탐구합니다.
fMRI를 사용하여 발성 중 신경 활동을 정량적으로 매핑하면 복잡한 청각-운동 과제에서의 감각-운동 통합을 정밀하게 분석할 수 있습니다. 이러한 접근 방식은 피드백 처리 및 운동 제어에 대한 객관적인 측정값을 제공함으로써, 중개 신경과학 및 신경기술 파이프라인의 기전적 위험 요소를 제거하는 데 기여합니다. 협화음과 불협화음 음정 생성의 신경적 상관관계를 구분할 수 있는 이 프로토콜의 능력은 청각-운동 통합 연구의 표적 검증에 대한 예측 신뢰도를 높여줍니다.
이 fMRI 기반 프로토콜은 청각-운동 연구의 신경 기능 매핑 및 타겟 검증을 위한 발견에서 전임상 단계까지의 연속 과정에 통합됩니다.