Name: Cross-Modale Multivariate Pattern Analysis (Video) | JoVE Journal
Uploaded: 2011-11-09T13:00:00.000+00:00
Duration: 13 min 51 s
Description: Leer cross-modale multivariate patroonanalyse voor onderzoek naar multimodale verwerking in de menselijke hersenen met fMRI-data. Deze methode voorspelt waargenomen stimuli op basis van neurale activiteitspatronen.

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

playerTrialDesktop

Dit werk werd ondersteund door subsidies van de Mathers Foundation en de National Institutes of Health (licentienummer 5P50NS019632-27) voor Antonio en Hanna Damasio.

<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>

Geen belangenconflicten verklaard.

De bevindingen van onze vorige studies tonen aan dat cross-modale MVPA is een nuttig hulpmiddel om de neurale correlaten van mentale beelden ervaren in de &#39;geest oor &quot;en de&quot; geest touch &quot;te bestuderen. Met name de resultaten blijkt dat de inhoud van dergelijke beelden is gecorreleerd met neurale activiteit in het begin van de auditieve en somatosensorische cortex respectievelijk, het verstrekken van directe empirische steun voor kader Damasio&#39;s van convergentie-divergentie zones. De basis paradigma we beschrijven kan worden uitgebreid op een aantal manieren. Uiteraard het meest, kan vergelijkbare studies worden uitgevoerd met behulp van verschillende combinaties van zintuiglijke modaliteiten. In dit opzicht, is het mogelijk dat tot vaststelling van bepaalde cross-modale verenigingen voorafgaand aan het experiment kan verhogen de kans op succes. Bijvoorbeeld om cross-modale voorstellingen studie in olfactorische cortex, kan men belangrijkste onderwerpen door ze bloot te gelijktijdig aan het zicht en de geur van een aantal levensmiddelen. Shortly na, in de fMRI-scanner, zou de olfactorische herinneringen aan de geuren worden veroorzaakt door visuele cues, en MVPA kunnen worden gebruikt in een poging om de proeven toe te wijzen aan de juiste voedingsmiddelen uitsluitend gebaseerd op de activiteit in de olfactorische cortex. Een andere interessante vraag is of de cross-modaal geïnduceerde patronen van activiteit in het begin van de sensorische cortex overeenkomsten met de patronen die worden geïnduceerd wanneer geluid of aanraking is eigenlijk ervaren dragen, met andere woorden, het zien van de glazen vaas verbrijzelen een vergelijkbaar patroon van beroep neurale activiteit in het begin van de auditieve cortex echt te horen hetzelfde evenement? Deze vraag, nogmaals, kunnen worden aangepakt door middel van MVPA: is een classifier die is getraind op geregistreerde gegevens terwijl proefpersonen hoorden bepaalde geluiden in staat om correct discrimineren gegevens geregistreerd, terwijl de proefpersonen keken bijbehorende videoclips? In onze auditieve studie, hebben we geprobeerd een dergelijke kwalificatie, maar de resultaten waren marginaal (zie Fig. 3 in ref. 7). In dat onderzoek waren echter de auditieve verenigingen van de deelnemers niet geregeld op welke wijze, met andere woorden, we weten niet hoe sterk de auditieve beelden per onderwerp geassocieerd met video&#39;s werden op de audio tracks gebruikt om de classifier te trainen. Nogmaals, kan het interessant zijn om dezelfde vraag in te gaan na de specifieke cross-modale verenigingen werden voorbereid in de onderwerpen, zoals hierboven beschreven voor een visueel-olfactorische vereniging. Dit zou toelaten om meer betrouwbare controle van de mentale beleving van de patiënten tijdens de video-trials en dus mogelijk voorspelling prestaties van de classifier te verhogen. Tot slot, hebben we een uitbreiding van het klassieke paradigma MVPA door te laten zien dat de stimuli kan worden voorspeld, niet alleen binnen, maar ook over zintuiglijke modaliteiten. Zo tonen we aan dat het gebruik van MVPA niet beperkt is tot het onderzoeken van de correlaten van perceptuele representaties die rechtstreeks veroorzaakt door externe sensorische stimulatie. Integendeel, MVPA kan ookbeoordelen van de neurale substraat van mentale beelden die intern worden geactiveerd: in overeenstemming met Damasio de convergentie-divergentie zone kader, onze bevindingen suggereren dat de bewuste ervaring van mentale beelden die zijn gereconstrueerd op basis van herinneringen is gecorreleerd met inhoud-specifieke neurale representaties in het begin van de zintuiglijke cortex.

cross-modale multivariate pattern analysis

Cross-Modal Multivariate Pattern Analysis

Multivariate patroon analyse (MVPA) is een steeds populairder wordende methode voor het analyseren van functionele magnetische resonantie imaging (fMRI) gegevens 1-4. Meestal wordt de methode die wordt gebruikt om een ​​onderwerp perceptuele ervaring van neurale activiteit in bepaalde gebieden van de hersenen te identificeren. Bijvoorbeeld, is gebruikt om de oriëntatie van de visuele roosters een onderwerp waarneemt van de activiteit in vroege visuele cortex 5 of, analoog, de inhoud van de toespraak van activiteit in het begin van de auditieve cortex 6 voorspellen. Hier presenteren we een uitbreiding van de klassieke MVPA paradigma, volgens welke perceptuele stimuli worden niet voorspeld binnen, maar over sensorische systemen. In het bijzonder, de methode die we beschrijven in op de vraag of stimuli die het geheugen associaties oproepen in modaliteiten andere dan de door waarin ze worden gepresenteerd content-specifieke activiteit patronen te induceren in de sensorische cortex van die andere modaliteiten.Bijvoorbeeld, het zien van een gedempte videoclip van een glazen vaas verbrijzelen op de grond automatisch triggers in de meeste waarnemers een auditief beeld van de bijbehorende geluid, is de ervaring van dit beeld in &quot;het oor geest&quot; van de gecorreleerd met een specifieke neurale activiteit patroon in het begin van auditieve cortex? Bovendien is deze activiteit patroon verschilt van het patroon dat kan worden waargenomen wanneer het onderwerp was, in plaats daarvan, het bekijken van een videoclip van een huilende hond? In twee eerdere studies 7,8, waren we in staat om te voorspellen geluid-en touch-impliceren videoclips op basis van neurale activiteit in het begin van auditieve en somatosensorische cortex, respectievelijk. Onze resultaten zijn in lijn met een neuroarchitectural kader voorgesteld door Damasio 9,10, volgens welke de ervaring van de mentale beelden die gebaseerd zijn op herinneringen - zoals het horen van de verpletterende geluid van een vaas in &quot;het oor geest&quot; van de bij het ​​zien van de bijbehorende video clip - wordt ondersteund door de re-constructie van de inhoud-Specifieke neurale activiteit patronen in het begin van sensorische cortex.

Klassieke multivariate analyse patroon voorspelt zintuiglijke prikkels een onderwerp waarneemt van de neurale activiteit in de overeenkomstige cortex (bijv. visuele prikkels van de activiteit in de visuele cortex). Hier passen we patroon analyse cross-modaal en laten zien dat geluid-en touch-impliceren visuele stimuli kan worden voorspeld op grond van activiteit in auditieve en somatosensorische cortex, respectievelijk.

Cross-Modale Multivariate Pattern Analysis

Multivariate patroonanalyse (MVPA) is een steeds populairdere methode voor het analyseren van gegevens van functionele magnetische resonantiebeeldvorming (fMRI)1-4. Meestal...

Het doel van het volgende experiment is om multivariante patroonanalyse van functionele MRI-gegevens te gebruiken om multimodale verwerking in het menselijk brein te onderzoeken. Dit wordt bereikt door eerst een specifiek type sensorische stimuli te creëren, die aan de proefpersonen via één enkele sensorische modaliteit worden gepresenteerd. Bijvoorbeeld de visuele modaliteit, die echter sterke associaties in een andere modaliteit oproept.Bijvoorbeeld, wanneer de proefpersonen dergelijke stimuli waarnemen, wordt de neurale activiteit in de hersendelen gemeten die betrekking hebben op de modaliteit van de associatie. De auditieve cortex wordt in dit voorbeeld geregistreerd met behulp van fMRI. De geregistreerde activiteit wordt geanalyseerd met multivariate patroonanalyse met als doel te voorspellen welke van de verschillende stimuli de proefpersoon in de oorspronkelijke modaliteit heeft waargenomen.De resultaten tonen aan dat unimodale stimuli die informatie bevatten die relevant is voor meer dan één modaliteit, contentspecifieke neurale activiteit kunnen opwekken in de vroege sensorische cortices van modaliteiten andere dan degene waardoor ze worden gepresenteerd. De techniek die we vandaag introduceren, die we Crossmodale multivariate patroonanalyse noemen, vormt een natuurlijke uitbreiding van de conventionele multivariate patroonanalyse, met als verschil dat sensorische STEMI's over verschillende sensorische modaliteiten heen worden geclassificeerd in plaats van binnen één modaliteit. We kregen voor het eerst het idee voor deze methode bij de poging om empirisch bewijs te leveren voor een neuroarchitecturaal raamwerk dat meer dan twee decennia geleden door Demio werd geïntroduceerd.In deze video introduceren we u niet alleen in de technische aspecten van multivariate patroonanalyse, afgekort als MVPA, maar ook in het theoretische kader hiervan. We zullen eerst enkele belangrijke verschillen aanstippen tussen MVPA en conventionele univariaate fMRI-analyse. Neem het volgende in overweging.Bijvoorbeeld, wanneer een proefpersoon wordt blootgesteld aan twee verschillende visuele stimuli, zoals een appel en een sinaasappel, dan wekken beide stimuli, gemiddeld over een aantal trials, een specifiek patroon van neurale activiteit op. In de primaire visuele cortex wordt dit hier gesymboliseerd door de activatieniveaus van zes hypothetische voxels. In conventionele fMRI-analyse zijn er in essentie twee methoden om deze patronen te analyseren.De eerste methode is om het gemiddelde activiteitsniveau dat door de stimuli werd opgewekt in de gehele regio van interesse te vergelijken. Het verschil tussen de gemiddelden is echter mogelijk niet significant. De tweede methode is om een subtractiecontrast vast te stellen voor elke voxel.Het activatieniveau tijdens de appelconditie wordt afgetrokken van het activatieniveau tijdens de sinaasappelconditie, en het resulterende verschil voor elke voxel kan worden gevisualiseerd op een contrastbeeld van de gehele hersenen. Deze verschillen kunnen echter wederom gering zijn en mogelijk slechts voor een klein aantal voxels aan het vereiste statistische criterium voldoen. In tegenstelling tot univariaate analysemethoden is MVPA echter in staat om patronen binnen voxels te detecteren door de activatieniveaus van alle voxels gelijktijdig te beschouwen.Hoewel slechts enkele van de verschillen in activatie op zichzelf significant kunnen zijn, kunnen de twee patronen, wanneer ze in hun geheel worden beschouwd, inderdaad statistisch verschillend zijn. Een ander belangrijk verschil tussen conventionele fMRI-analyse en MVPA is dat de laatste methode gebruikmaakt van wat omgekeerde inferentie wordt genoemd. Bij conventionele fMRI-analyse stelt de onderzoeker doorgaans een vraag van het type of twee verschillende visuele stimuli.Zo leiden bijvoorbeeld de afbeelding van een gezicht en de afbeelding van een huis tot verschillende activiteitsniveaus in een specifiek interessegebied, zoals het fusiform face area. In tegenstelling hiermee wordt MVPA doorgaans uitgedrukt in termen van reverse inference of decoding, waarbij de vraag is of we, op basis van het patroon van neurale activiteit in een specifiek hersengebied, kunnen voorspellen welke van de twee visuele stimuli een proefpersoon heeft waargenomen. Het is echter belangrijk op te merken dat het vanuit statistisch oogpunt equivalent is om te stellen dat twee stimuli leiden tot verschillende activiteitspatronen in een bepaald hersengebied, en te stellen dat het activiteitspatroon in dat hersengebied voorspelling van de inducerende stimulus mogelijk maakt.Met andere woorden is de sensitiviteit van MVPA superieur aan die van univariaate analyses omdat het meerdere voxels gelijktijdig beschouwt, en niet omdat het in een tegengestelde richting procedeert. Om terug te keren naar het eerdere voorbeeld, beschouwen we een typisch MVPA-paradigma dat beoordeelt of het zien van een appel een ander patroon van neurale activiteit in de primaire visuele cortex induceert dan het zien van een sinaasappel. In een eerste stap worden fMRI-gegevens geregistreerd terwijl een proefpersoon een groot aantal van de te onderscheiden stimuli ziet.De verkregen gegevens worden vervolgens verdeeld in een trainingsdataset en een testdataset. De gegevens uit de trainingsset worden ingevoerd in een patroonclassificator, die probeert kenmerken in de neurale patronen te detecteren die de twee typen trials van elkaar onderscheiden. Vervolgens krijgt de classificator niet-gelabelde gegevens uit de testset gepresenteerd en kent deze, op basis van de patronen die in de trainingsdataset zijn gedetecteerd, het meest waarschijnlijke label toe aan elke testtrial voor elke stimulus.De schatting van de classifier wordt vervolgens vergeleken met het juiste stimuluslabel en de prestatie van de classifier wordt berekend als het percentage correcte schattingen. Zoals we hebben gezien, heeft de classifier in het voorbeeld de juiste stimuluslabels in negen van de 12 gevallen correct geïdentificeerd, oftewel 75%. Bij een dergelijke tweewegdiscriminatie zou de kansprestatie 50% zijn. Dit suggereert dat er inderdaad consistente verschillen zijn tussen de neurale patronen die in V1 worden opgewekt door de stimuli van de sinaasappel en de appel.Natuurlijk zou de significantie van dit resultaat statistisch moeten worden bewezen. Een belangrijk aandachtspunt bij een dergelijk classificatie-experiment is dat de trainings- en testdatasets volledig onafhankelijk van elkaar moeten zijn, omdat alleen dan conclusies kunnen worden getrokken over de generaliseerbaarheid van de patronen die tijdens de trainingssessie zijn aangeleerd. Om deze reden maken MVPA-paradigma's vaak gebruik van een zogenaamd cross-validatieparadigma.Hoewel deze procedure dient om het aantal trainings- en testruns dat uit een gegeven dataset kan worden gehaald te maximaliseren, zorgt het er tegelijkertijd voor dat de trainings- en testsets niet overlappen tijdens de individuele classificatiestappen. Beschouw het volgende MVPA-experiment met acht functionele runs. In een eerste cross-validatiestap wordt de classifier getraind op de gegevens van run één tot en met zeven en getest op de gegevens van run acht.In de tweede stap wordt de classificeerder vervolgens getraind op runs één tot en met zes en op run acht, en daarna getest op run zeven. Volgens dit schema worden er acht stappen van kruisvalidatie uitgevoerd, waarbij elke run precies één keer als testrun dient. Zodra de prestaties van de classificeerder voor elke kruisvalidatiestap zijn verkregen, levert het middelen van deze resultaten de algehele prestatie op.Er zijn gratis beschikbare softwarepakketten op het internet om MVPA uit te voeren, zoals pi MVPA en de toolbox die wordt aangeboden door het Princeton Neuroscience Institute. Experimentele paradigma's zoals het zojuist beschreven, zijn succesvol gebruikt om perceptuele stimuli te voorspellen vanuit neurale activiteit in de overeenkomstige delen van de cerebrale cortex, bijvoorbeeld om visuele stimuli te voorspellen op basis van de activiteit in de visuele cortices of auditieve stimuli op basis van de activiteit in de auditieve cortices. Op basis hiervan willen we nu een uitbreiding van dit basisidee introduceren waarbij perceptuele stimuli niet alleen binnen, maar ook over modaliteiten heen worden voorspeld.Ons idee is gebaseerd op het feit dat perceptie nauw verbonden is met het ophalen van herinneringen. Neem bijvoorbeeld een visuele stimulus met een sterke auditieve implicatie, zoals het zicht van de bodem van een glas dat op de grond versplintert. Dit zal in ons geestelijk gehoor automatisch een auditief beeld oproepen dat overeenkomsten vertoont met de auditieve beelden die we hebben ervaren bij eerdere ontmoetingen met brekend glas.Volgens een raamwerk dat eind jaren 80 door Theo werd geïntroduceerd, wordt de geheugenassociatie tussen de plek van de slaande basis en het overeenkomstige geluid opgeslagen in zogenaamde convergentie-divergentiezones, afgekort als CD-zones. Convergentie-divergentiezones worden geconceptualiseerd als ensembles van neuronen die zich bevinden op de verschillende hiërarchische niveaus van de sensorische systemen. Zoals hun naam al suggereert.CD's op elk niveau ontvangen convergente bottom-up projecties van lagere-orde cortices en sturen vervolgens divergente top-down projecties terug naar dezezelfde lagere-orde cortices. Dankzij de convergente bottom-up projecties kunnen CD's worden geactiveerd door perceptuele representaties in meerdere modaliteiten, bijvoorbeeld zowel door het zicht als het geluid van een brekende vaas, dankzij de divergente top-down projecties.Zij kunnen vervolgens de reconstructie van geassocieerde beelden bevorderen door signalen terug te sturen naar de vroege sensorische cortices van aanvullende modaliteiten. Beschouw de sequentie van activatie die een puur visuele, maar geluidsimplicerende stimulus volgens dit raamwerk zal induceren. De stimulus induceert eerst een specifiek patroon van neurale activiteit in de vroege visuele cortices via convergente bottom-up projecties.De vroege visuele cortices activeren het eerste niveau van CD's, de CDZ-eenheden. Afhankelijk van het exacte activiteitspatroon in de overeenkomstige vroege corticale sector, kan een CDZ geactiveerd worden of inactief blijven. CDZ-eenheden projecteren naar boven naar CDZ-tweeën, net zoals CDZ-eenheden dat detecteerden.Activiteitspatronen in de vroege visuele cortexen; CDZ twos detecteren patronen van activiteit tussen CDZ ones; meerdere CDZ twos kunnen worden geactiveerd, maar voor de eenvoud is hier slechts één afgebeeld via top-down projecties. CDZ ones kunnen tegelijkertijd het activiteitspatroon in de vroege visuele cortexen completeren via verschillende aanvullende niveaus van CDZ twos. Twos projecteren voorwaarts naar CDZ ends in multimodale associatiecortexen.Opnieuw kunnen meerdere CDZ-einden worden geactiveerd, maar omwille van de eenvoud is er slechts één afgebeeld. Eveneens signaleren CD Z twos ook terug naar CDZ ones, die op hun beurt het patroon dat oorspronkelijk in de vroege visuele cortex was geïnduceerd, verder kunnen aanpassen. De CDZ-einden signaleren terug naar de CZ twos van alle modaliteiten.In de auditieve cortices zal een neuraal patroon worden gevormd, waardoor het subject in het geestesoor een auditief beeld kan ervaren dat geassocieerd is met de visueel gepresenteerde stimulus. De weergegeven top-down signalering naar de somatosensorische modaliteit weerspiegelt het feit dat vrijwel elke visuele stimulus ook tactiele associaties oproept. Het theoretische kader voorspelt dus dat een geluid dat een visuele stimulus suggereert, zou leiden tot een contentspecifiek patroon van neurale activiteit.In de vroege auditieve cortices. Door dit neurale patroon te analyseren met behulp van MVPA, zou het daarom mogelijk moeten zijn om te voorspellen welke van verschillende geluidsimplicerende visuele stimuli een proefpersoon heeft gezien. In het eerste experiment werd de neurale activiteit in de vroege auditieve cortices geregistreerd terwijl proefpersonen negen verschillende videoclips bekeken van objecten en gebeurtenissen die geluid impliceerden.Het interessegebied in dit experiment was een beperkt gebied op het Semal-vlak, dat bestond uit de primaire auditieve cortex en zeer vroege auditieve associatiecortices. In een tweede experiment werd de neurale activiteit geregistreerd vanuit de primaire somatosensorische cortex terwijl proefpersonen vijf verschillende videoclips bekeken die aanraking suggereerden. In dit experiment bestond het interessegebied uit de primaire somatosensorische cortex gelegen in de gyrus postcentralis.Beide studies omvatten acht proefpersonen in de auditieve studie. Een MVPA-classifier presteerde boven het kansniveau van 50% voor alle mogelijke tweeweg-discriminaties tussen paren stimuli. In 26 van de 36 discriminaties was de prestatie van de classifier significant verschillend van het kansniveau van 0,5.Hetzelfde gold voor de somatosensorische studie: de classifier presteerde boven het toevalsniveau bij alle tweeweg-discriminaties, en acht van de 10 discriminaties waren statistisch significant. Zoals u kunt zien, zijn we via crossmodale multivariate patroonanalyse in staat geweest aan te tonen dat de perceptie van visuele stimuli die geluid of aanraking impliceren, leidt tot contentspecifieke neurale representaties in de vroege auditieve en somatosensorische cortices, in overeenstemming met het eerder geïntroduceerde theoretische kader. Het is duidelijk dat het door ons gepresenteerde experimentele paradigma niet beperkt hoeft te blijven tot de modaliteiten die in onze eigen experimenten betrokken waren, maar ook kan worden uitgebreid naar andere sensorische modaliteiten.We hopen daarom dat andere groepen zich bij ons zullen aansluiten om dit soort onderzoek uit te breiden, in een poging onze kennis te verbreden over hoe processen multimodale stimuli uit de omgeving integreren.

cross-modal-multivariate-pattern-analysis

Research

JoVE Journal

Neuroscience

Neurowetenschap

Het huidige artikel beschrijft de basis van multivariate analyse en contrasten aan de meer algemeen gebruikte voxel-wijs univariate analyse. Beide soorten analyses worden toegepast op een klinisch-neurowetenschap dataset. Aanvullende split-half simulaties laten zien beter replicatie van de multivariate resultaten in onafhankelijke datasets.

Basis van Multivariate Analyse in Neuroimaging gegevens

Multivariate technieken zoals principale componenten analyse (PCA) zijn gebruikt om handtekening patronen van regionale veranderingen te identificeren in de functionele hersenen afbeeldingen. We hebben een algoritme om reproduceerbare netwerk biomarkers te identificeren voor de diagnose van neurodegeneratieve aandoeningen, evaluatie van progressie van de ziekte, en de objectieve evaluatie van de effecten van de behandeling in patiëntenpopulaties ontwikkeld.

Identificatie van ziekte-gerelateerde Ruimtelijke Covariantie Patronen gemaakt Neuroimaging gegevens

We tonen methoden voor de detectie van architecturale vervorming in voorgaande mammogrammen. Georiënteerde structuren worden geanalyseerd met behulp van Gabor filters en faseportretten naar sites van uitstralende weefsel patronen te detecteren. Elke site wordt gekenmerkt en geclassificeerd met behulp van maatregelen om spiculating patronen vertegenwoordigen. De methoden moeten bij het opsporen van borstkanker.

Detectie van Architectural Distortion in Prior mammogrammen Via Analyse van Oriented Patterns

Informationele connectiviteit meet de overeenstemming tussen tijdsverlopen van multi-voxel informatie tussen verschillende hersengebieden. Multi-voxel patroondiscriminerbaarheid tijdreeksen worden uit regio's geëxtraheerd en vergeleken, waardoor netwerken worden onthuld die niet worden geïdentificeerd in een typische functionele connectiviteitsbenadering.

Met behulp Informatieve Connectiviteit om de Synchrone opkomst van fMRI Multi-voxel Informatie Across Time Meet

Dit artikel beschrijft de toepassing van ongerichte metabolomics, transcriptomics en multivariate statistische analyse om druivenbes transcripties en metabolieten om inzicht te krijgen in het terroir concept, dat wil zeggen, de invloed van de omgeving op bes kwaliteitskenmerken.

De Terroir Concept Uitgelegd door de Bes van de Druif Metabolomics en Transcriptomics

Het protocol presenteert een experimenteel psychofysisch paradigma om grote hoeveelheden gelijkenisoordelen te verkrijgen, en een bijbehorende analyseworkflow. Het paradigma onderzoekt contexteffecten en maakt modellering van gelijkenisgegevens mogelijk in termen van Euclidische ruimten van ten minste vijf dimensies.

Een psychofysisch paradigma voor het verzamelen en analyseren van gelijkenisoordelen

Hier gebruiken we HD-MEA om ons te verdiepen in de computationele dynamica van grootschalige neuronale ensembles, met name in hippocampussen, olfactoriusbolcircuits en menselijke neuronale netwerken. Het vastleggen van spatiotemporele activiteit, gecombineerd met computationele tools, geeft inzicht in de complexiteit van neuronale ensembles. De methode verbetert het begrip van hersenfuncties en identificeert mogelijk biomarkers en behandelingen voor neurologische aandoeningen.

Vastleggen en analyseren van multimodale grootschalige neuronale ensembledynamiek op CMOS-geïntegreerde micro-elektrode-array met hoge dichtheid

We presenteren een flexibele, uitbreidbare Jupyter-lab-gebaseerde workflow voor de niet-gesuperviseerde analyse van complexe multi-omics-datasets die verschillende voorverwerkingsstappen, schatting van het multi-omics-factoranalysemodel en verschillende stroomafwaartse analyses combineert.

Toepassing van ongecontroleerde multi-omische factoranalyse om patronen van variatie en moleculaire processen die verband houden met hart- en vaatziekten bloot te leggen

In dit artikel beschrijven we een eenvoudige methode voor het verzamelen van enkele cellen van rat primaire neuronale culturen en de daaropvolgende transcriptoom analyse met behulp van ARNA versterking. Deze aanpak is generaliseerbaar naar een willekeurige cel type.

Transcriptoom Analyse van de individuele cellen

Dit artikel geeft het protocol van T-doolhof proeven met een aangepaste automatische apparatuur voor de beoordeling van de leer-en geheugenfuncties bij muizen.

T-doolhof Gedwongen Afwisseling en links-rechts Discriminatie Taken voor de beoordeling van Werken en Reference geheugen in Muizen

Leer cross-modale multivariate patroonanalyse voor onderzoek naar multimodale verwerking in de menselijke hersenen met fMRI-data. Deze methode voorspelt waargenomen stimuli op basis van neurale activiteitspatronen.

Cross-Modale Multivariate Pattern Analysis

Meer video's verkennen