Artykuł metodologiczny

Mapowanie fMRI aktywności mózgu związanej z wytwarzaniem wokalnym interwałów spółgłoskowych i dysonansowych

DOI:

10.3791/55419

⸱

23 maja 2017

 , 
1Hospital Infantil de México "Federico Gómez", 2Centro de Ciencias Aplicadas y Desarrollo Tecnológico, Universidad Nacional Autónoma de México

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Neuronalne korelaty słuchania interwałów spółgłoskowych i dysonansowych były szeroko badane, ale mechanizmy neuronalne związane z wytwarzaniem interwałów spółgłoskowych i dysonansowych są mniej znane. W tym artykule testy behawioralne i fMRI są połączone z zadaniami identyfikacji interwałowej i śpiewania, aby opisać te mechanizmy.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Neuronalne korelaty współbrzmienia i percepcji dysonansu były szeroko badane, ale nie neuronalne korelaty współbrzmienia i produkcji dysonansów. Najprostszym sposobem produkcji muzycznej jest śpiewanie, ale z perspektywy obrazowania nadal stanowi więcej wyzwań niż słuchanie, ponieważ wiąże się z aktywnością motoryczną. Dokładne śpiewanie interwałów muzycznych wymaga integracji przetwarzania słuchowego sprzężenia zwrotnego i kontroli motorycznej głosu w celu prawidłowego wydobycia każdej nuty. Protokół ten przedstawia metodę, która pozwala na monitorowanie aktywacji neuronalnych związanych z wokalną produkcją interwałów spółgłoskowych i dysonansowych. Cztery interwały muzyczne, dwa spółgłoskowe i dwa dysonansowe, są używane jako bodźce, zarówno do testu dyskryminacji słuchowej, jak i zadania, które polega najpierw na słuchaniu, a następnie odtwarzaniu danych interwałów. Uczestniczki, wszystkie studentki śpiewu na poziomie konserwatorium, były badane za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) podczas wykonywania zadania śpiewania, przy czym zadanie słuchania służyło jako warunek kontrolny. W ten sposób obserwowano aktywność zarówno układu motorycznego, jak i słuchowego, a także uzyskano miarę dokładności głosu podczas zadania śpiewania. W ten sposób protokół może być również używany do śledzenia aktywacji związanych ze śpiewaniem różnych rodzajów interwałów lub z dokładniejszym śpiewaniem wymaganych nut. Wyniki wskazują, że śpiewanie interwałów dysonansowych wymaga większego udziału mechanizmów neuronalnych odpowiedzialnych za integrację zewnętrznych informacji zwrotnych z układu słuchowego i sensomotorycznego niż śpiewanie interwałów spółgłoskowych.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Pewne kombinacje dźwięków muzycznych są ogólnie uznawane za spółgłoskowe i zazwyczaj kojarzą się z przyjemnym uczuciem. Inne kombinacje są ogólnie określane jako dysonansowe i kojarzą się z nieprzyjemnym lub nierozwiązanym uczuciem1. Chociaż wydaje się rozsądne założenie, że enkulturacja i trening odgrywają pewną rolę w postrzeganiu współbrzmienia2, ostatnio wykazano, że różnice w postrzeganiu interwałów i akordów spółgłoskowych i dysonansowych prawdopodobnie zależą od kultury muzycznej w mniejszym stopniu, niż wcześniej sądzono3 i mogą nawet wywodzić się z prostych podstaw biologicznych4, 5,6. Aby zapobiec niejednoznacznemu rozumieniu terminu współbrzmienie, Terhardt7 wprowadził pojęcie współbrzmienia sensorycznego, w przeciwieństwie do współbrzmienia w kontekście muzycznym, gdzie harmonia, na przykład, może wpływać na reakcję na dany akord lub interwał. W obecnym protokole tylko izolowane, dwunutowe interwały zostały użyte właśnie do wyodrębnienia aktywacji związanych wyłącznie ze współbrzmieniem sensorycznym, bez zakłóceń ze strony przetwarzania zależnego od kontekstu8.

Próby scharakteryzowania współbrzmienia za pomocą czysto fizycznych środków rozpoczęły się od Helmholtz9, który przypisał postrzeganą chropowatość związaną z dysonansowymi akordami dudnieniu między sąsiednimi składnikami częstotliwości. Ostatnio jednak wykazano, że współbrzmienie sensoryczne wiąże się nie tylko z brakiem szorstkości, ale także z harmonijnością, czyli wyrównaniem części danego tonu lub akordu z częściami niesłyszanego tonu o niższej częstotliwości10,11. Badania behawioralne potwierdzają, że na subiektywne współbrzmienie rzeczywiście wpływają parametry czysto fizyczne, takie jak odległość częstotliwości12,13, ale szerszy zakres badań jednoznacznie wykazał, że zjawiska fizyczne nie mogą wyłącznie wyjaśniać różnic między postrzeganą współbrzmieniem a dysonansem14,15,16,17. Wszystkie te badania wykazują jednak te różnice podczas słuchania różnych interwałów lub akordów. Różnorodne badania z wykorzystaniem pozytonowej tomografii emisyjnej (PET) i funkcjonalnego rezonansu magnetycznego (fMRI) wykazały znaczące różnice w obszarach kory mózgowej, które stają się aktywne podczas słuchania interwałów i akordów spółgłoskowych lub dysonansowych8,18,19,20. Celem niniejszego badania jest zbadanie różnic w aktywności mózgu podczas wytwarzania, a nie słuchania, interwałów spółgłoskowych i dysonansowych.

Badanie kontroli sensoryczno-motorycznej podczas produkcji muzycznej zazwyczaj obejmuje użycie instrumentów muzycznych, a bardzo często wymaga produkcji instrumentów zmodyfikowanych specjalnie do ich użytku podczas neuroobrazowania21. Wydaje się jednak, że śpiew od początku dostarcza odpowiedniego mechanizmu do analizy procesów sensomotorycznych podczas produkcji muzycznej, ponieważ instrumentem jest sam ludzki głos, a aparat głosowy nie wymaga żadnej modyfikacji, aby był odpowiedni podczas obrazowania22. Chociaż mechanizmy neuronalne związane z aspektami śpiewania, takie jak kontrola wysokości dźwięku23, naśladownictwo głosu24, zmiany adaptacyjne wywołane treningiem25 oraz integracja zewnętrznego sprzężenia zwrotnego25,26,27,28,29, były przedmiotem wielu badań w ciągu ostatnich dwóch dekad, neuronalne korelaty śpiewania spółgłosek i dysonansów zostały opisane dopiero niedawno30. W tym celu w niniejszym artykule opisano test behawioralny mający na celu ustalenie odpowiedniego rozpoznawania interwałów spółgłoskowych i dysonansowych przez uczestników. Następnie przeprowadza się badanie fMRI uczestników śpiewających różne interwały spółgłoskowe i dysonansowe. Protokół fMRI jest stosunkowo prosty, ale, podobnie jak w przypadku wszystkich badań MRI, należy zachować dużą ostrożność, aby prawidłowo skonfigurować eksperymenty. W tym przypadku szczególnie ważne jest zminimalizowanie ruchów głowy, ust i warg podczas wykonywania zadań związanych ze śpiewaniem, dzięki czemu identyfikacja efektów niezwiązanych bezpośrednio z fizycznym aktem śpiewania jest łatwiejsza. Metodologia ta może być wykorzystana do zbadania mechanizmów neuronalnych związanych z różnorodnymi czynnościami związanymi z produkcją muzyczną poprzez śpiew.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ten protokół został zatwierdzony przez Komitet ds. Badań, Etyki i Bezpieczeństwa Szpitala Infantil de México "Federico Gómez".

1. Test wstępny zachowania

  1. Wykonaj standardowy, czysty test audiometryczny, aby potwierdzić, że wszyscy potencjalni uczestnicy mają normalny słuch (poziom słuchu 20 dB (HL) w częstotliwościach oktawowych -8,000 Hz). Użyj Edinburgh Handedness Inventory31, aby upewnić się, że wszyscy uczestnicy są praworęczni.
  2. Generowanie sekwencji interwałowych.
    1. Twórz czyste tony obejmujące dwie oktawy, G4-G6, za pomocą programu do edycji dźwięku.
      UWAGA: Tutaj opisane jest bezpłatne oprogramowanie do edycji dźwięku Audacity o otwartym kodzie źródłowym. W tym celu można wykorzystać inne pakiety.
      1. Dla każdego tonu otwórz nowy projekt w oprogramowaniu do edycji dźwięku.
      2. W menu "Generuj" wybierz "Ton". W wyświetlonym oknie wybierz przebieg sinusoidalny, amplitudę 0,8 i czas trwania 1 s. Wprowadź wartość częstotliwości odpowiadającą żądanej nucie (np. 440 Hz dla A4). Kliknij przycisk "OK".
      3. W menu "Plik" wybierz "Eksportuj audio". W oknie, które zostanie otwarte, wprowadź żądaną nazwę pliku audio i wybierz WAV jako żądany typ pliku. Kliknij "Zapisz".
    2. Należy wybrać dwa interwały spółgłoskowe i dwa interwały dysonansowe, zgodnie z tabelą 1, w taki sposób, aby każdy interwał spółgłoski był zbliżony do interwału dysonansowego.
      UWAGA: Jako przykład rozważmy interwały spółgłoskowe kwinty czystej i oktawy oraz interwały dysonansowe kwarty rozszerzonej (trytonu) i septymy wielkiej. Są to przedziały czasowe wybrane dla badania przeprowadzonego przez autorów.
    3. Wygeneruj wszystkie możliwe kombinacje nut odpowiadające tym czterem interwałom w zakresie od G4 do G6.
      1. Dla każdego interwału otwórz nowy projekt w oprogramowaniu do edycji dźwięku i użyj opcji "Importuj dźwięk" w menu "Plik", aby zaimportować dwa pliki WAV do połączenia.
      2. Umieść kursor w dowolnym miejscu nad drugim dźwiękiem i kliknij, aby wybrać. Kliknij "Zaznacz wszystko" w menu "Edytuj". W tym samym menu kliknij "Kopiuj".
      3. Umieść kursor w dowolnym miejscu nad pierwszym dźwiękiem i kliknij. W menu "Edycja" kliknij "Przesuń kursor do końca ścieżki", a następnie kliknij "Wklej" w tym samym menu. Wyeksportuj dźwięk zgodnie z opisem w kroku 1.2.1.3.
    4. Użyj generatora sekwencji losowych, aby utworzyć sekwencje składające się ze 100 interwałów wygenerowanych pseudolosowo w taki sposób, aby każdy z czterech różnych interwałów wystąpił dokładnie 25 razy30. W tym celu należy skorzystać z funkcji permutacji losowej w oprogramowaniu do analizy statystycznej (patrz tabela materiałów). Wprowadź cztery interwały jako argumenty i utwórz pętlę, która powtórzy ten proces 25 razy.
    5. Użyj oprogramowania do badań behawioralnych, aby wygenerować dwa odrębne przebiegi. Załaduj sekwencję 100 interwałów w formacie WAV dla każdego przebiegu i skojarz identyfikację każdego interwału z pojedynczym trial30.
      UWAGA: Tutaj używane jest oprogramowanie do badań behawioralnych E-Prime. Można użyć innego równoważnego oprogramowania do badań behawioralnych.
  3. Wyjaśnij uczestnikom, że będą słuchać dwóch sekwencji po 100 interwałów każda, z których każda jest powiązana z innym zadaniem i własnym zestawem instrukcji. Powiedz uczestnikom, że w obu przebiegach następny interwał zostanie zagrany tylko wtedy, gdy zostanie naciśnięty prawidłowy.
    UWAGA: Po rozpoczęciu sekwencji rozpoznawania interwałów nie należy jej przerywać, aby przebieg działania był jak najbardziej jasny dla wszystkich uczestników.
    1. Poproś uczestników, aby usiedli przed laptopem i założyli dołączone słuchawki. Używaj dobrej jakości słuchawek nausznych. Dostosuj poziom dźwięku do komfortowego poziomu dla każdego obiektu.
    2. Jeśli korzystasz z opisanego tutaj oprogramowania do badań behawioralnych, otwórz zadania utworzone w kroku 1.2.5 za pomocą E-Run. W wyświetlonym oknie wprowadź numer sesji i tematu, a następnie kliknij "OK". Użyj numeru sesji, aby rozróżnić przebiegi dla każdego uczestnika.
      UWAGA: Instrukcje dotyczące danego zadania pojawią się na ekranie, a następnie początek samego zadania.
      1. Po pierwsze, w zadaniu z 2 alternatywnymi wyborami wymuszonego wyboru, po prostu poproś uczestników, aby określili, czy interwały, które słyszą, są spółgłoskowe czy dysonansowe. Poproś uczestnika, aby nacisnął "C" na klawiaturze komputera dla spółgłoski i "D" dla dysonansu.
        UWAGA: Ponieważ oczekuje się, że wszyscy uczestnicy będą mieli wykształcenie muzyczne na poziomie konserwatorium, oczekuje się, że wszyscy będą w stanie rozróżnić interwały wyraźnie spółgłoskowe i ewidentnie dysonansowe. Pierwsze zadanie służy w pewnym sensie jako potwierdzenie, że tak jest w istocie.
      2. Po drugie, w 4-alternatywnym zadaniu wymuszonego wyboru, poproś uczestników, aby sami zidentyfikowali interwały. Poproś uczestników, aby nacisnęli cyfry "4", "5", "7" i "8" na klawiaturze komputera, aby zidentyfikować interwały odpowiednio kwarty rozszerzonej, kwinty czystej, septymy wielkiej i oktawy.
    3. Na końcu każdego zadania naciśnij "OK", aby automatycznie zapisać wyniki dla każdego uczestnika w indywidualnym pliku E-DataAid 2.0 oznaczonym numerem tematu i sesji oraz rozszerzeniem .edat2.
    4. Użyj oprogramowania do analizy statystycznej (np. Matlab, SPSS Statistics lub alternatywnego oprogramowania typu open source), aby obliczyć wskaźniki sukcesu dla każdego zadania (tj. procent udanych odpowiedzi podczas określania, czy interwały były zgodne czy dysonansowe, a także podczas identyfikowania samych interwałów), zarówno indywidualnie, jak i jako grupa32.

2. Eksperyment fMRI

  1. Przygotowanie do sesji fMRI.
    1. Wygeneruj sekwencje o tych samych interwałach, co w kroku 1.2.3, ponownie złożone z dwóch następujących po sobie czystych tonów o czasie trwania 1 s każdy.
      UWAGA: Zakres głosu uczestników musi być teraz wzięty pod uwagę, a wszystkie nuty muszą wygodnie mieścić się w zakresie śpiewu każdego uczestnika.
      1. Użyj generatora sekwencji losowych, aby utworzyć losową sekwencję 30 interwałów dla prób tylko do słuchania30. W przypadku prób śpiewania utwórz pseudolosową sekwencję 120 interwałów, aby uczestnicy mogli słuchać określonego interwału, a następnie dopasuj ten docelowy interwał do ich śpiewających głosów. W przypadku sekwencji pseudolosowej użyj tej samej metody, która została opisana w kroku 1.2.4, z 4 interwałami jako argumentami po raz kolejny, ale teraz powtarzając ten proces 30 razy.
      2. Postępując zgodnie z tą samą procedurą, co w kroku 1.2.5, użyj oprogramowania do badań behawioralnych, aby wygenerować trzy odrębne przebiegi, z których każdy składa się początkowo z 10 cichych prób wyjściowych, następnie 10 kolejnych prób tylko do słuchania, a na końcu 40 kolejnych prób śpiewania.
        UWAGA: Podczas prób podstawowych cztery interwały pojawiają się w kolejności losowej, podczas gdy podczas prób śpiewania cztery interwały pojawiają się w kolejności pseudorandomizowanej, w taki sposób, że każdy interwał jest ostatecznie prezentowany dokładnie 10 razy. Czas trwania każdej próby to 10 s, więc jeden cały bieg trwa 10 minut. Ponieważ każdy badany przechodzi przez 3 przebiegi eksperymentalne, całkowity czas trwania eksperymentu wynosi 30 minut. Jednakże, biorąc pod uwagę możliwość wchodzenia i wychodzenia ze skanera, czasu na ustawienie i przetestowanie mikrofonu, czasu na uzyskanie skanu anatomicznego oraz czasu między biegami funkcjonalnymi, każdemu uczestnikowi należy przydzielić około 1 godziny czasu skanera.
    2. Wyjaśnij uczestnikom sekwencję prób, które mają zostać zaprezentowane, zgodnie z opisem w kroku 2.1.1.2, i odpowiedz na wszelkie wątpliwości, jakie mogą mieć. Poinstruuj uczestników, aby nucili nuty bez otwierania ust podczas prób śpiewania, utrzymując usta nieruchomo, jednocześnie wydając dźwięk "m".
    3. Podłącz niemagnetyczny zestaw słuchawkowy zgodny z MR do laptopa. Dostosuj poziom dźwięku do komfortowego poziomu dla każdego obiektu.
    4. Podłącz mały mikrofon pojemnościowy do interfejsu audio, który z kolei jest podłączony do laptopa za pomocą ekranowanego skręconego potrójnie.
      UWAGA: Zasilanie mikrofonu, interfejs audio i laptop powinny znajdować się poza pomieszczeniem, w którym znajduje się skaner.
    5. Sprawdź pasmo przenoszenia mikrofonu.
      UWAGA: Celem tego testu jest potwierdzenie, że mikrofon zachowuje się zgodnie z oczekiwaniami wewnątrz skanera.
      1. Rozpocznij nowy projekt w oprogramowaniu do edycji dźwięku i wybierz mikrofon pojemnościowy jako urządzenie wejściowe.
      2. Wydać sygnał probierczy o częstotliwości 440 Hz i czasie trwania 10 s, jak opisano w ppkt 1.2.1, z odpowiednimi wartościami częstotliwości i czasu trwania.
      3. Korzystając z domyślnego oprogramowania do odtwarzania dźwięku w laptopie, naciśnij "Odtwórz", aby wysłać dźwięk testowy przez słuchawki w miejscach wewnątrz (na górze zagłówka) i na zewnątrz (w sterowni) skanerze, z mikrofonem umieszczonym między bokami zestawu słuchawkowego w każdym przypadku.
      4. Naciśnij "Nagraj" w oprogramowaniu do edycji dźwięku, aby nagrać około 1 s tonu testowego w każdym miejscu.
      5. Wybierz "Wykres widma" z menu "Analizuj" dla każdego przypadku i porównaj reakcję mikrofonu na ton testowy, zarówno wewnątrz, jak i na zewnątrz skanera, sprawdzając, czy podstawowa częstotliwość sygnału odbieranego w każdym miejscu wynosi 440 Hz.
    6. Przyklej mikrofon pojemnościowy do szyi uczestnika, tuż pod krtanią.
    7. Poproś uczestnika o założenie zestawu słuchawkowego. Umieść uczestnika w skanerze rezonansu magnetycznego (MR).
  2. Sesja fMRI.
    1. Na początku sesji otwórz pakiet oprogramowania interfejsu użytkownika rezonansu magnetycznego (MRUI). Użyj MRUI, aby zaprogramować paradygmat akwizycji.
      UWAGA: Należy spodziewać się pewnych różnic w interfejsie między różnymi modelami.
      1. Wybierz opcję "Pacjent" z menu ekranowego. Wprowadź imię i nazwisko uczestnika, jego wiek i wagę.
      2. Kliknij przycisk "Egzamin". Najpierw wybierz "Głowa", a następnie "Mózg" z dostępnych opcji.
      3. Wybierz "3D", a następnie "Izometryczny T1" z następującymi wartościami odpowiednich parametrów: Czas powtarzania (TR) = 10,2 ms, Czas echa (TE) = 4,2 ms, Kąt odwrócenia = 90° i Rozmiar woksela = 1 x 1 x 1 mm3,
        UWAGA: Dla każdego uczestnika objętość anatomiczna ważona T1 zostanie uzyskana przy użyciu gradientowej sekwencji impulsów echa w celu odniesienia anatomicznego.
      4. Kliknij "Program" i wybierz EchoPlanaImage_diff_perf_bold (T2*), z wartościami odpowiednich parametrów w następujący sposób: TE = 40 ms, TR = 10 s, Czas akwizycji (TA) = 3 s, Opóźnienie TR = 7 s, Kąt odwrócenia = 90°, Pole widzenia (FOV) = 256 mm2 i Wymiary matrycy = 64 x 64. Użyj opcji "Fikcyjny", aby pobrać 5 woluminów, wprowadzając wartość "55" dla całkowitej liczby woluminów.
        UWAGA: Wartości te pozwalają na uzyskanie funkcjonalnych skanów całej głowy z obciążeniem T2*, zgodnie z paradygmatem rzadkiego próbkowania zilustrowanym na rysunku 1, w którym skan "fikcyjny" obrazowania echoplanarnego (EPI) jest uzyskiwany i odrzucany, aby umożliwić efekty nasycenia T1. Należy zauważyć, że w niektórych MRUI wartość TR powinna wynosić 3 s, ponieważ przyjmuje się, że jest to całkowity czas, w którym ma miejsce przejęcie.
      5. Kliknij "Kopiuj", aby utworzyć kopię tej sekwencji. Umieść kursor na dole listy sekwencji, a następnie kliknij dwukrotnie "Wklej", aby ustawić trzy kolejne rzadkie sekwencje próbkowania.
      6. Kliknij "Start", aby rozpocząć akwizycję objętości anatomicznej ważonej T1.
      7. Przedstaw uczestnikowi trzy przejazdy, z których wszystkie są opisane w kroku 2.1.1.2. Zsynchronizuj rozpoczęcie przebiegów z akwizycją przez skaner za pomocą wyzwalacza skanera.
        1. Postępuj zgodnie z tą samą procedurą, jak opisano w sekcji 1.3.2, aby rozpocząć każdy z trzech przebiegów, rozróżniając przebiegi na podstawie numeru sesji. Zapisz wyniki trzech pełnych przebiegów, korzystając z tej samej procedury opisanej w kroku 1.3.3.
          UWAGA: Czas prezentacji próbnych jest systematycznie zmieniany o ±500 ms.

figure-protocol-1
Rysunek 1: Konstrukcja z rzadkim próbkowaniem. (A) Oś czasu wydarzeń w ramach próby, obejmująca tylko słuchanie dwutonowego interwału (2 s), bez późniejszej jawnej reprodukcji. (B) Oś czasu wydarzeń w ramach badania obejmującego zadania związane ze słuchaniem i śpiewaniem. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

3. Analiza danych

  1. Wstępnie przetwórz dane funkcjonalne za pomocą oprogramowania przeznaczonego do analizy sekwencji danych obrazowania mózgu zgodnie ze standardowymi procedurami33.
    UWAGA: Całe przetwarzanie danych odbywa się przy użyciu tego samego oprogramowania.
    1. Użyj dostępnej opcji menu, aby ponownie wyrównać obrazy do pierwszego woluminu, ponownie próbkowanego i znormalizowanego przestrzennie (ostateczny rozmiar woksela: 2 x 2 x 2 mm3) do standardowej przestrzeni stereotaktycznej Montreal Neurological Institute (MNI)34.
    2. Użyj dostępnej opcji menu, aby wygładzić obraz za pomocą izotropowego, 8 mm, pełnego szerokości przy połowie maksimum (FWHM) jądra Gaussa.
    3. Aby zamodelować odpowiedź BOLD, wybierz jednoskładnikową odpowiedź impulsową o skończonej długości (FIR) jako funkcję podstawową (rząd 1) lub funkcję boxcar, obejmującą czas akwizycji objętości (3 s)28.
      UWAGA: Protokoły rzadkiego pobierania próbek, takie jak ten, na ogół nie wymagają, aby FIR był połączony z funkcją odpowiedzi hemodynamicznej, jak to zwykle ma miejsce w przypadku fMRI związanego ze zdarzeniem.
    4. Zastosuj filtr górnoprzepustowy do odpowiedzi BOLD dla każdego zdarzenia (1,000 s dla "sieci śpiewającej" i 360 s w innych miejscach).
      UWAGA: Modelowanie wszystkich zadań śpiewania razem da blok 400 s35.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wszyscy 11 uczestniczki naszego eksperymentu byli studentkami śpiewu na poziomie konserwatorium i radziły sobie na tyle dobrze w zadaniach rozpoznawania interwałów, że zostały wybrane do skanowania. Wskaźnik sukcesu w zadaniu identyfikacji interwałów wyniósł 65,72 ±21,67%, co, zgodnie z oczekiwaniami, jest niższe niż wskaźnik sukcesu w przypadku identyfikacji interwałów dysonansowych i spółgłoskowych, który wynosił 74,82 ±14,15%.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Praca ta opisuje protokół, w którym śpiew jest używany jako środek badania aktywności mózgu podczas tworzenia interwałów spółgłoskowych i dysonansowych. Mimo że śpiew jest prawdopodobnie najprostszą metodą tworzenia interwałów muzycznych22, nie pozwala na wytwarzanie akordów. Jednakże, chociaż większość fizycznych charakterystyk pojęcia współbrzmienia opiera się, do pewnego stopnia, na nakładaniu się jednoczesnych nut, wiele badań wykazało, że interwały zbudowane z nut odpowiadających akordom spół...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy deklarują brak konfliktu interesów.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy dziękują za wsparcie finansowe dla tych badań od Secretaría de Salud de México (HIM/2011/058 SSA. 1009), CONACYT (SALUD-2012-01-182160) i DGAPA UNAM (PAPIIT IN109214).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Skaner rezonansu magnetycznego Achieva 1.5-TPhilipsRelease 6.4
AudacityOpen source2.0.5
Interfejs audioTascamUS-144MKII
AudiometrBrü el & KjaerType 1800
E-Prime Profesjonalnenarzędzia programowe do psychologii, Inc.2.0.0.74
MatlabMathworksR2014A Kompatybilne
z MRI Wkładki douszneSensimetricsS14
PraatOpen source5.4.12
Mikrofon pojemnościowy Pro-audioShureSM93
SPSS StatystykiIBM20
Statystyczne mapowanieparametryczneWellcome Trust Centre for Neuroimaging (Centrum Zaufania Wellcome ds. Neuroobrazowania8
)

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

aktywno m zgu w fMRIinterwa y produkcji wokalnejinterwa y konsonansowe i dysonansoweintegracja sprz enia zwrotnego s uchowegosystemy sensoryczno motorycznefunkcjonalny rezonans magnetycznyprotok zadania piewawczegopomiar dok adno ci wokalnejmonitorowanie aktywacji m zgusystemy motoryczno s uchowe

Powiązane artykuły