Method Article

Zadanie planowania wzrokowo-przestrzennego w połączeniu z systemami śledzenia wzroku i elektroencefalogramu

DOI:

10.3791/64622

⸱

March 3rd, 2023

 ,  ,  ,  ,  ,  , 
1Laboratorio de Neurociencia Cognitiva, Escuela de Psicología, Universidad Católica del Norte, 2Department of Psychology, University of Illinois Urbana-Champaign, 3Neurodynamics of Cognition Laboratory, Departamento de Psiquiatría, Pontificia Universidad Católica de Chile, 4Instituto de Ciencias de la Salud, Universidad de O’Higgins, 5Instituto de Ciencias de la Ingeniería, Universidad de O’Higgins, 6Department of Psychiatry, University Hospital of Saint-Etienne, 7Univ. Grenoble Alpes, Univ. Savoie Mont Blanc, CNRS, LPNC, 8Institut Universitaire de France (IUF)

In This Article

Summary

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

Badanie planowania kognitywnego łączące EEG i systemy śledzenia ruchu gałek ocznych dostarcza multimodalnego podejścia do badania mechanizmów neuronalnych, które pośredniczą w kontroli poznawczej i zachowaniu ukierunkowanym na cel u ludzi. W tym miejscu opisujemy protokół badania roli oscylacji mózgu i ruchów gałek ocznych w planowaniu wydajności.

Abstract

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

Proces planowania, charakteryzujący się zdolnością do sformułowania zorganizowanego planu osiągnięcia celu, jest niezbędny dla zachowania ukierunkowanego na cel człowieka. Ponieważ planowanie jest zagrożone w wielu zaburzeniach neuropsychiatrycznych, wdrożenie odpowiednich testów klinicznych i eksperymentalnych w celu zbadania planowania ma kluczowe znaczenie. Ze względu na charakter wdrażania planowania, w którym uczestniczy kilka domen poznawczych, ocena planowania i projektowanie paradygmatów behawioralnych w połączeniu z metodami neuroobrazowania są aktualnymi wyzwaniami w neuronauce poznawczej. Zadanie planistyczne oceniano w połączeniu z systemem elektroencefalogramu (EEG) i zapisami ruchów gałek ocznych u 27 zdrowych dorosłych uczestników. Planowanie można podzielić na dwa etapy: etap planowania mentalnego, w którym sekwencja kroków jest wewnętrznie reprezentowana, oraz etap wykonania, w którym wykorzystuje się działanie motoryczne do osiągnięcia wcześniej zaplanowanego celu. Nasz protokół zawierał zadanie planowania i zadanie kontrolne. Zadanie planistyczne polegało na rozwiązaniu 36 prób labiryntowych, z których każda reprezentowała mapę zoo. Zadanie składało się z czterech okresów: i) planowania, w którym badani zostali poinstruowani, aby zaplanować ścieżkę, aby odwiedzić lokalizacje czterech zwierząt zgodnie z zestawem zasad; ii) utrzymanie, w którym badani musieli zachować zaplanowaną ścieżkę w swojej pamięci roboczej; iii) wykonanie, w którym badani wykorzystywali ruchy gałek ocznych do śledzenia wcześniej zaplanowanej ścieżki wskazanej przez system śledzenia wzroku; oraz iv) odpowiedź, w której badani zgłaszali kolejność odwiedzanych zwierząt. Zadanie kontrolne miało podobną strukturę, ale komponent planowania poznawczego został usunięty poprzez modyfikację celu zadania. Przestrzenne i czasowe wzorce EEG ujawniły, że planowanie indukuje stopniowy i trwały wzrost aktywności theta w linii czołowo-środkowej (FMθ) w czasie. Źródło tej aktywności zostało zidentyfikowane w korze przedczołowej za pomocą analiz źródłowych. Nasze wyniki sugerują, że eksperymentalny paradygmat łączący EEG i systemy śledzenia ruchu gałek ocznych był optymalny do oceny planowania poznawczego.

Introduction

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

W ciągu ostatnich 10 lat przeprowadzono szeroko zakrojone badania mające na celu zbadanie roli oscylacyjnej dynamiki neuronalnej zarówno na poznanie, jak i zachowanie. Badania te wykazały, że interakcje specyficzne dla częstotliwości między wyspecjalizowanymi i rozległymi regionami kory mózgowej odgrywają kluczową rolę w poznaniu i kontroli poznawczej1,2,3. Takie podejście podkreśla rytmiczną naturę aktywności mózgu, która pomaga koordynować dynamikę kory mózgowej na dużą skalę i stanowi podstawę przetwarzania poznawczego i zachowania ukierunkowanego na cel4,5. Istnieje wiele dowodów na to, że rytmiczne oscylacje w mózgu są zaangażowane w różne procesy poznawcze, w tym percepcję6, attentio7,8,9, podejmowanie decyzji10, reaktywacja pamięci11, pamięć robocza12 oraz kontrola poznawcza13. Zaproponowano różne mechanizmy oscylacyjne, które kierują zachowaniem ukierunkowanym na cel, z przejściowymi sieciami specyficznymi dla częstotliwości na dużą skalę, które zapewniają ramy dla przetwarzania poznawczego1,14,15. Na przykład ostatnie odkrycia sugerują, że określone pasma częstotliwości w mózgu mogą odzwierciedlać mechanizm sprzężenia zwrotnego, który reguluje aktywność skokową, zapewniając czasowy układ odniesienia do koordynowania pobudliwości kory mózgowej i czasu skoków w celu wytworzenia zachowania16,17,18. Recenzję przygotowali Helfrich and Knight19.

Ten materiał dowodowy rodzi pytania o to, jak kora przedczołowa (PFC) koduje konteksty zadań planistycznych i związane z nimi zasady istotne z punktu widzenia zachowania. Od dawna uważa się, że PFC wspiera kontrolę poznawczą i zachowanie ukierunkowane na cel poprzez generowane przez siebie wzorce oscylacyjne aktywności neuronalnej, selektywnie odchylając aktywność neuronalną w odległych regionach mózgu i kontrolując przepływ informacji w sieciach neuronowych na dużą skalę20. Ponadto zaproponowano, że regiony wykazujące lokalną synchronizację są bardziej skłonne do udziału w działaniach międzyregionalnych21,22,23. W szczególności drgania korowego pasma theta (4-8 Hz), mierzone za pomocą elektroencefalogramu skóry głowy (EEG), zostały zaproponowane jako potencjalny mechanizm transmisji kontroli odgórnej w szerokich sieciach13. W szczególności aktywność pasma theta u ludzi odzwierciedla procesy poznawcze wysokiego poziomu, takie jak kodowanie i odzyskiwanie pamięci, zachowanie pamięci roboczej, wykrywanie nowości, podejmowanie decyzji i kontrola odgórna12,24,25,26.

W związku z tym, Cavanagh i Frank13 zaproponowali dwa sekwencyjne mechanizmy procesów kontroli: rozpoznanie potrzeby kontroli i instancję kontroli. Rozpoznanie potrzeby kontroli może być wskazane przez aktywność theta czołowej linii środkowej (FMθ) pochodzącą z przyśrodkowej kory przedczołowej (mPFC), która została opisana w kategoriach komponentów potencjału związanego ze zdarzeniami (ERP), które odzwierciedlają procesy kontrolne związane z mPFC w odpowiedzi na różne sytuacje, takie jak nowe informacje27,28,29, sprzeczne wymagania dotyczące bodźca-odpowiedzi30, error feedback31, oraz error detection32. Te komponenty ERP, które odzwierciedlają potrzebę zwiększonej kontroli poznawczej w obecności nowości, konfliktu, kary lub błędu, wykazują wspólną sygnaturę widmową w paśmie theta zarejestrowaną na czołowych elektrodach linii środkowej26,27,33,34,35,36,37,38,39,40,41,42,43,44.

Odpowiedzi EEG aktywności FMθ pokazują wzorzec resetowania fazy i zwiększenia mocy w paśmie częstotliwości theta26. Pomimo ograniczeń metody EEG pod względem rozdzielczości przestrzennej, zebrano różne źródła dowodów, aby wykazać, że aktywność FMθ jest generowana przez korę środkowego zakrętu obręczy (MCC)13. Uważa się, że ta dynamika theta służy jako ramy czasowe, które regulują procesy neuronalne mPFC, które są następnie wzmacniane w odpowiedzi na zdarzenia wymagające zwiększonej kontroli26. Zostało to ustalone poprzez analizę źródłową31,33,45,46,47, równoczesne zapisy EEG i funkcjonalnego rezonansu magnetycznego (fMRI)48,49 oraz inwazyjne zapisy EEG u ludzi50 i małpy51,52,53.

Na podstawie tych obserwacji, theta czołowej linii środkowej jest uważana za uniwersalny mechanizm, wspólny język, do wykonywania kontroli adaptacyjnej w różnych sytuacjach, w których nie ma pewności co do działań i wyników, takich jak podczas planowania. Paradygmat behawioralny, który proponujemy w tym protokole, został wykorzystany do badania planowania poznawczego oraz jego cech czasowych i neuronalnych. Chociaż w innych scenariuszach opisano różne mechanizmy kontroli poznawczej, obecny protokół pozwolił na niedawny opis planowania i związanych z nim właściwości neuronowych i czasowych54. Kognitywny proces planowania składa się z dwóch odrębnych faz: fazy planowania umysłowego, podczas której rozwijana jest wewnętrzna reprezentacja sekwencji planów55, oraz fazy wykonywania planowania, w której wykonywany jest zestaw działań motorycznych, aby osiągnąć wcześniej zaplanowany cel56. Wiadomo, że planowanie wymaga integracji różnych komponentów funkcji wykonawczych, w tym pamięci roboczej, kontroli uwagi i hamowania reakcji, co sprawia, że eksperymentalna manipulacja i izolowany pomiar tych procesów są trudne57,58.

Badania neuroobrazowe dotyczące planowania poznawczego powszechnie wykorzystują paradygmaty behawioralne, takie jak Tower of London59,60,61; jednakże, aby kontrolować czynniki zakłócające, zadania używane do badania planowania poznawczego mogą stać się ograniczone i sztuczne, co prowadzi do mniejszej trafności predykcyjnej i ekologicznej62,63,64,65. Aby przezwyciężyć ten problem w dziedzinie neuropsychologii, zaproponowano sytuacje planowania w świecie rzeczywistym jako zadania ekologiczne62,63. Podtest Zoo Map Task w Behawioralnej Ocenie Zespołu Dyswykonawczego mierzy umiejętności planowania i organizacji w bardziej naturalny i odpowiedni sposób64,66. Ten test jest testem ołówkiem i papierem, który polega na zaplanowaniu trasy, aby odwiedzić 6 z 12 miejsc na mapie zoo. Lokalizacje są typowymi miejscami, które można znaleźć w zwykłym zoo, takimi jak słoniarnia, klatka dla lwów, miejsce odpoczynku, kawiarnia itp. Istnieją dwa warunki, które oceniają różne poziomy planowania: i) warunek formułowania, w którym badani są instruowani, aby zaplanować trasę, aby odwiedzić sześć miejsc w wybranej przez siebie kolejności, ale zgodnie z zestawem zasad; oraz ii) warunek wykonania, w którym badani są instruowani, aby odwiedzić sześć miejsc w określonej kolejności i zgodnie z zestawem zasad. Te dwa warunki dostarczają informacji na temat umiejętności planowania w źle ustrukturyzowanych (formułowanie) i dobrze ustrukturyzowanych (wykonywanie) problemach67. Pierwsze jest przedstawiane jako bardziej wymagające zadanie poznawcze w otwartej sytuacji, ponieważ wymaga od badanych opracowania logicznej strategii osiągnięcia celu. Przed wyznaczeniem trasy należy opracować sekwencję operatorów; W przeciwnym razie mogą wystąpić błędy. Z drugiej strony, warunek wykonania wymaga mniejszego zapotrzebowania poznawczego, ponieważ rozwiązanie zadania polegającego na przestrzeganiu określonej narzuconej strategii wymaga od badanego jedynie monitorowania realizacji sformułowanego planu, aby osiągnąć cel66. Z drugiej strony, labirynt Porteus jest dobrze znanym zadaniem w dziedzinie psychologii, szczególnie w obszarach psychologii poznawczej i neuropsychologii, i jest szeroko stosowany jako narzędzie do oceny różnych aspektów poznania, takich jak rozwiązywanie problemów i planowanie68,69. Zadanie Porteus Maze to zadanie ołówkiem i papierem, które zaczyna się od prostej analizy bodźców wizualnych i staje się coraz trudniejsze. Podmiot musi odnaleźć i prześledzić właściwą ścieżkę od punktu początkowego do wyjścia (spośród kilku opcji), przestrzegając zasad, takich jak unikanie przecinających się ścieżek i ślepych zaułków oraz działanie tak szybko, jak to możliwe68. Za każdym razem, gdy podczas rysowania ścieżki pojawia się rozwidlenie, badani podejmują decyzje, aby osiągnąć cel i uniknąć złamania podanych zasad69.

Biorąc pod uwagę ograniczenia i mocne strony powszechnie stosowanych i ekologicznych zadań, zaprojektowaliśmy nasz paradygmat behawioralny głównie w oparciu o Zadanie Mapa Zoo66 oraz Porteus Maze Task68. Paradygmat behawioralny składa się z czterech odrębnych etapów, które obejmują poznawczy proces planowania w scenariuszu życia codziennego. Etapy te są następujące: Etap 1, planowanie, w którym uczestnicy mają za zadanie stworzyć trasę do odwiedzenia różnych miejsc na mapie, dbając o przestrzeganie ustalonych zasad; Etap 2, utrzymanie, w którym uczestnicy zobowiązani są do zachowania zaplanowanej trasy w pamięci roboczej; Etap 3, realizacja, w której uczestnicy wykonują zaplanowaną wcześniej trasę, rysując i ściśle monitorując jej dokładność; oraz Etap 4, odpowiedź, w którym uczestnicy zgłaszają sekwencję odwiedzanych zwierząt zgodnie z zaplanowaną trasą54. Nasz paradygmat umożliwia pomiar różnych parametrów zdolności planowania za pomocą różnych etapów, które odzwierciedlają różne elementy planowania (takie jak pamięć robocza, uwaga wykonawcza i umiejętności wzrokowo-przestrzenne) w bardziej realistyczny sposób, ponieważ wyznaczanie tras jest powszechnym zjawiskiem w życiu codziennym. Dodatkowo, aby kontrolować czynniki zakłócające, paradygmat obejmuje zadanie kontrolne ze strukturą zadania planistycznego i równoważnymi bodźcami, które angażują wykonawcze komponenty poznawcze również zaangażowane w planowanie, ale wyklucza komponent procesu planowania. Pozwala to na wydzielenie komponentu procesu planowania w celu porównania zarówno markerów elektrofizjologicznych, jak i parametrów behawioralnych54.

Ponadto, śledzenie ruchu gałek ocznych wniosło znaczący wkład w badania neuronauki kognitywnej, dostarczając nieinwazyjną metodę pomiaru i analizy ruchów gałek ocznych, która może dostarczyć cennych informacji na temat procesów poznawczych i mechanizmów neuronalnych leżących u podstaw percepcji, uwagi i funkcji poznawczych. Pomiar różnych rodzajów ruchów gałek ocznych za pomocą systemu śledzenia ruchu gałek ocznych może dostarczyć cennych informacji na temat procesów poznawczych i mechanizmów neuronalnych zaangażowanych w planowanie. Na przykład można zmierzyć następujące aspekty: fiksacje, które są okresami stabilnego patrzenia, podczas których zdobywane są informacje wizualne70; Sakkady, które są szybkimi ruchami gałek ocznych, które są używane do przenoszenia wzroku z jednego miejsca na drugie71; płynny pościg, który jest rodzajem ruchu gałek ocznych, który pozwala oczom płynnie podążać za poruszającym się obiektem72; Mikrosakady, które są małymi, szybkimi ruchami gałek ocznych, które występują nawet podczas fiksacji73; oraz mrugnięcia, które są odruchowym działaniem, które pomaga utrzymać nawilżenie oczu i chronić je przed ciałami obcymi74. Te ruchy gałek ocznych mogą dostarczyć informacji na temat procesów poznawczych związanych z wyszukiwaniem wzrokowym, alokacją uwagi70, śledzeniem wizualnym72, perception73 oraz pamięcią roboczą74, które są ważnymi komponentami planowania i kontroli poznawczej.

Z drugiej strony, ostatnie badania nad systemem locus coeruleus-norepinephrine (LC-NE) wykazały jego istotną rolę w kontroli poznawczej75. Locus coeruleus (LC) rzutuje na kilka obszarów mózgu, takich jak kora mózgowa, hipokamp, wzgórze, śródmózgowie, pień mózgu, móżdżek i rdzeń kręgowy76,77,61. Szczególnie gęste unerwienie LC-NE otrzymują obszary mózgu PFC związane z kontrolą poznawczą75. Poza tym niektóre badania wskazują, że przewlekła nadpobudliwość układu LC może przyczyniać się do objawów zaburzeń maniakalno-depresyjnych, takich jak impulsywność i bezsenność. W przeciwieństwie do tego, przewlekłe zmniejszenie funkcji LC wiąże się ze zmniejszoną ekspresją emocjonalną, co jest powszechną cechą wśród pacjentów cierpiących na depresję78. Nadaktywna reakcja locus coeruleus na bodźce może prowadzić do nadmiernej reakcji u osób z zaburzeniami stresowymi lub lękowymi79. W związku z tym zmiany w układzie LC-NE mogą przyczyniać się do objawów dysregulacji poznawczej i/lub emocjonalnej. Techniki nieinwazyjne mogą być stosowane do badania aktywności miejsca sinawy, z których jedną są zmiany średnicy źrenicy, które są w większości kontrolowane przez noradrenalinę uwalnianą z miejsca sinawy. Noradrenalina działa na mięsień rozszerzający tęczówkę poprzez stymulację receptorów alfa-adrenergicznych oraz na jądro Edingera-Westphala, które wysyła sygnały do zwoju rzęskowego i kontroluje rozszerzenie tęczówki poprzez aktywację postsynaptycznych receptorów alfa-2 adrenergicznych66,80,81,82. Bezpośrednie zapisy neuronów LC od małp potwierdziły związek między aktywnością LC-NE, średnicą źrenicy i wydajnością poznawczą83. Rozszerzenie źrenicy było wielokrotnie obserwowane w odpowiedzi na zwiększone wymagania przetwarzania w kilku zadaniach poznawczych71,84,85,86,87.

Elektrofizjologiczne markery kontroli poznawczej w połączeniu ze śledzeniem ruchu gałek ocznych i zapisami źrenic mogą rozwikłać kluczowe pytania o to, jak kontrola poznawcza i planowanie są wdrażane w mózgu. Znaczenie korzystania z naszego protokołu łączącego systemy EEG i eye-tracker jest dwojakie. Z jednej strony, kontrola poznawcza wydaje się wymagać udziału rozproszonej aktywności mózgu w precyzyjnych relacjach czasowych, które stanowią idealnych kandydatów do badania funkcji sieci mózgowych. Z drugiej strony, nieprawidłowości w którejkolwiek z tych zdolności mają poważny wpływ na normalne zachowanie, jak to może mieć miejsce w przypadku różnych zaburzeń poznawczych i neuropsychiatrycznych, takich jak zespół nadpobudliwości psychoruchowej z deficytem uwagi88,89, duże zaburzenie depresyjne90,91, choroba afektywna dwubiegunowa91, schizofrenia92, czołowo-skroniowy dementia93, a także zaburzenia spowodowane zmianami czołowymi94. Dodatkowo, obecny protokół pozwala na wykorzystanie pupilometrii jako parametru do porównania aktywności i oscylacji LC-NE za pomocą śledzenia ruchu gałek ocznych i elektroencefalografii. Może to nie tylko dostarczyć dowodów na teoretyczny związek między LC-NE, pupilometrią i markerami neuronalnymi u ludzi, ale może również umożliwić śledzenie trajektorii rozwoju cech związanych z systemem LC-NE podczas planowania poznawczego. Jednak w naszym modelu skupiliśmy się na testowaniu, czy podczas planowania występuje określony wzorzec sakkad, który może potencjalnie skutkować określonymi zmianami oscylacji95. Dodatkowo wykorzystaliśmy system śledzenia ruchu gałek ocznych jako ważną część badania behawioralnej realizacji planu w fazie realizacji naszego paradygmatu behawioralnego.

Podsumowując, ten protokół może stworzyć testowalne modele dynamiki sieci mózgowych, które mogą służyć jako platforma zarówno dla dalszych badań podstawowych, jak i ewentualnych zastosowań klinicznych i terapeutycznych.

Protocol

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

Wszystkie procedury w tym protokole zostały zatwierdzone przez komitet bioetyczny Wydziału Medycznego Pontificia Universidad Católica de Chile, a wszyscy uczestnicy podpisali formularz zgody świadomej przed rozpoczęciem badania (numer projektu badawczego: 16-251).

1. Rekrutowanie uczestników

  1. Zrekrutuj prawoorędnych zdrowych dorosłych (mężczyzn i kobiety) o normalnym lub korigowanej do normalnego widzeniu i przesiej ich na kryteria włączenia/wykluczenia.
    UWAGA: W tym badaniu rekrutowano 27 zdrowych osób, które były w wieku od 19 do 38 lat i były płynnymi mówcami. Wielkość próby może się różnić w zależności od pożądanego poziomu mocy statystycznej, a zakres wieku może się różnić w zależności od konkretnego pytania badawczego, które ma być zweryfikowane. W naszym protokole obliczono wielkość próby, biorąc pod uwagę statystyczny test Wilcoxona z podpisanym rankiem, wielkość efektu 0,7, poziom alfa 0,05 i moc 0,95, jak opisano w Faul et al.96. Zastosowaliśmy MINI-Międzynarodowy Wywiad Neuropsychiatryczny97, stosowany przez wyszkolonego psychologa, aby ocenić uczestników pod względem kryteriów włączenia/wykluczenia. Zrekrutuj tylko prawoorędnych osób, aby zmniejszyć zmienność sygnału EEG, ponieważ lewooprędne osoby mogą prezentować inną topograficzną dystrybucję aktywności EEG98,99,100.

2. Przygotowanie bodźców

  1. Do zadania planowania stwórz zestaw bodźców za pomocą oprogramowania do edycji grafiki wektorowej (patrz Tabela Materiałów). Dla każdego bodźca zaprojektuj labirynt w skali szarości, który reprezentuje mapę zoo. Wewnątrz labiryntu stwórz przejście i kilka ścieżek prowadzących do lokalizacji zwierząt (np. w tym badaniu było cztery lokalizacje zwierząt, patrz Rysunek 1).
    UWAGA: W tym badaniu stworzono 36 labiryntów, w których każdy bodźca składał się z mapy zoo z bramą startową, czterech obrazów zwierząt zlokalizowanych na labiryncie i kilku ścieżek. Ścieżki na labiryncie mogą lub nie prowadzić do lokalizacji zwierząt. Często preferowane są bodźce w skali szarości o obniżonym kontraście w pupilometrii, ponieważ zmniejszają stymulację czopków siatkówki, które są odpowiedzialne za widzenie kolorów. Ta zmiana nacisku na bodźce pozwala na bardziej wrażliwe pomiary zmian wielkości źrenicy, które są uważane za odzwierciedlenie zmian w stanie pobudzenia lub uwagi. Ponadto stosowanie bodźców w skali szarości zmniejsza zmienność pomiaru z powodu różnic w widzeniu kolorów między osobami101.
  2. Aby uzyskać różne poziomy złożoności w końcowym zadaniu, podziel bodźce na podstawie liczby możliwych rozwiązań zgodnie z ustalonym celem i zasadami (szczególnie, celem jest zaplanowanie ścieżki do odwiedzenia lokalizacji zwierząt). Liczba możliwych rozwiązań odnosi się do liczby ścieżek, które są możliwe do zaplanowania zgodnie z zasadami (patrz zasady na Rysunek 2 i krok 5.12.1). Sklasyfikuj bodźce z więcej niż pięcioma możliwymi rozwiązaniami jako "łatwe" i te z pięcioma lub mniejszą liczbą możliwych rozwiązań jako "trudne". Następnie stwórz równą liczbę prób dla każdej kategorii.
    UWAGA: Alternatywnie, poproś o stworzenie bodźców dla Domic-Siede et al.54 u autorów, ponieważ te bodźce zostały stworzone zgodnie z tymi instrukcjami. Pamiętaj, że wszystkie materiały są dostępne na żądanie, ale specyfikacje są szczegółowo opisane tutaj. W tym badaniu stworzono 18 łatwych prób i 18 trudnych prób. Ocena różnic w poziomach trudności na poziomie behawioralnym i elektrofizjologicznym jest ważna, ponieważ pomoże określić, czy mierzysz wymagania poznawcze/wysiłek poznawczy/trudność czy też właściwe aspekty planowania poznawczego (patrz sekcje z wynikami i dyskusją).
  3. Do zadania kontrolnego użyj tej samej struktury co w zadaniu planowania (okres oceny, utrzymanie, wykonanie, reakcja, patrz Rysunek 2) i użyj tych samych bodźców stworzonych dla zadania planowania, ale dodaj narysowaną linię reprezentującą zaznaczoną ścieżkę do odwiedzenia sekwencji lokalizacji zwierząt, zaczynając od bramy do ostatniej lokalizacji (patrz Rysunek 1B). Uczyń zaznaczoną ścieżkę o nieco ciemniejszym kolorze niż główne ścieżki labiryntu, o niskim kontraście ocenionym za pomocą luksometru (patrz krok 2.4).
    UWAGA: Pomysł polega na tym, aby zachować psychofizyczne cechy obu warunków (zadanie planowania i zadanie kontrolne) jak najbardziej podobne. Ścieżki śledzone labiryntów mogły albo przestrzegać zasad, albo nie (patrz sekcja 5 protokołu, aby uzyskać więcej szczegółów dotyczących instrukcji podanych uczestnikom). W tym badaniu po

Results

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

W niniejszym protokole, RT okresu planowania został porównany z RT okresu kontrolnego i okresu realizacji planowania. RT planowania był większy niż RT dla kontroli i okresu realizacji planowania. Dodatkowo, w porównaniu z warunkiem kontrolnym, uczestnicy popełnili więcej błędów i mieli niższą dokładność w okresie planowania (Rysunek 5).

figure-results-1
Rysunek 5: Czas reakcji i dokładność zadania planowania. Porównanie czasów reakcji (A) w okresie planowania (fioletowe kółka) i okresie kontrolnym (zielone kółka) przy użyciu dopasowanego sparowanego testu t. (B) Porównanie czasów reakcji w okresie planowania (fioletowe kółka) i okresie realizacji planowania (fioletowe kwadraty) przy użyciu testu t z dopasowanymi parami. (C) Porównanie współczynnika dokładności w warunku planowania (fioletowe diamenty) i warunku kontrolnym (zielone diamenty) przy użyciu testu rangi ze znakiem Wilcoxona. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Ponadto, analiza poziomów złożoności planowania wykazała znaczące różnice w dokładności i czasach reakcji (RT) między poziomami "trudnym" i "łatwym" podczas planowania i realizacji (Rysunek 6). "Trudny" poziom miał dłuższe RT i niższą celność. Wyniki te sugerują, że podzielenie badań na podstawie liczby prawidłowych rozwiązań może odróżnić "łatwe" i "trudne" próby.

figure-results-2
Rysunek 6: Porównanie wydajności behawioralnej na różnych poziomach złożoności. Znaczące różnice w wydajności behawioralnej na "łatwym" i "trudnym" poziomie złożoności zidentyfikowano za pomocą testu t z dopasowaną parą. Niższe czasy reakcji (RT) zaobserwowano podczas planowania i realizacji dla poziomu "łatwego" w porównaniu z poziomem "łatwym", a dokładność była wyższa dla poziomu "łatwego". Słupki błędów reprezentują SEM (błąd standardowy średniej). Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Te wyniki wskazywały, że gdy komponent planowania został pomyślnie usunięty z warunku kontrolnego (poprzez manipulację instrukcjami), zadanie planowania było poznawczo bardziej złożone, wymagające, wymagające i czasochłonne. W związku z tym korelaty neuronalne wywołane przez zadania można było ze sobą porównać.

Aby przeanalizować aktywność theta w linii środkowej czoła podczas planowania, porównano średnie pasmo częstotliwości theta podczas planowania dla elektrody Fz z tym z okresu kontrolnego, a podczas planowania stwierdzono znaczny wzrost częstotliwości pasma theta (Rysunek 7).

figure-results-3
Rysunek 7: Aktywność theta w linii środkowej frontu podczas planowania poznawczego. (A) Mapy topograficzne przedstawiające moc pasma theta u wszystkich badanych znormalizowanych do punktów z podczas zadania planowania (po lewej), zadania kontrolnego (w środku) i efektu planowania (po prawej). Podczas planowania poznawczego badani wykazywali wzrost aktywności theta w czołowej linii środkowej. Kolorowy pasek pokazuje wartości z z zakresu od -0,5 do 1,5. (B) Wykres skrzypcowy przedstawiający minimalne, kwartylowe, medianę i maksymalne wartości z-score aktywności theta u badanych podczas planowania (fioletowy) w porównaniu z okresem kontrolnym (zielony) dla elektrod Fz (po lewej), Pz (w środku) i Oz (po prawej) przy użyciu testu t z dopasowaną parą. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Dodatkowo, aby ocenić czasową dynamikę obserwowanej czołowej aktywności theta, sformułowano mapy topograficzne odpowiadające określonym punktom czasowym mocy pasma theta (750 ms, 1,750 ms, 2,750 ms i 3,750 ms) (Rysunek 8A). Ponadto, w porównaniu z okresem kontrolnym, analiza czasowo-częstotliwościowa wykazała znaczący, postępujący i trwały wzrost aktywności theta rozpoczynający się 1 s po rozpoczęciu okresu planowania (Rysunek 8B).

figure-results-4
Rysunek 8: Dynamika czasowa theta linii środkowej frontalnej. (A) Topograficzne przedziały czasowe aktywności theta. Zaobserwowano postępujący wzrost aktywności theta w linii środkowej czoła w czasie realizacji planowania (okresu planowania). Kolorowy pasek wskazuje jednostki z-score (od -0,5 do 2,2). (B) Wykresy czasowo-częstotliwościowe dla okresu planowania (u góry), okresu kontrolnego (w środku) oraz efektu planowania, obliczone poprzez odjęcie okresu kontrolnego od okresu planowania (u dołu). Nieistotne piksele, określone za pomocą nieparametrycznego testu permutacji opartego na klastrach dla sparowanych próbek, są wyświetlane jaśniej na wykresie efektu planowania. Kolorowy pasek wskazuje jednostki wskaźnika Z (od −4 do 4). Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Dla źródłowej rekonstrukcji aktywności theta, szablon modelu mózgu został zwizualizowany i porównany między warunkami, co wskazywało, że aktywność theta pochodzi z obszarów kory przedczołowej (czołowa górna kora, FS; przednia kora obręczy, ACC; i środkowa kora obręczy, MCC), jak również że istnieją znaczące różnice między warunkami (w obustronnym SF, obustronne ACC i obustronne MCC) (Rysunek 9), z wyższą aktywnością theta zaobserwowaną w okresie planowania (Rysunek 9).

figure-results-5
Rysunek 9: Rekonstrukcja źródła. Algorytm sLORETA został wykorzystany do oszacowania aktywności theta z różnych źródeł w mózgu. Aktywność theta była filtrowana pasmowo-przepustowa 4-8 Hz, znormalizowana z-score, skorygowana przez linię bazową, uśredniona między 1 s lub 4 s odpowiednio po rozpoczęciu planowania lub kontroli i porównywana między warunkami. Znaczny wzrost aktywności theta stwierdzono w obustronnym obszarze czołowym górnym, obustronnej przedniej korze zakrętu obręczy i obustronnej środkowej korze obręczy. Rysunek przedstawia istotne wartości t z testu permutacji. Skróty: FS = czołowy górny; ACC = przednia kora zakrętu obręczy; MCC = środkowa kora obręczy. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Następnie, profil czasowy theta zmienia się w czasie dla każdego źródła został oceniony poprzez obliczenie transformaty Hilberta, a następnie porównaliśmy chwilową amplitudę aktywności theta między warunkami. Odkryliśmy, że lewe źródła czołowo-biegunowe, obustronne ACC i obustronne MCC wykazywały wyższą aktywność theta po rozpoczęciu okresu planowania (Figura 10). Wyniki te sugerowały, że nasz eksperymentalny paradygmat wymagający planowania poznawczego indukował aktywność theta pochodzącą z regionów PFC.

figure-results-6
Rysunek 10: Profil czasowy aktywności Theta źródeł PFC. Chwilowa amplituda obliczona za pomocą transformaty Hilberta została zastosowana do pierwszego składnika rozkładu PCA dla każdego źródła czołowego, a zarówno warunki, jak i linia bazowa zostały znormalizowane do wskaźnika z, aby pokazać czołową aktywność theta w czasie. Szare zacienione obszary pokazują istotne różnice wyznaczone za pomocą nienakładającego się ruchomego okna z krokami 1 s (test rangi ze znakiem Wilcoxona) skorygowanymi przez FDR. Zacienione obszary reprezentują 95% przedziałów ufności. Lewy obszar FP, obustronny ACC i obustronny MCC wykazały wzrost aktywności theta po planowanym początku. Skróty: ACC = przednia kora zakrętu obręczy; MCC = środkowa kora obręczy. Warunek planowania jest wyświetlany w kolorze fioletowym. Warunek kontrolny jest pokazany na czerwono. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Ponadto, naszym celem było zbadanie zmienności cech spektralnych podczas planowania w odniesieniu do poziomu złożoności, na co wskazują wyniki zachowań. Warto zauważyć, że istotną rozbieżność stwierdzono tylko w lewym ACC w paśmie alfa. Potwierdza to pogląd, że nasze zadanie planistyczne ocenia wewnętrzne aspekty planowania poprzez zmiany w oscylacjach theta w większym stopniu niż ogólne wymagania poznawcze (wysiłek) zwykle spotykane w zadaniach kontroli poznawczej (Rysunek 11).

figure-results-7
Rysunek 11: EEG na wszystkich poziomach złożoności planowania. Wykresy czasowo-częstotliwościowe ROI wykazały znaczące dodatnie skupisko w paśmie alfa wyłącznie w lewej przedniej przedniej korze obręczy (ACC) dla "trudnego" poziomu. Nieistotne piksele, określone za pomocą nieparametrycznego testu permutacji opartego na klastrach dla sparowanych próbek, są pokazane na wykresie w jaśniejszym odcieniu, z kolorowym paskiem wskazującym jednostki z-score od -3 do 3. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Gdy przeprowadzono korelacje między aktywnością theta a wydajnością behawioralną, zaobserwowano ujemną korelację; w szczególności, gdy aktywność theta w lewym obszarze czołowym w okresie planowania wzrosła, wynik wykonania planowania LISAS zmniejszył się (Rysunek 12). Ten wzorzec może odzwierciedlać, że lewy obszar FP może być niezbędny podczas opracowywania planowania, aby później pomyślnie wykonać plan i sugeruje rolę aktywności theta.

figure-results-8
Rysunek 12: Aktywność Theta i wydajność behawioralna. Korelacja rho Spearmana między aktywnością theta z lewej kory czołowej a wykonaniem planowania Δ LISAS wykazała istotną ujemną korelację. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Dodatkowo, różne wymagania poznawcze i cele wywołane przez każdy warunek mogły powodować kontrastujące ruchy gałek ocznych między warunkami planowania i kontroli, prowadząc do różnych wzorców aktywności oscylacyjnej95. Aby rozwiązać powyższy problem, przeanalizowaliśmy dane z jednego podmiotu i pojedynczego badania na różnych poziomach. Warto zauważyć, że szereg czasowy kanału Fz i dynamika czasu aktywności theta wydawały się nie mieć związku z szybkością sakkad w czasie (Rysunek 13A).

figure-results-9
Rysunek 13: Wyniki zapisów EEG i ruchów gałek ocznych. (A) Wiersze prezentują EEG (na górze), wykres czasowo-częstotliwościowy (środkowy na górze), profil czasowy theta z elektrody Fz (środkowy na dole) oraz częstość sakkad podmiotu 8 i próby 9 (na dole) w warunkach planowania. (B) Pokazano porównanie amplitudy sakkady, szczytowej prędkości sakadowej i koherencji szybkości sakkad w teście Wilcoxona między tymi warunkami, ujawniając istotne różnice statystyczne w amplitudzie sakad między warunkami planowania i kontroli. SEM jest reprezentowany przez słupki błędów. Ten rysunek został zmodyfikowany z Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Następnie uzyskaliśmy amplitudę sakad i prędkość szczytową z całego badania oraz od 0 s do 3,75 s dla porównania (Rysunek 13B). Odkryliśmy, że amplituda sakkady była większa w warunkach kontrolnych. Nie stwierdzono jednak statystycznie istotnych różnic między warunkami wskaźnika koherencji między mocą theta Fouriera na elektrodzie Fz a szybkością sakkad (Rysunek 10B), co wskazuje, że jakikolwiek potencjalny związek między sakkadami a aktywnością theta był spójny we wszystkich warunkach.

Podsumowując, te wyniki potwierdzają, że opisany protokół eksperymentalny jest odpowiedni do badania planowania poznawczego jako funkcji kontroli poznawczej.

Discussion

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

Opisany tutaj protokół oferuje innowacyjne podejście do oceny planowania poznawczego i kontroli poznawczej podczas nowatorskiego i ekologicznego zadania planowania w połączeniu z odpowiednimi i uzupełniającymi pomiarami behawioralnymi i fizjologicznymi, takimi jak dynamika oscylacyjna i źrenicowa. Podczas naszych eksperymentów aktywność EEG była rejestrowana, podczas gdy uczestnicy wykonywali zadanie planowania, w którym uczestnicy zostali poinstruowani, aby najpierw opracować, a następnie wykonać plan. Warunek kontrolny, który obejmował ocenę wstępnie narysowanej ścieżki na mapie zoo, został ustalony w celu wyeliminowania aspektu planowania poznawczego przy zachowaniu podobnego ustawienia i struktury. Podejście to umożliwia ocenę, czy planowanie poznawcze, jako funkcja kontroli poznawczej, prowadzi do generowania czołowej aktywności theta z regionów PFC i czy różne źródła oscylacji PFC theta są powiązane z różnymi aspektami wydajności planowania. Innym aspektem, który można ocenić za pomocą tego protokołu, jest zróżnicowanie różnych procesów poznawczych zaangażowanych w fazy planowania, takie jak opracowywanie planu, realizacja planu, osiąganie planu i przetwarzanie informacji zwrotnych. Odkryliśmy, że planowanie indukowało kanoniczną aktywność theta czołową związaną z kontrolą poznawczą, co przyczyniło się do skutecznego osiągnięcia celu. Wyniki te potwierdzają znaczenie tego protokołu.

Pomimo ogromnego rozwoju neuronauki poznawczej, większość eksperymentów neuroobrazowania bada izolowane funkcje poznawcze przy użyciu sztucznych zadań w środowiskach pozbawionych sensomotorycznych i nadmiernie uproszczonych bodźców w celu kontrolowania zakłóceń. Problematyczne jest to, że eksperymenty te mogą nie być w stanie zidentyfikować rzeczywistych mechanizmów mózgowych zaangażowanych, gdy funkcja poznawcza jest realizowana w codziennej sytuacji (w sytuacjach ekologicznych)138,140. W szczególności zdolności do formułowania celów, planowania i skutecznego wykonywania planów są trudne do oceny, ponieważ wymagają różnych funkcji poznawczych (pamięć robocza, kontrola hamująca, elastyczność poznawcza itp.).104 144. W związku z tym zachęca się i sugeruje projektowanie ekologicznego zadania behawioralnego w oparciu o aktualne trendy w neuronauce poznawczej 142,143,145,146.

Nasze zadanie planistyczne, mimo że odbywało się w środowisku laboratoryjnym (w pomieszczeniu, w którym bodźce są wyświetlane na ekranie), stało się angażujące i interaktywne dla uczestników poprzez wykorzystanie znaczących bodźców i celów, z którymi mogli wchodzić w interakcje na ekranie. Dodatkowo zadanie wymaga od uczestników zaangażowania się w realną sytuację – zaplanowania ścieżki do odwiedzenia różnych miejsc. Aby mieć projekt zadania ekologicznego, paradygmat musi rzucić wyzwanie badanym, aby wykonali określone zachowanie lub funkcję poznawczą w sposób podobny do tego, co musieliby robić w życiu codziennym 62,63,147. Aby opracować projekt zadania ekologicznego, zastosowane tu zadanie planistyczne polega na zaplanowaniu ścieżki do zwiedzania różnych miejsc w kilku etapach56. Pierwszy etap polega na stworzeniu przez uczestników planu, upewniając się, że jest on zgodny z zestawem zasad. Drugi etap polega na utrzymaniu planu w pamięci roboczej, natomiast trzeci etap polega na wykonaniu planu i monitorowaniu jego przestrzegania zasad. Etapy te reprezentują różne fazy planowania i orkiestracji innych funkcji wykonawczych, takich jak elastyczność poznawcza, kontrola hamowania i pamięć robocza. Aby projekt zadania poznawczego był prawidłowy w skali ekologicznej, zadanie powinno być w stanie wykryć określone zaburzenia poznawcze u pacjentów z zaburzeniami psychicznymi lub poznawczymi, którzy mają trudności z wykonywaniem tej określonej funkcji poznawczej w życiu codziennym105. Można to osiągnąć dzięki przyszłym badaniom z wykorzystaniem tego protokołu.

Wyniki behawioralne uzyskane dzięki zastosowaniu tego protokołu były zgodne z przewidywaniami eksperymentalnymi. Istotną różnicę w zachowaniu zaobserwowano, gdy komponent planowania został usunięty z zadania kontrolnego w celu utworzenia warunku kontrolnego, co ułatwiło dalsze porównania. Stwierdzono, że warunek planowania jest bardziej wymagający poznawczo niż warunek kontrolny, o czym świadczą takie parametry, jak czas reakcji i dokładność. Może to odzwierciedlać zwiększone zaangażowanie wysokich funkcji poznawczych w realizację planowania 23,55,56,57,148,149,150.

Biorąc pod uwagę, że warunek kontrolny obejmował mniej złożone procesy poznawcze, o czym świadczy szybszy czas reakcji, lepsze wyniki i różne wymagane procesy poznawcze (ocena reguł), możliwą alternatywną modyfikacją jest wykorzystanie poziomów złożoności obecnych w zadaniu planowania, manipulowanie nimi i parametryczna analiza funkcji planowania zgodnie z różnymi poziomami złożoności (na przykład: zwiększenie liczby prób oraz stworzenie trudnych, średnich i łatwych warunków próbnych). Jednak wyniki naszego protokołu wykazały, że chociaż możliwe było rozróżnienie między "łatwymi" i "trudnymi" próbami na podstawie miar behawioralnych, nie wykryto żadnych różnic w pomiarach elektrofizjologicznych. Sugeruje to, że wyniki w naszym protokole dokładniej odzwierciedlają wewnętrzne cechy funkcji planowania, a nie szersze aspekty kontroli poznawczej, takie jak uwaga, wysiłek umysłowy, poziom trudności lub wysokipoziom zapotrzebowania poznawczego. Niemniej jednak dalsze badania mogą uwzględniać inne rodzaje warunków kontrolnych, takie jak podążanie oznaczoną ścieżką, która odwiedza cztery lokalizacje zwierząt, ale także zapamiętywanie kolejności sekwencji. W ten sposób poziom trudności mógłby być lepiej kontrolowany, a planowanie można by odróżnić od pamięci roboczej, ale jedną z możliwych wad tego jest zmęczenie, ponieważ badani musieliby wykonać dwa bardzo wymagające zadania.

Kilka badań powiązało różne parametry ruchu gałek ocznych z określonymi zdarzeniami poznawczymi. Z jednej strony niektóre badania wykazały korelacje między oscylacjami theta a średnicą źrenicy podczas zadań poznawczych, co sugeruje związek między tymi dwoma miarami funkcji poznawczych. Na przykład Lin i wsp.152 znaleźli korelację między aktywnością theta w środkowej części czołowej a zmianami wielkości źrenicy, odzwierciedlając różne stopnie subiektywnego konfliktu. Ich odkrycia sugerują, że sygnały te reprezentują przetwarzanie konfliktów, zwiększoną uwagę i elastyczne reakcje behawioralne. W związku z tym związek między aktywnością theta w środkowej części czoła a reakcjami uczniów wydaje się odgrywać rolę w ważeniu kosztów i korzyści podczas procesów decyzyjnych. W innym badaniu Yu i wsp.153 zbadali, w jaki sposób zaangażowanie czasu na zadanie neurofizjologicznie wpływa na kontrolę poznawczą poprzez zadanie pamięci roboczej, które modulowało reakcje hamujące kontrolę. Badali związek między danymi dotyczącymi średnicy źrenicy a aktywnością theta czołowego i wykazali, że wraz ze wzrostem czasu trwania zadania wydajność spadała, czemu towarzyszył spadek modulacji rozszerzenia źrenicy i aktywności theta czołowej. Na początku zadania odkryli silną korelację między zaangażowaniem w zadania, aktywnością theta i kontrolą poznawczą, na co wskazuje modulacja rozszerzenia źrenicy, głównie w przypadku wymagających zadań, które wymagały wysokiej pamięci roboczej i kontroli hamującej. Jednak związek ten rozproszył się pod koniec, sygnalizując rozdźwięk między zainwestowanym wysiłkiem a kontrolą poznawczą używaną do wykonania zadania, co jest cechą charakterystyczną przedczołowych efektów czasu na zadanie153. Z drugiej strony, inne badania dotyczyły sakkad i oscylacji. Na przykład Nakatani i wsp.154 ujawnili, że w zadaniu percepcyjnym amplituda pasma alfa z obszarów potylicznych przewidywała mrugnięcia i efekty sakkady. Co więcej, Velasques i wsp.155 wykazali, że podczas zadania prosakkady amplituda sakkady była związana ze zmianami gamma w tle. Co więcej, Bodala i wsp.156 odkryli, że spadkom theta w przedniej linii środkowej towarzyszyły spadki długotrwałej uwagi, a także amplitudy i prędkości sakkad. Odkrycia te sugerują, że ruchy gałek ocznych, zwłaszcza sakkady, mogą odzwierciedlać procesy poznawcze, a nie tylko przyczyniać się do szumu tła w sygnałach EEG. W obecnym badaniu zwiększyliśmy eliminację artefaktów związanych z ruchem gałek ocznych za pomocą algorytmu ICA z kryterium współczynnika wariancji sakkady do fiksacji126. To kryterium usprawnia usuwanie artefaktów dla bezpłatnych zadań przeglądania157. W naszym badaniu nie zaobserwowano różnic w prędkości szczytowej sakkad i spójności między mocą theta a szybkością sakad w różnych warunkach. Potrzebne są jednak dalsze badania, aby odpowiedzieć na te pytania.

Kluczowym krokiem w korzystaniu z tego protokołu jest ciągła kalibracja urządzenia śledzącego ruch gałek ocznych podczas eksperymentu, ponieważ utrata danych dotyczących spojrzenia z kamery może spowodować błędy, które zanieczyściłyby zadanie i utrudniłyby uzyskanie dokładnych odpowiedzi. Dlatego tak ważne jest, aby kalibrować tak często, jak to możliwe. Istnieje jednak kompromis między liczbą prób ze skalibrowanym urządzeniem śledzącym ruch gałek ocznych a długością eksperymentu. W naszym badaniu zdecydowaliśmy się na kalibrację co pięć prób.

W przyszłości powinny zostać przeprowadzone badania nad związkiem między oscylacjami theta a średnicą źrenicy podczas tego zadania planistycznego. Planowanie jest krytycznym aspektem kontroli wykonawczej, który wymaga alokacji zasobów uwagi i koordynacji wielu procesów poznawczych. Zrozumienie związku między oscylacjami theta a średnicą źrenicy podczas zadań planistycznych może dostarczyć cennych informacji na temat mechanizmów neuronalnych leżących u podstaw kontroli wykonawczej i tego, jak zmieniają się one w czasie. Co więcej, takie badania mogą prowadzić do głębszego zrozumienia, w jaki sposób zmiany w funkcjach poznawczych, takie jak zmęczenie lub zaniki uwagi, wpływają na wydajność zadań planistycznych i zdolność do efektywnej alokacji zasobów. Informacje te mogą mieć ważne implikacje dla opracowywania interwencji mających na celu poprawę wydajności planowania, takich jak programy treningu poznawczego lub leczenie stanów takich jak zespół nadpobudliwości psychoruchowej z deficytem uwagi (ADHD).

Wcześniejsze badania wykazały, że PFC odgrywa kluczową rolę w planowaniu poznawczym, co potwierdzają nasze wyniki. Wyniki te pokazują, że planowanie poznawcze indukuje aktywność FMθ w PFC, szczególnie w przedniej korze zakrętu obręczy, środkowej korze zakrętu obręczy i górnych obszarach czołowych54. Wyniki te są zgodne z wcześniejszymi badaniami nad funkcjami wykonawczymi. Istnieją istotne dowody na poparcie tezy, że aktywność FMθ działa jako odgórny proces inicjujący kontrolę i ułatwiający komunikację między regionami mózgu podczas wymagających zadań13. Chociaż tylko kilka badań dotyczyło czasowej dynamiki aktywności FMθ związanej z kontrolą poznawczą, istnieje powszechna zgoda co do tego, że profil czasowy FMθ może dostarczyć informacji o różnych aspektach kontroli poznawczej i zaangażowaniu różnych regionów PFC. Wykorzystanie naszego protokołu do oceny planowania poznawczego pozwoliło nam scharakteryzować profil czasowy aktywności FMθ podczas planowania. W szczególności aktywność FMθ w warunkach planowania wykazywała postępujący wzrost. Wdrażając ten protokół, po raz pierwszy wykazano, że FMθ jest również obecny podczas planowania wdrażania, podobnie jak w innych funkcjach poznawczych wyższego rzędu, a jego dynamika czasowa może służyć jako wskaźnik kontroli poznawczej.

Nasze wyniki i protokół mają potencjalne zastosowania w dziedzinie neuronauki, w tym do poprawy wirtualnych ocen neuropsychologicznych i leczenia zaburzeń neuropsychiatrycznych z powiązanymi problemami z planowaniem poznawczym, takich jak depresja i zespół nadpobudliwości psychoruchowej z deficytem uwagi. Na przykład oceny mogą obejmować badanie różnych wzorców błędów na poziomie wydajności behawioralnej, różnych wzorców oscylacyjnych na poziomie elektrofizjologicznym i różnych ruchów gałek ocznych. Ponadto wyniki tej pracy mogą stanowić podstawę do opracowania interfejsów mózg-komputer i programów treningu poznawczego, które mają na celu zwiększenie zdolności planowania poznawczego.

Niniejszy protokół może dostarczyć nowych dowodów do zrozumienia mechanizmów neuronalnych, które leżą u podstaw nieuchwytnej funkcji kontroli poznawczej planowania poznawczego w populacjach neurotypowych i neuropsychiatrycznych. Co więcej, nasz paradygmat behawioralny może oferować wgląd w neurobiologię kontroli poznawczej i planowania poprzez badanie pomiarów elektrofizjologicznych, pupilometrycznych i behawioralnych z praktycznym zadaniem planowania, które bada wewnętrzne aspekty planowania, a nie ogólne wymagania poznawcze zwykle obecne w zadaniach kontroli poznawczej, co znajduje odzwierciedlenie w zmianach w oscylacjach theta.

Disclosures

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

Autorzy nie mają nic do ujawnienia.

Acknowledgements

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

To badanie było wspierane finansowo przez program stypendialny Becas de Doctorado Nacional año 2015 ANID 21150295, regularny grant FONDECYT 1180932, FONDECYT regular grant 1230383, FONDECYT de Iniciación grant 11220009, Postdoc grant Universidad de O'Higgins, oraz Institut Universitaire de France (IUF). Chcemy podziękować profesorowi Pablo Billeke za jego opinie na temat projektu paradygmatu. Dziękujemy profesorowi Eugenio Rodríguezowi za uprzejme podzielenie się kodami analizy czasowo-częstotliwościowej. Na koniec dziękujemy Milanowi Domicowi, Vicente Medelowi, Josefinie Ihnen, Andrei Sánchezowi, Gonzalo Boncompte, Catalinie Fabar i Danieli Santander za ich opinie.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
System EEGBiosemiActiveTwo System podstawowy, 64 kanały
System śledzenia wzrokuEyelink SR ResearchEyeLink 1000 Plus Core Unit, szybka kamera, komputer hosta / monitor,
wyświetlacz procesoraIntelDysk twardy 221 GB, procesor Intel Core i7-4790 3.60 Hz, system operacyjny Windows 7, 4 GB pamięci RAM
procesor EEGIntelDysk twardy 223 GB, Procesor Intel Core i7-4790 3.60 Hz, System operacyjny Windows 7, 4GB RAM
MonitorASUSASUS VG248QE 24" Monitor LCD
JoytsickLogitechModel F310
LuksomierzFocketEkran LCD (0-200.000 luksów) model Liebe WH LX1330B 
Oprogramowanie statystyczneGraphPad Prism GraphPad Prism w wersji 8 dla systemu Windows
Oprogramowanie do programowania MATLABThe MathWorks  Narzędzie SVG MATLAB R2014a i R2018b
InkscapeInkscape ProjectOprogramowanie do edycji grafiki wektorowej
Oprogramowanie do prezentacjiSystemyneurobehawioralne dostarczanie bodźców i program do kontroli eksperymentów dla neuronauki

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Siegel, M., Donner, T. H., Engel, A. K. Spectral fingerprints of large-scale neuronal interactions. Nature Reviews Neuroscience. 13 (2), 121-134 (2012).
  2. Fries, P. A mechanism for cognitive dynamics: Neuronal communication through neuronal coherence. Trends in Cognitive Sciences. 9 (10), 474-480 (2005).
  3. Fries, P. Rhythms for cognition: Communication through coherence. Neuron. 88 (1), 220-235 (2015).
  4. Thut, G., Miniussi, C., Gross, J. The functional importance of rhythmic activity in the brain. Current Biology. 22 (16), 658-663 (2012).
  5. Fröhlich, F., McCormick, D. A. Endogenous electric fields may guide neocortical network activity. Neuron. 67 (1), 129-143 (2010).
  6. Spaak, E., de Lange, F. P., Jensen, O. Local entrainment of alpha oscillations by visual stimuli causes cyclic modulation of perception. Journal of Neuroscience. 34 (10), 3536-3544 (2014).
  7. Fiebelkorn, I. C., Saalmann, Y. B., Kastner, S. Rhythmic sampling within and between objects despite sustained attention at a cued location. Current Biology. 23 (24), 2553-2558 (2013).
  8. Landau, A. N., Fries, P. Attention samples stimuli rhythmically. Current Biology. 22 (11), 1000-1004 (2012).
  9. Song, K., Meng, M., Lin, C., Zhou, K., Luo, H. Behavioral oscillations in attention: Rhythmic α pulses mediated through θ band. Journal of Neuroscience. 34 (14), 4837-4844 (2014).
  10. Wyart, V., Nobre, A. C., Summerfield, C. Dissociable prior influences of signal probability and relevance on visual contrast sensitivity. Proceedings of the National Academy of Sciences of the United States of America. 109 (9), 3593-3598 (2012).
  11. Leszczyński, M., Fell, J., Axmacher, N. Rhythmic working memory activation in the human hippocampus. Cell Reports. 13 (6), 1272-1282 (2015).
  12. Onton, J., Delorme, A., Makeig, S. Frontal midline EEG dynamics during working memory. NeuroImage. 27 (2), 341-356 (2005).
  13. Cavanagh, J. F., Frank, M. J. Frontal theta as a mechanism for cognitive control. Trends in Cognitive Sciences. 18 (8), 414-421 (2014).
  14. Siegel, M., Buschman, T. J., Miller, E. K. Cortical information flow during flexible sensorimotor decisions. Science. 348 (6241), 1352-1355 (2015).
  15. Weisz, N., et al. Prestimulus oscillatory power and connectivity patterns predispose conscious somatosensory perception. Proceedings of the National Academy of Sciences of the United States of America. 111 (4), 417-425 (2014).
  16. Buzsáki, G., Draguhn, A. Neuronal oscillations in cortical networks. Science. 304 (5679), 1926-1929 (2004).
  17. Cohen, M. X. A neural microcircuit for cognitive conflict detection and signaling. Trends in Neurosciences. 37 (9), 480-490 (2014).
  18. Yuste, R. From the neuron doctrine to neural networks. Nature Reviews Neuroscience. 16 (8), 487-497 (2015).
  19. Helfrich, R. F., Knight, R. T. Oscillatory dynamics of prefrontal cognitive control. Trends in Cognitive Sciences. 20 (12), 916-930 (2016).
  20. Miller, E. K., Cohen, J. D. An integrative theory of prefrontal cortex function. Annual Review of Neurosciences. 24 (1), 167-202 (2001).
  21. von Nicolai, C., et al. Corticostriatal coordination through coherent phase-amplitude coupling. Journal of Neuroscience. 34 (17), 5938-5948 (2014).
  22. Sweeney-Reed, C. M., et al. Thalamic theta phase alignment predicts human memory formation and anterior thalamic cross-frequency coupling. ELife. 4, 07578(2015).
  23. Voytek, B., et al. Oscillatory dynamics coordinating human frontal networks in support of goal maintenance. Nature Neuroscience. 18 (9), 1318-1324 (2015).
  24. Raghavachari, S., et al. Theta oscillations in human cortex during a working-memory task: Evidence for local generators. Journal of Neurophysiology. 95 (3), 1630-1638 (2006).
  25. Jacobs, J., Hwang, G., Curran, T., Kahana, M. J. EEG oscillations and recognition memory: Theta correlates of memory retrieval and decision making. NeuroImage. 32 (2), 978-987 (2006).
  26. Itthipuripat, S., Wessel, J. R., Aron, A. R. Frontal theta is a signature of successful working memory manipulation. Experimental Brain Research. 224 (2), 255-262 (2013).
  27. Cavanagh, J. F., Zambrano-Vazquez, L., Allen, J. J. B. Theta lingua franca: A common mid-frontal substrate for action monitoring processes. Psychophysiology. 49 (2), 220-238 (2012).
  28. Mas-Herrero, E., Marco-Pallarés, J. Frontal theta oscillatory activity is a common mechanism for the computation of unexpected outcomes and learning rate. Journal of Cognitive Neuroscience. 26 (3), 447-458 (2014).
  29. Folstein, J. R., Van Petten, C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review. Psychophysiology. 45 (1), 152-170 (2008).
  30. Cohen, M. X., Donner, T. H. Midfrontal conflict-related theta-band power reflects neural oscillations that predict behavior. Journal of Neurophysiology. 110 (12), 2752-2263 (2013).
  31. Walsh, M. M., Anderson, J. R. Modulation of the feedback-related negativity by instruction and experience. Proceedings of the National Academy of Sciences of the United States of America. 108 (47), 19048-19053 (2011).
  32. Luu, P., Tucker, D. M., Makeig, S. Frontal midline theta and the error-related negativity: Neurophysiological mechanisms of action regulation. Clinical Neurophysiology. 115 (8), 1821-1835 (2004).
  33. Hanslmayr, S., et al. The electrophysiological dynamics of interference during the Stroop task. Journal of Cognitive Neuroscience. 20 (2), 215-225 (2008).
  34. Cavanagh, J. F., Cohen, M. X., Allen, J. J. B. Prelude to and resolution of an error: EEG phase synchrony reveals cognitive control dynamics during action monitoring. Journal of Neuroscience. 29 (1), 98-105 (2009).
  35. Cohen, M. X., van Gaal, S., Ridderinkhof, K. R., Lamme, V. A. F. Unconscious errors enhance prefrontal-occipital oscillatory synchrony. Frontiers in Human Neuroscience. 3, 54(2009).
  36. Cavanagh, J. F., Frank, M. J., Klein, T. J., Allen, J. J. B. Frontal theta links prediction errors to behavioral adaptation in reinforcement learning. NeuroImage. 49 (4), 3198-3209 (2010).
  37. Cohen, M. X., Cavanagh, J. F. Single-trial regression elucidates the role of prefrontal theta oscillations in response conflict. Frontiers in Psychology. 2, 30(2011).
  38. Cohen, M. X., Van Gaal, S. Dynamic interactions between large-scale brain networks predict behavioral adaptation after perceptual errors. Cerebral Cortex. 23 (5), 1061-1072 (2013).
  39. Nigbur, R., Cohen, M. X., Ridderinkhof, K. R., Stürmer, B. Theta dynamics reveal domain-specific control over stimulus and response conflict. Journal of Cognitive Neuroscience. 24 (5), 1264-1274 (2012).
  40. van Driel, J., Swart, J. C., Egner, T., Ridderinkhof, K. R., Cohen, M. X. No) time for control: Frontal theta dynamics reveal the cost of temporally guided conflict anticipation. Cognitive, Affective, and Behavioral Neuroscience. 15 (4), 787-807 (2015).
  41. van de Vijver, I., Ridderinkhof, K. R., Cohen, M. X. Frontal oscillatory dynamics predict feedback learning and action adjustment. Journal of Cognitive Neuroscience. 23 (12), 4106-4121 (2011).
  42. Narayanan, N. S., Cavanagh, J. F., Frank, M. J., Laubach, M. Common medial frontal mechanisms of adaptive control in humans and rodents. Nature Neuroscience. 16 (12), 1888-1895 (2013).
  43. Anguera, J. A., et al. Video game training enhances cognitive control in older adults. Nature. 501 (7465), 97-101 (2013).
  44. Smit, A. S., Eling, P. A. T. M., Hopman, M. T., Coenen, A. M. L. Mental and physical effort affect vigilance differently. International Journal of Psychophysiology. 57 (3), 211-217 (2005).
  45. Cohen, M. X., Ranganath, C. Reinforcement learning signals predict future decisions. Journal of Neuroscience. 27 (2), 371-378 (2007).
  46. Gehring, W. J., Goss, B., Coles, M. G. H., Meyer, D. E., Donchin, E. A neural system for error detection and compensation. Psychological Science. 4 (6), 385-390 (1993).
  47. Yeung, N., Botvinick, M. M., Cohen, J. D. The neural basis of error detection: Conflict monitoring and the error-related negativity. Psychological Review. 111 (4), 931-959 (2004).
  48. Debener, S., et al. Trial-by-trial coupling of concurrent electroencephalogram and functional magnetic resonance imaging identifies the dynamics of performance monitoring. Journal of Neuroscience. 25 (50), 11730-11737 (2005).
  49. Hauser, T. U., et al. The feedback-related negativity (FRN) revisited: New insights into the localization, meaning, and network organization. NeuroImage. 84, 159-168 (2014).
  50. Wang, C., Ulbert, I., Schomer, D. L., Marinkovic, K., Halgren, E. Responses of human anterior cingulate cortex microdomains to error detection, conflict monitoring, stimulus-response mapping, familiarity, and orienting. Journal of Neuroscience. 25 (3), 604-613 (2005).
  51. Tsujimoto, S., Genovesio, A. Firing variability of frontal pole neurons during a cued strategy task. Journal of Cognitive Neuroscience. 29 (1), 25-36 (2017).
  52. Womelsdorf, T., Johnston, K., Vinck, M., Everling, S. Theta-activity in anterior cingulate cortex predicts task rules and their adjustments following errors. Proceedings of the National Academy of Sciences of the United States of America. 107 (11), 5248-5253 (2010).
  53. Womelsdorf, T., Vinck, M., Stan Leung, L., Everling, S. Selective theta synchronization of choice-relevant information subserves goal-directed behavior. Frontiers in Human Neuroscience. 4, 2010(2010).
  54. Domic-Siede, M., Irani, M., Valdés, J., Perrone-Bertolotti, M., Ossandón, T. Theta activity from frontopolar cortex, mid-cingulate cortex and anterior cingulate cortex shows different roles in cognitive planning performance. NeuroImage. 226, 117557(2021).
  55. Wilensky, R. Planning and Understanding: A Computational Approach to Human Reasoning. , Addison-Wesley. Reading, MA. (1983).
  56. Grafman, J., Hendler, J. Planning and the brain. Behavioral and Brain Sciences. 14, 563-564 (1991).
  57. Hayes-Roth, B., Hayes-Roth, F. A cognitive model of planning. Cognitive Science. 3 (4), 275-310 (1979).
  58. Tremblay, M., et al. Brain activation with a maze test: An EEG coherence analysis study in healthy subjects. Neuroreport. 5 (18), 2449-2453 (1994).
  59. Shallice, T. Specific impairments of planning. Philosophical Transactions of the Royal Society B: Biological Sciences. 298 (1089), 199-209 (1982).
  60. Unterrainer, J. M., Owen, A. M. Planning and problem solving: From neuropsychology to functional neuroimaging. Journal of Physiology. 99 (4-6), 308-317 (2006).
  61. Domic-Siede, M., et al. La planificación cognitiva en el contexto de la evaluación neuropsicológica e investigación en neurociencia cognitiva: Una revisión sistemática. Terapia Psicológica. 40 (3), 367-395 (2022).
  62. Miotto, E. C., Morris, R. G. Virtual planning in patients with frontal lobe lesions. Cortex. 34 (5), 639-657 (1998).
  63. Burgess, P. W., Simons, J. S., Coates, L. M. A., Channon, S. The search for specific planning processes. The Cognitive Psychology of Planning. Morris, R., Ward, G. , Psychology Press. Hove, UK. 199-227 (2005).
  64. Oosterman, J. M., Wijers, M., Kessels, R. P. C. Planning or something else? Examining neuropsychological predictors of zoo map performance. Applied Neuropsychology. 20 (2), 103-109 (2013).
  65. Campbell, Z., et al. Utilizing virtual reality to improve the ecological validity of clinical neuropsychology: An fMRI case study elucidating the neural basis of planning by comparing the Tower of London with a three-dimensional navigation task. Applied Neuropsychology. 16 (4), 295-306 (2009).
  66. Wilson, B. A., Alderman, N., Burgess, P. W., Emslie, H., Evans, J. J. Behavioural Assessment of the Dysexecutive Syndrome. , Thames Valley Test Company. St Edmunds, UK. (1996).
  67. Spector, L., Grafman, J. Planning, neuropsychology, and artificial intelligence: Cross fertilization. Handbook of Neuropsychology. Boller, F., Grafman, J. 9, Elsevier Science Publishers. Amsterdam, the Netherlands. 377-392 (1994).
  68. Porteus, S. D. The Maze Test and Clinical Psychology. , Pacific Books. Palo Alto, California. (1959).
  69. Lis, S., Krieger, S., Wilhelm, J., Gallhofer, B. Feedback about previous action improves executive functioning in schizophrenia: An analysis of maze solving behaviour. Schizophrenia Research. 78 (2-3), 243-250 (2005).
  70. Zelinsky, G. J. A theory of eye movements during target acquisition. Psychological Review. 115 (4), 787-835 (2008).
  71. Wurtz, R. H., Goldberg, M. E., Robinson, D. L. Brain mechanisms of visual attention. Scientific American. 246 (6), 124-135 (1982).
  72. Burr, D., Morrone, M. C. Eye movements: Building a stable world from glance to glance. Current Biology. 15 (20), 839-840 (2005).
  73. Rolfs, M. Microsaccades: Small steps on a long way. Vision Research. 49 (20), 2415-2441 (2009).
  74. Ortega, J., Plaska, C. R., Gomes, B. A., Ellmore, T. M. Spontaneous eye blink rate during the working memory delay period predicts task accuracy. Frontiers in Psychology. 13, 788231(2022).
  75. Grueschow, M., Kleim, B., Ruff, C. C. Role of the locus coeruleus arousal system in cognitive control. Journal of Neuroendocrinology. 32 (12), 12890(2020).
  76. Aston-Jones, G., Shaver, R., Dinan, T. Cortically projecting nucleus basalis neurons in rat are physiologically heterogeneous. Neuroscience Letters. 46 (1), 19-24 (1984).
  77. Foote, S. L., Bloom, F. E., Aston-Jones, G. Nucleus locus coeruleus: New evidence of anatomical and physiological specificity. Physiological Reviews. 63 (3), 844-914 (1983).
  78. Siever, L. J., Davis, K. L. Overview: Toward a dysregulation hypothesis of depression. The American Journal of Psychiatry. 142 (9), 1017-1031 (1985).
  79. Aston-Jones, G., Gold, J. I. How we say no: Norepinephrine, inferior frontal gyrus, and response inhibition. Biological Psychiatry. 65 (7), 548-549 (2009).
  80. Aston-Jones, G., Cohen, J. D. An integrative theory of locus coeruleus norepinephrine function: adaptive gain and optimal performance. Annual Review of Neurosciences. 28, 403-450 (2005).
  81. Einhauser, W., Stout, J., Koch, C., Carter, O. Pupil dilation reflects perceptual selection and predicts subsequent stability in perceptual rivalry. Proceedings of the National Academy of Sciences of the United States of America. 105 (5), 1704-1709 (2008).
  82. Yoshitomi, T., Ito, Y., Inomata, H. Adrenergic excitatory and cholinergic inhibitory innervations in the human iris dilator. Experimental Eye Research. 40 (3), 453-459 (1985).
  83. Rajkowski, J., Kubiak, P., Aston-Jones, G. Locus coeruleus activity in monkey: Phasic and tonic changes are associated with altered vigilance. Brain Research Bulletin. 35 (5-6), 607-616 (1994).
  84. Beatty, J. Task-evoked pupillary responses, processing load, and the structure of processing resources. Psychological Bulletin. 91 (2), 276-292 (1982).
  85. Beatty, J., Kahneman, D. Pupillary changes in two memory tasks. Psychonomic Science. 5, 371-372 (1966).
  86. Hess, E. H., Polt, J. M. Pupil size in relation to mental activity during simple problem-solving. Science. 143 (3611), 1190-1192 (1964).
  87. Kuchinke, L., Vo, M. L., Hofmann, M., Jacobs, A. M. Pupillary responses during lexical decisions vary with word frequency but not emotional valence. International Journal of Psychophysiology. 65 (2), 132-140 (2007).
  88. Barkley, R. A. Adolescents with attention-deficit/hyperactivity disorder: An overview of empirically based treatments. Journal of Psychiatric Practice. 10 (1), 39-56 (2004).
  89. Gau, S. S. F. em89, Shang, C. Y. Executive functions as endophenotypes in ADHD: Evidence from the Cambridge Neuropsychological Test Battery (CANTAB). Journal of Child Psychology and Psychiatry and Allied Disciplines. 51 (7), 838-849 (2010).
  90. Bora, E., Harrison, B. J., Yücel, M., Pantelis, C. Cognitive impairment in euthymic major depressive disorder: A meta-analysis. Psychological Medicine. 43 (10), 2017-2026 (2013).
  91. Rive, M. M., Koeter, M. W. J., Veltman, D. J., Schene, A. H., Ruhé, H. G. Visuospatial planning in unmedicated major depressive disorder and bipolar disorder: Distinct and common neural correlates. Psychological Medicine. 46 (11), 2313-2328 (2016).
  92. Holt, D. V., Wolf, J., Funke, J., Weisbrod, M., Kaiser, S. Planning impairments in schizophrenia: Specificity, task independence and functional relevance. Schizophrenia Research. 149 (1-13), 174-179 (2013).
  93. Lima-Silva, T. B., et al. Functional profile of patients with behavioral variant frontotemporal dementia (bvFTD) compared to patients with Alzheimer's disease and normal controls. Dementia and Neuropsychologia. 7 (1), 96-103 (2013).
  94. Karnath, H. O., Wallesch, C. W., Zimmermann, P. Mental planning and anticipatory processes with acute and chronic frontal lobe lesions: A comparison of maze performance in routine and non-routine situations. Neuropsychologia. 29 (4), 271-290 (1991).
  95. Staudigl, T., Hartl, E., Noachtar, S., Doeller, C. F., Jensen, O. Saccades are phase-locked to alpha oscillations in the occipital and medial temporal lobe during successful memory encoding. PLoS Biology. 15 (12), 2003404(2017).
  96. Faul, F., Erdfelder, E., Lang, A. G., Buchner, A. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods. 39 (2), 175-191 (2007).
  97. Ferrando, L., Bobes, J., Gibert, J., Soto, M. MINI Entrevista Neuropsiquiátrica Internacional (MINI International Neuropsychiatric Interview, MINI). Instrumentos de Detección y Orientación Diagnóstica. , Retrieved from www.novartis.es (2000).
  98. McAssey, M., Dowsett, J., Kirsch, V., Brandt, T., Dieterich, M. Different EEG brain activity in right and left-handers during visually induced self-motion perception. Journal of Neurology. 267 (1), 79-90 (2020).
  99. Kelly, R., Mizelle, J. C., Wheaton, L. A. Distinctive laterality of neural networks supporting action understanding in left- and right-handed individuals: An EEG coherence study. Neuropsychologia. 75, 20-29 (2015).
  100. O'Hare, A. J., Atchley, R. A., Young, K. M. Central and divided visual field presentation of emotional images to measure hemispheric differences in motivated attention. Journal of Visualized Experiments. (129), 56257(2017).
  101. Beatty, J. Task-evoked pupillary responses, processing load, and the structure of processing resources. Psychological Bulletin. 91 (2), 276-292 (1982).
  102. Wainstein, G., et al. Pupil size tracks attentional performance in attention-deficit/hyperactivity disorder. Scientific Reports. 7 (1), 8228(2017).
  103. Drueke, B., et al. Neural correlates of positive and negative performance feedback in younger and older adults. Behavioral and Brain Functions. 11, 17(2015).
  104. Lezak, M. D. The problem of assessing executive functions. International Journal of Psychology. 17 (1-4), 281-297 (1982).
  105. Oosterman, J. M., Wijers, M., Kessels, R. P. C. Planning or something else? Examining neuropsychological predictors of zoo map performance. Applied Neuropsychology. 20 (2), 103-109 (2013).
  106. Keil, A., et al. Committee report: Publication guidelines and recommendations for studies using electroencephalography and magnetoencephalography. Psychophysiology. 51 (1), 1-21 (2014).
  107. Abokyi, S., Owusu-Mensah, J., Osei, K. A. Caffeine intake is associated with pupil dilation and enhanced accommodation. Eye. 31 (4), 615-619 (2017).
  108. Wilhelm, B., Stuiber, G., Lüdtke, H., Wilhelm, H. The effect of caffeine on spontaneous pupillary oscillations. Ophthalmic & Physiological Optics. 34 (1), 73-81 (2014).
  109. McGinley, M. J., David, S. V., McCormick, D. A. Cortical membrane potential signature of optimal states for sensory signal detection. Neuron. 87 (1), 179-192 (2015).
  110. Slotnick, S. D. High density event-related potential data acquisition in cognitive neuroscience. Journal of Visualized Experiments. (38), 1945(2010).
  111. Lamm, C., Windischberger, C., Leodolter, U., Moser, E., Bauer, H. Co-registration of EEG and MRI data using matching of spline interpolated and MRI-segmented reconstructions of the scalp surface. Brain Topography. 14 (2), 93-100 (2001).
  112. Schwartz, D., et al. Registration of MEG/EEG data with 3D MRI: Methodology and precision issues. Brain Topography. 9, 101-116 (1996).
  113. Laeng, B., Sirois, S., Gredebäck, G. Pupillometry: A window to the preconscious? Perspectives on psychological science. Journal of the Association for Psychological Science. 7 (1), 18-27 (2012).
  114. Vandierendonck, A. A comparison of methods to combine speed and accuracy measures of performance: A rejoinder on the binning procedure. Behavior Research Methods. 49 (2), 653-673 (2017).
  115. Vandierendonck, A. Further tests of the utility of integrated speed-accuracy measures in task switching. Journal of Cognition. 1 (1), 8(2018).
  116. Levene, H. Robust tests for equality of variances. In Contributions to Probability and Statistics: Essays in Honor of Harold Hotelling. Olkin, I. , Stanford University Press. Redwood City, CA. 278-292 (1960).
  117. Zimmerman, D. W. A note on preliminary tests of equality of variances. The British Journal of Mathematical and Statistical Psychology. 57, 173-181 (2004).
  118. D'Agostino, R. B., Belanger, A., D'Agostino, R. B. A suggestion for using powerful and informative tests of normality). The American Statistician. 44 (4), 316(1990).
  119. Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples). Biometrika. 52 (3-4), 591-611 (1965).
  120. Wilcoxon, F. Individual comparisons by ranking methods. Biometrics Bulletin. 1 (6), 80(1945).
  121. Fay, M. P., Proschan, M. A. Wilcoxon-Mann-Whitney or t-test? On assumptions for hypothesis tests and multiple interpretations of decision rules. Statistics Surveys. 4, 1-39 (2010).
  122. Delorme, A., Makeig, S. EEGLAB: An open-source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  123. Dimigen, O., Sommer, W., Hohlfeld, A., Jacobs, A. M., Kliegl, R. Coregistration of eye movements and EEG in natural reading: Analyses and review. Journal of Experimental Psychology. 140 (4), 552-572 (2011).
  124. Mognon, A., Jovicich, J., Bruzzone, L., Buiatti, M. ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology. 48 (2), 229-240 (2011).
  125. Bell, A. J., Sejnowski, T. J. A non-linear information maximization algorithm that performs blind separation. Advances in Neural Information Processing Systems 7. Leen, T. K., Tesauro, G., Touretsky, D. S. , MIT Press. Cambridge, MA. edited by (1995).
  126. Plöchl, M., Ossandón, J. P., König, P. Combining EEG and eye tracking: Identification, characterization, and correction of eye movement artifacts in electroencephalographic data. Frontiers in Human Neuroscience. 6, 278(2012).
  127. Pion-Tonachini, L., Kreutz-Delgado, K., Makeig, S. ICLabel: An automated electroencephalographic independent component classifier, dataset, and website. NeuroImage. 198, 181-197 (2019).
  128. Gartner, M., Grimm, S., Bajbouj, M. Frontal midline theta oscillations during mental arithmetic: Effects of stress. Frontiers in Behavioral Neuroscience. 9, 96(2015).
  129. Wang, W., Viswanathan, S., Lee, T., Grafton, S. T. Coupling between theta oscillations and cognitive control network during cross-modal visual and auditory attention: Supramodal vs modality-specific mechanisms. PLoS One. 11 (7), 0158465(2016).
  130. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  131. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Computational Intelligence and Neuroscience. 2011, 879716(2011).
  132. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): Technical details. Methods and Findings in Experimental and Clinical Pharmacology. 24, 5-12 (2002).
  133. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: Opensource software for quasistatic bioelectromagnetics). Biomedical Engineering Online. 9, 45(2010).
  134. Destrieux, C., Fischl, B., Dale, A., Halgren, E. Automatic parcellation of human cortical gyri and sulci using standard anatomical nomenclature. Neuroimage. 53 (1), 1-15 (2010).
  135. Orr, J. M., Weissman, D. H. Anterior cingulate cortex makes 2 contributions to minimizing distraction. Cerebral Cortex. 9 (3), 703-711 (2009).
  136. Christoff, K., Gabrieli, J. D. E. The frontopolar cortex and human cognition: Evidence for a rostrocaudal hierarchical organization within the human prefrontal cortex. Psychobiology. 28 (2), 168-186 (2000).
  137. Nitschke, K., Köstering, L., Finkel, L., Weiller, C., Kaller, C. P. A meta-analysis on the neural basis of planning: Activation likelihood estimation of functional brain imaging results in the Tower of London task. Human Brain Mapping. 38 (1), 396-413 (2017).
  138. Barbey, A. K., Koenigs, M., Grafman, J. Dorsolateral prefrontal contributions to human working memory. Cortex. 49 (5), 1195-1205 (2013).
  139. Le Van Quyen, M., et al. Comparison of Hilbert transform and wavelet methods for the analysis of neuronal synchrony. Journal of Neuroscience Methods. 111 (2), 83-98 (2001).
  140. Bokil, H., Andrews, P., Kulkarni, J. E., Mehta, S., Mitra, P. P. Chronux: A platform for analyzing neural signals. Journal of Neuroscience Methods. 192 (1), 146-151 (2010).
  141. Sato, N., Yamaguchi, Y. EEG theta regulates eye saccade generation during human object-place memory encoding. Advances in Cognitive Neurodynamics ICCN 2007. , Springer. Dordrecht, the Netherlands. 429-434 (2008).
  142. Zaki, J., Ochsner, K. The need for a cognitive neuroscience of naturalistic social cognition. Annals of the New York Academy of Sciences. 1167, 16-30 (2009).
  143. Shamay-Tsoory, S. G., Mendelsohn, A. Real-life neuroscience: An ecological approach to brain and behavior research. Perspectives on Psychological Science. 14 (5), 841-859 (2019).
  144. Diamond, A. Executive functions. Annual Review of Psychology. 64, 135-168 (2013).
  145. Dudai, Y. Memory from A to Z: Keywords, Concepts and Beyond. , Oxford University Press. New York, NY. (2002).
  146. Kingstone, A., Smilek, D., Ristic, J., Friesen, C. K., Eastwood, J. D. Attention, researchers! It is time to take a look at the real world. Current Directions in Psychological Science. 12 (5), 176-180 (2003).
  147. Morris, R. G., Ward, G. Introduction to the psychology of planning. The Cognitive Psychology of Planning. Morris, R., Ward, G. , Psychology Press. Hove, UK. (2005).
  148. Zwosta, K., Ruge, H., Wolfensteller, U. Neural mechanisms of goal-directed behavior: Outcome-based response selection is associated with increased functional coupling of the angular gyrus. Frontiers in Human Neuroscience. 9, 180(2015).
  149. Owen, A. M., Doyon, J., Petrides, M., Evans, A. C. Planning and spatial working memory: A positron emission tomography study in humans. European Journal of Neuroscience. 8 (2), 353-364 (1996).
  150. Ossandon, T., et al. Efficient "pop-out" visual search elicits sustained broadband gamma activity in the dorsal attention network. Journal of Neuroscience. 32 (10), 3414-3421 (2012).
  151. Lezak, M. D. Neuropsychological Assessment., 3rd edition. , Oxford University Press. New York, NY. (1995).
  152. Lin, H., Saunders, B., Hutcherson, C. A., Inzlicht, M. Midfrontal theta and pupil dilation parametrically track subjective conflict (but also surprise) during intertemporal choice. NeuroImage. 172, 838-852 (2018).
  153. Yu, S., Mückschel, M., Beste, C. Superior frontal regions reflect the dynamics of task engagement and theta band-related control processes in time-on task effects. Scientific Reports. 12 (1), 846(2022).
  154. Nakatani, H., van Leeuwen, C. Antecedent occipital alpha band activity predicts the impact of oculomotor events in perceptual switching. Frontiers in Systems Neuroscience. 7, 19(2013).
  155. Velasques, B., et al. Changes in saccadic eye movement (SEM) and quantitative EEG parameter in bipolar patients. Journal of Affective Disorders. 145 (3), 378-385 (2013).
  156. Bodala, I. P., Li, J., Thakor, N. V., Al-Nashash, H. EEG and eye tracking demonstrate vigilance enhancement with challenge integration. Frontiers in Human Neuroscience. 10, 273(2016).
  157. Dimigen, O. Optimizing the ICA-based removal of ocular EEG artifacts from free viewing experiments. NeuroImage. 207, 116117(2020).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Visuospatial PlanningCognitive PlanningEye TrackingElectroencephalogram SystemFrontal Midline ThetaPrefrontal CortexBehavioral ParadigmWorking MemoryMaze TaskNeuropsychiatric Disorders
Video Coming Soon

Related Articles