Name: Cross-Modal Çok değişkenli Örüntü Analizi (Video) | JoVE Journal
Uploaded: 2011-11-09T13:00:00.000+00:00
Duration: 13 min 51 s
Description: Keşfedin çok değişkenli örüntü analizi ile insan beyninde çapraz modal duyusal işlemeyi. Bu yöntem, fMRI verilerini kullanarak görsel uyaranların işitsel ve somatosensory kortekslerde nasıl nöral aktivite oluşturduğunu gösterir.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Bu çalışma, Antonio ve Hanna Damasio Mathers Vakfı ve Ulusal Sağlık Enstitüleri (hibe sayısı 5P50NS019632-27) tarafından hibe tarafından desteklenmiştir.

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

Çıkar çatışması ilan etti.

Daha önceki çalışmalarda elde edilen bulgular, cross-modal MVPA &quot;zihin kulağına&quot; ve &quot;zihin dokunmatik&quot; yaşanan zihinsel görüntülerin sinirsel ilgisi incelemek için yararlı bir araç olduğunu ortaya koymaktadır. Özellikle, bu tür görüntülerin içeriği sırasıyla yakınsama sapma bölgeleri Damasio çerçevesi doğrudan ampirik destek sağlayarak, erken işitme ve somatosensoriyel korteks sinir aktivitesi ile ilişkili olduğunu göstermektedir. Bir kaç yolu tarif temel paradigma uzatılabilir. Çok açıktır ki, duyusal yöntemlerinin farklı kombinasyonları kullanarak benzer çalışmalar yürütülmektedir olabilir. Bu bağlamda, deney öncesinde bazı çapraz kalıcı dernekler kurulması başarı şansını artırabilir mümkündür. Örneğin, koku alma korteks çapraz kalıcı temsilleri çalışma, bir görme ve koku gıda maddelerinin bir dizi aynı zamanda onları teşhir ederek asal konular olabilir. Shortly sonra, fMRI tarayıcı içinde, koku koku anıları görsel ipuçları tarafından tetiklenen olacaktır ve MVPA çalışmalarda sadece koku alma korteks aktivitesine göre doğru besin öğeleri atamak için bir girişim olabilir. Diğer bir ilginç soru, erken duyusal korteks faaliyet çapraz modally indüklenen desen ses veya dokunuş aslında deneyimli indüklenen modelleri ile benzerlikler olup olmadığını, diğer bir deyişle, cam vazo paramparça benzer bir model çağırmak görme yok erken işitsel korteks sinir aktivitesi olarak aslında aynı olay işitme? Bu soru, yine MVPA yoluyla ele alınması: sınıflandırıcısından konular konular ilgili video klipleri izlerken kaydedilen verileri doğru bir şekilde ayırt etmek mümkün bazı sesler duydum kaydedilen veriler eğitilmiştir? Işitsel çalışmada, biz böyle bir sınıflandırma girişimi yaptı, ancak sonuçları (bkz. Şekil 3 ref 7 marjinal.) Ancak bu çalışmada, katılımcıların işitsel dernekler herhangi bir şekilde kontrol değildi, başka bir deyişle, biz videoları ile ilgili her konu sınıflandırıcı eğitmek için kullanılan ses parçaları ne benzer işitsel görüntüleri bilmiyorum. Yine, özel cross-modal dernekler gibi görsel-koku alma dernek için yukarıda açıklandığı gibi, konularda astarlanmalıdır sonra aynı soruyu ele almak ilginç olabilir. Bu video denemeleri sırasında deneklerin zihinsel deneyimi daha güvenilir kontrol etmek ve böylece sınıflandırıcı tahmini performans artışı olabilir izin verecek. Sonuç olarak, biz uyaranlara içinde sadece tahmin edilebilir olduğunu gösteren bir uzantısı klasik MVPA paradigma tanıttı, aynı zamanda duyu modaliteleri arasında. Böylece, MVPA kullanımı doğrudan dış duyusal stimülasyon tarafından uyarılan algısal temsilleri ilişkilendiren soruşturma ile sınırlı olmadığını göstermektedir. Aksine, MVPA dedahili tetiklenen zihinsel görüntülerin nöral substratı değerlendirmek: Damasio yakınsama sapma bölge çerçevesi uyarınca, bulgular hatıratlara dayanılarak yeniden inşa zihinsel görüntülerin bilinçli bir deneyim, erken duyusal içeriğe özgü sinir temsilcilikleri ile ilişkili olduğunu düşündürmektedir korteks.

cross-modal Çok değişkenli Örüntü analizi

Cross-Modal Multivariate Pattern Analysis

Çok değişkenli desen analizi (MVPA), fonksiyonel manyetik rezonans görüntüleme (fMRI) 1-4 veri analiz giderek daha popüler bir yöntemdir . Genellikle, yöntem, beynin belirli bölgelerinde nöral aktivitenin bir konu algısal deneyim tanımlamak için kullanılır. Örneğin, bir konu erken işitsel korteks 6 faaliyet konuşma içeriği, analog, erken görsel korteks 5 aktivite ya da algıladığı görsel ızgaralar yönünü tahmin etmek için işe alındı. Burada algısal uyaranların duyu sistemleri arasında içinde, ama tahmin değil, buna göre, klasik MVPA paradigmanın bir uzantısı mevcut. Özellikle, biz tarif yöntemi, sunulduğu bir başka yöntemleri bellek dernekler anımsatan uyaranları, bu diğer yöntemleri duyusal korteks içerik spesifik aktivite kalıplarını neden olmadığını soru adresleri.Örneğin, erken bir özel nöral aktivite paterni ile korelasyon &quot;zihin Kullanıcı kulağına&quot; de bu görüntü deneyimi olan; zemin üzerinde yıkıcı bir cam vazo bir sessiz Video klip görerek otomatik olarak gözlemcilerin çoğu ilişkili ses bir işitsel görüntü tetikler işitsel korteks? Ayrıca, konu, uluyan köpek bir video klip izlemek yerine, sanki bu etkinliği görülebiliyor desen ayrı desen? Iki önceki çalışmalarda 7,8 olarak tahmin etmek mümkün ses ve dokunmatik ima video klipler sırasıyla, nöral aktivitenin erken işitsel ve somatosensoriyel korteks dayanmaktadır. Sonuçlar buna göre Damasio 9,10 tarafından önerilen bir neuroarchitectural çerçeve doğrultusunda, anıları dayalı zihinsel görüntülerin deneyimi gibi ilgili video görünce &quot;zihin kulak&quot; bir vazo sarsan ses duyma gibi klip - içerik yeniden inşaat tarafından desteklenenÖzel erken duyusal kortekste nöral aktivitenin modelleri.

Klasik çok değişkenli model analizi bir konu (örneğin, görsel korteks aktivitesi görsel uyaranlara) ilgili korteks nöral aktivitenin algılayan duyusal uyaranlar öngörüyor. Burada, çapraz modally patern analizi geçerlidir ve gösteri, ses ve dokunmatik ima görsel uyaranlar, işitsel ve somatosensoriyel korteks aktivitesi sırasıyla tahmin edilebilir.

Cross-Modal Çok değişkenli Örüntü Analizi

Çok değişkenli örüntü analizi (MVPA), fonksiyonel manyetik rezonans görüntüleme (fMRI) verilerinin analizinde giderek daha popüler hale gelen bir yöntemdir1-4. Genellikle, ...

Aşağıdaki deneyin amacı, insan beynindeki çok modlu işlemeyi incelemek için fonksiyonel MRI verilerinin çok değişkenli örüntü analizini kullanmaktır. Bu, öncelikle deneklere tek bir duyusal modalite aracılığıyla sunulan belirli bir duyusal uyaran türü oluşturularak gerçekleştirilir. Örneğin, uyaran görseldir ancak farklı bir modalitede güçlü ilişkilendirmeler ima eder.Örneğin, denekler bu tür uyaranları algılarken, beynin ilgili modaliteyle ilişkili bölümlerindeki nöral aktivite izlenir. Bu örnekte işitsel korteksler FMRI kullanılarak kaydedilir. Kaydedilen aktivite, deneğin orijinal modalitede birkaç uyarandan hangisini algıladığını tahmin etmek amacıyla çok değişkenli örüntü analizi kullanılarak analiz edilir.Sonuçlar, birden fazla modaliteyle ilgili bilgi içeren tek modlu uyaranların, sunuldukları modalite dışındaki diğer modalitelerin erken duyusal kortekslerinde içeriğe özgü nöral aktiviteyi tetikleyebildiğini göstermektedir. Bugün tanıttığımız ve Çapraz modalite çok değişkenli örüntü analizi olarak adlandırdığımız teknik, geleneksel çok değişkenli örüntü analizinin doğal bir uzantısını temsil etmektedir; buradaki temel fark, duyusal STEMI'lerin duyusal modalitelerin içinde değil, modaliteler arasında sınıflandırılmasıdır. Bu yöntem fikri ilk olarak, yirmi yılı aşkın bir süre önce Demio tarafından tanıtılan nöro-mimari bir çerçeve için ampirik kanıtlar üretmeye çalışırken ortaya çıkmıştır.Bu videoda, sizlere sadece çok değişkenli örüntü analizi veya kısaca MVPA'nın teknik yönlerini değil, aynı zamanda bu teorik çerçeveyi de tanıtacağız. Öncelikle, MVPA ile geleneksel tek değişkenli fMRI analizi arasındaki bazı temel farklara değineceğiz. Şunları göz önünde bulundurun.Örneğin, bir denekten elma ve portakal gibi iki farklı görsel uyarıcıyı izlemesi istendiğinde, birçok deneme boyunca ortalaması alınan her iki uyarıcı da belirli bir nöral aktivite paterni oluşturur. Bu durum, burada altı hipotetik vokselin aktivasyon seviyeleriyle simgelenen primer görsel kortekste gerçekleşir. Konvansiyonel fMRI analizinde, bu paternleri analiz etmek için temel olarak iki yöntem bulunmaktadır.Birincisi, uyaranların ilgi bölgesinin tamamında indüklediği ortalama aktivite düzeyini karşılaştırmaktır. Ancak, ortalamalar arasındaki fark anlamlı olmayabilir. İkinci yöntem ise her bir voksel için bir çıkarma kontrastı oluşturmaktır.Elma koşulundaki aktivasyon seviyesi, portakal koşulundaki aktivasyon seviyesinden çıkarılır ve her bir voksel için elde edilen fark, tüm beyin kontrast görüntüsü üzerinde görselleştirilebilir. Ancak, bu farklar yine küçük olabilir ve yalnızca birkaç voksel için gerekli istatistiksel kritere ulaşabilir. Bununla birlikte, tek değişkenli analiz yöntemlerinin aksine MVPA, tüm voksellelerin aktivasyon seviyelerini eş zamanlı olarak değerlendirerek vokselleler arasındaki örüntüleri saptayabilmektedir.Aktivasyon farklarının yalnızca birkaçı tek başına anlamlı olsa da, iki örüntü bir bütün olarak değerlendirildiğinde gerçekten istatistiksel olarak farklı olabilir. Geleneksel fMRI analizi ile MVPA arasındaki bir diğer temel fark, ikinci yöntemin ters çıkarım olarak adlandırılan yöntemi kullanmasıdır. Geleneksel fMRI analizinde araştırmacı tipik olarak, iki farklı görsel uyaranın... şeklinde bir soru sorar.Örneğin, bir yüz resmi ile bir ev resmi, fusiform yüz alanı gibi belirli bir ilgi bölgesinde farklı aktivite seviyelerine yol açar. Buna karşılık MVPA, tipik olarak ters çıkarım veya kod çözme açısından ifade edilir ve belirli bir beyin bölgesindeki nöral aktivite paternine dayanarak, deneğin iki görsel uyaranın hangisini algıladığını öngörüp öngöremeyeceğimizi sorgular. Ancak, istatistiksel bir bakış açısından, iki uyaranın belirli bir beyin bölgesinde belirgin aktivite paternlerine yol açtığını söylemek ile o beyin bölgesindeki aktivite paterninin uyaranın öngörülmesine olanak tanıdığını söylemenin birbirine eşdeğer olduğunu belirtmek önemlidir.Başka bir deyişle, MVPA'nın hassasiyeti, ters bir yönde ilerlediği için değil, birkaç vokseli eş zamanlı olarak değerlendirdiği için tek değişkenli analizlerden daha üstündür. Önceki örneğe dönecek olursak, bir elma görmenin primer görsel kortekste bir portakal görmekten farklı bir nöral aktivite paterni oluşturup oluşturmadığını değerlendiren tipik bir MVPA paradigmasını ele alalım. İlk adımda, denek ayırt edilecek çok sayıda uyaranı görürken FMRI verileri kaydedilir.Elde edilen veriler daha sonra bir eğitim veri seti ve bir test veri setine ayrılır. Eğitim setindeki veriler, iki deneme türünü birbirinden ayıran nöral paternlerdeki özellikleri tespit etmeye çalışan bir patern sınıflandırıcıya girilir. Ardından, sınıflandırıcıya test setinden etiketlenmemiş veriler sunulur ve sınıflandırıcı, eğitim veri setinde tespit ettiği paternlere dayanarak her bir stimülüs için test denemelerinin her birine en olası etiketi atar.Ardından sınıflandırıcı tahmini, doğru uyaran etiketiyle karşılaştırılır ve sınıflandırıcı performansı doğru tahminlerin yüzdesi olarak hesaplanır. Örnekteki sınıflandırıcının 12 durumdan dokuzunda, yani %75 oranında doğru uyaran etiketlerini belirlediğini gördük. Böyle bir iki yönlü ayrımda şans performansı %50 olacaktır. Bu durum, V1'de portakal ve elma uyaranlarının indüklediği nöral paternler arasında gerçekten tutarlı farklar olduğunu göstermektedir.Elbette, bu sonucun önemi istatistiksel olarak kanıtlanmalıdır. Böyle bir sınıflandırma deneyinde akılda tutulması gereken önemli bir husus, eğitim ve test veri setlerinin birbirinden tamamen bağımsız olmasıdır; çünkü ancak bu durumda, eğitim oturumu sırasında öğrenilen örüntülerin genellenebilirliğine ilişkin sonuçlar çıkarılabilir. Bu nedenle, MVPA paradigmaları sıklıkla çapraz doğrulama (cross validation) olarak adlandırılan bir paradigma kullanır.Bu prosedür, belirli bir veri setinden elde edilebilecek eğitim ve test denemelerinin sayısını maksimize etmeye hizmet ederken, aynı zamanda eğitim ve test setlerinin bireysel sınıflandırma adımları sırasında üst üste binmemesini sağlar. Sekiz fonksiyonel çalıştırmanın bulunduğu aşağıdaki MVPA deneyini ele alalım. İlk çapraz doğrulama adımında, sınıflandırıcı bir ile yedi arasındaki çalıştırmalardan gelen verilerle eğitilir ve sekizinci çalıştırmadan gelen verilerle test edilir.İkinci adımda, sınıflandırıcı bir ile altı arasındaki çalışmaların yanı sıra sekizinci çalışma üzerinde eğitilir ve ardından yedinci çalışma üzerinde test edilir. Bu şemayı takip ederek, her bir çalışmanın tam olarak test çalışması olarak hizmet ettiği sekiz çapraz doğrulama adımı gerçekleştirilir. Her bir çapraz doğrulama adımı için sınıflandırıcı performansı elde edildikten sonra, bu sonuçların ortalaması alınarak genel performans belirlenir.İnternette, pi MVPA ve Princeton Nörobilim Enstitüsü tarafından sunulan araç kutusu gibi MVPA gerçekleştirmek için ücretsiz olarak erişilebilen yazılım paketleri bulunmaktadır. Az önce açıklanan modeldeki gibi deneysel paradigmalar, serebral korteksin ilgili bölümlerindeki nöral aktiviteden algısal uyaranları tahmin etmek için başarıyla kullanılmıştır; örneğin, görsel kortekslerdeki aktiviteye dayanarak görsel uyaranları veya işitsel kortekslerdeki aktiviteye dayanarak işitsel uyaranları tahmin etmek gibi. Şimdi, algısal uyaranların sadece aynı modalite içinde değil, farklı modaliteler arasında da tahmin edildiği, bu temel fikrin bir genişletmesini tanıtmak istiyoruz.Fikrimiz, algının anıların geri çağrılmasıyla karmaşık bir şekilde bağlantılı olduğu gerçeğine dayanmaktadır. Örneğin, cam bir tabanın yerde kırılma anı gibi güçlü bir işitsel çıkarımı olan görsel bir uyarıcı, zihnimizin kulağında, cam kırılmasıyla ilgili önceki karşılaşmalarımızda deneyimlediğimiz işitsel imgelerle benzerlikler paylaşan bir işitsel imgeyi otomatik olarak tetikleyecektir.Theo tarafından 1980'lerin sonlarında tanıtılan bir çerçeveye göre, parçalanan taban bölgesi ile ilgili ses arasındaki bellek ilişkisi, konverjans diverjans bölgeleri veya kısaca CD'ler olarak adlandırılan bölgelerde depolanır. Konverjans diverjans bölgeleri, duyusal sistemlerin çeşitli hiyerarşik seviyelerinde yer alan nöron toplulukları olarak kavramsallaştırılmıştır. İsimlerinden de anlaşılacağı üzere.Her seviyedeki CD'ler, alt sıra kortekslere ve turn'e yakınsak aşağıdan yukarıya projeksiyonlar alır. Aynı alt sıra kortekslere ayrışık yukarıdan aşağıya projeksiyonlar gönderirler. Yakınsak aşağıdan yukarıya projeksiyonlar sayesinde CD'ler, birden fazla modalitedeki algısal temsiller tarafından aktive edilebilir; örneğin, ayrışık yukarıdan aşağıya projeksiyonlar nedeniyle kırılan bir vazonun hem görüntüsü hem de sesi tarafından aktive edilebilirler.Ardından, ek modalitelerin erken duyusal kortekslerine geri sinyal göndererek ilişkili imgelerin yeniden yapılandırılmasını teşvik edebilirler. Bu çerçeveye göre, tamamen görsel olan ancak ses çağrıştıran bir uyaranın tetikleyeceği aktivasyon dizisini düşünün. Uyaran, öncelikle yakınsak aşağıdan yukarıya (bottom-up) projeksiyonlar aracılığıyla erken görsel kortekslerde spesifik bir nöral aktivite örüntüsü oluşturur.Erken görsel korteksler, CD'lerin ilk seviyesi olan CDZ birlerini aktive eder. İlgili erken kortikal sektördeki aktivitenin kesin paternine bağlı olarak, bir CDZ aktive olabilir veya inaktif kalabilir. CDZ birleri, tıpkı tespit edilen cdz birleri gibi, yukarıya doğru cdz ikilerine projeksiyon gönderir.Erken görsel kortekslerdeki aktivite paternleri, cdz ikileri cdz birleri arasındaki aktivite paternlerini tespit eder; birkaç cdz ikisi aktive olabilir ancak basitlik adına burada yukarıdan aşağıya projeksiyonlar aracılığıyla yalnızca bir tanesi gösterilmiştir. Cdz birleri aynı zamanda, birkaç ek c DZs CDZ ikileri seviyesi aracılığıyla erken görsel kortekslerdeki aktivite paternini tamamlayabilir. İkiler, multimodal asosyasyon kortekslerindeki CDZ uçlarına ileriye doğru projeksiyon yapar.Tekrar belirtmek gerekirse, birden fazla CDZ ucu aktif hale gelebilir, ancak basitlik adına yalnızca biri gösterilmiştir. Yine, CD Z ikileri aynı zamanda CDZ birlerine geri bildirim sinyali gönderir; bunlar da başlangıçta erken görsel kortekslerde oluşturulan örüntüyü daha da değiştirebilir. CDZ uçları, tüm modalitelerin CZ ikilerine geri bildirim sinyali gönderir.İşitsel kortekslerde, deneğin görsel olarak sunulan uyaranla ilişkili bir işitsel imgeyi zihin kulağıyla deneyimlemesini sağlayan nöral bir patern oluşturulacaktır. Somatosensoriyel modaliteye yönelik betimlenen yukarıdan aşağıya sinyalleşme, hemen hemen her görsel uyaranın aynı zamanda bazı dokunsal çağrışımlar da içerdiği gerçeğini yansıtmaktadır. Bu nedenle, çerçeve, görsel uyaran çağrıştıran bir sesin içeriğe özgü bir nöral aktivite paternine yol açacağını öngörmektedir.Erken işitsel kortekslerde. Bu nöral örüntünün MVPA kullanılarak analiz edilmesiyle, bir deneğin ses çağrıştıran çeşitli görsel uyaranlardan hangisini gördüğünün öngörülmesinin mümkün olması gerekir. İlk deneyde, denekler ses çağrıştıran nesne ve olayların yer aldığı dokuz farklı video klibi izlerken erken işitsel kortekslerden nöral aktivite kaydedilmiştir.Bu deneydeki ilgi alanı, primer işitsel korteks ve çok erken evre işitsel asosyasyon kortekslerini içeren, Semal düzlemi üzerindeki sınırlı bir bölgeydi. İkinci bir deneyde, denekler dokunma iması içeren beş farklı video klibi izlerken primer somatosensoriyel korteksten nöral aktivite kaydedildi. Bu deneyde ilgi alanı, postsentral gyrus'ta yer alan primer somatosensoriyel korteksi kapsamaktaydı.Her iki çalışma da işitsel çalışmada sekiz denek içermiştir. Bir MVPA sınıflandırıcısı, uyaran çiftleri arasındaki tüm olası iki yönlü ayırt etmelerde %50'lik şans düzeyinin üzerinde performans göstermiştir. 36 ayırt etmenin 26'sında, sınıflandırıcı performansı 0,5'lik şans düzeyinden anlamlı derecede farklı bulunmuştur.Benzer şekilde, somatosensoriyel çalışmada sınıflandırıcı tüm iki yönlü ayırt etmelerde şans düzeyinin üzerinde performans göstermiş ve 10 ayırt etmenin sekizi istatistiksel anlamlılığa ulaşmıştır. Gördüğünüz üzere, çapraz modalite çok değişkenli örüntü analizi kullanarak, ses veya dokunma çağrıştıran görsel uyaranların algılanmasının, daha önce sunulan teorik çerçeve ile uyumlu olarak, erken işitsel ve somatosensoriyel kortekslerde içeriğe özgü nöral temsillere yol açtığını kanıtlayabildik. Açıkça görülüyor ki, sunduğumuz deneysel paradigma sadece kendi deneylerimizde yer alan modalitelerle sınırlı kalmak zorunda değildir; diğer duyusal modalitelere de genişletilebilir.Bu nedenle, çevreden gelen multimodal uyaranların süreçlere nasıl dahil edildiğine dair bilgilerimizi genişletme çabasıyla, diğer grupların da bu tür araştırmaları geliştirmede bize katılacağını umuyoruz.

cross-modal-multivariate-pattern-analysis

Research

JoVE Journal

Neuroscience

Sinirbilim

Mevcut makalede, çok değişkenli analiz temelleri açıklar ve daha sık kullanılan voksel-bilge Tek değişkenli analizde tezat. Her iki tür analiz bir klinik nörobilim veri seti uygulanır. Ek iki yarım simülasyonları bağımsız veri setleri çok değişkenli sonuçların daha iyi çoğaltma göstermektedir.

Veri Nörogörüntüleme Çok Değişkenli Analiz Temelleri

Temel bileşenler analizi (PCA) gibi çok değişkenli teknikleri fonksiyonel beyin görüntüleri bölgesel değişim imza biçimlerini belirlemek için kullanılmıştır. Biz nörodejeneratif hastalıkların tanısında, hastalığın ilerlemesi değerlendirilmesi ve hasta popülasyonlarında tedavi etkilerinin objektif değerlendirme için tekrarlanabilir ağ biyolojik belirlemek için bir algoritma geliştirdik.

Nörogörüntüleme Veri kullanarak Hastalık ile ilgili Mekansal Kovaryans Desenler belirlenmesi

Önceden mamogram mimari bozulma saptanması için yöntemler göstermektedir. Odaklı yapılar doku kalıpları ışırken siteleri tespit etmek için Gabor filtreleri ve faz portreleri kullanılarak analiz edilmektedir. Her site özelliği ve spiculating desenleri temsil etmek için önlemler kullanılarak sınıflandırılmıştır. Yöntemler Meme kanserinin saptanmasında yardımcı olmalıdır.

Önceki mamogram Mimari Bozulma Algılama Via Analiz

Bilgisel bağlantı, farklı beyin bölgelerindeki çok sesli bilginin zaman akışları arasındaki yazışmayı ölçer. Çok voksel desen ayırt edilebilirlik zaman serileri bölgelerden çıkarılır ve karşılaştırılır, böylece tipik bir işlevsel bağlantı yaklaşımında tanımlanmayan ağlar ortaya çıkar.

Across Time fMRI Multi-voksel Bilgi Senkron Çıkışı Tedbir Bilgilendirici Bağlantı kullanma

Bu makale, yani terroir kavramının, içgörü kazanmak için üzüm berry transkript ve metabolitleri hedefsiz metabolomik, transkriptomik ve çok değişkenli istatistiksel analiz uygulamasını açıklar, dut kalite özellikleri çevrenin etkisi.

Üzüm Berry metabolomik ve transkriptomik aracılığıyla yorumlanır Terroir Kavramı

Protokol, büyük miktarlarda benzerlik yargıları elde etmek için deneysel bir psikofizik paradigması ve buna eşlik eden bir analiz iş akışı sunar. Paradigma, bağlam etkilerini araştırır ve benzerlik verilerinin en az beş boyutlu Öklid uzayları açısından modellenmesini sağlar.

Benzerlik Yargılarının Toplanması ve Analizi için Bir Psikofizik Paradigması

Burada, özellikle hipokampal, koku soğanı devreleri ve insan nöronal ağlarında, büyük ölçekli nöronal toplulukların hesaplama dinamiklerini araştırmak için HD-MEA'yı kullanıyoruz. Hesaplama araçlarıyla birlikte uzay-zamansal aktiviteyi yakalamak, nöronal topluluk karmaşıklığı hakkında içgörüler sağlar. Yöntem, beyin fonksiyonlarının anlaşılmasını geliştirir, potansiyel olarak biyobelirteçleri ve nörolojik bozukluklar için tedavileri tanımlar.

CMOS Entegre Yüksek Yoğunluklu Mikroelektrot Dizisi Üzerinde Multimodal Büyük Ölçekli Nöronal Topluluk Dinamiğinin Kaydedilmesi ve Analizi

Farklı ön işleme adımlarını, çoklu omik faktör analizi modelinin tahminini ve çeşitli aşağı akış analizlerini birleştiren karmaşık multi-omik veri kümelerinin denetimsiz analizi için esnek, genişletilebilir Jupyter-lab tabanlı bir iş akışı sunuyoruz.

Kardiyovasküler Hastalıklarla Bağlantılı Varyasyon Modellerini ve Moleküler Süreçleri Ortaya Çıkarmak için Denetimsiz Çoklu Oksijen Faktör Analizinin Uygulanması

Bu yazıda, sıçan primer nöronal kültürlerin ve sonraki transcriptome analizi Arna amplifikasyon kullanarak tek hücre hasat için basit bir yöntem açıklanmaktadır. Bu yaklaşım, herhangi bir hücre tipi için genellenememektedir.

Tek Hücre Transcriptome Analizi

Bu makale, farelerde öğrenme ve hafıza işlevleri değerlendirmek için bir değiştirilmiş otomatik bir aparat kullanılarak T-labirent test protokolü sunar.

T-labirent Zorla Değişim ve Çalışma ve Fareler Referans Bellek değerlendirilmesi için sağ-sol Ayrımcılık Görevler

Keşfedin çok değişkenli örüntü analizi ile insan beyninde çapraz modal duyusal işlemeyi. Bu yöntem, fMRI verilerini kullanarak görsel uyaranların işitsel ve somatosensory kortekslerde nasıl nöral aktivite oluşturduğunu gösterir.

Cross-Modal Çok değişkenli Örüntü Analizi

Daha fazla video keşfet