Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

A subscription to JoVE is required to view this content.
You will only be able to see the first 20 seconds.

 

解码听觉表象与磁模式分析

Article

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

听觉表象是一个过程,即使目前没有外部听觉刺激时,引起声音的听觉,经验。

例如,想想听到的声音的手机在响。虽然在内存内的信息是基础这个虚构的事件,证据表明个人的大脑的想象作为那些所涉及的实际感知使用相同的机制。

仅仅依靠想象铃声内听觉皮层, 的区域被激活。然而,即使跨声刺激,这是真的,如何声音进行编码,以便不同声音的详细处理 — — 像门铃编钟和在电台播放的一首歌之间的区别 — — 是一个重要的问题。

迈耶和他的同事基于以前的工作,该视频演示了如何结合功能磁共振成像 — — 功能磁共振成像 — — 与演示文稿的不同的无声影片要探讨如何对大脑的听觉表象。

我们也将描述如何使用一种称为多体素模式分析方法 — — 大脑皮层的简称 — — 预测学科有想象通过分析功能磁共振成像会议期间获得的激活模式。

在这个实验中,参与者躺在功能磁共振成像扫描仪,显示一系列的无声视频。每一个 — — 无论是公鸡,电锯切割通过一棵树,或一个弹钢琴的人 — — 唤起鲜明、 生动的听觉表象,并要求他们在每个单一的演示文稿过程中想象的声音。

影像的采集程序依赖稀疏的时域采样,而单一功能磁共振成像的卷取得了 4 到 5 s 后提出了每个刺激。这种时间安排捕获的血流动力学响应峰值并降低的可能性信号之外,还会被掩盖扫描仪噪声。

每个想象声音预计诱导神经的活动,特别是在听觉皮层的微妙却独特模式。在这里,模式是一个关键词: 经典的方式,来分析这些数据使用单变量的方法,在哪里个人素 — — 表示某种程度的激活 — — 折叠为一个单一的平均。

这些值比较再穿过的声音,可能不会产生任何明显的差别,在激活水平。

相反,使用多元统计分析、 多体素奠定了每一个声音和活化水平可以跨所有体素都集体,相比 — — 每个想象声音为独特的总体格局作出贡献。

与此多体素模式分析或大脑皮层,方法,如果模式是确实敏感的具体内容,那么就可能可以用于预测原来的刺激。没错 — — 大脑皮层通常被称为一种读心术技术 !

为了实现这个预测方面,必须收集分为训练和测试集的参与者的数据后执行更加密集处理。

从训练集的标记的数据前遭受了机器学习计算,具体而言,是一种支持向量机算法。这个过程用来准确地对数据进行分类的认识中可以区分三种类型的声音从另一个神经模式的功能。

分类器已学会准确地识别类型的功能后,与未标记数据从测试集,它提出了一种和其猜测然后相比正确刺激标签。

在这种情况下,分类性能作为因变量 — — 记录作为分类器的准确性 — — 这也相比,体素在不同的位置在大脑中,等额极诱发。

分类器预计预测的听觉表象,揭示大脑皮层的重要性在检测特定于内容的活动在听觉皮层内识别。

每个实验和安全问题,验证所有参与者都惯用右手,有正常或矫正到正常视力,没有历史的神经紊乱或幽闭恐惧症,不具备任何金属在他们的身体。同时,还要确保他们填写必要的同意表格。

在开始之前,解释,他们将看到几个短无声视频可能唤起他们的头脑中的声音的扫描仪中。问他们专注于想象的声音,"听到"他们尽其所能并仍然保持在任务的工期。

现在,准备进入扫描仪的参与者。若要查看这些步骤的详细信息,请参阅另一功能磁共振成像视频制作此集合中。

以下的准备工作,对齐参与者并发送它们在孔内。在相邻的房间里,首先收集高分辨率的解剖扫描。然后,随着功能扫描开始同步无声视频演示文稿的开始。

为了实现稀疏采样,MRI 体积的采集时间设定为 2 s,在之间的 9-s 延迟。

重要的是,协调开始每 5 s 视频剪辑开始 4 s 后以前的 MRI 收购开始捕获的血流动力学的活动对应于影片的中间。

目前每个视频 10 次,按随机顺序,生成一个扫描会话持续 5.5 分钟重复此功能的习得顺序三更多倍。

进行了四个功能扫描后,带出扫描仪,参与者和汇报他们结束研究。

若要定义感兴趣区域的表面的颞叶对应到早期的听觉皮层,也被称为颞使用高分辨率的解剖扫描的每个参与者和痕量素。此外,创建掩码包含体素在额叶,将用作控制区域。

然后,通过执行运动校正,以减少运动伪影的数据进行预处理和时间的筛选,以删除信号漂移。

接下来,将数据分成两组: 培训和测试。在一个数据集,训练分类器 — — 支持向量机算法 — — 一定要保证着数据从两个大脑区域单独为每个主题。

在另一组,评估分类器已经学到了什么 — — 它能够正确地猜测未标记数据的身份 — — 和运行记录了算法的准确性。执行此过程的共四次,留下了一个功能扫描结果作为测试数据每次 — — 这个过程被称为交叉验证。

若要可视化的数据,图平均的分类精度横跨四个交叉验证折叠每个参与者。

绘制这些平均数为主要感兴趣区域 — — 颞 — — 及管制区 — — 额极 — — 比较焦特异性的分类器,属于一个特定的领域,如听觉皮层,有选择性地预测要参与听觉想象的程度。

在这种情况下,运行非参数统计,Wilcoxon 签署等级测试,以测试性能对 33%的机会。请注意,在听觉皮层的平均分类精度是 59%,明显不同于机会水平。

相比之下,额极掩码中的平均表现为 33%,而不是从机会显著不同。

此外,注意分类器性能异个人。使用置换测试计算一种新的统计阈值的 42%之后, 看到 19 20 科目有精度值明显大于此级别使用从颞,体素,而没有有性能比使用从额极体素的机会更大。

总体来看,这些结果意味着大脑皮层技术准确地预测这三种声音的参与者并想象基于模式的神经活动。在暗示,声内容没有代表全球整个大脑的听觉皮层内只作了这样的预测。

既然你已经熟悉如何运用多体素模式分析,研究听觉表象,让我们看看心理学如何使用多元技术推进到读心的未来派的方法 — — 解码心理状态 — — 在其他域中。

分类有所得腹侧颞叶皮层的功能磁共振成像数据用于预测的各种对象参与者查看,例如区分房屋和面孔。

进一步考虑这一步,它是甚至可能预测是否个人会买那所房子或找人令人愉快。为令人毛骨悚然的声音,这些神经营销学的含义并不牵强 !

同样的方法也可用于观看表演后检测或者情绪状态 — — 认识到一场恐怖片的确可怕 — — 或甚至电影流派;例如,可怕的电影可能更可预见的从事杏仁核,在一个可靠地将涉及前额叶皮层的沉思。

此外,脑-机接口可以转换会加强沟通,个人经历言语治疗或运动,对于那些已经患上下肢截肢的信号的心理状态。

你刚看了朱庇特的视频上理解听觉意象使用多体素模式分析。现在你应该有好的理解如何设计和进行功能性神经影像,结合听觉表象实验以及最后如何分析和解释特定的大脑活动模式。

谢谢观赏 !

Read Article

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter