Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Science Education
Neuropsychology

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

פענוח תמונות שמיעתיות עם ניתוח תבניות רב-תכליתיות
 
Click here for the English version

פענוח תמונות שמיעתיות עם ניתוח תבניות רב-תכליתיות

Overview

מקור: מעבדות של ג'ונאס ט. קפלן ושרה גימבל – אוניברסיטת דרום קליפורניה

תארו לעצמכם את הצליל של פעמון מצלצל. מה קורה במוח כשאנחנו מעלה צליל כזה ב"אוזן של המוח"? ישנן עדויות הולכות וגדלות לכך שהמוח משתמש באותם מנגנונים לדמיון שהוא משתמש בהם לתפיסה. 1 לדוגמה, כאשר מדמיינים תמונות חזותיות, קליפת המוח החזותית הופכת מופעלת, וכאשר מדמיינים צלילים, קליפת המוח השמיעתית עוסקת. עם זאת, באיזו מידה ההפעלות האלה של קליפות חושיות ספציפיות לתוכן הדמיון שלנו?

טכניקה אחת שיכולה לעזור לענות על שאלה זו היא ניתוח דפוס multivoxel (MPVA), שבו תמונות מוח פונקציונליות מנותחות באמצעות טכניקות למידת מכונה. 2-3 בניסוי MPVA, אנו מאמנים אלגוריתם למידת מכונה כדי להבחין בין דפוסי הפעילות השונים המעוררים גירויים שונים. לדוגמה, אנו עשויים לשאול אם לדמיין את הצליל של פעמון מייצר דפוסים שונים של פעילות בקליפת המוח השמיעתית לעומת דמיון צליל של מסור חשמלי, או צליל של כינור. אם המסווג שלנו לומד להבדיל בין דפוסי הפעילות המוחית המיוצרים על ידי שלושת הגירויים האלה, אז אנחנו יכולים להסיק שקליפת המוח השמיעתית מופעלת בצורה ברורה על ידי כל גירוי. דרך אחת לחשוב על סוג זה של ניסוי היא שבמקום לשאול שאלה פשוט על הפעילות של אזור במוח, אנו שואלים שאלה על תוכן המידע של אזור זה.

בניסוי זה, המבוסס על מאייר ואח', 2010,4 נסמן למשתתפים לדמיין כמה צלילים על ידי הצגתם עם קטעי וידאו שקטים שעשויים לעורר דימויים שמיעתיים. מכיוון שאנו מעוניינים למדוד את הדפוסים העדינים שמעורר הדמיון בקליפת המוח השמיעתית, עדיף אם הגירויים מוצגים בדממה מוחלטת, ללא הפרעה מהרעשים הרועשים שנעשו על ידי סורק fMRI. כדי להשיג זאת, נשתמש בסוג מיוחד של רצף MRI פונקציונלי המכונה דגימה זמנית דלילה. בגישה זו, נפח fMRI יחיד נרכש 4-5 s לאחר כל גירוי, מתוזמן כדי ללכוד את השיא של התגובה המודינמית.

Procedure

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. גיוס משתתפים

  1. לגייס 20 משתתפים.
    1. המשתתפים צריכים להיות ימניים ואין להם היסטוריה של הפרעות נוירולוגיות או פסיכולוגיות.
    2. המשתתפים צריכים להיות בעלי ראייה נורמלית או מתוקנת לנורמלית כדי להבטיח שהם יוכלו לראות את הרמזים החזותיים כראוי.
    3. המשתתפים לא צריכים להיות מתכת בגוף שלהם. זוהי דרישת בטיחות חשובה בשל השדה המגנטי הגבוה המעורב fMRI.
    4. המשתתפים לא צריכים לסבול קלסטרופוביה, שכן fMRI דורש שוכב בחלל הקטן של הסורק משעמם.

2. הליכי טרום סריקה

  1. מלא ניירת סריקה מראש.
  2. כאשר המשתתפים מגיעים לסריקת ה- fMRI שלהם, הנחו אותם למלא תחילה טופס מסך מתכת כדי לוודא שאין להם אינדיקציות נגדיות ל- MRI, טופס ממצאים מקריים המעניק הסכמה לסריקה שלהם להיבדק על ידי רדיולוג, טופס הסכמה המפרט את הסיכונים והיתרונות של המחקר.
  3. הכן את המשתתפים להיכנס לסורק על ידי הסרת כל המתכת מגופם, כולל חגורות, ארנקים, טלפונים, קליפסים לשיער, מטבעות וכל התכשיטים.

3. לספק הוראות למשתתף.

  1. אמור למשתתפים שהם יראו סדרה של מספר סרטונים קצרים בתוך הסורק. הסרטונים האלה יהיו שקטים, אבל הם עשויים לעורר צליל ב"אוזן המוח" שלהם. בקש מהמשתתף להתמקד ולעודד דימויים שמיעתיים אלה, לנסות "לשמוע" את הצליל כמיטב יכולתו.
  2. להדגיש בפני המשתתף את החשיבות של שמירה על הראש שלהם עדיין לאורך הסריקה.

4. שים את המשתתף בסורק.

  1. תן את אטמי האוזניים של המשתתף כדי להגן על אוזניהם מפני הרעש של הסורק וטלפוני האוזן ללבוש כדי שיוכלו לשמוע את הנסיין במהלך הסריקה, ויש להם לשכב על המיטה עם הראש שלהם ב סליל.
  2. תן למשתתף את כדור סחיטה חירום והנחה אותם לסחוט אותו במקרה חירום במהלך הסריקה.
  3. השתמש רפידות קצף כדי לאבטח את הראש של המשתתפים ב סליל כדי למנוע תנועה עודפת במהלך הסריקה, ולהזכיר למשתתף כי חשוב מאוד להישאר בשקט ככל האפשר במהלך הסריקה, כמו אפילו התנועות הקטנות ביותר לטשטש את התמונות.

5. איסוף נתונים

  1. לאסוף סריקה אנטומית ברזולוציה גבוהה.
  2. התחל בסריקה פונקציונלית.
    1. סנכרן את תחילת מצגת הגירוי עם תחילת הסורק.
    2. כדי להשיג את הדגימה הטמפורלית הדלילה, הגדר את זמן הרכישה של נפח MRI ל- 2 שניות, עם עיכוב של 9 שניות בין רכישות נפח.
    3. הצג את הסרטונים השקטים באמצעות מחשב נישא המחובר למקרן. למשתתף יש מראה מעל עיניהם, המשקפת מסך בחלק האחורי של הסורק.
    4. סנכרן את ההתחלה של כל סרטון וידאו של 5 שניות כדי להתחיל ב- 4 שניות לאחר תחילת רכישת MRI הקודמת. פעולה זו תבטיח כי נפח MRI הבא נרכש 7 s לאחר תחילת קליפ הווידאו, כדי ללכוד את הפעילות המודינמית המתאימה לאמצע הסרט.
    5. הצג שלושה סרטונים שקטים שונים המעוררים דימויים שמיעתיים מלאי חיים: פעמון המתנדנד קדימה ואחורה, מסור חשמלי חותך דרך עץ, ואדם מנגן בכינור.
    6. בכל סריקה פונקציונלית, הצג כל סרטון 10 פעמים, בסדר אקראי. כאשר כל ניסוי נמשך 11 s, התוצאה תהיה סריקה 330 s (5.5 דקות) ארוך.
    7. בצע 4 סריקות פונקציונליות.

6. ניתוח נתונים

  1. הגדר אזור עניין (ROI).
    1. השתמשו בסריקה האנטומית ברזולוציה גבוהה של כל משתתף כדי לאתר את הווקסלים המתאימים לקליפת המוח השמיעתית המוקדמת (איור 1). זה מתאים לפני השטח של האונה הטמפורלית, שנקראת פלאנום זמני. השתמש בתכונות האנטומיות של המוח של כל אדם כדי ליצור מסכה ספציפית לקליפת המוח השמיעתית שלו.

Figure 1
איור 1: אזור של מעקב עניין. פני השטח של הפלנום זמני כבר במעקב על התמונה האנטומית ברזולוציה גבוהה של משתתף זה, והוא מוצג כאן בכחול. בירוק יש את מסכת השליטה של הקוטב הקדמי. voxels אלה ישמשו לניתוח MVPA.

  1. קדם-עיבוד הנתונים.
    1. בצע תיקון תנועה כדי להפחית את ממצאי התנועה.
    2. בצע סינון זמני כדי להסיר את הסחף האות.
  2. לאמן ולבדוק את אלגוריתם המסווג.
    1. חלק את הנתונים בערכות הדרכה ובדיקה. נתוני ההכשרה ישמשו להכשרת המסווג, ותנוני הבדיקות שנותרו ישמשו להערכת מה שלמד. כדי למקסם את העצמאות של נתוני הדרכה ובדיקה, השאירו נתונים מסריקה פונקציונלית אחת כסדרת הבדיקות.
    2. אמן אלגוריתם של מכונת וקטור תמיכה על נתוני האימון המסומנים מקליפת המוח השמיעתית בכל נושא. בדוק את יכולתו של המסווג לנחש נכון את זהות ערכת הבדיקות ללא תווית, ולתעד את דיוק המסווג.
    3. חזור על הליך זה 4 פעמים, והשמיט כל סריקה כנתונים לבדיקה בכל פעם. סוג זה של הליך, שבו כל מקטע של הנתונים נשאר בחוץ פעם אחת, נקרא אימות צולב.
    4. שלב דיוק מסווג בין 4 קפלי האימות הצולבים על-ידי ממוצע.
  3. בדיקה סטטיסטית
    1. כדי לקבוע אם המסווג מתפקד טוב יותר מההזדמנות (33%), אנו יכולים להשוות תוצאות ברמת הקבוצה במקרה. כדי לעשות זאת, לאסוף את הדיוק עבור כל נושא, ולבדוק כי ההתפלגות שונה מקרית באמצעות מבחן דרגה חתומה וילקוסון לא פרמטרי.
    2. אנחנו יכולים גם לשאול אם המסווג הוא ביצועים טובים יותר מאשר סיכוי עבור כל אדם. כדי לקבוע את ההסתברות לרמת דיוק נתונה בנתונים מקריים, צור התפלגות Null על-ידי אימון ובדיקה של אלגוריתם ה- MVPA בנתונים שהתוויות שלהם דשדשו באופן אקראי. שינוי התמתויות 10,000 פעמים כדי ליצור התפלגות Null של ערכי דיוק ולאחר מכן השווה את ערך הדיוק בפועל להפצה זו.
    3. כדי להדגים את הספציפיות של המידע בתוך קליפת המוח השמיעתית, אנו יכולים לאמן ולבדוק את המסווג על voxels ממיקום אחר במוח. כאן, נשתמש במסכה של הקוטב הקדמי, שנלקחה מאטלס טרף מעוות כדי להתאים למוח האינדיבידואלי של כל נבדק.

דימויים שמיעתיים הם תהליך המעורר את החוויה של צלילי שמיעה, גם כאשר אין גירויים שמיעתיים חיצוניים.

לדוגמה, חשוב לשמוע את קולו של צלצול טלפון סלולרי. בעוד מידע בתוך הזיכרון עומד בבסיס האירוע הדמיוני הזה, הראיות מצביעות על כך שהמוח של הפרט משתמש באותם מנגנונים לדמיון כמו אלה המעורבים בתפיסה בפועל.

רק כשדמיינו את הצלצולים, אזורים בקליפת המוח השמיעתית מופעלים. עם זאת, למרות שהדבר נכון על פני גירויים אקוסטיים, האופן שבו צלילים מקודדים כדי לאפשר עיבוד מפורט של צלילים נפרדים – כמו הבחנה בין פעמון דלת לבין שיר המתנגן ברדיו – היא שאלה חשובה.

מבוסס על עבודה קודמת של מאייר ועמיתיו, סרטון זה מדגים כיצד לשלב הדמיית תהודה מגנטית תפקודית – fMRI – עם מצגות של סרטונים שקטים שונים כדי לחקור כיצד המוח מגיב לדימויים שמיעתיים.

כמו כן, נתאר כיצד להשתמש בשיטה הנקראת ניתוח דפוסים מרובה-voxel – MVPA בקיצור – כדי לחזות את הנבדקים שדמיינו על-ידי ניתוח דפוסי הפעלה שהושגו במהלך הפעלות fMRI.

בניסוי זה, המשתתפים שוכבים בסורק fMRI ומוצגת סדרה של קטעי וידאו שקטים. כל אחד מהם – בין אם מדובר בתרנגול, מסור חשמלי החותך עץ או אדם שמנגן בפסנתר – מעורר דימויים שמיעתיים ייחודיים ומלאי חיים, והם מתבקשים לדמיין את הצלילים במהלך כל מצגת.

הליך רכישת ההדמיה מסתמך על דגימה זמנית דלילה, לפיה נפח fMRI יחיד נרכש 4 עד 5 s לאחר הצגת כל גירוי. תזמון כזה לוכד את שיא התגובה המודינמית ומפחית את הסבירות שאותות יהיו מוסווים על ידי רעש סורק.

כל צליל דמיוני צפוי לגרום לדפוסים עדינים אך ייחודיים של פעילות עצבית, במיוחד בקליפת המוח השמיעתית. כאן, תבנית היא מילת המפתח: הדרך הקלאסית לנתח נתונים אלה משתמשת בגישה לא אקטיבית, שבה voxels בודדים - המייצגים רמה מסוימת של הפעלה - מכווצים לממוצע אחד.

ערכים אלה משווים לאחר מכן בין צלילים ואינם עשויים להפיק הבדלים משמעותיים ברמות ההפעלה.

במקום זאת, באמצעות ניתוח רב-משתני, הווקסלים מרובים מונחים עבור כל צליל וניתן להשוות את רמות ההפעלה באופן קולקטיבי, בכל ה-voxels – מה שתורם לתבנית כוללת ייחודית עבור כל צליל דמיוני.

עם ניתוח דפוסים מרובה ווקסלים זה, או MVPA, גישה, אם הדפוסים אכן רגישים לתוכן ספציפי, אז זה אפשרי כי הם יכולים לשמש כדי לחזות את הגירוי המקורי. זה נכון - MVPA מכונה לעתים קרובות טכניקה לקריאת מחשבות!

כדי להשיג היבט חיזוי זה, יש לבצע עיבוד אינטנסיבי יותר לאחר איסוף נתוני המשתתפים, המחולקים ערכות הדרכה ובדיקה.

נתונים מסומנים מערכת האימונים כפופים תחילה לחישובי למידת מכונה, במיוחד, אלגוריתם של מכונת וקטור תמיכה. תהליך זה משמש לסווג נתונים במדויק על ידי זיהוי תכונות בדפוסים העצביים שעשויים להבחין בין שלושת סוגי הצלילים זה מזה.

לאחר שהמסווג למד תכונות לזיהוי מדויק של הסוגים, הוא מוצג עם נתונים ללא תווית מערכת הבדיקות, וניחושיו מושוים לאחר מכן לתוויות הגירויים הנכונות.

במקרה זה, ביצועי הסיווג משמשים כמשתנה התלוי – הנרשם כדיוק המסווג – השווה גם לווקסלים המעוררים במיקום אחר במוח, כגון הקוטב הקדמי.

המסווג צפוי לחזות את הזיהוי של דימויים שמיעתיים, לחשוף את החשיבות של MVPA בזיהוי פעילות ספציפית לתוכן בתוך קליפת המוח השמיעתית.

על פי חששות ניסיוניים ובטיחותיים, ודאו כי כל המשתתפים הם ימניים, יש ראייה נורמלית או מתוקנת לנורמלית, אין היסטוריה של הפרעות נוירולוגיות או קלסטרופוביה, ואין להם מתכת בגופם. כמו כן, ודא שהם ממלאים את טפסי ההסכמה הדרושים.

לפני שתמשיך, הסבר שהם יראו כמה קטעי וידאו שקטים קצרים בסורק שעשויים לעורר צליל במוחם. בקש מהם להתמקד בצלילים המדומיינים, "לשמוע" אותם כמיטב יכולתם, ולהישאר דומם למשך הפעילות.

עכשיו, הכינו את המשתתף לכניסה לסורק. כדי לראות שלבים אלה בפירוט, עיין בסרטון fMRI אחר שהופק באוסף זה.

לאחר ההכנה, ליישר את המשתתף ולשלוח אותם בתוך משעמם. בחדר הסמוך, אסוף תחילה סריקה אנטומית ברזולוציה גבוהה. לאחר מכן, סנכרן את תחילת מצגת הווידאו השקטה עם תחילת הסריקה הפונקציונלית.

כדי להשיג דגימה זמנית דלילה, הגדר את זמן הרכישה של נפח MRI ל- 2 שניות, עם עיכוב של 9 שניות בין לבין.

חשוב לציין, לתאם את ההתחלה של כל סרטון וידאו של 5 שניות כדי להתחיל 4 s לאחר רכישת MRI הקודמת מתחילה ללכוד את הפעילות המודינמית המתאימה לאמצע הסרט.

הצג כל סרטון 10 פעמים, בסדר אקראי, יצירת הפעלת סריקה אחת שנמשכת 5.5 דקות. חזור על רצף רכישה פונקציונלי זה שלוש פעמים נוספות.

לאחר ארבע הסריקות התפקודיות בוצעו, הוציאו את המשתתף מהסורק ותחקרו אותם כדי לסיים את המחקר.

כדי להגדיר אזורים מעניינים, השתמש בסריקות האנטומיות ברזולוציה גבוהה של כל משתתף ועקבות ווקסלים על פני השטח של האונה הטמפורלית המתאימה לקליפת המוח השמיעתית המוקדמת, הידועה גם בשם פלנום זמני. בנוסף, ליצור מסכה המכילה voxels באונה הקדמית, אשר ישמש אזור הבקרה.

לאחר מכן, מעבד מראש את הנתונים על-ידי ביצוע תיקון תנועה כדי להפחית את ממצאי התנועה וסינון זמני כדי להסיר את הסחף האות.

לאחר מכן, חלק את הנתונים לשתי קבוצות: אימונים ובדיקות. בערכת נתונים אחת, אמן מסווג - אלגוריתם של מכונת וקטור תמיכה - הקפד להפריד נתונים משני אזורי המוח עבור כל נושא.

בערכה השנייה, להעריך את מה שלמד המסווג – יכולתו לנחש נכון את זהותם של נתונים ללא תווית – ולתעד את דיוק האלגוריתם בריצות. בצע הליך זה בסך הכל ארבע פעמים, והשמיט סריקה פונקציונלית אחת כנתונים לבדיקה בכל פעם - תהליך הנקרא אימות צולב.

כדי להציג את הנתונים באופן חזותי, גרף את דיוק המסווג הממוצע על-פני ארבעת קפלי האימות הצולבים עבור כל משתתף.

התווו ממוצעים אלה הן עבור אזור העניין העיקרי – הפלנום הזמני – והן עבור אזור הבקרה – הקוטב הקדמי – כדי להשוות את הספציפיות המוקדית של המסווג, המידה שבה אזור מסוים, כגון קליפת המוח השמיעתית, צפוי להיות מעורב באופן סלקטיבי בדמיון שמיעתי.

במקרה זה, הפעל סטטיסטיקה לא פרמטרית, מבחן דירוג החתום של וילקוסון, כדי לבדוק ביצועים מול מקריות, שהוא 33%. שים לב כי דיוק המסווג הממוצע בקליפת המוח השמיעתית היה 59%, וזה שונה באופן משמעותי מרמת הסיכוי.

לעומת זאת, הביצועים הממוצעים במסכת הקוטב הקדמי היו 33%, וזה לא שונה באופן משמעותי מההזדמנות.

יתר על כן, שים לב שביצועי המסווגים השתנו בין אנשים. לאחר שימוש במבחן תמורות כדי לחשב סף סטטיסטי חדש של 42%, ראה כי 19 מתוך 20 נבדקים היו ערכי דיוק גבוהים באופן משמעותי מאשר רמה זו באמצעות voxels מן הטמפורלי פלאנום, בעוד שאף אחד לא היה ביצועים גדולים יותר מאשר במקרה באמצעות voxels מהקוטב הקדמי.

בסך הכל, תוצאות אלה מרמזות כי טכניקות MVPA ניבאו במדויק אילו משלושת הצלילים המשתתפים דמיינו בהתבסס על דפוסים של פעילות עצבית. תחזיות כאלה נעשו רק בתוך קליפת המוח השמיעתית, מה שמצביע על כך שתוכן אקוסטי אינו מיוצג ברחבי העולם בכל המוח.

כעת, כאשר אתם מכירים כיצד ליישם ניתוח דפוסים רב-ווקסל כדי לחקור דימויים שמיעתיים, בואו נבחן כיצד נוירופסיכולוגים משתמשים בטכניקות רב-משתניות כדי לקדם גישה עתידנית לקריאת מחשבות – פענוח מצבים נפשיים – בתחומים אחרים.

מסווגים שימשו על נתוני fMRI שהתקבלו מקליפת המוח הטמפורלית הגחונית כדי לחזות את סוגי האובייקטים המשתתפים צפו, הבחנה בין בתים ופנים, למשל.

אם ניקח את זה צעד אחד קדימה, אפשר אפילו לחזות אם האדם יקנה את הבית הזה או ימצא את האדם נעים. עד כמה שזה נשמע מפחיד, ההשלכות הנוירומרקטינג האלה לא מופרכות!

אותה גישה יכולה לשמש גם לזיהוי מצבים רגשיים לאחר צפייה בתוכנית – הכרה בכך שסרט מפחיד הוא אכן מפחיד – או אפילו את ז'אנר הקולנוע; למשל, הסרט המפחיד עשוי להעסיק את האמיגדלה כצפוי יותר על פני סרט מהורהר שיכלול באופן אמין את קליפת המוח הקדם-מצחית.

בנוסף, ממשקי מוח-מחשב יכולים להמיר מצבים נפשיים לאותות שישפרו את התקשורת, במקרה של אנשים שעוברים טיפול בדיבור, או תנועות, עבור אלה שסבלו מקטיעה של איבר.

הרגע צפית בסרטון של JoVE על הבנת תמונות שמיעתיות באמצעות ניתוח דפוסים מרובה ווקסלים. עכשיו אתה צריך להבין היטב כיצד לעצב ולנהל את ניסוי הדמיה השמיעתי בשילוב עם הדמיה תפקודית, ולבסוף כיצד לנתח ולפרש דפוסים ספציפיים של פעילות המוח.

תודה שצפיתם!

Subscription Required. Please recommend JoVE to your librarian.

Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

דיוק המסווג הממוצע בפלנום הזמני על פני כל 20 המשתתפים היה 59%. על פי מבחן הדרגה החתומה של וילקוסון, זה שונה באופן משמעותי מרמת הסיכוי של 33%. הביצועים הממוצעים במסכת הקוטב הקדמי היו 32.5%, וזה לא יותר מהתאונה (איור 2).

Figure 2
איור 2. ביצועי סיווג בכל משתתף. עבור סיווג משולש, ביצועי סיכוי הוא 33%. על פי בדיקת תמורות, רמת האלפא של p < 0.05 תואמת ל -42%.

בדיקת התמורות מצאה כי רק 5% מהתמרורות השיגו דיוק העולה על 42%; לכן, הסף הסטטיסטי שלנו עבור נושאים בודדים הוא 42%. ל-19 מתוך 20 הנבדקים היו ביצועים מסווגים גבוהים משמעותית מהסיכוי להשתמש בווקסלים מהפלנום הזמני, בעוד שלאף אחד מהם לא היו ביצועים גדולים יותר מהמקצוע באמצעות ווקסלים מהקוטב הקדמי.

לכן, אנו מסוגלים לחזות בהצלחה מדפוסי פעילות בקליפת המוח השמיעתית איזה משלושת הצלילים שהמשתתף דמיין. לא הצלחנו לבצע תחזית זו בהתבסס על דפוסי פעילות מהקוטב הקדמי, מה שמצביע על כך שהמידע אינו גלובלי בכל המוח.

Subscription Required. Please recommend JoVE to your librarian.

Applications and Summary

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

MVPA הוא כלי שימושי להבנת האופן שבו המוח מייצג מידע. במקום לשקול את מהלך הזמן של כל ווקסל בנפרד כמו בניתוח הפעלה מסורתי, טכניקה זו שוקלת דפוסים על פני voxels רבים בבת אחת, ומציע רגישות מוגברת לעומת טכניקות univariate. לעתים קרובות ניתוח רב משתני חושף הבדלים שבהם טכניקה חד-לאומית אינה מסוגלת. במקרה זה, למדנו משהו על המנגנונים של דימויים מנטליים על ידי חקר תוכן המידע באזור מסוים של המוח, קליפת המוח השמיעתית. יהיה קשה לבדוק את האופי הספציפי לתוכן של דפוסי הפעלה אלה עם גישות לא אקטיביות.

ישנם יתרונות נוספים הנובעים מכיוון של הסקת מסקנות בסוג זה של ניתוח. ב- MVPA אנו מתחילים עם דפוסים של פעילות מוחית ומנסים להסיק משהו על המצב הנפשי של המשתתף. סוג זה של גישה של "קריאת מוח" יכול להוביל להתפתחות ממשקי מוח-מחשב, ועשוי לאפשר הזדמנויות חדשות לתקשורת עם אנשים עם לקויי דיבור או תנועה.

Subscription Required. Please recommend JoVE to your librarian.

References

  1. Kosslyn, S.M., Ganis, G. & Thompson, W.L. Neural foundations of imagery. Nat Rev Neurosci 2, 635-642 (2001).
  2. Haynes, J.D. & Rees, G. Decoding mental states from brain activity in humans. Nat Rev Neurosci 7, 523-534 (2006).
  3. Norman, K.A., Polyn, S.M., Detre, G.J. & Haxby, J.V. Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends Cogn Sci 10, 424-430 (2006).
  4. Meyer, K., et al. Predicting visual stimuli on the basis of activity in auditory cortices. Nat Neurosci 13, 667-668 (2010).

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

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

Waiting X
Simple Hit Counter