شناخت مغزی توالی‌های زمانی که قبلاً آموخته‌شده در مقابل توالی‌های زمانی بدیع: پردازش هم‌زمان متفاوت قسمت 1

حافظه برای توالی ها یک موضوع اصلی در علوم اعصاب است، و دهه ها مطالعه مکانیسم های عصبی زیربنایی کدگذاری مجموعه گسترده ای از توالی ها را بررسی کرده اند که در طول زمان گسترش یافته اند.

حافظه ترتیبی به این معنی است که افراد می توانند یک سری اطلاعات مانند اعداد، حروف، کلمات یا تصاویر را به خاطر بسپارند. از سوی دیگر، حافظه به توانایی ذخیره اطلاعات در مغز و یادآوری سریع آن در صورت نیاز اشاره دارد. ارتباط قوی بین این دو وجود دارد، زیرا حافظه متوالی وسیله مهمی برای آموزش و بهبود حافظه است.

فردی که حافظه خوبی دارد معمولاً از توانایی حافظه متوالی خوبی برخوردار است، می تواند اطلاعات زیادی را سریع و دقیق به خاطر بسپارد و در صورت نیاز می تواند آن ها را درک کند. چنین استعدادهایی آنها را در زندگی روزمره مفیدتر می کند تا با موفقیت با چالش های مختلف در کار و زندگی روبرو شوند.

در عین حال، می توانیم با تمرین حافظه سکانسی حافظه خود را نیز بهبود دهیم. اعم از اعداد، حروف، کلمات یا تصاویر، تنها زمانی که به طور مداوم تمرین، حفظ، مرور و تثبیت می کنیم، می توانیم تأثیر عمیقی در ناخودآگاه بگذاریم و توانایی حافظه خود را تقویت کنیم.

گفتنی است علاوه بر بهبود حافظه از طریق حافظه متوالی، می توانیم از طریق برخی روش های دیگر نیز حافظه را تقویت کنیم. به عنوان مثال، بیشتر ورزش کنید، خواب خوب داشته باشید، رژیم غذایی متعادلی داشته باشید، دانش جدید بیاموزید و غیره. اینها می توانند به عملکرد طبیعی مغز ما کمک کنند و در نتیجه حافظه ما را بهبود ببخشند.

به طور خلاصه، حافظه متوالی و حافظه ارتباط نزدیکی با هم دارند و یک رابطه مکمل بین آنها وجود دارد. با تمرین و بهبود مستمر می توانیم حافظه خود را تا حد زیادی تقویت کنیم تا بهتر بتوانیم با چالش های مختلف کنار بیاییم و از یک زندگی رنگارنگ لذت ببریم. مشاهده می شود که باید حافظه خود را تقویت کنیم. سیستانچ می تواند حافظه ما را به میزان قابل توجهی بهبود بخشد زیرا سیستانچ یک ماده دارویی سنتی چینی با اثرات منحصر به فرد بسیاری است که یکی از آنها بهبود حافظه است. اثربخشی گوشت چرخ کرده از انواع مواد فعال موجود در آن ناشی می شود، از جمله کربوکسیلیک اسید، پلی ساکاریدها، فلاونوئیدها و غیره. این مواد می توانند سلامت مغز را از طریق کانال های مختلف تقویت کنند. اثرات

روی روش‌های بهبود حافظه کلیک کنید

با این حال، اطلاعات کمی در مورد مکانیسم‌های مغزی زیربنای تشخیص توالی‌های زمانی جدید که قبلاً به خاطر سپرده شده‌اند، وجود دارد. علاوه بر این، پردازش افتراقی مغز آیتم‌های منفرد در یک توالی زمانی شنوایی در مقایسه با کل توالی مافوق کاملاً درک نشده است.

در این مطالعه مغناطیسی مغزی (MEG)، آیتم های توالی زمانی به طور مستقل به پردازش مغز محلی و سریع (2 تا 8 هرتز) مرتبط بودند، در حالی که کل توالی با همزمان جهانی و کندتر همراه بود (0.1-). 1 هرتز) پردازش شامل شبکه گسترده ای از نواحی متوالی فعال مغز. قابل‌توجه، تشخیص توالی‌های زمانی که قبلاً به خاطر سپرده شده‌اند، با فعالیت قوی‌تر در پردازش آهسته مغز همراه بود، در حالی که توالی‌های جدید نیاز به مشارکت بیشتر در پردازش سریع‌تر مغز داشتند.

به طور کلی، نتایج در جریان اطلاعات شناخته شده از مناطق پایین تر به مرتبه بالاتر مغز گسترش می یابد. آنها نقش متفاوت پردازش آهسته و سریعتر کل مغز را برای تشخیص اطلاعات قبلی در مقابل اطلاعات زمانی جدید نشان می دهند.

کلید واژه ها:

توالی های زمانی؛ تشخیص حافظه؛ مغناطیس مغزی؛ پویایی مغز؛ بازسازی منبع

معرفی

در طول سال‌ها، درک حافظه برای توالی‌ها موضوع اصلی در علوم اعصاب و علوم شناختی بوده است (فورستل و همکاران 2006؛ کومار و آناند 2015)، همانطور که در مقاله‌ای کلیدی توسط Dehaene و همکاران بررسی شد. (2015). در اینجا، نویسندگان طبقه‌بندی مکانیسم‌های پردازش توالی‌های زمانی را پیشنهاد می‌کنند که در پنج دسته با پیچیدگی فزاینده مرتب شده‌اند: (1) دانش انتقال و زمان‌بندی بین آیتم‌های بعدی دنباله، (ب) قطعه‌بندی موارد پیوسته دنباله، (iii) ) دانش ترتیبی در مورد اینکه کدام مورد اول است، (IV) الگوهای جبری که قوانین پیچیده را در یک دنباله ثبت می کنند، و (v) ساختارهای درختی تو در تو بر اساس قوانین نمادین انتزاعی.

دسته اول به پردازش انتقال از یک مورد از دنباله به بعدی اشاره دارد. این تحقیق چندین میدان/پتانسیل خودکار مرتبط با رویداد (ERP/F) را برای صداهای استاندارد و انحرافی، مانند N100 شناخته شده و منفی بودن عدم تطابق (MMN) شناسایی کرده است که نشان می‌دهد مغز می‌تواند به سرعت تغییرات در نظم توالی‌ها را تشخیص دهد. (گاریدو و همکاران، 2009؛ لیجفیجت و همکاران، 2009؛ ووست و همکاران، 2012؛ بونتی و همکاران، 2017، 2018؛ بونتی، براتیکو، کارلوماگنو، و همکاران، 2021a؛ Bonetti، Bruzzone، 2018; ، براتیکو، ووست، و همکاران 2021c).

قطعه بندی به توانایی گروه بندی موارد پیوسته در یک واحد بزرگتر اشاره دارد.

مطالعات قبلی در سطح تک سلولی نشان داده اند که تکه تکه شدن در طول کسب عادات حرکتی رخ می دهد (Fujii and Graybiel 2003; Smith and Graybiel 2013; Jin et al. 2014).

مطالعات مشابه با تصویربرداری رزونانس مغناطیسی عملکردی (fMRI) این نتایج را تأیید کرد، که نشان می‌دهد یک سازماندهی سلسله مراتبی در تقسیم‌بندی زمانی که توالی‌های زمانی حرکتی آموخته می‌شوند (کوچلین و جوباولت 2006).

همبستگی های عصبی تکه تکه شنوایی با مطالعات اضافی بیشتر مورد بررسی قرار گرفت. به عنوان مثال، کالم و همکاران. (2012) از fMRI برای کشف رمزگذاری شنوایی لیست های گروه بندی شده و گروه بندی نشده از حروف استفاده کرد و تاکید کرد که فعال شدن زیاد قشر شنوایی، پیش حرکتی و نواحی مغز پیشانی با بیش از حد حافظه در طول رمزگذاری مرتبط است.

علاوه بر این، با استفاده از الکتروانسفالوگرافی (EEG)، دینگ و همکاران. (2018) کشف کرد که رمزگذاری عصبی رویدادهای شنیداری فردی (یعنی هجاها) خودکار است، در حالی که ساخت مبتنی بر دانش تکه‌های زمانی (یعنی کلمات) به توجه متکی است.

فراتر از تقسیم بندی، دانش ترتیبی ظرفیت یادگیری و به خاطر سپردن این که کدام مورد اول، دوم و غیره در ترتیب زمانی قرار می گیرد را توصیف می کند. مطالعات قبلی نشان داده‌اند که آرایش ترتیبی یک سری موارد توسط مغز در داخل قشر جلوی مغزی داخل جداری و پشتی جانبی کدگذاری می‌شود (تراس و همکاران 2003؛ بردیوا و اولسون 2010؛ کرو و همکاران 2014).

الگوهای جبری به طرحواره های انتزاعی ذخیره شده در مغز اشاره دارد که امکان ثبت نظم های متوالی را در زیربنای دنباله ای از موارد فراهم می کند. تحقیقات قبلی نشان داد که مغز الگوهای جبری توالی‌ها را پردازش می‌کند و سطح بالاتری از نظم‌های انتزاعی را نسبت به توالی‌های ابتدایی با انحرافات حسی درک می‌کند (Endress و همکاران 2009؛ وانگ و همکاران 2015).

در نهایت، ساختارهای درختی تو در تو توسط قوانین نمادین، که اغلب در درون یکدیگر تعبیه شده اند، تولید می شوند. مطالعات قبلی شبکه زیر را از مناطق مغز درگیر در پردازش الگوهای زبانی پیچیده سازمان‌دهی شده در ساختارهای تودرتو برجسته کرده‌اند: شیار گیجگاهی فوقانی چپ (STS)، شکنج گیجگاهی میانی (MTG)، قطب‌های زمانی (TP) شکنج فرونتال تحتانی (IFG) و گیجگاهی گیجگاهی اتصال (TPJ) (Mazoyer et al. 1993; Saur et al. 2010; Friederici 2011; Rolheiser et al. 2011; Tyler et al. 2011).

سایر مشارکت‌های مرتبط در مورد اینکه چگونه مغز توالی‌های زمانی را پردازش می‌کند، از تحقیقات در پردازش شنوایی و گفتار حاصل شد. این مکانیسم‌های مغزی همزمان را پیشنهاد کرد که زیربنای درک صداها و زبان‌های انسانی است. به عنوان مثال، تنگ و همکاران. (2017) نقش همزمان باندهای فرکانسی تتا و گاما را در طول پردازش شنوایی، به طور منسجم با فرضیه "نمونه گیری نامتقارن در زمان" (AST) ارائه شده توسط پوپل (2003) نشان داد. در مطالعه دیگری که پردازش گفتار را بررسی کرد، نویسندگان نشان دادند که در حالی که فعالیت تتا محدود به قشر شنوایی است، نوار دلتا از نواحی شنوایی پایین دست منشأ می‌گیرد و توسط عدم قطعیت محرک‌ها تعدیل می‌شود (دانهاوزر و بیلت 2020).

در مجموع، این مطالعات عالی بررسی دقیق اما غیر جامعی از مکانیسم‌های مغزی زیربنای پردازش توالی‌ها و الگوهای زمانی ارائه می‌کنند. به طور خاص، در حالی که این بررسی نشان داد که چگونه آیتم‌ها از طریق مکانیسم‌های همزمان در قوانین انتزاعی تقسیم و سازمان‌دهی می‌شوند، مواردی را که ترتیب زمانی تک‌تک‌ها باعث ایجاد یک شیء (توالی) جدید و فوق‌العاده می‌شود که با ادراک جدیدی مشخص می‌شود، به طور قطعی بررسی نشد. و معنی، که می تواند رمزگذاری شود و متعاقبا بازیابی یا شناسایی شود. ملودی‌های موسیقی نمونه‌های ایده‌آلی از چنین سکانس‌هایی هستند، زیرا بسته به ترکیب صداها (آیتم‌های) آنها در طول زمان، آنها به‌عنوان اشیایی بدیع تلقی می‌شوند که معانی را منتقل می‌کنند که نمی‌توان آن‌ها را به تنهایی حمل کرد (کوک 1959).

قابل توجه است، اگرچه علوم اعصاب موسیقی در چند دهه اخیر به سرعت گسترش یافته است، اطلاعات بسیار کمی در مورد مکانیسم های مغز در مقیاس سریع زیربنای تشخیص توالی های زمانی موسیقی وجود دارد. برعکس، تحقیقات در علوم اعصاب حافظه موسیقی، دانش متفاوت و بسیار مرتبطی را در اختیار ما قرار داده است. به عنوان مثال، در یک مطالعه fMRI، Gaab و همکاران. (2003) از شرکت کنندگان خواست صداهایی را که با زیر و بم های مختلف مشخص می شوند، مقایسه کنند.

هنگامی که شرکت کنندگان این کار را به پایان رساندند، نویسندگان فعالیت، به ویژه در قشر پیشانی تحتانی گیجگاهی، سوپرمارژینال و چپ را نشان دادند. اخیراً، کومار و همکاران. (2016) نقش مرتبط قشر شنوایی اولیه، هیپوکامپ و شکنج فرونتال تحتانی و همچنین اتصال آنها را برای انجام وظایف WM شنوایی نشان داد.

به طور مشابه، Sikka و همکاران. (2015) از شرکت کنندگان خواست که موسیقی آشنا یا ناآشنا را تشخیص دهند و نشان دادند که اجرای موفقیت آمیز با فعال شدن قشر فوقانی گیجگاهی فوقانی راست، پایینی و فرونتال فوقانی دو طرفه، اوربیتو فرونتال میانی چپ، پیش مرکزی دو طرفه و سوپرمارژینال چپ مرتبط است. علاوه بر fMRI، چند مطالعه بر روی حافظه موسیقی با استفاده از مغناطیس مغزی (MEG) انجام شده است.

به عنوان مثال، آلبوی و همکاران. (2013، 2017) فعالیت مغز را در طول حفظ حافظه مورد بررسی قرار داد، و نشان داد که نوسانات تتا در جریان پشتی مغز شرکت کنندگان، توانایی آنها را برای انجام یک کار WM شنوایی پیش بینی می کند.

در یک مطالعه اخیر، Bonetti، Brattico، Carlomagno و همکاران. (2021a)، Bonetti، Bruzzone، Sedghi، و همکاران. (2021b)، Bonetti، Brattico، Vuust، و همکاران. (2021c) نشان داد که 220 میلی‌ثانیه اول رمزگذاری صدا، شبکه بزرگی از نواحی مغز متصل مانند هشل و شکنج گیجگاهی فوقانی، اپرکولوم پیشانی، شکنج سینگوله، اینسولا، عقده‌های قاعده‌ای و هیپوکامپ را نشان می‌دهد. قابل توجه است که این نواحی مغز به همان اندازه در داخل شبکه مرکزی بودند، حتی اگر قشر شنوایی و اینسولا فعالیت قوی‌تری نسبت به سایر نواحی نشان می‌دادند.

در نتیجه، تحقیقات قبلی مکانیسم‌های مغزی زیربنای پردازش چندین دسته از توالی‌های زمانی و صداهای موسیقی را برجسته کرده است. با این حال، این مطالعات تشخیص توالی‌های زمانی که قبلاً آموخته‌شده‌اند را بررسی نکردند، جایی که ترتیب آیتم‌های منفرد باعث ایجاد یک شی جدید، مافوق، جهانی می‌شود که با ادراک و معنای بدیع مشخص می‌شود و از دنباله‌های موسیقی ناشی می‌شود. به طور خاص، مکانیسم‌های افتراقی مرتبط با پردازش آیتم‌های منفرد دنباله (پردازش محلی) و تشخیص حافظه برای دنباله به عنوان یک کل، شی جدید (پردازش جهانی) به طور کامل شناخته نشده است. در مطالعه ما، با بهره مندی از داده های MEG محدود شده توسط MRI تشریحی، به این سوالات پرداختیم.

مواد و روش ها

شركت كنندگان

این مطالعه شامل 70 داوطلب بود: 36 مرد و 34 زن (محدوده سنی: 18 تا 42 سال، میانگین سنی: 4.11 ± 25.06 سال). همه شرکت کنندگان سالم بودند و هیچ سوء مصرف قبلی یا فعلی الکل و مواد مخدر را گزارش نکردند. علاوه بر این، آنها تحت هیچ نوع دارویی نبودند، اعلام کردند که هیچ گونه اختلال عصبی یا روانپزشکی قبلی ندارند و شنوایی طبیعی داشتند. علاوه بر این، وضعیت اقتصادی، تحصیلی و اجتماعی آنها همگن بود.

رویه‌های آزمایشی مطابق با اعلامیه هلسینکی - اصول اخلاقی برای تحقیقات پزشکی انجام شد و توسط کمیته اخلاق منطقه مرکزی دانمارک (De Videnskabsetiske Komitéer برای منطقه Midtjylland) تأیید شد (مرجع 1-10-72-411-17).

طراحی آزمایشی و محرک

برای تشخیص امضای مغزی تشخیص توالی زمانی، ما از یک الگوی قدیمی/جدید (Kayser et al. 2003) وظیفه تشخیص شنوایی در طول ضبط مغناطیسی مغزی (MEG) استفاده کردیم. ابتدا، شرکت کنندگان به چهار تکرار از یک نسخه MIDI از قسمت سمت راست کل پیش درآمد BWV 847 در C مینور که توسط JS Bach ساخته شده بود گوش دادند (مدت زمان کلی حدود 10 دقیقه).

دوم، 80 قطعه کوتاه موسیقایی به طول هر کدام 1250 میلی‌ثانیه به آنها ارائه شد و از آنها خواسته شد که بگویند آیا هر گزیده متعلق به پیش درآمد باخ است (سکانس "حفظ شده" (M)، قدیمی) یا یک سکانس موسیقی بدیع ("رمان") دنباله (N)، جدید) (شکل 1A). چهل گزیده از اثر باخ و 40 قطعه رمان بود.

نکته مهم این است که دو دسته محرک (M و N) برای اینکه در کار تشخیص قابل تشخیص باشند (یعنی همیشه از آهنگ‌های موسیقی متفاوتی تشکیل شده‌اند) ایجاد شده‌اند، اگرچه بین چندین متغیر مطابقت داده شده‌اند، تا از آشفتگی‌های احتمالی جلوگیری شود. M و N برای حجم، ریتم، تایم، متر، تمپو، تونالیته، آنتروپی (H) و محتوای اطلاعات (IC) همسان شدند.

همانطور که در بالا ذکر شد، ملودی های حفظ شده شامل گزیده هایی از پیش درآمد باخ بود. در این مورد، ما یک گزیده برای هر نوار موسیقی انتخاب کردیم که با پنج تن اول نوار مطابقت داشت. سپس با استفاده از کانتور ملودیک و فواصل بین نت های ملودی که با سکانس های موسیقی حفظ شده برگرفته از پیش درآمد باخ تفاوت داشت، ملودی های موسیقایی بدیع را ساختیم. 80 سکانس موسیقی به صورت نت نویسی در شکل S1 گزارش شده است.

شکل 1. طراحی آزمایشی، بازسازی منبع، و تضادهای تک موردی. الف) پس از گوش دادن به یک قطعه کامل موسیقی ساخته شده توسط جی اس باخ، مجموعه ای از قطعات ملودیک برگرفته از قطعه و یک سری ملودی جدید به شرکت کنندگان ارائه شد. آن گزیده‌ها توالی‌های زمانی را نشان می‌دهند که توسط پنج آیتم (آهنگ‌های موسیقی) ساخته شده‌اند که توسط شرکت‌کنندگان به‌عنوان «قبلاً حفظ شده» (M) یا «رمان» (N) با استفاده از یک صفحه پاسخ برچسب‌گذاری شده‌اند. ب) در حین انجام کار، فعالیت مغزی شرکت کننده با مگنتوآنسفالوگرافی ثبت شد.

در اینجا ما یک تصویر گرافیکی از داده‌های عصبی را نشان می‌دهیم که از قبل پردازش شده، باندگذر در باندهای فرکانسی مختلف فیلتر شده‌اند و دوره‌بندی شده‌اند. این شکل تحلیل‌هایی را برای دو باند فرکانسی (0.1-1 و 2-8 هرتز) نشان می‌دهد، زیرا ما فرض کردیم که این دو باند با پردازش محلی و جهانی توالی‌های زمانی مرتبط هستند. ج) تصویر گرافیکی بازسازی منبع، به طور مستقل برای 0.1-1 و 2-8 هرتز محاسبه شده است. قابل‌توجه، 0.1-1 هرتز تشخیص کل توالی (پردازش جهانی) را نمایه می‌کند، در حالی که 2 تا 8 هرتز پاسخ‌های عصبی را به هر مورد از دنباله نشان می‌دهد (پردازش محلی). د). کنتراست‌ها فعالیت مغز قوی‌تری را برای M در مقابل N در 0.1-1 هرتز (قرمز)، به‌ویژه برای موارد سوم، چهارم و پنجم نشان دادند.

چنین تفاوتی در یک شبکه بزرگ مغزی متشکل از سینگولوم، قشر گیجگاهی تحتانی، اپرکولوم پیشانی، اینسولا، و نواحی هیپوکامپ موضعی شد. در مقابل، کنتراست برای 2-8 هرتز یک فعالیت کلی قوی تر برای N در مقابل M (آبی)، به خصوص در قشر شنوایی بازگرداند. مقادیر نشان داده شده مقادیر t هستند که با تضاد فعالیت مغزی M در مقابل N به دست می آیند.

در مورد IC و H، تخمین آنها برای هر تن از حفظ شده (میانگین IC: 1.73 ± 5.70، میانگین H: 0.33 ± 4.70) و سکانس های موسیقی جدید (میانگین IC: 81/1 ± 92/5، میانگین H: 35/0 ± 78/4) با استفاده از دینامیک اطلاعات موسیقی (IDyOM) (پیرس 2018). این روش از یادگیری ماشینی برای محاسبه مقدار IC برای نت هدف استفاده می کند که بر اساس ترکیبی از نت های قبلی قطعه موسیقی شامل نت هدف و مجموعه ای از قوانین مشتق شده از مجموعه بزرگی از قطعات موسیقی غربی نمونه اولیه است. بنابراین، ما مطمئن شدیم که آی سی جهانی سکانس های موسیقی دو دسته ما (M و N) یکسان است.

در سطح رسمی، آی سی با حداقل تعداد بیت های مورد نیاز برای رمزگذاری ei مطابقت دارد و با رابطه زیر (1) توصیف می شود:

که در آن p(ei|ei−1 (i−n)+1) احتمال رویداد ei با توجه به مجموعه قبلی از ei−1 (i−n)+1 است.

آنتروپی معیاری از عدم قطعیت/قطعیت رویداد آینده را با توجه به مجموعه قبلی رویدادهای ei−1 (i−n)+1 ارائه می‌کند و

با توجه به رابطه (2)، اگر احتمال یک رویداد معین ei 1 باشد، احتمال سایر رویدادها در A خواهد بود 0. بنابراین، H نیز برابر با 0 (سناریوی حداکثر اطمینان) خواهد بود. برعکس، اگر رویدادها به یک اندازه محتمل باشند، H حداکثر خواهد بود (سناریوی حداکثر عدم قطعیت). در نتیجه، IDyOM تخمینی از قابلیت پیش‌بینی هر لحن موسیقی ارائه می‌کند، و نشان داده شده است که با ادراک انسان منسجم است (Pearce 2018؛ Sears et al. 2018).

در تجزیه و تحلیل MEG، ما فقط از کارآزمایی‌های درست تشخیص داده شده استفاده کردیم (میانگین صحیح M: 13.56 ± 78.15٪، میانگین زمان واکنش (RT): 209 ± 1871 میلی‌ثانیه؛ میانگین صحیح N: 14.12 ± 81.43، میانگین RT: 135 ± 1915 میلی‌ثانیه ).

هر دو پیش درآمد و گزیده با استفاده از Finale (MakeMusic، Boulder، CO) ایجاد شده و با نرم افزار ارائه (Neurobehavioral Systems، Berkeley، CA) ارائه شده است. پس از به دست آوردن داده های MEG، در همان روز یا روز دیگر، تصاویر ساختاری مغز شرکت کنندگان با استفاده از تصویربرداری تشدید مغناطیسی (MRI) به دست آمد.

For more information:1950477648nn@gmail.com