Menjelajahi Aliran Informasi Dari Korteks Posteromedial Selama Memori Kerja Visuospasial: Studi Magnetoensefalografi Bagian 3

Terakhir, kami mengambil rata-rata aliran informasi antara masing-masing pasangan ROI di tiga zaman yang relevan secara fungsional, sesuai dengan fase tugas pengkodean, pemeliharaan, dan pengambilan, dan menanyakan apakah variabilitas antar subjek dalam aliran informasi berkorelasi dengan variabilitas dalam kinerja tugas.

Dalam masyarakat modern, jumlah informasi yang kita terima sangatlah besar. Kita dikelilingi oleh banyak sekali informasi setiap hari, mulai dari pesan yang kita terima di ponsel hingga berita dan iklan yang kita lihat di media sosial. sebagian besar waktu dan perhatian kita. Dalam hal ini, kita mudah merasa lelah, namun arus informasi yang rata-rata dapat membantu kita meningkatkan daya ingat.

Pertama, lebih banyak arus informasi memungkinkan kita melatih otak kita dengan lebih baik. Ketika kita terus menerima informasi dan pengetahuan baru, otak kita perlu terus-menerus memproses dan menyimpan informasi tersebut, sehingga menambah beban otak. Karya ini merupakan latihan fungsi otak, yang dapat membantu kita meningkatkan kemampuan berpikir dan menganalisis, agar lebih baik dalam menghadapi situasi kompleks. Sama seperti tubuh yang membutuhkan olahraga agar tetap sehat, otak juga membutuhkan tantangan terus-menerus untuk meningkatkan kemampuannya.

Kedua, arus informasi yang lebih banyak dapat membantu kita memperluas wawasan kita. Jika kita hanya menerima informasi terbatas, pandangan kita akan terbatas pada wilayah kecil. Dan ketika kita dapat memperoleh lebih banyak informasi, kita dapat mempelajari topik dan hal yang lebih luas. Hal ini dapat membantu kita melihat dunia secara lebih utuh dan meningkatkan wawasan serta penilaian kita. Hal ini membantu kita lebih memahami budaya dan perspektif yang berbeda, sehingga dapat beradaptasi dan berintegrasi dengan lebih baik ke dalam lingkungan sosial yang kompleks.

Terakhir, arus informasi yang rata-rata juga dapat merangsang rasa ingin tahu kita. Saat kami terus menerima informasi baru, kami mendapati diri kami tertarik pada lebih banyak topik dan bidang. Hal ini dapat merangsang rasa ingin tahu dan keinginan kita terhadap ilmu pengetahuan, sehingga membuat kita semakin terpacu untuk menggali ilmu lebih jauh. Terlihat bahwa arus informasi yang rata-rata juga dapat meningkatkan dorongan diri dan antusiasme kita.

Singkatnya, arus informasi rata-rata dapat membantu kita meningkatkan fungsi otak, memperluas wawasan, dan merangsang rasa ingin tahu. Ketika kita memiliki ingatan yang lebih baik, kita akan mempelajari pengetahuan dan keterampilan baru dengan lebih mudah dan mengatasi tantangan kompleks dengan lebih baik. Oleh karena itu, kita harus secara aktif menerima lebih banyak informasi dan menjadikan diri kita orang yang lebih pintar dan serba bisa. Terlihat bahwa kita perlu meningkatkan daya ingat, dan Cistanche deserticola dapat meningkatkan daya ingat secara signifikan karena Cistanche deserticola merupakan bahan obat tradisional Tiongkok yang memiliki banyak khasiat unik, salah satunya meningkatkan daya ingat. Khasiat daging cincang berasal dari berbagai bahan aktif yang dikandungnya, antara lain asam, polisakarida, flavonoid, dll. Bahan-bahan tersebut dapat meningkatkan kesehatan otak dengan berbagai cara.

Klik tahu cara untuk meningkatkan daya ingat Anda

Masa "pengkodean" mencakup 180 ms pertama setelah timbulnya masing-masing dari empat permulaan rangsangan pengkodean, dan zaman "pemeliharaan" mencakup periode pemeliharaan dari 180 ms setelah permulaan rangsangan pengkodean keempat sampai permulaan rangsangan pengambilan yang paling awal, dan masa "pengambilan" berhubungan dengan permulaan stimulus pengambilan hingga akhir percobaan.

Untuk peserta dengan durasi stimulus pengkodean terpendek (180 ms), ketiga periode ini mencakup 3440 ms pertama sejak permulaan uji coba; sedangkan untuk peserta dengan durasi pengkodean stimulus terlama (320 ms), epoch terakhir selesai pada 4000 ms.

Di seluruh peserta, waktu reaksi rata-rata adalah 1,99 detik setelah dimulainya pengambilan stimulus (kuartil bawah hingga atas: 1,69–2,27 detik), yang berarti bahwa masa "pengambilan" mencakup kira-kira waktu hingga peserta memberikan respons.

Di setiap zaman ini, untuk setiap pasangan ROI, kami membuat rata-rata data dari titik waktu yang setidaknya terdapat bukti aliran informasi sedang (yaitu, BF .3, q, 0.05) dalam setidaknya satu arah antara pasangan ROI. Kami mengecualikan data dari titik waktu yang tersisa untuk meminimalkan kontribusi data dari saat lemah atau tidak ada bukti aliran informasi antar ROI.

Dalam setiap kasus, kami melaporkan perbedaan rata-rata dalam aliran informasi (DiffA.B), dan korelasi linier (Pearson) (r) antara kinerja perilaku rata-rata peserta selama sesi MEG dan perbedaan rata-rata dalam aliran informasi DiffA.B selama zaman yang relevan. Kami mengulangi analisis ini (rata-rata DiffA.B dan korelasinya dengan perilaku) untuk masing-masing dari 10,000 sampel data bootstrappednull, sehingga menghasilkan distribusi 10,000 mean nol dan nilai r.

Adapun hasil lainnya, kami melaporkan 95% pusat dari nilai nol ini, dan kami menggunakan distribusi nol ini untuk menentukan nilai p, dalam hal ini mendefinisikan nilai p sebagai proporsi nilai rata-rata nol atau nilai r dengan nilai absolut yang lebih besar daripada yang diamati. nilai (uji dua sisi). Terakhir, kami menerapkan koreksi FDR pada nilai p ini untuk mengoreksi beberapa perbandingan lintas zaman dan menghitung BF untuk setiap rata-rata dan korelasi.

Ketersediaan data. Data dari eksperimen MEG tersedia secara online secara gratis dari Open Science Framework (https://doi.org/10.17605/OSF.IO/MW3J2). Repositori online ini mencakup data mentah yang tidak teridentifikasi dari eksperimen MEG, rincian waktu stimulus untuk setiap peserta, dan kode MATLAB yang digunakan untuk melakukan analisis yang dilaporkan di sini.

Hasil

Analisis klasifikasi

Kami menggunakan serangkaian analisis klasifikasi untuk menguji waktu di mana sinyal MEG di OC, VTC, PMC, dan PFC berisi informasi tentang lokasi dan gambar setiap stimulus selama kinerja memori kerja visuospasial.

Penguraian kode lokasi di setiap stimulus ditunjukkan pada Gambar 3, dan penguraian gambar pada setiap lokasi ditunjukkan pada Gambar 4. Penguraian kode lokasi stimulus lebih tinggi daripada penguraian identitas stimulus; namun untuk penguraian kode lokasi dan identitas, terdapat bukti periode decoding di atas peluang setiap stimulus di semua ROI.

Untuk menguraikan lokasi stimulus, kami menemukan periode penguraian kode lokasi dan identitas dengan peluang lebih tinggi untuk masing-masing dari empat rangsangan pengkodean serta pengambilan stimulus berdasarkan sinyal dari OC, VTC, PMC, atau PFC [q, 0.05 , dengan koreksi FDR untuk beberapa perbandingan antar rentang waktu, termasuk efek sedang (BF .3) dan kuat (BF .10)]. Untuk mendekode identitas gambar stimulus (Gbr. 4), kami menemukan kinerja pengklasifikasi yang lebih lemah secara keseluruhan, dengan proporsi yang benar pada urutan besarnya lebih rendah daripada untuk mendekode lokasi. Meskipun akurasi keseluruhannya lebih rendah, analisis statistik menunjukkan bahwa penguraian setiap identitas stimulus jauh di atas peluang untuk beberapa titik waktu di semua ROI.

Di semua ROI, penguraian kode lokasi dan identitas stimulus mengikuti evolusi serupa dari waktu ke waktu, dengan puncak awal, kemudian menurun, konsisten dengan sinyal yang terutama didorong oleh respons visual terhadap stimulus. Kami memperkirakan informasi stimulus di OC akan mendahului ROI lainnya, namun puncak awal dalam decoding di OC, VTC, dan PMC terjadi pada waktu yang hampir bersamaan. Hal ini menunjukkan bahwa mungkin ada beberapa "kebocoran sinyal" antara ROI di lokalisasi sumber kami (kami kembali ke pertanyaan ini ketika mempertimbangkan hasil IFA, di bawah). Meskipun demikian, perbedaan antara ROI menunjukkan bahwa analisis ini juga menangkap sinyal yang tidak tumpang tindih di seluruh ROI . Misalnya, untuk menguraikan lokasi stimulus, akurasi relatif pada; 100 ms versus; 300 ms setelah permulaan stimulus yang relevan bervariasi antar ROI.

Pada Gambar 3A–D dan 4A–D, cenderung terdapat periode pendek penguraian peluang di atas selama pemrosesan stimulus pengambilan. Hal ini mungkin mencerminkan beberapa proses saraf yang membandingkan stimulus pengambilan dengan lokasi dan identitas yang diingat, terutama jika hal ini berlangsung hingga kemudian (misalnya, 300 ms) setelah permulaan stimulus pengambilan.

Namun, kita tidak dapat mengesampingkan bahwa decoding pada saat-saat ini dapat didorong oleh respon saraf terhadap stimulus pengambilan jika ada sedikit ketidakseimbangan dalam penyeimbangan percobaan. Misalnya, periode singkat penguraian kode di atas peluang sebelum timbulnya stimulus yang relevan (misalnya, sekitar waktu pengodean stimulus pertama pada Gambar 3B–E dan 4B–E) jelas tidak dapat didorong oleh respons terhadap stimulus yang didekodekan.

Hal ini mungkin muncul karena setiap percobaan didefinisikan mencakup empat lokasi berbeda dan empat identitas berbeda selama pengkodean; jadi, misalnya, mendekode Lokasi 1 versus Lokasi 3 untuk mengkodekan Stimulus 2 sama dengan mendekode "bukan Lokasi 1" versus "bukan Lokasi 3" untuk rangsangan pengkodean lainnya. Apa pun yang terjadi, hasil kami menunjukkan bahwa sinyal berdasarkan lokasi atau identitas stimulus yang diingat sangat lemah dibandingkan dengan sinyal kuat yang terdiri dari respons yang didorong secara visual.

JIKA

Kami selanjutnya mempertimbangkan interaksi kausal Granger antara masing-masing pasangan ROI menggunakan IFA. Bahkan ketika kinerja pengklasifikasi rendah, secara keseluruhan mungkin ada sinyal kecil dan asli yang mendorong perbedaan dalam pola kinerja pengklasifikasi di banyak klasifikasi berpasangan yang berbeda untuk setiap kelompok waktu. Namun, untuk memastikan pengukuran aliran informasi kami tidak didorong oleh efek palsu, kami melakukan analisis ini dengan menggunakan klasifikasi hanya stimulus terbaru untuk setiap masa percobaan (lihat Bahan dan Metode).

IFA secara khusus menguji perbedaan antara ROI dan struktur temporal dari perbedaan ini, menjadikannya berpotensi lebih sensitif dibandingkan kinerja pengklasifikasi rata-rata untuk mendeteksi perbedaan antara ROI. Hasil IFA kami antara PMC dan semua ROI lainnya ditunjukkan pada Gambar 5, dengan interaksi antara ROI lainnya ditunjukkan pada Gambar 6.

IFA mengungkapkan periode interaksi kausal Granger yang signifikan antara masing-masing pasangan ROI [q, 0.05, dengan koreksi FDR, termasuk waktu efek sedang (BF .3) dan kuat (BF .10)] di seluruh fase uji coba (pengkodean, pemeliharaan, dan pengambilan).

Arus informasi (plot paling atas dalam setiap kasus untuk Gambar 5 dan 6) paling kuat di setiap arah mendekati periode kinerja pengklasifikasi yang lebih tinggi; namun dalam setiap pasangan ROI, kekuatan relatif masing-masing ROI dalam mempengaruhi ROI lainnya bervariasi dari waktu ke waktu, sebagaimana tercermin dalam plot yang berbeda. Ketika OC dipasangkan dengan ROI lainnya, aliran informasi dari OC cenderung lebih tinggi daripada aliran informasi ke OC segera setelah setiap stimulus dimulai, konsisten dengan respons yang didorong oleh stimulus.

Hal ini terutama terlihat pada zaman pengkodean, dimana perbedaan rata-rata dalam aliran informasi antara OC dan ROI lainnya (rata-rata DiffOC. ) bervariasi dari {{0}}.094 hingga 0. 127, dan BF menunjukkan serangkaian dampak kuat yang mendukung aliran informasi yang lebih besar dari OC ke area lain (q, 0,05, BF 0,10 pada setiap kasus). Ada juga efek moderat dari arus informasi dari OC ke PMC yang melebihi arah sebaliknya. selama pemeliharaan (rata-rata DiffOC.PMC=0.042, q, 0.05, BF=3.19).

Kami sangat tertarik pada apakah ada bukti aliran informasi dari PMC yang membentuk respons di bidang lain. Bukti terkuat untuk hal ini adalah antara PMC dan PFC. Rata-rata aliran informasi dari PMC ke PFC cenderung melebihi arah sebaliknya di semua zaman, dengan dampak yang kuat selama pengkodean (rata-rata DiffPMC.PFC {{0}}.056, q, 0.05, BF=18.70), dan sedang berpengaruh selama pemeliharaan (rata-rata DiffPMC.PFC=0.025,q, 0.05, BF=7.33), namun bias ini tidak mencapai signifikansi selama pengambilan (rata-rata DiffPMC.PFC=0. 014, q .0,05, BF=0,77). Kursus waktu pada Gambar 5C menunjukkan bahwa, di seluruh masa percobaan, aliran informasi dari PMC ke PFC paling kuat pada saat respons awal yang didorong oleh stimulus terhadap setiap stimulus. Dengan OC, PMC menunjukkan bukti aliran informasi yang lebih besar di bagian akhir zaman pengambilan (Gambar 5A). Jika dirata-rata sepanjang periode pengambilan, perbedaan ini bias terhadap PMC DrivingOC, namun pengaruhnya kecil (rata-rata DiffPMC.PFC=0.029, q, 0.05,BF=1.59).

Di seluruh pasangan ROI yang tersisa, satu-satunya kasus dengan efek sedang atau lebih besar (BF .3) adalah antara VT dan PFC (Gbr. 6C), selama pengkodean (rata-rata DiffVT.PFC=0.057, q , 0.05, BF=4.00) dan pengambilan (rata-rata DiffVT.PFC=0.040, q, 0.05, BF=57.79) . Sedangkan untuk OC, waktu dimana VT mendominasi arus informasi dengan PFC konsisten dengan respon awal yang didorong oleh stimulus (misalnya, bandingkan waktu dominasi VT pada Gambar 6C dan OC pada Gambar 6B). Secara keseluruhan, hanya terdapat sedikit bukti bahwa PFC mendominasi arus informasi ke wilayah lain.

Terakhir, untuk setiap masa percobaan, kami mengkorelasikan rata-rata aliran informasi antara setiap pasangan ROI dengan akurasi perilaku di seluruh peserta. Tak satu pun dari korelasi ini mencapai signifikansi statistik setelah dikoreksi untuk beberapa perbandingan, dan tidak ada korelasi yang mencapai tingkat efek moderat (BF.3). Hal ini menunjukkan bahwa ukuran sampel kami yang relatif kecil tidak cukup untuk mendeteksi kekuatan prediktif aliran informasi untuk kinerja tugas. Namun, kami yakin korelasi tersebut dapat menjadi arah yang bermanfaat bagi penelitian masa depan yang menggunakan metode ini, sehingga kami menyertakan hasil awal ini sebagai referensi untuk penelitian di masa depan.

Diskusi

Meskipun PMC menunjukkan pentingnya selama pengambilan memori, pengaruh kausal PMC terhadap wilayah lain masih belum jelas. Secara khusus, arah dan isi pertukaran informasi antara PMC dan wilayah otak lainnya selama proses memori belum diuji. Di sini, kami menggunakan rekaman MEG dari ROI yang ditentukan MRI untuk mengevaluasi aliran informasi antara PMC dan wilayah lain selama tugas memori kerja visuospasial. Hasil penelitian menunjukkan bahwa representasi objek PMC menunjukkan pengaruh kausal Granger terhadap informasi stimulus di wilayah lain, terutama pengaruhnya terhadap PFC di semua fase tugas. Ada juga saran agar PMC membentuk respons di OC selama pengambilan.

PMC membentuk representasi stimulus di area prefrontal

Temuan kami yang paling mencolok berkaitan dengan pengaruh PMC terhadap informasi stimulus yang diingat di PFC. Di seluruh fase tugas, aliran informasi dari PMC ke PFC cenderung lebih dominan dibandingkan arah sebaliknya. Karena ukuran aliran informasi kami didasarkan pada kinerja klasifikasi, bukan amplitudo respons, temuan ini menunjukkan bahwa informasi terkait stimulus di PMC merupakan prediksi representasi stimulus yang akan muncul di PFC. Hal ini paling jelas terlihat pada fase pengkodean dan pemeliharaan; namun, PMC juga ditemukan membentuk respons di PFC selama fase pengambilan. Fakta bahwa efek ini terjadi segera setelah dimulainya pengambilan stimulus sejalan dengan PMC yang menyampaikan informasi yang menjadi dasar keputusan peserta, kepada PFC untuk mendukung keberhasilan penarikan kembali.

Wilayah prefrontal secara andal terlibat dalam pengendalian atensi dan pengkodean informasi yang relevan dengan tugas secara fleksibel (Duncan, 2010; Freedman dan Assad, 2016). Pola konektivitas anatomi antara hipokampus dan sistem visual-okulomotor frontal (yaitu, PFC dorsolateral dan bidang mata frontal) (Shen dkk., 2016) menunjukkan bahwa daerah frontal memiliki lokasi yang sangat baik untuk mengintegrasikan informasi memori visual guna memandu perilaku (Contiand Irish, 2021 ). Daerah frontoparietal yang terlibat dalam kontrol perhatian juga terlibat dalam memori kerja, terutama selama periode pengkodean dan pemeliharaan (Gazzaley dan Nobre, 2012). Selain itu, daerah prefrontal diketahui mendorong perubahan pada korteks visual; misalnya, stimulasi mikro pada bidang mata bagian depan menghasilkan perubahan pada korteks visual yang konsisten dengan pergeseran perhatian (Moore et al., 2003; Premereuret al., 2013).

Hasil kami menunjukkan bahwa PMC membentuk representasi prefrontal dari informasi visuospasial yang diingat selama pelaksanaan tugas dan termasuk awal periode pengambilan. Pekerjaan fMRI sebelumnya telah menunjukkan peningkatan aktivasi frontoparietal selama pengkodean dan pemeliharaan apakah pengambilan diperlukan atau tidak, sedangkan korteks cingulate posterior menunjukkan pola respons yang konsisten dengan a peran dalam pengambilan (Rahm et al.,2014). Konektivitas fungsional antara PMC dan wilayah prefrontal, seperti PFC ventromedial, memberikan dukungan lebih lanjut terhadap pentingnya penggandengan frontoparietal selama pengambilan episodik (untuk tinjauan, lihat Andrews-Hanna, 2012; Ritchey dan Cooper, 2020). Temuan kami memperluas penelitian sebelumnya dengan menyarankan bahwa pola konektivitas yang diamati ini mencakup PMC yang memengaruhi informasi yang relevan dengan tugas di jaringan prefrontal.

Seperti halnya korelasi apa pun, korelasi parsial kami di IFA mungkin mencerminkan hubungan dengan area lain (yang belum teruji). Kemungkinan lainnya adalah ROI kami tidak sepenuhnya terisolasi selama rekonstruksi sumber dan menyertakan sinyal dari wilayah terdekat. Jika sinyal PMC hadir dalam ROI PFC atau sebaliknya, hal ini akan meningkatkan varians bersama antara ROI. Varians bersama mungkin mengurangi sejauh mana sinyal dalam satu ROI menyumbangkan informasi di atas yang sudah ada di ROI lainnya, sehingga dapat menurunkan informasi yang diukur. mengalir.

PMC mempengaruhi korteks sensorik awal selama pengambilan

Hasil kami lebih lanjut menunjukkan bahwa, selama pengambilan, PMC membentuk respons di korteks sensorik. Di seluruh fase tugas, dan untuk setiap pasangan ROI, OC cenderung mendominasi arus informasi, lebih mempengaruhi wilayah lain daripada dipengaruhi oleh wilayah ini, konsisten dengan sifat visual tugas. Namun, dominasi OC dalam pengukuran arus informasi kami mungkin telah diperkuat oleh kinerja pengklasifikasi yang umumnya bersifat sementara yang diamati. Di semua ROI, decoding peluang di atas sebagian besar terbatas pada periode singkat setelah presentasi stimulus, menunjukkan bahwa setiap representasi saraf dari informasi yang disimpan memberikan kontribusi minimal terhadap kinerja pengklasifikasi. Khususnya, kami menemukan beberapa bukti aliran informasi yang signifikan dari PMC ke OC pada yang terakhir. bagian dari periode pengambilan (BF=1.59). Apakah arus informasi ini relevan secara fungsional masih belum jelas. Setiap pengaruh fungsional PMC pada OC harus dimediasi oleh koneksi tidak langsung karena tidak ada proyeksi langsung antara PMC dan wilayah sensorimotor primer (Parvizi et al., 2006; Leech dan Smallwood, 2019). Kandidat jalur tidak langsung dimana PMC dapat mempengaruhi wilayah oksipital termasuk parietal- jalur temporal medial, yang diusulkan untuk berkontribusi pada pemrosesan visuospasial (Kravitz et al., 2011).

Implikasi untuk memahami fungsi PMC

Secara keseluruhan, hasil penelitian kami menunjukkan bahwa PMC mempunyai peran spesifik dalam menyampaikan informasi terkait stimulus ke wilayah lain. Hal ini kemudian menimbulkan pertanyaan tentang apa sebenarnya yang dilakukan PMC. Meskipun hasil kami menunjukkan adanya arah pengaruh PMC pada wilayah otak lainnya, fungsi sebenarnya PMC dalam konteks ini masih belum jelas. PMC mewakili salah satu pusat utama jaringan mode default otak, yang ditentukan oleh profil respons "tugas-negatif" (Buckner et al., 2005). Namun, kami menunjukkan di sini bahwa PMC tidak menunjukkan kontribusi tugas-negatif yang sederhana terhadap memori visuospasial. Keterlibatan PMC selama pengkodean dan pemeliharaan dikaitkan dengan kinerja tugas yang lebih buruk (Piccoliet al., 2015; Santangelo dan Bordier, 2019), namun "encoding/retrieval flip" PMC menunjukkan bahwa peningkatan aktivitas selama pengambilan dikaitkan dengan ingatan yang lebih baik (Daselaar et al., 2004, 2009). Meskipun aktivitas saja mungkin mencerminkan kontribusi konten yang tidak spesifik, ukuran representasi stimulus kami, dengan menggunakan kinerja pengklasifikasi, menunjukkan bahwa PMC secara aktif membentuk representasi informasi terkait stimulus di wilayah lain selama pelaksanaan tugas. Oleh karena itu, PMC tidak terlibat dalam pemrosesan rangsangan sensorik eksternal semata. tetapi secara aktif terlibat dalam representasi konten internal, termasuk informasi yang diingat (Leech dan Smallwood, 2019). Namun, penelitian kami kurang mampu untuk menggambarkan bagaimana aliran informasi antara PMC dan wilayah otak lainnya dapat memprediksi keakuratan perilaku, dan kami menyarankan hal ini akan menjadi jalan penting untuk dieksplorasi dalam penelitian di masa depan.

Arah masa depan

Sebagai studi pertama, sepengetahuan kami, untuk mengeksplorasi pertukaran informasi terkait stimulus antara PMC dan wilayah lain, studi kami memunculkan beberapa arah untuk penelitian di masa depan. Meskipun kami fokus pada empat ROI apriori dan menggunakan ukuran sampel yang relatif kecil, penting untuk memetakan aliran informasi secara komprehensif antara PMC dan wilayah otak lainnya selama memori visuospasial dengan kelompok partisipan yang lebih besar. Metode yang dapat diselesaikan dengan waktu, seperti MEG/EEG , juga dapat dilengkapi dengan metode pencitraan, seperti fMRI, untuk menguji pembagian yang lebih halus di wilayah ini.

Kami memiliki decoding keseluruhan yang rendah selama pemeliharaan, sehingga, kemampuan terbatas untuk mendeteksi aliran informasi selama fase tugas ini. Kami memilih rangsangan visual yang serupa untuk meningkatkan kesulitan tugas dan mengurangi pelabelan verbal. Namun, hal ini mungkin menurunkan kinerja pengklasifikasi untuk identitas tugas. Penguraian kode lebih tinggi untuk lokasi stimulus, di mana organisasi retinotopik pada area korteks visual akan menghasilkan perbedaan respons skala spasial yang lebih besar, namun bahkan untuk lokasi, di luar respons yang dipicu oleh stimulus, kami menemukan sedikit bukti penguraian kode berdasarkan nilai-nilai yang diingat. Sebaliknya, dalam mendekode sinyal EEG selama tugas memori visual yang lebih sederhana, Bocincova dan Johnson (2019) melaporkan pengodean rangsangan dengan peluang lebih besar selama periode penundaan, meskipun lebih lemah dibandingkan selama pengkodean. Jadi, meskipun tingkat kesulitan tugas yang tinggi tampaknya diperlukan untuk mengisolasi peran spesifik PMC (Kochanet al., 2011; Leech et al., 2011; Vannini et al., 2011), tugas yang tidak terlalu menuntut mungkin menghasilkan kinerja pengklasifikasi yang lebih baik, untuk mendeteksi arus informasi dengan lebih baik. di seluruh fase tugas.

Upaya untuk menggambarkan relevansi fungsional subkawasan PMC juga dapat memberikan wawasan penting mengenai diagnosis penyakit Alzheimer yang dini dan akurat (Buckner et al., 2005; Xia et al.,2014; Wu et al., 2016; Khan et al., 2020 ). Bukti yang muncul menunjukkan bahwa orang dewasa muda yang sehat yang membawa alel APOE-4 menunjukkan inefisiensi dalam memodulasi aktivitas PMC selama adegan (tetapi bukan wajah dan objek) memori kerja dan persepsi (misalnya, Shineet al., 2015), sementara penonaktifan fungsional PMC selama memori kerja visuospasial kinerja merupakan prediksi penurunan kognitif selanjutnya pada orang dewasa yang lebih tua dengan gangguan kognitif ringan (Kochan et al., 2011).

Mengingat disfungsi visuospasial akibat disfungsi PMC telah diusulkan sebagai pertanda awal penyakit Alzheimer (Pihlajamäki et al., 2010; Irish et al., 2012; Salimi et al., 2018), penelitian selanjutnya yang menyelidiki perubahan fungsional pada PMC dapat meningkatkan identifikasi dini individu yang berisiko demensia.

Referensi

Andrews-Hanna JR (2012) Jaringan default otak dan peran adaptifnya dalam mentalitas internal. Ahli saraf 18:251–270.

Benjamini Y, Hochberg Y (1995) Mengontrol tingkat penemuan palsu: pendekatan praktis dan kuat untuk beberapa pengujian. JR Stat Soc Ser BMetodol 57:289–300.

Bird CM, Keidel JL, Ing LP, Horner AJ, Burgess N (2015) Konsolidasi peristiwa kompleks melalui pemulihan di korteks cingulate posterior. J Neurosci35:14426–14434.

Bocincova A, Johnson JS (2019) Perjalanan waktu pengkodean dan pemeliharaan fitur objek yang relevan dengan tugas versus objek yang tidak relevan dalam memori kerja. Korteks111:196–209.

Brainard DH (1997) Kotak Peralatan Psikofisika. Spat Vis 10:433–436.

Buckner RL, Snyder AZ, Shannon BJ, LaRossa G, Sachs R, Fotenos AF,Sheline YI, Klunk WE, Mathis CA, Morris JC, Mintun MA (2005)Karakterisasi molekuler, struktural, dan fungsional penyakit Alzheimer: bukti adanya hubungan antara aktivitas default, amiloid, dan memori. J Neurosci 25:7709–7717.

Bzdok D, Heeger A, Langner R, Laird AR, Fox PT, Palomero-Gallagher N,Vogt BA, Zilles K, Eickhoff SB (2015) Subspesialisasi pada korteks medial posterior manusia. Gambaran Syaraf 106:55–71.

Canolty RT, Edwards E, Dalal SS, Soltani M, Nagarajan SS, Kirsch HE,Berger MS, Barbaro NM, Knight RT (2006) Kekuatan gamma tinggi terkunci fase pada osilasi theta di neokorteks manusia. Sains 313:1626–1628.

Conti F, Irish M (2021) Memanfaatkan citra visual dan perilaku okulomotor untuk memahami prospek. Tren Pengetahuan Sains 25:272–283.

Cooper RA, Ritchey M (2019) Koneksi jaringan kortiko-hipokampusmendukung kualitas memori episodik multidimensi. Elife 8:e45591.

Dale AM, Fischl B, Sereno MI (1999) Analisis berbasis permukaan kortikal: I.Segmentasi dan rekonstruksi permukaan. Gambaran Syaraf 9:179–194.

Daselaar SM, Prince SE, Cabeza R (2004) Ketika lebih sedikit berarti lebih banyak: penonaktifan selama pengkodean yang memprediksi memori berikutnya. Neuroimage23:921–927.

For more information:1950477648nn@gmail.com