Rekaman Magnetoensefalografi Mengungkap Dinamika Memori Pengenalan Spatiotemporal Untuk Urutan Auditori Kompleks versus Sederhana Bagian 2

Dalam kasus rangkaian atonal, kelompok aktivitas yang signifikan ditemukan terutama di daerah lobus temporal pendengaran dan medial di belahan kanan untuk rangkaian yang dihafal, dan aktivitas saraf lebih kuat untuk menghafal daripada rangkaian baru di seluruh lima nada (k1=132, k{{ 1}}, k3=130, k4=140, k5=64), seperti yang dilaporkan dalam Data Tambahan 3.

Urutan memori mengacu pada struktur memori yang teratur yang dibentuk melalui pengulangan, penguatan, dan konsolidasi yang berkelanjutan. Ini dapat membantu kita mengingat dan memahami informasi dengan lebih baik, dan sangat memengaruhi ingatan kita.

Pertama-tama, menghafal urutan dapat meningkatkan efisiensi memori pengulangan kita. Saat kita belajar, pengulangan sangat diperlukan, dan urutan memori yang baik memungkinkan kita mengulangi pembelajaran dalam urutan dan metode tertentu, sehingga mengurangi kebingungan dan kelalaian memori serta meningkatkan efisiensi pengulangan.

Kedua, menghafal urutan bermanfaat bagi kemampuan kita untuk menghubungkan dan merangkum informasi. Otak manusia pada dasarnya adalah "jaringan" besar yang menghubungkan berbagai neuron, tetapi jika Anda ingin menghubungkan berbagai informasi secara instan, Anda perlu menggunakan rangkaian memori untuk membentuk struktur teks yang teratur dan kompleks. Bantu kami mengidentifikasi, memahami, dan meringkas informasi dengan lebih baik.

Terakhir, rangkaian memori bermanfaat bagi kelangsungan pemikiran dan kreativitas kita. Kualitas ingatan secara langsung menentukan pemikiran logis, imajinasi, dan kreativitas seseorang. Urutan memori memungkinkan kita untuk terus memperdalam struktur pengetahuan yang ada dan memiliki kemampuan berpikir logis dan penalaran yang lebih kuat, sehingga meningkatkan kreativitas kita.

Singkatnya, rangkaian memori yang baik dapat meningkatkan daya ingat kita, membantu kita lebih memahami dan menerapkan informasi, serta meningkatkan kelangsungan pemikiran dan kreativitas kita. Oleh karena itu, kita harus secara aktif dan terus menerus meningkatkan rangkaian memori kita untuk meningkatkan efisiensi belajar dan kemampuan berpikir kita. Terlihat bahwa kita perlu meningkatkan daya ingat kita. Cistanche deserticola dapat meningkatkan kekebalan tubuh secara signifikan, karena Cistanche deserticola juga dapat mengatur keseimbangan neurotransmiter, seperti meningkatkan kadar asetilkolin dan faktor pertumbuhan. Zat-zat ini sangat penting untuk daya ingat dan pembelajaran. Selain itu, daging dari daging juga dapat meningkatkan fluiditas darah dan meningkatkan transportasi oksigen, yang dapat memastikan otak menerima nutrisi dan energi yang cukup, sehingga meningkatkan vitalitas dan daya tahan otak.

Klik suplemen tahu untuk meningkatkan daya ingat

Secara khusus, aktivitas otak terkuat di operkulum Rolandic kanan, girus temporal superior kanan, girus Heschl kanan, girus supramarginal kanan, dan insula kanan untuk nada pertama; girus Heschl kanan, girus temporal superior kanan, operkulum Rolandic kanan, girus temporal tengah kanan, dan insula kanan untuk nada kedua; putamen kanan, insula kanan, operkulum Rolandic kanan, Heschl'sgyrus kanan, dan thalamus kanan untuk nada ketiga; parahippocampalgyrus, fusiform gyrus kanan, hippocampus kanan, dan putamen untuk nada keempat; dan korteks cingulate anterior, frontalgyrus tengah, dan nukleus kaudatus untuk nada terakhir. Tidak ada kelompok aktivitas signifikan yang berlokasi di pita lambat untuk rangkaian tanpa nada yang baru. Gambar 3b menggambarkan kontras antara rangkaian atonal yang dihafal dan yang baru dalam pita lambat.

Akhirnya, untuk menguji perbedaan selama pengenalan rangkaian nada versus nada, aktivitas otak selama pengenalan rangkaian nada yang dihafal dan rangkaian nada yang dihafal dikontraskan. Kelompok aktivitas yang signifikan terletak untuk kedua jenis rangkaian musik di semua nada (lihat Data Tambahan 3). Untuk rangkaian nada, jumlah voxel yang signifikan lebih tinggi untuk nada ketiga (k=70) dan nada kelima (k {{2} }), sedangkan untuk barisan atonal jumlah voxel otak signifikan lebih tinggi untuk nada pertama (k=98), nada kedua (k=80), dan nada keempat (k=103).

Secara keseluruhan, aktivitas otak lebih kuat di daerah cingulate kiri dan lobus temporal medial untuk rangkaian nada, dan di area pemrosesan pendengaran kanan untuk rangkaian nada. Secara khusus, dalam kasus rangkaian nada yang dihafal, aktivitas saraf dilokalisasi di area motorik tambahan, girus cingulate median kiri, dan girus frontal superior untuk nada ketiga, dan hipokampus kiri, girus temporal superior kiri, thalamus kiri, insula kiri, putamen kiri, dan kiri. girus parahippocampal kiri untuk nada kelima.

Untuk urutan atonal yang dihafal, aktivitas saraf dilokalisasi di girus lingual kiri, precuneus kiri, fisura calcarine kiri, girus temporal tengah, dan insula kanan pada nada pertama; girus frontal inferior, girus precentral kanan, Rolandicoperculum kanan, dan temporal superior kanan. gyrus untuk nada kedua; Operculum Rolandic kanan, girus frontal tengah kanan, girus postcentral kanan, putamen kanan, dan insula kanan untuk nada keempat; dan girus frontal tengah kanan, girus sudut kanan, dan talamus kanan untuk nada terakhir. Kontras antara urutan nada dan nada yang diingat dalam pita lambat ditunjukkan pada Gambar. 3c

Pita frekuensi lebih cepat (2–8 Hz). Prosedur yang sama dilakukan untuk menilai aktivitas otak yang mendasari pengenalan rangkaian musik pada pita frekuensi yang lebih cepat (2–8 Hz). Setelah GLM dihitung, MCS berbasis cluster (= 0.001, 1000permutasi) dihitung untuk interval lima kali yang sesuai dengan masing-masing dari lima nada yang membentuk urutan. Sekali lagi, ini diperkirakan untuk kontras yang dihafal versus kontras baru untuk rangkaian nada dan atonal serta rangkaian nada yang dihafal versus rangkaian atonal yang dihafal.

Mengenai kontras untuk rangkaian nada, kelompok aktivitas yang signifikan (p <0.001) terletak di beberapa voxel otak untuk rangkaian yang dihafal dan baru, seperti yang dilaporkan dalam Data Tambahan 3. Untuk rangkaian nada yang dihafal, aktivitas saraf secara keseluruhan lebih kuat untuk nada pertama (k=74), sedangkan lebih kuat untuk rangkaian nada baru untuk nada kedua (k=36), ketiga (k=200), keempat (k=196 ), dan nada kelima (k=70). Aktivitas otak terlokalisasi di operkulum Rolandic kanan, insula kanan, girus Heschl kanan, dan girus temporal superior kanan untuk nada pertama untuk rangkaian nada yang dihafal. Untuk rangkaian nada baru, area aktif utama adalah girus temporal superior kiri, insula, girus Heschl, dan hipokampus kiri untuk nada kedua; Gyrus Heschl, gyrus temporal superior, insula, dan putamen (k=11) ​​untuk nada ketiga; girus Heschl kanan, insula kanan, operkulum Rolandic kanan, dan girus temporal superior kanan untuk nada keempat; dan operkulum Rolandic kanan, gyrus Heschl kanan, hipokampus kanan, dan thalamus kanan untuk nada kelima. Gambar 4a menampilkan kontras antara rangkaian nada yang dihafal dan yang baru.

Untuk kontras antara rangkaian nada yang dihafal dan yang baru, sebagian besar kelompok aktivitas yang signifikan dilokalisasi pada nada pertama (k=166) dan nada kedua (k=104) untuk rangkaian yang dihafal, dan pada nada ketiga (k {{ 2}}), nada keempat (k=118), dan nada kelima (k=156) untuk rangkaian novel, sebagaimana dilaporkan dalam Data Tambahan 3. Untuk rangkaian nada yang dihafal, aktivitas saraf paling kuat di celah calcarine, lingual girus, dan operkulum Rolandic kanan untuk nada pertama, dan girus cingulate, area motorik tambahan kanan, dan girus frontal superior untuk nada kedua. Untuk rangkaian atonal baru, aktivitas saraf paling kuat di insula, putamen, girus temporal superior, dan girus Heschl untuk nada ketiga; insula kanan, putamen kanan, girus Heschl kanan, operkulum Rolandic kanan, dan girus temporal superior kanan untuk nada keempat; dan insula kanan, operkulum Rolandic kanan, girus Heschl kanan, putamen kanan, dan girus temporal superior kanan untuk nada kelima. Kontras antara rangkaian atonal yang dihafal dan baru untuk pita yang lebih cepat ditunjukkan pada Gambar 4b.

Akhirnya, kelompok aktivitas yang signifikan dalam kontras tonal versus atonal untuk pita yang lebih cepat dilaporkan dalam Data Tambahan 3. Dalam kasus urutan tonal yang dihafal, jumlah brian voxel yang signifikan lebih tinggi untuk yang pertama (k=20), yang kedua (k=44), nada keempat (k=45), dan nada kelima (k=71). Aktivitas saraf terletak pada girus frontal inferior kanan dan girus frontal kanan tengah pada nada pertama; girus temporal tengah kanan, girus parietal inferior kanan, girus sudut kanan, girus oksipital tengah, dan girus oksipital superior kiri pada nada kedua; girus frontal untuk nada keempat; dan girus oksipital tengah kanan, girus frontal kanan, dan girus temporal tengah kanan untuk nada kelima. Untuk rangkaian atonal yang dihafal, jumlah voxel yang signifikan lebih tinggi pada nada ketiga (k=38) dan aktivitas saraf terutama terlokalisasi di girus frontal inferior kiri, girus frontal tengah kiri, girus supramarginal kiri, dan area motorik tambahan kanan . Gambar 4c menunjukkan kontras antara rangkaian tonal dan atonal untuk fast band.

Analisis tambahan dihitung untuk menghitung perbedaan aktivitas saraf antara pita frekuensi lambat dan lebih cepat. Hasilnya dilaporkan pada Gambar Tambahan 5 dan Data Tambahan 4.

Secara keseluruhan, kami menemukan perbedaan yang signifikan antara rangkaian nada dan nada, terutama untuk pita frekuensi lambat. Pengenalan rangkaian nada yang dihafal menimbulkan aktivitas saraf yang lebih kuat di lobus temporal medial kiri dan daerah cingulate di tiga nada terakhir dari rangkaian tersebut, sedangkan pengenalan rangkaian nada yang dihafal didukung. dengan aktivasi di daerah pendengaran kanan dari nada kedua dan seterusnya.

Pita frekuensi Delta (1–4 Hz) dan theta (5–8 Hz). Akhirnya, untuk mendapatkan gambaran lengkap tentang aktivitas otak yang mendasari pengenalan memori terhadap rangkaian pendengaran dan untuk membuat hasil kami dapat dibandingkan dengan literatur sebelumnya, analisis tambahan dilakukan dalam dua pita frekuensi standar: delta (1–4 Hz) dan theta (5–8 Hz). Prosedur yang sama dilakukan untuk menilai aktivitas otak yang mendasari pengenalan rangkaian musik di setiap pita frekuensi secara mandiri. Setelah GLM dihitung, MCS berbasis cluster (= 0.001, 1000 permutasi) dihitung untuk interval lima kali, sesuai dengan masing-masing dari lima nada yang membentuk suatu urutan. Sekali lagi, ini diperkirakan untuk kontras hafalan versus kontras baru untuk rangkaian tonal dan atonal. Kelompok aktivitas yang signifikan untuk pita frekuensi 1–4 Hz dan 5–8 Hz dilaporkan dalam Data Tambahan 5.

Untuk pita delta, kelompok aktivitas yang signifikan (p <0.001) terletak di beberapa voxel otak (k) untuk setiap nada rangkaian nada. Untuk rangkaian nada yang dihafal, aktivitas saraf secara keseluruhan lebih kuat pada nada pertama (k=39), nada ketiga (k=72), dan nada keempat (k=92). Perbedaan terbesar terletak pada putamen kiri, girus lingual kiri, frontaloperculum inferior kiri, dan girus Heschl kanan. Untuk rangkaian nada baru, aktivitas otak lebih kuat pada nada kedua (k=129). Secara khusus, perbedaan antara urutan baru dan hafalan paling kuat terdapat pada girus temporal superior kiri, insula kanan, dan putamen kanan. Untuk rangkaian atonal yang dihafal, aktivitas saraf lebih kuat pada nada pertama (k=149), kedua (k=167), dan ketiga (k=50). Aktivitas ini paling kuat terjadi pada precuneus kanan dan fisura calcarine kanan. Untuk rangkaian atonal baru, nada keempat (k=55) dan kelima (k=41) menimbulkan lebih banyak aktivitas, khususnya pada girus Heschl kanan dan operkulum Roland kanan. Kontras untuk pita 1–4 Hz ditunjukkan pada Gambar Tambahan 6.

Dalam kasus pita theta, kami menemukan aktivitas signifikan pada nada pertama (k=47) dari rangkaian nada yang dihafal, yaitu pada girus frontal inferior kiri dan girus Heschl kanan. Aktivitas saraf lebih kuat untuk rangkaian nada baru pada urutan kedua (k=13), ketiga (k=89), keempat (k=19), dan kelima (k=161) nada. Perbedaan terbesar terletak di frontalgyrus inferior kanan, kaudatus kiri, dan insula kanan. Untuk barisan atonal yang dihafal, aktivitas saraf lebih kuat pada barisan pertama (k=129), kedua (k=167), ketiga (k=50) dan keempat (k=93) nada. Aktivitas ini paling kuat pada fisura calcarine kiri dan precuneus kanan. Untuk rangkaian atonal baru, aktivitas saraf lebih kuat pada nada kelima (k=33), khususnya pada insula kanan dan putamen kanan. Kontras untuk pita 1–4 Hz ditunjukkan pada Gambar Tambahan 7.

Korelasi dengan peringkat keakraban. Data dari peringkat keakraban mengenai karya nada dikorelasikan dengan analisis sumber mengenai pengenalan rangkaian nada yang dihafal untuk menguji apakah keakraban dengan karya tersebut dapat memprediksi aktivitas saraf selama pengenalan.

Kecil (nilai t<0.4) but significant positive correlations were found between familiarity ratings and activation in the left middle temporal gyrus and left middle occipital gyrus for the last three tones of the memorized tonal sequences. Detailed statistics and a graphical depiction of the results are reported in supplementary materials (Supplementary Data 6 and Supplementary Fig. 8).

Diskusi

Penelitian ini bertujuan untuk menyelidiki aktivasi otak yang mendasari pengenalan rangkaian musik pendengaran yang ditandai dengan tingkat kompleksitas yang berbeda (tonal dan atonal). Data perilaku menunjukkan perbedaan yang jelas antara pengenalan rangkaian nada dan nada dan kelompok aktivasi signifikan yang diamati pada tingkat sensor MEG. Analisis rekonstruksi sumber menunjukkan kelompok aktivasi yang berbeda untuk rangkaian nada dan nada, khususnya pada pita frekuensi lambat. Secara keseluruhan, aktivitas saraf lebih kuat di area pemrosesan memori untuk rangkaian nada yang dihafal dan di wilayah pemrosesan pendengaran untuk rangkaian nada yang dihafal.

Sebelum berfokus pada perbedaan aktivitas otak terkait dengan tingkat kompleksitas pengenalan yang berbeda, kami memverifikasi bahwa hasil saat ini konsisten dengan penelitian sebelumnya. Memang benar, area otak yang diaktifkan selama pengenalan rangkaian nada mengkonfirmasi keterlibatan jaringan otak yang luas termasuk wilayah pemrosesan pendengaran dan memori17–19,21,33,34. Secara khusus, kami mengamati peningkatan aktivasi di daerah pendengaran, seperti gyrus temporal superior dan gyrus Heschl, dan di gyrus cingulate dan struktur lobus temporal medial (hipokampus, korteks parahippocampal) yang berhubungan dengan pengenalan memori10,38,39. Lebih lanjut, berdasarkan penelitian sebelumnya, aktivitas saraf didistribusikan dalam dua pita frekuensi19,20. Pita lambat (0,1–1 Hz) dikaitkan dengan pengenalan seluruh rangkaian pendengaran (pemrosesan global), yang tercermin dari aktivasi yang lebih kuat yang terjadi pada pita ini untuk pengenalan rangkaian yang dihafal. Sebaliknya, pita yang lebih cepat (2–8 Hz) dikaitkan dengan pemrosesan nada individu (pemrosesan lokal), seperti yang ditunjukkan oleh aktivitas saraf yang lebih kuat di wilayah pendengaran selama pemrosesan rangkaian cerita baru.

Mengenai pengenalan rangkaian nada dan nada, kami mengamati jalur saraf yang berbeda saat memproses dan mengenali dua jenis rangsangan pendengaran. Sementara pengenalan rangkaian nada terutama merekrut jaringan otak luas yang melibatkan girus cingulate dan hipokampus di belahan kanan, pengenalan rangkaian nada terutama dikaitkan dengan aktivitas yang lambat dan berkelanjutan di korteks pendengaran kiri. Hasil ini dapat diinterpretasikan berdasarkan kerangka teori yang berbeda, yaitu pengkodean prediktif musik40,41, harmonisasi42, ruang kerja saraf global43,44, dan teori kesadaran temporospasial45,46.

Menurut pengkodean prediktif teori musik, model prediktif otak terus diperbarui saat mendengarkan musik untuk mengurangi kesalahan prediksi berbobot presisi40,47,48. Secara khusus, sensasi bottom-up yang ditimbulkan oleh rangsangan pendengaran diproses di korteks primer dan dikontraskan dengan prediksi top-down di korteks tingkat tinggi untuk menghasilkan ekspektasi musik dan meminimalkan kesalahan prediksi hierarki48-50. Mekanisme prediktif mengandalkan fungsi memori jangka panjang dan pendek, keakraban, dan strategi mendengarkan untuk menciptakan ekspektasi musik48. Teori ini memberikan kerangka kerja untuk mempelajari persepsi musik51–54, pelatihan55,56, tindakan57,58, sinkronisasi59–61, dan emosi62–64.

Penelitian sebelumnya menunjukkan nilai prediksi musik atonal lebih lemah dibandingkan musik tonal, sehingga meningkatkan kompleksitas dan kesalahan prediksi23–27,30. Selain itu, perubahan dalam prediktabilitas stimulus ini melemahkan pemrosesan dan kenikmatan musik tanpa nada. Hal ini tampak ketika memeriksa hasil perilaku dari penelitian ini, karena rangkaian nada yang dihafal menjadi lebih lambat dan kurang akurat dikenali. Selain itu, distribusi aktivitas saraf dalam dua pita frekuensi menunjukkan kombinasi prediksi top-down pada pita lambat, yang terkait dengan pengenalan rangkaian yang dihafal, dan prediksi bottom-up pada pita yang lebih cepat, seiring dengan meningkatnya kesalahan prediksi dengan rangkaian baru. Penting untuk dicatat bahwa, meskipun hasil dapat diinterpretasikan dalam kerangka pengkodean prediktif, penelitian saat ini tidak bertujuan untuk menguji pengkodean prediktif teori musik (misalnya, dengan mengukur kesalahan prediksi yang dihasilkan selama pengenalan rangkaian musik). Oleh karena itu, penelitian di masa depan dapat mereplikasi dan memperluas hasil ini dalam pengkodean prediktif kerangka musik.

Penjelasan alternatif untuk hasil ini berfokus pada harmoni rangsangan pendengaran. Musik nada telah dikaitkan erat dengan rangkaian harmonik, rangkaian alami frekuensi suara yang merupakan kelipatan bilangan bulat dari frekuensi dasar. Suara lingkungan biasanya tidak harmonis, sedangkan vokalisasi manusia dan hewan mengandung struktur harmonis42. Organisasi tonotopik korteks pendengaran manusia sangat sensitif terhadap nada harmonik, menunjukkan bahwa wilayah ini berkembang untuk memproses harmonik karena relevansinya dengan komunikasi sosial65,66.

Hasil ini menunjukkan bahwa jalur saraf yang berbeda diaktifkan ketika mengenali rangsangan pendengaran yang tidak koheren dengan rangkaian harmonik alami dan dengan demikian lebih rumit untuk diproses. Memang benar, kami menemukan bahwa untuk rangkaian nada yang dihafal, aktivitas otak terutama terletak di jaringan kortiko-hipokampus di belahan bumi kanan, dan untuk rangkaian nada yang dihafalkan di jaringan pendengaran di belahan kiri. Seperti disebutkan di atas, musik atonal lebih sulit untuk diproses23–27 dan kurang dihargai27–29 dibandingkan musik tonal. Jadi, untuk mengenali rangkaian nada, daerah pendengaran mungkin memerlukan pemrosesan suara tambahan untuk mengekstrak informasi relevan yang dibawa oleh nada pertama rangkaian tersebut. Kemudian, informasi ini mungkin disiarkan ke area tingkat tinggi untuk mengenali urutannya. Salah satu pendekatan yang mungkin untuk menguji lebih lanjut hipotesis harmoni tentang pengenalan urutan adalah dengan membuat kumpulan potongan yang bervariasi secara sistematis dalam hal kemiripannya dengan deret harmonik alami. Penelitian di masa depan diperlukan untuk menyelidiki perspektif tersebut.

Hasil saat ini juga konsisten dengan hipotesis ruang kerja saraf global43,44,67,68. Menurut teori ini, rangsangan menjadi sadar ketika rangsangan tersebut menyala terlambat, daerah tingkat tinggi sebagai respons terhadap aktivasi korteks sensorik yang terlibat dalam representasi persepsi. Sebaliknya, informasi yang tidak disadari tidak mencapai area otak dengan pemrosesan tinggi dan aktivitas saraf terbatas pada korteks sensorik44,67,69. Yang penting, kami menemukan bahwa rangkaian nada menginduksi aktivasi wilayah pemrosesan memori yang lambat dan kuat. Meskipun tidak jelas mengapa rangkaian atonal diproses secara berbeda oleh otak, kami dapat memastikan bahwa kompleksitas rangsangan memodulasi transisi dari area sensorik primer ke ruang kerja saraf global, sehingga memberikan informasi tambahan pada kerangka teori komprehensif ini.

Akhirnya, hasil kami sejalan dengan teori kesadaran temporospasial, yang berfokus pada empat mekanisme spatiotemporal aktivitas otak (ekspansi, globalisasi, penyelarasan, dan penumpukan) untuk memperhitungkan empat dimensi kesadaran yang sesuai (konten fenomenal, akses, bentuk/struktur, dan tingkat/tingkat). negara bagian)45,46. Dalam penelitian saat ini dan sebelumnya19,20,70, kami menemukan bahwa aktivitas dalam pita frekuensi lambat (0,1–1 Hz) dikaitkan dengan pengenalan memori rangkaian temporal pendengaran (musikal). Hasil ini mendukung gagasan teori tentang jendela reseptif temporal yang memungkinkan integrasi rangkaian stimulus ke dalam satu kesatuan kognitif dalam pita frekuensi lambat45. Dalam rangkaian hafalan nada dan nada, kami menemukan aktivasi yang lebih kuat di wilayah pemrosesan memori pada pita frekuensi lambat.

Meskipun tujuan dari penelitian ini adalah pengenalan memori terhadap rangkaian pendengaran yang diambil dari karya musik dengan kompleksitas yang bervariasi, akan menarik untuk menguji perbedaan aktivitas otak antara pengkodean dan pengenalan rangkaian pendengaran yang sederhana dan kompleks. Dalam penelitian ini, tugas pengenalan mencakup 160 rangkaian pendengaran lima nada, sedangkan potongan musik lengkap hanya dimainkan empat kali dalam tugas pengkodean, sehingga mencegah perbandingan langsung antara keduanya. Dalam upaya untuk menghubungkan fase pengkodean dan pengenalan, kami menghitung analisis korelasi antara peringkat keakraban yang diberikan oleh peserta dan aktivitas otak yang mendasari pengenalan rangkaian nada yang dihafal. Keakraban yang lebih besar dengan bagian nada berkorelasi dengan peningkatan aktivasi di girus temporal tengah dan girus oksipital tengah di belahan kiri untuk tiga nada terakhir dari rangkaian nada yang dihafal. Hasil ini mendukung penelitian sebelumnya yang menghubungkan kedua wilayah ini dengan memori pengenalan71 dan menunjukkan bahwa pengkodean musik yang mendalam berperan dalam proses pengenalan. Penelitian di masa depan harus mereplikasi dan memperluas hasil saat ini dengan memeriksa korelasi saraf yang mendasari tidak hanya pengenalan memori tetapi juga pengkodean memori dari rangkaian pendengaran dengan kompleksitas yang bervariasi.

Studi saat ini memberikan wawasan berharga mengenai mekanisme otak yang mendasari pengenalan rangkaian pendengaran. Hasilnya konsisten dengan penelitian sebelumnya dan bukti adanya keterlibatan jaringan otak besar yang terdiri dari pemrosesan memori dan wilayah pendengaran ketika mengenali musik. Hasil lebih jauh menyoroti pentingnya kompleksitas stimulus untuk pemrosesan rangkaian temporal dan mengisyaratkan bahwa otak menggunakan strategi berbeda untuk memperhitungkannya. kompleksitas ini.

Metode

MetodePeserta. Sampel peserta terdiri dari 71 relawan (38 laki-laki dan 33 perempuan) berusia 18 hingga 42 tahun (usia rata-rata: 25 ± 4,10 tahun). Semua peserta dalam keadaan sehat dan melaporkan pendengaran normal. Peserta direkrut di Denmark dan berasal dari negara-negara Barat dengan latar belakang sosial ekonomi dan pendidikan yang sesuai.

Proyek ini disetujui oleh Komite Etika Wilayah Denmark Tengah (De Videnskabsetiske Komitéer untuk Wilayah Midtjylland, ref. 1-10-72-411-17). Prosedur eksperimental dilakukan sesuai dengan Deklarasi Helsinki—Prinsip Etis untuk Penelitian Medis. Semua peserta memberikan persetujuan sebelum memulai prosedur eksperimental.

Rangsangan dan desain eksperimental. Dua komposisi musik digunakan dalam percobaan: bagian tangan kanan dari Prelude No. 1 karya Johann Sebastian Bach dalam CMajor, BWV 846 (selanjutnya disebut sebagai tonal piece), dan versi atonal dari prelude (selanjutnya disebut sebagai atonal piece). ). Versi MIDI dibuat menggunakan Finale (MakeMusic, Boulder, CO) dan kedua lagu tersebut masing-masing berdurasi 2,5 menit, dengan durasi yang sama untuk semua nada. LB menyusun karya atonal berdasarkan karya tonal. Secara khusus, nada-nada baru diberikan pada masing-masing nada yang terdiri dari pendahuluan asli Bach. Nada-nada baru ini satu atau dua seminada lebih tinggi atau lebih rendah dari nada aslinya, dan konversi nada yang sama diterapkan di seluruh bagian nada untuk mendapatkan bagian atonal (misalnya, setiap nada C dalam bagian nada diubah menjadi C tajam dalam bagian atonal ). Dengan demikian, kedua komposisi tersebut identik dalam hal penyajian nada-nada yang berurutan (yaitu, jika C diposisikan sebagai nada ke-1, ke-7, dan ke-8 dalam karya tonal, C sharp menempati posisi yang sama dalam karya atonal), pola ritmisnya, dinamikanya. , dan durasi. Jadi, perbedaan krusial antara kedua lagu tersebut adalah bahwa lagu tonal menggunakan kunci C Major, sedangkan lagu atonal tidak memiliki kunci musik. Dua batang pertama dari masing-masing bagian ditampilkan pada Gambar 1a, menunjukkan persamaan dan korespondensi antara kedua bagian tersebut.

Empat puluh kutipan musik (yaitu melodi atau rangkaian pendek) diambil dari masing-masing lagu. Semua kutipan terdiri dari lima nada pertama setiap bilah dan berlangsung selama 1250 mdtk (250 mdtk per nada). Selain itu, 40 kutipan baru dibuat untuk masing-masing bagian berdasarkan yang asli. Urutan baru ini disesuaikan dengan urutan asli di antara beberapa variabel, untuk mencegah potensi perancu. Secara khusus, mereka disesuaikan dengan ritme, volume, timbre, tempo, meteran, dan nada suara.

Untuk mengukur perbedaan kompleksitas antara rangkaian nada dan nada, kami menghitung nilai konten informasi (IC) dan entropi (H) untuk setiap nada rangkaian musik menggunakan model Information Dynamics of Music (IDyOM) 56,72.IC dan H memberikan estimasi prediktabilitas setiap nada dan ketidakpastian yang dapat diprediksi73. IC mewakili jumlah bit minimum yang diperlukan untuk mengkodekan ei dan dijelaskan oleh Persamaan. (1):

Persamaan (2) menunjukkan bahwa, jika peluang suatu kejadian ei adalah 1, maka peluang kejadian lain di A adalah 0, sehingga H akan sama dengan 0 (kepastian maksimum). Sebaliknya, jika semua kejadian memiliki peluang yang sama, maka H akan menjadi maksimal (ketidakpastian maksimum). Tingkat IC dan H yang lebih tinggi menunjukkan lebih sedikit prediktabilitas nada yang akan datang dan oleh karena itu tingkat kompleksitasnya lebih tinggi.

IC dan H setiap nada rangkaian tonal dan atonal dihitung menggunakan model yang dilatih pada korpus prototipe karya musik Barat yang digunakan oleh IDyOM56. Setelah memperoleh skor IC dan H untuk masing-masing nada, kami melakukan uji-t sampel berpasangan untuk menghitung perbedaan IC dan H antara rangkaian nada dan nada. Terdapat perbedaan yang signifikan secara statistik pada IC (t73=−8.389, p < 0.001) dan H (t73=−3.374, p=0 .001) nilai antara rangkaian nada dan rangkaian atonal, artinya rangkaian atonal (rata-rata IC: 6.69 ± .86; rata-rata H: 4.74 ± .17) lebih kompleks dibandingkan rangkaian nada (rata-rata IC: 5.66 ± 0.83; rata-rataH: 4,65 ± 0,11).

Rangsangan tersebut digunakan dalam paradigma pengenalan pendengaran lama/baru yang diberikan kepada peserta sementara aktivitas otak mereka dicatat menggunakan MEG (Gbr. 1b). Paradigma terdiri dari dua bagian, pengkodean, dan pengenalan, dan dilakukan dua kali, sekali untuk bagian tonal dan sekali untuk bagian atonal. Urutan tonal/atonal diimbangi antar peserta. Pada bagian pengkodean, peserta secara aktif mendengarkan empat kali pengulangan keseluruhan karya musik (tonal atau atonal) dan berusaha menghafalkannya sebanyak mungkin. Setelah itu, mereka disuguhi 80 kutipan musik (40 kutipan hafalan dan 40 kutipan novel, diurutkan secara acak) dan dinyatakan apakah kutipan tersebut termasuk dalam karya yang pernah mereka dengarkan (hafal) atau merupakan kutipan baru (novel). Akurasi respon dan waktu reaksi dicatat menggunakan joystick.

Analisis data perilaku. Data perilaku dianalisis secara statistik untuk menguji perbedaan antara empat kondisi eksperimental (urutan nada yang dihafal, urutan nada yang baru, urutan nada yang dihafal, dan urutan nada yang baru) dalam akurasi respon dan waktu reaksi. Dua ANOVA dihitung (= 0.05). Analisis post-hoc dengan koreksi Bonferroni (disesuaikan=0.0125) digunakan untuk membandingkan setiap pasangan kondisi eksperimental.

Akuisisi data saraf. Rekaman MEG diperoleh di ruangan berpelindung magnetis di Rumah Sakit Universitas Aarhus (Denmark) dengan pemindai Elekta NeuromagTRIUX MEG dengan 306 saluran (Elekta Neuromag, Helsinki, Finlandia). Data dicatat pada tingkat pengambilan sampel 1000 Hz dengan penyaringan analog 0,1–330 Hz. Sebelum memulai perekaman, bentuk kepala peserta dan posisi empat kumparan Indikator Posisi Kepala (HPI) mengenai tiga penanda anatomi (nasion dan fidusia) didaftarkan menggunakan digitizer 3D (Polhemus Fastrak, Colchester, VT, USA). Informasi ini kemudian digunakan untuk membandingkan data MEG dengan pemindaian anatomi MRI. Selama rekaman MEG, kumparan HPI mencatat lokalisasi head terus menerus, yang kemudian digunakan untuk analisis koreksi gerakan. Selain itu, dua set elektroda bipolar digunakan untuk merekam pergerakan mata dan ritme jantung untuk kemudian menghilangkan artefak elektrookulografi (EOG) dan elektrokardiografi (EKG).

Pemindaian MRI dicatat pada pemindai MRI 3 T Siemens yang disetujui CE di Rumah Sakit Universitas Aarhus (Denmark). Data direkam menggunakan strukturalT1 dengan resolusi spasial 1.0 × 1.0 × 1.0 mm dan parameter urutan berikut: waktu gema (TE) {{9} },96 ms, waktu pengulangan (TR)=5000 ms, ukuran matriks yang direkonstruksi=256 × 256, bandwidth=240 Hz/Px.

Rekaman MEG dan MRI diperoleh dalam dua sesi terpisah.

Pra-pemrosesan data saraf. Data sensor MEG mentah (204 gradiometer planar dan 102 magnetometer) pertama kali diproses oleh MaxFilter32 untuk menekan gangguan eksternal. Parameter MaxFilter berikut diterapkan: pemisahan ruang sinyal spatiotemporal (SSS), kompensasi gerakan menggunakan cHPIcoils (ukuran langkah default: 10 ms), sampel turun dari 1000 Hz ke 250 Hz, batas korelasi 0,98 antara subruang dalam dan luar yang digunakan untuk menolak tumpang tindih memotong sinyal dalam/luar selama SSS spatiotemporal. Selain itu, data dikoreksi untuk gerakan kepala dan diturunkan sampelnya menjadi 250 Hz. Data kemudian diubah menjadi format Statistical Parametric Mapping (SPM)74 dan dianalisis dalam MATLAB (MathWorks, Natick, MA, USA) dengan Software Library (OSL) Oxford Center for HumanBrain Activity (OHBA) (https://ohba-analisis.github .io/osl-docs/), perangkat lunak yang tersedia secara gratis yang dibuat berdasarkan Fieldtrip75, FSL76, dan SPMtoolboxes.

Sinyal difilter high-pass (cutoff 0.1 Hz) untuk menghilangkan frekuensi eksternal dan filter takik kemudian diterapkan (48–52 Hz) untuk mengoreksi kesimpulan arus listrik. Sinyal tersebut selanjutnya diturunkan sampelnya menjadi 150 Hz dan data MEG berkelanjutan diperiksa secara visual untuk menghilangkan artefak menggunakan alat OSLview. Analisis komponen independen (ICA) dilakukan untuk menghilangkan komponen EOG dan ECG. Setelah merekonstruksi sinyal dengan komponen yang tersisa77, data dimasukkan ke dalam 160 percobaan (80 kutipan dari setiap karya musik). Setiap uji coba berlangsung selama 1350 mdtk (1250 mdtk ditambah 100 mdtk waktu dasar) dan analisis lebih lanjut dilakukan hanya pada uji coba yang diidentifikasi dengan benar (lihat Gambar 1c).

Analisis data sensor MEG. Fokus utama penelitian ini adalah mendeteksi perbedaan aktivitas otak yang mendasari pengenalan rangkaian musik tonal versus atonal. Namun, data pertama kali dianalisis pada tingkat sensor MEG untuk memverifikasi bahwa sinyal saraf lebih kuat untuk rangkaian musik yang dihafal dibandingkan dengan rangkaian musik baru. Langkah pertama ini penting untuk mereplikasi temuan sebelumnya yang diperoleh dengan menggunakan setting dan paradigma eksperimental yang sangat mirip dan dengan demikian menilai kualitas data kami19,20.

Setelah pra-pemrosesan data saraf, dan berdasarkan pedoman analisis MEG78, semua uji coba yang termasuk dalam satu kondisi dirata-ratakan bersama-sama. Prosedur ini menghasilkan empat uji coba rata-rata: satu untuk uji coba yang dihafal dan satu untuk uji coba baru untuk setiap karya musik (yaitu, nada yang dihafal , nada baru, nada hafalan, nada baru). Selanjutnya setiap pasang gradiometer planar digabungkan dengan asum root square. Uji-t sampel berpasangan (= 0.01) kemudian dihitung untuk membandingkan kondisi yang dihafal dan kondisi baru untuk karya tonal dan atonal, secara independen. Hal ini dilakukan untuk setiap gabungan gradiometer planar dan setiap titik waktu dalam rentang waktu 0–2500 ms (dari permulaan nada pertama rangkaian musik) untuk menentukan kondisi mana yang menghasilkan sinyal saraf yang lebih kuat. Analisis dihitung untuk gradiometer planar karena sensor ini tidak terlalu terpengaruh oleh kebisingan eksternal sehingga sangat andal saat menghitung analisis pada level sensor MEG 78–81. Beberapa perbandingan dikoreksi menggunakan simulasi Monte Carlo (MCS) berbasis cluster82 (= 0.001, 1000 permutasi) pada hasil uji-t yang signifikan. Secara khusus, untuk setiap titik waktu, matriks 2D dihasilkan yang mereproduksi lokasi spasial saluran MEG dan hasil uji-t dari setiap saluran MEG dibinarisasi berdasarkan nilai p-nya (0 detik untuk pengujian tidak signifikan dan 1 detik untuk pengujian signifikan [yaitu, p <0,01]). Elemen matriks 3D yang dihasilkan kemudian dimasukkan ke dalam 1000 permutasi. Untuk setiap permutasi, kami mengidentifikasi cluster maksimum dengan permutasi 1 detik, dan kami membangun distribusi referensi menggunakan ukuran cluster maksimum yang terdeteksi untuk masing-masing dari 1000 permutasi. Terakhir, klaster asli yang memiliki ukuran lebih besar dari 99,9% ukuran klaster maksimum data permutasi dianggap signifikan.

Rekonstruksi sumber. Setelah memeriksa kekuatan sinyal saraf pada tingkat sensor MEG, kami fokus pada tujuan utama penelitian ini, yaitu untuk menyelidiki perbedaan saraf yang mendasari pengenalan rangkaian musik tonal versus atonal dalam ruang sumber yang direkonstruksi MEG. Untuk melakukan analisis ini, kami melokalisasi sumber sinyal saraf otak yang direkam dalam saluran MEG. Prosedur ini memerlukan perancangan model maju, menghitung solusi invers (dalam hal ini, menggunakan pendekatan beamforming), dan mengidentifikasi sumber otak yang signifikan secara statistik yang mendasarinya. pengenalan urutan tonal dan atonal serta kontrasnya dari waktu ke waktu. Gambar 1d menunjukkan gambaran grafis dari analisis rekonstruksi sumber.

Sebelum menghitung algoritme rekonstruksi sumber, data kontinu disaring menjadi dua pita frekuensi: pita lambat (0.1–1 Hz) dan pita lebih cepat (2–8 Hz). Data yang dikumpulkan dan dianalisis adalah bidang yang berkaitan dengan peristiwa, bukan respons atau osilasi. Pita-pita ini dipilih berdasarkan temuan sebelumnya oleh Bonetti dkk.19,20 yang menunjukkan bahwa bidang-bidang yang berkaitan dengan peristiwa di pita cepat bertanggung jawab atas elaborasi sensorik setiap objek (nada) secara berurutan, sedangkan bidang-bidang yang berkaitan dengan peristiwa di pita lambat diperhitungkan. untuk pengenalan seluruh rangkaian temporal. Untuk membuatnya sebanding dengan literatur sebelumnya, analisis tambahan dihitung pada pita frekuensi delta (1–4 Hz) dan theta (5–8 Hz). Akhirnya, kontras antara pita frekuensi lambat dan cepat dihitung.

Pertama, model maju bola yang tumpang tindih dihitung menggunakan 8-mmgrid. Model kepala teoretis ini menganggap setiap sumber otak sebagai dipol aktif dan menjelaskan bagaimana kekuatan kesatuan dipol tersebut tercermin di seluruh sensor MEG83. Dengan menggunakan informasi yang dikumpulkan dengan digitizer 3D, data MEG dan masing-masing gambar berbobot T1-didaftarkan bersama dan model penerusan selanjutnya dihitung. Templat MNI152-T1 dengan resolusi spasial 8-mm digunakan dalam empat kasus di mana pemindaian anatomi individual tidak tersedia. Kedua, algoritma beamforming digunakan sebagai model invers. Ini adalah salah satu algoritma yang paling banyak digunakan untuk memperkirakan sumber otak dari data saluran MEG dan terdiri dari penggunaan serangkaian bobot berbeda yang diterapkan secara berurutan ke lokasi sumber (dipol) untuk mengisolasi kontribusi setiap sumber terhadap aktivitas yang direkam oleh saluran MEG. untuk setiap titik waktu78,84,85.

Setelah memperkirakan sumber sinyal otak yang direkam pada saluran MEG, General Linear Model (GLM) diperkirakan secara berurutan untuk setiap titik waktu di setiap lokasi dipol. Pada tingkat pertama, efek utama dari kondisi yang dihafal dan baru, serta kontrasnya, dihitung secara independen untuk setiap peserta. Pada tingkat kelompok, uji-t dilakukan untuk setiap lokasi dipol untuk mendapatkan efek utama tonal, atonal, dan kontrasnya dihitung pada semua peserta yang dikumpulkan. GLM diperkirakan secara independen untuk data nada dan nada dan untuk kedua pita frekuensi.

Aktivitas otak mendasari perkembangan rangkaian musik. Untuk menentukan evolusi temporal aktivitas otak yang mendasari pengenalan rangkaian musik, MCS berbasis cluster diperkirakan untuk lima jendela waktu tertentu yang sesuai dengan masing-masing dari lima nada yang terdiri dari rangkaian musik. Prosedur ini dilakukan secara independen untuk data nada dan nada serta kedua pita frekuensi. Dengan demikian, sepuluh MCS berbasis cluster dihitung untuk setiap karya musik (lima nada x dua pita frekuensi) pada hasil analisis tingkat grup dengan tingkat alfa yang disesuaikan sebesar 0.001 (= 0.01 /10=0.001). Prosedur ini memungkinkan deteksi kelompok spasial dari sumber otak penting yang mendasari pengenalan rangkaian musik tona dan atonal. Untuk masing-masing MCS, data disub-rata-ratakan dalam rentang waktu yang diinginkan (misalnya, rentang waktu untuk nada pertama rangkaian musik) dan kemudian dimasukkan ke dalam 1000 permutasi untuk membangun distribusi referensi ukuran cluster maksimum yang terdeteksi dalam permutasi. data. Kemudian, dengan menggunakan prosedur yang sama seperti saluran MEG, ukuran cluster asli dibandingkan dengan distribusi referensi dan dianggap signifikan jika ukurannya lebih besar dari 99,9% ukuran cluster maksimum dari data yang diijinkan.

Yang penting, analisis lebih lanjut dilakukan untuk menilai perbedaan antara data nada dan nada ketika mengenali uji coba yang dihafal untuk pita frekuensi lambat dan cepat. Untuk setiap peserta, uji-t (= 0.01) dihitung untuk setiap lokasi sumber dan lima jendela waktu yang sesuai dengan setiap nada musik, membandingkan aktivitas otak yang mendasari pengenalan musik nada versus musik tanpa nada. Beberapa perbandingan dikoreksi untuk menggunakan MCS berbasis cluster, seperti dijelaskan di atas. Dalam hal ini, sepuluh MCS (= 0.001, 1000 permutasi) dihitung berdasarkan hasil uji-t signifikan (lima nada × dua rentang frekuensi).

Korelasi antara peringkat keakraban dan aktivitas otak mendasari perkembangan rangkaian nada. Kami memeriksa apakah keakraban dengan Prelude No. 1 JSBach dalam C Major, BWV 846 berkorelasi dengan aktivitas otak selama pengenalan rangkaian nada yang diekstraksi dari karya tersebut. Di luar pemindai, peserta diminta menilai keakraban mereka dengan potongan nada dalam skala 1 hingga 7 (1="Saya tidak pernah mendengarnya", 2="Saya kadang-kadang mendengarnya", 3="Saya kadang mendengarkannya", 4="Saya biasanya mendengarkannya", 5="Saya memutarnya", 6="Saya memutarnya di depan penonton", {{10} ❑ "Saya mengajarkannya").

Kami menghitung korelasi Pearson antara skor keakraban peserta dan aktivitas otak selama pengenalan masing-masing dari lima nada yang terdiri dari rangkaian nada yang dihafal dan dikoreksi untuk beberapa perbandingan menggunakan MCS berbasis cluster. Setelah mendapatkan cluster spasial yang berkorelasi signifikan (= 0,05) dengan peringkat keakraban peserta, data disub-rata-ratakan dalam jangka waktu lima kali. Voxel otak yang signifikan diacak dalam ruang dan ukuran cluster maksimum diukur. Kemudian, kami membangun distribusi referensi ukuran cluster maksimum dan membandingkan ukuran cluster asli dengan distribusi referensi. Cluster dianggap signifikan hanya jika ukurannya lebih besar dari 95% ukuran cluster maksimum dari data yang diijinkan.

Statistik dan reproduktifitas. Analisis statistik untuk menilai tingkat IC dan H dari rangsangan menggunakan uji-t sampel berpasangan. Data perilaku dianalisis menggunakan dua ANOVA satu arah. Data sensor MEG dianalisis menggunakan uji-t sampel berpasangan dan dikoreksi untuk beberapa perbandingan menggunakan MCS berbasis cluster. Analisis tingkat (subjek) pertama untuk data sumber MEG dihitung menggunakan GLM. Tingkat kelompok dihitung menggunakan uji t sampel berpasangan dan dikoreksi untuk beberapa perbandingan dengan MCS berbasis cluster. Hubungan antara data otak dan keakraban sebelumnya dengan musik dinilai menggunakan korelasi Pearson dan dikoreksi untuk beberapa perbandingan melalui MCS berbasis cluster. Rincian prosedur ini dilaporkan secara luas di bagian Metode. Analisis tersebut melibatkan 71 partisipan.

Referensi

1. Gabrieli, JD Ilmu saraf kognitif memori manusia. Ann. Pendeta Psychol.49, 87–115 (1998).

2. Daumas, S., Halley, H., Frances, B. & Lassalle, JM Pengkodean, konsolidasi, dan pengambilan memori kontekstual: keterlibatan diferensial subkawasan hipokampus CA3 dorsal dan CA1. Mempelajari. Nona. 12, 375–382 (2005).

3. Greicius, MD dkk. Analisis regional aktivasi hipokampus selama pengkodean dan pengambilan memori: studi fMRI. Hipokampus 13, 164–174 (2003).

4. Meltzer, JA & Constable, RT Aktivasi formasi hipokampus manusia mencerminkan keberhasilan dalam pengkodean dan penarikan kembali rekan berpasangan. NeuroImage 24, 384–397 (2005).

5. Bird, CM Peran hipokampus dalam memori pengenalan. Korteks 93.155–165 (2017).

6. Eichenbaum, H., Yonelinas, AP & Ranganath, C. Lobus temporal medial dan memori pengenalan. Ann. Pendeta Neurosci. 30, 123–152 (2007).

7. Wiltgen, BJ, Brown, RA, Talton, LE & Silva, AJ Sirkuit baru untuk kenangan lama: peran neokorteks dalam konsolidasi. Neuron 44, 101–108(2004).

8. van Kesteren, MT, Fernandez, G., Norris, DG & Hermans, EJ Konektivitas hippocampal-neocortical yang bergantung pada Persistentschema selama istirahat pengkodean memori dan pasca pengkodean pada manusia. Proses. Natal Acad. Sains. AS 107.7550–7555 (2010).

9. Mehta, MR Interaksi kortiko-hipokampus selama kondisi naik-turun dan konsolidasi memori. Nat. ilmu saraf. 10, 13–15 (2007).

10. Aggleton, JP & Brown, MW Menyatukan sistem otak untuk memori episodik dan pengenalan. Tren Pengetahuan. Sains. 10, 455–463 (2006).

For more information:1950477648nn@gmail.com