工作内存性能的有效连接:对MEG数据的DCM研究
Aniol Santo-Angles1,2, Ainsley Temudo1, Vahan Babushkin1
1Division of Science and Mathematics, New York University Abu Dhabi, Abu Dhabi, United Arab Emirates.
Frontiers in human neuroscience
|March 19, 2024
概括
大脑网络动态揭示了视觉工作记忆 (WM) 错误是如何发生的. 额头,头顶和视觉区域之间的反和前连接中断会影响记忆性能.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像是一种神经成像.
- 系统神经科学 系统神经科学
背景情况:
- 视觉工作记忆 (WM) 涉及前额,头顶和视觉区域的网络.
- 精确的相互作用动态,特别是前与反连接的精确动态,仍然不清楚.
- 了解这些动态对于在WM中不同大脑区域的作用的辩论至关重要.
研究的目的:
- 使用MEG数据调查支持WM的网络活动.
- 在WM维护中区分前和反连接.
- 在WM任务中将网络动态与特定类型的行为错误联系起来.
主要方法:
- 在多项延迟估计WM任务中获得的磁脑电图 (MEG) 数据.
- 采用计算建模来对行为反应进行分类 (高精度,低精度,交换试验).
- 利用动态因果建模 (DCM) 来分析WM网络内的有效连接.
主要成果:
- 识别了前面对面和视觉区域之间有效连接的行为依赖的变化.
- 观察到与错误类型相关的前侧状和前侧状网络中的中断信号.
- 在WM维护期间发现了反和前信号中断的特定模式,用于低准确度和交换错误.
结论:
- 结果支持WM的分布式模型,突出显示视觉区域在存储中的作用.
- 网络配置的更改显著影响了内存引导的行为.
- 在feedforward和反信号的特定干扰是不同的WM错误类型的基础.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
10.2K
12:09Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy
Published on: August 5, 2014
18.0K
