工作记忆和运动后的任务后反应是由具有类似特征的短暂光谱爆发驱动的
Sebastian C Coleman1, Zelekha A Seedat1,2, Daisie O Pakenham1,3
1Sir Peter Mansfield Imaging Centre, School of Physics and Astronomy, University of Nottingham, Nottingham, UK.
Human brain mapping
|May 10, 2024
概括
大脑中的任务后反应 (PTR),在工作记忆和视觉运动任务中观察到,由类似的短暂爆发驱动. 这些使用隐藏马尔科夫模型 (HMM) 识别的爆发表明,在不同认知任务中,潜在的大脑活动的共同神经机制.
科学领域:
- 神经科学是一个神经科学.
- 认知神经科学 认知神经科学
- 大脑动力学 大脑动力学
背景情况:
- 运动后β反弹是磁大脑图 (MEG) 中研究得很好的现象.
- 最近的发现表明,任务后反应 (PTRs) 是一个广泛的皮质现象,跨越了theta,alpha和beta频段.
- 目前尚不清楚工作记忆任务后的PTR是否来源于短暂的爆发,类似于驱动运动后β反弹的短暂爆发.
研究的目的:
- 调查工作记忆任务中的 PTR 是否由短暂的爆发驱动.
- 通过使用MEG数据,比较工作记忆和视觉运动任务中的PTR驱动爆发的特征.
- 评估隐藏的马尔科夫模型 (HMM) 在识别与任务执行相关的神经信号方面的实用性.
主要方法:
- 使用三态无变隐藏马尔科夫模型 (HMM) 来检测MEG数据中的短暂爆发,没有先前的频率或时间假设.
- 从工作记忆和视觉运动任务中分析了MEG数据集.
- 相关的HMM衍生信号时间与行为测量,如反应时间.
主要成果:
- 工作记忆和视觉运动任务中的PTR是由泛光谱的短暂爆发驱动的.
- 这些爆发在皮层中表现出非常相似的光谱含量变化,在任务之间的α (R2 = .89) 和β (R2 = .53) 波段之间存在强烈的相关性.
- 爆发持续时间也显示出类似的皮质变化和任务之间的强烈相关性 (R2 = .56),平均约为300 ms.
- HMM概率时间表与反应时间的相关性比传统的频率过功率包裹更强.
结论:
- 在不同认知任务中诱导的PTR是由具有一致特征的突发驱动的.
- 隐藏的马尔科夫模型 (HMM) 能够有效地识别MEG数据中的这些神经突发.
- 任务间爆发的相似性表明一个共同的潜在神经现象驱动整个皮质的PTRs.
