1. osa: Kontekstimälu kodeerimine ja otsimine Ajalist dünaamikat moduleerib tähelepanu kogu täiskasvanu eluea jooksul

ali.ma@wecistanche.com

Soroush Mirjalili, Patrick Powell, Jonathan Strunk, Taylor James ja Audrey Duarte

https://doi.org/10.1523/ENEURO.0387-20.2020 Psühholoogia osakond, Georgia Tehnoloogiainstituut, Atlanta, GA 30318

Cistanche tubulosa annus mälu parandamiseks

Abstraktne

Episoodilised mälestused on mitmemõõtmelised, hõlmates lihtsaid ja keerukaid funktsioone. Kuidas me neid funktsioone edukalt kodeerime ja õigeaegselt taastame, kas see ajaline dünaamika säilib kogu vanuses, isegi vähenenud tingimustesmälujõudlust ja tähelepanu roll sellel ajalises dünaamikas pole teada. Käesolevas uuringus rakendasime täiskasvanu eluea proovis võnkuvale elektroentsefalograafiale (EEG) ajalahutusega mitme muutujaga dekodeerimist, et uurida lihtsate ja keerukate tajukonteksti tunnuste eduka kodeerimise ja äratundmise ajalist järjekorda. Kodeerimisel uurisid osalejad must-valgete objektide pilte, millel olid nii värvilised (madal tase/lihtne) kui ka stseeni (kõrge tase/keeruline) kontekstifunktsioonid ning seejärel tehti kontekst.mäluotsuseid mõlema funktsiooni kohta. Tähelepanu nõudeid manipuleeriti sellega, et osalejad jälgisid objekti ja värvi või stseeni vahelist suhet, jättes samas tähelepanuta muud kontekstifunktsiooni. Kooskõlas hierarhiliste visuaalse taju mudelitega kodeeriti lihtsad visuaalsed tunnused (värv) edukalt varem kui keerulised funktsioonid (stseenid). Need omadused tuvastati edukalt vastupidises ajalises järjekorras. Oluline on see, et ajaline dünaamika sõltus nii sellest, kas need konteksti tunnused olid inimese tähelepanu keskpunktis, kui ka säilisid vanuses, hoolimata vanusega seotud kontekstist.mälukahjustused. Need uudsed tulemused toetavad ideed, et episoodilinemälestusikodeeritakse ja hangitakse järjestikku, sõltudes tõenäoliselt mediaalse temporaalsagara (MTL) sisend- ja väljundradadest ning tähelepanu mõjudest, mis kallutavad aktiivsust nende radade sees vanuses.

Märksõnad: vananemine; tähelepanu; konteksti mälu; episoodiline mälu; mitme muutujaga mustrite analüüsid

Olulisuse avaldus

Sündmused, mida me oma elus õpime ja mäletame, koosnevad lihtsatest kontekstidetailidest, nagu värvid, ja keerukamatest, nagu stseenid. Kas me õpime ja tunnustame neidmäluüksikasjad järjest või samaaegselt ning see, kas mõne funktsiooniga tegelemine, kuid teistega mitte tegelemine mõjutab nende kodeerimist ja toomist, pole teada. Kõrge ajalise eraldusvõimega närvitegevuse mustreid kasutades leidsime, et värvide detailid kodeeriti edukalt varem kui stseeni omad, kuid tuvastati vastupidises järjekorras. Oluline on see, et see ajaline dünaamika sõltus sellest, milline omadus oli inimese tähelepanu keskmes ja säilis kogu vanuses. Need leiud selgitavad järjestikust viisi, kuidas meie mälestusi moodustavad tunnused kodeeritakse ja otsitakse, ning tingimusi, mis seda dünaamikat mõjutavad.

Sissejuhatus

Arvukad episoodilisedmäluuuringutes on uuritud erinevat tüüpi kontekstitunnuste, sealhulgas värvi, ruumiliste ja erinevate semantiliste atribuutide eduka kodeerimise ja otsimise neuronaalseid aluseid (Uncapher et al., 2006; Awipi ja Davachi, 2008; Duarte jt, 2011; Staresina et al. ., 2011; Park et al., 2014; Liang ja Preston, 2017). Kuigi mitmed piirkonnad toetavad edukat episoodilist kodeerimist ja/või otsimist olenemata kontekstifunktsioonide olemusest, on teised piirkonnad sisu valikulised. Ajakursusest, millega erinevaid kontekstifunktsioone edukalt kodeeritakse ja hankitakse, on vähe teada.

Miks võiks kontekstifunktsiooni tüüp mõjutada eduka konteksti kodeerimise ja/või otsingu ajalist dünaamikat? Arvukad tajuuuringud on kindlaks teinud, et lihtsaid tunnuseid, nagu värv, diskrimineeritakse varem aja jooksul ja varasemate visuaalsete ajukoore piirkondade poolt kui keerukamaid tunnuseid, nagu stseenid (Carlson et al., 2013; Kravitz jt, 2014; Clarke et al., 2015). . Mõned funktsioonide tajumist toetavad piirkonnad toetavad ka nende tunnuste edukat kodeerimist, mille suhtes nad on tundlikud (Hayes et al., 2007; Awipi ja Davachi, 2008; Preston et al., 2010; Dulas ja Duarte, 2011). Seetõttu on võimalik, et lihtsaid kontekstifunktsioone saab edukalt sisse kodeeridamäluenne keerukaid.

Kontekstifunktsioone ei saa hankida samas järjekorras, milles neid tajutakse. Ühes hiljutises uuringus kasutasid teadlased elektroentsefalograafia (EEG) aktiivsuse mitme muutujaga mustrite analüüse (MVPA), et dekodeerida aegu, mil tajutavat ja kõrgetasemelist kontseptuaalset teavet diskrimineeriti ja hiljem rekonstrueeriti.mälu(Linde-Domingo jt, 2019). Kooskõlas edasisuunaliste visuaalse töötlemise hierarhiatega (Carlson et al., 2013; Kravitz et al., 2014) diskrimineeriti tajumise üksikasju varem kui keerukamaid kontseptuaalseid detaile. Huvitaval kombel pöörati see ajaline dünaamika tagasikutsumise ajal vastupidiseks. Need tulemused koos intrakraniaalsete EEG tõenditega, mis näitavad ümberpööratud teabevoogu mediaalses oimusagaras (MTL) kodeerimise ja otsimise vahel (Fell et al., 2016), toetavad ideed, et mäletamine võib toimuda tajust vastupidises järjekorras.

Infovoo ümberpööramine taju ja mäletamise vahel on intrigeeriv, kuid mitu küsimust on endiselt alles. Esiteks on arusaadav, et ka varem tajutud lihtsad funktsioonid oleksid edukalt sisse kodeeritudmäluvarem kui hiljem tajutud. Kui keeruline Seda tööd toetasid riikliku teadusfondi stipendium 1125683 (AD), Ruth L. Kirschsteini riikliku uurimisteenistuse auhinna institutsionaalne uurimistöö stipendium National Institutes of Health National Institute on Aging Grant 5T32AG000175 ja riiklik vananemisinstituut 1R21AG 064309-01.

Tänuavaldused: Täname kõiki meie uuringus osalejaid.

See on avatud juurdepääsuga artikkel, mida levitatakse Creative Commons Attribution 4.0 Rahvusvaheline litsents, mis lubab piiramatut kasutamist, levitamist ja reprodutseerimist mis tahes kandjal eeldusel, et originaalteos on õigesti omistatud.

funktsioonid taasaktiveeruvad varem kui lihtsad (Linde-Domingo et al., 2019), ka oskus keerukat tunnust edukalt ära tunda peaks tekkima varem. Teiseks seostatakse normaalset vananemist neurokognitiivse aeglustumisega (Salthouse, 1996), kusjuures EEG ja MEG uuringud näitavad mitme närvikomponendi töötlemise viivitusi (Onofrj et al., 2001; Zanto et al., 2010; Clarke et al., 2015). Pole teada, kas seda aeglustumist võib täheldada ka lihtsa ja keeruka kontekstifunktsioonide kodeerimise ja/või hankimise ajal. Kolmandaks, reaalsetes olukordades võib inimese tähelepanu olla suunatud mõne funktsiooni töötlemisele teiste asemel. Kui tähelepanu on suunatud näiteks kõrgetasemelistele episoodilistele funktsioonidele madala taseme asemel, ei ole selge, et madala tasemega funktsioonid oleksid kodeerimisel samal määral prioriteetsed. Tõepoolest, rohked tõendid sündmustega seotud potentsiaali (ERP) tähelepanuuuringutest näitavad, et kohalviibimise korral on ERP latentsusaeg varasemaid kui järelevalveta visuaalseid stiimuleid (Hillyard ja Anllo-Vento, 1998; Woodman, 2010).

Siin uurisime lihtsate ja keerukate tajufunktsioonide eduka kodeerimise ja äratundmise aja kulgemist ning seda, kuidas tähelepanu võib mõjutada seda ajalist dünaamikat kogu täiskasvanu eluea jooksul. Tähelepanu nõudeid manipuleeriti sellega, et osalejad jälgisid objekti ja värvi või stseeni vahelist suhet, jättes samas tähelepanuta muud kontekstifunktsiooni. Nii kodeerimiseks kui ka otsimiseks koolitasime mitme muutujaga mustrite klassifikaatoreid, et eristada edukat konteksti ebaõnnestunud kontekstistmäluvõnkuva EEG värvide ja stseeni omaduste jaoks eraldi. Hindasime kontekstimäluklassifikatsiooni täpsus aja jooksul iga funktsiooni jaoks sõltuvalt sellest, kas neid kodeerimise ajal arvestati või mitte. Uurisime oma andmete sobivust ühele kolmest mudelist (joonis 1).

Kui edastustöötluse hierarhia kodeerimisel ja ümberpööratud ajaline dünaamika otsimisel on muutumatud ja ei sõltu praegustest eesmärkidest, siis ennustame, et tulemused sobivad hierarhilise mudeliga kogu vanuses. Kui aga tähelepanu seda dünaamikat moduleerib, siis ennustame, et sobivus tähelepanu- või hübriidmudelitele väheneb koos vanusega; kuna vanusega väheneb võime valikuliselt tegeleda ülesandega seotud funktsioonidega (Hasher ja Zacks, 1988; Campbell et al., 2010). Igasugust tähelepanu moduleerimist ajalise dünaamika suhtes tuleks vähendada, mis võib kaasa aidata vanusega seotud kontekstilemälukahjustused (James et al., 2016a; Powell et al., 2018).

Materjalid ja meetodid

Osalejad

Osalejad koosnesid 52 paremakäelisest täiskasvanust (21 naist) vanuses 18–74 aastat. Andmed jäeti välja veel viielt vanemalt täiskasvanult (61–76 aastat): kaks ülesande protseduuridest arusaamise puudumise tõttu, kaks mürarohke EEG (st. , DC triiv, liikumine) ja üks arvuti rikke korral. Ühe noore täiskasvanu (21-aastane) andmed jäeti välja mürarohke EEG tõttu. Alamhulk noorte ja vanemate, kuid mitte keskealiste täiskasvanute andmeid kaasati varem avaldatud uuringutesse, mis uurisid erinevaid uurimisküsimusi (James et al., 2016b; Strunk et al., 2017; Powell et al., 2018). Kõik ained olid inglise keelt emakeelena kõnelevad ja neil oli

Joonis 1. Kolm hüpoteesitud mudeli sobivust madala järgu tunnuste (värvide) ja kõrge järgu tunnuste (stseeni) konteksti kodeerimise ja otsingu ajalise dünaamika jaoks. Iga mudeli prognoositud andmed esindavad konteksti varasemaid kohalikke klassifikatsiooni tippemäluedukas dekodeerimine (õige vs vale) kõigis osalejates. Hierarhilises töötlusmudelis (a) kodeeritakse madalama taseme kontekstifunktsioonid, antud juhul värvid, mida on töödeldud varasemate visuaalsete ajukoore alade poolt, enne kõrgetasemelisi omadusi, antud juhul stseeni, ja hangitakse nende järel, olenemata sellest, kas need on kodeerimise ajal tähelepanu pöörati. Selle mudeli puhul, kui stseen oleks sihtkontekst, oleksid kodeerimis- ja otsinguhistogrammid identsed näidatutega. Teise võimalusena kodeeritakse tähelepanupõhises töötlemismudelis (b) osalev kontekstifunktsioon ja hangitakse see varem kui funktsioon, mida ignoreeritakse. Nagu näidatud osas b, eelneb värvikodeering stseeni kodeerimisele, kui värv on sihtmärgiks ja sama ajaline dünaamika kehtiks ka otsimisel. Kui stseen oleks sihtmärk, oleks histogrammide järjekord näidatust vastupidine. Lõpuks, hübriidtöötlusmudelis (c) põhineb kodeerimise ja otsimise ajaline dünaamika nii kontekstifunktsioonide keerukusel kui ka sellel, kas need olid sihtmärk või segaja. Osa c näites järgib stseeni kodeerimine värvikodeeringut pikema viivitusega, kui värv on sihtmärk, kui siis, kui see on segaja, samas kui stseeni otsimine eelneb värvide otsimisele lühema viivitusega. Kui stseen oleks sihtmärk, väheneks piikide vaheline kaugus kodeerimisel ja suureneks otsimisel võrreldes kuvatavaga.

normaalne või korrigeeritud nägemine. Osalejatele hüvitati kursuse krediit või 10 dollarit tunnis ning nad värvati Georgia Tehnoloogiainstituudist ja ümbritsevast kogukonnast. Ükski osalejatest ei teatanud neuroloogilistest või psühhiaatrilistest häiretest, vaskulaarhaigustest ega kesknärvisüsteemi mõjutavate ravimite kasutamisest. Osalejad täitsid standardiseeritud neuropsühholoogilisi teste, mis koosnevad alatestidestmäluhindamisskaala (Williams, 1991), mis hõlmab loetelu õppimist, äratundmist, verbaalset edasi- ja tagasiulatuvust, kohest ja viivitatud meeldetuletamist, visuaalset äratundmist, meenutamist, taasesitamist ja viivitatud äratundmist. Osalejad, kes saavutasid 0,2 SD-d väljaspool valimi keskmist, jäeti välja. Lisaks tehti vanematele täiskasvanutele Montreali kognitiivne hindamine (MoCA; Nasreddine et al., 2005), et täiendavalt testida kergeid kognitiivseid häireid. Kaasati ainult osalejad, kes said MoCA jaoks 26 või rohkem. Kõik osalejad allkirjastasid Georgia Tehnoloogiainstituudi institutsionaalse ülevaatenõukogu poolt heaks kiidetud nõusolekuvormid.

Materjalid

Hemera Technologies Photo-Object DVD-de ja Google'i piltide hulgast valiti kokku 432 objektide halltoonides pilti. Kodeerimisel esitati neist 288 objekti; pooltes katsetes oli osalejate tähelepanu suunatud värvile ja teisel poolel stseenile. Iga halltoonides objekt esitati ekraani keskel ning värviline ruut ja stseen objektist vasakul või paremal. Kõigi ploki katsete puhul esitati sama kontekstifunktsiooni tüüp objekti samal küljel. Piloteerimine näitas, et see vähendas osalejate segadust ja silmade liikumist.

artefaktid. Nende kontekstifunktsioonide asukohad

olid plokkide vahel tasakaalustatud, nii et neid näidati võrdne arv kordi keskel asuva objekti paremal ja vasakul küljel. Iga kodeerimiskatse puhul juhendati osalejaid keskenduma seostele objekti ja kas värvilise ruudu või stseeni vahel, mis oli selle katse sihtkontekst. Võimalikud stseenid hõlmasid stuudiokorterit,

Joonis 2. Katsekujundus. Uuringu käigus paluti osalejatel anda subjektiivne jah/ei hinnang objekti ja värvilise ruudu vahelise seose kohta (st "kas see värv on selle objekti puhul tõenäoline?"), kus esitati üks kolmest võimalikust värvist (punane). , roheline, pruun) või stseen (st "kas see objekt esineb tõenäoliselt selles stseenis?"), kus esitati üks kolmest võimalikust stseenist (linnapilt, stuudiokorter, saar). Osalejaid suunati pöörama tähelepanu ühele kontekstile ja ignoreerima teist konteksti. Katse ajal andsid osalejad iga katsekatse jaoks (eseme tuvastamine ning värvi ja stseeni kontekst) kuni kolm vastustmäluotsused).

linnapilt või saar. Stseenid on võetud Creative Commonsist. Võimalikud värvilised ruudud koosnesid rohelisest, pruunist või punasest. Kõik konteksti- ja objektipildid hõlmasid maksimaalset vertikaalset ja horisontaalset vaatenurka 3 kraadi. Otsimise ajal kaasati kõik 288 objektimälutestida lisaks 144 uut objektipilti, mida kodeerimisel ei esitatud. Uuringu- ja katseobjektid olid subjektide lõikes tasakaalustatud.

Eksperimentaalne ülesehitus ja statistilised analüüsid

Joonis 2 illustreerib uuringu- ja katseetapis kasutatud protseduuri. Enne iga etapi algust jagati osalejatele juhiseid ja anti

10 katset harjutamiseks. Uuringuetapis paluti osalejatel anda subjektiivne jah/ei hinnang objekti ja värvilise ruudu (st "kas see värv on selle objekti puhul tõenäoline?") või stseeni (st kas see on objekt, mis tõenäoliselt selles stseenis ilmub?"). Ülesande juhised täpsustasid, et iga konkreetse katse puhul peaks osaleja pöörama tähelepanu ühele kontekstile ja ignoreerima teist konteksti. Uuringufaasis oli neli plokki, kus iga plokk koosnes neljast miniplokist ja igaüks neist hõlmas 18 katset. Enne iga miniploki alustamist anti osalejatele viip (nt "Nüüd saate hinnata, kui tõenäoline on objekti värv" või "Nüüd saate hinnata, kui tõenäoline on stseen objekti jaoks"). Kuna varasemad tõendid on sellele viitanudmäluVanemate täiskasvanute jõudlus on rohkem häiritud, kui nad peavad lülituma kahte erinevat tüüpi ülesande vahel (Kray ja Lindenberger, 2000), miniplokke kasutati osaleja orienteerimiseks, millisele kontekstile nad peaksid eelseisvates katsetes tähelepanu pöörama. Lisaks vähendab see ülesandeid, mis tulenevad ühe konteksti (nt värvi) hindamisest teise (nt stseeni) hindamisest. Igal miniploki katsel oli uuringukatsete ajal piltide all meeldetuletusviip (joonis 2).

Testi käigus esitleti osalejatele nii vanu kui uusi esemeid. Sarnaselt õppefaasile oli iga objekti kõrval nii stseen kui ka värviline ruut. Iga objekti puhul otsustas osaleja alguses, kas tegemist on vana või uue kujutisega. Kui osaleja avastas, et objekt on uus, algas järgmine katse 2000 ms pärast. Kui osalejad väitsid, et see on vana, siis paluti neil anda kaks lisahinnangut iga kontekstitunnuse ja oma hinnangu kindluse kohta (st üks värvilise ruudu ja teine ​​stseeni kohta). Teise ja kolmanda küsimuse järjekord oli osalejate vahel tasakaalustatud. Vanade üksuste puhul määrati sidumine nii, et võrdne arv vanu objekte esitati: (1) mõlemad kontekstipildid vastavad kodeerimisetapis esitatutele, (2) ainult värvide sobivus, (3) ainult stseeni sobitamine ja (4) mitte kontekstipildi sobitamine. Vastused kontekstiküsimustele koostati skaalal, mille järgi täiskasvanud lõpetasid kõik neli õppeplokki enne nelja katseplokki. Vanematele täiskasvanutele (üle 60-aastastele), et paremini võrdsustada esemeidmälusooritusvõimet noorte täiskasvanutega ja võimaldada meil uurida vanuse mõju EEG ajalises dünaamikas, mida üldiselt ei põhjenda suured vanusemõjud.mäluvõime (Rugg ja Morcom, 2005),mälukoormust vähendati poole võrra, nii et nad lõpetasid kahe ploki uuringu-testitsükli kaks korda (kaks uuringut, kaks katset, kaks uuringut, kaks katset). Kõik osalejad tegid enne esimese õppeploki alustamist lühikese harjutuse nii uuringu- kui ka testiplokkides. Seega teadsid osalejad eelseisvastmälutesti, kuigi neil ei kästud keskenduda oma kodeerimisotsustele ja mitte eelseisva testi jaoks pähe õppida.

Andmete kogumine

Pidevad peanaha salvestatud EEG andmed registreeriti 32 Ag-AgCl elektroodilt, kasutades ActiveTwo võimendisüsteemi (BioSemi). Elektroodide asend põhineb laiendatud 10–20 süsteemil (Nuwer et al., 1998). Elektroodide positsioonid koosnesid: AF3, AF4, FC1, FC2, FC5, FC6, FP1, FP2, F7, F3, Fz, F4, F8, C3, Cz, C4, CP1, CP2, CP5, CP6, P7, PO3 , PO4, P3, Pz, P4, P8, T7, T8, O1, Oz ja O2. Võrguühenduseta viitamiseks kasutati väliseid vasakut ja paremat mastoidelektroodi. Kaks täiendavat elektroodi registreerisid horisontaalse elektrookulogrammi (HEOG) vasaku ja parema silma külgmises servas ning kaks paremast silmast kõrgemat ja madalamat elektroodi registreerisid vertikaalse EOG (VEOG). EEG diskreetimissagedus oli 1024 Hz 24- bitise eraldusvõimega ilma kõrg- või madalpääsfiltrita EEG eeltöötluseta

EEG-andmete võrguühenduseta analüüs viidi läbi rakenduses MATLAB 2015b, kasutades tööriistakaste EEGLAB, ERPLAB ja FIELDTRIP. Pidevad andmed langetati sagedusele 256 Hz, viidates vasaku ja parema mastoidelektroodi keskmisele, ja ribapääs filtreeriti vahemikus 0,5 kuni 125 Hz. Seejärel analüüsiti andmeid vahemikus –1000 ms enne stiimuli algust kuni 3000 ms. Huvipakkuv ajavahemik oli stiimuli algusest kuni 2000 ms-ni, kuid signaali kadumise arvestamiseks epohhi mõlemas otsas lainete teisenduse ajal on vaja pikemat ajavahemikku. Iga epohh korrigeeriti algtasemeks kogu ajastu keskmiseks ja automaatne tagasilükkamisprotsess kustutas perioodid, kus stiimuli alguses tekkis vilkumine, või äärmuslike pingenihetega perioodid, mis ulatusid üle kahe või enama elektroodi. Automatiseeritud tagasilükkamisprotsessid tuvastasid toorandmetes järgmiste parameetritega epohhid. (1) Pingevahemik oli suurem kui 99. protsentiil kõigist epohhi pingevahemikest 400- ms ajaintervalli jooksul (nihkumine 100- ms intervalliga iga epohhi lõikes). (2) Lineaarse trendi kalle oli kõrgem kui 95. protsentiil kõigist ajastuvahemikest minimaalse R2 väärtusega 0,303. Pingevahemik oli suurem kui 95. protsentiil kõigist epohhi vahemikest 100- ms ajavahemiku jooksul (nihutamine) 25- ms intervalliga iga ajastu lõikes), 150–150 ms stiimuli algusest ainult eesmise ja silma elektroodide puhul. Seejärel viidi kõigil peaelektroodidel läbi sõltumatu komponendi analüüs (ICA), et tuvastada silma artefakte (st silmapilgutused ja horisontaalsed silmade liikumised). Silma artefaktidega seotud komponendid jäeti andmetest välja, kontrollides visuaalselt silma elektroodidega topograafilisi komponentide kaarte ja komponentide aja kulgu. Iga ajajärk määrati uuesti – 300 kuni –100- ms pikkusele perioodile enne stiimuli algust, kuna ajastud ei olnud pärast silma aktiivsusega seotud komponentide kustutamist enam kindlale ajaperioodile. Kui andmekogumil oli mürarikas elektrood (nt 0,30 protsenti andmetest, mis tuleb tagasi lükata), kustutati see töötlemisvoost ja interpoleeriti lähedalasuvate kanalite abil, et hinnata aktiivsust halvas kanalis enne ajasageduse protseduuri käivitamist. Pärast kõiki töötlemisetappe eemaldati 13 protsenti (SD=8 protsenti) ajastutest.

Sageduse lagunemine

Iga epohh muudeti ajasageduse esituseks, kasutades viie tsükliga Morleti lainelisi 78 lineaarselt paigutatud sagedusega vahemikus 3 kuni 80 Hz. Lainete teisenduse ajal vähendati iga epohhi huvipakkuva ajavahemikuni ja diskreetimissagedus 50, 25 Hz-ni. Järgmiste MVPA-de puhul uurisime ainult katseid, milles osalejad tunnistasid objektid õigesti vanaks (üksuse tabamused). Otsus valida ainult üksuse tabamuskatsed põhines eeldusel, et seotud kontekstide õige äratundmine sõltus tsentraalselt esitletud objekti õigest äratundmisest. Keskmine uuringute arv noorematel, keskealistel ja vanematel täiskasvanutel on järgmine: nooremad (M=190.50, SD=41.01), keskealised (M{). {16}}.31, SD=40.24), vanem (M=177.06, SD=38.56).

Ajaliselt lahendatud klassifikatsioon

Meid huvitas varaseima aja klassifitseerimine, millal värvi- ja stseenikonteksti funktsioonid edukalt kodeeriti ja hankiti. Klassifikaatori treenimiseks saadaolevate katsete arvu maksimeerimiseks langetasime nii õigete kui ka ebaõigete katsetüüpide usaldustasemed nii kodeerimisel kui ka otsingul kokku. See tähendab, et mõnel osalejal oli väga vähe katseid konkreetsete usaldustingimuste jaoks (nt õige kontekst suure usaldusväärsusega), mistõttu oli raske kaasata usaldust kõiki osalejaid hõlmavatesse klassifikatsioonianalüüsidesse. Samamoodi ahendasime otsimiseks kõiki katsetüüpe (st mõlemad kontekstipildid, mis vastavad kodeerimisetapis esitatutele, ainult värvide sobivus, ainult stseeni sobitamine ja kumbki kontekstikujutis ei sobinud), et suurendada võimsust tuvastada huvi. Oluline on märkida, et nende katsetüüpide proportsioonid olid kontekstis õigete ja ebaõigete katsete puhul ligikaudu samaväärsed (kontekst õige: 29,5 protsenti sobivad mõlemad kontekstid, 23,2 protsenti ainult värvide vaste, 22,1 protsenti ainult stseeni vaste, 25,2 protsenti mitte kumbki). konteksti vaste; kontekst vale: 20,7 protsenti mõlemad kontekstid ühtivad, 27,5 protsenti ainult värvide vaste, 28,0 protsenti ainult stseeni vaste, 23,8 protsenti ei ühti kontekstiga). Need proportsioonid olid laias laastus sarnased erinevate tähelepanutingimuste korral (st osaleda värviga vs osaleda stseenis). Iga klassifikatsioonianalüüsi jaoks valisime kindla 300-ms libiseva ajaintervalli ja nihutasime ajaakent ühe ajapunkti (20 ms) võrra kodeeringu ja üksuse esialgse 2-s perioodi jooksul.mäluosade otsimise epohhid (st alates stiimuli algusest nii kodeerimisel kui ka otsimisel). See 300- ms ajavahemik valiti selleks, et maksimeerida klassifikaatori jaoks saadaolevat teavet, et eraldada õiged ja ebaõiged katsed, võimaldades samal ajal piisavat ajalist eraldusvõimet, et tuvastada tingimuste tipp latentsusaja erinevusi. Esimesed 2 sekundit valiti klassifikatsioonianalüüsiks, et see oleks kooskõlas varasemate EEG uuringutega, sealhulgas sama ülesannet kasutavate uuringutega, mis näitavad episoodilist.mälumõju selles ajavahemikus (Rugg ja Curran, 2007; James jt, 2016a; Powell et al., 2018). See tähendab, et isegi üksuse tuvastamise perioodil on EEG aktiivsus kontekstitundlikmälutäpsust. Teiseks andis uuringu hilisemate ajaperioodide proovide võtmine sarnaseid ja/või vähem olulisi mõjusid kui esitatud. Kolmandaks, kuna värvide ja stseeni konteksti tuvastamise küsimused esitati ja neile vastati hiljem katses, püüdsime vähendada värvide ja stseeni tajumise võimalikku mõju.mäluedu mõjud. Seejärel eraldasime iga 300 ms intervalli jaoks iga sagedusriba andmetest eraldi funktsioonid, mis põhinevad ühistel ruumimustritel (CSP), sealhulgas d (3–4 Hz), u (4–7 Hz). ), a (8–14 Hz), b (14–30 Hz) ja g (30–80 Hz). CSP-algoritmi eesmärk on suurendada eristatavust, õppides ära ruumifiltrid, mis maksimeerivad filtreeritud signaali võimsust ja minimeerivad teise klassi võimsust (Herbert et al., 2000). Lühidalt, arvutatakse iga klassi katsete keskmised kovariatsioonimaatriksid, mis annavad kahe klassi jaoks C1 ja C2. Seejärel lahendatakse omaväärtuse lagunemise kontseptsiooni kasutades optimeerimisülesanne w ¼ argmax, et leida optimaalsed ruumifiltrid. Teisisõnu projitseerivad ruumifiltrid optimaalselt praeguse ruumi signaalid (st üle algsete elektroodide) uude ruumi, kus iga projitseeritud elektroodi signaal on kõigi algsete elektroodide ja signaalide lineaarne kombinatsioon. nende signaalide variatsioonid on kahe klassi katsete puhul väga eristatavad (st konteksti õige vs kontekst vale). Järgmisena, kui erinevate sagedusribade ruumilised filtrid eraldati eraldi, rakendasime Fisheri kriteeriume, et valida iga inimese jaoks parimad omadused, et vähendada klassifikaatori treenimise funktsioonide ruumi (Phan ja Cichocki, 2010). Et olla järjepidev kõigis analüüsides ja osalejates ning vältida katsete arvu põhjal üle- ja alasobitamise ohtu, valisime iga analüüsi jaoks viis parimat funktsiooni, millel on kõrgeim Fisheri skoor. Lõpuks õpetasime välja naiivse Bayesi klassifikaatori, et eristada õigeid ja ebaõigeid kontekstikatseid (Fukunaga, 1993). Kasutasime klassifikaatori toimivuse hindamise kriteeriumina 5-kordse ristvalideerimise keskmist täpsust. Selle tulemusena saime iga osaleja jaoks ühe klassifikaatori täpsuse väärtuse iga 86, 300- ms intervalli jaoks (resolutsiooniga 20- ms libisevad ajapunktid, st [0, 300 ms], [20, 320 ms], [40, 340 ms],..., [1700, 2000 ms]) katse iga etapi jaoks (kodeerimine, otsimine), tähelepanu seisund (sihtmärk, distractor), ja kontekstifunktsioon (värv, stseen). Kuigi binaarse klassifikatsiooni probleemide teoreetiline tõenäosustase on 50 protsenti, on mõned uuringud, mis on näidanud, et tegelik juhuse tase võib teoreetilisest väärtusest märkimisväärselt erineda (Combrisson ja Jerbi, 2015; Jamalabadi et al., 2016). Selle tulemusena kasutasime permutatsiooniteste (Nichols ja Holmes, 2002), korrates klassifikatsioonianalüüsi, et saada empiiriline null.

klassifikaatori jõudluse jaotus. Täpsemalt, iga eraldiseisva analüüsi ja osaleja jaoks viisime läbi sama ajalahendiga 5-kordse ristvalideerimise klassifitseerimisprotseduuri nagu tõeliste siltidega tegelike andmete puhul, kuid kasutasime silte, mida segati juhuslikult iga korduse korral. Seda protsessi viidi läbi 500 korda osaleja kohta iga klassifikatsioonianalüüsi jaoks ja iga korduse korral määrati juhuslik silt. See kehtestas klassifikatsiooni tulemuslikkuse skooride empiirilise nulljaotuse. Seejärel määrasime iga aine puhul klassifikaatori jõudluse olulisuse määramise läveks täpsuse, mis oli nulljaotuses suurem kui 95 protsenti jõudlusväärtustest. Kuid on oluline märkida, et igal ajaintervallil on oma empiiriline nulljaotus ja nulljaotuse 95. protsentiil on erinevatel ajavahemikel erinev ning et olla konservatiivsem, oleme valinud ajavahemike lõikes kõrgeima 95. protsentiili. kui selle aine ja analüüsi läve.

Näidamaks, et klassifitseerimise tulemuslikkus on ainete lõikes märkimisväärselt suurem kui juhus, ja näidata üldisi ajaperioodemäluEdu dekodeeritavus läbi aja, lahutasime iga osaleja empiirilise tõenäosuse taseme aja kulgemise indiviidi tegelikust klassifikatsiooni tulemuslikkuse ajakursusest. Seejärel arvutasime nende erinevuste aja keskmised värvide ja stseeni tingimuste lõikes. Lõpuks keskmistasime need individuaalsed erinevused osalejate vahel. Need osalejate keskmised reaalse tõenäosusega klassifitseerimise ajakursused kodeerimiseks ja otsimiseks ning 95-protsendilised usaldusvahemikud on näidatud joonisel 3. Nagu on näha jooniselt 3, oli klassifitseerimise tulemuslikkus paljude katsealuste lõikes märkimisväärselt suurem kui juhus. kodeerimise ja otsimise ajaintervallid. Kontekstimälu õnnestumine oli maksimaalselt dekodeeritav vahemikus 680–980 ms kodeerimisel (keskpunkt 830 ms; joonis 3a) ja 340–640 ms otsimisel (keskpunkt 490 ms; joonis 3b).

Lõpuks joonistasime klassifikaatori täpsuse väärtused diagrammile, kus iga diagrammi punkt (joonis 4) tähistas iga 300- ms ajaintervalli keskpunkti. Kõigis nendes diagrammides oleks mitu ajavahemikku, mille klassifikatsiooni täpsus on suurem kui kõrvuti asetsevad ajaintervallid (st ajavahemikud vahetult enne ja vahetult pärast praegust ajavahemikku, 20- ms keskpunkti erinevusega) . Kuna aga selle kriteeriumi jaoks kvalifitseeruvad paljud hetked, laiendasime külgnemisintervalli 60 ms-ni. Täpsemalt valiti potentsiaalseteks tipphetkedeks ainult need ajaintervallid, mille klassifitseerimise täpsus oli suurem kui kõigil ajavahemikel nende 60- ms ajalises naabruses. Näiteks joonisel 4, kuigi A on suurema jõudlusega kui ajavahemikel vahetult enne ja pärast, ei saa seda potentsiaalseks tipuks valida, kuna B asub selle määratletud naabruses ja sellel on suurem jõudlus. Veelgi enam, valitud tipphetked peaksid toimima oluliselt üle võimaluse taseme. Selle tulemusena ei võeta arvesse võimalikke tipphetki, mille jõudlus on olulisuse lävest madalam. Jällegi, joonisel 4 ei võeta B-d arvesse, kuna see on toiminud vähem kui empiiriline tõenäosustase. Lõpuks, kui oleks

Joonis 3. Tegeliku juhuse konteksti ajaline kulgmäluedukuse klassifikatsiooni jõudlus, keskmistatuna tähelepanutingimuste ja osalejate lõikes (a) kodeerimisel ja (b) otsingul 95-protsendilise usaldusvahemikuga. Iga ajapunkt nendes diagrammides tähistab seotud 300- ms ajaintervalli keskpunkti. Kuna esimene ajavahemik hõlmab 0–300 ms, algavad diagrammid 150 ms-st ja lõpevad 1850 ms-ga, mis on viimase ajaintervalli (1700, 2000 ms) keskpunkt. Hall ala igal joonisel näitab tegeliku võimaluse konteksti 95-protsendilist usaldusvahemikkumäluosalejate edukuse klassifitseerimise tulemuslikkus. Kui konkreetse ajapunkti hall ala ulatub 0 protsendini, ei erine tegelik toimivus oluliselt osalejate juhuslikest näitajatest seotud 300- ms ajavahemiku jooksul. Näiteks kodeerimisel ulatub ajapunktiga 1030 ms, 880–1180 ms intervalli keskpunkt, seotud usaldusvahemik nullini.

Joonis 4. Ajalahutusega konteksti tulemuste näidemälutäpsusklassifikatsioon esindusainest ja klassifikatsioonianalüüs. Diagrammi iga ajapunkt tähistab seotud 300- ms ajaintervalli keskpunkti. Kuna esimene ajavahemik hõlmab 0–300 ms, algab diagramm selle ajaintervalli keskpunktist, nagu on näidatud vasakpoolse vertikaalse katkendjoonega. Lisaks lõpeb diagramm viimase ajaintervalli keskpunktiga (1700, 2000 ms), nagu on näidatud parempoolse vertikaalse katkendjoonega. Pange tähele, et lävi on seatud kõrgeima 95. protsentiili väärtusena ajaliselt lahendatud nulljaotuses, et iga subjekt oleks konservatiivsem (vt Materjalid ja meetodid).

Joonis 5. Üksus, värv ja stseeni kontekstmäludiskrimineeritavus.

mitu piiki, mis toimisid üle empiirilise juhuse taseme, valitakse varaseim "tipphetkeks", mis esimest korda määras, kas kontekstifunktsiooni kodeerimine/toomine õnnestub. Nagu on näha jooniselt 4, on mõned piigid, sealhulgas C, D ja E, mis kvalifitseeruvad mõlema nimetatud kriteeriumi järgi, ja me valime selle konkreetse analüüsi tipphetkeks C.

Koodi juurdepääsetavus

Selles uuringus kasutatud kohandatud kood on saadaval aadressil https://doi.org/10.17605/OSF.IO/FVUZX.

Andmete juurdepääsetavus

Selle uuringu tulemusi toetavad andmed ja tulemused on saadaval aadressil https://doi.org/10.17605/OSF.IO/FVUZX.