Bối cảnh mã hóa được khôi phục ngẫu nhiên trong quá trình truy xuất cạnh tranh và theo dõi động lực tạm thời của sự can thiệp bộ nhớ Phần 1

Khả năng ghi nhớ một sự việc trong quá khứ của chúng ta thường bị cản trở bởi sự cạnh tranh từ các sự kiện tương tự. Ví dụ: nếu chúng ta muốn ghi nhớ bài báo mà một đồng nghiệp đã đề xuất trong cuộc họp phòng thí nghiệm vừa qua, chúng ta có thể cần giải quyết sự can thiệp từ các đề xuất bài viết khác từ chính đồng nghiệp đó. Nghiên cứu này điều tra xem liệu các tính năng theo ngữ cảnh chỉ định các tập mã hóa có được khôi phục ngẫu nhiên trong quá trình truy xuất bộ nhớ cạnh tranh hay không. Sự cạnh tranh giữa các ký ức được tạo ra thông qua mô hình giao thoa AB/AC.

Trước hết, trong các cuộc thi trí nhớ mang tính cạnh tranh, trí nhớ tốt là điều vô cùng quan trọng đối với người tham gia. Cuộc thi yêu cầu người tham gia phải nhớ nhiều thông tin hơn trong một khoảng thời gian nhất định và chìa khóa để chiến thắng là ai nhớ được nhiều thông tin hơn và chính xác hơn. Vì vậy, nếu muốn giành chiến thắng trong cuộc thi trí nhớ mang tính cạnh tranh, bạn phải có trí nhớ tốt. Những người tham gia có trí nhớ cao có thể ghi nhớ lượng lớn thông tin một cách nhanh chóng và hiệu quả, điều này có lợi cho việc giành được lợi thế trong cuộc thi.

Thứ hai, các cuộc thi trí nhớ mang tính cạnh tranh cũng có thể thúc đẩy việc cải thiện trí nhớ cá nhân. Việc tham gia cuộc thi đòi hỏi phải rèn luyện rất nhiều, chẳng hạn như không ngừng luyện tập trí nhớ, nâng cao hiệu quả trí nhớ, tăng cường khả năng tập trung, v.v. Những bài tập này rất hữu ích để rèn luyện trí nhớ cá nhân và nâng cao trình độ nhận thức cá nhân. Trong cuộc cạnh tranh trí nhớ mang tính cạnh tranh, việc học hỏi từ kinh nghiệm tốt của người khác, đồng thời không ngừng học hỏi và tiến bộ sẽ khiến khả năng ghi nhớ của họ được cải thiện hơn nữa.

Ngoài ra, các cuộc thi trí nhớ mang tính cạnh tranh cũng có thể kích thích tiềm năng của mỗi cá nhân. Là một môn thể thao mang tính cạnh tranh, thi đấu trí nhớ có thể khiến người tham gia có sự tự tin và tâm lý cạnh tranh mạnh mẽ hơn, kích thích động lực và tiềm năng cá nhân, đồng thời cải thiện hơn nữa trí nhớ và phẩm chất toàn diện của họ.

Nói tóm lại, có một mối liên hệ không thể tách rời giữa trí nhớ cạnh tranh và trí nhớ. Tham gia các cuộc thi trí nhớ mang tính cạnh tranh có thể thúc đẩy sự cải thiện trí nhớ cá nhân, đồng thời có thể kích thích tiềm năng của con người để họ trở nên tự tin, dũng cảm và nghiêm túc hơn. Vì vậy, chúng ta nên tích cực tham gia các cuộc thi trí nhớ mang tính cạnh tranh và không ngừng tiến bộ để cải thiện trí nhớ của mình hơn nữa. Vì vậy, rõ ràng là chúng ta cần cải thiện trí nhớ, và cistanche có thể cải thiện đáng kể trí nhớ vì thịt kết dính cũng điều chỉnh sự cân bằng của các chất dẫn truyền thần kinh, chẳng hạn như tăng mức độ methacholine và các yếu tố tăng trưởng, rất quan trọng đối với trí nhớ và khả năng học tập, đồng thời thịt kết dính cũng cải thiện lưu lượng máu và cung cấp oxy. Điều này có thể đảm bảo rằng não nhận được đầy đủ dinh dưỡng và năng lượng, từ đó cải thiện sức sống và sức chịu đựng của não.

Bấm Biết để cải thiện chức năng nhận thức

Các cặp từ riêng lẻ được trình bày trong bối cảnh giống từ thực đang trôi dần. Phân tích mẫu đa biến (MVPA) của dữ liệu điện não đồ (EEG) có độ phân giải thời gian cao đã được sử dụng để điều tra việc kích hoạt lại bối cảnh trong quá trình truy xuất bộ nhớ. Về mặt hành vi, chúng tôi quan sát thấy sự can thiệp chủ động (nhưng không có tác dụng hồi tố); nghĩa là, hiệu suất truy xuất cạnh tranh AC kém hơn so với truy xuất không cạnh tranh DE kiểm soát, trong khi truy xuất AB không bị cạnh tranh.

Về mặt thần kinh, sự can thiệp chủ động đi kèm với việc sớm khôi phục bối cảnh của đối thủ cạnh tranh và việc giải quyết can thiệp có liên quan đến việc khôi phục bối cảnh mục tiêu sau đó. Cùng với nhau, những phát hiện này cung cấp bằng chứng mới cho thấy bối cảnh mã hóa của các sự kiện riêng biệt cạnh tranh được khôi phục một cách ngẫu nhiên trong quá trình truy xuất cạnh tranh và việc khôi phục đó theo dõi cạnh tranh truy xuất và giải quyết nhiễu tiếp theo.

Từ khóa:

Điện não đồ (EEG); nhớ phân đoạn; kích hoạt lại bộ nhớ; phân tích mẫu đa biến (MVPA).

Giới thiệu

Ký ức phân đoạn cho phép chúng ta du hành ngược thời gian để xem lại quá khứ của mình (Tulving 1983). Tuy nhiên, việc tiếp cận một sự kiện cụ thể trong quá khứ thường bị cản trở bởi sự cạnh tranh trong việc hồi tưởng, xảy ra khi các tín hiệu hồi tưởng trùng lặp với sự kiện được tìm kiếm và các sự kiện tương tự khác (Anderson 1974; Mensink và Raaijmakers 1988).

Các lý thuyết phục hồi bối cảnh (ví dụ: Estes 1955; Polyn và cộng sự 2009; Howard và Kahana 2012; Howard 2017; Yonelinas và cộng sự 2019; Kahana 2020) mô tả cách trải nghiệm đang diễn ra của chúng ta được thể hiện trong não bằng sự ràng buộc của thông tin theo ngữ cảnh trôi chậm đến các sự kiện rời rạc. Theo đó, việc truy xuất bối cảnh trong quá trình ghi nhớ theo từng giai đoạn có tác dụng sắp xếp quá khứ của chúng ta. Tuy nhiên, người ta biết rất ít về vai trò của việc truy xuất ngữ cảnh trong quá trình ghi nhớ cạnh tranh. Gần đây người ta đưa ra giả thuyết rằng thông tin theo ngữ cảnh có thể hoạt động như một hình thức kiểm soát nhận thức nhằm giảm thiểu tác động của sự can thiệp vào trí nhớ đối với trí nhớ làm việc (Beukers và cộng sự 2021).

Trong nghiên cứu này, chúng tôi tận dụng các phân tích mẫu đa biến (MVPA) của dữ liệu điện não đồ (EEG) có độ phân giải thời gian cao để đo lường khả năng kích hoạt lại các chi tiết theo ngữ cảnh trong quá trình ghi nhớ theo từng giai đoạn dài hạn. Dữ liệu của chúng tôi cung cấp bằng chứng mới cho thấy thông tin theo ngữ cảnh được khôi phục ngẫu nhiên trong quá trình truy xuất cạnh tranh các sự kiện riêng biệt và việc khôi phục đó theo dõi sự cạnh tranh và giải pháp can thiệp.

Theo định nghĩa, trí nhớ theo từng giai đoạn phụ thuộc vào ngữ cảnh (Estes 1955; Godden và Baddeley 1975; Polyn và cộng sự 2009; Howard 2017) và các nghiên cứu trước đây chỉ ra rằng việc ghi nhớ theo từng giai đoạn liên quan đến việc khôi phục các chi tiết và đặc điểm ngữ cảnh của sự kiện ban đầu. Theo đó, người ta đã chứng minh rằng khả năng hồi phục thành công đồng biến với sự phục hồi thần kinh của các dấu vết ký ức liên quan đến mục tiêu (Polyn và cộng sự 2005; Staresina và cộng sự 2012; Gordon và cộng sự 2014; Jafarpour và cộng sự 2014), từ đó kích hoạt các tín hiệu truy hồi. khôi phục các đặc điểm ngữ cảnh hướng dẫn hành vi (Jiang, Bramão và cộng sự 2020a; Jiang, Wang và cộng sự 2020b), và việc truy xuất đó cũng có thể kích hoạt lại các đặc điểm ngữ cảnh không liên quan đến mục tiêu (Manning và cộng sự 2011; Diana và cộng sự 2013 ; Gershman và cộng sự 2013; Miller và cộng sự 2013; Staudigl và cộng sự 2015; Folkerts và cộng sự 2018; Herweg, Solomon và cộng sự 2020b). Gần đây, Herweg, Sharan và cộng sự. (2020a), và Herweg, Solomon và cộng sự. (2020b) đã chỉ ra rằng việc khôi phục bối cảnh không gian có thể diễn ra trước việc truy xuất vật phẩm và hoạt động dao động theta, ở thùy thái dương giữa, điều phối việc truy xuất vật phẩm và bối cảnh theo từng giai đoạn. Tuy nhiên, những nghiên cứu trước đây đã điều tra việc khôi phục theo ngữ cảnh trong các mô hình truy xuất không mang tính cạnh tranh.

Cho đến nay, rất ít thông tin về việc khôi phục bối cảnh ngẫu nhiên trong quá trình truy xuất cạnh tranh. Việc khôi phục thông tin theo ngữ cảnh trong quá trình truy xuất cạnh tranh có thể đóng một vai trò thiết yếu bằng cách tách các sự kiện rời rạc cạnh tranh và do đó làm giảm nhiễu bộ nhớ. Điều thú vị là Manning và cộng sự. (2016) nhận thấy ít khả năng phục hồi bối cảnh hơn sau khi được hướng dẫn quên theo chỉ đạo, cho thấy rằng việc cố ý quên sẽ tích cực xóa bỏ các đặc điểm bối cảnh của sự kiện trong quá khứ (Sahakyan và Kelley 2002).

Trong nghiên cứu này, chúng tôi làm sáng tỏ cách thức khôi phục thông tin theo ngữ cảnh xảy ra trong quá trình truy xuất cạnh tranh các sự kiện riêng biệt. Nghiên cứu trước đây đã chỉ ra rằng sự can thiệp của bộ nhớ có liên quan đến các kiểu phục hồi thần kinh không rõ ràng và với sự tham gia của các quá trình kiểm soát phía trước để giải quyết sự cạnh tranh giữa các ký ức mục tiêu (Wimber và cộng sự 2009; Kuhl và cộng sự 2011; Wimber và cộng sự 2015). Dữ liệu EEG chỉ ra rằng sự can thiệp của bộ nhớ có liên quan đến các sóng chậm phía trước dương tính (Johansson và cộng sự 2007; Hellerstedt và Johansson 2014) và với hoạt động theta phía trước tăng lên (Hanslmayr và cộng sự 2010; Staudigl và cộng sự 2010; Waldhauser và cộng sự. 2012), có khả năng được kích hoạt bởi việc kích hoạt lại đồng thời các dấu vết bộ nhớ mục tiêu và cạnh tranh.

Trong nghiên cứu này, chúng tôi sử dụng MVPA của dữ liệu EEG được ghi lại trong quá trình truy xuất bộ nhớ để điều tra việc kích hoạt lại đồng thời và ngẫu nhiên các bối cảnh trong đó các sự kiện riêng biệt mục tiêu và cạnh tranh được nhúng trong quá trình mã hóa.

Sự can thiệp vào trí nhớ đã được tạo ra bằng thực nghiệm trong mô hình AB/AC đã được điều chỉnh (ví dụ: Kuhl và cộng sự 2011). Những người tham gia lần đầu tiên mã hóa các cặp từ liên kết (AB) mới và các liên kết chồng chéo sau đó được hình thành bằng cách ghép các tín hiệu lặp lại với các liên kết mới (AC). Các cặp từ mới không chồng chéo (DE) được dùng làm điều kiện kiểm soát không cạnh tranh.

Để mô phỏng tính chất phong phú và phức tạp của các tập phim trong thế giới thực, các cặp từ riêng biệt được nhúng vào một trong ba bối cảnh phim đa phương thức (tức là phim góc nhìn thứ nhất về môi trường dưới nước, rừng hoặc thành phố). Một số cặp từ riêng biệt được trình bày trong cùng một bối cảnh phim mở rộng, cho phép mô phỏng tính chất trôi chảy chậm rãi của bối cảnh trong thế giới thực (Stark và cộng sự 2018). Điều quan trọng là các cặp từ AB, AC và DE được mã hóa bằng các phim khác nhau, cho phép định lượng việc khôi phục ngữ cảnh khi truy xuất (Hình 1A). Những người tham gia được hướng dẫn cố tình tìm hiểu các cặp đôi trong khi bối cảnh chỉ liên quan đến nhiệm vụ ghi nhớ (Smith và Vela 2001; Stark và cộng sự 2018).

Một trình phân loại mẫu đã được huấn luyện trong quá trình mã hóa để phân biệt các mẫu hoạt động não dao động liên quan đến các bối cảnh động khác nhau (Hình 1 B). Khi truy xuất, những người tham gia được đưa ra một gợi ý từ (chữ A hoặc chữ D của một cặp cụ thể), sau đó là phần trình bày thăm dò chữ cái đầu tiên, cho biết từ liên kết nào (hoặc B hoặc C hoặc E) để nhớ lại một cách có chọn lọc. Trình phân loại được áp dụng trong quá trình truy xuất theo thời gian để định lượng và tiết lộ động lực tạm thời của việc khôi phục bối cảnh mục tiêu và đối thủ cạnh tranh (Hình 1A, F).

Trước tiên, chúng tôi đã kiểm tra xem liệu bối cảnh mã hóa động ban đầu (phim), mặc dù chỉ là ngẫu nhiên đối với tác vụ bộ nhớ, có được khôi phục trong quá trình truy xuất các sự kiện riêng biệt (cặp từ) hay không. Nếu vậy, chúng tôi dự đoán rằng truy xuất không cạnh tranh, trái ngược với truy xuất cạnh tranh, sẽ liên quan đến việc khôi phục ngữ cảnh mục tiêu đã có trong cửa sổ thời gian gợi ý từ. Tín hiệu từ, trong truy xuất không cạnh tranh, chỉ gặp trong một sự kiện mã hóa duy nhất; do đó nó có thể nhanh chóng kích hoạt việc truy xuất dấu vết bộ nhớ đang được tìm kiếm. Sau khi thiết lập cách định lượng việc khôi phục ngẫu nhiên bối cảnh mã hóa, chúng tôi chuyển sang mục tiêu chính của mình và đo lường động lực tạm thời của việc khôi phục bối cảnh mục tiêu và đối thủ cạnh tranh trong quá trình truy xuất cạnh tranh. Chúng tôi dự đoán rằng 1) cạnh tranh thu hồi sẽ liên quan đến việc kích hoạt lại đồng thời bối cảnh mục tiêu và bối cảnh cạnh tranh hoặc không kích hoạt lại vì cả hai bối cảnh đều cạnh tranh để kích hoạt lại và không thắng và 2) rằng việc giải quyết can thiệp tiếp theo sẽ liên quan đến sự xuất hiện của mục tiêu mạnh hơn liên quan đến việc khôi phục bối cảnh của đối thủ cạnh tranh trong cửa sổ thời gian thăm dò (Hình 1A, F).

Nguyên liệu và phương pháp

Những người tham gia

Ba mươi người tham gia nghiên cứu (trung bình 22 tuổi, trong khoảng 19–29; 17 nữ). Tất cả những người tham gia đều thuận tay phải, nói tiếng Thụy Điển bản địa và không có tiền sử bệnh thần kinh hoặc tâm thần. Những người tham gia đã nhận được một vé xem phim như một khoản đền bù cho việc tình nguyện tham gia nghiên cứu. Nghiên cứu được thực hiện theo Đạo luật Thụy Điển liên quan đến Đánh giá đạo đức của nghiên cứu liên quan đến con người. Những người tham gia đã có sự đồng ý bằng văn bản và nghiên cứu tuân theo các hướng dẫn đạo đức địa phương tại Đại học Lund.

Vật liệu kích thích

Một trăm bốn mươi bốn bộ ba từ đã được sử dụng trong thí nghiệm. Các từ này đều là những từ cụ thể được chọn từ kho ngữ liệu tiếng Thụy Điển (Borin và cộng sự 2012). Các từ trong bộ ba chứa các chữ cái đầu khác nhau và không có bất kỳ mối liên hệ rõ ràng nào với nhau. Các bộ ba được chia thành hai danh sách, khớp với độ dài và tần số (tất cả Ps > 0,4), mỗi danh sách có 72 bộ ba. Mỗi danh sách được gán cho một điều kiện thử nghiệm cụ thể (AB và AC cạnh tranh và DE không cạnh tranh). Ba phiên bản của mỗi danh sách đã được tạo trong đó trạng thái của mỗi từ trong bộ ba được luân chuyển giữa gợi ý, mục tiêu và đối thủ cạnh tranh. Để đảm bảo rằng sự khác biệt giữa các điều kiện không phải do sự khác biệt về chất liệu từ, việc gán danh sách từ đã được cân bằng giữa các điều kiện thử nghiệm và người tham gia.

Ba bối cảnh phim góc nhìn thứ nhất đã được sử dụng trong thử nghiệm: 1) lặn dưới nước, 2) đi bộ trong rừng và 3) lái xe ở Thành phố New York. Để tối ưu hóa việc phân loại mẫu đa biến, chúng tôi đã sử dụng các bối cảnh khác nhau về mặt nhận thức và ngữ nghĩa.

Thiết kế và quy trình thí nghiệm

Thử nghiệm hoàn chỉnh bao gồm 18 khối, mỗi khối bao gồm một giai đoạn mã hóa, tác vụ đánh lạc hướng đếm ngược của 30- và một giai đoạn truy xuất. Trong giai đoạn mã hóa (Hình 1A), những người tham gia được cung cấp các liên kết cặp từ được nhúng trong phim. Mỗi cặp từ được trình bày trong 3 giây giữa các phân đoạn phim kéo dài trong 6–9 giây. Để tạo ra những cách thể hiện trí nhớ mạnh mẽ, những người tham gia được yêu cầu cố ý tìm hiểu các cặp đôi liên kết và hình dung chúng trong bối cảnh phim. Lưu ý rằng bối cảnh phim là ngẫu nhiên đối với nhiệm vụ ghi nhớ (tức là sự liên kết giữa bối cảnh và các cặp từ không phải là mục tiêu học tập rõ ràng) (Smith và Vela 2001; Stark và cộng sự 2018).

Những người tham gia đầu tiên được giới thiệu bốn liên kết gợi ý mới (cặp từ AB). Để tạo ra sự can thiệp vào bộ nhớ, những người tham gia sau đó đã mã hóa các cặp từ có chứa tín hiệu lặp lại được ghép nối với một từ liên kết mới (cặp từ AC). Cuối cùng, một bộ riêng biệt gồm bốn liên kết gợi ý mới (cặp từ DE không cạnh tranh), không theo sau là các cặp chồng chéo, cũng được trình bày. Điều quan trọng là, để có thể theo dõi quá trình kích hoạt lại mục tiêu so với các tính năng ngẫu nhiên, các phim được liên kết với các cặp từ AB, AC và DE đều khác nhau. Việc gán phim cho các điều kiện thử nghiệm (AB, AC và DE) đã tạo sự cân bằng cho những người tham gia trong các khối thử nghiệm khác nhau. Do đó, mỗi bộ phim được sử dụng thường xuyên như nhau trong ba điều kiện thử nghiệm trong toàn bộ thử nghiệm. Điều này đảm bảo rằng việc phân loại dựa trên MVPA dựa trên việc kích hoạt lại bối cảnh phim thay vì dựa trên yêu cầu của các điều kiện thử nghiệm AB/AC/DE. Thứ tự trình bày của các cặp từ AB, AC và DE được cân bằng giữa các khối, với ràng buộc là các cặp từ AB luôn đứng trước các cặp từ AC.

Trong giai đoạn truy xuất, bộ nhớ cho tất cả 12 cặp từ được trình bày đã được kiểm tra trong một nhiệm vụ gợi nhớ bằng tín hiệu (tức là bốn AB, bốn AC và bốn DE). Những người tham gia lần đầu tiên được kiểm tra trên cả bốn cặp từ DE, cùng với hai cặp từ AB và hai cặp từ AC khác được chọn ngẫu nhiên. Thứ tự truy xuất của tám cặp từ đầu tiên này là ngẫu nhiên. Điều đáng chú ý là phân tích EEG được trình bày bị hạn chế ở việc truy xuất tám cặp từ đầu tiên này để đảm bảo rằng mỗi tín hiệu chỉ được sử dụng một lần. Vào cuối khối truy xuất, hiệu suất bộ nhớ của bốn hiệp hội đối thủ cạnh tranh cũng được kiểm tra (tức là, sau bài kiểm tra bộ nhớ mục tiêu AB/AC là bài kiểm tra bộ nhớ của đối thủ cạnh tranh AC/AB). Thử nghiệm truy xuất bắt đầu bằng việc trình bày một dấu thập cố định trong 2 giây, sau đó là tạo ra tín hiệu từ (chữ As hoặc chữ D) trong 2 giây nữa.

Sau đó, chữ cái đầu tiên của từ được ghép nối (thăm dò) sẽ được hiển thị trong 3 giây và những người tham gia được yêu cầu truy xuất liên kết mục tiêu (một nửa số B và C và tất cả các E). Bối cảnh mã hóa không được gợi ý, đề cập hoặc theo bất kỳ cách nào khác có liên quan đến nhiệm vụ truy xuất. Vào cuối mỗi khối truy xuất, những người tham gia sau đó được yêu cầu truy xuất các đối thủ cạnh tranh (các C và B còn lại). Những người tham gia trả lời bằng miệng và phản hồi của họ được người thí nghiệm ghi lại. Để tránh tạo tác cơ trong dữ liệu EEG, người tham gia được yêu cầu giữ lại câu trả lời của họ cho đến khi xuất hiện dấu chấm hỏi.

Ghi và xử lý trước EEG

Điện não đồ được ghi liên tục bằng bộ khuếch đại SynAmps RT Neuroscan (tốc độ lấy mẫu 1 kHz; tham chiếu xương chũm bên trái; băng thông DC-3500 Hz; 24-độ phân giải bit) từ 62 điện cực hoạt động được gắn trong một nắp đàn hồi và được định vị theo sang hệ thống 10–20 mở rộng. Dữ liệu EEG được xử lý trước bằng cách sử dụng FieldTrip (Oostenveld và cộng sự 2011) và các tập lệnh MATLAB nội bộ. Khi ngoại tuyến, dữ liệu được giảm tần số lấy mẫu xuống 500 Hz và được chia thành hai giai đoạn quan tâm khác nhau: giai đoạn mã hóa và giai đoạn truy xuất. Dữ liệu mã hóa được trích xuất từ ​​một kỷ nguyên từ −1 đến 7 giây so với thời điểm bắt đầu của phim, được sử dụng để huấn luyện các bộ phân loại mẫu nhằm phân biệt bối cảnh phim. Kỷ nguyên truy xuất được tạo bằng cách chọn dữ liệu trong khoảng từ −2 đến 6 giây so với thời điểm bắt đầu của tín hiệu từ. Những dữ liệu này được sử dụng để kiểm tra các bộ phân loại mô hình thần kinh, nghĩa là đánh giá khả năng phục hồi bối cảnh phim và để thực hiện phân tích tần số thời gian đơn biến tiêu chuẩn.

Dữ liệu kỷ nguyên đã được chuyển đổi thành tham chiếu xương chũm được liên kết và đường cơ sở được hiệu chỉnh (trừ theo biên độ trung bình của kỷ nguyên). Ngoài ra, các phép đo điện nhãn đồ lưỡng cực được tính toán bằng cách sử dụng điện cực FP1 và một điện cực đặt bên dưới mắt trái, cũng như các điện cực FT9 và FT10 trong nắp để phát hiện chuyển động của mắt theo chiều dọc (nháy mắt) và ngang tương ứng. Các kỷ nguyên EEG đã được kiểm tra về mặt vật lý và những kỷ nguyên chứa cơ hoặc các tạo tác khác, không liên quan đến chớp mắt và chuyển động mắt ngang, đã được loại bỏ thủ công. Phân tích thành phần độc lập đã được tiến hành và các thành phần đại diện cho các thành phần giả vận nhãn và hoạt động cơ khác biệt với tín hiệu EEG đã bị loại bỏ. Ngoài ra, các kênh có nhiễu nhất quán giữa những người tham gia đã bị xóa khỏi phân tích (FT9/FT10), mọi kênh xấu còn lại (nếu có) đều được nội suy và dữ liệu được kiểm tra lại bằng trực quan để loại bỏ mọi thử nghiệm có chứa các thành phần giả còn sót lại. Phân tích cuối cùng bao gồm trung bình 34 thử nghiệm AB (từ 30 đến 36 thử nghiệm), 34 thử nghiệm AC (từ 29 đến 36 thử nghiệm) và 66 thử nghiệm DE (từ 51 đến 72 thử nghiệm) cho mỗi người tham gia.

Phân rã tần số thời gian

Các tín hiệu từ các thử nghiệm riêng lẻ được chuyển thành biểu diễn tần số thời gian (TFR). TFR thu được cho các tần số nằm trong khoảng từ 4 đến 45 Hz, với bước tần số là 1 Hz, bước thời gian là 0,05 giây và độ rộng sóng con là 5 chu kỳ, sử dụng biến đổi sóng con Morlet phức tạp như được triển khai trong Chuyến đi thực tế. Hoạt động dao động của não trước đây đã được sử dụng để huấn luyện thành công các bộ phân loại mẫu nhằm phân biệt các biểu diễn ghi nhớ (Jafarpour và cộng sự 2014; Bramão và Johansson 2018) và được cho là hỗ trợ các cơ chế cốt lõi của trí nhớ phân đoạn (Hanslmayr và Staudigl 2014; Hanslmayr và cộng sự 2016; Schreiner và Staudigl 2020).

Phân tích thống kê và phân loại mẫu đa biến

Chúng tôi đã huấn luyện một bộ phân loại để phân biệt các kiểu hoạt động của não liên quan đến phim bối cảnh khi mã hóa. MVPA được thực hiện bằng cách sử dụng máy vectơ hỗ trợ (SVM), với nhân tuyến tính và chiến lược một chọi một, như được triển khai trong hộp công cụ tin sinh học MATLAB và tuân theo các giao thức được đề xuất trong tài liệu (Jafarpour et al. 2013). Các trình phân loại mẫu đã được đào tạo về TFR trung bình trong suốt mỗi lần trình chiếu phim 6- trong giai đoạn mã hóa (Lưu ý: đối với những khoảng thời gian mà phim được hiển thị tối đa 9 giây, 6 giây đầu tiên được sử dụng để phân tích). Bộ phân loại đã sử dụng TFR từ 60 kênh và do đó bộ phân loại đã được đào tạo về 2520 đặc điểm có thể có (60 kênh ∗ 42 tần số). Không có hiệu chỉnh cơ sở bổ sung nào được thực hiện trên TFR; thay vào đó, công suất ở mỗi tần số và kênh đã được chuẩn hóa trong các thử nghiệm (Jafarpour và cộng sự 2013). Việc phân loại được thực hiện bằng cách sử dụng tín hiệu TFR từ trung bình 63 thử nghiệm tương ứng với bối cảnh dưới nước (phạm vi 53–71), 64 thử nghiệm tương ứng với bối cảnh rừng (phạm vi 54–71) và 64 thử nghiệm tương ứng với bối cảnh thành phố (phạm vi 54– 72). Chúng tôi đã sử dụng 10-quy trình xác thực chéo gấp để kiểm tra trình phân loại khi mã hóa. Nghĩa là, dữ liệu được chọn ngẫu nhiên và phân chia thành 10 tập hợp con có kích thước gần bằng nhau, trong đó thực hiện 10 lần lặp lại bài kiểm tra huấn luyện. Mỗi phân vùng được sử dụng làm tập kiểm tra một lần, chín phân vùng còn lại được sử dụng để huấn luyện bộ phân loại trong lần đó. Trong mỗi lần lặp lại xác thực chéo, mô hình được sử dụng để dự đoán loại thử nghiệm bị loại bỏ.

Để hình dung sự đóng góp của từng kênh và tần số vào hiệu suất phân loại, chúng tôi thực hiện lại quá trình đào tạo phân loại theo hai phân tích. Sự đóng góp của từng kênh riêng lẻ được đánh giá bằng phân tích đèn rọi trong miền không gian. Quy trình phân loại tương tự được lặp lại nhưng chỉ bao gồm kênh mục tiêu và các kênh lân cận (trung bình là bảy, nằm trong khoảng từ bốn đến tám kênh). Tương tự, sự đóng góp của từng tần số được đánh giá bằng cách chạy lại phân loại bằng cách sử dụng tần số mục tiêu và các tần số liền kề (ba tần số ngoại trừ tần số tối thiểu và tối đa chỉ sử dụng hai tần số). Hiệu suất phân loại được phân bổ cho kênh mục tiêu và tần số mục tiêu và tương phản với cơ hội (33,3%). Độ chính xác phân loại còn sót sau hiệu chỉnh Bonferroni được báo cáo (giá trị P đã hiệu chỉnh cho tần số: 0.0so sánh 5/42=0.0012; giá trị P đã hiệu chỉnh cho các kênh: so sánh 0,05/60=0.0008).

Trình phân loại mẫu được xây dựng và xác thực chéo với dữ liệu mã hóa sau đó được sử dụng để dự đoán ngữ cảnh mã hóa của mục tiêu dựa trên dữ liệu truy xuất (tức là ngữ cảnh của từ mục tiêu được truy xuất) trong các thử nghiệm mà người tham gia cho thấy việc truy xuất mục tiêu thành công cũng như đối với những thử nghiệm mà người tham gia không lấy được mục tiêu. Thử nghiệm được thực hiện ở 85 khung thời gian riêng biệt, từ −0,2 đến 4 giây so với thời điểm bắt đầu tín hiệu từ, với các khoảng thời gian 0.05-s, bao gồm cả tín hiệu và tín hiệu cửa sổ thời gian thăm dò.

Mỗi lần lặp phân loại tạo ra một ma trận nhầm lẫn tóm tắt kết quả phân loại. Các hàng của ma trận biểu thị các danh mục ngữ cảnh thực trong khi các cột biểu thị các danh mục ngữ cảnh được dự đoán. Việc phân loại trong ma trận nhầm lẫn tại một vị trí nhất định (r, c) biểu thị số lượng quan sát có nhãn r mà bộ phân loại gắn nhãn là c. Các giá trị trên đường chéo của ma trận (r=c) tương ứng với các phân loại chính xác trong đó các loại đúng và được dự đoán là giống nhau. Vì việc phân loại trong nghiên cứu hiện tại liên quan đến số lượng quan sát cân bằng cho mỗi danh mục, chúng tôi chia mọi phần tử của ma trận nhầm lẫn cho tổng hàng của nó sao cho mỗi hàng có tổng bằng một. Độ chính xác của trình phân loại, được định nghĩa là tỷ lệ phần trăm của các lần thử phân loại dự đoán chính xác danh mục quan sát, được tính bằng giá trị trung bình của đường chéo của ma trận nhầm lẫn được tính trung bình trên các lần lặp xác thực chéo và người tham gia.

Để xác định tầm quan trọng thống kê của độ chính xác phân loại được quan sát, chúng tôi đã tạo phân phối null cho mỗi người tham gia bằng cách tiến hành phân loại với dữ liệu được xáo trộn. Để kiểm tra tầm quan trọng của việc phân loại khi mã hóa, chúng tôi đã tiến hành 100 lần lặp và để kiểm tra ý nghĩa thống kê của việc phát lại khi truy xuất, chúng tôi đã tiến hành 1000 lần lặp (để tính số lượng điểm dữ liệu tăng lên khi truy xuất). Ở mỗi lần lặp lại, nhãn của phim bối cảnh được xáo trộn. Do đó, mỗi lần lặp lại mang lại một bản phân phối không chứa thông tin thực sự về thể loại phim nhưng vẫn giữ được độ mượt tổng thể và các thuộc tính thống kê khác. Để sửa nhiều so sánh và kiểm tra độ tin cậy thống kê của phân loại thu được trong quá trình mã hóa, chúng tôi đã so sánh phân loại đó với phân loại trung bình thu được bằng dữ liệu được xáo trộn.

Để sửa lỗi cho nhiều so sánh và kiểm tra độ tin cậy thống kê của phân loại thu được trong quá trình truy xuất, chúng tôi đã tiến hành kiểm tra t một mẫu cho mỗi lần lặp trong số 1{12}}00 lần lặp so sánh hiệu suất phân loại với cơ hội (33.3 %). Việc phân phối các thử nghiệm t thu được với dữ liệu dẫn đầu đã hình thành phân phối null theo kinh nghiệm không tham số và phần trăm 97,5 và 2,5 của phân phối này được sử dụng làm ngưỡng ý nghĩa cho thử nghiệm hai đuôi, tương ứng với ngưỡng ý nghĩa của 0,05. Hiệu suất phân loại khi truy xuất được làm mịn bằng cách sử dụng trung bình động có kích thước 0,1 giây để hiển thị và tính toán t-test của phân bố không tham số. Độ chính xác của phân loại được coi là đáng kể nếu giá trị t thu được khi so sánh phân loại với cơ hội (33,3%) cao hơn giá trị t ngưỡng thu được trong thử nghiệm hoán vị (Osipova và cộng sự 2006; Johnson và cộng sự 2015).

Ngoài ra, kết quả của hoán vị đầu tiên này đã được chứng thực bằng thử nghiệm hoán vị Monte Carlo với hiệu chỉnh tỷ lệ phát hiện sai (FDR) như được triển khai trong FieldTrip (Oostenveld và cộng sự 2011). Ở đây, lỗi loại -1 được kiểm soát bằng cách tìm giá trị P được điều chỉnh FDR tại mỗi thời điểm. Phân phối dữ liệu rỗng được tính bằng cách ngẫu nhiên hóa dữ liệu 1000 lần trên các điểm dữ liệu cho mỗi người tham gia. Tại mỗi lần lặp hoán vị, một t-test đối chiếu sự phân loại trong dữ liệu được xáo trộn với cơ hội (33,3%) đã được thực hiện. FDR được sử dụng để ước tính xác suất nhận được kết quả dương tính giả dựa trên kết quả dương tính quan sát được trong phân phối null tham chiếu, xem xét ngưỡng P <0,05. Chỉ những kết quả có ý nghĩa trong cả hai phương pháp mới được báo cáo.

Mối quan hệ giữa khôi phục bối cảnh và truy xuất bộ nhớ

Để nghiên cứu mối quan hệ giữa việc khôi phục ngữ cảnh và khả năng ghi nhớ theo từng giai đoạn, chúng tôi đã nghiên cứu độ chính xác của phân loại trong quá trình truy xuất như một chức năng của hiệu suất bộ nhớ. Độ chính xác phân loại đối với các thử nghiệm truy xuất thành công và không thành công tương phản nhau trong các khoảng thời gian mà sự lặp lại đáng kể được quan sát thấy ở bước trước đó. Điều quan trọng là, để tránh sai lệch do tính không độc lập về mặt thống kê, chúng tôi đã triển khai quy trình xác thực chéo loại bỏ một chủ đề (LOSO) (Esterman và cộng sự 2010). Điều này được thực hiện bằng cách đối chiếu các bộ phân loại, được đào tạo và kiểm tra dữ liệu từ tất cả những người tham gia khác, với cơ hội (33,3%) bằng cách sử dụng thử nghiệm t một mẫu và đánh giá nó với các ngưỡng của phân phối null thu được.

Điều này cho phép chúng tôi xác định, đối với mỗi người tham gia bị loại, các thùng thời gian thể hiện sự phân loại khác với cơ hội trong suốt kỷ nguyên truy xuất. Để chọn các khoảng thời gian cụ thể cho từng người tham gia bị loại, chúng tôi đã xác định các bộ phân loại hiển thị số lần phát lại đáng kể trong một khoảng thời gian trong vòng 0.2 giây ở trên và dưới khoảng thời gian được xác định ở bước trước. Các thùng thời gian đã xác định được sử dụng để trích xuất độ chính xác của phân loại đối với các thử nghiệm thành công và không thành công đối với người tham gia bị loại. Bên ngoài các khoảng thời gian được xác định trước này, chúng tôi không quan sát thấy bất kỳ phân loại có ý nghĩa nhất quán nào khác trong các lần lặp lại. Điều quan trọng là bằng cách sử dụng quy trình này, chúng tôi đã tránh được tính tuần hoàn trong phân tích vì dữ liệu độc lập được sử dụng để chọn các cửa sổ thời gian nhằm đối chiếu việc phát lại bộ nhớ trong các thử nghiệm thành công và không thành công.

For noncompetitive memory retrieval, a two-tailed paired sample t-test compared the mean classification accuracy for successful and unsuccessful retrieval trials. Additionally, for competitive retrieval, we further investigated the classifier evidence for target, competitor, and DE noncompetitive context as a function of memory performance. We entered the classifier accuracy, for the time bins where reliable replay was observed, in a repeated-measure analysis of variances (ANOVA) with the factors Memory Performance (successful vs. unsuccessful) and Context (target vs. competitor). The DE noncompetitive retrieval was excluded from the analysis to not violate the dependent-variable independence assumption of ANOVA. Only significant effects and interactions are reported. For these analyses, we only included participants with a sufficient number of trials per condition (>10 thử nghiệm cho mỗi điều kiện).

For more information:1950477648nn@gmail.com