विसुओस्पेशियल वर्किंग मेमोरी के दौरान पोस्टेरोमेडियल कॉर्टेक्स से सूचना प्रवाह की खोज: एक मैग्नेटोएन्सेफलोग्राफी अध्ययन भाग 2

प्रदर्शन उपकरण और सेटअप. दृश्य उत्तेजनाओं को MATLAB (संस्करण R2014b) और साइकटूलबॉक्स (ब्रेनार्ड, 1997; पेली, 1997; क्लेनर एट अल।, 2007) से दिनचर्या का उपयोग करके प्रस्तुत किया गया था।

दृश्य उत्तेजना वह बाहरी जानकारी है जो हम अपनी आंखों के माध्यम से प्राप्त करते हैं, जिसका हमारी स्मृति पर महत्वपूर्ण प्रभाव पड़ता है। शोध से पता चलता है कि दृश्य उत्तेजना का स्मृति पर बहुत प्रभाव पड़ता है।

सबसे पहले, दृश्य उत्तेजना स्मृति प्रतिधारण और पुनर्प्राप्ति को बढ़ा सकती है। जब हम कोई आकर्षक तस्वीर या छवि देखते हैं, तो हमारा मस्तिष्क इसे अधिक विशिष्ट मेमोरी के रूप में संग्रहीत करता है, और जब हमें मेमोरी को पुनः प्राप्त करने की आवश्यकता होती है तो इसे ढूंढना आसान होता है। इसमें वे छवियां शामिल हैं जो चमकीले रंग की हैं और विशिष्ट आकार की हैं।

दूसरे, दृश्य उत्तेजना भी स्मृति की दृढ़ता में सुधार कर सकती है। कुछ अध्ययनों से पता चलता है कि हम साधारण शब्दों या संख्याओं की तुलना में छवियों या चित्रों को अधिक आसानी से याद रखते हैं। इसलिए, सीखने या शोध सामग्री को डिज़ाइन करते समय, छवियों को पाठ के साथ संयोजित करने से स्मृति को बनाए रखने में मदद मिलेगी।

अंत में, दृश्य उत्तेजना हमारी रचनात्मकता और कल्पना को भी उत्तेजित कर सकती है, जो स्मृति के लिए बहुत महत्वपूर्ण है। जब हम अपने दिमाग को दृश्य इनपुट के साथ जोड़ते हैं, तो हम नई और अनोखी यादें बना सकते हैं जो हमारे दिमाग में अधिक आसानी से चिपक जाती हैं और हमारी कल्पनाओं को जगाती हैं।

सामान्य तौर पर, दृश्य उत्तेजना का स्मृति पर बहुत प्रभाव पड़ता है। दृश्यात्मक रूप से प्रभावशाली शिक्षण सामग्री बनाकर या दृश्य उत्तेजना के अन्य रूपों का उपयोग करके, हम अपने मस्तिष्क को ज्ञान को बेहतर ढंग से सीखने और बनाए रखने में मदद कर सकते हैं, और हमारी रचनात्मकता और कल्पना को उत्तेजित कर सकते हैं। यह देखा जा सकता है कि हमें याददाश्त में सुधार करने की आवश्यकता है, और सिस्टैंच डेजर्टिकोला याददाश्त में काफी सुधार कर सकता है क्योंकि सिस्टैंच डेजर्टिकोला एक पारंपरिक चीनी औषधीय सामग्री है जिसके कई अद्वितीय प्रभाव हैं, जिनमें से एक स्मृति में सुधार करना है। कीमा बनाया हुआ मांस की प्रभावकारिता इसमें मौजूद विभिन्न सक्रिय तत्वों से आती है, जिसमें एसिड, पॉलीसेकेराइड, फ्लेवोनोइड आदि शामिल हैं। ये तत्व विभिन्न तरीकों से मस्तिष्क स्वास्थ्य को बढ़ावा दे सकते हैं।

याददाश्त बढ़ाने के लिए सप्लीमेंट्स जानें पर क्लिक करें

एमईजी सत्रों के दौरान, उत्तेजनाओं को फैराडे शील्ड के बाहर स्थित एक इनफोकस IN5108 एलसीडी बैक-प्रोजेक्शन सिस्टम (इनफोकस) द्वारा एक अनुकूलित विंडो के माध्यम से, प्रतिभागी के ऊपर स्थित एक स्क्रीन पर, 12 डिग्री दृश्य कोण की डिस्प्ले चौड़ाई के साथ प्रक्षेपित किया गया था। प्रतिभागियों ने, पीठ के बल लेटकर, स्क्रीन को 113 सेमी से देखा।

मनोभौतिकीय प्रयोग के लिए, उत्तेजनाओं को DellOptiPlex 9010 डेस्कटॉप कंप्यूटर पर AMD Radeon HD 7570 ग्राफिक्स कार्ड चलाकर 60 33 सेमी Samsung SyncMasterSA950 पूर्ण HD 3D LED मॉनिटर पर उत्तेजनाओं को खींचने के लिए प्रदर्शित किया गया, जो 120 हर्ट्ज पर ताज़ा था। प्रयोग एक अंधेरे कमरे में हुए, और प्रतिभागियों को बैठाकर 64 सेमी की दूरी से स्क्रीन देखी गई।

दृश्य उत्तेजनाएं और कार्य. साइकोफिजिकल और एमईजी सत्रों के दौरान, प्रतिभागियों ने नेत्र-स्थानिक कार्यशील स्मृति कार्य पूरा किया। हमने कार्य और उत्तेजनाओं को पहले इस्तेमाल किए गए कार्यशील स्मृति चुनौती कार्य पर आधारित किया (कोचन एट अल., 2010, 2011)।

अपने कार्य के लिए, हमने पिछले काम में उपयोग की गई 8 अमूर्त पैटर्न छवियों का उपयोग किया (चित्र 1ए)। प्रत्येक एन्कोडिंग और पुनर्प्राप्ति उत्तेजना में 9 स्थानों में से एक पर इन 8 छवियों में से एक शामिल थी (छवि 1 बी)।

प्रत्येक छवि एक वर्गाकार, 2.5 डिग्री दृश्य कोण व्यास वाली थी, और 9 स्थानों में से प्रत्येक स्क्रीन के केंद्र से 4 डिग्री दृश्य कोण की स्थिति पर केंद्रित था। एक गहरे भूरे रंग का क्रॉस (चित्र 1 देखें, चौड़ाई 1 डिग्री) हमेशा स्क्रीन के केंद्र में मौजूद रहता था। सभी छवियां औसत ग्रे रंग की पृष्ठभूमि पर प्रस्तुत की गईं।

प्रत्येक परीक्षण में चित्र 1सी में दर्शाए गए अनुक्रम का पालन किया गया। एन्कोडिंग के दौरान, चार उत्तेजनाओं को, क्रमिक रूप से, समान अवधि के साथ प्रस्तुत किया गया था। एन्कोडिंग उत्तेजनाएं हमेशा चार अलग-अलग स्थानों पर, चार अलग-अलग छवियां थीं, और प्रतिभागी को छवि पहचान और स्थान के इन चार संयोजनों को याद रखना आवश्यक था।

एन्कोडिंग उत्तेजनाओं के बाद, 800 एमएस (रखरखाव अवधि) के लिए गतिशील सफेद शोर प्रस्तुत किया गया था: शोर पैटर्न 20% कंट्रास्ट था, मीनग्रे पर केंद्रित था, 120 हर्ट्ज पर अद्यतन किया गया था।

हमने एन्कोडिंग उत्तेजनाओं के कारण होने वाली किसी भी दृश्य बाद की छवियों को कम करने के लिए रखरखाव के दौरान गतिशील शोर को शामिल किया। रखरखाव अवधि के बाद, एक पुनर्प्राप्ति उत्तेजना प्रस्तुत की गई थी, और प्रतिभागियों ने संकेत दिया कि क्या पुनर्प्राप्ति उत्तेजना उस परीक्षण के लिए एन्कोडिंग उत्तेजना सेट में शामिल थी।

उनकी प्रतिक्रिया के बाद (बटनप्रेस के माध्यम से), प्रतिभागियों को प्रतिक्रिया मिली: यदि वे सही थे तो फिक्सेशन क्रॉस हरे रंग में बदल गया और गलत होने पर लाल हो गया।

200 एमएस फीडबैक के बाद, फिक्सेशन क्रॉस गहरे भूरे रंग में लौट आया, और, 300-800 एमएस (परीक्षणों में यादृच्छिक रूप से भिन्न) के एक परिवर्तनीय अंतर-परीक्षण अंतराल के बाद, अगला परीक्षण शुरू हुआ। उपस्थित/अनुपस्थित लक्ष्य पर प्रतिक्रिया देने के लिए उपयोग किए जाने वाले बटन प्रत्येक ब्लॉक पर बदल दिए गए थे।

प्रतिभागियों ने 72 परीक्षणों के ब्लॉक में कार्य पूरा किया। एमईजी संकेतों (नीचे) के आधार पर वर्गीकरण विश्लेषण में सहायता के लिए, प्रत्येक एन्कोडिंग उत्तेजना के लिए उपयोग की जाने वाली उत्तेजनाएं प्रत्येक ब्लॉक के भीतर पूरी तरह से संतुलित थीं।

9 स्थानों पर 8 छवियों ने 72 अद्वितीय उत्तेजनाएं दीं, और परीक्षणों के प्रत्येक ब्लॉक के लिए, इन 72 उत्तेजनाओं का उपयोग पहले, दूसरे, तीसरे और चौथे एन्कोडिंग उत्तेजनाओं के रूप में एक बार किया गया था।

एन्कोडिंग उत्तेजनाओं के सेट इसलिए चुने गए ताकि उनमें हमेशा चार अलग-अलग स्थानों पर चार अलग-अलग छवियां हों, बिना किसी दोहराई गई छवियों या स्थानों के। हमने बेतरतीब ढंग से चुने गए इन परीक्षणों में से आधे को "लक्ष्य वर्तमान" परीक्षण और शेष को "लक्ष्य अनुपस्थित" परीक्षण के रूप में पूर्व-आवंटित किया।

प्रत्येक परीक्षण के लिए, हमने इस आधार पर एक पुनर्प्राप्ति प्रोत्साहन का चयन किया कि क्या इसे "लक्ष्य वर्तमान" परीक्षण नामित किया गया था (पुनर्प्राप्ति उत्तेजना एन्कोडिंग उत्तेजनाओं में से एक थी) या "लक्ष्य अनुपस्थित" परीक्षण (पुनर्प्राप्ति उत्तेजना एन्कोडिंग के दौरान शामिल नहीं थी)।

एन्कोडिंग उत्तेजनाओं के विपरीत, पुनर्प्राप्ति उत्तेजनाओं में आवश्यक रूप से प्रत्येक ब्लॉक पर 72 अद्वितीय उत्तेजनाओं में से प्रत्येक शामिल नहीं था, लेकिन सभी छवियों और स्थानों का पूरे ब्लॉक में समान संख्या में उपयोग किया गया था।

हमने प्रतिभागियों को कार्य पर प्रशिक्षित करने और उनके प्रदर्शन के अनुसार कार्य की कठिनाई को जांचने के लिए प्रारंभिक मनोदैहिक सत्र का उपयोग किया। मनोभौतिक सत्र के दौरान, एन्कोडिंग और पुनर्प्राप्ति उत्तेजनाओं की अवधि परीक्षणों के दौरान भिन्न-भिन्न थी।

प्रत्येक परीक्षण पर, एन्कोडिंग उत्तेजनाओं की अवधि समान थी, और पुनर्प्राप्ति उत्तेजना इससे दोगुनी लंबी थी। प्रत्येक ब्लॉक में, 9 अवधियों की श्रृंखला का उपयोग किया गया। प्रत्येक प्रतिभागी ने चार प्रारंभिक प्रशिक्षण ब्लॉक पूरे किए, जहां एन्कोडिंग अवधि 150-400 एमएस थी।

हमने चार कार्य ब्लॉकों के दूसरे सेट के लिए अवधि की छोटी सीमा चुनने के लिए पहले चार प्रशिक्षण ब्लॉकों पर प्रत्येक प्रतिभागी के व्यवहार का उपयोग किया। चार ब्लॉकों के इस दूसरे सेट से डेटा का उपयोग उस अवधि का अनुमान लगाने के लिए किया गया था जिसमें प्रत्येक प्रतिभागी 75% सही कार्य प्रदर्शन तक पहुंच गया था। 1 प्रतिभागी का नमूना डेटा चित्र 2ए में दिखाया गया है।

प्रत्येक प्रतिभागी के लिए, हम उनके डेटा को एक सिग्मोइडल फ़ंक्शन (ईक्यू 1) के साथ फिट करते हैं, जहां अनुपात सही (पी) एक इंटरसेप्ट पैरामीटर के अनुसार एन्कोडिंग अवधि (10) के साथ भिन्न होता है (ए, अवधि को परिभाषित करता है, एक्स, जहांपी {{2} }.75), एक ढलान पैरामीटर (बी), और एक चूक दर (आर), निम्नलिखित के अनुसार:

हमने MATLAB फ़ंक्शन Tlingit का उपयोग करके सबसे अच्छा-फिटिंग फ़ंक्शन पाया (चित्र 2A में लाल दिखाया गया है)। इस मनोभौतिकीय डेटा के आधार पर, हमने प्रत्येक प्रतिभागी के लिए उनके एमईजी सत्र के लिए एक एकल एन्कोडिंग प्रोत्साहन अवधि चुनी, जिसका लक्ष्य कुल मिलाकर 75% सही प्रदर्शन करना था।

यह लक्ष्य यह सुनिश्चित करने के लिए चुना गया था कि कोई भी प्रतिभागी छत या फर्श कार्य प्रदर्शन पर नहीं था और प्रत्येक प्रतिभागी के लिए कार्य को पर्याप्त रूप से चुनौतीपूर्ण बना दिया गया था क्योंकि कोचन एट अल के परिणाम (2011) से पता चलता है कि पीएमसी विशेष रूप से नेत्र संबंधी कामकाजी स्मृति चुनौतियों की मांग करने में शामिल है।

एमईजी सत्र के दौरान, प्रत्येक प्रतिभागी ने इस एकल एन्कोडिंग प्रोत्साहन अवधि और इस मूल्य से दोगुने की पुनर्प्राप्ति प्रोत्साहन अवधि के साथ परीक्षणों के 8 ब्लॉक पूरे किए। प्रत्येक प्रतिभागी के लिए उपयोग की जाने वाली अवधि और एमईजीसत्र में उनका समग्र प्रदर्शन चित्र 2बी में दिखाया गया है।

एमईजी और एमआरआई स्कैनिंग प्रोटोकॉल। MEG डेटा को मैक्वेरी यूनिवर्सिटी में एक पूरे-सिर MEG सिस्टम (मॉडल PQ1160R-N2, KIT) के साथ एकत्र किया गया था, जिसमें 50 मिमी बेसलाइन (Kadoet al., 1999; Uehara et al., 2003) के साथ 160 समाक्षीय प्रथम-क्रम ग्रेडियोमीटर शामिल थे।

एमईजी माप से पहले, प्रतिभागी के सिर पर पांच मार्कर कॉइल रखे गए थे। मार्कर की स्थिति, नाक, बाएँ और दाएँ प्रीऑरिकुलर पॉइंट और प्रतिभागी के सिर के आकार को एक पेन डिजिटाइज़र (पोलहेमस फास्ट्रैक) के साथ रिकॉर्ड किया गया, जिसमें न्यूनतम 2000 पॉइंट का उपयोग किया गया।

प्रत्येक प्रतिभागी का एमईजी डेटा 1000 हर्ट्ज की नमूना आवृत्ति पर 90 मिनट के एक सत्र में एकत्र किया गया था। प्रत्येक परीक्षण पर, प्रतिभागियों ने फाइबर ऑप्टिक रिस्पांस पैड (वर्तमान डिजाइन) का उपयोग करके प्रतिक्रिया व्यक्त की।

एमआरआई मैक्वेरी यूनिवर्सिटी अस्पताल में 3टीसीमेंस वेरियो सिस्टम पर हुआ। हमने MP-RAGE अनुक्रम (स्लाइस मोटाई 1.0 मिमी, रिज़ॉल्यूशन 1.0 1.0मिमी) का उपयोग करके 3D T{2}}भारित छवियां प्राप्त कीं।

एमईजी डेटा विश्लेषण: स्रोत पुनर्निर्माण। फ़्रीसर्फर 6 से स्वचालित विभाजन प्रक्रियाएँ।

ब्रेनस्टॉर्म (neuroimage.usc.edu/brainstorm, जनवरी 2019 संस्करण) (टाडेल एट अल।, 2011) का उपयोग एमईजी सिग्नलों को प्रीप्रोसेस करने और सोर्सरीकंस्ट्रक्शन करने के लिए किया गया था। हमने प्रत्येक प्रतिभागी की स्पाइल/ग्रे सीमा (कॉर्टिकल सतह) के आधार पर एनाटॉमिक छवियां और फ़्रीसर्फर्ससेगमेंटेशन और परिभाषित हेड मॉडल आयात किए।

हमने एमईजी सत्र से रिकॉर्ड किए गए नेशन, प्रीऑरिकुलर पॉइंट्स और हेड शेप डेटा के लिए एमआरआई के आधार पर शरीर रचना को संरेखित करके एमईजी डेटासेट को हेड मॉडल के साथ संरेखित किया। हमने ब्लॉक के दौरान मापे गए हेड स्थान पर उनकी कॉर्टिकल सतह पर एक एकाधिक क्षेत्र मॉडल (हुआंग एट अल।, 1999) लागू करके परीक्षणों के 8 ब्लॉकों में से प्रत्येक के लिए एक फॉरवर्ड मॉडल तैयार किया।

एमईजी डेटा को ब्रेनस्टॉर्म में नॉच फ़िल्टरिंग (50, 100, और 150 हर्ट्ज़) के साथ प्रीप्रोसेस किया गया, इसके बाद बैंडपास फ़िल्टरिंग (0.2-200 हर्ट्ज़) किया गया। सिग्नल स्पेस प्रोजेक्शन का उपयोग करके कार्डियक और आई ब्लिंक कलाकृतियों को हटा दिया गया था: ब्रेनस्टॉर्म में डिफ़ॉल्ट फ़िल्टर का उपयोग करके कार्डियक और आई ब्लिंक घटनाओं की पहचान की गई थी, मैन्युअल रूप से सत्यापित किया गया था, और फिर इन शोर घटकों के अनुरूप आधार कार्यों की एक छोटी संख्या का अनुमान लगाने के लिए उपयोग किया गया था, जिन्हें रिकॉर्डिंग (यूसिटालो और) से हटा दिया गया था इल्मोनिमी, 1997)।

इन कार्यात्मक डेटा से, हमने प्रत्येक परीक्षण के लिए दो युग निकाले: (1) आधारभूत गतिविधि का एक माप (पहली एन्कोडिंग उत्तेजना की शुरुआत के सापेक्ष 0 से 1 एमएस), और (2) उत्पन्न प्रतिक्रिया (0) -4000 एमएस)। हमने प्रत्येक ब्लॉक के लिए शोर सहप्रसरण का अनुमान लगाने के लिए आधारभूत उपायों का उपयोग किया और फिर उत्पन्न डेटा के लिए न्यूनतम मानक स्रोत पुनर्निर्माण लागू किया।
प्रत्येक स्रोत के पुनर्निर्माण के लिए, हमने 15,000 वर्टेक्स कॉर्टिकल सतह (मानक जाल, फ्रीसर्फर सेगमेंटेशन से आयातित एटलस जानकारी के साथ) का उपयोग किया। सोर्समॉडल में द्विध्रुवीय अभिविन्यास को कॉर्टिकल सतह के लिए सामान्य होने के लिए बाध्य किया गया था, माध्यिका ईगेनवैल्यू का उपयोग करके शोर सहप्रसरण को नियमित किया गया था, और अन्य सभी विकल्प उनके डिफ़ॉल्ट मानों पर सेट किए गए थे।

आरओआई. हमने चार आरओआई को परिभाषित किया: ओसीसीपिटल कॉर्टेक्स (ओसी), सेंट्रोटेम्पोरलकोर्टेक्स (वीटीसी), पीएमसी, और पीएफसी, फ्रीसर्फर सेगमेंटेशन प्रक्रिया के दौरान प्रत्येक प्रतिभागी की शारीरिक रचना के साथ संरेखित एटलस डेटा के आधार पर। हमने अपने आरओआई को परिभाषित करने के लिए फ्रीसर्फर के डेस्ट्रियक्स एटलस का उपयोग किया (डेस्ट्रियक्सेट अल., 2010 देखें)।

हमारे आरओआई में डेस्ट्रिएक्स एट अल से निम्नलिखित पार्सलेशन शामिल हैं। (2010, उनकी तालिका 1): ओसी में संपूर्ण ओसी शामिल है (सूचकांक 2, 11, 19, 20, 22, 42, 44, 51, 57, 58, 59); वीटीसी में अवरटेम्पोरल ग्यारी और सुल्सी (सूचकांक 37, 72) शामिल थे; पीएमसी में सिंगुलेट गाइरस और सल्कस का मध्य-पश्च भाग, प्रीक्यूनस, सिंगुलेट सल्कस की सीमांत शाखा और सबपैरिएटल सल्कस (सूचकांक 8, 30, 46, 71) शामिल थे; और पीएफसी में संपूर्ण पीएफसी (सूचकांक 1, 5) शामिल थे। 6, 24, 31, 62, 63, 64, 70)।

इन चार आरओआई को चित्र 3 और 4 के शीर्ष दाईं ओर किंवदंती में एक बिना फुलाए हुए कॉर्टिकल सतह पर प्रदर्शित किया गया है। सभी आरओआई में कॉर्टिकल सतह के निरंतर हिस्से शामिल थे: इन आकृतियों की कहानियों में पीएमसी के दो अलग-अलग हिस्से सल्कस के भीतर जुड़े हुए थे। प्रत्येक आरओआई के लिए, हमने आरओआई के भीतर स्थित 15, 000 स्रोतों के सबसेट के अनुरूप एमईजी डेटा निकाला और नीचे दिए गए विश्लेषणों में इन डेटासेट का उपयोग किया।

वर्गीकरण विश्लेषण. प्रत्येक आरओआई के लिए, हमने परीक्षण अवधि के दौरान प्रत्येक 5 एमएस बिन के भीतर बहुभिन्नरूपी पैटर्न वर्गीकरण विश्लेषणों की एक श्रृंखला का प्रदर्शन किया। प्रत्येक वर्गीकरण में पूछा गया कि एक ही समय बिन में एक आरओआई से स्रोत डेटा का उपयोग दो वर्गों के परीक्षणों के बीच अंतर करने के लिए कितनी अच्छी तरह किया जा सकता है: उदाहरण के लिए, स्थान 1 बनाम स्थान 2 पर पहले एन्कोडिंग उत्तेजना के साथ परीक्षण।

हमने प्रत्येक उत्तेजना (चार एन्कोडिंग उत्तेजना 1 1 पुनर्प्राप्ति उत्तेजना) के स्थान और छवि में भेदभाव करने के लिए क्लासिफायर (रैखिक समर्थन वेक्टर मशीन) को प्रशिक्षित किया: 9 स्थानों के लिए, 36 जोड़ीदार तुलनाएं थीं; और 8 छवियों के लिए, 28 जोड़ीवार तुलनाएँ थीं। इन वर्गीकरणों के लिए, हमने रुचि के आयाम पर समान मूल्य के साथ, लेकिन अन्य आयामों के साथ भिन्न मूल्यों के साथ परीक्षणों के औसत से "छद्म परीक्षण" बनाया।

छद्म परीक्षण हमेशा एक ही प्रोत्साहन के लिए ब्याज के अप्रासंगिक आयाम में संतुलित होते थे। पहली एन्कोडिंग उत्तेजना के लिए उत्तेजना स्थान को वर्गीकृत करते समय, प्रत्येक छद्म परीक्षण 8 परीक्षणों का औसत था जहां पहली एन्कोडिंग उत्तेजना एक ही स्थान पर थी: प्रत्येक उत्तेजना छवि का एक परीक्षण। इसी तरह, उत्तेजना छवियों को वर्गीकृत करने के लिए छद्म परीक्षण उस उत्तेजना के स्थान पर संतुलित किए गए थे।

यह सुनिश्चित करने के लिए कि हमारे परिणाम छद्म-परीक्षणों के परीक्षणों के एक विशेष असाइनमेंट पर निर्भर नहीं हैं, हमने प्रत्येक जोड़ीदार वर्गीकरण के लिए छद्म-परीक्षणों के 20 सेट तैयार किए, प्रत्येक सेट के लिए परीक्षणों के यादृच्छिक असाइनमेंट को अपडेट किया, और इनमें औसत वर्गीकरण प्रदर्शन किया। प्रत्येक मामले में, हमने 90% डेटा पर क्लासिफायरियर को प्रशिक्षित किया और परिपत्रता से बचने के लिए हेल्ड-आउट डेटा (10%) पर इसके प्रदर्शन का परीक्षण किया।

हमने इस प्रक्रिया को 10 बार दोहराया (10- गुना क्रॉस-सत्यापन) ताकि छद्म परीक्षणों के प्रत्येक विभाजन को परीक्षण सेट में एक बार शामिल किया जा सके; फिर हमने इनमें क्लासिफायर के प्रदर्शन का औसत निकाला।

चूंकि उत्तेजनाओं की अवधि प्रतिभागियों के बीच अलग-अलग थी (एन्कोडिंग उत्तेजनाओं के लिए 180-320 एमएस), जब सभी प्रतिभागियों के बीच क्लासिफायर सटीकता का औसत निकाला गया, तो हमने पहले प्रत्येक उत्तेजना की शुरुआत में उनके डेटा को संरेखित किया, जिसका अर्थ है कि, आंकड़े 3-6 में, समय डिब्बे (छायांकित) हैं ग्रे रंग में) जहां औसत में 11 प्रतिभागी शामिल हैं। इन आंकड़ों में, एक्स-अक्ष को 320 एमएस उत्तेजना के लिए लेबल किया गया है।

सांख्यिकीय परीक्षण. यह मूल्यांकन करने के लिए कि क्या क्लासिफायर का प्रदर्शन संयोग से काफी ऊपर था, हमने गैरपैरामीट्रिक शून्य वितरण उत्पन्न करने के लिए क्रमपरिवर्तन परीक्षण और बूटस्ट्रैपिंग के संयोजन का उपयोग किया।

प्रत्येक प्रतिभागी के लिए, हमने मूल एमईजी परीक्षण डेटा लिया लेकिन प्रतिभागी के डेटा के भीतर परीक्षणों में परीक्षण लेबल को यादृच्छिक रूप से बदल दिया। इस फेरबदल-लेबल डेटा का उपयोग करते हुए, हमने मूल डेटा के समान वर्गीकरण विश्लेषण किया, जिसमें छद्म-परीक्षण और 10- गुना क्रॉस-सत्यापन शामिल है।

हमने इस प्रक्रिया को 10 बार दोहराया, हर बार परीक्षण लेबल को बेतरतीब ढंग से फेरबदल किया, जिसके परिणामस्वरूप हर बार प्रत्येक वर्गीकरण के लिए मौका-दर क्लासिफायर प्रदर्शन के 10 अनुमान प्राप्त हुए। चूंकि यह प्रक्रिया कम्प्यूटेशनल रूप से गहन थी, इसलिए हमने इस पूरी प्रक्रिया को 10, 000 बार नहीं दोहराया, बल्कि इसके बजाय, हमने वितरण के मोंटे कार्लो अनुमान (एफ्रोन और तिबशिरानी, ​​1994) का उपयोग किया, इन 10 अनुमानों का यादृच्छिक रूप से नमूना लिया (प्रतिस्थापन के साथ) प्रत्येक प्रतिभागी के प्रत्येक माध्य आरओआई के 10,{8}} अनुमानों का एक नमूना तैयार करने के लिए।

हमने प्रत्येक जोड़ीवार तुलना के लिए, प्रत्येक समय नमूने के लिए अलग-अलग इस पुन: नमूनाकरण प्रक्रिया का प्रदर्शन किया, ताकि प्रत्येक मामले में मूल 10 अनुमानों के अलग-अलग संयोजन हों। इसके परिणामस्वरूप प्रेक्षित क्लासिफायर प्रदर्शन की तुलना करने के लिए 10,{2}} डेटासेट का शून्य वितरण हुआ। परिणाम के आंकड़ों में, हम शून्य मानों के केंद्रीय 95% की सीमा को उन परिणामों के साथ ग्रे-शेड क्षेत्र के रूप में चित्रित करते हैं जिनसे वे मेल खाते हैं।

प्रत्येक मामले में, हमने मूल डेटा (उदाहरण के लिए, प्रतिभागियों के औसत सहित) के लिए शून्य डेटासेट पर सभी विश्लेषण किए और फिर प्रत्येक बार नमूने के लिए मानों को अलग से क्रमबद्ध किया; इनमें से, हमने केंद्रीय 95% की सीमा को 251वें से 9750वें मान के रूप में परिभाषित किया।

पी मान उत्पन्न करने के लिए, हमने देखे गए मान की तुलना प्रासंगिक शून्य वितरण से की। उदाहरण के लिए, यह आकलन करने के लिए कि क्या क्लासिफायर प्रदर्शन एक उपरोक्त मौका (एकतरफा परीक्षण) है, हमने पी-वैल्यू को समतुल्य शून्य के अनुपात के रूप में परिभाषित किया है जो कि देखे गए माध्य से ऊपर थे (मैरिस और ओस्टेनवेल्ड, 2007)।

टाइम बिन में कई तुलनाओं को सही करने के लिए, हमने इन पी मानों के लिए q, 0.05 (बेंजामिनी और होचबर्ग, 1995) का गलत खोज दर (एफडीआर) सुधार लागू किया। अशक्त वितरण पर आधारित गैर-पैरामीट्रिक परीक्षणों के अलावा, हमने एबेयस फैक्टर (बीएफ) विश्लेषण का उपयोग किया: पारंपरिक फ़्रीक्वेंटिस्ट दृष्टिकोण (कास और राफ्टरी, 1995; मोरे और वैगनमेकर्स, 2014) का एक विकल्प जो तेजी से एमईजी डिकोडिंग अध्ययन (टीचमैननेट) पर लागू किया जा रहा है। अल., 2021).

एक बीएफ प्रतिस्पर्धी परिकल्पनाओं के लिए साक्ष्य की तुलना करता है; यहां हम रिपोर्ट करते हैं जहां वैकल्पिक परिकल्पना के पक्ष में मध्यम (बीएफ. 3) या मजबूत (बीएफ. 10) साक्ष्य हैं, या पक्ष में कम से कम मध्यम (बीएफ. 1/3) साक्ष्य हैं। शून्य परिकल्पना का. हमने MATLAB पैकेज (क्रेकेलबर्ग, 2021) का उपयोग करके सभी BF विश्लेषण लागू किए।

सूचना प्रवाह विश्लेषण (आईएफए)। 9 स्थानों (36 जोड़े) और 8 छवियों (28 जोड़े) में से प्रत्येक के जोड़ीवार वर्गीकरण से, प्रत्येक 5 उत्तेजनाओं (4 एन्कोडिंग उत्तेजनाओं और पुनर्प्राप्ति उत्तेजना) के लिए, हमारे पास समय के साथ (36 1 28) के लिए वर्गीकरण सटीकता थी। 5=320 वर्गीकरण। 5 अलग-अलग युगों के भीतर, प्रत्येक उत्तेजना की प्रस्तुति से लेकर अगली उत्तेजना की प्रारंभिक प्रस्तुति तक (या, पुनर्प्राप्ति उत्तेजना के मामले में, परीक्षण डेटा के अंत तक) के समय के अनुरूप, हमने सबसे हालिया उत्तेजना से 64 क्लासिफायर सटीकता मूल्यों का उपयोग किया। प्रत्येक समय बिन पर एक असमानता मैट्रिक्स (डीएसएम) के रूप में।

हमने आरओआई (आईएफए) की प्रत्येक जोड़ी के बीच ग्रेंजर कारण संबंधों का परीक्षण करने के लिए इन डीएसएम का उपयोग किया; इस और इसी तरह के विश्लेषण के लिए, इंस एट अल., 2015 देखें; गोडार्ड एट अल., 2016, 2022; करीमी-रूज़बहानी, 2018; कीत्ज़मैन एट अल।, 2019).

आरओआई ए को दूसरे आरओआई (बी) में वर्गीकरण प्रदर्शन के पैटर्न को "ग्रेंजर कारण" कहा जाता है यदि पहले आरओआई के अतीत का उपयोग अकेले दूसरे आरओआई के अतीत की तुलना में दूसरे आरओआई के भविष्य के प्रदर्शन की भविष्यवाणी करने के लिए किया जा सकता है। हम प्रत्येक समय बिन के लिए आरओआई ए से आरओआई बी (आईएफए.बी) तक सूचना प्रवाह (आईएफ) को परिभाषित करने के लिए समीकरण 2 में आंशिक सहसंबंध (स्पीयरमैन के आर) का उपयोग करते हुए, ग्रेंजर कार्य-कारण के सरलीकृत (विशेष मामले) का एक स्लाइडिंग-विंडो विश्लेषण किया। (टी)।

जहां डीएसएम (लोक, टी) उत्तेजना शुरू होने के बाद समय टी एमएस पर आरओआई लोक में स्रोतों पर आधारित डीएसएम है, और डीएसएम (लोक, टी, डी, डब्ल्यू) आरओआई लोक में स्रोतों पर आधारित डीएसएम है, जो सभी समय डिब्बे में औसत है उत्तेजना शुरू होने के बाद टीडी एमएस से टी-(डी 1 डब्ल्यू) एमएस तक। हमने 30 ओवरलैपिंग विंडो के लिए एफएफ और एफबी की गणना की: 5 विंडो चौड़ाई (डब्ल्यू=10, 20, 30, 40, या 50 एमएस) के लिए प्रत्येक 6 देरी (डी=50, 60, 70, 80) के लिए , 90, या 100)। जैसा कि पिछले काम में था (गोडार्ड एट अल.,2022), चूंकि परिणाम व्यापक रूप से डब्ल्यू और डी के मूल्यों में समान थे, वेयरपोर्ट आईएफए.बी मान डब्ल्यू और डी के सभी मूल्यों पर औसत थे।

आरओआई की प्रत्येक जोड़ी के लिए आईएफए.बी और आईएफबी की रिपोर्टिंग के अलावा, आरओआई ए और आरओआई बी के बीच सूचना प्रवाह के समय का आकलन करने के लिए, आरओआई की प्रत्येक जोड़ी के बीच अंतर को पोर्ट करें, जैसा कि समीकरण 3 में दिखाया गया है।

यह आकलन करने के लिए कि क्या प्रत्येक सूचना प्रवाह महत्वपूर्ण था। .

आरओआई की प्रत्येक जोड़ी के लिए, इसने सूचना प्रवाह (आईएफ) और अंतर (डिफ) के शून्य वितरण उत्पन्न किए जिनके विरुद्ध देखे गए मूल्यों की तुलना की जा सकती है। हमने क्लासिफायर प्रदर्शन के लिए ऊपर वर्णित विधि के अनुरूप, शून्य वितरण के केंद्रीय 95% को परिभाषित करने के लिए इनका उपयोग किया। इसी तरह, हमने इन शून्य वितरणों से पी मान भी प्राप्त किया: आईएफ के लिए, हमने पूछा कि क्या मनाया गया मूल्य शून्य से अधिक था (एक तरफा परीक्षण, जैसा कि ऊपर है); और डिफ के लिए, हमने पूछा कि क्या देखे गए अंतर का पूर्ण मूल्य शून्य वितरण के पूर्ण मूल्य की तुलना में आयाम में अधिक था, पी-मान को प्रेक्षित (दो-तरफा परीक्षण) की तुलना में अधिक पूर्ण मूल्य के साथ शून्य मानों के अनुपात के रूप में परिभाषित किया गया है।

पहले की तरह, हमने समय बिंदुओं पर कई तुलनाओं को सही करने के लिए इन पी मानों में q, 0.05 का एफडीआर सुधार लागू किया। इन विश्लेषणों को पूरक करने के लिए, हमने देखे गए प्रभावों की सापेक्ष शक्ति के सूचकांक के रूप में एक बीएफ विश्लेषण किया।

For more information:1950477648nn@gmail.com