भावनात्मक स्मृति वृद्धि में शामिल मानव सेरिबैलम और कॉर्टिकोसेरेबेलर कनेक्शन भाग 3

कुल मिलाकर, डीसीएम विश्लेषण से पता चला है कि भावनात्मक स्मृति वृद्धि में शामिल 25 सेरेब्रल आरओआई में से, 13 आरओआई ने सेरिबैलम के साथ बढ़ी हुई कनेक्शन ताकत दिखाई है, ज्यादातर सेरिबैलम से कॉर्टिकल आरओआई की दिशा में, दो मामलों में विपरीत दिशा में और अन्य दो मामलों में दोनों दिशाओं में।

एक खुश और सकारात्मक मूड लोगों की याददाश्त में सुधार कर सकता है। ऐसा इसलिए है क्योंकि भावनात्मक स्मृति वृद्धि तंत्र लोगों के लिए दीर्घकालिक स्मृति में महत्वपूर्ण जानकारी संग्रहीत करना आसान बनाता है। शोध से पता चलता है कि जब मानव शरीर तीव्र भावनाओं का अनुभव करता है, तो शरीर उत्प्रेरक पदार्थ छोड़ता है जो मस्तिष्क के भावना-संबंधी क्षेत्रों को सक्रिय करता है, जिससे मस्तिष्क के संज्ञानात्मक और सीखने के केंद्र प्रभावित होते हैं। दूसरे शब्दों में, भावनात्मक स्मृति वृद्धि हमें जानकारी को अधिक गहराई से याद रखने में मदद करती है।

दैनिक जीवन में हम अपनी भावनाओं को समायोजित करके अपनी याददाश्त में सुधार कर सकते हैं। हम कुछ गतिविधियाँ चुन सकते हैं जो हमें खुश और आरामदायक महसूस कराएँ, जैसे कि अपना पसंदीदा संगीत सुनना, दोस्तों के साथ बातचीत करना, कुछ आरामदायक व्यायाम करना आदि। इसके अलावा, कुछ सरल व्यवहार भी हमें खुश मूड बनाए रखने में मदद कर सकते हैं, जैसे कि पर्याप्त नींद, अच्छा खाना और संयमित व्यायाम।

संक्षेप में, भावनात्मक स्मृति वृद्धि और स्मृति के बीच घनिष्ठ संबंध है। सकारात्मक भावनाएँ स्मृति से जुड़े मस्तिष्क के क्षेत्रों को उत्तेजित करती हैं, जिससे हमारे लिए दीर्घकालिक स्मृति में जानकारी संग्रहीत करना आसान हो जाता है। हम अपनी भावनाओं को नियंत्रित करके अपनी याददाश्त को बेहतर बनाने और जीवन में अधिक खुश और पूर्ण होने में मदद कर सकते हैं। यह देखा जा सकता है कि हमें अपनी याददाश्त में सुधार करने की जरूरत है। सिस्टैंच डेजर्टिकोला याददाश्त में काफी सुधार कर सकता है क्योंकि सिस्टैन्चे डेजर्टिकोला एक पारंपरिक चीनी औषधीय सामग्री है जिसके कई अनूठे प्रभाव हैं, जिनमें से एक है याददाश्त में सुधार करना। कीमा बनाया हुआ मांस की प्रभावकारिता इसमें मौजूद विभिन्न सक्रिय तत्वों से आती है, जिनमें एसिड, पॉलीसेकेराइड, फ्लेवोनोइड आदि शामिल हैं। ये तत्व विभिन्न तरीकों से मस्तिष्क स्वास्थ्य को बढ़ावा दे सकते हैं।

याददाश्त बढ़ाने के 10 तरीके जानने के लिए क्लिक करें

इन निष्कर्षों से पता चलता है कि सेरिबैलम भावनात्मक स्मृति वृद्धि में शामिल कनेक्टिविटी नेटवर्क का एक अभिन्न अंग है। हालाँकि, इन परिणामों से, हम यह अनुमान नहीं लगा सकते कि इनमें से कौन सा कनेक्शन सबसे महत्वपूर्ण है। चूंकि आरओआई को शारीरिक रूप से बजाय कार्यात्मक रूप से परिभाषित किया गया था, इसलिए हम कॉर्टिकल आरओआई के सटीक संरचनात्मक सब्सट्रेट्स को भी निर्दिष्ट नहीं कर सकते हैं। हमने यह दृष्टिकोण इसलिए चुना है क्योंकि कार्यात्मक सीमाओं (36) से मेल खाने वाले आरओआई का उपयोग करके कनेक्शन की उपस्थिति का पता लगाने की संवेदनशीलता को बढ़ाया जा सकता है।

इस प्रक्रिया का परिणाम शारीरिक विशिष्टता का नुकसान और निश्चित आरओआई के भीतर विशिष्ट शारीरिक संरचनाओं के योगदान के बीच अंतर करने में असमर्थता है। इसके अलावा, चूंकि यहां परीक्षण किए गए डीसीएम में केवल दो नोड्स शामिल हैं, इसलिए वे इस बात पर विचार नहीं करते हैं कि सेरिबैलम और दूसरे आरओआई के बीच प्रभाव अतिरिक्त क्षेत्रों द्वारा मध्यस्थ है या नहीं। इसलिए हमारे कनेक्टिविटी मापदंडों के मूल्य संभावित रूप से प्रत्यक्ष और अप्रत्यक्ष दोनों कनेक्शनों को दर्शाते हैं।

वर्तमान निष्कर्ष शारीरिक स्थितियों में भावनात्मक स्मृति वृद्धि में शामिल नेटवर्क की बेहतर समझ में योगदान दे सकते हैं। इसके अलावा, निष्कर्षों में पैथोलॉजिकल स्थितियों को समझने के लिए भी निहितार्थ हो सकते हैं, जैसे कि पोस्टट्रॉमेटिक स्ट्रेस डिसऑर्डर (पीटीएसडी), क्योंकि एट्रूमैटिक घटना के बाद अत्यधिक मजबूत प्रतिकूल स्मृति ट्रेस का गठन भय से संबंधित विकारों के विकास में एक महत्वपूर्ण रोगजनक तंत्र है (1, 62, 63). जबकि एफएमआरआई का उपयोग करके पीटीएसडी में प्रारंभिक स्मृति गठन की जांच करना संभव नहीं होगा, अध्ययन दर्दनाक स्मृति पुनर्प्राप्ति के तंत्रिका सहसंबंधों की जांच कर सकते हैं। एक हालिया एफएमआरआई अध्ययन में इस दृष्टिकोण का पालन किया गया और पीटीएसडी (64) वाले रोगियों में आघात के दौरान सेरिबैलम (वर्मिस सहित), ओसीसीपिटल ग्यारी, सुपरमार्जिनल गाइरस और एमिग्डाला में मस्तिष्क सक्रियण में वृद्धि देखी गई।

इसके विपरीत, अनुमस्तिष्क हाइपोएक्टिविटी कम भावनात्मक स्मृति वृद्धि वाली स्थितियों से संबंधित हो सकती है। वास्तव में, नैदानिक ​​​​अध्ययनों से संकेत मिलता है कि मौखिक कार्यप्रणाली को प्रभावित करने वाली विकृति कई प्रकार की संज्ञानात्मक और भावनात्मक हानियों से जुड़ी होती है, जिसमें ऑटिज्म स्पेक्ट्रम विकार (65, 66) के लक्षण भी शामिल हैं। दिलचस्प बात यह है कि ऑटिज़्म स्पेक्ट्रम विकार वाले मरीज़ एपिसोडिक यादों की भावनात्मक वृद्धि में कमी दिखाते हैं (67, 68)। यह संभव है कि ये कमी आंशिक रूप से इस विकार (69, 70) में अक्सर देखी जाने वाली थीमिगडाला की संरचनात्मक और कार्यात्मक असामान्यताओं से उत्पन्न होती है। हालाँकि, वर्तमान परिणामों के आधार पर, ऑटिज्मस्पेक्ट्रम विकार में त्वचीय हाइपोप्लेसिया भी एपिसोडिक मेमोरी की बिगड़ा भावनात्मक वृद्धि में योगदान कर सकता है। इस परिकल्पना को ऑटिज्म से पीड़ित रोगियों में अलग-अलग डिग्री के अमिगडाला और वर्मिस असामान्यताओं के साथ परीक्षण करने की आवश्यकता होगी।

इस बात के बढ़ते सबूत हैं कि सेरिबैलम, विशेष रूप से सेरिबैलर वर्मिस, और लिम्बिक प्रणाली सहित कई मस्तिष्क क्षेत्रों से इसके संबंध, भावनात्मक धारणा, भावनात्मक पहचान, भावनात्मक प्रसंस्करण और भय कंडीशनिंग सहित भावनात्मक कार्यों में शामिल हैं (27, 71) . वर्तमान निष्कर्ष अब सुझाव देते हैं कि सेरिबैलमिस भी एपिसोडिक मेमोरी की भावनात्मक वृद्धि में शामिल सर्किट्री का हिस्सा है। इस सर्किटरी के भीतर, सेरिबैलम सिंगुलेट सहित कई मस्तिष्क क्षेत्रों से इनपुट प्राप्त करता है, जबकि एमिग्डाला/हिप्पोकैम्पस और कई अन्य मस्तिष्क क्षेत्र सेरिबैलम से इनपुट प्राप्त करते हैं। ये निष्कर्ष जटिल संज्ञानात्मक और भावनात्मक प्रक्रियाओं में सेरिबैलम की भूमिका के बारे में ज्ञान का विस्तार करते हैं और पीटीएसडी या ऑटिज्म स्पेक्ट्रम विकार जैसे असामान्य भावनात्मक सर्किट के साथ मनोरोग विकारों को समझने के लिए प्रासंगिक हो सकते हैं।

सामग्री और तरीके

प्रतिभागियों. हमने स्वस्थ, युवा प्रतिभागियों (872 महिलाएं, 546 पुरुष, औसत आयु=22.39 वर्ष, एसडी=3.27) को भर्ती किया। विज्ञापन मुख्य रूप से बेसल विश्वविद्यालय और स्थानीय समाचार पत्रों में किया गया था। प्रतिभागी किसी भी न्यूरोलॉजिकल या मानसिक बीमारी से मुक्त थे, उन्होंने प्रयोग के समय कोई दवा नहीं ली थी (हार्मोनल गर्भ निरोधकों को छोड़कर), और उनकी उम्र 18 से 35 वर्ष के बीच थी। मानक प्रश्नावली के आधार पर शारीरिक और मानसिक स्वास्थ्य का मूल्यांकन किया गया। इस प्रयोग को स्विट्जरलैंड के बेसल कैंटन की आचार समिति द्वारा अनुमोदित किया गया था। अध्ययन में भाग लेने से पहले सभी प्रतिभागियों ने लिखित सूचित सहमति दी। विश्लेषण से पहले, नमूने को बेतरतीब ढंग से एक को प्रतिभागियों को सौंपकर एक खोज नमूना (एन=945, सभी प्रतिभागियों में से 2/3) और एक प्रतिकृति नमूना (एन=473, सभी प्रतिभागियों में से 1/3) में विभाजित किया गया था। नमूनों का। रैंडमाइजेशन मैटलैब फ़ंक्शन रैंड पर्म का उपयोग करके किया गया था। खोज और प्रतिकृति नमूनों के बीच उम्र, लिंग या भावनात्मक स्मृति वृद्धि के संदर्भ में कोई महत्वपूर्ण अंतर नहीं था (पी 0 से अधिक या उसके बराबर। 33, {{ 16}}पक्षीय परीक्षण, एन=1,418)।

प्रयोग: प्रक्रिया. प्रतिभागियों को लगातार चार कार्यों से गुजरना पड़ा: चित्र-एन्कोडिंग कार्य, एक कार्यशील मेमोरी कार्य, एक फ्री-रिकॉल मेमोरी परीक्षण, और एरेकॉग्निशन कार्य। प्रतिभागियों को पहले निर्देश दिया गया और फिर चित्र-एन्कोडिंग और कार्यशील स्मृति कार्यों पर प्रशिक्षित किया गया। प्रशिक्षण के बाद, उन्हें स्कैनर में तैनात किया गया और स्कैनर के शोर को कम करने के लिए इयरप्लग और हेडफ़ोन दिए गए। उनके सिर को छोटे कुशन का उपयोग करके कुंडल में लगाया गया था, और उन्हें हिलने-डुलने से मना किया गया था। एमआर-संगत लिक्विडक्रिस्टल डिस्प्ले गॉगल्स (विज़ुअल सिस्टम; नॉर्डिकन्यूरलैब, बर्गेन, नॉर्वे) का उपयोग करके स्कैनर में चित्र प्रस्तुत किए गए थे। आवश्यक होने पर नेत्र सुधार का उपयोग किया गया था। चित्र-एन्कोडिंग कार्य ∼20 मिनट तक चला। इसके तुरंत बाद, प्रतिभागियों ने ∼10 मिनट के लिए स्कैनर में एक अक्षर एन-बैक (0-बैक और 2-बैक कंडीशन) वर्किंग-मेमोरी कार्य किया। वर्तमान अध्ययन में, कार्यशील मेमोरी कार्य का उपयोग मेमोरी परीक्षण के एन्कोडिंग और रिकॉल के बीच एक व्याकुलता कार्य के रूप में किया गया था। इसलिए, हमने कार्यशील मेमोरी कार्य से डेटा का विश्लेषण नहीं किया (कार्य के विवरण के लिए संदर्भ 72 देखें)। स्कैनर छोड़ने के बाद, प्रतिभागियों को एक अलग कमरे में चित्रों का अघोषित फ्री-रिकॉल मेमोरी परीक्षण दिया गया (कोई समय सीमा नहीं) इस कार्य के लिए निर्धारित किया गया था)। निःशुल्क रिकॉल के बाद, प्रतिभागियों को स्कैनर में पुनः स्थापित किया गया और एक पहचान कार्य किया गया (कार्य के विवरण के लिए संदर्भ 73 देखें)। प्रतिभागियों को भागीदारी के लिए 25 स्विस फ़्रैंक/घंटा प्राप्त हुए। संगठनात्मक बाधाओं के कारण, हमें उस कमरे को बदलना पड़ा जिसमें चित्रों को याद किया गया था, जिसका अर्थ था कि कुछ प्रतिभागियों ने थोड़ी अलग सेटिंग में चित्रों को याद किया था।

प्रयोग: चित्र-एन्कोडिंग कार्य का डिज़ाइन। स्टिमुली में 72 तस्वीरें (24 सकारात्मक, 24 नकारात्मक और 24 तटस्थ) शामिल थीं, जिन्हें इंटरनेशनल अफेक्टिव पिक्चर सिस्टम (आईएपीएस) (74) और इन-हाउस मानकीकृत चित्र सेटों से चुना गया था, जिससे हमें दृश्य जटिलता और सामग्री के लिए चित्रों की बराबरी करने की अनुमति मिली। (जैसे, मानव उपस्थिति)। IAPS से प्राप्त चित्रों को IAPS वैलेंस रेटिंग के अनुसार वर्गीकृत किया गया था। 24 तटस्थ चित्रों में से आठ आईएपीएस से प्राप्त नहीं हुए। इन तस्वीरों को इन-हाउस वैलेंसरेटिंग (11) के आधार पर रेट किया गया था। मानक वैलेंस स्कोर (1 से 9 तक) के आधार पर, चित्रों को नकारात्मक (2.3 ± 0.6), तटस्थ (5.0 ± 0.3), और सकारात्मक ( 7.6 ± 0.4) स्थितियाँ, जिसके परिणामस्वरूप प्रत्येक संयोजकता के लिए 24 चित्र प्राप्त होते हैं। अध्ययन में शामिल नहीं किए गए 20 प्रतिभागियों में एक पायलट अध्ययन के डेटा के आधार पर नकारात्मक उत्तेजनाओं की उत्तेजना रेटिंग से मेल खाने के लिए सकारात्मक उत्तेजनाओं को शुरू में चुना गया था। तटस्थ वस्तुओं को दर्शाने वाली चार अतिरिक्त तस्वीरें प्रस्तुत की गईं। इनमें से दो चित्र शुरुआत में और दो चित्र कार्य के अंत में प्रस्तुत किए गए। मेमोरी में प्रधानता और रीसेंसी प्रभावों को नियंत्रित करने के लिए इन चित्रों को रिकॉल प्रदर्शन मूल्यांकन से बाहर रखा गया था। चित्रों के उदाहरणों में कामुकता, खेल और सकारात्मक संयोजकता के लिए आकर्षक जानवर शामिल हैं; नकारात्मक वैधता के लिए शारीरिक चोट, साँप और हमले के दृश्य; और तटस्थ स्थिति के लिए तटस्थ चेहरे, घरेलू वस्तुएं और इमारतें। इसके अलावा, 24 तले हुए चित्रों का उपयोग किया गया था। बिखरे हुए चित्रों की पृष्ठभूमि में प्रयोग में उपयोग किए गए सभी चित्रों (प्राइमेसी और रीसेंसी चित्रों को छोड़कर) की रंग जानकारी शामिल थी, जो एक क्रिस्टल और विरूपण फिल्टर (एडोब फोटोशॉप CS3) के साथ मढ़ा हुआ था। अग्रभूमि में, एक अधिकतर पारदर्शी ज्यामितीय वस्तु (विभिन्न आकार और अभिविन्यास का एक आयताकार या दीर्घवृत्त) दिखाया गया था। वर्तमान अध्ययन के लिए, तले हुए चित्र कोई रुचि के नहीं थे।

चित्रों को अर्ध-यादृच्छिक क्रम में 2.5 सेकंड के लिए प्रस्तुत किया गया ताकि एक ही श्रेणी की अधिकतम चार तस्वीरें लगातार आ सकें। प्रत्येक चित्र प्रस्तुति से पहले 500 एमएस के लिए स्क्रीन पर एक फिक्सेशनक्रॉस दिखाई दिया। स्कैन की शुरुआत के बारे में उत्तेजना की शुरुआत का समय 3 एस (1 पुनरावृत्ति समय [टीआर]) प्रति वैलेंस श्रेणी के भीतर कम हो गया था। इंटरट्रायल अवधि के दौरान, प्रतिभागियों ने 72 चित्रों में से प्रत्येक को वैलेंस (नकारात्मक, तटस्थ, या सकारात्मक) और उत्तेजना (बड़े, मध्यम, या छोटे) के अनुसार 3-बिंदु पैमाने (स्व-मूल्यांकन मैनिकिन) पर दबाकर मूल्यांकन किया। उनके प्रमुख हाथ से बटन। तले हुए चित्रों के लिए, प्रतिभागियों ने अग्रभूमि में ज्यामितीय वस्तु के रूप (ऊर्ध्वाधर, सममित, या क्षैतिज) और आकार (बड़े, मध्यम या छोटे) का मूल्यांकन किया। चित्र प्रस्तुति के लिए सॉफ्टवेयर प्रेजेंटेशन (न्यूरोबिहेवियरल सिस्टम्स, इंक., बर्कले, सीए; https://www.neurobs.com) का उपयोग किया गया था।

व्यवहार संबंधी डेटा: भावनात्मक स्मृति वृद्धि। फ़्रीरिकॉल का दस्तावेज़ीकरण करने के लिए, प्रतिभागियों को याद की गई तस्वीरों का विवरण लिखना था। यदि मूल्यांकनकर्ता प्रतिभागी के विवरण के आधार पर प्रस्तुत चित्र की पहचान कर सके तो एक चित्र को सही ढंग से याद किया गया माना जाएगा। दो प्रशिक्षित जांचकर्ताओं ने स्वतंत्र रूप से रिकॉल सफलता (इंटररेटर विश्वसनीयता> 99%) के लिए विवरणों का मूल्यांकन किया। एक तीसरे स्वतंत्र रेटर ने उन चित्रों पर निर्णय लिया जिन्हें अलग-अलग रेटिंग दी गई थी। प्रत्येक प्रतिभागी के लिए, हमने गणना की कि तटस्थ चित्रों की तुलना में भावनात्मक तस्वीरें कितनी बार याद की गईं: ([सकारात्मक याद किया गया - तटस्थ याद किया गया] + [नकारात्मक याद किया गया - तटस्थ याद किया गया])/2। डेटा बिंदुओं को प्लॉट किया गया और पाया गया कि वे लगभग सामान्य रूप से वितरित हैं (एसआई परिशिष्ट, चित्र एस1)। यह जांचने के लिए दो-तरफा टी-परीक्षण लागू किए गए कि क्या भावनात्मक स्मृति प्रदर्शन शून्य से काफी अलग था। इसके अलावा, हमने संभावित कन्फ़ाउंडर्स के प्रभावों का परीक्षण किया। भावनात्मक स्मृति प्रदर्शन सेक्स पर निर्भर है या नहीं इसका आकलन करने के लिए हमने एक नमूना टी-परीक्षण का उपयोग किया। हमने उम्र के साथ रिकॉल प्रदर्शन को जोड़ने के लिए पियर्सन के रैखिक सहसंबंध गुणांक का उपयोग किया। यह परीक्षण करने के लिए दो-तरफा टी-परीक्षण लागू किए गए थे कि क्या सहसंबंध गुणांक शून्य से काफी भिन्न था।

इमेजिंग: एमआरआई अधिग्रहण। माप एक 12-चैनल हेड कॉइल से सुसज्जित सीमेंसमैग्नेटम वेरियो 3 टी पूरे-बॉडी एमआर यूनिट पर किए गए थे। समानांतर इमेजिंग (GRAPPA) का उपयोग करके एकल-शॉट इको-प्लानर अनुक्रम के साथ कार्यात्मक समय श्रृंखला हासिल की गई थी। हमने निम्नलिखित अधिग्रहण मापदंडों का उपयोग किया: इको टाइम (टीई)=35 एमएस; देखने का क्षेत्र (FOV)=22 सेमी; अधिग्रहण मैट्रिक्स =80 × 80, 128 × 128 तक प्रक्षेपित; स्वर का आकार=2.75 × 2.75 × 4 मिमी3;ग्रेप्पा त्वरण कारक आर=2.0। मिडसैगिटल स्काउट छवि का उपयोग करते हुए, पूरे मस्तिष्क को टीआर=3, 000 एमएस (= 82 डिग्री) के साथ कवर करने वाले पूर्वकाल-पश्च कमिसर विमान के साथ रखे गए 32 सन्निहित अक्षीय स्लाइस एक आरोही इंटरलीव्ड का उपयोग करके प्राप्त किए गए थे अनुक्रम। पहले दो अधिग्रहणों को T1time स्थिर संतृप्ति प्रभावों के कारण खारिज कर दिया गया था। मैग्नेटाइजेशन-तैयार ग्रेडिएंट इको सीक्वेंस (टीआर =2, 000 एमएस; टीई {{29%).37 एमएस; टीआई {{ 31}},000 एमएस; फ्लिप कोण=8 डिग्री; 176 स्लाइस; एफओवी =256 मिमी; स्वर आकार=1 × 1 x 1 मिमी3)।

इमेजिंग: इमेजिंग डेटा के सांख्यिकीय विश्लेषण के लिए सॉफ्टवेयर पैकेज। हमने मैटलैब आर2016ए में लागू सांख्यिकीय पैरामीट्रिक मैपिंग (एसपीएम) सॉफ्टवेयर एसपीएम12 संस्करण 6685 (वेलकम ट्रस्ट सेंटर फॉर न्यूरोइमेजिंग, लंदन, यूके; https://www.fil.ion.ucl.ac. uk/spam/) का उपयोग किया।

इमेजिंग: इको प्लानर इमेजिंग (ईपीआई) वॉल्यूम का प्रीप्रोसेसिंग और सामान्यीकरण। वॉल्यूम को स्लाइस-टाइम किया गया - पहले स्लाइस में सही किया गया, "रजिस्टर टू मीन" विकल्प का उपयोग करके पुन: संरेखित किया गया, और एक सामान्यीकृत पारस्परिक जानकारी त्रि-आयामी कठोर-शरीर परिवर्तन को लागू करके संरचनात्मक छवि में कोर रजिस्टर किया गया। प्रत्येक प्रतिभागी के लिए सफल सह-पंजीकरण को दृष्टिगत रूप से सत्यापित किया गया। मस्तिष्क के बाहर स्वरों को बाहर करने के लिए प्रत्येक खंड को प्रतिभागी की T1 शारीरिक छवि के साथ छुपाया गया था। इको प्लानर इमेजिंग (ईपीआई) वॉल्यूम को मॉन्ट्रियल न्यूरोलॉजिकल इंस्टीट्यूट (एमएनआई) क्षेत्र में सामान्यीकृत किया गया और डार्टेल को लागू करके आधे-अधिकतम (एफडब्ल्यूएचएम) गॉसियन कर्नेल पर 8 मिमी पूरी चौड़ाई के साथ सुचारू किया गया, जिससे प्रतिभागियों (75, 76) के बीच बेहतर पंजीकरण हुआ। .

कार्यात्मक समय श्रृंखला प्राप्त करने के लिए उपयोग किए जाने वाले इंटरलीव्ड अनुक्रम ने पहले प्रीप्रोसेसिंग चरण (77) के रूप में स्लाइस-टाइम सुधार का उपयोग करना आवश्यक बना दिया। स्लाइस-टाइमिंग सुधार विधियाँ स्लाइस-टाइमिंग प्रभावों की सफलतापूर्वक भरपाई कर सकती हैं(78)। विशेष रूप से, एफएमआरआई के लिए डीसीएम में, कार्य-कारण की दिशा को अस्थायी प्राथमिकता से नहीं पहचाना जाता है। इसके बजाय, कार्य-कारण प्रत्येक क्षेत्र के विभेदक राज्य समीकरण के गणितीय रूप में सन्निहित है। किसी दिए गए मॉडल के राज्य समीकरण सिस्टम संरचना (उदाहरण के लिए, क्षेत्रों के बीच कनेक्टिविटी) को परिभाषित करते हैं, यह स्पष्ट रूप से बताते हैं कि सिस्टम के भीतर गतिशीलता कैसे उत्पन्न होती है (39)। इसलिए, समान टीआर के साथ कई डीसीएम अध्ययन पहले आयोजित किए गए थे (79-81)।

इमेजिंग: स्वर-वार गतिविधि की मॉडलिंग। कार्य द्वारा सक्रिय स्वरों की पहचान करने के लिए प्रत्येक प्रतिभागी के लिए सामान्य रैखिक मॉडल (जीएलएम) निर्दिष्ट किए गए थे। उत्तेजनात्मक घटनाओं की शुरुआत और अवधि की मॉडलिंग करने वाले रजिस्टरर्स को एक कैनोनिकल हेमोडायनामिक प्रतिक्रिया फ़ंक्शन के साथ शामिल किया गया था। अधिक सटीक रूप से, मॉडल में स्टिक/डेल्टा फ़ंक्शंस, चित्र प्रस्तुतियों (सकारात्मक, तटस्थ, नकारात्मक, स्क्रैम्बल, प्राइमेसी और रीसेंसी) के रूप में तैयार किए गए बटन प्रेस के लिए रजिस्ट्रार शामिल थे, जो एक युग/बॉक्सकार फ़ंक्शन (अवधि: 2.5 एस) के साथ मॉडलिंग की गई थी, और रेटिंग स्केल एक के साथ मॉडलिंग की गई थी परिवर्तनशील अवधि का युग/बॉक्सकार फ़ंक्शन (इस पर निर्भर करता है कि अगला बटन कब दबाया गया)। प्रथम-क्रम ऑटोरेग्रेसिव मॉडल का उपयोग करके सीरियल सहसंबंध हटा दिए गए थे, और कम-आवृत्ति शोर को हटाने के लिए एक उच्च-पास फ़िल्टर (128 एस) लागू किया गया था। छह आंदोलन मापदंडों को भी उपद्रव सहवर्ती के रूप में दर्ज किया गया था। हमने दो अलग-अलग प्रकार के जीएलएम को परिभाषित किया है। सफल भावनात्मक मेमोरी एन्कोडिंग से संबंधित स्वरों की पहचान करने के लिए एक प्रकार के जीएलएम का उपयोग किया गया था।

यहां, सकारात्मक, नकारात्मक और तटस्थ उत्तेजनाओं को अलग-अलग मॉडल किया गया था, जो इस बात पर निर्भर करता है कि उन्हें बाद में याद किया गया या नहीं। परिणामी पैरामीटर अनुमानों को सफल भावनात्मक स्मृति एन्कोडिंग ([याद किए गए भावनात्मक चित्र - गैर-याद किए गए भावनात्मक चित्र] - [याद किए गए तटस्थ चित्र - गैर-याद किए गए तटस्थ चित्र]) से जुड़े स्वरों की पहचान करने के लिए विपरीत किया गया था। यह कंट्रास्ट खोज नमूने के 945 प्रतिभागियों में से 944 में उपलब्ध था (1 विषय को कोई भी तटस्थ चित्र याद नहीं आया) और प्रतिकृति नमूने के 473 प्रतिभागियों में से 47 {{11 }} में उपलब्ध था (3 विषयों को कोई भी तटस्थ चित्र याद नहीं आया) . अनुमस्तिष्क गतिविधि में संभावित वैलेंस-संबंधित प्रभावों की जांच करने के लिए, हमने इसके अलावा तुलना की कि क्या सफल मेमोरी एन्कोडिंग से संबंधित गतिविधि सकारात्मक और नकारात्मक चित्रों के बीच भिन्न है। यह निम्नलिखित विरोधाभास के अनुरूप है: ([याद किए गए नकारात्मक चित्र - याद न किए गए नकारात्मक चित्र] - [याद किए गए सकारात्मक चित्र - याद न किए गए सकारात्मक चित्र])। एक अन्य प्रकार का जीएलएम स्मृति की परवाह किए बिना, भावनात्मक चित्रों के एन्कोडिंग से जुड़े स्वरों की पहचान करने के लिए निर्दिष्ट किया गया था। हमने सकारात्मक, तटस्थ और नकारात्मक चित्रों के लिए प्रतिगामी निर्दिष्ट किए, भले ही चित्रों को याद किया गया हो या नहीं, और परिणामी पैरामीटर अनुमानों (भावनात्मक चित्र - तटस्थ चित्र) के विपरीत। हमने पूरे मस्तिष्क के स्तर पर सभी विरोधाभासों के लिए कई तुलनाओं के लिए परिवार-वार त्रुटि (एफडब्ल्यूई) सुधार लागू किया (पीहोल-ब्रेन-एफडब्ल्यूई-सही <0.05)। अनुमस्तिष्क क्लस्टर में वैलेंस-संबंधित प्रभावों के परीक्षण के लिए क्लस्टर स्तर पर एकाधिक तुलनाओं के लिए सुधार लागू किया गया था (Psmall-volume-corrected <0.001, क्लस्टर सीमा k=10)।

इमेजिंग: स्वर-वार गतिविधि के समूह आँकड़े। "सफल भावनात्मक मेमोरी एन्कोडिंग" और "भावनात्मक चित्रों की एन्कोडिंग" से संबंधित गतिविधि निर्धारित करने के लिए, जीएलएम फ्लेक्स (मार्टिनो सेंटर और मैसाचुसेट्स जनरल हॉस्पिटल, चार्ल्सटाउन, एमए; https) का उपयोग करके एक यादृच्छिक-प्रभाव मॉडल (द्वितीय-स्तरीय विश्लेषण) में कंट्रास्ट मानचित्र दर्ज किए गए थे। ://habs.mgh.harvard.edu/researchers/datatools/glm-flex-fast2/)। हमने लिंग, आयु, स्कैनर सॉफ़्टवेयर में एक परिवर्तन और ग्रेडिएंट कॉइल्स में दो परिवर्तनों को सहसंयोजक के रूप में शामिल करके उनके प्रभाव को नियंत्रित किया। हमने जीएलएम फ्लेक्स का उपयोग किया क्योंकि ईपीआई अनुक्रम चुंबकीय क्षेत्र की असमानताओं की उपस्थिति में सिग्नल हानि से ग्रस्त हैं जो वायु-ऊतक सीमाओं के करीब हो सकते हैं। DARTEL में लागू सामान्यीकरण प्रक्रिया ने सिग्नल के साथ वोक्सल्स और एमएनआई स्पेस में सिग्नल लॉस के साथ वोक्सल्स दोनों को सटीक रूप से बदल दिया। एसपीएम में, केवल एक प्रतिभागी की कार्यात्मक छवि में एमएनआई निर्देशांक पर सिग्नल हानि के कारण समूह-स्तर के विश्लेषण से इस समन्वय पर स्वर का बहिष्करण हुआ। नतीजतन, नमूना आकार के साथ स्वर को बाहर किए जाने की संभावना बढ़ गई। जीएलएम फ्लेक्स ने प्रत्येक स्वर में प्रतिभागियों की एक अलग संख्या की अनुमति देकर इस समस्या को हल किया। प्रति स्वर में प्रतिभागियों की न्यूनतम संख्या सभी प्रतिभागियों की 2/3 निर्धारित की गई थी।

इमेजिंग: आरओआई की परिभाषा-कार्यात्मक रूप से परिभाषित मास्क। क्योंकि वास्तविक कार्यात्मक सीमाओं (36) से मेल खाने वाले आरओआई का उपयोग करके कनेक्शन की उपस्थिति का पता लगाने की संवेदनशीलता को बढ़ाया जा सकता है, इसलिए हमने आरओआई को शारीरिक रूप से बजाय कार्यात्मक रूप से परिभाषित किया है। विशेष रूप से, खोज नमूने (एन=945) के भीतर, हमने एक कार्यात्मक रूप से व्युत्पन्न मास्क का उपयोग किया और फिर पूर्व-संसाधित और सामान्यीकृत ईपीआई वॉल्यूम को स्थानिक रूप से सुसंगत और अस्थायी सजातीय क्षेत्रों में विभाजित करने के लिए डेटा-संचालित, समूह-स्तरीय क्लस्टरिंग दृष्टिकोण का उपयोग किया (37) . मास्क में वोक्सल्स शामिल थे जो खोज नमूने के भीतर सफल भावनात्मक मेमोरी एन्कोडिंग के साथ सकारात्मक रूप से जुड़े हुए थे (पी होल-ब्रेन-एफडब्ल्यूई-करेक्टेड < 0। 05)। इसके बाद पहचाने गए स्वरों को भावनात्मक चित्रों के कंट्रास्ट (पी होल-ब्रेन-एफडब्ल्यूई-सही <0.05) के एन्कोडिंग के साथ छुपाया गया ताकि यह सुनिश्चित किया जा सके कि सभी शामिल स्वरों ने भावना एन्कोडिंग के लिए सकारात्मक प्रभाव दिखाया (सभी स्वरों का 99% "सफल भावनात्मक मेमोरी एन्कोडिंग में महत्वपूर्ण है") कंट्रास्ट" "भावनात्मक चित्रों के एन्कोडिंग कंट्रास्ट" में भी महत्वपूर्ण थे)।

इमेजिंग: आरओआई की परिभाषा-पार्सेलेशन प्रक्रिया। कार्यात्मक रूप से परिभाषित मास्क के भीतर स्वरों को आरओआई में इस तरह संयोजित किया गया था कि एक ही क्लस्टर के भीतर स्वरों के बीच समानता को एक स्थानिक बाधा (37) को शामिल करते हुए सामान्यीकृत कट विधि का उपयोग करके, विभिन्न समूहों में स्वरों के बीच समानता की तुलना में अधिकतम किया गया था। कम्प्यूटेशनल समीचीनता के लिए, 200 प्रतिभागियों के ईपीआई वॉल्यूम के आधार पर पार्सलेशन किया गया था, जिन्हें खोज नमूने से यादृच्छिक रूप से लिया गया था। इन खंडों को हाल के पेपर (37) के अनुरूप 6 एमएमएफडब्ल्यूएचएम गॉसियन कर्नेल के साथ चिकना किया गया था। क्लस्टरिंग पहले प्रत्येक प्रतिभागी के भीतर की गई, उसके बाद दूसरे स्तर की समूह क्लस्टरिंग की गई, जैसा कि क्रैडॉक एट अल द्वारा अनुशंसित किया गया था। (37). हमने मास्क के भीतर स्वरों को 30 आरओआई में विभाजित किया, क्योंकि हमने पाया कि यह संख्या पर्याप्त स्थानिक विशिष्टता की ओर ले जाती है जबकि डीसीएम के साथ कनेक्टिविटी की गणना से प्रेरित कम्प्यूटेशनल बोझ के बारे में अभी भी प्रबंधनीय है। इनमें से एक आरओआई में पृथक स्वर और अलग-अलग छोटे समूह शामिल थे जो स्थानिक रूप से सुसंगत नहीं थे। इस आरओआई (आरओआई 11), जिसमें 60 स्वर शामिल थे, को इस प्रकार आगे के विश्लेषण से हटा दिया गया था।

कनेक्टिविटी विश्लेषण: समय-पाठ्यक्रम निष्कर्षण। हमने नीचे वर्णित प्रक्रिया का उपयोग करके निर्बाध और असामान्य डेटा से प्रति प्रतिभागी समय पाठ्यक्रम और आरओआई निकाला। ध्यान दें कि हमने अनस्मूथ डेटा से निकाला है क्योंकि स्मूथिंग कनेक्टिविटी अनुमान के लिए हानिकारक हो सकती है क्योंकि इससे आस-पास के क्षेत्रों (36) के बीच रक्त ऑक्सीजन स्तर-निर्भर समय पाठ्यक्रमों का मिश्रण होता है।

1. एमएनआई स्पेस से मूल भागीदार स्पेस में कार्यात्मक आरओआई का मानचित्रण: पार्सलेशन प्रक्रिया में निर्धारित आरओआई एमएनआईस्पेस में उत्पन्न किए गए थे। इसलिए हमने प्रत्येक प्रतिभागी के सामान्यीकरण वार्प फ़ील्ड को उल्टा करके उनके स्थान को मूल प्रतिभागी स्थान पर मैप किया।

2. कार्यात्मक आरओआई से समय-पाठ्यक्रम निष्कर्षण: डीसीएम ढांचे के भीतर कनेक्टिविटी के वास्तविक मॉडलिंग से पहले, प्रत्येक आरओआई से प्रतिभागी-विशिष्ट समय पाठ्यक्रम निकाले गए थे। इस कदम का लक्ष्य एकल-प्रतिभागी स्तर पर सक्रिय स्वरों से टाइमकोर्स निकालना था। भावनात्मक चित्रों के कंट्रास्ट के एन्कोडिंग का प्रभाव आकार सफल भावनात्मक मेमोरी कंट्रास्ट के प्रभाव आकार से काफी बड़ा था, जिससे एकल-प्रतिभागी स्तर पर प्रासंगिक संकेतों के बिना कार्य-संबंधित स्वरों को स्वरों से अलग करने के लिए यह अधिक उपयुक्त हो गया। समूह स्तर पर, इस विश्लेषण में शामिल सभी क्षेत्र सफल भावनात्मक मेमोरी एन्कोडिंग के साथ महत्वपूर्ण रूप से जुड़े हुए थे, यह सुनिश्चित करते हुए कि सभी आरओआई सफल भावनात्मक मेमोरी एन्कोडिंग के लिए प्रासंगिक थे। परिणामस्वरूप, प्रत्येक आरओआई और प्रतिभागी के लिए, हमने भावनात्मक > तटस्थ कंट्रास्ट के लिए महत्वपूर्ण स्वरों की पहचान की, जो कि पी <{6}}.05 की एक असंशोधित सीमा पर है, न्यूनतम क्लस्टर आकार तीन स्वरों का है। एसपीएम के "रुचि की मात्रा" निष्कर्षण उपकरण का उपयोग करके उन सभी स्वरों से अनुमानित समय पाठ्यक्रम निकाला गया था। विस्तार से, anROI के भीतर सभी चयनित स्वरों के लिए, एक PCA निष्पादित किया गया था। समय बिंदु अवलोकन थे और स्वर चर थे। पीसीए ने प्रत्येक घटक द्वारा बताए गए विचरण के अनुपात के अनुसार क्रमबद्ध घटकों की एक श्रृंखला लौटा दी। प्रत्येक घटक भार के एक वेक्टर (प्रति स्वर एक मान) से जुड़ा था, जो उस घटक में प्रत्येक स्वर के योगदान को दर्शाता है। पहले आइजेनवेरिएट ने मुख्य घटक के समय पाठ्यक्रम को प्रतिबिंबित किया जिसने एक क्षेत्र की प्रतिक्रिया में योगदान दिया और आरओआई के लिए प्रतिनिधि समय पाठ्यक्रम के रूप में चुना गया। रैखिक मॉडल में सहसंयोजक के रूप में आंदोलन मापदंडों को जोड़कर आंदोलन कलाकृतियों के लिए टाइमकोर्स को सही किया गया था।

सभी 29 कार्यात्मक आरओआई में, खोज नमूने में 97.88% मामलों में समय पाठ्यक्रम सफलतापूर्वक निकाले गए थे, और प्रतिकृति नमूने में सभी मामलों में 97.57% मामलों में, क्योंकि उन्होंने ऊपर उल्लिखित हमारे महत्व सीमा द्वारा मजबूत कार्य-निर्भर सक्रियण दिखाया था। सभी प्रतिभागियों में सभी आरओआई से डेटा डीसीएम चलाने के लिए एक शर्त थी, क्योंकि डीसीएम का उद्देश्य एक देखे गए सक्रियण (38, 39) के लिए विभिन्न मॉडलों की तुलना करना है। इसलिए, यदि आरओआई ने ऊपर परिभाषित मानदंडों के अनुरूप सक्रियता नहीं दिखाई तो हमने प्रतिभागी को एक विशेष डीसीएम से बाहर कर दिया। सभी आरओआई में से, आरओआई 9 ने मजबूत सक्रियण वाले प्रतिभागियों का सबसे छोटा अनुपात दिखाया (खोज नमूना 88.36%; प्रतिकृति नमूना 85.84%)। प्रति डीसीएम प्रतिभागियों की संख्या के लिए एसआई परिशिष्ट, तालिका एस1 और प्रति आरओआई बहिष्कृत प्रतिभागियों के प्रतिशत के लिए एसआई परिशिष्ट, तालिका एस2 देखें।

कुछ प्रतिभागियों में पर्याप्त रूप से मजबूत सक्रियता की कमी के संभावित कारण डेटा में शोर या डेटा हानि से संबंधित हैं, लेकिन विभिन्न संज्ञानात्मक रणनीतियों के उपयोग को भी प्रतिबिंबित कर सकते हैं।

कनेक्टिविटी विश्लेषण: डीसीएम। डीसीएम को पूर्वनिर्धारित मस्तिष्क क्षेत्रों के एक सेट के बीच प्रभावी कनेक्टिविटी की उपस्थिति, दिशा और न्यूनाधिक के संबंध में विशिष्ट परिकल्पनाओं का परीक्षण करने के लिए लागू किया जा सकता है। डीसीएम का वर्णन अन्यत्र (38, 39) विस्तार से किया गया है। संक्षेप में, क्षेत्रों के बीच तंत्रिका संबंधी अंतःक्रियाओं को विभेदक समीकरणों द्वारा व्यक्त किया जाता है, जो वर्णन करता है कि 1) कैसे एक मस्तिष्क क्षेत्र में गतिविधि दूसरे मस्तिष्क क्षेत्र में गतिशीलता (यानी, परिवर्तन की दर) का कारण बनती है और 2) प्रयोगात्मक स्थितियों के प्रभाव में ये अंतःक्रियाएं कैसे बदलती हैं। यहां, हमने इस बात पर विचार करते हुए भावनात्मक और तटस्थ चित्रों की स्थितियों की तुलना की कि क्या किसी चित्र को बाद में याद किया गया था या नहीं। डीसीएम "तंत्रिका स्तर" और "हेमोडायनामिक स्तर" (82) के बीच एक स्पष्ट अंतर बनाकर न्यूरोफिज़ियोलॉजिकल व्याख्या के लिए प्रयास करता है। यह एक बायोफिजिकली प्रेरित और पैरामीटरयुक्त फॉरवर्ड मॉडल को उलट कर प्राप्त किया जाता है जो मॉडल किए गए तंत्रिका गतिशीलता को मापा हेमोडायनामिक समय पाठ्यक्रमों (38) से जोड़ता है। . इसलिए कनेक्टिविटी मापदंडों की व्याख्या तंत्रिका आबादी (39) के बीच प्रभाव के रूप में की जा सकती है। कनेक्टिविटी पर हमारा अनुमान डीसीएम के पैरामीटरीकरण में शामिल अंतर्निहित गणितीय मान्यताओं पर निर्भर करता है। इन धारणाओं का आलोचनात्मक मूल्यांकन किया गया है (83)।

हमने अन्य तरीकों की तुलना में डीसीएम को चुना क्योंकि यह कई फायदे प्रदान करता है। डीसीएम विभेदक समीकरणों की एक प्रणाली के साथ तंत्रिका गतिशीलता को मॉडलिंग करके कनेक्टिविटी का अनुमान लगाता है। इसलिए, प्रभाव की दिशा और कनेक्शन ताकत की स्थिति-निर्भर मॉड्यूलेशन को स्थिर कनेक्टिविटी मॉडल जैसे सहसंबंध या संरचनात्मक समीकरण मॉडलिंग (82, 84, 85) की तुलना में अधिक सार्थक रूप से निर्धारित किया जा सकता है।

कनेक्टिविटी विश्लेषण: डीसीएम-मॉडल स्पेस। हमने एक पोस्ट हॉक मॉडल चयन प्रक्रिया का उपयोग किया, जिसमें सभी संभावित कनेक्शन आर्किटेक्चर (40) के लिए मॉडल साक्ष्य खोजने के लिए केवल एक पूर्ण मॉडल के अनुमान की आवश्यकता होती है, जिससे एक विस्तृत मॉडल तुलना की जाती है। हमने प्राथमिक मॉडलों की सीमित संख्या की पारंपरिक तुलना के बजाय इस चयन प्रक्रिया का उपयोग किया क्योंकि यह एल्गोरिदम एक पूर्ण मॉडल पर अनुमान से नेस्टेड सबमॉडल के कनेक्टिविटी पैरामीटर्स का अनुमान लगाकर कम्प्यूटेशनल बोझ को काफी कम कर देता है। हालाँकि सभी 26 समूहों को एक ही मॉडल में शामिल करना दिलचस्प होता, लेकिन यह कम्प्यूटेशनल रूप से संभव नहीं था। हमने नोड डीसीएम की एक श्रृंखला को परिभाषित करके सेरिबैलर आरओआई और शेष 25 आरओआई के बीच सभी जोड़ीदार कनेक्शन का पता लगाया, जहां सेरिबैलम में स्थित आरओआई को व्यवस्थित रूप से अन्य आरओआई में से एक के साथ जोड़ा गया था। कनेक्टिविटी पैरामीटर आरओआई के बीच नेट कनेक्टिविटी का प्रतिनिधित्व करते हैं - यानी, वे इस बात पर विचार नहीं करते हैं कि दो आरओआई के बीच प्रभाव अतिरिक्त क्षेत्रों द्वारा मध्यस्थ है या नहीं, जब तक कि इन अतिरिक्त क्षेत्रों को स्पष्ट रूप से डीसीएम मॉडल में शामिल नहीं किया जाता है। चूंकि यहां परीक्षण किए गए डीसीएम में केवल दो नोड शामिल थे, इसलिए उन्होंने यह जांच नहीं की कि सेरिबैलम और दूसरे आरओआई के बीच प्रभाव अतिरिक्त क्षेत्रों द्वारा मध्यस्थ था या नहीं। इसलिए हमारे कनेक्टिविटी पैरामीटर्स के मान संभावित रूप से प्रत्यक्ष और अप्रत्यक्ष दोनों कनेक्शनों को प्रतिबिंबित करते हैं। हमने दो राज्यों (संस्करण DCM12) (86) के साथ बिलिनियर, नियतात्मक डीसीएम लागू किया। हमने प्रत्येक आरओआई के बीच पारस्परिक आंतरिक कनेक्शन निर्दिष्ट किया है। आरओआई में बाहरी इनपुट नेटवर्क को चलाते हैं और यह निर्धारित करते हैं कि आरओआई बाहरी उत्तेजनाओं पर कैसे प्रतिक्रिया करते हैं। चार अलग-अलग इनपुट रजिस्ट्रार को परिभाषित किया गया था, जिसमें 1) भावनात्मक और तटस्थ चित्र, 2) तले हुए चित्र, 3) बटन दबाना, और 4) रेटिंग स्केल प्रस्तुति शामिल थी। प्रत्येक इनपुट रजिस्ट्रार सभी आरओआई पर नेटवर्क में प्रवेश कर सकता है। आरओआई के बीच आंतरिक कनेक्शन की ताकत को निम्नलिखित स्थितियों द्वारा नियंत्रित किया जा सकता है: भावनात्मक रूप से याद किए गए चित्र, भावनात्मक रूप से गैर-याद किए गए चित्र, तटस्थ वापस बुलाए गए चित्र, और तटस्थ गैर-याद किए गए चित्र।

एकाधिक तुलनाओं पर बायेसियन परिप्रेक्ष्य के लिए, संदर्भ (87, 88) देखें। उल्लेखनीय रूप से, हमने खोज नमूने के परिणामों को दूसरे नमूने में दोहराया।

कनेक्टिविटी विश्लेषण: डीसीएम-मॉडल अनुमान। हमने एक कुशल पोस्टहॉक मॉडल चयन का उपयोग किया जिसके लिए केवल एक पूर्ण मॉडल के अनुमान की आवश्यकता होती है 1) बायेसियन मॉडल चयन (बीएमएस) के साथ सभी संभावित कनेक्शन आर्किटेक्चर के लिए मॉडल साक्ष्य, 2) एक के लिए संभावना निर्धारित करने के लिए परिवार-स्तर के अनुमानों से उत्पन्न होने वाली पिछली संभावनाएं पैरामीटर अनुमानों का कंट्रास्ट, और 3) सभी संभावित मॉडलों पर बायेसियन पैरामीटर का औसत यह दर्शाता है कि पैरामीटर अनुमानों का कंट्रास्ट शून्य (40, 84, 89) से भिन्न है या नहीं। चूँकि हमने निश्चित-प्रभाव वाले बीएमएस का उपयोग किया था, इसलिए हमने मान लिया कि इष्टतम मॉडल जनसंख्या में प्रत्येक भागीदार के लिए समान था (39)। डीसीएम मॉडल का आकलन बेसल विश्वविद्यालय में sciCORE (https://scicore.unibas.ch/) वैज्ञानिक कंप्यूटिंग कोर फैसिलिटी में किया गया था।

कनेक्टिविटी विश्लेषण: डीसीएम-पैरामीटर विश्लेषण। हमने यह आकलन करने के लिए बायेसियन अनुमान का उपयोग किया कि क्या सफल भावनात्मक मेमोरी एन्कोडिंग के दौरान कनेक्शन की ताकत बढ़ गई थी। विशेष रूप से, हमने पश्च संभावना की गणना करने के लिए पश्च अपेक्षाओं और पश्च सहप्रसरणों का उपयोग किया कि कनेक्शन ताकत के मॉड्यूलेटर के बीच का अंतर शून्य से बड़ा था। सफल भावनात्मक मेमोरी एन्कोडिंग के लिए कंट्रास्ट निम्नलिखित स्थितियों के मॉड्यूलेटर को घटाकर बनाया गया था: (याद किए गए भावनात्मक चित्र - गैर-याद किए गए भावनात्मक चित्र) - (याद किए गए तटस्थ चित्र - गैर-याद किए गए तटस्थ चित्र)। सबसे पहले, खोज नमूने के भीतर, हमने उन कनेक्शनों की पहचान की जिनमें विपरीतता की पिछली संभावना {0}}.99 से अधिक थी। दूसरा, हमने प्रतिकृति नमूने में इन कनेक्शनों का विश्लेषण किया, यह परीक्षण करते हुए कि क्या उनके पास भी 0.99 से अधिक विपरीत की पिछली संभावना थी। वर्णनात्मक शब्दों में, 0.99 की लागू संभाव्यता सीमा को एक प्रभाव (42, 43) के लिए बहुत मजबूत सबूत प्रदान करने के रूप में व्याख्या किया जा सकता है। हमने कनेक्शन की ताकत में कमी के बजाय वृद्धि पर ध्यान केंद्रित किया क्योंकि आरओआई को बढ़ी हुई गतिविधि के साथ स्वरों के आधार पर परिभाषित किया गया था।

कनेक्शन की ताकत के बारे में गणना प्रतिकृति नमूने में कंट्रास्ट की ताकत पर आधारित थी। आर (90) में सर्कल लाइब्रेरी का उपयोग करके कनेक्शनों की कल्पना की गई थी।

शारीरिक छवि का विभाजन. फ्रीसर्फर संस्करण 4.5 (91) का उपयोग करके प्रत्येक प्रतिभागी की शारीरिक छवि को स्वचालित रूप से कॉर्टिकल और सबकोर्टिकल संरचनाओं में विभाजित किया गया था। कॉर्टिकल ग्यारी की लेबलिंग देसीकन-किलियानी एटलस (92) पर आधारित थी, जिससे 35 कॉर्टिकल और सात सबकोर्टिकल क्षेत्र परिधि में प्राप्त हुए। ध्यान दें कि लागू विभाजन और लेबलिंग तकनीक विशेषज्ञों द्वारा मैन्युअल लेबलिंग के बराबर सटीकता प्रदान करती है (91, 92)।

जनसंख्या-औसत शारीरिक संभाव्य एटलस के आधार पर आरओआई का शारीरिक स्थानीयकरण। फ्रीसर्फर (ऊपर पैराग्राफ देखें) से प्राप्त कॉर्टिकल और सबकोर्टिकल संरचनाओं के विभाजन का उपयोग 1,418 प्रतिभागियों में से 1, 000 के डेटा के आधार पर जनसंख्या-औसत संभाव्य संरचनात्मक एटलस बनाने के लिए किया गया था। अलग-अलग खंडित संरचनात्मक छवियों को प्रतिभागियों के पहले से गणना किए गए ताना क्षेत्र का उपयोग करके अध्ययन-विशिष्ट संरचनात्मक टेम्पलेट स्थान पर सामान्यीकृत किया गया था और एमएनआई अंतरिक्ष में एफ़िन-पंजीकृत किया गया था। विभिन्न संरचनाओं के लेबलिंग को संरक्षित करने के लिए निकटतम-पड़ोसी इंटरपोलेशन लागू किया गया था। जनसंख्या-औसत संभाव्य एटलस बनाने के लिए प्रतिभागियों के बीच सामान्यीकृत विभाजनों का अंततः औसत किया गया। टेम्पलेट के प्रत्येक स्वर को परिणामस्वरूप किसी दिए गए संरचनात्मक संरचना से संबंधित होने की संभावना दी जा सकती है।

इस जनसंख्या-औसत संभाव्य एटलस का उपयोग निर्देशांक और आरओआई के संरचनात्मक स्थान की रिपोर्ट करने के लिए किया गया था। प्रति समन्वय प्रतिशत एक संरचनात्मक लेबल की जनसंख्या-औसत संभावना को दर्शाता है। इसके अलावा, हमने प्रति आरओआई क्षेत्रीय पत्राचार का औसत प्रतिशत रिपोर्ट किया। आरओआई के अनुसार, हमने निर्धारित किया कि कौन से संरचनात्मक लेबल इसके स्वरों द्वारा फैलाए गए थे। फिर हमने आरओआई के भीतर सभी स्वरों में प्रति लेबल संभावनाओं को सारांशित किया और मास्क में स्वरों की कुल संख्या से योग को विभाजित किया। 100% पत्राचार घटित होगा यदि आरओआई के सभी स्वर एक ही संरचनात्मक क्षेत्र में स्थित हों, और प्रत्येक स्वर के इस क्षेत्र में स्थित होने की 100% संभावना हो।

डेटा, सामग्री और सॉफ़्टवेयर उपलब्धता। रुचि के दो विरोधाभासों (सफल भावनात्मक स्मृति एन्कोडिंग और भावनात्मक चित्रों की एन्कोडिंग) के लिए व्यक्तिगत, प्रथम-स्तरीय मानचित्र ओपन साइंस फ्रेमवर्क (ओएसएफ, https://osf.io/ghtvy) (93) में उपलब्ध हैं, साथ ही व्यक्तिगत सहसंयोजक। व्यक्तिगत प्रथम-स्तर और वीओआई फ़ाइलें फिगशेयर (https://figshare.com/projects/CBDCM/149317) (94) पर उपलब्ध हैं। संबंधित अन-थ्रेशोल्ड समूह-स्तरीय मानचित्र, साथ ही कार्यात्मक आरओआई के बाइनरी मास्क, न्यूरोवॉल्ट (https://neurovault.org/collections/12932) (95) में जमा किए गए हैं। समूह-स्तरीय DCM फ़ाइलें OSF (https://osf.io/ghtvy) (93) में उपलब्ध हैं।

आभार. हम यूनिवर्सिटी हॉस्पिटल बेसल की एफएमआरआई सुविधाओं तक पहुंच प्रदान करने के लिए एल्मर मर्कले, क्रिस्टोफ स्टिपिच और ओलिवरबीरी को धन्यवाद देते हैं। इस काम को स्विस नेशनल साइंस फाउंडेशन (डीजे-एफडीक्यू और एपी को सिनर्जिया अनुदानसीआरएसआई {{0%) द्वारा वित्त पोषित किया गया था। एमएफ को बेसल विश्वविद्यालय के जूनियर शोधकर्ताओं के लिए अनुसंधान कोष (अनुदान DPE2141) द्वारा वित्त पोषित किया गया था। गणना बेसल विश्वविद्यालय में sciCORE (https://scicore.unibas.ch/) वैज्ञानिक कंप्यूटिंग कोर सुविधा में की गई। लेखकों ने प्रतिस्पर्धी वित्तीय हितों की अनुपस्थिति की घोषणा की।

संदर्भ

1. डी. डी. कर्वेन, एल. श्वाबे, बी. रूज़ेंडाल, तनाव, ग्लूकोकार्टोइकोड्स, और स्मृति: भय से संबंधित विकारों के उपचार के लिए निहितार्थ। नेट. रेव. न्यूरोसाइंस. 18, 7-19 (2017)।

2. जेएल मैकगॉ, द मेकिंग ऑफ लास्टिंग मेमोरी (वीडेनफील्ड और निकोलसन, 2003)।

3. जेएल मैकगॉघ, मेमोरी-समेकन की एक सदी। विज्ञान 287, 248-251 (2000)।

4. बी रूज़ेंडाल, जेएल मैकगॉघ, मेमोरी मॉड्यूलेशन। व्यवहार. तंत्रिका विज्ञान. 125, 797-824 (2011)।

5. केएस लाबर, आर. कैबेज़ा, भावनात्मक स्मृति का संज्ञानात्मक तंत्रिका विज्ञान। नेट. रेव. न्यूरोसाइंस. 7, 54-64(2006)।

6. एसबी हैमन, टीडी एली, एसटी ग्राफ्टन, सीडी किल्ट्स, एमिग्डाला गतिविधि सुखद और प्रतिकूल उत्तेजनाओं के लिए बढ़ी हुई स्मृति से संबंधित है। नेट. तंत्रिका विज्ञान. 2, 289-293 (1999)।

7. टी. कैनली, जेड. झाओ, जे. ब्रेवर, जेडीई गेब्रियली, एल. काहिल, मानव अमिगडाला में घटना-संबंधित सक्रियण व्यक्तिगत भावनात्मक अनुभव के लिए बाद की स्मृति के साथ जुड़ा हुआ है। जे। तंत्रिका विज्ञान. 20, आरसी99 (2000)।

8. एएच वैन स्टेगेरेन एट अल।, नॉरएड्रेनालाईन भावनात्मक सामग्री के एन्कोडिंग के दौरान पुरुषों और महिलाओं में एमिग्डाला सक्रियण में मध्यस्थता करता है। न्यूरोइमेज 24, 898-909 (2005)।

9. MW कोल एट अल., मल्टी-टास्क कनेक्टिविटी से अनुकूली कार्य नियंत्रण के लिए लचीले हब का पता चलता है।Nat। तंत्रिका विज्ञान. 16, 1348-1355 (2013)।

10. आरएम टॉड, टीडब्ल्यू शमित्ज़, जे. सुस्किंड, एके एंडरसन, भावनात्मक रूप से उन्नत अवधारणात्मक और स्मरणीय जीवंतता के साझा तंत्रिका सब्सट्रेट। सामने। व्यवहार. तंत्रिका विज्ञान. 7, 40 (2013)।

For more information:1950477648nn@gmail.com