Source : Laboratoires de Jonas T. Kaplan et Sarah I. Gimbel — University of Southern California
Imaginez le son d’une cloche. Ce qui se passe dans le cerveau lorsque nous évoquent un son comme ça dans « l’oreille de l’entendement ? » Il y a plus de preuves que le cerveau utilise les mêmes mécanismes d’imagination qu’il utilise pour perception. 1 par exemple, en imaginant des images visuelles, le cortex visuel est activé, et en imaginant les sons, le cortex auditif est engagé. Toutefois, dans quelle mesure sont-ils ces activations du cortex sensoriels spécifiques au contenu de notre imagination ?
Une technique qui peut aider à répondre à cette question est l’analyse des habitudes de multivoxel (MPVA), dans quelles images cérébrale fonctionnelle sont analysées à l’aide de techniques d’apprentissage automatique. 2-3 experiment in an MPVA, nous formons un algorithme d’apprentissage automatique de distinguer parmi les différents modèles de l’activité induite par différents stimuli. Par exemple, on peut se demander si imaginer le son d’une cloche produit différents modèles de l’activité dans le cortex auditif comparée à imaginer le bruit d’une tronçonneuse, ou le son d’un violon. Si notre classificateur apprend à distinguer les patterns d’activité cérébrale produites par ces trois stimuli, alors nous pouvons conclure que le cortex auditif est activé de manière distincte de chaque stimulus. Une façon de penser à ce genre d’expérience est qu’au lieu de poser une question simplement sur l' activité d’une région du cerveau, nous poser une question sur le contenu de l’information de cette région.
Dans cette expérience, basée sur Meyer et al., 2010,4 nous seront cue participants pour imaginer plusieurs sons en leur remettant vidéos silencieux qui sont susceptibles d’évoquer des images auditives. Puisque nous nous intéressons à mesurer les motifs subtils évoquées par l’imagination dans le cortex auditif, il est préférable si les stimuli sont présentés dans un silence complet, sans ingérence des bruits fait par le scanner IRMf. Pour ce faire, nous utiliserons un type spécial de séquence de MRI fonctionnel appelé échantillonnage temporel clairsemée. Dans cette approche, un volume unique IRMf est acquise 4-5 s après chaque stimulus, programmée pour capturer la crête de la réponse hémodynamique.
1. participant recrutement
2. l’analyse préalable des procédures
3. fournir des instructions pour le participant.
4. mettre le participant dans le scanner.
5. collecte des données
6. analyse de données
Figure 1 : région de traçage intérêt. La surface du planum temporale a été tracée sur une image haute définition anatomique de ce participant et est présentée ici en bleu. En vert est le masque du pôle frontal. Ces voxels sera utilisés pour l’analyse MVPA.
La précision moyenne classifieur dans la temporale planum à travers tous les 20 participants était de 59 %. Selon le test de Wilcoxon Signed-grade, c’est significativement différent niveau de chance de 33 %. La performance moyenne dans le masque de mât de façade était de 32,5 %, qui n’est pas plu de chance (Figure 2).
Figure 2. Performance de classification à chaque participant. Pour la classification tripartite, performance de chance est de 33 %. Selon un test par permutations, le niveau alpha de p < 0,05 correspond à 42 %.
Le test par permutations révèle que seulement 5 % des permutations exactitude supérieure à 42 % ; ainsi, notre seuil statistique pour les sujets individuels est de 42 %. Dix-neuf des 20 sujets avaient classifieur performance significativement plu de chance en utilisant des voxels du planum temporale, alors qu’aucun n’avait plus de chance en utilisant des voxels du pôle frontal performance.
Ainsi, nous sommes en mesure de prédire avec succès des tendances de l’activité dans le cortex auditif qui, des trois sons, le participant était imaginer. Nous n’étions pas en mesure de faire cette prévision basée sur la structure de l’activité du pôle frontal, ce qui laisse supposer que l’information n’est pas globale dans tout le cerveau.
MVPA est un outil utile pour comprendre comment le cerveau représente des informations. Au lieu de considérer l’évolution temporelle de chaque voxel séparément comme dans une analyse par activation traditionnelle, cette technique considère patrons à travers de nombreux voxels à la fois, offrant une sensibilité accrue par rapport aux techniques univariées. Souvent une analyse multivariée révèle des différences où une technique univariée n’est pas en mesure de. Dans ce cas, nous avons appris quelque chose sur les mécanismes de l’imagerie mentale en sondant l’information contenue dans une zone spécifique du cerveau, le cortex auditif. La nature du contenu spécifique de ces modèles d’activation serait difficile à tester avec des approches univariées.
Il y a des avantages supplémentaires qui viennent de la direction d’inférence dans ce genre d’analyse. Dans MVPA nous commençons avec des motifs de l’activité cérébrale et tenter d’en déduire quelque chose sur l’état mental du participant. Ce type d’approche « cerveau-lecture » peut conduire au développement des interfaces cerveau-ordinateur et peut permettre de nouvelles possibilités de communication avec ceux qui ont la parole avec facultés affaiblies ou mouvement.
Passer à...
Vidéos de cette collection:
Now Playing
Neuropsychology
6.4K Vues
Neuropsychology
68.2K Vues
Neuropsychology
27.5K Vues
Neuropsychology
12.0K Vues
Neuropsychology
32.3K Vues
Neuropsychology
17.7K Vues
Neuropsychology
30.3K Vues
Neuropsychology
16.2K Vues
Neuropsychology
27.4K Vues
Neuropsychology
19.6K Vues
Neuropsychology
17.1K Vues
Neuropsychology
17.3K Vues
Neuropsychology
41.5K Vues
Neuropsychology
16.7K Vues
Neuropsychology
10.1K Vues