漢字認識のための紡錘状皮質の機能勾配 パート 2

行動分析

ACC と RT は 4 つの条件に対して計算されました。 刺激カテゴリーの主効果は、一元配置反復分散分析によって分析されました。 事後ボンフェローニ補正 (p, 0.05) を使用した対応のある t 検定を条件全体で実施しました。

刺激と記憶の間には密接な関係があります。 何かが興味深く、斬新で、挑戦的であるほど、私たちはそれを覚えやすくなります。 このため、学校では生徒の興味や好奇心を刺激して記憶力を向上させるためにさまざまな方法がよく使われます。 では、どのような刺激が記憶力を向上させるのでしょうか?

まず第一に、想像力と連想スキルは記憶力を向上させる重要な要素です。 情報をよりよく記憶するには、脳に情報をさらに処理させ、それを自分の経験、知識、感情などと結び付ける必要があります。 たとえば、新しい単語を学習するとき、その単語を視覚的なシーンや発音が似ている既存の単語と関連付けることができるため、理解や記憶が促進されます。

次に、複数の感覚を使うことで記憶力も向上します。 私たちは視覚、聴覚、触覚、嗅覚などのさまざまなチャネルを通じて情報を得ることができ、それによって脳内でよ​​り多くのつながりや関連付けが生まれ、長期記憶が促進されます。 そのため、勉強するときは、本を読みながら録音を聞いたり、写真を撮りながら集中したりして、情報をその場でよりよく記録するなど、さまざまな方法で情報を入手することができます。

最後に、体と脳を継続的に運動することで、記憶力も向上します。 身体が健康であれば、脳の柔軟性と可動性が向上し、記憶力が向上します。 定期的な運動は血流を促進し、酸素供給を増加させ、脳の代謝を促進し、それによって脳の機能を改善します。 さらに、たくさん本を読んだり、考えたり、勉強したりして脳を活発に保つことも、記憶力を向上させることができます。

つまり、刺激は記憶にプラスの効果をもたらします。 想像力や連想スキルをより活用したり、複数の感覚を使って情報を取得したり、身体や脳を鍛えるなど、さまざまな方法で記憶力を向上させることができます。 私たちが耐え続ける限り、私たちの記憶力は向上し続け、より良く学び、成長するのに役立つと私は信じています。 私たちは記憶力を向上させる必要があることがわかります。カンクサにはアセチルコリンや成長因子のレベルを高めるなど、神経伝達物質のバランスも調節できるため、記憶力を大幅に向上させることができます。 これらの物質は記憶と学習にとって非常に重要です。 さらに、肉は血流を改善し、酸素の供給を促進するため、脳に十分な栄養素とエネルギーが確実に供給され、脳の活力と持久力が向上します。

単変量活性化分析

単一被験者レベルの解析では、独立変数として刺激設定時間 (SOT) と血行動態反応関数 (HRF) の畳み込み、従属変数として fMRI 信号の時系列、および 6 つの再調整パラメーターを使用して一般線形モデル (GLM) を実行しました。退行者として。

グループレベルの分析では、1 サンプルの t 検定を使用して各ボクセルを分析し、各条件 [p, 0.05、FDR 補正 (q, 0.05)、クラスター サイズの活性化マップを取得しました。 10]。

中国語単語認識中の FG 活性化のさまざまな機能レベルを調査するために、次の 5 種類の脳活性化マップを決定しました: (1) 語彙効果についての RW 対固定マイナス PW 対固定、(2) 語形効果についての PW 対固定マイナス FW 対固定、(3) ）抽象正射投影処理の場合の PW 対固定マイナス RW 対固定、（4）低レベル正投影処理の場合の FW 対固定マイナス RW 対固定、（5）基本的な視覚処理の場合の SC 対固定マイナス RW 対固定。

具体的には、PW は RW と同じ正書法の規則性を持っていますが、語彙の音韻と意味にアクセスできません。 FW には通常の部首またはロゴの書記素がありますが、法的な中国語の正書法はありませんが、SC は空間的にインターリーブされています。

合わせて、機能レベルは、最初のコントラストから 5 番目のコントラストまで増分されます。 さらに、最後の失敗した段階による予測エラーのため、後の 3 つの対比では、処理段階は少なくなりますが、より多くの活性化が期待されます。つまり、大域的な正書法を単語の音韻と意味にマッピングしたり、局所的な部首を全体に統合したりする試みが増えると、より強力な活性化が期待されます。キャラクター（プライスとデブリン、2011）。

RSA

RSA は、さまざまなレベル/スケール/モダリティ (神経、行動、物理、理論など) の活動を統合して認知操作を特定するのに強力です (Fischer-Baum et al., 2017; Wang et al., 2018; Deniz et al., 2019)現在の研究は、中国語単語認識中の FG の正確な機能的役割を調査することを目的としていました。

この目標は、中国語正書法のさまざまなレベルの理論的表現相違行列 (RDM) と FG のニューラル RDM を関連付けることによって達成されました。抽象正書法と語彙正書法の相違点を定量化することが重要な問題です。 この結果は、RW、PW、および FW のロゴ書記素表現を計算することによって達成されました。

理論上の RDM

ロゴ書記素は、漢字の基本的な表現単位です (Han et al.、2007)。 ロゴ書記素 RDM は、RW、PW、および FW 内の任意の 2 つの刺激間の共有基本単位の比率を 1 から引いた値を計算することによって構築されました。

SC はランダムなストロークで構成されていますが、すべてのストロークがロゴ書記素であるわけではないことに注意してください。 したがって、ロゴ書記素 RDM は、RW、PW、および FW に対してのみ構築できます。 ロゴ書記素表現は、ロゴ書記素を最小単位として扱う内部操作を示します。

文字認識中、内部の認知プロセスには、語彙正書法 (つまり、正書法の合法性と音韻論と意味論への語形のマッピング)、語形正書法 (つまり、部首位置と正書法の合法性)、部首正書法 (つまり、ストローク位置)、および構成された一般的な視覚情報が含まれます。明るいパッチと暗いパッチ。

PW 認識中、ロゴ書記表現は、処理の正書法の合法性と一般的な視覚特性を示します。 FW 認識の場合、ロゴ書記素表現は根本的かつ一般的な視覚処理を示します。

意味表現は RW に対して計算され、PW と FW は無意味でした。 意味的相違度は、RW 刺激の任意のペアの単語ベクトル間のコサイン類似度を 1 から引いたものとして計算されました。 スキップグラム アルゴリズム (ウィンドウ サイズ=5、サブサンプリング レート=10 4、負のサンプル数=5、学習率=0.025、次元数=300) が使用されましたオープンソースの Wikipedia 中国語コーパスに基づいて単語ベクトルを計算します。

ニューラル RDM とサーチライト RSA

GLM は 120 回の試行ごとに最初のレベルで実行され、6 つの頭部運動パラメータが回帰されました。 各条件 (RW、PW、FW) および各被験者について、40 トライアルの任意のペア間のボクセルごとのニューロンの類似性が、6-- を使用して自己中心球から抽出された b -b 値間の有意な相関として計算されました。半径 mm。

任意の 2 つの刺激間の 1 マイナス相関を非類似度として設定しました。 球の中心ボクセルは、サーチライトなどの皮質関心領域（ROI）内で横方向に完了し、ボクセルごとの神経RDMが各条件の各被験者について取得されました。 現在の研究における ROI は、自動解剖学的ラベリング 3 (AAL3) テンプレートの両側紡錘形領域 (55#、56#) として定義されました。

AAL3 の両側の下後頭皮質 (53#、54#) も含まれました。 スピアマンの相関関係は、ニューラル RDM とロゴ書記素/意味論的 RDM の間でボクセル レベルで計算されました。 スピアマンの r 変換された Z 値はロゴ書記素/意味表現値であり、ボクセル レベルで被験者全体の片側 1 サンプル t 検定を実行するために使用されました。

t 検定における有意なボクセル (p, 0.05、未補正、クラスター サイズ . 10) は、ロゴ書記素/意味表現に関与していると特定されました。 分析スクリプトと概要データは GitHub で入手できます (http://github.com/miaocao88/Functional-Gradient-in-vOT)。

検証分析

行動パフォーマンス（ACC）が語彙決定タスク中の脳活動に影響を与えるかどうかを調べるために、参加者が語彙性を不正確に判断した試験を除外することによって検証分析が行われました。 特に、PW 条件では、RSA 結果の統計的効果を保証するために、ACC が 50% である 6 人の参加者が除外されました。

結果

行動結果

語彙決定タスクにおけるボタン押下のACCとRTを分析した。 図 1B に示すように、一元配置反復分散分析によって計算された RW、PW、FW、および SC における ACC および RT の主効果は両方とも有意でした (Allen et al., 2019)。 一元配置反復分散分析によって測定された有意な主効果は、ACC (F(3,150)=27.12, p, 0.001) と RT (F(3,150) =16 の両方で観察されました。 68、p、0.001）。

PW の ACC ({{0}}.80 6 0.21) は RW の ACC (0.95 6 0.07, t(50)=5.29,p, 0.001、ボンフェローニ修正)、FW (0.{ {12}}.06, t(50) =6.12, p, 0.001、ボンフェローニ修正)、および SC (0.98 60.05, t(50) { {23}}.23、p、0.001、ボンフェローニ修正）、一方、PWのRT（938.81 6 15.60ミリ秒）はRWのRT（793.78 6 170.21ミリ秒、 t(50)=9.04,p, 0.001、ボンフェローニ修正)、FW (780.416 149.84ms,t(50)=10.28、p、0.001、ボンフェローニ修正)、および SCs(728.686 152.54ms、t(50)=12.84、p、0.001、ボンフェローニ修正)。

SC の ACC は RW の ACC よりも大きかった (t(50) =2.89, p, 0.05、Bonferroni が修正)。 SC の RT は FW (t(50)=4.85、p、0.001、ボンフェローニ補正) および RW (t(50)=5.30、p、0.001、ボンフェローニ補正) より短かった。 。

全体として、被験者は他の 3 つの条件と比較して PW 認識のパフォーマンスが最も悪かったが、語彙決定タスクでは SC のパフォーマンスがより優れていました。

機能活性化の結果

現在の研究では、語形効果は PW 対固定の活性化から FW 対固定を引いたものとして定義され、語彙効果は RW 対固定から PW 対固定を引いたものとして定義されました。 図 2A に示すように、語形効果は両側腹側後頭側頭皮質と左中後頭回 [p, 0.05、FDR 補正 (q, 0.05)、クラスターサイズを活性化しました。 10]。

左側の語形効果領域は、左下側頭回、左FGの中間部および前部を含む、左側後頭側頭溝の中央部にわたる大きなクラスター（クラスターサイズ{{0}}）に位置していました。後頭回 [p, 0.05、FDRcorrection (q, 0.05)、クラスター サイズ。 10]。 適切な効果領域には、右下側頭回および中央 FG を含む対側ホモトピック皮質が含まれていました。

語彙効果は、両側中後頭回、両側後頭側頭皮質（下側頭回と中央FGからなる）、右FG、左下側頭回の前部を含む広範囲の脳領域を活性化した[p, {{{{2} }}}.05、FDR 補正 (q、0.05)、クラスター サイズ。 10]。

大規模に活性化された脳領域は、語彙反応のトップダウン変調に由来する可能性があります。 左下側頭回の前部では、左 FG の前部よりも語彙効果の前方活性化がより多く見られたことに注意してください。 詳細については、表 1 を参照してください。

予測誤差仮説に基づくと、PW 対固視マイナス RW 対固視、FW 対固視マイナス RW 対固視、SC 対固視マイナス RW 対固視は、それぞれ抽象正版処理、ラジカル処理、視覚特性抽出に対応し、上位から下位に属します。正投影構造のレベル。

図 2B に示すように、PW 対固定から RW 対固定を引いた結果、両側腹側後頭側頭皮質と両側中後頭回が活性化されました [p, 0.05、FDR 補正 (q, 0.{ {8}}5)、クラスター サイズ。 10]。 FW 対固定マイナス RW 対固定の脳領域は、両側の下側頭回および左中後頭回で見つかりました [p, 0.05、FDR 補正 (q,0.05)、クラスター サイズ。 10]。

SC 対固定から RW を引いたもの対固定では、左の中頭回および下後頭回のみが活性化されました [p, {{0}}.05、FDR 補正 (q, 0.05)、クラスター サイズ。 10]。

左下側頭回の後部における y 軸に沿って徐々に変化し、混合された活性化が図 2B の一番下のパネルに示されており、左 FG の機能勾配が確認されています。 詳細については、表 2 を参照してください。

For more information:1950477648nn@gmail.com