ส่วนที่ 1: พลวัตอิสระของกิจกรรม EEG สเปกตรัมความถี่ต่ำ ระดับกลาง และความถี่สูงระหว่างการสร้างหน่วยความจำของมนุษย์

ติดต่อ: Audrey Huaudrey.hu@wecistanche.com

Victoria S. Marksa, Krishnakant V. Saboob, Çağdaş Topçuc,d,e, Michal Lechc,d,e,

Theodore P. Thayibf, Petr Nejedlye, g, Vaclav Kremen,h, Gregory A. Worrell, I,

มิคาล ที. Kucewiczc,e,i,∗

บัณฑิตวิทยาลัยชีวการแพทย์ เมโยคลินิก สหรัฐอเมริกา

ขภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ University of Illinois, Urbana-Champaign, IL, USA

c ภาควิชาระบบมัลติมีเดีย คณะอิเล็กทรอนิกส์ โทรคมนาคมและสารสนเทศ ศูนย์ BioTechMed มหาวิทยาลัยเทคโนโลยี Gdansk เมืองกดานสค์ ประเทศโปแลนด์ d Nencki Institute of Experimental Biology, Polish Academy of Sciences, วอร์ซอ ประเทศโปแลนด์

แผนกประสาทวิทยา Mayo Clinic, Rochester, MN, USA

ภาควิชาวิศวกรรมคอมพิวเตอร์ Iowa State University, Ames, Iowa, USA

g The Czech Academy of Sciences, Institute of Scientific Instruments, Brno, สาธารณรัฐเช็ก

h Robotics, and Cybernetics, Czech Institute of Informatics, Czech Technical University in Prague, Prague, สาธารณรัฐเช็ก

ภาควิชาสรีรวิทยาและวิศวกรรมชีวการแพทย์ Mayo Clinic ประเทศสหรัฐอเมริกา

Cistanche ช่วยเพิ่มความจำ

a b s t r a c t

จังหวะของสมองในวงกว้างมีส่วนร่วมทั่วทั้งคอร์เทกซ์ของมนุษย์ในด้านการรับรู้ จังหวะของช่วงความถี่ต่างๆ ประสานกันอย่างไรในอวกาศของเยื่อหุ้มสมองมนุษย์และเวลาของหน่วยความจำการประมวลผลยังสรุปไม่ได้ พวกเขาสามารถประสานกันข้ามสเปกตรัมความถี่ที่ไซต์และเวลาของเยื่อหุ้มสมองเดียวกันหรือเหนี่ยวนำอย่างอิสระในแถบเฉพาะ เราใช้ชุดข้อมูลขนาดใหญ่ของการตรวจคลื่นไฟฟ้าสมองในสมองของมนุษย์ (EEG) เพื่อแยกวิเคราะห์การเปลี่ยนแปลงเชิงพื้นที่ของกิจกรรมสเปกตรัมที่เกิดขึ้นระหว่างการก่อตัวของความทรงจำทางวาจา การเข้ารหัสคำสำหรับการเรียกคืนฟรีที่ตามมาเปิดใช้งานทีต้าความถี่ต่ำ อัลฟาและเบต้าความถี่กลาง และพลังงานแกมมาความถี่สูงในรูปแบบโมเสคของไซต์คอร์เทกซ์ที่ไม่ต่อเนื่อง พื้นที่คอร์เทกซ์ส่วนใหญ่บันทึกกิจกรรมในความถี่เหล่านี้เพียงความถี่เดียว ยกเว้นคอร์เทกซ์การมองเห็นที่เหนี่ยวนำพลังสเปกตรัมในหลายแถบความถี่ แต่ละแถบความถี่แสดงพลวัตของลักษณะเฉพาะของกำลังไฟฟ้าเหนี่ยวนำที่จำเพาะต่อพื้นที่เยื่อหุ้มสมองและซีกโลก พลังของกิจกรรมความถี่ต่ำ ระดับกลาง และความถี่สูงที่แพร่กระจายในลำดับที่เป็นอิสระทั่วทั้งบริเวณเยื่อหุ้มสมองที่มองเห็น ชั่วขณะ และส่วนหน้าตลอดระยะต่อมาของหน่วยความจำการเข้ารหัส ผลลัพธ์ของเราให้รูปแบบองค์รวมที่เรียบง่ายของกิจกรรมสเปกตรัมที่เกี่ยวข้องกับการก่อตัวของมนุษย์หน่วยความจำเป็นการเสนอภาพโมเสคของจังหวะของสมองที่ประสานกันทางกายวิภาคและชั่วคราว

1. บทนำ

จังหวะของสมองมีไว้รองรับหน่วยความจำและการทำงานของการรับรู้โดยการประสานกิจกรรมของเซลล์ประสาทที่เชื่อมต่อกันเป็นปฏิสัมพันธ์แบบซิงโครนัส (Singer, 1999; Buzsaki, 2006; Fries, 2015; Klimesch, 1996; Fell and Axmacher, 2011) สเปกตรัมของกิจกรรมจังหวะที่เกี่ยวข้องกับปฏิสัมพันธ์เหล่านี้รวมถึงทีต้า (3–9 Hz) และแกมมา

ย่านความถี่ (30–120 Hz) ที่มีบทบาทเฉพาะที่เสนอสำหรับกิจกรรมความถี่ต่ำและความถี่สูงในหน่วยความจำการประมวลผล (Düzel et al., 2010; Sauseng et al., 2010; Fries et al., 2007; Tallon-Baudry and Bertrand, 1999; Nyhus and Curran, 2010; Lisman and Jensen, 2013; Herweg et al., 2020) . ความถี่กลางอัลฟา (9–12 Hz) และแถบเบต้า (12–25 Hz) ยังเกี่ยวข้องกับกระบวนการที่จำเป็นสำหรับฟังก์ชั่นหน่วยความจำ (Klimesch et al., 2007; Hanslmayr et al., 2011; Spitzer and Haegens 2017; Schmidt et คณะ, 2019; Michalareas et al.,2016). วิธีที่จังหวะต่างๆ เหล่านี้ทำงานร่วมกันในฟังก์ชันในช่วงเวลาที่กำหนด โดยมีส่วนร่วมเพียงชุดย่อยของกิจกรรมสเปกตรัมในช่วงความถี่ที่กำหนด ตัวอย่างเช่น เฉพาะจังหวะทีต้าเท่านั้นที่จะเริ่มต้นที่ไซต์ที่กำหนด ทั้งสองสถานการณ์เห็นพ้องกันว่าการทำงานของสมองที่ช่วงความถี่ที่กำหนดไว้สามารถกำหนดแนวคิดเป็น "รอยนิ้วสเปกตรัม" ที่ย่อยกระบวนการรับรู้เฉพาะหรือการรับรู้ในระดับชั่วขณะที่สอดคล้องกันของปฏิสัมพันธ์ของระบบประสาท (Siegel et al., 2012; Hanslmayr and Staudigl, 2014) . การแก้ไขไดนามิกของลายนิ้วมือสเปกตรัมเหล่านี้อย่างแม่นยำในอวกาศและเวลาทางกายวิภาคเป็นสิ่งสำคัญในการทดสอบสมมติฐานเหล่านี้และจัดทำแบบจำลององค์รวมของกิจกรรมประสาทที่เกิดขึ้นระหว่างงานด้านความรู้ความเข้าใจ

การบันทึกคลื่นไฟฟ้าสมอง (EEG) ในกะโหลกศีรษะเป็นโอกาสพิเศษในการสอบสวนด้วยความละเอียดสูงของกิจกรรมทางประสาทขนาดใหญ่ที่มีส่วนร่วมระหว่างการรับรู้และการทำงานของสมองอื่น ๆ ในพื้นที่ที่ไม่ต่อเนื่องของเยื่อหุ้มสมองของมนุษย์ (Lhatoo et al., 2019; Johnson et al., 2020; Jacobs and Kahana 2010; Engel et al., 2005) สัญญาณ EEG นั้นสุ่มตัวอย่างจากหน้าสัมผัสอิเล็กโทรดที่ฝังโดยตรงบนพื้นผิวของนีโอคอร์เทกซ์หรือในชั้นที่ลึกกว่าและโครงสร้างย่อย ดังนั้น กิจกรรมสเปกตรัมที่สร้างขึ้นโดยประชากรประสาทในท้องถิ่นและบันทึกจากการติดต่อที่แยกจากกันหลายรายการสามารถติดตามได้ในพื้นที่เยื่อหุ้มสมองที่ไม่ต่อเนื่องในช่วงเวลาของหน่วยความจำกำลังประมวลผล. การศึกษา iEEG ก่อนหน้านี้มักใช้กำลังสเปกตรัมที่เหนี่ยวนำในช่วงความถี่แกมมาสูง (60–120 Hz) เพื่อติดตามการประมวลผลของเยื่อหุ้มสมองในหน่วยความจำและงานด้านความรู้ความเข้าใจ (Jerbi et al., 2009; Lachaux et al., 2012; Crone et al., 2006; Lundqvist et al., 2018) Theta (Sheehan et al., 2018; Lin et al., 2017) และ alpha (Staresina et al., 2016) ได้รับการตรวจสอบก่อนหน้านี้เช่นกัน กิจกรรมการสั่นในความถี่ทีต้าและอัลฟาแสดงให้เห็นว่าแพร่กระจายเป็นคลื่นเฉพาะที่เคลื่อนที่ในพื้นที่เปลือกนอกที่ไม่ต่อเนื่องระหว่างหน่วยความจำการประมวลผล(Zhang et al., 2018) แต่ไดนามิกเชิงพื้นที่สัมพันธ์ของการสั่นความถี่ต่ำเหล่านี้และกิจกรรมเบต้าและแกมมาที่เร็วขึ้นระหว่างการประมวลผลหน่วยความจำส่วนใหญ่ยังไม่ได้สำรวจ

ในที่นี้ เราใช้ประโยชน์จากชุดข้อมูล iEEG ขนาดใหญ่ที่มีผู้เข้าร่วม 164 คนเข้ารหัสรายการคำเพื่อการเรียกคืนด้วยวาจาฟรีในภายหลัง การศึกษาก่อนหน้านี้เกี่ยวกับงานนี้เผยให้เห็นเครือข่ายกระจายของบริเวณสมองที่เกี่ยวข้องกับการประมวลผลทางประสาทสัมผัสและการประกาศลำดับที่สูงกว่าหน่วยความจำฟังก์ชั่น (Burke et al., 2013; Burke et al., 2014a; Kucewicz et al., 2019) พลังงานแกมมาสูงที่ถูกเหนี่ยวนำถูกสังเกตเป็นครั้งแรกในบริเวณที่มองเห็นของคอร์เทกซ์ท้ายทอยและต่อมาในบริเวณด้านหน้าของคอร์เทกซ์ส่วนหน้าส่วนหน้า ซึ่งเป็นแรงบันดาลใจให้แบบจำลองสองขั้นตอนของหน่วยความจำการเข้ารหัสด้วยประสาทสัมผัสในระยะแรกและระยะการเชื่อมโยง (Burke et al., 2014a)

ลำดับที่คล้ายคลึงกันของลำดับพลังงานเหนี่ยวนำจากด้านหลังไปด้านหน้ายังถูกสังเกตพบในแถบความถี่ทีตา (Burke et al., 2013) และยืนยันในกิจกรรมที่อยู่นอกเหนือช่วงความถี่แกมมา (Kucewicz et al., 2014) การศึกษาล่าสุดของเราพบลำดับของพลังงานแกมมาสูงที่ถูกเหนี่ยวนำในระหว่างหน่วยความจำการเข้ารหัสให้ต่อเนื่องโดยเพิ่มเวลาแฝงตามลำดับชั้นของการเชื่อมโยงระดับสูงขึ้นเรื่อย ๆ (Kucewicz et al., 2019) ซึ่งสิ้นสุดในคอร์เทกซ์ส่วนหน้าส่วนหน้าส่วนหน้าจนถึงการเข้ารหัสคำ การศึกษา iEEG ก่อนหน้าของการประมวลผลหน่วยความจำด้วยวาจานั้นจำกัดเฉพาะชุดข้อมูลที่มีขนาดเล็กกว่าของการบันทึกผู้เข้าร่วมที่มีการครอบคลุมอิเล็กโทรดแบบเบาบางของ neocortex หรือเน้นเฉพาะย่านความถี่ที่เลือกเท่านั้น ดังนั้น พลังงานสเปกตรัมในแถบต่างๆ จะถูกหาค่าเฉลี่ยเชิงพื้นที่ทั่วทั้งไซต์อิเล็กโทรดหลายแห่งของบริเวณคอร์เทกซ์ที่ใหญ่ขึ้น ซึ่งจะทำให้สูญเสียความละเอียดและความละเอียดของแต่ละไซต์ หรือจะไม่ได้รับการศึกษาทั่วทั้งกิจกรรมของทีต้า อัลฟา และเบตา และแกมมา

ด้วยขอบเขตกว้างของสเปกตรัมความถี่และพื้นที่สมองที่วิเคราะห์ร่วมกันในการศึกษาก่อนหน้านี้ เราตั้งสมมติฐานว่ากิจกรรมสเปกตรัมเฉพาะนั้นถูกเหนี่ยวนำในรูปแบบเม็ดของเปลือกนอกที่ไม่ต่อเนื่อง

สถานที่ ดังนั้น การรวมกิจกรรมจากสถานที่ต่างๆ จะทำให้เกิดความเอียงของบรอดแบนด์ในพลังงานทั่วทั้งสเปกตรัม (Kilner et al.,2005) ซึ่งอาจประกอบด้วย "ลายนิ้วมือสเปกตรัม" หลายแบบเฉพาะ (Fellner et al., 2019) . การโลคัลไลซ์เซชั่นของรอยนิ้วมือที่แตกต่างกันอาจเป็นเรื่องปกติของตำแหน่งคอร์เทกซ์เดียวกันของการบันทึกอิเล็กโทรด หรือจะกระจายในรูปแบบโมเสคของตำแหน่งทางกายวิภาคที่แตกต่างกัน ในทำนองเดียวกัน ในแง่ของเวลา กิจกรรมสเปกตรัมความถี่ต่ำ ระดับกลาง และความถี่สูงจะถูกเหนี่ยวนำในช่วงเวลาที่แตกต่างกันของหน่วยความจำการเข้ารหัสหรือทั้งหมดในเวลาเดียวกัน นอกจากกิจกรรมของทีต้าและแกมมาแล้ว คาดว่าจังหวะอัลฟาและบีตาจะถูกเหนี่ยวนำที่ตำแหน่งเปลือกนอกที่แตกต่างกันและเวลาของหน่วยความจำการเข้ารหัส โดยทั่วไป เราได้ทดสอบพลวัตเชิงพื้นที่อิสระของกิจกรรมสเปกตรัมที่เกิดขึ้นระหว่างการก่อตัวของคำพูดของมนุษย์หน่วยความจำร่องรอย เป้าหมายของเราคือการสร้างแบบจำลองจังหวะของสมองแบบองค์รวมที่เกี่ยวข้องกับความถี่ที่หลากหลาย กายวิภาคของเยื่อหุ้มสมอง และขั้นตอนของการเข้ารหัสหน่วยความจำ

2. วัสดุและวิธีการ

2.1. วิชา

ชุดข้อมูลของการบันทึก EEG จากผู้เข้าร่วม 164 คนที่ได้รับการประเมินการผ่าตัดโรคลมบ้าหมูที่ดื้อยา นำมาจากการศึกษาร่วมกันแบบหลายศูนย์ขนาดใหญ่ (ข้อมูลที่ไม่ระบุตัวตนทั้งหมดสามารถดูได้ที่ http://memory.psych.upenn.edu/Electrophysiological{ {3}}ข้อมูล)

บันทึกถูกรวบรวมจากศูนย์ดังต่อไปนี้: Mayo Clinic, Thomas Jefferson University Hospital, Hospital of the University of Pennsylvania, Dartmouth-Hitchcock Medical Center, Emory University Hospital, University of Texas Southwestern Medical Center และ Columbia University Hospital ระเบียบวิธีวิจัยทั่วไปหนึ่งฉบับได้รับการอนุมัติจากคณะกรรมการพิจารณาสถาบันของแต่ละศูนย์ และได้รับความยินยอมจากผู้เข้าร่วมแต่ละคน สำหรับผู้ป่วย 139 รายที่รวมอยู่ในการวิเคราะห์ขั้นสุดท้าย ข้อมูลเกี่ยวกับจำนวนการทดลองคำที่เสร็จสมบูรณ์และโซนเริ่มมีอาการชักจะสรุปไว้ใน Suppl ตารางที่ 1. การเริ่มมีอาการชักเกิดขึ้นที่ซีกขวาในผู้ป่วย 46 ราย ซีกซ้ายใน 55 ราย ทวิภาคีใน 26 ราย และไม่มีการระบุใน 12 ราย ข้อมูลทางประชากรศาสตร์ เช่น อายุและเพศมีให้สำหรับผู้ป่วย 85 รายเท่านั้น (อายุเฉลี่ย 35.6 ปี) โดยมีค่าเบี่ยงเบนมาตรฐาน 11.6 ปี หญิง 43 คน เป็นชาย 42 คน Suppl. ตารางที่ 1) เนื่องจากการเข้าถึงข้อมูลด้านการดูแลสุขภาพที่ละเอียดอ่อนอย่างจำกัดจากศูนย์ทางคลินิกหลายแห่งที่รวบรวมชุดข้อมูลรวม การบันทึก Electrophysiological รวบรวมจากอิเล็กโทรด subdural และ Depth ทางคลินิกมาตรฐาน (AdTech Inc., PMT Inc.) ที่ฝังอยู่บนพื้นผิวเยื่อหุ้มสมองและเข้าไปในเนื้อเยื่อสมองตามลำดับ หน้าสัมผัสอิเล็กโทรด Subdural ถูกจัดเรียงในรูปแบบกริดหรือแบบแถบที่มีระยะห่าง 10 มม. และหน้าสัมผัสอิเล็กโทรดความลึกถูกคั่นด้วย 5 ถึง 10 มม. ตำแหน่งของอิเล็กโทรดถูกกำหนดโดยทีมแพทย์เพื่อกำหนดจุดโฟกัสของอาการชักสำหรับการผ่าตัดที่เป็นไปได้ตามลำดับหรือการฝังอุปกรณ์สำหรับการกระตุ้นสมองด้วยไฟฟ้าเพื่อการรักษา

2.2. การแปลตามกายวิภาคและการทำแผนที่พื้นผิวสมอง

การแบ่งส่วนพื้นผิวเยื่อหุ้มสมองถูกสร้างขึ้นสำหรับผู้เข้าร่วมแต่ละคนจากการสแกน MRI ก่อนการปลูกถ่าย (ลำดับการถ่วงน้ำหนัก T1-เชิงปริมาตร)-ing ซอฟต์แวร์ Freesurfer (RRID: SCR_001847) ฮิปโปแคมปัสและบริเวณคอร์เทกซ์ที่ล้อมรอบถูกวาดแยกกันโดยอิงจากการสแกนแบบถ่วงน้ำหนัก T2- coronal หนา 2 มม. เพิ่มเติมโดยใช้วิธีการแบ่งส่วนย่อยหลายแผนที่โดยอัตโนมัติของ Hippocampal Subfields (ASHS) พิกัดสัมผัสของอิเล็กโทรดที่ได้จากการสแกน CT หลังการปลูกถ่ายที่ลงทะเบียนร่วมกันจะถูกจับคู่กับการสแกน MRI ก่อนการปลูกถ่ายเพื่อกำหนดตำแหน่งทางกายวิภาคของพวกมัน สำหรับแถบใต้ตาและกริด หน้าสัมผัสอิเล็กโทรดถูกฉายเพิ่มเติมไปยังพื้นผิวเปลือกนอกโดยใช้อัลกอริธึมการลดพลังงานเพื่อพิจารณาการเปลี่ยนแปลงของสมองหลังการผ่าตัด สถานที่ติดต่อได้รับการตรวจสอบและยืนยันบนพื้นผิวและภาพตัดขวางโดยนักประสาทวิทยา การสแกนด้วย MRI แบบถ่วงน้ำหนัก T1- ยังได้ลงทะเบียนกับสมองมาตรฐาน MNI152 เพื่อให้สามารถเปรียบเทียบไซต์ที่บันทึกในพื้นที่ส่วนกลางของอาสาสมัครได้ ตำแหน่งทางกายวิภาคของพื้นที่บันทึก รวมทั้งพื้นที่ Brodmann ได้มาจากการแปลงพิกัด MNI เป็นพื้นที่ Talairach และสอบถาม Daemon Ta- Talairach (www.talairach.org)

2.3. การบันทึกทางไฟฟ้าสรีรวิทยา

สัญญาณ EEG ถูกบันทึกโดยใช้หนึ่งในระบบการได้มาซึ่งอิเล็กโตรฟิสิกส์วิทยาทางคลินิกต่อไปนี้ (ขึ้นอยู่กับสถาบันสำหรับการรวบรวมข้อมูล): Nihon Kohden EEG-1200, Natus XLTek EMU 128 หรือ Grass Aura-LTM64 ขึ้นอยู่กับระบบการได้มาและความชอบของทีมงานทางคลินิก สัญญาณถูกสุ่มตัวอย่างที่ 500, 1000 หรือ 1600 Hz และอ้างอิงถึงการสัมผัสทั่วไปที่วางไว้ในกะโหลกศีรษะบนหนังศีรษะหรือกระบวนการกกหู สำหรับการวิเคราะห์ การบันทึกทั้งหมดที่ใช้อัตราการสุ่มตัวอย่างที่สูงขึ้นจะถูกกรองโดยตัวกรองการลดรอยหยักและสุ่มตัวอย่างที่ 500 Hz การตัดต่อแบบไบโพลาร์ทั่วไปคำนวณเฉพาะกิจสำหรับแต่ละวิชาโดยลบอนุกรมเวลาของแรงดันไฟฟ้าที่วัดได้บนหน้าสัมผัสที่อยู่ติดกันเชิงพื้นที่ทุกคู่ ส่งผลให้เกิดสัญญาณสองขั้ว N-1 ในกรณีของขั้วไฟฟ้าแบบเจาะทะลุและแถบขั้วไฟฟ้า และ N=(i − 1)∗j บวก (j − 1)∗I โดยที่ i และ j อยู่ จำนวนผู้ติดต่อในมิติแนวตั้งและแนวนอนของตาราง สำหรับการวิเคราะห์ข้อมูลของการศึกษานี้ "อิเล็กโทรด" หนึ่งตัวหมายถึงสัญญาณไบโพลาร์จากหน้าสัมผัสไบโพลาร์คู่หนึ่ง สิ่งสำคัญคือต้องสังเกตว่าหน้าสัมผัสอาจใช้สำหรับอิเล็กโทรดหลายตัว ดังนั้นสัญญาณทั้งหมดจึงไม่เป็นอิสระอย่างแท้จริง

2.4. งานเรียกคืนฟรี

กระบวนทัศน์คลาสสิกสำหรับการตรวจสอบการก่อตัวของคำพูดเป็นตอน ๆหน่วยความจำได้รับการว่าจ้าง (Kahana, 2014) ซึ่งอาสาสมัครได้แสดงรายการคำศัพท์สำหรับการเรียกคืนฟรีในภายหลัง ผู้เข้าร่วมได้รับคำสั่งให้ศึกษารายการคำศัพท์ที่แสดงบนหน้าจอคอมพิวเตอร์แล็ปท็อปสำหรับการทดสอบการจำเสียงพูดที่ล่าช้า รายชื่อประกอบด้วยคำ 12 คำที่สุ่มเลือกและไม่มีการแทนที่จากกลุ่มคำนามความถี่สูงในภาษาแม่ของวิชา (ภาษาอังกฤษหรือสเปน http://memory.psych.upenn.edu/WordPools) แต่ละคำปรากฏบนหน้าจอเป็นเวลา 1600 ms ตามด้วยกระวนกระวายใจแบบสุ่ม 750 ถึง 1,000 ms ช่องว่างระหว่างสิ่งเร้า ที่ส่วนท้ายของรายการคำศัพท์แต่ละคำ หัวข้อจะทำหน้าที่เบี่ยงเบนความสนใจ งานนี้กินเวลา 20 วินาทีและประกอบด้วยชุดของปัญหาเลขคณิตอย่างง่ายของรูปแบบ A บวก B บวก C โดยที่ A, B และ C เป็นจำนวนเต็มแบบสุ่มที่มีเลขหลักเดียวระหว่าง 1 ถึง 9 หลังจากงานเบี่ยงเบนความสนใจ ผู้เข้าร่วมจะได้รับ 30 วินาทีในการจำคำศัพท์จากรายการให้ได้มากที่สุดในลำดับใดก็ได้ (รูปที่ 1) โน้ตบุ๊กบันทึกการตอบสนองด้วยเสียงและบันทึกคะแนนด้วยตนเองในภายหลังเพื่อการวิเคราะห์ เฉพาะวิชาที่จำคำศัพท์ได้อย่างน้อย 15 เปอร์เซ็นต์และทำงานเสร็จอย่างน้อย 12 รายการเท่านั้นที่รวมอยู่ในการวิเคราะห์เพิ่มเติม (Long et al., 2014) สิ่งนี้เหลือ 139 จาก 164 วิชาดั้งเดิมสำหรับอิเล็กโทรดทั้งหมด 14,219 ที่ใช้ในการศึกษานี้ การบันทึกเชิงตรรกะด้วยไฟฟ้าถูกซิงโครไนซ์กับสิ่งกระตุ้นที่ปรากฏบนหน้าจอผ่านเครื่องกำเนิดพัลส์ไฟฟ้าที่ควบคุมโดยแล็ปท็อปงาน ซึ่งส่งพัลส์ไปยังช่องสัญญาณเหตุการณ์ที่กำหนดในระบบการจัดหาทางคลินิก เหตุการณ์ถูกประทับเวลาหลังจากเซสชั่นการบันทึกโดยใช้รหัส MATLAB ที่เขียนขึ้นเองและใช้เพื่อแยกช่วงเวลาเฉพาะที่น่าสนใจเกี่ยวกับการนำเสนอคำ แต่ละยุคที่บันทึกไว้มีความยาว 3000 ms และรวมการนำเสนอคำ 1600 ms บนหน้าจอ โดยมีหน้าจอว่าง 700 ms ของช่วงคั่นระหว่างก่อนและหลังการนำเสนอแต่ละคำ

กำลังสเปกตรัมเฉลี่ยในการทดลองของสัญญาณ EEG จากยุคของการนำเสนอคำ (หนึ่งคำต่อการทดลองใช้) ถูกรวมเข้ากับยุคสมัยและใช้เป็นคุณลักษณะในการจำแนกอิเล็กโทรดที่ใช้งานอยู่ซึ่งบันทึกจากบริเวณสมองที่เกี่ยวข้องกับวาจาหน่วยความจำการเข้ารหัส อิเล็กโทรดที่แอ็คทีฟถูกจำแนกอย่างอิสระในแถบความถี่หกแถบของสเปกตรัม EEG โดยใช้การประมาณการปกติของการเปลี่ยนแปลงกำลัง (การแปลง z-score) ขั้นตอนการจัดประเภทใช้วิธีการที่ไม่ได้รับการดูแลโดยอิงจากแบบจำลองส่วนผสมแบบเกาส์เซียน (Saboo et al., 2019) สังเกตกิจกรรมที่เหนี่ยวนำในแถบความถี่ทั้ง 6 แถบในตัวอย่างสเปกโตรแกรมที่วางแผนจากกิจกรรมเฉลี่ยในการทดลองจากอิเล็กโทรดหนึ่งที่แปลเป็นภาษาท้องถิ่นในเปลือกนอกท้ายทอย

2.5. การวิเคราะห์ข้อมูล

เราวิเคราะห์ยุคการบันทึก iEEG ระหว่างการนำเสนอคำสำหรับหน่วยความจำการเข้ารหัส ยุคการนำเสนอแต่ละครั้งถูกกรองด้วย FIR (2000- ลำดับของ Barlett-Hanning ที่มีการกรองความผิดเพี้ยนแบบ zero-phase, bandpass ที่มีการจำกัดความถี่ที่กำหนดไว้สำหรับแต่ละย่านความถี่) ก่อนที่จะถูกสลายด้วยสเปกตรัม ทำให้เป็นมาตรฐาน และรวมเข้าด้วยกันอย่างอิสระในแถบความถี่ที่แตกต่างกันระหว่าง 2 และ 120 Hz: ทีต้าต่ำ (2–4 Hz), ทีต้าสูง (5–9 Hz), อัลฟา (10–15 Hz), เบต้า (16–25 Hz), แกมมาต่ำ (25– 55 Hz) และสูง แกมมา (65–115 Hz) ขอบเขตของแถบความถี่เหล่านี้ถูกกำหนดโดยอิงจากช่วงที่ไม่ทับซ้อนกันและต่อเนื่องซึ่งมีความกว้างเพิ่มขึ้นตามสเปกตรัมความถี่ เลือกขีดจำกัดบนที่ 115 Hz เพื่อให้แน่ใจว่ามีตัวอย่างอย่างน้อย 4 ตัวอย่างต่อรอบโดยให้ความถี่ในการสุ่มตัวอย่างที่ 500 Hz และเพื่อหลีกเลี่ยงฮาร์มอนิกของสัญญาณรบกวนสาย 60 Hz ในการแปลงสัญญาณที่กรองแล้วเป็นสเปกโตรแกรมด้วย a

ความละเอียดถังความถี่ 2 Hz จาก 2 Hz ถึง 115 Hz เราใช้หน้าต่างบานเลื่อน 500 ms ที่มีความยาวสไลด์ 5 ms และวิธี multi-taper ที่มี 1 taper จากกล่องเครื่องมือเรื้อรังใน MATLAB (http://chronux.org/; Mitra, 2550). สเปกโตรแกรมของยุคการนำเสนอคำถูกเฉลี่ยร่วมกันหลังจากการทำให้เป็นมาตรฐานของบันทึกและการแปลงคะแนน z ของแต่ละจุดความถี่เวลา การให้คะแนน Z ดำเนินการตามสูตรต่อไปนี้:

x(t, f) − μ

z(t, f)=σ

โดยที่ x คือสัญญาณ t คือช่องเวลา f คือช่องความถี่ f คือค่าเฉลี่ย และ f คือค่าเบี่ยงเบนมาตรฐานสำหรับความถี่ที่กำหนด การทดลองแต่ละครั้งได้รับการทำให้เป็นมาตรฐานแยกจากกัน การปรับมาตรฐานของล็อกถูกนำมาใช้เพื่อแก้ไขกฎกำลังไฟฟ้า 1/f-effect ของความถี่ที่ต่ำกว่าในการประมาณกำลังไฟฟ้าในแถบความถี่ที่สูงกว่า และดำเนินการแปลงค่า z-score เพื่อให้มาตราส่วนการเปลี่ยนแปลงกำลังเป็นมาตรฐานสำหรับการเปรียบเทียบสัญญาณจากอิเล็กโทรดที่ต่างกัน เซสชันและผู้เข้าร่วม (Kucewicz et al., 2019, 2017; Saboo et al., 2019) การทำให้เป็นมาตรฐานของคะแนน z นี้สร้างการเปลี่ยนแปลงของกำลังบวกและลบที่สัมพันธ์กับกำลังเฉลี่ยภายในยุคที่มีคำเดียวแทนที่จะใช้ช่วง "พื้นฐาน" ดังนั้นแม้ค่าเบี่ยงเบนบวกหรือลบเล็กน้อยของกำลังสัมบูรณ์ก็จะเพิ่มขึ้นอย่างมีประสิทธิภาพเมื่อเทียบกับค่าเฉลี่ยของสัญญาณ ดังที่อธิบายไว้ก่อนหน้านี้ (Kucewicz et al., 2019; Alotaiby et al., 2015) สิ่งประดิษฐ์ขอบในการประมาณพลังงานถูกกำจัดโดยการตัดถังขยะสองครั้งจากปลายด้านใดด้านหนึ่งของสเปกตรัมสุดท้ายสำหรับความถี่ทั้งหมด สำหรับแต่ละอิเล็กโทรดและย่านความถี่ เราได้กำหนดกำลังสเปกตรัมเฉลี่ยที่ถังแต่ละครั้งในทุกยุคการนำเสนอคำ กำลังไฟฟ้าเหนี่ยวนำโดยรวมในแถบความถี่ที่กำหนดระหว่างช่วงเวลาการนำเสนอคำถูกหาปริมาณเป็นพื้นที่ภายใต้ค่าสัมบูรณ์ของเส้นโค้งอนุกรมเวลาที่สอดคล้องกัน ดังที่แสดงในรูปที่ 1. จากนั้นจึงจัดประเภทอิเล็กโทรดเป็น "แอ็คทีฟ" และ "ไม่แอ็คทีฟ" ในแต่ละแถบความถี่เฉพาะโดยใช้วิธีการจัดกลุ่มแบบไม่มีผู้ดูแลของเราโดยอิงตาม Gaussian Mixture Modeling (GMM) เพื่อระบุอิเล็กโทรดที่แสดงให้เห็นการเปลี่ยนแปลงกำลังที่เกิดจากงาน (Saboo et al.,2019 ). วิธีการนี้โดยพื้นฐานแล้วจะทำการจำแนกประเภทการเรียนรู้ด้วยเครื่องแบบไบนารีของช่องสัญญาณที่ใช้งานและไม่ได้ใช้งานโดยพิจารณาจากค่ากำลังเหนี่ยวนำของแต่ละช่องสัญญาณ การจำแนกประเภททำแยกกันสำหรับแต่ละย่านความถี่ที่น่าสนใจ สรุปขั้นตอนทั้งหมดในรูปที่ 1.

เราเลือกวิธีการแบบ GMM เพื่อให้แน่ใจว่าตัวเลขที่แตกต่างกันจะสะท้อนถึงการซื้อขายได้สำหรับคลัสเตอร์ของอิเล็กโทรดแบบแอคทีฟและอิเล็กโทรดที่ไม่ใช้งาน จำนวนคลัสเตอร์ถูกกำหนดเป็นสองกลุ่มเนื่องจากการจัดหมวดหมู่อิเล็กโทรดแบบแอกทีฟ-ไม่ใช้งานเป็นเลขฐานสอง: การเปลี่ยนแปลงในกำลังสเปกตรัมสามารถเกิดขึ้นได้ (เพิ่มขึ้นหรือลดลง) หรือไม่ในช่วงระยะเวลาการนำเสนอ การใช้ GMM ยังทำให้เกิดความคลาสสิกโดยไม่ต้องใช้ข้อมูลความจริงพื้นฐาน อิเล็กโทรดถูกรวมเข้าด้วยกันตามกลุ่มตัวอย่าง จากนั้นจึงรวมกลุ่มเพื่อระบุอิเล็กโทรดที่ทำงานอยู่

2.6. การทำแผนที่พลังงานที่เหนี่ยวนำ

อิเล็กโทรดที่ใช้งานส่วนใหญ่ถูกแปลเป็นภาษาท้องถิ่นในบริเวณเปลือกนอกที่เกี่ยวข้องกับการประมวลผลข้อมูลภาพและความหมายเช่นเดียวกับการประกาศหน่วยความจำและหน้าที่ของผู้บริหาร จากพื้นที่บรอดมันน์ 39 แห่ง ตำแหน่งอิเล็กโทรดส่วนใหญ่จัดกลุ่มเป็น 9 ส่วนใหม่ของสมอง แต่ละแห่งประกอบด้วยพื้นที่บรอดมันน์: ภาพ (พื้นที่บรอดมันน์ 18 และ 19) ชั่วขณะด้อยกว่า (พื้นที่บรอดมันน์ 20 และ 37) พรีคิวเนียส (พื้นที่บรอดมันน์- หลัก 30 และ 31), ขมับด้านข้าง (Brodmann พื้นที่ 7 และ 39), mesial temporal (Brodmann พื้นที่ 28 และ Hippocampus), ขมับด้านข้าง (Brodmann พื้นที่ 21 และ 22), พื้นที่ของ Broca (Brodmann พื้นที่ 44 และ 45), หน้าผากด้านข้าง (Brodmann area) 9 และ 46) และเสาหน้าผาก (พื้นที่บรอดมันน์ 10 และ 11) เว้นแต่จะระบุไว้เป็นอย่างอื่น การวิเคราะห์เพิ่มเติมทั้งหมดมุ่งเน้นไปที่ยุคของคำที่เรียกคืน กล่าวคือ ยุคที่มีการเข้ารหัสคำที่ประสบความสำเร็จซึ่งต่อมาเรียกคืนได้อย่างอิสระ ในบริเวณเปลือกนอกทั้งเก้านี้

การเปลี่ยนแปลงพลังงานที่เหนี่ยวนำในแต่ละย่านความถี่ถูกวางแผนจากอิเล็กโทรดที่ทำงานอยู่ทั้งหมดบนพื้นผิวสมองโดยเฉลี่ยในแต่ละช่วงเวลาของคำว่า ยุค โดยใช้รหัส MATLAB ที่กำหนดเองสำหรับเทคนิคการชั่งน้ำหนักที่ขึ้นกับตำแหน่งอิเล็กโทรด พื้นผิวสมองถูกสร้างขึ้นเป็นตาข่าย ซึ่งแต่ละองค์ประกอบของตาข่ายถูกกำหนดสีโดยขึ้นอยู่กับกำลังเหนี่ยวนำของอิเล็กโทรดที่อยู่รอบๆ ที่ชั่งน้ำหนักโดยระยะห่างสัมพัทธ์กับองค์ประกอบ สำหรับองค์ประกอบตาข่ายแต่ละชิ้นของพื้นผิวสมองที่วางแผนไว้ จะพิจารณาเฉพาะผลของอิเล็กโทรดภายในธรณีประตู 10 มม. จากจุดศูนย์กลางขององค์ประกอบเท่านั้น ดังนั้น พลังงานเหนี่ยวนำจึงถูกหาค่าเฉลี่ยจากอิเล็กโทรดทั้งหมดภายในรัศมีธรณีประตูที่ถ่วงน้ำหนักเชิงเส้นตามความใกล้เคียงตามสูตรต่อไปนี้:

IP1∗ (threshold− r1) บวก IP2∗ (threshold− r2) บวก … บวก IP ∗ (threshold− rn )

(threshold− r1 ) บวก (threshold− r2 ) บวก … บวก (threshold− rn )

โดยที่ IP คือค่าการเปลี่ยนแปลงกำลังเหนี่ยวนำสำหรับอิเล็กโทรด และ r คือระยะห่างระหว่างอิเล็กโทรดกับองค์ประกอบที่เลือกของตาข่ายพื้นผิวสมอง

2.7. สถิติ

การทดสอบ ANOVA พร้อมการแก้ไขการเปรียบเทียบหลายรายการสำหรับผลของคลื่นความถี่ พื้นที่สมอง (พื้นที่บรอดมันน์) และซีกโลกถูกใช้เพื่อวิเคราะห์เปอร์เซ็นต์ของอิเล็กโทรดในพื้นที่ที่มีป้ายกำกับว่า "ตามเวลา (รูปที่ 2)" ความแตกต่างชั่วขณะระหว่างซีกโลก ถูกหาปริมาณโดยใช้สถิติ t-test แบบสองด้านและไม่มีการจับคู่กับการแก้ไข Bonferroni (รูปที่ 3A) จากนั้นเราแยกแต่ละยุคของคำออกเป็นขั้นตอนก่อนการเข้ารหัส การเข้ารหัสก่อน การเข้ารหัสล่าช้า และหลังการเข้ารหัส (Burke et al , 2014; Kucewicz et al., 2019) และใช้การวัดซ้ำ ANOVA (เฟสการเข้ารหัสเป็นปัจจัยภายในวิชา) ด้วยการทดสอบ Posthoc Tukey-Kramer เพื่อวิเคราะห์ประสิทธิภาพของย่านความถี่ พื้นที่สมอง และซีกโลกเกี่ยวกับพลังงานเหนี่ยวนำระหว่างแต่ละ ระยะของวาจาหน่วยความจำงาน (รูปที่ 3B) เวลาแฝงสูงสุดสำหรับแต่ละแถบความถี่และพื้นที่ถูกกำหนดเป็นถังเวลาที่มีจุดสูงสุดเชิงบวกสูงสุดของกำลังเหนี่ยวนำ เมืองในละตินถูกเปรียบเทียบโดยใช้การวัดซ้ำ ANOVA (ขั้นตอนการเข้ารหัสเป็นปัจจัยภายในกลุ่มตัวอย่าง) และการทดสอบเปรียบเทียบหลายรายการภายหลัง Tukey-Kramer (รูปที่ 4) การทดสอบสหสัมพันธ์ของเพียร์สันใช้เพื่อประเมินผลของตำแหน่งตามแกนแต่ละแกนของสมองในช่วงเวลาแฝงของพลังงานสูงสุด (รูปที่ 5B) ค่าอัลฟาสำหรับการทดสอบทั้งหมดถูกกำหนดไว้ที่ 0.05

3. ผลลัพธ์

3.1. กิจกรรมทางสเปกตรัมที่เกิดขึ้นระหว่างการเข้ารหัสหน่วยความจำจะกระจายอย่างต่างกันทั่วคอร์เทกซ์ของมนุษย์

อันดับแรก เราระบุชุดย่อยของอิเล็กโทรดจากบริเวณเยื่อหุ้มสมองที่เปิดใช้งานระหว่างหน่วยความจำการเข้ารหัส เพื่อจุดประสงค์นี้ สเปกตรัมพลังงานในแบนด์ในช่วงความถี่ที่ไม่ทับซ้อนกันหกช่วง (ทีต้าต่ำ: 2–4 Hz, ทีต้าสูง: 5–9 Hz, อัลฟา: 10–15 Hz, เบต้า: 16– 25 Hz, แกมมาต่ำ: 25–55 Hz, แกมมาสูง: 65–115 Hz) ถูกใช้เป็นคุณสมบัติสำหรับการจำแนกประเภทอิเล็กโทรดแบบแอคทีฟโดยอัตโนมัติ (Saboo et al., 2019) อย่างอิสระในแต่ละแบนด์ (รูปที่ 1). จากจำนวนอิเล็กโทรดทั้งหมด 14,219 ตัวที่ฝังในผู้เข้าร่วมทั้งหมด 4738 (33.3 เปอร์เซ็นต์) แสดงให้เห็นพลังงานสเปกตรัมที่เหนี่ยวนำให้เกิดในแถบความถี่อย่างน้อยหนึ่งแถบ ดังนั้น ตำแหน่งอิเล็กโทรดทั่วไปจึงแสดงกำลังไฟฟ้าเหนี่ยวนำในช่วงที่กำหนดของแถบความถี่ต่ำ กลาง หรือสูง (รูปที่ 2A) ตามข้อตกลงกับผลลัพธ์ก่อนหน้าของเรา (Kucewicz et al., 2019; Alotaiby et al., 2015) อิเล็กโทรดแบบแอคทีฟเหล่านี้มีการกระจายอย่างกว้างขวางทั่ว 39 พื้นที่ Brodmann ที่กำหนดไว้ในสมองส่วนคอร์เทกซ์ทั้งหมด (รูปที่ 2B) สัดส่วนสัมพัทธ์ของอิเล็กโทรดในแต่ละพื้นที่ Brodmann ที่แปรผันอย่างมากจาก 4.3 เปอร์เซ็นต์ ถึง 75 เปอร์เซ็นต์ ขึ้นอยู่กับตำแหน่งภายใน limbic, frontal, prefrontal, parietal, temporal หรือ occipital lobes (ANOVA F=99.21, p < 0.001,="" df="5)" โดยมีอิเล็กโทรดที่แอคทีฟมากขึ้นอย่างเห็นได้ชัดในบริเวณที่มองเห็นทางประสาทสัมผัสของท้ายทอยและเยื่อหุ้มสมองข้างขม่อม="" (posthoc="" tukey="" kramer,="" p="">< 0.05)="" ภายในแต่ละพื้นที่="" มีการสังเกตสัดส่วนที่คล้ายคลึงกันในแต่ละย่านความถี่="" รวมทั้งอัลฟาและแถบเบต้า="" โดยไม่มีความแตกต่างที่มีนัยสำคัญทั่วทั้งสเปกตรัม="" (n-way="" anova="" f="0.17," p="0.9747" ,="" df="5)." โดยสรุป="" ไม่ว่าจะวิเคราะห์ย่านความถี่ใด="" อย่างน้อย="" 4="" เปอร์เซ็นต์ของไซต์อิเล็กโทรดภายในพื้นที่คอร์เทกซ์ใดๆ="" ที่วิเคราะห์="">

To investigate whether these various low and high-frequency spectral activities were induced on the same electrodes, we summarized the over-lap across the six frequency bands for nine cortical regions of interest (ROI; each composed of two Brodmann areas with >18 active electrodes from >ผู้เข้าร่วม 8 คน; ดูตารางที่ 1). อิเล็กโทรดสามารถทำงานได้ในแถบเดียวหรือมากกว่า เราพบว่าสัดส่วนสูงสุดของอิเล็กโทรดใช้งานได้ในแถบเดียว (43.12 เปอร์เซ็นต์) หรือสองแถบ (22.94 เปอร์เซ็นต์) และน้อยกว่าตามสัดส่วนในแถบมากกว่าสองแถบโดยมีเพียงส่วนน้อย (5.4 เปอร์เซ็นต์) ที่ทำงานในทั้งหก (รูปที่ 2C). การเหลื่อมล้ำสูงสุดของพลังสเปกตรัมเหนี่ยวนำในแถบมากกว่าสองแถบถูกสังเกตพบสำหรับอิเล็กโทรดในบริเวณการมองเห็นทางประสาทสัมผัสภายหลังของคอร์เทกซ์ท้ายทอย (รูปที่ 2C; สีแดง) โดยที่แถบ 4-5 ถูกเปิดใช้งานโดยเฉลี่ยต่ออิเล็กโทรดระหว่างการเข้ารหัสคำ พื้นที่การมองเห็นอื่น ๆ ของคอร์เทกซ์ขมับและข้างขม่อมยังแสดงให้เห็นการกระจายตัวที่ค่อนข้างสูงของอิเล็กโทรดที่มีการเปิดใช้งานมากกว่าสองแถบ ตรงกันข้ามกับพื้นที่การประมวลผลลำดับที่สูงกว่าส่วนหน้าในคอร์เทกซ์ขมับและคอร์เทกซ์ส่วนหน้า ซึ่งอิเล็กโทรดทำงานในช่วงความถี่ 1–2 (รูปที่ 2C สีดำ). โดยรวมแล้ว ไซต์อิเล็กโทรดส่วนใหญ่แสดงกำลังสเปกตรัมที่ลดลงในแถบความถี่เฉพาะหนึ่งหรือสองแถบ ซึ่งบ่งชี้ว่ากิจกรรมต่างๆ ถูกแยกออกจากกันในเชิงพื้นที่ในคอร์เทกซ์

รูปที่ 2 กิจกรรมทางสเปกตรัมที่เกิดขึ้นระหว่างการเข้ารหัสหน่วยความจำด้วยวาจาจะกระจายไปทั่วสมองของมนุษย์อย่างไม่สม่ำเสมอ (A) ตัวอย่างที่เป็นตัวแทนของสเปกโตรแกรมเฉลี่ยในการทดลองระหว่างการเข้ารหัสคำจากอิเล็กโทรดแบบแอคทีฟ แสดงให้เห็นการเปลี่ยนแปลงกำลังเหนี่ยวนำที่จำกัดอิสระไว้ที่แต่ละกลุ่มความถี่สามกลุ่มจากตำแหน่งทางกายวิภาคที่ต่างกัน (B) สัดส่วนของแอกทีฟอิเล็กโทรดในหกย่านความถี่ที่ศึกษา (ทีต้าต่ำ: 2–4 Hz, ทีต้าสูง: 5–9 Hz, อัลฟา: 10–15 Hz) เบต้า:

16–25 Hz, แกมมาต่ำ: 25–55 Hz, แกมมาสูง: 65–115 Hz) แสดงความแตกต่างที่มีนัยสำคัญ (ANOVA) ในการแจกแจงทางกายวิภาค (ดอกจันสีแดง; p < 0.05="" หลังการทดสอบ="" tukey="" kramer="" )="" แต่ไม่ข้ามย่านความถี่ตามที่สรุปไว้ในแผนภาพ="" (c)="" การกระจายของอิเล็กโทรดที่ทำงานในแถบความถี่ตั้งแต่หนึ่งแถบขึ้นไปเผยให้เห็นการทับซ้อนสูงสุดในบริเวณด้านหลังของเปลือกสมองส่วนท้ายทอยและข้างขม่อมซึ่งค่อยๆลดลงในบริเวณเยื่อหุ้มสมองส่วนหน้ามากขึ้นดังแสดงในแผนภาพพื้นผิวสมองโดยเฉลี่ย="" และบทสรุปการ์ตูนของอิเล็กโทรดแอคทีฟทั้งหมด="" (จุดสีตามแผนภูมิแท่ง)="" และในแปลงไวโอลิน="" (เส้นสีดำและสีแดงระบุค่ากลางและค่ามัธยฐาน="" resp.="" (hoffmann,2015))="" (d)="" การกระจายของอิเล็กโทรดทั้งหมดที่ทำงานอยู่ในแกมมา="" (ความถี่สูง)="" อัลฟ่า/เบต้า="" (ความถี่กลาง)="" และทีต้า="" (ความถี่ต่ำ)="" กระจายแถบไปตามบริเวณคอร์เทกซ์ที่น่าสนใจเก้าส่วนที่เลือกไว้="" (v="" -="" visual;="" it="" -="" inferior="" temporal;="" pre="" -="" precuneus;="" par="" -="" ข้างขม่อมด้านข้าง="" mtl="" -="" mesial="" temporal="" lobe;="" lt="" -="" lateral="" temporal;="" br="" -="" พื้นที่ของ="" broca;="" pfc="" -="" prefrontal="" cortex;="" fp="" -="" ขั้วหน้าผาก)="" ที่มีอิเล็กโทรด="" prefrontal="" ค่อนข้างมากที่ทำงานในแถบแกมมา="" (สีแดง)="" และอิเล็กโทรดอื่น="" ๆ="" ในพื้นที่การมองเห็นที่ใช้งานในทุกแถบ="" (สีดำ)="" ดังที่แสดงในแผนผังพื้นผิวสมองโดยเฉลี่ย="" บทสรุปการ์ตูน="" และโครงเรื่องไวโอลิน="" สังเกตว่าอิเล็กโทรดส่วนใหญ่โดยรวมมีแอกทีฟในแถบความถี่หนึ่งหรือสองแถบความถี่ต่ำ="" กลาง="" หรือสูง="" ยกเว้นบริเวณที่มองเห็นซึ่งมีแถบความถี่มากกว่าสองแถบที่ทำงานต่ออิเล็กโทรดแต่ละอิเล็กโทรด="" (สำหรับการตีความการอ้างอิงถึงสีในส่วนนี้="" ภาพประกอบตำนาน="">

เราถามต่อไปว่ากิจกรรมสเปกตรัมที่เกิดขึ้นที่ไซต์อิเล็กโทรดใด ๆ ทับซ้อนกันในช่วงความถี่ที่คล้ายคลึงกันหรือไม่ เราจัดกลุ่มกิจกรรมออกเป็นกลุ่มความถี่ต่ำ กลาง และสูง (ทีตา อัลฟา/เบต้า และแกมมา ตามลำดับ) และเปรียบเทียบสัดส่วนของอิเล็กโทรดแบบแอคทีฟกับการรวมกลุ่มที่แตกต่างกัน อิเล็กโทรดแบบแอคทีฟมากกว่าครึ่งแสดงว่ากำลังเหนี่ยวนำอยู่ในแถบความถี่ต่ำ กลาง หรือสูงเท่านั้น (รูปที่ 2D) อิเล็กโทรดที่มีการทับซ้อนกันสูงในทุกกลุ่มได้รับการแปลเป็นภาษาท้องถิ่นอย่างเด่นชัดในพื้นที่มองเห็นด้านหลัง (รูปที่ 2D; สีดำ) ตำแหน่งอิเล็กโทรดที่เหลือซึ่งแสดงกำลังเหนี่ยวนำในกลุ่มความถี่หนึ่งในสามกลุ่มมีการกระจายอย่างสม่ำเสมอทั่วทั้งคอร์เทกซ์ด้วยสัดส่วนที่ใกล้เคียงกันในแต่ละ ROI นอกเหนือจากบริเวณส่วนหน้าซึ่งมีกิจกรรมแกมมาความถี่ค่อนข้างสูงระหว่างการเข้ารหัสหน่วยความจำ (รูปที่ .2D; สีแดง). ผลลัพธ์ของเราแสดงให้เห็นว่ากิจกรรมของช่วงความถี่เฉพาะถูกกระตุ้นโดยส่วนใหญ่ที่บริเวณเยื่อหุ้มสมองเฉพาะ ทำให้เกิดรูปแบบการกระจายแบบโมเสคที่สอดคล้องกับแนวคิดของ "รอยนิ้วมือสเปกตรัม" (Siegel et al., 2012)

3.2. ผลกระทบด้านข้างของพลังงานเหนี่ยวนำนั้นจำเพาะสำหรับความถี่เฉพาะและพื้นที่เยื่อหุ้มสมอง

คำถามต่อไปของเราคือถ้าการเหนี่ยวนำกำลังในแบนด์ทั้งหมดในช่วงเวลาของการเข้ารหัสคำ (รูปที่ 1) แตกต่างกันหรือไม่ขึ้นอยู่กับตำแหน่งทางกายวิภาค แถบความถี่ หรือซีกโลก อิเล็กโทรดแบบแอคทีฟแต่ละตัวสามารถแสดงขนาดพลังงานที่เหนี่ยวนำได้ใกล้เคียงกัน แม้ว่าจะมีการกระจายตัวต่างกันทั่วบริเวณเปลือกนอก (รูปที่ 2) โดยรวมแล้ว มีการแสดงความถี่ที่ชัดเจนของกำลังไฟฟ้าเหนี่ยวนำ (วัดซ้ำ ANOVA F=1346.99,p < 0.001,="" df="" {="" {8}}).="" บริเวณสมอง="" (anova="" f="38.21," p="">< 0.001,="" df="37)" และตำแหน่งซีกโลกของอิเล็กโทรด="" (anova="" f="17.4," p="">< 0.001,="" df="" {{="" 18}})="">

รูปที่ 3. โพรไฟล์ชั่วขณะของพลังงานเหนี่ยวนำระหว่างการเข้ารหัสผลด้านข้างของเนื้อลูกวัวซ้ำในความถี่เฉพาะและพื้นที่เยื่อหุ้มสมอง (A) แต่ละแผงแสดงการเปลี่ยนแปลงกำลังเฉลี่ยของการทดลองในช่วงเวลาของการนำเสนอคำ (พื้นหลังสีเทา) ที่ประเมินจากอิเล็กโทรดที่ใช้งานอยู่ทั้งหมดในย่านความถี่และบริเวณสมองที่กำหนดซึ่งวางแผนแยกกันสำหรับซีกซ้ายและซีกขวา (สีแดงและสีน้ำเงิน) . แผนภาพพื้นที่สีเทาในพื้นหลังจะสรุปความแตกต่างทางสถิติ (สถิติ t) ระหว่างซีกโลกทั้งสองในระยะเวลา 50 มิลลิวินาทีที่มีสีเทาเข้มซึ่งบ่งชี้ว่ากำลังเพิ่มขึ้น (ค่า t บวก) หรือน้อยกว่า (ค่า t เชิงลบ) อย่างมีนัยสำคัญใน ซีกซ้าย (เส้นประแนวนอน; Student t-test, p < 0.05)="" สังเกตว่าผลสะท้อนด้านข้างที่มีนัยสำคัญนั้นถูกแปลเป็นภาษาท้องถิ่นในแถบความถี่เฉพาะในพื้นที่สมองที่กำหนด="" (b)="" การเปรียบเทียบโดยสรุปของกำลังไฟฟ้าเหนี่ยวนำทั้งหมด="" (วัด="" anova="" ซ้ำ)="" จากแถบความถี่ทั้งหมดทั่วทั้งบริเวณสมองทั้งเก้า="" (ดูรูปที่="" 2="" สำหรับป้ายกำกับ)="" และการเข้ารหัสหน่วยความจำสี่ขั้นตอน="" –="" ปัจจัยภายในวัตถุ="" (ดอกจันสีแดงบ่งชี้ความแตกแยกที่มีนัยสำคัญ="" ;="" การทดสอบ="" tukey-kramer,="" p="">< 0.05)="">หน่วยความจำeffect มีขนาดใหญ่ที่สุดใน prefrontal cortex ด้านซ้าย (ระบุด้วยลูกศรคู่สีดำ) ในขณะที่ MTL แสดงผลที่ใหญ่ที่สุดในบริเวณซีกโลกด้านขวา (สำหรับการตีความการอ้างอิงถึงสีในตำนานภาพนี้ ผู้อ่านจะถูกอ้างอิงถึงเว็บ ของบทความนี้)

การวิเคราะห์กลุ่ม (Tukey-Kramer, p < 0.05)="" ยืนยันกำลังไฟฟ้าที่เล็กกว่าอย่างเห็นได้ชัดด้วยความถี่ของแถบความถี่ที่เพิ่มขึ้น="" ยกเว้นระหว่างแถบแกมมาต่ำและสูง="" (รูปที่="" 1)="" อิเล็กโทรดภายในกลีบท้ายทอยแสดงพลังเหนี่ยวนำที่สูงกว่าในพื้นที่อื่นอย่างมีนัยสำคัญ="" ซึ่งสอดคล้องกับการศึกษาก่อนหน้าของเราเกี่ยวกับกิจกรรมแกมมาสูง="" (kucewicz="" et="" al.,="">