Información

Convenio para la selección de cortes de resumen en fMRI

Convenio para la selección de cortes de resumen en fMRI


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Al mirar los artículos, a menudo veo un volumen de resonancia magnética funcional resumido tomando un solo corte axial, sagital y coronal (generalmente en el espacio MNI152). Para ver un ejemplo, consulte la Figura 1 en de Bie et al, 2011 [1]. El texto de varios artículos que he examinado no explica cómo se seleccionan los cortes.

Mi pregunta es ¿qué métodos son convencionales para seleccionar las coordenadas de corte x, y, z en tales figuras?

[1] https://www.researchgate.net/profile/Alle_meije_Wink/publication/51077270_Resting-state_networks_in_awake_five-_to_eight-year_old_children/links/0fcfd50a5fafa7a0bb000000.pdf


Firmas EEG de estados de conectividad de red funcional dinámica

El cerebro humano opera modulando dinámicamente diferentes poblaciones neuronales para permitir un comportamiento dirigido a objetivos. Se cree que la sincronía o falta de ella entre diferentes regiones del cerebro corresponde a la dinámica de conectividad funcional observada en los datos de imágenes del cerebro en estado de reposo. En una gran muestra de sujetos humanos adultos sanos y utilizando un método de correlación de ventana deslizante en datos de imágenes funcionales, anteriormente demostramos la presencia de siete estados / patrones de conectividad funcional distintos entre diferentes redes cerebrales que ocurren de manera confiable a lo largo del tiempo y los sujetos. No estaba claro si estos estados de conectividad corresponden a firmas electrofisiológicas significativas. En este estudio, utilizando un conjunto de datos con EEG concurrente y datos de imágenes funcionales en estado de reposo adquiridos durante los estados de ojos abiertos y ojos cerrados, demostramos la replicabilidad de hallazgos anteriores en una muestra independiente e identificamos las firmas espectrales de EEG asociadas con estos cambios de conectividad de red funcional. Las condiciones de ojos abiertos y ojos cerrados muestran patrones de conectividad comunes y diferentes que están asociados con distintas firmas espectrales de EEG. Ciertos estados de conectividad son más frecuentes en el caso de ojos abiertos y algunos ocurren solo en el estado de ojos cerrados. Ambas condiciones exhiben un estado de anticorrelación talamocortical aumentada asociado con una potencia alfa espectral reducida del EEG y una potencia delta y theta aumentada que posiblemente refleja somnolencia. Este estado ocurre con mayor frecuencia en el estado de ojos cerrados. En resumen, encontramos un vínculo entre la conectividad dinámica en los datos de fMRI y los datos de EEG recopilados simultáneamente, incluido un gran efecto de vigilancia sobre la conectividad funcional. Como se demostró con EEG y fMRI, no se puede suponer la estacionariedad de la conectividad, incluso durante períodos relativamente cortos.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Un estudio de resonancia magnética funcional de las interacciones entre la atención y las redes gustativas

En un estudio anterior, mostramos que tratar de detectar un sabor en una solución insípida da como resultado una mayor actividad en las redes gustativa y de atención. El objetivo del presente estudio fue utilizar análisis de conectividad para probar si estas redes interactúan y cómo interactúan durante la atención dirigida al gusto. Predijimos que la red de atención modula la corteza gustativa, lo que refleja la mejora de arriba hacia abajo de las señales sensoriales entrantes que son relevantes para el comportamiento dirigido a objetivos. Se utilizó fMRI para medir las respuestas cerebrales en 14 sujetos, ya que realizaban dos tareas diferentes: (1) tratar de detectar un sabor en una solución o (2) percibir pasivamente la misma solución. Usamos análisis de interacción psicofisiológica para identificar regiones que demuestran una mayor conectividad durante una tarea de atención al gusto en comparación con la degustación pasiva. Observamos una mayor conectividad entre la corteza cingulada anterior y los campos oculares frontales, la corteza parietal posterior y el opérculo parietal y entre la corteza cingulada anterior y la ínsula anterior derecha y el opérculo frontal. Estos resultados sugirieron que la atención selectiva al gusto está mediada por un circuito jerárquico en el que las señales se envían primero desde los campos oculares frontales, la corteza parietal posterior y el opérculo parietal a la corteza cingulada anterior, que a su vez modula las respuestas en la ínsula anterior y frontal. opérculo. Luego probamos esta predicción utilizando modelos causales dinámicos. Este análisis confirmó un modelo de modulación indirecta de la corteza gustativa, con la influencia más fuerte proveniente de los campos oculares frontales a través de la corteza cingulada anterior. En resumen, los resultados indican que la red de atención modula la corteza gustativa durante la atención al gusto y que la corteza cingulada anterior actúa como un centro de procesamiento intermedio entre la red de atención y la corteza gustativa.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Resultados

Datos de comportamiento

La proporción media de respuestas antiguas realizadas en la prueba de reconocimiento se muestra en la Figura 2 en función del tipo de palabra (R, F, Foil). Estos datos representan aciertos para las palabras R y F y falsas alarmas para las palabras Foil. Un análisis de varianza intraindividual (ANOVA) de estos datos reveló un efecto principal significativo del tipo de palabra, F2,18 = 29,94, error cuadrático medio = 0,027, PAG & lt 0.01. Los contrastes planificados revelaron un efecto de olvido dirigido significativo, en el que los participantes tuvieron menos aciertos de reconocimiento a las palabras F que a las palabras R, F1,18 = 6.02, PAG & lt 0.03. Aun así, la proporción de respuestas "antiguas" a las palabras con F fue significativamente mayor que la proporción de esas respuestas a las palabras Foil, F1,18 = 26.31, PAG & lt 0.01. Este último hallazgo sostiene que la tasa de aciertos casi aleatoria para las palabras con F (0,57) no refleja una respuesta aleatoria, aunque los participantes reconocieron menos palabras con F que con R, de hecho, sí reconocieron un número significativo de palabras con F.

Proporcione respuestas antiguas en la prueba de reconocimiento, en función del tipo de palabra (R, F, Foil). Las barras representan líneas de datos de grupo promedio que representan el desempeño individual de cada uno de los 10 participantes.

Proporcione respuestas antiguas en la prueba de reconocimiento, en función del tipo de palabra (R, F, Foil). Las barras representan líneas de datos de grupo promedio que representan el desempeño individual de cada uno de los 10 participantes.

Datos de resonancia magnética funcional

Los escaneos adquiridos durante la fase de estudio se clasificaron post hoc en función de los aciertos / errores realizados durante el reconocimiento de las palabras R y F. (Ordenar los datos de esta manera significó que, para algunos participantes, hubo relativamente pocos ensayos en cada celda de la matriz de diseño. Para evaluar el poder de los efectos reportados aquí, calculamos el tamaño del efecto (Cohen's D) por nuestros resultados. Los tamaños del efecto variaron de 2,18 a más de 5. Es decir, incluso el tamaño del efecto más pequeño en estos datos fue muy robusto (un tamaño del efecto "grande" es D ≥ 0,8.) Esto nos permitió determinar cómo las activaciones reveladas durante el estudio se relacionaban con la intención de recordar u olvidar y con el éxito en la instanciación de esas intenciones. Estos datos se resumen en la Tabla 1.

Los datos se analizaron utilizando un ANOVA de 3 factores (3dANOVA3, parte del conjunto de programas de análisis de imágenes AFNI). Los factores fueron Instrucción de memoria (R vs. F), Resultado (Recordar vs. Olvidar) y Asunto, que fue un factor aleatorio. Además de los efectos principales y la interacción, se incluyeron 4 contrastes planificados: R-Recordar-R-Olvidar F-Olvidar-F-Recordar R-Recordar-F-Recordar y F-Olvidar-R-Olvidar.

Instrucción de memoria

Aquí, examinamos la diferencia en la activación en la instrucción R y las pruebas de instrucción F. Mientras que se encontró una mayor actividad para los ensayos R que F en la circunvolución frontal media y la ínsula (ver también Reber et al. 2002), encontramos una mayor actividad para los ensayos F que R en las áreas temporales frontal y medial (ver Fig. 3). Como se muestra en la Tabla 1, estas áreas incluyeron activaciones en la circunvolución frontal media, la circunvolución del cíngulo medio, la circunvolución temporal media y la circunvolución parahipocampal. Si el olvido intencional se lograra simplemente por decadencia pasiva (es decir, el anverso del recuerdo intencional), esta comparación habría revelado pocas, si es que alguna, activaciones únicas. El hecho de que hubiera activaciones únicas, y en áreas involucradas en la formación de la memoria (ver Buckner et al. 1999), apoya la opinión de que los procesos cognitivos activos están involucrados por una instrucción F, el olvido intencional no es simplemente una falla en recordar intencionalmente.

El efecto principal de la instrucción de memoria. Las imágenes ortogonales de la izquierda detallan la activación del hipocampo. Las imágenes ortogonales de la derecha detallan la activación frontal. Estas activaciones también se muestran en la reconstrucción del centro.

El efecto principal de la instrucción de memoria. Las imágenes ortogonales de la izquierda detallan la activación del hipocampo. Las imágenes ortogonales de la derecha detallan la activación frontal. Estas activaciones también se muestran en la reconstrucción del centro.

Codificación de activaciones para sobrevivir a la corrección para múltiples comparaciones

licenciado en Letras X Y Z Volumen
Efectos principales
Instrucciones F e instrucciones R de GT
Circunvolución frontal medial superior BA10 −6 67 12 6574
Circunvolución frontal media BA6 −34 27 60 1835
Circunvolución del cíngulo medio BA31 18 −33 40 2293
Circunvolución temporal media / superior BA39 58 −65 24 5198
Circunvolución temporal media BA21 66 −17 −8 3134
Circunvolución parahipocampal BA34 −14 −5 −20 5580
Circunvolución parahipocampal BA35 18 −25 −20 3669
Instrucciones R e instrucciones F de GT
Circunvolución frontal mediaBA9−263516192
ÍnsulaBA1330716512
Olvidado & gt Recordado
Circunvolución frontal inferior BA47 42 23 −8 1987
Putamen −26 −1 4 1605
Recordado & gt olvidado
Circunvolución frontal inferiorBA45−58150192
Lóbulo parietal inferior BA40 −34 −37 32 1605
Circunvolución parahipocampal BA30 −26 −53 12 1758
Gyrus parahipocampal / hipocampoBA3626330640
Circunvolución parahipocampal BA19 34 −53 0 1529
Circunvolución lingual / cerebelo (declive) BA18 6 −69 −24 2752
Interacción
Instrucción × resultado
Circunvolución frontal inferior BA47 50 19 −8 1835
Insula / Circunvolución frontal inferior BA13 46 3 16 1987
Lóbulo parietal inferior BA40 −38 −29 28 1605
Tálamo / pulvinar −6 −21 12 1911
Circunvolución frontal inferior BA45 −54 35 0 1452
Circunvolución parahipocampal BA36 −34 −33 −20 2675
Circunvolución frontal superior BA10 −30 59 28 1376
Circunvolución temporal inferior BA20 54 −21 −20 1682
Giro poscentral BA1 / 3 −54 −17 52 2446
Contrastes
R-Remember & gt R-Forget
Circunvolución frontal media BA46 −54 35 32 1835
Lóbulo parietal inferior BA40 −34 −37 32 1987
Circunvolución del cíngulo BA32 26 15 24 2675
Circunvolución parahipocampal BA30 −10 −29 44 2370
Corteza perirrinalBA20−36−10−22192
Circunvolución occipital media BA18 −26 −89 4 2905
Cuerpo caudado −14 −13 24 1529
Precuneus / cola caudada −26 −49 16 2370
Tálamo / pulvinar −2 −25 8 2370
Cerebelo / declive −34 −77 −28 2523
F-olvidar & gt F-recordar
Circunvolución frontal superior / media BA10 −30 55 24 1452
Circunvolución frontal inferior BA47 46 23 –8 6650
Circunvolución poscentral BA4 54 −13 32 1758
Putamen −26 −1 4 1835
R-Recuerda & gt F-Recuerda
Circunvolución frontal superior BA9 −34 35 32 2140
Circunvolución poscentral BA3 −46 −13 56 1376
F-Olvidar & gt R-Olvidar
Circunvolución frontal superior BA10 / 11 18 63 −12 2599
Circunvolución frontal inferior / media BA9 26 15 28 1376
Lóbulo parietal inferior BA40 −58 −57 48 2599
Gyrus parahipocampal / hipocampo BA35 22 −17 −12 4204
Cíngulo posteriorBA3122−2940320
licenciado en Letras X Y Z Volumen
Efectos principales
Instrucciones F e instrucciones R de GT
Circunvolución frontal medial superior BA10 −6 67 12 6574
Circunvolución frontal media BA6 −34 27 60 1835
Circunvolución del cíngulo medio BA31 18 −33 40 2293
Circunvolución temporal media / superior BA39 58 −65 24 5198
Circunvolución temporal media BA21 66 −17 −8 3134
Circunvolución parahipocampal BA34 −14 −5 −20 5580
Circunvolución parahipocampal BA35 18 −25 −20 3669
Instrucciones R e instrucciones F de GT
Circunvolución frontal mediaBA9−263516192
ÍnsulaBA1330716512
Olvidado & gt Recordado
Circunvolución frontal inferior BA47 42 23 −8 1987
Putamen −26 −1 4 1605
Recordado & gt olvidado
Circunvolución frontal inferiorBA45−58150192
Lóbulo parietal inferior BA40 −34 −37 32 1605
Circunvolución parahipocampal BA30 −26 −53 12 1758
Gyrus parahipocampal / hipocampoBA3626330640
Circunvolución parahipocampal BA19 34 −53 0 1529
Circunvolución lingual / cerebelo (declive) BA18 6 −69 −24 2752
Interacción
Instrucción × resultado
Circunvolución frontal inferior BA47 50 19 −8 1835
Insula / Circunvolución frontal inferior BA13 46 3 16 1987
Lóbulo parietal inferior BA40 −38 −29 28 1605
Tálamo / pulvinar −6 −21 12 1911
Circunvolución frontal inferior BA45 −54 35 0 1452
Circunvolución parahipocampal BA36 −34 −33 −20 2675
Circunvolución frontal superior BA10 −30 59 28 1376
Circunvolución temporal inferior BA20 54 −21 −20 1682
Giro poscentral BA1 / 3 −54 −17 52 2446
Contrastes
R-Remember & gt R-Forget
Circunvolución frontal media BA46 −54 35 32 1835
Lóbulo parietal inferior BA40 −34 −37 32 1987
Circunvolución del cíngulo BA32 26 15 24 2675
Circunvolución parahipocampal BA30 −10 −29 44 2370
Corteza perirrinalBA20−36−10−22192
Circunvolución occipital media BA18 −26 −89 4 2905
Cuerpo caudado −14 −13 24 1529
Precuneus / cola caudada −26 −49 16 2370
Tálamo / pulvinar −2 −25 8 2370
Cerebelo / declive −34 −77 −28 2523
F-olvidar & gt F-recordar
Circunvolución frontal superior / media BA10 −30 55 24 1452
Circunvolución frontal inferior BA47 46 23 –8 6650
Circunvolución poscentral BA4 54 −13 32 1758
Putamen −26 −1 4 1835
R-Recuerda & gt F-Recuerda
Circunvolución frontal superior BA9 −34 35 32 2140
Circunvolución poscentral BA3 −46 −13 56 1376
F-Olvidar & gt R-Olvidar
Circunvolución frontal superior BA10 / 11 18 63 −12 2599
Circunvolución frontal inferior / media BA9 26 15 28 1376
Lóbulo parietal inferior BA40 −58 −57 48 2599
Gyrus / hipocampo parahipocampal BA35 22 −17 −12 4204
Cíngulo posteriorBA3122−2940320

Nota: Las activaciones se dan en coordenadas de Talairach (x, y, z) y el volumen está en mm 3. Las áreas en cursiva son réplicas de hallazgos anteriores.

Codificación de activaciones para sobrevivir a la corrección para múltiples comparaciones

licenciado en Letras X Y Z Volumen
Efectos principales
Instrucciones F e instrucciones R de GT
Circunvolución frontal medial superior BA10 −6 67 12 6574
Circunvolución frontal media BA6 −34 27 60 1835
Circunvolución del cíngulo medio BA31 18 −33 40 2293
Circunvolución temporal media / superior BA39 58 −65 24 5198
Circunvolución temporal media BA21 66 −17 −8 3134
Circunvolución parahipocampal BA34 −14 −5 −20 5580
Circunvolución parahipocampal BA35 18 −25 −20 3669
Instrucciones R e instrucciones F de GT
Circunvolución frontal mediaBA9−263516192
ÍnsulaBA1330716512
Olvidado & gt Recordado
Circunvolución frontal inferior BA47 42 23 −8 1987
Putamen −26 −1 4 1605
Recordado & gt olvidado
Circunvolución frontal inferiorBA45−58150192
Lóbulo parietal inferior BA40 −34 −37 32 1605
Circunvolución parahipocampal BA30 −26 −53 12 1758
Gyrus parahipocampal / hipocampoBA3626330640
Circunvolución parahipocampal BA19 34 −53 0 1529
Circunvolución lingual / cerebelo (declive) BA18 6 −69 −24 2752
Interacción
Instrucción × resultado
Circunvolución frontal inferior BA47 50 19 −8 1835
Insula / Circunvolución frontal inferior BA13 46 3 16 1987
Lóbulo parietal inferior BA40 −38 −29 28 1605
Tálamo / pulvinar −6 −21 12 1911
Circunvolución frontal inferior BA45 −54 35 0 1452
Circunvolución parahipocampal BA36 −34 −33 −20 2675
Circunvolución frontal superior BA10 −30 59 28 1376
Circunvolución temporal inferior BA20 54 −21 −20 1682
Giro poscentral BA1 / 3 −54 −17 52 2446
Contrastes
R-Remember & gt R-Forget
Circunvolución frontal media BA46 −54 35 32 1835
Lóbulo parietal inferior BA40 −34 −37 32 1987
Circunvolución del cíngulo BA32 26 15 24 2675
Circunvolución parahipocampal BA30 −10 −29 44 2370
Corteza perirrinalBA20−36−10−22192
Circunvolución occipital media BA18 −26 −89 4 2905
Cuerpo caudado −14 −13 24 1529
Precuneus / cola caudada −26 −49 16 2370
Tálamo / pulvinar −2 −25 8 2370
Cerebelo / declive −34 −77 −28 2523
F-olvidar & gt F-recordar
Circunvolución frontal superior / media BA10 −30 55 24 1452
Circunvolución frontal inferior BA47 46 23 –8 6650
Circunvolución poscentral BA4 54 −13 32 1758
Putamen −26 −1 4 1835
R-Recuerda & gt F-Recuerda
Circunvolución frontal superior BA9 −34 35 32 2140
Circunvolución poscentral BA3 −46 −13 56 1376
F-Olvidar & gt R-Olvidar
Circunvolución frontal superior BA10 / 11 18 63 −12 2599
Circunvolución frontal inferior / media BA9 26 15 28 1376
Lóbulo parietal inferior BA40 −58 −57 48 2599
Gyrus / hipocampo parahipocampal BA35 22 −17 −12 4204
Cíngulo posteriorBA3122−2940320
licenciado en Letras X Y Z Volumen
Efectos principales
Instrucciones F e instrucciones R de GT
Circunvolución frontal medial superior BA10 −6 67 12 6574
Circunvolución frontal media BA6 −34 27 60 1835
Circunvolución del cíngulo medio BA31 18 −33 40 2293
Circunvolución temporal media / superior BA39 58 −65 24 5198
Circunvolución temporal media BA21 66 −17 −8 3134
Circunvolución parahipocampal BA34 −14 −5 −20 5580
Circunvolución parahipocampal BA35 18 −25 −20 3669
Instrucciones R e instrucciones F de GT
Circunvolución frontal mediaBA9−263516192
ÍnsulaBA1330716512
Olvidado & gt Recordado
Circunvolución frontal inferior BA47 42 23 −8 1987
Putamen −26 −1 4 1605
Recordado & gt olvidado
Circunvolución frontal inferiorBA45−58150192
Lóbulo parietal inferior BA40 −34 −37 32 1605
Circunvolución parahipocampal BA30 −26 −53 12 1758
Gyrus parahipocampal / hipocampoBA3626330640
Circunvolución parahipocampal BA19 34 −53 0 1529
Circunvolución lingual / cerebelo (declive) BA18 6 −69 −24 2752
Interacción
Instrucción × resultado
Circunvolución frontal inferior BA47 50 19 −8 1835
Insula / Circunvolución frontal inferior BA13 46 3 16 1987
Lóbulo parietal inferior BA40 −38 −29 28 1605
Tálamo / pulvinar −6 −21 12 1911
Circunvolución frontal inferior BA45 −54 35 0 1452
Circunvolución parahipocampal BA36 −34 −33 −20 2675
Circunvolución frontal superior BA10 −30 59 28 1376
Circunvolución temporal inferior BA20 54 −21 −20 1682
Giro poscentral BA1 / 3 −54 −17 52 2446
Contrastes
R-Remember & gt R-Forget
Circunvolución frontal media BA46 −54 35 32 1835
Lóbulo parietal inferior BA40 −34 −37 32 1987
Circunvolución del cíngulo BA32 26 15 24 2675
Circunvolución parahipocampal BA30 −10 −29 44 2370
Corteza perirrinalBA20−36−10−22192
Circunvolución occipital media BA18 −26 −89 4 2905
Cuerpo caudado −14 −13 24 1529
Precuneus / cola caudada −26 −49 16 2370
Tálamo / pulvinar −2 −25 8 2370
Cerebelo / declive −34 −77 −28 2523
F-olvidar & gt F-recordar
Circunvolución frontal superior / media BA10 −30 55 24 1452
Circunvolución frontal inferior BA47 46 23 –8 6650
Circunvolución poscentral BA4 54 −13 32 1758
Putamen −26 −1 4 1835
R-Recuerda & gt F-Recuerda
Circunvolución frontal superior BA9 −34 35 32 2140
Circunvolución poscentral BA3 −46 −13 56 1376
F-Olvidar & gt R-Olvidar
Circunvolución frontal superior BA10 / 11 18 63 −12 2599
Circunvolución frontal inferior / media BA9 26 15 28 1376
Lóbulo parietal inferior BA40 −58 −57 48 2599
Giro parahipocampal / hipocampo BA35 22 −17 −12 4204
Cíngulo posteriorBA3122−2940320

Nota: Las activaciones se dan en coordenadas de Talairach (x, y, z) y el volumen está en mm 3. Las áreas en cursiva son réplicas de hallazgos anteriores.

Resultado de la memoria

Los resultados de nuestro ANOVA también revelaron los efectos principales del resultado de la memoria. Como se muestra en la Tabla 1, las áreas temporales frontal y medial se distinguieron entre los ensayos de codificación que resultaron en el reconocimiento posterior de los ensayos de codificación que no lo hicieron. La circunvolución frontal inferior, en particular, mostró una mayor activación en los ensayos de codificación que llevaron a un olvido posterior frente a los que llevaron a recordar (ver también Reber et al. 2002). Por el contrario, el lóbulo parietal inferior y la circunvolución parahipocampal mostraron una mayor actividad en los ensayos de codificación para los que el resultado posterior sería recordar versus los ensayos para los que el resultado posterior sería el olvido.

Instrucción de memoria por resultado

La instrucción y el resultado de la memoria interactuaron significativamente en varias áreas clave relacionadas con la memoria. Estos incluyeron circunvolución frontal inferior, ínsula, lóbulo parietal inferior, tálamo / pulvinar, circunvolución parahipocampal, circunvolución frontal superior y circunvolución temporal inferior (véase también la Tabla 1).De estas activaciones, sólo la de las regiones parietales inferiores derechas (área de Broadmann [BA] 47) mostró una actividad aumentada que era específica de la condición F-Forget (ver Fig. 4). La ínsula (BA13), las regiones parietal inferior del lado izquierdo (BA40) y tálamo / pulvinar mostraron una mayor actividad que podría caracterizarse como predicción de la instanciación exitosa de intenciones (ver Fig. 5). Estas regiones mostraron más actividad en la condición F-Forget que en la condición F-Remember y más actividad en la condición R-Remember que en la condición R-Forget. Por lo tanto, independientemente de si la intención era olvidar o recordar el ítem, estas áreas fueron más activas cuando la intención se implementó con éxito más tarde en comparación con cuando no lo fue. Por el contrario, la actividad en las circunvoluciones frontal inferior (BA45) y parahipocampal (BA 36) pareció predecir la imposibilidad de instanciar una intención (ver Fig. 6). La actividad en estas áreas fue mayor para F-Remember que para F-Forget y para R-Forget que para R-Remember. Se realizaron análisis de contraste para comprender mejor la actividad en las regiones que muestran efectos de interacción confiables.

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la circunvolución frontal inferior derecha (BA47) que está preferentemente activa en la condición F-Forget (olvido dirigido).

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la circunvolución frontal inferior derecha (BA47) que está preferentemente activa en la condición F-Forget (olvido dirigido).

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la ínsula derecha / circunvolución frontal inferior que estaba más activa cuando los participantes iban a tener éxito en su intención (F-olvidar o R-recordar) que cuando iban a fallar (R-olvidar o F-recordar) . La activación en esta área está graficada en la parte inferior derecha. El mismo patrón fue evidente en el tálamo, que se puede ver en el corte axial y se indica con la flecha.

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la ínsula derecha / circunvolución frontal inferior que estaba más activa cuando los participantes iban a tener éxito en su intención (F-olvidar o R-recordar) que cuando iban a fallar (R-olvidar o F-recordar) . La activación en esta área está graficada en la parte inferior derecha. El mismo patrón fue evidente en el tálamo, que se puede ver en el corte axial y se indica con la flecha.

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la circunvolución frontal inferior izquierda que estaba más activa cuando los participantes iban a fallar en su intención (R-olvidar o F-recordar) que cuando iban a tener éxito (F-olvidar o R-recordar). La activación en esta área está graficada en la parte inferior derecha.

La interacción entre la instrucción de memoria (señal) y el resultado. La retícula indica un área en la circunvolución frontal inferior izquierda que estaba más activa cuando los participantes iban a fallar en su intención (R-olvidar o F-recordar) que cuando iban a tener éxito (F-olvidar o R-recordar). La activación en esta área está graficada en la parte inferior derecha.

Recuerdo intencional

Para evaluar la red subyacente al recuerdo exitoso, comparamos los ensayos de estudios en los que el intento de memorizar intencionalmente una palabra más tarde resultó en un reconocimiento exitoso con aquellos que luego resultaron en un fracaso (R-Recordar-R-Olvidar). Nuestros resultados replican hallazgos previos de actividad en la corteza perirrinal (Davachi et al. 2003). Este contraste también reveló que, además de la actividad en las áreas visuales y el cerebelo, había más actividad en la circunvolución frontal media y en la circunvolución del cíngulo mientras los participantes codificaban una palabra R que luego reconocerían correctamente en comparación con una que luego olvidarían ( ver Tabla 1). Lo mismo ocurrió con el lóbulo parietal inferior y el tálamo / pulvinar.

Olvido intencional

Para evaluar las áreas asociadas con el olvido intencional, comparamos los ensayos F en el estudio que luego resultaron en un olvido exitoso con los que resultaron en un fracaso para olvidar (F-Olvidar-F-Recordar). De acuerdo con la encarnación común del relato de ensayo selectivo, el olvido ocurre en un paradigma de método de elemento porque los participantes eliminan elementos F del conjunto de ensayo y, por lo tanto, no los codifican por completo (decaimiento pasivo). Si este fuera el caso, entonces el recuerdo incidental que ocurrió para los ítems F-Remember debería asociarse con mecanismos involucrados en la codificación episódica en comparación, el olvido exitoso en la condición F-Forget no debería involucrar estos mecanismos en absoluto o debería involucrarlos débilmente y / o de menor duración. Por lo tanto, si el olvido intencional exitoso se debiera simplemente a la falta de codificación, restar la activación asociada con los elementos F-Remember de la activación asociada con los elementos F-Forget no debería dar como resultado activaciones positivas. En cambio, uno esperaría que este contraste produjera activaciones "negativas" en áreas asociadas con la codificación episódica. Sin embargo, esto no es lo que encontramos. Cuando la intención de olvidar con éxito impidió que una palabra se memorizara, hubo más actividad en varias áreas en comparación con cuando la intención falló y la palabra fue reconocida más tarde (ver Tabla 1). Estas áreas incluían la circunvolución frontal superior / media y la circunvolución frontal inferior. Es importante destacar que la circunvolución frontal inferior también se ha implicado en la detención exitosa de la conducta manifiesta (por ejemplo, Aron et al. 2003).

Olvido intencional versus olvido involuntario

Si fuera el caso de que el olvido intencional fuera el resultado de una simple falla al codificar la palabra F olvidada, entonces se esperaría que fallas similares en la codificación de palabras R dieran como resultado patrones similares de actividad neuronal. Sin embargo, este no fue el caso. Comparamos los ensayos de estudio en los que se les indicó a los participantes que olvidaran la palabra y posteriormente no la reconocieron con ensayos de estudio en los que se les indicó que recordaran la palabra, pero posteriormente no la reconocieron (F-Olvidar-R-Olvidar). Como se muestra en la Figura 7 (y también en la Tabla 1), esta comparación reveló una mayor actividad en la circunvolución / hipocampo parahipocampal y la circunvolución frontal superior. El hecho de que se revelaran activaciones únicas después de esta resta confirma que el olvido intencional y el olvido no intencional son distinguibles. Sin embargo, esta comparación reveló que parte de la actividad asociada con el olvido intencional ocurrió en la red asociada con el olvido no intencional (Wagner y Davachi 2001) de las regiones previamente implicadas en el olvido no intencional (cortezas cingulada posterior, parietal inferior bilateral y parietal medial), encontramos actividad en el lóbulo parietal inferior y la corteza cingulada posterior.

La comparación F-Forget-R-Forget. Las activaciones para sobrevivir a múltiples correcciones incluyeron hipocampo y giro frontal.

La comparación F-Forget-R-Forget. Las activaciones para sobrevivir a múltiples correcciones incluyeron hipocampo y giro frontal.

Recordar intencionalmente versus recordar involuntariamente

Se realizó un contraste similar (exploratorio) para comparar el recuerdo intencional y no intencional. Examinamos si la actividad durante el estudio diferencia recordar que ocurre intencionalmente y recordar que ocurre en ausencia de tal intención (R-Recordar-F-Recordar). En ambos casos, el resultado conductual fue el mismo: una palabra de estudio se reconoció correctamente como antigua en la prueba. Sin embargo, en el caso de la condición R-Remember, la palabra se recordó porque el participante tenía la intención de recordarla en el caso de la condición F-Remember, la palabra se recordó a pesar de que el participante tuvo la intención de olvidarla. En esta comparación, el recuerdo intencional se asoció con una mayor actividad en la circunvolución frontal superior y en la circunvolución poscentral (ver Tabla 1).


1. Introducción

Desde su introducción, el análisis de patrones multivariantes (MVPA), o informalmente, la "decodificación" neuronal, ha tenido una influencia transformadora en la neurociencia cognitiva. Metodológicamente, es una verdadera herramienta múltiple que proporciona un enfoque unificado para analizar datos de grabaciones celulares, fMRI, EEG y MEG, que también pueden combinarse con modelos computacionales y paradigmas de comportamiento (Kriegeskorte et al. [2008]). En teoría, a menudo se presenta como un medio para investigar la estructura y el contenido del código de población del cerebro, unificando así las explicaciones psicológicas y neurocientíficas al tiempo que se predice el desempeño conductual (Kriegeskorte y Kievit [2013] Haxby et al. [2014]). Más ambiciosamente aún, los métodos de decodificación se anuncian como un medio de "leer" el cerebro y "escuchar" en la mente (Haynes y Rees [2006] Norman et al. [2006]).

Detrás de estos pronunciamientos audaces hay una inferencia crucial, que llamamos el dictum del decodificador:

Si la información se puede decodificar a partir de patrones de actividad neuronal, esto proporciona una fuerte evidencia sobre qué información representan esos patrones.

La máxima del decodificador debería interesar a los filósofos por dos razones. Primero, una cuestión filosófica central con la neuroimagen es su uso en "inferencias inversas" sobre la función mental (Poldrack [2006] Klein [2010]). El dictum del decodificador es una forma de inferencia similar pero con más matices, por lo que merece un examen cuidadoso. En segundo lugar, los resultados de la decodificación son algunos de los más convincentes en la neurociencia cognitiva y ofrecen una fuente de hallazgos que los filósofos pueden querer aprovechar al defender afirmaciones teóricas sobre la arquitectura de la mente y el cerebro. 1 Por tanto, conviene aclarar qué puede mostrar realmente la decodificación.

Argumentamos que la máxima del decodificador es falsa. El dictamen está respaldado por la idea de que descubrir información en patrones de actividad neuronal, utilizando métodos MVPA "biológicamente plausibles" que son similares a los procedimientos de decodificación del cerebro, es suficiente para demostrar que esta información está representada neuronalmente y es funcionalmente explotable. Sin embargo, como normalmente ignoramos la información precisa explotada por estos métodos, no podemos inferir que la información decodificada sea la misma información que explota el cerebro. Por lo tanto, la decodificabilidad no es (por sí misma) una guía confiable para la representación neuronal. Nuestro objetivo no es reprender a los neurocientíficos por la forma en que actualmente emplean e interpretan la MVPA. Más bien, lo que sigue aclarará las condiciones bajo las cuales la decodificación podría proporcionar evidencia sobre la representación neuronal.

Por analogía, considere la investigación sobre los sistemas de interfaz cerebro-máquina (BMI), que utilizan la decodificación para generar señales de control para cursores de computadora o prótesis (Hatsopoulos y Donoghue [2009]). Sin embargo, en gran parte debido a los objetivos de ingeniería y traslación de BMI, se presta poca atención a la plausibilidad biológica de los métodos de decodificación. En consecuencia, la investigación del IMC no implica inferencias sobre la función neuronal basadas en la decodificabilidad. Creemos que, epistémicamente, la decodificación en la neurociencia cognitiva no suele estar mejor que en la investigación del IMC y, por lo tanto, forma una base débil para hacer inferencias sobre la representación neuronal.

Nuestro enfoque está en cómo se utiliza MVPA para investigar las representaciones neuronales. Dado que hablar de representación es en sí mismo filosóficamente polémico, asumimos una noción relativamente ligera que es consistente con el uso en los sectores relevantes de la neurociencia: una representación es cualquier estado interno de un sistema complejo que sirve como vehículo para el contenido informativo y juega un papel funcional. dentro del sistema en función de la información que transporta (Bechtel [1998]). Esta noción de representación se basa en la idea de que un estado interno de un sistema codifica información (es decir, representa contenido informativo), que luego se decodifica para su uso posterior por parte de un sistema (según la importación funcional de la información que está codificada). . 2 Así, al hablar de una "representación con contenido informativo", simplemente tenemos en mente un estado que codifica la información para su posterior decodificación. Como veremos, algunos investigadores hablan de decodificar representaciones mentales. Suponemos que tienen en mente al menos la noción de representación interna que hemos articulado, por lo que nuestros argumentos se aplican también a sus afirmaciones.

Nos centramos en las representaciones neuronales que toman la forma de códigos de población. Un código de población representa información a través de patrones distribuidos de actividad que ocurren en varias neuronas. En los modelos de codificación de población típicos, cada neurona individual exhibe una distribución de respuestas sobre un conjunto de entradas, y para cualquier entrada dada, la respuesta conjunta o combinada en toda la población neuronal codifica información sobre los parámetros de entrada (Pouget et al. [2000]) ).

Nuestra crítica de la máxima tomará algunos arreglos. En la Sección 2, proporcionamos una breve introducción a los métodos de decodificación. En la Sección 3, argumentamos que la máxima es falsa: la presencia de información decodificable en patrones de actividad neuronal no muestra que el cerebro represente esa información. La sección 4 amplía este argumento al considerar posibles objeciones. En la Sección 5, sugerimos una forma de ir más allá de la máxima. La sección 6 concluye el artículo.


Existe evidencia considerable de que existen vías anatómica y funcionalmente distintas para la acción y el reconocimiento de objetos. Sin embargo, se sabe poco sobre cómo se integra la información sobre acciones y objetos. Este estudio proporciona evidencia de resonancia magnética funcional para la selección basada en tareas de las regiones del cerebro asociadas con la acción y el procesamiento de objetos, y sobre cómo la congruencia entre la acción y el objeto modula la respuesta neuronal. Los participantes vieron videos de objetos usados ​​en acciones congruentes o incongruentes y prestaron atención a la acción o al objeto en un procedimiento de una sola vez. La atención a la acción condujo a un aumento de las respuestas en una red asociada a la acción frontoparietal. Atendiendo a las regiones activadas por el objeto dentro de una red temporal fronto-inferior. Se produjeron respuestas más fuertes para clips de acción-objeto congruentes en parietal bilateral, temporal inferior y putamen. Las distintas regiones corticales y talámicas fueron moduladas por la congruencia en las diferentes tareas. Los resultados sugieren que (i) la atención selectiva a la acción y la información del objeto está mediada a través de redes separadas, (ii) la congruencia objeto-acción evoca respuestas en las regiones de planificación de la acción, y (iii) la activación selectiva de núcleos dentro del tálamo proporciona un mecanismo para Integrar los objetivos de la tarea en relación con la congruencia de la información perceptiva presentada al observador.

La capacidad de manipular objetos y herramientas es fundamental para la vida cotidiana. Esta capacidad depende de una interacción entre las propiedades del objeto y la acción requerida. Las acciones relacionadas con objetos implican la guía en línea de nuestros efectores en respuesta a estos objetos, por lo que las posibilidades de los objetos (la potencia del objeto para la acción) pueden ser una parte inherente de la percepción del objeto (Tucker & amp Ellis, 1998 Gibson, 1979). Este estudio se ocupa de cómo procesamos la acción, los objetos y sus relaciones.

Tradicionalmente, las teorías han enfatizado que la recuperación de una acción apropiada para un objeto está guiada por el acceso al conocimiento semántico basado en las asociaciones de un objeto y su función abstracta (por ejemplo, Ochipa, Rothi, & amp Heilman, 1992 Roy & amp Square, 1985). Por ejemplo, una taza activa la acción de Bebiendo a través del acceso al conocimiento semántico basado en nuestras asociaciones previas con cómo se usan los vasos y para qué se usan. Sin embargo, existe una creciente evidencia neuropsicológica y experimental de que el acceso a la información de acción puede ser evocado por las propiedades visuales de los objetos de una manera relativamente directa, sin la participación necesaria de la memoria semántica (asociativa) (ver Humphreys et al., 2010 Humphreys & amp Riddoch , 2003, para revisiones también ver Barsalou, 1999, para un punto de vista similar derivado de una literatura diferente). Esta evidencia proporciona el telón de fondo para este estudio, en el que los participantes hicieron juicios de 1 retroceso sobre imágenes de objetos manipulados por acciones congruentes o incongruentes. Examinamos primero los distintos correlatos neuronales de la acción y el procesamiento relacionado con el objeto invocado por la atención a las acciones y a los objetos. Posteriormente, examinamos la base neuronal de la interacción entre las vías de acción y de objeto impulsadas por la congruencia del emparejamiento de acción y objeto.

La investigación neuropsicológica sugiere que el conocimiento de las acciones (cómo manipular objetos) está disociado del conocimiento de los objetos (qué es el objeto). Ferreira y sus colegas (Ferreira, Giusiano, Ceccaldi y Poncet, 1997) informan de un paciente que tenía dificultades para nombrar objetos pero que no tenía problemas para nombrar acciones y que también podía nombrar los objetos a partir de la información de los gestos. Los pacientes adicionales con daño en la corteza occipito-temporal izquierda, que tienen la presentación clínica de afasia óptica, pueden gesticular la acción correcta hacia objetos que no pueden reconocer, incluso cuando el acceso a la información semántica asociativa está impedido (Hillis & amp Caramazza, 1995 Riddoch y Humphreys, 1987). En tales casos, la visión no se utiliza simplemente para el control en línea de acciones prensiles, sino también para acceder a información sobre la categoría de acción que se puede realizar. Los resultados indican que la respuesta a asociaciones de objetos relacionadas con la acción puede disociarse de los procesos de reconocimiento semántico.

Por el contrario, hay otros pacientes que tienen un acceso intacto al conocimiento semántico de los objetos, mostrando un reconocimiento y una denominación intactos. Estos pacientes pueden producir una acción correcta en respuesta al nombre del objeto, pero no obstante, no actúan correctamente cuando los objetos se presentan visualmente (p. Ej., Pilgrim & amp Humphreys, 1991 Riddoch, Humphreys & amp Price, 1989 DeRenzi, Faglioni y amp Sorgato, 1982) . En estos casos, se conserva el acceso visual a la semántica, pero se bloquea el acceso visual a las respuestas relacionadas con la acción, aunque pueden acceder a la información de la acción a través de la ruta semántica indirecta (por ejemplo, desde el nombre del objeto).

Los experimentos de comportamiento con participantes sanos también proporcionan evidencia de respuestas a objetos relacionadas con la acción directa y semántica indirecta (p. Ej., Yoon, Humphreys y amp Riddoch, 2010 Yoon y amp Humphreys, 2005, 2007 Chainay y amp Humphreys, 2002). Las decisiones sobre qué acción realizar en un objeto son más rápidas cuando se toman en imágenes de objetos que en nombres de objetos, mientras que las decisiones sobre el contexto semántico asociado con los objetos no se ven afectadas por el modo de presentación (Chainay & amp Humphreys, 2002). También en contraste con las decisiones categóricas semánticas, las decisiones de acción no se ven afectadas por el cebado semántico, sino que se ven afectadas por la orientación del asa hacia los espectadores (Yoon & amp Humphreys, 2007) y por las posiciones relativas correctas de los objetos emparejados dentro del marco de referencia egocéntrico de un observador ( Yoon et al., 2010).

La evidencia indica que el acceso a la acción y la información semántica sobre los objetos pueden disociarse. Las interrelaciones entre los objetos y la acción, sin embargo, pueden afectar las respuestas basadas en la acción y las rutas de reconocimiento semántico (Yoon & amp Humphreys, 2005).En particular, utilizando estímulos similares a los empleados en nuestro estudio, Yoon y Humphreys encontraron que tanto la acción como las decisiones semánticas de los objetos se facilitan si los estímulos se presentan con un agarre de objeto congruente y si el objeto se usa adecuadamente en comparación con el momento en que el agarre o la acción es inapropiado para el objeto.

Observamos que las diferencias de comportamiento observadas para acceder al conocimiento contextual relacionado con la acción versus el conocimiento contextual semántico ocurren incluso cuando los participantes no realizan acciones explícitas con los objetos. No obstante, es posible que los efectos relacionados con la acción dependan de la activación de acciones motoras en objetos modulados a través del llamado sistema de neuronas espejo, comúnmente involucrado en la producción y el reconocimiento de acciones. Existe evidencia de que ver acciones evoca una respuesta simulada en la corteza motora (para una revisión reciente, Rizzolatti & amp Sinigaglia, 2010). Las áreas neurales que comprenden la red de observación de la acción (Grafton, 2009) incluyen el STS bilateral, el lóbulo parietal inferior (IPL), la circunvolución frontal inferior (IFG) y la corteza premotora (PM). Además, la SMA (Dayan et al., 2007 Hamilton & amp Grafton, 2007), BG y el cerebelo (Blakemore, Frith y amp Wolpert, 2001 Wolpert, Miall, & amp Kawato, 1998) también han estado implicados en la simulación de acciones. Curiosamente, Humphreys et al. (2010) informan una mayor actividad en la MP dorsal cuando los participantes ven objetos agarrados de manera congruente en relación con una forma incongruente, lo que sugiere que la simulación basada en el motor también puede ser sensible a la interacción entre la acción y la información del objeto.

El acceso a la información relacionada con la acción (cómo / dónde agarrar los objetos) y al conocimiento semántico (qué) se ha vinculado a las corrientes visuales dorsal y ventral (Milner & amp Goodale, 1995 Ungerleider & amp Mishkin, 1982). Por ejemplo, Shmuelof y Zohary (2005) informaron que, cuando los participantes ven objetos manipulados, el reconocimiento de la acción se asocia con la actividad en las áreas dorsales, incluido el surco intraparietal anterior (aIPS), mientras que, por el contrario, el reconocimiento del objeto está vinculado a la actividad dentro de las regiones ventrales, incluida la circunvolución fusiforme (p. ej., Grill-Spector, 2003 Chao, Haxby y amp Martin, 1999 Grill-Spector, Kushnir, Edelman, Itzchak y amp Malach, 1998). De acuerdo con esto, el aIPS muestra una adaptación de la actividad cuando la misma información de prensión se ve repetidamente, mientras que la adaptación en el giro fusiforme depende de la repetición de la identidad y la forma del objeto (Shmuelof & amp Zohary, 2005). El aIPS parece insensible a la familiaridad a largo plazo del agarre, incluso si un agarre es congruente con la acción correcta (Valyear & amp Culham, 2009). En otros estudios, la observación de la manipulación de objetos se ha asociado con la activación bilateral de la PM junto con el IPS (por ejemplo, Tunik, Rice, Hamilton, & amp Grafton, 2007 Buccino et al., 2001, para revisiones), mientras que el IFG es bilateral involucra cuando los participantes ven imágenes estáticas de un objeto agarrado por una mano, independientemente de si se sostiene correcta o incorrectamente para el uso del objeto (Johnson-Frey et al., 2003). Valyear y Culham (2009), sin embargo, argumentan que la información de captación también está codificada por las regiones ventrales de la corriente. Utilizando un enfoque de ROI, informan que las regiones sensibles a los objetos, partes del cuerpo y movimientos en la corteza occipital-temporal son sensibles a si los estímulos se captan correctamente para las acciones.

Además de los casos en los que los participantes ven acciones realizadas en objetos, se informa que los objetos que están intrínsecamente asociados con acciones, herramientas y objetos manipulables provocan respuestas en la red asociada a la acción dorsal. Específicamente, se sugiere la circunvolución supramarginal anterior izquierda (SMG la parte rostral de IPL) para codificar programas motores para uso de objetos (Peeters et al., 2009). El SMG anterior izquierdo, junto con el SMG posterior / giro angular, se asocia con la planificación del uso de objetos familiares (Johnson-Frey, Newman-Norlund y Grafton, 2005). El daño al SMG (por ejemplo, Sunderland, Wilkins y amp Dineen, 2011 Randerath, Goldenberg, Spijkers, Li y amp Hermsdoerfer, 2010), junto con las lesiones virtuales de esta región (después de TMS), está relacionado con el mal uso de herramientas. También se ha demostrado que la observación de objetos manipulables provoca actividad en regiones adicionales que incluyen el lóbulo frontal inferior izquierdo, la circunvolución temporal media posterior y la corteza parietal posterior (p. Ej., Beauchamp, Lee, Haxby y Martin, 2002 Devlin et al., 2002 Grèzes & amp Decety, 2002). Sin embargo, no está claro cómo las respuestas en estas regiones se ven afectadas por la atención y la congruencia de las relaciones acción-objeto.

En el estudio actual, investigamos los correlatos neuronales de la acción y el procesamiento de objetos y su interacción en respuesta a clips de video de objetos que se utilizan de manera congruente o incongruente. Para evocar selectivamente el procesamiento de acción versus objeto (semántico), manipulamos la propiedad atendida de los estímulos combinados (similar a Yoon & amp Humphreys, 2005). En estímulos de video idénticos, se pidió a los participantes que realizaran una tarea de 1 espalda en la acción o en el objeto. Para facilitar aún más la participación de la ruta semántica y garantizar que la comparación entre objetos no pudiera basarse en características visuales simples, la tarea 1-back relacionada con el objeto requería el reconocimiento de objetos de dos ejemplos diferentes de una categoría de objeto (por ejemplo, dos diferentes tazas). La congruencia de la acción se manipuló para obtener una mejor comprensión de cómo se integra la información de la acción y el objeto. Manipulamos la congruencia de la acción con los objetos. Así, las acciones pueden ser congruentes con la identidad del objeto (golpear con un martillo) o incongruentes (torcer un martillo). Planteamos la hipótesis de que las respuestas se generarían en la red de acción dorsal cuando los participantes atendieran selectivamente a la acción, mientras que la red de objetos ventrales se activaría al prestar atención a los objetos. También planteamos la hipótesis de que la participación de estas redes sería mayor para las relaciones objeto-acción congruentes que para las incongruentes, ya que las relaciones congruentes acción-objeto se prestan más fácilmente a simulaciones motoras y facilitan la acción y el reconocimiento de objetos (Yoon & amp Humphreys, 2005). Una última cuestión de interés se refería a la interacción entre tarea y congruencia. ¿Qué áreas del cerebro permiten información sobre la congruencia de la acción para modular la red de objetos y se reclutan diferentes regiones para permitir que la congruencia del objeto module la red de acciones? Aquí esperábamos encontrar regiones que toman información tanto sobre objetos como sobre acciones y responden de manera diferente según si esta información es congruente o incongruente. Especulamos que tales regiones estarán interconectadas con las redes de observación de acciones y asociadas a objetos.


Resultados

Características de los estudios incluidos

En el metanálisis principal se incluyeron 53 contrastes de tareas funcionales de alta calidad de 16 muestras independientes de 24 estudios de resonancia magnética funcional. El metanálisis principal incluyó a 338 jóvenes con trastorno de conducta disruptiva o problemas de conducta (el grupo de problemas de conducta / disruptivos) (edad media, rango de edad media de 15,2 años, 11,9-17,7 años 80% hombres) y 298 sujetos de control (edad media, 15,0 años rango de edad promedio, 11,3–17,9 años 80% hombres), teniendo en cuenta las superposiciones (Tabla 1, ver también Tabla S1 en el suplemento de datos en línea). Cinco estudios (cuatro que prueban el procesamiento de emociones y uno que prueba el procesamiento empático del dolor) evaluaron los problemas de conducta dimensionalmente sin proporcionar un diagnóstico clínico (26, 27, 32, 37, 44). En nueve estudios, hubo 108 participantes con comportamiento disruptivo o problemas de conducta y rasgos psicopáticos y 115 sujetos de control sanos. La mayoría (N = 11), pero no todos los estudios (18, 26, 27, 32, 37, 43, 44) informaron tasas de comorbilidad del TDAH (0% -88%, la mayoría fueron superiores al 50%). Se utilizaron veintidós contrastes de tareas de función ejecutiva en caliente para crear 10 mapas cerebrales independientes (171 casos, 177 controles), 10 contrastes de tareas de funciones ejecutivas geniales crearon cuatro mapas cerebrales independientes (60 casos, 70 controles) y 17 contrastes de procesamiento de emociones crearon ocho mapas cerebrales independientes (169 casos, 130 controles).

Metaanálisis principal

El grupo de problemas de conducta / disruptivos, en comparación con el grupo de control, mostró una activación significativamente menor en un grupo que comprende el cingulado anterior dorsal y rostral y la corteza prefrontal medial, que se extiende hacia el área motora suplementaria y el caudado ventral. Los sujetos de caso, en comparación con los sujetos de control, no mostraron un aumento significativo de las activaciones (Tabla 2A, Figura 1A y Figura 2A).

TABLA 2. Resultados del metanálisis de estudios de resonancia magnética funcional de cerebro completo en jóvenes con trastorno de conducta disruptiva o problemas graves de conducta (DBD / CP) en comparación con sujetos de control sanos, incluidas todas las tareas, por subdominio cognitivo y presencia de rasgos psicopáticos a

a BA = área de Brodmann dACC = corteza cingulada anterior dorsal DLPFC = corteza prefrontal dorsolateral dMPFC = corteza prefrontal dorsomedial FG = circunvolución fusiforme ITG = circunvolución temporal inferior L = MNI izquierda = Instituto Neurológico de Montreal MTG = circunvolución temporal media PT = rasgos psicopáticos no emocionales rasgos R = derecha rACC = corteza cingulada anterior rostral rMPFC = corteza prefrontal medial rostral SMA = área motora suplementaria STG = circunvolución temporal superior vMPFC = corteza prefrontal ventromedial VS = estriado ventral.

b Intervalos de confianza estimados mediante la inversa de la distribución normal de los valores de p.

TABLA 2. Resultados del metanálisis de estudios de resonancia magnética funcional de cerebro completo en jóvenes con trastorno de conducta disruptiva o problemas graves de conducta (DBD / CP) en comparación con sujetos de control sanos, incluidas todas las tareas, por subdominio cognitivo y presencia de rasgos psicopáticos a

FIGURA 1. Resultados del metanálisis principal y del metanálisis de subgrupos de jóvenes con trastorno de conducta disruptiva o problemas graves de conducta con rasgos psicopáticos a

a En el panel A, la activación disminuida en jóvenes con trastorno de conducta disruptiva o problemas de conducta en comparación con sujetos de control sanos se muestra en rojo en la corteza cingulada anterior dorsal y rostral (ACC), en la corteza prefrontal medial dorsal y rostral (MPFC), y en el área motora suplementaria y caudado ventral. En el panel B, la activación disminuida en jóvenes con trastorno de conducta disruptiva o problemas de conducta con rasgos psicopáticos en comparación con controles sanos se muestra en rojo en el hipotálamo y el tálamo extendiéndose hacia la corteza prefrontal medial ventral y el estriado ventral. La activación aumentada se muestra en verde en la corteza prefrontal dorsolateral (DLPFC). El hallazgo de activación del caudado dorsal aumentado no se muestra en la Figura 1 sino en la Figura 2.

FIGURA 2. Secciones axiales que muestran las regiones que se redujeron significativamente (rojo) y aumentaron (verde) en jóvenes con trastorno de conducta disruptiva o problemas de conducta (DBD / CP) en relación con sujetos de control sanos a

a Las coordenadas z del Instituto Neurológico de Montreal están indicadas para la distancia de corte (en mm) desde la línea intercomisural. El lado derecho de la imagen corresponde al lado derecho del cerebro.

Metanálisis de subdominios cognitivos

Los metanálisis de subgrupos mostraron que, en comparación con los sujetos de control, los jóvenes con comportamiento disruptivo y problemas de conducta en todos los conjuntos de datos de IRMf de función ejecutiva caliente tenían una activación disminuida en el cingulado anterior dorsal y la corteza prefrontal dorso-medial que se extiende hacia el área motora suplementaria, a lo largo de con aumento de la activación del caudado dorsal derecho (Tabla 2B, Figura 2B). En todos los conjuntos de datos de IRMf de función ejecutiva fría, tenían una activación disminuida en la circunvolución temporal superior y media derecha, la ínsula posterior y el putamen (Tabla 2C, Figura 2C). En todos los conjuntos de datos de fMRI de procesamiento de emociones, tenían una activación disminuida en la corteza prefrontal dorsolateral derecha y el polo temporal izquierdo (Tabla 2D, Figura 2D).

Metanálisis de subgrupos en el grupo de problemas de conducta / disruptivos con rasgos psicopáticos

El metanálisis de subgrupos que incluyó solo a jóvenes con problemas de conducta / disruptivos con rasgos psicopáticos mostró una activación disminuida en relación con los sujetos de control en un grupo que comprende el hipotálamo y el tálamo que se extiende hacia el cuerpo estriado ventral y la corteza prefrontal ventromedial, además de un aumento de la activación en el dorsolateral rostral corteza prefrontal y caudado dorsal derecho (Tabla 2E, Figura 1B y Figura 2E).

Los hallazgos siguieron siendo significativos cuando se excluyeron los estudios con jóvenes no diagnosticados con problemas de conducta.

Análisis de meta-regresión de los efectos de la edad, la medicación, el género y el TDAH

Los análisis de metarregresión mostraron que el aumento de la edad se asoció con una hipoactivación progresiva en la corteza prefrontal dorsolateral derecha (coordenadas del Instituto Neurológico de Montreal: x = 50, y = 28, z = 36 16 vóxeles), que se superpuso con el grupo reducido durante el procesamiento de emociones. que la medicación se asoció con una mayor activación en las regiones frontales temporal y medial bilateralmente, el vermis cerebeloso y el cingulado / precuneus posterior y con una activación disminuida en el vermis cerebeloso, la ínsula derecha y el hipocampo izquierdo (ver Figura S1 en el suplemento de datos en línea ), ninguno de los cuales se superpuso con ningún grupo de diferencia de grupos en el que el género masculino se asoció con una activación más baja (es decir, una disfunción más grave que las mujeres) en el cíngulo anterior izquierdo en el grupo de problemas de conducta / disruptivos en relación con el grupo de control y que la comorbilidad del TDAH en Los 11 estudios disponibles con esta información no se correlacionaron significativamente con la falta de actividad neural. ion relativo a los sujetos de control.

Análisis de confiabilidad

Los análisis de sensibilidad de la navaja de todo el cerebro mostraron que el hallazgo principal del metanálisis en el cingulado anterior dorso-rostral, la corteza prefrontal medial y el caudado ventral fue robusto y replicable (Tabla 3), ya que se conservó en todas las combinaciones de mapas cerebrales excepto en dos. Para los metanálisis de subgrupos, los hallazgos de las diferencias cerebrales se conservaron en todas las combinaciones de mapas cerebrales excepto una o dos (consulte las Tablas S2-S5 en el suplemento de datos en línea).

TABLA 3. Resultados de los análisis de confiabilidad Jackknife de los principales hallazgos del metanálisis basados ​​en 52 resultados de contraste de tareas diferentes de 16 muestras independientes a

a ACC = corteza cingulada anterior D = MNI dorsal = Instituto Neurológico de Montreal PFC = corteza prefrontal R = SMA rostral = área motora suplementaria sí = la región del cerebro permanece significativamente disminuida en el análisis de navaja cuando la muestra independiente en cuestión se excluye del metanálisis no = la región del cerebro ya no se reduce significativamente cuando se excluye la muestra independiente en cuestión.

TABLA 3. Resultados de los análisis de confiabilidad Jackknife de los principales hallazgos del metanálisis basados ​​en 52 resultados de contraste de tareas diferentes de 16 muestras independientes a

El sesgo de publicación

Los gráficos en embudo mostraron que los estudios con tamaños de muestra más pequeños se asociaron con tamaños de efecto más pequeños, lo que es opuesto a la asociación observada en el sesgo de publicación.


5 respuestas a & # 8220 Uso de Caret para visualización de fMRI & # 8221

Hey hombre,
que gran tutorial !!
Gracias por compartir su conocimiento

sawfoot - 29 de septiembre de 2011

Gracias por el tutorial, fue muy útil (¡y todavía funciona en 2011!).

¿Alguien puede ayudarme con el funcionamiento de CARET? Ya hice un metanálisis, así que tengo todas mis coordenadas en un documento de texto. ¿Alguien puede decirme cómo poner en CARET?

¡Qué bueno este tutorial!
¿Puedo traducirlo a la versión china y compartirlo en mi blog?
¡Gracias!

¿Puede compartir los pasos de procesamiento para agregar un archivo de pintura? ¡Muchos gracias!


Redes de aprendizaje profundo

Las redes de aprendizaje profundo (DLN) han provocado una revolución en el aprendizaje automático y la inteligencia artificial (Krizhevsky et al., 2012 LeCun et al., 1998 Serre et al., 2007 Szegedy et al., 2015a). Los DLN superan los enfoques existentes en las tareas de reconocimiento de objetos al entrenar redes complejas de múltiples capas con millones de parámetros (es decir, pesos) en grandes bases de datos de imágenes naturales. Recientemente, los neurocientíficos se han interesado en cómo los cálculos y representaciones en estos modelos se relacionan con la corriente ventral en monos y humanos (Cadieu et al., 2014 Dubois et al., 2015 Guclu y van Gerven, 2015 Hong et al., 2016 Khaligh -Razavi y Kriegeskorte, 2014 Yamins et al., 2014 Yamins y DiCarlo, 2016). Por estas razones, optamos por examinar estos modelos, que también permiten RSA en múltiples niveles de representación.

En esta contribución, una pregunta clave es si la suavidad funcional se rompe en capas más avanzadas en los DLN como sucedió en las redes neuronales aleatorias no capacitadas consideradas en la sección anterior. Abordamos esta pregunta presentando estímulos de imágenes naturales (es decir, fotografías novedosas) a un DLN entrenado, específicamente Inception-v3 GoogLeNet (Szegedy et al., 2015b), y aplicando RSA para evaluar si la estructura de similitud de los elementos sería recuperable usando fMRI .

Arquitectura

El DLN que consideramos, Inception-v3 GoogLeNet, es una red neuronal convolucional (CNN), que es un tipo de DLN especialmente experto en la clasificación y el reconocimiento de entradas visuales. Las CNN sobresalen en visión por computadora, aprendiendo de grandes cantidades de datos. Por ejemplo, LeNet, una CNN pionera que identifica dígitos escritos a mano (LeCun et al., 1998) HMAX, entrenada para detectar objetos, por ejemplo, rostros, en entornos desordenados (Serre et al., 1998) ha logrado una precisión similar a la humana en conjuntos de prueba. ., 2007) y AlexNet, que clasifica las fotografías en 1000 categorías (Krizhevsky et al., 2012).

La arquitectura de alto nivel de las CNN consta de muchas capas (Szegedy et al., 2015a). Estos se apilan uno encima del otro, de la misma manera que los perceptrones multinivel apilados descritos anteriormente. Una diferencia clave es que las CNN tienen más variedad, especialmente en amplitud (número de unidades) entre capas.

En muchas CNN, algunas de las capas de la red son convolucionales, que contienen componentes que no reciben información de toda la capa anterior, sino un pequeño subconjunto de ella (Szegedy et al., 2015b). Se requieren muchos componentes convolucionales para procesar la totalidad de la capa anterior creando un mosaico superpuesto de pequeños parches. A menudo, las capas convolucionales se intercalan con capas de agrupación máxima (Lecun et al., 1998), que también contienen componentes en forma de mosaico que actúan como filtros locales sobre la capa anterior. Este tipo de procesamiento y arquitectura es tanto impulsado empíricamente por lo que funciona mejor como inspirado por la corriente ventral visual, específicamente campos receptivos (Fukushima, 1980 Hubel y Wiesel, 1959, 1968 Serre et al., 2007).

Las capas convolucionales y de agrupación máxima proporcionan una estructura que es intrínsecamente jerárquica. Las capas inferiores realizan cálculos en pequeños parches localizados de la entrada, mientras que las capas más profundas realizan cálculos en áreas de los estímulos cada vez más grandes y más globales. Después de tal procesamiento localizado, es típico incluir capas que están completamente conectadas, es decir, son más clásicamente conexionistas. Y finalmente, una capa con la estructura de salida requerida, por ejemplo, unidades que representan clases o una respuesta sí / no según corresponda.

Inception-v3 GoogLeNet utiliza una disposición específica de estas capas antes mencionadas, conectadas tanto en serie como en paralelo (Szegedy et al., 2015b, 2015a, 2016). En total, tiene 26 capas y 25 millones de parámetros, incluidos los pesos de conexión (Szegedy et al., 2015b). La capa final es una capa softmax que está entrenada para activar una sola unidad por clase. Estas unidades corresponden a etiquetas que se han aplicado a conjuntos de fotografías por humanos, por ejemplo, "transbordador espacial", "helado", "calcetín", dentro de la base de datos ImageNet (Russakovsky et al., 2015).

Inception-v3 GoogLeNet ha sido capacitado en millones de fotografías etiquetadas con humanos de 1000 de los synsets (conjuntos de fotografías) de ImageNet. La salida de 1000 unidades de ancho producida por la red cuando se presenta con una fotografía representa las probabilidades de la entrada que pertenece a cada una de esas clases. Por ejemplo, si a la red se le da una fotografía de un ciclomotor, también puede activar la unidad de salida que corresponde a la bicicleta con activación 0.03. Esto se interpreta como la red que expresa la creencia de que existe un 3% de probabilidad de que la etiqueta apropiada para la entrada sea "bicicleta". Además, esta interpretación es útil porque permite que varias clases coexistan dentro de una sola entrada. Por ejemplo, una foto con una guillotina y una peluca hará que se activen las dos unidades de salida correspondientes. Por lo tanto, se considera que la red ha aprendido una distribución de etiquetas apropiadas que reflejan los elementos más destacados de una escena. Inception-v3 GoogLeNet, alcanza niveles humanos de precisión en conjuntos de prueba, produciendo la etiqueta correcta en sus cinco conjeturas más probables aproximadamente el 95% del tiempo (Szegedy et al., 2015b).

Simulación de redes de aprendizaje profundo

Consideramos si la suavidad funcional disminuye a medida que las capas más avanzadas de Inception-v3 GoogLeNet procesan las entradas. Si es así, la fMRI debería tener menos éxito en las regiones del cerebro que instancian cálculos análogos a las capas más avanzadas de tales redes. A diferencia de las simulaciones anteriores, presentamos fotografías novedosas de categorías naturales a estas redes. La pregunta clave es si los elementos de categorías relacionadas (por ejemplo, banjos y guitarras) serán similares en varias capas de la red. Las 40 fotografías (es decir, estímulos) se dividen igualmente entre 8 categorías subordinadas: banjos, guitarras, ciclomotores, autos deportivos, leones, tigres, petirrojos y perdices, que a su vez se agregan en 4 categorías de nivel básico: instrumentos musicales, vehículos, mamíferos. , y pájaros que a su vez se agregan en 2 superordinados: animados e inanimados.

Consideramos qué tan similares son las representaciones de redes internas para pares de estímulos al comparar la actividad de red resultante, que es análoga a comparar la actividad neuronal sobre vóxeles en RSA. Se calcularon las correlaciones para todos los posibles emparejamientos de los 40 estímulos tanto para una capa de red media como para una posterior (consulte la Figura 4).

La estructura de similitud se vuelve más difícil de recuperar en las capas más avanzadas del DLN.

(A) La estructura de similitud en una capa intermedia de un DLN, Inception-v3 GoogLeNet. Los mamíferos (leones y tigres) y las aves (petirrojos y perdices) se correlacionan formando un dominio de alto nivel, lo que hace que el cuadrante superior izquierdo tenga un tono rojo más oscuro. Mientras que los vehículos (deportivos y ciclomotores) y los instrumentos musicales (guitarras y banjos) forman dos categorías de alto nivel. (B) En contraste, en una capa posterior de esta red, el espacio de similitud muestra altas correlaciones dentro de la categoría y correlaciones debilitadas entre categorías. Si bien se conserva cierta estructura entre categorías, los ciclomotores no se parecen más a los autos deportivos que a los petirrojos.

La capa intermedia (Figura 4A) revela similitudes entre categorías tanto a nivel básico como superior. Por ejemplo, los leones se parecen más a los petirrojos que a las guitarras. Sin embargo, en la última capa (Figura 4B) la estructura de similitud se ha roto de tal manera que domina la similitud de la categoría subordinada (es decir, un león es como otro león, pero no tanto como un tigre). Curiosamente, la disminución de la suavidad funcional no es consecuencia de la escasez en la última capa, ya que el coeficiente de Gini, una medida de escasez (Gini, 1909), es 0,947 para la capa intermedia anterior (Figura 4A) y 0,579 para la capa avanzada posterior. (Figura 4B), lo que indica que las representaciones de red se distribuyen en general y aún más en la capa posterior. Por lo tanto, la disminución de la suavidad funcional en las capas posteriores no parece ser una consecuencia directa del entrenamiento de estas redes para clasificar los estímulos, aunque sería interesante compararlos con enfoques no supervisados ​​que pueden funcionar con niveles de precisión equivalentes (actualmente no existe tal red). .

Estos resultados de DLN son directamente análogos a aquellos con redes no capacitadas aleatorias (ver Figura 2). En esas simulaciones, patrones de entrada similares asignados a representaciones internas ortogonales (es decir, diferentes) en capas posteriores. Del mismo modo, el DLN entrenado en capas posteriores solo puede capturar la estructura de similitud dentro de categorías subordinadas (por ejemplo, un tigre es como otro tigre) que la red fue entrenada para clasificar. El efecto de entrenar la red fue crear clases de equivalencia basadas en la etiqueta de entrenamiento (por ejemplo, tigre) de modo que los miembros de esa categoría se mapeen a estados de red similares. Violando la suavidad funcional, todas las demás estructuras de similitud se descartan de modo que un tigre no se parezca más a un león que a un banjo desde la perspectiva de la red. Si las regiones del cerebro funcionaran de manera similar, la fMRI no tendría éxito en recuperar la estructura de similitud en ellas. En la Discusión, consideramos las implicaciones de estos hallazgos en nuestra comprensión de la corriente ventral y las perspectivas de fMRI.


Psicopatía: el perfil conductual

La psicopatía es un trastorno que se caracteriza por déficits emocionales pronunciados, marcados por una reducción de la culpa y la empatía, e implica un mayor riesgo de mostrar un comportamiento antisocial. 5 El trastorno es del desarrollo. Los rasgos psicopáticos, en particular el componente emocional, son relativamente estables desde la niñez hasta la edad adulta. 6,7 Una de las razones de la atención que recibe esta clasificación es su fuerte utilidad predictiva para el ajuste institucional y la reincidencia (es decir, reincidencia). 8 Los individuos con psicopatía tienen aproximadamente tres veces más probabilidades de reincidir que aquellos con rasgos psicopáticos bajos, y cuatro veces más probabilidades de reincidir violentamente. 9 Es cierto que es el comportamiento antisocial pasado, indexado por evaluaciones de psicopatía, lo que es particularmente importante para predecir la actividad delictiva futura. 8 Sin embargo, es el componente emocional el que caracteriza a la psicopatía que pueden desarrollarse altos niveles de comportamiento antisocial a partir de otros factores de riesgo neurobiológicos y socioambientales. 10 La psicopatía no es equivalente a la DSM-IV diagnóstico de trastorno de conducta o trastorno de personalidad antisocial (ASPD) o su CIE-10 contrapartes. Los diagnósticos psiquiátricos se centran en el comportamiento antisocial más que en las causas subyacentes, es decir, la disfunción emocional que se observa en la psicopatía. 11 Como consecuencia, los individuos que cumplen los criterios para el trastorno de personalidad antisocial son más heterogéneos en su fisiopatología que los individuos que cumplen los criterios para la psicopatía. 12


Ver el vídeo: Cortes en Imagenes de RMN (Junio 2022).