了解大脑的潜在动力学机制并控制它是脑科学中的一个问题。能量格局和过渡路径方法提供了解决这些挑战的可能途径。在这里以工作记忆为例,我们基于大型猕猴模型量化了其景观。工作记忆函数受景观和脑范围内切换的变化而响应于任务要求的控制。动力学过渡路径揭示了信息流遵循层次结构的方向。重要的是,我们提出了一种景观控制方法,通过调节外部刺激或围间连接来操纵大脑状态过渡,以证明联想区域的关键作用,尤其是前额叶和顶叶皮质区域在工作记忆表现中。我们的发现为认知功能的动态机制提供了新的见解,景观控制方法有助于开发脑疾病的治疗策略。
人们从工作记忆 (WM) 训练中受益的程度存在很大差异。尽管越来越多的研究关注与 WM 训练结果相关的个体差异,但我们仍然缺乏对哪些特定的个体差异以及以何种组合方式导致个体间训练轨迹差异的了解。在当前的研究中,568 名本科生在两周内完成了几种 N-back 干预方案之一。参与者的训练轨迹被分为三种不同的训练模式(高绩效者、中等绩效者和低绩效者)。我们应用机器学习算法来训练二叉树模型,以预测个人的训练模式,该模型依赖于先前文献中已确定为相关的几个个体差异变量。这些个体差异变量包括预先存在的认知能力、性格特征、动机因素、视频游戏经验、健康状况、双语能力和社会经济地位。我们发现我们的分类模型在区分高绩效者和相对较低的绩效者方面表现出良好的预测能力。此外,我们发现开放性和预先存在的 WM 能力是区分高绩效者和低绩效者的两个最重要的因素。然而,对于低绩效者来说,开放性和视频游戏背景是他们学习坚持的最重要预测因素。总之,在培训之前,可以使用参与者的特征来预测个人培训表现,这可以为个性化干预措施的制定提供参考。
在UW Tacoma Digital Commons的教育中,将提供此开放访问(无限制)。它已被接受为纳入M.Ed。文学评论由UW Tacoma Digital Commons的授权管理员进行。有关更多信息,请联系taclibdc@uw.edu。
基于生理信号的生物结局环包含用户的状态检测和系统适应。当前的自适应系统限制了对任务功能的适应性,例如任务难度或多任务要求。但是,虚拟现实允许操纵环境中的任务限制元素。我们提出了一种生理自适应系统,该系统根据生理唤醒(即电肌活动)调整虚拟环境。我们在社会虚拟现实中使用自适应系统进行了一项用户研究,以验证改进的性能。在这里,参与者完成了N-BACK任务,我们通过更改非玩家字符的数量来调整环境的视觉复杂性。我们的结果表明,自适应虚拟现实可以通过基于生理唤醒来调整视觉复杂性来控制用户的舒适性,性能和工作量。因此,我们的生理自适应系统改善了任务绩效并感知到
。cc-by 4.0未经同行评审获得的未获得的国际许可证是作者/筹款人,他已授予Biorxiv的许可证,以永久显示预印本。它是此预印本的版权持有人(该版本发布于2023年7月15日。; https://doi.org/10.1101/2023.07.14.549076 doi:biorxiv Preprint
工作记忆等执行性认知功能决定了各种不同认知任务的成败,如解决问题、导航或规划。通过从神经生理或心理生理信号估计工作记忆负荷或记忆容量等结构,自适应系统可以对操作员经历的认知状态作出反应,并触发旨在支持任务执行的响应(例如,当受试者超负荷时简化辅导系统的练习 Gerjets et al., 2014 ,或关闭来自手机的干扰)。确定工作记忆负荷等认知状态也可用于自动测试/评估或可用性评估。虽然目前有大量关于工作记忆活动等认知功能的神经和生理相关性的研究,但很少有出版物涉及将这些研究应用于复杂、现实场景中的单次试验检测和实时估计认知功能。基于脑活动测量的单次试验分类器,例如脑电图 (EEG, Kothe and Makeig, 2011; Lotte et al., 2018)、功能性近红外光谱 (fNIRS, Putze et al., 2014; Herffi et al., 2015)、生理信号 (Fairclough et al., 2005; Fairclough, 2008) 或眼动追踪 (Putze et al., 2013),有可能对情感 (Koelstra et al., 2010; Heger et al., 201
工作记忆等执行认知功能决定了各种不同认知任务的成败,如解决问题、导航或规划。通过从神经生理或心理生理信号估计工作记忆负荷或记忆容量等结构,自适应系统可以对操作员经历的认知状态作出反应,并触发旨在支持任务执行的响应(例如,在受试者超负荷时简化辅导系统的练习 Gerjets et al., 2014 ,或关闭来自手机的干扰)。确定工作记忆负荷等认知状态对于自动测试/评估或可用性评估也很有用。虽然目前有大量关于工作记忆活动等认知功能的神经和生理相关性的研究,但很少有出版物涉及这类研究在复杂、现实场景中的单次试验检测和实时估计认知功能方面的应用。基于脑活动测量的单次试验分类器,例如脑电图 (EEG, Kothe and Makeig, 2011; Lotte 等人, 2018)、功能性近红外光谱 (fNIRS, Putze 等人, 2014; Herffiet al., 2015)、生理信号 (Fairclough 等人, 2005; Fairclough, 2008) 或眼动追踪 (Putze 等人, 2013),有可能根据短段数据对情感 (Koelstra 等人, 2010; Heger 等人, 2014; Mühl 等人, 2014) 或认知状态进行分类。为此,需要开发信号处理和机器学习技术并将其转移到现实世界的用户界面。这个前沿研究主题的目标是推动基于信号的认知过程建模的最新进展。我们对更复杂、更现实的研究设计特别感兴趣,例如在野外收集数据或调查相互作用
方法:年轻(2m,n = 10),中年(10m,n = 10)和旧小鼠(22m,n = 9)小鼠用于成熟(年轻人与中年龄)和与衰老相关的(中年与中年与老鼠)的比较。区域大脑体积在半球上平均,并减少到32个大脑区域。使用通用线性模型测试了区域体积的成对组差异,总脑体积为协变量。使用Logistic回归评估了区域大脑体积和Y迷宫性能之间的样本整个关联,该回归是为了全脑体积而定。两种分析都校正了多个比较。使用R软件包“ Igraph”生成结构协方差网络。在网络密度(5-40%)之间测试了网络中心性(程度),集成(平均距离)和隔离(透明度,模块化)的群体差异,使用5,000(程度为1,000)在≥5.05的≥5.05时,在≥5个连续的密度阈值时,使用了5,000(1,000个程度)的排列。
音乐转调对工作记忆的要求很高,因为它涉及在唱歌或乐器演奏时将音符从一个音调(即音高音阶)心理转换为另一个音调。由于音乐转调涉及在心理上将音符调高或调低特定量,因此它可能与加法和减法的算术运算共享认知元素。我们比较了受过古典训练的音乐家在音乐转调和数学计算的高和低工作记忆负荷条件下的大脑活动。脑磁图 (MEG) 对任务和工作记忆负荷的差异很敏感。额枕连接在转调过程中高度活跃,但在数学计算过程中不活跃。在更困难的转调任务条件下,右侧运动区和运动前区高度活跃。多个额叶区域在各项任务中都高度活跃,包括在转调和计算任务期间的左侧内侧额叶区域,但仅在计算期间的右侧内侧额叶区域。在更困难的计算条件下,右侧颞区高度活跃。在连贯性分析和神经同步分析中,计算任务之间存在一些相似之处;然而,由于 MEG 的时间分辨率很高,延迟分析对计算任务中任务复杂性的差异很敏感。MEG 可用于检查音乐认知和音乐训练的神经后果。需要进一步系统地研究音乐和其他认知任务的高记忆负荷和低记忆负荷条件下的大脑活动,以阐明音乐家与非音乐家相比工作记忆能力增强的神经基础。
纹状体多巴胺合成能力的抽象个体差异已与工作记忆能力,性格冲动性和自发的眼光闪烁率(SEBR)相关联,该速率(SEBR)可随时可用且易于施用,“现成”测试。这样的发现提出了一个建议,即以昂贵和侵入性的脑正电子发射断层扫描(PET)扫描估计的多巴胺合成能力的各个变化可以通过简单,更务实的测试来近似。但是,这些简单特征测量与纹状体多巴胺合成能力之间关系的直接证据是有限且尚无定论的。我们在大量的健康志愿者样本中使用[18 f] -fdopa PET测量了纹状体多巴胺的合成能力(n = 94),并通过简单,简短的工作记忆能力,性状冲动和SEBR评估了相关性。我们还探索了与主观奖励灵敏度索引的关系。这些性状措施都没有与纹状体多巴胺合成能力显着相关,也没有取消样品的预测能力。贝叶斯因子分析表明,除了主观奖励灵敏度以外,所有证据都支持没有所有相关性。这些结果需要谨慎使用这些现成的特征度量作为纹状体多巴胺合成能力的代理。