Часть 1: Кодирование контекстной памяти и временная динамика извлечения модулируются вниманием на протяжении взрослой жизни

ali.ma@wecistanche.com

Соруш Мирджалили, Патрик Пауэлл, Джонатан Странк, Тейлор Джеймс и Одри Дуарте

https://doi.org/10.1523/ENEURO.0387-20.2020 Факультет психологии, Технологический институт Джорджии, Атланта, Джорджия 30318

Дозировка цистанхе тубулозы для улучшения памяти

Абстрактный

Эпизодические воспоминания многомерны, включают простые и сложные признаки. Насколько успешно мы кодируем и восстанавливаем эти черты во времени, сохраняется ли эта временная динамика с возрастом, даже в условиях пониженногоПамятьпроизводительность, и роль внимания в этой временной динамике неизвестна. В текущем исследовании мы применили многофакторное декодирование с временным разрешением к осцилляторной электроэнцефалографии (ЭЭГ) в образце взрослой жизни, чтобы исследовать временной порядок успешного кодирования и распознавания простых и сложных особенностей контекста восприятия. При кодировании участники изучали изображения черно-белых объектов, представленных как цветными (низкоуровневыми/простыми), так и сценическими (высокоуровневыми/сложными) контекстными характеристиками, а затем создавали контекст.Памятьрешения для обеих функций. Требованиями внимания манипулировали, заставляя участников обращать внимание на отношения между объектом и либо цветом, либо сценой, игнорируя при этом другие особенности контекста. В соответствии с иерархическими моделями визуального восприятия простые визуальные признаки (цвет) были успешно закодированы раньше, чем сложные признаки (сцены). Эти особенности были успешно распознаны в обратном временном порядке. Важно отметить, что эта временная динамика зависела как от того, находились ли эти особенности контекста в центре внимания, так и от того, сохранялась ли она в зависимости от возраста, несмотря на возрастной контекст.Памятьнарушения. Эти новые результаты подтверждают идею о том, что эпизодическоевоспоминаниякодируются и извлекаются последовательно, вероятно, в зависимости от входных и выходных путей медиальной височной доли (MTL) и влияния внимания, которое искажает активность этих путей в зависимости от возраста.

Ключевые слова: старение; внимание; контекстная память; эпизодическая память; многомерный анализ закономерностей

Заявление о значимости

События, которые мы узнаем и запоминаем в нашей жизни, состоят из простых деталей контекста, таких как цвет, и более сложных, таких как сцены. Изучаем ли мы и признаем этиПамятьдетали последовательно или одновременно, и влияет ли внимание на одни функции, но не на другие, когда мы кодируем и извлекаем их, неизвестно. Используя паттерны нейронной активности с высоким временным разрешением, мы обнаружили, что цветовые детали успешно кодируются раньше, чем сцены, но распознаются в обратном порядке. Важно отметить, что эта временная динамика зависела от того, какой признак был в центре внимания, и сохранялась с возрастом. Эти открытия объясняют последовательный способ кодирования и извлечения особенностей, составляющих наши воспоминания, и условия, влияющие на эту динамику.

Введение

Многочисленные эпизодическиеПамятьисследования изучали нейронные основы успешного кодирования и извлечения различных видов контекстных характеристик, включая цвет, пространственные и различные семантические атрибуты (Uncapher et al., 2006; Awipi and Davachi, 2008; Duarte et al., 2011; Staresina et al. ., 2011; Парк и др., 2014; Лян и Престон, 2017). Хотя некоторые области поддерживают успешное эпизодическое кодирование и/или извлечение независимо от характера особенностей контекста, другие являются избирательными по содержанию. Мало что известно о времени, в течение которого успешно кодируются и извлекаются различные функции контекста.

Почему на временную динамику успешного контекстного кодирования и/или извлечения влияет тип контекстного объекта? Многочисленные исследования восприятия установили, что простые функции, такие как цвет, различаются раньше по времени и более ранними зрительными областями коры, чем более сложные функции, такие как сцены (Carlson et al., 2013; Kravitz et al., 2014; Clarke et al., 2015). . Некоторые области, поддерживающие восприятие признаков, также поддерживают успешное кодирование признаков, к которым они чувствительны (Hayes et al., 2007; Awipi and Davachi, 2008; Preston et al., 2010; Dulas and Duarte, 2011). Поэтому вполне возможно, что простые контекстные функции могут быть успешно закодированы вПамятьперед сложными.

Особенности контекста могут не извлекаться в том же порядке, в котором они воспринимаются. В одном недавнем исследовании исследователи использовали многофакторный анализ паттернов (MVPA) активности электроэнцефалографии (ЭЭГ) для расшифровки моментов времени, когда перцептивная и высокоуровневая концептуальная информация была выделена, а затем реконструирована из нее.Память(Линде-Доминго и др., 2019). В соответствии с иерархиями визуальной обработки с прямой связью (Carlson et al., 2013; Kravitz et al., 2014), перцептивные детали различались раньше, чем более сложные, концептуальные. Интересно, что эта временная динамика менялась во время припоминания. Эти результаты вместе с данными внутричерепной ЭЭГ, показывающими обратный поток информации в средней височной доле (MTL) между кодированием и извлечением (Fell et al., 2016), подтверждают идею о том, что запоминание может происходить в обратном порядке от восприятия.

Изменение направления потока информации между восприятием и запоминанием интригует, но остается несколько вопросов. Во-первых, само собой разумеется, что простые признаки, воспринимаемые ранее, также будут успешно закодированы вПамятьраньше, чем воспринимаемые позже. Если сложный Эта работа была поддержана грантом Национального научного фонда 1125683 (для AD), премией Рут Л. Киршштейн Национальной исследовательской службы, грантом на обучение институциональным исследованиям от Национальных институтов здравоохранения, грантом Национального института по проблемам старения 5T32AG000175 и Национальным институтом по проблемам старения 1R21AG. 064309-01.

Благодарности: Мы благодарим всех участников нашего исследования.

Это статья с открытым доступом, распространяемая в соответствии с условиями лицензии Creative Commons Attribution 4.0 International, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что оригинальная работа правильно указана.

признаки реактивируются раньше, чем простые (Linde-Domingo et al., 2019), способность успешно распознавать сложные признаки также должна проявляться раньше. Во-вторых, нормальное старение связано с нейрокогнитивным замедлением (Salthouse, 1996), а исследования ЭЭГ и МЭГ показывают задержки обработки для нескольких нервных компонентов (Onofrj et al., 2001; Zanto et al., 2010; Clarke et al., 2015). Неизвестно, может ли это замедление также наблюдаться во времени простого и сложного кодирования и/или извлечения признаков контекста. В-третьих, в реальных ситуациях внимание может быть направлено на обработку одних функций вместо других. Если, например, внимание направлено на эпизодические функции высокого уровня по сравнению с низкоуровневыми, неясно, будут ли функции низкого уровня иметь такой же приоритет во время кодирования. Действительно, обширные данные исследований потенциала, связанного с событиями (ERP), показывают более ранние латентные периоды ERP для посещаемых визуальных стимулов, чем без присмотра (Hillyard and Anllo-Vento, 1998; Woodman, 2010).

Здесь мы исследовали временные ходы успешного кодирования и распознавания простых и сложных перцептивных признаков, а также то, как внимание может влиять на эту временную динамику на протяжении взрослой жизни. Требованиями внимания манипулировали, заставляя участников обращать внимание на отношения между объектом и либо цветом, либо сценой, игнорируя при этом другие особенности контекста. Как для кодирования, так и для поиска мы обучили многомерные классификаторы шаблонов отличать успешный контекст от неудачного.Памятьотдельно для цветов и особенностей сцены из осцилляторной ЭЭГ. Мы оценили контекстПамятьточность классификации во времени для каждого признака в зависимости от того, обращались ли они во время кодирования или нет. Мы исследовали соответствие наших данных одной из трех моделей (рис. 1).

Если иерархия прямой обработки при кодировании и обратная временная динамика при извлечении неизменны и не зависят от текущих целей, мы прогнозируем, что результаты будут соответствовать иерархической модели в зависимости от возраста. Однако, если внимание модулирует эту динамику, мы прогнозируем, что соответствие модели внимания или гибридной модели будет снижаться с возрастом; поскольку способность выборочно обращать внимание на функции, связанные с задачей, снижается с возрастом (Hasher and Zacks, 1988; Campbell et al., 2010). Любая модуляция внимания на временной динамике должна быть уменьшена, что может способствовать возрастному контексту.Памятьнарушений (James et al., 2016a; Powell et al., 2018).

Материалы и методы

Участники

Участники состояли из 52 взрослых правшей (21 женщина) в возрасте от 18 до 74 лет. Были исключены данные еще пяти пожилых людей (61–76 лет): двое из-за непонимания процедур выполнения заданий, двое из-за шумов ЭЭГ (т.е. , дрейф постоянного тока, движение) и один из-за неисправности компьютера. Данные одного молодого человека (21 год) были исключены из-за шумов на ЭЭГ. Подмножество данных молодых и пожилых, но не взрослых людей среднего возраста было включено в ранее опубликованные исследования, посвященные различным исследовательским вопросам (James et al., 2016b; Strunk et al., 2017; Powell et al., 2018). Все испытуемые были носителями английского языка и имели

Рисунок 1. Три гипотетические модели подходят для кодирования контекста признаков низкого порядка (цвет) и признаков высокого порядка (сцены) и временной динамики поиска. Прогнозируемые данные для каждой модели представляют собой самые ранние локальные классификационные пики контекста.Памятьуспешное декодирование (правильное или неправильное) среди участников. В модели иерархической обработки (а) низкоуровневые контекстные признаки, в данном случае цвет, обработанные более ранними зрительными областями коры, кодируются до и извлекаются после высокоуровневых, в данном случае сцены, независимо от того, являются ли они были учтены во время кодирования. Для этой модели, если бы сцена была целевым контекстом, гистограммы кодирования и поиска были бы идентичны показанным. В качестве альтернативы, в модели обработки на основе внимания (b) функция посещаемого контекста будет кодироваться и извлекаться раньше, чем функция, которая игнорируется. Как показано в части b, кодирование цвета предшествует кодированию сцены, когда цвет является посещаемым «целевым» признаком, и та же самая временная динамика сохраняется при поиске. Если бы целью была сцена, порядок гистограмм был бы обратным. Наконец, в модели гибридной обработки (c) временная динамика кодирования и извлечения основана как на сложности контекстных признаков, так и на том, были ли они целью или отвлекающим фактором. В примере в части c кодирование сцены следует за кодированием цвета с большей задержкой, когда цвет является целью, чем когда он является отвлекающим фактором, в то время как извлечение сцены предшествует извлечению цвета с более короткой задержкой. Если бы сцена была целью, расстояние между пиками уменьшилось бы для кодирования и увеличилось бы для поиска по сравнению с тем, что показано.

нормальное или скорректированное зрение. Участники получали компенсацию в виде кредита за курс или 10 долларов в час и были набраны из Технологического института Джорджии и окружающего сообщества. Ни один из участников не сообщил о каких-либо неврологических или психических расстройствах, сосудистых заболеваниях или использовании каких-либо лекарств, влияющих на центральную нервную систему. Участники прошли батарею стандартизированных нейропсихологических тестов, состоящих из подтестов изПамятьшкала оценки (Williams, 1991), включающая заучивание по списку, распознавание, словесный охват вперед и назад, немедленное и отсроченное припоминание, визуальное распознавание, припоминание, воспроизведение и отсроченное распознавание. Участники, которые набрали 0,2 SD вне среднего значения выборки, были исключены. Кроме того, пожилым людям была проведена Монреальская когнитивная оценка (MoCA; Nasreddine et al., 2005) для дальнейшего тестирования на легкие когнитивные нарушения. Были включены только участники, набравшие 26 баллов или выше по MoCA. Все участники подписали формы согласия, одобренные Институциональным наблюдательным советом Технологического института Джорджии.

Материалы

Всего было отобрано 432 изображения объектов в градациях серого из DVD-дисков Hemera Technologies Photo-Object и изображений Google. При кодировании было предъявлено 288 таких объектов; в половине испытаний внимание участников было направлено на цвет, а в другой половине — на сцену. Каждый объект в градациях серого был представлен в центре экрана, а цветной квадрат и сцена были представлены слева или справа от объекта. Для всех испытаний в блоке один и тот же тип контекстных признаков был представлен на одной и той же стороне объекта. Пилотирование показало, что это сводит к минимуму замешательство участников и движение глаз.

артефакты. Расположение этих контекстных функций

были уравновешены между блоками, так что они были показаны равное количество раз справа и слева от объекта в центре. Для каждого испытания кодирования участников просили сосредоточиться на ассоциациях между объектом и либо цветным квадратом, либо сценой, которые служили целевым контекстом для этого испытания. Потенциальные сцены включали квартиру-студию,

Рисунок 2. Экспериментальный дизайн. В ходе исследования участников просили дать субъективную оценку «да/нет» отношения между объектом и цветным квадратом (т. е. «вероятен ли этот цвет для этого объекта?»), где был представлен один из трех возможных цветов (красный , зеленый, коричневый) или сцену (т. е. «вероятно ли появление этого объекта в этой сцене?»), где была представлена ​​одна из трех возможных сцен (городской пейзаж, квартира-студия, остров). Участникам было предложено обращать внимание на один контекст и игнорировать другой контекст. Во время теста участники давали до трех ответов для каждого тестового испытания (распознавание предметов, цвет и контекст сцены).Памятьрешения).

городской пейзаж или остров. Сцены взяты из Creative Commons. Потенциальные цветные квадраты состояли из зеленого, коричневого или красного цвета. Каждое из изображений контекста и объекта охватывало максимальный угол обзора по вертикали и горизонтали, равный 3 градусам. При поиске все 288 объектов были включены вПамятьтест в дополнение к 144 новым изображениям объектов, которые не были представлены во время кодирования. Учебные и тестовые задания были уравновешены по предметам.

План эксперимента и статистический анализ

На рис. 2 показана процедура, используемая на этапах исследования и испытаний. Перед началом каждого этапа участникам были даны инструкции и

10 тестов для практики. На этапе исследования участников просили дать субъективную оценку да/нет связи между объектом и цветным квадратом (т. е. «вероятен ли этот цвет для этого объекта?») или сценой (т. е. «это объекта, который может появиться в этой сцене?»). В инструкциях к заданию указывалось, что в любом конкретном испытании участник должен обращать внимание на один контекст и игнорировать другой контекст. На этапе исследования было четыре блока, каждый из которых состоял из четырех мини-блоков, и каждый из них включал 18 испытаний. Перед началом каждого мини-блока участникам была дана подсказка (например, «Сейчас вы оцените, насколько вероятно, что цвет соответствует объекту» или «Теперь вы оцените, насколько вероятно, что сцена соответствует объекту»). Поскольку предыдущие данные свидетельствовали о том, чтоПамятьпроизводительность у пожилых людей более нарушена, когда им приходится переключаться между двумя разными типами задач (Kray and Lindenberger, 2000), мини-блоки использовались, чтобы сориентировать участников, на какой контекст им следует обратить внимание в предстоящих испытаниях. Более того, это снижает требования задачи, связанные с необходимостью переключения с оценки одного контекста (например, цвета) на оценку другого (например, сцены). Каждое испытание в мини-блоке имело подсказку-напоминание, представленную под картинками во время испытаний (рис. 2).

В ходе тестирования участникам были представлены как старые, так и новые объекты. Как и на этапе исследования, каждый объект был окружен как сценой, так и цветным квадратом. Для каждого объекта участник изначально решал, старое это изображение или новое. Если участник обнаружил, что объект новый, следующее испытание начиналось через 2000 мс. Если участники заявляли, что это было старо, их просили сделать две дополнительные оценки каждой характеристики контекста и их уверенности в своих суждениях (т. е. одну в отношении цветного квадрата и другую в отношении сцены). Порядок второго и третьего вопросов был уравновешен между участниками. Для старых предметов спаривание устанавливалось таким образом, чтобы было представлено равное количество старых предметов с: (1) обоими контекстными изображениями, совпадающими с представленными на этапе кодирования, (2) только цветовым соответствием, (3) только сопоставление сцены и (4) ни сопоставление контекстного изображения. Ответы на контекстные вопросы давались по шкале от взрослых, закончивших все четыре учебных блока до четырех тестовых блоков. Для пожилых людей (старше 60 лет), чтобы лучше приравнять элементПамятьпроизводительность с молодыми людьми и позволить нам исследовать возрастные эффекты во временной динамике ЭЭГ, не смешанной с большими возрастными эффектами в целом.Памятьспособности (Rugg and Morcom, 2005),Памятьнагрузка была уменьшена вдвое, так что они завершили цикл из двух блоков исследование-тест дважды (два исследования, два теста, два исследования, два теста). Все участники прошли короткую практику как учебного, так и тестового блоков, прежде чем приступить к первому учебному блоку. Таким образом, участники знали о предстоящемПамятьtest, хотя им не сказали сосредоточиться на своих решениях по кодированию и не запоминать для предстоящего теста.

Сбор данных

Непрерывные данные ЭЭГ, записанные на скальпе, были записаны с 32 электродов Ag-AgCl с использованием системы усиления ActiveTwo (BioSemi). Положение электрода основано на расширенной системе 10–20 (Nuwer et al., 1998). Позиции электродов состояли из: AF3, AF4, FC1, FC2, FC5, FC6, FP1, FP2, F7, F3, Fz, F4, F8, C3, Cz, C4, CP1, CP2, CP5, CP6, P7, PO3 , PO4, P3, Pz, P4, P8, T7, T8, O1, Oz и O2. Наружные левый и правый сосцевидные электроды использовались для референции в автономном режиме. Два дополнительных электрода регистрировали горизонтальную электроокулограмму (ГЭОГ) в латеральных уголках глаз левого и правого глаз, а два электрода, расположенных выше и ниже правого глаза, регистрировали вертикальную ЭОГ (ВЭОГ). Частота дискретизации ЭЭГ составляла 1024 Гц с разрешением 24- бит без фильтрации верхних и нижних частот. Предварительная обработка ЭЭГ

Автономный анализ данных ЭЭГ был выполнен в MATLAB 2015b с использованием наборов инструментов EEGLAB, ERPLAB и FIELDTRIP. Непрерывные данные были дискретизированы до 256 Гц, соотнесены со средним значением левого и правого сосцевидных электродов и подвергнуты полосовой фильтрации между 0,5 и 125 Гц. Затем данные были отнесены к эпохе от –1000 мс до начала стимула до 3000 мс. Интересующий временной диапазон был от начала стимула до 2000 мс, но требуется более длительный интервал времени для учета потери сигнала на обоих концах эпохи во время вейвлет-преобразования. Базовый уровень каждой эпохи был скорректирован до среднего значения за всю эпоху, а процесс автоматического отбраковывания удалял эпохи, в которых происходило моргание во время начала стимула, или эпохи с экстремальными сдвигами напряжения, охватывающими два или более электродов. Автоматизированные процессы отбраковки идентифицировали эпохи со следующими параметрами в необработанных данных. (1) Диапазон напряжения превышал 99-й процентиль всех диапазонов напряжения эпохи в пределах временного интервала 400- мс (сдвиг в интервалах 100- мс в каждой эпохе). (2) Наклон линейного тренда был выше 95-го процентиля всех диапазонов эпох с минимальным значением R2, равным 0,303. с интервалами 25- мс в каждую эпоху), между 150 и 150 мс от начала стимула только для лобного и глазного электродов. Затем был проведен анализ независимых компонентов (ICA) на всех головных электродах для выявления глазных артефактов (т. е. моргания и горизонтальных движений глаз). Компоненты, связанные с глазными артефактами, были исключены из данных путем визуального изучения карт топографических компонентов и динамики компонентов во времени с помощью окулярных электродов. Каждая эпоха была переопределена до периода времени от –300 до –100- мс до начала стимула, поскольку эпохи больше не были привязаны к определенному периоду времени после удаления компонентов, связанных с активностью глаз. Если в наборе данных был зашумленный электрод (например, 0,30 процента данных, которые необходимо было отбросить), он удалялся из потока обработки и интерполировался с использованием соседних каналов для оценки активности в плохом канале перед запуском частотно-временной процедуры. После всех этапов обработки было удалено ;13% (SD=8%) эпох.

Частотное разложение

Каждая эпоха была преобразована в частотно-временное представление с использованием вейвлетов Морле с 78 линейно расположенными частотами от 3 до 80 Гц в пяти циклах. Во время вейвлет-преобразования каждая эпоха была уменьшена до интересующего временного интервала и дискретизирована до 50,25 Гц. Для следующих MVPA мы рассмотрели только испытания, в которых участники правильно распознали объекты как старые (попадания предметов). Решение выбрать только тесты с попаданием предметов было основано на предположении, что правильное распознавание связанных контекстов зависит от правильного распознавания объекта, представленного в центре. Среднее количество испытаний для молодых, средних и пожилых людей выглядит следующим образом: молодые (M=190,50, SD=41,01), люди среднего возраста (M{ {16}}.31, SD=40.24, старше (M=177.06, SD=38.56).

Классификация с временным разрешением

Нам было интересно классифицировать самое раннее время, когда функции цвета и контекста сцены были успешно закодированы и извлечены. Чтобы максимизировать количество испытаний, доступных для обучения классификатора, мы сократили уровни достоверности как для правильных, так и для неправильных типов испытаний как при кодировании, так и при поиске. То есть у некоторых участников было очень мало испытаний для определенных условий достоверности (например, правильный контекст с высокой достоверностью), что затрудняло включение достоверности в классификационный анализ, включая всех участников. Точно так же при поиске мы объединили все типы испытаний (т. е. оба изображения контекста, совпадающие с изображениями, представленными на этапе кодирования, только сопоставление цветов, только сопоставление сцены и ни одно сопоставление контекстных изображений), чтобы увеличить мощность для обнаружения эффектов интерес. Важно отметить, что пропорции этих типов проб были примерно одинаковыми для контекстно-правильных и неправильных проб (контекстно-правильные: 29,5% совпадений в обоих контекстах, 23,2% совпадений только цвета, 22,1% совпадений только сцены, 25,2% ни одного совпадения). совпадение контекста; контекст неправильный: 20,7% совпадают оба контекста, 27,5% совпадают только цвета, 28,0% только совпадение сцены, 23,8% не совпадают контекст). Эти пропорции были примерно одинаковыми для различных условий внимания (например, внимание к цвету и внимание к сцене). Для каждого классификационного анализа мы выбирали конкретный скользящий интервал времени 300- мс и сдвигали временное окно на один момент времени (20 мс) по сравнению с начальным периодом кодирования 2- с, и элементПамятьэпохи извлечения порций (т. е. начиная с начала стимула как при кодировании, так и при воспроизведении). Этот временной интервал 300- мс был выбран, чтобы максимизировать информацию, доступную для классификатора, чтобы отделить правильные испытания от неправильных, а также обеспечить достаточное временное разрешение для обнаружения различий пиковой задержки между условиями. Первые 2 секунды были выбраны для классификационного анализа, чтобы соответствовать предыдущим исследованиям ЭЭГ, в том числе исследованиям с использованием той же задачи, показывая эпизодические эпизоды.Памятьвоздействия в пределах этого временного диапазона (Rugg and Curran, 2007; James et al., 2016a; Powell et al., 2018). То есть даже в период распознавания объекта активность ЭЭГ чувствительна к контексту.Памятьточность. Во-вторых, выборка более поздних временных периодов испытания дала аналогичные и/или менее значимые эффекты, чем представленные. В-третьих, поскольку вопросы о цвете и распознавании контекста сцены были заданы и на них были даны ответы позже в ходе испытания, мы стремились уменьшить потенциальное влияние цвета и восприятия сцены на восприятие.Памятьэффекты успеха. Впоследствии для каждого интервала 300 мс мы извлекали признаки на основе общих пространственных паттернов (CSP) из данных в каждой частотной полосе отдельно, включая d (3–4 Гц), u (4–7 Гц). ), а (8–14 Гц), б (14–30 Гц) и г (30–80 Гц). Алгоритм CSP направлен на повышение различимости путем обучения пространственным фильтрам, которые максимизируют мощность отфильтрованного сигнала и минимизируют мощность для другого класса (Herbert et al., 2000). Вкратце, вычисляются средние ковариационные матрицы испытаний каждого класса, что дает C1 и C2 для двух классов. Затем, используя концепцию разложения по собственным значениям, решается задача оптимизации w=argmax, чтобы найти оптимальные пространственные фильтры. Другими словами, пространственные фильтры оптимально проецируют сигналы текущего пространства (т. е. между исходными электродами) в новое пространство, в котором сигнал на каждом проецируемом электроде представляет собой линейную комбинацию сигналов на всех исходных электродах и дисперсии этих сигналов очень различимы для испытаний двух классов (т. е. контекстно-правильные и контекстно-неправильные). Затем, после того как пространственные фильтры для разных частотных диапазонов были извлечены отдельно, мы применили критерии Фишера для выбора лучших признаков для каждого человека, чтобы уменьшить пространство признаков для обучения классификатора (Phan and Cichocki, 2010). Чтобы быть последовательными для всех анализов и участников, а также во избежание риска переобучения и недообучения в зависимости от количества испытаний, мы выбрали пять лучших признаков с наивысшими оценками Фишера для каждого анализа. Наконец, мы обучили наивный байесовский классификатор отличать правильные контекстные испытания от неправильных (Fukunaga, 1993). Мы использовали 5-кратную среднюю точность перекрестной проверки в качестве критерия оценки эффективности классификатора. В результате для каждого участника мы получили одно значение точности классификатора для каждого из 86, 300-мс интервалов (с разрешением 20-мс скользящих моментов времени, т.е. [0, 300 мс], [20, 320 мс], [40, 340 мс],..., [1700, 2000 мс]) для каждой фазы эксперимента (кодирование, поиск), состояние внимания (цель, дистрактор), и функция контекста (цвет, сцена). Хотя теоретический уровень вероятности для задач бинарной классификации составляет 50 процентов, некоторые исследования показали, что истинный уровень вероятности может значительно отличаться от теоретического значения (Combrisson and Jerbi, 2015; Jamalabadi et al., 2016). В результате мы использовали перестановочные тесты (Nichols and Holmes, 2002), повторяя классификационный анализ для получения эмпирического нулевого значения.

распределение производительности классификатора. Чтобы быть более конкретным, для каждого отдельного анализа и участника мы провели ту же процедуру классификации 5-кратной перекрестной проверки с временным разрешением, что и для реальных данных с истинными метками, но использовали метки, которые случайным образом перемешивались при каждом повторении. Этот процесс проводился 500 раз на участника для каждого классификационного анализа со случайным присвоением меток при каждом повторении. Это установило эмпирическое нулевое распределение результатов классификации. Впоследствии мы установили точность, которая была выше 95 процентов значений производительности в нулевом распределении, в качестве порога для определения значимости производительности классификатора для каждого субъекта. Но важно отметить, что каждый временной интервал будет иметь свое собственное эмпирическое нулевое распределение, а 95-й процентиль для нулевого распределения различен для разных временных интервалов, и, чтобы быть более консервативным, мы выбрали самый высокий 95-й процентиль для временных интервалов. как порог для этого предмета и анализа.

Чтобы показать, что эффективность классификации значительно выше случайной по предметам, и показать общие периоды времениПамятьДекодируемость успеха во времени, мы вычли временной ход эмпирического уровня шансов каждого участника из фактического временного хода индивидуальной классификации. Затем мы усреднили эти разности временных курсов по цвету посещаемости и условиям сцены посещаемости. Наконец, мы усреднили эти индивидуальные различия во времени для участников. Эти данные по участникам, среднее реальное время классификации для кодирования и поиска и 95-процентные доверительные интервалы показаны на рис. временные интервалы кодирования и извлечения. Успех контекстной памяти был максимально декодируемым между 680–980 мс при кодировании (средняя точка 830 мс, рис. 3a) и между 340 и 640 мс при извлечении (средняя точка 490 мс, рис. 3b).

Наконец, мы нанесли значения точности классификатора на диаграмму, где каждая точка на диаграмме (рис. 4) представляла собой середину каждого временного интервала 300- мс. На каждой из этих диаграмм будет несколько временных интервалов, точность классификации которых выше, чем у соседних временных интервалов (т. е. временных интервалов непосредственно перед текущим временным интервалом и сразу после него, с разницей в средней точке 20- мс). . Однако, поскольку будет много моментов, соответствующих этому критерию, мы расширили интервал смежности до 60 мс. Чтобы быть более конкретным, в качестве потенциальных пиковых моментов были выбраны только временные интервалы, которые имели более высокую точность классификации, чем все временные интервалы в пределах их временной окрестности 60- мс. Например, на рисунке 4, несмотря на то, что A имеет более высокую производительность, чем временные интервалы непосредственно перед и после, его нельзя выбрать в качестве потенциального пика, поскольку B находится в определенной окрестности и имеет более высокую производительность. Более того, выбранные пиковые моменты должны работать значительно выше уровня вероятности. В результате любые потенциальные пиковые моменты, эффективность которых ниже порога значимости, не будут учитываться. Опять же, на рисунке 4 B не будет рассматриваться, так как его эффективность ниже эмпирического уровня шансов. Наконец, если бы были

Рисунок 3. Временной ход контекста фактической случайностиПамятьэффективность классификации успеха, усредненная по условиям внимания и участникам при (а) кодировании и (б) извлечении с 95-процентными доверительными интервалами. Каждая временная точка на этих диаграммах представляет собой среднюю точку соответствующего временного интервала 300- мс. Поскольку первый временной интервал включает 0–300 мс, диаграммы начинаются со 150 мс и заканчиваются 1850 мс, серединой последнего временного интервала (1700, 2000 мс). Серая область на каждом рисунке указывает на 95-процентный доверительный интервал контекста фактической вероятности.Памятьэффективность классификации успеха среди участников. Если серая область определенного момента времени достигает 0 процентов , фактическая производительность существенно не отличается от случайной для разных участников в течение соответствующего временного интервала 300- мс. Например, при кодировании доверительный интервал, связанный с моментом времени 1030 мс, средней точкой интервала 880–1180 мс, достигает нуля.

Рисунок 4. Пример результатов контекста с временным разрешениемПамятьклассификация точности по репрезентативному предмету и анализ классификации. Каждая временная точка на диаграмме представляет собой среднюю точку соответствующего временного интервала 300- мс. Поскольку первый временной интервал включает 0–300 мс, диаграмма начинается с середины этого временного интервала, как показано левой вертикальной пунктирной линией. Кроме того, диаграмма заканчивается серединой последнего временного интервала (1700, 2000 мс), как показано правой вертикальной пунктирной линией. Обратите внимание, что порог установлен как самое высокое значение 95-го процентиля во времени в нулевом распределении с временным разрешением для каждого субъекта, чтобы быть более консервативным (см. Материалы и методы).

Рисунок 5. Элемент, цвет и контекст сценыПамятьразличимость.

несколько пиков, которые превышают эмпирический уровень вероятности, самый ранний будет выбран в качестве «пикового момента», который впервые определит, будет ли контекстный признак успешно закодирован/извлечен. Как видно на рисунке 4, есть несколько пиков, в том числе C, D и E, которые соответствуют обоим упомянутым критериям, и мы бы выбрали C в качестве момента пика в этом конкретном анализе.

Доступность кода

Пользовательский код, который мы использовали в этом исследовании, доступен по адресу https://doi.org/10.17605/OSF.IO/FVUZX.

Доступность данных

Данные и результаты, подтверждающие выводы этого исследования, доступны по адресу https://doi.org/10.17605/OSF.IO/FVUZX.