Автореферат (1144754), страница 4
Текст из файла (страница 4)
Напервом этапе (first level analysis) на основе вычисленных параметров регрессиилинейной модели рассчитывались t-контрасты между пробами (компонентами ОЛМ),для каждого испытуемого в отдельности. За исключением специально оговариваемыхслучаев, рассчитывались t-контрасты типа «Экспериментальная проба» > состояниепокоя). Полученные контрасты, представляющие из себя линейную комбинациюпараметров ОЛМ, подвергались дальнейшему статистическому анализу на второмэтапе (second level analysis), который осуществлялся с учетом межсубъектнойвариабельности (т.н. random effect analysis) и выполнялся с помощью дисперсионногоанализа (Friston, et al., 2007). Иными словами, на групповом этапе анализа данных вкачестве переменных использовались вычисляемые на первом этапе статистическиепараметр (именно поэтому анализ томографических данных называют статистическимпараметрическим картированием).
Структуры мозга, выявляемые на этой стадиистатистического анализа использовались в качестве областей интереса (ОИ, с радиусом4 мм.) для анализа психофизиологических взаимодействий (psychophysiologicalinteraction, PPI-анализ (Friston, et al., 1997). Предлагаемый метод позволяет получатьинформацию об изменении функциональной связанности между областями мозга,вовлекаемыми в обеспечение исследуемой деятельности (Gitelman, et al., 2003; Friston,et al., 2011; Ciscler, et al., 2013), в зависимости от типа реализуемой деятельности.Применение этого метода направлено на выявление тех областей мозга,взаимодействие которых с заранее выбранной областью интереса модулируетсятекущей деятельностью.
В основе метода лежит предположение, чтопсихофизиологические взаимодействия происходят на нейрональном уровне (Gitelmanet al., 2003). Поэтому, сначала значение BOLD сигнала в ОИ подвергается обратнойсвертке, процедуре обратной той, которая осуществляется при создании ОЛМ, т.е.свертка функции гемодинамического ответа и вектора, описывающего наступлениезначимых событий.
В результате создается модель нейрональной активности ввыбранной ОИ (см. рисунок 1). При этом, каждому типу экспериментальных пробсоответствует свой вектор. Далее, полученные данные используются для созданияОЛM, состоящие из PPI-регрессоров, каждый из которых создается путем конволюциисмоделированной таким образом нейрональной активности и стандартной формыгемодинамического ответа. В качестве игнорируемых переменных дополнитeльно вмодель вводятся регрессоры, моделирующие изменения BOLD сигнала, используемыепри стандартном анализе. В результате, вычисление параметров регрессии в такоймодели позволяет выявить области мозга, в которых проявляется статистическаязависимость от изменений нейрональной активности в ОИ, связанных с текущейдеятельностью.
Развернутое математическое описание метода представлено в14нескольких относительно недавних публикациях (Cisler, et al., 2014, Friston, et al., 1997,Gitelman, 2003, McLaren, 2012).Рисунок 1. Схема PPI-анализа (адаптировано из (Cisler, et al., 2014)).Обозначения: разным цветом обозначены времена предъявления стимулов илианализируемые события двух вариантов тестового задания, Y обозначается реальнозарегистрированный BOLD-сигнал в области Б, XA обозначает реальнозарегистрированный сигнал в области A, gPPI обозначение использованного внастоящей работе программного пакета (generalized psychophysiological interaction(McLaren, et al., 2012)).Для того чтобы избежать ложно-положительных результатов, повоксельноепостроение статистических карт, отражающих как изменения BOLD-сигнала, так ипараметров психофизиологических взаимодействий осуществлялось с порогом p<0.05,корректированным на множественность сравнений по методу FWE (Friston, et al., 2007,Nichols, Hayasaka, 2003).
При этом учитывались только кластеры размером больше 20вокселей. Для определения локализации выявленных кластеров в терминах полейБродманна, использовался программный пакет Anatomy (Eickhoff et al., 2005)).Тестовые задания.Исследованиеорганизациинейрональныхсистемобеспеченияцеленаправленной деятельности в условиях вовлечения механизмовпроактивного и реактивного когнитивного контроля на примередвухстимульного тестового задания Go/NoGo.
Первый вариант тестового заданияиспользовался для исследования организации нейрональных систем обеспеченияцеленаправленной деятельности в условиях вовлечения механизмов проактивного иреактивного когнитивного контроля, которое проводилось с использованиемдвухстимульного тестового задания Go/NoGo. Испытуемым последовательнопредъявлялась пара стимулов (С1-С2, т.е. Стимул1-Стимул2), а предварительная15инструкция устанавливала при каком сочетании испытуемый должен действовать или,наоборот, не нажимать кнопку.
Схематическое изображение тестового заданияпредставлено на рисунке 2. В качестве стимулов использовались цветные изображенияживотных (A) или растений (P), которые предъявлялись на экране монитора в течение100 мс. Межстимульный интервал между инструктирующим сигнальными стимулом ицелевым, т.е. между C1 и C2, всегда составлял 1000 мс. Во всех вариантахисследования, если в качестве С1 предъявлялось изображение животного, тоиспытуемый готовился к появлению С2 и действовал согласно инструкции (80 проб).Если в качестве С1 предъявлялось изображения растения, то испытуемый ожидалпоявления С2, но заведомо знал, что вне зависимости от содержания С2 нажимать вэтой пробе не требуется (80 проб).
В зависимости от варианта инструкций различалисьследующие типы проб, которые затем учитывались при последующем статистическоманализе: 1) нажатие кнопки на второй стимул пары С1-С2 «животное-животное» AcueAGо (40 проб); 2) подавление нажатия кнопки на второй стимул пары С1-С2«животное-растение» - AcuePNоGо (40 проб); 3) нажатие кнопки на второй стимулпары С1-С2 «животное-растение» - AcuePGо (40 проб); 4) подавление нажатия кнопкина второй стимул пары С1-С2 «животное-животное» - AcueANоGо (40 проб); 5)отсутствие подготавливаемого действия PcueA (80 проб) и PcueP (80 проб).Таким образом, моделировалась ситуация, которая подразумевала: 1) в«Исследовании1» формирование модели сенсорного стимула и модели моторногоответа (sensory/motor preparatory set), при рассогласовании с которой запускаетсяпроцесс подавления действий; 2) в «Исследовании2» такой модели не формировалось,поскольку ожидался не конкретное изображение, а какой-либо стимул из категории«растение», а выбор типа действия осуществлялся с учетом правила сочетаниястимулов («животное-растение»).
В исследовании2 моделировалось относительнобольшее вовлечение процессов когнитивного контроля. Помимо этого, в каждомисследовании предъявлялись пробы с чередованием стимулов типа PA, PP, в которыхпредъявление в качестве C1 изображения растения инструктировало испытуемогодожидаться C2 без каких-либо действий после его предъявления.Статистическая модель для анализа фМРТ-данных каждого испытуемоговключала регрессоры соответствующие стимулам (С1-С2) экспериментальных проб идвух экспериментальным сессиям: 1) AcueAGo, AcuePNogo, PcueA, PcueP, AcueAtarget(в качестве C1-стимула предъявляется животное и формировалось ожидание этого жеизображения животного), PcueExp1 (в качества С1-стимула предъявляетсяизображение растения), пробы с ошибками; 2) AcuePGo, AcueANoGo, PcueA, PcueP,PcueExp2 (C1-стимул), AcuePtarget (в качестве C1-стимула предъявляется животное, иформировалось ожидание изображения принадлежащего к категории растение), пробыс ошибками.
При групповом анализе в качестве переменных использовалисьиндивидуально рассчитываемые t-контрасты между всеми типами проб и состояниемпокоя (П). В «Исследовании1»: AcueAGo>П, AcuePNogo>П, PcueA>П, PcueP>П,16AcueAtarget>П, PcueExp1>П, Ошибка>П. В «Исследовании 2»: AcueANoGo>П,AcuePGo>П, PcueA>П, PcueP>П, AcuePtarget>П, PcueExp2>П, Ошибка> П.Рисунок 2. Дизайн двухстимульного Go/NoGo тестового задания.Обозначения: А - варианты последовательностей предъявляемых стимулов иинструкции к ним в «исследовании 1», Б - варианты последовательностей стимулов иинструкции к ним в «исследовании 2», B - схема предъявления стимулов. Послепоявления стимула С2 испытуемый должен был либо действовать (пробы в названиикоторых слово «Gо»), либо не нажимать конку (пробы в названии которых слово«NоGо»).
Обозначения: мс – миллисекунды, А – изображение животного, Р –изображение растения, С1 – первый стимул пробы (cue), С2 – второй стимул пробы(target), Gо – пробы с инструкцией нажимать кнопку, NоGо – пробы с инструкцией ненажимать кнопку.Исследование роли базового механизма детекции ошибок в организациинейрональных систем обеспечения сознательных ложных и правдивых действий.Второй вариант тестового задания используемого в настоящей работе, в отличие отGo/NoGo теста, подразумевал самостоятельное принятие решение о том, как именнодействовать. Исследования мозгового обеспечения произвольной целенаправленнойдеятельности в условиях реализации сознательных ложных и правдивых действийпроводилось в условиях, при которых испытуемый манипулировал действиямиоппонента (компьютера), самостоятельно и сознательно принимая решение лгать илинет в условиях интерактивной игры с компьютером, которой был реализован принципкарточной игры «Верю – не верю» (см.
Рисунок 3). В каждой из них предъявлялось по90 проб. При этом 30 из них были контрольными (К), а остальные 60 – игровыми (т.е.17испытуемый либо лгал (Л), либо был правдив (Пр)). Последовательности контрольныхи игровых проб не повторялись и были рандомизированы для каждого испытуемого.Каждая проба состояла из целевого стимула (стрелки), действия испытуемого(манипулятивная правда, сознательная ложь и правдивое нажатие по инструкции в Кпробах) и двух стимулов обратной связи. В самом начале Л и Пр -проб в течение 500мс.