Удержание вербальной и невербальной серийной информации в рабочей памяти. Анализ функциональных и эффективных связей

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе исследовались различия в структуре мозговых систем, обеспечивающих кодирование и удержание в рабочей памяти (РП) двух видов информации: вербальных (буквы) и невербальных (сегменты незамкнутой ломаной линии) последовательностей, предъявляемых либо статически, либо динамически. Мозговые системы характеризовались силой функциональных и эффективных связей между восемью приблизительно билатерально-симметричными корковыми локусами, включавшими дорсолатеральную префронтальную кору (dlPFC) и участки височной (STG), теменной (IPS) и затылочной (v2) коры.

На группе испытуемых, у которых регистрировалась ЭЭГ высокой плотности, с помощью 8-канальной векторной авторегрессионной модели в пространстве корковых источников ЭЭГ показано, что: 1) мозговая организация РП при удержании последовательности букв отличается от таковой при удержании последовательности сегментов ломаной линии; 2) мозговая организация РП зависит от режима предъявления последовательностей: сила функциональной связи различна при динамическом и статическом предъявлении последовательности; 3) различия в структуре функциональных и эффективных связей не носят выраженный частотно-избирательный характер и наблюдаются во всех исследованных энцефалографических частотных диапазонах от тета (4–8 Гц) до высокочастотного гамма (50–60 Гц); 4) наиболее надежные различия между задачей удержания последовательности букв и задачей удержания последовательности сегментов ломаной линии наблюдаются в альфаи бета-диапазонах частот при статическом зрительном предъявлении последовательностей в измеряемой с помощью когерентности силе функциональной связи между левополушарной dlPFC и правополушарной STG, а также в тета-диапазоне между правополушарной dlPFC и левой зрительной корой v2; 5) наиболее надежное различие между статическим и динамическим режимами предъявления наблюдается в задаче на удержание сегментов ломаной линии в гамма-диапазоне частот (50–60 Гц) между dlPFC в правом полушарии и левой зрительной корой v2.

Полный текст

Доступ закрыт

Об авторах

А. В. Курганский

ФГБНУ “Институт развития, адаптации и здоровья ребенка”; Институт высшей нервной деятельности и нейрофизиологии РАН; Российская академия народного хозяйства и государственной службы

Автор, ответственный за переписку.
Email: akurg@yandex.ru
Россия, Москва; Москва; Москва

А. А. Корнеев

ФГБНУ “Институт развития, адаптации и здоровья ребенка”; Московский государственный университет им. М.В. Ломоносова

Email: akurg@yandex.ru
Россия, Москва; Москва

Д. И. Ломакин

ФГБНУ “Институт развития, адаптации и здоровья ребенка”

Email: akurg@yandex.ru
Россия, Москва

Р. И. Мачинская

ФГБНУ “Институт развития, адаптации и здоровья ребенка”; Российская академия народного хозяйства и государственной службы

Email: akurg@yandex.ru
Россия, Москва; Москва

Список литературы

  1. Величковский Б.Б. Рабочая память человека: структура и механизмы. М.: Когито-центр Москва, 2015. 247.
  2. Величковский Б.М. Когнитивная наука: Основы психологии познания в 2 т. Т. 1. М: “Смысл”, 2006. 488.
  3. Корнеев А.А., Ломакин Д.И., Курганский А.В. Отсроченное копирование незнакомых контурных изображений: отражает ли убывание времени реакции с ростом задержки изменение внутреннего представления будущего движения? Журнал высшей нервной деятельности им. И.П. Павлова. 2016а. 66 (1): 51–61.
  4. Корнеев А.А., Ломакин Д.И., Курганский А.В., Мачинская Р.И. Отсроченное копирование незнакомых контурных изображений: анализ потенциалов, связанных с предъявлением стимулов. Журнал высшей нервной деятельности им. И.П. Павлова. 2016б. 66 (4): 470–483.
  5. Корнеев А.А., Ломакин Д.И., Курганский А.В., Мачинская Р.И. Удержание вербальной и невербальной серийной информации в рабочей памяти. Психология. Журнал Высшей школы экономики. 2022. 19 (2): 87–106.
  6. Корнеев А.А., Курганский А.В. Преобразование порядка движений в серии, заданной зрительным образцом. Вестник Московского университета. Серия 14. Психология. 2014. 2: 61–74.
  7. Курганский А.В., Ломакин Д.И., Корнеев А.А., Мачинская Р.И. Мозговая организация рабочей памяти при отсроченном копировании ломаной линии: анализ потенциалов, связанных с императивным сигналом. Журнал высшей нервной деятельности им. И.П. Павлова. 2022. 72 (3): 387–404.
  8. Курганский А.В. Некоторые вопросы исследования кортико-кортикальных функциональных связей с помощью векторной авторегрессионной модели многоканальной ЭЭГ. Журн. высш. нервн. деят. им. И.П. Павлова. 2010. 60 (6): 740–759.
  9. Курганский А.В., Григал П.П. Направленные кортикокортикальные функциональные взаимодействия на ранних стадиях серийного научения у взрослых и детей 7–8 лет. Физиология человека. 2010. 36 (4); 44–56.
  10. Фарбер Д.А., Бетелева Т.Г. Формирование мозговой организации рабочей памяти в младшем школьном возрасте. Физиология человека. 2011. 37 (1): 5–15.
  11. Absatova K.A., Kurgansky A.V., Machinskaya R.I. The recall modality affects the source-space effective connectivity in the θ-band during the retention of visual information. Psychology & Neuroscience.2016. 9 (3): 344–361.
  12. Ahveninen J., Uluç I, Raij T., Nummenmaa A., Mamashli F. Spectrotemporal content of human auditory working memory represented in functional connectivity patterns. Commun Biol. 2023 Mar 20; 6 (1): 294. https://doi.org/10.1038/s42003-023-04675-8
  13. Akalin Acar Z., Makeig S. Effects of forward model errors on EEG source localization. Brain Topogr. 2013. 26 (3): 378–396. https://doi.org/10.1007/s10548-012-0274-6
  14. Babiloni C., Babiloni F., Carducci F., Cincotti F., Vecchio F., Cola B. et al. Functional frontoparietal connectivity during short-term memory as revealed by highresolution EEG coherence analysis. Behav Neurosci. 2004. 118 (4): 687–697. https://doi.org/10.1037/0735-7044.118.4.687
  15. Baccalá L.A., Sameshima K. Partial directed coherence: a new concept in neural structure determination. Biol Cybern. 2001. 84 (6): 463–474. https://doi.org/10.1007/PL00007990
  16. Baddeley A.D., Hitch G. Working Memory. Psychology of Learning and Motivation, edited by G.H. Bower, Academic Press 1974. 8: 47–89. https://doi.org/10.1016/S0079-7421(08)60452-1
  17. Baddeley A.D. Developing the Concept of Working Memory: The Role of Neuropsychology1. Arch Clin Neuropsychol. 2021. 36 (6): 861–873. https://doi.org/10.1093/arclin/acab060
  18. Barbey A.K., Koenigs M., Grafman J. Orbitofrontal contributions to human working memory. Cereb Cortex. 2011. 21 (4): 789–795. https://doi.org/10.1093/cercor/bhq153
  19. Barrouillet P., Camos V. Working Memory and Executive Control: A Time-based Resource-sharing Account. Psychologica Belgica. 2010. 50 (3–4): 353–382. https://doi.org/10.5334/pb-50-3-4-353
  20. Bezdicek O., Ballarini T., Albrecht F., Libon D.J., Lamar M., Růžička F. et al. Serial-order recall in working memory across the cognitive spectrum of Parkinson’s disease and neuroimaging correlates. J. Neuropsychol. 2021. 15 (1): 88–111. https://doi.org/10.1111/jnp.12208
  21. Binder J.R. The Wernicke area: Modern evidence and a reinterpretation. Neurology. 2015. 85 (24): 2170–2175. https://doi.org/10.1212/WNL.0000000000002219
  22. Carpenter A.F., Baud-Bovy G., Georgopoulos A.P., Pellizzer G. Encoding of serial order in working memory: neuronal activity in motor, premotor, and prefrontal cortex during a memory scanning task. J. Neurosci. 2018. 38 (21): 4912–4933. https://doi.org/10.1523/JNEUROSCI.3294-17.2018
  23. Carreiras M., Quiñones I., Hernández-Cabrera J.A., Duñabeitia J.A. Orthographic coding: brain activation for letters, symbols, and digits. Cereb.Cortex. 2015. 25 (12): 4748– 4760. https://doi.org/10.1093/cercor/bhu163
  24. Cui J., Xu L., Bressler S.L., Ding M., Liang H. BSMART: a Matlab/C toolbox for analysis of multichannel neural time series. Neural. Netw. 2008. 21 (8): 1094–104. https://doi.org/10.1016/j.neunet.2008.05.007
  25. D’Esposito M., Postle B.R. The cognitive neuroscience of working memory. Annu. Rev. Psychol. 2015. 66: 115–142. https://doi.org/10.1146/annurev-psych-010814-015031
  26. Eickhoff S.B., Stephan K.E., Mohlberg H., Grefkes C., Fink G.R., Amunts K., Zilles K. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. Neuroimage. 2005. 25 (4): 1325–1335. https://doi.org/10.1016/j.neuroimage.2004.12.034
  27. Eriksson J., Vogel E.K., Lansner A., Bergström F., Nyberg L. Neurocognitive architecture of working memory. Neuron. 2015. 88 (1): 33–46. https://doi.org/10.1016/j.neuron.2015.09.020
  28. Fougnie D., Marois R. Working memory capacity is modalityspecific: Evidence of separate stores for auditory and visuospatial stimuli [Abstract]. J. Vision. 2008. 8 (6): 1169, 1169a.
  29. Freunberger R., Fellinger R., Sauseng P., Gruber W., Klimesch W. Dissociation between phase-locked and nonphase-locked alpha oscillations in a working memory task. Hum. Brain Mapp. 2009. 30 (10): 3417–3425.: https://doi.org/10.1002/hbm.20766
  30. Frost A., Moussaoui S., Kaur J., Aziz S., Fukuda K., Niemeier M. Is the n-back task a measure of unstructured working memory capacity? Towards understanding its connection to other working memory tasks. Acta Psychol. (Amst). 2021. 219: 103398. https://doi.org/10.1016/j.actpsy.2021.103398
  31. Gazzaley A., Rissman J., D’Esposito M. Functional connectivity during working memory maintenance. Cogn. Affect. Behav. Neurosci. 2004. 4 (4): 580–599. https://doi.org/10.3758/cabn.4.4.580
  32. Ikkai A., Curtis C.E.A. Common neural mechanisms supporting spatial working memory, attention and motor intention. Neuropsychologia. 2011. 9 (6): 1428–1434. https://doi.org/10.1016/j.neuropsychologia.2010.12.020
  33. Jackson J.B., Feredoes E., Rich A.N., Lindner M., Woolgar A. Concurrent neuroimaging and neurostimulation reveals a causal role for dlPFC in coding of task-relevant information. Commun. Biol. 2021. 4 (1): 588. https://doi.org/10.1038/s42003-021-02109-x
  34. Johnson E.L., Chang W.K., Dewar C.D., Sorensen D., Lin J.J., Solbakk A.K. et al. Orbitofrontal cortex governs working memory for temporal order. Curr. Biol. 2022. 32 (9): R410–R411. https://doi.org/10.1016/j.cub.2022.03.074
  35. Kawasaki M., Kitajo K., Yamaguchi Y. Dynamic links between theta executive functions and alpha storage buffers in auditory and visual working memory. Eur. J. Neurosci. 2010. 31 (9): 1683–1689.
  36. Koenigs M., Barbey A.K., Postle B.R., Grafman J. Superior parietal cortex is critical for the manipulation of information in working memory. J. Neurosci. 2009. 29 (47): 14980–14986. https://doi.org/10.1523/JNEUROSCI.3706-09.2009
  37. Lenartowicz A., McIntosh A.R. The role of anterior cingulate cortex in working memory is shaped by functional connectivity. J. Cogn. Neurosci. 2005. 17 (7): 1026– 1042. https://doi.org/10.1162/0898929054475127
  38. Li J., Cao D., Yu S., Xiao X., Imbach L., Stieglitz L. et al. Functional specialization and interaction in the amygdala-hippocampus circuit during working memory processing. Nat. Commun. 2023. 14 (1): 2921. https://doi.org/10.1038/s41467-023-38571-w
  39. Li Y., Cowan N. Constraints of attention, stimulus modality, and feature similarity in working memory. Atten. Percept. Psychophys. 2022. 84 (8): 2519–2539. https://doi.org/10.3758/s13414-022-02549-5
  40. Mackey W.E., Devinsky O., Doyle W.K., Golfinos J.G., Curtis C.E. Human parietal cortex lesions impact the precision of spatial working memory. J. Neurophysiol. 2016. 116 (3): 1049–1054. https://doi.org/10.1152/jn.00380.2016
  41. Nystrom L.E., Braver T.S., Sabb F.W., Delgado M.R., Noll D.C., Cohen J.D. Working memory for letters, shapes, and locations: fMRI evidence against stimulus-based regional organization in human prefrontal cortex. Neuroimage. 2000. 11 (5 Pt 1): 424–446. https://doi.org/10.1006/nimg.2000.0572
  42. Pascual-Marqui R.D., Lehmann D., Koukkou M., Kochi K., Anderer P., Saletu B. et al. Assessing interactions in the brain with exact low-resolution electromagnetic to mography. Philos. Trans. A Math. Phys. Eng. Sci. 2011. 369 (1952): 3768–3784. https://doi.org/10.1098/rsta.2011.0081
  43. Postle B.R. Cognitive neuroscience of visual working memory. In R.H. Logie, V. Camos, & N. Cowan (Eds.) Working memory: State of the science (pp. 333–357). Oxford University Pres. 2021. https://doi.org/10.1093/oso/9780198842286.003.0012
  44. Pratte M.S., Tong F. Spatial specificity of working memory representations in the early visual cortex. J. Vis. 2014. 14 (3): 22. https://doi.org/10.1167/14.3.22
  45. Ren Z., Zhang Y., He H., Feng Q., Bi T., Qiu J. The different brain mechanisms of object and spatial working memory: voxel-based morphometry and resting-state functional connectivity. Front. Hum. Neurosci. 2019. 13: 248. https://doi.org/10.3389/fnhum.2019.00248
  46. Robert S., Ungerleider L.G., Vaziri-Pashkam M. Disentangling object category representations driven by dynamic and static visual input. J. Neurosci. 2023. 43 (4): 621–634. https://doi.org/10.1523/JNEUROSCI.0371-22.2022
  47. Sauseng P., Klimesch W., Heise K.F., Gruber W.R., Holz E., Karim A.A. et al. Brain oscillatory substrates of visual short-term memory capacity. Curr. Biol. 2009. 19 (21): 1846–1852. https://doi.org/1016/j.cub.2009.08.062
  48. Sheth B.R., Young R. Two visual pathways in primates based on sampling of space: exploitation and exploration of visual information. Front. Integr. Neurosci. 2016. 10: 37. https://doi.org/10.3389/fnint.2016.00037
  49. Shirazi S.Y., Huang H.J. More reliable EEG electrode digitizing methods can reduce source estimation uncertainty, but current methods already accurately identify Brodmann areas. Front. Neurosci. 2019. 13: 1159. https://doi.org/10.3389/fnins.2019.01159
  50. Wager T.D., Smith E.E. Neuroimaging studies of working memory: a meta-analysis. Cogn. Affect. Behav. Neurosci. 2003. 3 (4): 255–274. https://doi.org/10.3758/cabn.3.4.255
  51. Webler R.D., Fox J., McTeague L.M., Burton P.C., Dowdle L., Short E.B. et al. DLPFC stimulation alters working memory related activations and performance: An interleaved TMS-fMRI study. Brain Stimul. 2022. 15 (3): 823–832. https://doi.org/10.1016/j.brs.2022.05.014
  52. Working memory: State of the science. H. Logie, V. Camos & N. Cowan (Eds.) Oxford University Press., 2021.
  53. Yu Q., Postle B.R. The neural codes underlying internally generated representations in visual working memory. J. Cogn. Neurosci. 2021. 33 (6): 1142–1157. https://doi.org/10.1162/jocn_a_01702
  54. Zhao Y.J., Kay K.N., Tian Y., Ku Y. Sensory recruitment revisited: ipsilateral V1 involved in visual working memory. Cereb. Cortex. 2022. 32 (7): 1470–1479. https://doi.org/10.1093/cercor/bhab300

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Временная структура типичной пробы эксперимента. Вдоль оси времени слева направо, разделенные вертикальными линиями (SB – начало стимуляции; SE – окончание стимуляции; Go – предъявление императивного сигнала), обозначены: этап престимульного внимания (ATT), период зрительной стимуляции – предъявления последовательности стимулов (STIM), этап удержания последовательности в рабочей памяти (RET) и этап двигательного воспроизведения удерживаемой последовательности в ответ на предъявление императивного сигнала (сигнал Go). Над участком оси времени, соответствующим зрительной стимуляции, показаны два используемых типа зрительных последовательностей: строчки букв (LET) и ломаные линии, или “траектории” (TRJ), составленные из вертикальных и горизонтальных прямолинейных отрезков. Последовательность каждого типа предъявлялась либо в статическом (STAT), либо в динамическом (DYN) режиме (подробности – в тексте). Связи оценивались на отрезках длительностью 500 мс (обозначены – EEG); один из них соответствовал этапу ATT и непосредственно предшествовал началу стимуляции (SB), а другой состоял из первых 500 мс ЭЭГ сразу после окончания стимуляции (SE).

Скачать (90KB)
Метаданные
3. Рис. 2. Усредненные по группе испытуемых значения величины COH для связей F-T, F-P и F-O. ((а), (б), (в)) – величины COH в двух задачах: LET и TRJ (усреднены по уровням факторов FBAND, HEM_F, MODE); ((г), (д), (е)) – величины COH в двух режимах предъявления последовательностей: STAT и DYN (усреднены по уровням факторов FBAND, HEM_F, TASK). Белые кружочки соответствуют расположению височных (T), теменных (P) и затылочных (О) ОИ в левом полушарии, а черные – в правом.

Скачать (217KB)
Метаданные
4. Рис. 3. Усредненные по группе испытуемых значения величины DTF для связей F-T, F-P и F-O. ((а), (б), (в)) – величины DTF в двух задачах: LET и TRJ (усреднены по уровням факторов FBAND, DIR, HEM_F, MODE); ((г), (д), (е)) – величины DTF в двух режимах предъявления последовательностей: STAT и DYN (усреднены по уровням факторов FBAND, DIR, HEM_F, TASK). Белые кружочки соответствуют расположению височных (T), теменных (P) и затылочных (О) ОИ в левом полушарии, а черные – в правом.

Скачать (216KB)
Метаданные
5. Рис. 4. Усредненные по всем испытуемым графики зависимости когерентности от частоты для двух условий и примеры индивидуальных зависимостей для этих условий ((г), (д), (е)). В верхнем ряду панелей ((а), (б), (в)) показаны графики усредненной по группе испытуемых зависимости . (а) – в паре ОИ, образованной dlPFC в левом полушарии и правополушарной STG, при статическом зрительном предъявлении; сплошная кривая соответствует задаче LET, а штриховая – задаче TRJ; (б) – в паре ОИ, образованной dlPFC в правом полушарии и левой зрительной корой v2, при статическом зрительном предъявлении; сплошная кривая соответствует задаче LET, а штриховая – задаче TRJ; (в) – в паре, образованной dlPFC в правом полушарии и левой зрительной корой v2, в задаче TRJ; сплошная кривая соответствует статическому режиму предъявления STAT, а штриховая – динамическому DYN. В верхнем ряду панелей ((а), (б), (в)) жирная кривая (сплошная или штриховая) означает среднюю по группе испытуемых зависимость, а соответствующими сплошными или штриховыми тонкими линиями выше и ниже нее обозначен коридор (среднее ± стандартная ошибка). В нижнем ряду панелей ((г), (д), (е)) показаны примеры соответствующих верхним кривым индивидуальных зависимостей : (г) содержит индивидуальный пример для (а), (д) – для (б) и (е) – для (в). Светло-серая вертикальная полоса отмечает частотные области, в которых две кривые, показанные на панелях ((а), (б), (в)), отличаются статистически значимо. Эти же вертикальные полосы воспроизведены на соответствующих примерах индивидуальных кривых ((г), (д), (е)).

Скачать (294KB)
Метаданные

© Российская академия наук, 2024

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах