Erfassen der autobiografischen Gedächtnisbildung in realen Raumräumen mithilfe multimodaler Aufzeichnungen (CAPTURE)

Diese Beobachtungsstudie zielt darauf ab, neue Methoden zur Integration multimodaler Datenströme mit invasiven neuronalen Aufzeichnungen bei Personen mit implantierten Neurostimulationsgeräten (z. B. Neuropace -RNs) zu entwickeln und zu validieren. Die Studie konzentriert sich darauf, die neuronalen Mechanismen zu verstehen, die autobiografischem Gedächtnis (AM) Bildung und Abruf in realen Umgebungen zugrunde liegen. Durch die Nutzung von Echtzeit-, ökologisch gültigen Datenerfassung versucht diese Forschung, die Lücke zwischen kontrollierten Labor-Gedächtnisstudien und naturalistischen Gedächtnisprozessen zu schließen.

Studiendesign- und Datenerfassungsteilnehmer mit implantierten Neurostimulationsgeräten verwenden eine Smartphone-basierte Anwendung (CAPTION), um reale Erfahrungen zu protokollieren und zusätzliche Sensoren zu tragen, um Verhaltens-, physiologische und Umgebungsdaten aufzuzeichnen.

Die Studie integriert mehrere Datenmodalitäten, einschließlich:

• Neuralaufzeichnungen aus implantierten Neurostimulationsgeräten
• Wearable -Sensordaten, einschließlich:
• Audio-visuelle Aufnahmen
• GPS -Standortverfolgung
• Beschleunigungsanalyse für die Bewegungsanalyse
• Autonome Physiologiemessungen (z. B. Herzfrequenz, Hautleitfähigkeit)
• Eye-Tracking-Daten

Durch die Synchronisierung dieser Datenströme werden die Forscher eine hohe Repräsentation von autobiografischen Speichercodierung und Abrufprozessen im täglichen Leben festlegen.

Analysemethoden und Datenintegration

Diese Studie zielt darauf ab, Rechenrahmen für die Ausrichtung und Analyse von Echtzeitdaten zu entwickeln. Die primären methodischen Ziele umfassen:

• Zeitliche Synchronisation multimodaler Daten mit neuronalen Aufzeichnungen
• Automatisierte Merkmalextraktion aus Verhaltens- und physiologischen Daten
• Neuronale Signalverarbeitungstechniken, um Aktivitätsmuster zu identifizieren, die mit der Gedächtnisbildung und dem Abrufen verbunden sind
• Entwicklung maschineller Lernmodelle zur Vorhersage eines erfolgreichen Speichercodierens und Rückrufs auf der Grundlage neuronaler und Verhaltenssignale
• Diese analytischen Fortschritte ermöglichen es den Forschern, die maßgeschneiderte Gehirnaktivität in naturalistischen Umgebungen zu bewerten und Einblicke in die neuronalen Korrelate des autobiografischen Gedächtnisses der realen Welt zu geben.

Mögliche Auswirkungen:

Die Ergebnisse dieser Studie haben signifikante Auswirkungen auf neurowissenschaftliche, kognitive Psychologie und klinische Anwendungen. Durch die Festlegung von Methoden zur naturalistischen neuronalen Aufzeichnung und -analyse ebnet diese Forschung den Weg für neuromodulationsbasierte Gedächtnisverbesserungstherapien für Personen mit Gedächtniserkrankungen, einschließlich Personen mit Epilepsie, traumatischer Hirnverletzung und neurodegenerativen Erkrankungen. Die Studie fördert auch die kognitive Neurowissenschaften der realen Welt und ermöglicht ein tieferes Verständnis dafür, wie das Gehirn das Gedächtnis außerhalb der Laborumgebungen unterstützt.