A jellemző dimenziótérképek szerepének vizsgálata a vizuális megismerésben: a munkamemória karbantartásának hatása (Expt 2.3)

Ebben a kísérletben a résztvevők minden feladatkörülményben részt vesznek egy ismételt mérési tervben. A résztvevőket nem véletlenszerűen osztják csoportokba, mivel minden résztvevő ugyanazt a kísérleti manipulációt fogja tapasztalni. Ebben a kísérletben a résztvevők egy sor kihívást jelentő vizuális munkamemória-feladatot hajtanak végre, miközben szemük helyzetét nyomon követik az fMRI-vizsgálat során.

A résztvevők minden feladatban pontosan emlékeznek és beszámolnak a periférián megjelenő inger egy jellemzőjéről (színről vagy mozgásról). A viselkedési válaszokat gombnyomással rögzítik, amit a résztvevők a jobb kezükben tartott fMRI-kompatibilis gombdoboz segítségével készítenek el.

Ebben a kísérletben a vizsgálók manipulálják a viselkedési feladat egyes aspektusait – emlékezett jellemző értékét és dimenzióját – miközben az ingermegjelenítést hasonlónak tartják (mozgó színes pontok; a mozgás iránya, helye és színe véletlenszerűen változott az egyes kísérletekben). Ezek a manipulációk lehetővé teszik a kutatók számára, hogy teszteljék a jellemző-szelektív retinotop érdeklődésre számot tartó régiók (ROI) szerepét az emlékezett vizuális ingerek térbeli és jellemző reprezentációinak támogatásában, rövid késleltetésekkel.

Ebben a kísérletben (2.3. kísérlet) a kutatók egyetlen ingert mutatnak be egy perifériás helyen, üres háttéren, amely egyenlítő színű mozgó pontokat tartalmaz (véletlenszerű színárnyalat és véletlenszerű sík mozgásirány). A résztvevőket minden próba elején figyelmeztetik, hogy emlékezzenek és jelentsenek vagy a pontok pontos színét vagy a mozgás irányát. Ha egy jellemződimenzió figyelése és kódolása modulálja az aktiválási profilokat a megfelelő dimenziótérképen belül, a vizsgálók azt várják, hogy az ingerreprezentáció szelektív javítását látják a vizsgált jellemzőt preferáló régió dimenziótérképében.

A résztvevőket egy anatómiai és retinotópiás feltérképezési munkamenethez is átvizsgálják, amely lehetővé teszi a kutatók számára, hogy jól bevált és szabványosított eljárásokkal azonosítsák az agyi régiókat további elemzés céljából.

STATISZTIKAI TERVEZÉS ÉS TELJESÍTMÉNY

Az ebben a vizsgálati feljegyzésben ismertetett fMRI-vizsgálatok fordított kódolási modellt (IEM) alkalmaznak a térbeli pozíció meghatározásához, hogy számszerűsítsék az ingerreprezentációkat a látómező rekonstruált térbeli térképein a retinotop jellemző-szelektív ROI-kban mért aktivációs minták alapján. A vizsgálók szigorúan azonosítják a ROI-kat független retinotópiás leképezési és lokalizációs technikák segítségével, és egy „leképezési” feladatot használnak egy „rögzített” kódolási modell becslésére, amely az egyes kísérletekben szereplő összes körülmény között használható. Ezek a tervezési döntések biztosítják, hogy a vizsgálók maximalizálják képességüket az érdeklődésükre számot tartó manipulációik hatásainak észlelésére az egyes résztvevőkben és az agyi régiókban, és maximalizálják a statisztikai teljesítményt. A kutatók kompromisszumot alkalmaznak az egyes résztvevőknél több kísérleti és stimulus körülmény mély képalkotása és a mélyen képzett résztvevők mérsékelt mintájára vonatkozó adatok összesítése között (n = 10; lásd alább). Ez lehetővé teszi a vizsgálók számára, hogy kiváló minőségű, reprodukálható becsléseket érjenek el a modellalapú ingerreprezentációkról a feladatok és az egyes résztvevők ingermanipulációi során, és statisztikai következtetéseket vonjanak le ezekről a mérésekről a vizsgálati mintán keresztül.

Az fMRI-elemzéseket minden résztvevő egyéni agyában végzik el, és a voxelekhez független kritériumok szerint „régió” címkéket rendelnek (funkcionális retinotop leképezés). Ennek megfelelően nincsenek olyan összehasonlítások, amelyek megkövetelik az agyszövetek pontos összehangolását a résztvevők között, és nem készítenek csoportos átlagolt „térképeket” az agyaktivációról. Mint ilyen, az agytérképek reprodukálhatóságával kapcsolatos aggodalmak és a kapcsolódó statisztikai erővel kapcsolatos aggodalmak irrelevánsak a vizsgálati terv szempontjából.

A vizsgálat statisztikai felépítése egy ismételt mérési terv, amelyben minden résztvevő ki van téve a vizsgálat során végzett összes manipulációnak. Az egyes résztvevők által tapasztalt manipulációk sorrendje véletlenszerűen van kiválasztva a résztvevők között. A vizsgálók nem-paraméteres randomizációs teszteket alkalmaznak minden statisztikai összehasonlításhoz, amelynek során hipotézis tesztelést (pl. ismételt mérésű varianciaanalízist) hajtanak végre „kevert” adatok (az egyes vizsgálatok során mért térképaktiváláshoz képest rosszul igazított állapotcímkék) felhasználásával nulleloszlás generálására. tesztstatisztikáinak nullhipotézise alapján, miszerint a független változó(i)nak nincs hatása. Ha ezt az eljárást alaposan (1000-szer) megismételjük tesztenként, a p-érték megbecsülhető úgy, hogy az érintetlen címkék használatával kiszámított tesztstatisztikát ehhez a nulleloszláshoz hasonlítjuk, és szükség szerint korrigáljuk többszörös összehasonlításra (például hamis felfedezési arány révén). Permutációs eljárások használata nulleloszlás generálására minimálisra csökkenti a parametrikus feltevésekre való hagyatkozást.

Ezenkívül a vizsgálaton belüli kísérleteket úgy tervezték meg, hogy elegendő adatot gyűjtsenek ahhoz, hogy az egyes résztvevők adatai felhasználhatók legyenek az érdeklődésre számot tartó hatások tesztelésére. Ennek megfelelően minden résztvevő a másik résztvevő független „replikációjának” tekinthető. Korábbi tanulmányok, amelyek hasonló módszertant alkalmaztak, ahol a vizuális ingerek IEM-alapú rekonstrukcióit hasonlították össze a körülmények között, viszonylag kis mintaméreteket alkalmaztak (n = 7-8). Más populációreceptív terepi modelleket vagy helyspecifikus funkcionális lokalizátort alkalmazó, az itt alkalmazott megközelítéshez elvileg nagyon hasonló tanulmányok kisebb mintaméreteket (pl. n = 6) alkalmaztak.

Mintaméret és statisztikai teljesítmény:

Ebben a vizsgálatban a vizsgálók egy köztes mintaméretet vesznek fel, kiterjedt adatokkal feladatkörülményenként (n = 10; 2 kísérleti fMRI munkamenet, egyenként 1,5-2 óra, minden résztvevő számára; valamint egy 2 órás anatómiai képalkotás és retinotópiás térképező fMRI ülés). Külön érdekesség, hogy egy tanulmányban n = 6 résztvevőt használtak fel annak megállapítására, hogy nagy hatásmérettel, dz = 3,52, hogy a V1 voxelek olyan ingerhelyre hangolva, ahol a jellegzetes ingert a jellemző kontrasztja határozta meg, erősebben reagálnak, mint amikor a jellemző kontraszt hiányzik. Egy másik tanulmányban ez a csoport hasonló hatásméretekről számolt be a hV4 néven ismert színszelektív ROI-ban (n = 6; dz = 1,06 és 1,80 a tájoláson és a mozgáson alapuló kontraszt esetében).

Ennek megfelelően 0,90 konzervatív hatásméretet feltételezve (a korábban közölt adatok alapján), a kutatók arra számítanak, hogy az n = 10 mintanagyság lehetővé teszi, hogy a vizsgálat megfelelő teljesítményt nyújtson (80%, α = 0,05), hogy hasonló változást észlelhessen Az 1.1. kísérlet, amely a leginkább analóg ezzel a vizsgálattal (egyirányú páros T-teszt).

Ezenkívül a vizsgálók kísérleti adataikat (n = 3) használták a hatás méretének mérésére a jellegzetesség-szelektív régiók közötti kiemelkedéshez kapcsolódó modulációk kritikus összehasonlításához, és ez dz = 3,10 volt a hangsúlyt meghatározó jellemző esetében. Ezek az értékek arányosak a fent idézettekkel, és tovább támasztják a mintanagyság kiválasztását. Ha a további kísérleti tesztelés és a kísérlet finomítása során nyert adatok elemzése kisebb hatásméreteket sugall, a vizsgálók finomítják a teljesítményelemzéseket, és ennek megfelelően módosítják a tervezett regisztrációt a robusztus és reprodukálható eredmények biztosítása érdekében. Megjegyzendő, hogy ez a teljesítményelemzés olyan parametrikus feltevéseken alapul, amelyek nem szükségesek a javasolt elemzésekhez, amelyek véletlenszerűsítési módszereket alkalmaznak az empirikus nulleloszlások kiszámításához.