想起を支える表象変化のダイナミクス

被験者ごとにfMRIセッションを2回実施します。 ローカライザーセッションでは、研究者は各個人の脳空間において視覚領域を定義するために必要な解剖学的画像とfMRIデータを収集します。 高解像度の解剖学的画像2枚に加えて、すべての参加者から2つの短い機能タスクを取得します：1）集団受容野（pRF）マッピング；2）視覚カテゴリローカライザー。 pRFマッピングタスクでは、視野の中心8度を横切るバー開口部が移動する複数のランが行われます。 これにより、視覚皮質の個々のボクセルの網膜対応感受性を推定し、異なる網膜対応フィールドマップ間の境界を描画することができます。 視覚カテゴリローカライザーは、異なる画像カテゴリを持つブロックデザインとなります。 これにより、高次カテゴリ選択的脳領域を定義することができます。

実験セッションでは、被験者が同じ刺激の知覚と想起を行っている間に、研究者はfMRIデータを収集します。 我々の発見が単純な視覚刺激と複雑な視覚刺激の両方に一般化するかどうかを評価するために、2種類の刺激を使用します：先行研究に従った離散的な空間位置の単純なパターンと、自然画像です。 学習ブロックでは、被験者は手がかりと刺激のペアを学習します。 色付きの固定点が手がかりとして使用されます。 刺激は前述のクラスのいずれかから選択されます。 想起ブロックでは、参加者は手がかりを与えられた刺激を想起するよう求められます。 想起は、反復条件と対照条件のいずれかで行われます。 反復条件では、記憶表現が繰り返し検索によってどのように進化するかを調べることができ、対照条件では、同じ実際の時間間隔における変化を評価するための一致したベースラインを提供します。 反復条件のペアでは、参加者は各刺激を5回想起し、他のペアからの想起と交互に行います。 対照条件のペアでは、参加者は各刺激を2回想起します。 重要なことに、この条件からの想起は、反復条件からの想起1回目と5回目に一致するように間隔を空けて行われ、経過時間の対照を提供します。 学習ブロックと想起ブロックは交互の順序で実行されます。

分析では、反復想起、対照想起、学習条件からのBOLD活動パターンを比較します。 学習試行のデータは平均化され、各刺激に対して単一のパターンを形成します。 想起データは、両条件において各刺激と各想起試行ごとに個別に分析されます。 空間的刺激と自然画像の両方について、研究者は反復条件と対照条件間の表現的変化の比較に焦点を当てます。 脳表現を特徴付けるために使用される特定のモデルは刺激タイプによって異なりますが、分析はそれ以外は並行した手順に従います。 空間的刺激については、研究者はpRF推定値とタスクベースのBOLDデータを組み合わせて視覚領域の空間的チューニングを定量化する、以前に発表されたアプローチを使用します。 この方法では、各ボクセルのタスク誘発性BOLD応答の振幅を、ボクセルのpRFと刺激の空間的位置との距離の関数として評価します。 研究者は、反復想起条件と対照想起条件、および学習条件間の空間的チューニングを比較し、空間的チューニングの変化が反復想起に伴って蓄積するかどうかを判断します。 自然画像については、研究者はBOLD活動パターンの表現的構造を畳み込みニューラルネットワーク（CNN）モデルのそれと比較します。 表現的類似性分析（RSA）を使用して、研究者はCNNから導出された埋め込みと、学習時および想起時のBOLD活動パターンとの間の類似性を評価します。 初期のCNN層との高い相関は低レベル視覚特徴が表現されていることを示唆し、より深い層との高い相関は高レベル視覚特徴の表現を示します。 研究者はこのアプローチを使用して反復条件と対照条件からの相関を比較し、表現的変化が反復想起によって強化されるかどうかをテストします。