- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05910762
Ludzkie uczenie się nowych ustrukturyzowanych informacji w czasie i podczas snu
Nauka nowej struktury w czasie i śnie
Działanie adaptacyjne wymaga szybkiego wychwycenia struktury w środowisku i przechowywania zdobytej wiedzy do efektywnego wykorzystania w przyszłości. Dominujące teorie dotyczące hipokampu koncentrowały się na jego zdolności do kodowania pojedynczych migawek doświadczenia, ale badacze i inni znaleźli dowody na to, że ma on również kluczowe znaczenie dla znalezienia struktury w różnych doświadczeniach. Mechanizmy tej podstawowej formy uczenia się nie zostały ustalone. Badacze opracowali model sieci neuronowej hipokampa, urzeczywistniając teorię, że jedno z jego podpól może szybko kodować strukturę za pomocą rozproszonych reprezentacji, potężnej formy reprezentacji, w której populacje neuronów reagują na wiele powiązanych cech środowiska.
Pierwszym celem tego projektu jest przetestowanie przewidywań tego modelu przy użyciu funkcjonalnego rezonansu magnetycznego (fMRI) o wysokiej rozdzielczości w paradygmatach wymagających integracji informacji z różnych doświadczeń. Wyniki wyjaśnią podstawowe mechanizmy uczenia się nowych struktur przez ludzi, rozstrzygając między istniejącymi modelami tego procesu i informując o dalszym rozwoju modeli. Istnieją również konkurencyjne teorie co do ostatecznego losu nowych reprezentacji hipokampa. Jeden pogląd zakłada, że podczas snu hipokamp odtwarza ostatnie informacje, aby zbudować długoterminowe rozproszone reprezentacje w korze nowej. Inny pogląd głosi, że wspomnienia są bezpośrednio i niezależnie formowane i konsolidowane w hipokampie i korze nowej.
Drugim celem tego projektu jest testowanie między tymi teoriami. Badacze ocenią zmiany w reprezentacjach hipokampa i kory w czasie, ponownie skanując uczestników i śledząc zmiany w pamięci z jednotygodniowym opóźnieniem. Wszelkie obserwowane zmiany w mózgu i zachowaniu w czasie mogą jednak wynikać z ogólnego wpływu czasu lub aktywnego przetwarzania podczas snu.
Trzecim celem jest więc ocena konkretnego przyczynowego wkładu snu w konsolidację ustrukturyzowanych informacji. Badacze wykorzystają elektroencefalografię snu w czasie rzeczywistym, aby odtwarzać sygnały dźwiękowe w celu odchylenia reaktywacji pamięci. Badacze spodziewają się, że ta praca wyjaśni podłoża anatomiczne i, co najważniejsze, naturę reprezentacji, które wspierają kodowanie i konsolidację nowej struktury w środowisku.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Typ studiów
Zapisy (Szacowany)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Anna C Schapiro, PhD
- Numer telefonu: 6177974555
- E-mail: aschapir@sas.upenn.edu
Kopia zapasowa kontaktu do badania
- Nazwa: Rishi Krishnamurthy, BA
- Numer telefonu: 4255050841
- E-mail: rishikr@sas.upenn.edu
Lokalizacje studiów
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Stany Zjednoczone, 19104
- Rekrutacyjny
- University of Pennsylvania
-
Kontakt:
- Rishi Krishnamurthy, BA
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- Między 18 a 35 rokiem życia (wszystkie cele)
- Nie jest członkiem wrażliwej populacji (wszystkie cele)
- Widzenie normalne lub skorygowane do normalnego (wszystkie cele)
- Normalny słuch (wszystkie cele)
- Płynnie mówić po angielsku (wszystkie cele)
- Brak wcześniejszej historii poważnych zaburzeń psychicznych lub neurologicznych (Cele 1 i 2; specyficzne dla MRI)
- Obecnie nie przyjmuje żadnych leków przeciwdepresyjnych ani uspokajających (Cele 1 i 2; specyficzne dla MRI)
- Brak znanych zaburzeń neurologicznych (Cel 3; specyficzny dla EEG)
Kryteria wyłączenia:
- Badacze wykluczą osoby z przeciwwskazaniami do MR, takimi jak nieusuwalne urządzenia biomedyczne lub metal w ciele lub na ciele (Cele 1 i 2; specyficzne dla MRI)
- Klaustrofobia (Cele 1 i 2; specyficzna dla MRI)
- Kobiety w ciąży również zostaną wykluczone z neuroobrazowania, ponieważ wpływ MR na ciążę nie jest w pełni poznany (Cele 1 i 2; specyficzne dla MRI)
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Podstawowa nauka
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Pojedynczy
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Uczenie się i konsolidacja we wnioskowaniu asocjacyjnym
Proponowane badanie funkcjonalnego rezonansu magnetycznego ocenia reprezentacje neuronowe przyczyniające się do zdolności ludzi do kojarzenia obiektów na poparcie prostych wniosków i uogólnień.
Wszyscy uczestnicy zostaną poddani tej samej procedurze.
Uczestnicy dowiedzą się o parach obiektów, a następnie zostaną poproszeni o dokonanie oceny i wnioskowanie na temat relacji między przedmiotami.
Kolejność prezentacji obiektów będzie manipulowana w ramach przedmiotów, ponieważ różne teorie uczenia się przewidują różne przewidywania dotyczące przebiegu uczenia się w różnych porządkach.
Uczestnicy zostaną sprowadzeni z powrotem tydzień później na drugi skan, aby ocenić, jak neuronowe substraty tych procesów zmieniają się wraz z konsolidacją.
|
Uczestnicy zaangażują się w paradygmat wnioskowania asocjacyjnego.
Pamięć zostanie oceniona behawioralnie, a reprezentacje neuronowe zostaną ocenione za pomocą funkcjonalnego rezonansu magnetycznego.
|
|
Eksperymentalny: Nauka i utrwalanie w nauce kategorii
Proponowane badanie funkcjonalnego rezonansu magnetycznego ocenia reprezentacje neuronowe przyczyniające się do zdolności ludzi do uczenia się nowych kategorii obiektów.
Wszyscy uczestnicy zostaną poddani tej samej procedurze.
Uczestnicy poznają nowe obiekty, z których każdy ma kilka kolorowych części.
Niektóre części są unikalne dla poszczególnych obiektów, a inne są wspólne dla członków kategorii.
Badacze ocenią, w jaki sposób różne regiony mózgu przyczyniają się do uczenia się i zapamiętywania tych różnych rodzajów części oraz w jaki sposób powstałe reprezentacje wspierają rozumienie kategorii.
Uczestnicy zostaną sprowadzeni z powrotem tydzień później na drugi skan, aby ocenić, jak neuronowe substraty tych procesów zmieniają się wraz z konsolidacją.
|
Uczestnicy wezmą udział w paradygmacie uczenia się kategorii.
Pamięć zostanie oceniona behawioralnie (Ramię 2 i 3), a reprezentacje neuronowe zostaną ocenione za pomocą funkcjonalnego rezonansu magnetycznego (Ramię 2).
|
|
Eksperymentalny: Manipulowanie powtórką podczas snu za pomocą EEG w czasie rzeczywistym
W proponowanym badaniu elektroencefalograficznym (EEG) wszyscy uczestnicy zostaną poddani tej samej procedurze.
Uczestnicy poznają cechy wizualne i nazwy mówione związane z trzema kategoriami nowych obiektów.
Pamięć uczestników dotycząca tych obiektów i części obiektów zostanie przetestowana przed i po drzemce.
Badacze będą monitorować aktywność mózgu podczas drzemki w czasie rzeczywistym iw optymalnych momentach cicho odtwarzać wypowiadane nazwy obiektów, aby zachęcić do reaktywacji poszczególnych obiektów w określonej kolejności.
Badacze ocenią, w jaki sposób ta manipulacja wpływa na pamięć tych obiektów.
|
Uczestnicy wezmą udział w paradygmacie uczenia się kategorii.
Pamięć zostanie oceniona behawioralnie (Ramię 2 i 3), a reprezentacje neuronowe zostaną ocenione za pomocą funkcjonalnego rezonansu magnetycznego (Ramię 2).
Uczestnicy będą spać po zaangażowaniu się w paradygmat uczenia się kategorii, podczas gdy dane elektroencefalograficzne będą zbierane, a pamięć będzie oceniana behawioralnie po śnie.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Zmiany w reprezentacjach wielowymiarowych
Ramy czasowe: W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
Zmiany w korelacjach przestrzennych między wzorcem MRI BOLD związanym z powiązanymi obiektami w trakcie uczenia się iz tygodniowym opóźnieniem.
|
W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
|
Korelacje mózg-zachowanie
Ramy czasowe: W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
Korelacje między sygnałem BOLD w mózgu a zachowaniem uczestników podczas oceniania obiektów.
|
W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
|
Korelacje między aktywnością w regionach mózgu
Ramy czasowe: W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
Relacje między aktywnością BOLD w różnych regionach mózgu jako funkcja typu próby i opóźnienia.
|
W ramach pierwszej sesji (obejmującej 2-3 godziny) iz około tygodniowym opóźnieniem w drugiej sesji (obejmującej 1-2 godziny)
|
|
Dokładność pamięci
Ramy czasowe: W ramach jednej sesji badawczej (trwającej 4-5 godz.)
|
Zmiana zdolności uogólniania przed i po drzemce jako funkcja różnych warunków wskazywania obiektów podczas snu.
|
W ramach jednej sesji badawczej (trwającej 4-5 godz.)
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Anna C Schapiro, PhD, University of Pennsylvania
Publikacje i pomocne linki
Publikacje ogólne
- Kriegeskorte N, Mur M, Bandettini P. Representational similarity analysis - connecting the branches of systems neuroscience. Front Syst Neurosci. 2008 Nov 24;2:4. doi: 10.3389/neuro.06.004.2008. eCollection 2008.
- Schapiro AC, Turk-Browne NB, Norman KA, Botvinick MM. Statistical learning of temporal community structure in the hippocampus. Hippocampus. 2016 Jan;26(1):3-8. doi: 10.1002/hipo.22523. Epub 2015 Oct 13.
- Mack ML, Love BC, Preston AR. Building concepts one episode at a time: The hippocampus and concept formation. Neurosci Lett. 2018 Jul 27;680:31-38. doi: 10.1016/j.neulet.2017.07.061. Epub 2017 Aug 8.
- Schapiro AC, Rogers TT, Cordova NI, Turk-Browne NB, Botvinick MM. Neural representations of events arise from temporal community structure. Nat Neurosci. 2013 Apr;16(4):486-92. doi: 10.1038/nn.3331. Epub 2013 Feb 17.
- Kumaran D, McClelland JL. Generalization through the recurrent interaction of episodic memories: a model of the hippocampal system. Psychol Rev. 2012 Jul;119(3):573-616. doi: 10.1037/a0028681.
- Schapiro AC, McDevitt EA, Chen L, Norman KA, Mednick SC, Rogers TT. Sleep Benefits Memory for Semantic Category Structure While Preserving Exemplar-Specific Information. Sci Rep. 2017 Nov 1;7(1):14869. doi: 10.1038/s41598-017-12884-5.
- McClelland JL, McNaughton BL, O'Reilly RC. Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychol Rev. 1995 Jul;102(3):419-457. doi: 10.1037/0033-295X.102.3.419.
- Schapiro AC, McDevitt EA, Rogers TT, Mednick SC, Norman KA. Human hippocampal replay during rest prioritizes weakly learned information and predicts memory performance. Nat Commun. 2018 Sep 25;9(1):3920. doi: 10.1038/s41467-018-06213-1.
- Goldi M, van Poppel EAM, Rasch B, Schreiner T. Increased neuronal signatures of targeted memory reactivation during slow-wave up states. Sci Rep. 2019 Feb 25;9(1):2715. doi: 10.1038/s41598-019-39178-2.
- Hu X, Cheng LY, Chiu MH, Paller KA. Promoting memory consolidation during sleep: A meta-analysis of targeted memory reactivation. Psychol Bull. 2020 Mar;146(3):218-244. doi: 10.1037/bul0000223.
- Cairney SA, Guttesen AAV, El Marj N, Staresina BP. Memory Consolidation Is Linked to Spindle-Mediated Information Processing during Sleep. Curr Biol. 2018 Mar 19;28(6):948-954.e4. doi: 10.1016/j.cub.2018.01.087. Epub 2018 Mar 8.
- Eichenbaum H. Prefrontal-hippocampal interactions in episodic memory. Nat Rev Neurosci. 2017 Sep;18(9):547-558. doi: 10.1038/nrn.2017.74. Epub 2017 Jun 29.
- Schapiro AC, Kustner LV, Turk-Browne NB. Shaping of object representations in the human medial temporal lobe based on temporal regularities. Curr Biol. 2012 Sep 11;22(17):1622-7. doi: 10.1016/j.cub.2012.06.056. Epub 2012 Aug 9.
- Schapiro AC, Gregory E, Landau B, McCloskey M, Turk-Browne NB. The necessity of the medial temporal lobe for statistical learning. J Cogn Neurosci. 2014 Aug;26(8):1736-47. doi: 10.1162/jocn_a_00578. Epub 2014 Jan 23.
- Covington NV, Brown-Schmidt S, Duff MC. The Necessity of the Hippocampus for Statistical Learning. J Cogn Neurosci. 2018 May;30(5):680-697. doi: 10.1162/jocn_a_01228. Epub 2018 Jan 8.
- Schlichting ML, Preston AR. Memory integration: neural mechanisms and implications for behavior. Curr Opin Behav Sci. 2015 Feb;1:1-8. doi: 10.1016/j.cobeha.2014.07.005.
- Hinton, GE. Distributed representations. Technical Report CMU-CS-84-157. 1984.
- Schapiro AC, Turk-Browne NB, Botvinick MM, Norman KA. Complementary learning systems within the hippocampus: a neural network modelling approach to reconciling episodic memory with statistical learning. Philos Trans R Soc Lond B Biol Sci. 2017 Jan 5;372(1711):20160049. doi: 10.1098/rstb.2016.0049.
- Norman KA, O'Reilly RC. Modeling hippocampal and neocortical contributions to recognition memory: a complementary-learning-systems approach. Psychol Rev. 2003 Oct;110(4):611-46. doi: 10.1037/0033-295X.110.4.611.
- Yonelinas AP, Ranganath C, Ekstrom AD, Wiltgen BJ. A contextual binding theory of episodic memory: systems consolidation reconsidered. Nat Rev Neurosci. 2019 Jun;20(6):364-375. doi: 10.1038/s41583-019-0150-4.
- Singh D, Norman KA, Schapiro AC. A model of autonomous interactions between hippocampus and neocortex driving sleep-dependent memory consolidation. Proc Natl Acad Sci U S A. 2022 Nov;119(44):e2123432119. doi: 10.1073/pnas.2123432119. Epub 2022 Oct 24.
- Hassabis D, Kumaran D, Summerfield C, Botvinick M. Neuroscience-Inspired Artificial Intelligence. Neuron. 2017 Jul 19;95(2):245-258. doi: 10.1016/j.neuron.2017.06.011.
- McCloskey M, Cohen NJ. Catastrophic interference in connectionist networks: The sequential learning problem. Psychology of Learning and Motivation. 1989; 24: 109-165.
- Daw ND, Niv Y, Dayan P. Uncertainty-based competition between prefrontal and dorsolateral striatal systems for behavioral control. Nat Neurosci. 2005 Dec;8(12):1704-11. doi: 10.1038/nn1560. Epub 2005 Nov 6.
- Leutgeb S, Leutgeb JK, Treves A, Moser MB, Moser EI. Distinct ensemble codes in hippocampal areas CA3 and CA1. Science. 2004 Aug 27;305(5688):1295-8. doi: 10.1126/science.1100265. Epub 2004 Jul 22.
- Leutgeb JK, Leutgeb S, Moser MB, Moser EI. Pattern separation in the dentate gyrus and CA3 of the hippocampus. Science. 2007 Feb 16;315(5814):961-6. doi: 10.1126/science.1135801.
- Nakashiba T, Young JZ, McHugh TJ, Buhl DL, Tonegawa S. Transgenic inhibition of synaptic transmission reveals role of CA3 output in hippocampal learning. Science. 2008 Feb 29;319(5867):1260-4. doi: 10.1126/science.1151120. Epub 2008 Jan 24.
- Schlichting ML, Preston AR. Hippocampal-medial prefrontal circuit supports memory updating during learning and post-encoding rest. Neurobiol Learn Mem. 2016 Oct;134 Pt A(Pt A):91-106. doi: 10.1016/j.nlm.2015.11.005. Epub 2015 Nov 25.
- Guise KG, Shapiro ML. Medial Prefrontal Cortex Reduces Memory Interference by Modifying Hippocampal Encoding. Neuron. 2017 Apr 5;94(1):183-192.e8. doi: 10.1016/j.neuron.2017.03.011. Epub 2017 Mar 23.
- Barker GR, Banks PJ, Scott H, Ralph GS, Mitrophanous KA, Wong LF, Bashir ZI, Uney JB, Warburton EC. Separate elements of episodic memory subserved by distinct hippocampal-prefrontal connections. Nat Neurosci. 2017 Feb;20(2):242-250. doi: 10.1038/nn.4472. Epub 2017 Jan 9.
- Wimmer GE, Daw ND, Shohamy D. Generalization of value in reinforcement learning by humans. Eur J Neurosci. 2012 Apr;35(7):1092-104. doi: 10.1111/j.1460-9568.2012.08017.x.
- Tompary A, Davachi L. Consolidation Promotes the Emergence of Representational Overlap in the Hippocampus and Medial Prefrontal Cortex. Neuron. 2020 Jan 8;105(1):199-200. doi: 10.1016/j.neuron.2019.12.020. No abstract available.
- Antony JW, Schapiro AC. Active and effective replay: systems consolidation reconsidered again. Nat Rev Neurosci. 2019 Aug;20(8):506-507. doi: 10.1038/s41583-019-0191-8. No abstract available.
- Paller KA. Sleeping in a Brave New World: Opportunities for Improving Learning and Clinical Outcomes through Targeted Memory Reactivation. Curr Dir Psychol Sci. 2017 Dec;26(6):532-537. doi: 10.1177/0963721417716928. Epub 2017 Nov 1.
- Armstrong K, Kose S, Williams L, Woolard A, Heckers S. Impaired associative inference in patients with schizophrenia. Schizophr Bull. 2012 May;38(3):622-9. doi: 10.1093/schbul/sbq145. Epub 2010 Dec 6.
- Molitor RJ, Sherrill KR, Morton NW, Miller AA, Preston AR. Memory Reactivation during Learning Simultaneously Promotes Dentate Gyrus/CA2,3 Pattern Differentiation and CA1 Memory Integration. J Neurosci. 2021 Jan 27;41(4):726-738. doi: 10.1523/JNEUROSCI.0394-20.2020. Epub 2020 Nov 25.
- Dimsdale-Zucker HR, Ritchey M, Ekstrom AD, Yonelinas AP, Ranganath C. CA1 and CA3 differentially support spontaneous retrieval of episodic contexts within human hippocampal subfields. Nat Commun. 2018 Jan 18;9(1):294. doi: 10.1038/s41467-017-02752-1.
- Schlichting ML, Zeithamova D, Preston AR. CA1 subfield contributions to memory integration and inference. Hippocampus. 2014 Oct;24(10):1248-60. doi: 10.1002/hipo.22310. Epub 2014 Jun 11.
- Shohamy D, Wagner AD. Integrating memories in the human brain: hippocampal-midbrain encoding of overlapping events. Neuron. 2008 Oct 23;60(2):378-89. doi: 10.1016/j.neuron.2008.09.023.
- Zeithamova D, Schlichting ML, Preston AR. The hippocampus and inferential reasoning: building memories to navigate future decisions. Front Hum Neurosci. 2012 Mar 26;6:70. doi: 10.3389/fnhum.2012.00070. eCollection 2012.
- Schlichting ML, Mumford JA, Preston AR. Learning-related representational changes reveal dissociable integration and separation signatures in the hippocampus and prefrontal cortex. Nat Commun. 2015 Aug 25;6:8151. doi: 10.1038/ncomms9151.
- Tompary A, Al-Aidroos N, Turk-Browne NB. Attending to What and Where: Background Connectivity Integrates Categorical and Spatial Attention. J Cogn Neurosci. 2018 Sep;30(9):1281-1297. doi: 10.1162/jocn_a_01284. Epub 2018 May 23.
- Carr VA, Rissman J, Wagner AD. Imaging the human medial temporal lobe with high-resolution fMRI. Neuron. 2010 Feb 11;65(3):298-308. doi: 10.1016/j.neuron.2009.12.022.
- Poppenk J, Evensmoen HR, Moscovitch M, Nadel L. Long-axis specialization of the human hippocampus. Trends Cogn Sci. 2013 May;17(5):230-40. doi: 10.1016/j.tics.2013.03.005. Epub 2013 Apr 16.
- Chanales AJH, Tremblay-McGaw AG, Drascher ML, Kuhl BA. Adaptive Repulsion of Long-Term Memory Representations Is Triggered by Event Similarity. Psychol Sci. 2021 May;32(5):705-720. doi: 10.1177/0956797620972490. Epub 2021 Apr 21.
- Miner AE, Schurgin MW, Brady TF. Is working memory inherently more "precise" than long-term memory? Extremely high fidelity visual long-term memories for frequently encountered objects. J Exp Psychol Hum Percept Perform. 2020 Aug;46(8):813-830. doi: 10.1037/xhp0000748. Epub 2020 Apr 23.
- Zhao Y, Chanales AJH, Kuhl BA. Adaptive Memory Distortions Are Predicted by Feature Representations in Parietal Cortex. J Neurosci. 2021 Mar 31;41(13):3014-3024. doi: 10.1523/JNEUROSCI.2875-20.2021. Epub 2021 Feb 22.
- Ashby FG, Maddox WT. Human category learning 2.0. Ann N Y Acad Sci. 2011 Apr;1224:147-161. doi: 10.1111/j.1749-6632.2010.05874.x. Epub 2010 Dec 23.
- Bowman CR, Iwashita T, Zeithamova D. Tracking prototype and exemplar representations in the brain across learning. Elife. 2020 Nov 26;9:e59360. doi: 10.7554/eLife.59360.
- Margalit E, Biederman I, Tjan BS, Shah MP. What Is Actually Affected by the Scrambling of Objects When Localizing the Lateral Occipital Complex? J Cogn Neurosci. 2017 Sep;29(9):1595-1604. doi: 10.1162/jocn_a_01144. Epub 2017 May 11.
- Rogers TT, Hocking J, Noppeney U, Mechelli A, Gorno-Tempini ML, Patterson K, Price CJ. Anterior temporal cortex and semantic memory: reconciling findings from neuropsychology and functional imaging. Cogn Affect Behav Neurosci. 2006 Sep;6(3):201-13. doi: 10.3758/cabn.6.3.201.
- Landmann N, Kuhn M, Piosczyk H, Feige B, Baglioni C, Spiegelhalder K, Frase L, Riemann D, Sterr A, Nissen C. The reorganisation of memory during sleep. Sleep Med Rev. 2014 Dec;18(6):531-41. doi: 10.1016/j.smrv.2014.03.005. Epub 2014 Mar 18.
- Whitmore NW, Bassard AM, Paller KA. Targeted memory reactivation of face-name learning depends on ample and undisturbed slow-wave sleep. NPJ Sci Learn. 2022 Jan 12;7(1):1. doi: 10.1038/s41539-021-00119-2.
- Norman KA, Newman EL, Perotte AJ. Methods for reducing interference in the Complementary Learning Systems model: oscillating inhibition and autonomous memory rehearsal. Neural Netw. 2005 Nov;18(9):1212-28. doi: 10.1016/j.neunet.2005.08.010. Epub 2005 Nov 2.
- Zhou Z, Singh D, Tandoc MC, Schapiro AC. Building integrated representations through interleaved learning. J Exp Psychol Gen. 2023 Sep;152(9):2666-2684. doi: 10.1037/xge0001415. Epub 2023 May 25.
- Klinzing JG, Niethard N, Born J. Mechanisms of systems memory consolidation during sleep. Nat Neurosci. 2019 Oct;22(10):1598-1610. doi: 10.1038/s41593-019-0467-3. Epub 2019 Aug 26.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 833228B
- R01MH129436 (Grant/umowa NIH USA)
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Ramy czasowe udostępniania IPD
Kryteria dostępu do udostępniania IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .