Badanie roli map wymiarów cech w poznaniu wizualnym: wpływ poziomu istotności (Expt 1.1)

W tym eksperymencie uczestnicy będą angażować się we wszystkie warunki zadania w schemacie powtarzanych działań. Uczestnicy nie są losowo przydzielani do grup, ponieważ wszyscy uczestnicy doświadczą tego samego zestawu eksperymentalnych manipulacji. W tym eksperymencie uczestnicy wykonają serię trudnych zadań związanych z uwagą wzrokową, podczas gdy pozycja ich oczu będzie śledzona podczas skanowania fMRI.

We wszystkich zadaniach uczestnicy będą dokonywać trudnych ocen dyskryminacji w oparciu o bodziec prezentowany w punkcie fiksacji (rozróżnij współczynnik proporcji + celu – szeroki czy wysoki?). Reakcje behawioralne zostaną zarejestrowane po naciśnięciu przycisku, co uczestnicy wykonają, trzymając w prawej ręce pudełko z przyciskami kompatybilne z fMRI.

W tym eksperymencie badacze będą manipulować aspektami wyświetlania bodźca, utrzymując stałe zadanie behawioralne. Te manipulacje pozwolą badaczom przetestować rolę selektywnych pod względem cech retinotopowych obszarów zainteresowania (ROI) w automatycznym wydobywaniu najistotniejszych informacji ze środowiska w celu kierowania uwagą wzrokową.

W tym eksperymencie (Eksperyment 1.1) badacze przetestują wpływ zmiany cechy definiującej istotność wyświetlanego bodźca wzrokowego na reprezentacje bodźców zrekonstruowane na podstawie wzorców aktywacji fMRI w retinotopowych obszarach ROI selektywnych pod względem cech. Uczestnicy będą w sposób ciągły wykonywać trudne zadanie rozróżniania fiksacji, podczas gdy od czasu do czasu pojawią się istotne bodźce. Bodźce będą składać się z migoczących szachownicy, statycznych kolorowych pól punktowych z zlokalizowanymi wyraźnymi plamami różnokolorowych kropek oraz ruchomych pól punktowych w skali szarości z zlokalizowanymi wyraźnymi plamami punktów poruszającymi się w innym kierunku. Wykazano, że pojedyncze neurony w korze wzrokowej makaków reagują na istotne bodźce, dlatego badacze spodziewają się, na podstawie poprzednich badań, istotnej reprezentacji lokalizacji najistotniejszego bodźca we wzorach reakcji mierzonych w obszarach mózgu selektywnych pod względem cech.

Uczestnicy zostaną również przeskanowani na potrzeby sesji mapowania anatomicznego i retinotopowego, która umożliwi badaczom identyfikację obszarów mózgu do dalszej analizy przy użyciu ugruntowanych i standardowych procedur.

PROJEKT STATYSTYCZNY I MOC

W badaniach fMRI opisanych w tym zapisie badania zastosowano model odwróconego kodowania (IEM) dla pozycji przestrzennej w celu ilościowego określenia reprezentacji bodźców na zrekonstruowanych mapach przestrzennych pola widzenia w oparciu o wzorce aktywacji mierzone w obszarach ROI selektywnych dla cech retinotopowych. Badacze rygorystycznie identyfikują obszary ROI, stosując niezależne techniki mapowania retinotopowego i lokalizatora, a także wykorzystują zadanie „mapowania” w celu oszacowania „stałego” modelu kodowania do zastosowania we wszystkich warunkach w każdym raportowanym eksperymencie. Te decyzje projektowe zapewniają, że badacze mogą zmaksymalizować swoją zdolność do wykrywania skutków manipulacji swoimi zainteresowaniami w obrębie poszczególnych uczestników i obszarów mózgu oraz zmaksymalizować moc statystyczną. Badacze stosują kompromis pomiędzy głębokim obrazowaniem kilku warunków eksperymentalnych i bodźcowych u poszczególnych uczestników a agregacją danych z umiarkowanej próby tych głęboko obrazowanych uczestników (n = 10; patrz poniżej). Umożliwia to badaczom uzyskanie wysokiej jakości, powtarzalnych szacunków opartych na modelu reprezentacji bodźców w obrębie zadań i manipulacji bodźcami u poszczególnych uczestników oraz przeprowadzenie wnioskowania statystycznego na temat tych pomiarów w całej badanej próbie.

Analizy fMRI zostaną przeprowadzone w obrębie mózgu każdego uczestnika, a wokselom zostaną przypisane etykiety „regionu” zgodnie z niezależnymi kryteriami (funkcjonalne mapowanie retinotopowe). W związku z tym nie ma porównań wymagających precyzyjnego ułożenia tkanki mózgowej pomiędzy uczestnikami ani generowania uśrednionych dla grupy „map” aktywacji mózgu. W związku z tym obawy dotyczące odtwarzalności map mózgu i powiązane obawy dotyczące mocy statystycznej są nieistotne w przypadku tego projektu badania.

Statystyczny projekt badania to projekt powtarzalnych pomiarów, w którym każdy uczestnik jest narażony na wszelkie manipulacje w badaniu. Kolejność manipulacji, których doświadcza każdy uczestnik, jest losowa wśród uczestników. Badacze zastosują nieparametryczne testy randomizacji do wszystkich porównań statystycznych, za pomocą których przeprowadzą testowanie hipotez (np. analizę wariancji z powtarzanymi pomiarami) przy użyciu „przetasowanych” danych (niedopasowane etykiety warunków względem zmierzonej aktywacji mapy w każdej próbie) w celu wygenerowania rozkładu zerowego statystyk testowych przy hipotezie zerowej o braku wpływu ich zmiennych niezależnych. Po częstym powtórzeniu tej procedury (1000 razy) na test, wartość p można oszacować, porównując statystykę testową obliczoną przy użyciu nienaruszonych etykiet z rozkładem zerowym i w razie potrzeby skorygowaną o wielokrotne porównania (np. poprzez współczynnik fałszywych odkryć). Stosowanie procedur permutacji do generowania rozkładu zerowego minimalizuje zależność od założeń parametrycznych.

Ponadto eksperymenty w ramach badania zaprojektowano w taki sposób, aby uzyskać wystarczającą ilość danych, aby dane od każdego indywidualnego uczestnika można było wykorzystać do przetestowania interesujących efektów. W związku z tym każdego uczestnika można uznać za niezależną „replikację” każdego innego uczestnika. W poprzednich badaniach, w których stosowano podobną metodologię, w których rekonstrukcje bodźców wzrokowych oparte na IEM porównywano w różnych warunkach, stosowano stosunkowo małe liczebności próbek (n = 8; n = 8; n = 7). W innych badaniach wykorzystujących modele pola recepcyjnego populacji lub lokalizator funkcjonalny specyficzny dla lokalizacji, które w zasadzie są bardzo podobne do podejścia zastosowanego tutaj, wykorzystano mniejsze wielkości próbek (np. n = 6).

Wielkość próbki i moc statystyczna:

W tym badaniu badacze uzyskają próbkę o średniej wielkości z obszernymi danymi dla każdego warunku zadania (n = 10; 2 eksperymentalne sesje fMRI, każda po 1,5–2 godziny, dla każdego uczestnika; wraz z 2-godzinnym obrazowaniem anatomicznym i mapowaniem retinotopowym fMRI sesja). Szczególnie interesujące jest to, że w jednym badaniu wzięło udział n = 6 uczestników, aby ustalić przy dużym rozmiarze efektu dz = 3,52, że woksele V1 dostrojone do lokalizacji bodźca, w której istotny bodziec został zdefiniowany na podstawie kontrastu cech, reagują silniej niż w przypadku braku kontrastu cech. W innym badaniu podobną wielkość efektu odnotowano w tej grupie w przypadku selektywnego pod względem koloru ROI, znanego jako hV4 (n = 6; dz = 1,06 i 1,80, odpowiednio dla kontrastu opartego na orientacji i ruchu).

W związku z tym, zakładając konserwatywną wielkość efektu wynoszącą 0,90 (w oparciu o te zgłoszone wcześniej), badacze oczekują, że wielkość próby n = 10 umożliwi badanie o dużej mocy (80%, α = 0,05) umożliwiające wykrycie podobnej zmiany w w tym eksperymencie (eksperyment 1.1), który jest najbardziej analogiczny do tego badania (jednostronny test T dla par).

Dodatkowo badacze wykorzystali dane pilotażowe (n = 3) do pomiaru wielkości efektu dla krytycznego porównania między modulacjami związanymi z istotnością między regionami selektywnymi dla cech, aby wynieść dz = 3,10 dla cechy definiującej istotność. Wartości te są współmierne z wartościami cytowanymi powyżej i dodatkowo wspierają wybór wielkości próby. Jeśli analizy danych uzyskanych podczas dalszych testów pilotażowych i udoskonalania eksperymentu sugerują mniejsze rozmiary efektu, badacze udoskonalą analizy mocy i odpowiednio dostosują przewidywaną rekrutację, aby zapewnić solidne i powtarzalne wyniki. Należy zauważyć, że ta analiza mocy opiera się na założeniach parametrycznych, które nie będą wymagane w przypadku proponowanych analiz, które odwołują się do metod randomizacji w celu obliczenia empirycznych rozkładów zerowych.