音乐训练诱导的多感觉皮层区域的神经可塑性：一种转化方法 (MusicPlast) (MusicPlast)

目标和研究问题

MUSICPLAST 的第一个目标是深入探索健康人脑中视听感知的发展，详细描述所涉及的相应皮层网络。 高密度 EEG 测量（128 个通道）将用于实现这一目标，遵循一种刺激协议，该协议将听觉、视觉和视听对应结合在一个统一的多感官古怪范式中。 将对受试者的多感官知觉能力进行行为和神经心理学评估，以全面了解该现象。 不同条件下的被试内比较会揭示相应的网络，而被试间则揭示其发展轨迹。 这个实验的假设是，视听感知的基础网络将由连接广泛区域的皮质区域组成，包括额叶皮质的背外侧区域。 关于它的发展，基于行为多感官整合在健康老龄化中持续改善这一事实，假设随着年龄的增长，网络将重组，显示出更高的密度和效率。

MUSICPLAST 的第二个目标是深入探索健康人脑中作为视听感知基础的皮层网络的可塑性，这是通过计算机提供的短期音乐阅读训练诱导的。 训练前和训练后的高密度脑电图、行为和神经心理学测量将用于实现这一目标，遵循与前面提到的目标相同的刺激范式。 这个实验的假设是，作为视听感知基础的网络将被重组，显示出增强的全局密度和效率、颞叶和额极区域之间更大的连通性以及随着年龄的增长可塑性逐渐下降。

MUSICPLAST 的第三个目标是评估拟议的计算机化音乐阅读训练方案的有效性，作为一种工具，将促进病理人群，特别是有阅读障碍的青少年和老年人的有益神经可塑性变化。 训练前和训练后的高密度脑电图、行为和神经心理学测量将用于实现这一目标，遵循与前面提到的目标相同的刺激范式。 这个实验的假设是，由于训练显示出增强的全局密度和效率、颞叶和额极区域之间更大的连通性，并且这些变化将伴随着相应的行为和神经心理学的改善，因此视听感知的网络将被有益地重组评估。

研究设计和方法 参与者

基于之前 PI 相关研究的数据，通过 G-Power 进行了样本量分析，表明要达到 0.8 的功效和 a = 0.05 的双侧显着性水平，所需的样本量是 13 名受试者在每个组中。 为了解决可能的辍学问题，MUSICPLAST 将在每组中包括 20 名受试者 [青少年 (n = 20)、年轻人 (n = 20)、老年人 (n = 20) 和对照组 (n = 20)]。 该研究将根据赫尔辛基关于人类受试者参与研究的声明进行。

脑电图和行为测量

在培训开始前和培训结束后，参与者将接受 2 次脑电图测量。 记录将在位于 AUTH 医学物理实验室的电磁屏蔽室中使用带有 128 个有源电极的 Nihon Kohden EEG-1200 系统进行。 第一个测量将是静息状态活动，允许对静息状态皮层连接进行网络分析，而第二个测量将通过多感官古怪范式记录事件电位，该范式针对视听感知进行了适当调整，因为它将视听、听觉和视觉不匹配纳入了一个跑步。 该范式已被 PI 提出并成功应用于一系列研究中，它允许对皮质活动进行时空分析以及功能连接分析。

在脑电图测量的同时，受试者将通过按下按钮对视听一致性任务做出行为反应，他们必须根据“音调越高 - 音调越高”的规则评估所呈现的图像是否与他们听到的音调相对应圈的位置”。 这种测量将允许对一致和不一致的视听刺激的辨别准确性进行行为评估。

在培训开始前和培训结束后，参与者将接受神经心理学评估，评估包括以下测试：

所有科目：

Stroop Test Trail A 和 B Digit Span Test Performance Wechsler Intelligence Scale Children III 或 Wechsler Adult Intelligence Scale 根据年龄分测。

仅限长者：

简易精神状态检查 (MMSE) 蒙特利尔认知评估 (MoCA) 老年抑郁量表

仅消化不良：

单词和非单词阅读 单词和非单词拼写 语音能力

干预 - MUSICPLAST 培训协议

每个受试者将在 4 周内接受 20 节基于简化音乐阅读的计算机化培训。 培训将通过智能手机或平板电脑提供。 该应用程序将为每个培训课程记录一个日志文件，持续 20 分钟，日志文件将直接提供给研究人员，使他/她能够及时了解受试者的参与和承诺。 训练协议中使用的刺激将按照脑电图记录中使用的视听刺激模式的相同原则构建：视觉图像将在 5 条水平线的背景之上显示一个圆圈。 模式的持续时间平均为 10 秒。

五行内圆圈的位置要么遵循“音调越高，圆圈位置越高”的规则，要么违反上述规则。 在 PI 进行的关于诱导神经可塑性的积极结果的先前研究中原则上也遵循了这一规则。 视觉图像将仅代表音高的频率，而不代表节奏模式。 参与者必须在每次试验结束时通过按下按钮来响应视听输入是否确认或违反了上述规则。 每次试验都会提供正确回答的笑脸或错误回​​答的非笑脸的反馈图像。 该协议将调整难度，有 5 个难度级别，这将基于 2 个不同的因素：演示速度和音乐模式的难度。 与脑电图测量程序不同，在脑电图测量过程中，受试者不知道旋律模式，训练中使用的旋律模式将由已知音乐片段的简短但可识别的部分组成，以吸引参与者并激发情绪反应. 与 PI 的相应先前研究相比，将通过提供反馈和使用已知的音乐作品来改进培训，这些音乐作品将引起对受训者的情绪反应。

脑电数据分析和统计程序

收集的 EEG 数据将使用脑电源分析软件（BESA 研究，第 6 版，Megis 软件，德国海德堡）进行预处理。 记录的数据将以 1000 毫秒的纪元分隔，包括 200 毫秒的刺激前间隔。 纪元将使用 -100 到 0 毫秒的间隔进行基线校正。 将使用 BESA 提供的 sLORETA 方法 55 根据每个受试者和每个条件的神经反应计算电流密度重建 (CDR)。 The Matlab®（The MathWorks, Inc., Natick, Massachusetts, United States.） 工具箱 HERMES56 将用于从体素时间序列计算邻接矩阵。 工具箱基于网络的统计 (NBS) 将用于使用一般线性模型方法从统计上识别图中的重要连接。 对于数据的统计分析，将遵循 2 × 2 × 2 × 2 混合模型方差分析设计，其中 3 个受试者内因素：条件（一致和不一致）、方式（视听、听觉和视觉）和时间（预和培训后）和科目之间的一个：（年龄组）。 显着性水平将设置为 p < 0.05，通过 Family Wise Error 校正对多重比较进行校正。