Influence of «sensory prehistory» on the ambiguous stimuli processing in the human brain

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Purpose of this work is to study the effect of previous sensory information on the brain’s processing of current visual stimuli. Bistable images (Necker cubes) with a high degree of ambiguity (HA) and a low degree of ambiguity (LA) were used as visual stimuli. Methods. In this paper, we used wavelets to identify features of the brain activity signals. A multivariate analysis of variance was used to compare behavioral characteristics. Spectral power and event-related spectral perturbations were compared via a cluster-based permutation test using the FieldTrip package for Matlab. Results. We found that when the HA stimuli followed the LA stimuli, the activity of neurons in the sensory areas decreased in the early processing stage but increased in the later stages. This result confirmed the hierarchical organization of processing, where the low levels processed the details of the stimulus, and the high levels represented its interpretation. We supposed that processing of HA and LA stimuli was similar at low levels due to their similar morphology. Therefore, the brain might use the LA stimulus template at low levels to reduce the demands when processing the details of the HA stimulus. When the LA stimulus followed the HA stimulus, a weakened response in the sensory regions accompanied a high response in the frontal cortex. It reflected activation of the top-down cognitive functions, detecting a mismatch between the LA stimulus and the HA stimulus template. Conclusion. These results expanded the existing knowledge about the sensory processing mechanisms.

Авторлар туралы

Alexander Kuc

Immanuel Kant Baltic Federal University; Innopolis University

14 A. Nevskogo ul., Kaliningrad, 236041

Vladimir Maksimenko

Immanuel Kant Baltic Federal University; Innopolis University; Lobachevsky State University of Nizhny Novgorod

14 A. Nevskogo ul., Kaliningrad, 236041

Aleksandr Hramov

Immanuel Kant Baltic Federal University; Innopolis University; Lobachevsky State University of Nizhny Novgorod

14 A. Nevskogo ul., Kaliningrad, 236041

Әдебиет тізімі

  1. Rauss K., Pourtois G. What is bottom-up and what is top-down in predictive coding? // Frontiers in Psychology. 2013. Vol. 4. P. 276. doi: 10.3389/fpsyg.2013.00276.
  2. Teufel C., Fletcher P. C. Forms of prediction in the nervous system // Nature Reviews Neuroscience. 2020. Vol. 21, no. 4. P. 231-242. doi: 10.1038/s41583-020-0275-5.
  3. Kok P., Failing M. F., de Lange F. P. Prior expectations evoke stimulus templates in the primary visual cortex // Journal of Cognitive Neuroscience. 2014. Vol. 26, no. 7. P. 1546-1554. doi: 10.1162/jocn_a_00562.
  4. Kok P., Mostert P., de Lange F. P. Prior expectations induce prestimulus sensory templates // Proceedings of the National Academy of Sciences of the United States of America. 2017. Vol. 114, no. 39. P. 10473-10478. doi: 10.1073/pnas.1705652114.
  5. Teufel C., Dakin S. C., Fletcher P. C. Prior object-knowledge sharpens properties of early visual feature-detectors // Scientific Reports. 2018. Vol. 8, no. 1. P. 10853. doi: 10.1038/s41598-018- 28845-5.
  6. Heekeren H. R., Marrett S., Ungerleider L. G. The neural systems that mediate human perceptual decision making // Nature Reviews Neuroscience. 2008. Vol. 9, no. 6. P. 467-479. doi: 10.1038/nrn2374.
  7. Friston K. The free-energy principle: a rough guide to the brain? // Trends in Cognitive Sciences. 2009. Vol. 13, no. 7. P. 293-301. doi: 10.1016/j.tics.2009.04.005.
  8. Wacongne C., Labyt E., van Wassenhove V., Bekinschtein T., Naccache L., Dehaene S. Evidence for a hierarchy of predictions and prediction errors in human cortex // Proceedings of the National Academy of Sciences of the United States of America. 2011. Vol. 108, no. 51. P. 20754-20759. doi: 10.1073/pnas.1117807108.
  9. Henson R. N. A., Rugg M. D. Neural response suppression, haemodynamic repetition effects, and behavioural priming // Neuropsychologia. 2003. Vol. 41, no. 3. P. 263-270. doi: 10.1016/S0028- 3932(02)00159-8.
  10. Vogels R. Sources of adaptation of inferior temporal cortical responses // Cortex. 2016. Vol. 80. P. 185-195. doi: 10.1016/j.cortex.2015.08.024.
  11. Vinken K., Op de Beeck H. P., Vogels R. Face repetition probability does not affect repetition suppression in macaque inferotemporal cortex // Journal of Neuroscience. 2018. Vol. 38, no. 34. P. 7492-7504. doi: 10.1523/JNEUROSCI.0462-18.2018.
  12. Gilbert C. D., Li W. Top-down influences on visual processing // Nature Reviews Neuroscience. 2013. Vol. 14, no. 5. P. 350-363. doi: 10.1038/nrn3476.
  13. Schwiedrzik C. M., Freiwald W. A. High-level prediction signals in a low-level area of the macaque face-processing hierarchy // Neuron. 2017. Vol. 96, no. 1. P. 89-97. doi: 10.1016/j.neuron.2017.09.007.
  14. Maksimenko V., Kuc A., Frolov N., Kurkin S., Hramov A. Effect of repetition on the behavioral and neuronal responses to ambiguous Necker cube images // Scientific Reports. 2021. Vol. 11, no. 1. P. 3454. doi: 10.1038/s41598-021-82688-1.
  15. Maksimenko V. A., Frolov N. S., Hramov A. E., Runnova A. E., Grubov V. V., Kurths J., Pisarchik A. N. Neural interactions in a spatially-distributed cortical network during perceptual decision-making // Frontiers in Behavioral Neuroscience. 2019. Vol. 13. P. 220. doi: 10.3389/fnbeh.2019.00220.
  16. Maksimenko V. A., Runnova A. E., Zhuravlev M. O., Makarov V. V., Nedayvozov V., Grubov V. V., Pchelintceva S. V., Hramov A. E., Pisarchik A. N. Visual perception affected by motivation and alertness controlled by a noninvasive brain-computer interface // PLoS ONE. 2017. Vol. 12, no. 12. P. e0188700. doi: 10.1371/journal.pone.0188700.
  17. Kornmeier J., Friedel E., Wittmann M., Atmanspacher H. EEG correlates of cognitive time scales in the Necker-Zeno model for bistable perception // Consciousness and Cognition. 2017. Vol. 53. P. 136-150. doi: 10.1016/j.concog.2017.04.011.
  18. Hramov A. E., Maksimenko V. A., Pchelintseva S. V., Runnova A. E., Grubov V. V., Musatov V. Y., Zhuravlev M. O., Koronovskii A. A., Pisarchik A. N. Classifying the perceptual interpretations of a bistable image using EEG and artificial neural networks // Frontiers in Neuroscience. 2017. Vol. 11. P. 674. doi: 10.3389/fnins.2017.00674.
  19. Delorme A., Makeig S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis // Journal of Neuroscience Methods. 2004. Vol. 134, no. 1. P. 9-21. doi: 10.1016/j.jneumeth.2003.10.009.
  20. Павлов А. Н., Храмов А. Е., Короновский А. А., Ситникова Е. Ю., Макаров В. А., Овчинников А. А. Вейвлет-анализ в нейродинамике // УФН. 2012. Т. 182, № 9. С. 905-939. doi: 10.3367/UFNr.0182.201209a.0905.
  21. Hramov A. E., Koronovskii A. A., Makarov V. A., Maksimenko V. A., Pavlov A. N., Sitnikova E. Wavelets in Neuroscience. Cham: Springer, 2021. 384 p. doi: 10.1007/978-3-030-75992-6.
  22. Bakdash J. Z., Marusich L. R. Repeated measures correlation // Frontiers in Psychology. 2017. Vol. 8. P. 456. doi: 10.3389/fpsyg.2017.00456.
  23. Summerfield C., de Lange F. P. Expectation in perceptual decision making: neural and computational mechanisms // Nature Reviews Neuroscience. 2014. Vol. 15, no. 11. P. 745-756. doi: 10.1038/nrn3838.
  24. Tseng P., Iu K.-C., Juan C.-H. The critical role of phase difference in theta oscillation between bilateral parietal cortices for visuospatial working memory // Scientific Reports. 2018. Vol. 8, no. 1. P. 349. doi: 10.1038/s41598-017-18449-w.
  25. Berger B., Griesmayr B., Minarik T., Biel A. L., Pinal D., Sterr A., Sauseng P. Dynamic regulation of interregional cortical communication by slow brain oscillations during working memory // Nature Communications. 2019. Vol. 10, no. 1. P. 4242. doi: 10.1038/s41467-019-12057-0.
  26. Engel A. K., Fries P. Beta-band oscillations - signalling the status quo? // Current Opinion in Neurobiology. 2010. Vol. 20, no. 2. P. 156-165. doi: 10.1016/j.conb.2010.02.015.
  27. Okazaki M., Kaneko Y., Yumoto M., Arima K. Perceptual change in response to a bistable picture increases neuromagnetic beta-band activities // Neuroscience Research. 2008. Vol. 61, no. 3. P. 319-328. doi: 10.1016/j.neures.2008.03.010.
  28. Folstein J. R., Van Petten C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review // Psychophysiology. 2008. Vol. 45, no. 1. P. 152-170. doi: 10.1111/j.1469- 8986.2007.00602.x.
  29. Nigbur R., Ivanova G., Sturmer B. Theta power as a marker for cognitive interference // Clinical Neurophysiology. 2011. Vol. 122, no. 11. P. 2185-2194. doi: 10.1016/j.clinph.2011.03.030.
  30. Wagner J., Wessel J. R., Ghahremani A., Aron A. R. Establishing a right frontal beta signature for stopping action in scalp EEG: Implications for testing inhibitory control in other task contexts // Journal of Cognitive Neuroscience. 2018. Vol. 30, no. 1. P. 107-118. doi: 10.1162/jocn_a_01183.
  31. Dehais F., Dupres A., Di Flumeri G., Verdiere K., Borghini G., Babiloni F., Roy R. Monitoring pilot’s cognitive fatigue with engagement features in simulated and actual flight conditions using an hybrid fNIRS-EEG passive BCI // 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC) / IEEE. New York, 2019. P. 544-549. doi: 10.1109/SMC.2018.00102.
  32. Gateau T., Ayaz H., Dehais F. In silico vs. over the clouds: On-the-fly mental state estimation of aircraft pilots, using a functional near infrared spectroscopy based passive-BCI // Frontiers in Human Neuroscience. 2018. Vol. 12. P. 187. doi: 10.3389/fnhum.2018.00187.
  33. Maksimenko V. A., Hramov A. E., Grubov V. V., Nedaivozov V. O., Makarov V. V., Pisarchik A. N. Nonlinear effect of biological feedback on brain attentional state // Nonlinear Dynamics. 2019. Vol. 95, no. 3. P. 1923-1939. doi: 10.1007/s11071-018-4668-1.
  34. Hramov A. E., Maksimenko V. A., Pisarchik A. N. Physical principles of brain-computer interfaces and their applications for rehabilitation, robotics and control of human brain states // Physics Reports. 2021. Vol. 918. P. 1-133. doi: 10.1016/j.physrep.2021.03.002.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».