پژوهشگران دانشگاه پادووا ایتالیا، دانشگاه والادولید اسپانیا، دانشگاه فودان چین، دانشگاه وسترن اونتاریو، و دانشگاه اتاوا کانادا، دانشگاه میشیگان ایالات متحده امریکا، انستیتو ماکس پلانک، انستیتو هرتی، و دانشگاه وین اتریش در پژوهشی مشترک به بررسی نقشه مغزی برای شناخت راه های افزایش سرعت یادگیری در مغز پرداختند.
روش پژوهش افزایش سرعت یادگیری:
در این پژوهش گذشته نگر تحلیل ثانوی، داده های 4 وضعیت خواب (27 نفر)، بیهوشی (20 نفر)، حالت بیدار بدون پاسخ (49 نفر)، و ALS (36 نفر) بررسی شدند. ابزار مورد استفاده از این پژوهش دستگاه QEEG بود که بسته به پژوهش شامل 11 الی 257 سنسور بود. نرخ نمونه گیری بین 500 تا هزار هرتز و حداقل زمان ثبت نوار مغزی 5 دقیقه بود.
داده ها با استفاده از نرم افزار MATLAB تحلیل شدند.
یافته های پژوهش افزایش سرعت یادگیری:
- هر چه مقیاس زمانی مغز و نورون ها طولانی تر می شود، امواج مغزی موجود در QEEG به سمت موج های با فرکانس کندتر متمایل می شوند.
- هر چه مقیاس های زمانی نورون های مغزی طولانی تر می شود، نقایص حسی بیشتر می شوند. اما نقایص حرکتی تغییر نمی کنند.
- فعالیت های مقیاس های درونی مغز با پردازش اطلاعات حسی و ادراکی در ارتباطند، نه با پردازش اطلاعات حرکتی.
راهبردهای کارکردی پژوهش افزایش سرعت یادگیری:
- امواج با فرکانس بالاتر در نقشه مغزی، نشانگر توانمندی بیشتر فرد در یادگیری محتوای شناختی است.
- برای افزایش سرعت یادگیری بر اساس نقشه مغزی و لورتا فیدبک، می توان به تقویت شدت امواج با فرکانس بالاتر پرداخت تا خطاهای شناختی ادراکی کاهش یابند.
- در روانشناسی ورزشی و پرورش استعداد ورزشی، برای تقویت یادگیری حرکتی، فعالیت های کاهش سرعت مغزی (همچون خواب) بسیار سودمند هستند. چون منجر به کاهش پردازش اطلاعات حسی شده و فضای پردازشی بیشتری برای اطلاعات حرکتی ایجاد می شود.
Are intrinsic neural timescales related to sensory processing? Evidence from abnormal behavioral states
Abstract
The brain exhibits a complex temporal structure which translates into a hierarchy of distinct neural timescales. An open question is how these intrinsic timescales are related to sensory or motor information processing and whether these dynamics have common patterns in different behavioral states.
Method:
We address these questions by investigating the brain’s intrinsic timescales in healthy controls:
motor reduction (amyotrophic lateral sclerosis, locked-in syndrome)
sensory reduction (anesthesia, unresponsive wakefulness syndrome)
progressive reduction of sensory processing (from awake states over N1, N2, N3).
We employed a combination of measures from EEG resting-state data: auto-correlation window (ACW), power spectral density (PSD), and power-law exponent (PLE).
Results:
Prolonged neural timescales accompanied by a shift towards slower frequencies were observed in the conditions with sensory deficits, but not in conditions with motor deficits.
Conclusion:
Our results establish that the spontaneous activity’s intrinsic neural timescale is related to the neural capacity that specifically supports sensory rather than motor information processing in the healthy brain.
Keywords
Intrinsic neural timescales, Auto-correlation window, Unresponsive wakefulness syndrome, Anesthesia, Amyotrophic lateral sclerosis.
دیدگاهها 1