মানব সেরিবেলাম এবং কর্টিকোসেরেবেলার সংযোগ আবেগগত স্মৃতি বর্ধনে জড়িত অংশ 3

একসাথে নেওয়া, DCM বিশ্লেষণে দেখা গেছে যে মানসিক স্মৃতিশক্তি বৃদ্ধিতে জড়িত 25 সেরিব্রাল ROI থেকে, 13 ROI গুলি সেরিবেলামের সাথে সংযোগের শক্তি বৃদ্ধি করেছে, বেশিরভাগ ক্ষেত্রে সেরিবেলাম থেকে কর্টিকালআরওআইগুলির দিকে, দুটি ক্ষেত্রে বিপরীত দিকে এবং অন্য দুটি ক্ষেত্রে উভয় দিক।

একটি সুখী এবং ইতিবাচক মেজাজ মানুষের স্মৃতিশক্তি উন্নত করতে পারে। এর কারণ হল মানসিক মেমরি বর্ধিতকরণ প্রক্রিয়া মানুষের জন্য দীর্ঘমেয়াদী স্মৃতিতে গুরুত্বপূর্ণ তথ্য সংরক্ষণ করা সহজ করে তোলে। গবেষণা দেখায় যে যখন মানবদেহ শক্তিশালী আবেগ অনুভব করে, তখন শরীর অনুঘটক পদার্থগুলি প্রকাশ করে যা মস্তিষ্কের আবেগ-সম্পর্কিত অঞ্চলগুলিকে সক্রিয় করে, মস্তিষ্কের জ্ঞানীয় এবং শেখার কেন্দ্রগুলিকে প্রভাবিত করে। অন্য কথায়, সংবেদনশীল স্মৃতি বর্ধন আমাদেরকে আরও গভীরভাবে তথ্য মনে রাখতে সাহায্য করে।

দৈনন্দিন জীবনে, আমরা আমাদের আবেগ সামঞ্জস্য করে আমাদের স্মৃতিশক্তি উন্নত করতে পারি। আমরা এমন কিছু ক্রিয়াকলাপ বেছে নিতে পারি যা আমাদের সুখী এবং স্বাচ্ছন্দ্য বোধ করে, যেমন আমাদের প্রিয় সঙ্গীত শোনা, বন্ধুদের সাথে চ্যাট করা, কিছু আরামদায়ক ব্যায়াম করা ইত্যাদি পর্যাপ্ত ঘুম, ভাল খাওয়া, এবং পরিমিত ব্যায়াম।

সংক্ষেপে, মানসিক স্মৃতিশক্তি বৃদ্ধি এবং স্মৃতিশক্তির মধ্যে একটি ঘনিষ্ঠ সম্পর্ক রয়েছে। ইতিবাচক আবেগ স্মৃতির সাথে যুক্ত মস্তিষ্কের অংশগুলিকে উদ্দীপিত করে, যা আমাদের জন্য দীর্ঘমেয়াদী স্মৃতিতে তথ্য সংরক্ষণ করা সহজ করে তোলে। আমরা আমাদের স্মৃতিশক্তি উন্নত করতে এবং আমাদের আবেগ নিয়ন্ত্রণ করে জীবনে আরও সুখী ও পরিপূর্ণ হতে সাহায্য করতে পারি। দেখা যায় আমাদের স্মৃতিশক্তি উন্নত করতে হবে। Cistanche deserticola উল্লেখযোগ্যভাবে স্মৃতিশক্তি উন্নত করতে পারে কারণ Cistanche deserticola হল একটি ঐতিহ্যবাহী চীনা ঔষধি উপাদান যার অনেকগুলি অনন্য প্রভাব রয়েছে, যার মধ্যে একটি হল স্মৃতিশক্তি উন্নত করা। কিমা করা মাংসের কার্যকারিতা অ্যাসিড, পলিস্যাকারাইড, ফ্ল্যাভোনয়েড ইত্যাদি সহ বিভিন্ন সক্রিয় উপাদান থেকে আসে৷ এই উপাদানগুলি বিভিন্ন উপায়ে মস্তিষ্কের স্বাস্থ্যকে উন্নীত করতে পারে৷

মেমরি বাড়ানোর ১০টি উপায় জেনে নিন ক্লিক করুন

এই ফলাফলগুলি পরামর্শ দেয় যে সেরিবেলাম একটি সংযোগ নেটওয়ার্কের একটি অবিচ্ছেদ্য অংশ যা আবেগগত স্মৃতি বর্ধনে জড়িত। যাইহোক, এই ফলাফলগুলি থেকে, আমরা অনুমান করতে পারি না যে এই সংযোগগুলির মধ্যে কোনটি সবচেয়ে গুরুত্বপূর্ণ। যেহেতু ROIগুলি শারীরবৃত্তীয় না হয়ে কার্যকরীভাবে সংজ্ঞায়িত করা হয়েছিল, তাই আমরা কর্টিকাল ROI গুলির সুনির্দিষ্ট অ্যানাটমিক্যাল সাবস্ট্রেটগুলিও নির্দিষ্ট করতে পারি না। আমরা এই পদ্ধতিটি বেছে নিয়েছি কারণ সংযোগগুলির উপস্থিতি সনাক্ত করার সংবেদনশীলতা কার্যকরী সীমানাগুলির সাথে মেলে এমন ROI ব্যবহার করে বাড়ানো যেতে পারে (36)৷

এই পদ্ধতির ফলাফল হল শারীরবৃত্তীয় সুনির্দিষ্টতা হারানো এবং নির্দিষ্ট ROI-এর মধ্যে স্বতন্ত্র শারীরবৃত্তীয় কাঠামোর অবদানের মধ্যে পার্থক্য করতে অক্ষমতা। অধিকন্তু, যেহেতু এখানে পরীক্ষা করা ডিসিএমগুলি শুধুমাত্র দুটি নোড অন্তর্ভুক্ত করেছে, তাই তারা বিবেচনা করে না যে সেরিবেলাম এবং দ্বিতীয় ROI এর মধ্যে প্রভাব অতিরিক্ত অঞ্চল দ্বারা মধ্যস্থতা করা হয়েছে কিনা। আমাদের সংযোগ পরামিতি মান তাই সম্ভাব্য প্রত্যক্ষ এবং পরোক্ষ উভয় সংযোগ প্রতিফলিত.

বর্তমান ফলাফলগুলি শারীরবৃত্তীয় অবস্থার মধ্যে মানসিক মেমরি বৃদ্ধিতে জড়িত নেটওয়ার্কের আরও ভাল বোঝার জন্য অবদান রাখতে পারে। তদ্ব্যতীত, ফলাফলগুলি প্যাথলজিকাল অবস্থা বোঝার জন্যও প্রভাব ফেলতে পারে, যেমন পোস্টট্রমাটিক স্ট্রেস ডিসঅর্ডার (PTSD), যেহেতু অ্যাট্রমাটিক ইভেন্টের পরে একটি অত্যধিক শক্তিশালী বিরূপ মেমরি ট্রেস গঠন ভয়-সম্পর্কিত ব্যাধিগুলির বিকাশে একটি গুরুত্বপূর্ণ প্যাথোজেনিক প্রক্রিয়া (1, 62, ৬৩)। যেখানে এফএমআরআই ব্যবহার করে পিটিএসডি-তে প্রাথমিক মেমরি গঠনের তদন্ত করা সম্ভব হবে না, অধ্যয়ন ট্রমাটিক মেমরি পুনরুদ্ধারের নিউরাল সম্পর্কগুলি তদন্ত করতে পারে। একটি সাম্প্রতিক এফএমআরআই অধ্যয়ন এই পদ্ধতি অনুসরণ করেছে এবং সেরিবেলাম (ভার্মিস সহ), অসিপিটাল গাইরি, সুপ্রামার্জিনাল গাইরাস এবং পিটিএসডি (64) রোগীদের ট্রমা রিকলের সময় অ্যামিগডালায় উন্নত মস্তিষ্কের সক্রিয়তা খুঁজে পেয়েছে।

বিপরীতে, সেরিবেলার হাইপোঅ্যাকটিভিটি সংবেদনশীল স্মৃতিশক্তি হ্রাস সহ অবস্থার সাথে সম্পর্কিত হতে পারে। প্রকৃতপক্ষে, ক্লিনিকাল অধ্যয়নগুলি ইঙ্গিত দেয় যে মৌখিক কার্যকারিতাকে প্রভাবিত করে এমন প্যাথলজিগুলি অটিজম স্পেকট্রাম ডিসঅর্ডার (65, 66) এর লক্ষণগুলি সহ জ্ঞানীয় এবং মানসিক দুর্বলতার একটি পরিসরের সাথে যুক্ত। মজার বিষয় হল, অটিজম স্পেকট্রাম ডিসঅর্ডার রোগীরা এপিসোডিক স্মৃতির মানসিক বৃদ্ধিতে ঘাটতি দেখায় (67, 68)। এটা সম্ভব যে এই ঘাটতিগুলি আংশিকভাবে থেমাইগডালার কাঠামোগত এবং কার্যকরী অস্বাভাবিকতা থেকে উদ্ভূত হয় যা প্রায়শই এই ব্যাধিতে পরিলক্ষিত হয় (69, 70)। যাইহোক, বর্তমান ফলাফলের উপর ভিত্তি করে, অটিজমস্পেকট্রাম ডিসঅর্ডারের ডার্মাল হাইপোপ্লাসিয়াও এপিসোডিক স্মৃতির প্রতিবন্ধী আবেগ বৃদ্ধিতে অবদান রাখতে পারে। এই হাইপোথিসিসটি অ্যামিগডালা এবং ভার্মিস অস্বাভাবিকতার বিভিন্ন ডিগ্রি সহ অটিজম রোগীদের মধ্যে পরীক্ষা করা দরকার।

এমন অনেক প্রমাণ রয়েছে যা নির্দেশ করে যে সেরিবেলাম, বিশেষ করে সেরিবেলার ভার্মিস, এবং লিম্বিক সিস্টেম সহ বেশ কয়েকটি সেরিব্রাল অঞ্চলের সাথে এর সংযোগগুলি মানসিক উপলব্ধি, মানসিক স্বীকৃতি, আবেগগত প্রক্রিয়াকরণ এবং ভয়ের কন্ডিশনিং সহ আবেগপ্রবণ কাজগুলি জড়িত (27, 71) . বর্তমান অনুসন্ধানগুলি এখন পরামর্শ দেয় যে সেরিবেলুমিসও এপিসোডিক স্মৃতির মানসিক বর্ধনের সাথে জড়িত একটি সার্কিট্রির অংশ। এই সার্কিট্রির মধ্যে, সেরিবেলাম সিঙ্গুলেট সহ বিভিন্ন সেরিব্রাল অঞ্চল থেকে ইনপুট গ্রহণ করে, যখন অ্যামিগডালা/হিপ্পোক্যাম্পাস এবং অন্যান্য মস্তিষ্কের অঞ্চলগুলি সেরিবেলাম থেকে ইনপুট গ্রহণ করে। এই ফলাফলগুলি জটিল জ্ঞানীয় এবং মানসিক প্রক্রিয়াগুলিতে সেরিবেলামের ভূমিকা সম্পর্কে জ্ঞানকে প্রসারিত করে এবং PTSD বা অটিজম স্পেকট্রাম ডিসঅর্ডারের মতো বিভ্রান্তিকর মানসিক সার্কিট্রি সহ মানসিক ব্যাধিগুলি বোঝার জন্য প্রাসঙ্গিক হতে পারে।

উপকরণ এবং পদ্ধতিসমূহ

অংশগ্রহণকারীরা। আমরা সুস্থ, তরুণ অংশগ্রহণকারীদের (872 মহিলা, 546 পুরুষ, গড় বয়স=22.39 বছর, SD=3.27) নিয়োগ করেছি৷ বিজ্ঞাপনটি মূলত ইউনিভার্সিটি অফ বাসেল এবং স্থানীয় সংবাদপত্রে করা হয়েছিল। অংশগ্রহণকারীরা যে কোনো স্নায়বিক বা মানসিক অসুস্থতা থেকে মুক্ত ছিলেন, পরীক্ষার সময় কোনো ওষুধ নেননি (হরমোনজনিত গর্ভনিরোধক ব্যতীত), এবং তাদের বয়স ছিল 18 থেকে 35 বছরের মধ্যে। মানক প্রশ্নাবলীর উপর ভিত্তি করে শারীরিক এবং মানসিক স্বাস্থ্য মূল্যায়ন করা হয়েছিল। পরীক্ষাটি সুইজারল্যান্ডের ক্যান্টন অফ বাসেলের নীতিশাস্ত্র কমিটি দ্বারা অনুমোদিত হয়েছিল। সমস্ত অংশগ্রহণকারীরা গবেষণায় অংশগ্রহণের আগে লিখিত অবহিত সম্মতি দিয়েছেন। বিশ্লেষণের আগে, নমুনাটিকে একটি আবিষ্কারের নমুনায় ভাগ করা হয়েছিল (n=945, সমস্ত অংশগ্রহণকারীদের 2/3) এবং একটি প্রতিলিপি নমুনা (n=473, সমস্ত অংশগ্রহণকারীদের 1/3) এলোমেলোভাবে একজনকে অংশগ্রহণকারীদের বরাদ্দ করে নমুনাগুলির। র্যান্ডমাইজেশন ম্যাটল্যাব ফাংশন র্যান্ড পারম ব্যবহার করে সঞ্চালিত হয়েছিল বয়স, লিঙ্গ, বা মানসিক স্মৃতি বর্ধিতকরণের মধ্যে আবিষ্কার এবং প্রতিলিপি নমুনার মধ্যে কোনও উল্লেখযোগ্য পার্থক্য ছিল না (P 0 এর সমান বা সমান। 33, {{ 16}}সাইডটেস্টিং, n=1,418)।

পরীক্ষা: পদ্ধতি। অংশগ্রহণকারীরা পরপর চারটি কাজ করেছে: এপিকচার-এনকোডিং টাস্ক, একটি ওয়ার্কিং মেমরি টাস্ক, একটি ফ্রি-রিকল মেমরি টেস্ট এবং অ্যারেকগনিশন টাস্ক। অংশগ্রহণকারীদের প্রথমে নির্দেশ দেওয়া হয়েছিল এবং তারপরে ছবি-এনকোডিং এবং মেমরির কাজ করার বিষয়ে প্রশিক্ষণ দেওয়া হয়েছিল। প্রশিক্ষণের পর, তাদের স্ক্যানারে অবস্থান করা হয়েছিল এবং স্ক্যানারের আওয়াজ কমাতে ইয়ারপ্লাগ এবং হেডফোন গ্রহণ করা হয়েছিল৷ তাদের মাথাগুলি ছোট কুশন ব্যবহার করে কয়েলে স্থির করা হয়েছিল এবং তাদের নড়াচড়া না করতে বলা হয়েছিল৷ এমআর-সামঞ্জস্যপূর্ণ লিকুইডক্রিস্টাল ডিসপ্লে গগলস (ভিজ্যুয়াল সিস্টেম; নর্ডিকনিউরোল্যাব, বার্গেন, নরওয়ে) ব্যবহার করে স্ক্যানারে ছবিগুলি উপস্থাপন করা হয়েছিল। প্রয়োজনে চোখের সংশোধন ব্যবহার করা হয়েছিল। ছবি-এনকোডিং টাস্ক ∼20 মিনিট ধরে চলে। এর পরপরই, অংশগ্রহণকারীরা ∼10 মিনিটের জন্য স্ক্যানারে একটি অক্ষর n-ব্যাক (0-ব্যাক এবং 2-ব্যাক কন্ডিশন) ওয়ার্কিং-মেমরি টাস্ক সম্পাদন করে। বর্তমান গবেষণায়, মেমরি পরীক্ষার এনকোডিং এবং প্রত্যাহার করার মধ্যে একটি বিক্ষিপ্ত কাজ হিসাবে কাজের মেমরি টাস্ক ব্যবহার করা হয়েছিল। তাই, আমরা কাজের মেমরি টাস্ক থেকে ডেটা বিশ্লেষণ করিনি (টাস্কের বর্ণনার জন্য রেফারেন্স 72 দেখুন)। স্ক্যানার ছেড়ে যাওয়ার পরে, অংশগ্রহণকারীদের একটি পৃথক ঘরে ছবিগুলির একটি অঘোষিত ফ্রি-রিকলমেমোরি পরীক্ষা দেওয়া হয়েছিল (কোন সময়সীমা নেই। এই কাজের জন্য সেট করা হয়েছিল)। বিনামূল্যে প্রত্যাহার করার পরে, অংশগ্রহণকারীদের স্ক্যানারে পুনঃস্থাপন করা হয়েছিল এবং একটি স্বীকৃতি টাস্ক সম্পাদন করা হয়েছিল (টাস্কের বর্ণনার জন্য রেফারেন্স 73 দেখুন)। অংশগ্রহণকারীরা অংশগ্রহণের জন্য 25 সুইস ফ্রাঙ্ক/ঘন্টা পেয়েছিলেন। সাংগঠনিক সীমাবদ্ধতার কারণে, আমাদের সেই ঘরটি পরিবর্তন করতে হয়েছিল যেখানে ছবিগুলি পুনরুদ্ধার করা হয়েছিল, যার অর্থ হল কিছু অংশগ্রহণকারীরা একটু ভিন্ন সেটিংয়ে ছবিগুলি প্রত্যাহার করেছিল৷

পরীক্ষা: ছবি-এনকোডিং টাস্কের ডিজাইন। স্টিমুলিতে 72টি ছবি (24টি ইতিবাচক, 24টি নেতিবাচক এবং 24টি নিরপেক্ষ) রয়েছে যা ইন্টারন্যাশনাল অ্যাফেক্টিভ পিকচার সিস্টেম (IAPS) (74) থেকে এবং ইন-হাউস স্ট্যান্ডার্ডাইজড ছবি সেট থেকে নির্বাচিত হয়েছিল যা আমাদের ভিজ্যুয়াল জটিলতা এবং বিষয়বস্তুর জন্য ছবিগুলিকে সমান করতে দেয়৷ (যেমন, মানুষের উপস্থিতি)। IAPS থেকে প্রাপ্ত ছবিগুলি IAPS ভ্যালেন্স রেটিং অনুসারে শ্রেণীবদ্ধ করা হয়েছিল। 24টি নিরপেক্ষ ছবির মধ্যে আটটি IAPS থেকে পাওয়া যায়নি। এই ছবিগুলি ইন-হাউস ভ্যালেন্সরেটিংয়ের (11) উপর ভিত্তি করে রেট করা হয়েছিল। আদর্শিক ভ্যালেন্স স্কোরের উপর ভিত্তি করে (1 থেকে 9 পর্যন্ত), ছবিগুলি ঋণাত্মক (2.3 ± 0.6), নিরপেক্ষ (5.0 ± 0.3), এবং ইতিবাচক ( 7.6 ± 0.4) শর্ত, যার ফলে প্রতিটি ভ্যালেন্সের জন্য 24টি ছবি। গবেষণায় অন্তর্ভুক্ত নয় এমন 20 জন অংশগ্রহণকারীর একটি পাইলট স্টাডির তথ্যের উপর ভিত্তি করে নেতিবাচক উদ্দীপনার উত্তেজনা রেটিং মেলানোর জন্য প্রাথমিকভাবে ইতিবাচক উদ্দীপনা নির্বাচন করা হয়েছিল। নিরপেক্ষ বস্তু দেখানো চারটি অতিরিক্ত ছবি উপস্থাপন করা হয়েছিল। এর মধ্যে দুটি ছবির শুরুতে এবং দুটি ছবির টাস্কের শেষে উপস্থাপন করা হয়েছিল। প্রাইমাসি এবং রিসেন্সি ইফেক্ট মেমরির জন্য নিয়ন্ত্রণ করতে এই ছবিগুলি প্রত্যাহার কর্মক্ষমতা মূল্যায়ন থেকে বাদ দেওয়া হয়েছিল। ইতিবাচক ভ্যালেন্সের জন্য ইরোটিকা, খেলাধুলা এবং আবেদনময়ী প্রাণীদের ছবিগুলির উদাহরণ; নেতিবাচকতার জন্য শারীরিক আঘাত, সাপ এবং আক্রমণের দৃশ্য; এবং নিরপেক্ষ অবস্থার জন্য নিরপেক্ষ মুখ, গৃহস্থালী বস্তু এবং ভবন। এছাড়াও, 24টি স্ক্র্যাম্বল ছবি ব্যবহার করা হয়েছিল। স্ক্র্যাম্বল করা ছবিগুলির পটভূমিতে পরীক্ষায় ব্যবহৃত সমস্ত ছবির রঙের তথ্য রয়েছে (প্রাথমিকতা এবং নতুন ছবি ব্যতীত), একটি ক্রিস্টাল এবং বিকৃতি ফিল্টার (Adobe Photoshop CS3) দিয়ে আচ্ছাদিত। ফোরগ্রাউন্ডে, একটি বেশিরভাগ স্বচ্ছ জ্যামিতিক বস্তু (একটি আয়তক্ষেত্র বা বিভিন্ন আকারের উপবৃত্তাকার) দেখানো হয়েছিল৷ বর্তমান গবেষণার জন্য, স্ক্র্যাম্বল করা ছবিগুলি কোন আগ্রহের ছিল না৷

ছবিগুলো 2.5 সেকেন্ডের জন্য আধা-এলোমেলো ক্রমে উপস্থাপন করা হয়েছিল যাতে একই বিভাগের সর্বোচ্চ চারটি ছবি পরপর ঘটে। প্রতিটি ছবির উপস্থাপনার আগে 500 ms জন্য একটি ফিক্সেশনক্রস স্ক্রিনে উপস্থিত হয়েছিল। স্টিমুলাস শুরুর সময় স্ক্যান শুরু সম্পর্কে ভ্যালেন্স বিভাগ প্রতি 3 সেকেন্ডের মধ্যে (1 পুনরাবৃত্তির সময় [TR]) বিচলিত হয়েছিল। ইন্টারট্রায়াল পিরিয়ডে, অংশগ্রহণকারীরা 72টি ছবির প্রতিটিকে ভ্যালেন্স (নেতিবাচক, নিরপেক্ষ বা ইতিবাচক) এবং উত্তেজনা (বড়, মাঝারি বা ছোট) অনুযায়ী একটি 3- পয়েন্ট স্কেলে (স্ব-মূল্যায়ন মানিকিন) একটি টিপে তাদের প্রভাবশালী হাত দিয়ে বোতাম। স্ক্র্যাম্বল করা ছবির জন্য, অংশগ্রহণকারীরা অগ্রভাগে জ্যামিতিক বস্তুর ফর্ম (উল্লম্ব, প্রতিসম, বা অনুভূমিক) এবং আকার (বড়, মাঝারি বা ছোট) রেট করেছে। সফ্টওয়্যার উপস্থাপনা (Neurobehavioral Systems, Inc., Berkeley, CA; https://www.neurobs.com) ছবির উপস্থাপনার জন্য ব্যবহার করা হয়েছিল।

আচরণগত তথ্য: সংবেদনশীল স্মৃতিশক্তি বৃদ্ধি। ফ্রি-রিকল নথিভুক্ত করার জন্য, অংশগ্রহণকারীদের প্রত্যাহার করা ছবিগুলির একটি বিবরণ লিখতে হয়েছিল। যদি রেটার অংশগ্রহণকারীর বর্ণনার উপর ভিত্তি করে উপস্থাপিত ছবি শনাক্ত করতে পারে তাহলে একটি ছবি সঠিকভাবে প্রত্যাহার করা হয়েছে। দু'জন প্রশিক্ষিত তদন্তকারী স্বতন্ত্রভাবে প্রত্যাহার সাফল্যের জন্য বর্ণনাগুলিকে রেট দিয়েছেন (ইন্টাররাটার নির্ভরযোগ্যতা > 99%)। তৃতীয় স্বাধীন রেটার ছবিগুলির বিষয়ে সিদ্ধান্ত নিয়েছে যেগুলিকে ভিন্নভাবে রেট দেওয়া হয়েছে। ফোরচ অংশগ্রহণকারী, আমরা গণনা করেছি নিরপেক্ষ ছবির তুলনায় কতবার আবেগঘন ছবিগুলিকে প্রত্যাহার করা হয়েছে: ([মনে করা ইতিবাচক - নিরপেক্ষ প্রত্যাহার করা হয়েছে] + [নেতিবাচক - প্রত্যাহার করা নিরপেক্ষ])/2। ডেটা পয়েন্টগুলি প্লট করা হয়েছিল এবং আনুমানিকভাবে সাধারণভাবে বিতরণ করা হয়েছিল (SI পরিশিষ্ট, চিত্র S1)। মানসিক মেমরি কর্মক্ষমতা শূন্য থেকে উল্লেখযোগ্যভাবে আলাদা কিনা তা পরীক্ষা করার জন্য দ্বি-পার্শ্বযুক্ত টি-পরীক্ষা প্রয়োগ করা হয়েছিল। উপরন্তু, আমরা সম্ভাব্য বিভ্রান্তিকর প্রভাব জন্য পরীক্ষা. আমরা একটি 2- নমুনা টি-পরীক্ষা ব্যবহার করেছি যে আবেগগত স্মৃতির কর্মক্ষমতা যৌনতার উপর নির্ভর করে কিনা তা মূল্যায়ন করতে। আমরা বয়সের সাথে পারফরম্যান্সকে সংযুক্ত করতে পিয়ারসনের রৈখিক পারস্পরিক সম্পর্ক সহগ ব্যবহার করেছি। পারস্পরিক সম্পর্ক সহগ শূন্য থেকে উল্লেখযোগ্যভাবে আলাদা কিনা তা পরীক্ষা করার জন্য দ্বি-পার্শ্বযুক্ত টি-পরীক্ষা প্রয়োগ করা হয়েছিল।

ইমেজিং: এমআরআই অধিগ্রহণ। একটি 12- চ্যানেল হেড কয়েল দিয়ে সজ্জিত একটি SiemensMagnetom Verio 3 T পুরো-বডি MR ইউনিটে পরিমাপ করা হয়েছিল৷ সমান্তরাল ইমেজিং (GRAPPA) ব্যবহার করে একটি একক-শট ইকো-প্ল্যানার সিকোয়েন্সের মাধ্যমে কার্যকরী সময় সিরিজ অর্জিত হয়েছিল৷ আমরা নিম্নলিখিত অধিগ্রহণ পরামিতি ব্যবহার করেছি: ইকো টাইম (TE)=35 ms; ফিল্ড অফ ভিউ (FOV)=22 সেমি; অধিগ্রহণ ম্যাট্রিক্স =80 × 80, ইন্টারপোলেটেড 128 × 128; ভক্সেল সাইজ=2.75 × 2.75 × 4 mm3;GRAPPA ত্বরণ ফ্যাক্টর R=2.0। একটি মিডস্যাজিটাল স্কাউট ইমেজ ব্যবহার করে, 32টি সংলগ্ন অক্ষীয় স্লাইসগুলি অগ্র-পশ্চাদ্দেশীয় কমিসার সমতল বরাবর স্থাপন করা হয়েছে যা একটি TR=3,000 ms (=82 ডিগ্রি ) দিয়ে একটি ঊর্ধ্বমুখী ইন্টারলিভড ব্যবহার করে অর্জিত হয়েছিল ক্রম. T1 টাইম ধ্রুবক স্যাচুরেশন প্রভাবের কারণে প্রথম দুটি অধিগ্রহণ বাতিল করা হয়েছিল। একটি উচ্চ-রেজোলিউশন T1-ওজনযুক্ত শারীরবৃত্তীয় চিত্র একটি চুম্বককরণ-প্রস্তুত গ্রেডিয়েন্ট ইকো সিকোয়েন্স ব্যবহার করে অর্জিত হয়েছিল (TR =2,000 ms; TE=3.37 ms; TI {{ 31}},000 ms; ফ্লিপ অ্যাঙ্গেল=8 ডিগ্রি ; 176 স্লাইস; FOV =256 মিমি; ভক্সেল সাইজ=1 × 1 x 1 মিমি3)।

ইমেজিং: ইমেজিং ডেটার পরিসংখ্যানগত বিশ্লেষণের জন্য সফ্টওয়্যার প্যাকেজ। ম্যাটল্যাব R2016a-এ বাস্তবায়িত পরিসংখ্যানগত প্যারামেট্রিক ম্যাপিং (SPM) সফ্টওয়্যার SPM12 সংস্করণ 6685(Welcome Trust Center for Neuroimaging, London, UK; https://www.fil.ion.ucl.ac. uk/spam/) ব্যবহার করেছি।

ইমেজিং: ইকো প্ল্যানার ইমেজিং (ইপিআই) ভলিউমের প্রিপ্রসেসিং এবং স্বাভাবিককরণ। ভলিউমগুলি স্লাইস-টাইম ছিল-প্রথম স্লাইসে সংশোধন করা হয়েছিল, "রেজিস্টার টু মানে" বিকল্পটি ব্যবহার করে পুনরায় সংযোজন করা হয়েছিল, এবং একটি স্বাভাবিক পারস্পরিক তথ্য ত্রি-মাত্রিক অনমনীয়-বডি ট্রান্সফরমেশন প্রয়োগ করে শারীরবৃত্তীয় চিত্রের সাথে নিবন্ধিত হয়েছিল। প্রতিটি অংশগ্রহণকারীর জন্য সফল কোরজিস্ট্রেশন দৃশ্যত যাচাই করা হয়েছে। প্রতিটি ভলিউম মস্তিষ্কের বাইরে ভক্সেলগুলিকে বাদ দেওয়ার জন্য অংশগ্রহণকারীর T1 শারীরবৃত্তীয় চিত্রের সাথে মুখোশযুক্ত ছিল। ইকো প্ল্যানার ইমেজিং (ইপিআই) ভলিউমগুলি মন্ট্রিল নিউরোলজিক্যাল ইনস্টিটিউট (MNI) স্পেসে স্বাভাবিক করা হয়েছিল এবং DARTEL প্রয়োগ করে 8 মিমি পূর্ণ প্রস্থে অর্ধ-সর্বোচ্চ (FWHM) গাউসিয়ান কার্নেলের সাথে মসৃণ করা হয়েছিল, যার ফলে অংশগ্রহণকারীদের মধ্যে একটি উন্নত নিবন্ধন হয়েছে (75, 76) .

কার্যকরী টাইম সিরিজ অর্জনের জন্য ব্যবহৃত ইন্টারলিভড সিকোয়েন্সটি প্রথম প্রিপ্রসেসিং ধাপ হিসাবে স্লাইস-টাইম সংশোধন ব্যবহার করার পূর্বশর্ত করে তুলেছে (77)। স্লাইস-টাইমিং সংশোধন পদ্ধতি সফলভাবে স্লাইস-টাইমিং প্রভাবগুলির জন্য ক্ষতিপূরণ দিতে পারে(78)। উল্লেখযোগ্যভাবে, এফএমআরআই-এর জন্য ডিসিএম-এ, কার্যকারণের দিকটি অস্থায়ী অগ্রাধিকার দ্বারা চিহ্নিত করা হয় না। পরিবর্তে, কার্যকারণ প্রতিটি অঞ্চলের ডিফারেনশিয়াল স্টেট সমীকরণের গাণিতিক ফর্ম দ্বারা মূর্ত হয়। প্রদত্ত মডেলের রাষ্ট্রীয় সমীকরণগুলি সিস্টেমের কাঠামোকে সংজ্ঞায়িত করে (যেমন, অঞ্চলগুলির মধ্যে সংযোগ), স্পষ্টভাবে নির্দেশ করে যে কীভাবে সিস্টেমের মধ্যে গতিশীলতা তৈরি হয় (39)। অতএব, অনুরূপ টিআর সহ বেশ কয়েকটি ডিসিএম গবেষণা পূর্বে পরিচালিত হয়েছিল (79-81)।

ইমেজিং: ভক্সেল-ভিত্তিক কার্যকলাপের মডেলিং। টাস্ক দ্বারা সক্রিয় ভক্সেলগুলি সনাক্ত করতে প্রতিটি অংশগ্রহণকারীর জন্য সাধারণ লিনিয়ার মডেলগুলি (GLMs) নির্দিষ্ট করা হয়েছিল। উদ্দীপক ইভেন্টগুলির সূত্রপাত এবং সময়কালের মডেলিং রিগ্রেসরগুলি ক্যানোনিকাল হেমোডাইনামিক প্রতিক্রিয়া ফাংশনের সাথে জড়িত ছিল। আরও সুনির্দিষ্টভাবে বলতে গেলে, স্টিক/ডেল্টা ফাংশন, ছবি উপস্থাপনা (ইতিবাচক, নিরপেক্ষ, নেতিবাচক, স্ক্র্যাম্বলড, প্রাইমাসি এবং রিসেন্সি) একটি যুগ/বক্সকার ফাংশন (সময়কাল: 2.5 সেকেন্ড), এবং রেটিং স্কেলগুলির সাথে মডেল করা বোতাম প্রেসের জন্য রিগ্রেসারগুলির মডেল রয়েছে। পরিবর্তনশীল সময়কালের epoch/boxcar ফাংশন (পরবর্তী বোতাম টিপে কখন ঘটেছে তার উপর নির্ভর করে)। সিরিয়াল পারস্পরিক সম্পর্কগুলি একটি প্রথম-অর্ডার অটোরিগ্রেসিভ মডেল ব্যবহার করে সরানো হয়েছিল এবং কম-ফ্রিকোয়েন্সি শব্দ অপসারণের জন্য একটি উচ্চ-পাস ফিল্টার (128 s) প্রয়োগ করা হয়েছিল। ছয়টি আন্দোলনের পরামিতিগুলিও উপদ্রব-কোভারিয়েট হিসাবে প্রবেশ করা হয়েছিল। আমরা দুটি ভিন্ন ধরনের GLM সংজ্ঞায়িত করেছি। সফল সংবেদনশীল মেমরি এনকোডিংয়ের সাথে সম্পর্কিত ভক্সেল সনাক্ত করতে এক ধরণের জিএলএম ব্যবহার করা হয়েছিল।

এখানে, ইতিবাচক, নেতিবাচক এবং নিরপেক্ষ উদ্দীপনাগুলিকে পরবর্তীতে প্রত্যাহার করা হয়েছিল কিনা তার উপর নির্ভর করে আলাদাভাবে মডেল করা হয়েছিল। ফলস্বরূপ পরামিতি অনুমান সফল আবেগগত স্মৃতি এনকোডিংয়ের সাথে যুক্ত ভক্সেলগুলি সনাক্ত করার বিপরীতে ছিল ([আবেগজনিত ছবিগুলি - নন-রিকলড ইমোশনাল পিকচারগুলি] - [প্রত্যাহার করা নিরপেক্ষ ছবি - নন-রিকলড নিউট্রাল ছবি])। এই বৈপরীত্যটি আবিষ্কারের নমুনার 945 জন অংশগ্রহণকারীর মধ্যে 944 জনের মধ্যে উপলব্ধ ছিল (1টি বিষয় কোনো নিরপেক্ষ ছবি মনে করেনি) এবং প্রতিলিপি নমুনার 473 জন অংশগ্রহণকারীর মধ্যে 470 (3টি বিষয় কোনো নিরপেক্ষ ছবি স্মরণ করেনি) . সেরিবেলার ক্রিয়াকলাপে সম্ভাব্য ভ্যালেন্স-সম্পর্কিত প্রভাবগুলি তদন্ত করার জন্য, আমরা আরও তুলনা করি যে সফল মেমরি এনকোডিং সম্পর্কিত কার্যকলাপ ইতিবাচক এবং নেতিবাচক ছবির মধ্যে আলাদা কিনা। এটি নিম্নলিখিত বৈপরীত্যের সাথে মিলে যায়:([মনে করা নেতিবাচক ছবি - অ-প্রত্যাহার করা নেতিবাচক ছবি] - [প্রত্যাহার করা ইতিবাচক ছবি - স্মরণ না করা ইতিবাচক ছবি])। মেমরি নির্বিশেষে সংবেদনশীল ছবিগুলির এনকোডিংয়ের সাথে যুক্ত ভক্সেলগুলি সনাক্ত করার জন্য আরেকটি ধরণের GLM নির্দিষ্ট করা হয়েছিল। আমরা ইতিবাচক, নিরপেক্ষ এবং নেতিবাচক ছবির জন্য রিগ্রেসারকে নির্দিষ্ট করেছি, ছবিগুলি প্রত্যাহার করা হয়েছে কিনা তা নির্বিশেষে, এবং এর ফলে পরামিতি অনুমানের বিপরীতে (আবেগজনিত ছবি - নিরপেক্ষ ছবি)। সমস্ত বৈসাদৃশ্যের সাথে সমগ্র মস্তিষ্কের স্তরে একাধিক তুলনার জন্য Weapplied family-wise ত্রুটি (FWE) সংশোধন (Pwhole-brain-FWE-সংশোধিত < 0.05)। ক্লাস্টার স্তরে একাধিক তুলনার জন্য সংশোধন সেরিবেলার ক্লাস্টারে ভ্যালেন্স-সম্পর্কিত প্রভাবগুলির জন্য পরীক্ষা করার জন্য প্রয়োগ করা হয়েছিল (Psmall-ভলিউম-সংশোধিত <0.001, ক্লাস্টারের পরিমাণ k=10)।

ইমেজিং: ভক্সেল-ভিত্তিক কার্যকলাপের গ্রুপ পরিসংখ্যান। "সফল মানসিক মেমরি এনকোডিং" এবং "আবেগজনিত ছবিগুলির এনকোডিং" এর সাথে সম্পর্কিত কার্যকলাপ নির্ধারণ করতে, GLM ফ্লেক্স (মার্টিনোস সেন্টার এবং ম্যাসাচুসেটস জেনারেল হাসপাতাল, চার্লসটাউন, এমএ; https ব্যবহার করে একটি র্যান্ডম-ইফেক্ট মডেল (দ্বিতীয়-স্তরের বিশ্লেষণ) মধ্যে বৈসাদৃশ্য মানচিত্র প্রবেশ করানো হয়েছিল। ://habs.mgh.harvard.edu/researchers/datatools/glm-flex-fast2/)। আমরা লিঙ্গ, বয়স, একটি পরিবর্তন ইনস্ক্যানার সফ্টওয়্যার এবং গ্রেডিয়েন্ট কয়েলের দুটি পরিবর্তনের প্রভাবের জন্য নিয়ন্ত্রণ করেছি কোভেরিয়েট হিসাবে অন্তর্ভুক্ত করে। আমরা জিএলএম ফ্লেক্স ব্যবহার করেছি কারণ ইপিআই সিকোয়েন্সগুলি বায়ু-টিস্যু সীমানার কাছাকাছি ঘটতে পারে এমন চৌম্বক ক্ষেত্রের অসংগতিগুলির উপস্থিতিতে একটি সংকেত ক্ষতির সম্মুখীন হয়। DARTEL-এ প্রয়োগ করা স্বাভাবিকীকরণ পদ্ধতিটি সঠিকভাবে সিগন্যাল সহ ভক্সেল এবং MNI স্পেসে সিগন্যাল লস সহ ভক্সেল উভয়কেই পরিবর্তিত করেছে। InSPM, শুধুমাত্র একজন অংশগ্রহণকারীর একটি কার্যকরী চিত্রে একটি MNI স্থানাঙ্কে সংকেত ক্ষয় এই স্থানাঙ্কে ভক্সেলকে গ্রুপ-স্তরের বিশ্লেষণ থেকে বাদ দেওয়ার দিকে পরিচালিত করে। ফলস্বরূপ, নমুনা আকারের সাথে একটি ভক্সেল বাদ দেওয়ার সম্ভাবনা বৃদ্ধি পেয়েছে। GLM Flex প্রতিটি ভক্সেলে একটি পরিবর্তনশীল সংখ্যক অংশগ্রহণকারীদের অনুমতি দিয়ে এই সমস্যাটি দূর করেছে। ভক্সেল প্রতি অংশগ্রহণকারীদের ন্যূনতম সংখ্যা সমস্ত অংশগ্রহণকারীদের 2/3 তে সেট করা হয়েছে।

ইমেজিং: ROI-এর সংজ্ঞা কার্যকরীভাবে সংজ্ঞায়িত মুখোশ। কারণ সংযোগের উপস্থিতি সনাক্তকরণের এই সংবেদনশীলতা ROI ব্যবহার করে বাড়ানো যেতে পারে যা প্রকৃত কার্যকরী সীমানার সাথে মেলে (36), আমরা ROI গুলিকে শারীরবৃত্তীয়ভাবে না করে কার্যকরীভাবে সংজ্ঞায়িত করেছি। বিশেষত, আবিষ্কারের নমুনার মধ্যে (n=945), আমরা একটি কার্যকরীভাবে প্রাপ্ত মুখোশ ব্যবহার করেছি এবং তারপরে একটি ডেটা-চালিত, গোষ্ঠী-স্তরের ক্লাস্টারিং পদ্ধতি ব্যবহার করেছি প্রাক-প্রসেসড এবং স্বাভাবিক ইপিআই ভলিউমগুলিকে স্থানিকভাবে সুসংগত এবং সাময়িক সমজাতীয় অঞ্চলে (37) . মুখোশটিতে ভক্সেল রয়েছে যা আবিষ্কারের নমুনার মধ্যে সফল মানসিক মেমরি এনকোডিংয়ের সাথে ইতিবাচকভাবে যুক্ত ছিল (Pwhole-brain-FWE-সংশোধিত < 0.05)। চিহ্নিত ভক্সেলগুলিকে তারপরে আবেগের ছবি কনট্রাস্টের (Pwhole-brain-FWE-সংশোধিত <0.05) এনকোডিং দিয়ে মুখোশ দেওয়া হয়েছিল যাতে সমস্ত অন্তর্ভুক্ত ভক্সেল আবেগ এনকোডিংয়ের জন্য ইতিবাচক প্রভাবও দেখায় (সফল মানসিক মেমরি এনকোডিং-এ উল্লেখযোগ্য সমস্ত ভক্সেলের 99%) বৈসাদৃশ্য" "আবেগজনক ছবি বৈসাদৃশ্যের এনকোডিং" এর মধ্যেও উল্লেখযোগ্য ছিল)।

ইমেজিং: ROI-এর সংজ্ঞা-পার্সেলেশন পদ্ধতি। কার্যকরীভাবে সংজ্ঞায়িত মুখোশের মধ্যে থাকা ভক্সেলগুলিকে ROI-তে এমনভাবে একত্রিত করা হয়েছিল যে একই ক্লাস্টারের মধ্যে থাকা ভক্সেলগুলির মধ্যে মিল বিভিন্ন ক্লাস্টারের ভক্সেলগুলির মধ্যে মিলের তুলনায় সর্বাধিক করা হয়েছিল, একটি স্থানিক সীমাবদ্ধতাকে অন্তর্ভুক্ত করে একটি স্বাভাবিক কাটা পদ্ধতি ব্যবহার করে (37)। কম্পিউটেশনাল অভিজ্ঞতার জন্য, 200 জন অংশগ্রহণকারীর EPI ভলিউমের উপর ভিত্তি করে পার্সেলেশন করা হয়েছিল যারা আবিষ্কারের নমুনা থেকে এলোমেলোভাবে আঁকা হয়েছিল। এই ভলিউমগুলিকে একটি 6 mmFWHM গাউসিয়ান কার্নেল দিয়ে মসৃণ করা হয়েছিল সাম্প্রতিক একটি কাগজের (37) সাথে মিল রেখে। ক্লাস্টারিং প্রথম প্রতিটি অংশগ্রহণকারীর মধ্যে সঞ্চালিত হয়েছিল, তারপরে একটি দ্বিতীয়-স্তরের গ্রুপ ক্লাস্টারিং, ক্র্যাডক এট আল দ্বারা প্রস্তাবিত। (37)। আমরা মাস্কিন্টো 30 ROI-এর মধ্যে ভক্সেলগুলিকে বিভক্ত করেছি, কারণ আমরা দেখতে পেয়েছি যে এই সংখ্যাটি যথেষ্ট স্থানিক নির্দিষ্টতার দিকে নিয়ে যায় যদিও এখনও DCM-এর সাথে সংযোগের গণনার দ্বারা প্ররোচিত কম্পিউটেশনাল বোঝার বিষয়ে পরিচালনা করা যায়। এই ROIগুলির মধ্যে একটিতে বিচ্ছিন্ন ভক্সেল এবং বিচ্ছিন্ন ছোট ক্লাস্টার রয়েছে যা স্থানিকভাবে সুসংগত ছিল না। এই ROI(ROI 11), যাতে 60টি ভক্সেল রয়েছে, এইভাবে আরও বিশ্লেষণ থেকে সরানো হয়েছিল।

সংযোগ বিশ্লেষণ: সময়-কোর্স নিষ্কাশন. আমরা নিচে বর্ণিত পদ্ধতিটি ব্যবহার করে অস্বাভাবিক এবং অস্বাভাবিক ডেটা থেকে টাইম কোর্সপার অংশগ্রহণকারী এবং ROI বের করেছি। মনে রাখবেন যে আমরা মসৃণতাহীন ডেটা থেকে বের করেছি কারণ মসৃণকরণ সংযোগের অনুমানের জন্য ক্ষতিকারক হতে পারে কারণ এটি রক্তের অক্সিজেনেশন স্তর-নির্ভরশীল সময়ের সাথে কাছাকাছি অঞ্চলগুলির মধ্যে মিশ্রিত হওয়ার দিকে পরিচালিত করে (36)।

1. MNI স্পেস থেকে নেটিভ অংশগ্রহণকারী স্পেসে কার্যকরী ROI ম্যাপ করা: পার্সেলেশন পদ্ধতিতে নির্ধারিত ROIগুলি MNIস্পেস-এ তৈরি করা হয়েছে। তাই আমরা প্রতিটি অংশগ্রহণকারীর নর্মালাইজেশন ওয়ার্প ফিল্ডকে উল্টে নেটিভ অংশগ্রহণকারী স্পেসে তাদের অবস্থান ম্যাপ করেছি।

2. কার্যকরী ROIs থেকে সময়-কোর্স নিষ্কাশন: DCM কাঠামোর মধ্যে সংযোগের প্রকৃত মডেলিংয়ের আগে, প্রতিটি ROI থেকে অংশগ্রহণকারী-নির্দিষ্ট সময়ের কোর্সগুলি বের করা হয়েছিল। এই পদক্ষেপের লক্ষ্য ছিল একক-অংশগ্রহণকারী স্তরে সক্রিয় ভক্সেলগুলি থেকে টাইমকোর্সগুলি বের করা। ইমোশনাল পিকচার কনট্রাস্টের এনকোডিং এর ইফেক্ট সাইজ সফল ইমোশনাল মেমরি কন্ট্রাস্টের ইফেক্ট সাইজের তুলনায় যথেষ্ট বড় ছিল, যা একক-পার্টিপেন্ট লেভেলে প্রাসঙ্গিক সিগন্যাল ছাড়াই টাস্ক-সম্পর্কিত ভক্সেলকে ভক্সেল থেকে আলাদা করার জন্য আরও উপযুক্ত করে তুলেছে। গোষ্ঠী স্তরে, এই বিশ্লেষণে অন্তর্ভুক্ত সমস্ত এলাকা উল্লেখযোগ্যভাবে সফল মানসিক মেমরি এনকোডিংয়ের সাথে যুক্ত ছিল, নিশ্চিত করে যে সমস্ত ROI সফল আবেগীয় মেমরি এনকোডিংয়ের জন্য প্রাসঙ্গিক ছিল। প্রতিটি ROI এবং অংশগ্রহণকারীর জন্য, আমরা ফলস্বরূপ সংবেদনশীল > নিরপেক্ষ বৈপরীত্যের জন্য উল্লেখযোগ্য ভক্সেল সনাক্ত করেছি, P < 0.05 এর একটি অসংশোধিত প্রান্তিকে, ন্যূনতম তিনটি ভক্সেলের ক্লাস্টার আকার সহ। SPM-এর "আগ্রহের পরিমাণ" নিষ্কাশন টুল ব্যবহার করে সেই সমস্ত ভক্সেল থেকে অ্যাসারমারি টাইম কোর্স বের করা হয়েছে। বিস্তারিতভাবে, anROI-এর মধ্যে সমস্ত নির্বাচিত ভক্সেলের জন্য, একটি PCA সঞ্চালিত হয়েছিল। টাইম পয়েন্ট ছিল পর্যবেক্ষণ এবং ভক্সেল ছিল ভেরিয়েবল। PCA বিভিন্ন উপাদানের একটি সিরিজ ফেরত দিয়েছে যা প্রতিটি উপাদান ব্যাখ্যা করেছে ভিন্নতার অনুপাত অনুসারে। প্রতিটি উপাদান ওজনের ভেক্টরের সাথে যুক্ত ছিল (প্রতি ভক্সেলের একটি মান), সেই উপাদানটিতে প্রতিটি ভক্সেলের অবদান প্রতিফলিত করে। প্রথম eigenvariate প্রধান উপাদানের সময় কোর্স প্রতিফলিত করে যা একটি অঞ্চলের প্রতিক্রিয়াতে অবদান রাখে এবং ROI এর জন্য একটি প্রতিনিধি সময় কোর্স হিসাবে নির্বাচিত হয়েছিল। রৈখিক মডেলে কোভেরিয়েট হিসাবে আন্দোলনের পরামিতি যোগ করে আন্দোলনের নিদর্শনগুলির জন্য টাইমকোর্সগুলি সংশোধন করা হয়েছিল।

সমস্ত 29টি কার্যকরী ROI জুড়ে, আবিষ্কারের নমুনার সমস্ত ক্ষেত্রে 97.88% এবং প্রতিলিপি নমুনার সমস্ত ক্ষেত্রে 97.57% ক্ষেত্রে টাইম কোর্সগুলি সফলভাবে বের করা হয়েছে, কারণ তারা উপরে বর্ণিত আমাদের তাত্পর্য থ্রেশহোল্ড দ্বারা শক্তিশালী টাস্ক-নির্ভর সক্রিয়তা দেখিয়েছে। সমস্ত অংশগ্রহণকারীদের মধ্যে সমস্ত ROI থেকে ডেটা DCM চালানোর পূর্বশর্ত ছিল, কারণ DCM এর উদ্দেশ্য হল একটি পর্যবেক্ষণ করা সক্রিয়করণের জন্য বিভিন্ন মডেলের তুলনা করা (38, 39)। অতএব, আমরা একটি নির্দিষ্ট DCM থেকে অংশগ্রহণকারীকে বাদ দিয়েছি যদি একটি ROI উপরে সংজ্ঞায়িত মানদণ্ডের সাথে সঙ্গতি রেখে সক্রিয়তা না দেখায়। সমস্ত ROI এর মধ্যে, ROI 9 দৃঢ় সক্রিয়করণ সহ অংশগ্রহণকারীদের ক্ষুদ্রতম অনুপাত দেখিয়েছে (আবিষ্কার নমুনা 88.36%; প্রতিলিপি নমুনা 85.84%)। প্রতি DCM প্রতি অংশগ্রহণকারীদের সংখ্যার জন্য SI পরিশিষ্ট, টেবিল S1 এবং ROI প্রতি বাদ দেওয়া অংশগ্রহণকারীদের শতাংশের জন্য SI পরিশিষ্ট, সারণী S2 দেখুন।

কিছু অংশগ্রহণকারীদের মধ্যে যথেষ্ট শক্তিশালী সক্রিয়করণের অভাবের সম্ভাব্য কারণগুলি ডেটা বা ডেটা হারানোর ক্ষেত্রে গোলমালের সাথে জড়িত তবে বিভিন্ন জ্ঞানীয় কৌশলগুলির ব্যবহারকেও প্রতিফলিত করতে পারে।

সংযোগ বিশ্লেষণ: DCM. পূর্বনির্ধারিত মস্তিষ্ক অঞ্চলের একটি সেটের মধ্যে কার্যকর সংযোগের উপস্থিতি, দিকনির্দেশ এবং মডুলেটর সম্পর্কিত নির্দিষ্ট অনুমান পরীক্ষা করার জন্য DCM প্রয়োগ করা যেতে পারে। DCM অন্যত্র বিস্তারিতভাবে বর্ণনা করা হয়েছে (38, 39)। সংক্ষেপে, অঞ্চলগুলির মধ্যে স্নায়বিক মিথস্ক্রিয়াগুলি বিভেদ সমীকরণ দ্বারা প্রকাশ করা হয়, যা বর্ণনা করে যে 1) কীভাবে একটি মস্তিষ্ক অঞ্চলের কার্যকলাপ অন্য মস্তিষ্কের অঞ্চলে গতিশীলতা (অর্থাৎ পরিবর্তনের হার) ঘটায় এবং 2) পরীক্ষামূলক অবস্থার প্রভাবে এই মিথস্ক্রিয়াগুলি কীভাবে পরিবর্তিত হয়। এখানে, আমরা একটি ছবি পরে প্রত্যাহার করা হয়েছে কিনা তা বিবেচনা করার সময় আবেগপূর্ণ এবং নিরপেক্ষ ছবির শর্তগুলির তুলনা করেছি। ডিসিএম "নিউরাল লেভেল" এবং "হেমোডাইনামিক লেভেল" (82) এর মধ্যে একটি সুস্পষ্ট পার্থক্য তৈরি করে নিউরোফিজিওলজিকাল ব্যাখ্যার জন্য প্রচেষ্টা করে। এটি একটি বায়োফিজিক্যালি মোটিভেটেড এবং প্যারামিটারাইজড ফরওয়ার্ড মডেলকে উল্টে দিয়ে অর্জিত হয় যা মাপা হেমোডাইনামিকটাইম কোর্সের সাথে মডেলড নিউরাল ডাইনামিকসকে লিঙ্ক করে (38) . সংযোগের পরামিতিগুলি তাই নিউরাল জনসংখ্যার মধ্যে প্রভাব হিসাবে ব্যাখ্যা করা যেতে পারে (39)। DCM-এর প্যারামিটারাইজেশনে অন্তর্নিহিত গাণিতিক অনুমানের উপর নির্ভর করে কানেক্টিভিটির উপর আমাদের অনুমান। এই অনুমানগুলি সমালোচনামূলকভাবে মূল্যায়ন করা হয়েছে (83)।

আমরা অন্যান্য পদ্ধতির তুলনায় DCM বেছে নিয়েছি কারণ এটি বিভিন্ন সুবিধা প্রদান করে। DCM ডিফারেন্সিয়ালিকেশনের একটি সিস্টেমের সাথে স্নায়ু গতিবিদ্যা মডেলিং করে সংযোগ স্থাপন করে। অতএব, প্রভাবের দিক এবং সংযোগ শক্তির শর্ত-নির্ভর মড্যুলেশন স্ট্যাটিক সংযোগ মডেল যেমন পারস্পরিক সম্পর্ক বা কাঠামোগত সমীকরণ মডেলিং (82, 84, 85) এর চেয়ে আরও অর্থপূর্ণভাবে নির্ধারণ করা যেতে পারে।

সংযোগ বিশ্লেষণ: DCM—মডেল স্পেস। আমরা একটি পোস্ট-হক মডেল নির্বাচন পদ্ধতি ব্যবহার করেছি, যার জন্য সমস্ত সম্ভাব্য সংযোগ আর্কিটেকচারের মডেল প্রমাণ খুঁজে পেতে শুধুমাত্র একটি সম্পূর্ণ মডেলের অনুমান প্রয়োজন (40), যার ফলে একটি সম্পূর্ণ মডেল তুলনা করা যায়। আমরা একটি সীমিত সংখ্যক অগ্রাধিকার মডেলের ঐতিহ্যগত তুলনার পরিবর্তে এই নির্বাচন পদ্ধতিটি ব্যবহার করেছি কারণ এই অ্যালগরিদমটি একটি সম্পূর্ণ মডেলের অনুমান থেকে নেস্টেড সাবমডেলের সংযোগের পরামিতিগুলি আনুমানিক করে গণনামূলক বোঝাকে ব্যাপকভাবে হ্রাস করে। যদিও এটি একটি একক মডেলে সমস্ত 26 ক্লাস্টার অন্তর্ভুক্ত করা আকর্ষণীয় হত, এটি গণনাগতভাবে সম্ভব ছিল না। আমরা সেরিবেলার ROI এবং অবশিষ্ট 25টি ROI-এর মধ্যে সমস্ত জোড়া সংযোগগুলি অন্বেষণ করেছি2-নোড DCMগুলির একটি সিরিজ সংজ্ঞায়িত করে যেখানে সেরিবেলামে অবস্থিত ROI অন্যান্য ROIগুলির একটির সাথে পদ্ধতিগতভাবে জোড়া হয়েছিল৷ কানেক্টিভিটি প্যারামিটারগুলি ROI-এর মধ্যে নেট সংযোগের প্রতিনিধিত্ব করে—অর্থাৎ, তারা বিবেচনা করে না যে দুটি ROI-এর মধ্যে প্রভাব অতিরিক্ত অঞ্চল দ্বারা মধ্যস্থতা করছে কিনা যদি না এই অতিরিক্ত অঞ্চলগুলি DCM মডেলে স্পষ্টভাবে অন্তর্ভুক্ত করা হয়। যেহেতু এখানে পরীক্ষিত ডিসিএমগুলিতে শুধুমাত্র দুটি নোড অন্তর্ভুক্ত ছিল, তাই তারা সেরিবেলাম এবং দ্বিতীয় ROI-এর মধ্যে প্রভাব অতিরিক্ত অঞ্চল দ্বারা মধ্যস্থতা করা হয়েছিল কিনা তা পরীক্ষা করেনি। আমাদের কানেক্টিভিটি প্যারামিটারের মান তাই সম্ভাব্যভাবে প্রত্যক্ষ এবং পরোক্ষ উভয় সংযোগকেই প্রতিফলিত করে। আমরা দুইটি অবস্থা (সংস্করণ DCM12)(86) সহ বাইলিনিয়ার, ডিটারমিনিস্টিক ডিসিএম প্রয়োগ করেছি। আমরা প্রতিটি ROI এর মধ্যে পারস্পরিক অভ্যন্তরীণ সংযোগ নির্দিষ্ট করেছি। ROI-তে বাহ্যিক ইনপুটগুলি নেটওয়ার্ককে চালিত করে এবং ROIগুলি কীভাবে বাহ্যিক উদ্দীপনায় সাড়া দেয় তা পরিমাপ করে। চারটি ভিন্ন ইনপুট রিগ্রেসারকে সংজ্ঞায়িত করা হয়েছিল, যার মধ্যে রয়েছে 1) আবেগঘন নিরপেক্ষ ছবি, 2) স্ক্র্যাম্বল করা ছবি, 3) বোতাম টিপে এবং 4) রেটিং স্কেল প্রেজেন্টেশন। প্রতিটি ইনপুট রিগ্রেসার সমস্ত ROI-তে নেটওয়ার্কে প্রবেশ করতে পারে৷ ROI-গুলির মধ্যে অন্তর্নিহিত সংযোগের শক্তি নিম্নলিখিত শর্তগুলির দ্বারা সংশোধিত হতে পারে: আবেগগতভাবে প্রত্যাহার করা ছবি, আবেগগতভাবে স্মরণ না করা ছবি, নিরপেক্ষ প্রত্যাহার করা ছবি এবং নিরপেক্ষভাবে স্মরণ না করা ছবি৷

একাধিক তুলনার একটি বায়েসিয়ান দৃষ্টিভঙ্গির জন্য, রেফারেন্সগুলি দেখুন (87, 88)। উল্লেখযোগ্যভাবে, আমরা একটি দ্বিতীয় নমুনায় আবিষ্কারের নমুনার ফলাফলের প্রতিলিপি করেছি।

সংযোগ বিশ্লেষণ: DCM-মডেল অনুমান। আমরা একটি দক্ষ পোস্টহক মডেল নির্বাচন ব্যবহার করেছি যার জন্য শুধুমাত্র একটি সম্পূর্ণ মডেলের অনুমান প্রয়োজন ছিল 1) বায়েসিয়ান মডেল নির্বাচন (BMS), 2) সম্ভাব্যতা নির্ধারণের জন্য পারিবারিক-স্তরের অনুমানের ফলে পরবর্তী সম্ভাব্যতাগুলির সাথে সমস্ত সম্ভাব্য সংযোগ আর্কিটেকচারের মডেল প্রমাণ। পরামিতি অনুমানের বৈসাদৃশ্য, এবং 3) সমস্ত সম্ভাব্য মডেলের উপর Bayesian প্যারামিটার গড় দেখায় যে প্যারামিটার অনুমানের বৈসাদৃশ্য শূন্য (40, 84, 89) থেকে আলাদা কিনা। যেহেতু আমরা ফিক্সড-ইফেক্ট বিএমএস ব্যবহার করেছি, আমরা ধরে নিয়েছি যে সর্বোত্তম মডেলটি জনসংখ্যার একই অংশীদার ছিল (39)। ডিসিএম মডেলগুলির অনুমান sciCORE (https://scicore.unibas.ch/) ব্যাসেল বিশ্ববিদ্যালয়ের বৈজ্ঞানিক কম্পিউটিং কোরফ্যাসিলিটিতে করা হয়েছিল।

সংযোগ বিশ্লেষণ: DCM-প্যারামিটার বিশ্লেষণ। সফল সংবেদনশীল মেমরি এনকোডিংয়ের সময় সংযোগের শক্তি বৃদ্ধি পেয়েছে কিনা তা মূল্যায়ন করতে আমরা বায়েসিয়ান অনুমান ব্যবহার করেছি। বিশেষত, সংযোগ শক্তির মডুলেটরগুলির মধ্যে বৈসাদৃশ্য শূন্যের চেয়ে বড় ছিল এমন পোস্টেরিয়র সম্ভাব্যতা গণনা করতে আমরা পোস্টেরিয়র এক্সপেকটেশনস এবং পোস্টেরিয়র কোভেরিয়েন্স ব্যবহার করেছি। সফল সংবেদনশীল মেমরি এনকোডিংয়ের বৈসাদৃশ্যটি নিম্নলিখিত শর্তগুলির মডুলেটরগুলিকে বিয়োগ করে তৈরি করা হয়েছিল: (আবেগজনিত ছবিগুলি - স্মরণ না করা আবেগের ছবিগুলি) - (প্রত্যাহার করা নিরপেক্ষ ছবি - অ-প্রত্যাহার করা নিরপেক্ষ ছবি)। প্রথমত, আবিষ্কারের নমুনার মধ্যে, আমরা সেই সংযোগগুলি চিহ্নিত করেছি যেগুলির বিপরীতে {{0}}.99-এর চেয়ে বেশি বৈসাদৃশ্যের সম্ভাব্যতা ছিল৷ দ্বিতীয়ত, আমরা প্রতিলিপি নমুনায় এই সংযোগগুলিকে বিশ্লেষণ করেছি, পরীক্ষা করেছিলাম যে তাদেরও 0.99 এর চেয়ে বেশি বৈসাদৃশ্যের পরবর্তী সম্ভাবনা ছিল কিনা। বর্ণনামূলক পদে, 0.99-এর প্রয়োগযোগ্য সম্ভাবনা থ্রেশহোল্ডকে একটি প্রভাবের জন্য অত্যন্ত শক্তিশালী প্রমাণ প্রদান হিসাবে ব্যাখ্যা করা যেতে পারে (42, 43)। আমরা সংযোগ শক্তি হ্রাসের পরিবর্তে বৃদ্ধির দিকে মনোনিবেশ করেছি যেহেতু ROI গুলি বর্ধিত কার্যকলাপ সহ ভক্সেলের উপর ভিত্তি করে সংজ্ঞায়িত করা হয়েছিল।

সংযোগের শক্তি সম্পর্কে গণনাগুলি প্রতিলিপি নমুনার বৈসাদৃশ্যের শক্তির উপর ভিত্তি করে ছিল। R (90) এ সার্কেল লাইব্রেরি ব্যবহার করে সংযোগগুলি কল্পনা করা হয়েছিল।

শারীরবৃত্তীয় চিত্রের বিভাজন। ফ্রিসার্ফার সংস্করণ 4.5 (91) ব্যবহার করে প্রতিটি অংশগ্রহণকারীর শারীরবৃত্তীয় চিত্র স্বয়ংক্রিয়ভাবে কর্টিকাল এবং সাবকর্টিক্যাল কাঠামোতে ভাগ করা হয়েছিল। কর্টিকাল গিরির লেবেলিং দেশিকান-কিলিয়ানি অ্যাটলাস (92) এর উপর ভিত্তি করে তৈরি করা হয়েছিল, যার ফলে 35টি কর্টিকাল এবং সাতটি উপকর্টিক্যাল অঞ্চল পারহেমিস্ফিয়ার পাওয়া যায়। উল্লেখ্য যে প্রয়োগকৃত বিভাজন এবং লেবেলিং কৌশল বিশেষজ্ঞদের দ্বারা ম্যানুয়াল লেবেলিংয়ের সাথে তুলনীয় একটি নির্ভুলতা প্রদান করে (91, 92)।

জনসংখ্যা-গড় শারীরবৃত্তীয় সম্ভাব্য অ্যাটলাসের উপর ভিত্তি করে ROI-এর শারীরবৃত্তীয় স্থানীয়করণ। 1,418 জন অংশগ্রহণকারীর মধ্যে 1,000 থেকে ডেটার উপর ভিত্তি করে, FreeSurfer (উপরের অনুচ্ছেদ দেখুন) থেকে প্রাপ্ত কর্টিকাল এবং সাবকর্টিক্যাল কাঠামোর বিভাজনগুলি জনসংখ্যা-গড় সম্ভাব্য শারীরবৃত্তীয় অ্যাটলাস তৈরি করতে ব্যবহৃত হয়েছিল। অংশগ্রহণকারীদের পূর্বে গণনা করা ওয়ার্প ফিল্ড ব্যবহার করে অধ্যয়ন-নির্দিষ্ট শারীরবৃত্তীয় টেমপ্লেট স্পেসে পৃথক সেগমেন্টেড শারীরবৃত্তীয় চিত্রগুলি স্বাভাবিক করা হয়েছিল এবং এমএনআই স্পেসে অ্যাফাইন-রেজিস্টার করা হয়েছিল৷ বিভিন্ন কাঠামোর লেবেল সংরক্ষণের জন্য নিকটতম-প্রতিবেশী ইন্টারপোলেশন প্রয়োগ করা হয়েছিল৷ একটি জনসংখ্যা-গড় সম্ভাব্য অ্যাটলাস তৈরি করতে অংশগ্রহণকারীদের জুড়ে স্বাভাবিককৃত বিভাজনগুলি শেষ পর্যন্ত গড় করা হয়েছিল। টেমপ্লেটের প্রতিটি ভক্সেল ফলস্বরূপ একটি প্রদত্ত শারীরবৃত্তীয় কাঠামোর অন্তর্গত হওয়ার সম্ভাবনা বরাদ্দ করা যেতে পারে।

এই জনসংখ্যা-গড় সম্ভাব্য অ্যাটলাসটি স্থানাঙ্ক এবং ROI-এর শারীরবৃত্তীয় গণনা প্রতিবেদন করতে ব্যবহৃত হয়েছিল। স্থানাঙ্ক প্রতি শতাংশে একটি শারীরবৃত্তীয় লেবেলের জনসংখ্যা-গড় সম্ভাবনা নির্দেশ করে। উপরন্তু, আমরা ROI প্রতি আঞ্চলিক চিঠিপত্রের গড় শতাংশ রিপোর্ট করেছি। ROI অনুসারে, আমরা নির্ধারণ করেছি কোন শারীরবৃত্তীয় লেবেলগুলি এর ভক্সেল দ্বারা বিস্তৃত ছিল। তারপরে আমরা ROI-এর মধ্যে সমস্ত ভক্সেল জুড়ে লেবেল প্রতি সম্ভাব্যতার সংক্ষিপ্তকরণ করি এবং মাস্কে থাকা ভক্সেলগুলির সামগ্রিক সংখ্যা দ্বারা থিসামকে ভাগ করি। একটি 100% চিঠিপত্র ঘটত যদি একটি ROI এর সমস্ত ভক্সেল একই শারীরবৃত্তীয় অঞ্চলের মধ্যে থাকে এবং প্রতিটি ভক্সেল নিজেই এই অঞ্চলে 100% অবস্থিত হওয়ার সম্ভাবনা থাকে।

ডেটা, উপকরণ এবং সফ্টওয়্যার উপলব্ধতা। আগ্রহের দুটি বৈপরীত্যের জন্য ব্যক্তিগত, প্রথম-স্তরের মানচিত্রগুলি (সফল মানসিক মেমরি এনকোডিং এবং আবেগের ছবিগুলির এনকোডিং) ওপেন সায়েন্স ফ্রেমওয়ার্ক (OSF,https://osf.io/ghtvy) (93) এ উপলব্ধ রয়েছে covariates স্বতন্ত্র প্রথম-স্তরের এবং VOI ফাইলগুলি Figshare (https://figshare.com/projects/CBDCM/149317) (94) এ উপলব্ধ। সংশ্লিষ্ট আন-থ্রেশহোল্ড গ্রুপ-লেভেল ম্যাপ, সেইসাথে কার্যকরী ROI-এর বাইনারি মাস্ক, Neurovault(https://neurovault.org/collections/12932) (95) এ জমা করা হয়েছে। গ্রুপ-স্তরের DCM ফাইলগুলি OSF (https://osf.io/ghtvy) (93) এ উপলব্ধ।

স্বীকৃতি আমরা ইউনিভার্সিটি হাসপাতাল বাসেলের fMRI সুবিধাগুলিতে অ্যাক্সেস দেওয়ার জন্য এলমার মার্কেল, ক্রিস্টোফ স্টিপিচ এবং অলিভারবিয়েরিকে ধন্যবাদ জানাই৷ এই কাজটি সুইস ন্যাশনাল সায়েন্স ফাউন্ডেশন (Sinergia grantCRSI33_130080 to DJ-FdQ এবং AP) দ্বারা অর্থায়ন করেছে৷ এমএফকে ব্যাসেল বিশ্ববিদ্যালয়ের জুনিয়র গবেষকদের জন্য গবেষণা তহবিল (অনুদান DPE2141) দ্বারা অর্থায়ন করা হয়েছিল। ব্যাসেল বিশ্ববিদ্যালয়ের sciCORE (https://scicore.unibas.ch/) বৈজ্ঞানিক কম্পিউটিং কোর সুবিধায় গণনা করা হয়েছিল। লেখক কোন প্রতিযোগিতামূলক আর্থিক স্বার্থ ঘোষণা করেন না।

রেফারেন্স

1. ডি. ডি কোয়ার্ভাইন, এল. শোয়াবে, বি. রুজেন্ডাল, স্ট্রেস, গ্লুকোকোর্টিকয়েডস এবং মেমরি: ভয়-সম্পর্কিত ব্যাধিগুলির জন্য প্রভাব। নাট। রেভ. নিউরোস্কি। 18, 7-19 (2017)।

2. জেএল ম্যাকগ, দ্য মেকিং অফ লাস্টিং মেমরি (ওয়েডেনফেল্ড এবং নিকলসন, 2003)।

3. JL McGaugh, মেমরি-একত্রীকরণের শতাব্দী। বিজ্ঞান 287, 248-251 (2000)।

4. বি রুজেন্ডাল, জেএল ম্যাকগ, মেমরি মড্যুলেশন। আচরণ. নিউরোসি। 125, 797–824 (2011)।

5. কেএস লাবার, আর. ক্যাবেজা, আবেগীয় স্মৃতির জ্ঞানীয় স্নায়ুবিজ্ঞান। নাট। রেভ. নিউরোস্কি। 7, 54-64 (2006)।

6. SB Hamann, TD Ely, ST Grafton, CD Kilts, Amygdala কার্যকলাপ আনন্দদায়ক এবং বিরূপ উদ্দীপনার জন্য উন্নত স্মৃতিশক্তি সম্পর্কিত। নাট। নিউরোসি। 2, 289-293 (1999)।

7. T. Canli, Z. Zhao, J. Brewer, JDE Gabrieli, L. Cahill, ইভেন্ট-সম্পর্কিত অ্যাক্টিভেশন ইন মানব অ্যামিগডালা অ্যাসোসিয়েটস পরবর্তী স্মৃতির সাথে ব্যক্তিগত আবেগগত অভিজ্ঞতার জন্য। নিউরোসি। 20, RC99 (2000)।

8. এএইচ ভ্যান স্টেগেরেন এট আল।, নোরাড্রেনালাইন মানসিক উপাদানের এনকোডিংয়ের সময় পুরুষ এবং মহিলাদের মধ্যে অ্যামিগডালা সক্রিয়করণের মধ্যস্থতা করে। নিউরোইমেজ 24, 898-909 (2005)।

9. MW Cole et al., মাল্টি-টাস্ক কানেক্টিভিটি অভিযোজিত টাস্ক কন্ট্রোলের জন্য নমনীয় হাব প্রকাশ করে। নিউরোসি। 16, 1348-1355 (2013)।

10. RM Todd, TW Schmitz, J. Susskind, AK Anderson, শেয়ারড নিউরাল সাবস্ট্রেটস অফ ইমোশনালি বর্ধিত ইন্দ্রিয়গ্রাহ্য এবং স্মৃতি সংক্রান্ত প্রাণবন্ততা। সামনে। আচরণ. নিউরোসি। 7, 40 (2013)।

For more information:1950477648nn@gmail.com