Компоненты вызванных потенциалов фронтальных областей коры, связанные с классификацией изображений и не зависящие от физических характеристик стимулов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В настоящее время существует проблема повышения объективности электрофизиологических методов оценки остроты зрения. Цель настоящего исследования – изучение характеристик когнитивных вызванных потенциалов (ВП), связанных с событиями, во фронтальных областях мозга в задачах классификации изображений объектов, по семантическим признакам изображений. Использовали визуальные стимулы, разбитые на следующие классы: по семантическим признакам – на живые и неживые объекты, и по диапазонам пространственных частот – на широкополосные контурные изображения (белые на черном фоне) и узкополосные, в которых методом цифровой фильтрации были выделены низкочастотный или высокочастотный диапазоны. Подготовленные изображения предъявляли на экране монитора испытуемым. В каждой серии исследований испытуемые получали инструкцию классифицировать изображения по признакам “живой/неживой” объект вне зависимости от физических характеристик стимулов. Показали, что компонент P200 ВП в вентролатеральных областях фронтальной коры головного мозга зависит от семантических свойств стимулов – изображений объектов живой и неживой природы, и не зависит от таких физических характеристик, как наличие/отсутствие высокочастотной или низкочастотной фильтрации. В настоящей работе в результате проведенного анализа индивидуальных данных в двух сериях исследования представлены результаты измерений амплитуд и латентных периодов для компонента P200 ВП для разных (по семантике) классов контурных изображений с высокочастотной и низкочастотной фильтрацией на выбранных нескольких отдельных пространственных частотах и контурных неотфильтрованных изображений при разных инструкциях испытуемым. Полученные результаты могут быть востребованы в разработке нового дополнительного метода оценки остроты зрения с помощью зрительных ВП.

Полный текст

Доступ закрыт

Об авторах

Г. А. Моисеенко

ФГБУН Институт физиологии имени И.П. Павлова РАН

Автор, ответственный за переписку.
Email: MoiseenkoGA@infran.ru
Россия, Санкт-Петербург

С. А. Коскин

ФГБУН Институт физиологии имени И.П. Павлова РАН; ФГБВОУ ВО Военно-медицинская академия имени С.М. Кирова Министерства обороны РФ

Email: MoiseenkoGA@infran.ru
Россия, Санкт-Петербург; Санкт-Петербург

С. В. Пронин

ФГБУН Институт физиологии имени И.П. Павлова РАН

Email: MoiseenkoGA@infran.ru
Россия, Санкт-Петербург

В. Н. Чихман

ФГБУН Институт физиологии имени И.П. Павлова РАН

Email: MoiseenkoGA@infran.ru
Россия, Санкт-Петербург

Е. А. Вершинина

ФГБУН Институт физиологии имени И.П. Павлова РАН

Email: MoiseenkoGA@infran.ru
Россия, Санкт-Петербург

О. В. Жукова

ФГБУН Институт физиологии имени И.П. Павлова РАН

Email: volgazhukova@gmail.com
Россия, Санкт-Петербург

Список литературы

  1. Костандов Э.А. Психофизиология сознания и бессознательного. СПб.: Питер, 2004. 167 с.
  2. Bonin P., Gelin M., Bugaiska A. Animates are better remembered than inanimates: Further evidence from word and picture stimuli // Mem. Cogn. 2014. V. 42. № 3. P. 370.
  3. Yang J., Wang A., Yan M. et al. Distinct processing for pictures of animals and objects: Evidence from eye movements // Emotion. 2012. V. 12. № 3. P. 540.
  4. Pauen S. Evidence for knowledge–based category discrimination in infancy // Child Dev. 2002. V. 73. № 4. P. 1016.
  5. Taniguchi K., Tanabe-Ishibashi A., Itakura S. The categorization of objects with uniform texture at superordinate and living/non-living levels in infants: An exploratory study // Front. Psychol. 2020. V. 11. P. 2009.
  6. Марченко О.П. Электрические потенциалы мозга, связанные с категоризацией названий одушевленных и неодушевленных объектов // Экспериментальная психология. 2010. Т. 3. № 1. С. 5.
  7. Герасименко Н.Ю., Славуцкая А.В., Калинин С.А. и др. Опознание зрительных образов в условиях прямой маскировки: влияние категориальной близости значимого и маскирующих изображений // Журн. высш. нервн. деят. им. И.П. Павлова. 2013. Т. 63. № 4. С. 419.
  8. Михайлова Е.С., Герасименко Н.Ю., Авсиенко А.В. Опознание сложных и простых изображений при их прямой маскировке // Физиология человека. 2009. Т. 35. № 3. C. 13.
  9. Верхлютов В.М., Ушаков В.Л., Стрелец В.Б. Снижение латентности компонента вызванного потенциала N170 при повторном предъявлении изображений лиц // Журн. высш. нервн. деят. им. И.П. Павлова. 2009. Т. 50. № 3. С. 307.
  10. Пономарев В.А., Кропотов Ю.Д. Уточнение локализации источников вызванных потенциалов в GO/NOGO тесте с помощью моделирования структуры их ковариации // Физиология человека. 2013. Т. 39. № 1. С. 36.
  11. Пономарев В.А., Пронина М.В., Кропотов Ю.Д. Скрытые компоненты связанных с событиями потенциалов в зрительном Go/NoGo тесте с предупреждающим стимулом // Физиология человека. 2019. Т. 45. № 5. С. 20.
  12. Глезер В.Д. Зрение и мышление. Л.: Наука, 1993. 284 с.
  13. Шелепин Ю.Е. Введение в нейроиконику: монография. СПб.: Троицкий мост, 2017. 352 с.
  14. Chikhman V.N., Bondarko V.M., Danilova M.V. et al. Complexity of images: Experimental and computational estimates compared // Perception. 2012. V. 41. № 6. P. 631.
  15. Attneave F. Physical determinants of the judged complexity of shapes // J. Exp. Psychol. 1957. V. 53. № 4. P. 221.
  16. Long B., Störmer V.S., Alvarez G.A. Mid-level perceptual features contain early cues to animacy // J. Vis. 2017. V. 17. № 6. P. 20.
  17. Yetter M., Robert S., Mammarella G. et al. Curvilinear features are important for animate/inanimate categorization in macaques // J. Vis. 2021. V. 21. № 4. P. 3.
  18. Моисеенко Г.А., Шелепин Ю.Е., Хараузов А.К. и др. Классификация и распознавание изображений живой и неживой природы // Оптич. журн. 2015. Т. 82. № 10. С. 53.
  19. Моисеенко Г.А., Пронин С.В., Шелепин Ю.Е. Исследование инвариантных к масштабным преобразованиям механизмов классификации изображений // Оптич. журн. 2019. Т. 86. № 11. С. 66.
  20. Чупров А.Д., Жедяле Н.А., Воронина А.Е. Методы исследования центрального отдела зрительного анализатора (обзор) // Сарат. научно-мед. журн. 2021. Т. 17. № 2. С. 396.
  21. Офтальмология: национальное руководство / Под ред. Аветисова С.Э., Егорова Е.А., Мошетова Л.К., Нероева В.В., Тахчиди Х.П. 2-е изд., перераб. и доп. М.: ГЕОТАР-Медиа, 2022. Cер.: Национальные руководства. 904 c.
  22. Моисеенко Г.А., Вершинина Е.А., Пронин С.В. и др. Латентные периоды компонентов вызванных потенциалов в задачах классификации изображений, подвергнутых вейвлетной фильтации // Физиология человека. 2016. Т. 42. № 6. С. 37.
  23. Куценко М.А. История и методы визометрии // Вест. совета молодых учtных и специалистов Челяб. обл. 2018. Т. 2. № 3. C. 32.
  24. Моисеенко Г.А., Пронин С.В., Жильчук Д.И. и др. “Исчезающие” оптотипы и объективное измерение остроты зрения человека // Оптич. журн. 2020. Т. 87. № 12. С. 84.
  25. Harauzov A.K., Shelepin Y.E., Noskov Y.A. et al. The time course of pattern discrimination in the human brain // Vision Res. 2016. V. 125. P. 55.
  26. Kozlovskiy S., Kashirin V., Glazkova A. Electrophysiological differences in perception of animate and inanimate objects // Int. J. Psychophysiol. 2023. V. 188. P. 116.
  27. Михайлова Е.С., Майорова Л.А., Герасименко Н.Ю. и др. Половые различия в рабочей памяти на простые зрительные признаки. Анализ связанных с событием потенциалов в процессе и пространстве сенсоров и дипольных источников // Журн. высш. нервн. деят. им. И.П. Павлова. 2022. Т. 72. № 6. С. 836.
  28. Герасименко Н.Ю., Кушнир А.Б., Михайлова Е.С. Маскирующие эффекты нерелевантной зрительной информации в условиях базовой и суперординатной категоризации сложных изображений // Физиология человека. 2019. Т. 45. № 1. С. 5.
  29. Lee G., Blumenfeld R.S., D'Esposito M. Disruption of dorsolateral but not ventrolateral prefrontal cortex improves unconscious perceptual memories // J. Neurosci. 2013. V. 33. № 32. P. 13233.
  30. Вахрамеева О.А., Сухинин М.В., Моисеенко Г.А. и др. Изучение порогов восприятия в зависимости от геометрии фовеа // Cенсорные системы. 2013. Т. 27. № 2. С. 122.
  31. Chan A.W.-Y. Functional organization and visual representations of human ventral lateral prefrontal cortex // Front. Psychol. 2013. V. 4. P. 371.
  32. Radtke E.L., Martens U., Gruber T. The steady‐state visual evoked potential (SSVEP) reflects the activation of cortical object representations: evidence from semantic stimulus repetition // Exp. Brain Res. 2021. V. 239. № 2. P. 545.
  33. Badre D., Wagner A.D. Left ventrolateral prefrontal cortex and the cognitive control of memory // J. Neuropsychol. 2007. V. 45. № 13. P. 2883.
  34. Farzmahdi A.J., Fallah F., Rajimehr R., Ebrahimpour R. Task-dependent neural representations of visual object categories // Eur. J. Neurosci. 2021. V. 54. № 7. P. 6445.
  35. Kravitz D.J., Saleem K.S., Baker C.I. et al. The ventral visual pathway: an expanded neural framework for the processing of object quality // Trends Cogn. Sci. 2013. V. 17. № 1. P. 26.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Методика проведения исследования. В первой серии исследования предъявляли изображения из одного набора стимулов, состоящие из объектов живой и неживой природы, которые были подвергнуты вейвлетной фильтрации в области низких (1 цикл./град) и высоких (10 цикл./град) пространственных частот (А). Во второй серии предъявляли изображения живой и неживой природы без предварительной вейвлетной фильтрации, размер изображений составил 3 и 0.4 угл. град (Б).

Скачать (24KB)
Метаданные
3. Рис. 2. Сравнительный анализ значимых различий между амплитудами компонентов вызванных потенциалов (ВП) в отведении F7 на изображения объектов живой (а – светлая кривая) и неживой (б – темная кривая) природы в двух сериях исследований. А – при классификации изображений, подвергнутых вейвлетной фильтрации в области высоких пространственных частот. Б – при классификации изображений, подвергнутых вейвлетной фильтрации в области низких пространственных частот. В – при классификации изображений без вейвлетной фильтрации. Данные усреднены на группе испытуемых.

Скачать (21KB)
Метаданные

© Российская академия наук, 2024