Категории в новых правах расшифровка: Все категории водительских прав 2020 года с расшифровкой

CrossRef Полный текст

Силла, К. Н., Фрейтас, А. А. (2011). Обзор иерархической классификации по различным доменам приложений. Данные Мин. Знай. Discov. 22, 31–72. DOI: 10.1007 / s10618-010-0175-9

CrossRef Полный текст | Google Scholar

Стэнсбери Д. Э., Населарис Т. и Галлант Дж. Л. (2013). Статистика естественных сцен учитывает представление категорий сцен в зрительной коре головного мозга человека. Нейрон 79, 1025–1034. DOI: 10.1016 / j.neuron.2013.06.034

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Терни П. Д., Пантел П. (2010). От частоты к значению: векторные пространственные модели семантики. J. Artif. Intell. Res. 37, 141–188. DOI: 10.1613 / jair.2934

CrossRef Полный текст | Google Scholar

Ван Эссен, Д. К., Друри, Х. А., Диксон, Дж., Харвелл, Дж., Хэнлон, Д., и Андерсон, К. Х. (2001). Интегрированный программный комплекс для поверхностного анализа коры головного мозга. J. Am. Med. Сообщить. Доц. 8, 443–459. DOI: 10.1136 / jamia.2001.0080443

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Wehbe, L. , Murphy, B., Talukdar, P., Fyshe, A., Ramdas, A., and Mitchell, T. (2014). Одновременное выявление паттернов областей мозга, участвующих в различных подпроцессах чтения рассказов. PLoS ONE 9: e112575. DOI: 10.1371 / journal.pone.0112575

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Weichwald, S., Мейер, Т., Озденицци, О., Шёлкопф, Б., и Болл, Т. Гросс-Вентруп, М. (2015). Правила причинной интерпретации для моделей кодирования и декодирования в нейровизуализации. Neuroimage 110, 48–59. DOI: 10.1016 / j.neuroimage.2015.01.036

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Винер, Э. Д., Педерсен, Дж. О., и Вейгенд, А. С. (1995). «Нейросетевой подход к определению тем», в материалах Proceedings of SDAIR-95, 4-го ежегодного симпозиума по анализу документов и поиску информации, , (Лас-Вегас, Невада), 317–332.

Google Scholar

Нейронные механизмы контроля внимания для объектов: декодирование альфа-канала ЭЭГ при прогнозировании лиц, сцен и инструментов альфа указывает на очаговое корковое усиление и повышенное альфа указывает на подавление.

ЗНАЧИМОЕ ЗАЯВЛЕНИЕ Внимание — это когнитивная функция, которая позволяет выбирать релевантную информацию из сенсорных входных данных, чтобы ее можно было обработать для поддержки целенаправленного поведения. Зрительное внимание широко изучается, но нейронные механизмы, лежащие в основе отбора визуальной информации, остаются неясными. Колебательная активность ЭЭГ в альфа-диапазоне (8–12 Гц) нейронных популяций, восприимчивых к целевым визуальным стимулам, может быть частью механизма, поскольку считается, что альфа отражает фокальную нервную возбудимость.Здесь мы показываем, что активность альфа-диапазона, измеренная с помощью ЭЭГ кожи головы участников, варьируется в зависимости от конкретной категории объекта, выбранного вниманием. Это открытие подтверждает гипотезу о том, что активность альфа-диапазона является фундаментальным компонентом нейронных механизмов внимания.

Введение

Селективное внимание — это фундаментальная когнитивная способность, которая облегчает обработку релевантной для задачи перцепционной информации и подавляет отвлекающие сигналы. Влияние внимания на восприятие было продемонстрировано в улучшении поведенческих характеристик (Posner, 1980) и изменении кривых психофизической настройки (Carrasco and Barbot, 2019).У людей эти перцептивные преимущества для наблюдаемых стимулов сочетаются с повышенными сенсорно-вызванными потенциалами (Van Voorhis and Hillyard, 1977; Eason, 1981; Mangun and Hillyard, 1991; Eimer, 1996; Luck et al., 2000) и повышением гемодинамики ответы (Corbetta et al., 1990; Heinze et al., 1994; Mangun et al., 1998; Tootell et al., 1998; Martínez et al., 1999; Hopfinger et al., 2000; Giesbrecht et al., 2003). ). У животных электрофизиологические записи показывают, что сенсорные нейроны, реагирующие на обслуживаемые раздражители, имеют более высокую частоту возбуждения, чем таковые на необслуживаемые раздражители (Moran and Desimone, 1985; Luck et al. , 1997), улучшенное соотношение сигнал-шум при передаче информации (Mitchell et al., 2009; Briggs et al., 2013) и повышенные колебательные ответы (Fries et al., 2001), которые поддерживают более высокую межреальную функциональную связь (Bosman et al. др., 2012).

Большинство моделей избирательного внимания постулируют, что нисходящие управляющие сигналы внимания, возникающие в корковых сетях более высокого уровня, искажают обработку сенсорных систем (Nobre et al., 1997; Kastner et al., 1999; Corbetta et al., 2000; Hopfinger et al., 2000; Corbetta, Shulman, 2002; Petersen, Posner, 2012).Однако остается неясным, как именно нисходящие сигналы влияют на сенсорную обработку в сенсорной коре. Один из возможных механизмов включает модуляцию альфа-колебаний ЭЭГ (8–12 Гц). Когда скрытое внимание направлено на одну сторону поля зрения, альфа-сигнал сильнее подавляется в противоположном полушарии (Worden et al., 2000; Sauseng et al., 2005; Thut et al., 2006; Rajagovindan and Ding, 2011). Считается, что это латерализованное уменьшение альфа-канала отражает увеличение возбудимости коры головного мозга в сенсорных нейронах, соответствующих задаче, для облегчения обработки предстоящих стимулов (Romei et al. , 2008; Дженсен и Мазахери, 2010; Климеш, 2012). Связь между нисходящей активностью в лобно-теменной системе контроля внимания и альфа в сенсорной коре была предположена в исследованиях с использованием транскраниальной магнитной стимуляции для контроля областей (Capotosto et al., 2009, 2017), одновременных исследованиях ЭЭГ-фМРТ (Zumer et al., 2014; Liu et al., 2016) и магнитоэнцефалографии (Popov et al., 2017).

Хотя большинство исследований роли альфа в избирательном зрительном внимании сосредоточено на пространственном внимании, альфа-механизмы могут быть более общими (Jensen and Mazaheri, 2010).Селективное внимание к низкоуровневым визуальным характеристикам — движению по сравнению с цветом — также, как было показано, модулирует альфа, которая была локализована в областях MT и V4 с использованием моделирования ЭЭГ у людей (Snyder and Foxe, 2010). Следовательно, похоже, что связанная с вниманием альфа-модуляция может происходить на нескольких ранних уровнях сенсорной обработки в зрительной системе, причем локус альфа-модуляции функционально соответствует типу визуальной информации, на которую нацелено внимание. Неизвестно, участвует ли альфа-механизм также в контроле внимания над более высокими уровнями корковой визуальной обработки, такими как внимание к объектам.В настоящем исследовании мы проверили гипотезу о том, что альфа-модуляция является механизмом избирательного внимания к объектам путем записи ЭЭГ участников, выполняющих задачу упреждающего внимания к объекту, с использованием следующих трех категорий объектов: лица, сцены и инструменты. Используя методы декодирования ЭЭГ, мы подтверждаем эту гипотезу, обнаруживая объектно-специфические модуляции альфа-канала во время упреждающего внимания к различным категориям объектов.

Материалы и методы

Обзор

Настоящее исследование состояло из трех экспериментов.Эксперимент 1 является основным экспериментом, в котором мы проверяли, можно ли различить топологию альфа-диапазона ЭЭГ в зависимости от объектно-ориентированного состояния внимания. Анализ данных ЭЭГ включал построение топографической карты разности мощностей и декодирование мощности альфа-диапазона опорным вектором (SVM) для количественной оценки того, содержит ли альфа-диапазон ЭЭГ информацию о наблюдаемой категории объекта. В экспериментах 2 и 3 мы проверили две альтернативные интерпретации наших результатов из эксперимента 1.В частности, в эксперименте 2 мы проверили, могла ли точность декодирования в подготовительном периоде между началом сигнала и целевым началом, обнаруженная в эксперименте 1, быть основана на различиях в сенсорных процессах, вызываемых в зрительной системе разными стимулами сигнала, поскольку физические стимульные свойства реплик для трех различных условий внимания объекта отличались друг от друга (треугольник против квадрата против круга). В эксперименте 3 мы исследовали, могли ли различия в альфа-топографии в разных условиях внимания к объекту в эксперименте 1 быть результатом различных наборов задач в трех условиях внимания объекта, а не отражением механизмов внимания на основе объектов в зрительной коре головного мозга.

Участники

Все участники были здоровыми студентами-волонтерами из Калифорнийского университета в Дэвисе; имело нормальное зрение или зрение с поправкой на нормальное; дали информированное согласие; и получили зачетное время или денежную компенсацию за свое время. В эксперименте 1 данные ЭЭГ были записаны у 22 добровольцев (8 мужчин; 14 женщин). Двое добровольцев решили прекратить свое участие в середине эксперимента; данные оставшихся 20 участников (8 мужчин; 12 женщин) использовались для всех анализов.В эксперименте 2 данные ЭЭГ были записаны у 29 студентов; наборы данных от 4 участников были отклонены на основании непримиримого шума в данных или несоответствия субъекта, в результате чего был получен окончательный набор данных от 25 участников (9 мужчин; 16 женщин), который был использован для дальнейшего анализа декодирования. В эксперименте 3 данные ЭЭГ были записаны у 12 добровольцев (5 мужчин; 7 женщин). Наборы данных от двух участников были отклонены на основании непримиримого шума в данных ЭЭГ, в результате чего был получен окончательный набор данных ЭЭГ от 10 участников (5 мужчин и 5 женщин), который был использован для дальнейшего анализа декодирования.

Дизайн эксперимента

В исследовании использовался дизайн внутри субъектов. В экспериментах 1 и 3 мы исследовали распределение альфа-мощности ЭЭГ на коже черепа в зависимости от категории обслуживаемых объектов в упреждающей задаче на внимание с тремя категориями объектов (лица, сцены и инструменты). В эксперименте 2 мы исследовали распределение мощности альфа-сигнала ЭЭГ на коже черепа во время послеоперационного периода, когда три категории объектов не были посещены заранее. Подробная информация о задаче на внимание, связанной с объектом, о задаче без привязки, и статистическом анализе представлены ниже.

Статистический анализ

Данные поведенческих реакций были проанализированы с помощью обобщенной линейной смешанной модели с гамма-распределением (Lo and Andrews, 2015) со случайным эффектом субъекта и фиксированными эффектами категории объекта и достоверности сигнала для количественной оценки эффекта достоверности сигнала по времени реакции (RT).

Различия в топографии альфа-мощности скальпа ЭЭГ в зависимости от состояния сигнала были проанализированы статистически с использованием подхода декодирования SVM и непараметрического кластерного теста перестановок и моделирования Монте-Карло. Статистический тест на основе кластера использовался для управления проблемами множественного сравнения, которые возникают, когда тесты t выполняются во все моменты времени в течение эпохи (Bae and Luck, 2018). Подробности статистического теста на альфа-мощность ЭЭГ описаны ниже.

Эксперимент 1

Аппараты и раздражители.

Участники удобно расположились в электрически экранированном звукопоглощающем помещении (ETS-Lindgren). Стимулы предъявлялись на светодиодном мониторе VIEWPixx / EEG (модель VPX-VPX-2006A, VPixx Technologies) на расстоянии просмотра 85 см с центром по вертикали на уровне глаз.Диагональ дисплея составляла 23,6 дюйма, разрешение — 1920 × 1080 пикселей, частота обновления — 120 Гц. Комната для записи и предметы в ней были окрашены в черный цвет, чтобы избежать отраженного света, и она слабо освещалась лампами постоянного тока.

Каждое испытание начиналось с псевдослучайно выбранного представления одного из трех возможных типов сигналов в течение 200 мс (треугольник, квадрат или круг 1 ° × 1 °, с использованием PsychToolbox; Brainard, 1997; рис. 1 A ). Действительные сигналы информировали участников, какая категория целевых объектов (лицо, сцена или инструмент, соответственно), вероятно, появится впоследствии (вероятность 80%).Реплики располагались на 1 ° выше центральной точки фиксации. После псевдослучайно выбранных асинхронностей начала стимула (SOA; 1000–2500 мс) от начала сигнала, целевые стимулы (квадратное изображение 5 ° × 5 °) предъявлялись при фиксации в течение 100 мс. В случайных 20% испытаний реплики были недействительными, неправильно информируя участников о предстоящей категории целевых объектов. Для этих недействительных испытаний целевое изображение было отобрано с равной вероятностью из любой из двух категорий объектов без привязки. Все стимулы предъявлялись на сером фоне.Белая точка фиксации постоянно присутствовала в центре дисплея.

A , Пример пробной последовательности для задачи «Внимание». Каждое испытание начиналось с предъявления символической подсказки, которую испытуемые учили, предсказывали (80%) конкретную категорию объекта. После периода ожидания (от метки к цели), изменяющегося от 1,0 до 2,5 с, было представлено изображение объекта (лица, сцены или инструмента). В 20% испытаний было представлено одно из двух изображений цели без привязки.Испытуемые должны были быстро и точно различать аспекты изображений как в ожидаемых, так и в неожиданных условиях (подробности см. В тексте). B , Примеры целевых изображений, представленных в задаче на внимание. Изображения лиц, сцен и инструментов были выбраны из онлайн-баз данных.

Целевые изображения (Рис. 1 B ) были выбраны из 60 возможных изображений для каждой категории объектов. Все целевые изображения были собраны из Интернета. Изображения лица были фронтальными, с нейтральным выражением, лицами белой национальности, обрезанными и помещенными на белом фоне (Righi et al., 2012). Полнокадровые изображения сцены были взяты из коллекции естественных сцен Техасского университета в Остине (Geisler and Perry, 2011) и коллекции сцены кампуса (Burge and Geisler, 2011). Обрезанные изображения инструментов, размещенные на белом фоне, были взяты из Банка стандартизированных стимулов (Brodeur et al., 2014). Псевдослучайно распределенный интервал между испытаниями (ITI; 1500–2500 мс) отделял целевое смещение от начала сигнала следующего испытания. Каждый набор из 60 изображений объектов включал 30 изображений следующих различных подкатегорий: мужские / женские лица, городские / природные сцены и инструменты с питанием / без питания.

Запись ЭЭГ.

Необработанные данные ЭЭГ были получены с помощью 64-канальной системы активных электродов Brain Products actiCAP (Brain Products) и оцифрованы с помощью входной платы и усилителя Neuroscan SynAmps2 (Compumedics). Сигналы регистрировались с помощью программного обеспечения для сбора данных Scan 4.5 (Compumedics) с частотой дискретизации 1000 Гц и полосой пропускания от постоянного тока до 200 Гц. Шестьдесят четыре активных электрода Ag / AgCl помещали в подогнанные эластичные колпачки, используя следующий монтаж в соответствии с международной системой 10–10 (Jurcak et al. , 2007): FP1, FP2, AF7, AF3, AFz, AF4, AF8, F7, F5, F3, F1, Fz, F2, F4, F6, F8, FT9, FT7, FC5, FC3, FC1, FCz, FC2, FC4, FC6, FT8, FT10, T7, C5, C3, C1, Cz, C2, C4, C6, T8, TP9, TP7, CP5, CP3, CP1, CPz, CP2, CP4, CP6, TP8, TP10, P7, P5, P3, P1, Pz, P2, P4, P6, P8, PO7, PO3, POz, PO4, PO8, PO9, O1, Oz, O ₂ и PO10; с каналами AFz и FCz, назначенными как наземный и оперативный, соответственно. Кроме того, электроды в точках TP9 и TP10 были размещены непосредственно на левом и правом сосцевидных отростках.Электрод Cz был ориентирован на макушку головы каждого участника путем измерения спереди назад от назиона до иона и справа налево между преаурикулярными точками. Гель-электролит с высокой вязкостью наносили на каждый участок электрода для облегчения проводимости между электродом и кожей головы, а значения импеданса поддерживались на уровне <25 кОм. Непрерывные данные сохранялись в отдельных файлах, соответствующих каждому пробному блоку парадигмы стимула.

Предварительная обработка ЭЭГ.

Все процедуры предварительной обработки данных были выполнены с помощью набора инструментов EEGLAB MATLAB (Delorme and Makeig, 2004).Для каждого участника все файлы данных ЭЭГ были объединены в единый набор данных перед обработкой данных. Каждый набор данных был визуально проверен на наличие плохих каналов, но таких каналов не наблюдалось. Данные были отфильтрованы с помощью окна Хэмминга sinc FIR (конечная импульсная характеристика) (1–83 Гц), а затем субдискретизированы до 250 Гц. Данные были алгебраически привязаны к среднему значению для всех электродов, а затем были отфильтрованы нижние частоты до 40 Гц. Данные были привязаны к интервалу от 500 мс до начала сигнала до 1000 мс после начала сигнала, так что ожидаемые данные всех испытаний можно было изучить вместе.Данные были визуально проверены, чтобы отметить и отклонить испытания с помощью морганий и движений глаз, которые произошли во время подачи сигнала. Затем было использовано разложение независимого компонентного анализа для удаления артефактов, связанных с морганиями и движениями глаз.

Анализ ЭЭГ.

Мы использовали процедуру спектральной плотности мощности с функцией периодограммы Matlab (x) (длина окна, 500 мс; длина шага, 40 мс), чтобы извлечь мощность в альфа-диапазоне для каждого электрода, а также для каждого участника и сигнала. условие.Мощность в альфа-диапазоне рассчитывалась как среднее значение мощности от 8 до 12 Гц. Для каждого участника и условия сигнала результаты спектральной плотности мощности рассчитывались в отдельных испытаниях, а затем усреднялись по испытаниям. Усредненные результаты спектральной плотности мощности использовались для визуального изучения топографии мощности альфа-диапазона в различных условиях сигнала.

Мы реализовали анализ декодирования, чтобы количественно оценить, было ли внимание объекта систематически связано с изменениями фазонезависимой топографии мощности альфа-диапазона в зависимости от условий.Эта процедура анализа была адаптирована из процедуры декодирования представлений рабочей памяти из ЭЭГ кожи головы (Bae and Luck, 2018).

Декодирование выполнялось независимо в каждый момент времени в пределах эпох. Мы реализовали нашу модель декодирования с помощью функции Matlab fitecoc (x) , чтобы использовать комбинацию SVM и алгоритмов кодирования вывода с исправлением ошибок (ECOC). Отдельный бинарный классификатор был обучен для каждого условия сигнала, используя подход «один против одного», с объединением производительности классификатора в рамках подхода ECOC.Таким образом, декодирование считалось правильным, когда классификатор правильно определил условие реплики из трех возможных условий реплики, а вероятность выполнения была установлена ​​на уровне 33,33% (одна треть).

Декодирование для каждого момента времени следовало шестикратной процедуре перекрестной проверки. Данные пяти шестых испытаний, выбранных случайным образом, были использованы для обучения классификатора правильной маркировке. Оставшаяся одна шестая испытаний была использована для тестирования классификатора с помощью функции Matlab pred (x) . Вся процедура обучения и тестирования повторялась 10 раз, при этом новые данные для обучения и тестирования назначались случайным образом на каждой итерации. Для каждого условия сигнала, каждого участника и каждой временной точки точность декодирования вычислялась путем суммирования количества правильных маркировок в испытаниях и итерациях и деления на общее количество маркировок.

Мы усреднили вместе результаты декодирования для всех 10 итераций, чтобы проверить точность декодирования для всех участников в каждый момент времени в эпоху.В любой момент времени высокая точность декодирования предполагает, что альфа-топография содержит информацию о категории обслуживаемых объектов. Однако сравнения точности декодирования со случайностью самого по себе недостаточно для оценки того, является ли вывод, сделанный на основе точности декодирования, надежным. Несмотря на то, что односторонний тест t для определения точности декодирования разных испытуемых против случайности даст значение t и результат статистической значимости для рассматриваемой временной точки, проведя тот же тест в каждой из 375 временных точек, включенных в нашу эпоху. потребует поправки на множественные поправки, что приведет к чрезмерно консервативным статистическим тестам.Поэтому, следуя исследованию Bae and Luck (2018), мы использовали оценку значимости на основе моделирования методом Монте-Карло, чтобы выявить статистически значимые кластеры точности декодирования.

С помощью статистического метода Монте-Карло точность декодирования оценивалась по случайно выбранному целому числу (1, 2 или 3), представляющему экспериментальные условия, для каждой временной точки. Тест t точности классификации участников против случайности проводился в каждый момент времени для перемешанных данных.Были идентифицированы кластеры последовательных моментов времени, точность декодирования которых была определена как статистически значимая с помощью теста t , и масса кластера t была рассчитана для каждого кластера путем суммирования значений t , заданных каждым составляющим тестом t . Каждый кластер сэкономил т массы . Эта процедура была повторена 1000 раз для генерации распределения масс t для представления нулевой гипотезы о том, что данный кластер масс t из нашего анализа декодирования, вероятно, был найден случайно.95% -ное пороговое значение массы t было определено из нулевого распределения на основе перестановок и использовано в качестве порогового значения, с которым можно сравнивать массы кластера t , вычисленные на основе наших исходных данных декодирования. Кластеры последовательных моментов времени в исходных результатах декодирования с массами ± , превышающими порог, основанный на перестановках, считались статистически значимыми.

Мы выполнили ту же процедуру декодирования фазонезависимой колебательной активности ЭЭГ в тета-диапазоне (4–7 Гц), бета-диапазоне (16–31 Гц) и гамма-диапазоне (32–40 Гц), чтобы проверить гипотезу, что объект Модуляции активности ЭЭГ, основанные на внимании, специфичны для альфа-диапазона.Для фильтрации данных ЭЭГ в бета- и гамма-диапазоны мы установили минимальный порядок фильтрации, равный трехкратному количеству отсчетов в экспериментальную эпоху. Для фильтрации по тета-диапазону мы установили минимальный порядок фильтрации, равный двукратному количеству отсчетов, потому что длительность эпохи не была достаточно большой, чтобы позволить порядок фильтрации в три раза больше количества отсчетов.

Порядок действий.

Участники были проинструктированы сохранять фиксацию в центре экрана во время каждого испытания и предвосхищать категорию объекта с указанием, пока не появится целевое изображение.Кроме того, им было поручено указать подкатегорию объекта целевого изображения (например, мужчина / женщина) нажатием кнопки как можно быстрее и точнее в целевой презентации, используя кнопку указательного пальца для мужчин (лицо), природы (сцена) и питания. (инструмент) и нажмите кнопку среднего пальца для женщин (лицо), городских (сцена) и без питания (инструмент). Ответы регистрировались только во время ITI между целевым началом и следующим испытанием. Испытания были классифицированы как правильные, когда записанный ответ соответствовал подкатегории целевого изображения, и неправильный, когда ответ не совпадал или когда не было записанного ответа. Каждый блок экспериментов включал 42 испытания продолжительностью ~ 3 мин. Каждый участник выполнил 10 блоков эксперимента.

Эксперимент 2

Протоколы записи и анализа были идентичны протоколам эксперимента 1. Учитывая, что цель этого эксперимента состояла в том, чтобы проверить, могла ли точность декодирования в подготовительном периоде между началом сигнала и целевым началом быть основана на различиях Что касается сенсорных процессов, вызываемых в зрительной системе различными сигнальными стимулами, мы модифицировали эксперимент 1, сделав реплики непредсказуемыми для предстоящей целевой категории.В соответствии с этой модификацией мы проинструктировали участников, что форма реплики неинформативна, и что представление реплики было просто для предупреждения их о том, что целевой стимул скоро появится. Участников не проинструктировали игнорировать форму реплики. Хотя временной ход различий в сенсорных ответах в ЭЭГ кожи головы, отфильтрованных до частот альфа-диапазона, трудно измерить, на основе предыдущей литературы (Bae and Luck, 2018) мы предсказали, что даже для альфы любой дифференцируемый вызванный стимулом сенсорная активность будет ограничена временным окном в пределах 200 мс после начала сигнала. Каждый участник выполнил 10 блоков эксперимента, в каждом блоке по 42 попытки.

Эксперимент 3

Протоколы записи и анализа были идентичны протоколам эксперимента 1. Целью этого эксперимента было выяснить, могли ли различия в альфа-топографии в разных условиях внимания объекта в эксперименте 1 быть результатом различных наборов задач в разных группах. три состояния объектного внимания, а не отражающие объектно-ориентированные механизмы внимания в зрительной коре.В частности, в условиях присутствия лица в эксперименте 1 участников проинструктировали различать, было ли представленное лицо мужским или женским, и указывать свой выбор, используя поле кнопок с двумя кнопками под указательным и средним пальцами. В условии присутствия на сцене задача заключалась в том, чтобы отличить городские сцены от естественных с помощью тех же двух кнопок, а в условиях использования инструментов присутствия задача заключалась в том, чтобы отличить питание от инструментов без источника питания с помощью тех же двух кнопок. Поскольку различаемые категории были разными в разных условиях (мужской / женский, городской / естественный, электроинструмент / ручной инструмент), возможно, что участники готовили разные наборы задач в разных условиях реплики в течение подготовительного периода.Например, после представления треугольной реплики участнику потребуется когнитивно сопоставить реакцию своего указательного пальца на идентификацию мужского лица и реакцию среднего пальца на идентификацию женского лица, тогда как это сопоставление будет другим, если Участнику был вручен квадратный кий. Эти различные наборы задач и сопоставления от зрительной коры головного мозга к подготовке двигательной реакции могли, возможно, управлять различными альфа-топографиями кожи головы в течение подготовительного периода.

Это объяснение не является взаимоисключающим с нашей интерпретацией, согласно которой альфа-топографии кожи головы отражают различное подготовительное смещение внимания в визуальных областях, отобранных по категориям объектов, но, учитывая план эксперимента 1, нет способа узнать, одно, другое или оба отражены в различных альфа-паттернах. Поэтому мы провели эксперимент, который приравнял задачу ко всем условиям внимания к объекту, чтобы устранить любые различия в наборе задач, которые присутствовали в исходном эксперименте.Основываясь на нашей модели, согласно которой альфа — это механизм избирательного внимания к объектам в зрительной коре, в этом новом дизайне мы все еще должны наблюдать различные паттерны альфа-сигналов для подготовительного внимания к категориям объектов, которые должны быть обнаружены при успешном декодировании на поздних этапах пути к целевому периоду.

Аппараты и раздражители.

Общая структура парадигмы для эксперимента 3 следовала парадигме эксперимента 1. В каждом испытании появлялась форма реплики, указывающая категорию объекта для участия.Формы реплик были идентичны таковым в эксперименте 1. Как и раньше, за репликой следовал подготовительный период, а затем появлялось изображение стимула. ITI разделил изображение стимула и начало следующего испытания. Во время этого ITI собирались поведенческие ответы. Диапазоны SOA и ITI оставались такими же, как в эксперименте 1.

Поведенческая задача для этого эксперимента заключалась в том, чтобы определить, в каждом испытании, было ли кратко представленное целевое изображение, принадлежащее к категории объектов с указанием (лица, сцены или инструменты) в фокусе или размыто.В отличие от экспериментов 1 и 2, стимулы, подлежащие различению, представляли собой составные части изображения, принадлежащего целевой категории, наложенного на изображение, принадлежащее к категории отвлекающих факторов. Важно отметить, что и целевое изображение, и изображение-отвлекающий элемент в смеси могут быть в фокусе или размытыми независимо друг от друга; следовательно, задача не могла быть выполнена исключительно на основе внимания и реакции на присутствие или отсутствие размытия (например, см. Результаты эксперимента 3).

Двадцать процентов испытаний были неверно запрошены, что позволяет нам оценить влияние достоверности реплики на поведенческие характеристики.Для недействительных испытаний изображение стимула представляло собой композицию изображения из случайно выбранной категории объектов без привязки, наложенного на черно-белую шахматную доску. Шахматная доска также может быть размытой или в фокусе независимо от изображения объекта. Участников проинструктировали, что всякий раз, когда они сталкивались с испытанием, в котором смешанный стимул не включал изображение, принадлежащее к категории объекта с указанием, а вместо этого содержал только одно изображение объекта и наложение шахматной доски, они должны были указать, является ли изображение объекта без привязки в стимуле был расплывчатым или в фокусе.Мы предсказали, что участники будут медленнее реагировать на испытания с неверными указаниями, что аналогично поведенческому эффекту достоверности, наблюдаемому в парадигмах пространственного внимания с указанием указаний.

Изображения стимула охватывали квадрат 5 ° × 5 ° угла обзора. Для создания размытых изображений к изображениям применялось размытие по Гауссу со значением SD 2.

Все три категории объектов включали 40 различных индивидуальных изображений. В каждом испытании были нарисованы случайные изображения для создания составного изображения стимула. Изображения сцен и инструментов были взяты из тех же наборов изображений, что и для исходного эксперимента.Однако изображения лиц были взяты из другого набора изображений (Ma et al., 2015), потому что изображения лиц, использованные в исходном эксперименте, не имели достаточно высокого разрешения, чтобы обеспечить достоверно заметные различия в размытых и не размытых условиях. Все изображения лиц были обрезаны до овалов с центром на лице и помещены на белом фоне.

В отличие от изображений сцены, которые содержат визуальные детали, охватывающие весь квадрат 5 ° × 5 °, изображения лиц и инструментов были установлены на белом фоне и поэтому не содержали визуальной информации до всех границ изображения.Следовательно, чтобы исключить возможность того, что участники могут использовать информацию о сигнале для фокусировки пространственного внимания вместо объектно-ориентированного внимания для выполнения размытого / сфокусированного различения в любом испытании, в котором изображение лица или инструмента было включено в составной стимул, положение этого изображение лица или инструмента было случайным образом смещено из центра.

Порядок действий.

Участники были проинструктированы как можно быстрее реагировать на целевой стимул, поэтому очень важно, чтобы участники занимались подготовительным вниманием к категории объектов с указанием в течение подготовительного периода.Все участники были обучены по крайней мере 126 попыткам выполнения задания и смогли достичь не менее 60% точности ответа перед выполнением его в рамках сбора данных ЭЭГ; для этого продолжительность стимула была скорректирована для каждого участника на начальном этапе обучения. Эксперимент 3 был проведен в той же лабораторной среде, что и исходный эксперимент, и переменные настройки окружающей среды были приравнены к параметрам исходного эксперимента.

Каждый участник выполнил 15 блоков эксперимента, каждый из которых включал 42 испытания, что в среднем представляло на 210 испытаний на одного субъекта больше, чем эксперимент 1.

Результаты

Эксперимент 1

Поведенческие результаты

Наблюдаемая точность ответа была высокой и одинаковой для всех условий объекта и условий действительности (недопустимое лицо 96,6%; недопустимая сцена 97,1%; допустимое лицо 96,8%; допустимая сцена 96,7 %; действительный инструмент, 93,1%), за исключением недопустимого условия обслуживания (87,5%), которое мы рассмотрим ниже.

Чтобы определить, вызвала ли наша задача поведенческий эффект внимания, мы сравнили RT для определения целевых различий между испытаниями с действительной и недействительной подсказкой.Мы наблюдали более быстрые средние RT для действительных испытаний, чем для недействительных испытаний, усредняясь по условиям (рис. 2 A ) и для каждого условия отдельно (рис. 2 B ).

Поведенческие меры внимания в эксперименте 1. A , Ящичковые диаграммы данных о времени реакции для недействительных и достоверных испытаний для 20 субъектов, усредненные по состояниям внимания (объекта). Толстые горизонтальные линии внутри прямоугольников представляют собой медианные значения. Первый и третий квартили показаны как нижний и верхний края прямоугольника.Вертикальные линии проходят до самых крайних точек данных, за исключением выбросов. Точки над графиками представляют выбросы, которые были определены как любое значение, превышающее третий квартиль плюс 1,5-кратный межквартильный размах. Субъекты в целом были значительно быстрее для объектов с указанием (действительных), чем с объектами с указанием (недопустимые). B , Время реакции для действительных и недействительных испытаний отдельно для каждого состояния внимания. Субъекты были значительно быстрее для объектов с указанием (действительных), чем для объектов с указанием (недопустимых) для каждой категории объектов.

Чтобы количественно оценить влияние достоверности реплики на RT, мы подобрали обобщенную линейную смешанную модель с гамма-распределением к данным RT (Lo and Andrews, 2015). Мы обнаружили значительный эффект валидности (действительный или недействительный, p <0,001). Модель также выявила значительный главный эффект категории объекта ( p <0,001) из-за более медленного общего времени реакции в категории инструмента. Таким образом, испытуемые были менее точны и медленнее реагировали на категорию инструментов.Несмотря на эти незначительные снижения производительности для категории инструментов, тем не менее наблюдался значительный поведенческий эффект внимания для категории инструментов, что свидетельствует о том, что испытуемые использовали все три типа сигналов, чтобы подготовиться к различению и реагированию на приближающиеся объекты.

Результаты альфа-топографии. но до появления целевых раздражителей.Чтобы выделить различия между альфа-топографиями между условиями и контролировать неспецифические эффекты поведенческого возбуждения, мы создали попарные карты различий альфа-топографии одного состояния внимания объекта, вычтенного из другого состояния внимания объекта.

Мы наблюдали, что различия в альфа-топографии между условиями объекта возникали и развивались в течение периода упреждения (от сигнала к цели) (рис. 3). В топографиях посещаемости без присутствия (рис.3 A ), мы наблюдали повышенную альфа-мощность над левой задней частью скальпа и уменьшенную альфа-мощность над правой задней частью скальпа в течение периода упреждения, при этом латерализация становилась наиболее заметной при более длительных послеоперационных латентных периодах. В топографиях «лицо минус инструмент» (рис. 3 B ) картина была аналогичной в самые длинные латентные периоды, но была более изменчивой в промежуточные периоды времени. В топографиях посещаемости минус посещаемость (рис. 3 C ), паттерн альфа-различий отличался от тех, которые связаны с условиями присутствия; при самых длительных послеоперационных латентных периодах картина силы альфа-излучения на коже черепа была обратной, чем на других картах разницы, причем сила альфа-излучения была выше слева, чем на правой задней части скальпа.В целом наличие этих различий между состояниями согласуется с вариациями основных паттернов корковой альфа-мощности во время упреждающего внимания к лицам, сценам и инструментам. Однако, учитывая вариабельность между субъектами и присущую им сложность количественной оценки карт различий между субъектами в зависимости от состояния внимания, мы обратились к методу декодирования ЭЭГ, чтобы количественно оценить различия в мощности альфа в условиях, которые качественно описаны выше.

Карты топографических различий для мощности альфа в эксперименте 1. A , Карты различий для упреждающего внимания к лицам без сцен. График разности альфа-топографии для условий присутствия минус условия присутствия, усредненного по участникам для четырех временных окон относительно начала сигнала. Карты топографических различий отображаются только до 1000 мс после начала сигнала, когда могут появиться самые короткие целевые значения задержки. Вид на эти разностные карты из-за головы.См. Описание в тексте. B , Карты различий для упреждающего внимания к лицам без инструментов. График разности альфа-топографии для условий посещаемости минус условия посещаемости, усредненные по участникам. C , Карты различий для упреждающего внимания к инструментам без сцен. График разности альфа-топографии для условий посещаемости минус условия присутствия, усредненные по участникам.

Результаты декодирования SVM

Результаты декодирования SVM (рис.4) выявил статистически значимую точность декодирования в двух кластерах временных точек в диапазоне 500–800 мс после спасения и перед целью (рис. 4, бирюзовые точки). Точность декодирования в диапазоне от -100 до +200 мс в начале сигнала не достигла порога статистической значимости.

Точность декодирования альфа-диапазона в эксперименте 1. Точность декодирования активности альфа-диапазона в течение эпохи для разных участников. Горизонтальная красная линия представляет собой случайную точность декодирования.Сплошная изменяющаяся во времени линия представляет собой среднюю точность декодирования по каждому объекту в каждый момент времени, а заштрихованная область вокруг этой линии — это SEM. Серая заливка обозначает период предварительного ожидания, а сегмент с оранжевой заливкой представляет период ожидания между началом сигнала (0 мс) и самым ранним достижением цели (1000 мс). Бирюзовые точки обозначают моменты времени, которые принадлежат статистически значимым кластерам точности декодирования, как определено оценкой Монте-Карло.

Результаты SVM-декодирования осцилляторной активности ЭЭГ в тета-, бета- и гамма-диапазонах не выявили статистически значимого декодирования в период упреждения (рис.5).

Декодирование для разных частотных диапазонов ЭЭГ в эксперименте 1. A , Та же процедура декодирования SVM и статистическая процедура Монте-Карло, которые использовались для анализа данных альфа-диапазона, были применены к тета-диапазону (4– 7 Гц). B , Тот же конвейер декодирования был применен к бета-диапазону (16–31 Гц), что не выявило статистически значимых кластеров с высокой точностью декодирования в подготовительный период. C , Тот же конвейер декодирования также был применен к гамма-диапазону (32–40 Гц) и, аналогичным образом, не выявил статистически значимых кластеров с высокой точностью декодирования в подготовительный период.

Эксперимент 2

Мы наблюдали статистически значимый кластер моментов времени с исключительной точностью декодирования только в окне представления сигнала. Никаких дальнейших кластеров декодирования со значительно большей вероятностью не происходило где-либо в интервале от 200 до 1000 мс (рис. 6).

Точность декодирования альфа-диапазона для эксперимента 2. Та же процедура декодирования SVM и статистическая процедура Монте-Карло, которые использовались для анализа данных из эксперимента 1, были применены к альфа-диапазонной ЭЭГ из эксперимента 2, выявив кластер статистически важные моменты времени, близкие к началу сигнала, но не позднее подготовительного периода.

Результаты этого контрольного эксперимента опровергают возможность того, что декодирование позднего периода альфа-диапазона, которое мы наблюдали в нашем первоначальном эксперименте, было просто результатом дифференциальных восходящих сенсорных процессов в трех условиях сигнала. Поскольку парадигма эксперимента 2 была идентична парадигме эксперимента 1 во всех отношениях, кроме достоверности реплики, и потому что мы использовали тот же конвейер декодирования SVM для данных ЭЭГ в альфа-диапазоне из эксперимента 2, как и в эксперименте 1, мы могли напрямую оценить, была ли схема результатов декодирования, полученных нами в первоначальном эксперименте, связана с восходящими сенсорными процессами.

Для эксперимента 2 мы собрали данные от большего числа участников, чем для нашего первоначального эксперимента, чтобы у нас было больше возможностей для оценки величины и временной степени декодирования, которое могло быть достигнуто исключительно на основе вызванной стимулом активности. Наши результаты подтверждают идею о том, что сверх-случайное декодирование с большой задержкой в ​​эксперименте 1 не связано с чисто сенсорной активностью, обусловленной различиями физических стимулов, потому что мы обнаружили, что в эксперименте 2 статистически значимое сверх-случайное декодирование происходило только в кластере времени. указывает на короткую задержку после спасения (<200 мс после начала сигнала; рис.6).

Эксперимент 3

Поведенческие результаты

В задаче различения размытых и сфокусированных изображений (рис.7) мы наблюдали различия в RT между действительными и недействительными испытаниями для всех категорий объектов, так что испытания с достоверными указаниями вызывали более быстрые ответы, чем неправильно назначенные испытания (рис. 8). При подгонке обобщенной линейной смешанной модели с гамма-распределением к данным RT мы обнаружили значительный эффект достоверности ( p <0,001).

Пример изображения цели в задаче на внимание для эксперимента 3.В этом наборе примеров лицо — это категория целевого объекта, которая будет идентифицирована как находящаяся в фокусе или размытая, а наложенные изображения инструмента или сцены являются изображениями-отвлекающими элементами. Для каждого стимульного изображения и цель, и отвлекающий фактор могут быть размытыми или в фокусе независимо друг от друга.

Поведенческие меры внимания в эксперименте 3. A , Ящичковые диаграммы данных о времени реакции для недействительных и достоверных испытаний для 12 субъектов, усредненных по состояниям внимания (объекта).Толстые горизонтальные линии внутри прямоугольников представляют собой медианные значения. Первый и третий квартили показаны как нижний и верхний края прямоугольника. Вертикальные линии проходят до самых крайних точек данных, за исключением выбросов. Точки над графиками представляют выбросы, определяемые как любое значение, превышающее третий квартиль плюс 1,5 межквартильного размаха. Субъекты в целом были значительно быстрее для объектов с указанием (действительных), чем с объектами с указанием (недопустимые). B , Время реакции для действительных и недействительных испытаний отдельно для каждого состояния внимания.Субъекты были значительно быстрее для объектов с указанием (действительных), чем для объектов с указанием (недопустимых) для каждой категории объектов.

Результаты декодирования SVM

Используя тот же анализ ЭЭГ и конвейер декодирования SVM, что и в эксперименте 1, мы обнаружили статистически значимые кластеры временных точек, демонстрирующих точность декодирования выше шансов (рис. 9). Как и в эксперименте 1, эти статистически значимые кластеры наблюдались во второй половине подготовительного периода,> 500 мс после начала реплики.Примечательно, что в окне представления сигнала 0–200 мс также, по-видимому, есть группа моментов времени с высокой вероятностью, в тот же период, когда мы наблюдали статистически значимое декодирование в эксперименте 2, которое было связано с сенсорной активностью, вызванной сигналом. Однако в результатах эксперимента 3, как и в эксперименте 1, декодирование в этот период времени предъявления сигнала (задержка <200 мс) не достигло уровня статистической значимости (тогда как при большем количестве участников в эксперименте 2 это могло быть выявлено. ).

Точность декодирования альфа-диапазона для эксперимента 3. Та же процедура декодирования SVM и статистическая процедура Монте-Карло, которые использовались для анализа данных из эксперимента 1, были применены к альфа-диапазону ЭЭГ из эксперимента 3, выявив кластер статистически знаменательные моменты времени во второй половине подготовительного периода.

Поведенческие результаты эксперимента 3 предполагают, что участники привлекали объектно-ориентированное внимание в течение подготовительного периода. Участники быстрее распознали изображения объектов как размытые или сфокусированные, когда их категория получила указание.По аналогии с парадигмами пространственного внимания с указаниями, в испытаниях с недопустимыми указаниями участники обращались к одной категории объектов в течение подготовительного периода, но затем, при предъявлении стимула, переориентировали свое внимание, чтобы иметь возможность различать, было ли изображение из категории объектов без привязки размытым или размытым. фокус.

Поскольку поведенческий эффект между действительными и недействительными испытаниями соответствует таковому в нашем первоначальном эксперименте, мы уверены, что экспериментальный план в эксперименте 3 порождал ту же форму объектно-ориентированного внимания сверху вниз, что и было зафиксировано в эксперименте 1.Таким образом, при наблюдении статистически значимого сверхшансного декодирования в том же общем окне времени после появления сигнала для экспериментов 1 и 3 мы интерпретируем этот результат как доказательство того, что внимание, основанное на объекте, а не различия в постановке задачи или подготовке двигательной реакции, является движущей силой. результат декодирования с большей задержкой до наступления целей.

Обсуждение

Объектное внимание — фундаментальный компонент естественного зрения. Люди перемещаются по миру главным образом на основе взаимодействий с объектами, которые изобилуют в типичных средах (O’Craven et al., 1999; Scholl, 2001). Примат объектов означает, что адаптивное взаимодействие с миром требует представлений объектов высокого уровня, которые отличаются от визуальных характеристик низкого уровня в той же области пространства. Следовательно, воздействие внимания непосредственно на репрезентации объектов является критическим аспектом восприятия (Woodman et al., 2009). Было показано, что внимание действует на репрезентации объектов (Типпер и Берманн, 1996; Берманн и др., 1998), поэтому выявление нейронных механизмов, с помощью которых внимание влияет на репрезентации объектов, является ключевой задачей когнитивной нейробиологии.

Физиологические исследования показывают, что повышение эффективности внимания коррелирует с изменениями нейронной активности в системах восприятия. Корковые структуры, кодирующие сопровождаемую информацию, показывают повышенную амплитуду сигнала, синхронность и / или функциональную связность (Moore and Zirnsak, 2017). Как нервная система механистически контролирует эту корковую возбудимость и эффективность обработки, остается не совсем понятным, но большинство моделей предполагают, что нисходящие управляющие сигналы от сетей более высокого порядка в лобной и теменной коре изменяют обработку в сенсорных / перцептивных областях коры, кодирующих наблюдаемую и необслуживаемую информацию ( Петерсен и Познер, 2012).Одной из гипотез нейронной сигнатуры нисходящего контроля на уровне сенсорной / перцептивной коры является фокусная альфа-сила (Jensen and Mazaheri, 2010). Изменения в мощности альфа происходят во время пространственного внимания (Worden et al., 2000) и особого внимания (Snyder and Foxe, 2010). Здесь мы исследовали механизмы на основе альфа-канала, опосредующие избирательное внимание к объектам, привлекая внимание к различным объектам и измеряя изменения в записанной на коже головы альфа-мощности ЭЭГ. Мы объединили поведение с топографическим картированием и декодированием ЭЭГ, чтобы проверить гипотезу о том, что внимание к объекту включает селективные модуляции мощности альфа-излучения в объектно-специфической коре головного мозга.

Мы выбрали лица, сцены и инструменты в качестве объектов внимания, потому что было показано, что эти объекты активируют ограниченные области в зрительной коре. Веретенообразная область лица (FFA) избирательно реагирует на изображения вертикальных лиц (Allison et al., 1994; Kanwisher and Yovel, 2006): лица могут считаться объектами, потому что, например, данные пациентов с прозопагнозией предполагают, что аналогичные механизмы лежат в основе распознавания лиц и объектов (Gauthier et al., 1999).Площадь парагиппокампа (PPA) реагирует на сцены (Epstein et al., 1999) и, в частности, на категорию сцены (Henriksson et al., 2019). Области, чувствительные к инструментам, были идентифицированы в вентральном и дорсальном зрительных путях (Kersey et al., 2016). В соответствии с предсказанием, что объектно-ориентированное внимание модулирует альфа-канал в визуальных областях, специализированных для обработки категории обслуживаемых объектов, внимание к лицам должно выборочно снижать активность альфа-диапазона в визуальных областях с отбором по лицам, таких как FFA, внимание к сценам должно уменьшать альфа-диапазон активность в областях, отобранных для выбора места, таких как PPA, и внимание к инструментам должно снизить активность альфа-диапазона по выборочным областям вентральных и дорсальных зрительных путей.ЭЭГ не является сильным методом локализации нейронных источников мозговой активности, но, учитывая, что области FFA, PPA и постулируемые специализированные области инструментов расположены в разных областях коры головного мозга, закономерности альфа-модуляции с вниманием в этих областях можно было бы ожидать. для получения дифференциальных альфа-паттернов ЭЭГ на коже черепа. Учитывая, что можно ожидать, что такие паттерны будут отличаться лишь незначительно и трудно предсказать, одним из способов оценки различных паттернов альфа для внимания к различным объектам является включение машинного обучения для декодирования альфа-паттернов ЭЭГ кожи головы.Таких различий следует ожидать только в том случае, если фокусная модуляция альфа также участвует в избирательном внимании объекта.

Наши результаты времени реакции показали, что участники, которые привлекали объектно-ориентированное внимание к категориям объектов, на которые указывает указание, быстрее идентифицировали объекты с указанием. Теоретически, когда участники должны предвидеть конкретную категорию объектов, они будут искажать нейронную активность в областях коры, специализированных для этого типа объекта, и, возможно, также искажать активность в областях коры, обрабатывающих все визуальные особенности нижнего уровня, связанные с этим объектом (Коэн и Тонг, 2015).Когда цель появляется, ее визуальные свойства, таким образом, интегрируются, облегчая необходимое восприятие различения. Когда появляется объект из непредвиденной (необработанной) категории, активность в областях, отобранных для объекта, и связанных областях визуальных характеристик для объектов без привязки будет относительно подавлена, что задерживает интеграцию и семантический анализ несвязанных целевых изображений и замедляет время реакции.

Топографические карты альфа-различий менялись в зависимости от категории объекта, на котором присутствовали участники.Различная альфа-топография соответствовала паттернам ЭЭГ кожи головы, которых можно было бы ожидать, если бы альфа-модуляции происходили в разных основных корковых генераторах (корковых пятнах или областях) для трех категорий объектов. Множество доказательств лежащих в основе нейроанатомических субстратов лица, сцены и обработки инструментов из исследований изображений позволяет делать некоторые прогнозы относительно наших данных в отношении предполагаемой природы фокальной корковой активности, вносящей вклад в наши топографические и декодирующие результаты.FFA с акцентом на правом полушарии (Kanwisher et al., 1997) и одинаково двусторонне распределенный PPA (Epstein and Kanwisher, 1998), в принципе, предсказывают дифференциальное альфа-распределение в коже черепа и, возможно, более низкую альфа-мощность в целом по правой затылочной кости при посещении лиц. Наша альфа-топография посещаемости минус посещаемость в целом соответствовала этому прогнозу (рис.3 A ), и эта модель отличалась от графика на графике разницы посещаемости минус посещаемости и инструментов (рис.3 В ). Однако мы надеемся прояснить, что мы не предлагаем локализовать лежащие в основе корковые генераторы регистрируемой активности кожи головы с помощью методов, которые мы здесь использовали; поэтому мы обратились к декодированию.

Наш анализ декодирования убедительно подтверждает утверждение о том, что внимание модулирует альфа-топографии в зависимости от категории объекта и согласуется с временными ходами различий в альфа-образцах, наблюдаемых на графиках топографических различий скальпа.В нашем анализе декодирования статистически значимая точность декодирования с высокой вероятностью обеспечивает прямое свидетельство того, что альфа-топография содержит информацию о выбранной категории объекта, и, следовательно, что внимание, основанное на объектах сверху вниз, модулирует альфа-топографию в соответствии с категорией объекта, на который указывают (обслуживаемые) . Мы наблюдали, что статистически значимое декодирование происходило в диапазоне 500-800 мс после спасения / предварительной цели, что указывает на то, что паттерны альфа-топографии на коже черепа надежно модулировались нашим манипулированием вниманием в этом временном диапазоне (рис.4). Важно отметить, что диапазон 500–800 мс соответствует периодам на графиках альфа-топографических разностей, где изображения стабилизировались.

Чтобы проверить, были ли наши результаты декодирования специфичными для альфа-диапазона, мы выполнили ту же процедуру декодирования SVM для мощности в тета-, бета- и гамма-диапазонах и не обнаружили значительного превосходного декодирования в период ожидания для этих полосы частот (рис. 5). Этот результат согласуется с гипотезой о том, что осцилляторная нейронная активность в альфа-диапазоне механически участвует в упреждающем внимании, тогда как активность в других частотных диапазонах ЭЭГ не модулируется в соответствующих целевых визуальных областях ЭЭГ человека.

В двух последующих экспериментах мы непосредственно оценили две альтернативные интерпретации наших результатов декодирования из эксперимента 1. Во-первых, различия в альфа-топографии скальпа после спасения могут отражать чисто сенсорную обработку, связанную с каждым сигналом (например, треугольник против круга). Это должно быть применимо только к декодированию с высокой вероятностью (хотя и не значимым в наших тестах), наблюдаемому в ранний период после спасения (∼0–200 мс) на рисунке 4, а не к декодированию с более длительной задержкой.Действительно, мы проверили это в эксперименте 2, в котором участники выполняли ту же задачу и видели те же сигналы и цели, что и в эксперименте 1, но форма сигнала не предсказывала предстоящую категорию объекта. Мы наблюдали статистически значимое декодирование в период после спасения / предварительной цели от 0 до 200 мс, связанное с физическими функциями реплики (Bae and Luck, 2018), но не было значимого декодирования позже в интервале от реплики к цели.

Второе альтернативное объяснение наших результатов декодирования из эксперимента 1 состоит в том, что они были вызваны различиями в наборах задач в зависимости от условий объекта.Задача для лиц, например, заключалась в различении пола, в то время как для сцен — различать городские и естественные сцены, оставляя открытой возможность того, что наше декодирование в конце периода после спасения отражало различия в поставленных задачах (Hubbard et al., 2019 ), а не контроль внимания над выбором объекта, как мы предлагаем. Мы можем отклонить эту альтернативу на основе результатов эксперимента 3, в котором реплики предсказывали соответствующий целевой объект, но задача распознавания была одинаковой для всех категорий объектов: различать, был ли объект, на который была подана подсказка, был в фокусе или размыт.Таким образом, мы смогли воспроизвести подготовительные эффекты внимания, связанные с альфа-связью с большей задержкой, о которых сообщалось в эксперименте 1, контролируя факторы набора задач.

Наши результаты показывают, что альфа-модуляция ЭЭГ связана с избирательным вниманием на основе объектов, расширяя предыдущие выводы о том, что альфа-модуляция связана с вниманием к пространственным местоположениям и визуальным особенностям низкого уровня. Используя подход декодирования SVM, мы выявили различия в топографических паттернах мощности альфа-канала во время выборочного внимания к разным категориям объектов.Кроме того, мы связали временной диапазон, в течение которого было достигнуто статистически значимое декодирование, с топографическими картами с усилением альфа-канала и обнаружили, что альфа-модуляция согласуется с временным ходом подготовительного внимания, наблюдаемым в предыдущих исследованиях. В целом, эти результаты подтверждают модель, согласно которой нейронная активность в альфа-диапазоне функционирует как модулятор внимания сенсорной обработки как для зрительных функций низкого уровня, так и для нейронных репрезентаций высокого порядка, например, для объектов.

Сноски

• Эта работа была поддержана грантом Mh217991 на имя G.Р.М. и M.D. S.N. поддерживался T32EY015387. Мы благодарим Майкла Дж. Тарра, Центр нейронных основ познания и Департамент психологии Университета Карнеги-Меллона (http://www.tarrlab.org/) за изображения стимулов на лице при финансовой поддержке премии Национального научного фонда 0339122. Мы также благодарим Стивена Дж. Лака и Ги-Йеула Бэ за советы по анализу с использованием методов декодирования, а также Атиша Кумара и Тамима Хассана за помощь в сборе данных.

• Авторы заявляют об отсутствии конкурирующих финансовых интересов.

• Корреспонденция должна быть адресована Джорджу Р. Мангуну на grmangun {at} ucdavis.edu

ReactionCode: формат для поиска, анализа, классификации, преобразования и кодирования / декодирования реакции | Journal of Cheminformatics

Формат ReactionCode

Структура

ReactionCode — это многослойный машиночитаемый код, который создается путем объединения реагентов и продуктов в сжатый график реакции (CGR) (рис. 1). Код реакции состоит из трех блоков, каждый из которых содержит соответствующие уровни:

1. . 1.

   Блок 1: реакционный центр, содержащий только атомы, в которых происходит изменение статуса связи (изменения стереохимии, заряда, изотопа или статуса радикала не квалифицируют атом как часть реакционного центра

2. 2.

   Блок 2: Атомы вокруг реакционного центра, оставшиеся в продукте

3. 3.

   Блок 3: Оставление атомов вокруг реакционного центра (если есть)

Каждый слой состоит из основного подслоя и до трех дополнительных подслоев, которые описывают стереохимию, заряды и изотоп, соответственно. Слой начинается с номера, если он иллюстрирует реакционный центр или оставшуюся группу, или с буквы, если он описывает уходящую группу.Он всегда заканчивается символом «|».

Главный подуровень Главный подуровень состоит из 4 типов информации: глубины, кода атома, таблицы соединений и стехиометрии атома (рис. 2). Этот слой начинается с глубины, за которой следует «:». Глубина указывает расстояние относительно реакционного центра. Он выражается цифрами для реакционного центра и оставшейся группы (групп) и буквами для уходящей группы (групп). Код атома состоит из трех символов: первый указывает наивысший статус связанных связей, закодированных в шестнадцатеричной системе (дополнительный файл 1: таблица S7), два других кодируют тип атома (дополнительный файл 1: таблица S8).За каждым кодом атома следует заключенная в скобки таблица соединений, которая указывает каждую связь, связанную с атомом с более низким индексом. Связь кодируется 4 символами: 1-й указывает порядок связи в реагентах, 2d кодирует порядок связи в продуктах (Дополнительный файл 1: Таблица S6), а последние два относятся к индексу другого подключенного атома. Индексы кодируются в шестнадцатеричной системе для подключаемых атомов, которые присутствуют в блоках, соответствующих уходящей группе (Дополнительный файл 1: Таблица S2), а индексы атомов в двух других блоках кодируются с использованием таблицы поиска (Дополнительная файл 1: Таблица S1).Наконец, квадратные скобки хранят стехиометрию атома, то есть, сколько раз один и тот же атом был в продуктах (пример в дополнительном файле 1: рисунок S1).

Необязательная композиция подслоя: Необязательный подслой расположен непосредственно после основного подслоя. Такой код состоит из символа «/», за которым следует буква, и указывает модификацию (/ c для заряда, / i для изотопа и / s для стереохимии). Каждый блок, определяющий атом или связь, состоит из четырех символов.Первые два символа — это число (2 символа), обозначающее индекс (десятичная система) объекта (атома или связи) в текущем слое, который необходимо изменить. Следующие 2 символа кодируют изменение, применяемое к реагентам (первый символ) и продуктам (второй символ) (для изотопов и заряда см. Дополнительный файл 1: Таблица S3; для стереохимии атомов см. Дополнительный файл 1: Таблица S4; и для стереохимии связей. , см. Дополнительный файл 1: Таблица S5)

Процесс кодирования и декодирования: Кодирование Реагенты и продукты отображаемой реакции объединяются в псевдомолекулу.Изменения облигаций аннотируются: зеленым — изменение порядка облигаций, синим — сделанная облигация, а красным — разорванная облигация. Все атомы и связи аннотированы как часть реакционного центра (внутри синего круга), оставаясь в конечном продукте (зеленые кружки) или оставляя конечный продукт (желтый кружок). Наконец, все атомы и связи кодируются в ReactionCode слоями, начиная от реакционного центра до самого внешнего слоя. Декодирование: Код реакции преобразуется в псевдомолекулу, которая позволяет восстановить начальную реакцию.

Необязательные подслои Необязательные подслои определяют атом и связь в соответствующем слое.Только подслой (и), где атом имеет свойство, отличное от эталона 0 (т.е. имеет заряд, информацию о стереохимии, нестандартный изотоп или является радикалом), записываются непосредственно после конца основного подуровня. слой. Приоритетный порядок следующий: (1) подслой заряда (/ c), (2) подслой стереохимии (/ s), (3) изотопный подслой (/ i) и (4) радикал подслой (/ r) (рис. 3).

1. 1

   Уровень заряда: Уровень заряда начинается с / c, а информация о заряде содержится в блоке, содержащем индекс заряженного атома (2 цифры) и 2 символа, кодирующие заряд.Первый кодирует состояние в реагентах, а второй — в продуктах (Дополнительный файл 1: Таблица S3). Например, в / c00HH «/ c» указывает, что этот слой содержит информацию о заряде. Наличие 4 символов означает, что 1 (4/4) атом имеет заряд. Единственная модификация: «00HH». 00 означает, что объект с индексом 00, который является атомом «008», изменен. Третий символ «H» кодирует отрицательный заряд \ (- 1 \), который остается неизменным в продуктах, поскольку четвертый символ кодируется той же буквой «H».

2. 2

   Слой стереохимии: Слой стереохимии начинается с / s, и относительная информация содержится в блоке, содержащем индекс атома или связи (2 цифры), который имеет соответствующую модификацию стереохимии и 2 символа, кодирующие стереохимию в реагентах первым символом и в продуктах по второму (Дополнительный файл 1: Таблицы S4 и S5).например, в / s01640364, «/ s» указывает, что этот слой содержит информацию о стереохимии. Наличие 8 символов означает, что 2 (8/4) объекта [атом (ы) и / или связь (и)] имеют информацию о стереохимии. Это две модификации: «0164» и «0346». Первая модификация кодируется первыми 4 символами «0164». 01 означает, что объект с индексом 01, то есть облигация «11GV», изменен. Третий символ «4» кодирует связь ВНИЗ в реагентах, которая становится связью ВВЕРХ в продуктах, обозначенных четвертым знаком «6».Следующие 4 символа 0364 изменяют связь «11GU» с UP на DOWN.

3. 3

   Изотопный слой: изотопный слой начинается с / i, а информация об изотопе содержится в блоке, содержащем индекс атома изотопа (2 цифры) и 2 символа, кодирующие разность масс между текущим изотопом и эталоном. Первый — для реагентов, второй — для продуктов (Дополнительный файл 1: Таблица S3).{18} \) О. Четвертый символ «H» не изменился, что указывает на то, что атомы в продуктах остаются одним и тем же изотопом.

4. 4

   Радикальный слой: изотопный слой начинается с / r, а информация об изотопе содержится в блоке, содержащем индекс атома изотопа (2 цифры) и 2 символа, кодирующие разность масс между текущим изотопом и эталоном.Первый — для реагентов, второй — для продуктов (Дополнительный файл 1: Таблица S3). например, в / r00IJ «/ r» указывает, что этот слой содержит информацию об изотопах. Наличие 4 символов означает, что 1 (4/4) атом является радикальным. Модификация — «00IJ». 00 означает, что объект имеет индекс 00 на текущем подуровне. Третий символ «I» кодирует добавление 1 радикала (валентность углерода равна 1). Четвертый символ «J» кодирует добавление 2 радикалов (валентность углерода равна 2).

Процесс кодирования / декодирования

Одной из основных сильных сторон ReactionCode является его способность быть двунаправленной: реакцию, закодированную в ReactionCode, можно легко частично или полностью декодировать, чтобы вернуть реакцию (рис. 4).

Алгоритм кодирования ReactionCode: После того, как все атомы и связи закодированы, все закодированные атомы, присутствующие в реакционном центре (глубина = 0), сортируются в обратном порядке.Если два или более атомов имеют одинаковый код, запускается алгоритм разрешения конфликтов. Алгоритм конфликта построит дерево связанного атома (см. Дополнительный файл 1: Рисунок S2) и сравнит коды атома и коды связи атома, присутствующего в следующем слое, с использованием алгоритма BFS. Алгоритм повторяется до тех пор, пока конфликты не будут разрешены и не будет установлен надлежащий порядок. Затем устанавливаются связи между атомами в текущем слое. Затем все атомы, присутствующие на глубине n + 1 (если они есть), которые будут всеми атомами, связанными с атомами в реакционном центре в этой ситуации, сортируются в обратном порядке.Если есть какие-либо конфликты, они сначала решаются путем сравнения положения связанных атомов в предыдущем слое, затем с использованием связанных связей, свойств атома (стереохимия, заряд и изотопия) и, наконец, в следующем слое (ах), если конфликт не может быть разрешен. Мы повторяем этот процесс до тех пор, пока не будут обработаны все слои.

ReactionCode частичное и полное декодирование: ReactionCode может быть декодирован путем взятия всех или некоторых слоев. Слой 0 соответствует декодированию только реакционного центра.Слои 0 + 1 иллюстрируют декодирование реакционного центра и всех окружающих атомов в оставшейся группе, имеющей глубину, равную 1, в то время как слои 0 + 1 + A включают все окружающие атомы (оставшиеся и уходящие группы) с глубиной 1. Слои 0 + 1 + 2 и 0 + 1 + 2 + A + B рассматривают все окружающие атомы, присутствующие на глубине, меньшие или равные 2. Слои 0 + 1 + 2 + 3 + 4 + 5 — это пример, в котором реакция декодируется. целиком, но без уходящей группы. Наконец, «Все слои» представляют собой декодирование полной реакции.

Для того, чтобы сгенерировать ReactionCode, необходима отображенная реакция.Первый шаг состоит в аннотировании каждого атома и связи в реагентах и ​​продуктах. Вычисляются три типа аннотации:

• атомов и связей, составляющих реакционный центр

• атомов и связей присутствуют как в реагентах, так и в продуктах, которые обозначены как оставшаяся группа

• атомов и связей, присутствующих в реагентах, но отсутствующих в продуктах (если есть), которые помечены как уходящая группа

После завершения части аннотации реагенты и продукты объединяются в CGR.Наконец, ReactionCode генерируется из CGR. Каждый атом CGR кодируется и ранжируется в обратном порядке по уровням. Алгоритм начинается с реакционного центра, ранжирует каждый атом этого слоя в обратном порядке и устанавливает связь между ними. Затем алгоритм поиска в ширину (BFS) используется для получения всех окружающих атомов, имеющих глубину 1. Эти атомы разделены на 2 слоя: те, которые принадлежат оставшемуся слою, и те, которые являются частью уходящей группы. Все закодированные атомы ранжируются в обратном порядке, и устанавливаются связи между каждым атомом с текущим и предыдущим слоями.Алгоритм повторяет эту процедуру до тех пор, пока все атомы не будут посещены (рис. 5).

Процесс декодирования восстанавливает псевдомолекулу из кода реакции, преобразовывая каждый атомный код в атомный объект и создавая связи между ними. Этот шаг основан на библиотеках Java хемоинформатики, содержащихся в CDK (Chemistry Development Kit) [31]. Затем псевдомолекула превращается в реагенты и продукты, чтобы вернуть исходную реакцию. Реакционный код настроен по умолчанию для восстановления сбалансированной реакции, но элементы, присутствующие в блоке уходящей группы, могут игнорироваться пользователем, чтобы не иметь их в продуктах.

Программа ReactionCode

Java на базе CDK использовалась для разработки программного обеспечения для генерации ReactionCode, его декодирования, создания псевдомолекул и использования в качестве нового языка преобразования. Все эти функции можно легко использовать благодаря CLI (интерфейсу командной строки), а файл JAR также можно напрямую использовать в качестве API, вызывая соответствующий класс.

Кодировщик Кодер позволяет создавать псевдомолекулы и коды реакции. В качестве входных данных он принимает наиболее распространенные форматы: SMIRKS (одиночный или набор SMIRKS в файле), RXN и RDF.Кодировщик может предоставлять псевдо-улыбки в формате SDF и SMILES и отображать их. Наконец, сгенерированные коды реакции представлены в файле CSV.

Декодер Декодер позволяет вернуть исходную реакцию. Реакции могут быть представлены как responseSMILES, SMIRKS, RXN или RDF. Их также можно отобразить как файл PNG. Кроме того, частичную реакцию можно вызвать, задав интересующие слои в качестве входных данных (рис. 6).

Transformer Благодаря структуре ReactionCode, где каждый уровень зависит только от своих предыдущих слоев, но не зависит от его последующих уровней, его можно использовать в качестве языка преобразования, где ReactionCode преобразуется в шаблон, применяемый к набору реагенты (рис.6). Преобразователь принимает полный или частичный код реакции (набор слоев) и реагенты в виде уникальной строки SMILES или файла SD. Если весь шаблон соответствует структурам запроса, преобразователь сгенерирует все уникальные возможные продукты. Он может выводить их в формате responseSMILES, SMIRKS, RXN или RDF.

Проверка кода реакции

Для тестирования кодирования и декодирования мы использовали набор данных UPSTO (https://bitbucket.org/dan2097/patent-reaction-extraction/downloads). Во-первых, все молекулы-зрители (т.е. молекулы, не участвующие в реакции) были удалены. Затем все реакции были закодированы в ReactionCode. Круглый отпечаток ECFP6 был создан для каждой молекулы в обеих реакциях. Реакция считалась аналогичной, если все отпечатки исходной реакции содержались в отпечатках декодированной реакции. Чтобы оценить правильность ответов, признанных неидентичными, мы применили 3 следующих протокола:

• Молекулы не были кекулированы, и продукты не корректировались.Все ароматические связи были установлены как одиночные, а ароматические свойства были установлены как ложные. Неявный водород был установлен на 0 для каждого ароматического атома. Все ароматические атомы были установлены как неароматические. Мы не применяли наш алгоритм, пытаясь вывести недостающие расщепленные связи для несбалансированных реакций, чтобы восстановить правильный баланс, предсказывая правильный недостающий продукт. Эта процедура позволяет обнаружить неправильное сопоставление атом-атом в наборе данных USPTO путем ручного сравнения возвращенных результатов. Изображаются как исходная, так и декодированная реакции, а отображение атом-атом проверяется в исходной реакции.Удаление ароматичности и отказ от кекулизации молекул позволяет избежать ложноотрицательных результатов из-за кекулизации, которая может привести к образованию различных таутомеров.

• Молекулы были кекулированы, а продукты не исправлены. Все молекулы были кекулированы. Мы не применяли наш алгоритм, пытаясь вывести недостающие расщепленные связи для несбалансированных реакций, чтобы восстановить правильный баланс, предсказывая правильный недостающий продукт. Эта процедура обнаружит различия, связанные с кекулизацией, ведущей к потенциально различным таутомерам, а также сбои нашего алгоритма коррекции продукта.

• Молекулы не кекулировались, продукты корректировались. Все ароматические связи были установлены как одиночные, а ароматические свойства были установлены как ложные. Неявный водород был установлен на 0 для каждого ароматического атома. Все ароматические атомы были установлены как неароматические. Мы применили наш алгоритм, пытаясь вывести недостающие разорванные связи для несбалансированных реакций, чтобы восстановить правильный баланс, предсказывая правильный недостающий продукт. Эта процедура обнаружит различия, связанные с отказами нашего алгоритма исправления продукта.

Код процедуры проверки можно найти на GitHub (Tests.java).

Оценка информационного содержания сигналов ERP при шизофрении с использованием методов многомерного декодирования

Основные моменты

•

В этом исследовании использовались методы многомерного декодирования, которые широко используются для оценить природу нейронных репрезентаций у нейротипичных людей и применить их для сравнения людей с шизофренией и соответствующих контрольных субъектов.

•

Участники выполнили задачу визуальной рабочей памяти, которая требовала запоминания 1–5 элементов с одной стороны дисплея и игнорирования равного количества элементов с другой стороны дисплея.

•

Мы попытались декодировать, какая сторона хранится в рабочей памяти, исходя из распределения активности ERP на коже черепа в течение периода задержки задачи рабочей памяти, и мы обнаружили более высокую точность декодирования у людей с шизофренией, чем в контрольной группе. субъектов, когда в памяти хранился единственный предмет.

•

Эти результаты подтверждают гипотезу гиперфокусировки когнитивной дисфункции при шизофрении и являются важным доказательством концепции применения методов многомерного декодирования для сравнения нейронных репрезентаций в психиатрических и непсихиатрических популяциях.

Реферат

Методы многомерной классификации (декодирования) паттернов обычно используются для изучения механизмов нейрокогнитивной обработки у типичных людей, где их можно использовать для количественной оценки информации, содержащейся в нейронных сигналах с одним участником.Эти методы декодирования также потенциально полезны для определения различий в представлении информации между психиатрическими и непсихиатрическими группами населения. Здесь мы исследовали ERP от людей с шизофренией (PSZ) и здоровых контрольных субъектов (HCS) в задаче на рабочую память, которая включала запоминание 1, 3 или 5 элементов с одной стороны дисплея и игнорирование другой стороны. Мы использовали пространственный образец ERP, чтобы декодировать, какая сторона дисплея хранится в рабочей памяти. Можно было бы ожидать, что точность декодирования неизбежно будет ниже в PSZ в результате увеличения шума (т.е.е., большая вариабельность от испытания к испытанию). Однако мы обнаружили, что точность декодирования была выше в PSZ, чем в HCS при загрузке памяти 1, что согласуется с предыдущими исследованиями, в которых сигналы ERP, связанные с памятью, были больше в PSZ, чем в HCS при загрузке памяти 1. Мы также заметили, что точность декодирования была сильно связано с соотношением активности ERP, связанной с памятью, и уровня шума. Кроме того, мы обнаружили схожие уровни шума в PSZ и HCS, что противоречит ожиданиям, что PSZ будет демонстрировать большую изменчивость от испытания к испытанию.Вместе эти результаты демонстрируют, что методы многомерного декодирования могут быть корректно применены на уровне отдельных участников для понимания природы нарушения когнитивных функций в психиатрической популяции.

Ключевые слова

ERP-декодирование

Рабочая память

Шизофрения

Рекомендуемые статьиЦитирующие статьи (0)

© 2020 Авторы. Опубликовано Elsevier Inc.

Рекомендуемые статьи

Цитирующие статьи

Decoding Boys, Cara Natterson: 9781984819055

Похвала

«Мы знаем, что мальчикам нужна наша поддержка, чтобы они росли в безопасности, здоровыми, счастливыми и эмоционально цельными.Но как мы можем этого добиться, столкнувшись с их юношеским молчанием? Decoding Boys спешат на помощь! Практическое, мудрое понимание (подкрепленное точными науками) доктора Наттерсона о развитии молодых людей является абсолютно необходимым чтением для любого, у кого в жизни есть мальчик! » —Пегги Оренштейн, автор книги Boy & Sex

« Decoding Boys предлагает замечательное научное понимание того, почему мальчики-подростки, кажется, закрываются и ведут себя антисоциально, когда они вступают в половую зрелость.Мы бы сказали, что хотели бы, чтобы эта книга была рядом, когда мы были подростками, но мы были слишком заняты видеоиграми, выпивкой несовершеннолетних и лжи родителям, чтобы читать ». —Ник Кролл и Эндрю Голдберг, соавторы Big Mouth

«Пятьдесят лет назад публикация книги« Наши тела, мы сами »подняла женщин, заменив невежество и предрассудки на знания и силу сестринства. Программа «Decoding Boys» также революционна в своей миссии — помочь нам понять нюансы развития мальчиков.Теплый, откровенный и разговорный стиль Наттерсона дает нам яркое, переливчатое и глубокое погружение в их эмоциональный и физический рост; ее голос властный и страстный. Я закончила читать эту книгу, просветленная и взволнованная, чтобы поделиться ею с родителями мальчиков во всем мире ». — Венди Могел, доктор философии, автор бестселлера New York Times «Благословение обтянутого колена» и «Благословение B минус»

«Decoding Boys развенчивает широко распространенный миф о загадочном мальчике-подростке.Доктор Кара Наттерсон освещает внутреннюю жизнь мальчиков, подробно описывает давление, с которым они сталкиваются со стороны внешнего мира, и учит родителей, как эффективно вовлекать и поддерживать своих сыновей-подростков. Decoding Boys — это ясно, мудро и открывает глаза. Если вы воспитываете мальчика, вам нужна эта блестящая книга ». — Лиза Дамур, доктор философии, автор бестселлеров New York Times « Untangled and Under Pressure»

«Для каждого родителя, который спрашивает меня, как заставить своего сына сказать больше, чем« Я в порядке », я сейчас есть ответ: прочитайте Decoding Boys и примите мудрые, вдумчивые, сострадательные и информированные советы Кары Наттерсон.Это даст родителям возможность улучшить отношения со своими сыновьями и поможет им стать уверенными и достойными молодыми людьми ». —Розалинд Уайзман, New York Times автор бестселлеров Queen Bees and Wannabes

« Decoding Boys — это полное руководство, которое поможет вам понять и воспитать своих мальчиков с принятием и перспективой. Читать ее — все равно что иметь чуткого, действительно умного друга, который полностью понимает то, через что вы проходите, и помогает на каждом этапе! » —Маллика Чопра, автор книги Living with Intent

«Decoding Boys — это книга, которую мы так долго ждали! ДокторКара Наттерсон занимается темами, которые трудно понять родителям, не говоря уже о том, чтобы обсуждать их со своими детьми. Она демистифицирует сложную науку о половом созревании мужчин и дает разумные советы любому взрослому, живущему с все более молчаливым мальчиком-подростком и желающим поддержать его ». — Луиза Гринспен, доктор медицины, соавтор книги «Новое половое созревание: как управлять ранним развитием у современных девочек»