Свободы воли, как таковой, не существует

               
                "У нас все  в соответствии со стандартом и
                качеством".
                - официальный отказ министерств просвещения и 
                образования внедрить в образовательный
                процесс карточную системы.
               
               

            Метод карточной системы известен со времен Жан-Жака Руссо, применялся в семье Ульяновых. Его применяли и в 1991-95 в Мариуполе, в частном порядке.

            Метод имеет многовековую практику, в ноябре 2017г. мной выложены идеи на основе наблюдения об особенности работы сознания при запоминании содержания карточек - отсутствие свободы воли, при запоминании нового материала и построении ассоциативных рядов.



; У свободы вообще есть минус — свободным быть по определению не получится. Вопрос лишь в том, от чего быть свободным: от глупости или от разума. - опубликовано на сайте 29.11.2017 ;



     Исследователи из Калифорнийского университета в Беркли и Университета Абердин до 2019-2019г. не подозревали, что надо начать изучать опыт появляющиеся перед взором испытываемого изображения. Собственно, и во времена Ленина научное сообщество не собиралось изучать феномен давно применяемого метода карточной системы изучения нового материала.

     Только  в период с 29 ноября. 2017 по 6 августа 2018г., а точнее, когда 2019г. научное сообщество подтвердило выводы лабораторных исследований, стало очевидно, что сознание видит не реальность, а "исходит из предыдущего опыта распознавания действительности". И это не формулировка университетов Беркли и Абердин, это формулировка 2011-2017гг.

; Глаза видят, мозг дорисовывает, привычка порабощает, руки помнят, прошлое диктует, шаг в неизведанное сравнение не предполагает, толпа обезличивает.  - добавлено 08.08.2018 ;
; 0000623. Человек — это то, что он помнит, а не то, что наблюдает сейчас, потому что замечает он все, исходя из прошлого опыта распознавания. Потому и имеют место обманы зрения. - добавлено 23.08.2018 ;

 citaty . info

; 0001418. Чтобы увидеть мир, надо вспомнить. Если мы не вспоминаем, значит перед нами новое. Большинство людей не видят новое, потому что не смотрят, а вспоминают.  - добавлено 07.08.2019 ;

; citaty . info

Следует вывод о том, что  творческий ум способен выходить за рамки предложенного умом собрания объяснений и представлений мира, в отличие от большинства наблюдателей момента. Следовательно, функционал ума предлагает прошлое представление, а не реальное и новое. "Вчера был даден бал, а завтра будет два".

В 2011г. мной был предложен тезис, что "свободы воли, как таковой, не существует".

; У свободы вообще есть минус — свободным быть по определению не получится. Вопрос лишь в том, от чего быть свободным: от глупости или от разума. - добавлено 29.11.2017 ;

; Самое таинственное в мире — это свобода: все о ней говорят, но никто ее не видел. Какой с детства сказали язык родным считать, так человек по жизни и считает и подсчитывает. И акцент никто не отменял.

; опубликовано
20.06.2019,

; 0001602. Человеку проще придумать, что он видит (из предыдущего опыта распознавания), чем объяснить, что он увидел впервые. - опубликовано 05.12.2019,
citaty info




   В контексте преподавания в школе и прочих учебных заведениях.
 Излагаемы на уроке в школе материал не имеет ничего общего с реальностью, в качестве восприятия  учащегося, поскольку представление о настоящем заменено вариативностью распознавания "свой/чужой", формируемого мозговой активностью на данный момент.




Научные труды связанные с этими идеями. 


Полученный
06 Августа 2018 года

Принято
07 Января 2019 года

Опубликованный
05 марта 2019 года




Исследователи из Калифорнийского университета в Беркли и Университета Абердина выяснили, что люди могут путешествовать в прошлое – только так мы и воспринимаем окружающий мир.


Опубликовано: 05 марта 2019 г.
Расшифровка содержания и силы образов перед использованием завещания
Роджер Кениг-Роберт и Джоэл Пирсон
Научные отчеты, том 9, номер статьи: 3504 (2019) для публикации этой статьи

68 тысяч обращений

63 цитаты

415 Альтометрических



Резюме
Можно ли предсказать свободно выбранное содержание произвольных изображений на основе прошлых нейронных сигналов? здесь мы показываем, что содержание и сила будущих произвольных изображений могут быть расшифрованы по паттернам активности в зрительной и лобной областях задолго до того, как участники начнут создавать изображения по своему желанию. Участники свободно выбирали, какое из двух изображений им представить. Используя функциональный магнитно-резонансный томограф (ФМРТ) и мультифокусный анализ изображений, мы расшифровали содержимое изображений за 11 секунд до произвольного анализа в зрительной, лобной и подкорковой областях. Декодирование в визуальных областях, в дополнение к обобщению восприятия и образов, показало, что прогностические паттерны соответствуют визуальным представлениям. Важно отметить, что паттерны активности в первичной зрительной коре (V1) до принятия решения предсказывали яркость изображений в будущем. Наши результаты показывают, что содержание и сила мысленных образов зависят от сенсорных нейронных представлений, которые возникают спонтанно до появления силы воли.

Похожий контент, просмотренный другими пользователями

Профили глубины коры головного мозга в первичной зрительной коре для определения иллюзорных и воображаемых переживаний
Статья в открытом доступе от 02 февраля 2024 года

Открытие in silico репрезентативных связей в зрительной коре головного мозга
Статья в открытом доступе от 25 июня 2025 года

Синтез данных оптической МРТ-визуализации с использованием алгебры мозга
Статья в открытом доступе от 22 августа 2025 года
Ввод
Большая часть психологии, а в последнее время и неврологии, посвящена изучению происхождения, динамики и категорий мыслей 1,2,3. иногда мысли кажутся спонтанными и даже неожиданными.иногда они кажутся детализированными, контролируемыми и обдуманными. Когда мы решаем о чем-то подумать, насколько предвзятым является этот взгляд на существующую нейронную активность? ментальные образы, сенсорное мышление, могут активироваться вольно или невольно. Однако остается неизвестным, какой частью содержания и силы наших мысленных образов мы на самом деле управляем, когда добровольно создаем их. Например, люди с посттравматическим стрессовым расстройством (ПТСР) сообщают о полном отсутствии контроля как над содержанием, так и над силой своих мысленных образов. 5 хотя фактические данные показывают, что эффективность визуализации варьируется как у отдельных людей, так и в пределах нормальной популяции 5.6. Предыдущие исследования показали, что префронтальная активность может предсказывать будущую аналитику7,8,9, 10 и бессознательную сенсорную активность11, и что мысленные образы могут быть расшифрованы из ранней зрительной коры головного мозга 12, 13. Однако остается неизвестным, влияет ли бессознательная сенсорная активность на то, что мы думаем, и насколько сильно мы это воспринимаем.

Чтобы исследовать происхождение контента и силу произвольных образов, мы создали проект по принятию решений на основе мысленных образов, в рамках которого люди могли свободно решать, что им представлять, и регистрировали активацию мозга с помощью функциональной магнитно-резонансной томографии (ФМРТ). Мы применили мультифокусный паттерн-анализ (mvpa, подробнее см. материалы и методы) для расшифровки информации, содержащейся в паттернах пространственной активации мозга, полученных с помощью фМРТ14,15, 16.  Кроме того, в независимом контрольном эксперименте мы оценили временную достоверность сообщения о начале мыслей, что подверглось критике в предыдущих примерах 17. Используя дизайн, который использует хорошо известный эффект наложения изображения на последующее бинокулярное соперничество в зависимости от хроно18, мы показываем, что сообщения участников о появлении мыслей действительно были надежными в контексте временного анализа с помощью ФМРТ.

Определение моделей принятия решений предполагает, что исполнительные области в префронтальной коре запускают процессы отбора, ведущие к предстоящим выборам 9, 10, 19. В дополнение к вовлечению исполнительных областей в будущие визуальные размышления, мы попытались проверить, можно ли также декодировать прогнозирующую информацию из визуальных областей, поскольку предварительные результаты показали, что визуальные образы привлекают 12,13 визуальных областей. Чтобы проверить это, мы использовали как spotlight, так и визуальное (от версии 1 до версии 4) декодирование областей интереса (ROI). Мы также попытались определить репрезентативное содержание прогнозирующих сигналов: похожа ли прогнозирующая информация в какой-то степени на перцептивные визуальные представления? чтобы оценить это, мы представили участникам индивидуальных забегов перцептивные сетки по виду. Функциональные изображения мозга из блоков восприятия затем использовались для обучения классификаторов, которые затем тестировались на блоках изображений как до, так и после принятия решения. Так называемое обобщение восприятия, образ перекрестного декодирования, было использовано для демонстрации общего информационного содержания между визуальными представлениями сигналов восприятия и предсказания. Наконец, мы проверили, возможно ли расшифровать субъективную силу зрительных образов по информации, поступающей в зрительные области до передачи волевого сигнала. Такое участие зрительных областей в будущей силе визуальных образов стало бы дополнительным доказательством того, что сенсорные области также играют важную роль в феноменологии будущих мыслей.

Используя этот пример, мы обнаружили, что паттерны активности предсказывали содержание мысленных образов уже за 11 секунд до того, как они добровольно выбирали, что представлять — в зрительной, лобной и подкорковой областях. Важно отметить, что прогностические паттерны в первичной зрительной коре (V1) и латеральной префронтальной коре были аналогичны восприятию, вызванному неконтролируемым изображением. Мы показываем, что субъективная сила (яркость) будущих мысленных образов может быть предсказана на основе паттернов активации, содержащихся в первичной зрительной коре (V1), до принятия решения. Наши результаты показывают, что содержание и сила мысленных образов зависят от сенсорных нейронных представлений, которые возникают спонтанно до появления силы воли. Эти результаты важны, поскольку они показывают роль зрительных зон в предварительных процессах, которые приводят к формированию визуального мышления, проливают свет на механизмы возникновения навязчивых мысленных образов при таких состояниях, как ПТСР, а также на происхождение нормальных мысленных образов.

Результаты
Пример визуальных образов бесплатного решения
Наш пример был мысленным решением, которое привело к формированию визуального образа. В каждом исследовании участники должны были представить себе одну из двух возможных красочных и ориентированных сеток, одновременно регистрируя зависимость от уровня кислорода в крови в головном мозге (сильно выраженную) с помощью МРТ (рис. 1). 1, Подробнее см. материалы и методы). После начала испытания у участников было максимум 20 секунд, чтобы свободно решить, о каком плане думать. Как только они чувствовали, что приняли решение, они нажимали кнопку (всегда одну и ту же кнопку для обеих сеток) правой рукой, запуская 10-секундный процесс создания изображения. За это время участники максимально подробно представили выбранную сетку. Позже им задали два вопроса: "Что вы себе представляли?" и "насколько это было ярко", на которые они ответили, нажав разные кнопки (рис. 1). В среднем участникам потребовалось 5,48 секунды (±0,15 МКМ), чтобы решить, какую сетку представить, в то время как среднее время тестирования составило 31,18 секунды (см. ниже).  Раздел 1, а также материалы и методы для более подробной информации). Каждое исследование включало в себя перерыв в 10 секунд в конце, чтобы избежать переноса эффектов из одного исследования в другое 20.21. Участники решили визуализировать каждую решетку с одинаковыми вероятностями (50,44% против 49,56% для вертикали и горизонтали соответственно, энтропия Шеннона = 0,997, с вероятностью переключения 58,59% ±2,81 МКМ, подробные поведенческие результаты приведены в разделе "Материалы и методы").

Расшифровка проверок здравого смысла
Сначала мы проверили пригодность нашего подхода к декодированию для классификации содержания визуального восприятия и образов. Мы использовали классификаторы SVM, обученные и протестированные (в схеме перекрестной валидации) на 10 секундах данных восприятия или изображений, а также классифицировали перцептивные или воображаемые стимулы (красные/зеленые горизонтальные/вертикальные решетки) в визуальных областях от V1 до V4 (см. Материалы и методы для деталей). Фиг. S2 показывает результаты этой проверки здравого смысла. Мы обнаружили сверхлучевую точность декодирования для восприятия (91,7, 91,7, 91,7 и 71,4%; односторонний t-тест p = 3,1,10;8, 1.2·10-9, 7·10-11 и 1,5,10-3; от V1 до V4) и изображения (66,9, 67, 69,1 и 63,7%; p = 8,10;4, 1.2·10-3, 1·10-4 и 8,10-3). Эти результаты сопоставимы с предыдущими результатами по декодированию, восприятию и образам22,23,24 и, таким образом, подтверждают наш подход к декодированию.

Результаты декодирования прожекторами
Чтобы выяснить, какие области мозга содержат информацию о содержании изображений, мы применили анализ декодирования прожекторов на данных МРТ всего мозга 16. мы использовали два источника информации для расшифровки содержимого изображений: паттерны нейронной активации в пределах условия изображений (декодирование изображений) и паттерны от бесконтрольных восприимчивых стимулов к декодированию данных изображений (обобщение восприятия-образности, кросс-декодирование). Для декодирования изображений мы обучали и тестировали классификаторы с использованием данных изображений. В анализе обобщения образа и восприятия мы обучали классификаторы, используя данные сканирования восприятия, и тестировали на данных изображений. Последнее позволило нам исследовать общую информацию между восприятием и образами без влияния внимания (см. Материалы и методы для деталей и поведенческого внимания во время восприятия).

Мы определили области, содержащие информацию о содержимом изображений, как те, которые показывают чрезмерную случайную точность декодирования в любой момент времени в течение 28-секундного временного окна вокруг принятия решения (порог определения кластера p < 0,001, порог кластера p < 0,05, см. Материалы и методы для деталей). По этому критерию отбора декодирование сверхлучайно в любой момент времени тривиально и не имеет значения для нашего вопроса. Вместо этого цель этого анализа-исследовать временную динамику информации о содержании изображений. В частности, нам было интересно проверить, содержит ли какая-либо область информацию о содержимом изображений до принятия решения. В этом смысле наш анализ беспристрастен в отношении временного положения информации, поскольку мы рассмотрели множество временных точек до и после решения (по 7 пунктов каждая).

Используя описанный выше анализ, мы обнаружили сеть из четырех участков: фронтальная, затылочная, таламус и понс (рис. 2, центральные панели, см. таблицу S1 для расположения кластеров в координатах MNI). Затем мы исследовали информационно-значимый временной ход в этих областях от -13 до +13 секунд после решения изображения (время = 0). Как и ожидалось, декодирование с течением времени (2 с) дало более низкую (но статистически значимую) точность, чем усреднение за более длительный период (см. рис.  S2 для сравнения), вероятно, из-за более низкого отношения сигнал/шум. Важно отметить, что в контексте нейробиологических исследований оценки точности декодирования не являются наиболее важным результатом классификации, а скорее их статистической значимостью 25. классификация с временным разрешением в условиях изображения достигла точности декодирования выше случайности до 11 секунд до начала изображений в затылочном и таламусе, в то время как значительная классификация была достигнута на -9 секундах в Понсе (рис. 2; черные сплошные точки с внутренним белым кругом, p < 0,05, тест с одним образцом, односторонний t-тест, контролируемый для FWER p < 0,05, тест на перестановку, подробности см. методы).

Декодирование обобщения восприятия и изображения показало значительную точность выше случайности уже за -9 секунд до появления изображений в затылочных участках (хотя эти результаты не пережили контроль FWER) и -3 секунды во фронтальных участках (рис. 2; серые сплошные точки с внутренним белым кругом, p < 0,05, один выборочный, односторонний t-тест, контролируемый для FWER p = 0,003, тест перестановок), что позволяет предположить, что предварительная прогностическая информация имеет общие свойства с восприятием во фронтальных областях. В субкортикальных областях точность декодирования с обобщением, превышающим риск, наблюдалась только после появления изображений (+1 и +11 секунд в таламусе и Понсе соответственно) и не была значимой после контроля FWER. Важно отметить, что во время перцептивных сканирований зрительное внимание отвлекалось из-за сложной задачи фиксации (см. Материалы и методы), поэтому такое обобщение не должно быть обусловлено высокоуровневыми волевными или внимательными механизмами.  Интересно, что точность декодирования в затылочных областях в течение периода изображения была ниже, чем ожидалось (см. например, 26). Предыдущие исследования показали, что предыдущие решения могут усложнять последующие когнитивные задача27. следовательно, когнитивная нагрузка для элемента принятия решений в нашей задаче может нарушать изображение, что согласуется с результатами эксперимента с поведенческим контролем, который показал, что предложенные образы (no-decision) были сильнее решения, а затем изображения (рис. 3B,C).

Эксперимент с началом поведенческих образов надежности
Мы провели независимый поведенческий эксперимент за пределами сканера, чтобы проверить, могли ли участники начать воображать до того, как сообщили об этом, что может объяснить раннюю классификацию сверх случайности. Мы использовали метод, который использует бинокулярное соперничество для объективного измерения силы изображения 18,28 в зависимости от времени в свободном решении и условии cued (рис. 3). Мы предположили, что если участники сообщают о начале изображений с опозданием на несколько секунд, это будет обнаружено как увеличение «прайминга» соперничества по сравнению с ситуацией, когда начало изображений контролируется экспериментатором, поскольку такое прайминг зависит от времени18. Рисунок 3B показывает влияние времени изображения на сенсорное прайминг для обоих условий. Время изображения показало значительное влияние на грунтование для условий свободного принятия решения и подсказки (ANOVA, F = 7,15, p = 0,002, рис. 3B), тем самым подтверждая влияние времени изображения на грунтовку. Прайминг для условия свободного принятия решения был значительно ниже, чем в условии cued (ANOVA, F = 5,77, p = 0,021), что позволяет предположить, что участники не начали воображать до того, как сообщили об этом (что привело бы к противоположному паттерну), а также предполагает, что сенсорное прайминг каким-то образом нарушается задачей принятия решения, возможно, из-за когнитивной нагрузки, аналогично тому, что было показано в других когнитивных задачах27. Важно отметить, что значимые различия в прайминге между 3,33 и 6,67 секундами времени изображения были обнаружены для условий свободного принятия решения и cued (односторонний t-тест, p < 0,05), что позволяет предположить, что эта поведенческая задача может разрешать различия в прайминге с интервалом в 3,33 секунды, по крайней мере, для этих двух первых точек времени, таким образом обеспечивая нижний предел временного разрешения точности начала изображения, сравнимую с fMRI.

Рисунок 3C показывает влияние времени изображения на субъективную яркость изображений. Время изображения также показало значительное влияние на яркость условий свободного решения и подсказки (ANOVA, F = 18,49, p < 10-5, Рис. 3C). Однако различия между условиями свободного решения и cued не были существенными (ANOVA, F = 2,42, p = 0,127). Опять же, были обнаружены значительные различия в яркости между 3,33 и 6,67 секунды времени изображения для условий свободного решения и подсказки (односторонний t-тест, p < 0,01). Хотя похожую закономерность результатов можно объяснить тем фактом, что участники начали представлять противоположную цель до того, как она была сообщена, или представлять две возможные цели в качестве альтернативы, эти результаты не согласуются с нашими результатами МРТ. Этот контроль в значительной степени преодолевает одно из основных ограничений предыдущих парадигм свободного выбора, поскольку позволяет измерять точность отчетности о выборе мнения17.

Анализ управления декодированием прожекторов
Мы применили тест перестановки, чтобы проверить, содержат ли декодирующие распределения какие-либо смещения, в этом случае декодирование выше случайности было бы переоценено, а использование стандартных параметрических статистических тестов было бы недействительным29 (см. Материалы и методы для деталей). Тесты перестановок дали результаты, аналогичные параметрическим тестам (рис. S4), и, что немаловажно, распределения точности декодирования по нулевой гипотезе не показали смещения, подтверждающего использование стандартных параметрических статистических тестов (таблица S2).

Мы также провели контрольный анализ, чтобы увидеть, можно ли объяснить результаты прожекторов каким-либо следствием предыдущего исследования. Мы обучили классификаторы предыдущему исследованию (обучение N-1) и протестировали следующее (исследование N). Если из предыдущего исследования произошел перелив, этот анализ должен показать аналогичную или более высокую точность декодирования в период до съемки. Мы не обнаружили значимой классификации выше случайности ни для одной из областей, что исключает возможность того, что эти результаты объясняются каким-либо разливом (рис. S5).

Декодирование визуальных областей интереса (ROI)
Результаты анализа прожекторов были неопределенными относительно того, имеет ли прогностическая информация до принятия решения сходство с визуальным восприятием, поскольку только фронтальные области демонстрировали надежное декодирование обобщения восприятия и изображения (рис. 2). Чтобы проверить, можно ли найти прогностическую информацию в визуальных областях, мы провели анализ декодирования с течением времени только в визуальных областях интереса (ROI) от V1 до V4, определенных независимым функциональным экспериментом (Подробнее см. Материалы и методы). Мы пришли к выводу, что если мы найдем информацию, которая включает решение изображения в визуальных областях, посвященных восприятию, это будет веским аргументом в пользу прогностической информации восприятия.

Анализ декодирования ROI изображений показал аналогичную временную динамику подходу с прожектором, показав самую раннюю точность декодирования выше шансов-11 секунд от зафиксированного решения изображения в первичной зрительной коре V1 (рис. 4A). В декодировании изображений все визуальные ROI показывали сверхлучевую точность декодирования до начала изображений в разные временные точки (малые точки, рис. 4A, p < 0.05, один выборочный, односторонний t-тест на случайность: 50%), однако только V1 и V4 были последовательными между временными точками (от -11 до -5 и до ;5–15 секунд, рис. Контурные круги 4A, p < 0,05, одиночный выборочный, односторонний t-тест, контролируемый для FWER p < 0,05, тест на перестановку). Ранние (-11) прогностические данные в первичной зрительной коре показывают, что прогностические сигналы, по крайней мере, частично соответствуют визуальному представлению.

Рисунок 4
figure 4
Декодирование содержимого изображений в областях визуального интереса (ROI). Мы исследовали содержание изображений в визуальных зонах с помощью подхода ROI. Визуальные области от V1 до V4 были функционально определены и ограничены фовеальным представлением (см. Материалы и методы для деталей). (A) расшифровка изображений. Мы обнаружили точность декодирования выше риска для декодирования изображений как до (С -11 секунд), так и после начала изображений. Различная визуальная ROI показала значительную точность декодирования выше шансов в разные моменты времени, в то время как ROI V1 был наиболее стабильным между точками. (B) обобщение восприятия-образности. Анализ обобщения кросс-декодирования показал стабильную точность декодирования выше случайности только в V3. Полосы ошибок помечают SEM для всех участников. Полные баллы означают декодирование выше случайности (p < 0,05, t-тест с одной выборкой на случайность: 50%). Контурные круги обозначают временные ходы, где количество значимых точек было значительно выше уровня случайности после коррекции семейной ошибки (p < 0,05, тест перестановки, см. рис. S3 для деталей).

Полноразмерное изображение
Обобщение восприятия-изображение показало более умеренный эффект со сверхестественной точностью декодирования в V3 всего за 3 секунды до начала изображения (рис. Контурные круги 4B, p < 0,05, тест на случайную выборку из одной выборки: 50%, контролируемый для fwer p < 0,003, тест на перестановку). Общая низкая точность декодирования обобщения восприятия и изображения после начала изображения показывает, что анализ может не эффективно фиксировать общие репрезентативные черты между восприятием и изображениями, как сообщалось ранее 30,31. Это несоответствие с предыдущими результатами может быть связано с экспериментальным шумом или отсутствием репрезентативного сходства между восприятием и изображениями. Чтобы различать эти две альтернативы, мы провели новый анализ, стремясь повысить чувствительность, отказавшись от анализа с временным разделом, описанным в следующем разделе.

Прогнозная информация в зрительных областях имеет общие свойства с информацией о восприятии
Хотя декодирование изображений в визуальных зонах предполагает, что прогностическая информация носит перцептивный характер, она не исключает других возможностей, таких как эффекты внимания. В частности, анализ обобщения с течением времени не показал сильного декодирования до принятия решения в визуальных областях (рис. 4A). Это может быть связано с рядом факторов, таких как различия в нейронных представлениях между изображением и восприятием, а также различия в соотношении сигнал/шум между этими условиями, что может привести к плохой классификации. Поэтому мы проверили, даст ли отказ от анализа с временным разделением более окончательные результаты за счет увеличения отношения сигнал/шум. Чтобы добиться большей чувствительности, мы обучили классификаторы на прогонах восприятия и протестировали их на периоде визуализации до принятия решения (;10–0 с) и периоде после принятия решения (0-10 с), таким образом эффективно объединяя данные между точками времени для условия изображения, а не анализируя каждую точку отдельно (как это было сделано в анализе с временным разделением, фиг. 4B). Этот анализ показал скромное, но значимое декодирование до решения в V1 и после решения в V3 (рис. 5, солидные баллы, p < 0,05, один выборочный, односторонний t-тест против шанса: 50%). Этот результат подтверждает идею о том, что прогностическая информация, по крайней мере, частично является перцептивной по своей природе, и что предсказательные представления восприятия помещаются в первичную зрительную кору.

Рисунок 5
figure 5
Прогнозные сигналы в визуальных зонах обмениваются информацией с представлениями восприятия до и после принятия решения. Чтобы проверить, имеет ли прогностическая информация в визуальных зонах общие свойства с представлениями восприятия в визуальных областях, мы провели обобщенное декодирование путем обучения восприятию и тестирования данных изображений в период до (;10–0 с) и после принятия решения (0-10 с). Полосы ошибок помечают SEM для всех участников. Значительное декодирование было обнаружено в V1 и V3 в соответствии с решением и после него (p < 0,05, тест с одним образцом t-тест на случайность: 50%).

Полноразмерное изображение
Анализ контроля декодирования ROI визуальных областей
Мы также провели серию контрольных тестов результатов декодирования ROI, чтобы проверить достоверность наших результатов. Тесты перестановок декодирования ROI дали аналогичные результаты (рис. S6). Мы проверили, можно ли объяснить эти результаты какими-либо переливами из предыдущих исследований, снова проведя N-1-Анализ. Этот анализ не показал какой-либо сверхъестественной точности до начала изображения, но мы обнаружили значимую временную точку t = 5 с в V4 для условия изображения (рис. S7).

Декодирование изображений как функция фиксированной яркости
Далее мы исследовали влияние субъективной яркости изображений на точность декодирования изображений. Мы разделили исследования на низкую и высокую яркость (среднее разделение, см. Материалы и методы для деталей). Как и ожидалось, точность декодирования содержимого изображений была выше в испытаниях с высокой яркостью, но, что удивительно, самые сильные различия наблюдались еще до появления изображений (рис. S8A). Анализ обобщения показал ту же тенденцию. Мы обнаружили декодирование выше случайности только в исследованиях с высокой яркостью (рис. S8B), что позволяет предположить, что в более ярких испытаниях изображений общие репрезентации между восприятием и образностью будут появляться легче до появления воли. Этот результат предполагает, что субъективная сила будущих изображений связана с лучшей прогностической способностью в визуальных областях.

Расшифровка яркости будущих образов из реакций до появления образов
Наконец, мы пришли к выводу, что если предыдущие сенсорные представления к образам в ранней зрительной коре действительно определяют силу последующих визуальных изображений, то данные к образам должны предсказывать яркость со следующего периода изображений. Соответственно, мы проверили именно это, попытались расшифровать субъективную силу изображений (т. е. яркость), используя только данные МРТ до периода изображения (рис. 6). Точность декодирования была значительно выше случайности в V1 (62,2%, p = 0,0035, одноизбирательный, односторонний t-тест против случайности: 50%), но не в других визуальных ROI (p > 0,05, рис. 6), что указывает на то, что информация, содержащаяся в V1, предсказывала будущую субъективную силу изображений. Этот результат показывает, что прогностическая информация в первичной зрительной коре влияет не только на содержание будущих изображений, но и на субъективное качество будущего визуального представления.

Рисунок 6
figure 6
Паттерны активации перед изображением в первичной зрительной коре (V1) предсказывают силу последующих визуальных мыслей. Мы использовали данные перед изображением (от -10 до 0 секунд от начала произвольного изображения), чтобы расшифровать дальнейшую яркость изображений (высокая или низкая, см. Текст для подробностей). Информация в V1 до решения об изображении предсказывала, насколько яркими будут будущие изображения. Полосы ошибок помечают SEM для всех участников. Полная точка означает декодирование выше случайности (p = 0,0035, один выборочный t-тест на шанс: 50%).

Полноразмерное изображение
Обсуждение
Мы обнаружили, что паттерны нейронной активации предсказывают содержание произвольных визуальных образов даже за -11 секунд до выбора того, что представлять. Эти результаты показывают, что содержание будущих визуальных образов может быть искажено текущими или предыдущими нейронными представлениями.

Хотя предыдущие интерпретации присваивали сигналам прогноза бессознательное происхождение7, 9, 32, 33, мы остаемся независимыми от того, сопровождались ли прогностические сигналы осознанием или нет. Мы признаем присущие большинству парадигм ограничения на фиксацию состояния осведомленности участников к их решению (см., например, 17). Тем не менее, мы приложили значительные усилия, чтобы преодолеть эти ограничения, разработав поведенческий тест, направленный на проверку точности изображений новичков (рис. 3). Хотя этот независимый эксперимент показал, что участники не представляли решетку до начала, эксперимент не полностью исключает возможность того, что участники участвовали в изображении до начала, находясь в сканере.

Наши результаты демонстрируют прогностические закономерности в затылочных, лобных и подкорковых участках (рис. 2). Хотя предварительные результаты подчеркивают роль фронтальных областей, содержащих информацию о последующих решения7, 9, 10; насколько нам известно, прогнозные сигналы в зрительных и подкорковых областях не были зафиксированы. Интересно, что недавние результаты показали, что центры ствола мозга могут быть источником вариативности в виде предубеждений в перцептивных решениях через механизмы возбуждения34. Подобный механизм может поддерживать участие субкортикальных сайтов в предвзятости будущих визуальных эффектов.

Прогнозные сигналы в зрительных зонах обладают перцептивными свойствами
Являются ли прогнозные сигналы низкоуровневыми визуальными представлениями или более абстрактными сигналами? Наши результаты показывают, что прогностические сигналы имеют общие свойства с представлениями восприятия. Два доказательства подтверждают эту интерпретацию. Во-первых, предсказательные сигналы были обнаружены в визуальных областях V1, V3 и V4, которые посвящены визуальной обработке, что указывает на наличие восприятия прогностической информации (рис. 4). Во-вторых, и более убедительно, используя сигналы мозга, вызванные без присмотра перцептивными решетками, мы смогли классифицировать содержание изображений до принятия решения (рис. 5). Результаты этого анализа декодирования с помощью обобщения показывают, что прогностическая информация в V1 имеет сходство с восприятием, предполагая, что эти сигналы, по крайней мере, частично соответствуют визуальному представлению.

Что касается конкретных признаков, закодированных прогностическими сенсорными представлениями, неясно, соответствуют ли они ориентации, цвету или их соединению. Однако этот вопрос можно решить в будущих экспериментах по обобщению восприятия-образа кросс-декодирования, используя перцептивные стимулы в виде серо-ориентированных решеток и сплошных цветных пятен, представляя те же цветные ориентированные решетки, что и в текущем исследовании. Такой дизайн мог бы различать специфическое содержание признаков этих представлений: различия в точности декодирования между цветными пятнами и ахроматической решеткой — обобщение изображений должно пролить свет на то, какие признаки кодируются предвольными сигналами.

Время прогностических сигналов и возможные путаницы
Обнаружение прогнозных сигналов за 11 секунд до принятия решения может показаться удивительно ранним. Однако ранние прогностические сигналы были обнаружены с использованием аналогичных методов в предыдущих исследованиях моторных решений (до 10 и 7 секунд до принятия решения 7,9), а также в отношении абстрактных решений (до 4 секунд10). Важно отметить, что возникли вопросы о том, может ли декодирование таких сигналов соответствовать нейронной активности, вызванной предыдущим исследованием. Анализ сдвига N-1 в исследовании или «переполнения», проведенный в нашем исследовании (рис. S5 и S7), является принятым способом контроля этой проблемы 19,35. Анализ переливания проверяет гипотезу о том, что если происходит временная передача информации от одного исследования к другому, прогностические сигналы лучше всего учитывать, изменив обозначение текущего исследования на предыдущее исследование (см. Материалы и метод для деталей). Результаты анализа контроля перелива показали, что прогнозные сигналы в нашем исследовании не объясняются предыдущим исследованием, поэтому эффекты перелива отвергаются как объяснение наших данных (рис. S5 и S7).

Еще одна важная проблема заключается в том, что последовательные зависимости могут влиять на сам классификатор. Другими словами, любое отклонение от случайности выбора между испытаниями (записанное, например, значением энтропии или вероятностью переключения) потенциально может быть использовано классификатором. Предыдущие исследования показали, что классификаторы, обученные только поведенческим реакциям, могут работать так же хорошо или даже лучше, чем классификация нейронных реакций 20,36. Хотя последовательные зависимости считались незначительными в предыдущих экспериментах21, этот вопрос трудно отбросить без независимых экспериментов. В то время как в нашем эксперименте вероятность выбора вертикальной или горизонтальной была очень схожей (50,44% и 49,56%, энтропия Шеннона = 0,997), вероятность переключения решеток от одного исследования к другому отклонялась от случайности (58,59%). Поэтому, принимая только результаты декодирования изображений, мы не можем исключить, что последовательные зависимости могли повлиять на классификацию, поскольку классификатор достиг бы точности декодирования 58,59% только в том случае, если решение о следующем исследовании будет изменено по сравнению с предыдущим. Важно отметить, что наш независимый анализ декодирования обобщения восприятия-образов не страдает от проблем последовательных зависимостей, поскольку классификаторы были обучены исключительно на испытаниях восприятия (представленные в блоке 15S on/15s off) и тестировались на испытаниях изображений. Декодирование обобщения восприятия-изображения подтвердило прогнозные сигналы до принятия решения с (рис. 5 и S8B), что позволяет предположить, что наши результаты не объясняются последовательными зависимостями в выборе участников.

Прогнозная информация в первичной зрительной коре (V1) влияет на субъективную силу будущих изображений
Интересно, что информация, содержащаяся в первичной зрительной коре (V1), предсказывала субъективную силу визуальных эффектов (рис. 6). Это свидетельствует о том, что феноменология будущих ментальных образов поддерживается паттернами активации в первичной зрительной коре, которые присутствуют до начала произвольных образов. Этот результат снова связывает информацию, содержащуюся в визуальных областях, с субъективными свойствами будущих добровольных изображений.

Прогнозирование выбора можно объяснить решениями, основанными на спонтанно сгенерированных представлениях
В предыдущих экспериментах с использованием MVPA для изучения процессов принятия решений прогнозная информация о выборе интерпретировалась как доказательство бессознательного принятия решений 7,8,9. следовательно, возможно интерпретировать наши результаты как принятое (по крайней мере частично) бессознательное решение в образе, поддерживая идею о том, что субъективное чувство принятия решения возникает уже после того,как решение уже принято7,9,32, 33.

Альтернативная гипотеза состоит в том, что эти результаты отражают механизмы принятия решений, основанные на спонтанно созданных визуальных представлениях, присутствующих до принятия решения. Поскольку цель задачи состояла в том, чтобы случайно выбрать и представить решетку как можно ярче, одной из стратегий может быть выбор шаблона, который самопроизвольно представлен более ярко. Другими словами, спонтанные изображения решетки могут стохастически изменять силу, оставаясь слабыми по сравнению с произвольными изображениями. Таким образом, перед принятием решения может доминировать одно раздражающее представление, более склонное к выбору решений. Аналогичная интерпретация была предложена для объяснения накопления нейронной активности перед самоинициируемыми движениями, то есть потенциал готовности37.

Интересно, что недавно было доказано, что самоинициирующиеся движения могут быть остановлены даже после появления прогностических нейронных сигналов38, что позволяет предположить, что решение может быть несколько отделено от прогностических нейронных сигналов. Таким образом, наши результаты можно объяснить сознательным выбором, основанным на слабых нейронных представлениях в процессе принятия решения; возможно, аналогично слепому зрению39, исследование сублиминального прайминга 40,41 или бессознательное накопление решений42. Такой механизм интересен на фоне теорий ментальной образности и генерации мыслей, которые предлагают непроизвольное вторжение мысли как повседневное событие, а в крайних случаях — как компонент психических расстройств, таких как ПТСР 43,44.

Таким образом, мы считаем, что лучший способ объяснить наши результаты — это не через бессознательные процессы принятия решений (как это ранее предлагалось в литературе), а через процесс, в котором решение (которое может быть сознательным) формируется слабыми сенсорными представлениями.

Материал и методы
Участвующие
Экспериментальные процедуры были одобрены комитетом по этике человеческих исследований Университета Нового Южного Уэльса (HREC#: HC12030). Все методы в этом исследовании были выполнены в соответствии с рекомендациями и правилами Австралийского национального заявления об этическом поведении в исследованиях человека (https://www.nhmrc.gov.au/guidelines-publications/e72). все участники дали информированное согласие на участие в эксперименте. Для эксперимента fMRI мы протестировали 14 участников (9 женщин в возрасте от 29,1 ± 1,1 года, в среднем ± SEM). Мы выбрали размер выборки на основе оценок размера эффекта и количества участников, использованных в предыдущих исследованиях, применяя декодирование для отслеживания сигналов мозга, которые предсказывали дальнейшие решения 7,8,9. предыдущие работы тестировали от 8 до 14 участников, поэтому мы использовали верхний предел количества участников для максимизации надежности результатов. Мы провели анализ мощности, чтобы подтвердить, что этого числа участников достаточно для достижения мощности не менее 0,8. на основе оценок размера эффекта с использованием G*Power 346. Вскоре во всех предварительных исследованиях детерминантов принятия решения9 протестировали 14 участников, достигнув мощности 0,812 в анализе временного декодирования, в то время как исследование Баннерта и Бартеля по общему кросс-декодированию восприятия и визуализации составило 830. пост — хок анализ размера эффекта показал, что для достижения силы 0,8 необходимо было протестировать 12 участников. Для задания поведенческого свободного принятия решений и подготовки к подсказкам образов мы пригласили всех предыдущих 14 участников принять участие в этом психофизическом эксперименте. Только 8 участниц (4 женщины в возрасте 29,3 ± 0,5 лет и старше) смогли вернуться, чтобы завершить этот новый эксперимент.

fMRI задачи без принятия решений с визуальными изображениями
Мы приказали участникам выбирать между двумя заранее определенными решетками (горизонтальная зеленая / вертикальная красная или вертикальная зеленая / горизонтальная Красная, сбалансированная между участниками), которые ранее были знакомы участникам во время предыдущих тренировок. Мы попросили участников воздерживаться от соблюдения заранее сформированных схем принятия решений. В сканере участникам были предоставлены две коробки с двумя кнопками, по одной в каждой руке. Каждое испытание начиналось с подсказки: «не торопитесь с выбором – нажмите правую кнопку» в течение 2 секунд (рис. 1). После этого показывался экран с точкой фиксации, и принималось решение, что думать. Этот период называют "pre-imagery time" и был ограничен 20 секундами. Участникам было приказано успокоиться перед принятием решения. Участники нажимали кнопку правой рукой, как только решали, какую решетку представлять. Участники сообщили, что в некоторых исследованиях чувствовали контроль над своим решением, в то время как в других одна из решеток просто «выскочила» в их сознании. Важно отметить, что участникам было рекомендовано нажать кнопку как можно скорее, когда они принимают решение или в их голове появляется решетка. После нажатия кнопки точка фиксации становилась ярче на 100 мс, что свидетельствовало участникам, что было зафиксировано время начала изображения. Во время периода изображений (10 секунд) участникам предлагали представить выбранный узор как можно ярче, стараясь, если возможно, проецировать его на экран. В конце периода изображений на экране появился вопрос: "Что ты представлял? - Слева для вертикального зеленого/красного – справа для горизонтального красного / зеленого» (в зависимости от предварительно назначенных узоров для участника). После ответа появился второй вопрос: "насколько ярким он был? - От 1 (низкий) до 4 (высокий)", на которые участники отвечали с помощью 4 различных кнопок. После каждого теста был пустой интервал в 10 секунд, во время которого мы приказывали участникам просто расслабиться и не думать о решетках или дальнейших решениях. Систематические послеэкспериментальные интервью показали, что некоторые участники (n = 4) не могли не думать о решетках в некоторых исследованиях во время интервала. Они сообщали о различных стратегиях избегания этих мыслей, таких как игнорирование их, замена другого изображения или мнения или выбор другого, что раздражало при принятии решения. Другие участники (n = 10) сообщили, что у них не было никаких мыслей или представлений о решетках во время периода отдыха. Мы проверили, можно ли объяснить обнаруженные эффекты первой группой участников, которые не могли удержаться от мыслей о решетках. Поэтому мы провели анализ, используя только данные участников, которые не представляли решетки вне периода изображения (n = 10). Фиг. S10 показывает результаты этого контроля. Результаты сопоставимы с результатами, показанными на рис. 2, что исключает возможность того, что описанные нами эффекты были вызваны 4 участниками, которые думали о решетках во время отдыха. Мы выполнили задание в сериях по 5 минут, во время которых участники выполнили как можно больше испытаний. Участники выбрали визуализацию горизонтальных и вертикальных решеток с аналогичной вероятностью (50,44% против 49,56% для вертикальных и горизонтальных решеток соответственно, средняя энтропия Шеннона = 0,997 ± 0,001 SEM) и показали среднюю вероятность переключения решеток с одного исследования на другое 58,59% ±2,81 SEM. Участники выполнили в среднем 7,07 пробежек каждый, каждый из которых содержал в среднем 9,2 попытки.

Заключительные замечания и будущие направления
Наше текущее исследование можно считать первым, в котором задокументировано возможное происхождение и содержание непроизвольных мыслей, а также то, как они переходят или искажают дальнейшие добровольные образы. Это согласуется с выводом о том, что наиболее заметные различия между исследованиями с низкой и высокой яркостью наблюдаются в период до образности в зрительных областях, особенно в первичной зрительной коре, которые можно интерпретировать так, что когда один из узоров более выражен, он вызывает более яркий следующий волевой ментальный образ. Это соответствует отчетам, показывающим, что яркость изображений зависит от относительного перекрытия паттернов активации, вызванных визуальным восприятием и образами45. наши результаты расширяют это открытие, показывая, что яркость будущих визуальных мыслей предсказывается информацией, сохраненной в первичной зрительной коре.

Будущие исследования должны выяснить, являются ли представления, искажающие последующие добровольные образы, действительно бессознательными или нет. Это не только прольет свет на давние вопросы воли, но и создаст четкий механизм патологических навязчивых мыслей, распространенных при многочисленных психических расстройствах.

Эксперимент с началом поведенческих образов надежности
После самоотчета о начале принятия решений критиковали за ненадежность и неизвестную дисперсию.17, мы разработали новый независимый психофизический эксперимент для проверки его надежности. Мы объективно измерили силу изображения как функцию времени для подмножества участников эксперимента fMRI. Важно отметить, что результаты этого эксперимента показали, что сообщенные исходы решений действительно надежны в отношении временного разрешения фМРТ (рис. 3).

Мы использовали два условия: свободное решение (свободно выбранный воображаемый стимул и начало образов) и подсказку (т. е. навязанные воображаемые стимулы и начало образа), см. рис.  3A-схема парадигмы. Мы использовали бинокулярное соперничество как средство объективного измерения силы сенсорного изображения18,47,48. представляя один из двух конкурирующих стимулов соперничества перед бинокулярным представлением, восприятие соперничества склоняется к воображаемому стимулу, с большим уровнем подготовки с увеличением времени изображения18; см. изображение ниже. 18,28 для обсуждения, почему это объективная мера силы изображения, а не визуального внимания, контроля бинокулярного соперничества или предвзятость ответа. Мы попросили участников представить одну из решеток соперничества на разную продолжительность, а затем измерили грунтование соперничества как функцию различных длительностей изображений (рис. 3B). Мы пришли к выводу, что если участники сообщат о появлении изображений через несколько секунд после начала представления, это будет обнаружено как увеличение прайминга по сравнению с условиями, в которых начало изображений контролируется экспериментатором. Следовательно, в условиях свободного выбора участники должны были свободно выбирать одну из двух заранее определенных решеток (горизонтальная зеленая/вертикальная красная или вертикальная зеленая/горизонтальная Красная, сбалансированная между участниками). В состоянии подсказки участникам показывали сигнал, указывающий, какую решетку представлять, таким образом накладывая начало образов, а также какую решетку нужно представить. Каждое испытание начиналось с инструкции " нажать пробел, чтобы начать испытание» (рис. 3A). Затем либо инструкция "CHOOSE«, либо подсказка, какую решетку представить (т. е.» горизонтальный красный") в течение 1 секунды. При условии свободного выбора время изображения начиналось после того, как участник выбирал решетку для представления, что он показывал, нажимая клавишу на клавиатуре компьютера (рис. 3A). Для условия cued imagery время изображения начиналось сразу после исчезновения сигнала (т. е. без времени принятия решения). Мы протестировали 3 раза изображения (3,33, 6,67 и 10 секунд). После времени обработки изображений подавали высокочастотный звук (200 мс), и обе решетки подавали через красно-зеленые стереосклянки с фиксацией в течение 700 мс. Затем участники должны были сообщить, какая решетка является доминирующей (т. е. горизонтальная Красная, вертикальная зеленая или смешанная, если решетки не доминируют), нажимая различные клавиши. После этого им нужно было ответить, какое именно раздражение они представляли (как для свободного решения, так и для проб с подсказками). Затем участники оценили яркость изображений от 1 (Низкая) до 4 (высокая), нажав одну из 4 кнопок в окнах ответов. Исследования со свободным решением и подготовленными исследованиями, а также время изображения были псевдорандомизированы в рамках блока из 30 исследований. Мы добавили эксперименты по ловле (20%), в которых решетки были физически сросшимися и одинаково доминирующими, чтобы контролировать надежность самоотчета 18,49. мы протестировали 120 испытаний для каждого условия свободного решения и cued изображений (40 попыток на временной пункт), а также 48 попыток на ловлю, равномерно распределенных между временными точками.

Значения сырого грунтования рассчитывались как количество конгруэнтных доминантных решеток в бинокулярном соперничестве (например, кажущаяся вертикальная доминантная в бинокулярном соперничестве), деленное на общее количество попыток без учета смешанного доминантного бинокля (по частям), для каждой точки времени и условия независимо. Значения необработанной яркости рассчитывались как среднее значение точки времени и состояния, исключая эксперименты со смешанным восприятием. Прайминг и яркость нормализовались как z-балл у участников и между временными точками и условиями, чтобы учесть базовые различия между участниками, но при этом сохранялись относительные различия между условиями и временными точками. Надежность самоотчета о доминировании соперничества была подтверждена попытками фальшивого захвата соперничества, когда решетки были физически соединены и одинаково доминируют, которые, как сообщалось, были смешаны выше уровня вероятности (83,8%, p = 0,002, один выборочный t-тест против базового уровня). Прайминг и z-оценки яркости подвергались одностороннему ANOVA для выявления основных воздействий условий. Мы также провели пост-хок двухборочные t-тесты, чтобы убедиться, что оценки прайминга и яркости значительно различались между точками времени (рис. 3).

Мы протестировали этот независимый поведенческий эксперимент на 8 участниках эксперимента fMRI (все 14 первоначальных участников были приглашены, но только 8 смогли вернуться), которые имели большой опыт участия в психофизических экспериментах. Мы также попытались проверить, будут ли эти результаты обобщены на полностью неопытных участников, которые не участвовали в эксперименте fMRI (N = 10). Однако мы не обнаружили значительного увеличения прайминга или яркости в зависимости от времени по сравнению с результатами на рис. S11, намекающий на то, что это чрезвычайно сложная задача и опыт в психофизике, возможно, важны для правильного выполнения задачи (т. е. способность сохранять ментальное изображение на протяжении всего образа).

Функциональные и структурные параметры МРТ
Сканирование проводилось на предприятии Neuroscience Research Australia (NeuRA) в Сиднее, Австралия, на МРТ-сканере Philips 3T Achieva TX с использованием 32-канальной катушки головки. Структурные изображения были получены с помощью последовательности турбопольного Эха (TFE), состоящей из 256 сагиттальных срезов с весом T1, покрывающих весь мозг (угол переворота 8 градусов, размер матрицы = 256 ; 256, размер вокселя = 1 мм изотропный). Функциональные изображения с T2 * - весом были получены с помощью последовательности Эхо-планарной визуализации (EPI), с 31 срезом (угол переворота = 90 градусов, размер матрицы = 240 ; 240, размер вокселя = изотропный 3 мм, TR = 2000 мс, TE = 40 мс).

Состояние восприятия фМРТ
Мы представили контрфазные мерцающие решетки при частоте 4,167 Гц (контраст 70%, ~0,5 градуса зрительного угла за цикл). Они были представлены в соответствующих заранее определенных цветах и ориентациях (горизонтальный зеленый/вертикальный красный или вертикальный зеленый/горизонтальный красный). Решетки были объединены с гауссовым двумерным ядром, чтобы получить гладкие круглые решетки. Решетки были представлены внутри прямоугольника (того же, что использовался в задании изображения, рис. 1) и точка фиксации была нарисована в центре (как для задания изображения). В течение 3 минут мы показали мерцающие узоры в блочном формате, перемежаясь периодами фиксации (по 15 секунд каждый). Важно, что была выполнена задача внимания, заключавшаяся в обнаружении изменения яркости точки фиксации (+70% за 200 мс). Изменения фиксации распределялись случайным образом во время пробега — от 1 до 4 случаев. Участникам было рекомендовано нажать любую из 4 кнопок сразу после обнаружения изменений. Участники показали высокую производительность при выполнении задачи обнаружения (d-prime = 3,33 ± 0,13 SEM).

Функциональное картирование ретинотопических зрительных областей
Чтобы функционально определить границы визуальных площадей от V1 до V4 независимо для каждого участника, мы использовали метод фазового кодирования 50,51. двойные клинья с динамическими цветными узорами выполняли 10 оборотов за 10 минут (частота ретинотопной стимуляции = 0,033 Гц). Чтобы обеспечить сосредоточение внимания на стимуле во время картирования, участники выполняли задачу обнаружения: нажимали кнопку, увидев серую точку любой части клиньев.

Экспериментальные процедуры
Мы провели 3 эксперимента за один сеанс сканирования, который длился около 1,5 часов. Стимулы подавались с помощью 18-дюймового ЖК-экрана, совместимого с МРТ (Philips ERD-2, Частота обновления 60 Гц), расположенного на конце ствола. Все стимулы были доставлены, и ответы были собраны с помощью Psychtoolbox 3 52,53 для MATLAB (The MathWorks Inc., Натик, Массачусетс, США) с использованием собственных скриптов. Головы участников были закреплены подушками из пенопласта и клейкой лентой. Каждая сессия проходила по одинаковой структуре: сначала структурное сканирование, затем ретинотопное картирование. Затем задача восприятия чередовалась с задачей на изображение, пока не были завершены три запуска задачи на восприятие. Затем задания с изображениями повторялись до тех пор, пока не было выполнено в общей сложности 7 или 8 (в зависимости от участника). Между пробегами были назначены паузы. Первые 4 тома каждого функционального цикла были отброшены, чтобы учесть время намагниченности равновесия, и каждый функциональный запуск начинался с 10 секунд фиксации.

Функциональные и структурные параметры МРТ
Сканирование проводилось на предприятии Neuroscience Research Australia (NeuRA) в Сиднее, Австралия, на МРТ-сканере Philips 3T Achieva TX с использованием 32-канальной катушки головки. Структурные изображения были получены с помощью последовательности турбопольного Эха (TFE), состоящей из 256 сагиттальных срезов с весом T1, покрывающих весь мозг (угол переворота 8 градусов, размер матрицы = 256 ; 256, размер вокселя = 1 мм изотропный). Функциональные изображения с T2 * - весом были получены с помощью последовательности Эхо-планарной визуализации (EPI), с 31 срезом (угол переворота = 90 градусов, размер матрицы = 240 ; 240, размер вокселя = изотропный 3 мм, TR = 2000 мс, TE = 40 мс).

Состояние восприятия фМРТ
Мы представили контрфазные мерцающие решетки при частоте 4,167 Гц (контраст 70%, ~0,5 градуса зрительного угла за цикл). Они были представлены в соответствующих заранее определенных цветах и ориентациях (горизонтальный зеленый/вертикальный красный или вертикальный зеленый/горизонтальный красный). Решетки были объединены с гауссовым двумерным ядром, чтобы получить гладкие круглые решетки. Решетки были представлены внутри прямоугольника (того же, что использовался в задании изображения, рис. 1) и точка фиксации была нарисована в центре (как для задания изображения). В течение 3 минут мы показали мерцающие узоры в блочном формате, перемежаясь периодами фиксации (по 15 секунд каждый). Важно, что была выполнена задача внимания, заключавшаяся в обнаружении изменения яркости точки фиксации (+70% за 200 мс). Изменения фиксации распределялись случайным образом во время пробега — от 1 до 4 случаев. Участникам было рекомендовано нажать любую из 4 кнопок сразу после обнаружения изменений. Участники показали высокую производительность при выполнении задачи обнаружения (d-prime = 3,33 ± 0,13 SEM).

Функциональное картирование ретинотопических зрительных областей
Чтобы функционально определить границы визуальных площадей от V1 до V4 независимо для каждого участника, мы использовали метод фазового кодирования 50,51. двойные клинья с динамическими цветными узорами выполняли 10 оборотов за 10 минут (частота ретинотопной стимуляции = 0,033 Гц). Чтобы обеспечить сосредоточение внимания на стимуле во время картирования, участники выполняли задачу обнаружения: нажимали кнопку, увидев серую точку любой части клиньев.

Экспериментальные процедуры
Мы провели 3 эксперимента за один сеанс сканирования, который длился около 1,5 часов. Стимулы подавались с помощью 18-дюймового ЖК-экрана, совместимого с МРТ (Philips ERD-2, Частота обновления 60 Гц), расположенного на конце ствола. Все стимулы были доставлены, и ответы были собраны с помощью Psychtoolbox 3 52,53 для MATLAB (The MathWorks Inc., Натик, Массачусетс, США) с использованием собственных скриптов. Головы участников были закреплены подушками из пенопласта и клейкой лентой. Каждая сессия проходила по одинаковой структуре: сначала структурное сканирование, затем ретинотопное картирование. Затем задача восприятия чередовалась с задачей на изображение, пока не были завершены три запуска задачи на восприятие. Затем задания с изображениями повторялись до тех пор, пока не было выполнено в общей сложности 7 или 8 (в зависимости от участника). Между пробегами были назначены паузы. Первые 4 тома каждого функционального цикла были отброшены, чтобы учесть время намагниченности равновесия, и каждый функциональный запуск начинался с 10 секунд фиксации.

Фазово-кодированный анализ ретинотопного картирования
Функциональные данные ретинотопного картирования МРТ были проанализированы с помощью быстрого преобразования Фурье (FFT) в MATLAB. FFT применялся воксельно между точками времени. Комплексный выход FFT содержал как информацию об амплитуде, так и фазу синусоидальных компонентов сигнала BOLD. Затем была извлечена информация о фазе на частоте стимуляции (0,033 Гц), используя ее амплитуду в качестве порога (;2 SNR) и наложив ее на реконструкцию корковой поверхности каждого участника, полученную с помощью Freesurfer 54,55. Мы вручную обрисовали границы между ретинотопными участками на уплощенной поверхности вокруг затылочного полюса, идентифицировав воксели, показывающие фазовые изменения на карте полярного угла, представляющие горизонтальные и вертикальные зрительные Меридианы. У всех участников мы четко определили пять различных визуальных областей: V1, V2, V3d, V3v и V4; в этой статье мы объединяем V3d и V3v и помечаем их как V3. Все четыре ретинотопных метки были определены как пересечение с блоками восприятия (решетка > фиксация, p < 0,001, ФДР исправлено), что ограничивало ROI фовеальным представлением каждой зрительной области.

Функциональная обработка сигналов МРТ
Все данные были проанализированы с помощью SPM12 (статистическое параметрическое отображение; центр нейровизуализации Wellcome Trust, Лондон, Великобритания). Мы перенастроили функциональные изображения на первый функциональный объем и провели высокочастотный фильтр (128 секунд), чтобы устранить низкочастотные дрейфы сигнала без дополнительного пространственного сглаживания. Чтобы оценить функцию гемодинамической обратной связи (HRF), мы генерировали регрессоры для каждой решетки (горизонтальная зеленая/вертикальная красная или вертикальная зеленая/горизонтальная красная) для каждого прогона и эксперимента (восприятие и изображение) отдельно. Мы использовали конечную импульсную характеристику (FIR) в качестве базовой функции. Эта базовая функция не делает предположений о форме HRF, что важно для анализа данных о свободном принятии решения9. Мы использовали базисную функцию FIR 14-го порядка, охватывающую 28 секунд от -13 до +13 секунд от начала изображения, таким образом получая 14 бинов, представляющих каждый TR. Для условия восприятия мы использовали 1ст упорядочить базисную функцию FIR от начала каждого перцептивного блока до его конца (15 секунд). Мы также наняли единогост порядок FIR базисных функций для декодирования изображений проверки здравого смысла (от 0 до 10 с, рис. S2) и обобщение восприятия образов до-после принятия решения (-10 до 0 и от 0 до 10 по решению изображения, рис. 5). Для анализа яркости мы разделили тесты на низкую яркость (рейтинги 1 и 2) и высокую яркость (рейтинги 3 и 4), а затем получили регрессоры для обеих решеток, как описано выше.

Многовоксельный анализ паттернов (MVPA)
Мы применили хорошо известный подход декодирования для извлечения информации, связанной с каждой решеткой, содержащейся в паттерне активации между вокселями конкретного участника (в его «родном» анатомическом пространстве) с помощью набора инструментов декодирования (TDT)56. используя схему кросс-валидации с одним выходом, мы обучили L2-нормальную регуляризованную линейную поддерживающую векторную машину (SVM, как реализовано в LIBSVM) на бета-значениях, используя все запуски, кроме одного, а затем протестировали на остальных. Дополнительного масштабирования (нормализации) данных не проводилось, поскольку бета-значения отображают масштабируемую версию данных относительно среднего значения запуска. Тренировки и тестирование повторялись до тех пор, пока все заезды не использовались в качестве тестов, а затем усредняли результаты по валидациям (7 или 8 раз, в зависимости от участника). Мы отдельно провели перекрестную валидацию с выходом "один выгон" для каждого временного контейнера.

Мы также применили перекрестную классификацию для обобщения информации между задачами восприятия и изображения в «обобщении восприятия-образности».

Для перекрестной классификации восприятия и образа мы тренировались на ансамбле пробежек восприятия и тестировали ансамбль этих пробежек. В каждом запуске восприятия зеленые и красные решетки показывались псевдослучайно в 6 блоках по 15 секунд каждый. Перцептивные блоки (15 с) переплетались с единицойст заказать FIR-фильтр, дающий регрессоры для красных и зеленых перцептивных решеток, как объясняется в предыдущем разделе. Испытания изображений были предварительно обработаны точно так же, как и при декодировании изображений, что дало регрессоры с течением времени (2 с) или блочные (10 с) (см. ниже)Для перекрестной классификации восприятия и образа мы тренировались на ансамбле пробежек восприятия и тестировали ансамбль этих пробежек. В каждом запуске восприятия зеленые и красные решетки показывались псевдослучайно в 6 блоках по 15 секунд каждый. Перцептивные блоки (15 с) переплетались с единицойст заказать FIR-фильтр, дающий регрессоры для красных и зеленых перцептивных решеток, как объясняется в предыдущем разделе. Испытания изображений были предварительно обработаны точно так же, как и при декодировании изображений, что дало регрессоры с течением времени (2 с) или блочные (10 с) (см. ниже). (см. предыдущий раздел для деталей). Таким образом, классификаторы, обученные на перцептивных пробежках (например, перцептивный вертикально-зеленый против перцептивного горизонтально-красного), тестировались на данных изображений (например, воображаемое вертикально-зеленое против воображаемого горизонтально-красного). Точность рассчТочность рассчитывалась как при декодировании изображений (например, процент точности вертикально-зеленого по сравнению с горизонтально-красным декодированием), за исключением того, что процедура тренировочного тестирования проводилась только один раз (т. е. все данные восприятия использовались для обучения, а все данные изображения — для тестирования классификаторов), поскольку нет необходимости использовать кросс-валидацию в таких схемах перекрестной классификации, поскольку обучающие и тестовые данные различны и независимы (в отличие от условия декодирования изображений, где часть данных использовалась для обучения, а другая — для тестирования).

Мы применили два разных подхода к декодированию: прожектор и область интереса (ROI). Мы использовали сферический прожектор с 3 вокселями радиуса и получили объемы, в которых каждому вокселю присваивалось значение точности декодирования. ММы применили два разных подхода к декодированию: прожектор и область интереса (ROI). Мы использовали сферический прожектор с 3 вокселями радиуса и получили объемы, в которых каждому вокселю присваивалось значение точности декодирования. Мы нормализовали объемы точности декодирования в пространстве MNI и применили пространственное сглаживание 8 мм FWHM, что оказалось оптимальным для учета анатомических особенностей у участников57. затем мы провели однохвостый t-тест с одним выражением против 50% (уровень вероятности) среди участников для каждого вокселя. Мы скорректировали множественные сравнения, используя определение порога на основе экстенсивных кластеров, применяя гауссову теорию случайных полей 58,59, как реализовано в FSL60. Мы использовали первичный порог p < 0,001 на уровне вокселя, как рекомендовано в предыдущих исследованиях61, и порог кластерного уровня p < 0,05 в каждом объеме точки времени независимо. Важно отметить, что эти пороги оказались действительными в пределах номинальных соотношений ложноположительных результатов62.

Декодирование ROI использовалось именно для тестирования информДекодирование ROI использовалось именно для тестирования информационного контента в визуальных областях. Мы определили границы визуальных областей от V1 до V4, которые были использованы в качестве ROI. Обратите внимание, что, поскольку визуальная ROI определялась на поверхности коры (см. Анализ ретинотопов с фазовой

Декодирование ROI использовалось именно для тестирования информационного контента в визуальных областях. Мы определили границы визуальных областей от V1 до V4, которые были использованы в качестве ROI. Обратите внимание, что, поскольку визуальная ROI определялась на поверхности коры (см. Анализ ретинотопов с фазовой кодировкой для деталей), рассматривались только воксели с серым веществом, в отличие от подхода прожектора, который также учитывает воксели с несерным веществом, что потенциально объясняет различия в чувствительности между этими подходами.

Мы проверили, есть ли разница в средней реакции BOLD между стимулами (т. е. одномерная разница). Мы не обнаружили значимых различий (p > 0,05, не скорректировано) в среднем ответе BOLD (рис. S9), таким образом исключает возможность того, что результаты объясняются разницей среднего уровня активности между условиями.

Тест перестановок
Чтобы подтвердить использование стандартной параметрической статистики, мы провели тест перестановок и, таким образом, эмпирически определили распределение точностей декодирования по нулевой гипотезе63. в предыдущих отчетах подчеркивалась возможность получения искаженных распределений декодирования, что отменяло бы использование стандартных параметрических статистических тестов29. Поэтому мы случайным образом перемешивали метки (т. е. горизонтальный красный/вертикальный зеленый) между исследованиями и внутри блоков (т. е. количество воображаемых исследований красного/зеленого было сохранено в рамках запуска, но метки исследований были перемешаны) для каждого участника и условия (изображения и обобщения), чтобы получить эмпирические данные по нулевой гипотезе. После перетасовки меток мы сгенерировали регрессоры для каждого стимула и выполнили декодирование по той же процедуре, описанной в предыдущем абзаце. Мы повторили эту процедуру 1000 раз и получили эмпирическое распределение по нулевой гипотезе. На каждой итерации анализ второго уровня (между участниками) состоял из усреднения результатов между участниками (точно так же, как было выполнено на исходных данных), из которого мы получали доверительные интервалы для каждой точки времени декодирования и площади (рис. S4 и S6) с использованием метода процентиля63. Наши результаты показывают, что гипотеза декодирования нулевого распределения следовала нормальному распределению (таблица S2) и, что важно, что значимые результаты с использованием доверительных интервалов тестов перестановок были сопоставимы с результатами стандартных параметрических тестов (сравните значимые точки На Рис. 2 и 3 из Рис. S4 и S6). Таким образом, этот анализ подтверждает использование стандартных статистических тестов для проверки значимости в нашем наборе данных.

Во временных точках с семейным контролем уровня ошибок (FWER)
Мы оценили вероятность получения n значимо большего количества точек декодирования (p < 0,05, тест с одним хвостом) по нулевой гипотезе. Для этого мы использовали данные нулевого распределения, полученные с помощью теста перестановки (случайно перемешанные метки, 1000 итераций; см. предыдущий абзац для подробностей). Фиг. S3 показывает результаты такого анализа. Вставки показывают семейный уровень погрешности для эмпирически наблюдаемого количества точек времени декодирования выше случайности для каждой области.

Контроль декодирования эффекта перелива (N-1)
Мы провели контрольный анализ, чтобы напрямую проверить, можно ли объяснить результаты прожекторов каким-либо переливом из предыдущего исследования, как это было сделано в предыдущем исследовании (Сун и др.).19). Для этого мы сместили метки на один этап (N-1). Вкратце, логика этого контроля такова: если из предыдущего исследования произошел перелив, этот анализ должен показать более высокую точность декодирования в период до изображения, поскольку эффекты предыдущего исследования будут распространяться на следующее исследование (для полного объяснения причин обратитесь к Сун и др.).19). Все детали декодирования были идентичны тем, что описано в разделе «Мультивоксельный анализ паттернов (MVPA)», за исключением того, что первое испытание каждого запуска не рассматривалось, поскольку в этом случае не было испытания N-1. аналогично, для обобщения восприятия-образности, тренировки проводились на данных восприятия и тестировались на исследованиях изображений, обозначенных как N-1.

Доступность данных
Наборы данных, созданные во время и/или проанализированные в ходе текущего исследования, доступны соответствующему автору по разумному запросу.

Источники
Фодор, Дж. А модульность ума. (MIT Press, 1983).

Гейнс, Дж.- Д. и рис, г. расшифровка психических состояний по активности мозга у людей. Естественный преподобный нейробиология. 7, 523–534 (2006).

Статья
 
CAS
 
Google Scholar
 

Джеймс, В. принципы психологии. (Генри Голт и компания, 1890).

Пирсон, Дж. и Уэстбрук, Ф. фантомное восприятие: добровольное и непроизвольное несетковочное видение. Тенденции Когн. Наука. 1–7, https://doi.org/10.1016/j.tics.2015.03.004 (2015).

Pearson, J., Naselaris, T., Holmes, E. A. и Косслин, С. M. Ментальные образы: функциональные механизмы и клинические применения. Тенденции Когн. Наука. 19, 590–602 (2015).

Статья
 
Google Scholar
 

Пирсон, Дж., Радемейкер, Р. Л. и Тонг, Ф. оценка зрения разума: метакогния визуальных образов. Психологическая. Наука. 22, 1535–1542 (2011).

Статья
 
Google Scholar
 

Bode, S. и др. отслеживание бессознательного поколения свободных решений с помощью фМРТ Uitra-High Field. PLoS One 6 (2011).

Гейнс, Дж. Д. и др. чтение скрытых намерений в человеческом мозге.  Curr. Biol. 17, 323–328 (2007).

Статья
 
CAS
 
Google Scholar
 

Сун, К. С., Брасс, М., Хайнце, Г.-Дж. и Гейнс, Дж.- Д. бессознательные детерминанты свободных решений в человеческом мозге. Естественные нейробиологии. 11, 543–545 (2008).

Статья
 
CAS
 
Google Scholar
 

Сун, К. С., Хе, А. Г., Боде, с. и Гейнс, Дж.- Д. прогнозирование свободного выбора для абстрактных намерений. Proc. Natl. Acad. Sci. 110, 6217–6222 (2013).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Dehaene, S. и др. мозговые механизмы маскировки слов и бессознательного повторения прайминга. Естественные нейробиологии. 4, 752–8 (2001).

Статья
 
CAS
 
Google Scholar
 

Косслин, С. М. и др. визуальные мысленные образы активируют топографически организованную зрительную кору: исследование ПЭТ. J. Cogn. Neurosci. 5, 263–287 (1993).

Статья
 
CAS
 
Google Scholar
 

Населарис, т., Оллман, К. А., Стэнсбери, Д. Э., Угурбиль, к. и Галлант, Дж.  Л. воксельная модель кодирования ранних визуальных областей расшифровывает ментальные образы запоминающихся сцен. Нейроимидж, https://doi.org/10.1016/j.neuroimage.2014.10.018 (2015).

Хаксби, Дж. В. и др. распределенные и перекрывающиеся представления граней и объектов в вентральной височной коре. Science 293, 2425–30 (2001).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Камитани, й. и Тонг, Ф. расшифровка визуального и субъективного содержимого человеческого мозга. Естественные нейробиологии. 8, 679–685 (2005).

Статья
 
CAS
 
Google Scholar
 

Кригескорте, Н., Гебель, р. и Бандеттини, П. информационное функциональное картирование мозга.  Proc. Natl. Acad. Sci. USA 103, 3863–8 (2006).

Статья
 
ADS
 
CAS
 
Google Scholar

Доступность данных
Наборы данных, созданные во время и/или проанализированные в ходе текущего исследования, доступны соответствующему автору по разумному запросу.

Источники
Фодор, Дж. А модульность ума. (MIT Press, 1983).

Гейнс, Дж.- Д. и рис, г. расшифровка психических состояний по активности мозга у людей. Естественный преподобный нейробиология. 7, 523–534 (2006).

Статья
 
CAS
 
Google Scholar
 

Джеймс, В. принципы психологии. (Генри Голт и компания, 1890).

Пирсон, Дж. и Уэстбрук, Ф. фантомное восприятие: добровольное и непроизвольное несетковочное видение. Тенденции Когн. Наука. 1–7, https://doi.org/10.1016/j.tics.2015.03.004 (2015).

Pearson, J., Naselaris, T., Holmes, E. A. и Косслин, С. M. Ментальные образы: функциональные механизмы и клинические применения. Тенденции Когн. Наука. 19, 590–602 (2015).

Статья
 
Google Scholar
 

Пирсон, Дж., Радемейкер, Р. Л. и Тонг, Ф. оценка зрения разума: метакогния визуальных образов. Психологическая. Наука. 22, 1535–1542 (2011).

Статья
 
Google Scholar
 

Bode, S. и др. отслеживание бессознательного поколения свободных решений с помощью фМРТ Uitra-High Field. PLoS One 6 (2011).

Гейнс, Дж. Д. и др. чтение скрытых намерений в человеческом мозге.  Curr. Biol. 17, 323–328 (2007).

Статья
 
CAS
 
Google Scholar
 

Сун, К. С., Брасс, М., Хайнце, Г.-Дж. и Гейнс, Дж.- Д. бессознательные детерминанты свободных решений в человеческом мозге. Естественные нейробиологии. 11, 543–545 (2008).

Статья
 
CAS
 
Google Scholar
 

Сун, К. С., Хе, А. Г., Боде, с. и Гейнс, Дж.- Д. прогнозирование свободного выбора для абстрактных намерений. Proc. Natl. Acad. Sci. 110, 6217–6222 (2013).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Dehaene, S. и др. мозговые механизмы маскировки слов и бессознательного повторения прайминга. Естественные нейробиологии. 4, 752–8 (2001).

Статья
 
CAS
 
Google Scholar
 

Косслин, С. М. и др. визуальные мысленные образы активируют топографически организованную зрительную кору: исследование ПЭТ. J. Cogn. Neurosci. 5, 263–287 (1993).

Статья
 
CAS
 
Google Scholar
 

Населарис, т., Оллман, К. А., Стэнсбери, Д. Э., Угурбиль, к. и Галлант, Дж.  Л. воксельная модель кодирования ранних визуальных областей расшифровывает ментальные образы запоминающихся сцен. Нейроимидж, https://doi.org/10.1016/j.neuroimage.2014.10.018 (2015).

Хаксби, Дж. В. и др. распределенные и перекрывающиеся представления граней и объектов в вентральной височной коре. Science 293, 2425–30 (2001).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Камитани, й. и Тонг, Ф. расшифровка визуального и субъективного содержимого человеческого мозга. Естественные нейробиологии. 8, 679–685 (2005).

Статья
 
CAS
 
Google Scholar
 

Кригескорте, Н., Гебель, р. и Бандеттини, П. информационное функциональное картирование мозга.  Proc. Natl. Acad. Sci. USA 103, 3863–8 (2006).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Данква, А. Н. и др. (1983) пересмотрено. Сознательный. Когн. 17, 616–627 (2008).

Статья
 
Google Scholar
 

Пирсон, Дж., Клиффорд, К. В. Г. и Тонг, Ф. функциональное влияние ментальных образов на сознательное восприятие. Curr. Biol. 18, 982–6 (2008).

Статья
 
CAS
 
Google Scholar
 

Сун, C. S., Allefeld, C., Bogler, C., Heinzle, J. и Хайнс, Дж. D. Прогнозирующие сигналы мозга лучше всего предсказывают будущие решения, а не предыдущие варианты. Фронт. Психол. 5, 1–3 (2014).

Статья
 
Google Scholar
 

Лагес, М., Бойл, С. С. И Яворска, К. подбрасываете монету в голове без мониторинга результатов? Комментарии по прогнозированию свободного выбора и демонстрационной программы. Фронт. Психол. 4, 535–540 (2013).

Статья
 
Google Scholar
 

Allefeld, C., Soon, C. и Боглер, C. Последовательные зависимости между испытаниями в задачах свободного выбора. arXiv Prepr. arXiv ... 1-15 в http://arxiv.org/abs/1311.0753 (2013).

Харрисон, С. А. и Тонг, Ф. декодирование выявляет содержание визуальной рабочей памяти в ранних визуальных областях. Nature 458, 632–635 (2009).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Редди, л., Цучия, Н. И Серре, т. чтение воображения: расшифровка информации категорий во время ментального образа. Neuroimage 50, 818–825 (2010).

Статья
 
Google Scholar
 

Ли, С.-Г., Кравиц, Д. Дж. и Бейкер, К. И. распутывание визуальных образов и восприятие реальных объектов. Neuroimage 59, 4064–4073 (2012).

Статья
 
Google Scholar
 

Stelzer, J., Chen, Y. и Тернер, Р. Статистические выводы и коррекция множественного тестирования в классификационном многовоксельном анализе паттернов (MVPA): случайные перестановки и контроль размера кластеров. Neuroimage 65, 69–82 (2013).

Статья
 
Google Scholar
 

Альберс, А. М. и др. общие представления для рабочей памяти и ментальных образов в ранней зрительной коре. Curr. Biol. 23, 1427–1431 (2013).

Статья
 
CAS
 
Google Scholar
 

Vohs, K. D. и др. Принятие выбора ухудшает дальнейший самоконтроль: ограниченное изложение принятия решений, саморегуляции и активной инициативы. J. Pers. Soc. Psychol. 94, 883–898 (2008).

Статья
 
Google Scholar
 

Пирсон, Дж. Новые направления в исследованиях ментальной образности: техника бинокулярного соперничества и декодирования фМРТ-паттернов. Кур. Реж. Психологический научный факультет. 23, 178–183 (2014).

Статья
 
Google Scholar
 

Джамалабади, г., Ализаде, С., Шенауэр, М., Лейболд, К. и Гайс, С. Классификационное тестирование гипотез в нейробиологии: показатели классификации ниже случайности и недооцененные статистические свойства линейных параметрических классификаторов. Хм. Мозговой Мапп. 37, 1842–1855 (2016).

Статья
 
Google Scholar
 

Баннерт, М. М. и Бартелс, А. расшифровка желтого цвета серого банана. Curr. Biol. 23, 2268–2272 (2013).

Статья
 
CAS
 
Google Scholar

Сичи, Р. М., Хайнцле, Дж. и Гейнс, Дж. Д. образы и восприятие имеют общие пробковые представления содержания и места. Церебр. Cortex 22, 372–380 (2012).

Статья
 
Google Scholar
 

Libet, B., Gleason, Ca, Wright, E. W. и Pearl, D. K. Время сознательного намерения действовать в связи с началом церебральной активности (потенциал готовности). Brain 106, 623–642 (1983).

Статья
 
Google Scholar
 

Либет, Б. бессознательная церебральная инициатива и роль сознательной воли в добровольных действиях. Behav. Brain Sci. 8, 529–539 (1985).

Статья
 
Google Scholar
 

де ги, Дж. В. и др. динамическая модуляция предубеждений принятия решений системами возбуждения ствола мозга. Elife 6, 1–36 (2017).

Google Scholar
 

Герген, К., Хебарт, М. Н., Аллефельд, К. и Гейнс, Дж.- Д. Тот же подход к анализу: практическая защита от ловушек новых методов нейровизуализации. Neuroimage 1–12, 10.1016/j.neuroimage.2017.12.083 (2017).

Лагес, м. И Яворская, К. Насколько предсказуемы «спонтанные решения» и «скрытые намерения»? Сравнение результатов классификации на основе предыдущих ответов с многомерным анализом паттернов сигналов fMRI BOLD. Фронт. Психол. 3, 1–8 (2012).

Статья
 
Google Scholar
 

Шургер, А., Ситт, Дж. Д. И Дехане, С. аккумуляторная модель для спонтанной нейронной активности до самоинициирующегося движения. Proc. Natl. Acad. Sci. 109, E2904–E2913 (2012).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Шульце-Крафт, М. и др. точка невозврата в наложении вето на самостоятельные движения.  Proc. Natl. Acad. Sci. 113, 1080–1085 (2016).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Стоерег, п. и Кови, А. Слепозор у человека и обезьяны. Мозг 120 (Часть 3), 535-59 (1997).

Статья
 
Google Scholar
 

Dehaene, S. и др. представление бессознательного семантического грунтования. Nature 395, 597–600 (1998).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Dell'Acqua, R. и Грейнджер, Дж. Бессознательное семантическое основание из изображений. Когниция 73, B1–B15 (1999).

Статья
 
Google Scholar
 

Власова, А., Донкин, К. и Пирсон, Дж. Бессознательная информация меняет точность принятия решений, но не уверенность. Proc. Natl. Acad. Sci. 111, 16214–16218 (2014).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Purdon, C. и Кларк, Д. A. Навязчивые навязчивые мысли у неклинических субъектов. Часть I. содержание и связь с депрессивными, тревожными и обсессивными симптомами. Ведите Рез. Ther. 31, 713–720 (1993).

Статья
 
CAS
 
Google Scholar
 

Брюин, К. Р., Грегори, Дж. Д., Липтон, м. И Берджесс, Н.интрузивные образы при психологических расстройствах: характеристики, нейронные механизмы и последствия лечения. Psychol. Rev. 117, 210–232 (2010).

Статья
 
Google Scholar
 

Дейкстра, Н., Бош, С. Э. и ван Гервен, М. А. Й. й. яркость визуальных образов зависит от нейронного перекрытия с восприятием в визуальных зонах.  J. Neurosci. 37, 1367–1373 (2017).

Статья
 
CAS
 
Google Scholar
 

Erdfelder, E., FAul, F., Buchner, A. и Lang, A. G. Статистический анализ мощности с использованием G * Power 3.1: тесты для корреляционного и регрессионного анализа. Behav. Res. Methods 41, 1149–1160 (2009).

Статья
 
Google Scholar
 

Чанг, С., Льюис, д. э. и Пирсон, Дж. Функциональные эффекты восприятия цвета и цветных изображений. J. Vis. 13(10), 1–10 (2013).

Статья
 
Google Scholar
 

Киог, р. и Пирсон, Дж. Ментальная образность и визуальная рабочая память. PLoS One 6, e29221 (2011).

Статья
 
ADS
 
CAS
 
Google Scholar
 

КИО, р. и Пирсон, Дж. Сенсорная сила произвольных визуальных образов предполагает способность зрительной рабочей памяти. J. Vis. 14, 7–7 (2014).

Статья
 
Google Scholar
 

Серено, М. И. и др. границы многих зрительных областей у людей, обнаруженные с помощью функциональной магнитно-резонансной томографии. Science 268, 889–93 (1995).

Статья
 
ADS
 
CAS
 
Google Scholar
 

Варнкинг, Дж. и др. fMRI ретинотопное картирование-шаг за шагом. Neuroimage 17, 1665–83 (2002).

Статья
 
CAS
 
Google Scholar
 

Брейнард, Д. Г. набор инструментов психофизики. Spat. Vis. 10, 433–6 (1997).

Статья
 
CAS
 
Google Scholar
 

Пелли, Д. Г. программное обеспечение VideoToolbox для визуальной психофизики: преобразование чисел в фильмы. Spat. Vis. 10, 437–42 (1997).

Статья
 
CAS
 
Google Scholar

Дейл, А. М., Фишл, Б. И Серено, М. И. Анализ корковой поверхности. I. сегментация и реконструкция поверхности. Neuroimage 9, 179–94 (1999).

Статья
 
CAS
 
Google Scholar
 

Фишл, Б., Серено, М. И. и Дейл, А. М. поверхностный анализ коры. II: надувание, уплощение и система координат на основе поверхности. Neuroimage 9, 195–207 (1999).

Статья
 
CAS
 
Google Scholar
 

Хебарт, М. Н., Герген, К. и Гейнс, Дж.- Д. Decoding Toolbox (TDT): универсальный программный пакет для многомерного анализа функциональных данных визуализации. Перед. Нейроинформ. 8, 88 (2014).

PubMed
 
Google Scholar
 

Микл, М. и др. влияние пространственного сглаживания на групповые выводы МРТ. Магн. Рессон. Изображение 26, 490-503 (2008).

Статья
 
Google Scholar
 

Фристон, К. Дж., Уорсли, К. Дж., Фраковяк, Р. С. ДЖ., Мацциотта, Дж. С. и Эванс, А. С. оценка значения фокусных активаций с использованием их пространственного масштаба.  Хм. Мозговой Мапп. 1, 210–220 (1994).

Статья
 
CAS
 
Google Scholar
 

Уорсли, К. Дж. и др. Единый статистический подход к определению значимых сигналов на изображениях активации мозга. Хм. Мозговой Мапп. 4, 58–73 (1996).

Статья
 
CAS
 
Google Scholar
 

Смит, С. М. и др. достижения в функциональном и структурном анализе и внедрении МР-изображений как FSL.  Neuroimage 23, S208–S219 (2004).

Статья
 
Google Scholar
 

Ву, К.-В., Кришнан, А. и Вейджер, т. д. пороговые границы кластеров в анализах фМРТ: подводные камни и рекомендации. Neuroimage 91, 412–419 (2014).

Статья
 
Google Scholar
 

Эклунд, А., Николс, т. е. И Кнутссон, г. кластерная отмога: почему выводы fMRI для пространственного масштаба имеют завышенные показатели ложноположительных результатов. Proc. Natl. Acad. Sci. 113, 7900–7905 (2016).

Статья
 
CAS
 
Google Scholar
 

Гуд, П. Перестановка, параметрические и бутстреп-тесты гипотез., https://doi.org/10.1007/b138696 (Springer-Verlag, 2005).

Ссылка для скачивания

Благодарности
Мы хотим поблагодарить Йоханну Бергманн за ее вклад в проектирование эксперимента, полезные комментарии и помощь с тестированием участников. Юджину Квоку за помощь в тестировании поведения. Коллин Клиффорд, Дэмиен Мэннион и Кайли Сеймур за полезные комментарии. Это исследование было поддержано австралийскими грантами NHMRC GNT1046198 и GNT1085404, а JP получил поддержку стипендий Career Development Fellowship GNT1049596 и проекты открытия ARC DP140101560 и DP160103299.

Информация об авторе
Авторы и принадлежности
Школа психологии, Университет Нового Южного Уэльса, Сидней, Австралия

Роджер Кениг-Роберт и Джоэл Пирсон

Взнос
Все авторы разработали концепцию и дизайн исследования. Тестирование, сбор данных и анализ их выполнял Р. К. интерпретацию данных осуществляли все авторы. Все авторы написали и одобрили финальную версию рукописи для представления.

Корреспондент-автор
Переписка с Роджером Кениг-Робертом.

Этические декларации
Конкурирующие интересы
Авторы не заявляют о каких-либо противоречивых интересах.

Дополнительная информация
Примечание издателя: Springer Nature остается нейтральным в отношении юрисдикционных требований в опубликованных картах и институциональных аффилиациях.

Дополнительная информация
Дополнительные иллюстрации и таблицы
Права и разрешения
Открытый доступ эта статья лицензирована по международной лицензии Creative Commons Attribution 4.0, которая разрешает использование, распространение, адаптацию, распространение и воспроизведение в любом формате или формате, при условии, что вы указали соответствующее указание оригинального автора и источника, предоставили ссылку на лицензию Creative Commons и указали, были ли внесены изменения. Изображения или другие сторонние материалы в этой статье включены в лицензию Creative Commons, если иное не указано в кредитной строке материала. Если материал не включен в лицензию статьи на Creative Commons, а ваше предполагаемое использование не разрешено законом или превышает разрешенные, вам необходимо получить разрешение непосредственно у правообладателя. Чтобы просмотреть копию этой лицензии, посетите http://creativecommons.org/licenses/by/4.0/.

Переиздания и разрешения

Об этой статье
Check for updates. Verify currency and authenticity via CrossMark
Цитировать эту статью
Кениг-Роберт, Р., Пирсон, Дж. Расшифровка содержания и силы образов перед своевольным привлечением. Sci Rep 9, 3504 (2019). https://doi.org/10.1038/s41598-019-39813-y

Скачать ссылку

Получено
06 августа 2018

Принято
07 января 2019

Опубликовано
05 марта 2019

Версия пластинки
05 марта 2019

DOI
https://doi.org/10.1038/s41598-019-39813-y

Поделитесь этой статьей
Любой, кому Вы поделитесь следующей ссылкой, сможет прочитать этот материал:

Получить ссылку для обмена
Предоставлено инициативой обмена контентом Springer Nature SharedIt

Предметы
Когнитивный контроль
Сознание
Восприятие
Эта статья цитируется
Литературный нейроэкзистенциализм: принятие материализма и поиск смысла в эпоху нейробиологии через литературу
Метте Леонард Хег
Нейроэтика (2024)

Нейронные представления, лежащие в основе ментальных образов, как это было обнаружено с помощью анализа сходства представлений
Маддалена БоччаВалентина Сульпициогаспаре Галати
Структура и функция мозга (2021)

Человеческое воображение: когнитивная нейробиология визуальных представлений