神经生理学研究

所有提交的电子邮件系统将被重定向到在线稿件提交系统。请作者将文章直接提交给在线稿件提交系统各自期刊的。
到达我们 + 447723862070

研究文章-神经生理学研究(2018)神经生理学研究(特刊1-2018)

脑处理和编码反应的音乐专长:脑电图研究。

Vitória Silva, Telmo Pereira*——豪尔赫·康德

科英布拉理工学院科英布拉卫生学院临床生理学系,葡萄牙科英布拉

*通讯作者:
抢时正和妹妹詹娜佩雷拉
临床生理学系
科英布拉理工学院
葡萄牙
电话:(+ 351) 965258956
电子邮件:telmo@estescoimbra.pt

接受日期:2018年2月19日

引用:张建军,张建军。音乐体验对脑加工和编码反应的影响。神经物理学报,2018;1(1);23-31

浏览更多相关文章 神经生理学研究

摘要

音乐的神经科学是一门以大脑为基础的机制的科学研究,涉及音乐背后的认知过程。艺术是人类创造力的产物。这是一种可以通过学习、实践和观察学到的高级技能。大脑和音乐之间的联系是强大的、双向的。目的:了解学习部分音乐理论-旋律音程时大脑活动的变化。方法:选择15名非音乐家,无任何学术音乐理论知识,平均年龄20.40±1.96岁,自愿参与本观察性前瞻性研究。采用脑电图(EEG)作为获取方法,分析了两个不同时刻,基线和5天训练后的大脑活动。脑电任务对应于识别和识别显示的旋律音程。结果:行为反应在第二次考试答案的反应时间因子和正确率上分别提高了49.83±9.72和3.01±1.53秒,而第一次考试的反应时间因子和正确率分别为40.67±9.24和4.29±1.98秒。当比较基础和训练后的回答时,EEG频率结果在alpha、beta和gamma绝对功率频带和alpha频率相对功率频带中被强调。 The results shown a bilateral collaboration of the different regions of the brain and both cerebral hemispheres in生理功能与音乐学习过程有关。结论:获得一定理论音乐知识的非音乐家的大脑激活、活动和频率在评估中表现出明显的差异。人类的大脑通过感觉输入来感知信息的方式是非常复杂的。这两个大脑半球的功能不同,但却和谐一致。

关键字

脑电图,大脑活动,频率功率,音乐,旋律音程

介绍

大脑,作为整个人体系统中最复杂、最未知的器官,变成了一个难以判断的结构。然而,参考神经解剖学、神经科学、神经生理学和神经心理学的杰出研究人员,可以浓缩一些关于其结构和功能的信息。

我们对大脑的大部分认识和思考都建立在一个被称为“定位假说”的假设之上:大脑不仅仅是一堆未分化的组织,而是特定的神经区域,它们强调着独特的行为、思想和行动。这反映在我们给大脑区域起的名字上,比如运动皮层(负责运动)、感觉皮层(负责处理五种感官的信息)、听觉皮层和视觉皮层。区域专门化的证据来自病变患者的病例研究、各种神经成像技术(正电子发射断层扫描或PET、功能性磁共振成像或fMRI、脑磁图或MEG、脑电图或EEG)以及动物研究[1]。

脑电图(EEG)是通过头皮上的电极记录大脑电位。脑电活动包括产生有限电场的短暂动作电位和更慢、更广泛的突触后电位。因此,脑电图是脑凸上皮层回径向锥体细胞产生的同步突触后电位的时空平均[2]。

α波(8-13赫兹)通常在所有年龄组中都可见,但在成年人中最常见。它们有节奏地出现在头部的两侧,但在非优势侧的振幅通常略高,特别是在右撇子个体中。当α频率的谐波出现在头后区域时,可以注意到正常的α变型。它们往往出现在后部而不是前部,在闭上眼睛和放松时尤其突出[3.]。字母带振荡有两个作用(抑制和定时),这两个作用与注意的两个基本功能(抑制和选择)密切相关,从而实现受控的知识获取和语义定向(在时间、空间和上下文中有意识定向的能力)。因此,α波段振荡反映了最基本的认知过程之一,也可以在不同频率的大脑活动合并中发挥关键作用[4]。

在14-30赫兹的频率范围内发生在中枢前和中枢后皮层部位的振荡神经活动被称为β节律[5]。药物,如巴比妥类药物和苯二氮卓类药物,会增强β波[3.]。在日常生活中,复杂的事件以一种因果关系的方式被感知,这表明大脑依赖于预测过程来模拟它们。在预测编码理论中,振荡β带活动与自上而下的预测信号有关,自上而下的预测信号通过中间整合区从较高的抽象知识区域发送到运动感知区域,而自下而上的预测误差信号则相反,遵循预测编码的原则[6]。

θ在4到7.5赫兹之间。如果考虑到α和α频率范围内的绝对变化和事件相关变化之间的双重分离,那么θ和α频率范围内的脑电图功率确实与认知和记忆表现有关:较小的θ波功率而较大的α波功率(特别是在α波上频带的频率范围内)表明表现良好,而与事件相关的变化则相反,θ波功率的大幅增加(同步)而α波功率的大幅下降(去同步)尤其反映出良好的认知和记忆表现[7]。

慢波或δ波的频率为3赫兹或更少。它们通常出现在成人、婴儿和儿童的深度睡眠中。醒后的成年人的δ波是不正常的。通常,它们在所有波中振幅最大,可以是局灶性(局部病理)或弥漫性(全身性功能障碍)[3.]。由于睡眠与记忆巩固有关,δ频率在传记记忆的形成和内部安排以及获得的技能和学习到的信息中起着核心作用[8]。

伽马频率(>40赫兹)活动与多种感知和认知功能有关,如特征绑定,选择性注意[9]。

音乐的意义近来一直是许多令人困惑的争论和争议的主题。争论主要源于对音乐传达什么的意见分歧,而混乱主要是由于对意义本身的性质和定义缺乏明确的认识。10]。音乐由六个基本属性组成:音高、持续时间、响度、音色、空间位置和回响环境。一组两个或两个以上的音高构成轮廓和旋律,一组两个或两个以上的持续时间构成节奏。因此,旋律和节奏是基本属性的次要方面[1]。

与阅读文字类似,人类也学习阅读音乐,而阅读乐谱也需要视听(AV)的整合,以书面音符的形式与音乐的声音。然而,与单词阅读相比,音乐阅读提供了一个独特的机会来研究习得的AV整合机制,因为相同的AV刺激可以呈现给已经学会整合刺激的音乐家和没有学会整合刺激的非音乐家[11]。

不同人群的音乐知识和技巧差别很大。这为研究个体差异如何在感知和认知过程中反映在大脑活动中提供了基础。毫不奇怪,音乐能力促进了对音乐声音的感觉记忆和有意识的认知处理,这反映在增强的大脑活动中[12]。

在音乐表演时,我们的运动和听觉系统在功能上是连接在一起的,功能成像表明,这种联系足够强,以至于被动的音乐听可以使运动系统参与进来。13]。表演者和听众的头脑处理着非常多的领域,有些是顺序的,有些是同时进行的。这些包括与音高、时间、音色、手势、节奏和节拍有关的音乐结构领域。它们还包括一些本质上不是音乐结构的领域,比如情感和动作。这些领域的一些方面对意识是可用的,而另一些则不是[14]。

完整的音乐体验需要两个大脑半球,而额叶皮层在节奏和旋律感知中起着重要作用。感知音调、旋律、和声和节奏的中心位于右半球。左半球对于处理音调频率和强度的快速变化很重要。几项脑成像研究表明,在听音乐的过程中,除了听觉皮层外,许多其他皮层区域都被激活了,这可以解释听音乐对情绪、认知和运动过程的影响[15]。

Potes等人的研究结果确定了与听觉加工有关的神经解剖位置的α (8-12 Hz)和高γ (70-110 Hz)波段的刺激相关调节。具体来说,刺激相关的皮质电图(ECoG)在初级听觉皮层附近区域的α带中进行了调节,该区域已知接收来自丘脑的传入听觉投射。相比之下,高伽马波段的刺激相关ECoG调节不仅在初级听觉皮层附近的区域,而且在其他已知参与高阶听觉处理的外围区域,以及在高级运动前皮层[16]。

越来越多的证据表明,通过使用一系列任务,在感觉系统中,预测时序涉及到感觉和运动系统之间的相互作用,这些相互作用是通过神经元回路在多个频带上的振荡行为来完成的,特别是delta (1-3 Hz)和beta (15-30 Hz)频带。一般来说,振荡行为被认为反映了不同大脑区域之间的交流,特别是内源性的“自上而下”的注意和期望过程对感知和反应选择的影响[17]。此外,在听觉皮层中,β节奏似乎与有节奏的声音有关,并且在运动区域中,在听和敲击中也表现出类似的抑制和增强模式[13]。

心理物理学研究表明,音乐家对频率和时间变化的感知阈值比非音乐家低。这些差异可能是听觉神经回路的功能和/或结构差异所支持的。现在已经确定,音乐练习可以通过皮层和皮层下对听觉刺激的电生理反应来诱发功能变化[18]。

通过这项研究,我们打算仔细观察和比较非音乐家在学习音乐理论基础(旋律音程)之前和之后的大脑活动。在两个不同的评估时刻进行脑电图检查。考试在第一天和第五天进行,由一个简短的准备作业组成,随后是一个旋律音程识别和识别任务。在调查期间,参与者实现了每天15分钟的在线家庭培训。

当分析脑电图频带并将两种检查相关联时,期望发现大脑活动和激活的功能生理差异。神经过程跟踪音乐进展,并对旋律或和声期望的违反作出反应,其延迟与语言中的语义违反相似。这表明我们可能把音乐当作一种有层次组织的信息序列来处理,类似于语言和运动程序。13]。在音乐艺术教育过程中,我们还试图发现大脑半球之间的关系或横向优势。由于音乐类似于语言,但不直接涉及言语,因此它通常被认为是一种右脑技能。然而,音乐技能形成了一个复杂的组合,其中一些需要左半球的完整性,而另一些则需要右半球的功能[19]。小大卫的研究得出结论,人类最大的潜力,只能通过使用左右脑来实现。

方法

研究设计与人群

本观察性和前瞻性研究旨在评估学习部分音乐理论,即旋律音程前后的大脑活动。只包括健康和音乐理论naïve的人,年龄在18到25岁之间。有过音乐训练、听力问题、神经或精神疾病或正在接受药物治疗的参与者被排除在外。15人入选,构成研究人群,平均年龄20.40±1.96岁。

本研究的设计符合WMA赫尔辛基宣言-涉及人类受试者的医学研究伦理原则[20]。所有收集到的数据都是保密和匿名处理的,没有利益冲突或财务对手。已保证研究的利益是纯学术的,没有商业或盈利的利益。

EEG设备

在两个实验测试中,使用MP150平台和EEG100C放大器,通过AcqKnowledge 4.4软件运行(BIOPAC®Systems, Inc.)。美国)。根据国际10-20系统,从放置在F3、C3、T3、P3、O1、Fpz、Fz、Cz、Pz、F4、C4、T4、P4、O2、T5和T6的16个无源电极记录EEG,安装在成人尼龙电极帽系统(CAP100C, BIOPAC®Systems, Inc.)中。美国)。美国临床神经生理学会(American Clinical Neurophysiology Society)的指导方针中提出了进行这项检查的最低要求[21]。EEG信号参考耳垂,使用0.5 Hz高通滤波器、35 Hz低通滤波器和50 Hz陷波滤波器进行滤波。使用电极阻抗检测器(EL-CHECK, BIOPAC®Systems, Inc.)检查阻抗。美国),并保持在5以下kΩ。

刺激

对于研究结构,有必要选择用于刺激的应用旋律音程。现有的12种类型中有4种被武断地定义为最容易教学和识别的类型。选取的音程有:大调二音程(M2)、大调三音程(M3)、完美四音程(P4)和完美八度音程(P8)。

每个裁判时段的10个不同片段被精心组合,产生40个实验刺激。第一步是播放和录制每个组的音频。用于播放音调的程序是Everyone Piano(版权©2010-2020),记录在虚拟钢琴的八度3 (C3-B3)和八度5 (C5-B5)之间。然后,再次使用Microsoft Corporation Sound Recorder版本10.1705.1302.0录制声音,将文件转换为WAV音频格式,以使剪辑与体验演示软件(SuperLab 4.5, Cedrus®Corporation, USA)兼容。该软件用于管理刺激呈现、参与者反应(专用反应板)和行为反应收集的各个方面。这些声音片段是随机呈现的。

过程

实验过程在两个不同的时刻进行(基线和5天训练期后),对于每个参与者来说,总是在每天的大约同一小时进行。在第一天(基线评估),所有参与者都被告知研究的目标和整个过程,并获得一份个人签署的知情同意书。一份问卷被单独填写,以检索人口统计和临床信息。此外,还需要葡萄牙语版的POMS (Profile of Mood States)问卷来比较两次考试之间的情绪状态[22]。然后将脑电图设备连接到参与者身上,参与者坐在昏暗安静的房间里的躺椅上。预先测量头围,以确保脑电图帽的充分性和脑电图导联定位的准确性。进行了30秒基础脑电信号采集,验证了系统的运行,并为整个脑电信号采样设定了基线指南。然后,开始了一个训练课程,包括一个简短的音乐间隔教程,将每个旋律间隔与四首流行歌曲的片段联系起来,作为在特定测试之前识别、内化和学习旋律间隔音调的一种方式。此阶段未采集脑电图。训练结束后,实验开始,所有刺激随机呈现在一个单独的块中。 Each time epoch included a 200 ms baseline period and a 10 s presentation window, in which EEG was recorded. After each epoch, the participant was asked to identify the presented interval and the responses were given in a dedicated response pad and automatically recorded by the Superlab Software. A 4 s inter-stimuli period was also programmed. Since and including day one, the participants performed a 5-day training program for the melodic intervals recognition, on an online platform (http://www.teoria.com/loc/pt/), according to a pre-defined and uniform structure. Each training session had duration of 15 minutes, and was performed individually at home. To ensure the compliance to the training routine, each session was remotely monitored by one of the investigators through a web-camera mounted on each participant personal computer. In the day after the last day of the training period, the participants were again evaluated at the lab, and the overall procedure was repeated, following the same structure. All the data was compiled in a digital datasheet for subsequent statistical analysis.

演示的所有方面都使用SuperLab 4.5(美国赛德鲁斯公司)进行管理,该设备还通过连接到MP150平台(BIOPAC系统公司,美国)的StimTracker(赛德鲁斯公司,美国)触发脑电图数据的记录。

脑电图数据处理

离线脑电数据在EEGLAB v. 14.0.0b工具箱中处理,使用MatLab 8.5 R2015a自定义程序实现脑电分析。将EEG数据保存为EDF文件,然后导入EEGLAB平台。以256hz的采样率对数据进行提取和分析。每个EEG文件分别在刺激前-200ms和刺激呈现后10s提取40个epoch。脑电图被重新离线引用到平均值。进行ICA分析,允许从原始数据中去除与大脑无关的成分,即与眼睛相关的成分、伪影成分、肌肉成分或其他符合三个标准的成分:(1)整个过程中不规则出现,(2)头皮位置指示面部肌肉,以及(3)存在异常频谱图,例如极高功率低频(眨眼)或不成比例的功率从20到30 Hz(肌肉污染)[23]。由于头皮接触不良和高伪影验证,Fpz通道被排除在分析之外。去除伪影后,脑电图信号从源空间重新混合到信道空间进行进一步分析。然后,根据频谱函数,获得刺激开始后10 s窗口内的脑电频段功率,并将所有值导出到Microsoft Excel工作表中,用于后续的SPSS分析。对原始脑电功率值(以dB为单位)进行对数变换,使其分布归一化。为每个波段分析指定的频率间隔为:Delta为1-3 Hz, Theta为4-7.5 Hz, Alpha为8-13 Hz, Beta为14-30 Hz, Gamma波段为>30 Hz。

统计分析

统计分析采用SPSS软件,version 18 for Windows (IBM, USA)。使用简单的描述性分析来描述研究人群的特征,并评估连续变量的分布。连续变量用平均值±标准差表示。对所考虑的各种措施进行重复测量方差分析。采用因子矩(基线和训练后两个层次)和因子脑电通道(16个层次,对应脑电通道)进行因子分析。当球度被破坏时,采用温室-盖瑟校正,而为了确定一个因素的显著影响,采用Bonferroni平差进行多重比较。统计学意义以p≤0.05为判别标准,边际效应以p≤0.1 ~ 0.05为判别标准。

结果

研究人群特征

本研究纳入15名参与者,10名女性,平均年龄20.40±1.96岁,naïve音乐理论。表1显示研究人群的总体特征。平均体重指数(BMI)为22.48±3.82 kg/m²,以右撇子为主,除避孕药外无其他慢性药物(4例)。所有的参与者都有正常或矫正到正常的视力,没有提到听觉问题。在POMS问卷分析方面,从紧张、抑郁、敌意、疲劳、困惑和活力六个维度计算,第一、二时刻的总分分别为101.13±28.21分和95.9±26.9分,表明两次检查之间不存在情绪状态扰动。各维度单独暴露的结果相似,但无统计学意义。

表1。纳入研究人群的特征以分析bmi -体重指数。

总(n = 15) 男性(n = 5) 女(n = 10)
年龄、年 20.40±1.96 22.00±2.00 19.60±1.43
BMI,公斤/ m² 22.48±3.82 21.80±3.95 22.69±4.15
灵巧
右撇子,n (%) 14 (93.3) 4 (80) 10 (100)
左撇子,n (%) 1 (6.7) 1 (20) 0 (0)
Visiual问题
是的,n (%) 8 (53.3) 2 (40) 6 (60)
不,n (%) 7 (46.7) 3 (60) 4 (40)
面试的问题
是的,n (%) 0 (0) 0 (0) 0 (0)
不,n (%) 15 (100) 5 (100) 10 (100)
音乐训练
是的,n (%) 0 (0) 0 (0) 0 (0)
不,n (%) 15 (100) 5 (100) 10 (100)

行为反应

从基线到训练后评估,准确率显著提高,从40.67±9.24%提高到49.83±9.72% (p<0.05)。同时,绝对正确答案数也显著增加(平均从基线的16.27±3.70增加到训练后的19.93±3.89;P <0.05),绝对误差由训练前的23.73±3.70下降到训练后的20.07±3.89 (P <0.05)。此外,训练结束后,每个参与者判断刺激所需的时间缩短了(基线时为4.29±1.98秒,训练后为3.01±1.53秒;p < 0.05)。

绝对功率脑电图频率分析

图1和2在基线和训练后两种评价中使用的每个通道内分析的绝对功率频率方面恢复主要发现。

neurophysiology-research-secondary-exam-answers

图1:脑电图分析中阿尔法绝对功率频率的平均值比较初级和次级考试的答案。

neurophysiology-research-analysis-comparing-primary

图2:在脑电图分析中比较初级和次级考试答案的β和γ绝对功率频率的平均值。

对于绝对值的结果的全局视图,揭示了时刻之间分化的趋势。关于alpha波段,与基线评估相比,描述了训练后评估中alpha激活减少的趋势。

β绝对波段显示边际显著效应(F(1,14)=3.267;p = 0.09;η²=0.190),差异减小主要集中在F3 (p=0.040)、P4 (p=0.011)、T5 (p=0.018)和Pz (p=0.030), C3 (p=0.099)和Fz (p=0.086)也有差异。

绝对Gamma功率也验证了边际显著效应(F(1,14)=3.644;p = 0.077;η²=0.207;),差异集中在F3 (p=0.042)、T5 (p=0.028)和P4 (p=0.002), T6 (p=0.085)、Pz (p=0.061)和P3 (p=0.064),训练后评价的轮廓都呈下降趋势。

当比较与正确识别音程相对应的时期的基线与训练后的皮质谱β功率模式时,发现因素矩(F(1,14)=3.573;p = 0.08;η²=0.203)以及矩与脑电信号通道的交互作用(F(14,196)=2.357;p = 0.005;η²= 0.144)。差异主要发生在P4 (p=0.001)、Pz (p=0.019)和T5 (p=0.002), F3 (p=0.057)、C3 (p=0.080)、Fz (p=0.091)和T6 (p=0.078)也有差异。考虑Gamma波段,矩因子的显著影响也符合(F(1,14)=3.63;p = 0.077;η²=0.206),差异主要集中在P4 (p=0.001)、F3 (p=0.05)、P3 (p=0.039)和T5 (p=0.012),差异主要集中在C3 (p=0.066)和Pz (p=0.075)。所有的结果都显示了第二分析时刻的激活减少。 No further significant effects were found.

相对脑电功率频率分析

有关相对α波段功率的结果描述了不同训练期间皮层激活模式的明显差异,训练后所有通道的值都较低。矩因子(F(1,14)=8.292;p = 0.012;η²=0.372),且矩与脑电通道相互作用显著(F(14,196)=2.343;p = 0.005;η²= 0.143)。影响主要集中在C3 (p=0.014)、Cz (p=0.035)、P3 (p=0.002)、O1 (p=0.007)和O2 (p=0.005), T4 (p=0.085)、C4 (p=0.066)、T6 (p=0.082)和Pz (p=0.075)有轻微差异。当考虑正确响应对应的历元时,得到了类似的结果,对矩因子(F(1,14)=7.911;p = 0.014;η²=0.361),显著矩与脑电通道相互作用(F(14,196)=2.695; p=0.001; η²=0.161). Main differences were located on P3 (p=0.008), C3 (p=0.034), O1 (p=0,002), O2 (p=0,001), and marginally on T4 (p=0.060).

在脑电图通道的统计分析中未发现其他边缘或显著值(图3).

neurophysiology-research-analysis-comparing-basal

图3:相对频率分析比较基础和次级考试的答案。

图4以在两个评价中使用的每个通道内分析的相对频率的形式恢复主要调查结果。δ功率相对频率(F(14,196)=1.897;p = 0.029;η²=0.119)、P3 (p=0.034)和O2 (p=0.007)。各项指标在训练后评价中均呈上升趋势。在脑电图通道的统计分析中没有发现其他的边缘值或显著值。

neurophysiology-research-frequencies-analysis-comparing

图4:基础与二次考试答案的平均相对功率脑电图频率分析。

讨论

本观察性和前瞻性研究旨在评估学习部分音乐理论-旋律音程-前后的大脑活动,并通过脑电图模式的变化来证明。我们的研究结果支持了主要的研究预测,即证明不同的功能连接模式和大脑激活与学习过程有关。预期的其他反馈是将两个大脑半球在音乐学习过程中的生理功能联系起来。

在分析的所有绝对频率(Delta、Theta、Alpha、Beta和Gamma)中,Alpha、Beta和Gamma是表现出最显著的功能性脑激活效应的频率。尽管在Alpha绝对频带方面没有观察到统计学上的显著性,但在训练后评估中描绘了α波功率增加的一致和广泛的趋势,如图1。8-13赫兹(α频带)之间的皮质波动可能是自早期电生理记录以来研究最多的大脑振荡。对初级感觉运动皮层的研究表明,α波段振荡随着注意力和运动而减少。也有证据表明,抑制阿尔法能量先于皮层区域参与任务相关功能[24]。训练后α频带频率的增强可以解释为招募的神经元数量减少,表现出皮层激活减少。另一方面,通过家庭训练,对音程的识别和识别变得更加容易,也意味着在认知资源方面神经元的募集效率更高。

当考虑到相对功率测量往往对主导频率范围给出较大的估计时,绝对功率和相对功率之间的差异很容易解释[7]。相对频带结果(图4)揭示了α波段对总功率谱的相对贡献明显减少,与α功率绝对值所描述的增加形成对比,这意味着与其他频段发生了权衡,它们对总功率的相对贡献增加叠加了α波段的绝对趋势。因此,第二时刻大脑下部的这种激活模式可能反映了训练后为任务而招募的神经元的重新调节。从功能的角度来看,有大量证据表明,大脑α波段的振荡可能反映了丘脑和皮层之间的神经相互作用。这种皮层的弯曲,通过增强或抑制α波段的能量来反映,可能是通过抑制任务无关区域的神经活动来促进信息传递到任务相关大脑区域的机制[16]。在两个大脑半球的中心区域表示边际效应。此外,枕区也暴露出显著的双侧影响。这可能意味着更大的神经元振荡和与评估任务相关的大脑区域的整合,以及半球之间的关联。如前所述,来自α波段的振荡在大脑一般功能活动中起着基本作用[4]。

大多数人的左脑负责逻辑、语言、推理、数字、线性和分析。右脑负责图像和想象、白日梦、色彩、并行处理、面部识别、模式或地图识别以及音乐感知。19]。其他研究结果表明,在皮层神经处理的早期阶段,音乐家的右半球更活跃,用于检测声音反馈中的音高变化。在后期阶段,左半球在处理声音运动控制的听觉反馈过程中更加活跃,似乎涉及促进音高处理的专门机制[25]。参与者大脑的右侧颞叶显示出相关的α频率,这可能表明这一侧与音乐有进一步的联系。然而,研究表明,没有一个大脑半球完全“主导”音乐,而是两个半球都参与其中。19]。

最后,在Moment和EEG*Moment分析中,正确答案之间的关联再次显示了P3通道和枕部通道的静态显著值。在两个因素和比较中暴露的边缘值以非线性的方式显示了大脑中央、颞、顶叶和枕叶的分布,表现出双侧半球的相关性。

当比较两种评估时,绝对功率频带分析揭示了大脑广泛的边缘值组。Fujioka等人对β带振荡活动的研究表明,听觉皮层中与事件相关的去同步与分层内化的时间信息有关,并广泛存在于整个大脑,包括感觉运动和前运动皮层、顶叶和小脑,在预测时间的神经加工中起着重要作用[26]。β频带在预期动作、听到和看到同样的动作时不同步,随后在事件完成后反弹同步[13]。当比较正确答案时,在Moment和EEG*Moment因素中发现了其他边缘值,但最重要的是,P4和T5通道强调了统计学意义,缓解了右顶叶和左颞叶对侧叶之间的关系。

在因果推理网络中,β和γ连接的方向性存在分离,并且与基于预测编码的行为因果方面建模的功率调制具有一致性。意思是把注意力集中在一个特定的刺激或一个特定的模式上,会增加处理被注意刺激的神经元网络中反应的同步性[627]。伽马功率频率在整个大脑区域显示出另一种广泛的分布,再次强调顶叶和颞叶区域。这与β波段值一致。有人指出,对特定刺激或运动行为的预期与处理刺激或执行任务所需的皮层区域的β和γ频带的振荡活动的产生有关[27]。当参与者的正确反应相关联时,右顶叶(P4)发挥了重要作用,而不破坏左半球,后者在伽马频率上表现出显著的延长刺激。早期伽马振荡的主要神经来源已经在听觉皮层中被发现,那里的调制反映了知觉处理或锁相感觉现象的基本组成部分,被分配到不同的注意水平,对大脑为后续处理做准备很重要[9]。

在一般分析和两次考试错误答案比较后,δ频带在右侧枕叶区(O2)显示显著值。在相同的条件下,在头皮上发现了广泛的边际结果。神经元网络可以显示不同的同步状态,并以不同的频率振荡。放松觉醒活动的频率在整个视觉皮层和相应的丘脑核上是共同的,δ波的来源通常位于丘脑,在右脑半球更强[28]。

考虑到先前的发现,我们的预测是有可能得到证实的。当一个人学习一门新学科时,大脑活动的功能连接确实存在分化和变化。证据与先前的研究一致,在训练后的时刻,每个频带内的脑电图频率增加的一般频谱(相对δ频带除外)告诉我们,一个复杂的神经元选择被招募到个体的第二次分配中。因此,反应暴露在大脑的高级加工中心:感觉运动和运动前皮层;还有听觉皮层。将这些结果与验证的反应时间缩短和第二次脑电时刻精确反应数量的增加相结合,说明家庭虚拟训练对显示旋律音程的熟悉、识别和指定的重要性。目前的研究结果表明,大脑在与音乐学习过程相关的生理功能中存在双边合作。

目前的工作并非没有局限性,主要是研究人数少,皮质电生理覆盖范围大,仅使用了16个EEG通道。在音乐理论方面,naïve参与者与受过音乐理论教育的参与者的比较,将为音乐和声处理的内在神经模式提供进一步的证据。因此,代表未来的研究,将音乐家和非音乐家之间的比较作为本调查项目的连续性将是有趣的。我们也可以建议更广泛的脑电图通道显示,旨在验证大脑半球的生理功能及其与音乐艺术专长的相关性。同样,使用神经成像技术,如fNIR,作为一种补充和记录与人类大脑功能相关的血氧和血容量变化的方法,将为这个问题提供额外的信息。

结论

艺术是人类创造力的产物。它是一种可以通过学习、实践和观察学到的高级技能。15]。考虑到这些条件,我们总结了这项研究,指出在获得一些理论音乐知识的非音乐家中,大脑的激活、活动和频率在不同的测试中表现出明显的差异。人类的大脑通过感觉输入来感知信息的方式是非常复杂的。两个大脑半球执行不同的功能;左脑半球处理需要分析或某种语言才能理解的信息,右脑半球处理我们称之为现实的象征性、非语言和情感部分。大脑和音乐之间的联系是很强的,而且是双向的。1519]。

信息披露

没有利益冲突需要申报。

融资

本研究没有得到任何实体的资助。

参考文献

获取应用程序

Vizag科技峰会