跳至主要内容

Emmm...taste sensing.

        今天一整天研究室都没什么人,结果我也就跟着无心向学玩儿起了文明5。。。

        最新一期的NeuroImage上有这么一篇文章:Delta activity encodes taste information in the human brain让我突然意识到自己似乎从来没关注过味觉方面的研究。
        先说作者的结论:1. Delta活动(EEG信号的1-4Hz部分)在130 ms内编码味觉信息;2. Delta频段出现活动的时机与被试尝到了味道的时机存在同步;3. 不同任务需求的情况下,会出现不同的味觉响应模式。
        实验是让12个正常的并且知情同意的被试品尝4种味道的溶液,分别是咸(氯化钠,德国一个超市买的)、酸(柠檬酸,美国一个公司产的)、甜(蔗糖,跟氯化钠是同一个超市买的)、苦(奎宁一水,味苦有毒,8g致死,跟柠檬酸同一家公司的),以及一种无热量甜味剂:善品糖SPLENDA,个人认为简单理解成木糖醇就好,不过最后因为它在味觉知觉上的表现跟蔗糖没什么区别,所以后期分析数据的时候抛弃了善品糖的trials。
        为了实验的严谨性,研究团队祭出了被称为味觉计的神器,使用时被试身体微微前倾,把额头顶在一个支架上,然后微微张嘴伸出一小节舌头。实验开始后,味觉计的喷头会以固定的温度(38℃)喷洒味觉溶液或冲洗水在被试的伸出的舌头上。为了防止舌头被喷麻,实验时间少于10 sec。
        实验过程如下图。每个trial开始后屏幕中心出现十字标提醒被试集中注意力并保持静止状态,0.8-1.5 sec后味觉计喷射刺激,喷射持续0.9 sec,被试在感受到刺激后立刻进行按键反应,随后屏幕呈现两个bar,一个代表刺激强度,从“极度刺激”到“没感觉”,另一个代表被试感受,从“非常愉快”到“非常不愉快”。随后是9 sec的休息。最终得到总计300个trial的数据,每种刺激物60个trial。
        数据采集略过,常规预处理略过,得到[-1.5 2.5]时间区间内的EEG信号,随后进行小波变换并用序间相干性(ITC)来量化事件相关相位同步的程度。想方设法优化信号去除噪音后,研究团队尝试利用SVM找到用于味觉编码的EEG信号的大概时间带和频带。
        经过一步步尝试发现,四种信号主要在[1 4]频带上产生较大的差异。确定这一点后,研究者对信号进行[0.5 4.5]的滤波,再选取不同时段信号,发现位于130~450 ms的信号产生了超过平均的分类效果。
       进一步研究发现,对比要求被试快速判断味觉的任务和延迟一段时间再让被试作出判断的任务,这两种任务的味觉响应的EEG模式不同。也就是说,味觉响应模式与任务需求是相关的。另外,味觉响应出现的时间与被试报告的时间具有显著的同步性,更快地出现EEG模式变化,被试的反应时也就越快。

*******************简单直率的分割线********************
妈耶大晚上才想起来今天没更新,一补就是两小时。
两小时看一篇文章也不算慢了吧QAQ

おやすみなさい。

评论

此博客中的热门博文

Rapid Serial Visual Presentation (RSVP) & Attentional Blink (AB)

    在快速序列视觉呈现( Rapid Serial Visual Presentation) 任务中,给被试呈现一系列视觉序列刺激,每个序列包括大约 20 个刺激 ( 字母,词语,数字,图片等 ) ,呈现速率为每秒 6-20 个刺激。序列中通常包括两个靶刺激(Target),其余的为分心刺激。在某些情况下,为突出靶刺激,常以不同于其他项目的颜色或形态呈现。每个刺激物呈现在计算机屏幕上的同一位置,前一个消失后出现下一个刺激,每个刺激呈现时间相等,约 100ms 左右。第一个靶子 (T1) 出现位置大约在第 4 至第 11 位,第二个靶子 (T2) 出现在 T1 后的第一个位置 (Lag 1) 至第 9 个位置 (Lag 9) o RSVP 分为单任务和双任务。在单任务中,要求被试忽略 T1 而正确识别 T2 ,这时对每个位置的 T2 判断正确率在 95% 以上 (Shapiro, 1997) 。双任务要求被试正确判断 T1, 并且正确判断 T2 。当 T2 出现在 T1 后 200-500ms 时间间隔时 (Lag 2 至 Lag 5) 对识别 T2 的正确率显著降低了,即注意瞬脱 (attentional blink, AB) 现象。 快速序列视觉呈现任务      目前,认知加工的两阶段模型通常用来解释双任务中发生的注意瞬脱现象。该模型认为,对一个刺激的加工包括两个阶段:第一阶段是平行加工阶段,即序列中的所有分心物和靶子都得到最初的察觉和编码,为下一阶段的加工做准备;第二阶段是系列加工阶段,只有被要求识别的项目才能进入这一阶段。 认知加工的两阶段模型     在第二阶段的加工过程中, T1, T2 被精细加工,并且被转移巩固进入短时记忆中。由于短时记忆的容易有限,在给定时间中只能对有限刺激进行加工。因此,只有 T1 的系列加工完成了,才能对 T2 进行系列加工。当 T2 出现在 T1 后 200-SOOms 间隔内,由于 T1 的系列加工还未完成,所以 T2 被延迟在平行加工阶段,得不到精细加工,所以对 T2 判断的正确率下降,注意瞬脱现象产生了 (Chun & Potter, 1995; 张明&王凌云, 2009)。 ...

Decoding Object Catagories...

        忙完前段时间的ゼミ合宿之后又想起来之前看的关于脑解码的资料,还是不甘心放弃,于是又翻出来一篇解码类的文献 Decoding Visual Object Categories in Early Somatosensory Cortex ( Smith F W, Goodale M A. Decoding Visual Object Categories in Early Somatosensory Cortex[J]. Cerebral Cortex, 2015, 25(4):1020-31. )         这篇文章主要用 fMRI 做了这么几件事:         1. 给被试看常见物体的图片(三种手机,三种酒杯,三种苹果)→采PCG(S1+S2)区信号分类(显著大于chance,所以PCG区域包含category信息)→采V1区信号分类(三分类正确率飙到97%,显著高于PCG区);         2. 类间分类;         3. 莫名其妙的物体的类间和类内分类;         (对,我就是对后面这俩没什么兴趣)         因为是在PCG区域进行的分类,所以就比较好奇是否可以用 EEG 进行类似的分类。         谨慎思考以后认为,实验可以分成两部分,三个层次进行:         实验一、顺向实验:向被试呈现刺激图片,采集PCG区域和V1区域EEG信号;         实验二、逆向实验:不向被试呈现视觉刺激,采集PCG区域和V1区域EEG信号;        分析与假设:        1. 实验一中,PCG区EEG信号分类正确率显著高于随机概率;        2. 实验一中,V...