حصہ 1: عصبی یادداشت کے نمونوں کی گول ڈائریکٹڈ ماڈیولیشن: ایف ایم آر آئی پر مبنی میموری کی کھوج کے لیے مضمرات

رابطہ: آڈری ہوaudrey.hu@wecistanche.com

براہ کرم حصہ 2 کے لیے یہاں کلک کریں۔

Melina R. Uncapher, 1* J. Tyler Boyd-Meredith, 1* Tiffany E. Chow, 3 Jesse Rissman, 3 اور X Anthony D. Wagner1,2

1شعبہ نفسیات اور 2نیوروسائنس پروگرام، سٹینفورڈ یونیورسٹی، سٹینفورڈ، کیلیفورنیا 94305، اور 3شعبہ نفسیات، یونیورسٹی آف کیلیفورنیا، لاس اینجلس، لاس اینجلس، کیلیفورنیا 90095

ماضی کے کسی واقعہ کو یاد رکھنے سے تقسیم شدہ عصبی نمونوں کا پتہ چلتا ہے جو کہ ناول کی معلومات کا سامنا کرتے وقت نکالے گئے نمونوں سے ممتاز کیا جا سکتا ہے۔ ان مختلف نمونوں کو fMRI ڈیٹا کے ملٹی ووکسیل پیٹرن اینالیسس (MVPA) کا استعمال کرتے ہوئے انفرادی یادوں کے لیے نسبتاً زیادہ تشخیصی درستگی کے ساتھ ڈی کوڈ کیا جا سکتا ہے۔ دماغ پر مبنی میموری کا پتہ لگانا — اگر درست اور قابل اعتماد — علمی نیورو سائنس کے دائرے سے باہر، قانون کے دائرے میں، مارکیٹنگ اور اس سے آگے کی واضح افادیت ہوگی۔ تاہم، میموری کی ضابطہ کشائی کی درستگی پر ایک اہم باؤنڈری شرط "جوابی اقدامات" کی تعیناتی ہو سکتی ہے: میموری سگنلز کو ماسک کرنے کے لیے استعمال ہونے والی حکمت عملی۔ یہاں ہم نے ایف ایم آر آئی کی بنیاد پر میموری کا پتہ لگانے کی کمزوری کو انسدادی اقدامات کے لیے جانچا، ایک نمونہ استعمال کرتے ہوئے جو عینی شاہد کی شناخت سے مماثلت رکھتا ہے۔ پہلے مطالعہ شدہ اور نئے چہروں پر دو کام انجام دیتے ہوئے شرکاء کو اسکین کیا گیا: (1) معیاری شناختی میموری کا کام؛ اور (2) ایک کام جس میں انہوں نے اپنی حقیقی یادداشت کو چھپانے کی کوشش کی۔ غیر متزلزل تجزیوں سے یہ بات سامنے آئی کہ شرکاء ہپپوکیمپس اور اینگولر گائرس سمیت میموری کی بازیافت میں ملوث خطوں میں عصبی ردعمل، آزمائشوں میں اوسط، کو حکمت عملی کے ساتھ ماڈلیٹ کرنے کے قابل تھے۔ مزید برآں، توجہ اور سوچ کے متبادل کے مقصد کے ساتھ منسلک علاقوں نے میموری کو چھپانے کی حمایت کی، اور جو لوگ میموری کی تخلیق سے وابستہ ہیں وہ نئے پن کو چھپانے کی حمایت کرتے ہیں۔ تنقیدی طور پر، جہاں MVPA نے میموری کی حالتوں کی قابل اعتماد درجہ بندی کو فعال کیا جب شرکاء نے میموری کو سچائی سے رپورٹ کیا، میموری کو چھپانے کی کوششوں کے دوران انفرادی ٹرائلز پر میموری کو ڈی کوڈ کرنے کی صلاحیت سے سمجھوتہ کیا گیا، یہاں تک کہ الٹا بھی۔ ایک ساتھ، یہ نتائج یہ ظاہر کرتے ہیں کہ اسٹریٹجک اہداف ٹیٹ کو میموری سے متعلق نیورل پیٹرن کو ماسک کرنے اور میموری ڈی کوڈنگ ٹیکنالوجی کو ناکام بنانے کے لیے تعینات کیا جا سکتا ہے، جس سے ان کی حقیقی دنیا کی افادیت پر ایک اہم باؤنڈری شرط رکھی جا سکتی ہے۔

مطلوبہ الفاظ: جوابی اقدامات ایپیسوڈک بازیافت؛ فنکشنل ایم آر آئی؛ neurolaw؛ پیٹرن کی درجہ بندی

Cistanche یادداشت کو بہتر بنا سکتا ہے۔

تعارف

بڑھتے ہوئے شواہد اس بات کی نشاندہی کرتے ہیں کہ انسانی دماغی سرگرمی کے تقسیم شدہ نمونوں سے محرک یا واقعہ کے لیے میموری کی موجودگی یا غیر موجودگی کو ڈی کوڈ کرنا ممکن ہے، جیسا کہ فنکشنل MRI (fMRI) اور ملٹی ووکسیل پیٹرن تجزیہ (MVPA; Johnson et al., 2009; McDuff et al., 2009; Chadwick et al., 2010; Quamme et al., 2010; Rissman et al., 2010; Polyn et al., 2012; Poppenk and Norman, 2012; Rissman and Wagner, 2012)۔ ایف ایم آر آئی پر مبنی میموری ڈی کوڈنگ پر تیزی سے ابھرتا ہوا ادب نہ صرف میموری کے اعصابی نظریات سے آگاہ کرتا ہے بلکہ قانون، مارکیٹنگ اور اس سے آگے کے اثرات بھی رکھتا ہے (میگن، 2008)۔ مثال کے طور پر، یادداشت کا پتہ لگانے کے لیے ایک قابل اعتماد اور توثیق شدہ طریقہ فوجداری انصاف کے نظام کی فرانزک صلاحیت کو آگے بڑھا سکتا ہے تاکہ یہ تعین کیا جا سکے کہ آیا کسی مشتبہ شخص کو جرم سے متعلقہ معلومات (گریلی، 2011) کا قصور وار علم ہے یا کوئی عینی شاہد کسی اہم واقعے کو پہچانتا ہے۔ عنصر کچھ ایف ایم آر آئی پر مبنی میموری ڈی کوڈنگ اسٹڈیز (70-90 فیصد تک؛ Rissman et al.، 2010) میں مشاہدہ کی گئی اعلیٰ تشخیصی درستگی کو دیکھتے ہوئے، یہ نتیجہ اخذ کرنا پرکشش ہوسکتا ہے کہ ان طریقوں میں کسی فرد کی یادداشت کی حالتوں کو ننگا کرنے کے لیے فرانزک افادیت ہے اور شاید واقعہ کی معلومات کے ساتھ ان کی تجرباتی تاریخ بھی۔

تاہم، ایف ایم آر آئی پر مبنی میموری کا پتہ لگانے کی تکنیکیں ابھی بھی ترقی کے مراحل میں ہیں، میدان کے استعمال کے لیے ان کی مناسبیت کا تعین کرنے سے پہلے بہت سے اہم چیلنجز باقی ہیں (براؤن اور مرفی، 2010؛ Verschuere et al.، 2011)۔ سب سے اہم کھلے سوالوں میں سے ایک یہ ہے کہ کیا میموری ڈی کوڈنگ "مقابلے کے اقدامات" کے لیے خطرناک ہے: میم یا سگنلز کو ماسک کرنے اور "بیٹ" کا پتہ لگانے کے ٹیسٹ کے لیے تعینات حکمت عملی (Farah et al., 2014)۔ Rissman et al. (2010) نے بالواسطہ شواہد کی اطلاع دی جو سٹریٹجک اہداف کی ریاستوں کے لیے خطرے کی نشاندہی کرتے ہیں، کیونکہ ناول کے چہروں سے پہلے سامنے آنے والی چیزوں کا پتہ لگانے کی صلاحیت اس وقت کم ہو گئی تھی جب شرکاء کی یادداشت کو واضح طور پر جانچنے کی بجائے واضح طور پر کھو دیا گیا تھا۔ تاہم، دوسرے اعداد و شمار بتاتے ہیں کہ کسی کی یادداشت کی حالت پر توجہ نہ دینا ہمیشہ میموری کی درجہ بندی کو ناکام نہیں بنا سکتا۔ مثال کے طور پر، Kuhletal. (2013) میموری کی تفصیلات کو ڈی کوڈ کرنے کے قابل تھا یہاں تک کہ جب شرکاء کو ان تفصیلات کو بازیافت کرنے کی ہدایت نہیں کی گئی تھی۔ ایک ساتھ، یہ نتائج ان حالات کی نشاندہی کرنے کی ضرورت کو ظاہر کرتے ہیں جن کے تحت اسٹریٹجک اہداف ریاستوں کے اعصابی میموری کے نمونوں کو تبدیل کرتے ہیں: خاص طور پر، کیا شرکاء جان بوجھ کر اپنی یادداشت کی حالتوں کو انسدادی اقدامات کے استعمال کے ذریعے چھپا سکتے ہیں جو تعاون پر مبنی دکھائی دیتے ہیں؟ اس سوال کو حل کرنے سے نہ صرف میموری کا پتہ لگانے کے لیے ایف ایم آر آئی کے طریقوں کی حدود کی شرائط کو بیان کرنے کے لیے اثرات مرتب ہوتے ہیں بلکہ ہدف کی طرف سے بازیافت کے عمل کی حرکیات کو سمجھنے کے لیے بھی۔

یہاں ہم نے ایک ایسی صورت حال کی چھان بین کی جو عینی شاہد کی شناخت سے مشابہت رکھتی ہے اور مطلوبہ جوابی اقدامات جو عینی شاہد کی شناخت کے ٹیسٹ پر تعاون پر مبنی نظر آئیں گے۔ شرکاء نے چہروں کی ایک سیریز دیکھی، اور پھر ان چہروں کے لیے ان کی یادداشت کو ایف ایم آر آئی کے دوران دو طریقوں میں سے ایک طریقے سے جانچا گیا۔ پہلے ٹیسٹ میں، شرکاء نے پہلے سامنے آنے والے اور نئے چہروں کے بارے میں واضح طور پر شناخت کے فیصلے کیے تھے۔ دوسرے ٹیسٹ میں، شرکاء نے پہلے سامنا کیے گئے چہروں کے لیے اپنی یادداشت کو چھپانے اور نئے چہروں کے لیے یادداشت کا دعویٰ کرنے کی کوشش کی۔ واضح میموری ڈیٹا کا استعمال کرتے ہوئے، ہم نے درجہ بندی کرنے والوں کو شناخت اور نیاپن کے ساپیکش تجربات سے وابستہ سرگرمی کے نمونوں کی تفریق کرنے کی تربیت دی۔ پھر ہم نے جانچ کی کہ آیا درجہ بندی کرنے والے شرکاء کی یادداشت کی حالتوں کو ڈی کوڈ کر سکتے ہیں جب وہ جوابی اقدامات میں مصروف ہوں۔

مواد اور طریقے

امیدوار. چوبیس صحت مند، دائیں ہاتھ والے مرد شرکاء کو سٹینفورڈ یونیورسٹی اور اس کے آس پاس کی کمیونٹیز سے بھرتی کیا گیا تھا۔ شرکاء کی عمر 18–31 سال تھی، جن کی اوسط عمر23 4.29 سال تھی، مقامی انگریزی بولنے والے تھے جن کی اعصابی پیچیدگیوں کی کوئی تاریخ نہیں تھی، اور ان کے مطابق افریقی امریکی (AA؛ n 8) یا یورپی امریکی (EA؛ n 16) تھے۔ خود رپورٹ کرنے کے لئے. شرکاء نے تحریری طور پر باخبر رضامندی دی، StanfordUniversityInstitutionalReviewBoardprocedures کے مطابق، اور fMRI مطابقت کے لیے اسکریننگ کی گئی۔

تجربہ۔ اس تجربے میں دو سکین سیشنز شامل تھے جو 24 گھنٹے کے وقفے پر کیے گئے اور دونوں سکین سیشنز میں تقریباً 5 گھنٹے لگے۔ ہر شریک کو شرکت کے ہر گھنٹے کے لیے $20 معاوضہ دیا گیا۔ دو اضافی شرکاء سے ڈیٹا اکٹھا کیا گیا لیکن ناکافی یا نامکمل کارکردگی کی وجہ سے بعد کے تجزیوں سے خارج کر دیا گیا: ایک کو چھوڑ دیا گیا کیونکہ d موقع پر تھا (0.08) اور دوسرا اس لیے کہ شریک تجربہ مکمل کرنے سے پہلے اسکیننگ سے دستبردار ہو گیا۔

محرکات۔ چہرے کی حوصلہ افزائی میں مرد چہروں کی 400 رنگین تصویریں شامل تھیں، جن میں سے نصف AA اور آدھی EA تھیں (نسل کے اثرات کی جانچ کرنے والے ڈیٹا کو الگ سے رپورٹ کیا جائے گا)۔ چہرے کے محرکات کو غیر جانبدار چہرے کے تاثرات اور پس منظر کی روشنی کے لیے معیاری بنایا گیا تھا اور اس میں صرف سر اور گردن شامل تھی۔ محرکات کو بھوری رنگ کے پس منظر کے خلاف سیاہ سنٹرل فکسیشن کراس ہیئر کے ساتھ پیش کیا گیا تھا۔ ہر شریک کے لیے، چہرے کے محرک کو دو نمونوں میں تقسیم کیا گیا تھا تاکہ نسل کے لحاظ سے بے ترتیب نمونے لینے کا استعمال کرتے ہوئے انکوڈنگ مرحلے (پرانی اشیاء؛ 100AA، 100EA) کے دوران پیش کیے جانے والے محرکات کو تفویض کیا جا سکے یا بازیافت کے وقت فوائل آئٹمز کے طور پر پیش کیا جا سکے (NEWitems؛ 100AA، 100 EA )۔

دن 1: انکوڈنگ۔ جان بوجھ کر 200 مرد چہروں (100 AA چہرے اور 100 EA چہرے) کو انکوڈنگ کرتے ہوئے شرکاء کو اسکین کیا گیا۔ ہر چہرے کو 2 s کے لیے پیش کیا گیا تھا، 8 s کے انٹرسٹیمولس وقفہ (ISI) کے ساتھ کل 10 s فی ٹرائل کے لیے۔ انکوڈنگ مرحلے کے دوران ہر چہرہ دو بار دکھایا گیا: 200 محرکات کا مکمل سیٹ پیش کرنے کے بعد، وہی چہرے دوبارہ مختلف ترتیب میں پیش کیے گئے۔ شرکاء کو محرکات کو یاد کرنے کے لیے ایک تفصیلی انکوڈنگ حکمت عملی دی گئی، جس کے تحت انہیں محرکات میں تصویر کشی کرنے والے افراد پر مشتمل تخیلاتی کہانیاں تخلیق کرنے کی ہدایت کی گئی۔ اس بات کی تصدیق کرنے کے لیے کہ شرکاء محرکات میں شرکت کر رہے تھے اور کام میں مشغول ہو رہے تھے، انہیں ہدایت کی گئی کہ ہر چہرے کے ظاہر ہونے کے بعد جوابی خانے پر دائیں شہادت کی انگلی کا بٹن دبائیں۔ محرکات کو آٹھ رنز میں پیش کیا گیا، فی رن 50 چہرے۔ پہلے چار رنز مطالعاتی محرکات کی پہلی پیشکش پر مشتمل تھے، اور دوسرے چار رنز مطالعاتی محرکات کی دوسری پیشکش پر مشتمل تھے۔ ہر دوڑ کے اختتام پر (دونوں دن 1 اور دن 2 کے لیے)، شرکاء کو حوصلہ افزائی کی گئی کہ وہ جتنا چاہیں وقفہ لیں، بٹن دبانے کے ذریعے وقفے کو خود ختم کر دیں۔ تمام شرکاء میں وقفے 10 اور 55 سیکنڈ کے درمیان تھے۔

خاص طور پر، ان چہروں کے لیے جن کا پہلے مطالعہ کیا گیا تھا، شرکاء کو ہدایت کی گئی تھی کہ وہ ایک "نئے" ردعمل کی نشاندہی کریں اور اپنی شناخت کے اعصابی ارتباط کو چھپانے کے لیے تیزی سے علمی حکمت عملی پر جائیں: ان سے کہا گیا کہ وہ تکنیکی اور/یا فوٹو گرافی کے پہلوؤں پر توجہ مرکوز کریں۔ اس محرک کا جس میں انہوں نے پہلے شرکت نہیں کی تھی، جیسے کہ نمائش، روشنی، لائن کے کنارے وغیرہ۔ یہاں، اس بات پر زور دیا گیا کہ کمپیوٹر الگورتھم اتنا حساس ہے کہ میموری سگنلز کو اٹھا سکتا ہے اور یہ اس بات کا تعین کرنے کے بعد کہ اس کا مطالعہ کیا گیا تھا۔ چہرہ، انہیں اپنی بہترین صلاحیت کے مطابق تصویروں کے ادراک کے پہلوؤں کو دیکھ کر چہرے کی یادداشت کو ذہن میں آنے سے روکنے کی کوشش کرنی چاہیے۔ اس کے برعکس، غیرمطالعہ سمجھے جانے والے محرکات کے لیے، شرکاء کو ہدایت کی گئی کہ وہ ایک "پرانے" ردعمل کی نشاندہی کریں اور بازیافت کے اعصابی ارتباط کو نکالنے کے لیے علمی حکمت عملی استعمال کریں، یعنی ایک ایسے شخص کو ذہن میں لائیں جو چہرے سے مشابہت رکھتا ہو، اور اس سے وابستہ کسی بھی یادوں کو تازہ کریں۔ فرد کے ساتھ. ایک بار پھر، اس بات پر زور دیا گیا کہ کمپیوٹر الگورتھم نیاپن سگنلز کا پتہ لگانے کے لیے کافی حساس تھا، اس لیے انھیں تیزی سے اس چہرے کے لیے یادیں پیدا کرنے کی طرف سوئچ کرنا چاہیے جس کے لیے انھوں نے ناول ہونے کا عزم کیا۔ پرانے اور نئے دونوں چہروں کے لیے، شرکاء کو آزمائش کی پوری مدت (10 سیکنڈ) کے لیے مناسب علمی حکمت عملی استعمال کرنے کی ہدایت کی گئی۔ تجربہ کاروں نے اس بات کی تصدیق کی کہ تمام شرکاء تجربے کے ساتھ آگے بڑھنے سے پہلے چھپی ہوئی یادداشت کے کام کو سمجھ گئے تھے۔

غیر متغیر ایف ایم آر آئی تجزیہ۔ شماریاتی پیرامیٹرک میپنگ (SPM8؛ ویلکم ڈپارٹمنٹ آف کوگنیٹو نیورولوجی، لندن، یوکے؛ http://www.fil.ion.ucl.ac.uk/spm/software/spm8)، جو MATLAB 7.7 (R2008b؛ MathWorks) میں چلایا جاتا ہے، تھا ڈیٹا پری پروسیسنگ اور غیر متغیر تجزیہ دونوں کے لیے استعمال کیا جاتا ہے۔

ڈیٹا پر معیاری پری پروسیسنگ طریقہ کار لاگو کیا گیا تھا۔ تمام فنکشنل جلدوں کو سلائس کے درمیان حصول کے وقت کے فرق کے حساب سے سلائس ٹائم درست کیا گیا تھا، وقت میں درمیانی ٹکڑا حوالہ کے طور پر استعمال کیا گیا تھا۔ تمام فنکشنل جلدوں کو حرکت کے ساتھ درست کیا گیا تھا اور مقامی طور پر پہلی والیوم کے ساتھ جوڑ دیا گیا تھا، اس کے بعد سیشن کے اوسط حجم میں دوبارہ ترتیب دیا گیا تھا۔ دن 2 (بازیافت) سیشن سے T2-وزن والے جسمانی حجم کو اوسط فنکشنل والیوم میں رجسٹر کیا گیا تھا، T1- وزنی اناٹومیکل والیوم کو پھر اس کورجسٹرڈ T2-ویٹڈ والیوم میں رجسٹر کیا گیا تھا۔ ، اور پھر T1-وزن والی والیوم کو گرے مادے، سفید مادے اور CSF میں تقسیم کیا گیا، جس کے نتیجے میں آنے والی تصاویر کو مانٹریال نیورولوجیکل انسٹی ٹیوٹ (MNI) کی جگہ میں ٹیمپلیٹس میں معمول بنایا گیا۔ فنکشنل حجم کو سیگمنٹیشن کے دوران حاصل کردہ تبدیلی کے پیرامیٹرز کی بنیاد پر معیاری جگہ میں معمول بنایا گیا تھا اور 4 ملی میٹر 3 ووکسلز میں دوبارہ نمونہ بنایا گیا تھا۔ اس کے بعد تمام تصاویر کو 8 ملی میٹر پوری چوڑائی کے ساتھ نصف زیادہ سے زیادہ (FWHM) گاوسی دانا کے ساتھ ہموار کیا گیا۔

درجہ بندی کی تمام اسکیموں کے لیے، درجہ بندی سے پہلے تمام کلاسز (بے ترتیب ذیلی نمونوں کے ذریعے) میں آزمائشی شمار کو متوازن رکھا گیا تھا تاکہ درجہ بندی سے پہلے ایک نظریاتی کالعدم مفروضے کی درجہ بندی کی درستگی کی شرح 50 فیصد اور منحنی خطوط (AUC; ذیل میں دیکھیں) 0.50؛ شفلڈ کلاس لیبلز کے ساتھ تجزیوں نے اس بات کی تصدیق کی کہ موقع کی درجہ بندی کی کارکردگی ان سطحوں ("نال ڈسٹری بیوشن") کے ارد گرد بدل گئی ہے۔ توازن کے بعد، ہر ووکسیل کے ڈیٹا کو دوبارہ z اسکور کیا گیا، اس طرح کہ کلاس A ٹرائلز کے لیے ہر ووکسیل کی اوسط سرگرمی کی سطح کلاس B ٹرائلز کے لیے اس کی اوسط سرگرمی کی سطح کا الٹا تھا۔ ہر تجزیہ کے لیے، کارکردگی کے مستحکم تخمینے حاصل کرنے کے لیے درجہ بندی کا پورا عمل 10 بار چلایا گیا (آزاد تجزیوں نے اس بات کی تصدیق کی کہ کارکردگی کے مستحکم تخمینے حاصل کرنے کے لیے 10 تکرار کافی تھے)۔

ریگولرائزڈ لاجسٹک ریگریشن (RLR) تمام درجہ بندی کے طریقہ کار کے لیے استعمال کیا گیا تھا۔ یہ پہلے سے طے کیا گیا تھا کہ اس درجہ بندی کے نمونے میں رائس مین ایٹ ال کے ذریعہ ایک فائدہ مند انتخاب ہے۔ (2010)۔ اس الگورتھم نے خصوصیات کے لکیری امتزاج کے سافٹ میکس ٹرانسفارمیشن (بشپ، 2006) کا استعمال کرتے ہوئے ایک ملٹی کلاس لاجسٹک ریگریشن فنکشن کو لاگو کیا جس میں فیچر وزن سے پہلے گاوسی کے طور پر ایک اضافی رج جرمانہ کی اصطلاح تھی۔ اس جرمانے کی اصطلاح نے L2 کو ریگولرائزیشن فراہم کیا، چھوٹے وزن کو نافذ کیا۔ درجہ بندی کی تربیت کے دوران، RLR الگورتھم نے خصوصیت کے وزن کا سیٹ سیکھا جس نے ڈیٹا کے لاگ ان امکان کو زیادہ سے زیادہ کیا۔ خصوصیت کے وزن کو صفر پر شروع کیا گیا تھا، اور کارل راسموسن کے کنجوگیٹ گریڈینٹ مائنسائزیشن فنکشن (http://www.gatsby.ucl.ac.uk/ Edward/code/minimize/) کے ساتھ لاگ ان امکان کے میلان کا استعمال کرتے ہوئے اصلاح کو لاگو کیا گیا تھا۔ L2 جرمانہ

L2 جرمانے کو صارف کے مخصوص پیرامیٹر کے اضافی الٹا کا نصف مقرر کیا گیا تھا، جو ہر کلاس کے لیے وزن کے ویکٹر کے L2 نارمل کے مربع سے ضرب کیا جاتا ہے، کلاسوں میں شامل کیا جاتا ہے۔ ہم نے اس مفت پیرامیٹر کو اس مطالعہ میں رپورٹ کیے گئے تمام تجزیوں کے لیے 10 کی ایک مقررہ قیمت پر سیٹ کرنے کا انتخاب کیا۔

درجہ بندی کی کارکردگی کا اندازہ لگانا۔ٹریننگ سیٹ ڈیٹا کا استعمال کرتے ہوئے RLRماڈل پیرامیٹرز کو فٹ کرنے کے بعد، ٹیسٹ سیٹ سے ہر دماغی سرگرمی کا نمونہ (یعنی، ٹرائل) پھر ماڈل میں ڈالا گیا اور اس مثال کے کلاس A یا کلاس B سے ہونے کے امکان کا اندازہ لگایا گیا (تعمیر کے لحاظ سے، یہ دو قدروں کا مجموعہ ہمیشہ ایک ہوتا ہے)۔ ان امکانی اقدار کو تمام کراس توثیق ٹیسٹنگ فولڈز میں جوڑا گیا اور پھر درجہ بندی کی گئی۔ ریسیور آپریٹنگ خصوصیت (ROC) کے منحنی خطوط پیدا کرنے کے امکان کے تسلسل کے ساتھ درجہ بندی کرنے والے کی حقیقی مثبت (ہٹ) شرح اور غلط مثبت (FA) شرح کا حساب 80 فکسڈ کٹ آف تھریشولڈز پر کیا گیا۔ ان منحنی خطوط کے ساتھ وابستہ AUC قدروں کی گنتی کی گئی تھی جیسا کہ Fawcett (2004) نے بیان کیا ہے اور اس کی رسمی طور پر اس امکان کے طور پر تشریح کی جا سکتی ہے کہ ایک طبقے کے تصادفی طور پر منتخب کردہ رکن کے دوسرے طبقے سے تعلق رکھنے کا تخمینہ کم امکان ہے۔ دوسری کلاس کا تصادفی طور پر منتخب کردہ ممبر ہے۔ ایک اور طریقہ سے بیان کیا گیا، AUC اوسط درستگی کو انڈیکس کرتا ہے جس کے ساتھ کلاس A اور کلاس B کے تصادفی طور پر منتخب کردہ جوڑے کو ان کی صحیح کلاس میں تفویض کیا جا سکتا ہے (0.5 بے ترتیب کارکردگی ہے؛ 1.0 ایک بہترین کارکردگی ہے)۔ اگر کسی کا مقصد کلاس A کی مثالوں کو لیبل لگانے میں اعلی خصوصیت ہے اور وہ بہت سے غلط مثبتات کو برداشت کرنے کے لئے تیار نہیں ہے، تو کوئی بھی درجہ بندی کرنے والے کے انتہائی پر اعتماد اندازوں سے پوچھ گچھ کر سکتا ہے۔ یہاں ہم نے من مانی طور پر اس حد کو درجہ بندی کے تخمینوں کا سب سے اوپر 10 فیصد مقرر کیا ہے۔ نوٹ کریں کہ ہم درجہ بندی کرنے والوں کے انتہائی پراعتماد ٹرائلز کی رپورٹ کرتے وقت AUC اقدار کی بجائے درستگی کی اطلاع دیتے ہیں۔

اہمیت کے نقشے ہر درجہ بندی کی اسکیم کے لیے، اہمیت کے نقشے پچھلے MVPA مطالعات میں بیان کردہ طریقہ کار کے بعد بنائے گئے تھے (Johnson et al., 20{{10}}9; McDuff et al., 2{{16 }}09)۔ ووکسیل کی اہمیت اس بات کا اشاریہ فراہم کرتی ہے کہ اس کا سگنل کتنا بڑھتا ہے یا گھٹتا ہے درجہ بندی کرنے والے کی پیشین گوئیوں کو متاثر کرتا ہے۔ تربیت کے بعد، لاجسٹک ریگریشن کی درجہ بندی کا طریقہ کار وزن کی قدروں کا ایک سیٹ حاصل کرتا ہے جو ہر ووکسیل کی پیشین گوئی کی قدر کی عکاسی کرتا ہے (مثبت اقدار کے ساتھ جو اس بات کی نشاندہی کرتی ہے کہ سرگرمی میں اضافہ عام طور پر کلاس A کے نتائج سے وابستہ ہوتا ہے اور منفی قدریں جو اس بات کی نشاندہی کرتی ہیں کہ سرگرمی میں اضافہ عام طور پر aClassBoutcome کے ساتھ منسلک ہوتا ہے)۔ یہ وزن کلاس اے ٹرائلز کے لیے ہر ووکسل کے درمیانی سرگرمی کی سطح کے ذریعے بڑھایا جاتا ہے (جو کہ ہمارے ٹرائل بیلنسنگ اور زیڈ اسکورنگ کے طریقہ کار کی وجہ سے، کلاس بی ٹرائلز کے لیے اس کی اوسط سرگرمی کی سطح کا اضافی الٹا ہے)۔ سرگرمی اور وزن دونوں کے لیے مثبت اقدار کے حامل ووکسلز کو مثبت اہمیت کی قدریں تفویض کی گئی تھیں، منفی سرگرمی اور وزن والے ووکسلز کو منفی اہمیت کی اقدار تفویض کی گئی تھیں، اور ووکسلز جن کے لیے سرگرمی اور وزن میں متضاد علامتیں تھیں صفر کی اہمیت کی قدریں تفویض کی گئی تھیں (جانسن ایٹ ال۔ 2009؛ میک ڈف وغیرہ، 2009)۔ گروپ لیول کے خلاصے کے نقشے انفرادی شرکاء کے اہمیت کے نقشوں کی اوسط سے بنائے گئے تھے اور صوابدیدی حدوں پر اعداد و شمار میں دکھائے جاتے ہیں: 0.02 اور 0.5 کے درمیان 3D-رینڈرڈ نقشے اور 0.05 اور 0.5 کے درمیان 2D-رینڈرڈ نقشے (4 دیکھیں) یا تصویر۔ 0.15 اور 0.5 کے درمیان (تصویر 7 دیکھیں)۔ حتمی نوٹ کے طور پر، اگرچہ اہمیت کے نقشے اس بات کا اندازہ کرنے کے لیے ایک مفید ٹول ہیں کہ درجہ بندی کرنے والے کے ذریعے کون سے ووکسلز استعمال کیے گئے تھے، لیکن ان نقشوں کو ایک مکمل تشخیص فراہم کرنے سے تعبیر نہیں کیا جانا چاہیے کہ کون سے ووکسلز دلچسپی کے امتیاز کے بارے میں انفرادی طور پر معلوماتی ہیں۔

سرچ لائٹ کا تجزیہ۔ اہمیت کے نقشے سے پتہ چلتا ہے کہ کون سے ووکسلز پورے دماغ کے درجہ بندی کرنے والوں کو تشخیصی معلومات فراہم کرتے ہیں۔ تاہم، وہ یہ ظاہر نہیں کرتے ہیں کہ آیا انفرادی جسمانی خطوں کے ڈیٹا کو CRs سے ہٹ کے امتیاز کے لیے خود استعمال کیا جا سکتا ہے۔ ہم نے پورے دماغ میں مقامی ضابطہ کشائی کی درستگی (Kriegeskorte et al., 2006) فراہم کرنے کے لیے سرچ لائٹ کے تجزیے کیے ہیں۔ خاص طور پر دلچسپی یہ تھی کہ آیا وہ خطے جن میں خون آکسیجن کی سطح پر منحصر ہے (BOLD؛ غیر متغیر) سگنل کو انسدادی اقدامات کے ذریعے نمایاں طور پر ماڈیول کیا گیا تھا (تصویر 2A دیکھیں) نے آزمائشی طور پر آزمائشی ضابطہ کشائی کی درستگی کو بھی فعال کیا جو نمایاں طور پر موقع سے ہٹ گیا۔ ہم نے پورے دماغی ماسک (موٹر کورٹیکس اور سیریبیلم میں ووکسلز کو چھوڑ کر) میں ہر ووکسل پر انفرادی طور پر مرکوز مقامی کروی ماسک پر تنقیدی درجہ بندی (واضح ¡ چھپی ہوئی ہٹ بمقابلہ CRs) انجام دی۔ ہر کروی ماسک میں کوئی بھی ووکسیل شامل ہوتا ہے جو سینٹر ووکسل کے کنارے کو چھوتا ہے۔ اس طرح، نتیجے میں آنے والے دائروں میں 19 ووکسلز ہوتے ہیں، سوائے اس کے کہ جب کرہ پورے دماغ کے ماسک سے آگے بڑھ جائے۔ اس بات کا تعین کرنے کے لیے کہ آیا مقامی ضابطہ کشائی کی درستگی پورے ٹرائل میں تیار ہوئی ہے (جیسا کہ توقع کی جائے گی کہ اگر شرکاء نے ابتدائی طور پر میموری سگنلز میں شرکت کی اور پھر اس طرح کے سگنلز کو چھپانے کی کوشش کی)، ہم نے ان سرچ لائٹس کو چھ TRs میں سے ہر ایک کے لیے الگ الگ کیا۔

ہم نے اپنے ہر سرچ لائٹ دائروں میں اہمیت کا اندازہ کیا جیسا کہ پہلے ضابطہ کشائی کرنے والے تجزیوں میں کیا گیا تھا: AUCs کو پہلے 10 درجہ بندی کے اعادہ کے لیے شمار کیا گیا تھا، اور پھر اسکرمبلڈ ریگریسرز کا استعمال کرتے ہوئے 10 اضافی درجہ بندی کے اعادہ کی کمپیوٹنگ کے ذریعے ایک کالعدم تقسیم کی گئی تھی۔ ہم نے گروپ لیول کے t نقشے بنائے ہیں جن میں دائرے دکھائے گئے ہیں جو کہ CRs سے قابل اعتبار طور پر امتیازی ہٹ کو ہر ایک شریک کے اوسط اسکرمبلڈ بمقابلہ AUC قدر کا جوڑا بنا کر تمام 10 تکراروں پر دکھاتے ہیں۔ ان نقشوں کو AFNI (خودکار فنکشنل نیورو امیجنگ) پروگرام 3dClustSim میں لاگو کیے گئے مونٹی کارلو سمولیشنز (Xiong et al., 1995) سے اخذ کردہ کلسٹر سائز کی حد کو لاگو کر کے p 0.05 (درست) پر حد بندی کی گئی تھی۔ مونٹی کی ہمواری

AFNI پروگرام 3dFWHMx کا استعمال کرتے ہوئے ہر شریک کے لیے کارلو سمولیشن کا تخمینہ الگ سے لگایا گیا تھا اور اسکرمبلڈ درجہ بندی کی تکرار میں حاصل کردہ اوسط AUCs سے۔ ہر طول و عرض کے لئے ایک ہی ہمواری کی قیمت کی گنتی کرنے کے لئے شرکاء اور ٹائم پوائنٹس میں ہمواری کا اوسط لیا گیا۔ p 0 کی ایک ووکسل وار اونچائی کی حد۔ }5 (FWE) ایک مقررہ وقت کے اندر۔ اپنے چھ بار پوائنٹس میں متعدد موازنہوں کو درست کرنے کے لیے، ہم نے بونفرونی کی تصحیح کا اطلاق کیا، p 0.0083 (یا 0.05/6; FWE) کی کلسٹر سطح کی اہمیت حاصل کرنے کے لیے ضروری حد کی گنتی کی۔ ہر ٹائم پوائنٹ یا p 0.05 (FWE) جگہ اور وقت میں۔ اس طریقہ کار کا استعمال کرتے ہوئے، ہم نے طے کیا کہ خلا اور چھ بار پوائنٹس میں p 0.05 (FWE) کی کلسٹر سطح کی اہمیت حاصل کرنے کے لیے 29 ووکسلز کے کلسٹر کی حد کی ضرورت تھی۔

نتائج

طرز عمل کی کارکردگی

واضح میموری کا کام

جب شرکاء نے سچائی کے ساتھ ہر ٹیسٹ کے چہرے سے حاصل ہونے والے اپنے یادداشت کے تجربے کی اطلاع دی، تو انہوں نے {{0}} کی اوسط SD ہٹ ریٹ (وہ شرح جس پر OLD امیجز نے درست طریقے سے "پرانی" کا فیصلہ کیا) حاصل کیا۔{1}}۔ 12 اور ایک ایف اے کی شرح (وہ شرح جس پر نئی تصاویر نے غلط طور پر "پرانی" کا اندازہ لگایا) 0۔{4}}.10، جس کے نتیجے میں اوسط ڈی 1 ہے۔{7}}.56۔ غلط جوابات (FAs, 2) کے مقابلے میں درست جوابات کے لیے اوسط جوابی اوقات (RTs) تیز تر تھے۔ }}.01 s؛ مسز: 2۔{19}}.81 s؛ t(23) 5.15، p 3۔{25}})۔ ہٹ جوابات CR جوابات سے زیادہ تیز تھے (t(23) 5.44، p 1۔{30}})۔

واضح اور پوشیدہ میموری کے کاموں کا موازنہ کرنا

مطلب d واضح میموری میں مخفی میموری ٹاسک (t(23) 2.99,p 66 10 3) کے مقابلے میں نمایاں طور پر زیادہ تھا۔ کسی بھی میموری کے نتائج کے لیے اوسط RT میں کوئی ٹاسک فرق نہیں تھا (تمام p اقدار 0.05)۔ تاہم، ٹاسک اور میموری کے درمیان ایک اہم تعامل تھا، کیونکہ ہٹ اور سی آر کے لیے اوسطاً فرق واضح میموری میں مخفی میموری ٹاسک کی نسبت زیادہ تھا (t(23) 6.25، p 2۔{11}})۔ RT پر میموری کا یہ امتیازی اثر ٹاسک کے ایک فنکشن کے طور پر واضح اور مخفی میموری کی حالتوں کے درمیان d کے فرق سے ہوسکتا ہے اور ممکنہ طور پر چھپی ہوئی میموری کی حالت کی دوہری ٹاسک نوعیت کا نتیجہ ہے: شرکاء کو پہلے اس کا تعین کرنے کی ضرورت تھی۔ چاہے چہرے پرانے ہوں یا نئے اور پھر تیزی سے میموری/نوولٹی کو چھپانے کی حکمت عملی پر سوئچ کریں جبکہ ان کے موٹر ردعمل کو بھی تبدیل کریں۔

غیر متغیر ایف ایم آر آئی تجزیہ کرتا ہے۔

ہم نے پہلے اس سوال کی چھان بین کی کہ آیا شرکاء آزمائشوں میں میموری سے متعلق بولڈ سگنلز کو ماڈیول کرنے کے لیے اسٹریٹجک جوابی اقدامات میں مشغول ہوسکتے ہیں (یعنی غیر متغیر fMRI ردعمل)۔ ایسا کرنے کے لیے، ہم نے ہر کام کے لیے الگ الگ "میموری کامیابی کے اثرات" (ہٹس سی آرز) کی نشاندہی کی اور پھر یہ طے کیا کہ کاموں میں میموری کی کامیابی کے اثرات کہاں عام تھے، اور ساتھ ہی وہ کہاں کام کے ذریعے ماڈیول کیے گئے تھے۔ اس کے بعد ہم نے تفتیش کی کہ آیا میموری کی کامیابی کے اثرات کو ماڈیول کرنے کی صلاحیت میموری کی طاقت سے متاثر ہوئی تھی۔

عام میموری کی کامیابی کے اثرات

یہ دیکھتے ہوئے کہ شرکاء کو اس بات کا تعین کرنے کی ضرورت تھی کہ آیا دونوں کاموں میں کوئی چہرہ پرانا تھا یا نیا، ہم نے اگلا یہ تعین کرنے کی کوشش کی کہ آیا کوئی ایسا خطہ ہے جو دونوں کاموں میں CRs سے ہٹ کو مختلف کرتا ہے۔ ایسا کرنے کے لیے، ہم نے شاملی طور پر پیشگی یادداشت کی کامیابی کے تضادات (p {{0}}.01each پر، p 0.001 کی مشترکہ حد کے نتیجے میں) کو نقاب پوش کیا۔ ماسکنگ کے اس طریقہ کار کے نتائج نے بائیں IPS اور بائیں VTC (تصویر 1C) میں اثرات کا انکشاف کیا۔

کم امکان سے ظاہر ہوتا ہے کہ یادداشت کی کامیابی کے اثرات انتھلیفٹ این جی (r {{0}.36، p 0۔{6}}4)۔ دوسرے الفاظ میں، ان کی یادداشت کی کامیابی کے اثرات ان کی یادداشت کو چھپانے کی کوششوں کے باوجود برقرار رہے۔ اس تلاش سے پتہ چلتا ہے کہ مضبوط یادیں رکھنے والے شرکاء کو چھپے ہوئے کام کے دوران اپنی ANG سرگرمی کو تبدیل کرنے میں زیادہ دشواری کا سامنا کرنا پڑا۔ دلچسپ بات یہ ہے کہ کسی بھی ہپپوکیمپل کلسٹر نے یادداشت کی طاقت اور سرگرمی کے درمیان کوئی اہم تعلق نہیں دکھایا (دائیں ہپپوکیمپس، آر0۔ r0.22، p 0.29)، اور ارتباط کی ڈھلوانیں AN اور دائیں ہپپوکیمپس (ولیمز ٹی(21) 2.49، پی 0.021) کے درمیان مختلف تھیں اور بائیں ہپپوکیمپس کے لیے معمولی طور پر مختلف تھیں (ولیمز ٹی (21) 1.612، پی) . ایک ساتھ مل کر، یہ نتائج بتاتے ہیں کہ مضبوط یادوں کے حامل شرکاء یاداشت سے متعلق سرگرمی پر اہداف کے مطابق کنٹرول کرنے کے قابل نہیں تھے، لیکن ایسا لگتا ہے کہ دو طرفہ ہپپوکیمپس میں ایسا نہیں ہوا۔

ملٹی ویریٹیٹ ایف ایم آر آئی تجزیہ کرتا ہے۔

ہمارا مرکزی سوال یہ ہے کہ کیا علمی (مقاصد پر مبنی) انسدادی حکمت عملیوں کا استعمال شرکاء کو میموری سے متعلق عصبی نمونوں کو ماسک کرنے کے قابل بنائے گا، اس طرح انفرادی واقعات کے لیے ان کی یادداشت کی حالتوں کو پڑھنے کے لیے ملٹی ویریٹی تکنیکوں کی صلاحیت پر اثر پڑے گا۔ اس کے مطابق، ہم نے اگلی بار (1) معیاری شناختی میموری ٹاسک (واضح میموری ٹاسک) سے ڈیٹا پر درجہ بندی کرنے والے کی پہلی تربیت اور جانچ کے ذریعے انفرادی بازیافت کے ٹرائلز کی میموری کی حیثیت کو ڈی کوڈ کرنے کے لئے MVPA درجہ بندی کرنے والوں کی صلاحیت کا اندازہ کیا اور (2) پھر یہ اندازہ لگایا کہ آیا یہ کلاسیفائر میموری کو ڈی کوڈ بھی کرسکتا ہے جب شرکاء اپنی میموری کی حالتوں کو چھپانے کی کوشش کر رہے تھے (چھپی ہوئی میموری کا کام)۔ ہمارے عمل کے ماڈل نے جانچ کے لیے تین متبادل منظرنامے تجویز کیے ہیں۔ ہم اپنے عمل کے ماڈل کی وضاحت کرتے ہوئے شروع کرتے ہیں اور پھر ہر مفروضے کو بدل کر بیان کرتے ہیں۔