Decoding motion direction using the topography of sustained ERPs and alpha oscillations.
Decoding motion direction using the topography of sustained ERPs and alpha oscillations.
复制标题
DOI：
10.1016/j.neuroimage.2018.09.029
复制
发表时间：
2019-01-01
期刊：
影响因子：
5.7
通讯作者：
Luck SJ
中科院分区：
文献类型：
--
作者：
Bae GY;Luck SJ
本研究旨在确定在随机点运动图(RDK)中，头皮脑电(EEG)信号是否包含关于运动方向的可解码信息，其中运动信息在空间上是分布的，并且混有随机噪声。从0到360°的任何运动方向都是可能的，观察者在1500毫秒的刺激显示结束时报告了运动的准确方向。在运动期(运动信息积累期间)和报告期(需要转移注意力以做出微调的方向报告)期间，我们分别对运动方向进行解码。机器学习被用来从阿尔法频段脑电活动或持续事件相关电位(ERPs)的头皮分布中解码精确的运动方向(±11.25°)。我们发现，在刺激和报告期间，基于事件相关电位的解码都是高于机会的(1/16)，而基于阿尔法的解码只在报告期间高于机会。因此，持续的事件相关电位包含了空间分布的运动方向信息，为观察高时间分辨率的感觉信息积累提供了一种新的方法。相比之下，阿尔法频段脑电活动的头皮地形图似乎主要反映了空间集中的注意过程，而不是感觉信息。
The present study sought to determine whether scalp electroencephalogram (EEG) signals contain decodable information about the direction of motion in random dot kinematograms (RDKs), in which the motion information is spatially distributed and mixed with random noise. Any direction of motion from 0–360° was possible, and observers reported the precise direction of motion at the end of a 1500-ms stimulus display. We decoded the direction of motion separately during the motion period (during which motion information was being accumulated) and the report period (during which a shift of attention was necessary to make a fine-tuned direction report). Machine learning was used to decode the precise direction of motion (within ±11.25°) from the scalp distribution of either alpha-band EEG activity or sustained event-related potentials (ERPs). We found that ERP-based decoding was above chance (1/16) during both the stimulus and the report periods, whereas alpha-based decoding was above chance only during the report period. Thus, sustained ERPs contain information about spatially distributed direction-of-motion information, providing a new method for observing the accumulation of sensory information with high temporal resolution. By contrast, the scalp topography of alpha-band EEG activity appeared to mainly reflect spatially focused attentional processes rather than sensory information.
登录
查看更多内容
影响因子：
4.6
作者：
Fahrenfort JJ;Grubert A;Olivers CNL;Eimer M
通讯作者：
Eimer M
影响因子：
8.2
作者：
Foster JJ;Sutterer DW;Serences JT;Vogel EK;Awh E
通讯作者：
Awh E
细胞外田地和电流的起源-EEG，ECOG，LFP和尖峰。
DOI：
10.1038/nrn3241
发表时间：
2012-05-18
期刊：
Nature reviews. Neuroscience
影响因子：
--
作者：
Buzsáki G;Anastassiou CA;Koch C
通讯作者：
Koch C
影响因子：
9.2
作者：
Kamitani, Yukiyasu;Tong, Frank
通讯作者：
Tong, Frank
影响因子：
3.7
作者：
Drisdelle, Brandi Lee;Aubin, Sebrina;Jolicoeur, Pierre
通讯作者：
Jolicoeur, Pierre