導(dǎo)讀

尤里卡效應(yīng)(Eureka effect；靈光一現(xiàn))是指突然解決問題的常見經(jīng)驗。在這里，本文以一種模式識別范式來研究這種效應(yīng)，該范式要求在格式塔規(guī)則和先驗知識的基礎(chǔ)上分割復(fù)雜場景和識別物體。受試者必須在模糊的場景中檢測物體，并通過手動反應(yīng)來指示識別。采用高密度腦電圖(EEG)記錄評估神經(jīng)動力學(xué)。結(jié)果顯示，神經(jīng)動力學(xué)在譜分布、相干性、鎖相性和分形維數(shù)方面發(fā)生了顯著變化。尤里卡效應(yīng)與alpha和theta波段振蕩的相干性增加有關(guān)，這些波段廣泛分布在大腦皮層的覆蓋區(qū)域，主要分布在右半球。這種相干性的增加與頂葉和中央?yún)^(qū)域的beta功率下降以及額葉和枕葉區(qū)域的alpha功率下降有關(guān)。此外，右側(cè)半球的分形維數(shù)降低。本研究認為，尤里卡效應(yīng)需要涉及工作記憶、創(chuàng)造性思維和注意控制的皮層區(qū)域的合作。

前言

神經(jīng)系統(tǒng)需要能夠區(qū)分與尋找計算問題的解決方案相關(guān)的活動模式和代表結(jié)果的活動模式。為了終止進一步的搜索，最終將結(jié)果轉(zhuǎn)化為行動，為了允許突觸可塑性來存儲結(jié)果，為了允許啟動新的搜索過程，以及允許結(jié)果進入意識，這種區(qū)分是必要的。人類將解決方案狀態(tài)視為一種獎勵，并且能夠判斷特定結(jié)果的可靠性。突然找到一個感性問題的解決方案，理解一個以前無法理解的概念或者解決一個難題，都是令人愉快的。這種從尋找解決方案到找到解決方案的突然轉(zhuǎn)變被稱為尤里卡效應(yīng)。尤里卡經(jīng)歷的一些特征可能也是高等哺乳動物所共有的。

然而，人們對尤里卡效應(yīng)的神經(jīng)元基礎(chǔ)知之甚少。其中一個原因是很難預(yù)測尤里卡效應(yīng)在什么情況下以及何時發(fā)生。對尤里卡效應(yīng)的研究存在一些方法論上的問題。首先，需要以高時間分辨率進行測量，因為尤里卡效應(yīng)發(fā)生的時刻通常是不可預(yù)測的。其次，神經(jīng)生理學(xué)研究需要足夠數(shù)量的可比試次進行分析。

本研究采用黑白Mooney圖像作為誘發(fā)尤里卡效應(yīng)的范式。Mooney圖像最有趣的特征是它們最初很難解釋，但最終可以導(dǎo)致對物體的穩(wěn)定感知。這種感知也可以通過線索來促進，線索通常由Mooney圖像的原始圖像(彩色或灰度圖像)組成。Mooney圖像作為測試材料有幾個優(yōu)點。首先，它們允許精確操作亮度、對比度、大小和像素等參數(shù)。其次，Mooney圖像允許將自然物體與復(fù)雜背景相結(jié)合。這允許誘發(fā)強烈的尤里卡效應(yīng)和尋找神經(jīng)元關(guān)聯(lián)。為了最大限度地出現(xiàn)尤里卡體驗，本研究開發(fā)了一種生成和微調(diào)Mooney圖像的方法，能夠可靠且可重復(fù)地喚起尤里卡體驗。

來自Mooney圖像的模糊輸入如何轉(zhuǎn)化為明確的感知解決方案？建議使用存儲在記憶中的先驗經(jīng)驗來調(diào)節(jié)外圍處理，以促進場景分割、感知分組和識別。貝葉斯感知假說認為，由自上而下的過程提供的內(nèi)部信息與感官證據(jù)相匹配。因此，假設(shè)大腦執(zhí)行概率推斷，可以優(yōu)化感官信息，以最大限度地減少內(nèi)部和外部信息之間的不匹配。此功能可以解釋為知覺閉合，它包括不完整感覺證據(jù)的完成以及將不同組成部分正確結(jié)合成一個連貫的知覺。有一種觀點認為，這是通過將分布式神經(jīng)元瞬時關(guān)聯(lián)成一個連貫活躍的集合來實現(xiàn)的。

假設(shè)這些集合的特征是增強了神經(jīng)元活動的一致性，那么尤里卡效應(yīng)是否與神經(jīng)元動力學(xué)的變化相關(guān)，如果是的話，那么尤里卡效應(yīng)又是如何與神經(jīng)元動力學(xué)的變化相關(guān)的。本研究假設(shè)解決方案狀態(tài)可能與增強的神經(jīng)元活動的一致性有關(guān)，因為它們可能是分布式計算結(jié)果成功整合的結(jié)果。為了驗證這一假設(shè)，本研究采用Mooney刺激以誘發(fā)尤里卡效應(yīng)，使用高密度EEG記錄捕獲神經(jīng)活動，然后研究這些神經(jīng)元反應(yīng)在尤里卡效應(yīng)期間是如何調(diào)節(jié)的。人腦是一個高度復(fù)雜和動態(tài)的系統(tǒng)，表現(xiàn)出廣泛的狀態(tài)轉(zhuǎn)換。鑒于此，復(fù)雜性理論中使用的指標(biāo)被認為是這些狀態(tài)轉(zhuǎn)換的寶貴指標(biāo)，并可能為大腦功能的潛在機制提供重要的見解。近年來，非線性方法因其能夠表征健康和病理性大腦活動的不同狀態(tài)而引起了人們的極大興趣。其中一個常用的指標(biāo)是分形維數(shù)，它是衡量時間序列復(fù)雜程度的指標(biāo)，現(xiàn)已被用于檢測大腦在各種過程中的狀態(tài)變化。例如，它已被用于區(qū)分不同的睡眠階段，識別與癲癇發(fā)作相關(guān)的大腦活動變化，并作為各種疾病的潛在生物標(biāo)志物，如自閉癥、抑郁癥和阿爾茨海默癥?；诖耍狙芯坎粌H測量了振蕩活動的功率和相干性，還測量了活動向量的分形維數(shù)，以進一步表征與尤里卡效應(yīng)相關(guān)的狀態(tài)轉(zhuǎn)換。

材料和方法

圖像的選擇

用于構(gòu)建刺激的原始圖像來自Caltech-256數(shù)據(jù)集和Flickr。本研究的初始數(shù)據(jù)庫中包含3萬多張圖像。然后，根據(jù)以下標(biāo)準(zhǔn)手動選擇圖像進行進一步測試。(i)熟悉度：本研究選擇了眾所周知的物體，如動物、植物、家具、工具、儀器、車輛等。(ii)自然復(fù)雜背景：圖像取自自然場景，目標(biāo)物體被嵌入在復(fù)雜背景中，這可能使識別變得困難。

處理圖像的過程

首先將原始圖像轉(zhuǎn)換為256級灰度圖像。由于灰度像素的分布范圍大且非正態(tài)分布，并且亮度和對比度也不同，因此需要進行調(diào)整。通過直方圖均衡化將亮度和對比度等同，得到均勻的對比度分布。

為了生成具有不同衰減程度的Mooney圖像，將上述方法處理后的灰度圖像進行頻域高斯濾波。降低濾波器的截止頻率會增加識別圖像中物體的難度。濾波器的生成分為三個處理步驟：①通過傅里葉變換將原始圖像f(x，y)的空間域變換到頻域F(u，v)；②用一組截止頻率對F(u，v)進行低通濾波，得到一個頻帶通過表示G(u，v)；③該表示G(u，v)通過傅里葉逆變換變換回空間域g(x，y)(即模糊圖像)。為了獲得具有不同衰減程度的圖像，低通濾波器在10~80Hz(間隔為10Hz)的截止頻率范圍內(nèi)變化。然后以圖像的中值灰度作為黑白像素的分割線，得到兩色調(diào)Mooney圖像。隨后，測試了不同截止頻率下的Mooney圖像的可識別性。本研究選擇20Hz的截止頻率來誘發(fā)尤里卡效應(yīng)，因為它確保了從搜索到解決方案的最可靠轉(zhuǎn)換。

參與者

在確定截止頻率的預(yù)實驗中，共納入10名受試者，這些受試者均未參加主實驗。另有29名健康受試者(年齡為25.2±4.0歲，16名男性，13名女性)參加了主實驗，包括行為評估和EEG記錄。這些受試者均未參加預(yù)實驗。有4名受試者的數(shù)據(jù)因正確反應(yīng)試次不足而被排除，3名受試者的腦電數(shù)據(jù)由于偽跡排除導(dǎo)致有效試次不足，因此被排除在腦電分析之外。所有受試者均為右利手，視力正?；虺C正至正常，且無神經(jīng)或精神疾病史，他們在實驗前均簽署了書面知情同意書。該研究獲得了法蘭克福歌德大學(xué)倫理委員會的批準(zhǔn)，并根據(jù)《赫爾辛基宣言》進行。這些受試者是從當(dāng)?shù)卮髮W(xué)招募的，每小時的報酬為15歐元。

視覺刺激

Presentation(V10.3，神經(jīng)行為系統(tǒng))用于刺激呈現(xiàn)和反應(yīng)收集。所有刺激均使用Matlab(The Mathworks)生成。刺激以150×150像素矩陣的形式呈現(xiàn)在顯示器屏幕中心，刷新率為60Hz，距離受試者的眼睛平面70cm處，視角為4.4°×4.4°，周圍是灰色背景，在灰度[0，1]上的灰度級別為0.5。

EEG記錄期間的任務(wù)對于每個受試者，使用了160種不同的刺激。在每個試次開始時，先呈現(xiàn)一個十字注視點，隨機持續(xù)時間為2~3s。然后，呈現(xiàn)一個Mooney圖像8s。將此呈現(xiàn)視為試次的“第一階段”。如果受試者能夠識別圖像中的物體，他們必須在這8s的間隔內(nèi)盡快按下“Yes”按鈕，從而終止試次。如果他們在8s內(nèi)無法識別出物體，Mooney圖像就會消失。然后，在1.5~2s的隨機間隔后呈現(xiàn)一幅灰度圖像作為線索/提示，此圖片持續(xù)時間為4s。在50%的試次中，灰度圖像與最后的Mooney圖像一致，并作為后續(xù)識別的線索。在另外50%的試次中，它們是不一致的。本研究將這一灰度圖像呈現(xiàn)視為試次的“第二階段”。當(dāng)灰度圖像消失后，隨機間隔2~3s，最后再次呈現(xiàn)一張Mooney圖像。本研究將Mooney圖像的重復(fù)呈現(xiàn)視為試次的“第三階段”。在這個階段，受試者必須盡可能快速準(zhǔn)確地按下“Yes”或“No”按鈕，以表明他們是否能夠識別Mooney圖像中的物體。響應(yīng)需要在“第三階段”圖像呈現(xiàn)時間內(nèi)完成(即最長8s；這個時間范圍足以讓受試者完成響應(yīng))。如果受試者在匹配試次中回答“Yes”，則將此視為他們經(jīng)歷了尤里卡效應(yīng)的證據(jù)，即突然識別出他們在“第一階段”無法識別的模式。圖1說明了任務(wù)過程。試次順序和實驗條件的順序是隨機的。實驗共分為4個block。每個block之間有2~3min的休息時間。在實驗之前，使用不同的一組圖像進行訓(xùn)練，以便讓每個受試者進行練習(xí)。

數(shù)據(jù)采集

EEG使用具有128個通道的HydroCel Geodesic Sensor Net 130(Electrical Geodesics，Inc.)進行記錄，參考電極位于Cz。電極按照指示放置在頭部上方。電阻保持＜50kΩ。數(shù)據(jù)以1000Hz的頻率采樣，并以數(shù)字化方式保存在Mac系統(tǒng)中用于離線分析。

行為分析

本研究將試次分為兩組：尤里卡(Aha)組和對照(Ctrl)組。Aha組由(線索一致)試次和“第三階段”的“Yes”響應(yīng)組成。Ctrl組由(線索不一致)試次和“第三階段”的“No”響應(yīng)組成。不符合這些要求的試次(9.5%的試次)從進一步的分析中排除。然后，本研究比較了Aha組和Ctrl組試次的反應(yīng)時間(RTs)分布。

EEG數(shù)據(jù)預(yù)處理

在Net Station軟件4.5.1(Electrical Geodesics，Inc.)中，對連續(xù)EEG信號進行高通濾波(0.3Hz)和陷波濾波(50Hz)，然后將連續(xù)信號分割成一系列2-10s的epoch(取決于RTs)。每個試次段在“第三階段”開始前1s開始，在“第三階段”響應(yīng)后1s結(jié)束。在接下來的步驟中，使用Matlab工具箱FieldTrip和本研究定制的腳本分析數(shù)據(jù)。通過目視檢查、FieldTrip腳本和獨立成分分析來補充半自動偽跡剔除，以檢測電極漂移、眼動以及肌電圖和心電圖干擾。被拒絕的通道使用球面樣條插值。為了避免刺激起始而不是尤里卡效應(yīng)引起的神經(jīng)活動污染，僅對RTs時間大于0.5s的試次進行分析。

頻譜分析

為了研究尤里卡效應(yīng)有關(guān)的時頻活動，本研究采用漢寧錐度方法分析了整個電極空間中腦電信號的頻譜變化，該方法具有5個周期的時間窗，頻率平滑寬度隨頻率變化，步長為1Hz。分析時間窗為1s(對于刺激鎖時的epoch，時間窗為-0.25~0.75s；對于響應(yīng)鎖時的epoch，時間窗為-0.75~0.25s)。對于基線校正，使用“第一階段”刺激開始后的時間段，其長度與“第三階段”中使用的分析窗長相同，其持續(xù)時間由各自的RTs確定。綜上所述，Aha和Ctrl之間的基線校正和比較可以用一個簡單的公式來描述：Diff=(M3Aha-M1Aha)-(M3?Ctrl-M1Ctrl)，其中，Diff是Aha和Ctrl之間的差值；M3和M1分別為“第三階段”和“第一階段”的Mooney圖像數(shù)據(jù)；M3-M1是指專門用于頻譜分析的dB轉(zhuǎn)換。減法去除了由刺激誘發(fā)反應(yīng)產(chǎn)生的分量。最后，計算每個條件和參與者的總體平均值。Theta，alpha，beta和gamma頻段的頻率范圍分別為：4-7、8-12、13-30和31-100Hz。

為了避免試次數(shù)量不相等可能帶來的偏倚，在比較前，通過從試次數(shù)量較多的條件中隨機丟棄試次(18.9%的試次)，使Aha組和Ctrl組的試次數(shù)量相等。該校正也用于相干性和鎖相值(PLV)分析。

相干性

大腦網(wǎng)絡(luò)在解剖學(xué)和功能上都有定義。鑒于處理流之間的高度解剖連接，任何認知和執(zhí)行任務(wù)都需要快速靈活地形成功能網(wǎng)絡(luò)。功能連接的一個常用測量指標(biāo)是相干性。它同時考慮了信號的相位和幅值分量，并提供了關(guān)于網(wǎng)絡(luò)節(jié)點解剖和功能耦合的信息。因此，本研究計算了電極位置/通道之間在選定時間窗內(nèi)特定頻段的相干性。根據(jù)以下公式計算相干性：

鎖相值

由于相干值對振幅變化很敏感，因此本研究還計算了鎖相值(PLV)。這些值反映了兩個振蕩信號之間的相位相關(guān)性，并作為不同神經(jīng)元群同步的指標(biāo)。區(qū)別PLV與相干性的關(guān)鍵因素是PLV不考慮振幅，它只測量相位分量。與相干性類似，PLV也有一個從0到1的實數(shù)值。1表示兩個信號是嚴(yán)格鎖相的，而0表示兩個信號的相位關(guān)系是隨機的。PLV可以表示為：

偏側(cè)化指數(shù)

通過計算偏側(cè)化指數(shù)(LIs)來獲得偏側(cè)化效應(yīng)。通過評估左右半球之間的差異來計算LIs。使用以下公式進行計算：

其中VR和VL是指左右半球或左右電極簇內(nèi)的平均值。LI的正或負分別表示神經(jīng)活動向右側(cè)或左側(cè)偏側(cè)化。為了計算相干性和PLV的LI，只選用了一組電極。右電極：Fp2、F4、F8、C4、T4、P4、T6和O2；左電極：Fp1、F7、F3、T3、C3、T5、P3和O1；中線電極：Fz、CPz、Pz和Oz。右半球的相干性和PLV值是根據(jù)“右電極”內(nèi)組合和“右電極”-“中線電極”組合計算的。同樣，左半球的值是根據(jù)“左電極”內(nèi)組合和“左電極”-“中線電極”組合計算的。根據(jù)10-20 EEG系統(tǒng)確定電極位置。

維數(shù)

為了評估網(wǎng)絡(luò)動態(tài)復(fù)雜性的變化，本研究確定了記錄的高維時間序列的分形維數(shù)。將EEG數(shù)據(jù)歸一化為z分數(shù)，然后進行分形結(jié)構(gòu)分析。對于大小為δ球體內(nèi)的n個點(即這些點之間的距離＜δ)，

其中(xi，xj)是指數(shù)為i和j的點對(|xi-xj|＜δ，i≠j)，C(δ)為相關(guān)積分。維數(shù)D可由ln(C(δ))與ln(δ)的斜率來估計：

統(tǒng)計學(xué)

為了評估尤里卡效應(yīng)與對照條件的試次之間差異的顯著性，當(dāng)樣本為非正態(tài)分布時，進行Wilcoxon符號秩檢驗；或當(dāng)樣本服從正態(tài)分布時進行t檢驗(雙尾)。采用基于聚類的非參數(shù)隨機化檢驗來解決多重比較問題。對于每個配對樣本進行獨立樣本t檢驗。選取P＜0.05的所有樣本，并根據(jù)時空鄰接性進行聚類分析。計算聚類t值的總和。然后在Aha和Ctrl條件下隨機分配這些樣本，并分析聚類t值。此步驟重復(fù)1000次。然后得到一個新的聚類t值的分布。在此分布的基礎(chǔ)上，對原始數(shù)據(jù)的t值進行評估。本研究使用0.05的顯著性水平獲得顯著的數(shù)據(jù)簇(例如：包括預(yù)定義頻率的電極和時間窗)。同樣，基于聚類的非參數(shù)隨機化檢驗也用于校正Wilcoxon符號秩檢驗的z值。

結(jié)果

本研究調(diào)查了尤里卡效應(yīng)期間EEG記錄的大腦活動的電生理特征。本節(jié)將在后續(xù)段落中描述行為結(jié)果、不同頻段的功率變化、alpha和theta頻段中相干性和PLV的變化，以及分形維數(shù)的變化。

行為數(shù)據(jù)83.9%的試次持續(xù)到“第三階段”，其中90.5%的試次反應(yīng)正確。正確意味著對一致試次的響應(yīng)為“Yes”或?qū)Σ灰恢略嚧蔚捻憫?yīng)為“No”。這一結(jié)果表明，受試者確實經(jīng)歷了尤里卡效應(yīng)，并且Aha和Ctrl條件之間的比較是有效的。圖2總結(jié)了尤里卡(Aha)和對照(Ctrl)試次的RTs。Aha試次中的RT明顯快于Ctrl試次中的RT。RTs的平滑分布表明，Aha RTs分布的峰值在0.90s，而Ctrl RTs分布的峰值在1.50s。Aha RTs分布比Ctrl RTs分布更窄。Aha試次RTs的中位數(shù)為1.13s，Ctrl試次RTs的中位數(shù)為2.00s。在92.9%的Aha試次和99.3%的Ctrl試次中，RTs大于0.50s。這些試次被保留以供進一步分析。

頻譜變化Alpha功率鑒于與尤里卡效應(yīng)相關(guān)的許多功能和過程，如注意、記憶和自上而下的調(diào)制，都涉及alpha頻段的活動，本研究探討了alpha功率的變化是否與尤里卡效應(yīng)有關(guān)。在刺激鎖定時段，Aha和Ctrl條件下的alpha頻段(8-12Hz)功率無顯著差異。在反應(yīng)鎖定時段，Aha試次的alpha功率低于Ctrl試次。如圖3所示，本研究發(fā)現(xiàn)了兩個alpha功率降低的團簇(從基于聚類的非參數(shù)隨機化檢驗得到)(P＜0.05)。一個在額葉區(qū)域(主要在左側(cè)額區(qū))，從反應(yīng)前150ms (-150~0ms)出現(xiàn)。在該團簇中，alpha功率在反應(yīng)之前顯著降低。第二個團簇位于枕葉區(qū)域，從反應(yīng)前335ms(-335~0ms)出現(xiàn)。有趣的是，隨著時間的推移，這一團簇表現(xiàn)出從左半球到右半球的逐漸移動。在?220ms之前，該團簇主要位于左側(cè)枕區(qū)；?220ms后，移至右側(cè)枕區(qū)和右頂上區(qū)。簡而言之，本研究觀察到alpha功率下降與尤里卡效應(yīng)有關(guān)。

Beta功率尤里卡效應(yīng)涉及許多認知過程，其中兩個與beta功率的變化有關(guān)——記憶檢索和認知狀態(tài)的轉(zhuǎn)換。因此，本研究考察了beta功率變化是否與尤里卡效應(yīng)有關(guān)。在刺激鎖定時段，尤里卡效應(yīng)與刺激開始后240-360ms之間(相對于Ctrl)的beta功率(13-30Hz)下降有關(guān)(P＜0.05)，如圖4所示。這種減少在靠近中線的右側(cè)頂葉皮層和中央回區(qū)域最為明顯。在反應(yīng)鎖定時段，基于聚類的非參數(shù)隨機化檢驗顯示，在反應(yīng)前?380~?285ms的時間窗內(nèi)，右側(cè)頂葉和右側(cè)枕葉皮層的beta功率有較為明顯的下降趨勢，但未達顯著性水平(P= 0.0789)(圖5)?？偟膩碚f，beta振蕩功率的下降與尤里卡效應(yīng)有關(guān)。

Theta功率和gamma功率

Theta頻段振蕩被認為與各種記憶過程有關(guān)，而gamma頻段振蕩則與感覺證據(jù)和情境預(yù)測的整合有關(guān)。本研究考察了在尤里卡經(jīng)歷期間theta和gamma振蕩的功率是否發(fā)生了變化。然而，這些頻段的功率分析顯示尤里卡和控制條件之間沒有顯著差異。

右半球的alpha和theta相干性增加Alpha相干性為了分析低頻范圍內(nèi)通道之間的同步，本研究計算了從刺激開始(從0到500 ms，“刺激鎖時”)時500ms窗口內(nèi)的相干性。該分析結(jié)果顯示，對于Aha條件，alpha頻段的相干性增加，并具有右半球偏側(cè)化(圖6A)。為了量化這種偏側(cè)化，本研究計算了通道對的alpha相干性的LI。這證實了在刺激后345至450ms的時間窗內(nèi)，與Ctrl條件相比，Aha的右半球alpha相干性顯著增加(P＜0.05)。由于各試次的RTs不同，本研究還將分析窗口與響應(yīng)對齊(從-500ms到反應(yīng)開始，“反應(yīng)鎖時”)。右半球偏側(cè)化alpha相干性的增加也出現(xiàn)在該反應(yīng)段中，并且在-355~-275ms的時間窗內(nèi)顯著增加(P＜0.05)(圖6B)。

Theta相干性

Theta相干性分析也顯示，Aha條件在刺激后0-500ms內(nèi)的右半球偏側(cè)化增加(圖6C)。LI分析表明，這種右側(cè)化在兩個時間窗內(nèi)是顯著的：125~260ms(P＜0.05)和375~395ms(P＜0.05)。對于反應(yīng)鎖定時段，只有右半球相干性呈增加趨勢，但這種半球間差異不顯著(圖6D)。Theta相干性的iCOH分析表明，從刺激后180~365ms，與Aha相關(guān)的右側(cè)化顯著增加(P＜0.05)。對于反應(yīng)鎖定時段，未觀察到半球間的差異。

右半球alpha和theta的鎖相增加Alpha PLV

為了評估與尤里卡效應(yīng)相關(guān)的鎖相變化，本研究分析了刺激開始后0~500ms的alpha頻段通道對的PLVs。在尤里卡效應(yīng)期間，alpha頻段的PLV也增加了，這種增加的地形(圖7A)類似于alpha相干性的增加。在刺激后385~445ms，Aha右半球的PLV(相比于Ctrl條件)顯著增加(P＜0.05)。PLV在反應(yīng)鎖定時段也明顯增強，同樣右側(cè)的增強程度高于左側(cè)，但這種半球間差異未達到顯著性(圖7B)。iPLV的LI分析顯示，刺激后315-425m和反應(yīng)前500-395ms，右半球的iPLV明顯增加(P＜0.05)。

Theta PLV

刺激鎖定時段的PLV分析再次顯示，Aha試次中的右側(cè)theta同步性增加(圖7C)。LI分析表明，這種效應(yīng)在375-420ms的時間窗內(nèi)顯著(P＜0.05)。對于反應(yīng)鎖定時段，也存在右側(cè)化增加的趨勢，但LI指數(shù)未達到顯著性水平(圖7D)。Theta頻段的iPLV證實，與Ctrl相比，Aha在刺激后370~405ms的右側(cè)化顯著(P＜0.05)。在反應(yīng)鎖定時段沒有發(fā)現(xiàn)半球間差異。

分形維數(shù)的變化

大腦可以被認為是一個表現(xiàn)出非線性動力學(xué)的復(fù)雜系統(tǒng)。因此，頻譜分析可能無法捕捉到與認知狀態(tài)切換相關(guān)的大腦活動的復(fù)雜性。在這里，本研究還采用了一種用于評估復(fù)雜動態(tài)系統(tǒng)狀態(tài)的度量方法——分形維數(shù)。本研究分析了10個預(yù)定義的電極簇在刺激開始后0~500ms時間窗中的維數(shù)。在尤里卡試次中，可以觀察到右側(cè)中央和左側(cè)頂葉區(qū)域的維數(shù)顯著減少，右側(cè)枕葉區(qū)域的維數(shù)顯著增加(圖8A)。此外，LI分析顯示，右半球顳區(qū)降維更為明顯(ln(δ)從1.47至1.65，P＜0.05)(圖8B)。與反應(yīng)相關(guān)的活動模式也得到了類似的結(jié)果。在從?500ms到反應(yīng)的時間窗中，右側(cè)顳區(qū)的維數(shù)顯著減小，左側(cè)額葉區(qū)域的維數(shù)顯著增加(圖9A)。LI分析證實了顳區(qū)降維(ln(δ)從0.94至1.26，P＜0.05)的右側(cè)偏側(cè)化(圖9B)。

綜上所述，在刺激鎖定和反應(yīng)鎖定的時段，尤里卡效應(yīng)與右側(cè)顳葉皮層分形維數(shù)的減少有關(guān)。

結(jié)論

本研究的數(shù)據(jù)表明，尤里卡效應(yīng)主要涉及右利手被試的右半球。本研究將alpha和theta頻段中相干性的增加解釋為形成廣泛分布的皮層區(qū)域網(wǎng)絡(luò)的指標(biāo)，這些網(wǎng)絡(luò)涉及將感覺證據(jù)與工作記憶中存儲的信息進行比較。這一發(fā)現(xiàn)表明，增強的相干性與動態(tài)狀態(tài)維數(shù)的降低有關(guān)，但與各自頻段的功率增加無關(guān)，因為尤里卡的神經(jīng)元關(guān)聯(lián)經(jīng)歷了一個大網(wǎng)絡(luò)向動態(tài)狀態(tài)收斂的過程，其特征是維數(shù)減少、自由度降低，因此模糊性降低。

原文：Dynamic signatures of the Eureka effect: an EEG study.

https://doi.org/10.1093/cercor/bhad150

小伙伴們關(guān)注茗創(chuàng)科技，將第一時間收到精彩內(nèi)容推送哦～