Особенности активности структур головного мозга при шизофрении в процессе категоризации объектов живой и неживой природы

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Одними из особенностей работы головного мозга людей, страдающих шизофренией, являются изменения активности их мозга при зрительной категоризации одушевленных и неодушевленных объектов. Целью данного исследования был анализ мозговой активности людей, страдающих шизофренией, в ходе зрительной категоризации ими объектов, имеющих различные семантические и физические характеристики. Предполагалось, что паттерны мозговой активности на ранних и поздних этапах зрительной обработки различаются у людей, страдающих шизофренией, и людей из нормативной выборки. С помощью метода зрительных вызванных потенциалов изучали особенности активности головного мозга у 25 людей, страдающих шизофренией от 1 года до 7 лет, при категоризации ими изображений живой и неживой природы, низкой и высокой пространственной частоты. Было выявлено, что амплитуды P170 (N170) в левом и правом задневисочных и центральном отведениях, а также амплитуды P300 в центральном отведении у людей с шизофренией не отличаются при категоризации одушевлённых и неодушевленных объектов. Такие особенности работы мозга не характерны для людей из нормативной выборки. Выявленный результат важен для лучшего понимания перестройки работы мозга при зрительном восприятии объектов разных категорий, возникающей при развитии шизофрении.

Полный текст

Доступ закрыт

Об авторах

О. В. Щемелева

Институт физиологии им. И. П. Павлова РАН

Email: psy.journ@yandex.ru

Научный сотрудник лаборатории физиологии зрения

Россия, Санкт-Петербург

С. В. Муравьева

Институт физиологии им. И. П. Павлова РАН

Email: psy.journ@yandex.ru

научный сотрудник лаборатории физиологии зрения

Россия, Санкт-Петербург

В. С. Лебедев

Институт физиологии им. И. П. Павлова РАН

Email: psy.journ@yandex.ru

Аспирант лаборатории физиологии зрения

Россия, Санкт-Петербург

Е. А. Вершинина

Институт физиологии им. И. П. Павлова РАН

Автор, ответственный за переписку.
Email: psy.journ@yandex.ru

Старший научный сотрудник

Россия, Санкт-Петербург

Список литературы

  1. Вершинина Е.А., Сафарова Г.Л. О применении методов математической статистики в клинических и экспериментальных исследованиях // Успехи геронтологии. 2019. Т. 32. № 6. С. 1052–1062.
  2. Кропотов Ю.Д., Пронина М.В., Поляков Ю.И., Пономарев В.А. Функциональные биомаркеры в диагностике психических заболеваний: когнитивные вызванные потенциалы // Физиология человека. 2013. Т. 39. № 1. С. 14–25.
  3. Моисеенко Г.А., и др. Классификация и распознавание изображений живой и неживой природы // Оптический журнал. 2015. Т. 82. № 10. С. 53–64.
  4. Муравьева С.В., и др. Стимуляция работы зрительной системы с помощью когнитивной задачи в условиях виртуальной среды у пациентов с шизофренией и депрессией // Физиология человека. 2020. Т. 46. № 5. С. 27–36.
  5. Муравьева С.В., и др. Исследование зрительных когнитивных вызванных потенциалов при шизофрении на ранних стадиях заболевания и их коррекция при помощи интерактивных виртуальных сред // Физиология человека. 2017. Т. 43. № 6. С. 24–36.
  6. Шелепин Ю.Е., и др. Методы иконики и методы картирования мозга в оценке функционального состояния зрительной системы // Сенсорные системы. 2014. Т. 28. № 2. С. 61–75.
  7. Щемелева О.В., и др. Электрофизиологические показатели деятельности мозга в процессе вербального и невербального взаимодействия собеседников // Физиология человека. 2019. T. 45. № 6. C. 16–26.
  8. Abhishek P., et al. Lower P300 amplitudes for internally-generated events in patients with schizophrenia // Asian Journal of Psychiatry. 2018. V. 35. P. 67–71.
  9. Andrade G.N., et al. Atypical visual and somatosensory adaptation in schizophrenia-spectrum disorders // Translational Psychiatry. 2016. V. 6. (5). № e804.
  10. Behroozi M., Daliri M.R., Shekarchi B. EEG phase patterns reflect the representation of semantic categories of objects // Medical & biological engineering & computing. 2016. V. 54. № 1. P. 205–221.
  11. Bodatsch M., Brockhaus-Dumke A., Klosterkötter J., Ruhrmann S. Forecasting psychosis by event-related potentials—systematic review and specific meta-analysis // Biological psychiatry. 2015. V. 77. № 11. P. 951–958.
  12. Bosworth R.G., Dobkins K.R. Effects of prematurity on the development of contrast sensitivity: testing the visual experience hypothesis // Vision Research. 2013. V. 82. P. 31–41.
  13. Carlson T., Tovar D.A., Alink A., Kriegeskorte N. Representational dynamics of object vision: The first 1000 ms // Journal of vision. 2013. V. 13 № 10. P. 1. doi: https://doi.org/10.1167/13.10.1.
  14. Cerino R., Vergara S. How objects categorize the human brain: EEG and fMRI as analysis point // Res. Comput. Sci. 2020. V. 149. № 4. P. 43–55.
  15. Clarke A., Devereux B.J., Randall B., Tyler L.K. Predicting the time course of individual objects with MEG // Cerebral Cortex. 2015. V. 25. № 10. P. 3602–3612.
  16. Contini E.W., Wardle S.G., Carlson T.A. Decoding the time-course of object recognition in the human brain: From visual features to categorical decisions // Neuropsychologia. 2017. V. 105. P. 165–176.
  17. Devia C., et al. EEG classification during scene free-viewing for schizophrenia detection // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2019. V. 27. № 6. P. 1193–1199.
  18. Grootswagers T., Robinson A.K., Shatek S.M., Carlson T.A. Untangling featural and conceptual object representations // NeuroImage. 2019. V. 202:116083.
  19. Karimi H., et al. Temporal dynamics of animacy categorization in the brain of patients with mild cognitive impairment // PloS One. 2022. V. 17. № 2. P. e0264058.
  20. Khaligh-Razavi S.M., Cichy R.M., Pantazis D., Oliva A. Tracking the spatiotemporal neural dynamics of real-world object size and animacy in the human brain // Journ. of Cognitive Neuroscience. 2018. V. 30. № 11. P. 1559–1576.
  21. Kiang M., Gerritsen C.J. The N400 event-related brain potential response: A window on deficits in predicting meaning in schizophrenia // International Journ. of Psychophysiology. 2019. V. 145. P. 65–69.
  22. Li F., et al. The Time-Varying Networks in P300:_newline A Task-Evoked EEG Study // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2016. V. 24. № 7. P. 725–733.
  23. Maher S., et al. Deficient cortical face-sensitive N170 responses and basic visual processing in schizophrenia // Schizophr. Res. 2016. V. 170. № 1. P. 87–94.
  24. Martínez A., et al. Neural oscillatory deficits in schizophrenia predict behavioral and neurocognitive impairments // Frontiers in Human Neuroscience. 2015. V. 9. https://doi.org/10.3389/fnhum.2015.00371
  25. Mudar R.A., et al. The effects of amnestic mild cognitive impairment on Go/No Go semantic categorization task performance and event-related potentials // Journal of Alzheimer's Disease. 2016. V. 50. № 2. P. 577–590.
  26. Oribe N., et al. Progressive reduction of visual P300 amplitude in patients with first-episode schizophrenia: an ERP study // Schizophrenia bulletin. 2015. V. 41. № 2. P. 460–470.
  27. Oribe N., et al. Early and late stages of visual processing in individuals in prodromal state and first episode schizophrenia: An ERP study // Schizophrenia Research. 2013. V. 146. P. 95–102.
  28. Ozaki T, Toyomaki A, Hashimoto N, Kusumi I. Quantitative resting state electroencephalography in patients with schizophrenia spectrum disorders treated with strict monotherapy using atypical antipsychotics // Clin Psychopharmacol Neurosci. 2021. V. 19. № 2. P. 313–322.
  29. Perrottelli A., et al. EEG-based measures in at-risk mental state and early stages of schizophrenia: a systematic review // Frontiers in Psychiatry. 2021. V. 12. https://doi.org/10.3389/fpsyt.2021.653642
  30. Pokorny V.J., et al. Aberrant cortical connectivity during ambiguous object recognition is associated with schizophrenia // Biological Psychiatry: Cognitive Neuroscience and Neuroimaging. 2021. V. 6. № 12. P. 1193–1201.
  31. Salisbury D.F., et al. Neutral face and complex object neurophysiological processing deficits in long-term schizophrenia and in first hospitalized schizophrenia-spectrum individuals // International Journal of Psychophysiology. 2019. № 145. P. 57–64.
  32. Sklar A.L., Coffman B.A., Salisbury D.F. Localization of early-stage visual processing deficits at schizophrenia spectrum illness onset using magnetoencephalography // Schizophrenia Bulletin. 2020. V. 46. №. 4. P. 955–963.
  33. Tremblay E., et al. Delayed early primary visual pathway development in premature infants: high density electrophysiological evidence // PLoS One. 2014. V. 9 № 9. e107992.
  34. Vaziri-Pashkam M., Taylor J., Xu Y. Spatial frequency tolerant visual object representations in the human ventral and dorsal visual processing pathways // Journ. of Cognitive Neuroscience. 2019. V. 31. № 1. P. 49–63.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Пример черно-белого изображения – объекта неживой природы, подвергнутого цифровой фильтрации путем свертки с DoG-функцией в области высоких (а) и низких пространственных частот (б).

Скачать (58KB)
Метаданные
3. Рис. 2. Усредненные вызванные потенциалы, зарегистрированные у людей с шизофренией в центральном отведении (Сz), в затылочно-височном отведении слева (T5) и справа (Т6) при категоризации изображений объектов живой (чёрная линия) и неживой (серая линия) природы, отфильтрованные по низким (А) и по высоким пространственным частотам (Б). Звездочками показаны достоверные различия в зависимости от уровня значимости при сравнении соотношения амплитуд одного компонента внутри каждой группы по низким и высоким пространственным частотам. Уровень значимости: * — p < 0.05; ** — p < 0.01

Скачать (316KB)
Метаданные

© Психологический журнал, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».