الگوریتم مکان یابی منابع برای تعیین اثر بازخورد بر منابع عصبی مولفه P300

نتایج تحقیقات پیشین حاکی از تاثیر یادگیری)پاداش/تنبیه(برروی ویژگی های پتانسیل وابسته به رویداد P300 است. در این تحقیق یک لایه پردازشی جلوتر رفته و با اعمال الگوریتمهای مکان یابی برروی مولفه P300 مستخرج شده از کانالها، تاثیر بازخورد را دقیق تر در منابع مغزی مولفه P300 اندازه گیری می کنیم. در این راستا، سیگنالهای EEG از 30 فرد سالم در حین آزمونهای دیداری و شنیداری را از طریق 30 الکترود سطحی (از جنس نقره) در سه فاز شروع (30 دقیقه)، بازخورد (90-60 دقیقه) و پایان (30 دقیقه) ثبت کردیم. تعداد محرک های دیداری و شنیداری برای تمامی افراد در فاز بازخورد بصورت یکسان اعمال گردید تا شرکت کنندگان بتوانند محرکهای دیداری و شنیداری را شناسایی کنند. در این فاز، شرکت کنندگان برای پاسخ های نادرست جریمه می شدند بطوریکه به ازاء هر پاسخ نادرست، چهار آزمون دیگر به این فاز اضافه می گردید. سپس الگوهای P300 را با استفاده از میانگین گیری گسترده زمانی (Asynchronous Grand Average) بر روی تمامی افراد استخراج کردیم. در ادامه، الگوریتمهای مکان یابی استاندارد توموگرافی الکترومغناطیس با رزولوشن پایین (sLORETA) و sLORETA کاهش دهنده برای تخمین فعالیت منابع مغزی P300 به کار گرفته شدند. نتایج ما در تحلیل منابع مولفه P300 بازخورد، حاکی از افزایش معنی دار و قابل توجهی از تغییرات، بخصوص در نواحی آهیانه ای-خلفی راست (نواحی ارتباطی ثانویه) در منابع مولفه P300 بازخورد در مقایسه با منابع مغزی مولفه P300 تحریک در آزمون دیداری را نشان می دهد اما این اختلاف در آزمون شنیداری معنادار نیست. اختلاف بین آزمون دیداری و شنیداری این فرضیه را تایید می کند که شرکت کنندگان ما احتمال اشتباه پاسخ دادن را در آزمون های شنیداری محتمل می دانستند و با اطمینان بیشتری به آزمون های دیداری پاسخ می دادند.