Изменения слухового восприятия после курса занятий по методике комплексного музыкально-певческого воспитания по Д. Е. Огороднову: исследование потенциалов, связанных с событиями

Обложка

Цитировать

Полный текст

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

Аннотация

Исследовались пластические изменения слухового восприятия в ходе занятий по методике комплексного музыкально-певческого воспитания (КМПВ) Д.Е. Огороднова. Группа из 65 детей, помимо школьной музыкальной программы, дополнительно занималась по методике КМПВ пять раз в неделю, а контрольная группа из 29 человек проходила уроки музыки по обычной школьной программе. Испытуемые 7–10 лет выполняли дважды с интервалом в 4 недели тест на слуховое внимание в ODDBALL-парадигме. Для анализа полученных потенциалов, связанных с событием (ПСС), был использован метод слепого разделения источников, основанный на приблизительной совместной диагонализации матриц ковариации, рассчитанных для групповых ПСС. Разложение групповых ПСС на скрытые компоненты позволило выделить компонент, который выявляет специфический эффект тренировки. Как показали наши исследования, у детей из контрольной группы обнаруживается адаптация к слуховой стимуляции, проводимой дважды в течение месяца. Эта адаптация проявлялась в значительном снижении амплитуды височной компоненты ПСС при повторном обследовании. В группе детей, которые занимались по методике КМПВ, такой адаптации обнаружено не было.

Полный текст

Доступ закрыт

Об авторах

Д. М. Огороднов

Институт мозга человека им. Н. П. Бехтеревой РАН

Автор, ответственный за переписку.
Email: dima.ogorodnov@mail.ru
Россия, Санкт-Петербург

С. А. Евдокимов

Институт мозга человека им. Н. П. Бехтеревой РАН

Email: dima.ogorodnov@mail.ru
Россия, Санкт-Петербург

Ю. Д. Кропотов

Институт мозга человека им. Н. П. Бехтеревой РАН

Email: dima.ogorodnov@mail.ru
Россия, Санкт-Петербург

Список литературы

  1. Медведев С.В., Киреев М.В., Коротков А.Д. Организация нейрональных систем обеспечения целенаправленной деятельности человека: новые данные. Физиология человека. 2018. 44 (4): 131–136. doi: 10.1134/S0131164618040094.
  2. Огороднов Д.Е. Музыкально-певческое воспитание детей в общеобразовательной школе. Киев: «Музична Украина», 1981. 167 с.
  3. Огороднов Д.М., Евдокимов С.А., Гапонова В.Е. Исследование изменений потенциалов, связанных с событиями, в ходе музыкально-певческого воспитания по методу Д.Е. Огороднова. В сб.: Первый Национальный конгресс по когнитивным исследованиям, искусственному интеллекту и нейроинформатике. Девятая международная конференция по когнитивной науке: Сборник научных трудов. В 2 чч. Ч. 1. Москва, 2021. С. 453–456.
  4. Albrecht R., Suchodoletz W., Uwer R. The development of auditory evoked dipole source activity from childhood to adulthood. Clin. Neurophysiol. 2000. Dec. 111(12):2268–76. PMID: 11090781. doi: 10.1016/s1388-2457(00)00464-8
  5. Bianco R., Gold B.P., Johnson A.P., Penhune V.B. Music predictability and liking enhance pupil dilation and promote motor learning in non-musicians. 2019. Sci. Rep. 9:17060. doi: 10.1038/s41598-019-53510-w.
  6. Burgoyne A.P., Harris L.J., Hambrick D.Z. Predicting piano skill acquisition in beginners: the role of general intelligence, music aptitude, and mindset. Intelligence. 2019. 76:101383. doi: 10.1016/j.intell.2019.101383.
  7. Cassidy C., Winter P., Cumbia S. An interprofessional early childhood training program: speech-language pathology and music therapy student outcomes and reflections. J. Interprof. Care. 2019. 34 (6). 819–821. https://doi.org/10.1080/13561820.2019.1696761.
  8. Ip C.T., Ganz M., Ozenne B., Sluth L.B., Gram M., Viardot G., l’Hostis P., Danjou P., Knudsen G.M., Christensen S.R. Pre-intervention test-retest reliability of EEG and ERP over four recording intervals. Int. J. Psychophysiol. 2018. Dec. 134:30–43. Epub. 2018. Sep. 22. PMID: 30253197. doi: 10.1016/j.ijpsycho.2018.09.007
  9. Csépe V., Honbolygó F. From psychophysiology to brain imaging: forty-five years MMN history of investigating acoustic change sensitivity. Biol. Futur. 2024. Mar. 75(1):117–128. Epub. 2024. Apr. 12. PMID: 38607546. doi: 10.100 PMID: 11090781. 7/s42977-024-00216-4
  10. Luck S.J., Kappenman E.S. (Eds.) The Oxford handbook of event-related potential components. Oxford: Oxford University Press. 2012. 642 p.
  11. Makeig S., Jung T.P., Bell A.J., Ghahremani D., Sejnowski T.J. Blind separation of auditory event-related brain responses into independent components. Proc. Natl. Acad. Sci. USA. 1997. Sep. 30; 94(20):10979–84. PMID: 9380745; PMCID: PMC23551. doi: 10.1073/pnas.94.20.10979.
  12. Maris E., Oostenveld R. Nonparametric statistical testing of EEG- and MEG-data. Journal of neuroscience methods. 2007. 164. 177–90. 10.1016/j.jneumeth.2007.03.024.
  13. Matuszewski J., Kossowski B., Bola Ł., Banaszkiewicz A., Papli´nska M., Gyger L. et al. Brain plasticity dynamics during tactile Braille learning in sighted subjects: multi-contrast MRI approach. NeuroImage. 2021. 227:117613. doi: 10.1016/j.neuroimage.2020.117613.
  14. Münte T.F., Altenmüller E., Jäncke L. The musician’s brain as a model of neuroplasticity. Nat. Rev. Neurosci. 2002. Jun. 3(6):473–8. PMID: 12042882. doi: 10.1038/nrn843
  15. Olszewska A.M., Gaca M., Herman A.M., Jednoróg K., Marchewka A. How Musical Training Shapes the Adult Brain: Predispositions and Neuroplasticity. Front. Neurosci. 2021. Mar. 10; 15:630829. PMID: 33776638; PMCID: PMC7987793. doi: 10.3389/fnins.2021.630829
  16. Pantev C., Lappe C., Herholz S.C., Trainor L. Auditory-somatosensory integration and cortical plasticity in musical training. Ann. NY Acad. Sci. 2009. Jul. 1169:143–50. PMID: 19673770. doi: 10.1111/j.1749-6632.2009.04588.x
  17. Pascual-Marqui R. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods Find Exp. Clin. Pharmacol. 2002. 24. Suppl D: 5–12. PMID: 12575463.
  18. Penhune V.B. “Musical expertise and brain structure: the causes and consequences of training” in The Oxford Handbook of Music and the Brain, eds M. H. Thaut, and D. A. Hodges (Oxford: Oxford University Press). 2019. 417–438. doi: 10.1093/oxfordhb/9780198804123.013.17.
  19. Pernet C.R., Latinus M., Nichols T.E., Rousselet G.A. Cluster-based computational methods for mass univariate analyses of event-related brain potentials/fields: A simulation study. J. Neurosci Methods. 2015. Jul. 30. 250:85–93. Epub. 2014. Aug. 13. PMID: 25128255; PMCID: PMC4510917. doi: 10.1016/j.jneumeth.2014.08.003
  20. Ponomarev V.A., Kropotov J.D. Second Order Blind Identification of Event Related Potentials Sources. Brain Topogr. 2023. 36. 797–815. https://doi.org/10.1007/s10548-023-00998-1.
  21. Proverbio A.M., Russo F. Multimodal recognition of emotions in music and language. Psychol. Music. January 2022. Vol. 50. Issue 1. Pр. 54–68. http://dx.doi.org/10.1177/0305735620978697.
  22. Räikkönen K., Birkás E., Horváth J., Gervai J., Winkler I. Test-retest reliability of auditory ERP components in healthy 6-year-old children. Neuroreport. 2003. Nov. 14;14(16):2121–5. PMID: 14600509. doi: 10.1097/00001756-200311140-00022
  23. Ruhnau P., Herrmann B., Maess B., Schröger E. Maturation of obligatory auditory responses and their neural sources: evidence from EEG and MEG. Neuroimage. 2011. Sep. 15; 58 (2):630–9. Epub. 2011. Jun. 25. PMID: 21726651. doi: 10.1016/j.neuroimage.2011.06.050
  24. Schellenberg E.G. Correlation = causation? Music training, psychology, and neuroscience. Psychol. Aesthet. Creat. Arts. 2020. 14, 475–480.
  25. Tomé D., Barbosa F., Nowak K., Marques-Teixeira J. The development of the N1 and N2 components in auditory oddball paradigms: a systematic review with narrative analysis and suggested normative values. J. Neural. Transm. (Vienna). 2015. Mar. 122(3):375–391. Epub. 2014. Jun. 25. PMID: 24961573. doi: 10.1007/s00702-014-1258-3
  26. Vigario R. Extraction of ocular artifacts from EEG using independent component analysis. Electroenceph. Clin. Neurophysiol. 1997. V. 103. № 3. P. 395.
  27. Wisniewski M.G., Joyner C.N., Zakrzewski A.C., Makeig S. Finding tau rhythms in EEG: An independent component analysis approach. Hum. Brain Mapp. 2024. Feb. 1; 45(2):e26572. PMID: 38339905; PMCID: PMC10823759. doi: 10.1002/hbm.26572
  28. Zaatar M.T., Alhakim K., Enayeh M., Tamer R. The transformative power of music: Insights into neuroplasticity, health, and disease. Brain Behav. Immun. Health. 2023. Dec. 12;35:100716. PMID: 38178844; PMCID: PMC10765015. doi: 10.1016/j.bbih.2023.100716

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. ПСС, усредненные по всем испытуемым. Линии серого цвета – ПСС на короткие звуковые стимулы, черного – ПСС на длинные звуковые стимулы. Под графиком приведены топографии N2- и P3-компонент.

Скачать (206KB)
Метаданные
3. Рис. 2. Скрытые компоненты ПСС: (а) – первая, (б) – вторая, (в) – третья, индивидуальные и усредненные по всем испытуемым. ПСС на длинный стимул – красная линия, на короткий – зеленая. Слева направо: локализация ПСС по sLORETA, топография компонент, прямоугольные растры индивидуальных компонент (каждая горизонтальная линия на растре представляет индивидуальный ПСС, цвет которого кодирует амплитуду этого ПСС) и графики ПСС для коротких (зеленые линии) и длинных стимулов (красные линии). Для получения разложения использовались следующие записи ПСС: 1-я и 2-я записи для групп «методика и «контроль». Индивидуальные ПСС в растрах выстроены по мере увеличения времени реакции (сверху вниз), время реакции на девиантный стимул отображено черным цветом. По правой стороне растра цветом указано условие ПСС: длинный сигнал – красная вертикальная полоса, короткий – зеленая вертикальная полоса.

Скачать (374KB)
Метаданные
4. Рис. 3. Динамика первой (височной) скрытой компоненты в ответ на короткие стимулы (б, в) и длинные стимулы (г, д) в зависимости от группы («Методика», «Контроль») и условия («до», «после»). Представлена топография компоненты (а). Условные обозначения: тонкие линии – «Методика», толстые линии – «Контроль». Условие «до» – линия серого цвета, «после» – черного. Пунктир – разностная кривая для компонент «после» минус «до» для группы «Контроль». Под графиками – статистически значимый кластер (p < 0.05) для этой разностной кривой (черная заливка). Серой заливкой (б, г) отображается временной отрезок полуволны, выбранный для статистического анализа (в, д). Для этих средних значений выбранных интервалов на графиках (в, д) представлены величины 95%-ных доверительных интервалов для средних амплитуд компонент.

Скачать (133KB)
Метаданные

© Российская академия наук, 2025