Identifying and decoding the multivariate brain activity for emotional states in self- and empathic perception

Abstract

Funktionelle Magnetresonanztomographie (fMRT) ist eine weit verbreitete Methode für neurowissenschaftliche Fragestellungen. Dabei werden Veränderungen durch metabolische Aktivität, die durch neuronalen Prozesse hervorgerufen wird, gemessen. Dies ermöglicht die Untersuchung dieser neuronaler Prozesse im menschlichen Gehirn, während dieses arbeitet. Die Untersuchung der neuronalen Basis für Empathie ist ein aktuelles Forschungsgebiet in den psychologischen Neurowissenschaften ist . Empathie ist eine Fähigkeit des Menschen, welche es ermöglicht, Zustände anderer Personen nachzuempfinden und ist damit ein fundamentaler Baustein für soziale Interaktion. Für die fMRT Datenanalyse stehen eine Vielzahl von Methoden zur Verfügung, wobei in der Empathieforschung derzeit vorwiegend Methoden, die auf univariater Statistik basieren, verwendet werden. Ein interessanter Aspekt dieser Untersuchungen ist die Identifikation von neuronalen Mechanismen die sowohl in der Eigenwahrnehmung als auch in der empathischen Wahrnehmung aktiv sind. Methoden, welche auf multivariater Statistik basieren, wurden erfolgreich eingesetzt, einerseits um aus den gemessenen Hirnaktivitäten den Mentalzustand der untersuchten Person abzulesen, andererseits zeigen diese Methoden eine erhöhte Sensitivität in der Identifikation von involvierten neuronalen Mechanismen. Zweck dieser Arbeit ist die Beschreibung und Demonstration einer neuen Methode, welche auf dem multivariaten Random Forest Klassifikator basiert. Die Methode ist in der Lage, die Emotion eines visuell-taktilen Reizes zu dekodieren. Des Weiteren werden die codierenden Muster in der Cortex-Aktivität, welche sowohl für Eigenwahrnehmung als auch in der empathischenWahrnehmung relevant sind, identifiziert. Die Arbeit befasst sich darüber hinaus auch mit der Visualisierung dieser codierenden Muster sowie der Darstellung von informativen Zusammenhängen von örtlich weit entfernten Aktivierungen. Diese Resultate bieten neuen Einblick örtlich verteilten neuronalen Muster für empathische Wahrnehmung.

Functional Magnetic Resonance Imaging (fMRI) is a widely used tool in neurosciences. It allows to measure metabolic properties related to neuronal activity in the working human brain. With that, processes in the human brain can be studied on a neuronal level. One field of current research in psychological neurosciences is the investigation of the neuronal basis for empathy. Empathy allows the human being to share affective states of others and is fundamental in social interaction. A huge variety of methods for analyzing fMRI measurements exist. Currently methods based on univariate statistics are predominantly used in empathy research. One factor of interest is to identify shared representations between self- and empathic-perception. Methods capturing multivariate properties have successfully been used to decode participant-s mental states from fMRI measurements and to increase sensitivity in detecting neuronal activity involved in the neuronal process. The aim of this thesis is to describe and demonstrate a novel method based on a multivariate Random Forest classifier on real data. The method successfully decodes the mental state induced by visuo- tactile stimuli. Further it is able to detect multivariate cortical activation patterns distributed across the entire brain, which are shared between self- and empathic perception. The thesis also deals with the visualization of the multivariate coding pattern, as well as with visualization of long ranged conjunctions which are informative in decoding the mental state. The results from this method will give support for new insight into distributed patterns of neuronal processes of empathy.