Abstract Understanding variability of transcranial electrical stimulation (tES) effects is one of the major challenges in the brain stimulation community. Promising candidates to explain this variability are individual anatomy and the resulting differences of electric fields inside the brain. We integrated individual simulations of electric fields during tES with source-localization to predict variability of transcranial alternating current stimulation (tACS) aftereffects on α-oscillations. In two experiments, participants received 20 minutes of either α-tACS (1 mA) or sham stimulation. Magnetoencephalogram was recorded for 10 minutes before and after stimulation. tACS caused a larger power increase in the α-band as compared to sham. The variability of this effect was significantly predicted by measures derived from individual electric field modelling. Our results directly link electric field variability to variability of tACS outcomes, stressing the importance of individualizing stimulation protocols and providing a novel approach to analyze tACS effects in terms of dose-response relationships.

Withdrawal Statement The authors have withdrawn this manuscript owing to having received feedback that prompted a reconsideration of the findings in light of potential confounds associated with time-on-task effects, as highlighted by Benwell et al. (2019, NeuroImage). Subsequent in-depth analysis has led the authors to reassess the central assertions made in our original manuscript, and the main claims can no longer be supported. Therefore, the authors do not wish this work to be cited as reference for the project. If you have any questions, please contact the corresponding author.

Deep convolutional neural networks (CNNs) resemble the hierarchically organised neural representations in the primate visual ventral stream. However, these models typically disregard the temporal dynamics experimentally observed in these areas. For instance, alpha oscillations dominate the dynamics of the human visual cortex, yet the computational relevance of oscillations is rarely considered in artificial neural networks (ANNs). We propose an ANN that embraces oscillatory dynamics with the computational purpose of converting simultaneous inputs, presented at two different locations, into a temporal code. The network was trained to classify three individually presented letters. Post-training, we added semi-realistic temporal dynamics to the hidden layer, introducing relaxation dynamics in the hidden units as well as pulsed inhibition mimicking neuronal alpha oscillations. Without these dynamics, the trained network correctly classified individual letters but produced a mixed output when presented with two letters simultaneously, elucidating a bottleneck problem. When introducing refraction and oscillatory inhibition, the output nodes corresponding to the two stimuli activated sequentially, ordered along the phase of the inhibitory oscillations. Our model provides a novel approach for implementing multiplexing in ANNs. It further produces experimentally testable predictions of how the primate visual system handles competing stimuli.

Background: Just as substance use disorders (SUDs), gambling disorder (GD) is characterized by an increase in cue-dependent decision-making (similar to Pavlovian-to-instrumental transfer, PIT). PIT, as studied in SUDs and healthy subjects, is associated with altered communication between Nucleus Accumbens (NAcc), amygdala, and orbitofrontal cortex (OFC). These neural differences are, however, poorly understood. For example, it is unclear whether they are due to the physiological effects of substance abuse, or rather related to learning processes and/or other etiological factors like innate traits associated with addiction. We have thus investigated whether network activation patterns during a PIT task are also altered in GD, an addictive disorder not involving substance abuse. We have specifically studied which neural PIT patterns were best at distinguishing GD from HC subjects, all to improve our understanding of the neural signatures of GD and of addiction-related PIT in general. Methods: 30 GD and 30 HC subjects completed an affective decision-making task in a functional magnetic resonance imaging (fMRI) scanner. Gambling associated and other emotional cues were shown in the background during the task, allowing us to record multivariate neural PIT signatures focusing on a network of NAcc, amygdala and OFC. We built and tested a classifier based on these multivariate neural PIT signatures using cross-validated elastic net regression. Results and Discussion: As expected, GD subjects showed stronger PIT than HC subjects because they showed stronger increase in gamble acceptance when gambling cues were presented in the background. Classification based on neural PIT signatures yielded a significant AUC-ROC (0.70, p = 0.013). When inspecting the features of the classifier, we observed that GD showed stronger PIT-related functional connectivity between NAcc and amygdala elicited by gambling background cues, as well as between amygdala and OFC elicited by negative and positive cues. Conclusion: We propose that HC and GD subjects are distinguishable by PIT-related neural signatures including amygdala-NAcc-OFC functional connectivity. Our findings suggest that neural PIT alterations in addictive disorders might not depend on the physiological effect of a substance of abuse, but on related learning processes or even innate neural traits, also found in behavioral addictions.

Abstract Over the past decades, a plethora of studies have linked cortical gamma oscillations ( ∼ 30-100 Hz) to neuro-computational mechanisms. Their functional relevance, however, is still passionately debated. Here, we asked if endogenous gamma oscillations in the human brain can be entrained by a rhythmic photic drive > 50 Hz. A noninvasive modulation of endogenous brain rhythms allows conclusions about their causal involvement in neurocognition. To this end, we systematically investigated oscillatory responses to a rapid sinusoidal flicker in the absence and presence of endogenous gamma oscillations using magnetoencephalography (MEG) in combination with a high-frequency projector. The photic drive produced a robust response over visual cortex to stimulation frequencies of up to 80 Hz. Strong, endogenous gamma oscillations were induced using moving grating stimuli as repeatedly done in previous research. When superimposing the flicker and the gratings, there was no evidence for phase or frequency entrainment of the endogenous gamma oscillations by the photic drive. Unexpectedly, we did not observe an amplification of the flicker response around participants’ individual gamma frequencies; rather, the magnitude of the response decreased monotonically with increasing frequency. Source reconstruction suggests that the flicker response and the gamma oscillations were produced by separate, coexistent generators in visual cortex. The presented findings challenge the notion that cortical gamma oscillations can be entrained by rhythmic visual stimulation. Instead, the mechanism generating endogenous gamma oscillations seems to be resilient to external perturbation. Significance Statement We aimed to investigate to what extent ongoing, high-frequency oscillations in the gamma band (30-100 Hz) in the human brain can be entrained by a visual flicker. Gamma oscillations have long been suggested to coordinate neuronal firing and enable inter-regional communication. Our results demonstrate that rhythmic visual stimulation cannot hijack the dynamics of ongoing gamma oscillations; rather, the flicker response and the endogenous gamma oscillations coexist in different visual areas. Therefore, while a visual flicker evokes a strong neuronal response even at high frequencies in the gamma-band, it does not entrain endogenous gamma oscillations in visual cortex. This has important implications for interpreting studies investigating the causal and neuroprotective effects of rhythmic sensory stimulation in the gamma band.

Abstract The aim of this study is to uncover the network dynamics of the human visual cortex by driving it with a broadband random visual flicker. We here applied a broadband flicker (1–720 Hz) while measuring the MEG and then estimated the temporal response function (TRF) between the visual input and the MEG response. This TRF revealed an early response in the 40–60 Hz gamma range as well as in the 8–12 Hz alpha band. While the gamma band response is novel, the latter has been termed the alpha band perceptual echo. The gamma echo preceded the alpha perceptual echo. The dominant frequency of the gamma echo was subject-specific thereby reflecting the individual dynamical properties of the early visual cortex. To understand the neuronal mechanisms generating the gamma echo, we implemented a pyramidal-interneuron gamma (PING) model that produces gamma oscillations in the presence of constant input currents. Applying a broadband input current mimicking the visual stimulation allowed us to estimate TRF between the input current and the population response (akin to the local field potentials). The TRF revealed a gamma echo that was similar to the one we observed in the MEG data. Our results suggest that the visual gamma echo can be explained by the dynamics of the PING model even in the absence of sustained gamma oscillations. Author Summary The properties of the neuronal dynamics governing the visual system are highly debated. While some emphasize the neuronal firing rate and evoked activity in response to visual stimuli, others emphasize the oscillatory neuronal dynamics. To investigate the dynamical properties of the visual system, we recorded the magnetoencephalography while stimulating the visual system using a broadband (1–720 Hz) visual flicker. By estimating the temporal response function (similar to cross-correlation) between the visual input and neuronal activity, we demonstrated a clear response in the gamma band that we term the gamma echo. We then constructed a physiologically realistic network model that could generate gamma-band oscillations by a pyramidal-interneuron gamma (PING) mechanism. This model allowed us to account for empirically observed response in the gamma band, and to provide novel insight on the neuronal dynamics governing the early visual system. The stage is now set for further investigating how the gamma echo is modulated by tasks such as spatial attention as well as uncovering how the echo might propagate in the visual hierarchy.