Abstract Immersive virtual reality (VR) enables naturalistic neuroscientific studies while maintaining experimental control, but dynamic and interactive stimuli pose methodological challenges. We here probed the link between emotional arousal, a fundamental property of affective experience, and parieto-occipital alpha power under naturalistic stimulation: 37 young healthy adults completed an immersive VR experience, which included rollercoaster rides, while their EEG was recorded. They then continuously rated their subjective emotional arousal while viewing a replay of their experience. The association between emotional arousal and parieto-occipital alpha power was tested and confirmed by (1) decomposing the continuous EEG signal while maximizing the comodulation between alpha power and arousal ratings and by (2) decoding periods of high and low arousal with discriminative common spatial patterns and a Long Short-Term Memory recurrent neural network. We successfully combine EEG and a naturalistic immersive VR experience to extend previous findings on the neurophysiology of emotional arousal towards real-world neuroscience.

Abstract Brain-age (BA) estimates based on deep learning are increasingly used as neuroimaging biomarker for brain health; however, the underlying neural features have remained unclear. We combined ensembles of convolutional neural networks with Layer-wise Relevance Propagation (LRP) to detect which brain features contribute to BA. Trained on magnetic resonance imaging (MRI) data of a population-based study (n=2637, 18-82 years), our models estimated age accurately based on single and multiple modalities, regionally restricted and whole-brain images (mean absolute errors 3.37-3.86 years). We find that BA estimates capture aging at both small and large-scale changes, revealing gross enlargements of ventricles and subarachnoid spaces, as well as white matter lesions, and atrophies that appear throughout the brain. Divergence from expected aging reflected cardiovascular risk factors and accelerated aging was more pronounced in the frontal lobe. Applying LRP, our study demonstrates how superior deep learning models detect brain-aging in healthy and at-risk individuals throughout adulthood.

Abstract Aging is associated with increased white matter hyperintensities (WMHs) and with the alterations of alpha oscillations (7–13 Hz). However, a crucial question remains, whether changes in alpha oscillations relate to aging per se or whether this relationship is mediated by age-related neuropathology like WMHs. Using a large cohort of cognitively healthy older adults (N=907, 60-80 years), we assessed relative alpha power, alpha peak frequency, and long-range temporal correlations (LRTC) from resting-state EEG. We further associated these parameters with voxel-wise WMHs from 3T MRI. We found that a higher prevalence of WMHs in the superior and posterior corona radiata as well as in the thalamic radiation was related to elevated alpha power, with the strongest association in the bilateral occipital cortex. In contrast, we observed no significant relation of the WMHs probability with alpha peak frequency and LRTC. Finally, higher age was associated with elevated alpha power via total WMH volume. Although an increase in alpha oscillations due to WMH can have a compensatory nature, we rather suggest that an elevated alpha power is a consequence of WMH affecting a spatial organization of alpha sources.

Abstract The subjective experience of emotions is linked to the contextualized perception and appraisal of changes in bodily (e.g., heart) activity. Increased emotional arousal has been related to attenuated high-frequency heart rate variability (HF-HRV), lower EEG parieto-occipital alpha power, and higher heartbeat-evoked potential (HEP) amplitudes. We studied emotional arousal-related brain- heart interactions using immersive virtual reality (VR) for naturalistic yet controlled emotion induction. 29 healthy adults (13 women, age: 26±3) completed a VR experience that included rollercoasters while EEG and ECG were recorded. Continuous emotional arousal ratings were collected during a video replay immediately after. We analyzed emotional arousal-related changes in HF-HRV as well as in BHIs using HEPs. Additionally, we used the oscillatory information in the ECG and the EEG to model the directional information flows between the brain and heart activity. We found that higher emotional arousal was associated with lower HEP amplitudes in a left fronto- central electrode cluster. While parasympathetic modulation of the heart (HF-HRV) and parieto- occipital EEG alpha power were reduced during higher emotional arousal, there was no evidence for the hypothesized emotional arousal-related changes in bidirectional information flow between them. Whole-brain exploratory analyses in additional EEG (delta, theta, alpha, beta and gamma) and HRV (low-frequency, LF, and HF) frequency bands revealed a temporo-occipital cluster, in which higher emotional arousal was linked to decreased brain-to-heart (i.e., gamma→HF-HRV) and increased heart-to-brain (i.e., LF-HRV→gamma) information flow. Our results confirm previous findings from less naturalistic experiments and suggest a link between emotional arousal and brain-heart interactions in temporo-occipital gamma power.

Abstract Perception is biased by expectations and previous actions. Pre-stimulus brain oscillations are a potential candidate for implementing biases in the brain. In two EEG studies on somatosensory near-threshold detection, we investigated the pre-stimulus neural correlates of an (implicit) previous choice bias and an explicit bias. The explicit bias was introduced by informing participants about stimulus probability on a single-trial level (volatile context) or block-wise (stable context). Behavioural analysis confirmed adjustments in the decision criterion and confidence ratings according to the cued probabilities and previous choice-induced biases. Pre-stimulus beta power with distinct sources in sensory and higher-order cortical areas predicted explicit and implicit biases, respectively, on a single subject level and partially mediated the impact of previous choice and stimulus probability on the detection response. We suggest that pre-stimulus beta oscillations in different brain areas are neural correlates of explicit and implicit biases in somatosensory perception.