We rely upon visual short-term memory (VSTM) for continued access to perceptual information that is no longer available. Despite the complexity of our visual environments, the majority of research on VSTM has focused on memory for lower-level perceptual features. Using more naturalistic stimuli, it has been found that recognizable objects are remembered better than unrecognizable objects. What remains unclear, however, is how semantic information changes brain representations in order to facilitate this improvement in VSTM for real-world objects. To address this question, we used a continuous report paradigm to assess VSTM (precision and guessing rate) while participants underwent functional magnetic resonance imaging (fMRI) to measure the underlying neural representation of 96 objects from 4 animate and 4 inanimate categories. To isolate semantic content, we used a novel image generation method that parametrically warps images until they are no longer recognizable while preserving basic visual properties. We found that intact objects were remembered with greater precision and a lower guessing rate than unrecognizable objects (this also emerged when objects were grouped by category and animacy). Representational similarity analysis of the ventral visual stream found evidence of category and animacy information in anterior visual areas during encoding only, but not during maintenance. These results suggest that the effect of semantic information during encoding in ventral visual areas boosts visual short-term memory for real-world objects.

Visual working memory is a brief, capacity-limited store of visual information that is involved in a large number of cognitive functions. To guide one’s behavior effectively, one must efficiently allocate these limited memory resources across memory items. Previous research has suggested that items are either stored in memory or completely blocked from memory access. However, recent behavioral work proposes that memory resources can be flexibly split across items based on their level of task importance. Here, we investigated the electrophysiological correlates of flexible resource allocation by manipulating the distribution of resources amongst systematically lateralized memory items. We examined the contralateral delay activity (CDA), a waveform typically associated with the number of items held in memory. Across three experiments, we found that, in addition to memory load, the CDA flexibly tracks memory resource allocation. This allocation occurred as early as attentional selection, as indicated by the N2pc. Additionally, CDA amplitude was better-described when fit with a continuous model predicted by load and resources together than when fit with either alone. Our findings show that electrophysiological markers of attentional selection and memory maintenance not only track memory load, but also the proportion of memory resources those items receive.

Abstract The heterogeneity of attention-deficit/hyperactivity disorder (ADHD) traits (inattention vs. hyperactivity/impulsivity) complicates diagnosis and intervention. Identifying how the configuration of large-scale functional brain networks during cognitive processing correlate with this heterogeneity could help us understand the neural mechanisms altered across ADHD presentations. Here, we recorded high-density EEG while 62 non-clinical participants (ages 18-24; 32 male) underwent an inhibitory control task (Go/No-Go). Functional EEG networks were created using sensors as nodes and across-trial phase-lag index values as edges. Using cross-validated LASSO regression, we examined whether graph-theory metrics applied to both static networks (averaged across time-windows: -500–0ms, 0–500ms) and dynamic networks (temporally layered with 2ms intervals), were associated with hyperactive/impulsive and inattentive traits. Network configuration during response execution/inhibition was associated with hyperactive/impulsive (mean R 2 across test sets = .20, SE = .02), but not inattentive traits. Post-stimulus results at higher frequencies (Beta, 14-29Hz; Gamma, 30-90Hz) showed the strongest association with hyperactive/impulsive traits, and predominantly reflected less burst-like integration between modules in oscillatory beta networks during execution, and increased integration/small-worldness in oscillatory gamma networks during inhibition. We interpret the beta network results as reflecting weaker integration between specialized pre-frontal and motor systems during motor response preparation, and the gamma results as reflecting a compensatory mechanism used to integrate processing between less functionally specialized networks. This research demonstrates that the neural network mechanisms underlying response execution/inhibition might be associated with hyperactive/impulsive traits, and that dynamic, task-related changes in EEG functional networks may be useful in disentangling ADHD heterogeneity.