Kaynak Görüntüleme kullanarak Manyetoensefalografi ile amigdala Aktivitesi Algılama nasıl
Summary
Bu makale manyetoensefalografi (MEG) ile amigdala aktivite kayıt açıklamaktadır. Ayrıca bu yazı farkında olmadan iz korku klima, amigdala aktive bir görev yapmak için nasıl anlatacağız. Farkındalık işlemek için maskeleme geriye kullanarak bir iz klima paradigma Tasarımı 1): 3 konuları kapsamaktadır. Manyetoensefalografi kullanarak görevi sırasında 2) Kayıt beyin aktivitesi. 3) subkortikal yapılardan sinyal kurtarmak için kaynak görüntüleme kullanma.
Abstract
Iz korku klima bir koşullu uyaran (CS) kısa bir uyaran ücretsiz süre (iz aralığı) 1 sonra sunulan koşulsuz uyaran (UCS), oluşumu tahmin. CS ve UCS geçici olarak birlikte meydana gelmez, çünkü bu konuda iz aralığında olduğunu CS bir temsili tutmalıdır. İnsanlarda, öğrenme bu tür iz aralığı 2-4 köprü için uyarıcı şarta bilincini gerektirir. Bir yüz CS olarak kullanılan ancak ne zaman, konu üstü kapalı bile açık farkındalık * yokluğunda yüz korku öğrenebilirsiniz. Bu kısa bir iz aralığı boyunca, "biyolojik olarak ilgili" uyaranlara bazı türleri muhafaza edebilen ek nöral mekanizmalar olabileceğini göstermektedir. Amigdala iz klima dahil, ve yüzleri duyarlı olduğu göz önüne alındığında, bu yapının kısa bir iz aralığı sırasında bir yüz CS bir temsil koruyabilirsiniz mümkündür.
<p class = "jove_content"> Bu iki uyaranlara zaman ayrılmış olsa bile beyin, caydırıcı bir sonuç ile bir anlaşılmamış yüz ilişkilendirmek nasıl anlamak zordur. Ayrıca bu olay hakkında soruşturma iki özel zorluklar ile zor yapılır. İlk olarak, bu görsel uyaranlara maruz bilinç işlemek oldukça zordur. Görsel farkındalık işlemek için bir ortak yol geri maskeleme kullanmaktır. Geri maskeleme, bir hedef uyaran bir örtüşen maskeleme uyaran 5 bir sunum ile kısaca sunulan (<30 msn) ve hemen takip ediyor. Maskenin sunumu 6-8 görünmez hedef vermektedir. İkincisi, maskeleme zor pek çok ortak yaklaşımlar kullanarak maskeli bir uyarıya cevabın sinir yanıtları araştırmak için yapım çok hızlı ve hassas zamanlama gerektirir. Kan-oksijen seviyesi bağımlı (BOLD) yanıtları electroen gibi bir zaman ölçeği çok yöntem bu tür yavaş, ve gerçek zamanlı kayıt teknikleri çözmekensefalografi (EEG) ve manyetoensefalografi (MEG) derin kaynaklardan sinyal kurtarma zorluklar var.Ancak, MEG sinyal 9-11 sinir kaynakları lokalize için kullanılan yöntemler son gelişmeler olmuştur. Öznenin beynin yüksek çözünürlüklü MR görüntüleri toplayarak, tek tek sinir anatomisi dayalı bir kaynak modeli oluşturmak mümkündür. MEG sinyal kaynakları "görüntü" için bu modeli kullanarak, amigdala ve hipokampus * gibi, derin subkortikal yapılardan sinyal kurtarmak mümkündür.
Protocol
Farkındalık engellemek için maskeleme geriye kullanarak bir iz klima paradigma Tasarımı 1. Tasarım Uyarılar Iki grup için uyaranlara tasarlayın. Farklı kişilerden 4 nötr ifadeler seçin. Her yüz göz bölgesi aynı yerde olacak şekilde yüzleri aynı hizaya getirin. Saç, kulak ve diğer çevresel özellikleri artık görünür olacak şekilde oval kullanarak yüzleri kırpma. Derece 12 başına 5 devir daha az olduğunu tüm bilgileri kaldırarak, yüksek geçiren filtre görüntüler oluşturmak için Matlab sinyal işleme araç kutusu (deneme çalıştırmak için gerekli yazılım için Tablo 1'e bakınız) kullanın. Birlikte birkaç nötr ifadeler birleştirme ve görüntü yüksek uzaysal frekanslı gürültü ekleyerek maske oluşturun. Eşit parlaklık var ki tüm görüntüleri Normale. 2. Sunum kullanarak Programı Deney Parametreleri kullanarak Sunum Programı eğitim ve test aşamaları (Bakınız Şekil 1) aşağıda açıklanan. Buna ek olarak, programı Sunum tetiklediği şok sunmak için, eğitim ve test sırasında PSYLAB veri toplama yazılım paketi tarafından kullanılacak ayrı bir dosya (PCC). Eğitim oturumu program bloğu başına CS başına 15 çalışmalarda, ile diferansiyel iz korku klima 4 blok için. Her yargılanan 30 msn için olgu sunumu mevcut. Her bir deneme 970 msn için maske sunuyoruz. Her CS + yargılanan bu maske ile coterminates böylece, 100 msn için şok UCS sunuyoruz. Rastgele 1 4 kadranda görünecek şekilde CS / maske kombinasyonu yerini değiştirin. Bir değişken intertrial aralığı kullanarak 1 deneme her 6 ± 2 sn sunuyoruz. Her yüz CS, ve 5 denemeler iki yeni yüzü olgu sunumu her 5 denemeleri ile yeniden kazanımı ve test oturumu programı 1 blok için. </li> Test çalışmalar sırasında deri iletkenliği yanıtları (SCR) kaydetmek için yeteneğinizi en üst düzeye çıkarmak için, 8 saniye için CS sunuyoruz. Her CS + deneme üzerine CS + ile coterminates böylece, 100 msn için şok UCS sunuyoruz. Bir değişken intertrial aralığı kullanarak 1 deneme her 20 ± 4 sn sunuyoruz. Her iki oturumları sırasında UCS beklentisi rapor etmek konularda eğitim ve MRI / MEG uyumlu eksen cihazı kullanarak yanıtları kayıt (joystick, kaymak, arama; Bölüm 7). Katılımcıların altına yapıştırılan elektrotlar yoluyla test oturumu sırasında kayıt SCR (Bölüm 9'a bakın) ayak bıraktı. Manyetoensefalografi kullanarak görevi sırasında beyin aktivitesini Kaydı 3. MEG Suite (Bakınız Şekil 2) de Eğitim için donatım Kur. (Bkz. Tablo 2 standart DB25 çoklu konektör şerit kablo ile MEG toplama sistemine uyaran sunum bilgisayara bağlayın </stroDeney.) yapmak için gerekli ekipman için ng>. 2-bit izolasyon adaptörü ve senkronizasyon kablosu için 8-bit kullanarak PSYLAB tek başına monitör (SAM) için uyaran sunum bilgisayara bağlayın. Onlar SAM gönderilir eğer uyaran sunum işaretlemek için kullanılan transistör-transistör mantığı (TTL) bakliyat MEG veri eserler neden olabilir. Bu eserler önlemek için, yalıtım bağdaştırıcı tarafından bloke sadece bit kullanarak uyaranların başlangıç işareti. Ünite ile birlikte verilen kabloyu kullanarak SAM için şok stimülatörü (SHK1) bağlayın. Dalga kılavuzu ile korumalı uzatma kablosu geçmek ve şok uyarıcı bağlayın. Standart bir USB kablosu kullanarak PSYLAB veri toplama yazılımı çalıştıran bir bilgisayara SAM bağlayın. Gameport-to-gameport/BNC splitter ve noktasıdoğru-to-USB adapte kullanarak uyaran sunum bilgisayar (USB) ve MEG toplama sistemi (BNC) için döner arama bağlayıner. Odada nesne olmadan sensör verileri iki dakika kaydedin. 4. MRI Suite Test için Kurulum Ekipmanları Senkronizasyon kablosunu kullanarak SAM için uyaran sunum bilgisayara bağlayın. Ünite ile verilen kabloları kullanarak SAM için şok stimülatörü (SHK1) ve deri iletkenliği amplifikatör (SC5) bağlayın. Dalga kılavuzu ile korumalı uzatma SCR için kabloları ve şok geçmek ve kendi birimlerine bağlayın. Standart bir USB kablosu kullanarak PSYLAB veri toplama yazılımı çalıştıran bir bilgisayara SAM bağlayın. USB adaptöre noktasıdoğru kullanarak uyaran sunum bilgisayara döner kadran bağlayın. 5. MEG Suite Eğitim Kurulum Konu (Şekil 3) Bir kılavuz olarak, Şekil 3'te şematik görüntü kullanılarak konusu elektrotlar ve sensörler takın. Için tek kullanımlık elektrotlar takınöznenin sağ gözünün üstünde ve altında monitör eyeblinks. Sadece kalp altında öznenin sol tarafına ve sadece köprücük kemiği altında sağ göğüs kalp atışlarının izlenmesi için tek kullanımlık elektrotlar takın. Öznenin sol omuz arkasına bir referans olarak bir tek elektrot takın. Şok yönetmek için medial malleol üzerinde sağ tibial sinir içinde konuyla sağ bacağına iki fincan elektrotlar takın. Konu ile 4 baş pozisyonu göstergesi (HPI) bobinler, her bir gözün üzerinde bir ve her bir kulak arkasında bir takın. Dijital ortama konvansiyonel indirgeme noktalarını kullanarak HPI bobinleri göre konu başının konumunu. Haritayı öznenin nasion yerini ve sol ve sağ tragi, Polhemus sistemi kullanarak. Noktaları simetrik olduğundan emin fiducial noktaları göre öznenin dijital baş pozisyonu, aynı hizaya getirin. Sonraki harita öznenin HPI bobinleri konumunu. Son olarak, basamaköznenin kafa derisi boyunca 50-100 puan ize. MEG sistemine tabi eşlik ve uygun arayüz için elektrotlar ve sensörler bağlayın. Tek elektrodu MEG sistemi amplifikatör açar. MEG sisteme HPI kablo demeti takın. Şok elektrodu korumalı uzatma kablosu doğru yöneltir. Konu kafası MEG kask üst dokunmadan böylece sandalye kaldırın. Yansıtılan görüntünün odakta olacak şekilde ekrana yerleştirin. 6. Şok Çalıştırma Bir seviyeye şok ayarladığınız acı ama tolere edilebilir gibi konu raporları. 0 mA pozisyonu 5 mA konumundan kadranı çevirerek Kol şok uyarıcı. PSYLAB veri toplama yazılım paketinden uyaran kontrol penceresini kullanarak çarpması çeşitli sunumlar yönetmek. Her sunum konuda oranı üzerindeki şok yoğunluğu aldıktan sonra0 (hiç acı de) 10 (acı ama tolere edilebilir) için ölçek. Konu bir 10 olarak oranları kadar yavaş yavaş şok yoğunluğunu artırır. Konu ayrıntıları penceresinde parametre değeri kutusuna ölçekten değerini kaydedin; şoklara Bu kutuda belirtilen değer deney sırasında tatbik edilecektir. 7. Tepki Cihaz Örnek Sunum senaryo kullanarak arama uygun kullanımı ile ilgili konu söyleyin. . Talimatlar: Eğer yakın gelecekte stimülasyon bir sunum alacaksınız kesinlikle emin iseniz eminseniz "imleci sağa (100) için tüm yol getirin imleci sola tüm yol (0) Taşı size yakın gelecekte bir uyarı almayacaksınız. Eğer yakın gelecekte uyarılması alacak olup olmadığını bilmiyorsanız, orta (50) için götür. " 8. Eğitim sırasında kayıt MEG Recor2 kHz ham veri d iki dakika, konu açık gözlerini aittir süre. Önce eğitim PSYLAB veri toplama yazılımı kullanarak kayıt olay kodları ve şok teslim başlayacak. Bilgisayar tetiklediği zaman şok gönderir, böylece PSYLAB doğru PCC kod çalışır durumda olduğundan emin olun. Dört eğitim çalışır her birinde 2 kHz ham veri kaydedin. Görsel gürültü sistematik kaynakları için gerçek zamanlı verileri incelemek için bir yol olarak çevrimiçi ortalamaları kaydedin. Alışkanlık değerlendirmek için her çalıştırdıktan sonra şok yoğunluğu oranı için konu isteyin. 9. MRI Suite Test için Kurulum Konu MEG takımından MRI paketi için konu Escort. Şok elektrotlar takın ve şok yoğunluğunu yeniden kalibre. SCR izlemek için konu sol ayağının altına iki fincan elektrotlar takın. Konu hala t nasıl kullanılacağını anladığından emin olundiye yanıt cihaz. MR masaya konu yerleştirin, baş güvenli ve SCR ve şok elektrot ilgili korumalı kablolar yol açar bağlayın. Katılımcı baş bobin arkasına yerleştirilen ekranda görebilmeniz için baş bobinine bağlı ayna yerleştirin. 10. Test sırasında kayıt fMRI Yüksek çözünürlüklü anatomik görüntüleri (SPGR) toplayın. Standart görüntüleme parametreleri kullanarak test oturumu sırasında kayıt kan-oksijen seviyesi bağımlı tepkiler (TR = 2 sn; TE = 25 msn; view = 24 cm fleld; çevirme açısı = 90 °). Testten sonra konu bir yazı deneysel anket tamamladık. Subkortikal yapılar sinyal kurtarmak için kaynak görüntüleme kullanarak. 11. Davranış ve fMRI Veri Analiz Konular uyaranlara arasında ayrım başardık olmadığını belirlemek için UCS beklentisi kullanın. OrtalamaUCS beklentisi her deneme için 900 msn iz aralığı ve önceki 900 msn temel süre boyunca veri. Konu uyaran sunum sonra arama taşındı belirlemek için iz aralığı için değerinden başlangıç dönemi için değer çıkarın. Konular arasında deneme tekrarlayan ölçümler ANOVA bir CS tipi gerçekleştirin. Daha önce yayınlanmış standartlar 5,13-15 kullanarak test oturumu davranış ve fMRI verileri analiz. 12. Preprocess MRI Ses Bir parçalı subkortikal birim oluşturmak ve korteks, dış deri ve dış kafatasının yüzeylerine FreeSurfer 16 kullanın. AFNI okunabilir bir biçime hacimleri ve yüzeyleri dönüştürün. Importsurfaces.csh Run – size her konuda en segmentasyon klasöründe yeni bir 'MODEL' klasörüne ihtiyacınız olan tüm dosyaları kopyalar programı çalıştırmak ilk kez. Ayrıca, sörf oluşturmak için kullanılan bir "importsurface.mrml 'dosya yaratıramigdala ve hipokampus as modelleri. Slicer3 ve ParaView kullanarak yüzeyleri içine amigdala ve hipokampus hacimleri oluşturmak ve dönüştürmek. Öznenin 'MODEL' dizinden Slicer3 importsurface.mrml çalıştırın. Bu 3dslicer içine alan ve hacim yükleyecektir. Amigdala ve hipokampus modelleri oluşturmak, {yapısı}. Vtk gibi modelleri kaydedin. İthalat. Vtk dosyaları ParaView içine. Filtre Çalıştır "yüzey normalleri oluşturmak." {Yapısı}. Kat (ASCII) dosyaları olarak amy ve hipp için yüzey normalleri ihracat. Beyin fırtınası içine yüzeyleri ve MRG ses alın. Tekrar importsurfaces.csh çalıştırın – bu matlab tarafından okunabilir ve tess_ {yapısı} tüm kopyalar dosyaları içine yüzeyler dönüştürür mat dosyaları veritabanı dizini beyin fırtınası içine.. Zaten tess_ {yapısı} kopyalama önce beyin fırtınası bu konuyu oluşturduğunuz emin olun. (Adım 14.1) klasörüne beyin fırtınası için mat dosyaları. OVeritabanı yenilemek için emin olun beyin fırtınası içine yüzeyler elde nce. Fiducial noktaları belirleyerek standart uzaya MRG ses çözgü. El MR ile kafa derisi yüzeyine uyum, ardından diğer tüm yüzeylere çözgü geçerlidir. İki pial yüzey birleştirme ve 15.000 köşeler toplam sayısını azaltmak. İki hipokampal yüzey birleştirme ve 2.000 köşeler toplam sayısını azaltmak. Iki amigdala yüzey birleştirme ve 1.000 köşeler toplam sayısını azaltmak. , Pial hipokampal ve amigdala yüzeyleri birleştirme. Amigdala ve hipokampus için ilgi alanları (izcileri) oluşturun. 13. Beyin fırtınası 11 ile önişlem MEG Kayıtlar Beyin fırtınası veritabanında yeni konu oluşturun. Her eğitim oturumu için MEG kayıt dosyasını alın. Sinyal alanı kullanarak manyetik ekranlı oda (MSR) dış kaynaklardan kaynaklanan eserler çıkarmakayırma 17. Elektrokardiyografi (EKG) ve elektrookülografi (EOG) kanallarda tespit olaylardan sinyal alan projeksiyonları kullanılarak kalp atım ve göz hareketlerinin neden olduğu eserler çıkarın. Doğru tespit kalp atışı ve eyeblinks olaylar Beyin Fırtınası sağlamak için kayıtları kontrol edin. Gürültü diğer olası kaynakları için kayıtları kontrol edin. Eser sistematik kaynakları için çevrimiçi ortalamalarından oluşturulan uyarılmış verileri kontrol edin. PSYLAB SAM ünitesine gönderirse uyaranların başlangıç işareti için kullanılan TTL darbe kayıtlarında eserler neden olabilir unutmayın. TTL darbe SAM ünitesine şok yönetmek ve 2-bit izolasyon adaptöre 8-bit kullanarak kalan bakliyat kaynak birimi izole etmek için yalnızca gerekli gönder. 14. Beyin fırtınası ile Uyarılmış Yanıtlar analiz İlgili dönemini (900 msn -200 msn) belirlemek için olay kanal kullanınDeneysel çalışmalarda her biri için. Baş noktalarını kullanarak MR kaydı daraltın. Kayıtları gürültü kovaryans hesaplayın. Girdi olarak korteks ile örtüşen alanlarda yöntemi kullanılarak kafa modeli hesaplayın. Minimum norm tahmin yöntemi 10 kullanarak kaynakları hesaplayın. Kaynaklarına analizi devam edin. Bireysel denemeleri için bant-geçişli filtreye kaynaklar (1 Hz ila 20 Hz). Bant geçiren filtre kaynaklarının mutlak değerini alır ve temel değişkenlik dayalı z-skorları için bu değerleri dönüştürmek. Mekansal kaynakları (sigma = 5 mm) pürüzsüz. Çalışmalar boyunca ortalama kaynakları. Deney için varsayılan anatomi üzerine ortalamaları proje. Farklı koşullar karşısında kaynaklarına t-testi hesaplayın. Aile-bilge hata düzeltmek için mekansal ve zamansal eşikleri kullanarak Filtre önemli t-testi sonuçları. Önemli ölçüde aktif bölgeleri belirlemek ve ac zaman ders ihracather konu için tivasyon. Her bir zaman noktasında denekler arasında ortalama bir ortalama ve standart hatayı hesaplamak. 15. ROI beyin fırtınası kullanarak Zaman-frekans Ayırma gerçekleştirin Deney için varsayılan anatomi üzerine bireysel çalışmalardan elde edilen ham veri proje. Belirlenmesi ve uyarılmış yanıt analizinden veya anatomo-fonksiyonel önsel hipotez gelen ilgi alanları oluşturun. Standart parametreleri kullanarak her deneme için yatırım getirisi elde edilen verilerin zaman-frekans ayrıştırma hesaplayın (merkez frekansı = 1 Hz; zaman çözünürlüğü [FWHM] = 3 sn; frekans aralığı = 10:90 Hz; frekansı çözünürlüğü = 1 Hz). Z-skorları için zaman-frekans ayrışma haritalar çıkan dönüştürün. Ortalama her konu için çalışmalar boyunca ortaya çıkan haritalar. Farklı koşullar karşısında haritalar üzerinde t-testi yapın.
Representative Results
Bu eser klima sırasında görsel olgu sunumu bilincini manipüle mümkündür 1), ve hala öğrenme kanıtlar gösteriyor: yöntemleri kullanarak burada açıklanan, bizim araştırmalar iki önemli bulgular yol açmıştır. 2) Bu kaynak görüntüleme * kullanarak amigdala gelen MEG sinyalleri kurtarmak mümkündür. Bölüm 2, biz geri maskeleme ile görsel olgu sunumu bilincini işlemek için nasıl tarif. ~ 30 msn için görüntülenen bir maskeli uyarana maruz kaldığında, konu genel olarak uyaran sunum 5,6,8 * habersiz. Bu manipülasyon başarısı doğrulamak için bir yolu UCS oluşumunu tahmin konular yeteneğini ölçmektir. Maskeleme manipülasyon başarılı olursa, konu doğru CS tipi (Bakınız Şekil 4) dayalı UCS oluşumunu tahmin etmek mümkün olmalıdır. Eğitim bu tip zamanlama zor doğrudan le ölçmek için yapar rağmeneğitim oturumu sırasında UYARI. Bu dolaylı olarak eski ve yeni uyaranlara ile bir sonraki maskesiz yeniden kazanımı test oturumu için 5 * onları teşhir ederek öğrenme ölçmek mümkündür. Konularda eğitim aşamasında yükümlülükler hakkında bilgi sahibi iseniz, daha büyük büyüklüğü diferansiyel göstermelidir (CS +> CS-) yeni uyaranlara göre eski uyaranlara SCR. Biz konular CS-UCS şarta (; Bkz. Şekil 4 yani Denemeler 2-5) yeniden maruz sonra faz denemeleri test baktığımızda Bu etki Filtrelenmemiş grubunda belirgindir. Bölüm 8, biz maskeli iz Klima oturumu sırasında MEG kayıt nasıl tarif. Bu kayıtları işlemek için kaynak görüntüleme kullanarak, amigdala 18 * gibi subkortikal yapılardan MEG sinyal kurtarmak mümkündür. Konularda filtresiz yüz gösterilir (N = 9) olgu sunumu büyük amigdala yanıtları (Şekil 5) ve gam sergiyüksek geçiren filtre yüzleri (N = 9) gösterilmiştir grubuna göre ma salınımlar (Şekil 6). Buna ek olarak, bu konularda da oksipital yüz alanı (Şekil 7 ve Ek Video) gibi yüz işleme bölgelerin bir ağ daha büyük tepkiler gösterir. Şekil 1. Şematik tipik bir eğitim oturumu tasvir. Mevcut bir CS + 60 çalışma ve 60 denemeler bir CS-, yalancı rasgele sırayla, 15 çalışmaların her biri 4 blok vardır böyle. Hemen CS + çalışmalar hakkında şok UCS ile coterminates bir 970 msn maskesi takip, 30 msn için olgu sunumu mevcut. Şekil 2. Şematik depictiTipik bir klima deneyde kullanılan ng ekipman Bu kurulum mümkün yapar:. 1) Sunum yazılımı, 2) ile mevcut görsel uyaranlara kayıt UCS beklentisi Psylab donanım (SAM), 3) ile bir elektrik stimülasyonu UCS yönetmek bir eksen kullanılarak cihazı (çevirmeli) sunum bilgisayara bağlı ve 4) MEG toplama sistemi arayüzü üzerinden MEG kayıtları ile uyaran sunum ve yanıtları senkronize. Şekil 3,. Bölüm 5'te tarif edilen sensörler ve indirgeme noktaların her yerini gösteren çizim. Ekli hatları ile nokta etiketli sensörler ve potansiyel karşılık gelmektedir. Mavi oklar MRG anatomik hacmi ile MEG kayıtları kaydetmek için kullanılan fiducial noktalarını temsil eder. Mor noktasıs daha MEG-MR coregistration rafine için kullanılan dijital kafa derisi noktalarını temsil eder. Şekil 4. Tipik bir klima çalışma Davranış sonuçları. Soldaki grafik eğitim oturumu boyunca UCS beklentisi gösterir, Filtrelenmemiş ve Filtreli grupları arasında çöktü. Konular maskeleme işlemi olgu sunumu (p = 0.16 F (1,17) = 2.19) arasında ayrım yeteneğini bloke düşündüren, CS + ve CS-boyunca 60 denemeler için UCS beklentisi benzer seviyelerde gösteren dikkat edin. Sağdaki grafik test oturumu sırasında diferansiyel SCR gösterir. Filtrelenmemiş değil, Filtre grubu yeni bir çekim gücü (Filtrelenmemiş daha eski uyaranlara daha büyük diferansiyel SCR gösteren gibi görünüyor dikkat edin Yeni / Old x CS + / CS-etkileşim: F (1,7) = 5.94, p = 0.045; Filtreli Eski / Yeni x CS + / CS-etkileşim: F (1,7) = 1.13, p = 0.32), düşündüren bu eğitim Bu konular için CS-UCS derneklerin daha iyi yeniden kazanımı yol açar. (* P <0.05). Şekil 5,. Tipik bir klima deney MEG sonuçları. Soldaki şekil amigdala (turuncu), hipokampus (yeşil) ve MEG sinyal kaynaklarını modellemek için kullanılan serebral korteksin 3d modelleri gösterir. Sağdaki grafik MEG kayıtları modellenmiş bir amigdala kümeden faaliyet gösteren. Koyu renkli çizgi Filtreli yüzler tarafından uyarılmış faaliyet gösteren ise açık renkli çizgi, Filtresiz yüzler tarafından uyarılmış faaliyet gösteren. Ettikrtical gri gölgeli bölümleri Filtrelenmemiş yüzleri Filtreli yüzleri (F (1,17)> 3.44, p <0.05) önemli ölçüde daha büyük tepkiler uyandırmak zaman aralıklarında temsil eder. büyük rakam görmek için buraya tıklayın . 6 Şekil. Tipik bir klima deneyden amigdala zaman frekans sonuçları. Soldaki şekil amigdala (turuncu), hipokampus (yeşil) ve MEG sinyal kaynaklarını modellemek için kullanılan serebral korteksin 3d modelleri gösterir. Sağdaki grafik zaman ve frekans göre ayrılmış amigdala kaydedilen MEG sinyali temsil eder. Sıcak renkler unfiltere için önemli ölçüde daha fazla güç göstermek spektrograf bölgeleri temsilD süzüldü yüzler için daha karşı karşıyadır. Soğuk renkler tam tersi temsil eder. Çizgili kalıbı ile Bölgeler gruplarında önemli farklılıklar göstermektedir. büyük rakam görmek için buraya tıklayın . Şekil 7. Tipik bir klima deneyde oksipital yüz alanı aktivasyonunu gösteren. Renkler ilgili dipol de Filtresiz> Filtreli t-testi büyüklüğünü temsil Şekil. Sıcak renkler Filtreli yüzü daha Filtresiz yüzleri daha büyük tepkiler gösterir. Soğuk renkler Filtrelenmemiş yüzü daha Filtreli yüzleri daha büyük tepkiler gösterir. Ek Video. Video tipik bir Conditi kortikal yanıtları gösterendeney oning. Renkler ilgili dipol de Filtresiz> Filtreli t-testi büyüklüğünü temsil eder. Sıcak renkler Filtreli yüzü daha Filtresiz yüzleri daha büyük tepkiler gösterir. Soğuk renkler Filtrelenmemiş yüzü daha Filtreli yüzleri daha büyük tepkiler gösterir. tamamlayıcı filmi görmek için buraya tıklayın .
Discussion
Bu yazıda bir iz korku klima paradigma sırasında hedef olgu sunumu konuları 'bilincini işlemek için yöntemler 1) açıklar. 2) ve farkında olmadan iz korku klima sırasında amigdala gelen MEG sinyal kurtarmak için. Bu yöntemler kullanarak, yüzler UCS tahmin etmek kullanıldığında farkındalık mümkündür olmadan iz klima göstermek başardık. Bu sonuç, algısal algılama eşiği * aşağıda sunulmuştur bile yüzü özel bir işlem alma olduğunu göstermektedir. Bu sonuç ile uyumlu olarak biz bu geniş yelpazede iz aralığında sağlam amigdala yanıtları ve gama salınım patlamaları uyandırmak karşı karşıya bulundu. Bu sonuç, amigdala kısa bir iz aralığında bir yüz CS bir temsilidir koruma yeteneğine sahip olduğunu göstermektedir.
Birlikte sunulan olsa da, bu iki yöntem de bağımsız olarak kullanılabilir. Örneğin bu hedef işlemek için maskeleme geri kullanmak mümkündür görünürlükdavranış bilinçli farkındalık 5,6,8 * seviyesinin altında işlenmiş duygusal ipuçları etkilenebilir diğer paradigmaları içinde Sığ. Buna ek olarak, kaynak görüntüleme yaklaşımı kullanarak diğer subkortikal yapıların 3 boyutlu modeller oluşturmak mümkün olduğunu ve bölgeler belirli görevleri sırasında bu yapıların sinyal kurtarmak mümkün olabilir burada açıklanan. Örneğin, model hipokampal aktivite için kaynak görüntüleme kullanarak, bu mekansal navigasyon gibi görevleri sırasında hipokampal kaynaklardan MEG sinyal kurtarmak mümkün olabilir.
1) blok hedef uyaranlar, 2) bilinci ve MEG kullanarak uyaran uyarılmış amigdala yanıtları tespit yeteneği en üst düzeye çıkarmak: Burada anlatılan yöntemler göz önünde iki gol ile tasarlanmıştır. Bu tasarım kısıtlamaları zor uyaran şarta deneklerin örtülü bilgi ölçmek için yapmak. Örneğin, SCR birkaç saniye 5,13 boyunca çözmek, ancak CSS yalnızca sunulmuştur~ 30 eğitim sırasında msn, ve şok kısa bir süre (~ 900 msn) sonra sunulmuştur. Bu zaman kısıtlamaları göz önüne alındığında, CR ifade kaçınılmaz olarak eğitim sırasında UCR ifade tarafından eleştirilmiştir edilecektir. Bu nedenle colinearity nedeniyle, bir sonraki maskesiz test oturumu kullanarak uyaran şarta konularda bilgilerini test etmek için gereklidir. SCR deney 1 boyunca alışmalarına eğilimindedir Ancak, deney sonunda bir test oturumu optimal değildir. MEG ile güvenilir uyarılmış yanıtları göstermek için gerekli çalışmaların sayısı göz önüne alındığında, bu SCR alışkanlık eğitim bir davranış etkisi tespit etmek oldukça güç azalacaktır. Gelecek çalışmalar maskeli olgu sunumu ile korku klima sırasında indeksi örtük öğrenme için daha iyi yollar bulmaya odaklanmalıdır. Bu da eğitim (yani öğrenci dilatasyon 19,20) sırasında korku alternatif bir dizin bulma ya da admini olabilir korku daha duyarlı bir ölçü bulmak tarafından yapılabilirantrenmandan sonra stered.
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
Bu çalışma Ruh Sağlığı Ulusal Enstitüsü (MH060668 ve MH069558) tarafından desteklenmiştir.
Materials
| Software | |||
| Matlab | Mathworks | mathworks.com/products/matlab | |
| Presentation | Neurobehavioral Systems | neurobs.com | |
| Psylab | Contact Precision Instruments | psychlab.com | |
| AFNI | NIMH – Scientific and Statistical Computing Core | afni.nimh.nih.gov/afni | |
| Freesurfer | Martinos Center for Biomedical Imaging | surfer.nmr.mgh.harvard.edu/fswiki | |
| MNE | Martinos Center for Biomedical Imaging | nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | |
| Brainstorm | open-source collaboration | neuroimage.usc.edu/brainstorm | |
| 3d Slicer | open-source collaboration | slicer.org | |
| Paraview | Kitware | paraview.org | |
| Table 1. Software used Software used. | |||
| Equipment | |||
| Physiological Monitoring System | |||
| Psylab stand alone monitor (x2) | Contact Precision Instruments | SAM | |
| Skin conductance amplifier | Contact Precision Instruments | SC5 | |
| Shock stimulator (x2) | Contact Precision Instruments | SHK1 | |
| Additional Components | |||
| 8-bit synchronization cable (x2) | Contact Precision Instruments | Included with SAM | |
| 8-bit to 2-bit isolation adapter | N/A | Custom | |
| DB25 ribbon cable (x2) | N/A | Standard | |
| Shielded extension cable (x3) | Contact Precision Instruments | CL41 | |
| Radiotranslucent cup electrodes for SCR and shock (x6) | Biopac | EL258-RT | |
| Signa Gel | Parker Laboratories | 15-250 | |
| Response Device | |||
| Rotary dial with gameport connector (x2) | N/A | Custom | |
| Gameport-to-gameport/BNC splitter | N/A | Custom | |
| BNC cable | N/A | Standard | |
| Gameport-to-USB adapter (x2) | Rockfire | RM203U | |
| Additional Components for MEG Setup | |||
| HPI coils and wiring harness | N/A | Custom | |
| HPI positioning system | Inition | Polhemus Isotrak | |
| Table 2. Equipment used. |
Referencias
- Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. Neural substrates mediating human delay and trace fear conditioning. Journal of Neuroscience. 24, 218-228 (2004).
- Knight, D. C., Nguyen, H. T., Bandettini, P. A. The role of awareness in delay and trace fear conditioning in humans. Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).
- Manns, J. R., Clark, R. E., Squire, L. R. Parallel acquisition of awareness and trace eyeblink classical conditioning. Learning & Memory. 7, 267-272 (2000).
- Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. Fear acquisition requires awareness in trace but not delay conditioning. Psychophysiology. 44, 170-180 (2007).
- Balderston, N. L., Helmstetter, F. J. Conditioning with masked stimuli affects the timecourse of skin conductance responses. Behavioral Neuroscience. 124, 478-489 (2010).
- Flykt, A., Esteves, F., Öhman, A., Ohman, A. Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat. Biological Psychology. 74, 328-336 (2007).
- Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. On the unconscious subcortical origin of human fear. Physiology & Behavior. 92, 180-185 (2007).
- Whalen, P. J., et al. Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge. Journal of Neuroscience. 18, 411 (1998).
- Huang, M. X., Mosher, J. C., Leahy, R. M. A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG. Physics in Medicine and Biology. 44, 423-440 (1999).
- Hämäläinen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Medical & Biological Engineering & Computing. 32, 35-42 (1994).
- Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).
- Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. Distinct and convergent visual processing of high and low spatial frequency information in faces. Cerebral Cortex. 17, 2713-2724 (2007).
- Cheng, D. T., Richards, J., Helmstetter, F. J. Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock. Learning & Memory. 14, 485-490 (2007).
- Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning. Neuroreport. 10, 3665-3670 (1999).
- Schultz, D. H., Helmstetter, F. J. Classical conditioning of autonomic fear responses is independent of contingency awareness. Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).
- Fischl, B., et al. Sequence-independent segmentation of magnetic resonance images. NeuroImage. 23, 69-84 (2004).
- Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the Signal Space Separation Method. Brain Topography. 16, 269-275 (2004).
- Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. , (2010).
- Reinhard, G., Lachnit, H., König, S. Tracking stimulus processing in Pavlovian pupillary conditioning. Psychophysiology. 43, 73-83 (2006).
- Reinhard, G., Lachnit, H. Differential conditioning of anticipatory pupillary dilation responses in humans. Biological Psychology. 60, 51-68 (2002).
Citar este artículo
Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging. J. Vis. Exp. (76), e50212, doi:10.3791/50212 (2013).