재화 진 동성 Prestimulus 활동의 통증 관련 공부에 Psychophysically - 고정, 강력한 임계 화
概要
예를 들면 QUEST 추정 절차와 정신 물리학 적 방법을 효율적으로 자극 강도 고통스러운 감각에에 아프지 않은 감각이 전환의 강력한 견적을 산출 할 수 있습니다. 임계 강도 반복 자극하여, 평가 응답의 변화는 직접적으로 후속 분석에 지각 적 분류에 기인 할 수있다.
Abstract
지각 적 연구에서 객관적 참가자간에 전달되는 자극 어떤지를 평가 또는 복수의 시험을 통해 자극에 의해 유발 된 내 개별 감각의 크기를 정량화하는 것이 중요하다. 이것은 인식 강도 자극 크기의 견고한 매핑을 필요로하며 일반적으로 이러한 계단 절차로 정신 물리학 추정 방법에 의해 달성된다. 데이터 수집의 효율을 극대화하는 동시에 추구 알고리즘 등 새롭고보다 효율적인 방법은 실시간 데이터에 대한 심리학 적 기능을 장착한다. 고통 아프지 인식의 임계 강도의 추정치는 강력한 진동 뇌 활동의 후속 분석에서 감각 입력의 변화의 영향을 줄일 수있다. 적응 추정 방법에 의해 결정되는 일정한 임계 강도로 자극하여, 등급의 변화는 직접적으로 지각 공정에 기인 할 수있다.진동 활동은 다음 밀접하게 통각의 지각 분류 방법에 관한 활동을 얻었다 "고통"직접 "없는 고통"시험 사이에 대조 할 수 있습니다.
Introduction
피험자 관련된 행동 실험을 실시하면, 밀접되게 자극의 세기를 제어 할 수있는 것이 중요하다. 모든 참가자에 대해 동일한 강도의 자극을 사용하지만, 일부 설정에 주관적 인식의 편견을 소개합니다. 통증과 같은 일부 지각 품질을 위해, 일정한 자극 레벨 1, 2에서인지 강도 높은 간 및 내 개인 차이가 있습니다. 동일 주관적인 지각 표상 가정 실험의 경우, 이에 따라 참가자 걸쳐 주관적인지 강도를 일치시킬 필요하다. 고통 아프지 자극 사이에, 예를 들어, 임계 레벨인지를 검사 할 때 중요하다. 정신 물리학 연구는 수십 년 동안 이러한 문제 유형을 해결하고 있으며, 강력한 정신 물리학 고정을 달성 할 수 정교하지만 사용하기 쉬운 방법이 오늘입니다.
받는 관련된 참여자의 응답에 변화가있을 때까지 ntent "> 개별 감각 크기에 자극의 세기를 맵핑하는 간단한 고전적인 방법은 계단 방식 3. 이에 따라, 연속적인 자극의 강도를 증가 또는 감소 주관적 감각 규모 원하는 시작점 또는 위치. 시간이 프로세스 번호를 반복가 반전 점 그럴듯한 추정을 산출한다. 고전적인 방법은, 그러나, 각각의 평가 시험에 포함 된 모든 정보를 활용하지 못한다.이 불필요 리드 시험의 많은 수의 융합에 도달하는 데 필요한. 같은 실패 할 수 있습니다 (선형) 회귀 또는 함수 피팅 등의 방법을, 자극의 강도와 감각의 크기 사이의 관계에 대한 가정은 잘못 또는 테스트 자극의 범위를 보유하지 않습니다. 적응 절차를하지 않을 경우 단지 특정 주관적 강도위한 강력한 점 추정치를 산출하지만, 그래서 더 효율적으로 수행. 특별 한을정신 물리학 방법은 강력하고 필요한 시행 횟수에 대해 효율적으로 동시에 둘 수 있도록 LY 무겁게 임계 또는 감각 크기의 정확한 추정에 의존 이상 실험의 경우, 필요하다. 이것은 통증 자극 총 노출 참가자의 이익을 위해 가능한 한 낮게 유지되어야 통증 연구 등의 분야에서 특히 중요하다.고전 계단 방법이 여전히 널리 사용되지만, 정량적 감각 테스트 예, 시험에서 취득한 정보를보다 효율적으로 사용하는 고급 추정 방법의 사용이 꾸준히 증가하고있다. 여기에서 사용되는 최대 우도 추정 방법 QUEST (4, 5)의 경우, 이것은 아마도 인기 matlab에 PsychToolbox 6 실내에서 쉽게 구할 구현 때문이다. 이 홍보의 현대, 수정 된 버전ocedure 견고성 우측 설정 7을 사용하는 경우, 충분한 추정치에 도달하기 위해 요구되는 실험의 수가 적은 모두 고전 추정 방법보다 우수하다.
퀘스트 절차 뒤에 이론적 근거는 자극의 강도와 감각의 강도 사이의 정신 물리학 적 변환을 모델로 들어오는 데이터에 이블 기능에 맞게하는 것입니다. 정신 물리학 이블 함수의 매개 변수로 인해 거짓 긍정적 인 속도와 응답 불일치로 예를 들면, 실험에 의해 지정된 부분의 함수의 기울기 또는 오프셋입니다. 강도 치수를 따라 관심 파라미터의 위치는 베이지안 최대 우도 추정을 이용한 방법에 의해 근사된다. 이에 따라, 확률 분포는 임계 강도 즉, 대상 파라미터의 위치를 통해 추정된다. 이러한 분배에 대한 분별 이전의 가정을 감안할 때, 알고리즘은 t을 결정합니다참가자가 응답해야한다고 그는 가장 유익한 강도. 절차의 현재 구현에서, 이것은 사전 확률 분포 (8)의 평균이다. 이블 함수 특징으로 각각의 연속적인 시험을 위해, 사전 확률 분포는 테스트 자극 수준에서 참가자의 주어진 반응의 가능성이 곱 본질이다. 모든 응답이 지속적으로 임계 파라미터에 대한 확률 분포의 추정치를 갱신하는 데 사용된다. 만족스러운 예측이 생성 될 때까지이 과정을 반복한다. 그 다음 테스트 된 자극 강도를 결정하기 위해 수집 한 응답의 즉시 사용하게되므로 절차는 단순 회귀보다 더 효율적이다. 또한, 상기 절차는 구체적으로는 예를 들어 임계 값 또는 소정의 감정 강도 관심 지점 주위에 조사된다. 회귀 이러한 제한된 범위에서만 테스트 데이터를 사용하면 불안정으로 이어질 것시험의 상대적으로 낮은 번호가 가능하다 설정에서 적응 절차가 더 강력하게 추정하고있다.
이러한 강력한 앵커링 정신 물리학 다른 설정 사이에서 시간에 따른 통증 민감도 변화 통각 / 이질통 연구 또는 약리학 적 개입의 진통 효과의 조절 성 효과를 측정하기 위해 사용될 수있다. 두 감각 컨티뉴 사이에서 임계 강도에 자극을 고정 할 수있는 또 다른 흥미로운 가능성은 고통스러운 감각도 9,도 10,도 11에 비 통증의 전환에 걸쳐 주관적 감각 검사한다. 통증 역치가 견고 추정 된 경우, 통증 및 무 통증 조건 물리적 자극 강도 (12)을 변경하지 않고, 예를 들면, 뇌파 (EEG) 활동에 대조 할 수 있으므로이 경우는 매우 흥미 롭다. 이것은 OBS 허용통증 및 비 통증으로 평가 실험과 뇌 활동의 차이를 검사하여 일정한 조건 하에서 자극 통증 지각 특정 프로세스 ervation.
우리는 견고 고통과 무 통증 활동 사이의 대비가 자극 사이트에 따라 재화의 효과를 조사하는 EEG 실험에서 개별 고통 임계 값을 결정하기 위해 PsychToolbox에 적응 추정의 쉽게 사용할 수 구현을 사용하는 방법을 보여줍니다. 자극 강도가 임계 절차 후에 일정하게 유지 될 수 있기 때문에, EEG 활성 후속 분석 자극 강도와 공동 변화를 설명 할 필요가 없다.
Protocol
Representative Results
Discussion
여기에서 우리는 효율적이 아닌 고통과 통증 지각 사이의 견고한 정신 물리학 임계 값을 추정하기 위해 잘 이론적으로 설립 QUEST 방법을 사용했다. 이 임계 값에 일정한 자극을 사용하여 자극의 크기의 변화에 독립적 인 지각 의사 결정의 분석을 가능하게한다. 우리는 무해한 유해 감각 도메인 사이의 전이 지점에서 임계 강도를 검사하는 동안, 통증 척도에 따라 다른 포인트 (예를 들어,</e…
開示
The authors have nothing to disclose.
Acknowledgements
/ 독일 연구 재단 (DFG) :이 작품은 Transregional 공동 연구 센터 TRR169 "가변성, 예측 및 상호 작용 Crossmodal 학습"에 의해 투자되고있다. 저자는 원고에 도움이 의견 스테파니 방패 감사합니다.
Materials
| EasyCap electrode cap | EasyCap, Woerthsee-Etterschlag, Germany | CUCHW-58 | |
| actiCap active Ag/Cl EEG electrode set | BrainProducts GmbH, Gliching, Germany | – | |
| SuperVisc EEG eletrode gel | EasyCap, Woerthsee-Etterschlag, Germany | V16 | |
| BrainAmp EEG amplifier | BrainProducts GmbH, Gliching, Germany | BrainAmp Standard | |
| PsychToolbox-3 | Mario Kleiner / Open Source | – | Available at http://psychtoolbox.org/ |
| Matlab | MathWorks, Natick, MA | Matlab R2015b | |
| DigiTimer DS7A constant current electrical stimulator | DigiTimer Ltd., Hertfordshire, United Kingdom | DS7A |
参考文献
- Coghill, R. C., McHaffie, J. G., Yen, Y. -. F. Neural correlates of interindividual differences in the subjective experience of pain. Proc. Natl. Acad. Sci. 100 (14), 8538-8542 (2003).
- Schulz, E., Tiemann, L., Schuster, T., Gross, J., Ploner, M. Neurophysiological coding of traits and states in the perception of pain. Cereb. Cortex. 21 (10), 2408-2414 (2011).
- Ehrenstein, W. H., Ehrenstein, A. Psychophysical Methods. Mod. Tech. Neurosci. Res. , 1325 (1999).
- Watson, A. B., Pelli, D. G. Quest: A Bayesian adaptive psychometric method. Percept. Psychophys. 33 (2), 113-120 (1983).
- Sims, J. A., Pelli, D. The ideal psychometric procedure. Investig. Ophthalmol. Vis. Sci. 28, 366 (1987).
- Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R., Broussard, C. What’s new in psychtoolbox-3. Perception. 36 (14), 1-16 (2007).
- Leek, M. R. Adaptive procedures in psychophysical research. Percept. Psychophys. 63 (8), 1279-1292 (2001).
- King-Smith, P. E., Grigsby, S. S., Vingrys, a. J., Benes, S. C., Supowit, A. Efficient and unbiased modifications of the QUEST threshold method: theory, simulations, experimental evaluation and practical implementation. Vision Res. 34 (7), 885-912 (1994).
- Boly, M., Balteau, E., et al. Baseline brain activity fluctuations predict somatosensory perception in humans. Proc. Natl. Acad. Sci. 104 (29), 12187-12192 (2007).
- Gross, J., Schnitzler, A., Timmermann, L., Ploner, M. Gamma oscillations in human primary somatosensory cortex reflect pain perception. PLoS Biol. 5 (5), 1168-1173 (2007).
- Ploner, M., Lee, M. C., Wiech, K., Bingel, U., Tracey, I. Prestimulus functional connectivity determines pain perception in humans. Proc. Natl. Acad. Sci. U. S. A. 107 (1), 355-360 (2010).
- Oertel, B. G., Preibisch, C., et al. Separating brain processing of pain from that of stimulus intensity. Hum. Brain Mapp. 33 (4), 883-894 (2012).
- Goolkasian, P. Cyclic changes in pain perception: an ROC analysis. Percept. Psychophys. 27 (6), 499-504 (1980).
- Hapidou, E. G., Rollman, G. B. Menstrual cycle modulation of tender points. Pain. 77 (2), 151-161 (1998).
- Huskisson, E. C. Measurement of pain. Lancet. 304 (7889), 1127-1131 (1974).
- Brainard, D. H. The Psychophysics Toolbox. Spat. Vis. 10 (4), 433-436 (1997).
- Taesler, P., Rose, M. Prestimulus Theta Oscillations and Connectivity Modulate Pain Perception. J. Neurosci. 36 (18), 5026-5033 (2016).
- Yarnitsky, D., Sprecher, E., Zaslansky, R., Hemli, J. A. Multiple session experimental pain measurement. Pain. 67 (2-3), 327-333 (1996).
- Rosier, E. M., Iadarola, M. J., Coghill, R. C. Reproducibility of pain measurement and pain perception. Pain. 98 (1-2), 205-216 (2002).
- Barthelmé, S., Mamassian, P. A flexible Bayesian method for adaptive measurement in psychophysics. arXiv:0809.0387. , (2008).
