Mit MazeSuite und Functional Near Infrared Spectroscopy man Lernen in Spatial Navigation

Maze-Suite besteht aus drei Hauptanwendungen, ein Bildbearbeitungsprogramm, um Labyrinth-Umgebungen (MazeMaker), eine Visualisierung / Rendering-Modul (MazeWalker) und schließlich eine Analyse und Pfad Visualisierungstool (MazeAnalyzer) zu konstruieren. Die folgenden Abschnitte beschreiben die Verwendung von MazeSuite und weitere Details sind in den drei ergänzenden Videos zur Verfügung, eine für jeden MazeSuite Modul. 1. Designing Labyrinthe Die MazeMaker Antrag innerhalb von Maze-Suite, ermöglicht die Erstellung von dreidimensionalen (3D)-Umgebungen, indem Sie einfach diese auf einer zweidimensionalen (2D) Leinwand aus einer Vogelperspektive. Wände und Böden können durch Mausklicks erstellt werden, um Koordinaten anzugeben, und Benutzer können 3D-Objekt-Dateien zu importieren oder bearbeiten Eigenschaften der Elemente innerhalb des Labyrinths, wie Position, Orientierung, Farbe, Textur und Licht. Maze beginnen und enden Regionen können zusätzlich zu den anderen verlassen Kriterien wie ein Zeitlimit zugeordnet werden. Separate Textnachrichten können auch angezeigt, um einen Teilnehmer für jede Ausfahrt Zustand zu informieren. Während der Entwurfsphase können Labyrinthe, indem Sie die 'quick run' Funktion innerhalb MazeMaker getestet werden. Für die funktionelle Bildgebung Studien werden die Teilnehmer in der Regel aufgefordert, eine Reihe von Aufgaben mit wiederholten Versuchen durchzuführen. Um dies zu erleichtern Prüfung von wiederholten Versuchen, kann MazeMaker erstellen Labyrinth Liste Dateien, die Listen der Labyrinthe und SMS-Nachrichten sortiert sind für eine experimentelle Sitzung. Es ist wichtig, dass das Labyrinth-List-Datei für das Experiment vorbereitet und gründlich Pilotprojekten erprobt, bevor der Tag des Experiments. Ein flüchtiger Tutorial für die Nutzung und Entwicklung von Umgebungen mit MazeMaker ist in "- MazeMaker Zusätzliche Video-II 'zur Verfügung gestellt. 2. fNIR Setup und Platzierung der fNIR Sensor-pad Vorbereiten des fNIR Box Es gibt zwei Kabelanschlüsse hinter dem fNIR Feld. Einer der Steckplätze für USB-Anschluss und der andere Anschluss ist für das Netzkabel. Schließen Sie das Gerät fNIR Box per USB-Kabel an einen PC oder Laptop, dass für die Datenerfassung eingesetzt werden. Schließen Sie das Netzteil an das Gerät an und schalten Sie den Schalter. Das Flachbandkabel wird verwendet, um den Sensor-Pad mit dem fNIR Box verbinden. Der Sensor-Pad Häuser Lichtquelle (LED) und Photodetektoren. Die LEDs strahlen Infrarot-Licht bei 730nm und 850nm Wellenlänge, die vor allem durch sauerstoffarmes und sauerstoffreiches-Hämoglobin absorbiert werden bzw. und kann somit durch biologisches Gewebe eindringen. Platzieren Sie den Sensor-pad Bitten Sie die Teilnehmer, ihre Haare aus der Stirn heben, bevor Sensor Platzierung. Legen Sie die Sensorleiste oberhalb der Augenbrauen. Match der Mitte des Sensors mit der vertikalen Achse der Symmetrie, geht auch durch die Nase Drücken Sie die Sensor-Pad fest gegen die Stirn und mit einem Clip, um die Kabel zusammen zu halten an der Rückseite des Kopfes. Obwohl nicht unbedingt erforderlich, Kopf-wrap oder Tennis Bandana wird empfohlen, den Sensor-Pad zu sichern. Nach Platzierung des Sensors Pad auf der Stirn, bringen Sie die beiden Enden der Flachbandkabel an der fNIR Feld. Das Flachbandkabel sollte durch die Zusammenführung der 'I' und 'II' Seiten des Flachbandkabel mit den entsprechenden 'I' und 'II' Anschlüsse am Gerät angebracht werden. Starten des COBI Studio Software zur Datenerfassung Klicken Sie auf die Cognitive Brain Imaging Optical (COBI) Studio13-Symbol auf dem Desktop, um das Hauptfenster zu öffnen. Das Programm wird mit bestimmten Voreinstellungen für die Datenerfassung und Visualisierung kommen. Es ist wichtig zu überprüfen und zu bestätigen Datenerfassung Parameter und Auslösung (Marker-Synchronisation) auf Geräte-Einstellungen-Dialog, wenn nötig. COBI Studio kann automatisch Namen alle zugehörigen Daten-Dateien, wenn "Experiment-Modus" mit der "New Experiment" Assistent aktiviert ist. In der Daten-Ordner, 3 Arten von Dateien erstellt werden: (*. NIR) für fNIR Daten (*. MRK) für den Marker-Daten und (*. txt) für ein Protokoll des Experiments Sitzung. 3. Das Ausführen des Experiments: Rendering der Labyrinthe Gerät einstellen und starten fNIR Datenerfassung LED-Laufwerk Aktuelle legt fest, wie hell jeder LED leuchtet. Der Standardwert für LED-Laufwerk ist 20mA. Dieser Wert kann auf der Grundlage der Pigmentierung der Haut und andere Charakteristika des Teilnehmers zu ändern. Empfohlener Bereich für den LED-Strom zwischen 5mA bis 20mA Der Standardwert für die erstmalige Gewinn für alle Kanäle beträgt 20. Empfohlene Werte für Gain sind 1,5,10,15,20. Klicken Sie auf die Schaltfläche 'Start aktuellen Gerät "-Link, und überprüfen Sie die Signalqualität. Wenn die rohe Intensität Werte in COBI Ansatz 4000 gezeigt oder unter 1000, klicken Sie auf 'Stop Device', und stellen Sie die LED-Laufwerk Strom-und Geräte-Gewinnen Sie bis geeignete Werte erhalten werden. In Low-Signal Umständen erhöhen LED-Laufwerk Aktuelle vor steigenden Gerät zu erlangen. Unter gesättigten Signal Umständen reduzieren die Geräte sammeln, bevor die Verringerung der LED Strom. Sobald die Signalqualität akzeptabel ist, weiter zu Schritt 4. Starten Baseline. Diese sammeln 10 Sekunden an Daten und verwenden es als Ausgangswert in einer modifizierten Lambert-Beer-Gleichung gesetzt, um Konzentrationsänderungen für Oxy-und Desoxy-Hämoglobin-8 Berechnen. Lassen Sie die Baseline komplett (Mai 10 bis 20 Sekunden dauern) Klicken Sie auf "Start recording". Dies wird mit dem Sparen beginnen alle Daten. Experiment Protokoll sollte nach diesem Start. Experimenter können wählen, manuelle Marker während des gesamten Versuchs-Sitzung hinzufügen, um bestimmte Ereignisse durch Drücken der "Add manuelle Marker"-Tasten über die manuelle Marker-Menü in der linken unteren Ecke des Bildschirms zu bezeichnen. Starten Sie das Maze Suite auf visuelle Reize zu präsentieren. Mit MazeWalker um Labyrinthe zu machen Run MazeWalker aus dem Menü auf Start> Maze Suite> MazeWalker Schalten Sie Marker-Synchronisation, indem Sie 'Enable Serial Port "aus dem im Menü unter Erweitert> Serial Port-Optionen. Stellen Sie sicher, dass der richtige COM-Port-Adresse ausgewählt ist. Wählen Sie das Labyrinth-List-Datei (das war von MazeMaker erstellt), und wählen Sie auch Namen für die neue Log-Datei für diese Sitzung. Name oder Teilnehmernummer innerhalb Walker Field aufgezeichnet werden. Optional kann der autolog verwendet werden, um automatisch zu einem Zeitstempel Protokolldatei aufzeichnen, statt der manuellen Eingabe der Log-Datei werden. Klicken Sie auf 'Start', um den Prozess zu initiieren. Abhängig von der Video-Einstellungen können Protokoll laufen im Vollbildmodus oder im Fenstermodus. 4. Visualisierung des Subjekts Weg Mit MazeAnalyzer, kann der Forscher visualisieren das Labyrinth und der Teilnehmer den Weg aus dem Labyrinth und Log-Dateien. Darüber hinaus sind ein zusammenfassender Bericht einschließlich der gesamten Weglänge und die Zeit bis zur Fertigstellung der jedes Labyrinth als oberflächliche Verhaltensmaßnahmen produziert. Log-Dateien enthalten Informationen in Millisekunden Zeitauflösung über den Weg, dass ein Thema Reisen sowie Subjekts Sichtvektor und Interaktionen mit Objekten. Ein Tutorial-Video wird in "Zusätzliche Video-I – MazeAnalyzer" zur Verfügung gestellt und beschreibt die Verwendung von Basisfunktionalität MazeAnalyzer ist zusammen mit Methoden der Verhaltenstherapie-Metriken in die Ergebnisse beschrieben produzieren. 5. Die Verarbeitung der fNIR Daten und Analysen Rauschunterdrückung ist der erste Schritt zur Verarbeitung der Daten. Lärmquellen gehören 1) Kopfbewegung 2) Physiologische Signale wie Herzfrequenz und Atmung und 3) Instrument und Umwelt-Lärm. Kopfbewegung kann der fNIR Detektoren zu verschieben und verlieren den Kontakt mit der Haut, bei denen sie: 1) Umgebungslicht, 2) das Licht direkt aus dem fNIR Quellen emittiert, oder 3) Licht von der Haut reflektierte, anstatt von Gewebe reflektiert in der Hirnrinde. Diese Art von Bewegungsartefakten ist leicht erkennbar, weil sie plötzlich große Spitzen in der fNIR Daten verursacht. Eine subtilere Artefakt der Kopfbewegung wird durch die Auswirkungen der Schwerkraft auf die Gehirndurchblutung. Schnelle Kopfbewegungen kann das Blut in Richtung zu bewegen (oder von ihm weg) die Fläche, die überwacht wird, rasch zu (oder fallend) Blutvolumen mit einer gleichzeitigen Verdrehung der Daten. Da die Dynamik dieser Art von Bewegungsartefakten langsamer als LED "Pop" sind, können sie mit den tatsächlichen hämodynamische Reaktion aufgrund der Hirnaktivität verwechselt werden. Daher entfernen Bewegungsartefakte aus fNIR Daten ist ein wichtiger und notwendiger Schritt, wenn fNIR ist als ein Gehirn Monitoring-Technologie in natürlichen Umgebungen 16 eingesetzt werden. Physiologische Signale wie Herzfrequenz (über 0,5 Hz) und Atmung (über 0,2 Hz) sind in höheren Frequenzbereichen als hämodynamischen Reaktionen, so können sie beseitigt mit einem linearen Phase Tiefpass-FIR-Filter mit cut-off Frequenz zwischen 0,1 bis zu 0,15 Hz 9. Instrument und Umgebungslärm kann durch Umgebungslicht wie Tageslicht (DC) und Raumlicht (60Hz) oder Licht von einem Computer-Monitor (60-75Hz) stammen. Es wird vorgeschlagen, dass der beste Weg, diese Art von Rauschen zu eliminieren, um die experimentellen Umfeld und Datenerfassung entsprechend vorzubereiten. Eine analoge Tiefpassfilter (Anti-Aliasing-Filter) hat in der fNIR box umgesetzt zu beseitigen Falten hochfrequentes Rauschen auf Sampling-Frequenz-Bereich. Es gibt viele erweiterte Rauschunterdrückung Algorithmen zur Verfügung, die unterschiedliche Eigenschaften des Signals 17-20 nutzen. Allerdings, wenn ein Thema oder Session ausgeschlossen, wenn die Daten unwiederbringlich (dh gesättigte) werden. Abbildung 1. </strong> fNIR Signalkomponenten Die fNIR Rohsignale Lichtintensität Messungen (siehe Abbildung 1). Durch die Messung der optischen Dichte (OD) Änderungen bei zwei Wellenlängen, kann die relative Änderung von Oxy-Hb und deoxy-Hb gegen die Zeit unter Verwendung der modifizierten Beer-Lambert Gesetz 21-23 sein. OD zu einem bestimmten Eingang Wellenlänge (λ) ist das logarithmische Verhältnis von Eingangs-Lichtintensität (I in) und Ausgang (erkannt) Lichtstärke (I out). OD ist auch die Konzentration (c) und Extinktionskoeffizienten (e) von Chromophoren, die korrigierte Distanz (d) zwischen Lichtquelle und Detektor, plus eine konstante Dämpfung (G) zusammen. Nach der gleichen I in an zwei verschiedenen Zeitpunkten und detektierten Lichtintensität während der Baseline (I rest) und während der Durchführung der Aufgabe (I-Test), der Unterschied in der OD für die Wellenlänge λ ist Die Messung der OD bei zwei verschiedenen Wellenlängen gibt Diese Gleichung Set kann für Konzentrationen gelöst werden, wenn der 2×2-Matrix ist nicht singulär. Typischerweise sind die beiden Wellenlängen i gewählt) in 700-900nm, wo die Absorption von Oxy-Hb und deoxy-Hb sind dominant gegenüber anderen Gewebe Chromophore, und ii Vergleich) unterhalb und oberhalb der isosbestischen Punkt (~ 805nm, wo Absorptionsspektren des Desoxy – und Oxy-Hb einander kreuzen), um die Änderungen in Absorption entweder deoxy-Hb oder Oxy-Hb zu konzentrieren, bzw.. Die fNIR Instrument in dieser Studie verwendeten beschäftigt 730nm und 850nm Wellenlänge. Schließlich mit dem Marker (Zeitsynchronisation Signale), sind Zeiten der Grundlinie / Ruhe und Aufgaben beschriftet, und wählen Sie Eigenschaften aus Sauerstoffversorgung Daten wie Mittelwert, Minimum und Maximum-Werte extrahiert. COBI Studio spart Rohstoffe Lichtintensität Messungen berechnet und Sauerstoffversorgung Werte (unter Verwendung von modifizierten Bier lambert Gesetz) zu textbasierten Dateien sowie die Zeitsynchronisation (Marker)-Dateien. COBI Studio kann auch zur Entfernung von Rauschen Methoden wie Finite Impulse Response Tiefpass-oder Bandpassfilter anzuwenden. Output-Dateien können auf eine gemeinsame Analyse-Software wie (Matlab, Excel, SPM und SPSS) oder dedizierte Analyse-Software wie fnirSoft 24 zur weiteren Verarbeitung exportiert werden. 6. Repräsentative Ergebnisse fNIR Signal Beispiele Abbildungen 2-5 voreingestellten fNIR Rohsignale von einer einzigen Messstelle mit zwei Wellenlängen Komponenten (730nm und 850nm) separat ausgewiesen. Abbildung 2 stellt eine wirksame und akzeptable Signal Epoche, während Abbildung 3 und 4 nicht akzeptabel sind und muss entsorgt werden. Abbildung 5 zeigt Rohsignal mit Bewegungsartefakte verunreinigt war und muss gereinigt oder entsorgt werden. Abbildung 2. Eine gute fNIR Rohsignal Probe Abbildung 3. Eine schlechte fNIR Rohsignal Probe, wo 850nm Kanal gesättigt ist. Abbildung 4. Eine schlechte fNIR Rohsignal Probe, wo es Hardware-Problem oder Kabel Konnektivität Problem. Abbildung 5. Eine schlechte fNIR Rohsignal Probe, wo es Bewegungsartefakte. Study Protocol Assessments des Lernens werden am besten durch Retention (dh, Speicher) und Transfer (dh Generalisierbarkeit) Tests veranschaulicht. In unserer Studie wurden drei Labyrinthe (maze1, maze2 und maze3) während der Akquisitionsphase für insgesamt 105 Studien jeweils über 3 Tage geübt. Die beiden Bedingungen, Zufalls Praxis um (RND) und blockiert die Praxis um (BLK) sind in Abbildung 6 zusammengefasst. Zwei Probanden freiwillig für die 4 Tage zu studieren. Am 4. Tag wurden 10 Zurückbehaltungsrecht Studien für jedes Labyrinth geführt und die Labyrinthe wurden in einer zufälligen Reihenfolge präsentiert. Zwei neue Labyrinthe (maze4 und maze5) wurden geschaffen, mussten zusätzliche Gänge und verschiedene Start-und Endpunkte als die Labyrinthe ursprünglich praktiziert. Themen abgeschlossen zehn Studien für jede der beiden neuen Labyrinthen. Diese Labyrinthe bildeten einen Transfer-Phase und wurden in zufälliger Reihenfolge alle vorgestellt. Die Transferphase Labyrinthe wurden verwendet, um das Ausmaß, in dem jeder Gegenstand war in der Lage, ihr Lernen und Praxis mit dem Erwerb Labyrinthe verallgemeinern zu bestimmen. Abbildung 6. Repräsentatives Experiment Protokoll zu skizzieren. </ P> Study Behavioral Ergebnisse Die folgenden Abbildungen 7 bis 9, Anzeige Durchschnitts-Funktion Werte (Weglänge, insgesamt Zeitpunkt der Fertigstellung, und die Geschwindigkeit) der Probanden über jeden Tag. Zunächst werden die Ergebnisse aus maze1, maze2 und maze3 für RND und BLK Praxis aufgeführt. Als nächstes werden maze4 und maze5 Ergebnisse aufgeführt, um zufällige gegenüber blockiert Praxis zu vergleichen. Alle Fehlerbalken sind Standardfehler des Mittelwertes (SEM). Abbildung 7. RND Praxis Verhaltensleistung Zusammenfassung für Erwerb und Erhalt Aufgaben einschließlich der gesamten Weglänge, insgesamt Zeitpunkt der Fertigstellung und durchschnittliche Geschwindigkeit. Abbildung 8. BLK Praxis Verhaltensleistung Zusammenfassung für Erwerb und Erhalt Aufgaben einschließlich der gesamten Weglänge, insgesamt Zeitpunkt der Fertigstellung und durchschnittliche Geschwindigkeit. Abbildung 9. Behavioral Performance-Vergleich von BLK vs RND Praxis für die Übertragung Aufgaben einschließlich der gesamten Weglänge, insgesamt Zeitpunkt der Fertigstellung und durchschnittliche Geschwindigkeit. Study fNIR Ergebnisse Mit Sauerstoff angereichertes Hämoglobin-Konzentration Veränderung vom Ausgangswert über den zeitlichen Verlauf der einzelnen Labyrinth mit Marker-Daten aus MazeWalker (gibt den Beginn und das Ende jedes Labyrinth) erhielt gemittelt. Größere Größenordnung Konzentration Veränderungen ergriffen werden, um höhere Ebenen der regionalen Hirnaktivität stellen. Ein höheres Maß an Aktivierung wurde sowohl während der Speicherung und Übertragung Aufgaben für BLK Praxis im Vergleich zu RND Praxis beobachtet. Während der Übertragung Aufgaben wurde ein höheres Niveau der Aktivierung unter BLK Praxis gesehen, wie mit RND Praxis (siehe Abbildung 10) verglichen. Für die BLK Praxis unterliegen, erforderlich Erprobung des höheren Aktivierung im Vergleich zu Zurückbehaltungsrecht Studien. Für die RND Praxis unterliegen, DID Aktivierung Ebene nicht für die Übertragung und Speicherung Aufgaben unterscheiden sich hinsichtlich BLK Praxis unterliegen (siehe Abbildung 11) entgegen. Abbildung 10 dargestellt. Vergleich der durchschnittlichen Oxy-Hb-Konzentration ändert für BLK vs RND Praxis sowohl Retention Aufgaben (links) und Transfer-Aufgaben (rechts). Abbildung 11. Vergleich der durchschnittlichen Oxy-Hb-Konzentration ändert für die Beibehaltung vs Transfer Aufgaben für beide BLK (links) und RND (rechts) üben.