Usando MazeSuite e Funcional espectroscopia no infravermelho próximo para o Estudo Aprendizagem em navegação espacial

Maze Suite-consiste em três aplicações principais: um programa de edição para construir ambientes de labirinto (MazeMaker), um módulo de visualização / renderização (MazeWalker) e, finalmente, uma análise e uma ferramenta de caminho de visualização (MazeAnalyzer). As seções seguintes descrevem o uso de MazeSuite e mais detalhes estão disponíveis em três vídeos complementares, um para cada módulo MazeSuite. 1. Labirintos projetar A aplicação MazeMaker dentro Maze Suite-, permite a criação de três dimensões (3D) ambientes, simplesmente desenhando-os em uma tela bidimensional (2D) de ver um dos pássaros olho. Paredes e pisos podem ser tiradas por cliques do mouse para indicar as coordenadas, e os usuários podem importar arquivos objeto 3D ou editar propriedades de itens dentro do labirinto, tais como posição, orientação, cor, textura e luzes. Regiões começam labirinto e no final pode ser atribuído, além de outros critérios de saída, como um período de tempo. Mensagens de texto em separado também podem ser exibidos para informar um participante para cada condição de saída. Durante a fase de design, labirintos podem ser testados usando a função "corrida rápida" dentro MazeMaker. Para estudos de imagem funcional, os participantes são geralmente convidados a executar uma série de tarefas com ensaios repetidos. Para facilitar este teste de ensaios repetidos, MazeMaker pode criar arquivos de labirinto lista, que são classificados listas de labirintos e mensagens de texto para uma sessão experimental. É fundamental que o arquivo da lista labirinto para o experimento é preparado e bem-piloto testado antes do dia do experimento. Um tutorial superficial para o uso e desenvolvimento de ambientes com MazeMaker é fornecido em 'Suplementar vídeo II – MazeMaker'. 2. Setup fNIR e colocar o sensor de fNIR-pad Preparar o Box fNIR Existem dois conectores do cabo atrás da caixa fNIR. Um dos slots é para conexão USB ea conexão outro é para o cabo de alimentação. Conecte o caixa do dispositivo fNIR através do cabo USB a um PC ou laptop que será utilizado para aquisição de dados. Conecte o adaptador de energia para o dispositivo e ligue o interruptor. O cabo de fita é usada para conectar o pad sensor com a caixa fNIR. O sensor pad fonte de luz casas (LEDs) e detectores de fotos. Os LEDs emitem luz infravermelha em comprimentos de onda 730nm e 850nm que são absorvidos principalmente por desoxigenado e oxigenado-hemoglobina, respectivamente e, portanto, podem penetrar através do tecido biológico. Colocar o Sensor-pad Peça ao participante para levantar seu cabelo fora da testa antes da colocação do sensor. Colocar a tira de sensor logo acima das sobrancelhas. Coincidir com o centro do sensor com o eixo vertical de simetria que passa também pelo nariz Pressione a tecla do sensor de firmeza contra a testa e usar um clipe para prender os cabos junto à parte de trás da cabeça. Embora não seja estritamente necessário, cabeça-wrap ou bandana de tênis é recomendado para proteger o bloco de sensor. Ao colocar o bloco sensor na testa, prenda as duas extremidades do cabo de fita para a caixa de fNIR. Os cabos de fita deve ser presa por correspondência o "eu" e os lados "II" do cabo de fita com o correspondente 'I' e 'II' conectores no dispositivo. Iniciando o Software Studio COBI para coleta de dados Clique no Cognitiva Cérebro Optical Imaging (COBI) Studio13 ícone no desktop para abrir a janela principal. O programa virá com certas configurações pré-definidos para a recolha de dados e visualização. É importante verificar e confirmar os parâmetros de aquisição de dados e acionamento (sincronização marcador) na caixa de diálogo Configurações do dispositivo, se necessário. COBI Studio pode nomear automaticamente todos os arquivos de dados se o "Modo Experiment" é ativado, usando o "New Experiment" assistente. Na pasta de dados, 3 tipos de arquivos serão criados: (*. nir) para dados fNIR, (*. MRK) para dados marcador e (*. txt) de um log da sessão experimento. 3. Execução do experimento: Prestação dos labirintos Dispositivo de partida e de aquisição de dados fNIR Atual Unidade LED define quão brilhante brilha cada LED. O valor padrão para atual Unidade LED é 20mA. Este valor pode ter que mudar com base na pigmentação da pele e outras características do participante. Intervalo sugerido para o atual LED está entre 5 mA a 20 mA O valor padrão para ganho inicial para todos os canais é de 20. Valores sugeridos para ganho são 1,5,10,15,20. Clique no link "Iniciar dispositivo atual", e examinar a qualidade do sinal. Se os valores de intensidade primas mostrado na abordagem COBI 4000 ou estão abaixo de 1000, clique em "Dispositivo Stop ', e ajustar a unidade de LED atual e DispositivoGanho até valores adequados são obtidos. Em circunstâncias de sinal baixo, aumente Unidade LED atual antes de Ganho de dispositivos cada vez maior. Em circunstâncias sinal saturado reduzir o ganho do dispositivo antes de reduzir a atual unidade LED. Uma vez que a qualidade do sinal é aceitável, continue para a Etapa 4. Iniciar Linha de Base. Isto irá recolher 10 segundos de dados e usá-lo como base em uma equação modificada Beer-Lambert set para calcular as mudanças de concentração para oxi e desoxi-hemoglobina 8. Deixe a linha de base completo (pode levar de 10-20 segundos) "Comece a gravar 'clique. Isso vai começar a salvar todos os dados. Protocolo de experimento deve começar depois disso. Experimentador pode optar por adicionar marcadores manuais durante toda a sessão experimental para designar determinados eventos, pressionando os botões de "marcador manual de adicionar 'usando o menu marcador manual localizado no canto inferior esquerdo da tela. Iniciar a Suite Maze apresentar estímulos visuais. Usando MazeWalker para tornar labirintos Executar MazeWalker a partir do menu Iniciar em> Suite Maze> MazeWalker Ativar a sincronização marcador selecionando 'Ativar Porta Serial "do no menu em Avançado> Opções de porta serial. Garantir que o endereço da porta COM correta está selecionada. Selecione o arquivo da lista de labirinto (que foi criado por MazeMaker), e também selecionar o nome para o novo arquivo de log para essa sessão. Nome ou número de participantes pode ser gravado dentro de campo andador. Opcionalmente, o autolog pode ser usado para gravar automaticamente para um arquivo de log com carimbo de tempo ao invés de especificar manualmente o arquivo de log. Clique em 'Start' para iniciar o processo. Dependendo das configurações de vídeo, o protocolo pode ser executado em tela cheia ou em modo janela. 4. Visualizando caminho do sujeito Usando MazeAnalyzer, o pesquisador pode visualizar o labirinto eo caminho do participante do labirinto e arquivos de log. Além disso, um relatório de síntese, incluindo comprimento total do caminho eo tempo para conclusão do labirinto cada são produzidos como superficial medidas comportamentais. Arquivos de log contêm informações em milissegundos resolução de tempo sobre o caminho que um sujeito viajado, bem como vector sujeito ver e interações com os objetos. Um vídeo tutorial é fornecido em 'Suplementar de vídeo I – MazeAnalyzer "e descreve o uso de funcionalidades básicas MazeAnalyzer junto com métodos para produzir as métricas comportamentais descritos na seção de resultados. 5. Processamento dos dados e análise fNIR Remoção de ruído é o primeiro passo para o processamento dos dados. Fontes de ruído incluem: 1) Movimento Cabeça 2) sinais fisiológicos, como freqüência cardíaca e respiração e 3 Instrumento) e relacionadas com o ambiente de ruído. O movimento da cabeça pode causar os detectores fNIR a mudar e perder o contato com a pele, expondo-os: a luz ambiente 1), 2) a luz emitida diretamente das fontes fNIR; ou 3) a luz refletida da pele, ao invés de ser refletido a partir do tecido no córtex. Este tipo de artefato de movimento é facilmente identificável porque provoca repentina, grandes picos nos dados fNIR. Um artefato mais sutis de movimento da cabeça é devido aos efeitos da gravidade sobre o sangue cerebral. O movimento da cabeça rápida pode causar o sangue para se mover em direção (ou longe) a área que está sendo monitorado, aumentando rapidamente (ou diminuição) do volume sanguíneo com uma inclinação concomitante dos dados. Dado que a dinâmica deste tipo de artefato de movimento são mais lentos que LED "pop" podem ser confundidas com a verdadeira resposta hemodinâmica devido à ativação do cérebro. Assim, a remoção de artefatos de movimento a partir de dados fNIR é um passo importante e necessário se fNIR deve ser implementado como uma tecnologia de monitorização cerebral em ambientes naturais 16. Sinais fisiológicos, como freqüência cardíaca (acima de 0,5 Hz) e respiração (mais de 0,2 Hz) estão em faixas de freqüência maior do que as respostas hemodinâmicas, assim, eles podem ser eliminados usando um linear fase filtro passa-baixa FIR com a freqüência de corte entre 0,1 a 0,15 Hz 9. Instrumento e ruído ambiental pode ter origem devido à luz ambiente, como luz do dia (DC) e da luz ambiente (60Hz) ou a luz de um monitor de computador (60-75Hz). Sugere-se que a melhor maneira de eliminar este tipo de ruído é preparar o ambiente experimental e aquisição de dados em conformidade. Um passe analógico baixo do filtro (filtro anti-aliasing) foi implementado na caixa fNIR para eliminar dobrar de ruído de alta freqüência de amostragem em faixa de freqüência. Existem vários algoritmos de redução de ruído avançada disponíveis que utilizam diferentes características do sinal 17-20. No entanto, se um assunto ou sessão pode ser excluída se os dados é irrecuperável (isto é saturada). Figura 1. </strong> fNIR componentes de sinal Os sinais fNIR-primas são medições de intensidade de luz (veja a Figura 1). Ao medir a densidade óptica (OD) mudanças em dois comprimentos de onda, a variação relativa de oxi-Hb e desoxi-Hb versus tempo pode ser obtida usando o modificado Beer-Lambert Lei 21-23. OD no comprimento de onda de entrada específico (λ) é a razão logarítmica da intensidade da luz de entrada (I in) e saída (detectado) a intensidade da luz (I out). OD também está relacionado com a concentração (c) e coeficiente de extinção (e) de cromóforos, a distância corrigida (d) entre a fonte de luz e detector, além de um fator de atenuação constante (G). Eu tendo a mesma em dois momentos diferentes do tempo e intensidade de luz detectada durante a linha de base (resto eu) e durante a execução da tarefa (teste I), a diferença no comprimento de onda λ de OD é Medir o OD em dois diferentes comprimentos de onda dá Este conjunto de equações pode ser resolvido para as concentrações se a matriz 2×2 é não-singular. Tipicamente, os dois comprimentos de onda são escolhidos i) no prazo de 700-900nm, onde a absorção de oxi-Hb e desoxi-Hb são dominantes em relação aos cromóforos outros tecidos, e ii) abaixo e acima do ponto de isosbestic (~ 805nm, onde espectros de absorção de desoxi – e oxi-Hb cruzam) para focar as mudanças na absorção para qualquer desoxi-Hb ou oxi-Hb, respectivamente. O instrumento fNIR utilizados neste estudo emprega comprimentos de onda 730nm e 850nm. Finalmente, usando os marcadores (sinais de sincronização de tempo), os períodos de início / descansar e as tarefas são rotulados e selecionar os recursos a partir de dados de oxigenação são extraídos como min dizer, e os valores max. COBI Studio salva ambas as medições de luz crua intensidade e valores oxigenação calculado (usando uma versão modificada de cerveja lambert lei) para arquivos de texto com base, bem como a sincronização de tempo (marcador) arquivos. COBI Studio pode também ser usado para aplicar métodos de remoção de ruído, como resposta ao impulso finita low-pass ou band-pass filtros. Arquivos de saída podem ser exportados para o software de análise comuns, tais como (Matlab, Excel, SPSS e SPM) ou software de análise dedicada, como fnirSoft 24 para processamento posterior. 6. Resultados representante Sinal Exemplos fNIR Figuras 2-5 sinais fNIR pré-primas a partir de um local de medição única, com dois componentes de comprimento de onda (730nm e 850nm) apresentados separadamente. A Figura 2 representa uma época sinal válido e aceitável enquanto que a Figura 3 e 4 são inaceitáveis ​​e precisa ser descartado. A Figura 5 apresenta sinal bruto, que foi contaminado com artefato de movimento e precisa ser limpo ou descartado. Figura 2. FNIR Um bom exemplo de sinal bruto Figura 3. FNIR Um mau exemplo de sinal bruto em canal de 850nm está saturado. Figura 4. FNIR Um mau exemplo de sinal bruto, onde há problema de hardware ou problema de conectividade por cabo. Figura 5. Um mau sinal bruto fNIR amostra onde existem artefatos de movimento. Protocolo de estudo Avaliações de aprendizagem são mais bem exemplificado pela retenção (ie, memória) e (ie, generalização) transferência de testes. Em nosso estudo, três labirintos (maze1, maze2 e maze3) eram praticados durante a fase de aquisição para um total de 105 ensaios em cada três dias. As duas condições; ordem prática aleatória (RND) e ordem prática bloqueado (BLK) estão resumidos na Figura 6. Dois assuntos como voluntários para o estudo de quatro dias. No 4 º dia, 10 ensaios de retenção foram conduzidos para cada labirinto e os labirintos foram apresentados em uma ordem aleatória. Dois labirintos romance (maze4 e maze5) foram criados corredores que tinham adicionais e diferentes pontos de início e fim do que os labirintos originalmente praticada. Indivíduos completaram dez ensaios para cada um dos dois novos labirintos. Estes labirintos constituíam uma fase de transferência, e foram apresentados em uma ordem aleatória para todos. Os labirintos fase de transferência foram usados ​​para determinar a extensão em que cada sujeito foi capaz de generalizar a sua aprendizagem e prática com labirintos de aquisição. Figura 6. Esboço de protocolo Representante experimento. </ P> Resultados do Estudo do Comportamento As figuras a seguir 7 a 9, exibir valores funcionalidade média (comprimento do caminho, o tempo total de conclusão, e velocidade) de indivíduos ao longo de cada dia. Em primeiro lugar, os resultados de maze1, maze2 e maze3 estão listadas tanto para RND e prática BLK. Em seguida, maze4 e maze5 resultados estão listados para comparar os resultados prática aleatória contra bloqueado. Todas as barras de erro são de erro padrão da média (SEM). Figura 7. RND prática resumo do desempenho comportamental para aquisição e retenção de tarefas, incluindo comprimento total do caminho, o tempo total de conclusão e velocidade média. Figura 8. Prática BLK resumo do desempenho comportamental para aquisição e retenção de tarefas, incluindo comprimento total do caminho, o tempo total de conclusão e velocidade média. Figura 9. Comparação de desempenho comportamental de BLK vs RND prática para tarefas de transferência incluindo o comprimento total do caminho, o tempo total de conclusão e velocidade média. FNIR Resultados do Estudo Mudanças hemoglobina oxigenada de concentração da linha de base foram calculados sobre o curso de tempo de cada indivíduo labirinto usando dados marcador recebido MazeWalker (indica o início e final de cada labirinto). Mudanças maior concentração magnitude são tomadas para representar os níveis mais elevados de ativação cerebral regional. Um maior nível de ativação foi observada durante as tarefas tanto de retenção e transferência para a prática BLK comparação com RND prática. Durante as tarefas de transferência, um maior nível de ativação foi visto em prática BLK, em comparação com a prática RND (Veja figura 10). Para o sujeito praticar BLK, ensaios de transferência necessária maior ativação em relação aos ensaios de retenção. Para o sujeito praticar RND, nível de activação não diferiram para tarefas de transferência e retenção em oposição à prática sujeita BLK (Veja figura 11). Figura 10. Comparação da variação média oxi-Hb de concentração para BLK vs RND prática para ambas as tarefas de retenção (esquerda) e tarefas de transferência (à direita). Figura 11. Comparação da variação média oxi-Hb de concentração para a retenção versus transferir tarefas para os BLK (esquerda) e RND prática (à direita).