Mekansal Navigasyon Öğrenme Eğitim için Infrared Spektroskopisi civarında MazeSuite ve Fonksiyonel kullanma

Bir düzenleme programı labirent ortamlarda (MazeMaker), bir görselleştirme / resimleme modülü (MazeWalker), ve nihayet bir analiz ve yol görselleştirme aracı (MazeAnalyzer) oluşturmak için; Labirent-Suite üç ana uygulamalardan oluşur. Aşağıdaki bölümlerde MazeSuite kullanımı tanımlamak ve daha fazla ayrıntı için, her modül için tek MazeSuite üç ek video mevcuttur. 1. Tasarımı labirentine Labirent-Suite içinde MazeMaker uygulaması, sadece bir kuş bakışı görünüme bir iki boyutlu (2D) tuval bunları çizerek üç boyutlu (3D) ortamları oluşturmasına olanak sağlar. Duvarlar ve zeminler koordinatları belirtmek için fare tıklaması ile çizilebilir ve kullanıcılar 3D nesne dosyalarını içe ya da pozisyon, yönelim, renk, doku ve ışıklar gibi labirent içindeki öğelerin özelliklerini düzenleyebilirsiniz. Labirent başlangıç ​​ve bitiş bölgeleri böyle bir zaman aşımı gibi diğer çıkış kriterlere ek olarak tayin edilebilir. Separate metin mesajları da her çıkış koşulu için bir katılımcı bilgilendirmek için görüntülenebilir. Tasarım aşamasında, labirentine MazeMaker içindeki 'hızlı koşmak' fonksiyonu kullanılarak test edilebilir. Işlevsel görüntüleme çalışmaları için, katılımcılar genellikle tekrarlanan denemeler ile bir dizi görevi gerçekleştirmek için istenir. Tekrarlanan denemelerin bu test kolaylaştırmak için, MazeMaker deneysel bir oturum için labirentine ve metin mesajları listeler sıralanır labirent liste dosyaları oluşturabilirsiniz. Bu deney için labirent listesi dosyası denemenin gün önce hazırlanmalı ve iyice pilot test önemlidir. MazeMaker ortamlarda kullanımı ve geliştirilmesi için üstünkörü bir öğretici '- MazeMaker Tamamlayıcı videosu II' de verilmiştir. 2. fNIR Kurulum ve fNIR sensör-pad yerleştirerek FNIR Kutusu Hazırlama FNIR kutusunun arkasında iki kablo konnektörleri vardır. Yuvanın birs USB bağlantısı içindir ve diğer bağlantı güç kablosu içindir. Veri toplama için kullanılan bir PC veya Laptop için USB kablo aracılığıyla fNIR cihaz kutusu bağlayın. Cihazın güç adaptörünü bağlayın ve anahtarı açmak. Şerit kablo fNIR kutusu ile sensör pad bağlamak için kullanılır. Sensör pad evler ışık kaynağı (LED) ve foto dedektörler. LED'ler sırasıyla, esas olarak deoksijenlenmedeki ve oksijenli-hemoglobin emilir ve böylece biyolojik doku nüfuz edebilir 730nm ve 850nm dalga boyunda kızıl ötesi ışık yayar. Sensör-pad Yerleştirme Sensör yerleştirilmesinden önce alnındaki saçlarını kaldırmak için katılımcı değildir. Sadece kaş üzerinde sensör şerit yerleştirin. Burun içinden geçer, aynı zamanda dikey simetri ekseni ile algılayıcının merkezine maç Sensörünüalnına sıkıca pad ve başın arka kısmında bir araya kabloları tutmak için bir klip kullanabilirsiniz. Kesinlikle gerekli değil, baş-wrap veya tenis bandana sensör pad sabitlemek için tavsiye edilirken. Alnına sensör pad yerleştirerek üzerine fNIR kutusuna şerit kablonun iki ucunu takın. Şerit kablolar 'Ben' ve karşılık gelen 'Ben' ve cihaz üzerinde 'II' konnektörleri ile şerit kablonun 'II' taraf eşleştirerek eklenmelidir. Veri toplama için Cobi Studio Yazılımı ile başlayan Ana penceresini açmak için masaüstü Bilişsel Optik Beyin Görüntüleme (Cobi) Studio13 simgesine tıklayın. Program veri toplama ve görselleştirme için belirli önceden yapılan ayarlarla gelecektir. Bu kontrol ve teyit veri toplama parametreleri ve gerekirse cihaz ayarlarını iletişim de (işaretleyici senkronizasyon) tetikleme önemlidir. Exper "eğer Cobi Studio otomatik olarak tüm ilgili veri dosyaları adlandırabilirsiniziment modu Yeni Deneme "sihirbaz" kullanılarak etkinleştirilir ". Deneme oturumu bir log (* txt.) Belirteç veriler için (* nir.) FNIR veriler için, (* mrk.) Ve: Veri klasörü, dosya 3 çeşit oluşturulur. 3. Deney Koşu: labirentine Rendering Cihaz fNIR veri toplama ayarlanması ve başlangıç LED Drive Cari nasıl parlak her LED parlar tanımlar. LED Drive Şu an için varsayılan değeri 20mA olduğunu. Bu değer cilt pigmentasyonu ve katılımcı diğer özelliklerine göre değiştirmek zorunda kalabilirsiniz. LED akım için önerilen aralığı 20mA 5mA arasındaki Tüm kanallar için başlangıçta bir kazanç için varsayılan değer 20'dir. Kazanç için önerilen değerler 1,5,10,15,20 vardır. 'Başlat Geçerli aygıt' bağlantısını tıklayın ve sinyal kalitesini inceleyin. Ham yoğunluk değerleri Cobi yaklaşımı 4000 yılında gösterilen veya altında 1000; ise, 'Durdur Aygıt' ı tıklatın ve LED Sürücü Akım ve Cihaz ayarlayınUygun değerler elde edilinceye kadar kazanın. Düşük sinyal durumlarda, artan Cihaz Kazanç önce Şimdiki LED Drive artırın. Doymuş sinyal koşullar altında LED Sürücü Mevcut azaltmadan önce Aygıt Kazanç azaltır. Sinyal kalitesi kabul edilebilir olduğunda, Adım 4 ile devam edin. Baseline başlayın. Bu 10 saniye veri toplamak ve oksi-ve deoksi-hemoglobin 8 konsantrasyonu değişiklikleri hesaplamak için ayarlanmış bir modifiye Beer-Lambert denklemi temel olarak kullanacak. Baseline tam olsun (10-20 saniye sürebilir) 'Kaydı başlat' düğmesine tıklayın. Bu, tüm verileri kaydetmek başlayacaktır. Deney protokolü bundan sonra başlamalıdır. Experimenter ekranın sol alt köşesinde bulunan el işareti menüsünü kullanarak 'add manuel marker düğmelere basarak belirli olaylar göstermek için deney oturum boyunca el işaretleri eklemek için seçebilirsiniz. Görsel uyaranlara sunmak Labirent Suite başlatın. USIlabirentine işlemek için ng MazeWalker Başlat az menüden MazeWalker Çalıştır> Labirent Suite> MazeWalker Gelişmiş altındaki menüde gelen 'Seri Port Enable'> Seri Port seçeneğini seçerek işareti senkronizasyonunu açma. Doğru COM bağlantı noktası adresi seçili olduğundan emin olun. Labirent listesi dosyası (MazeMaker tarafından oluşturulan) seçin, ve ayrıca bu oturum için yeni bir günlük dosyası için bir ad seçin. İsim veya katılımcı sayısı yürüteç alanında kaydedilebilir. İsteğe otolog otomatik yerine manuel günlük dosyası belirtmeden bir zaman damgalı günlük dosyasına kaydetmek için kullanılan olabilir. Click sürecini başlatmak için 'Başlat'ı. Video ayarlarına bağlı olarak, protokol tam ekran çalıştırabilir veya pencere modunda olabilir. 4. Öznenin yolu görselleştirme MazeAnalyzer kullanarak, araştırmacı labirent ve günlük dosyalarından labirent ve katılımcının yolunu görselleştirmek olabilir. De dahil olmak üzere ek olarak, bir özet raporutoplam yol uzunluğu ve Her labirent tamamlanma süresini üstünkörü davranışsal tedbirler olarak üretilmektedir. Log dosyaları bir konu hem de öznenin bakış vektör ve nesnelerle etkileşim seyahat ettiği yol hakkında milisaniye çözünürlükte bilgileri içerir. Bir öğretici videosu "Tamamlayıcı video ben – MazeAnalyzer 'sağlanır ve sonuçlar bölümünde açıklanan davranış ölçümleri üretmek için yöntemler birlikte MazeAnalyzer temel işlevselliği kullanımı anlatılmaktadır. 5. FNIR veri ve analiz İşleme Gürültü giderme veri işleme için ilk adımdır. Gürültü kaynakları) Kafa Hareketi 2) 1 içerir, kalp hızı ve solunum ve 3) Alet ve çevre ile ilgili gürültü gibi fizyolojik sinyaller. Baş hareketleri fNIR dedektörleri onları teşhir, cilt ile temasında kayması ve kaybetmenize neden olabilir: 1) ortam ışığı; 2) ışığı doğrudan fr yayılanom fNIR kaynakları; veya 3) Işık cilt yansıyan değil, korteks doku yansıyan olmaktan. Bu fNIR veri ani ve büyük çiviler neden çünkü hareket artefaktı Bu tip kolaylıkla tanınabilir. Kafasının hareketini bir daha ince obje serebral kan üzerinde yerçekimi etkisi nedeniyle. Hızlı baş hareketi kan verilerin eş zamanlı çarpıklaşması ile (ya da azalan) hızla artmaktadır, (veya uzak) doğru kan hacmi izlenmekte olan bölgede hareket etmesine neden olabilir. Hareket artefaktı bu tip dinamikler onlar beyin aktivasyonu nedeniyle gerçek hemodinamik yanıtı ile karışabilir LED "pop" daha yavaş olduğundan. FNIR doğal ortamlarda 16 bir beyin izleme teknolojisi olarak dağıtılan gerekiyorsa nedenle, fNIR verilerden hareket artefaktı kaldırarak önemli ve gerekli bir adımdır. Bu tür kalp atım hızı (0,5 Hz üstünde) ve solunum (0.2 Hz üzerinde) Fizyolojik sinyaller s'den daha yüksek frekans aralıkları altındadıremodynamic tepkiler, bu yüzden, 0,1-0,15 Hz 9 arasındaki kesme frekansı olan bir doğrusal faz düşük-geçiş FIR filtresi kullanılarak ortadan kaldırılabilir. Enstrüman ve çevresel gürültü böyle daylight (DC) ve oda ışığında (60Hz) veya bilgisayar monitörü (60-75Hz) gelen ışık gibi ortam ışığı nedeniyle kaynaklı olabilir. Bu, gürültü bu tür ortadan kaldırmak için en iyi yol göre deney ortamında ve veri toplama sistemi hazırlamak için olduğu öne sürülmektedir. Filtre Bir analog alçak geçiren (anti-aliasing filtre) frekans aralığı örnekleme üzerine yüksek frekanslı gürültü katlama ortadan kaldırmak için fNIR kutusunda uygulamaya konmuştur. Sinyal 17-20 farklı özelliklerini kullanan birçok gelişmiş gürültü azaltma algoritmaları vardır. Verileri (örneğin doymuş) onarılmaz ise, bir konu veya oturumu dışlanabilir Ancak eğer. Şekil 1. </strong> fNIR sinyal bileşenleri FNIR ham sinyaller ışık yoğunluğu ölçümleri (Bakınız Şekil 1) vardır. İki dalga boylarındaki optik yoğunluk (OD) değişiklikleri ölçerek, göreli oksi-Hb ve deoksi-Hb değişimi zamana modifiye Beer-Lambert Kanunu 21-23 kullanılarak elde edilebilir. Belirli bir giriş dalga boyunda OD (λ) giriş ışık şiddeti (I) ve çıkış (tespit) ışık şiddeti (dışarı) logaritmik oranıdır. OD da konsantrasyon (c) ve yok olma katsayısı kromofor (e), ışık kaynağı ile detektör arasında düzeltilir mesafe (d), artı, bir sabit azalma faktörü (G) ile ilgilidir. İki farklı zaman örnekleri de aynı I olması ve temel (I rest) sırasında ve görev (I testi), wavelen için OD farkı performansı sırasında ışık yoğunluğu tespitGTH λ olduğu Iki farklı dalga boylarında OD Ölçme verir 2×2 matris olmayan tekil ise, bu denklem grubu konsantrasyonlarda çözülebilir. Tipik olarak, iki dalga boyunda (~ 805nm deoksi emilim spektrumu aşağıda ve isosbestic noktasının üzerinde) diğer doku kromoforları, ve ii göre oksi-Hb ve deoksi-Hb emme baskın olduğu 700-900nm içinde i) seçilmiştir – ve oksi-Hb, sırasıyla deoksi-Hb ya da oksi-Hb birine emme değişiklikleri odaklama) birbirine çapraz. Bu çalışmada kullanılan fNIR alet 730nm ve 850nm dalga boylarını kullanmaktadır. Son olarak, işaretleri (zaman senkronizasyon sinyalleri) kullanarak, taban / dinlenme ve görevlerin dönemleri etiketli ve oksijenasyon veri özellikleri seçmek öyle ki, demek min ve olarak ayıklanırmaksimum değerleri. Cobi Studio çiğ ışık şiddeti ölçümleri ve hesaplanan oksijenasyon değerleri (modifiye bira lambert kanunu kullanarak) metin tabanlı dosyaları yanı sıra, zaman senkronizasyonu (işaretleyici) dosyaları hem de kaydeder. Cobi Studio ayrıca sonlu dürtü yanıtı alçak geçiren veya band geçiren filtreler gibi gürültü giderme yöntemleri uygulamak için kullanılabilir. Çıktı dosyaları gibi yaygın analiz yazılımı (Matlab, Excel, SPM ve SPSS) veya daha ileri işlemler için böyle fnirSoft 24 gibi özel analiz yazılımı ihraç edilebilir. 6. Temsilcisi Sonuçlar: fNIR Sinyal Örnekler İki dalga boyu bileşenleri ile tek bir ölçüm konumu (730nm ve 850nm) Rakamlar 2-5 önayar fNIR ham sinyaller ayrı ayrı gösterilir. Şekil 2, Şekil 3 ve 4. kabul edilemez ise, geçerli ve kabul edilebilir bir sinyal devir temsil eder ve atılır gerekmektedir. Şekil 5 hareket artefaktı ile kontamine olmuş ham sinyal sunulur ve temizlenmeli veya disk gerekirarded. Şekil 2. İyi fNIR ham sinyal örneği Şekil 3. A bad fNIR ham sinyal örneği 850nm kanal doymuş olduğu. Şekil 4. Donanım sorunu veya kablo bağlantı sorunu var kötü bir fNIR ham sinyal örneği. Şekil 5. Hareket eserler vardır kötü bir fNIR ham sinyal örneği. Çalışma Protokolü Öğrenme Değerlendirmeleri iyi retansiyonu (örneğin, bellek) ve transfer (yani, genellenebilirliğini) testleri ile örneklenmiştir. Çalışmamızda, üç labirentine (maze1, maze2 ve maze3) idi105 denemeleri üç gün boyunca her toplam satın alma aşamasında uygulanmaktadır. Iki koşulları; rasgele uygulama sırası (RND) ile bloke edilmiş uygulama düzeni (BLK) Şekil 6 'de özetlenmiştir. İki konularda dört günlük bir çalışma için gönüllü oldu. 4. gününde, 10 tutma denemeleri Her labirent için yapılmıştır ve labirentine rastgele sırayla sunuldu. İki roman labirentine (maze4 ve maze5) ek koridorları ve başlangıçta uygulanan labirentine farklı başlangıç ​​ve bitiş noktaları olduğu oluşturuldu. Denekler iki yeni labirentine her biri için on denemeler tamamlandı. Bu labirentine bir transfer adımını oluşturmuştur ve tüm rastgele sırayla sunuldu. Aktarım aşaması labirentine her konu edinimi labirentine ile öğrenme ve uygulama genelleme başardı ölçüde belirlemek için kullanılmıştır. Şekil 6. Örnek deney protokolüne anahat. Davranış Araştırma Sonuçlarına Aşağıdaki 7 ile 9 arasındaki rakamlar, her gün karşısında deneklerin ortalama özellik değerleri (yol uzunluğu, tamamlanma toplam süre ve hız) görüntüler. Birincisi, maze1, maze2 ve maze3 sonuçları hem RND ve BLK uygulama için listelenir. Sonraki, maze4 ve maze5 sonuçları bloke uygulama sonuçlarına karşı rastgele karşılaştırmak için listelenmiştir. Tüm hata çubukları ortalama (SEM) standart hata vardır. Şekil 7. RND toplam yol uzunluğu, tamamlama ve ortalama hızı toplam süresi dahil kazanma ve tutma görevler için davranışsal performans özeti uygulama. Şekil 8. Toplam yol uzunluğu dahil kazanma ve tutma görevleri için BLK uygulamada davranışsal performans özeti, tamamlanma toplam süresive ortalama hız. Şekil 9. Toplam yol uzunluğu, tamamlama ve ortalama hızı toplam süreye dahil transferi görevler için Davranışsal performans BLK karşılaştırılması vs RND uygulamadır. Eğitim fNIR Sonuçlar Başlangıca Oksijenli hemoglobin konsantrasyonu değişiklikleri MazeWalker (başlangıç ​​ve her labirentin sonuna gösterir) alınan belirteç verilerini kullanarak her bireyin labirent zaman boyunca ortalaması alınmıştır. Büyük büyüklüğünü konsantrasyon değişiklikleri bölgesel beyin aktivasyonu daha yüksek düzeyde temsil etmek için alınır. Aktivasyonunun yüksek seviyedeki RND uygulamaya göre BLK uygulama için saklama ve aktarma görevlerini de gözlenmedi. RND uygulama (Şekil 10 bakınız) ile karşılaştırıldığında transferi görevleri sırasında, aktivasyon düzeyi yüksek BLK uygulaması altında görüldü. BLK uygulama konusu için, aktarmakdenemeler tutma denemeleri kıyasla daha yüksek aktivasyon gereklidir. (Şekil 11 bakınız) BLK uygulamaya konu karşıt olarak RND uygulama konusu için, aktivasyon düzeyi transferi ve alıkoyma görevler için farklı değildi. Şekil 10. Hem tutma görevleri (solda) ve transfer görevleri (sağda) için BLK vs RND uygulama için ortalama oksi-Hb konsantrasyonu değişimlerinin karşılaştırılması. Şekil 11. BLK (solda) ve RND (sağda) pratikte hem de kalıcılık vs transferi görevler için ortalama oksi-Hb konsantrasyonu değişimlerinin karşılaştırılması.