גישה חדשנית ניסויית ואנליטית למולטימודליות עצביות פענוח כוונות במהלך אינטראקציה חברתית באופן חופשי על-מתנהג תינוקות אנושיים
Summary
This protocol presents a novel methodology for the neural decoding of intent from freely-behaving infants during unscripted social interaction with an actor. Neural activity is acquired using non-invasive high-density active scalp electroencephalography (EEG). Kinematic data is collected with inertial measurement units and supplemented with synchronized video recording.
Abstract
Understanding typical and atypical development remains one of the fundamental questions in developmental human neuroscience. Traditionally, experimental paradigms and analysis tools have been limited to constrained laboratory tasks and contexts due to technical limitations imposed by the available set of measuring and analysis techniques and the age of the subjects. These limitations severely limit the study of developmental neural dynamics and associated neural networks engaged in cognition, perception and action in infants performing “in action and in context”. This protocol presents a novel approach to study infants and young children as they freely organize their own behavior, and its consequences in a complex, partly unpredictable and highly dynamic environment. The proposed methodology integrates synchronized high-density active scalp electroencephalography (EEG), inertial measurement units (IMUs), video recording and behavioral analysis to capture brain activity and movement non-invasively in freely-behaving infants. This setup allows for the study of neural network dynamics in the developing brain, in action and context, as these networks are recruited during goal-oriented, exploration and social interaction tasks.
Introduction
אחת היכולות האנושיות הבסיסיות היא היכולת ללמוד ולפרוס פעולות (ייצור פעולה) אסטרטגי בשירות של מטרות ותגמולים, היכולת לתפוס את המטרות של שותפים חברתיים (הבנת פעולה) כדי לייצר תגובות חברתיות מתאימות, והיכולת ללמוד מאחרים באמצעות תצפית וחיקוי 1. הבסיס העצבי של יכולות קוגניטיביות-המוטוריים אלה יוחסו, לפחות בחלקו, למערכת נוירון מראה שנקרא; מערכת שחשבה להיות מעורבת כאשר אחד רואה מישהו מבצע פעולה וכאשר אחד מבצע את הפעולה. עם זאת, הקשר הפוטנציאלי בין מערכת נוירון מראה והבנת פעולה עדיין לא הבין היטב 1. לומד את הופעתה והתפתחותה של מערכת נוירון מראה זה בתינוקות אנושיים כבר הקשו על ידי) המגבלות הטכניות של רכישת נתונים רב מודלי של פעילות מוח בקורלציה לכוונה ונתוני תנועה פרטנית, ב) המגבלות שהוטלו על ידי פרוטוקולי ניסוי ש(,, (למשל אינטראקציה חברתית עם סוכן המתואר בקלטת וידאו את הצורך בשמירה על יציבה עדיין למזער חפצים במהלך electroencephalographic EEG) הקלטות לא טבעיות, וכו '), וג) מחסומי תקשורת / שפה כאשר בודקים תינוקות צעירים / פעוטות שיגבילו מאוד את היכולות של החוקר לתת הוראות ולאמת התנהגויות.
להבנה טובה יותר של עצבי השונות ודינמיקת התנהגות בהתנהגות טבעית, פיתחנו גישה ניסויית ואנליטית רומן שמאפשרת הלימוד של מצעים העצביים של התנהגויות המתעוררים תכליתיות וחברתיות אצל ילדים צעירים הזמן נפתרה. באופן ספציפי, אנחנו פרוסים גישת הדמיה מוחית נייד מבוססת EEG (Mobi) 2 לפעילות המוח ושיא תנועה מתינוקות באופן חופשי-מתנהגים במהלך אינטראקציה עם הנסיין. יחידות מדידת אינרציה (Imus) שמשו למוןitor קינמטיקה נושא והניסוי של.
טכנולוגית EEG וחיישני אינרציה שמשו ללמוד דפוסים עצביים והפעלות הקשורות לחיקוי פעולת התינוקות והתנהגויות מכווני מטרה באינטראקציה הבלתי רגילה עם הנסיין / שחקן. פעולות כגון יד-אחיזה, להגיע-הצעה, להתבונן, מנוחה, ולחקור כל חלק מהתהליכים קוגניטיביים-המוטוריים המעורבים בחיקוי. יתר על כן, אנו משתמשים בהערכת מקור בתרגום גנרטורים של פוטנציאלים חשמליים בתוך המוח במהלך המשימות התנהגותיות, וכך לומד את דינמיקת spatiotemporal של זרמים עצביים במוח. בדומה לכך אנו לפרוס אלגוריתמי למידת מכונה להעריך ולמדוד את יכולת החיזוי של פעולות אלה על ידי התנהגות זיהוי דפוסי מרחב ובזמן פעולה רלוונטית בפעילות העצבית בחיישן (EEG) ו / או חללי מקור. שילוב ERD המסורתי / ERS, מקור וניתוח פענוח לספק developmen מקיף יותרתיאור טל של הבסיס העצבי של התנהגויות כאלה.
התקנה זו מאפשרת לנו לנצל את היתרונות של גישת Mobi 2,3 וללמוד את יחסי הגומלין החברתיים בין התינוקות והניסוי כפי שהם מתרחשים באופן טבעי ללא הגבלות.
הפרוטוקול, מרגע שהנושא מגיע לזמן שהוא / היא עוזבת, לוקח כ 1 שעה כדי להשלים. רכישת מיקום האלקטרודה זמן התקנה וIMU / EEG משתנה 15-25 דקות בהתאם לגורמים כגון אורך שיער ושיתוף פעולה בנושא. האתחול והתצורה של הציוד מוסיף עד 10 דקות, והפגישה הבדיקות נמשכת כ -15 דקות. הסרת Imus וכובע EEG, כולל ניקוי ראשו של התינוק מג'ל היפואלרגנית, לוקחת 5-10 דקות.
Protocol
Representative Results
Discussion
הפרוטוקול המתואר מציג מתודולוגיה לאסוף נתונים מתינוקות באופן חופשי-מתנהגים בזמן שהם באינטראקציה עם הנסיין בזמן אמת. היא מעסיקה טכנולוגיה ניידת הדמיה מוחית (EEG קרקפת) כדי ללכוד פעילות עצבית בעת ההקלטה בו זמנית נתונים kinematic עם Imus במקומות אסטרטגיים בגוף. פגישת הניסוי גם הוקלטה על ידי מצלמת וידאו. שלוש מערכות הקלטת נתונים מסונכרנות באמצעות מערכת הדק מותאם אישית.
מערכת IMU EEG וקשור לנושא שהוא / היא נעה בחופשיות במהלך פגישת הניסוי. Imus צריך להיות קשור באופן מאובטח כדי להיות מסוגל ללכוד קינמטיקה מדויקת. כדי להבטיח ניידות בלתי מוגבלת מלאה של הנושא, הציוד צריך להיות כמו פולשנית מינימאלית ככל האפשר; לכן השימוש של בעל לתמוך כבלי אלקטרודה של EEG ותיבת בקרת EEG. הנסיין אז אינטראקציה עם התינוק למשך כ 15 דקות. INFANT יעורר רפרטואר תלוי גיל של התנהגויות במהלך האינטראקציה. אלה כוללים מנוחה, להגיע-אחיזה, להגיע-הצעה, לחקור, להתבונן, ולחקות. עם זאת, כמה תינוקות יהיו מוכנים לשתף פעולה בפגישה בשל עייפות, חוסר נוחות, או מתח. ודא כדי לתזמן את הניסוי כאשר הילד הוא דינמי ופעיל ביותר למניעת המופע של תגובות השליליות ממנו / שלה.
אופי הניסוי מציג סיכונים לאיכות הנתונים שנרשמו לאורך כל הפגישה. לכן, חשוב לבדוק את כל חיבורים ואיכות נתונים לפני שמתחיל ההקלטה, ולפקח עליהם באופן רציף במהלך הפגישה. אם מערכת ה- EEG הנתונים אינה הקלטת נתוני איכות, לעצור את התוכנה ונתק את כל החיבורים. לפני ההפעלה מחדש של התוכנה או חיבור הציוד חזרה למחשב הנייד, להסיר את כל מקורות רעש האפשריים (כלומר, ספקי כוח) מהקרבה של חומרת ההקלטה. EEחומרת G כוללת מגברי אות שיכול להרים רעש סביבתי אם להציב בסמוך למקורות רעש חשמליים. למקלט IMU, לוודא שאין הפרעה בקו הראיה בין המקלט והניסוי והתינוק.
הגדרת ניסוי זה מספקת נתונים עצבי רזולוציה גבוהות זמניים על ידי מדידת פעילות חשמלית על פני השטח של עור הקרקפת. מחקרים שנעשו לאחרונה הראו את הכדאיות של ניצול אותות אלה, יחד עם קינמטיקה כל הגוף, לזהות מידע לסיווג לתנועות הבעה 20, ותנועות פונקציונליות 21,22, המצביע על כך גישת אוסף זה מוצע נתונים יכולה להוביל להבנה טובה יותר של עצבי בסיס של חיקוי בתינוקות.
התרומות אחרונות כוללות אלגוריתמי למידת מכונת חזקים להחיל דינמיקת מוח 13,20,21 בונות ערכת כלים גדלו ללמוד פוטנציאלי משטח בse טבעי יותרttings. התקנה מוצעת זה מספק ספקטרום של אפשרויות לשאלות מחקר יש לטפל 2,22. במיוחד, זה יכול להיות מיושם על מחקר התמקד ב) הבנת הבסיס העצבי של התפתחות הקוגניטיבית-מוטורית של תינוקות המבוססים על אוכלוסייה גדולה של נושאים; ב) הבנת הבסיס העצבי של כוונתו של התינוק ב'פעולה והקשר ', שאמורה להיות חזוי של פעולת התנהגות הנכנסת; ג) כימות דפוסים עצביים נפוצים וייחודיים לאפיין אינדיבידואליות והשתנות במוח המתפתח; וד) לומד את הופעתה של תהליכי חיקוי ולמידה. מטרות אלה כרוכים הפריסה של אלגוריתמי למידת מכונה שיכול להתמודד עם נתונים סטטיסטיים עשירים הן בפוטנציאל-מקורו במוח אינפורמטיבי וחפצי תנועה או שריר 12,20,23.
מחקר זה מנסה להעריך את המקורות בקליפת המוח ופוטנציאלים שדה חשמליים באמצעות נתוני ה- EEG תינוק. עקבקשיים הטכניים כגון חוסר הידע בערכי מוליכות ראש תינוק ועובי של חומר בקליפת המוח, המודלים מדויקים של מודל הראש הוא משימה קשה. מחקרים נוספים נדרשים להערכות מוליכות רקמה אזוריות פולשנית בתינוקות 24. פילוח משטח קליפת המוח של נתוני MRI תינוק מציג אתגר נוסף בשל העניים לעומת זאת מצאו בתמונות של המוח האנושי מתפתח 25. יש צורך במחקר עתידי לטיפול בקשיים אלה ולהעריך קושרת neurophysiological שונות של פיתוח והתנהגות תינוק.
לבסוף, פרוטוקול הניסוי המוצע ושיטות ניתן לפרוס במחקרם של אלה עם נכויות התפתחותיות כגון תינוקות עם הפרעה סבירה ספקטרום האוטיסטי (ASD). ביישום כזה, זה יהיה רצוי לכלול קבוצת ביקורת והערכות התפתחותית מתאימות לאפיין את שני קבוצות (שליטה וASD). לבחינהple, קבוצת מחקר יכולה להיות מורכבת מכל הסיכון הגבוה (לASD) אחים תינוק העריך עם אוטיזם אבחון תצפית תוספת 26, חומרת סימפטומים 27 וסולמות מאלן של מוקדמת למידה 28 לאפיין יכולת הקוגניטיבית כללית. אם סריקות MRI זמינות, משוקלל דיפוזיה תהיה גם רצויות מאוד 29.
Disclosures
The authors have nothing to disclose.
Acknowledgements
עבודה זו נתמכה על ידי מכוני יוניס קנדי שרייבר הלאומי לבריאות ילד והתפתחות אדם HD064653-01 # P01 (NICHD) פרס. התוכן הוא באחריות בלעדית של הכותבים ולא בהכרח מייצג את הדעות הרשמיות של NICHD או המכונים הלאומי לבריאות.
Materials
| BrainAmp Amplifier | Brain Products, Gmbh | ||||
| actiCAP EEG cap- 64 electrodes* | Brain Products, Gmbh | ||||
| actiCAP Control Box | Brain Products, Gmbh | ||||
| Brain Vision Recorder software v1.20.0601 | Brain Products, Gmbh | ||||
| actiCAP Control Box software v1.2.5.2 | Brain Products, Gmbh | ||||
| CapTrak | Brain Products, Gmbh | ||||
| CapTrak software v1.0.0 | Brain Products, Gmbh | ||||
| Opal movement monitor | APDM, Inc | ||||
| Opal docking station | APDM, Inc | ||||
| Opal wireless access point | APDM, Inc | ||||
| Motion Studio software v1.0.0.201503302222 | APDM, Inc | ||||
| Trigger box | Custom | ||||
| Video camera | HC-W850M, Panasonic Co. | ||||
| *The EEG caps come in the following head circumference sizes for infants: 42, 44, 46, 48, 50cm. For this protocol, a stock of 2 caps of each size is recommended. | |||||
References
- Woodward, A. L., Gerson, S. A. Mirroring and the development of action understanding. Phil. Trans. R. Soc. B. 369 (1644), (2014).
- Makeig, S., Gramann, K., Jung, T. -. P., Sejnowski, T. J., Poizner, H. Linking brain, mind and behavior. Int J Psychophysiol. 73 (2), 95-100 (2009).
- Gramann, K., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Rev. Neurosci. 22 (6), 593-608 (2011).
- GmbH Brain Products. . actiCAP Operating Instructions. , (2013).
- Grech, R., et al. Review on solving the inverse problem in EEG source analysis. J Neuroeng Rehabil. 5 (25), (2008).
- Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Dev Psychobiol. 54 (1), 77-91 (2012).
- Richards, J. E. Neurodevelopmental MRI Database. , (2010).
- Fuchs, M., Wagner, M., Kastner, J. Boundary element method volume conductor models for EEG source reconstruction. Clin. Neurophysiol. 112, 1400-1407 (2001).
- Song, J., et al. Anatomically Accurate Infant Head Models for EEG Source Localization. J Phys Conf Ser. 434 (1), (2013).
- Roche‐Labarbe, N., et al. High‐resolution electroencephalography and source localization in neonates. Hum Brain Mapp. 29 (2), 167-176 (2008).
- Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
- Hernandez, Z. R., Cruz-Garza, J., Tse, T., Contreras-Vidal, J. L.Decoding of intentional actions from scalp electroencephalography (EEG) in freely-behaving infants. Conf Proc IEEE Eng Med Biol Soc. , 2115-2118 (2014).
- Bulea, T. C., Prasad, S., Kilicarslan, A., Contreras-Vidal, J. L. Sitting and Standing Intention Can be Decoded from Scalp EEG Recorded Prior to Movement Execution. Front Hum Neurosci. , 8 (2014).
- Cuevas, K., Cannon, E. N., Yoo, K., Fox, N. A. The infant EEG mu rhythm: methodological considerations and best practices. Developmental Review. 34 (1), 26-43 (2014).
- Goncharova, I. I., McFarland, D. J., Vaughan, T. M., Wolpaw, J. R. EMG contamination of EEG: spectral and topographical characteristics. Clin. Neurophysiol. 114 (9), 1580-1593 (2003).
- Marins, J. L., Yun, X., Bachmann, E. R., McGhee, R. B., Zyda, M. J. An extended Kalman filter for quaternion-based orientation estimation using MARG sensors. Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems. 4, 2003-2011 (2001).
- Mullen, T., et al. Real-time modeling and 3D visualization of source dynamics and connectivity using wearable EEG. Conf Proc IEEE Eng Med Biol Soc. , 2184-2197 (2013).
- Sugiyama, M. Dimensionality reduction of multimodal labeled data by local fisher discriminant analysis. J. Mach. Learn. Res. 8, 1027-1061 (2007).
- Li, W., Prasad, S., Fowler, J. E., Bruce, L. M. Locality-preserving dimensionality reduction and classification for hyperspectral image analysis. IEEE Trans. Geosci. Remote Sensing. 50, 1185-1198 (2012).
- Cruz-Garza, J. G., Hernandez, Z. R., Nepaul, S., Bradley, K. K., Contreras-Vidal, J. L. Neural decoding of expressive human movement from scalp electroencephalography (EEG). Front Hum Neurosci. 8 (188), (2014).
- Kilicarslan, A., Prasad, S., Grossman, R. G., Contreras-Vidal, J. L. High accuracy decoding of user intentions using EEG to control a lower-body exoskeleton. Conf Proc IEEE Eng Med Biol Soc. , 5606-5609 (1109).
- Gramann, K., Jung, T. -. P., Ferris, D. P., Lin, C. -. T., Makeig, S. Toward a new cognitive neuroscience: modeling natural brain dynamics. Front Hum Neurosci. 8 (444), (2014).
- Bulea, T. C., Kilicarslan, A., Ozdemir, R., Paloski, W. H., Contreras-Vidal, J. L. Simultaneous scalp electroencephalography (EEG), electromyography (EMG), and whole-body segmental inertial recording for multi-modal neural decoding. J Vis Exp. 26 (77), (2013).
- Odabaee, M., et al. Neonatal EEG at scalp is focal and implies high skull conductivity in realistic neonatal head models. NeuroImage. 96, 73-80 (2014).
- Knickmeyer, R. C., et al. A structural MRI study of human brain development from birth to 2 years. J Neurosci. 28, 12176-12182 (2008).
- Lord, C., Rutter, M., DiLavore, P. C., Risi, S. . Autism Diagnostic Observation Schedule. , (2000).
- Gotham, K., Pickles, A., Lord, C. Standardizing ADO S scores for a measure of severity in autism spectrum disorders. J Autism Dev Disord. 39, 693-705 (2009).
- Mullen, E. M. . Mullen Scales of Early Learning. , (1995).
- Wolff, J. J., Gu, H., Gerig, G., et al. IBIS Network. Differences in white matter fiber tract development present from 6 to 24 months in infants with autism. Am J Psychiatry. 169 (6), 589-600 (2012).
