JoVE Journal > Behavior
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
русский

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Behavior

Роман Экспериментальные и Аналитический подход к мультимодальным Neural декодирования намерениях Во социального взаимодействия в свободно-Младенцев себя человека

Published: October 04, 2015
doi:
10.3791/53406
, , , , ,
1Laboratory for Noninvasive Brain-Machine Interface Systems, Department of Electrical and Computer Engineering,University of Houston, 2Department of Biomedical Engineering,University of Houston, 3Department of Biology and Biochemistry,University of Houston

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

Одним из основных человеческих возможностей является способность учиться и развернуть действия (производство действий) стратегически службе целей и наград, способность воспринимать целей социальных партнеров (понимание действия) для того, чтобы произвести соответствующие социальные реакции, и способность учиться у других через наблюдение и подражание 1. Нейронные основе этих возможностей когнитивно-моторных были приписаны, по крайней мере частично, в так называемой системе зеркальные нейроны; система, которая, как считается, занимается, когда одна рассматривает кого-то выполнения действия, и когда один выполняет действие. Тем не менее, потенциал связь между системой зеркальные нейроны и понимания действий пока не понятны 1. Изучение возникновения и развития этого зеркальные нейроны системы в человеческих младенцев была затруднена а) технических ограничений мультимодальной сбора данных мозговой активности коррелирует с намерением и данных мелкозернистого движенияБ) ограничения, налагаемые экспериментальных протоколов, которые являются неестественными (например, социальное взаимодействие с агентом, изображенной на видеопленку, необходимость для поддержания осанки еще, чтобы минимизировать артефакты во время Электроэнцефалографические (ЭЭГ) записи, и т.д.), и в) связь / языковые барьеры при тестировании молодых младенцев / детей ясельного возраста, которые значительно ограничивают возможности исследователя, чтобы дать инструкции и проверки поведения.

Для лучшего понимания различной нервной и поведенческих динамики в естественном поведении, мы разработали новый экспериментальный и аналитический подход, который позволяет с временным разрешением изучение нейронных субстратов новых целенаправленных и социального поведения у детей младшего возраста. В частности, мы развернули на основе ЭЭГ изображений с мобильного мозга (Mobi) подход к записи 2 мозговой деятельности и движения от свободно ведут себя детей во взаимодействии с экспериментатором. Инерция единицы измерения (Imus) были использованы для монсаторной кинематика предмет и экспериментатора.

Технология ЭЭГ и инерциальные датчики были использованы для изучения нейронных моделей и активации, связанные с имитацией действий младенцев "и целеустремленных поведения в устной взаимодействия с экспериментатором / актера. Такие действия, как рич-хватки, достигают предложение, наблюдать, отдых, а также изучить все часть процессов когнитивно-моторных, участвующих в подражание. Кроме того, мы используем оценку исходного локализовать генераторы электрических потенциалов в мозгу во время поведенческих задач, тем самым изучения пространственно-временные динамику нервных токов по всему мозгу. Аналогично развернуть машины алгоритмов обучения для оценки и измерения предсказуемости этих поведенческих действий по выявлению действий, соответствующих пространственно-временных закономерностей в нейронной активности в ЭЭГ датчика () и / или источника пространств. Интеграция традиционной ERD / ERS, источник и анализ декодирования обеспечить более полный РАЗВИТИЕTal описание нейронной основе такого поведения.

Эта установка позволила нам использовать преимущества подхода MOBI 2,3 и изучать социальные взаимодействия между ребенком и экспериментатором, как они, естественно, возникают без ограничений.

Протокол, с момента предметом прибывает в то время он / она уходит, занимает примерно 1 час, чтобы закончить. Время и место установки электрода приобретение ИДУ / ЭЭГ варьируется от 15 – 25 мин в зависимости от таких факторов, как длина волос и сотрудничества предмета. Инициализация и конфигурация оборудования добавляет до 10 мин, а тестирование длится приблизительно сеанса 15 мин. Удаление Imus и ЭЭГ крышкой, в том числе очистки головки младенца от гипоаллергенного геля занимает 5-10 мин.

Protocol

Следующий протокол был рассмотрен и одобрен институциональных наблюдательного совета в Университете Хьюстона. Родители или опекуны грудных детей испытуемых получил, прочитал и подписал форму согласия до участия. Родители получили бесплатную парковку и $ 20 подарочную карту в качестве компенсации за участие в исследовании в то время как дети выбрали соответствующие возрасту игрушки. Завербованных предметы детские отвечают следующим критериям: 1) Возраст от 6 до 24 месяцев. 2) Младенческая был здоров, имел нормальный рост и развитие, и не было никакой истории натальной вопросов, сотрясений, судорог, инсультов, или в обучении. Примеры некоторых общих отклонениями в развитии, который будет исключать младенца от тестирования являются отказ процветать, недоедание, и использование алкоголя или наркотиков матерью во время беременности. Упрощенная схема для одновременной записи мультимодальных нейронной активности с помощью головы и ЭЭГImus в свободно ведут себя детей представлена ​​на рисунке 1. 1. обоснованного согласия Показать родителям экспериментальную комнату и кратко объяснить цель эксперимента к ним. 2. Подготовка головы ЭЭГ Примечание: Система ЭЭГ используется (Таблица 1) состоит из активного электродной системы со съемными электродами. Уровни импеданса указано на электродах с использованием светодиодов. Измерьте окружность головы младенца в см. Поместите измерительную ленту вокруг самой широкой части головы, проходя его над бровями и вокруг затылочной известность в задней части головы. Примечание: Измерение окружности головы необходимо для выбора соответствующего размера крышку ЭЭГ. Существуют специальные размеры для населения детского описанной в таблице 1. Место электроды на соответствующего размера крышки ЭЭГ (табл 1), как указано в10-20 международная система. Крышка обеспечивает правильное размещение электродов на кожу головы. Примечание: Желательно, чтобы колпачок готов к тому времени, когда ребенок поступает в место исследования. Информация о размере головки могут быть получены из родителей до времени, или приближенно с использованием таблиц доступны в Интернете [http://www.cdc.gov/growthcharts/html_charts/hcageinf.htm]. Если измерительная головка не соответствуют приближении исследователя, новый колпачок должен быть подготовлен. Если несколько колпачков и электроды можно, несколько колпачков может быть установлен заранее, чтобы свести к минимуму время на подготовку. Объясните процедуру желирующего к родителю. Покажите им тупую иглу и шприц, используемый, чтобы применить гель для каждого электрода, и пусть они чувствуют иглу на коже. Используйте демо-электрода ЭЭГ и кожи головы шапку, чтобы пойти на процедуры гелеобразования. Измерьте расстояние от Насьон к затылочного бугра по среднесагиттальных плоскости поверхности волосистой части головы. Действуйте в соответствии с бюджетнойр колпачок из-за ребенка. Совместите электрод Cz с вершиной головы. Приступить к выравнивания и центрирования электродов FP1 и FP2 на лбу примерно в 10% от расстояния между Насьон и затылочного бугра. Совместите крышку головы симметрично по среднесагиттальных плоскости головы. Убедитесь, что промежуточных электродов [AFZ, ФЗ, СТЗ, CZ, CPZ, PZ, поз, Оз] приведены в соответствие с Насьон и затылочного бугра. Когда это сделано, закрепите крышку, обвязки ниже подбородка. Примечание: Отвлечь ребенка во время в он / она в настоящее время оснащены крышкой ЭЭГ. Эпоха соответствующий видеовход обычно используются, чтобы отвлечь детей во время установки. Подключите ссылки, землю и записи электроды к блоку управления. Включите показателей сопротивления от блока управления. Начиная с наземными и электродов сравнения, использовать небольшое шприц не вводить гелеобразный электролит в пространстве между электродом и кожей головы, пока сопротивление каждого электрода мер ниже 60 кОм. Это велольные желтого или зеленого света на электродах. Более подробная информация о подготовке ЭЭГ электродов доступны в 4. Примечание: Во время процедуры гелеобразования, младенец может пошевелить головой / по различным причинам (любопытство, страх, отвлекли внимание). Поэтому рекомендуется, что второй экспериментатор или родитель продолжает отвлекать ребенка. Используйте шприцы из-за головы младенца, чтобы избежать риска попадания в лицо младенца с иглой из-за неожиданного движения объекта. Подключите усилители к компьютеру через порт USB в использовании оптоволоконный конвертер USB. Примечание: 2А показывает младенческой условии установки с крышкой ЭЭГ и размещения ИДУ. Обратите внимание, что электродные кабели и блок управления проводятся вверх, обеспечивая нагрузки без мобильности к теме. 2В показывает топографическую вид электродов местах крышку ЭЭГ следующих системы маркировки 10-20. 3. Подготовка Imus Откройте программное обеспечение ИДУ. Нажмите на кнопку "New" на графическом интерфейсе. Затем нажмите кнопку "Настроить" в диалоговом окне, чтобы настроить Imus. Установите частоту дискретизации до 128 Гц. Закрепите Imus на голове, груди и левого и правого запястья ребенка. Примечание: Смотрите Рисунок 2A. Параллельно, подходят запястья эксперимента с Imus. Убедитесь, что средства Imus обеспечены хорошо для тела, чтобы минимизировать инерционные погрешности измерения. Использование ремней, поместите запястье Imus на спинной стороне запястья. Поместите груди ИДУ на брюшной поверхности недалеко от центра груди с помощью проводов. Прикрепите голову ИДУ подбородка ремнями кожи головы шапку, так что она находится рядом с левой стороны подбородка. Расположите Imus так, что они сталкиваются с наружу, с LED светом, ориентированной на. Примечание: Imus друг весят около 22 г, а их небольшой размер и легкий вес вряд ли препятствовать мovement. Дополнительным экспериментатор может потребоваться, чтобы отвлечь ребенка по причинам, описанным в шаге 2.8. 4. Захват видео и синхронизация потоков данных Место видеокамера (18) так, чтобы младенец (12), актер (14), а светодиод триггера (13) все четко видны. Рисунок 4. Примечание: Видеозаписи используются, чтобы позволить визуальный аннотации и сегментации поведения, вызванных экспериментатора, а также подтверждение начала и конца сессии записи. Подключите вход триггера / вывода корпуса (7) ЭЭГ (5) и Imus (4). Смотрите рисунок 3. Примечание: пользовательские ввода / вывода корпуса (7), как показано на рисунке 3, был разработан для выравнивания всех записанных потоков данных (ЭЭГ, Imus и видео) и, таким образом, использовать маркеры событий из одного записи (например, видео) или помочь анализ другой записи (например, ЭЭГ или ускорения). Это достигается с помощьюодин кратковременное нажатие кнопки, что при депрессии, пошлет с активным низким (+ V на массу) запускающий импульс ЭЭГ (через параллельный порт DB-25), ИДУ (через мини-DIN-6 разъема), и видео (по освещая светодиод (LED), расположенную в связи с видеокамерой) одновременно записи. 7404 IC логики инвертор чип используется для преобразования низкого состояния (земля) в высоком состоянии (+ V) импульсов, обеспечивая потенциал напряжения, необходимого для питания светодиода. Уже экспериментатор в непосредственной близости от кнопки запуска и сбора данных компьютера. Экспериментатор В эксплуатации на курок, мониторинг качества данных на протяжении всего эксперимента, и сохранения данных. 5. Подготовка среды тестирования Рисунок 4. 6. Сбор данных Запишите начальные значения импеданса электродов ЭЭГ с использованием программного обеспечения управления, выбрав "импедансПроверьте "на вкладке, нажав кнопку радио" импеданс "(подождите около 5 сек для значений импеданса электрода для стабилизации), и нажав кнопку" Сохранить радио импеданса ", чтобы сохранить сопротивления. Смотрите рисунок 5. Фильтры не применяются во время сбора данных ЭЭГ. В записи программы ЭЭГ, нажмите на кнопку "Монитор", затем "Play", чтобы начать перекодирование данных ЭЭГ. Смотрите рисунок 6. В программном обеспечении ИДУ, нажмите кнопку "поток", а затем "Record" в диалоговом окне, чтобы начать запись ИДУ данных. Смотрите Рисунок 7. Применение три триггера (III), чтобы сигнализировать о начале эксперимента с использованием кнопки на вход / выход корпуса (7). Пусть младенческой отдых в течение 1 мин во время записи. Это обеспечивает начальные исходные данные. Выполните эксперимент и позволяют предметом детской перерывы по мере необходимости. Каждый эксперимент суд состоит из очередности задачи, где актер шоудействие на ребенка с помощью объекта (как правило, но не всегда, игрушка), передает его для ребенка, с тем чтобы инициировать реакцию имитация, и, наконец, получает объект обратно из младенца. Примечание: Этот обмен, как правило, повторяется в течение 4-5 испытаний или до младенец не показывает дальнейший интерес объекта. Учитывая среда сессии, комментировать все тайминги каждого поведения после сбора данных с использованием видеозаписи. Запишите конечные значения импеданса электродов ЭЭГ. См шаг 6.1. Оцифровка 3D-пространственных координат электродов ЭЭГ с использованием электрода ЭЭГ 3D сканер и программное обеспечение и соответствующий программное обеспечение. Запустите программное обеспечение 3D сканирования. Перейти к "Файл" и выберите "новое рабочее пространство". Загрузите файл позиция электрод в первой вкладке рабочего пространства и предоставить необходимую информацию в закладке хранения. На панели инструментов сканирования, нажмите на кнопку "звездыт сканирование ". Используйте 3D сканер, приблизительно в 30 см от головы младенца, для сканирования электрода местоположения, следуя меняющимся легкие узоры на крышке. После завершения сканирования, программное обеспечение будет автоматически сохранять результаты. Примечание: В задней части головы, кабели могут заблокировать светодиоды на электродах из-за небольшого размера головы ребенка. Программное обеспечение позволяет пользователю удалить некоторые электроды из проверки без ущерба результаты. Удалить затылочной электроды из проверки, если необходимо. 7. Поведенческая сегментация Осмотрите видеозапись эксперимента сессии и отметьте время, когда курок светодиод мигает (то есть, когда эксперимент начинается и заканчивается), и когда какой-либо из упомянутых выше поведений шаг 6,6 начале и в конце. 8. Источник изображений Примечание: Источник изображения может точно определить генераторыПотенциалы ЭЭГ в пределах мозга, и это, как правило, состоит в решении вперед и обратную задачу. 5 Приобретать взвешенное изображение магнитного резонанса (MRI) данные высокого разрешения T1 из баз данных государственных доменов, таких как базы данных Неврологический МРТ, который содержит в среднем шаблоны МРТ как в зависимости от возраста (в месяцах) для первых двух лет жизни 6,7. Примечание: Это исследование использует модели головы вперед только соответствующие возрасту детей, и, следовательно, информация секс не принимать во внимание при выборе шаблона МРТ). Приобретать исходных томов для моделей граничных элементов (МГЭ), которые включают головные отсеки (т.е. серое вещество, белое вещество, головы, внутренняя или внешняя черепа) как объемов МРТ из базы данных Неврологический МРТ 8. Предварительная обработка объем BEM МРТ, чтобы получить реалистичную модель головы путем извлечения поверхность головы и мозга отсеков в Карри 7, или подобным изображений мозга пакета программного обеспечения. Импорт T1 МРТ. Вручную определить три координатных точек, таких как влево / вправо до ушных точек и Насьон в программном обеспечении визуализации головного мозга, или аналогичного пакета. Со зарегистрироваться ЭЭГ и МРТ пространство, чтобы получить жесткую геометрическую трансформацию между пространством МРТ и пространстве субъекта путем установки координатных точек, указанных на МРТ и реперных полученных с 3D-сканера с шагом 6.9-6.11, используя программное обеспечение визуализации головного мозга или аналогичный пакет. Решите вперед модель. Примечание: прямая задача включает в себя определение модели головы, который представляет геометрию головы и электрических свойств проводимости объемной головы 9,10. Решить обратную задачу Примечание: обратная задача пытается вывести местоположения, прочность и временной ход источника в головном мозге из сигналов ЭЭГ головы с использованием методов обработки сигналов 11. Сегмент непрерывныйДанные ЭЭГ в испытаниях вокруг начала задачи (например,., Имитация, сегменты наблюдения) с пре- и пост-групп начала отрезков длины 2 сек. Определить каналов с высоким импедансом в качестве "плохих каналах" и других артефактом испытаний в каждом испытании. Предварительная обработка данных ЭЭГ для отказа артефакт с помощью ICA и реконструировать плохие каналы со средним соседних артефакт без каналов. 12,13,14. Используйте вперед модель в качестве вклада в автоматизированной алгоритма оптимизации, который ищет по всему мозгу, чтобы определить наилучшие места источника. Визуально проанализировать предполагаемые источники и забрать те решения, которые наиболее соответствуют ваши ожидания, основанные на предварительных знаний от природы эксперимента и тщательно их интерпретировать. Примечание: Этот шаг является самым предвзятым одним из-за некорректной природы обратной задачи, то есть, различные конфигурации источников может привести к той же поверхности потенциалов. Следовательно, Это может быть полезно для выполнения проверки вменяемости проверить, что данная модель головы и обратная метод хорошо работает. Выполните проверку вменяемости, локализации известной имитации диполь. А именно, для данного руководитель модельного месте диполь с известной конфигурации, и решить прямую задачу, чтобы получить имитацию напряжения для этого диполя. Решите проблему с обратной этих напряжений на той же модели головы, чтобы убедиться, что она возвращает смоделированные диполи. Примечание: Эти процедуры проверки целостности должен возвращать диполи, первоначально помещенной на высокой степенью точности.

Representative Results

Рисунок 8 показывает образец ЭЭГ и ускорения от Imus временном окне 16 сек записанного во время взаимодействия между субъектом и экспериментатора. Данные ЭЭГ вновь попробовать в 100 Гц, а затем полосовой фильтрации [1-40 Гц] с помощью 3-го порядка, нулевой фазы фильтра Баттерворта. Каналы со значениями импеданса (высокий Z> 60 кОм), и периферийных каналов, были отброшены 12,15. Imus записал девять сигналов на 128 Гц: магнитный поток, угловую скорость и линейное ускорение в трех декартовых осей. Здесь мы показываем величину гравитационного компенсацией (GC) ускорения. Эффект ускорения силы тяжести был компенсирован путем применения фильтра Калмана для прогнозирования ориентацию ИДУ в глобальной системе координат 16. Данные сегментирован путем визуального осмотра видеозаписей (Шаг 7.1). Вертикальные сплошные линии начало поведения интерес, так как вертикальная пунктирная линии представляют окончание мероприятия. <pкласс = "jove_content"> Влияние артефактов движения присутствует в данных ЭЭГ, показанных на рисунке 8 вокруг 709s. Безусловная подход к сбору данных в этом протоколе делает данные ЭЭГ, восприимчивых к глаз мигает, движений глаз, движения и электромиографических артефактов. Данные были предварительно обработаны с помощью 3-й порядок нуль-фазовым Баттерворта полосовой фильтр, чтобы ограничить его в дельта-диапазоне (1-4Hz), и стандартизировали путем вычитания среднего и деления на стандартное отклонение. Артефакты большой амплитуды были удалены автоматически с помощью метода 17 Артефакт Сабспейс удаления (ASR). Кроме того, периферийные каналы исключены из анализа данных в целях минимизации загрязнения миоэлектрический артефакт. Лобной и височной мышечные сокращения сливаются с сигналом ЭЭГ наиболее заметно в периферийных местах: сокращение лобной появляется в местах передних и височная сокращение проявляется в боковой лобной и TEMPORаль места 15. Для осмотра характер данных, собранных с этим протоколом, гистограммы данных ЭЭГ были нанесены на рисунке 9. На рисунке 9А, она описывает распределение данных в унифицированный сигнал от трех пространственно представительных электродов. Данные ЭЭГ мультимодального распределения для анализируемых поведения. В фиг.9В значения эксцесс представлены как гистограммы для облегчения визуального осмотра данных. Классификация была выполнена путем извлечения на основе времени отставания каждого канала ЭЭГ, снижение размерности, сохраняя местный разброс каждого класса (Местное дискриминантный анализ Фишера (LFDA)) 18, и обучение / тестирование модель сокращенного набора функций (гауссовой смеси Модели (ГММ)) 19. Образцы Обучение / тестирования были случайным образом отобранная в течение 20 итераций (т.е. кросс-валидации), чтобы предотвратить любую овer-fitting.Training/testing~~V размер выборки варьируется учитывая количество отклоненных каналов (т.е. сопротивление больше, чем 60 кГц), длина эксперимента сессии, и количество испытаний и поведения выражены. Тем не менее, ряд учебных и испытательных образцов, используемых для каждого класса (поведения) соответствуют 50% наименее населенной класса. В качестве примера, тестирование комплект размер каждого класса N = 1069 Образцы для данных младенческой показанных на рисунке 10. Все предварительной обработки и классификации шаги были рассчитаны в соответствии с программной среде MATLAB. Рисунок 11 изображает всю процедуру для источника оценке ЭЭГ в ходе данного исследования в шаг за шагом образом. Подробнее о каждом шаге также приведены в разделе 8. На рисунке 12 показаны результаты события, связанного (де) синхронизация (ERD / ERS) в му ритма (5-9 Гц) и дипольных источников во время «Reach предложение1; задача. ERS и ДВС рассчитывали как процент от уменьшения или увеличения в мощности частотно-группа, которая происходит во время события (достижения и задачи предложения) интервал по сравнению с контрольной интервале (сегмент приняты до начала мероприятия). На этом же рисунке тяжести компенсацией величину ускорения, полученную во время задания с обеих запястьях ребенка и актера. Для дипольного анализа сигналов ЭЭГ в разложены с помощью независимого анализа (ICA) компонента для устранения фонового шума. Оценка источником была выполнена в мю ритма после предварительной обработки с помощью МКА алгоритм фиксированной MUSIC 5. Как и ожидалось, источники были локализованы на правой части первичной моторной то время как тема, используя левую руку, чтобы схватить предмет. наименование товара Компания Количество BrainAmp усилитель Мозговые Продукты, GmbH 2 <tr> actiCAP ЭЭГ захвата-64 электродов * Мозговые Продукты, GmbH 10 actiCAP Блок управления Мозговые Продукты, GmbH 1 Программное обеспечение мозга Видение записи Мозговые Продукты, GmbH 1 Программное обеспечение actiCAP Блок управления Мозговые Продукты, GmbH 1 CapTrak Мозговые Продукты, GmbH 1 Программное обеспечение CapTrak Мозговые Продукты, GmbH 1 Опал монитор движение APDM, Inc 6 Опал док-станция APDM, Inc 6 Опал беспроводная точка доступа APDM, Inc 1 Программное обеспечение движения Студия APDM, Inc 1 Триггера окно Обычай 1 Видеокамера HC-W850M, Panasonic Co. 1 * Крышки ЭЭГ приходят в следующих размерах головы окружности для детей: 42, 44, 46, 48, 50 см. Для этого протокола, запас 2 шапки каждого размера рекомендуется. Таблица 1 Оборудование. Рисунок 1. диаграммы расхода. Схема (А) Расход настройки эксперимента. (Б) блок-схема сбора данных сессии. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 2. Тема сПуск в эксплуатацию и готов для сбора данных. (А) Фронтальный вид предмета носить шапку ЭЭГ, и четыре Imus. (Б) Топографическая представление 64 канала ЭЭГ крышкой, используя стандартную систему электродов позиционирования 10-20. Пожалуйста, нажмите здесь, чтобы посмотреть крупная версия этой фигуры. Рисунок 3. Сбор данных оборудования и тестирование номере. (А) установки Оборудование для сбора данных: блок управления ЭЭГ (1), ЭЭГ колпачок (2), триггер (3), беспроводной ИДУ приемник данных (4), усилители ЭЭГ (5), коробка игрушки (6), триггер кнопка (7), ноутбуки сбора данных (8), док-станция Imus (9). (Б) Крупным планом ЭЭГ шапки, активных электродов и блока управления. (С) Крупным планом Imus и беспроводной приемник, trigge г кнопочные, усилители ЭЭГ и сбора данных ноутбуков. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 4. Схематическое представление экспериментальных условиях. Держатель блока управления ЭЭГ (10). Хранитель субъекта сидит на стуле (11), экспериментатор сидит на стуле (14) и человек мониторинга данные сидит на стуле (17). Остальная часть экспериментальной установки показана:. Взаимодействие настольные (12), курок (13), Toy Box (15), стол для сбора данных (16), размещение видео камеры (18) Пожалуйста, нажмите здесь, чтобы посмотреть увеличенную версию этого фигура. "SRC =" / файлы / ftp_upload / 53406 / 53406fig5.jpg "/> Рисунок 5. Скриншот программного обеспечения управления ЭЭГ. Стрелки указывают на ключевых иконок в программное обеспечение, описанные в шаге 6.1 и 6.8. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 6. Скриншот программное обеспечение для записи ЭЭГ. Стрелки указывают на ключевых иконок в программное обеспечение, описанные в шаге 6.2 и 6.3. Раздел живого потокового исходных данных показано. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. ПГ "/> Рисунок 7. Скриншот программного обеспечения Imus. Красные коробки выделить ключевые иконки в программное обеспечение, описанные в шаге 6.4. (А) Основная окно командной строки. (Б) окно Конфигурация. Окно (С) Запись. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 8. Пример данных от представителя экспериментальной сессии. (A) ЭЭГ и ускорения данные приведены, как полосовой фильтрации [1-40Hz]. Электроды ЭЭГ с низким сопротивлением (Z <60 кОм) на протяжении всей сессии отображаются. Твердые вертикальные линии показывают поведение начало (B) Стоп-кадр представления ребенка занимается поведения проанализированы:. Соблюдайте, Reach-хватка, Reach-предложение, Imitaте, исследовать, Отдых. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 9. Примеры гистограммы амплитуды ЭЭГ в течение шести поведения определенных. А) Данные, представленные соответствует исходным данным из трех электродов (CP2, FC5, поз), записанных в сессии с 20-месячного ребенка. Гистограммы масштабируются до самого высокого числа появлений и эксцесс каждой гистограммы показан справа от каждого участка. Обратите внимание на мультимодальных распределение для большинства из поведения. В) эксцесс выборочных данных для каждого поведения. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. <p class="jove_content" fo:keep-together.within-pвозраст = "всегда"> Рисунок 10. ЭЭГ прогнозирует поведенческие действия в свободно ведут себя детей 12. Образец путаница матрица для точности классификации для 20-месячного ребенка показана. Общая точность декодирования отображается на нижнем правом углу. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры. Рисунок 11. Источник Локализация. Шаги, необходимые для локализации источника младенец диполя с использованием анатомического МРТ и функциональную данные ЭЭГ. Пожалуйста, нажмите здесь, чтобы посмотреть увеличенное рисЮр. Рисунок 12. Предел предложение Анализ профиля задачей. А) Снимки младенца, выполняющего "Reach-предложение" задача. В) Среднее глобальное поле Мощность ЭЭГ в диапазоне Му (5-9 Гц), движение конечностей траекторий ребенка и актер; великий среднем мероприятий, связанных с спектральный возмущение со всех каналов. С) Локализованные дипольных источников для двух событий "Движение начала" и "движение" Завершение. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Discussion

Протокол, описанный представляет методологию для сбора данных от свободно ведут себя новорожденным, они взаимодействуют с экспериментатором в режиме реального времени. Он использует мобильные технологии визуализации мозга (ЭЭГ) волосистой части головы, чтобы захватить нейронной активности, одновременно записывая кинематические данные с Imus в стратегических местах тела. Эксперимент сеанса также записывается с помощью видеокамеры. Три системы записи данных синхронизируются с помощью системы пользовательского триггера.

ЭЭГ и система ИДУ привязали к теме, как он / она свободно перемещается во время эксперимента сессии. В Imus должны быть привязали надежно, чтобы иметь возможность захватить кинематики точно. Для обеспечения полной безусловной мобильности субъекта, оборудование должно быть минимально навязчивым, как это возможно; Таким образом, использование держателя для поддержки ЭЭГ электродов кабели и блок управления ЭЭГ. Затем экспериментатор взаимодействует с младенцем течение примерно 15 минут. ИнфаNT будет вызывать возраст-зависимых репертуар поведения в процессе взаимодействия. Они включают в себя покой, достичь-понимания, охватывающие предложение, исследовать, наблюдать, и подражать. Тем не менее, некоторые дети не захотят сотрудничать в сессии из-за усталости, отсутствие комфорта, или стресс. Убедитесь, что планировать эксперимент, когда ребенок наиболее динамичным и активным, чтобы предотвратить вхождение отрицательных ответов от него / нее.

Природа эксперимента представлены риски для качества данных, записанных в течение всего сеанса. Поэтому, очень важно, чтобы проверить все соединения и качество данных, прежде чем начать сеанс записи, а также контролировать их непрерывно в течение сессии. Если данные системы ЭЭГ не записывает данные качества, остановить программу и отключите все соединения. Перед повторным запуском программного обеспечения или подключением оборудования обратно в ноутбук, удалить все возможные источники шума (например, блоки питания) от близости от аппаратных записи. ЕЕG оборудования включает в себя усилители сигнала, которые можно подобрать шума окружающей среды, если помещается рядом с источников электрических помех. Для приемника ИДУ, убедитесь, что нет помех в линии прямой видимости между приемником и эксперимента и ребенка.

Это экспериментальная установка обеспечивает высокие данные временного разрешения нейронных путем измерения электрической активности на поверхности кожи головы. Последние исследования показали целесообразность использования этих сигналов, вместе с кинематикой всего тела, чтобы определить, классифицируемые информацию для выразительных движений 20, и функциональные движения 21,22, предполагая, что это предлагаемый подход сбора данных может привести к лучшему пониманию нервной Основой подражания у детей.

Последние дополнения показывая мощные алгоритмы машинного обучения, применяемые к динамике мозга 13,20,21 строим растущую инструментарий для изучения поверхностных потенциалов в более естественным себеНастройки фотокамеры. Это предлагаемой установки обеспечивает спектр возможностей для научно-исследовательских вопросов, которые будут рассмотрены 2,22. В частности, он может быть применен к исследованиям сосредоточена на а) понимания нейронной основы развития когнитивно-моторного младенцев на основе большого числа субъектов; б) понимание нейронной основы намерения ребенка в «действия и контекста», который должен быть предиктором входящего поведенческой деятельности; в) количественное общие и уникальные нейронные структуры, чтобы охарактеризовать индивидуальность и изменчивость в развивающемся мозге; г) изучение возникновения имитация и обучения. Эти цели влечет за собой развертывание алгоритмов машинного обучения, которые могут иметь дело со статистически богатых данных как в информативных мозговых возник потенциалов и движения мышц или артефактов 12,20,23.

Это исследование пытается оценить корковых источников и потенциалы электрического поля, используя данные ЭЭГ младенцев. Из-затехнические трудности, такие как отсутствие знаний в детской значений глава проводимости и толщины коркового вещества, точное моделирование головы модели является сложной задачей. Дальнейшие исследования необходимы для неинвазивных региональных оценок ткани проводимости у детей 24. Поверхности коры сегментация младенческой данных МРТ представляет собой дополнительную проблему в связи с плохой контрастностью нашли в образах развивающегося мозга человека 25. Будущие исследования необходимы для решения этих трудностей и оценить различные нейрофизиологические корреляты детского развития и поведения.

И, наконец, предложил экспериментальный протокол и методы могут быть развернуты в исследовании лиц с ограниченными возможностями развития, таких как детей с вероятным аутизмом (ASD). В таком применении, было бы желательно включить контрольную группу и подходящие оценки развития характеризовать две группы (контроль и ASD). Для экзаменаPLE, основная группа может состоять из всех высокого риска (для ASD) младенческой братьев и сестер с оценочной Расписание Аутизм Диагностика по наблюдению 26, тяжесть симптомов 27 и Муллен Весы раннего обучения 28 охарактеризовать общие когнитивные способности. Если есть возможность, диффузионно-взвешенной МРТ также весьма желательно 29.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Эта работа была поддержана Юнис Кеннеди Шрайвер Национального института детского здоровья и развития человека (NICHD) Премия # P01 HD064653-01. Содержание исключительно ответственности авторов и не обязательно отражают официальную точку зрения NICHD или Национальных Институтов Здоровья.

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. 
DOWNLOAD MATERIALS LIST

References

  1. Woodward, A. L., Gerson, S. A. Mirroring and the development of action understanding. Phil. Trans. R. Soc. B. 369 (1644), (2014).
  2. 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).
  3. Gramann, K., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Rev. Neurosci. 22 (6), 593-608 (2011).
  4. GmbH Brain Products. . actiCAP Operating Instructions. , (2013).
  5. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. J Neuroeng Rehabil. 5 (25), (2008).
  6. 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).
  7. Richards, J. E. Neurodevelopmental MRI Database. , (2010).
  8. Fuchs, M., Wagner, M., Kastner, J. Boundary element method volume conductor models for EEG source reconstruction. Clin. Neurophysiol. 112, 1400-1407 (2001).
  9. Song, J., et al. Anatomically Accurate Infant Head Models for EEG Source Localization. J Phys Conf Ser. 434 (1), (2013).
  10. Roche‐Labarbe, N., et al. High‐resolution electroencephalography and source localization in neonates. Hum Brain Mapp. 29 (2), 167-176 (2008).
  11. Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. Sugiyama, M. Dimensionality reduction of multimodal labeled data by local fisher discriminant analysis. J. Mach. Learn. Res. 8, 1027-1061 (2007).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. 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).
  25. Knickmeyer, R. C., et al. A structural MRI study of human brain development from birth to 2 years. J Neurosci. 28, 12176-12182 (2008).
  26. Lord, C., Rutter, M., DiLavore, P. C., Risi, S. . Autism Diagnostic Observation Schedule. , (2000).
  27. 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).
  28. Mullen, E. M. . Mullen Scales of Early Learning. , (1995).
  29. 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).

Tags

Neural DecodingSocial InteractionInfant DevelopmentMultimodal NeuroimagingEEGIMUFreely-behavingGoal-oriented BehaviorExplorationCognitionPerceptionAction

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Cruz-Garza, J. G., Hernandez, Z. R., Tse, T., Caducoy, E., Abibullaev, B., Contreras-Vidal, J. L. A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants. J. Vis. Exp. (104), e53406, doi:10.3791/53406 (2015).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image