磁気脳波による物体知覚に対する刺激前のソースレベルの影響の検出

記載されたプロトコルは、ザルツブルク大学の人間研究倫理委員会のガイドラインに従い、ヘルシンキ宣言に従っています。 1. 刺激材料の準備 ルビンの顔/花瓶の錯覚14の画像をダウンロードしてください。参加者の半数に表示されます。 Matlab コマンド ~ を使用して、元の白黒のバイナリ ルービン イメージを反転して、元のイメージ (黒の背景ではなく白の背景) に対して反転した黒と白の色で 2 番目のルービン面/花瓶の負のイメージを作成します。これは、参加者の残りの半分に表示されます。 ルービン画像のピクセルのブロックをランダムにスクランブルしてマスクを作成します。イメージを、元のイメージのサイズの 2% から 5% (250 x 250 のイメージのうち 5 x 5 ピクセル) までなど、明らかな輪郭フィーチャを非表示にするのに十分な小さい正方形のブロックにイメージを分割し、ランダムにシャッフルしてマスクを作成します。 白い背景に黒い固定クロスを作成し、固定の十字がルービン画像よりも小さく(視覚角度の5°未満)にします。 2. MEGおよび刺激装置の設置 刺激プレゼンテーションコンピュータをプロジェクターに接続します。DLP LEDプロジェクターコントローラをUSBオプト絶縁拡張機能(データ用)とデジタルビジュアルインターフェイス(DVI)ケーブル(刺激用)で接続します。 MEG 取得コンピュータを刺激プレゼンテーション コンピュータに接続して、トリガーを送受信できるようにします。統合された刺激プレゼンテーションシステムのデジタル入出力(DIO)システム(ボタンとトリガ、2x標準D24コネクタ)を、光分離BNCブレークアウトボックスのMEGコネクタに差し込みます。 1 kHz で空室 MEG データの 1 分間を記録します。 集録コンピュータ上のすべての信号をリアルタイムで視覚化することにより、102の磁力計と204の直交的に配置された平面放射計からの信号を102の異なる位置で監視します。 3. MEG実験の参加者の準備 注: MEG データ取得の詳細については、前述の15. 参加者がヘルシンキの宣言に従ってインフォームドコンセントを理解していることを確認し、個人データの処理に同意の声明を含むフォームに署名してもらいます。 参加者に非磁性服を提供し、体の中や体に金属物がないことを確認します。参加者に別の匿名アンケートに記入してもらい、神経疾患などの他の除外基準を持たないようにし、その他の個人データ(利き手や休息レベルなど)を文書化してもらいます。 参加者を非強磁性(木製)の椅子に座ります。接着剤石膏で頭部に5つのヘッドポジションインジケータ(HPI)コイルを取り付け、片方の目の上に2つ、もう片方の目の上に1つ、各耳の後ろに1つを取り付けます。 デジタル化システムのトラッカーセンサーを参加者の頭の上にしっかりと置き、メガネに固定して安定性を最大限に高めます。注:3Dデジタイザ(材料の表)が使用されました。 解剖学的ランドマーク、左右の前オーキュラポイントとナシオンをデジタル化し、左右の前オーラルポイントが対称であることを確認します。これらのフィデューシャルは、3D 座標フレームを定義します。 3D デジタイザ スタイラスを使用して、5 HPI コイルの位置をデジタイズします。 頭皮に沿って最大300ポイントをデジタル化し、ヘッド形状のカバレッジを最大化します。磁気共鳴(MR)画像上の頭皮の明確に定義された領域をカバーし、背面のイオンと前面の鼻、鼻橋の上に。注:これらの点は、より良い個々のソースの再構築のための解剖学的イメージとの共同登録に使用されます。 トラッカーセンサーで眼鏡を取り外します。 上(超シリアリーアーチ)と下(扁平上顎骨の中間)右目に使い捨て電極を取り付け、垂直眼球の動きを監視します。 使い捨て電極を左目の左側と右目の右側(扁桃骨の背骨)に取り付け、水平方向の眼の動きを監視します。 心拍数を監視するために、使い捨て電極を心臓の下と右鎖骨の下に取り付けます。注:目と心臓の信号は比較的強いので、使い捨て電極のインピーダンスをチェックする必要はありません。 使い捨て電極を首の下に地面として取り付けます。 MEGシールドルームに参加者を護衛し、MEGの椅子に座るように指示します。 HPI配線ハーネスと使い捨て電極をMEGシステムに差し込みます。 参加者の頭がMEGヘルメットの上部に触れ、参加者がこの位置で快適であることを確認するために椅子を上げます。 シールドルームのドアを閉め、シールドルームの内外のインターホンシステムを通じて参加者と通信します。 休止状態の MEG データを 1 kHz で記録しながら、5 分間、空の画面 (中央固定クロスを除く空) を受動的に見つめる方法を参加者に指示します。実験中はサンプリングレートを1kHzに保ちます。 タスク要件の参加者に指示し、20 回の実習を実行してもらいます。注: 指示例: “固定は常に画面の中央に置いてください。十字が表示され、十字が消えると、スクランブル画像が続く画像が表示されます。スクランブル画像が消えるとすぐに、顔を見た場合は黄色のボタンをクリックし、花瓶を見た場合は緑色のボタンをクリックしてください。 参加者間で応答ボタンを交互に行います(例:顔の右側、花瓶の左、またはその逆)。注:応答ボタンの色は関係ありません。 4. サイコツールボックス16を用いて実験を行う 参加者に指示を表示し、顔を見たときにどのボタンを押し、花瓶を見たときにどのボタンを押するかを指示します。 固定クロス、ルービン画像、マスク、レスポンスプロンプト(図1)の順にすべての試行に適用される4つのイベントを含む単一のトライアルを作成します。 各試行の開始時に、1 s から 1.8 s の間の可変期間の固定クロスを表示します。 その期間の終わりに、固定クロスを削除し、150 ミリ秒の Rubin イメージを表示します。 150 ミリ秒の終わりに、Rubin イメージを削除し、マスクを 200 ミリ秒表示します。 200 ミリ秒の終わりに、マスクを取り外し、質問を表示して、参加者に最大応答期限 2 秒で応答するよう促します。 参加者が2s以内に応答した場合、次のトライアル(固定クロスから始まる)が開始されるように応答期間をプログラムします。それ以外の場合は、2 s の後に次のトライアルを開始します。 応答の選択とタイミングと同様に、4 つのイベントのタイミングを保存します。 参加者が短時間休息するように指示を表示する前に、同じ試用構造を 100 回繰り返します。これは1つの実験ブロックを構成する。 合計400回の試行に対してブロック構造を4回繰り返します。 5. 実験中にMEG信号と参加者を監視する ビデオを使用して参加者を監視します。 各ブロックの先頭で、タスクが開始される前に、MEGデータの測定を開始し、MEGに対する参加者のヘッドポジションの初期位置を記録する。使用する MEG システムで、[GO] をクリックして開始します。 HPIデータを省略するか、記録に追加するかのダイアログが表示された場合は、HPIコイル信号を検査し、[受け入れ]をクリックして初期ヘッド位置を記録します。その後、[生の記録]をクリックして MEG データの記録を開始します。 実験中の任意の時点で、参加者が実験を中止し、MEGシステムからすべてのセンサーを取り外し、参加者を椅子から解放するためにシールドルーム内に入ります。 MEG信号を取得コンピュータ上でリアルタイムで視覚化して監視します。 ブロックの間に、スピーカーシステムを通じて参加者とコミュニケーションを取り、彼らが元気で続行する準備ができていることを確認し、彼らが望む場合は、彼らの頭ではなく、彼らの手足を動かすように指示します。 ブロックの間に、そのブロックの取得したMEG信号を保存します。 実験が終わったら、シールドルームの中に入り、MEGシステムからすべてのセンサーを取り外し、参加者を椅子から解放します。 参加者をシールドルームからエスコートし、顔と体からすべてのセンサーを取り外すか、センサーを取り外すかの選択を提供します。 参加者に感謝し、金銭的な補償を提供します。 6. 前処理およびセグメントMEG信号 Maxfilter プログラム(MEG 製造元が提供)に実装されている信号空間分離アルゴリズムをデフォルトパラメータ値で使用して、連続 MEG 信号から外部ノイズを除去します。 Fieldtrip ツールボックス17関数 ft_前処理を使用して、0.1 Hz のハイパス フィルタを連続データに適用します。注: 後で報告されたすべての関数に ‘ft_’ の接頭辞が付いている関数はすべて、Fieldtrip ツールボックスの一部です。 各試験の刺激プレゼンテーションの前の1秒を抽出してMEGデータをセグメント化します。 各トライアルの参加者の行動応答に従って、これらのエポックに「顔」または「花瓶」のトライアルタイプラベルを割り当てます。 試験とチャネルを視覚的に検査して、ft_rejectvisual を使用して、アーティファクトの性質にかかわらず、ノイズやアーティファクトを超えるノイズやアーティファクトを表示する対象を特定して削除します。 zscoreをクリックし、var をクリックした後に表示される外れ値を削除して、3 または過剰な差異を持つ試用値を超える試用値とチャネルを選択して、Z スコアを 3 を超える試用値とチャネルを 3 より超える試用値を拒否します。この手順の前または後のすべての試験について MEG 信号を検査します。 7. ソースの再構築 Fieldtrip で実装されているビームフォーミング手順で、一般的な線形拘束された最小分散12空間フィルタを取得するために、ソースローカリゼーションを実行する両方の試用タイプを含めます。 バンドパスは、エポックされたデータを対象の周波数(この場合は1~40 Hz)にフィルタリングします。 共分散行列を計算する対象時間を選択します(この場合、1秒前刺激期間)。注: 結果のデータ セグメント (-1 ~ 0 s と 1 ~ 40 Hz の間で選択) は、データ入力を必要とする次のすべての手順で使用されます。 ft_volumeセグメントを使用して、個々の構造MR画像から脳と頭皮をセグメント化します。利用できない場合は、標準的なT1(統計パラメトリックマッピング[SPM]ツールボックスから)モントリオール神経学研究所(MNI、モントリオール、ケベック、カナダ)の脳スキャンを使用してください。 ft_prepare_headmodel を使用して、各参加者に対して現実的な単一シェル ヘッド モデルを作成します。 個々の MR 画像で、画像上の位置をクリックして、ft_volumerealign を使用して粗い共同登録を開始して、図のランドマークを見つけます。 ヘッドシェイプポイントを頭皮に合わせて、より細かい共同登録を行います。 ft_prepare_sourcemodel を使用して各参加者の脳容積に変形した MNI テンプレート脳に基づいて、1.5 cm の解像度で個々の 3D グリッドを準備します。 MEG チャネルのフォワード モデルと、ft_prepare_leadfield を使用してグリッド位置を計算します。コンフィギュレーションfixedoriを使用して、最適なダイポール方向を 1 つだけのリードフィールドを計算します。 各試行の共分散行列を計算し、すべての試行で平均化します。 ft_sourceanalysis を使用して、前方モデルと平均共分散行列を使用して空間フィルタを計算します。 センサーレベルの信号を LCMV フィルタに乗算して、グリッド内の各ソース位置とトライアルごとに時系列を取得します。 8. 対象地域における刺激前振動力の解析 例えば、以前の文献18から関心のある領域(ROI)を定義する(ここではファシフォーム面領域[FFA];MNI座標: [28 -64 -4] mm) ft_selectdata を使用して、空間的に ROI に対応する仮想センサーを選択します。 ft_selectdata を使用して、顔と花瓶の試行を分割します。 ft_freqanalysis を使用して、2 つの試用タイプのデータに対して ROI の周波数解析を実行します。 メソッド オプションをmtmfftに設定して、高速なフーリエ変換を実行します。 ハンファンクションテーパを使用するハニングにテーパオプションを設定します。 1 Hz から 40 Hz までの関心のある周波数を定義します。 出力オプションをpowに設定して、複雑なフーリエスペクトルから電力値を抽出します。 参加者全体のスペクトルを平均化し、得られた総平均電力値を対象周波数の関数としてプロットする前に、各参加者の手順を繰り返します。 9. 関心のある地域間の事前刺激接続性の解析 以前に選択した ROI が接続されると仮定された1つ (またはそれ以上) ROI を定義します(ここでは V1;MNI座標: [12 -88 0]) 手順 8.2 と 8.3 を繰り返します。 ft_freqanalysis を使用して、2 つの試行タイプのデータに対して、両方の ROI (同じデータ構造内で 2 チャネルまたは「仮想センサー」として表される) で時間周波数分析を実行します。 周波数ドメインの乗算に基づいてマルチテーパ時間周波数変換を実装するには、メソッドをmtmconvolに設定します。 離散プロレート回転楕円体シーケンス関数テーパを使用するように、テーパオプションをdps に設定します。 8 Hz から 13 Hz までの関心のある周波数を定義します。 時間枠の幅を 200 ミリ秒に設定し、スムージング パラメータを 4 Hz に設定します。 単一の試行の時間頻度の推定値を返すには、keeptrials オプションをyesに設定します。 複雑なフーリエスペクトルを返すには、出力をFourierに設定します。 ft_connectivityanalysis を使用して、結果の時間周波数データに対して接続性解析を実行します。 cooh にメソッドを設定し、複雑なフィールドをイマジネーションに設定して、一貫性19の虚数部分を返します。 周波数と参加者の間でコヒーレンススペクトルを平均化し、結果として得られる壮大な平均的な想像上の一貫性値を時間の関数としてプロットする前に、各参加者の手順を繰り返します。 10. 顔と花瓶の刺激前力またはコサイレンススペクトルを統計的に比較する 各被験者の刺激前の力または一貫性データを、2つの条件のそれぞれ内で、ft_freqgrandaverageを使用して1つのMatlab変数に組み合わせます。 ft_freqstatistics を使用して結果として得られる 2 つの変数を比較するクラスターベースの順列テスト20を実行します。 メソッド オプションをモテカルロに設定します。 周波数オプションを [8 13] に設定し、avgoverfreq をyesに設定します。 クラスタアルファを 0.05 に設定し、正しい尾をアルファに設定します。 統計オプションをft_statfun_depsamplesTに設定します。 20 行目の最初の行に 20 の行が続き、20 行目の 2 行目が 2 回繰り返されるデザイン マトリックスを作成します。このデザイン マトリックスをデザインオプションに渡します。注: データは 20 人の参加者から収集されたため、デザイン マトリックスは 20 のブロックに分割されます。 ivarオプションを 1 に、uvar オプションを 2 に設定します。