JoVE Logo
Authors
Contact Us

Sign In

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

توضح هذه المقالة كيفية إعداد تجربة تسمح بالكشف عن تأثيرات مستوى المصدر قبل التحفيز على إدراك الكائن باستخدام تخطيط الدماغ المغناطيسي (MEG). وهو يغطي المواد التحفيزية، والتصميم التجريبي، وتسجيل MEG، وتحليل البيانات.

Abstract

قبل التحفيز نشاط الدماغ المذبذب يؤثر على الإدراك المقبل. ويمكن لخصائص هذا النشاط قبل التحفيز التنبؤ بما إذا كان سيتم تصور حافز قريب من العتبة أم لا، ولكن هل يمكن أيضا التنبؤ بأي من المحفزات المتنافسة ذات المحتويات الإدراكية المختلفة؟ المحفزات البصرية الغامضة، والتي يمكن رؤيتها بإحدى طريقتين ممكنتين في كل مرة، هي مناسبة بشكل مثالي للتحقيق في هذه المسألة. التصوير المغناطيسي للدماغ (MEG) هو تقنية قياس عصبية فسيولوجية تسجل الإشارات المغناطيسية المنبعثة نتيجة لنشاط الدماغ. يسمح الاستبانة الزمنية للميلي ثانية من MEG لتوصيف حالات الدماغ المذبذب من أقل من 1 ثانية من البيانات المسجلة. تقديم شاشة فارغة حوالي 1 ثانية قبل ظهور التحفيز غامضة وبالتالي يوفر نافذة زمنية يمكن للمرء أن يحقق في ما إذا كان النشاط المذبذب قبل التحفيز التحيزات محتوى التصور المقبل، كما هو مبين من قبل المشاركين التقارير. الاستبانة المكانية لـ MEG ليست ممتازة، ولكنها كافية لتوطين مصادر نشاط الدماغ على مقياس سنتيمتر. ثم يسمح إعادة بناء المصدر لنشاط MEG باختبار فرضيات حول النشاط المذبذب لمناطق محددة ذات أهمية، فضلاً عن الاتصال بالوقت والتردد بين المناطق ذات الأهمية. البروتوكول الموصوف يتيح فهم أفضل لتأثير النشاط الدماغي التلقائي والمستمر على الإدراك البصري.

Introduction

حالات الدماغ السابقة عرض المحفزات تؤثر على الطريقة التي ينظر بها المحفزات وكذلك الاستجابات العصبية المرتبطة التصور1،2،3،4. على سبيل المثال، عندما يتم تقديم التحفيز مع كثافة قريبة من عتبة الإدراك (بالقرب من العتبة)، يمكن أن تؤثر القوة التذبذبية العصبية قبل التحفيز، والمرحلة، والاتصال على ما إذا كان سيتم تصور التحفيز القادم أو لا ينظر إليه5 ،6،7،8،9،10. ويمكن لإشارات ما قبل التحفيز هذه أن تؤثر أيضاً على جوانب أخرى من الإدراك، مثل محتوى الأجسام الإدراكية.

تقديم الناس مع صورة غامضة والتي يمكن تفسيرها في واحدة من طريقتين هو وسيلة مثالية للتحقيق في تصور الكائن11. ويرجع ذلك إلى أن المحتوى الذاتي للإدراك يمكن أن يكون واحدا من كائنين، في حين أن التحفيز الفعلي لا يزال دون تغيير. وبالتالي يمكن للمرء أن يقيم الاختلافات في إشارات الدماغ المسجلة بين التجارب التي أبلغ الناس عن إدراك واحد مقابل التفسير الممكن الآخر للتحفيز. وبالنظر إلى التقارير، يمكن للمرء أيضا التحقيق في ما إذا كانت هناك أي اختلافات في حالات الدماغ قبل ظهور التحفيز.

التصوير المغناطيسي للدماغ (MEG) هو تقنية تصوير عصبي وظيفية تسجل المجالات المغناطيسية التي تنتجها التيارات الكهربائية في الدماغ. في حين أن مستوى الأوكسجين في الدم تعتمد (BOLD) الاستجابات حل في مقياس زمني من ثانية, MEG يوفر قرار ميلي ثانية، وبالتالي يسمح التحقيق في آليات الدماغ التي تحدث في جداول زمنية سريعة جدا. ميزة ذات صلة من MEG هو أنه يسمح بتوصيف حالات الدماغ من فترات قصيرة من البيانات المسجلة، وهذا يعني يمكن تقصير التجارب التجريبية بحيث العديد من التجارب تناسب دورة تجريبية. وعلاوة على ذلك، تسمح MEG بإجراء تحليلات لمجال التردد يمكن أن تكشف عن نشاط متذبذب.

بالإضافة إلى الدقة الزمنية العالية، تقدم MEG دقة مكانية جيدة. مع مصدر إعادة إنشاء تقنيات12، يمكن للمرء أن مشروع البيانات على مستوى الاستشعار إلى مصدر الفضاء. ثم يتيح هذا اختبار فرضيات حول نشاط مناطق محددة من المصالح. وأخيرا، في حين أن الإشارات في الفضاء الاستشعار مترابطة للغاية، وبالتالي لا يمكن تقييم الاتصال بين أجهزة الاستشعار بدقة، وإعادة بناء المصدر يسمح لتقييم الاتصال بين المناطق ذات الأهمية لأنه يقلل من الارتباطات بين إشارات المصدر13. ويمكن حل تقديرات الاتصال هذه في كل من مجالات الوقت والتردد.

وبالنظر إلى هذه المزايا، فإن MEG مناسبة بشكل مثالي للتحقيق في آثار التحفيز المسبق على إدراك الأجسام في مناطق محددة ذات أهمية. وسوف نوضح في هذا التقرير كيفية تصميم مثل هذه التجربة والإعداد لاقتناء MEG، فضلا عن كيفية تطبيق إعادة بناء المصادر وتقييم النشاط المذبذب والاتصال.

Protocol

ويتبع البروتوكول الموصوف المبادئ التوجيهية للجنة أخلاقيات البحوث البشرية في جامعة سالزبورغ، وهو يتفق مع إعلان هلسنكي.

1. إعداد المواد التحفيزية

  1. تحميل صورة من الوجه روبن / زهرية الوهم14. وسيتم عرض ذلك على نصف المشاركين.
  2. استخدم الأمر Matlab ~ لعكس صورة روبن الثنائية الأصلية بالأبيض والأسود لإنشاء صورة سلبية ثانية لـ Rubin face/vase مع الألوان السوداء والبيضاء التي انقلبت فيما يتعلق بالصورة الأصلية (الخلفية البيضاء بدلاً من الخلفية السوداء). وسيتم عرض ذلك على النصف الآخر من المشاركين.
  3. إنشاء قناع عن طريق التدافع عشوائيا كتل من بكسل من صورة روبن. تقسيم الصورة في كتل مربعة صغيرة بما فيه الكفاية لإخفاء ميزات كفاف واضحة، على سبيل المثال بين 2٪ و 5٪ من حجم الصورة الأصلية (5 × 5 بكسل من صورة 250 في 250)، ثم خلط عشوائيا لهم لخلق القناع.
  4. إنشاء صليب تثبيت أسود على خلفية بيضاء، بحيث الصليب التثبيت أصغر من صورة روبن (أقل من 5 درجة من زاوية بصرية).

2. إعداد MEG ومعدات التحفيز

  1. قم بتوصيل كمبيوتر العرض التقديمي التحفيزي بجهاز العرض. قم بتوصيل وحدة تحكم بروجيكتور DLP LED عبر ملحق USB معزول (للبيانات)، وكبل واجهة مرئية رقمية (DVI) (للمحفزات).
  2. قم بتوصيل الكمبيوتر اكتساب MEG إلى الكمبيوتر العرض التقديمي التحفيز للسماح لها بإرسال واستقبال المشغلات. قم بتوصيل نظام الإدخال/الإخراج الرقمي (DIO) (الأزرار والمشغلات، موصلات D24 القياسية 2x) من نظام عرض التحفيز المتكامل في موصل MEG على مربع الاختراق BNC المعزول.
  3. تسجيل 1 دقيقة من البيانات MEG غرفة فارغة في 1 كيلوهرتز.
  4. رصد الإشارات من 102 مقاييس مغناطيسية و 204 وضع مقياس الموجات فوق الموجات فوق الغطاء الموقت في 102 مواقف مختلفة من خلال تصور جميع الإشارات في الوقت الحقيقي على الكمبيوتر اكتساب.

3. إعداد مشارك لتجربة MEG

ملاحظة: تم وصف تفاصيل الحصول على بيانات MEG من قبل15.

  1. تأكد من أن المشارك يفهم الموافقة المستنيرة وفقا لإعلان هلسنكي وجعلهم يوقعون على النموذج الذي يتضمن أيضا بيان الموافقة على معالجة البيانات الشخصية.
  2. تزويد المشارك بملابس غير مغناطيسية وتأكد من عدم وجود أشياء معدنية في أجسادهم أو على أجسامهم. اطلب من المشاركين ملء استبيان آخر مجهول لضمان ذلك، وأن المشارك ليس لديه أي معايير استبعاد أخرى مثل الاضطرابات العصبية، وتوثيق البيانات الشخصية الأخرى مثل تسليم ومستوى الراحة.
  3. مقعد المشارك على كرسي غير مغناطيسي (خشبي). قم بإرفاق 5 لفائف لمؤشر موضع الرأس (HPI) على الرأس مع جص لاصق، واثنان فوق عين واحدة، وواحد فوق العين الأخرى، وواحد خلف كل أذن.
  4. ضع جهاز استشعار تعقب نظام الرقمنة بقوة على رأس المشارك وإصلاحه على النظارات لتحقيق أقصى قدر من الاستقرار.
    ملاحظة: تم استخدام جهاز التحويلالرقمي ثلاثي الدُعد (جدول المواد).
  5. رقمنة المعالم التشريحية، واليسار واليمين نقاط ما قبل الأورجي وnasion، وتأكد من أن النقاط ما قبل الأورجي ة اليسار واليمين متناظرة. تحدد هذه fiducials إطار الإحداثيات ثلاثية الدفة.
  6. رقمنة 5 مواضع لفائف HPI باستخدام قلم التحويل الرقمي 3D.
  7. قم برقمنة تصل إلى 300 نقطة على طول فروة الرأس وتعظيم تغطية شكل الرأس. تغطية المناطق المحددة جيدا من فروة الرأس على صور الرنين المغناطيسي (MR)، فوق الإنحراف على الظهر وnasion على الجبهة، فضلا عن جسر الأنف.
    ملاحظة: سيتم استخدام هذه النقاط للتسجيل المشترك مع صورة تشريحية لتحسين إعادة بناء المصادر الفردية.
  8. إزالة النظارات مع جهاز استشعار تعقب.
  9. إرفاق الأقطاب الكهربائية القابل للتصرف أعلاه (القوس الفائق) وتحت (الوسيط إلى عظم الفك العلوي الزيغومي) العين اليمنى لمراقبة حركات العين الرأسية.
  10. إرفاق الأقطاب الكهربائية التي يمكن التخلص منها إلى يسار العين اليسرى وإلى يمين العين اليمنى (الظهرية إلى عظم الفك العلوي الزيغومي) لمراقبة حركات العين الأفقية.
  11. إرفاق الأقطاب الكهربائية المتاح تحت القلب وتحت عظم الترقوة الأيمن لمراقبة معدل ضربات القلب.
    ملاحظة: العيون وإشارات القلب قوية نسبيا، لذلك التحقق من مقاومة الأقطاب الكهربائية المتاح ليس من الضروري.
  12. إرفاق قطب المتاح كأرض تحت الرقبة.
  13. رافق المشارك إلى غرفة الحماية MEG وإرشادهم للجلوس على كرسي MEG.
  14. قم بتوصيل حزام أسلاك HPI والأقطاب الكهربائية التي يمكن التخلص منها في نظام MEG.
  15. رفع الكرسي بحيث يلامس رأس المشارك الجزء العلوي من خوذة MEG وتأكد من أن المشارك مرتاح في هذا المنصب.
  16. أغلق الباب إلى الغرفة المحمية واتصل مع المشارك من خلال نظام الاتصال الداخلي داخل وخارج الغرفة المحمية.
  17. إرشاد المشارك إلى التحديق بشكل سلبي في شاشة فارغة (فارغة باستثناء تقاطع التثبيت المركزي) لمدة 5 دقائق أثناء تسجيل بيانات MEG حالة الراحة في 1 كيلوهرتز. الحفاظ على معدل أخذ العينات عند kHz 1 طوال التجربة.
  18. إرشاد المشارك في متطلبات المهمة وجعلها تجري 20 تجربة ممارسة.
    ملاحظة: إرشادات المثال: "الاحتفاظ التثبيت الخاص بك في وسط الشاشة في جميع الأوقات. سيظهر صليب، وبعد اختفاء الصليب، سترى صورة متبوعة بصورة مشوشة. بمجرد أن تختفي الصورة المخفوقة، انقر على الزر الأصفر إذا كنت قد رأيت وجوهاً والزر الأخضر إذا كنت قد رأيت مزهرية.
  19. قم بتبديل أزرار الاستجابة عبر المشاركين (على سبيل المثال، حق للوجوه، يسار للإناء، أو العكس بالعكس).
    ملاحظة: لون أزرار الاستجابة لا يهم.

4. تقديم التجربة باستخدام أدوات الأدوات النفسية16

  1. عرض التعليمات للمشاركين، ونقول لهم أي زر للضغط عندما يرون وجوه وأي زر للضغط عندما يرون مزهرية.
  2. إنشاء محاكمة واحدة مع 4 الأحداث التي سوف تنطبق على جميع المحاكمات في هذاالترتيب: عبور التثبيت، صورة روبن، قناع، وموجه الاستجابة (الشكل 1).
  3. في بداية كل تجربة، عرض تقاطع التثبيت لفترة زمنية متغيرة بين 1 s و 1.8 s.
  4. في نهاية تلك الفترة الزمنية، قم بإزالة تقاطع التثبيت وعرض صورة Rubin لمدة 150 مللي ثانية.
  5. في نهاية 150 مللي ثانية، إزالة صورة Rubin وعرض القناع لمدة 200 مللي ثانية.
  6. في نهاية 200 مللي ثانية، قم بإزالة القناع وعرض سؤال لحث المشاركين على الرد مع الحد الأقصى للاستجابة الموعد النهائي 2 s.
  7. برنامج فترة الاستجابة بحيث إذا كان المشاركون يستجيبون في غضون 2 ق، تبدأ التجربة التالية (بدءا ً بصليب التثبيت) عندما يفعلون ذلك. وإلا، بدء المحاكمة التالية بعد 2 s.
  8. حفظ توقيت جميع الأحداث 4، فضلا عن اختيار الاستجابة وتوقيتها.
  9. كرر نفس الهيكل التجريبي 100 مرة قبل عرض تعليمات للمشاركين للراحة لفترة وجيزة. وهذا يشكل كتلة تجريبية واحدة.
  10. كرر بنية الكتلة 4 مرات لما مجموعه 400 تجربة.

5. رصد إشارة MEG ومشارك أثناء التجربة

  1. مراقبة المشارك عبر الفيديو.
  2. في بداية كل كتلة، قبل بدء المهمة، بدء قياس بيانات MEG وتسجيل الموقف الأولي للموقف الرئيسي للمشاركين فيما يتعلق MEG. في نظام MEG المستخدم، انقر فوق GO للبدء. عندما يسأل مربع حوار ما إذا كان سيتم حذف بيانات HPI أو إضافتها إلى التسجيل، قم بفحص إشارة ملفات HPI، وانقر فوق قبول لتسجيل موضع الرأس الأولي هذا. بعد ذلك، انقر فوق تسجيل الخام لبدء تسجيل بيانات MEG.
  3. إذا كان المشارك يرغب في أي وقت طوال التجربة في إيقاف التجربة، وإنهاء التجربة والذهاب داخل الغرفة المحمية لفصل جميع أجهزة الاستشعار من نظام MEG والإفراج عن المشارك من الكرسي.
  4. مراقبة إشارات MEG عن طريق تصورها في الوقت الحقيقي على الكمبيوتر اكتساب.
  5. في ما بين الكتل، والتواصل مع المشارك من خلال نظام مكبر الصوت للتأكد من أنهم على ما يرام وعلى استعداد لمواصلة، وإرشادهم لتحريك أطرافهم إذا رغبوا في ذلك، ولكن ليس رؤوسهم.
  6. بين الكتل، حفظ إشارات MEG المكتسبة من تلك الكتلة.
  7. بعد نهاية التجربة، انتقل داخل الغرفة المحمية، وفصل جميع أجهزة الاستشعار من نظام MEG، والإفراج عن المشارك من الكرسي.
  8. مرافقة المشارك للخروج من الغرفة المحمية ومنحهم خيار إما فصل جميع أجهزة الاستشعار من وجوههم والجسم أنفسهم، أو فصل أجهزة الاستشعار بالنسبة لهم.
  9. أشكر المشارك وزودهم بتعويض نقدي.

6. إشارات MEG قبل العملية والجزء

  1. استخدم خوارزمية فصل مساحة الإشارة التي تم تطبيقها في برنامج Maxfilter (التي توفرها الشركة المصنعة لـ MEG) مع قيم المعلمات الافتراضية لإزالة الضوضاء الخارجية من إشارات MEG المستمرة.
  2. تطبيق عامل تصفية تمرير عالي 0.1 هرتز على البيانات المستمرة باستخدام مربع الأدوات Fieldtrip17 دالة ft_preprocessing.
    ملاحظة: كافة الدالات التي تم الإبلاغ عنها لاحقاً مسبوقة بـ 'ft_' هي جزء من مربع الأدوات Fieldtrip.
  3. تقسيم بيانات MEG عن طريق استخراج 1 الثانية السابقة لعرض التحفيز على كل محاكمة.
  4. تعيين هذه الحقب تسمية نوع المحاكمة 'الوجه' أو 'زهرية' وفقا لردود المشاركين السلوكية في كل محاكمة.
  5. فحص بصريا التجارب والقنوات لتحديد وإزالة تلك التي تظهر تجاوز الضوضاء أو القطع الأثرية، بغض النظر عن طبيعة القطع الأثرية، وذلك باستخدام ft_rejectvisual.
  6. رفض التجارب والقنوات مع z-عشرات فوق 3 عن طريق النقر zscore واختيار المحاكمات والقنوات التي تتجاوز قيمة 3 أو المحاكمات مع التباين الزائد عن طريق إزالة القيم الخارجية تظهر بعد النقر على فار. فحص إشارة MEG لجميع المحاكمات قبل أو بعد هذا الإجراء.

7- إعادة بناء المصادر

  1. قم بتضمين كلا النوعين التجريبيين لإجراء توطين المصدر للحصول على عدد أدنى من التباين 12 في إجراء إرسال الحزمة المطبق في Fieldtrip.
  2. تصفية النطاق تمرير البيانات التي تم عصرها إلى الترددات ذات الفائدة، في هذه الحالة بين 1 و 40 هرتز.
  3. حدد وقت الفائدة لحساب مصفوفة التباين المشترك، وفي هذه الحالة فترة التحفيز المسبق الثانية 1.
    ملاحظة: يتم استخدام مقاطع البيانات الناتجة (المحددة بين -1 إلى 0 s و 1 إلى 40 هرتز) في كافة الخطوات التالية التي تتطلب إدخال البيانات.
  4. تقسيم الدماغ وفروة الرأس من الصور MR الهيكلية الفردية مع ft_volumesegment. إذا لم يكن متوفراً، استخدم T1 القياسية (من مجموعة أدوات رسم الخرائط البارامترية الإحصائية [SPM]) معهد مونتريال لعلم الأعصاب (MNI، مونتريال، كيبيك، كندا) فحص الدماغ بدلاً من ذلك.
  5. إنشاء لكل مشارك نموذج رئيس قذيفة واحدة واقعية باستخدام ft_prepare_headmodel.
  6. على صور MR الفردية، حدد موقع المعالم fiducial عن طريق النقر على موقعها على الصورة لبدء تسجيل مشترك الخشنة مع ft_volumerealign.
  7. محاذاة نقاط شكل الرأس مع فروة الرأس لتسجيل مشترك أدق.
  8. إعداد شبكة 3D الفردية في دقة 1.5 سم استناداً إلى الدماغ قالب MNI تحولت إلى حجم الدماغ من كل مشارك مع ft_prepare_sourcemodel.
  9. حساب النموذج الأمامي لقنوات MEG ومواقع الشبكة مع ft_prepare_leadfield. استخدم fixedori التكوين لحساب حقل الرصاص لاتجاه ثنائي القطب الأمثل واحد فقط.
  10. حساب مصفوفة التباين المشترك لكل تجربة ومتوسط ذلك عبر جميع المحاكمات.
  11. حساب المرشحات المكانية باستخدام النموذج الأمامي ومتوسط مصفوفة التباين المشترك مع ft_sourceanalysis.
  12. اضرب الإشارة على مستوى المستشعر بفلاتر LCMV للحصول على السلاسل الزمنية لكل موقع مصدر في الشبكة ولكل تجربة.

8. تحليل قوة ما قبل التحفيز المذبذب في المنطقة ذات الاهتمام

  1. تعريف منطقة الفائدة (ROI)، على سبيل المثال من الأدب السابق18 (هنا منطقة الوجه fusiform [FFA]; إحداثيات MNI: [28-64-4] مم).
  2. قم بالإشارة إلى جهاز الاستشعار الظاهري الذي يتوافق مكانياً مع عائد الاستثمار، باستخدام ft_selectdata.
  3. تقسيم الوجه وتجارب زهرية باستخدام ft_selectdata.
  4. إجراء تحليل تردد على عائد الاستثمار، بشكل منفصل على البيانات من النوعين التجريبيين، باستخدام ft_freqanalysis.
  5. قم بتعيين خيار الأسلوب إلى mtmfft لإجراء تحويل فورييه سريع.
  6. تعيين الخيار تفتق إلى hanning لاستخدام تفتق وظيفة هان.
  7. حدد ترددات الفائدة من 1 هرتز إلى 40 هرتز.
  8. قم بتعيين خيار الإخراج إلى pow لاستخراج قيم الطاقة من أطياف فورييه المعقدة.
  9. كرر الإجراء لكل مشارك قبل حساب الأطياف عبر المشاركين والتخطيط لقيم الطاقة ذات المتوسط الكبير الناتجة كدالة لترددات الفائدة.

9. تحليل الربط قبل التحفيز بين المناطق ذات الاهتمام

  1. حدد عائد استثمار واحد (أو أكثر) يفترض أن يكون عائد الاستثمار المحدد مسبقًا متصلاً به، على سبيل المثال من المؤلفات السابقة18 (هنا V1؛ إحداثيات MNI: [12-88 0]).
  2. كرر الخطوتين 8.2 و 8.3.
  3. إجراء تحليل التردد الزمني على كل من ROIs (ممثلة كقناتين أو 'أجهزة استشعار ظاهرية' داخل نفس بنية البيانات)، بشكل منفصل على البيانات من النوعين التجريبيين، وذلك باستخدام ft_freqanalysis.
  4. تعيين الأسلوب إلى mtmconvol لتنفيذ تحويل تردد الوقت multitaper استناداً إلى الضرب في مجال التردد.
  5. تعيين الخيار تفتق إلى dpss لاستخدام تسلسل spheroidal prolate منفصلة وظيفة تفتق.
  6. حدد ترددات الفائدة من 8 هرتز إلى 13 هرتز.
  7. تعيين عرض الإطار الزمني إلى 200 مللي ثانية والمعلمة تمهيد إلى 4 هرتز.
  8. قم بتعيين خيار keeptrials إلى نعم لإرجاع تقديرات التردد الزمني للمحاكمات المفردة.
  9. تعيين الإخراج إلى fourier لإرجاع الأطياف فورييه معقدة.
  10. إجراء تحليل اتصال على بيانات التردد الزمني الناتجة باستخدام تحليل ft_connectivity.
  11. قم بتعيين الطريقة إلى coh والحقل المعقد إلى imag لإرجاع الجزء الوهمي من coherency19.
  12. كرر الإجراء لكل مشارك قبل حساب مطياب التماسك عبر الترددات والمشاركين والتخطيط لقيم التعاون الوهمية ذات المتوسط الكبير الناتجة كدالة للوقت.

10. مقارنة إحصائية الوجه وزهرية قوة ما قبل التحفيز أو التماسك الأطياف

  1. الجمع بين قوة ما قبل التحفيز أو بيانات الاتساق من كل موضوع، ضمن كل من الشروط 2، في متغير Matlab واحد باستخدام ft_freqgrandaverage مع الخيار keepindividual تعيين إلى نعم.
  2. إجراء اختبار تبديل يستند إلى نظام المجموعة20 مقارنة المتغيرين الناتجين باستخدام ft_freqstatistics.
  3. قم بتعيين خيار الأسلوب إلى motecarlo.
  4. قم بتعيين خيار التردد إلى [8 13] وتعيين avgoverfreq إلى نعم.
  5. تعيين clusteralpha إلى 0.05 وتعيين الذيل الصحيح إلى ألفا.
  6. قم بتعيين خيار الإحصاء إلى ft_statfun_depsamplesT.
  7. إنشاء مصفوفة تصميم مع الصف الأول من 20 منها تليها 20 اثنين، والصف الثاني من الأرقام المتتالية من 1 إلى 20 المتكررة مرتين. تمرير هذه المصفوفة التصميم إلى خيار التصميم.
    ملاحظة: تنقسم مصفوفة التصميم إلى كتل من 20 لأن البيانات تم جمعها من 20 مشاركاً.
  8. تعيين الخيار ivar إلى 1 والخيار uvar إلى 2.

النتائج

قدمنا الوهم روبن الوجه / زهرية للمشاركين لفترة وجيزة ومرارا وتكرارا، وطلب منالمشاركين للإبلاغ عن الإدراك (الوجه أو زهرية؟) بعد كل محاكمة (الشكل 1). وقد سبقت كل محاكمة ما لا يقل عن 1 ق من شاشة فارغة (مع الصليب التثبيت)؛ وكان هذا الفاصل الزمني قبل التحفيز من الفائدة.

وسألنا عما إذا كانت القوة المتذبذبة قبل التحفيز في المناطق ذات الأهمية أو الربط قبل التحفيز بين المناطق ذات الأهمية قد أثرت على التقرير الإدراكي للحوافز الغامضة المقبلة. ولذلك، وكخطوة أولى، توقعنا بياناتنا على مصدر الفضاء بحيث يمكننا استخراج إشارات من ROIs ذات الصلة.

استناداً إلى المؤلفات السابقة التي تحقق في تصور الوجه والكائن مع كل من المحفزات الغامضة21 و22 التي لا لبس فيها، حددنا أن FFA هي عائد الاستثمار لدينا. وقامنا بعد ذلك بتحليل المكونات الطيفية ذات التردد المنخفض (1-40 هرتز) للإشارة المصدرية لـ FFA وقارننا التقديرات الطيفية من التجارب التي أُبلغ عنها بأنها "وجه" مع التقديرات المأخوذة من التجارب التي أُبلغ عنها على أنها 'مزهرية'. ولم يكشف اختبار تبديل قائم على المجموعات، يُجمع على الترددات 1-40 هرتز، وتباين القوة الطيفية في التجارب التي أبلغ فيها الناس عن وجه مقابل مزهرية، عن وجود اختلافات كبيرة بين نوعي التجربة. ومع ذلك، وصفيا، أظهرت أطياف الطاقة ذروة النطاق ألفا المذبذب المتوقع في نطاق 8-13 هرتز، وإلى حد أقل نشاطالنطاق بيتا في نطاق 13-25 هرتز (الشكل 2).

بعد أن لم نجد أي اختلافات في القوة الطيفية قبل التحفيز، قمنا بعد ذلك بالتحقيق فيما إذا كانت هناك اختلافات في الاتصال قبل التحفيز بين أنواع التجارب. بالإضافة إلى FFA، قررنا V1 أن يكون عائد الاستثمار الثاني لدينا بسبب مشاركتها في كل مكان في الرؤية. بناء على نتائج تحليل الطاقة، حددنا الترددات 8-13 هرتز لتكون ترددات اهتمامنا. لقد حسبنا الجزء الوهمي من الملاءمة بين ثاني أكسيد الفائدة، بشكل منفصل لتجارب الوجه والمزهريات، وقمنا بمتوسط النتيجة عبر ترددات الاهتمام. يعكس هذا التدبير تزامن المرحلة المذبذبة بين مناطق الدماغ ويتحكم بتحفظ ضد آثار التوصيل الحجمي في مصادر MEG المعاد بناؤها19، لذلك كان الأسلوب المفضل لتقييم اقتران وظيفي. كشف اختبار تبديل قائم على المجموعات، تتجمع على مدى النقاط الزمنية -1 إلى 0 ق، والتناقض الوهمي المتناقض بين V1 وFFA في التجارب حيث أبلغ الناس الوجه مقابل زهرية، أن التجارب مواجهة كان أقوى قبل التحفيز الاتصال مقارنة مع التجارب زهرية، حوالي 700 مللي ثانية قبلظهور التحفيز (الشكل 3).

figure-results-2484
الشكل 1 مثال على البنية التجريبية والبيانات الأولية. اللوحة السفلية: تبدأ التجربة بعرض صليب التثبيت. بعد 1 إلى 1.8 ثانية، يظهر التحفيز روبن ل 150 مللي ثانية تليها قناع ل 200 مللي ثانية، ثم تظهر شاشة استجابة لحث المشاركين على الاستجابة مع 'الوجه' أو 'زهرية'. اللوحة العليا: بيانات خام متعددة القنوات من مشارك مثال، ومقفلة زمنياً لبدء التحفيز ومتوسطها عبر التجارب. هذا هو مخطط لتسليط الضوء على البيانات في نافذة تحليل ما قبل التحفيز (-1 ق إلى 0 ق؛ أبرز باللون الوردي)، والتي ستكون الفاصل الزمني المستهدف للتحليل. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-3326
الشكل 2 قوة طيفيّة في [فّا]. تقديرات الطاقة الطيفية من إشارات FFA المحلية المصدر على الوجه والمزهريات التجارب. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-3768
الشكل 3 الاتصال بين V1 وFFA. جزء وهمي من الانسجام بين إشارات V1 المترجمة المصدر وFFA على الوجه والمزهرية المحاكمات، في نطاق التردد من 8-13 هرتز المناطق المظللة تمثل الخطأ القياسي للمتوسط للتصاميم داخل المواضيع23. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Discussion

تقديم حافز فريد يمكن تفسيره على أنه أكثر من كائن واحد مع مرور الوقت، ولكن ككائن واحد فقط في أي وقت من الأوقات، يسمح بالتحقيق في آثار ما قبل التحفيز على إدراك الكائن. في هذا طريق واحدة يمكن أن يربط [بر-وونك] دماغ حالات إلى تقارير ذاتيّة من ال يتصوّر أشياء. في بيئة المختبر، توفر الصور الغامضة التي يمكن تفسيرها بإحدى طريقتين، مثل وهم زهرية روبن، حالة مثالية تسمح بتباينات مباشرة في نشاط الدماغ بين نوعين من التجارب: تلك المتصورة بطريقة واحدة (على سبيل المثال، "الوجه" ) وتلك التي ينظر إليها في الاتجاه الآخر (على سبيل المثال، 'زهرية').

إن تقديم هذه المحفزات بإيجاز (<200 مللي ثانية) يضمن أن يرى الناس واحدًا فقط من التفسيرين المحتملين للحافز في محاكمة معينة، وأن يبلغوا عن ذلك. موازنة (بالتناوب عشوائيا) بين المزهرية السوداء / وجوه بيضاء وزهرية بيضاء / وجوه سوداء إصدارات التحفيز عبر المشاركين يقلل من تأثير ميزات التحفيز منخفضة المستوى على التحليل اللاحق. تقديم قناع مباشرة بعد التحفيز يمنع الصور اللاحقة من تشكيل وتحيز ردود المشاركين. لأن تحليل الفترة بعد بداية التحفيز ليست ذات فائدة، لا حاجة إلى مطابقة بين ميزات التردد المنخفض للتحفيز والقناع. وأخيراً، فإن تناوب أزرار الاستجابة عبر المشاركين (على سبيل المثال، اليسار للإناء، والحق في الوجه، أو العكس بالعكس) يمنع النشاط بسبب إعداد المحرك من العوملة في التناقضات.

وبالنظر إلى دقة الملي ثانية من MEG، فإن فترة ما قبل التحفيز التي لا تقل عن 1 ثانية كافية لتقدير مقاييس مثل القدرة الطيفية والاتصال. وبالنظر إلى قصر مدة كل تجربة ناتجة عن ذلك، يمكن استيعاب عدد كبير من التجارب في جلسة تجريبية، مما يضمن نسبة عالية من الإشارة إلى الضوضاء عند متوسط إشارات MEG عبر التجارب.

وقد ثبت أن المناطق الحساسة للفئات المحددة ذات الأهمية نشطة أثناء تصور الكائن24و25 . فعلى سبيل المثال، تفيد التقارير على نطاق واسع بأن وكالة مصائد الأسماك تشارك في تصور الوجه22. وللتحقيق في آثار النشاط المقاس الناجم عن مصادر محددة، يمكن للمرء أن يعيد بناء بيانات MEG. وللتحقيق في الربط بين المصادر، من الضروري إعادة بناء المصادر. ولتيسير تحليل البيانات المصدرية، يمكن تمثيل البيانات ذات المستوى المصدر أحادي التجربة بـ "أجهزة استشعار افتراضية". تمثيل البيانات بهذه الطريقة يمكّن المرء من تحليل بيانات مصدر تجربة واحدة بنفس الطريقة بالضبط في مساحة المصدر ومساحة أجهزة الاستشعار (أي باستخدام نفس وظائف التحليل، على سبيل المثال باستخدام مربع أدوات Fieldtrip). ثم يتيح هذا اختبار الفرضيات حول نشاط مناطق محددة من المصالح بطريقة مباشرة.

في حين ثبت أن قوة ما قبل التحفيز المذبذب ة تؤثر على الكشف عن التحفيز بالقرب من العتبة الإدراكية (المتصورة مقابل غير المتصورة)، ما إذا كان يؤثر على محتوى ما ينظر إليه هو أقل شهرة. هنا قارنا قوة ما قبل التحفيز المذبذب في FFA بين التجارب التي أبلغ الناس الوجه مقابل زهرية، ولم نجد أي اختلافات إحصائية. اختبرنا في وقت لاحق ما إذا كان الاتصال بين V1 وFFA يؤثر على التقرير الإدراكي القادم، ووجدنا أن تجارب الوجه سبقتها زيادة الاتصال بين V1 وFFA في نطاق تردد ألفا حوالي 700 مللي ثانية قبل ظهور التحفيز. أن وجدنا أي تأثير في قوة ألفا، ولكن بدلا من ذلك في الاتصال في الفرقة ألفا، ويشير إلى أنه في حين أن قوة ألفا قبل التحفيز قد تؤثر على الكشف عن التحفيز7،8، فإنه لا يؤثر بالضرورة على تصنيف الكائن. ولذلك تبين نتائجنا أنه من أجل فهم أكثر اكتمالا للديناميات المتذبذبة التي تسبق إدراك الكائن وتأثيرها اللاحق على إدراك الأجسام، فإن مجرد تحليل القوة المتذبذبة في المناطق ذات الأهمية ليس كافيا. بل يجب أن يؤخذ في الاعتبار الربط بين المناطق ذات الأهمية، لأن التقلبات المستمرة في قوة هذه الصلات يمكن أن تحيّز التصور اللاحق18. وأخيرا، على الرغم من الاستبانة المكانية الأقل من الأمثل لـ MEG، فإن بروتوكولنا يبين أن المرء قادر على تحديد المناطق ذات الأهمية بوضوح والتحقيق في علاقاتها. يمكن أن تحل MEG محل تخطيط الدماغ الكهربائي (EEG) لأنها توفر دقة مكانية فائقة، ويمكن أن تحل محل التصوير بالرنين المغناطيسي للوظيفة لأنها توفر دقة زمنية فائقة. ولذلك، MEG جنبا إلى جنب مع إعادة بناء المصدر هو مناسب بشكل مثالي للتحقيق في العمليات العصبية السريعة والمترجمة.

Disclosures

وليس لدى أصحاب البلاغ ما يكشفون عنه.

Acknowledgements

وقد تم دعم هذا العمل من قبل صندوق العلوم النمساوي FWF، تصوير العقل: الاتصال والوظائف المعرفية العليا، W 1233-G17 (إلى E.R.) والمجلس الأوروبي للبحوث منحWIN2CON، ERC StG 283404 (إلى N.W.). ويود المؤلفان أن ينوه بدعم نادية مولر - فوغل، ونيكولاس بيتفيلد، ومانفريد سيفتر للمساهمات في هذا البروتوكول.

Materials

NameCompanyCatalog NumberComments
Data analysis sowftwareElekta Oy, Stockholm, SWEDENNM23321NElekta standard data analysis software including MaxFilter release 2.2 
Data analysis workstationElekta Oy, Stockholm, SWEDENNM20998NMEG recoding PC and software
Head position coil kitElekta Oy, Stockholm, SWEDENNM23880N5 Head Position Indicator (HPI) coils 
Neuromag TRIUXElekta Oy, Stockholm, SWEDENNM23900N306-channel magnetoencephalograph system
Polhemus Fastrak 3DPolhemus, VT, USA3D head digitization system
PROPixxVPixx Technologies Inc., QC, CANADAVPX-PRO-5001CProjector and data acquisition system
RESPONSEPixxVPixx Technologies Inc., QC, CANADAVPX-ACC-4910MEG-compatible response collection handheld control pad system
ScreenVPixx Technologies Inc., QC, CANADAVPX-ACC-5180MEG-compatible rear projection screen with frame and stand
VacuumSchmelze AK-3VacuumSchmelze GmbH & Co. KG, Hanau, GERMANYNM23122NTwo-layer magnetically-shielded room
SoftwareVersion
FieldtripOpen SourceFTP-181005fieldtriptoolbox.org
MatlabMathWorks, MA, USAR2018bmathworks.com/products/matlab
Psychophysics ToolboxOpen SourcePTB-3.0.13psychtoolbox.org

References

  1. Arieli, A., Sterkin, A., Grinvald, A., Aertsen, A. Dynamics of ongoing activity: explanation of the large variability in evoked cortical responses. Science. 273 (5283), 1868-1871 (1996).
  2. Boly, M., et al. Baseline brain activity fluctuations predict somatosensory perception in humans. Proceedings of the National Academy of Sciences of the United States of America. 104 (29), 12187-12192 (2007).
  3. Rahn, E., Başar, E. Prestimulus EEG-activity strongly influences the auditory evoked vertex response: a new method for selective averaging. The International Journal of Neuroscience. 69 (1-4), 207-220 (1993).
  4. Supèr, H., van der Togt, C., Spekreijse, H., Lamme, V. A. F. Internal state of monkey primary visual cortex (V1) predicts figure-ground perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 23 (8), 3407-3414 (2003).
  5. Frey, J. N., et al. The Tactile Window to Consciousness is Characterized by Frequency-Specific Integration and Segregation of the Primary Somatosensory Cortex. Scientific Reports. 6, 20805 (2016).
  6. Leonardelli, E., et al. Prestimulus oscillatory alpha power and connectivity patterns predispose perceptual integration of an audio and a tactile stimulus. Human Brain Mapping. 36 (9), 3486-3498 (2015).
  7. Leske, S., et al. Prestimulus Network Integration of Auditory Cortex Predisposes Near-Threshold Perception Independently of Local Excitability. Cerebral Cortex. 25 (12), 4898-4907 (2015).
  8. Weisz, N., et al. Prestimulus oscillatory power and connectivity patterns predispose conscious somatosensory perception. Proceedings of the National Academy of Sciences of the United States of America. 111 (4), 417-425 (2014).
  9. Busch, N. A., Dubois, J., VanRullen, R. The phase of ongoing EEG oscillations predicts visual perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 29 (24), 7869-7876 (2009).
  10. Mathewson, K. E., Gratton, G., Fabiani, M., Beck, D. M., Ro, T. To see or not to see: prestimulus alpha phase predicts visual awareness. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 29 (9), 2725-2732 (2009).
  11. Blake, R., Logothetis, N. K. Visual competition. Nature Reviews Neuroscience. 3 (1), 13-21 (2002).
  12. Van Veen, B. D., van Drongelen, W., Yuchtman, M., Suzuki, A. Localization of brain electrical activity via linearly constrained minimum variance spatial filtering. IEEE Transactions on Biomedical Engineering. 44 (9), 867-880 (1997).
  13. Bastos, A. M., Schoffelen, J. -. M. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Frontiers in Systems Neuroscience. 9, 175 (2015).
  14. Rubin, E. . Synsoplevede Figurer. , (1915).
  15. Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to detect amygdala activity with magnetoencephalography using source imaging. Journal of Visualized Experiments. (76), e50212 (2013).
  16. Kleiner, M., et al. What's new in psychtoolbox-3. Perception. 36 (14), 1-16 (2007).
  17. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. -. M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011, 156869 (2011).
  18. Rassi, E., Wutz, A., Mueller-Voggel, N., Weisz, N. Pre-stimulus feedback connectivity biases the content of visual experiences. BioRxiv. , (2019).
  19. Nolte, G., et al. Identifying true brain interaction from EEG data using the imaginary part of coherency. Clinical Neurophysiology: Official Journal of the International Federation of Clinical Neurophysiology. 115 (10), 2292-2307 (2004).
  20. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  21. Hesselmann, G., Kell, C. A., Eger, E., Kleinschmidt, A. Spontaneous local variations in ongoing neural activity bias perceptual decisions. Proceedings of the National Academy of Sciences of the United States of America. 105 (31), 10984-10989 (2008).
  22. Kanwisher, N., McDermott, J., Chun, M. M. The fusiform face area: a module in human extrastriate cortex specialized for face perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 17 (11), 4302-4311 (1997).
  23. Morey, R. D. Confidence Intervals from Normalized Data: A correction to Cousineau. Tutorials in Quantitative Methods for Psychology. 4 (2), 61-64 (2008).
  24. Miller, E. K., Nieder, A., Freedman, D. J., Wallis, J. D. Neural correlates of categories and concepts. Current Opinion in Neurobiology. 13 (2), 198-203 (2003).
  25. Kreiman, G., Koch, C., Fried, I. Category-specific visual responses of single neurons in the human medial temporal lobe. Nature Neuroscience. 3 (9), 946-953 (2000).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

149

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved