Diese Arbeit wurde durch Förderung der Doctoral Studies (PODS) unterstützt I und II Auszeichnungen der Stiftung für Physiotherapie und eine Adopt-A-Doc Stipendium der Bildungsabteilung der American Physical Therapy Association, um Barbara Sargent.

Das Institutional Review Board an der University of Southern California genehmigt diese Studie. 1. Systemvorbereitungs <ol><li> Richten Sie die Motion-Capture-System. Bitte beachten Sie: diese Schritte für jede Motion-Capture-System sind. <ol><li> Richten Sie die Koordinatensysteme der beiden Motion-Capture-Sensoren der von einem Sensor, indem Sie auf &quot;Perform New Registration&quot; in der Motion-Capture-Programm, die Eingabe einer Sammlung von 30 sec, klicken Sie auf &quot;Registrieren&quot; und Bewegen des Registrierungsobjekt innerhalb des Fangvolumen für 30 sek. Wenn die Registrierung erfolgreich abgeschlossen ist, beobachten ein quadratischer Mittelwert (RMS) Registrierungsfehler auf dem Computerbildschirm. </li><li> Richten Sie das globale Koordinatensystem für die Prüfung Tabelle mit dem Anmeldeobjekt, indem Sie auf &quot;Perform New Alignment&quot; in der Motion-Capture-Programm. <ol><li> Definieren Sie den Ursprung, indem Sie den Registrierungs object auf der oberen rechten Ecke des Testtabelle und auf &quot;Digitalisieren&quot; in der Motion-Capture-Programm. Definieren Sie die Z-Achse, indem Sie den Registrierungs Objekt auf einem Feld und auf &quot;Digitalisieren&quot;; die Z-Achse senkrecht zu dem Tisch. </li><li> Definieren Sie die Z / Y + Ebene, indem Sie den Registrierungs Objekt auf dem Feld entlang der Länge der Tabelle und klicken Sie auf &quot;Digitalisieren&quot;; die Y-Achse ist parallel zu der Länge des Tisches und der X-Achse ist parallel zu der Breite des Tisches. </li></ol></li><li> Stecken Sie die LEDs in die zwei Strobe-Ports und geben Sie die Anzahl der LEDs pro Port Strobe im Motion-Capture-System-Programm (24 für Strobe-Port 1 und 20 für Strobe-Port 2). Beziehen sich auf die Anzahl und die Position jeder LED Figur 3. Wählen fehlenden Daten im Hinblick auf die Bereitstellung eines Streifendiagramm-like Anzeige der LEDs in Echtzeit verfolgt werden. <img alt="Figur 3" src="/files/ftp_upload/52841/52841fig3.jpg" /><strong&gt; Abbildung 3. Platzierung von LEDs. Strobe 1 besteht aus den starren Körpern (4 LEDs an jedem starren Körper) für den rechten und linken Oberschenkel, Schaft und Fuß. Strobe 2 besteht aus der starren Körper für die rechte und linke Hüfte, des Sternums Marker und die einzelnen LEDs. </li></ol></li><li> Einrichten des Kinder mobilen Computerprogramm. <ol><li> Geben Sie die Anzahl der Minuten für jede Bedingung. Für Tag 1, Eingang 2 für Phase 1 (2 min Grundlinie, Nicht-Verstärkungszustand), 6 für die Phase 2 (6 min Akquisition Verstärkungszustand), und 0 für die Phase 3 (0 min Aussterben, Nichtverstärkungszustand). </li><li> Für Tag 2, Eingang 2 für Phase 1 (Baseline), 6 für die Phase 2 (Erwerb), 2 für die Phase 3 (Extinktion), und überprüfen Sie &quot;Use Zmin als Default&quot;, so dass die Schwelle während der Baseline von Tag 1 berechnet wird der Schwellenwert für den Erwerb Zustand Tag 2 verwendet. </li><li> Wählen Sie &quot;StreamframesAllFrames&quot; und klicken Sie auf &quot;Senden&quot;, um das FreigabeHandy-Programm, um Daten von der Motion-Capture-System zu verwenden, um das Kind Handy basierend auf festgelegten Kriterien zu aktivieren. </li></ol></li><li> Einrichten der Videokameras. <ol><li> Initiieren Sie die Video-Computerprogramm für die drei synchronisierten Videos (rechts lateral, links lateral, Overhead-Blick). </li><li> Starten Sie das zusätzliche Videokamera über den Kopf des Kindes auf Mimik und Blick aufzeichnen. </li></ol></li></ol> 2. Infant Vorbereitung <ol><li> Beschreiben Sie das Experiment, um den Eltern und informieren Sie sie, um so wenig wie möglich mit ihrem Säugling zu interagieren. HINWEIS: Bitte geben Sie den Eltern, dass, wenn das Kind nicht wählerisch geworden während des Experiments, die Eltern sollten neben dem Säugling außerhalb ihrer Sicht jedoch zu sitzen, wenn der Säugling wird pingelig gibt es ein Fortschreiten der Interaktion mit dem Kind. <ol><li> Zuerst fragen die Eltern zu sagen: &quot;Es ist alles in Ordnung, ich bin hier&quot;, in einem beruhigenden Ton. </li><li> Zweitens stellendie Mutterangesichts des Kindes stehen, während beruhigend das Kind. </li><li> Drittens stellen die Eltern entweder halten eine Hand des Kindes oder geben dem Säugling einen Schnuller. HINWEIS: Die geringste Menge an Mutter Interaktion notwendig, um das Kind ruhig und wach zu halten ist gegeben und wird so schnell wie möglich beendet. </li></ol></li><li> Undress den Säugling, legen Sie das Kleinkind unter den Säugling Handy, und sichern Sie den Säugling an den Tisch mit einem Klettband auf den Kofferraum gelegt. </li><li> Nachdem das Kind an den Tisch befestigt ist, legen Sie die Brustbein und Becken-Marker, Schenkel, Schaft und Fuß starrer Körper auf den Säugling. </li></ol> 3. Infant Mobile Learning Task- <ol><li> Jeder Tag, initiieren die mobile Lernaufgabe durch synchrones Starten der Motion-Capture-System, mobile Computer-Programm, und Videokameras. <ol><li> An beiden Tagen von 0 bis 2 min, der Ausgangszustand, beobachten das Kind spontan treten. </li><li> Am Tag 1 während des 2 min Ausgangszustand, zu beobachten, wie der Säugling Mobil Programm berechnet kontinuierlich die Schwelle für mobile Aktivierung auf der Basis der z-Daten von einer der LEDs auf dem starren Körper jedes Fußes. Beispiel 9 Markierung auf dem rechten Fuß und Marker 21 auf dem linken Fuß. Markierung 9 ist die mittlere LED auf dem rechten Fuß starren Körper in gelb in 1 eingekreist. Markierung 21 ist die mittlere LED auf dem linken Fuß starren Körper. </li><li> Am Ende der 2 min Grundlinie wird das mobile Programm die Schwelle in einer Höhe von einer Standardabweichung (SD) oberhalb der mittleren Höhe beider Füße während des 2 Minuten in den Ausgangszustand gesetzt. </li><li> An beiden Tagen von min 2 bis 8, der Übernahme erhalten, zu beobachten, wie der Säugling Handy dreht und spielt Musik, wenn die LED auf jeder Fuß über die Schwelle gesetzt während der 2 min Ausgangszustand von Tag 1 berechnet. HINWEIS: Mobil Aktivierung solange der Fuß über der virtuellen Schwellen maximal 3 s fortgesetzt. Nach 3 sec, die moGalle wird erst wieder aktivieren, wenn das Kind bewegt den Fuß unterhalb der virtuellen Schwelle, und dann bewegt sich der Fuß senkrecht und wieder über die Schwelle. Dieses &quot;3 sec Regel&quot; fördert aktive Abschnitt explorativen Bewegungen gegenüber, der die Füße über dem Schwellenwert. </li><li> An Tag 2 von 8-10 min, das Aussterben Zustand, zu beobachten, wie der Säugling schlägt spontan ohne Handy Verstärkung. </li></ol></li><li> Nachdem das Kind interagiert mit dem mobilen, sammelt eine statische Abdrehprobe um ein lokales Koordinatensystem für jede Beinsegment definieren und eine Referenzkonfiguration für jedes Körpersegment im Raum. <ol><li> Fix zehn einzelnen LEDs auf bilateraler Ebene an der Haut des Säuglings mit doppelseitigem EKG Kragen an den folgenden Stellen: seitlichen Mittellinie des Rumpfes unterhalb der zehnten Rippe, Trochanter major der Hüfte, seitlichen Kniegelenkslinie, Knöchel Außenknöchel und distale Ende des 5. Mittelfußknochen. </li><li> Halten unteren Extremität des Kindes ineine erweiterte, anatomischen Position für 5 Sekunden. Alle Gelenkwinkel in diesem Kalibrierungsposition als 0 ° definiert. </li></ol></li><li> Am Tag 2 sammeln anthropometrischen Daten. <ol><li> Wiegen Sie jedes Kleinkind auf einer digitalen elektrischen Skala. </li><li> Nehmen Sie die folgenden Maße: Gesamtlänge des Kindes; Umfang im mittleren Segment der Oberschenkel, Unterschenkel und Fuß; Breite des Knies (am Kniegelenk Linie), Knöchel (am Knöchel) und Fuß (an den Mittelfußköpfchen); und die Länge des Oberschenkels (Trochanter major zum Kniegelenk Linie), Schaft (Kniegelenkslinie Außenknöchel) und Fuß (Innenknöchel zum Großzehengrundgelenk). </li></ol></li></ol> 4. Datenanalyse <ol><li> Analysieren Sie die Leistung und Lernen durch die Berechnung des% RLA während jeder 2 min Intervall des Versuchs unter Verwendung eines Sprachprogramm kundenspezifische Rechen wie Matlab. Berechnen der Zeitdauer, eine oder beide der LEDs an jedem Fuß, der die Mobil waren oberhalb der Schwelle aktiviert. Dadas Mobiltelefon nicht nach einem Intervall von 3 Sekunden zu aktivieren, Subtrahieren der Zeitdauer, in der eine oder beide LEDs waren oberhalb der Schwelle für mehr als 3 Sekunden-Intervall. <ol><li> Messen Sie die Leistung der Gruppe jeden Tag durch statistische Analyse, ob die% RLA bei einem der drei Erfassungsintervalle, 2 min die 2 min Grundlinienintervall 3,4,7,9,10 deutlich übertrifft. </li><li> Kategorisieren einzelnen Säuglingen als er die Aufgabe erfüllt, wenn die täglich% RLA während 2 min einem Erfassungsintervall gleich oder größer als das 1,5fache der RLA% im 2 Minuten Grundlinienintervall 3,4,6,9,10 ist. </li><li> Messen Lernen der Gruppe über Tage durch die Bestimmung, ob die statistisch% RLA während der gesamten 6 min Erfassungsbedingung Tag 2% des RLA im Ausgangszustand Tag 1 3,6 übersteigt. </li><li> Kategorisieren Sie einzelne Säuglingen als Lernende, wenn die% RLA während der gesamten 6 min Erwerb Zustand Tag 2 gleich oder GRE istater als das 1,5-fache der Ausgangszustand von Tag 1 3,6,11. </li></ol></li><li> Analysieren Erregung und Aufmerksamkeit durch Codieren Videobändern während jedes 2 min Intervall des Experiments. Schläfrig = 1, wachsam und aktiv = 2, wach und aktiv = 3, wählerisch = 4 und weinen = 5 3,8,11: Die Erregung Skala ist wie folgt definiert. Die Aufmerksamkeit Skala ist wie folgt definiert: 0 = keine, die das Mobile, 1 =, die das Mobile 3,8. </li><li> Prozesspositionsdaten und Extrakt Kicks mit benutzerdefinierten Matlab-Programme. <ol><li> Lastpositionsdaten-Dateien von der Motion-Capture-Systems in einem benutzerdefinierten Matlab-Programm ausgegeben werden, um fehlende Positionsdaten (maximal 20 aufeinanderfolgende Rahmen) mit einem kubischen Spline-Interpolation. </li><li> Laden Sie die interpolierte Dateien in einem benutzerdefinierten Matlab Programm (a) Filterpositionsdaten mit Hilfe eines vierter Ordnung Butterworth mit einer Grenzfrequenz von 5 Hz ab Leistungsspektrum Analyse bestimmt, und (b) Berechnen Sie die folgenden Gelenkwinkel: Hüftbeugung / Erweiterung, Hüftabduktion/ Adduktion, hip externe / interne Rotation, Knie Flexion / Extension, Sprunggelenk Inversion / Eversion, Dorsalextension / Plantarflexion wie in 12 beschrieben. </li><li> Laden Sie die Winkel-Dateien in einem benutzerdefinierten Matlab Programm Kicks zu extrahieren. Definieren Sie den Anfang eines Kick als den Beginn einer kontinuierlichen Beinbewegung, in der die Hüfte oder Knie Gelenkwinkeländerung überschritten 11,5 ° (0,2 Radiant) entweder in Flexion oder Extension 3,9,13-15. Definieren Sie das Ende des Kick wie der Rahmen des Spitzenverlängerung nach einer Beugebewegung oder Spitzen Flexion nach einer Extensionsbewegung 3,9,14. </li></ol></li><li> Für alle Kicks, berechnen kinematischen Parameter mit benutzerdefinierten Matlab-Programme. <ol><li> Compute Position Varianz in der z-Richtung (vertikal, aufgabenspezifische Richtung) der LED an jedem Fuß, die das mobile 3 aktiviert. </li><li> Berechne Hüfte Flexion / Extension und Knie-Flexion / Extension Gelenk Korrelationen mit Pearson Korrelationskoeffizienten (r) bei Null lagzwischen Hüft- und Kniegelenkswinkel Ausflüge. Korrelationen (r) bei Säuglingen zu vergleichen, wandeln Hip-Kniegelenkwinkel Korrelationen zu Fisher Z Partituren 3,9,15. </li><li> Zeit-Normalisierung der Gelenkwinkeldaten, dann berechnen Hüfte Flexion / Extension und Knie-Flexion / Extension kontinuierliche relative Phase (CRP) von der Winkelstellung / Geschwindigkeitsdaten 16,17. Analysieren Sie die Ergebnisse der CRP Berechnung bei den folgenden fünf Zeitpunkte: (a) Beginn der Kick, (b) Spitzengeschwindigkeit des ersten Segments, (c) gemeinsame Umkehr, (d) Spitzengeschwindigkeit des zweiten Segments, und (e ) Ende kick 3. </li></ol></li><li> Für alle Kicks, identifizieren berührungslosen Kicks, indem Sie die synchrone Videodaten. Berechne kinetischen Parameter für die berührungslose Kicks mit benutzerdefinierten Matlab-Programme. <ol><li> Berechnen Sie die Segment Masse und Punkts aus den Gleichungen für Kleinkinder ab Hatze die anthropometrische Modell für Erwachsene 18 modifiziert. Berechnen Sie die 3D-Trägheitsmomentedie Oberschenkel, Schaft und Fuß Segmente aus den Gleichungen für Kleinkinder ab Jensens anthropometrische Modell für Erwachsene 19 modifiziert. </li><li> Berechnen Sie die Bedingungen der folgenden Bewegungsgleichung mit der Schraube Theorie der räumlichen Manipulationen 20. <img alt="Gleichung 1" src="/files/ftp_upload/52841/52841equation1.jpg" /> wird unter Verwendung der Lagrange-Ansatz, bei dem M (θ) ist der Trägheitsmatrix abgeleitet wird, <img alt="theta1" src="/files/ftp_upload/52841/theta1.jpg" /> die Coriolis und Kreiselmoment Matrix N (θ) die Gravitations (GRA) Drehmomente und T der Muskel (MUS) Drehmomente. </li><li> Berechne Gelenkmomente mit Hilfe der 3D kinematische Daten der Nicht-Kontakt Kicks, Körper-Segment Trägheitsparameter und der biomechanischen Bewegungsgleichung. </li><li> Partitionieren Sie das Netz (NET) Drehmoment an jedem Gelenk in Bewegung abhängige (MDT), GRA und MUS Drehmomentbeiträge 21. Nettodrehmoment direkt proportional zu den Beschleunigungen an jeder Verbindung.MDT Drehmoment auf die passive Drehmomente mit mechanischer Wechselwirkungen zwischen den bewegten verbundenen Segmenten des Gliedes relevanten. GRA Drehmoment auf die passive Gravitationskraft wirkt nach unten auf die Schenkel zusammen. MUS Drehmoment umfasst Kräfte von aktiven Muskelkontraktionen und passive Verformungen von Muskeln, Sehnen, Bänder und andere periartikulären Gewebe. </li><li> Für die Hüfte und Knie separat berechnen Drehmomentimpuls wie der Größe der Beitrag jedes partitioniert Drehmoment (MUS, GRA, MDT) zur NET Drehmoment. Berechne den positiven oder negativen Drehmomentimpuls (Drehmoment * Zeit) während der Intervalle, in denen die Knie MUS Drehmoment in der gleichen oder entgegengesetzten Richtung beaufschlagt, verglichen mit dem Knie Nettodrehmoment. Führen Sie diese gleiche Berechnung mit Knie GRA und MDT Drehmomente und Hüfte MUS, GRA und MDT Drehmomente. Für die Hüfte und Knie getrennt, summieren alle positiven und negativen Impulsen für jede Momentkomponente um ein Maß für die Größe der Beitrag jedes partitioniert Drehmoment impuls ergebene (MUS, GRA, MDT) zur NET Drehmomentimpuls. </li></ol></li></ol>

<ol>
	<li>Gibson, E. J., Pick, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> An Ecological Approach to Perception, Learning and Development. , (2000).</li><li>Thelen, E., Smith, L. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> A Dynamic Systems Approach to the Development of Cognition and Action. , (1994).</li><li>Sargent, B., Schweighofer, N., Kubo, M., Fetters, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Infant+exploratory+learning:+influence+on+leg+joint+coordination.">Infant exploratory learning: influence on leg joint coordination.</a> PLoS One. 9 (3), e91500 (2014).</li><li>Rovee-Collier, C. K., Gekoski, M. J., Reese, H. W., Lipsitt, L. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+economics+of+infancy:+A+review+of+conjugate+reinforcement.">The economics of infancy: A review of conjugate reinforcement.</a> Adv Child Dev Behav. 13, 195-255 (1979).</li><li>Heathcock, J. C., Bhat, A. N., Lobo, M. A., Galloway, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+performance+of+infants+born+preterm+and+full-term+in+the+mobile+paradigm:+learning+and+memory.">The performance of infants born preterm and full-term in the mobile paradigm: learning and memory.</a> Phys. Ther. 84 (9), 808-821 (2004).</li><li>Haley, D. W., Weinberg, J., Grunau, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cortisol,+contingency+learning,+and+memory+in+preterm+and+full-term+infants.">Cortisol, contingency learning, and memory in preterm and full-term infants.</a> Psychoneuroendocrinology. 31 (1), 108-117 (2006).</li><li>Angulo-Kinzler, R., Ulrich, B. D., Thelen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-month-old+infants+can+select+specific+leg+motor+solutions.">Three-month-old infants can select specific leg motor solutions.</a> Motor Control. 6 (1), 52-68 (2002).</li><li>Tiernan, C. W., Angulo-Barroso, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Constrained+motor-perceptual+task+in+infancy:+effects+of+sensory+modality.">Constrained motor-perceptual task in infancy: effects of sensory modality.</a> J. Mot. Behav. 40 (2), 133-142 (2008).</li><li>Chen, Y., Fetters, L., Holt, K., Saltzman, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Making+the+mobile+move:+constraining+task+and+environment.">Making the mobile move: constraining task and environment.</a> Infant Behav. Dev. 25 (2), 195-220 (2002).</li><li>Ohr, P. S., Fagen, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Conditioning+and+long-term+memory+in+three-month-old+infants+with+Down+syndrome.">Conditioning and long-term memory in three-month-old infants with Down syndrome.</a> Am. J. Ment. Retard. 96 (2), 151-162 (1991).</li><li>Thelen, E., Hidden Ulrich, B. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=skills:+A+dynamical+system+analysis+of+treadmill+stepping+in+the+first+year.">skills: A dynamical system analysis of treadmill stepping in the first year.</a> Monogr Soc Res Child Dev. 56 (1), 1-98 (1991).</li><li>Soderkvist, I., Wedin, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Determining+the+movements+of+the+skeleton+using+well-configured+markers.">Determining the movements of the skeleton using well-configured markers.</a> J. Biomech. 26 (12), 1473-1477 (1993).</li><li>Schneider, K., Zernicke, R. F., Ulrich, B. D., Jensen, J. L., Thelen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Understanding+movement+control+in+infants+through+the+analysis+of+limb+intersegmental+dynamics.">Understanding movement control in infants through the analysis of limb intersegmental dynamics.</a> J. Mot. Behav. 22 (4), 493-520 (1990).</li><li>Jensen, J. L., Schneider, K., Ulrich, B. D., Zernicke, R. F., Thelen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptive+dynamics+of+the+leg+movement+patterns+of+human+infants:+I.+the+effects+of+posture+on+spontaneous+kicking.">Adaptive dynamics of the leg movement patterns of human infants: I. the effects of posture on spontaneous kicking.</a> J. Mot. Behav. 26 (4), 303-312 (1994).</li><li>Fetters, L., Sapir, I., Chen, Y. P., Kubo, M., Tronick, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spontaneous+kicking+in+full-term+and+preterm+infants+with+and+without+white+matter+disorder.">Spontaneous kicking in full-term and preterm infants with and without white matter disorder.</a> Dev. Psychobiol. 52 (6), 524-536 (2010).</li><li>Emmerick, R., Wagenaar, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+walking+velocity+on+relative+phase+dynamics+in+the+trunk+in+human+walking.">Effects of walking velocity on relative phase dynamics in the trunk in human walking.</a> J. Biomech. 29 (9), 1175-1184 (1996).</li><li>Kelso, J. A., Scholz, J. P., Schoner, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nonequilibrium+phase+transitions+in+coordinated+biological+motion:+critical+fluctuations.">Nonequilibrium phase transitions in coordinated biological motion: critical fluctuations.</a> Physics Letters A. 134 (6), 8-12 (1986).</li><li>Schneider, K., Zernicke, R. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mass,+center+of+mass,+and+moment+of+inertia+estimates+for+infant+limb+segments.">Mass, center of mass, and moment of inertia estimates for infant limb segments.</a> J. Biomech. 25 (2), 145-148 (1992).</li><li>Sun, H., Jensen, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Body+segment+growth+during+infancy.">Body segment growth during infancy.</a> J. Biomech. 27 (3), 265-275 (1994).</li><li>Murray, R. M., Li, Z., Sastry, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> A Mathematical Introduction to Robotic Manipulation. , (1994).</li><li>Galloway, J. C., Koshland, G. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=General+coordination+of+shoulder,+elbow+and+wrist+dynamics+during+multijoint+arm+movements.">General coordination of shoulder, elbow and wrist dynamics during multijoint arm movements.</a> Exp. Brain Res. 142 (2), 163-180 (2002).</li><li>Angulo-Kinzler, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exploration+and+selection+of+intralimb+coordination+patterns+in+3-month+old+infants.">Exploration and selection of intralimb coordination patterns in 3-month old infants.</a> J. Mot. Behav. 33, 363-376 (2001).</li><li>Fetters, L., Chen, Y. P., Jonsdottir, J., Tronick, E. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Kicking+coordination+captures+differences+between+full-term+and+premature+infants+with+white+matter+disorder.">Kicking coordination captures differences between full-term and premature infants with white matter disorder.</a> Hum. Mov. Sci. 22, 729-748 (2004).</li><li>Jeng, S., Chen, L., Yau, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Kinematic+analysis+of+kicking+movements+in+preterm+infants+with+very+low+birth+weight+and+full-term+infants.">Kinematic analysis of kicking movements in preterm infants with very low birth weight and full-term infants.</a> Phys. Ther. 82, 148-159 (2002).</li><li>Jensen, J. L., Thelen, E., Ulrich, B. D., Schneider, K., Zernicke, R. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptive+dynamics+of+the+leg+movement+patterns+of+human+infants:+III.+age-related+differences+in+limb+control.">Adaptive dynamics of the leg movement patterns of human infants: III. age-related differences in limb control.</a> J. Mot. Behav. 27, 366-374 (1995).</li><li>Piek, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+quantitative+analysis+of+spontaneous+kicking+in+two-month-old+infants.">A quantitative analysis of spontaneous kicking in two-month-old infants.</a> Hum. Mov. Sci. 15, 707-726 (1996).</li><li>Thelen, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Developmental+origins+of+motor+coordination:+Leg+movements+in+human+infants.">Developmental origins of motor coordination: Leg movements in human infants.</a> Dev. Psychobiol. 18, 1-22 (1985).</li><li>Vaal, J., van Soest, A. J., Hopkins, B., Sie, L. T. L., van der Knaap, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+spontaneous+leg+movements+in+infants+with+and+without+periventricular+leukomalacia.">Development of spontaneous leg movements in infants with and without periventricular leukomalacia.</a> Exp. Brain Res. 135, 94-105 (2000).</li></ol>

Keine Interessenskonflikte erklärt.

Design Entdeckungs-Lernaufgaben für Kleinkinder Discovery-Learning-Aufgaben für junge Kleinkinder müssen mit Bedacht gestaltet werden, um sicherzustellen, dass Kinder unabhängig Entdeckung der Kontingenz. In mehreren mobilen Paradigmen zu Beginn der Erfassungsbedingung, werden Säuglingen entweder gezeigt, dass das mobile aktiviert durch eine nicht-bedingten Aktivierung des Mobil 7,22 oder der Schenkel jedes Säugling passiv durch den Prüfer bewegt, um den Säugling auf die E...

Aufgabenspezifische Maßnahmen ergeben sich aus spontanen Bewegungen während der Kindheit. Es wurde vorgeschlagen, dass aufgabenspezifische Aktionen entstehen durch eine Entdeckung-Lern-Prozess 1,2. Aufgaben werden von Kleinkindern entdeckt, als sie sich spontan bewegen und erkunden Sie neue Aktionen, die Auswirkungen auf die Umwelt zu erzeugen. Aufgabenspezifische Aktionen hervorgehen, wie Kleinkinder nutzen die Verbindungen zwischen ihren Handlungen und ihre Auswirkungen auf die Welt um sie herum. Allerdings ist nur wenig über die genauen Prozesse, die Kleinkinder zu erkunden und zu nutzen lernen, ihre spontanen Bewegungen zu modifizieren, um aufgabenspezifische Aktionen ausführen bekannt. Hier wird ein Verfahren beschrieben, in dem 3-4 Monate alten Säuglingen Lösen einer Aufgabe durch Entdeckung und ihre Beinbewegungen erfasst werden, um den Lernprozess zu quantifizieren. <img alt="Abbildung 1" src="/files/ftp_upload/52841/52841fig1.jpg" /> Abbildung 1: Infant kicking-aktivierte Mobil Aufgabe. </strong&gt; Das Zentrum Leuchtdiode (LED) auf dem starren Körper jedes Fußes (gelber Kreis) angebracht aktiviert den mobilen als es kreuzt die virtuellen Schwelle (rot gestrichelte Linie). Re-gedruckt mit Genehmigung von Sargent et al. 3 Diese Entdeckung-Learning-Task verwendet einen Säugling aktivierten Mobil, der sich dreht und spielt Musik basierend auf der angegebenen Beinaktion von Säuglingen 3. Kleinkinder auf dem Rücken unter der Mobil platziert aktivieren Sie es, indem Sie die Beine vertikal über einem virtuellen Schwelle (Abbildung 1). Dieses Paradigma ist einzigartig, als Säuglinge unabhängig entdecken, dass ihr Bein Aktionen aktivieren das Handy, die Säuglinge &quot;Beinbewegungen werden mit einem Motion-Capture-System ermöglicht für die Quantifizierung des Lernprozesses verfolgt. Das experimentelle Protokoll umfasst zwei Tagen der Datenerhebung. Tag 1 besteht aus einer 2 min Ausgangszustand, in dem ein Kind schlägt spontan, aber sein Bein Aktionenkann das Kind Mobile, gefolgt von einer 6 min Erwerb Zustand, in dem Bein Aktionen des Säuglings aktivieren Sie die Säuglings Handy, wenn das Kind bewegt seine Füße vertikal, um eine virtuelle Schwelle nicht zu aktivieren. Dieses Protokoll ermöglicht für die Quantifizierung von spontanen Aktionen Bein Kleinkinder sowie die Quantifizierung der verschiedenen Aspekte der Bewegungen als Kleinkinder erforschen die Beziehung zwischen ihrem Bein Aktionen und Aktivierung des Säuglings Handy. Am 2. Tag, zusätzlich zu den 2 min Ausgangszustand und 6 min Erfassungsbedingung wird eine 2 min Aussterben Zustand aufgenommen, in dem Bein Aktionen des Kindes nicht den Säugling Handy zu aktivieren. Dies ermöglicht die Quantifizierung, wie Säuglinge ändern ihre Beinaktionen, wenn ein bereits gelernt Umwelt Reaktion abgebrochen. In früheren Kindermobil Paradigmen, die Häufigkeit der Beinbewegung 4-6, spezifische Hüft- und Kniewinkel 7,8 oder Treten eines Feld 9 haben reinforc gewesenmit mobilen Bewegung ed. Performance jeden Tag wurde als ein Anstieg dieser Bein Aktionen bei der Erfassung oder Aussterben Zustand im Vergleich zum Ausgangszustand 4-9 definiert. Lernen über Tage wurde als ein Anstieg dieser Bein Aktionen während der Baseline oder Übernahme Zustand Tage 2 oder 3 und der Ausgangszustand von Tag 1 5,6 definiert. Diese früheren mobilen Paradigmen zeigen, dass Säuglinge erhöhen die Frequenz der Bein Aktionen, die mit mobilen Aktivierung verstärkt werden, jedoch bieten sie keine Informationen über die Bewegungsoptionen Kleinkinder beim Lernen die Aufgabe haben, die ihnen. Zum Beispiel, wenn treten Rate wird verstärkt, Säuglinge zeigen, Leistung und Lernen, wenn ihre Tritte Zinserhöhungen sowohl bei der Interaktion mit dem Handy oder wenn das Mobil nicht mehr aktiviert. Dies zeigt, dass Säuglinge können ihre Tritte Rate zu suchen, aber es ist nicht bekannt, ob Säuglinge können ihre Beinkoordination Muster oder Drehmomenterzeugung zu verfeinern, um Generate Bein Maßnahmen, die nicht im Rahmen ihrer bevorzugten Bewegungsrepertoire sind. Diese mobile Paradigma ist in diesem einzigartigen Säuglinge sind erforderlich, um mehr verfeinert Beinaktion, um die mobile als in früheren mobilen Paradigmen aktivieren demonstrieren. In diesem Mobil Paradigma ist die Höhe jedes Fußes oberhalb des Tisches während der 2 Minuten in den Ausgangszustand unter Verwendung von Positionsdaten aus einer Leuchtdiode (LED) auf jedem Fuß befestigt berechnet. Eine virtuelle Schwelle wird dann parallel zur Tisch in einer Höhe, die im oberen Bereich der Höhe der beiden Füßen in der Ausgangszustand ist eingestellt. Während der Erwerb, die mobilen dreht und spielt Musik, wenn entweder zu Fuß über die Schwelle. Nach 3 sec, die mobilen Stationen und reaktiviert, wenn das Kind bewegt den Fuß unterhalb der Schwelle, und dann bewegt sich der Fuß senkrecht und wieder über die Schwelle. Zu der mobilen für die größte Menge an Zeit zu aktivieren, müssen Kleinkinder, einen Fuß über dem Schwellenwert bewegen und pflegen sie gegen gravkeit für 3 Sekunden, dann schnell bewegen Sie den Fuß unterhalb der Schwelle und wieder bewegen sie über dem Schwellenwert und halten Sie ihn dort für 3 sec, etc. Dies erfordert mehr verfeinert Beinaktion als einfache Erhöhung Treten Rate. <img alt="Figur 2" src="/files/ftp_upload/52841/52841fig2.jpg" /> Abbildung 2: Ungefilterte Positionsdaten von Werkzeugen (Fuß) von einem Vertreter Säugling Unfiltered Positionsdaten von Tag 2 eines 3 Monate alten Säugling, der das Lernen anhand demonstrierten auf den individuellen Lernkriterien.. Die rote Linie Positionsdaten der Z-Koordinate der Leuchtdiode (LED) auf dem rechten Fuß platziert. Die blaue Linie ist die Positionsdaten von der LED auf dem linken Fuß. Dicke schwarze Linie ist die Tabelle. Gepunktete Linie ist der virtuelle Grenzwert 14 cm über dem Tisch angeordnet, wie bestimmt für jeden Säugling basierend auf der Höhe ihrer treten während der BaselineZustand 1. Tag X-Achse ist die Zeit von 2 min Intervallen markiert. Beachten Sie, wie das Kind bewegt seine Füße während der Baseline, wenn das Mobil nicht aktivieren und während der ersten 30 Sekunden des Erwerbs 1, dann ist er konsequent hält beide Füße vom Tisch und bewegt seine Füße gleich um die Schwelle für die nächsten 5 ½ min, bis das Mobil nicht mehr aktiviert, während der vom Aussterben Zustand. Die zweite Besonderheit dieses Mobil Paradigma ist, dass Beinaktion jeder Säugling wird mit state-of-the-Art-Motion-Capture-Techniken zu quantifizieren, wie Kleinkinder nutzen ihre Bewegungsmöglichkeiten, um die Aufgabe zu lernen verfolgt. Ungefiltert Positionsdaten der LED an jedem Fuß, die das mobile von einem Vertreter Säugling aktiviert ist in Abbildung 2 enthalten. Beachten Sie, wie das Kind bewegt seine Füße in verschiedenen Höhen über dem Tisch während der Baseline und den ersten Teil der Akquisition, sondern bewegt sich dann beide Füße direkt um die Schwelle während der Rest der Erfassungs bedingungention, bis das Mobil nicht mehr aktiviert, während der Löschung. Dies ist eines von vielen möglichen Bewegungsstrategien, um die Entdeckung lern Aufgabe. Die Strategien können durch Berechnung dreidimensionaler Kinematik und Kinetik mit der Motion-Capture-System erfassten Positionsdaten quantifiziert werden. Insbesondere wird der Lernprozess in Bezug auf den Anteil der verstärkten Beinaktion (% RLA), die gleich der Dauer mobiler Aktivierung Position Varianz der Endeffektoren (Fuß), die die mobilen, Hip-Knie Koordinationsmuster zu aktivieren ist quantifiziert und Hüft- und Kniegelenksmomente.

<table border="0" cellpadding="0" cellspacing="0">
	<tbody>
		<tr>
			<td>Optotrak Certus Position Sensor, Far Focus, with stand</td>
			<td>Northern Digital Inc</td>
			<td align="right">8800852</td>
			<td></td>
		</tr>
		<tr>
			<td>Optotrak Data Acquisition Unit II (ODAU II)</td>
			<td>Northern Digital Inc</td>
			<td align="right">8800767</td>
			<td></td>
		</tr>
		<tr>
			<td>Optotrak Vinten Stand, Certus with Quick Fix Adapter</td>
			<td>Northern Digital Inc</td>
			<td align="right">8800855.002</td>
			<td></td>
		</tr>
		<tr>
			<td>Certus S-Type, Standard Configuration</td>
			<td>Northern Digital Inc</td>
			<td align="right">8800761</td>
			<td></td>
		</tr>
		<tr>
			<td>Marker (7 mm) pair, c/w RJII connector and 8 ft cable</td>
			<td>Northern Digital Inc</td>
			<td align="right">8001029.001</td>
			<td></td>
		</tr>
		<tr>
			<td>AC Line Cord, Medical Grade, North America</td>
			<td>Northern Digital Inc</td>
			<td align="right">7500010</td>
			<td></td>
		</tr>
		<tr>
			<td>Cubic Reference Emitter Kit - Certus</td>
			<td>Northern Digital Inc</td>
			<td align="right">8800768</td>
			<td></td>
		</tr>
		<tr>
			<td></td>
			<td></td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>3 Pylon IEEE 1394 cameras</td>
			<td>Basler</td>
			<td>A6021c</td>
			<td></td>
		</tr>
		<tr>
			<td>Vixia HG10 camcorder</td>
			<td>Canon</td>
			<td>2183B001</td>
			<td></td>
		</tr>
		<tr>
			<td>Adhesive Disks</td>
			<td>MVAP Medical Supplies</td>
			<td>E401-500</td>
			<td></td>
		</tr>
		<tr>
			<td>Reversible head support</td>
			<td>Eddie Bauer</td>
			<td align="right">52556</td>
			<td></td>
		</tr>
		<tr>
			<td>Softstrap Strap</td>
			<td>Sammons Preston</td>
			<td>A34960</td>
			<td></td>
		</tr>
		<tr>
			<td>Digital Pediatric Scale</td>
			<td>Healthometer</td>
			<td>Model 524KL</td>
			<td></td>
		</tr>
	</tbody>
</table>

quantifying learning in young infants: tracking leg actions during a discovery-learning task

Aufgabenspezifische Maßnahmen ergeben sich aus spontanen Bewegung während der Kindheit. Es wurde vorgeschlagen, dass aufgabenspezifische Aktionen entstehen durch eine Entdeckung-Lern-Prozess. Hier wird ein Verfahren beschrieben, in dem 3-4 Monate alten Säuglingen Lösen einer Aufgabe durch Entdeckung und ihre Beinbewegungen erfasst werden, um den Lernprozess zu quantifizieren. Diese Entdeckung-Learning-Task verwendet einen Säugling aktivierten Mobil, die auf Basis von festgelegten Beinaktion von Säuglingen dreht und spielt Musik. Rücken Säuglinge aktivieren Sie die mobilen, indem sie ihre Füße vertikal über einem virtuellen Schwelle. Dieses Paradigma ist einzigartig, als Säuglinge unabhängig entdecken, dass ihr Bein Aktionen aktivieren das Handy, die Säuglinge &quot;Beinbewegungen werden mit einem Motion-Capture-System ermöglicht für die Quantifizierung des Lernprozesses verfolgt. Genauer gesagt, wird das Lernen in Bezug auf die Dauer der mobilen Aktivierung quantifiziert, die Position Varianz der Endeffektoren (Fuß), die das mobile aktivieren, Veränderungen in der Hip-Knie-Koordinationtion Muster und Veränderungen in der Hüfte und Knie Muskel Drehmoment. Diese Informationen beschreiben Säugling Erforschung und Ausbeutung im Zusammenspiel von Mensch und Umweltauflagen, die aufgabenspezifische Maßnahmen zu unterstützen. Nachfolgende Forschung mit dieser Methode kann, wie bestimmte Wertminderungen von verschiedenen Populationen von Kleinkindern gefährdet untersuchen für Bewegungsstörungen beeinflussen die Entdeckung und Lernprozess für aufgabenspezifische Maßnahmen.

Der Lernprozess der jungen Säuglingen kann im Hinblick auf die% RLA quantifiziert werden, Stellung Varianz der Endeffektoren (Fuß), Hip-Kniewinkelkorrelationskoeffizienten und Hüft- und Kniegelenksmomente. Jede Ebene der Analyse liefert eindeutige Informationen darüber, wie Kleinkinder erforschen die Beziehung zwischen ihrem Bein Aktionen und Aktivierung des Säuglings Handy während der Entdeckung-Lern-Prozess. Für die statistische Analyse von% RLA und Hip-Kniewinkelkorrelationskoeffiz...

Watch this Scientific Journal Video about Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task at JoVE.com

Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task

A method is described in which 3-4 month old infants learn a task by discovery and their leg movements are captured to quantify the learning process.

Quantifizierung Lernen bei jungen Säuglingen: Tracking-Leg Aktionen während eines Ermittlungs-Learning-Task-

Task-specific actions emerge from spontaneous movement during infancy. It has been proposed that task-specific actions emerge through a discovery-learning ...

quantifying-learning-young-infants-tracking-leg-actions-during

Research

JoVE Journal

Behavior

10.5K Aufrufe.  University of Southern California. A method is described in which 3-4 month old infants learn a task by discovery and their leg movements are captured to quantify the learning process.

Serie: Quantifying Learning in Young Infants: Tracking Leg Actions During a Discovery-learning Task

P50 Sensory Gating in Infants

Attentional deficits are common in a variety of neuropsychiatric disorders including attention deficit-hyperactivity disorder, autism, bipolar mood disorder, and schizophrenia. There has been increasing interest in the neurodevelopmental components of these attentional deficits; neurodevelopmental meaning that while the deficits become clinically prominent in childhood or adulthood, the deficits are the results of problems in brain development that begin in infancy or even prenatally. Despite this interest, there are few methods for assessing attention very early in infancy. This report focuses on one method, infant auditory P50 sensory gating.
Attention has several components. One of the earliest components of attention, termed sensory gating, allows the brain to tune out repetitive, noninformative sensory information. Auditory P50 sensory gating refers to one task designed to measure sensory gating using changes in EEG. When identical auditory stimuli are presented 500 ms apart, the evoked response (change in the EEG associated with the processing of the click) to the second stimulus is generally reduced relative to the response to the first stimulus (i.e. the response is &#34;gated&#34;). When response to the second stimulus is not reduced, this is considered a poor sensory gating, is reflective of impaired cerebral inhibition, and is correlated with attentional deficits.
Because the auditory P50 sensory gating task is passive, it is of potential utility in the study of young infants and may provide a window into the developmental time course of attentional deficits in a variety of neuropsychiatric disorders. The goal of this presentation is to describe the methodology for assessing infant auditory P50 sensory gating, a methodology adapted from those used in studies of adult populations.

Methods to record auditory P50 sensory gating, a physiological marker of cerebral inhibition which reflects early stages of attention, are described.

Attentional deficits are common in a variety of neuropsychiatric disorders including attention deficit-hyperactivity disorder, autism, bipolar mood ...

Forschung

Verhalten

Using the Threat Probability Task to Assess Anxiety and Fear During Uncertain and Certain Threat

Fear of certain threat and anxiety about uncertain threat are distinct emotions with unique behavioral, cognitive-attentional, and neuroanatomical components. Both anxiety and fear can be studied in the laboratory by measuring the potentiation of the startle reflex. The startle reflex is a defensive reflex that is potentiated when an organism is threatened and the need for defense is high. The startle reflex is assessed via electromyography (EMG) in the orbicularis oculi muscle elicited by brief, intense, bursts of acoustic white noise (i.e., &#8220;startle probes&#8221;). Startle potentiation is calculated as the increase in startle response magnitude during presentation of sets of visual threat cues that signal delivery of mild electric shock relative to sets of matched cues that signal the absence of shock (no-threat cues). In the Threat Probability Task, fear is measured via startle potentiation to high probability (100% cue-contingent shock; certain) threat cues whereas anxiety is measured via startle potentiation to low probability (20% cue-contingent shock; uncertain) threat cues. Measurement of startle potentiation during the Threat Probability Task provides an objective and easily implemented alternative to assessment of negative affect via self-report or other methods (e.g., neuroimaging) that may be inappropriate or impractical for some researchers. Startle potentiation has been studied rigorously in both animals (e.g., rodents, non-human primates) and humans which facilitates animal-to-human translational research. Startle potentiation during certain and uncertain threat provides an objective measure of negative affective and distinct emotional states (fear, anxiety) to use in research on psychopathology, substance use/abuse and broadly in affective science. As such, it has been used extensively by clinical scientists interested in psychopathology etiology and by affective scientists interested in individual differences in emotion.

Potentiation of the startle reflex is measured via electromyography of the orbicularis oculi muscle during low (uncertain) and high (certain) probability electric shock threat in the Threat Probability Task. This provides an objective measure of distinct negative emotional states (fear/anxiety) for research on psychopathology, substance use/abuse, and broad affective science.

Unter Verwendung der Bedrohungswahrscheinlichkeit Aufgabe zu Angst und Furcht in unsicheren und bestimmte Bedrohungs Beurteilen

Fear of certain threat and anxiety about uncertain threat are distinct emotions with unique behavioral, cognitive-attentional, and neuroanatomical ...

fMRI Validation of fNIRS Measurements During a Naturalistic Task

We present a method to compare brain activity recorded with near-infrared spectroscopy (fNIRS) in a dance video game task to that recorded in a reduced version of the task using fMRI (functional magnetic resonance imaging). Recently, it has been shown that fNIRS can accurately record functional brain activities equivalent to those concurrently recorded with functional magnetic resonance imaging for classic psychophysical tasks and simple finger tapping paradigms. However, an often quoted benefit of fNIRS is that the technique allows for studying neural mechanisms of complex, naturalistic behaviors that are not possible using the constrained environment of fMRI. Our goal was to extend the findings of previous studies that have shown high correlation between concurrently recorded fNIRS and fMRI signals to compare neural recordings obtained in fMRI procedures to those separately obtained in naturalistic fNIRS experiments. Specifically, we developed a modified version of the dance video game Dance Dance Revolution (DDR) to be compatible with both fMRI and fNIRS imaging procedures. In this methodology we explain the modifications to the software and hardware for compatibility with each technique as well as the scanning and calibration procedures used to obtain representative results. The results of the study show a task-related increase in oxyhemoglobin in both modalities and demonstrate that it is possible to replicate the findings of fMRI using fNIRS in a naturalistic task. This technique represents a methodology to compare fMRI imaging paradigms which utilize a reduced-world environment to fNIRS in closer approximation to naturalistic, full-body activities and behaviors. Further development of this technique may apply to neurodegenerative diseases, such as Parkinson&#8217;s disease, late states of dementia, or those with magnetic susceptibility which are contraindicated for fMRI scanning.

We present a method to compare functional brain activity recorded during a naturalistic task using fNIRS with activity recorded during fMRI.

fMRI Validierung fNIRS Messungen während einer naturalistischen Aufgaben

We present a method to compare brain activity recorded with near-infrared spectroscopy (fNIRS) in a dance video game task to that recorded in a reduced ...

A Method for Remotely Silencing Neural Activity in Rodents During Discrete Phases of Learning

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while animals are engaged in learning and memory tasks. The approach combines pharmacogenetics (Designer-Receptors-Exclusively-Activated-by-Designer-Drugs) with a behavioral paradigm (sensory preconditioning) that is designed to distinguish between different forms of learning. Specifically, viral-mediated delivery is used to express a genetically modified inhibitory G-protein coupled receptor (the Designer Receptor) into a discrete brain region in the rodent. Three weeks later, when designer receptor expression levels are high, a pharmacological agent (the Designer Drug) is administered systemically 30 min prior to a specific behavioral session. The drug has affinity for the designer receptor and thus results in inhibition of neurons that express the designer receptor, but is otherwise biologically inert. The brain region remains silenced for 2-5 hr (depending on the dose and route of administration). Upon completion of the behavioral paradigm, brain tissue is assessed for correct placement and receptor expression. This approach is particularly useful for determining the contribution of individual brain regions to specific components of behavior and can be used across any number of behavioral paradigms.

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while rats are engaged in learning and memory tasks. The approach combines pharmacogenetics (Designer-Receptors-Exclusively-Activated-by-Designer-Drugs) with a behavioral paradigm (sensory preconditioning) that is designed to distinguish between different components of learning.

Ein Verfahren zum Fern Silencing neuronale Aktivität in Nagetiere Während diskreter Phasen des Lernens

This protocol describes how to temporarily and remotely silence neuronal activity in discrete brain regions while animals are engaged in learning and ...

A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants

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 &#8220;in action and in context&#8221;. 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.

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.

A Novel experimentellen und analytischen Ansatz zur multimodalen Neural Decoding of Intent Während Soziale Interaktion in Frei-verhalten menschliche Säuglinge

Understanding typical and atypical development remains one of the fundamental questions in developmental human neuroscience. Traditionally, experimental ...

The "Motor" in Implicit Motor Sequence Learning: A Foot-stepping Serial Reaction Time Task

This protocol describes a modified serial reaction time (SRT) task used to study implicit motor sequence learning. Unlike the classic SRT task that involves finger-pressing movements while sitting, the modified SRT task requires participants to step with both feet while maintaining a standing posture. This stepping task necessitates whole body actions that impose postural challenges. The foot-stepping task complements the classic SRT task in several ways. The foot-stepping SRT task is a better proxy for the daily activities that require ongoing postural control, and thus may help us better understand sequence learning in real-life situations. In addition, response time serves as an indicator of sequence learning in the classic SRT task, but it is unclear whether response time, reaction time (RT) representing mental process, or movement time (MT) reflecting the movement itself, is a key player in motor sequence learning. The foot-stepping SRT task allows researchers to disentangle response time into RT and MT, which may clarify how motor planning and movement execution are involved in sequence learning. Lastly, postural control and cognition are interactively related, but little is known about how postural control interacts with learning motor sequences. With a motion capture system, the movement of the whole body (e.g., the center of mass (COM)) can be recorded. Such measures allow us to reveal the dynamic processes underlying discrete responses measured by RT and MT, and may aid in elucidating the relationship between postural control and the explicit and implicit processes involved in sequence learning. Details of the experimental set-up, procedure, and data processing are described. The representative data are adopted from one of our previous studies. Results are related to response time, RT, and MT, as well as the relationship between the anticipatory postural response and the explicit processes involved in implicit motor sequence learning.

The &quot;Motor&quot; in Implicit Motor Sequence Learning: A Foot-stepping Serial Reaction Time Task

We introduce the foot-stepping serial reaction time (SRT) task. This modified SRT task, complementing the classic SRT task that involves only finger-pressing movement, better approximates daily sequenced activities and allows researchers to study the dynamic processes underlying discrete response measures and disentangle the explicit process operating in implicit sequence learning.

Der "Motor" in der Kfz-implizite Reihenfolge lernen: ein Fuß-stepping serielle Reaktionszeit Aufgabe

This protocol describes a modified serial reaction time (SRT) task used to study implicit motor sequence learning. Unlike the classic SRT task that ...

Eye Tracking During Visually Situated Language Comprehension: Flexibility and Limitations in Uncovering Visual Context Effects

The present work is a description and an assessment of a methodology designed to quantify different aspects of the interaction between language processing and the perception of the visual world. The recording of eye-gaze patterns has provided good evidence for the contribution of both the visual context and linguistic/world knowledge to language comprehension. Initial research assessed object-context effects to test&#160;theories of modularity in language processing. In the introduction, we describe how subsequent investigations have taken the role of the wider visual context in language processing as a research topic in its own right, asking questions such as how our visual perception of events and of speakers contributes to&#160;comprehension informed by&#160;comprehenders&#39; experience. Among the examined aspects of the visual context are actions, events, a speaker&#39;s gaze, and emotional facial expressions, as well as spatial object configurations. Following an overview of the eye-tracking method and its different applications, we list the key steps of the methodology in the protocol, illustrating how to successfully use it to study visually-situated language comprehension. A final section presents three sets of representative results and illustrates the benefits and limitations of eye tracking for investigating the interplay between the perception of the visual world and language comprehension.

The present article reviews an eye-tracking methodology for studies on language comprehension. To obtain reliable data, key steps of the protocol must be followed. Among these are the correct set-up of the eye tracker (e.g., ensuring good quality of the eye and head images) and accurate calibration.

Eyetracking während visuell liegt Sprachverständnis: Flexibilität und Einschränkungen bei der Aufdeckung visuellen Kontext Effekte

The present work is a description and an assessment of a methodology designed to quantify different aspects of the interaction between language processing ...

Eye-tracking to Distinguish Comprehension-based and Oculomotor-based Regressive Eye Movements During Reading

Regressive eye movements are eye movements that move backwards through the text and comprise approximately 10-25% of eye movements during reading. As such, understanding the causes and mechanisms of regressions plays an important role in understanding eye movement behavior. Inhibition of return (IOR) is an oculomotor effect that results in increased latency to return attention to a previously attended target versus a target that was not previously attended. Thus, IOR may affect regressions. This paper describes how to design materials to distinguish between regressions caused by comprehension-related and oculomotor processes; the latter is subject to IOR. The method allows researchers to identify IOR and control the causes of regressions. While the method requires tightly controlled materials and large numbers of participants and materials, it allows researchers to distinguish and control the types of regressions that occur in their reading studies.

The method was designed to investigate the role of inhibition of return (IOR) in regressive eye movements during reading. The focus is on differentiating between regressions triggered as a result of comprehension difficulty versus those triggered from oculomotor error, including the role of IOR in the two types of regressions.

Eye-Tracking, Verständnis und okulomotorischen-basierten Regressive Augenbewegungen beim Lesen zu unterscheiden

Regressive eye movements are eye movements that move backwards through the text and comprise approximately 10-25% of eye movements during reading. As ...

Defining the Role Of Language in Infants' Object Categorization with Eye-tracking Paradigms

Assessing infant category learning is a challenging but vital aspect of studying infant cognition. By employing a familiarization-test paradigm, we straightforwardly measure infants&#8217; success in learning a novel category while relying only on their looking behavior. Moreover, the paradigm can directly measure the impact of different auditory signals on the infant categorization across a range of ages. For instance, we assessed how 2-year-olds learn categories in a variety of labeling environments: in our task, 2-year-olds successfully learned categories when all exemplars were labeled&#160;or the first two exemplars were labeled, but they failed to categorize when no exemplars were labeled or only the final two exemplars were labeled. To determine infants&#8217; success in such tasks, researchers can examine both the overall preference displayed by infants in each condition and infants&#8217; pattern of looking over the course of the test phase, using an eye-tracker to provide fine-grained time-course data. Thus, we present a powerful paradigm for identifying the role of language, or any auditory signal, in infants&#8217; object category learning.

Defining the Role Of Language in Infants&#039; Object Categorization with Eye-tracking Paradigms

Here we present a protocol for familiarization-test paradigms which provide a direct test of infant categorization and help to define the role of language in early category learning.

Bestimmung der Rolle der Sprache bei Säuglingen Objekt Kategorisierung mit Eyetracking-Paradigmen

Assessing infant category learning is a challenging but vital aspect of studying infant cognition. By employing a familiarization-test paradigm, we ...

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking (FLLIT)

The Drosophila model has been invaluable for the study of neurological function and for understanding the molecular and cellular mechanisms that underlie neurodegeneration. While fly techniques for the manipulation and study of neuronal subsets have grown increasingly sophisticated, the richness of the resultant behavioral phenotypes has not been captured at a similar detail. To be able to study subtle fly leg movements for comparison amongst mutants requires the ability to automatically measure and quantify high-speed and rapid leg movements. Hence, we developed a machine-learning algorithm for automated leg claw tracking in freely walking flies, Feature Learning-based Limb segmentation and Tracking (FLLIT). Unlike most deep learning methods, FLLIT is fully automated and generates its own training sets without a need for user annotation, using morphological parameters built into the learning algorithm. This article describes an in depth protocol for carrying out gait analysis using FLLIT. It details the procedures for camera setup, arena construction, video recording, leg segmentation and leg claw tracking. It also gives an overview of the data produced by FLLIT, which includes raw tracked body and leg positions in every video frame, 20 gait parameters, 5 plots and a tracked video. To demonstrate the use of FLLIT, we quantify relevant diseased gait parameters in a fly model of Spinocerebellar ataxia 3.

Fully Automated Leg Tracking in Freely Moving Insects using Feature Learning Leg Segmentation and Tracking FLLIT

We describe detailed protocols for using FLLIT, a fully automated machine learning method for leg claw movement tracking in freely moving Drosophila melanogaster and other insects. These protocols can be used to quantitatively measure subtle walking gait movements in wild type flies, mutant flies and fly models of neurodegeneration.

Vollautomatische beinverfolgung in frei beweglichen Insekten mit Feature Learning Leg Segmentation and Tracking (FLLIT)

The Drosophila model has been invaluable for the study of neurological function and for understanding the molecular and cellular mechanisms that underlie ...