Este estudio fue apoyado por el Instituto Nacional de Salud Mental (MH060668 y MH069558).

Diseño de un paradigma de condicionamiento rastreo mediante enmascaramiento hacia atrás para bloquear la conciencia 1. Los estímulos Diseño <ol><li> Diseñar los estímulos para los dos grupos. </li><li> Elija 4 expresiones neutrales de diferentes individuos. </li><li> Alinear las caras para que la región del ojo de cada cara está en el mismo lugar. </li><li> Cultivos los rostros utilizando un óvalo para que el pelo, las orejas y otras características periféricas ya no son visibles. </li><li> Utilice la caja de herramientas de procesamiento de señales en Matlab (Ver Tabla 1 para el software necesario para ejecutar el experimento) para crear imágenes filtradas paso alto, quitando toda la información que es menos de 5 ciclos por grado 12. </li><li> Crear la máscara mediante la fusión de varias expresiones neutrales juntos, y la adición de ruido de alta frecuencia espacial a la imagen. </li><li> Normalizar todas las imágenes para que tengan igualdad de luminancia. </li></ol> 2. Programa del experimento utilizando Presentación <ol><li> Programa de formación y fases de prueba de presentación utilizando los parámetros descritos a continuación (ver Figura 1). </li><li> Además, el programa de un archivo separado (PCC) que será utilizado por el paquete de software de adquisición de datos PSYLAB durante el entrenamiento y el ensayo, con el fin de administrar la descarga provocada por Presentación. </li><li> Para el programa de entrenamiento a 4 cuadras de diferencia de rastrear el miedo acondicionado con 15 ensayos por CS, por bloque. </li><li> En cada ensayo presentar el CS de 30 ms. </li><li> En cada ensayo presentar la máscara para 970 mseg. </li><li> En cada ensayo + CS presentar el UCS choque de 100 mseg, por lo que coterminates con la máscara. </li><li> Variar la localización de la combinación de CS / máscara de modo que aparece aleatoriamente en 1 de 4 cuadrantes. </li><li> Presente 1 prueba cada 6 ± 2 segundos con un intervalo entre ensayos variable. </li><li> Para la prueba de sesión del programa 1 cuadra de readquisición con 5 ensayos de cada cara CS y 5 ensayos cada uno de los dos nuevos CSs cara. </li&gt; <li> Con el fin de maximizar su capacidad de registrar las respuestas de conductancia de la piel (SCR) durante los ensayos de prueba, presentar el CS durante 8 s. </li><li> En cada ensayo + CS presentar el UCS choque de 100 mseg, por lo que coterminates con el CS +. </li><li> Presente 1 ensayo cada 20 ± 4 segundos utilizando un intervalo entre ensayos variable. </li><li> Instruya a los sujetos reportar esperanza de UCS durante las dos sesiones, y registrar sus respuestas usando un dispositivo de eje compatible MRI / MEG (joystick, control deslizante, línea, ver sección 7). </li><li> Grabar SCR durante la sesión de pruebas usando electrodos colocados en la parte inferior de los participantes dejaron de pie (véase la sección 9). </li></ol> Grabación de la actividad cerebral durante la tarea mediante magnetoencefalografía 3. Configuración del equipo para la Formación en MEG Suite (Ver Figura 2). <ol><li> Conecte el ordenador presentación del estímulo al sistema de adquisición MEG usando un conector múltiple de cable estándar DB25 cinta (Ver Tabla 2 </strong&gt; de equipo necesario para llevar a cabo el experimento.). </li><li> Conectar el ordenador a la presentación del estímulo PSYLAB independiente del monitor (SAM) usando la 8-bits para adaptador de aislamiento de 2 bits y el cable de sincronización. </li><li> La lógica pulsos transistor-transistor (TTL) que se utilizan para marcar las presentaciones de los estímulos pueden causar artefactos en los datos MEG si se envían a la SAM. Para evitar estos artefactos, marcar el inicio de los estímulos utilizando sólo los bits bloqueados por el adaptador de aislamiento. </li><li> Conecte el estimulador shock (SHK1) a la SAM mediante el cable suministrado con la unidad. </li><li> Pase el cable de extensión blindado a través de la guía de ondas y conéctelo al estimulador shock. </li><li> Conecte el SAM a un ordenador con el software de adquisición de datos PSYLAB mediante un cable USB estándar. </li><li> Conecte el dial a la computadora la presentación del estímulo (USB) y el sistema de adquisición de MEG (BNC) con el divisor gameport-to-gameport/BNC y el puerto de juegos a USB adaptarer. </li><li> Graba dos minutos de datos de sensores sin que el sujeto en la habitación. </li></ol> 4. Configuración del equipo para la prueba de MRI suite <ol><li> Conecte el ordenador presentación del estímulo a la SAM mediante el cable de sincronización. </li><li> Conecte el estimulador shock (SHK1) y el amplificador de conductancia de la piel (SC5) a la SAM usando los cables suministrados con la unidad. </li><li> Pase los cables de extensión blindados para SCR y de choque a través de la guía de onda y conectarlos a sus respectivas unidades. </li><li> Conecte el SAM a un ordenador con el software de adquisición de datos PSYLAB mediante un cable USB estándar. </li><li> Conecte el dial a la computadora la presentación del estímulo mediante el puerto de juegos al adaptador USB. </li></ol> 5. Configuración para la Formación en Materia MEG Suite (Ver Figura 3) <ol><li> Adjuntar electrodos y sensores para el sujeto utilizando el esquema de la Figura 3 como una guía. </li><li> Conecte electrodos desechables paraparpadeo del monitor por encima y debajo del ojo derecho del sujeto. </li><li> Conecte electrodos desechables para controlar la frecuencia cardíaca a lado del sujeto izquierda justo debajo del corazón y el pecho derecho justo debajo de la clavícula. </li><li> Una un electrodo desechable como una referencia a la parte posterior del hombro izquierdo del sujeto. </li><li> Adjuntar dos electrodos taza a la pierna derecha del sujeto sobre el nervio tibial justo encima del maléolo interno para administrar el choque. </li><li> Coloque 4 cabeza indicador de posición (HPI) bobinas al tema, una encima de cada ojo y uno detrás de cada oreja. </li><li> Digitalizar la posición de la cabeza del sujeto con respecto a las bobinas IPH utilizando puntos fiduciales. </li><li> Usando el sistema de Polhemus, mapa la posición de nasión del sujeto, e izquierda y derecha tragi. </li><li> Alinear digital de la posición de la cabeza del sujeto en relación con los puntos fiduciales, asegurándose de que los puntos son simétricos. </li><li> Siguiente mapa la posición de las bobinas HPI del sujeto. </li><li> Por último, el dígitoize 50 a 100 puntos a lo largo del cuero cabelludo del sujeto. </li><li> Escoltar a los sujetos al sistema de MEG y conectar los electrodos y sensores para la interfaz adecuada. </li><li> Conecte el electrodo desechable conduce al amplificador sistema de MEG. </li><li> Conecte el mazo de cables IPH en el sistema de MEG. </li><li> Conecte el electrodo de descarga desemboca en el cable de extensión blindado. </li><li> Levante la silla para que la cabeza del sujeto está en contacto con la parte superior del casco MEG. </li><li> Coloque la pantalla de modo que la imagen proyectada está en foco. </li></ol> 6. El tratamiento de choque <ol><li> Ajuste el choque a un nivel que los informes sometidos como dolorosa pero tolerable. </li><li> Brazo del estimulador choque girando el dial de la 0 mA posición la posición 5 mA. </li><li> Administrar varias presentaciones del choque con la ventana de control de estímulos del paquete de software de adquisición de datos PSYLAB. </li><li> Después de cada presentación tiene la tasa de sujetos de la intensidad del choque en unescala de 0 (nada doloroso) a 10 (dolorosa pero tolerable). </li><li> Poco a poco aumentar la intensidad de la descarga hasta que el sujeto califica como un 10. </li><li> Registre el valor de la escala en el cuadro de valor de parámetro en la ventana de detalles de sujetos, los choques se administraron durante el experimento en el valor indicado en esta casilla. </li></ol> 7. Dispositivos de respuesta <ol><li> Indique el tema sobre el uso correcto de la esfera con un ejemplo escenario de presentación. </li><li> Instrucciones:. &quot;Mueve el cursor hasta el final a la derecha (100) si está absolutamente seguro de que usted recibirá una presentación de la estimulación en un futuro próximo Mover el cursor hasta el final a la izquierda (0) si está seguro que usted no recibirá un estímulo en un futuro próximo. Mueva el cursor hasta el centro (50), si no está seguro de si está o no recibirá el estímulo en el futuro cercano &quot;. </li></ol> 8. MEG récord durante el entrenamiento <ol><li> Record dos minutos de los datos en bruto en 2 kHz, mientras el sujeto se apoya con los ojos abiertos. </li><li> Antes de comenzar la formación códigos de evento de registro y entrega de choque que utilizan el software de adquisición de datos PSYLAB. </li><li> Asegúrese de que PSYLAB está ejecutando el código PCC adecuado para que envíe el choque cuando se activa por el ordenador. </li><li> Grabar los datos en bruto en 2 kHz durante cada una de las cuatro carreras de entrenamiento. </li><li> Registre promedios en línea como una manera de inspeccionar visualmente los datos en tiempo real para las fuentes de ruido sistemáticos. </li><li> Pida al sujeto que calificaran la intensidad del choque después de cada carrera para evaluar la habituación. </li></ol> 9. Configuración Asunto de Pruebas en el MRI suite <ol><li> Acompañar el tema de la suite de MEG a la sala de RM. </li><li> Vuelva a colocar los electrodos de choque y volver a calibrar la intensidad del choque. </li><li> Coloque dos electrodos taza a la parte inferior del pie izquierdo del sujeto para controlar SCR. </li><li> Asegúrese de que el tema todavía entiende cómo utilizar tque los dispositivos de respuesta. </li><li> Coloque el sujeto en la camilla, asegurar su cabeza, y conecte el SCR y el electrodo de descarga lleva a los cables blindados correspondientes. </li><li> Coloque el espejo unido a la bobina de la cabeza para que el participante pueda ver la pantalla colocada detrás de la cabeza de bobina. </li></ol> 10. Record fMRI durante la prueba <ol><li> Recoge imágenes anatómicas de alta resolución (SPGR). </li><li> Grabar sangre oxigenación respuestas dependientes de nivel durante la sesión de pruebas utilizando parámetros de imagen estándar (TR = 2 seg; TE = 25 ms; CAMPO DE VISTA = 24 cm; flip = ángulo de 90 °). </li><li> Después de las pruebas tienen el objeto completar un cuestionario posterior experimental. </li></ol> Utilizando imágenes fuente para recuperar la señal a partir de las estructuras subcorticales. 11. Análisis del comportamiento y fMRI datos <ol><li> Utilice esperanza UCS para determinar si los sujetos fueron capaces de discriminar entre los estímulos. </li><li> Promediolos datos sobre la esperanza de UCS para el intervalo de 900 ms traza y el período de referencia anterior 900 ms para cada ensayo. </li><li> Reste el valor para el período de referencia del valor para el intervalo de rastreo para determinar cómo el sujeto se movió el dial después de la presentación del estímulo. </li><li> Realice un tipo CS mediante prueba ANOVA de medidas repetidas a través de temas. </li><li> Analizar los datos de comportamiento y fMRI de la sesión de pruebas con las normas publicadas con anterioridad 5,13-15. </li></ol> 12. Preproceso MRI Volumen <ol><li> Usa FreeSurfer 16 para crear un volumen segmentado subcorticales, y las superficies de la corteza, la piel exterior, y el cráneo exterior. </li><li> Convertir volúmenes y superficies a formato legible AFNI. </li><li> Ejecutar importsurfaces.csh - la primera vez que se ejecuta el programa copiará todos los archivos necesarios en la carpeta de un nuevo &quot;modelo&quot; en la carpeta de la segmentación de cada sujeto. Asimismo, se creará un archivo &#39;importsurface.mrml&#39; que se utiliza para crear el surfmodelos as de la amígdala y el hipocampo. </li><li> Creación y conversión de la amígdala y el volumen del hipocampo en las superficies utilizando Slicer3 y Paraview. <ol><li> Ejecutar Slicer3 importsurface.mrml de directorio del sujeto &quot;modelo&quot;. Esto cargará las superficies y volúmenes en 3dslicer. </li><li> Generar modelos de la amígdala y el hipocampo, salvo modelos como {estructura}. Vtk. </li><li> Importar archivos. VTK en paraview. </li><li> Poner la depuradora &quot;generar superficies normales.&quot; </li><li> Exportar normales de la superficie de amy y hipp como {estructura}. Archivos capas (ascii). </li></ol></li><li> Importe las superficies y volúmenes MRI en una lluvia de ideas. </li><li> Ejecutar importsurfaces.csh nuevo - esta convertirá las superficies en archivos que pueden ser leídos por matlab y se copiará toda la estructura {} tess_ archivos estera en el directorio de base de datos común de ideas.. </li><li> Asegúrese de que ya ha creado el tema en una lluvia de ideas antes de copiar tess_ {estructura}. Archivos estera de Brainstorm carpeta (vea el paso 14.1). </li><li> Ona vez que usted consigue las superficies en una lluvia de ideas, asegúrese de actualizar la base de datos. </li><li> Combe el volumen MRI en el espacio estándar, identificando los puntos fiduciales. </li><li> Alinear manualmente la superficie del cuero cabelludo con la resonancia magnética, a continuación, aplicar la urdimbre a todas las demás superficies. </li><li> Combinar las dos superficies pial y reducir el número total de vértices a 15.000. </li><li> Combinar las dos superficies del hipocampo y reducir el número total de vértices a 2000. </li><li> Combinar las dos superficies de la amígdala y reducir el número total de vértices a 1000. </li><li> Combinar las superficies pial, hipocampo y amígdala. </li><li> Creación de regiones de interés (exploradores) para la amígdala y el hipocampo. </li></ol> 13. Preproceso Grabaciones MEG con una lluvia de ideas 11 <ol><li> Crear un nuevo tema en la base de datos común de ideas. </li><li> Importe el archivo de grabación de MEG para cada sesión de entrenamiento. </li><li> Quite los artefactos causados ​​por fuentes fuera de la sala magnéticamente apantallado (MSR) con espacio de señalseparación 17. </li><li> Eliminar los artefactos causados ​​por los latidos del corazón y movimientos de los ojos utilizando proyecciones espaciales de la señal de los eventos identificados en la canales electrooculografía (EOG) electrocardiografía (ECG) y. </li><li> Inspeccione los registros para asegurarse de que una lluvia de ideas latido del corazón correctamente identificados y eventos pestañeo. </li><li> Inspeccione las grabaciones de otras posibles fuentes de ruido. </li><li> Inspeccione los datos evocados creados a partir de los promedios en línea para las fuentes sistemáticas de artefacto. <ol><li> Tenga en cuenta que los pulsos TTL utilizados para marcar el inicio de los estímulos pueden causar artefactos en las grabaciones si se envía a la unidad SAM PSYLAB. </li><li> Enviar sólo impulsos TTL necesario para administrar el choque a la unidad SAM y aislar la unidad de los pulsos restantes utilizando el 8-bits para adaptador de aislamiento de 2 bits. </li></ol></li></ol> 14. Analizar las respuestas evocadas mediante una lluvia de ideas <ol><li> Utilice el canal de eventos para identificar las épocas (-200 ms a 900 ms) correspondientea cada uno de los ensayos experimentales. </li><li> Afinar registro MRI usando puntos de la cabeza. </li><li> Calcular la covarianza del ruido de las grabaciones. </li><li> Calcule modelo de la cabeza utilizando la superposición método esferas con corteza como entrada. </li><li> Calcular fuentes utilizando el método de estimación mínima-norma 10. </li><li> Continuar el análisis de las fuentes. </li><li> Fuentes de filtro de paso de banda para las pruebas individuales (1 Hz a 20 Hz). </li><li> Tome el valor absoluto de las fuentes filtradas de paso de banda y convertir esos valores a las puntuaciones z basadas en la variabilidad basal. </li><li> Espacialmente suavizar las fuentes (sigma = 5 mm). </li><li> Promedio de fuentes entre los ensayos. </li><li> Proyectar los promedios en la anatomía predeterminado para el experimento. </li><li> Calcular pruebas t de las fuentes a través de las diferentes condiciones. </li><li> Filtrar resultados de la prueba t significativos utilizando umbrales espaciales y temporales para corregir errores familia de sabios. </li><li> Identificar las regiones activadas de manera significativa y exportar el curso temporal de la activación para cada sujeto. </li><li> Calcule la media y el error estándar de la media en todas las materias en cada momento. </li></ol> 15. Realizar descomposiciones tiempo-frecuencia de retorno de la inversión mediante una lluvia de ideas <ol><li> Proyectar los datos brutos de los ensayos individuales en la anatomía predeterminada para el experimento. </li><li> Identificar y crear zonas de interés desde el análisis de la respuesta evocada o desde anatomo-funcional, las hipótesis a priori. </li><li> Calcular descomposiciones tiempo-frecuencia de los datos desde el retorno de la inversión para cada ensayo utilizando parámetros estándar (frecuencia central = 1 Hz, tiempo de resolución [FWHM] = 3 seg, rango de frecuencia = 10:90 Hz, resolución de frecuencia = 1 Hz). </li><li> Convertir mapas resultantes de descomposición tiempo-frecuencia de las puntuaciones z. </li><li> Promedio de los mapas resultantes entre los ensayos para cada materia. </li><li> Realizar pruebas t en los mapas en las diferentes condiciones. </li></ol>

<ol>
	<li>Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+substrates+mediating+human+delay+and+trace+fear+conditioning.">Neural substrates mediating human delay and trace fear conditioning.</a> Journal of Neuroscience. 24, 218-228 (2004).</li><li>Knight, D. C., Nguyen, H. T., Bandettini, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+awareness+in+delay+and+trace+fear+conditioning+in+humans.">The role of awareness in delay and trace fear conditioning in humans.</a> Cognitive, Affective, &amp; Behavioral Neuroscience. 6, 157-162 (2006).</li><li>Manns, J. R., Clark, R. E., Squire, L. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Parallel+acquisition+of+awareness+and+trace+eyeblink+classical+conditioning.">Parallel acquisition of awareness and trace eyeblink classical conditioning.</a> Learning &amp; Memory. 7, 267-272 (2000).</li><li>Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fear+acquisition+requires+awareness+in+trace+but+not+delay+conditioning.">Fear acquisition requires awareness in trace but not delay conditioning.</a> Psychophysiology. 44, 170-180 (2007).</li><li>Balderston, N. L., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Conditioning+with+masked+stimuli+affects+the+timecourse+of+skin+conductance+responses.">Conditioning with masked stimuli affects the timecourse of skin conductance responses.</a> Behavioral Neuroscience. 124, 478-489 (2010).</li><li>Flykt, A., Esteves, F., &#214;hman, A., Ohman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Skin+conductance+responses+to+masked+conditioned+stimuli:+phylogenetic/ontogenetic+factors+versus+direction+of+threat.">Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat.</a> Biological Psychology. 74, 328-336 (2007).</li><li>&#214;hman, A., Carlsson, K., Lundqvist, D., Ingvar, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+the+unconscious+subcortical+origin+of+human+fear.">On the unconscious subcortical origin of human fear.</a> Physiology &amp; Behavior. 92, 180-185 (2007).</li><li>Whalen, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Masked+presentations+of+emotional+facial+expressions+modulate+amygdala+activity+without+explicit+knowledge.">Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge.</a> Journal of Neuroscience. 18, 411 (1998).</li><li>Huang, M. X., Mosher, J. C., Leahy, 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=A+sensor-weighted+overlapping-sphere+head+model+and+exhaustive+head+model+comparison+for+MEG.">A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG.</a> Physics in Medicine and Biology. 44, 423-440 (1999).</li><li>H&#228;m&#228;l&#228;inen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interpreting+magnetic+fields+of+the+brain:+minimum+norm+estimates.">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Medical &amp; Biological Engineering &amp; Computing. 32, 35-42 (1994).</li><li>Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, 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=Brainstorm:+A+User-Friendly+Application+for+MEG/EEG+Analysis.">Brainstorm: A User-Friendly Application for MEG/EEG Analysis.</a> Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).</li><li>Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Distinct+and+convergent+visual+processing+of+high+and+low+spatial+frequency+information+in+faces.">Distinct and convergent visual processing of high and low spatial frequency information in faces.</a> Cerebral Cortex. 17, 2713-2724 (2007).</li><li>Cheng, D. T., Richards, J., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Activity+in+the+human+amygdala+corresponds+to+early,+rather+than+late+period+autonomic+responses+to+a+signal+for+shock.">Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock.</a> Learning &amp; Memory. 14, 485-490 (2007).</li><li>Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+MRI+of+human+Pavlovian+fear+conditioning:+patterns+of+activation+as+a+function+of+learning.">Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning.</a> Neuroreport. 10, 3665-3670 (1999).</li><li>Schultz, D. H., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classical+conditioning+of+autonomic+fear+responses+is+independent+of+contingency+awareness.">Classical conditioning of autonomic fear responses is independent of contingency awareness.</a> Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).</li><li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sequence-independent+segmentation+of+magnetic+resonance+images.">Sequence-independent segmentation of magnetic resonance images.</a> NeuroImage. 23, 69-84 (2004).</li><li>Taulu, S., Kajola, M., Simola, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Suppression+of+interference+and+artifacts+by+the+Signal+Space+Separation+Method.">Suppression of interference and artifacts by the Signal Space Separation Method.</a> Brain Topography. 16, 269-275 (2004).</li><li>Dumas, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MEG+study+of+amygdala+responses+during+the+perception+of+emotional+faces+and+gaze.">MEG study of amygdala responses during the perception of emotional faces and gaze.</a> , (2010).</li><li>Reinhard, G., Lachnit, H., K&#246;nig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tracking+stimulus+processing+in+Pavlovian+pupillary+conditioning.">Tracking stimulus processing in Pavlovian pupillary conditioning.</a> Psychophysiology. 43, 73-83 (2006).</li><li>Reinhard, G., Lachnit, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Differential+conditioning+of+anticipatory+pupillary+dilation+responses+in+humans.">Differential conditioning of anticipatory pupillary dilation responses in humans.</a> Biological Psychology. 60, 51-68 (2002).</li></ol>

Los autores no tienen nada que revelar.

En este trabajo se describen los métodos 1) para manipular la conciencia de la meta CSs sujetos durante un miedo acondicionado paradigma rastro. 2) y recuperar la señal MEG de la amígdala en el condicionamiento del miedo y sin rastro de la conciencia. El uso de estas metodologías, hemos sido capaces de demostrar que traza acondicionado sin el conocimiento es posible cuando se usan rostros para predecir el UCS. Este resultado sugiere que las caras reciben un procesamiento especial, incluso cuando se presenta a continuación la detección de umbral de percepción *. De acuerdo con esta conclusión, se encontró que un amplio espectro frente a evocar respuestas amígdala robustos y ráfagas de oscilaciones gamma en el intervalo de traza. Este resultado sugiere que la amígdala es capaz de mantener una representación de una cara CS durante un breve intervalo de traza. Aunque se presenta en conjunto, estos dos métodos se pueden utilizar de forma independiente, así. Por ejemplo, es posible utilizar enmascaramiento hacia atrás para manipular objetivo visibilidaddad en otros paradigmas donde el comportamiento puede verse afectado por las señales emocionales procesados ​​por debajo del nivel de conciencia 5,6,8 *. Además, utilizando el enfoque de formación de imágenes fuente se describe aquí es posible crear modelos 3D de otras estructuras subcorticales, y puede ser posible recuperar la señal a partir de estas estructuras durante otras tareas específicas de la región. Por ejemplo, mediante el uso de formación de imágenes fuente para modelo de actividad del hipocampo, puede ser posible recuperar la señal de MEG a partir de fuentes de hipocampo durante las tareas como la navegación espacial. Los métodos descritos aquí se han diseñado con dos objetivos en mente: 1) sensibilización de bloques de los estímulos objetivo, 2) y maximizar la capacidad de detectar estímulos respuestas evocadas amígdala utilizando MEG. Estas restricciones de diseño hacen que sea difícil de medir el conocimiento implícito de las contingencias de estímulo de los sujetos. Por ejemplo, SCR se resuelven en el transcurso de varios segundos 5,13, ​​sin embargo, los CSs sólo se presentande ~ 30 ms durante el entrenamiento, y el choque se presenta poco después (~ 900 ms). Teniendo en cuenta estas limitaciones de tiempo, la expresión CR será inevitablemente confundida por la expresión UCR durante el entrenamiento. Debido a esto colinealidad, es necesario poner a prueba los conocimientos de los sujetos de las contingencias de estímulo mediante una sesión de pruebas desenmascarado posterior. Sin embargo, una sesión de prueba al final del experimento no es óptima porque SCR tienden a habituarse durante el transcurso del experimento 1. Dado el número de ensayos necesarios para mostrar las respuestas evocadas fiables con MEG, esta habituación SCR disminuirá considerablemente el poder de detectar un efecto sobre el comportamiento de la formación. Los estudios futuros deberían centrarse en la búsqueda de mejores formas de índice de aprendizaje implícito en el condicionamiento del miedo con el enmascarado CS. Esto podría hacerse por cualquiera de encontrar un índice alternativo de miedo durante la formación (es decir, dilatación de la pupila 19,20) o encontrar una medida más sensible de miedo que puede ser adminisstrada después de la sesión de entrenamiento.

<table border="1">
 <tbody>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Software</td>
 </tr>
 <tr>
 <td>Matlab</td>
 <td>Mathworks</td>
 <td></td>
 <td><a href="http://www.mathworks.com/products/matlab/" target="_blank">mathworks.com/products/matlab</a></td>
 </tr>
 <tr>
 <td>Presentation</td>
 <td>Neurobehavioral Systems</td>
 <td></td>
 <td><a href="http://www.neurobs.com/" target="_blank">neurobs.com</a></td>
 </tr>
 <tr>
 <td>Psylab</td>
 <td>Contact Precision Instruments</td>
 <td></td>
 <td><a href="http://www.psychlab.com/" target="_blank">psychlab.com</a></td>
 </tr>
 <tr>
 <td>AFNI</td>
 <td>NIMH - Scientific and Statistical Computing Core</td>
 <td></td>
 <td><a href="http://afni.nimh.nih.gov/afni" target="_blank">afni.nimh.nih.gov/afni</a></td>
 </tr>
 <tr>
 <td>Freesurfer</td>
 <td>Martinos Center for Biomedical Imaging</td>
 <td></td>
 <td><a href="http://surfer.nmr.mgh.harvard.edu/fswiki" target="_blank">surfer.nmr.mgh.harvard.edu/fswiki</a></td>
 </tr>
 <tr>
 <td>MNE</td>
 <td>Martinos Center for Biomedical Imaging</td>
 <td></td>
 <td><a href="http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php" target="_blank">nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php</a></td>
 </tr>
 <tr>
 <td>Brainstorm</td>
 <td>open-source collaboration</td>
 <td></td>
 <td><a href="http://neuroimage.usc.edu/brainstorm/" target="_blank">neuroimage.usc.edu/brainstorm</a></td>
 </tr>
 <tr>
 <td>3d Slicer</td>
 <td>open-source collaboration</td>
 <td></td>
 <td><a href="http://www.slicer.org/" target="_blank">slicer.org</a></td>
 </tr>
 <tr>
 <td>Paraview</td>
 <td>Kitware</td>
 <td></td>
 <td><a href="http://www.paraview.org/" target="_blank">paraview.org</a></td>
 </tr>
 <tr>
 	<td></td>
 <td></td>
 <td></td>
 <td>Table 1. Software used Software used.</td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Equipment </td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Physiological Monitoring System </td>
 </tr>
 <tr>
 <td>Psylab stand alone monitor (x2)</td>
 <td>Contact Precision Instruments</td>
 <td>SAM</td>
 <td></td>
 </tr>
 <tr>
 <td>Skin conductance amplifier</td>
 <td>Contact Precision Instruments</td>
 <td>SC5</td>
 <td></td>
 </tr>
 <tr>
 <td>Shock stimulator (x2)</td>
 <td>Contact Precision Instruments</td>
 <td>SHK1</td>
 <td></td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Additional Components</td>
 </tr>
 <tr>
 <td>8-bit synchronization cable (x2)</td>
 <td>Contact Precision Instruments</td>
 <td>Included with SAM</td>
 <td></td>
 </tr>
 <tr>
 <td>8-bit to 2-bit isolation adapter</td>
 <td>N/A</td>
 <td>Custom</td>
 <td></td>
 </tr>
 <tr>
 <td>DB25 ribbon cable (x2)</td>
 <td>N/A</td>
 <td>Standard</td>
 <td></td>
 </tr>
 <tr>
 <td>Shielded extension cable (x3)</td>
 <td>Contact Precision Instruments</td>
 <td>CL41</td>
 <td></td>
 </tr>
 <tr>
 <td>Radiotranslucent cup electrodes for SCR and shock (x6)</td>
 <td>Biopac</td>
 <td>EL258-RT</td>
 <td></td>
 </tr>
 <tr>
 <td>Signa Gel</td>
 <td>Parker Laboratories</td>
 <td>15-250</td>
 <td></td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Response Device </td>
 </tr>
 <tr>
 <td>Rotary dial with gameport connector (x2)</td>
 <td>N/A</td>
 <td>Custom</td>
 <td></td>
 </tr>
 <tr>
 <td>Gameport-to-gameport/BNC splitter</td>
 <td>N/A</td>
 <td>Custom</td>
 <td></td>
 </tr>
 <tr>
 <td>BNC cable</td>
 <td>N/A</td>
 <td>Standard</td>
 <td></td>
 </tr>
 <tr>
 <td>Gameport-to-USB adapter (x2)</td>
 <td>Rockfire</td>
 <td>RM203U</td>
 <td></td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Additional Components for MEG Setup </td>
 </tr>
 <tr>
 <td>HPI coils and wiring harness</td>
 <td>N/A</td>
 <td>Custom</td>
 <td></td>
 </tr>
 <tr>
 <td>HPI positioning system</td>
 <td>Inition</td>
 <td>Polhemus Isotrak</td>
 <td></td>
 </tr>
 <tr>
 <td></td>
 <td></td>
 <td></td>
 <td>Table 2. Equipment used.</td>
 </tr>
 </tbody>
</table>

how to detect amygdala activity with magnetoencephalography using source imaging

En rastrear el miedo acondicionado un estímulo condicionado (CS) predice la aparición del estímulo incondicional (UCS), que se presenta después de un breve período libre estímulo (intervalo de traza) 1. Debido a que el CS y UCS no co-ocurren temporalmente, el sujeto debe mantener una representación de que el CS durante el intervalo de traza. En los seres humanos, este tipo de aprendizaje requiere el conocimiento de las contingencias de estímulo con el fin de reducir el intervalo de traza 2-4. Sin embargo, cuando se utiliza una cara como CS, los sujetos pueden aprender implícitamente a temer la cara, incluso en ausencia de la conciencia explícita *. Esto sugiere que puede haber mecanismos neuronales adicionales capaces de mantener ciertos tipos de estímulos &quot;biológicamente relevantes&quot; durante un breve intervalo de traza. Teniendo en cuenta que la amígdala está implicada en el condicionamiento rastro, y es sensible a las caras, es posible que esta estructura puede mantener una representación de una cara CS durante un breve intervalo de traza. <p class = &quot;jove_content&quot;&gt; Es difícil de entender cómo el cerebro puede asociar una cara con un imperceptible consecuencia aversiva, a pesar de que los dos estímulos son separados en el tiempo. Por otra parte la investigación de este fenómeno se hace difícil debido a dos retos específicos. En primer lugar, es difícil para manipular la conciencia del sujeto de los estímulos visuales. Una forma común de manipular la percepción visual es el uso de enmascaramiento hacia atrás. En enmascaramiento hacia atrás, un estímulo objetivo se presenta brevemente (&lt;30 ms) y seguido inmediatamente por una presentación de un estímulo superposición de enmascaramiento 5. La presentación de la máscara hace que el objetivo invisible 6-8. En segundo lugar, el enmascaramiento requiere muy rápida y precisa de tiempo por lo que es difícil de investigar las respuestas neurales evocadas por estímulos enmascarados por medio de muchos enfoques comunes. Respuestas que dependen del nivel de oxigenación de sangre (BOLD) se resuelven en un plazo de tiempo demasiado lento para este tipo de metodología y técnicas de grabación en tiempo real, como el electroencefalogramacephalography (EEG) y la magnetoencefalografía (MEG), tienen dificultades para la recuperación de la señal de las fuentes profundas. Sin embargo, ha habido recientes avances en los métodos utilizados para localizar las fuentes neuronales de la señal de MEG 9-11. Mediante la recopilación de imágenes de resonancia magnética de alta resolución del cerebro del sujeto, es posible crear un modelo de código basado en la anatomía neuronal individuo. El uso de este modelo de &quot;imagen&quot; las fuentes de la señal de MEG, es posible recuperar la señal a partir de las estructuras subcorticales profundas, como la amígdala y el hipocampo *.

Utilizando los métodos descritos aquí, nuestras investigaciones han dado lugar a dos conclusiones principales: 1) Es posible manipular la conciencia visual del CS durante la traza acondicionado, y todavía muestran evidencias de aprendizaje. 2) Es posible recuperar señales MEG de la amígdala con fuente de imagen *. En la Sección 2, se describe cómo manipular la conciencia visual de CSs con enmascaramiento hacia atrás. Cuando se expone a un estímulo enmascarado que se muestra para ~ 30 ms, los temas son en general conscientes de la presentación del estímulo 5,6,8 *. Una manera de verificar el éxito de esta manipulación es para medir la capacidad de los sujetos para predecir la ocurrencia de la UCS. Si la manipulación de enmascaramiento se realiza correctamente, los sujetos deben ser capaces de predecir con precisión la ocurrencia de la UCS en función del tipo CS (véase la Figura 4). Aunque el tiempo en este tipo de formación hace que sea difícil de medir directamente leADVERTENCIA durante la sesión de entrenamiento. Es posible medir indirectamente el aprendizaje mediante la exposición a una sesión de pruebas de readquisición desenmascarado posterior con estímulos nuevos y viejos 5 *. Si los sujetos son capaces de aprender acerca de las contingencias durante la fase de entrenamiento, deberían mostrar mayor diferencia de magnitud (CS +&gt; CS-) SCR a los viejos estímulos relativos a los nuevos estímulos. Este efecto es evidente en el grupo sin filtrar cuando nos fijamos en las pruebas ensayos de fase después de los sujetos se han vuelto a exponer a la CS-UCS contingencias (es decir, ensayos 2-5; ver Figura 4). En el apartado 8, se describe cómo grabar MEG durante la sesión acondicionado rastro enmascarado. Utilizando imágenes fuente para procesar estas grabaciones, es posible recuperar la señal MEG de las estructuras subcorticales como la amígdala 18 *. Los sujetos muestran la cara sin filtrar (N = 9) CS presentan mayores respuestas de la amígdala (Figura 5) y el GAMoscilaciones Ma (Figura 6) que los sujetos mostrados caras filtrados de paso alto (N = 9). Además, estos sujetos también muestran respuestas más grandes en una red de regiones de procesamiento de la cara como el área de la cara occipital (Figura 7 y Suplementario vídeo). <img src="/files/ftp_upload/50212/50212fig1.jpg" alt="Figura 1"/> Figura 1. Esquema que representa una sesión de entrenamiento típica. Presente 60 ensayos de una CS + y 60 ensayos de una CS-, con el fin pseudoaleatorias, de tal manera que hay 4 bloques de 15 ensayos cada uno. Presentar el CSS para 30 ms, seguida inmediatamente por una máscara de 970 ms que coterminates con el choque UCS en ensayos + CS. <img src="/files/ftp_upload/50212/50212fig2.jpg" alt="La figura 2" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" /> Figura 2. Esquema depicting el equipo utilizado en un experimento de condicionamiento típico Esta configuración hace posible: 1.) presentes estímulos visuales a través del software de presentación, 2) administran una estimulación eléctrica a través de la UCS hardware Psylab (SAM), 3) registro esperanza de UCS con un eje dispositivo (disco) conectada a la computadora de la presentación, y 4) sincroniza las presentaciones de los estímulos y las respuestas a las grabaciones MEG a través de la interfaz del sistema de adquisición de MEG. <img src="/files/ftp_upload/50212/50212fig3.jpg" alt="Figura 3" fo:content-width="4.5in" fo:src="/files/ftp_upload/50212/50212fig3highres.jpg"/> Figura 3. Ilustración que muestra la ubicación de cada uno de los sensores y los puntos fiduciales descritos en la Sección 5. Puntos con líneas adjuntos corresponde a los sensores y conduce etiquetados. Las flechas azules representan los puntos fiduciales utilizados para registrar las grabaciones MEG con el volumen anatómico MRI. Punto Purples representan puntos del cuero cabelludo digitalizados utilizados para perfeccionar el coregistration MEG-MRI. <img src="/files/ftp_upload/50212/50212fig4.jpg" alt="Figura 4" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig4highres.jpg"/> La Figura 4. Comportamiento resultados de un estudio típico acondicionado. El gráfico de la izquierda muestra la esperanza de UCS en la sesión de entrenamiento, se derrumbó en los grupos de filtrado y no filtrado. Observe que los sujetos están mostrando niveles similares de esperanza de UCS para el CS + y CS-60 a través de los ensayos, lo que sugiere que el procedimiento de enmascaramiento bloqueó su capacidad para discriminar entre los CSs (F (1,17) = 2.19, p = 0.16). El gráfico de la derecha muestra los SCR diferenciales durante la sesión de pruebas. Observe que el grupo filtrada sin filtrar, pero no parece estar mostrando mayores SCRs diferenciales para los viejos estímulos que los nuevos estímulos (Sin filtrar New / Old x EC + / EC-interacción: F (1,7) = 5,94, p = 0,045; filtrada Nuevo / Viejo x EC + / EC-interacción: F (1,7) = 1,13, p = 0,32), lo que sugiere que la formación conduce a una mejor readquisición de las asociaciones CS-UCS para estos temas. (* P &lt;0,05). <img src="/files/ftp_upload/50212/50212fig5.jpg" alt="La figura 5" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg"/> Figura 5. MEG resultados de un experimento de condicionamiento típico. La figura de la izquierda muestra los modelos 3D de la amígdala (naranja), el hipocampo (verde), y en la corteza cerebral se utiliza para modelar las fuentes de la señal de MEG. El gráfico de la derecha representa la actividad de un grupo de la amígdala modelada a partir de las grabaciones MEG. La línea de color claro representa la actividad evocada por rostros sin filtro, mientras que la línea de color oscuro representa la actividad evocada por caras filtradas. Vertical secciones grises sombreadas representan intervalos de tiempo en los rostros sin filtro evocan respuestas significativamente más grandes que las caras filtradas (F (1,17)&gt; 3,44, p &lt;0,05). <a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank">Haga clic aquí para ver más grande la figura</a> . <img src="/files/ftp_upload/50212/50212fig6.jpg" alt="La figura 6" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg"/> La Figura 6. Amígdala frecuencia los resultados de tiempo de un experimento de condicionamiento típico. La figura de la izquierda muestra los modelos 3D de la amígdala (naranja), el hipocampo (verde), y en la corteza cerebral se utiliza para modelar las fuentes de la señal de MEG. El gráfico de la derecha representa la señal MEG grabado desde la amígdala desglosado por tiempo y frecuencia. Los colores cálidos representan regiones del espectrógrafo que muestran mucha más energía para unfiltered enfrenta a que para las caras filtrados. Los colores fríos representan lo contrario. Las regiones con la superposición de rayas representan diferencias significativas entre los grupos. <a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank">Haz clic aquí para ver más grande la figura</a> . <img src="/files/ftp_upload/50212/50212fig7.jpg" alt="La figura 7" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg"/> Figura 7. Figura que muestra la cara de activación área occipital en un experimento típico acondicionado. Colores representan la magnitud de la prueba t no filtrado&gt; filtrada en el correspondiente dipolo. Los colores cálidos representan mayores respuestas a las caras sin filtrar que a las caras filtradas. Los colores fríos representan mayores respuestas a las caras filtradas que a los rostros sin filtro. Vídeo Suplementario. Video que muestra las respuestas corticales en un conditi típicacañoning experimento. Los colores representan la magnitud de la prueba t no filtrado&gt; filtrada en el correspondiente dipolo. Los colores cálidos representan mayores respuestas a las caras sin filtrar que a las caras filtradas. Los colores fríos representan mayores respuestas a las caras filtradas que a los rostros sin filtro. <a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">Haz clic aquí para ver la película suplementario</a> .

Watch this Scientific Journal Video about How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging at JoVE.com

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

En este artículo se describe cómo registrar actividad de la amígdala con magnetoencefalografía (MEG). Además, este artículo se describe cómo llevar a cabo rastrear el miedo acondicionado y sin conciencia, una tarea que activa la amígdala. Se centrará en 3 temas: 1) El diseño de un paradigma de condicionamiento rastreo mediante enmascaramiento hacia atrás para manipular la conciencia. 2) la actividad cerebral de grabación durante la tarea mediante magnetoencefalografía. 3) El uso de imágenes de origen para recuperar la señal de las estructuras subcorticales.

Cómo detectar amígdala Actividad con magnetoencefalografía usando Imaging Source

In trace fear conditioning a conditional  stimulus (CS) predicts the occurrence of the unconditional stimulus (UCS),  which is presented after a brief ...

how-to-detect-amygdala-activity-with-magnetoencephalography-using

Research

JoVE Journal

Behavior

22.0K vistas.  University of Wisconsin-Milwaukee. En este artículo se describe cómo registrar actividad de la amígdala con magnetoencefalografía (MEG). Además, este artículo se describe cómo llevar a cabo rastrear el miedo acondicionado y sin conciencia, una tarea que activa la amígdala. Se centrará en 3 temas: 1) El diseño de un paradigma de condicionamiento rastreo mediante enmascaramiento hacia atrás para manipular la conciencia. 2) la actividad cerebral de grabación durante la tarea mediante magnetoencefa...

Video: How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

Functional Magnetic Resonance Imaging (fMRI) with Auditory Stimulation in Songbirds

The neurobiology of birdsong, as a model for human speech, is a pronounced area of research in behavioral neuroscience. Whereas electrophysiology and molecular approaches allow the investigation of either different stimuli on few neurons, or one stimulus in large parts of the brain, blood oxygenation level dependent (BOLD) functional Magnetic Resonance Imaging (fMRI) allows combining both advantages, i.e. compare the neural activation induced by different stimuli in the entire brain at once. fMRI in songbirds is challenging because of the small size of their brains and because their bones and especially their skull comprise numerous air cavities, inducing important susceptibility artifacts. Gradient-echo (GE) BOLD fMRI has been successfully applied to songbirds 1-5 (for a review, see 6). These studies focused on the primary and secondary auditory brain areas, which are regions free of susceptibility artifacts. However, because processes of interest may occur beyond these regions, whole brain BOLD fMRI is required using an MRI sequence less susceptible to these artifacts. This can be achieved by using spin-echo (SE) BOLD fMRI 7,8 . In this article, we describe how to use this technique in zebra finches (Taeniopygia guttata), which are small songbirds with a bodyweight of 15-25 g extensively studied in behavioral neurosciences of birdsong. The main topic of fMRI studies on songbirds is song perception and song learning. The auditory nature of the stimuli combined with the weak BOLD sensitivity of SE (compared to GE) based fMRI sequences makes the implementation of this technique very challenging.

Functional Magnetic Resonance Imaging fMRI with Auditory Stimulation in Songbirds

This article shows an optimized procedure for imaging of the neural substrates of auditory stimulation in the songbird brain using functional Magnetic Resonance Imaging (fMRI). It describes the preparation of the sound stimuli, the positioning of the subject and the acquisition and subsequent analysis of the fMRI data.

Resonancia magnética funcional (fMRI) con estimulación auditiva en Songbirds

The neurobiology of birdsong, as a model for human speech, is a pronounced area of research in behavioral neuroscience. Whereas electrophysiology and ...

Investigación

Comportamiento

Measurement of Fronto-limbic Activity Using an Emotional Oddball Task in Children with Familial High Risk for Schizophrenia

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with schizophrenia who are at familial high risk (FHR) may show similar cognitive and emotional changes. However, the neurological changes underlying the emergence of these symptoms remain unclear. This study sought to identify differences in frontal, striatal, and limbic regions in children and adolescents with FHR using functional magnetic resonance imaging. Groups of 21 children and adolescents at FHR and 21 healthy controls completed an emotional oddball task that relied on selective attention and the suppression of task-irrelevant emotional information. The standard oddball task was modified to include aversive and neutral distractors in order to examine potential group differences in both emotional and executive processing. This task was designed specifically to allow for children and adolescents to complete by keeping the difficulty and emotional image content age-appropriate. Furthermore, we demonstrate a technique for suitable fMRI registration for children and adolescent participants. This paradigm may also be applied in future studies to measure changes in neural activity in other populations with hypothesized developmental changes in executive and emotional processing.

This paper describes how to use the emotional oddball task and fMRI to measure brain activation in children and adolescents at familial high risk for schizophrenia (FHR).&#160;FMRI was used to measure differences in fronto-striato-limbic regions during an emotional oddball task. Children with FHR exhibited abnormal functional activation during adolescence.

Medición de Fronto-límbico Actividad Usando una Emocional bicho raro de tareas en niños con alto riesgo familiar para la esquizofrenia

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with ...

Uncovering Beat Deafness: Detecting Rhythm Disorders with Synchronized Finger Tapping and Perceptual Timing Tasks

A set of behavioral tasks for assessing perceptual and sensorimotor timing abilities in the general population (i.e., non-musicians) is presented here with the goal of uncovering rhythm disorders, such as beat deafness. Beat deafness is characterized by poor performance in perceiving durations in auditory rhythmic patterns or poor synchronization of movement with auditory rhythms (e.g., with musical beats). These tasks include the synchronization of finger tapping to the beat of simple and complex auditory stimuli and the detection of rhythmic irregularities (anisochrony detection task) embedded in the same stimuli. These tests, which are easy to administer, include an assessment of both perceptual and sensorimotor timing abilities under different conditions (e.g., beat rates and types of auditory material) and are based on the same auditory stimuli, ranging from a simple metronome to a complex musical excerpt. The analysis of synchronized tapping data is performed with circular statistics, which provide reliable measures of synchronization accuracy (e.g., the difference between the timing of the taps and the timing of the pacing stimuli) and consistency. Circular statistics on tapping data are particularly well-suited for detecting individual differences in the general population. Synchronized tapping and anisochrony detection are sensitive measures for identifying profiles of rhythm disorders and have been used with success to uncover cases of poor synchronization with spared perceptual timing. This systematic assessment of perceptual and sensorimotor timing can be extended to populations of patients with brain damage, neurodegenerative diseases (e.g., Parkinson&#8217;s disease), and developmental disorders (e.g., Attention Deficit Hyperactivity Disorder).

Behavioral tasks that allow for the assessment of perceptual and sensorimotor timing abilities in the general population (i.e., non-musicians) are presented. Synchronization of finger tapping to the beat of an auditory stimuli and detecting rhythmic irregularities provides a means of uncovering rhythm disorders.

El descubrimiento de golpe Sordera: Trastornos Detección de ritmo con los dedos sincronizada Tapping y tareas de sincronización de percepción

A set of behavioral tasks for assessing perceptual and sensorimotor timing abilities in the general population (i.e., non-musicians) is presented here ...

How to Study Placebo Responses in Motion Sickness with a Rotation Chair Paradigm in Healthy Participants

Placebo responses occur in every medical intervention when patients or participants expect to receive an effective treatment to relieve symptoms. However, underlying mechanisms of placebo responses are not fully understood. It has repeatedly been shown that placebo responses are associated with changes in neural activity but for many conditions it is unclear whether they also affect the target organ, such as the stomach in motion sickness. Therefore, we present a methodology for the multivariate assessment of placebo responses by subjective, behavioral and objective measures in motion sickness with a rotation chair paradigm. The physiological correlate of motion sickness is a shift in gastric myoelectrical activity towards tachygastria that can be recorded with electrogastrography. The presented study applied the so-called balanced placebo design (BPD) to investigate the effects of ginger compared to placebo and the effects of expectations by verbal information. However, the study revealed no significant main or interactional effects of ginger (as a drug) or information on outcome measures but showed interactions when sex of participants and experimenters are taken into considerations. We discuss limitations of the presented study and report modifications that were used in subsequent studies demonstrating placebo responses when rotation speed was lowered. In general, future placebo studies have to identify the appropriate target organ for the studied placebo responses and to apply the specific methods to assess the physiological correlates.

An experimental rotation chair paradigm is used to investigate whether a placebo intervention on motion sickness affects subjective outcome measures only or also affects behavioral and objective measures in a balanced placebo design.

Cómo estudiar las respuestas al placebo en la enfermedad de movimiento con una rotación Presidente Paradigma en participantes sanos

Placebo responses occur in every medical intervention when patients or participants expect to receive an effective treatment to relieve symptoms. However, ...

Using the Activity-based Anorexia Rodent Model to Study the Neurobiological Basis of Anorexia Nervosa

Anorexia nervosa (AN) is a psychiatric illness characterized by excessively restricted caloric intake and abnormally high levels of physical activity. A challenging illness to treat, due to the lack of understanding of the underlying neurobiology, AN has the highest mortality rate among psychiatric illnesses. To address this need, neuroscientists are using an animal model to study how neural circuits may contribute toward vulnerability to AN and may be affected by AN. Activity-based anorexia (ABA) is a bio-behavioral phenomenon described in rodents that models the key symptoms of anorexia nervosa. When rodents with free access to voluntary exercise on a running wheel experience food restriction, they become hyperactive &#8211; running more than animals with free access to food. Here, we describe the procedures by which ABA is induced in adolescent female C57BL/6 mice. On postnatal day 36 (P36), the animal is housed with access to voluntary exercise on a running wheel. After 4 days of acclimation to the running wheel, on P40, all food is removed from the cage. For the next 3 days, food is returned to the cage (allowing animals free food access) for 2 hr daily. After the fourth day of food restriction, free access to food is returned and the running wheel is removed from the cage to allow the animals to recover. Continuous multi-day analysis of running wheel activity shows that mice become hyperactive within 24 hr following the onset of food restriction. The mice run even during the limited time during which they have access to food. Additionally, the circadian pattern of wheel running becomes disrupted by the experience of food restriction. We have been able to correlate neurobiological changes with various aspects of the animals&#8217; wheel running behavior to implicate particular brain regions and neurochemical changes with resilience and vulnerability to food-restriction induced hyperactivity.

Here we present a protocol to induce activity-based anorexia (ABA) in female adolescent mice. ABA is a condition of hyperactivity evoked by imposing food restriction on rodents with access to a running wheel. This phenomenon is being used as a model to study the underlying neurobiology of anorexia nervosa.

Utilizando la anorexia Roedor modelo basado en actividades para el Estudio de las bases neurobiológicas de la anorexia nerviosa

Anorexia nervosa (AN) is a psychiatric illness characterized by excessively restricted caloric intake and abnormally high levels of physical activity. A ...

Experimental Research Examining How People Can Cope with Uncertainty Through Soft Haptic Sensations

Human beings are constantly surrounded by uncertainty and change. The question arises how people cope with such uncertainty. To date, most research has focused on the cognitive strategies people adopt to deal with uncertainty. However, especially when uncertainty is due to unpredictable societal events (e.g., economical crises, political revolutions, terrorism threats) of which one is unable to judge the impact on one&#8217;s future live, cognitive strategies (like seeking additional information) is likely to fail to combat uncertainty. Instead, the current paper discusses a method demonstrating that people might deal with uncertainty experientially through soft haptic sensations. More specifically, because touching something soft creates a feeling of comfort and security, people prefer objects with softer as compared to harder properties when feeling uncertain. Seeking for softness is a highly efficient and effective tool to deal with uncertainty as our hands are available at all times. This protocol describes a set of methods demonstrating 1) how environmental (un)certainty can be situationally activated with an experiential priming procedure, 2) that the quality of the softness experience (what type of softness and how it is experienced) matters and 3) how uncertainty can be reduced using different methods.

To date research has focused on cognitive strategies people adopt to cope with uncertainty. This research examines instead an experiential way of dealing with uncertainty and introduces a set of experimental methods showing how the experience of haptic softness can serve as a tool to deal with uncertainty.

Investigación Experimental Examinar cómo la gente puede hacer frente a la incertidumbre a través de suaves hápticos Sensaciones

Human beings are constantly surrounded by uncertainty and change. The question arises how people cope with such uncertainty. To date, most research has ...

Using Fiberless, Wearable fNIRS to Monitor Brain Activity in Real-world Cognitive Tasks

Functional Near Infrared Spectroscopy (fNIRS) is a neuroimaging technique that uses near-infrared light to monitor brain activity. Based on neurovascular coupling, fNIRS is able to measure the haemoglobin concentration changes secondary to neuronal activity. Compared to other neuroimaging techniques, fNIRS represents a good compromise in terms of spatial and temporal resolution. Moreover, it is portable, lightweight, less sensitive to motion artifacts and does not impose significant physical restraints. It is therefore appropriate to monitor a wide range of cognitive tasks (e.g., auditory, gait analysis, social interaction) and different age populations (e.g., new-borns, adults, elderly people). The recent development of fiberless fNIRS devices has opened the way to new applications in neuroscience research. This represents a unique opportunity to study functional activity during real-world tests, which can be more sensitive and accurate in assessing cognitive function and dysfunction than lab-based tests. This study explored the use of fiberless fNIRS to monitor brain activity during a real-world prospective memory task. This protocol is performed outside the lab and brain haemoglobin concentration changes are continuously measured over the prefrontal cortex while the subject walks around in order to accomplish several different tasks.

Monitoring brain activity outside the lab without physical constraints presents methodological challenges. A fiberless, wearable functional Near Infrared Spectroscopy (fNIRS) system was used to measure brain activity during an ecological prospective memory task. It was demonstrated that this system could be used to monitor brain activity during non-lab based experiments.

El uso sin fibras, fNIRS Wearable para monitorear la actividad cerebral en tareas cognitivas del mundo real

Functional Near Infrared Spectroscopy (fNIRS) is a neuroimaging technique that uses near-infrared light to monitor brain activity. Based on neurovascular ...

How to Use the H1 Deep Transcranial Magnetic Stimulation Coil for Conditions Other than Depression

Deep transcranial magnetic stimulation (dTMS) is a relatively new technique that uses different coils for the treatment of different neuropathologies. The coils are made of soft copper windings in multiple planes that lie adjacent to the skull. They are located within a special helmet so that their magnetic fields combine and improve depth penetration. The H1 dTMS coil is designed to stimulate bilateral prefrontal cortices with greater effective stimulation over the left than the right. By positioning the left side of the coil close to the left dorsolateral prefrontal cortex (DLPFC), the H1 coil was used in a multisite study, leading to FDA approval for treatment-resistant depression. In this same position, the H1 coil was also explored as a possible treatment for negative symptoms of schizophrenia, bipolar depression, and migraine. When moved to different positions over the subject's skull, the H1 coil was also explored as a possible treatment for other conditions. Such manipulation of the H1 coil was demonstrated for PTSD and alcohol dependence by positioning it over the medial prefrontal cortex (mPFC), for anxiety by positioning it over the right prefrontal cortex (rPFC), for auditory hallucinations and tinnitus by positioning it over the temporoparietal junction (TPJ), and for Parkinson's and fatigue from multiple sclerosis (MS) by positioning it over the motor cortex (MC) and PFC. Corresponding electrical field diagrams measured with an oscilloscope through a saline-filled head are included.

The H1 deep transcranial magnetic stimulation coil is FDA-cleared for the treatment of depression. We demonstrate how to utilize the H1 for other conditions, such as auditory hallucinations and PTSD, by moving the helmet to different locations over the subject's skull.

Cómo utilizar el H1 profunda Estimulación Magnética Transcraneal bobina para fines distintos a la depresión

Deep transcranial magnetic stimulation (dTMS) is a relatively new technique that uses different coils for the treatment of different neuropathologies. The ...

Using Wavelet Entropy to Demonstrate how Mindfulness Practice Increases Coordination between Irregular Cerebral and Cardiac Activities

In both the East and West, traditional teachings say that the mind and heart are somehow closely correlated, especially during spiritual practice. One difficulty in proving this objectively is that the natures of brain and heart activities are quite different. In this paper, we propose a methodology that uses wavelet entropy to measure the chaotic levels of both electroencephalogram (EEG) and electrocardiogram (ECG) data and show how this may be used to explore the potential coordination between the mind and heart under different experimental conditions. Furthermore, Statistical Parametric Mapping (SPM) was used to identify the brain regions in which the EEG wavelet entropy was the most affected by the experimental conditions. As an illustration, the EEG and ECG were recorded under two different conditions (normal rest and mindful breathing) at the beginning of an 8-week standard Mindfulness-based Stress Reduction (MBSR) training course (pretest) and after the course (posttest). Using the proposed method, the results consistently showed that the wavelet entropy of the brain EEG decreased during the MBSR mindful breathing state as compared to that during the closed-eye resting state. Similarly, a lower wavelet entropy of heartrate was found during MBSR mindful breathing. However, no difference in wavelet entropy during MBSR mindful breathing was found between the pretest and posttest. No correlation was observed between the entropy of brain waves and the entropy of heartrate during normal rest in all participants, whereas a significant correlation was observed during MBSR mindful breathing. Additionally, the most well-correlated brain regions were located in the central areas of the brain. This study provides a methodology for the establishment of evidence that mindfulness practice (i.e., mindful breathing) may increase the coordination between mind and heart activities.

This manuscript describes how to use the wavelet entropy index to analyze high-density electroencephalography (EEG) and electrocardiography (ECG) data. We show that the irregularity of cerebral and cardiac activities became more coordinated during mindfulness-based stress reduction practice.

Usando la Entropía Wavelet para Demostrar cómo la Práctica de Atención Plena Aumenta la Coordinación entre las Actividades Cerebrales y Cardíacas Irregulares

In both the East and West, traditional teachings say that the mind and heart are somehow closely correlated, especially during spiritual practice. One ...

A Computational Method to Quantify Fly Circadian Activity

In most animals and plants, circadian clocks orchestrate behavioral and molecular processes and synchronize them to the daily light-dark cycle. Fundamental mechanisms that underlie this temporal control are widely studied using the fruit fly Drosophila melanogaster as a model organism. In flies, the clock is typically studied by analyzing multiday locomotor recording. Such a recording shows a complex bimodal pattern with two peaks of activity: a morning peak that happens around dawn, and an evening peak that happens around dusk. These two peaks together form a waveform that is very different from sinusoidal oscillations observed in clock genes, suggesting that mechanisms in addition to the clock have profound effects in producing the observed patterns in behavioral data. Here we provide instructions on using a recently developed computational method that mathematically describes temporal patterns in fly activity. The method fits activity data with a model waveform that consists of four exponential terms and nine independent parameters that fully describe the shape and size of the morning and evening peaks of activity. The extracted parameters can help elucidate the kinetic mechanisms of substrates that underlie the commonly observed bimodal activity patterns in fly locomotor rhythms.

A method to quantify the main temporal features seen in fly circadian locomotor rhythms is presented. The quantification is achieved by fitting fly activity with a multi-parametric model waveform. The model parameters describe the shape and size of the morning and evening peaks of daily activity.