本研究では、国立精神衛生研究所（MH060668とMH069558）によってサポートされていました。

意識を遮断するためにマスキング後方に使用してトレースコンディショニングパラダイムの設計 1。デザイン刺激<ol><li>二つのグループのための刺激を設計します。 </li><li>異なる個人から4ニュートラル式を選択してください。 </li><li>それぞれの顔の目の領域が同じ場所になるように顔を合わせます。 </li><li>髪、耳、その他の周辺機能は、もはや表示されるように楕円形を使って顔をトリミング。 </li><li>度12あたり5サイクルよりも少ない情報をすべて削除して、ハイパスフィルターの画像を作成するために、MATLABでの信号処理ツールボックスを（実験を実行するために必要なソフトウェアについては、表1を参照）を使用します。 </li><li>一緒にいくつかの中性式をマージして、画像に高空間周波数ノイズを追加することによってマスクを作成する。 </li><li>それらが等しい輝度を持っているように、すべての画像を正規化します。 </li></ol> 2。プログラムプレゼンテーションを用いた実験<ol><li>プログラムは下記のパラメータを使用してプレゼンテーションのトレーニングとテストの段階（ 図1を参照）。 </li><li>また、プレゼンテーションプログラムによって引き起こされる衝撃を提供するために、トレーニングおよびテスト中PSYLABデータ取得ソフトウェアパッケージで使用される独立したファイル（PCC）。 </li><li>ブロックあたりのCSあたり15試験と差トレース恐怖条件付けの4ブロック研修プログラムの場合。 </li><li>各試行で30ミリ秒のCSSを提示。 </li><li>各試行で970ミリ秒のためのマスクを提示。 </li><li>各CS +裁判に、それはマスクでcoterminatesように、100ミリ秒のためにショックUCSを提示。 </li><li>それがランダムに4象限の1で表示されるように、CS /マスクの組み合わせの位置を変化させる。 </li><li>変数試行間間隔を使用して1試験ごとに6±2秒を提示。 </li><li>テストセッションプログラム各面CSの5試験で再取得の1ブロック、および5つの新しい試験の顔、CSSの各々のために。 </李&gt; <li>試験の試験中に皮膚コンダクタンス反応（SCRを）記録するあなたの能力を最大にするために、8秒間CSを提示。 </li><li>各CS +裁判でそれがCS +とcoterminatesように、100ミリ秒のためにショックUCSを提示。 </li><li>変数試行間間隔を使用して1試験ごとに20±4秒を提示。 </li><li>両方のセッション中にUCS余命を報告するよう被験者に指示して、MRI / MEG互換性のある軸·デバイスを使用して応答を記録（ジョイスティック、スライダー、ダイヤル、セクション7を参照してください）​​。 </li><li>参加者の底部に取り付けられた電極を用いたテストセッション中に記録のSCR（セクション9を参照してください）​​足を残しました。 </li></ol>磁図を用いたタスクの実行中に脳活動を記録する 3。 MEGスイート（図2を参照）でのトレーニングのために機器をセットアップします。 <ol><li> （ 表2を参照してください標準DB25マルチコネクタリボンケーブルを使用してMEG·アクイジション·システムに刺激提示のコンピュータを接続します</strongの&gt;実験を行うために必要な機器用）。 </li><li> 2ビット絶縁アダプタと同期ケーブルに8ビットを使用してPSYLABスタンドアローンモニター（SAM）に刺激提示のコンピュータを接続します。 </li><li>彼らはSAMに送信された場合刺激のプレゼンテーションをマークするために使用するトランジスタ - トランジスタ論理（TTL）パルスはMEGデータ内のアーチファクトを引き起こす可能性があります。これらのアーチファクトを回避するために、アイソレーションアダプタによってブロックビットだけを使用して刺激の開始をマークします。 </li><li>ユニットに付属のケーブルを使用してSAMに衝撃刺激（SHK1）を接続します。 </li><li>導波管を通してシールド延長ケーブルを渡し、衝撃刺激に接続します。 </li><li>標準のUSBケーブルを使用してPSYLABデータ収集ソフトを実行しているコンピュータに、SAMを接続します。 </li><li>刺激提示コンピュータ（USB）とgameport-to-gameport/BNCスプリッタとゲームポートツーUSB適応を用いたMEG収集システム（BNC）にロータリーダイヤルを接続するえー。 </li><li>部屋の中で予告することなく、センサーのデータを2分を記録します。 </li></ol> 4。 MRIスイートでのテストのためのセットアップ機器<ol><li>同期ケーブルを使用してSAMに刺激提示のコンピュータを接続します。 </li><li>ユニットに付属のケーブルを使用してSAMに衝撃刺激（SHK1）と皮膚コンダクタンスアンプ（SC5）を接続します。 </li><li>導波管を通してSCRとショックにシールド延長ケーブルを渡し、それぞれのユニットに接続します。 </li><li>標準のUSBケーブルを使用してPSYLABデータ収集ソフトを実行しているコンピュータに、SAMを接続します。 </li><li> USBアダプタにゲームポートを使用して刺激提示コンピュータにロータリーダイヤルを接続します。 </li></ol> 5。 MEGスイートでのトレーニングのセットアップ件名（図3を参照） <ol><li>ガイドとしては、図3に模式図を用いて被検者に電極やセンサーを取り付けます。 </li><li>に使い捨て電極を取り付け対象者の右目の上下のモニタ瞬目。 </li><li>ただ心下被写体の左側に、ちょうど鎖骨下の右胸に心拍数を監視するために使い捨ての電極を取り付けます。 </li><li>対象者の左肩の後ろへの参照として1使い捨て電極を取り付けます。 </li><li>ショックを管理する内果上右脛骨神経を介して対象者の右脚に2カップの電極を取り付けます。 </li><li>それぞれの目の上のもう1つはそれぞれの耳の後ろに1、被験者に4ヘッド位置インジケータ（HPI）コイルを取り付けます。 </li><li>デジタル化基準点を使用してHPIコイルに対する相対被検者の頭部の位置。 </li><li> Polhemus社システム、地図被検者の鼻根の位置、左右tragusの複数形を使用する。 </li><li>ポイントが対称であることを確認して、基準点を基準に、対象のデジタルヘッド位置を合わせます。 </li><li>次のマップ、被験者のHPIコイルの位置。 </li><li>最後に、桁被検者の頭皮に沿って50〜100点をIZE。 </li><li> MEG制度の対象を護衛して、適切なインターフェイスに電極やセンサーを接続してください。 </li><li>使い捨て電極差し込みMEGシステムアンプにつながる。 </li><li> MEGシステムにHPIハーネスを差し込みます。 </li><li>ショック電極差し込みシールド延長ケーブルにつながる。 </li><li>対象者の頭部がMEGのヘルメットの上部に触れているように椅子を上げます。 </li><li>投影画像の焦点が合っているように画面を配置します。 </li></ol> 6。ショック後処理<ol><li>被験者は痛みを伴うが、許容として報告するレベルに衝撃を設定します。 </li><li> 0ミリアンペアポジション5ミリアンペア位置からダイヤルを回してアーム衝撃刺激を。 </li><li> PSYLABデータ収集ソフトパッケージから刺激コントロールウィンドウを使用して衝撃のいくつかのプレゼンテーションを管理します。 </li><li>各プレゼンテーションには、上の対象速度衝撃の強さを持っている後0（すべてではない痛みを伴う時）から10（痛いけど許容）にスケール。 </li><li>被写体が10としてそれを計算するまで徐々に衝撃の強度を高める。 </li><li>主題詳細ウィンドウのパラメータ値]ボックスにスケールから値を記録し、衝撃がこのボックスに示される値で、実験中に投与されるであろう。 </li></ol> 7。レスポンスデバイス<ol><li>例えばプレゼンテーションのシナリオを使用して、ダイヤルの適切な使用に被写体に指示します。 </li><li>指示： &quot;あなたは近い将来に刺激の提示を受けることが確実であれば（100）右にずっとカーソルを移動し左にすべての方法（0）カーソルを移動して、確実な場合。あなたは、近い将来に刺激を受け取ることができませんことを。ミドル（50）にカーソルを移動し、あなたが近い将来に刺激を受けるかどうか分からない場合。 &quot; </li></ol> 8。トレーニング中に記録MEG <ol><li> recorの2 kHzで生データのdは2分、被写体が開いた彼らの目にかかっている間。 </li><li>前のトレーニングにPSYLABデータ収集ソフトウェアを用いた記録イベントコードおよびショック送出を開始する。 </li><li>コンピュータによってトリガされたとき、それは衝撃を送信するようPSYLABが適切PCCのコードを実行されていることを確認してください。 </li><li> 4トレーニングランの各々の間に2 kHzで生データを記録します。 </li><li>視覚的にノイズの体系ソースのリアルタイムでデータを検査する方法として、オンラインで平均値を記録します。 </li><li>馴化を評価するために、各実行後に衝撃の強さを評価するために、被写体を頼む。 </li></ol> 9。 MRIスイートでのテストのためのセットアップ件名<ol><li> MEGスイートからMRIスイートの対象を護衛。 </li><li>ショック電極を取り付け、衝撃の強さを再較正。 </li><li> SCRを監視するために、被験者の左足の底に2カップの電極を取り付けます。 </li><li>被写体がまだTを使用する方法を理解していることを確認してください彼は応答装置。 </li><li> 、MRIテーブルに被写体を置き、自分の頭を固定し、SCRおよびショック電極を接続すると、対応するシールドケーブルにつながる。 </li><li>参加者はヘッドコイルの背後に配置画面を見ることができるように、ヘッドコイルに接続されているミラーを配置します。 </li></ol> 10。テスト中にレコードのfMRI <ol><li>高解像度の解剖学的画像（SPGR）を収集。 </li><li>標準撮像パラメータを使用してテストセッション中に記録血液酸素化レベル依存応答（TR = 2秒、TE = 25ミリ秒、視野= 24センチメートルのfleld;フリップ角= 90°）。 </li><li>テストの後被験者は実験後のアンケートを完了しました。 </li></ol>皮質下の構造体からの信号を回復するために、ソース·イメージングを使用した。 11。行動とfMRIのデータを分析する<ol><li>被験者は刺激を区別することができたかどうかを判断するためにUCS余命を使用します。 </li><li>平均900ミリ秒のトレース間隔および各試験のために、前の900ミリ秒のベースライン期間のUCSの寿命データ。 </li><li>被験者が刺激提示後にダイヤルを移動する方法を決定するトレース間隔の値からベースライン期間の値を減算します。 </li><li>被験者全体でトライアル反復測定ANOVAによりCSタイプを実行します。 </li><li>以前に公開されている標準の5,13-15を使用してテストセッションからの行動やfMRIのデータを分析。 </li></ol> 12。前処理MRIボリューム<ol><li>セグメント化された皮質下のボリュームを作成し、皮質、外皮、外頭蓋骨の表面にFreesurfer 16を使用します。 </li><li> AFNI読める形式にボリュームとサーフェスに変換します。 </li><li>あなたはそれはあなたが各被験者のセグメンテーションフォルダに新しい &#39;MODEL&#39;フォルダに必要なすべてのファイルをコピーするプログラムを初めて実行する - importsurfaces.cshを実行します。また、サーフィンを作成するために使用される &#39;importsurface.mrml&#39;ファイルを作成します扁桃体と海馬のエースモデル。 </li><li> Slicer3とParaViewをを使用して表面に扁桃体と海馬のボリュームを作成し、変換します。 <ol><li>被写体の &#39;MODEL&#39;ディレクトリからSlicer3 importsurface.mrmlを実行します。これは3dslicerにサーフェスとボリュームをロードします。 </li><li>扁桃体と海馬のモデルを生成し、{}構造としてモデルを保存します。VTK。 </li><li>インポート。VTKファイルにParaViewを。 </li><li>フィルタ実行 &quot;サーフェスの法線を生成します。&quot; </li><li> {}構造。プライ（ASCII）ファイルとしてエイミーとヒップのための表面法線をエクスポートします。 </li></ol></li><li>ブレインストームに表面およびMRIボリュームをインポートします。 </li><li>これは、MATLABで読み取ることができ、tess_ {}構造のすべてをコピーするファイルにサーフェスを変換するマットファイルはデータベースディレクトリブレインストームに - 。再びimportsurfaces.csh実行。 </li><li>マットファイルはフォルダをブレーンストーミングする。すでにtess_ {}構造をコピーする前に、ブレインストームで主題を作成していることを確認します（ステップ14.1を参照してください）​​。 </li><li> Oデータベースを更新するようにしてくださいブレインストームにサーフェスを得るNCE。 </li><li>基準点を特定することによって標準の空間にMRIボリュームをワープ。 </li><li>手動でMRIと頭皮表面を合わせ、他のすべての面にワープを適用します。 </li><li> 2軟膜の面をマージし、15,000に頂点の総数を減らします。 </li><li> 2海馬の面をマージし、2,000に頂点の総数を減らします。 </li><li> 2扁桃面をマージし、1000頂点の総数を減らします。 </li><li> 、軟膜海馬と扁桃体の面をマージします。 </li><li>扁桃体と海馬のために関心領域を（スカウト）を作成します。 </li></ol> 13。ブレインストーム11を使用して前処理MEGの録音<ol><li>ブレインストームデータベースに新しい件名を作成します。 </li><li>各トレーニングセッションのためにMEG記録ファイルをインポートします。 </li><li>信号空間を用いた磁気シールドルーム（MSR）外部ソースに起因するアーチファクトを削除分離17。 </li><li>心電図（ECG）と電気眼球図記録（EOG）チャネルで特定イベントから信号空間予測を使用して心拍や眼球運動によって生じるアーチファクトを削除します。 </li><li>正しく識別心拍と瞬目のイベントをブレインストームことを確認するために録音を点検します。 </li><li>ノイズの他の可能なソースの録音を点検します。 </li><li>アーティファクトの体系ソースのオンライン平均値から作成された誘発データを検査。 <ol><li> PSYLAB SAMユニットに送信した場合、刺激の開始をマークするために使用TTLパルスがレコーディングでアーチファクトを引き起こす可能性があることに注意してください。 </li><li> TTLパルスがSAMユニットに衝撃を管理し、2ビットのアイソレーションアダプタに8ビットを使用して、残りのパルスからユニットを分離するために必要な場合にのみ送信します。 </li></ol></li></ol> 14。ブレーンストーミングを用いた誘発反応を分析<ol><li>対応するエポック（-200ミリ秒〜900ミリ秒）を識別するために、イベント·チャネルを使用して、実験試験のそれぞれに。 </li><li>ヘッドポイントを使用してMRI登録を絞り込む。 </li><li>録音からノイズ共分散を計算します。 </li><li>入力として皮質と重なる球法を用いて頭部モデルを計算する。 </li><li>最小ノルム推定方法10を使用してソースを計算します。 </li><li>ソース上の分析を続ける。 </li><li>個々の試験のためのバンドパスフィルタのソース（1 Hzから20 Hz）を。 </li><li>バンドパスフィルタのソースの絶対値を取ると、ベースラインの変動に基づいてzスコアにそれらの値を変換します。 </li><li>空間的にソース（シグマ= 5 mm）を滑らかにします。 </li><li>試験全体の平均源。 </li><li>実験用のデフォルトの解剖に平均値を投影。 </li><li>さまざまな条件を越えソースにt検定を計算します。 </li><li>家族単位の誤差を修正するために空間的および時間のしきい値を使用してフィルタ重要t検定結果。 </li><li>大幅に活性化した領域を特定し、交流の時間経過をエクスポート各被験者のtivati​​on。 </li><li>各時点における被験者の両端平均値の平均値と標準誤差を計算する。 </li></ol> 15。ブレーンストーミングを用いたROIで時間周波数分解を行う<ol><li>実験用のデフォルトの解剖への個々の臨床試験からの生データを投影。 </li><li>特定し、誘発反応の分析から、または解剖学的機能アプリオリ仮説から関心領域を作成します。 </li><li> （;時間分解能[FWHM] = 3秒、周波数範囲= 10:90 Hzで、周波数分解能= 1 Hzの中心周波数= 1 Hz）を標準的なパラメータを使用して、それぞれの試験のためにあなたのROIからのデータの時間 - 周波数分解を計算する。 </li><li>得られた時間 - 周波数分解マップは、zスコアに変換する。 </li><li>平均各被験者の試験全体で結果のマップ。 </li><li>さまざまな条件を越えマップ上でt検定を実行します。 </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>

著者らは、開示することは何もありません。

本稿では、トレース·恐怖条件付けパラダイム中にターゲット、CSSの被験者の意識を操作する方法1）を説明します。 2）と意識せずにトレース恐怖条件付けの際扁桃体からのMEG信号を回復する。これらの方法を用いて、我々は、顔UCSを予測するために使用されるときに意識せずにトレース調節が可能であることを示すことができた。この結果は、知覚検出閾値*下回る提示場合でも顔が特別な処理を受けることを示唆している。この結論と一致して私たちは、広いスペクトルは、トレース間隔の間​​に強固な扁桃体の応答とガンマ振動のバーストを呼び起こす直面発見。この結果は、扁桃簡単なトレース間隔の間​​に面CSの表示を維持することができることを示唆している。 一緒に提示されているが、これらの2つの方法も同様に独立して使用することができる。例えば、ターゲットを操作するためにマスキング後方に使用することが可能であるvisibil挙動は意識意識5,6,8 *のレベル以下に処理感情手がかりによって影響を受ける可能性があり、他のパラダイムで性。また、それは他の皮質下の構造の3次元モデルを作成することが可能であり、それは他の領域の特定のタスクの間にこれらの構造体からの信号を回復することが可能である、ここで記述されたソースイメージング法を用いて。例えば、海馬の活動をモデル化するために、ソース·イメージングを用いることにより、空間ナビゲーションなどのタスクの間に海馬のソースからMEG信号を回復することが可能である。 ここで説明する方法は、心の中で二つの目標に設計されました：ターゲット刺激の1）ブロックの認識、2）及びMEGを用いた刺激誘発扁桃体の応答を検出する能力を最大化します。これらの設計上の制約は、それが困難な刺激事態の被験者の暗黙の知識を測定するために行う。たとえば、SCRは、数秒5,13のコースを上に解決しますが、CSSは唯一掲載されてい〜30ミリトレーニング中のため、衝撃は、まもなく（〜900ミリ秒）後に提示されます。これらの時間の制約を考えると、CRの発現は必然的にトレーニング中UCR式によって混同されます。このため、共線性のために、それは、その後のマスクされていないテストセッションを使用して刺激事態の被験者の知識をテストすることが必要である。 SCRは、実験1のコースを上に馴化する傾向があるので、実験の最後にテストセッションは最適ではありません。 MEGと信頼性の高い誘発反応を示すのに必要な試行回数を考えると、このSCRへの慣れは、トレーニングの行動の影響を検出するために、かなりの電力を減少します。今後の研究では、マスクされたCSSで恐怖条件付けの間にインデックス暗黙の学習へのより良い方法を見つけることに焦点を当てるべきである。これは、どちらかの訓練中に恐怖の代替指標を見つけることによって行う（ すなわち瞳孔拡張19,20）または投与によりできる恐怖のより敏感な指標を見つけることができますトレーニングセッションの後stered。

<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

トレース恐怖条件付けでは、条件刺激（CS）が短い刺激無料期間（トレース間隔）1の後に表示されて無条件刺激（UCS）の発生を予測する。 CSとUCS時間的共起しないので、被験者はトレース間隔の間​​にそのCSの表現を維持しなければなりません。ヒトでは、学習のこのタイプは、トレース間隔2-4を埋めるために、刺激事態の認識を必要とします。しかし顔はCSとして使用する場合、被験者は、暗黙のうちにも、明示的な意識*のない状態で顔を恐れることを学ぶことができます。これにより、短い間隔中に、トレース &quot;生物学的に関連した&quot;刺激の特定の種類を維持することができる付加的な神経機構が存在し得ることを示唆している。扁桃体がトレース調節に関与し、かつ面に敏感であることを考えれば、この構造は、短い間隔中に、トレース面CSの表示を維持することが可能である。 <p classが= &quot;jove_content&quot;&gt;これは、2つの刺激が時間的に分離されていても脳は、嫌悪の結果との人目に付かない顔を関連付けることができますどのように理解することが困難である。さらに、この現象の調査は2具体的な課題により困難になっています。まず、視覚刺激の被写体の認識を操作することは困難である。視覚意識を操作するための一般的な方法の1つは、後方マスキングを使用することである。後方マスキングでは、標的刺激を簡単に提示されます（&lt;30ミリ秒）、すぐに重複マスキング刺激5の発表が続く。マスクのプレゼンテーションは6-8目に見えないターゲットをレンダリングします。第二に、マスキングは、それが困難な多くの一般的なアプローチを使用してマスクされた刺激によって誘発神経の応答を調査することは非常に迅速かつ正確なタイミングが必要です。血液酸素化レベル依存（BOLD）応答はelectroenようなタイムスケールあまりに方法論のこのタイプの遅いし、リアルタイムの記録技術で解決するcephalography（EEG）と磁図は（MEG）深い源からの信号を回復困難を抱えている。 しかし、MEG信号9-11の神経源をローカライズするために使用される方法の最近の進歩があった。被験者の脳の高解像度MRI画像を収集することにより、個々の神経解剖学的構造に基づいてソースモデルを作成することができる。 &quot;画像&quot;にMEG信号源を、このモデルを使用すると、扁桃体および海馬*のような深い皮質下構造からの信号を回復することができる。

ここで説明する方法を用いて、我々の調査は、2つの主な結果につながっている：1）は、トレースコンディショナー中に視覚のCSの意識を操作することが可能であり、更に学習の証拠を示す。 2）それは、ソース撮像*を使用して、扁桃体からMEG信号を回復することができる。 第2節では、後方マスキングと視覚、CSSの意識を操作する方法を説明しました。 〜30ミリ秒のために表示されているマスク刺激にさらされると、被験者は、一般的に刺激提示5,6,8 *の気づいていない。この操作の成功を確認する1つの方法は、UCSの発生を予測する被験者の能力を測定することである。マスキング操作が成功した場合、被験者は正確にCSタイプ（ 図4参照）に基づいて、UCSの発生を予測することができなければならない。 訓練のこのタイプのタイミングは直接ルを測定することは困難であるが、トレーニングセッション中arni​​ng。間接的に新旧の刺激5 *のマスクされていない後続の再取得テストセッションにさらすことにより、学習測定することができる。被験者はトレーニング段階の間に不測の事態を知ることができれば、彼らは新たな刺激に相対古い刺激に大きな振幅差（CS +&gt; CS-）SCRを示すべきである。被験者は（; 図4を参照すなわち試験2-5）CS-UCS偶発に再暴露された後、我々はテスト段階の試験を見たとき、この効果はフィルタなし群で明らかである。 第8章では、マスクされたトレースコンディショニングセッション中MEGを記録する方法を説明しました。これらの録音を処理するためにソース·イメージングを使用すると、扁桃体18 *のような皮質下構造からMEG信号を回復することができる。被験者は、CSSが大きい扁桃応答（ 図5）を示し、GAMフィルタリングされていない面（N = 9）を示す図示被験者高域濾波面（N = 9）よりミリアンペア振動（ 図6）。また、これらの科目も後頭部顔領域（ 図7及び補足ビデオ ）のような顔処理領域のネットワーク内でより大きな反応を示しています。 <img src="/files/ftp_upload/50212/50212fig1.jpg" alt="図1"/> 図1。回路図は、一般的なトレーニングセッションを描いた本のCS +の60試験及び60試験では、CS-、擬似ランダム順に、15試験それぞれの4つのブロックがあることなど。すぐにCS +試験に関する衝撃UCSとcoterminates 970ミリマスク、続いて30ミリ用のCSSを提示。 <img src="/files/ftp_upload/50212/50212fig2.jpg" alt="図2" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" /> 図2。回路図depictingの典型的なコンディショニングの実験に使用されるこの設定はすることが可能となる設備：。軸を使用して1）プレゼンテーションソフトウェアを介して視覚刺激を提示し、2）、3）Psylabハードウェア（SAM）を経由して電気刺激UCSの管理記録のUCS余命プレゼンテーションコンピュータに接続されたデバイス（ダイヤル）、4）MEG·アクイジション·システム·インターフェースを介したMEGの録音と刺激プレゼンテーションや応答を同期します。 <img src="/files/ftp_upload/50212/50212fig3.jpg" alt="図3" fo:content-width="4.5in" fo:src="/files/ftp_upload/50212/50212fig3highres.jpg"/> 図3。セクション5で説明さセンサーと基準点のそれぞれの位置を示すイラスト。付属のラインとドットは、標識されたセンサーとリードに対応しています。青い矢印は、MRI解剖ボリュームにMEGの記録を登録するために使用される基準点を表しています。パープルポイントsがさらにMEG-MRI重ね合わせを調整するために使用されるデジタル化された頭皮·ポイントを表しています。 <img src="/files/ftp_upload/50212/50212fig4.jpg" alt="図4" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig4highres.jpg"/> 図4。典型的なコンディショニングの研究からの行動の結果。左のグラフはトレーニングセッションを越えUCS余命を示しては、フィルタなし、ろ過グループ間で崩壊した。被験者はマスキング手順は、CSS（; P = 0.16 F（1,17）= 2.19）を区別する能力をブロックすることを示唆、CS +とCS-60渡る試験のためUCS余命の同様のレベルを示していることに注意してください。右のグラフは、テストセッション中に差SCRを示しています。フィルタなしではなく、フィルタされたグループは新しい刺激（フィルタなし新/ Oよりオールド刺激に大きな差SCRを示しているように見えることに注意してくださいLD X CS + / CS-相互作用：F（1,7）= 5.94、P = 0.045;オールド/ニューX CS + / CS-インタラクションフィルター付き：F（1,7）= 1.13、P = 0.32）、その訓練を示唆これらの科目のためのCS-UCS団体のより良い再取得につながる。 （* p &lt;0.05）であった。 <img src="/files/ftp_upload/50212/50212fig5.jpg" alt="図5" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg"/> 図5。典型的な空調実験からMEG結果。左の図は、扁桃体（オレンジ）、海馬（緑）、MEG信号源をモデル化するために使用される大脳皮質の3Dモデルを示しています。右のグラフは、MEGの録音からモデル化扁桃クラスタから活動を表す。暗い色の線がフィルタされた面によって誘発活動を表すながら、明るい色のラインは、フィルタなしの顔によって誘発活動を表す。 VErticalグレーの網掛けのセクションでは、フィルタなしの顔がフィルタされた面（F（1,17）&gt; 3.44、P &lt;0.05）よりも有意に大きい反応を呼び起こすの時間間隔を表す。 <a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img src="/files/ftp_upload/50212/50212fig6.jpg" alt="図6" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg"/> 図6。典型的な空調実験から扁桃体の時間周波数結果。左図扁桃（オレンジ）、海馬（緑）、MEG信号源をモデル化するために使用される大脳皮質の3Dモデルを示しています。右のグラフは、時間と周波数によって分解扁桃体から記録MEG信号を表す。暖色はunfiltere有意に多くの電力を示す分光器内の領域を表すdはフィルタリングされた顔よりも直面している。クール色は反対のことを表しています。ストライプのオーバーレイ領域は、グループ間で有意差を表す。 <a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img src="/files/ftp_upload/50212/50212fig7.jpg" alt="図7" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg"/> 図7。典型的な空調実験で後頭部顔領域の活性化を示す図。色は、対応する双極子でフィルタなし&gt;フィルターするt検定の大きさを表しています。温かみのある色はフィルタリングされた顔よりもフィルタなし面に大きな応答を表しています。クール色はフィルタなしの顔よりもフィルタ処理面に大きな応答を表しています。 典型的なconditiで皮質応答を示す補足ビデオ。ビデオ実験oning。色が対応する双極子でフィルタなし&gt;フィルターするt検定の大きさを表しています。温かみのある色はフィルタリングされた顔よりもフィルタなし面に大きな応答を表しています。クール色はフィルタなしの顔よりもフィルタ処理面に大きな応答を表しています。 <a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">補足ムービーを表示するには、ここをクリック</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

この記事では磁図（MEG）で扁桃体の活動を記録する方法について説明します。またこの記事では、意識せずにトレース恐怖条件付け、扁桃体を活性化するタスクを実施する方法について説明します。意識を操作するために使用してトレースバックワードマスキングコンディショナーパラダイムの設計1）：これは、3つのトピックをカバーします。 2）記録の脳活動を脳磁図を用いたタスクの間。 3）皮質下構造体からの信号を回復するために、ソース·イメージングを使用する。

ソースイメージングを使用磁図と扁桃体の活性を検出する方法

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 ビュー.  University of Wisconsin-Milwaukee. この記事では磁図（MEG）で扁桃体の活動を記録する方法について説明します。またこの記事では、意識せずにトレース恐怖条件付け、扁桃体を活性化するタスクを実施する方法について説明します。意識を操作するために使用してトレースバックワードマスキングコンディショナーパラダイムの設計1）：これは、3つのトピックをカバーします。 2）記録?...

ビデオ: 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.

鳴禽類における聴覚刺激と機能的磁気共鳴画像法（fMRI）

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

行動学

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.

統合失調症のための家族ハイリスク児の感情オドボール課題を用いて前頭辺縁系の活性の測定

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.

ビート難聴を暴く：同期指タッピングと知覚タイミングタスクを検出リズム障害

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.

健康的な参加者で回転椅子パラダイムと乗り物酔いプラセボ応答を研究するためにどのように

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.

神経性食欲不振症の神経生物学的基礎を研究する活動ベースの食欲不振齧歯類モデルを用いました

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.

人々はソフト触覚を通じて不確実性に対処することができる方法を調べる実験的研究

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.

実世界認知課題における脳活動を監視するために繊維のない、ウェアラブルfNIRSを用いて

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.

うつ病以外の条件のためにH1ディープ経頭蓋磁気刺激コイルを使用する方法

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.

ウェーブレットエントロピーを使用して心理学の練習が不規則な大脳と心臓活動の間の調整をどのように増加させるかを実証する

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.