시야의 중앙와 프레 젠 테이 션의 정서적 이미지 동기 관심에 반구형 차이 측정

요약

이 비교 연구는 동기 주의 두 반구 간의 차이 평가 하기 위해 한 정서적 이미지의 분할된 시야 프레 젠 테이 션 대 중앙. 늦은 긍정적인 잠재력 (LPP) 동기 주의 평가 하기 위해 electroencephalography (뇌 파) 및 이벤트 관련 후보 (르 프 스크 웨) 방법론을 사용 하 여 기록 했다.

초록

감정적인 정보 lateralized 처리에 2 개의 지배적인 이론 문학에서 존재 한다. 1 개의 이론은 posits 왼쪽된 정면 지역에서 쾌적 한 감정을 처리 하는 동안 불쾌 한 감정을 바로 정면 지역에 의해 처리 됩니다입니다. 다른 이론은 posits 오른쪽 반구의 감정적인 정보 전체, 특히 후부 지역 처리에 대 한 더욱 전문화입니다.

감정적인 정보 처리에서 대뇌 반구의 다른 역할을 평가 하지 않는 액세스할 수 또는 저렴 한 모든 과학자 neuroimaging 방법론의 사용 없이 어려울 수 있습니다. 자극의 분할된 시야 프레 젠 테이 션 neuroimaging 기술의 사용 없이 정보의 lateralized 처리의 조사에 대 한 수 있습니다.

이 비교 연구는 동기 주의 두 반구 간의 차이 평가 하기 위해 한 정서적 이미지의 분할된 시야 프레 젠 테이 션 대 중앙. 늦은 긍정적인 잠재력 (LPP) 동기 주의 평가 하기 위해 electroencephalography (뇌 파) 및 이벤트 관련 후보 (르 프 스크 웨) 방법론을 사용 하 여 기록 했다. 미래의 일이이 패러다임 attentional 차이점에 행동에 미치는 영향을 탐구 하는 더 적극적인 행동 작업 쌍 것입니다.

서문

Lateralized 처리에 몇 가지 이론이 두 대뇌 반구에 대 한 posited 되어 있다. 이러한 가운데 감정 처리의 이론을 포함 합니다. 원자가 모델¹ 오른쪽 반구 불쾌 한 감정에 대 한 전문화 하는 동안 즐거운 감정에 대 한 왼쪽된 반구 전문화를 제안 합니다. 우 반구 우 가설² 오른쪽 뇌 좌 반구에 비해 모든 감정적인 정보 처리를 위한 전문 제안 합니다. 마지막으로, Circumplex 이론³ 원자가 대 한 정면 asymmetries, 이외에 오른쪽 뇌의 후부 지역이 모든 높은 흥분 제 감정 처리에 대 한 전문화는 제안 합니다. 이 테스트 하기 위해 lateralized 처리의 이론, 두 반구 사이 처리를 차별화 수 있는 방법론을 사용 해야 합니다. Neuroimaging 기술이이 정보를 제공할 수 있습니다, 그들은 자주는 아니지만 대부분 연구 과학자에 쉽게 액세스할 수 있습니다. 또한, 많은 표준 인지 패러다임, neuroimaging 방법론을 결합 하는 경우에, 각 반구 내에서 처리 하는 정보를 분리 하지 마십시오. 분할된 시야 (DVF) 방법론 행동 및 정신 과학자 neuroimaging 기술의 사용 없이 처리의 lateralized 이론 시험을 위한 길을 제공 합니다.

DVF 방법론 지식을 자극 한 시야를 제시 받았고 contralateral 반구⁴처리 처음을 기준으로 합니다. DVF 방법론 한 대뇌 반구를 다른⁵하기 전에 정보를 받을 수 있도록 짧은 간격으로 자극의 lateralized 프레 젠 테이 션을 사용 합니다. 따라서, 자극 오른쪽 시야에 짧게 제시 왼쪽된 반구에 의해 contralaterally 처리 되 고 왼쪽된 시야를 제시 하는 자극 오른쪽 뇌에 의해 처리 됩니다. 이러한 방식으로 단일 반구에 정보의 초기 처리에 차이 시험 될 수 있다. 예를 들어 그것을 잘 설립 왼쪽된 반구 언어 정보 처리에 대 한 전문 (메타 분석에 대 한 참조⁶참조). DVF를 사용 하 여 연구 패러다임 보여줄 때 오른쪽 뇌에 단어 왼쪽된 반구 (즉, 오른쪽 시야에 표시)에 선물 될 때 증가 처리 속도에 비해.

두 반구 간의 처리 차이 평가 행동 반응 시간이 필요할 수 있습니다 보다 미세한 시간적 해상도 측정 합니다. 사건 관련 전위 (르 프 스크 웨) 인간 electroencephalography (뇌 파) 데이터에서 파생 된 밀리초 (ms) 순서 시간 해상도. 따라서, DVF 방법론 함께에서 ERP 기법을 사용 하 여 두 개의 반구 간의 차이 처리의 세련 된 평가 대 한 수 있습니다. 처음에, 자극의 중앙 시야 (CVF) 프레 젠 테이 션 설립된 ERP 효과 복제 하려면 사용할 수 있습니다. 다음, DVF 자극의 프레 젠 테이 션 이러한 ERP 효과의 전파에 각 반구의 독특한 기여를 검사를 사용할 수 있습니다. 현재 연구⁷에 대 한 특별 한 관심의 후반 긍정적인 잠재력 (LPP) 자극⁸의 감정적 자극에 민감한 ERP 구성 요소로 확인 되었습니다. 흥미롭게도,는 LPP 하지를 일관 되 게 불쾌 하 고 쾌적 한 자극, 오히려, 응답 하지만 중립 자극에 상대적으로 동등 하 게에 감정적 자극 발견 되었습니다. 이 연구는 LPP 두 반구 사이 감정적인 자극에 대 한 동기 관심에 대 한 인덱스로 사용 하 여 감정 이론의 lateralized 처리를 테스트 하도록 설계 되었습니다.

또한,이 연구 체계적으로 LPP의 초기 및 런타임에 발현에 걸쳐 감정 자극의 원자가 그리고 흥분을 일으키는 크기를 검사합니다. CVF와 DVF 자극 프레 젠 테이 션과 함께에서 이러한 자극 조작 독특합니다 문학, 그들은 독특하고 인터랙티브 원자가, 흥분, 그리고 처리는 LPP의 전파에의 반구의 영향을 조사 하기 위한 수 . 따라서, 직접 행동에 대 한 영향 한다 차동 참여 동기 관심 따라서는 LPP, 쾌적 한 자극에 비해 불쾌 한에 의해 신호 탐험 수 있습니다.

프로토콜

여기에서 설명한 모든 방법을 캔사스 로렌스, 캔사스 대학에서 인간 주제 연구에 대 한 내부 검토 위원회에 의해 승인 되었습니다.

1. 선택 참가자

DVF 연구를 위한

1. 사용 오른 손잡이 참가자. 드문 경우 (10%), 왼손잡이 개인 비 전형적인 지형 분포와 ERP 구성 요소 두 피 기록 결과 오른쪽 뇌에서 처리 하는 언어에 대 한 lateralized는.
2. 가지고 참가자 강한 right-handedness 결정 하에 딘 버 러 Handedness 재고 ⁹ 완료. 8 또는 더 높은 점수 나타냅니다 강한 right-handedness.

2. 자극

1. 요청 연구 센터를 통해 국제 감정 사진 시스템 (IAPS) ¹⁰의 감정과 관심의 연구에 대 한 복사 ' s 웹사이트 ¹¹. 2.2-2.4 단계에서 규격 IAPS에서 자극을 선택 합니다. IAPS 각 자극에 대 한 이미지 파일과 원자가 각 이미지에 대 한 흥분을 일으키는의 normed 등급을 포함 하는 탭으로 구분 된 텍스트 파일을 함께 제공.
   1. 사용 스프레드시트 프로그램을 규범을 보고 자극을 선택 합니다. O 선정 하는 자극의 전체 목록은 ' 토끼, Atchley, 고 영 (2016) 참조 표 1.
      참고:이 자극 세트 정격된 원자가 감정적인 자극의 흥분에 대 한 규범을 제공합니다. 자극에 대 한 규범 자체 평가 마네킹 ¹⁰ 참가자 평가 통해 창조 되었다. 이 규모는 원자가에 대 한 미소, 행복 한 그림 찡그림, 불행 한 그림에서 범위 그래픽 그림 및 편안 하 고, 잠자는 그림 자극에 대 한 흥분, 폭 그림을 묘사. 원자가 가장 불쾌 한 (인상을 찌 푸 리고, 불행 한 그림) 1 인 9 인는 가장 쾌적 한 (웃 고, 행복 한 그림)와 9-포인트 리커트 스케일에 정격 이다. 흥분도 이상 흥분 제 (편안 하 고, 잠자는 그림)와 가장 흥분 제 (흥분, 폭 그림) 인 9 인 1 9 점 리커트 척도에 정격 이다. 감정적인 응답을 연상 하는 각 이미지의 구성 요소 각 이미지에 중앙 있습니다.
2. 각 그룹에서 60 이미지와 이미지의 3 개의 원자가 그룹을 만들: 불쾌 한, 쾌적 하 고 중립, IAPS 수동 ¹²에서 제공 하는 규범을 사용 하 여. 이렇게, 그들의 평균 원자가 등급에 의해 IAPS 이미지 정렬
   1. . 평균 원자가 등급 1 3.99에에서 불쾌 한 자극의 범위. 중립 자극 범위 평균 원자가 등급 4 6.99입니다. 7에서 9에 평균 원자가 등급에 즐거운 자극 범위. 각 원자가 그룹 크게 달라 야 서로 평균 원자가 등급에 그들의 범위에 없는 중복.
   2. 그 원자가 그룹에서 독립 샘플 t-테스트 ¹³를 사용 하 여 서로 크게 다를 확인 합니다. 이미지 그룹 그림 복잡성 LPP ¹⁴ 영향을 발견 되지 않은 이미지 복잡성으로 제어 되지 않습니다.
3. 모두 불쾌 하 고 쾌적 한 원자가 자극, 내 높은 만들고 30의 중간 각 하위 각 이미지.
4. 중립 원자가 자극 내에서 중간 및 낮은 각 하위 그룹을 만들. 하위 그룹 8.70 ~ 4.30 평균 흥분 제공 범위와 크게 안 높은 흥분을 일으키는 평균 각 등급에 서로 다릅니다. 중간 각 하위 7.29 ~ 2.40 평균 흥분 제공 범위와 크게 안 평균 각 등급에 서로 다릅니다. 1.4 5.44에서 평균 각 등급에서 낮은 각 하위 그룹 범위.
5. 자극을 선택 테스트 (t-테스트)를 통해 자극 그룹을 위해 ¹³는 안정적으로 다른.
   참고: 각 하위 그룹 (높음, 보통 및 낮은) 크게 평균 흥분 등급, 하지만 원자가 그룹 내에서 각 하위 그룹에서 서로 달라 야 합니다 흥분 할 크게 다 하지 서로 다른 원자가에. 원자가 1)의 시험 효과 혼자, 혼자, 2) 각 성 효과 원자가 흥분 사이 3) 인터랙티브 효과 대 한 수 있습니다.
6. 그들이 17.06 수평 및 10.85 수직도 자극-프레 젠 테이 션 모니터에 시각적인 각의에서 보여질 것입니다 수 있도록 최종 자극 이미지 크기를 조정 이미지 편집 소프트웨어 프로그램을 사용 하 여.
   1. 계산 수식, V를 사용 하 여 시각적 각도 (V) = 2arctan(S/2D) ¹⁵, 어디 S 시각적 개체와 D의 너비 또는 높이 = = 뷰어에서 거리 ' s 학생 시각적 개체에. 자극 이미지의 크기는 참가자 사이의 거리에 따라 달라 집니다 ' s 학생과 자극-프레 젠 테이 션 모니터 (D).
7. 마스크 이미지 자극의 뒤로 마스크에 대 한 자극을 만듭니다. 이전 버전과 슬래시의 배열을 이루어져 마스크 자극 (즉, " \ ")는 이미지의 공간 크기를 일치 하는. 동일한 차원에에서 있는 픽셀 이미지 편집 소프트웨어 프로그램에서 이미지 자극으로 textbox를 만듭니다. 그들은 지정 된 치수를 변경 하지 않고 전체 공간을 채울 때까지 텍스트 상자에 이전 버전과 슬래시를 입력 합니다. 이 텍스트 상자를 마스크 자극을 만드는 이미지 저장.
8. DVF 패러다임에 대 한 자극 프레 젠 테이 션 소프트웨어에 로드할 이미지-프레 젠 테이 션 슬라이드를 만듭니다.
9. 는 이미지 편집 소프트웨어 프로그램에서 고정 마크 센터 (" + ") 이미지의 중간에. 당신의 첫 번째 자극 이미지 오른쪽 가장자리 고정 마크의 왼쪽에 시각적인 각의 3 °와 수직으로 중심.
   1. 자극 이미지와 동일한 크기와 갈색 사각형을 만들고 또한 세로로 고정 마크의 오른쪽에 시각적인 각의 왼쪽된 가장자리 3도 중심으로 배치 합니다. 이 자극 이미지의 왼쪽된 시야의 프레 젠 테이 션이이 저장.
   2. 자극 이미지와 갈색 직사각형의 위치를 전환 하 고이 자극 이미지의 오른쪽 시야의 프레 젠 테이 션으로이 저장 합니다. 모든 자극 이미지 ( 그림 1)에 대 한이 작업을 수행.
10. DVF 패러다임에 대 한 이미지-프레 젠 테이 션 슬라이드에 대 한 완료 되었습니다 동일한 방식으로 자극 프레 젠 테이 션 소프트웨어에 로드 마스크-프레 젠 테이 션 슬라이드를 만듭니다. 두 내부 모서리 3-도 기정 마크 ( 그림 2)에서 시각적인 각의 고정 표시의 양쪽에 마스크 이미지를 놓습니다. DVF 패러다임에 대 한 마스크 자극으로이 배열 저장.

3. 실험 장비

1. 염화 사용은 (Ag-AgCl) 액티브-전극 또는 두 피에서 기록 EEG 뇌 파 전극 다른 국제에 따라 10-20 시스템 ¹⁶ 위치. 위에 위치 하나 추가 전극 및 다른 기록 수직 안구의 움직임을 오른쪽 눈 아래.
2. 사용 뇌 파 장비 사양에 따라 250-500 Hz의 샘플링 속도와 데이터 수집을 위한 수집 소프트웨어. 뇌 파의 상세한 고려 인수 매개 변수 참조 행운 (2014) ¹⁷ _.
3. 현재 stimuli 미러 24 인치 자극-프레 젠 테이 션 액정으로 컴퓨터에 자극-프레 젠 테이 션 소프트웨어 패키지 ¹⁸ 통해 디스플레이 모니터 (1920 x 1200 해상도) 별도, 전기 차폐, 그리고 소리에 감쇠 방입니다. 장소만 실험 방에서 컴퓨터를 유지 하는 동안 차폐 실 내의 미러 모니터 전기 소음을 감소 시킨다. 소리 감쇠 뇌 파 데이터에서 청각 되 살려 진 잠재력의 발생을 줄일 수 있습니다. 자극-프레 젠 테이 션 소프트웨어 패키지 사용자가 프레 젠 테이 션 기간을 설정 하 고 자극의 위치를 화면에 대 한 허용 해야 합니다.

4. 참가자 준비

1. 어떤 데이터를 제공 하기 전에 참가자 전체 정보, 서 면 동의.
2. 가지고 섹스, 나이, handedness, 모국어, 비전, 및 신경 역사 인구 조사를 완료 하는 참가자. 섹스와 최종 연구 보급에 보고 나이 수집 합니다. 다른 모든 인구 통계 학적 정보를 사용 하 여 참가자 연구에 포함에 대 한 기준을 충족 하는지 확인: 오른 손잡이 (에 딘 버 러 Handedness 재고를 통해 평가), 네이티브 영어 스피커 자기 보고서 (또는 네이티브 언어 사용을 통해 수집 된 연구 지침)에서 정상 또는 정상 수정 비전과 신경 외상의 역사 없이.
3. 참가자에 적용 EEG 전극입니다. 피의 후 두-정수 리 영역을 커버 모든 뇌 파 몽타주는 LPP 응답 기록 적합.
4. 좌석 참가자 전기 차폐, 어둠 속에서 소리 감쇠 방. 턱의 나머지를 사용 하 여 움직임을 최소화 하 고 머리를 안정. 턱 나머지 시각적인 각 계산에 사용 된 D 변수를 유지 하기 위해 자극-프레 젠 테이 션 모니터에서 정확한 거리 위치. 키보드 (또는 응답 상자) 그들의 오른손을 통해 응답 컬렉션에 대 한 참가자의 앞에 배치.
5. 모든 채널 임피던스 50 kiloohms ¹⁷ 되도록 데이터 신호 확인.
6. Instruct 참가자를 수 동적으로 화면 중심에서 그들의 눈을 이동 하지 않고 이미지 자극을 볼. 고정 마크를 표시 (" + ") ¹⁷ 흥분 참가자 수 있도록 스크린의 센터에서. 그들은 관심을 지불 하는 것이 중요 하다 그래서, 이미지의 각 블록을 다음 인식 퀴즈 있을 것입니다 참가자에 지시 합니다. 각 참가자만 완료는 CVF 또는 DVF 패러다임 사이 주제 디자인 만들기.
   참고: 모두 CVF 및 DVF 패러다임 내에서 주제 디자인을 만들 동일한 참가자에 지휘 될 수 있다. 이렇게, 어떤 친숙 효과 자극에 대 한 제어 하는 두 가지 패러다임의 순서를 맞출.

5. 중앙 시야 (CVF) 패러다임

참고: CVF에서 패러다임, 스크린의 센터에서 무작위로 현재 이미지 자극. 각 시험 500 ms 중앙 고정 구성 (" + ") 뒤에 뒤에 뒤 마스크를 마스크 하는 역할에 대 한 프레 젠 테이 션 기간 2000-4000 양 Jittered 프레 젠 테이 션 기간 사이에서 무작위로 변화 한다 자극의 150 ms 프레 젠 테이 션 어떤 예상 ERP 응답 다음 재판 ²⁰의 발병을 줄일 수.

1. 기간과 자극 위치 자극-프레 젠 테이 션 소프트웨어에 고정, 자극 이미지 및 마스크 자극에 대 한 별도 프레 젠 테이 션 슬라이드를 만들 프레젠테이션을 지정 하.
   1. 고정 마크의 프레 젠 테이 션에 대 한 프레 젠 테이 션의 더하기 기호를 지정 (" + ") 가로 및 세로로 모두을 중심으로 하 고이이 슬라이드에 대 한 속성을 통해 행 해질 수 있다 500 양 기간 설정.
   2. 자극의 프레 젠 테이 션, 행렬 또는 목록 개체에는 자극에 대 한 이미지 파일 이름을 입력.
   3. 이미지-프레 젠 테이 션 슬라이드에 이미지 개체 모두 수직과 수평,를 중심으로 놓고 이미지 자극 로드 이미지 파일 이름 목록에이 개체에 연결. 파일 이름이 이미 선택 된 자극의 교체 없이 목록에서 임의로 선택 이미지와 매트릭스 또는 목록 개체를 설정 합니다. 이미지-프레 젠 테이 션 슬라이드의 지속 시간을 150 양 설정
   4. 마스크-프레 젠 테이 션 슬라이드에 대 한 다시 장소 이미지 개체 중심으로 모두 수직과 수평. 이 개체의 속성에서 파일 이름을 입력 하 여 마스크 이미지 파일에 직접 연결 수 있습니다. 무작위로 2000-4000 양 사이 다를 마스크-프레 젠 테이 션 슬라이드의 지속 시간 설정
2. 각 (180 재판 총) 45 재판의 4 개의 실험 블록에서 이미지 자극을 제시. 각 블록 원자가/흥분을 일으키는 조건 자극의 동등한 수가 있다. 이 만드는 4 개의 별도 행렬 또는 목록 개체 이미지 파일 이름으로 각 각 원자가 흥분을 일으키는 그룹에서 7-8 이미지를 포함 하 여 수행할 수 있습니다 (예를 들어, 목록 1에서에서 7 높은 깨워서 불쾌 한 이미지 수와 목록 2에이 수 8 높은 깨워서 불쾌 한 이미지)입니다. 참가자는 수 동적으로 각 재판에 이미지 자극을 볼.
3. 참가자는 연구의 수동 보기 부분 관심을 지불 되도록 10 항목 인식 테스트를 주고 각 블록을 다음. 새로운 4 개의 항목과 이전 블록에서 인식 테스트에 6 항목을 표시 합니다. 그들은 원자가 흥분의 모든 범주를 표현이 6 개의 항목을 선택 합니다. 그들은 이전에 본 어떤 자극을 나타내는 그들의 오른손을 사용 하 여 키를 통해 응답 참가자.

6. 시야 (DVF) 패러다임을 나누어

참고:는 DVF 패러다임은 CVF 패러다임을 제외 하 고 각 이미지 자극 측면, 왼쪽 이나 오른쪽 사용 하 여 고정 마크의 현재 이미지 자극의 크기를 포함 하 여 동일는 2.7 ( 그림 3 참조) ⁴ 단계에서 만든 이미지-프레 젠 테이 션 슬라이드.

1. 현재 각 이미지 왼쪽된 시야에 한 번 그리고 한 번 오른쪽 시야에. 완전히 무작위 순서로 모든 자극을 제시.
2. 각 자극 두 번 제시로 실험 블록 및 360 재판의 총에 대 한 인식 테스트의 수 (8)를 두 번.
3. 쌍 각 이미지 자극 단단한 갈색 사각형 고정의 반대 측에 자극 차원에서 동일의 동시 프레 젠 테이 션. 이 재귀 saccades는 자극을 줄이기 위해 이루어집니다. 또한, 프레 젠 테이 션 150 ms 기간은 대부분 saccade 대기 ²¹, 그 경우 참가자는 자극에 자신의 눈을 이동, 그것은 것입니다 마스크 참가자 그것에 흥분 시키는 수 있습니다 전에 의미 보다 짧은 ²².
4. 각 자극을 제시 하 고 그들의 내부 쌍된 갈색 사각형의 가장자리는 고정에서 시각적인 각의 3 °. 이 자극 한 반구 ⁴에서 처리 되는 망막의 지역 내에서을 보장 하기 위해서 이루어집니다.
5. 뒤로 자극 및 CVF 패러다임 ²⁰에서 완료 했다 동일한 기준 및 절차를 사용 하 여 갈색 사각형 마스크.

7. 데이터 분석

1. 그 자극에 주의 지불 했다 안심하실 수 없습니다 데이터를에서 인식 테스트에 50% 미만 (기회)를 득점 하는 모든 참가자를 제거.
2. 전처리 및 뇌 파 소프트웨어 패키지 ²³을 사용 하 여 뇌 파 데이터 분석. 오프 라인 데이터를 필터링 연속 0.01-30 Hz 대역 통과, 나쁜, 올바른 눈 깜박임 아티팩트 각 개별 참가자에서 생성 하는 평균 서식 파일을 사용 하 여 수동으로 제거 수평 아이 교대 100 밀리초 시간 창에서 200 μv 변동 데이터 표시 육안 검사, 및 rereference 데이터는 com을 사용 하 여 다음 데이터에서월 평균 rereference ^{24 , 25}.
3. ²⁶ 200 ms 사전 자극 기준선 따라 자극의 개시 후 1000 ms의 epochs 계산.
4. LPP ²⁷의 지형 확인 하려면 ERP 문학과 파형 검사 사용. 이 연구에는 LPP 채널 CPz 중심. 이 경우에, 평균 채널 CPz Pz, Cz, CP1, CP2 함께 LPP 나타낼.
5. DVF에서 데이터 왼쪽 후 두-두 정 채널과 DVF 프레 젠 테이 션 LPP 구성 요소의 전형적인 지형 이동 하지 않았다 되도록 바로 정수 리 후 두 채널에 걸쳐 LPP 진폭 비교 치러야 분석을 수행 합니다. 채널 쌍 CP1와 CP2, CP3 CP4, C1 및 C2, C3 및 C4, P1 및 P2, P3 그리고 각각을 그들은 크게 차이가 없습니다 서로 다른 평균 진폭 되도록 P4 사이 짝 샘플 t-테스트 실시.
6. LPP로 긴, 지속적인 구성 요소, 두 개의 다른 LPP epochs 추출: (400-700 ms 후 자극 발병 초기)과 후반 (700-1000 ms 후 자극 발병).
7. 3 통해 CVF LPP 데이터 분석 (원자가: 불쾌 한, 즐거운, 그리고 중립) 2 (신 기원: 초기와 후반) 그룹 내 분산 분석 (ANOVA) 중립 자극 보다 더 큰 LPP 응답을 생성 하는 감정 자극의 전형적인 LPP 효과 되도록 이 존재 합니다. 이 분석은 자극 정상적으로 처리 된 단언을 수행.
8. 검사 원자가 LPP에 흥분을 일으키는의 대화형 효과 실시는 2 (원자가: 불쾌 하 고 쾌적 한) 2 (흥분: 높고 낮음) 2 (Epoch: 초기와 후반) CVF LPP 데이터 내에서 그룹 ANOVA.
9. 프레 젠 테이 션의 반구의 효과 검사 하 반구의 추가 요소와 7.8 섹션에 지정 된 ANOVA를 실시: 왼쪽 및 오른쪽 DVF LPP 데이터에.

결과

이전 연구는 LPP에 복제, 불쾌 하 고 쾌적 한 이미지를 모두 LPP 응답 LPP 응답 중립 이미지 보다 더 큰 되어야 합니다. 이것은 크게 더 크게 초기 시대에는 LPP 발견에 불쾌 한 CVF 분석에 의해 확인 (M = 1.90 μv) 하 고 쾌적 한 (M = 1.71 μv) 중립 이미지에 비해 이미지 (M = 0.72 μv), 하지만 불쾌 하 고 쾌적 한 이미지는 서로 크게 다른 것을 찾을 수 없습니다. 흥미?...

토론

이 연구에서 자극 원자가 흥분의 조작 감정의 lateralized 처리의 이론 동기 관심 네트워크에 적용 테스트 DVF 패러다임으로 사용 되었다. 그러나, DVF 방법론의 시각적 정보 lateralized 처리를 탐구 하 사용할 수 있습니다. DVF 패러다임을 사용 하 여 무엇입니까 중요 정보 초기 처리에 대 한 한 반구에 격리 되도록 자극 프레 젠 테이 션의 컨트롤입니다. 연구의이 측면에 기여 하는 DVF 패러다임에 몇 가지 ?...

자료

Name	Company	Catalog Number	Comments
64-channel Ag-AgCl active electrodes	Cortech Solutions	DA-AT-ESP32102064A/DA-AT-ESP32102064B	EEG electrodes for data collection
ActiveTwo Base System	Cortech Solutions	DA-AT-BCBS	Digitizes and ampliphies EEG data at 500 Hz
E-Prime Professional 2.0	Psychology Software Tools	NA	Stimulus presentation software, available at https://www.pstnet.com/eprime.cfm
CURRY 7.0	Compumedics Neuroscan	NA	EEG/ERP data processing and analysis, available at http://compumedicsneuroscan.com/products/by-name/curry/