의미 못쓰게 이벤트 관련 잠재력 (ERP) 작업을 자폐증 스펙트럼 장애에서 Lexico 의미 및 Visuo 의미 체계 처리를 공부

요약

이 종이 자폐증 스펙트럼 장애 (ASD)와 개인에 의미 체계 처리를 조사 하기 위해 사진과 단어의 양식 적임 내 쌍을 사용 하 여 의미 못쓰게 ERP 작업을 설명 합니다.

초록

자폐증 스펙트럼 장애 (ASD)를 가진 개인 이해 하는 언어의 의미 또는 의미 체계 처리에 특성 적자를 가진다. 그러나, 몇 가지 증거 비 언어적 자극의 의미 처리 의미 적자 언어 관련 될 수 있습니다 제안, 그대로 임을 나타냅니다. 의미 체계 처리 적자 ASD, 내-모달 언어 (예를 들어, 단어를 서 면)의 비교를 가진 개인에서 적절 하 게 특성 및 비 언어적 자극 (예를 들어, 사진)가 필요. 이 문서 사용 하 여 만드는 의미 못쓰게 패러다임의 electroencephalographic (뇌 파) 데이터의 동시 녹음 하는 동안 이러한 방법론을 설명 합니다. 뇌 파 행동 수준에서 관찰 되지 않을 수 있습니다 의미 처리의 미묘한 차이 특성에 적합 하는 두뇌 활동의 동적 측정을 제공 합니다. 의미 못쓰게 패러다임 선물 주요 그림 이나 단어 (예를 들어, 개) 대상 그림 이나 단어 중 하나를 (예를 들어, 고양이) 관련 또는 무관 한 (예를 들어, 연필) 주요. 이 패러다임 다른 modalities에 걸쳐 의미 체계 처리를 평가 하 고 ASD와 어떻게 그들이 TD 개인에서 다 수 개인 lexico 의미 및 visuo 의미 처리 능력 비교에 따라서 사용할 수 있습니다. 뇌 파 검사 및 뇌 파 데이터 분석을 수행 하는 자극을 만드는 관련 된 특정 단계를 설명 합니다. 대표 결과 어떻게 이벤트 관련 잠재력 (ERP)의 N400 구성 요소는 감소 다음 의미적으로 관련 된 주요한 표적 쌍 없는 쌍에 비해 보여줍니다. 조건, 형식 및 그룹 간의 N400의 비교 의미 처리의 성공의 견적을 제공할 수 있으며 그로 인하여 의미 적자 ASD 또는 다른 임상 인구 개인에 특성을 사용할 수 있습니다.

서문

인지 심리학에 있는 연구원은 오랫동안 사람들이 언어의 의미를 이해 하는 방법에 관심이 되었습니다. 언어 처리는 증가 하는 복잡성, 문자와 단어 인식에서 구문 구문 분석, 의미 처리의 단계 순서를 포함 한다. 단어, 그림, 또는 소리, 의미 처리 액세스 자극의 의미를 말합니다. 초기 단어 인식, 단어의 의미 또는 의미의 액세스의 초기 단계에 따라 언어 처리에서 중요 한 단계입니다. 의미 통합 그들의 관계를 이해 하는 자극의 의미를 통합 하는 프로세스를 말합니다 그리고 이해 문장 같은 처리 하는 상위 수준 언어에 대 한 중요 한. 뿐만 아니라 문장에서 각 단어의 의미, 액세스할 필요가지 않습니다 하지만 각 개별 단어의 의미는 문장 의미, 또는 "요점"의 일관 된 이해를 형성 하기 위하여 통합 될 필요가.

자폐증 스펙트럼 장애 (ASD) 개인 언어 이해¹에서 종종 상당한 적자를 가진다. 이러한 어려움 의미 체계 처리 및 통합^2,,34에 적자에서 줄기 제안 몇 가지 증거가 있다. 그러나, 다른 학문 제안 자료 아닌 언어 (예를 들어, 시각 또는 청각)에 선물 될 때 ASD 가진 개인 의미 처리 적자를 표시 하지 않습니다 형식^3,5,6 . 이러한 발견은 건의 한다 의미 처리 적자 ASD에 언어 (즉, 서 면 또는 음성) 제한 될 수 있습니다 형식. 따라서, 다른 modalities 대조 접근은 의미 체계 처리 적자는 도메인 또는 보급 처리 스타일을 나타내는 범위에 대 한 통찰력을 제공할 수 있습니다. 이 문서의 목적은 동시 electrophysiological 녹음 하는 동안 의미 프라이 밍 작업을 사용 하 여 다른 modalities 사이 의미 체계 처리를 비교 하기 위한 방법론을 설명 하기 위해.

의미 못쓰게 패러다임 연구 조사 어떻게 의미 영향 하위 단어 인식^7,8처리에 오랜 역사를가지고 있습니다. 전통적인 의미 프라이 밍 작업에 주요 단어를 제시 (예를 들어, 고양이) 대상 이어서 의미상으로 단어 (예를 들어, 개) 관련 또는 주요 관련이 없는 (예를 들어, 도 서). 참가자 대상 단어 실제 단어 인지 여부를 확인 하도록 요청 하는 이러한 작업은 종종 어휘 결정 작업의 맥락에서 이루어집니다. 다른 패러다임 참가자 대상 단어에서 의미 분류 작업을 수행 하거나 또는 하지 두 자극 관련 여부를 판단 할 수 있습니다. 특정 작업에 수십 년간 증거 반응 시간 (RTs)는 의미적으로 관련 되지 않은 사람에 비해 프라임 관련 대상 단어 빠르게 설립 했다.

"" 의미 프라이 밍 효과이 이론 계정^7,8메커니즘의 수 기인 했다. 하나는 의미 체계의 네트워크를 통해 자동 확산 활성화 때문에 못쓰게 효과 주요 단어의 의미의 검색 대상 단어를 포함 하 여 다른 의미적으로 관련 된 단어의 의미를 활성화. 이 다음 대상 단어의 의미 체계 활성화에 필요한 시간을 줄일 수 있습니다. 두 번째 이론적 메커니즘은 주요 단어를 보고 따라 그 posits, 기대의 참가자의 잠재적인 대상 예상된 집합을 생성 합니다. 이 세트에 포함 된 대상 단어 다음 더 신속 하 게 인식 됩니다. 마지막으로, 총리와 대상 단어 간의 의미 관계의 존재를 수립 의미 론 적 일치의 후 어휘 메커니즘의 존재 postulated가지고 다른 사람. 기본 효과 특정 메커니즘에 의미 못쓰게 의미 체계 처리 및 통합의 유용한 인덱스 수 있습니다. 이 패러다임 어휘 자극에 국한 되지 않습니다 또한 고 그림⁹ 뿐만 아니라 크로스-모달 의미 못쓰게 (예를 들어, 단어와 그림 사이)³같은 비 언어 자극의 의미 못쓰게 조사를 사용할 수 있습니다.

의미 프라이 밍 효과 psycholinguistic 문학에서 잘 공부 그리고 프라임-대상 관계, 총리 및 대상 프레 젠 테이 션의 타이밍 그리고 다른 많은 조작⁸의 형식에 관해서는 조사 되었습니다. 이 효과의 electrophysiological 상호도 잘 특징이¹⁰있다. Electroencephalography (뇌 파) 두 피에서 측정 하는 전기 활동에서 변화를 통해 신경 활동을 기록 하는 방법입니다. 뇌 파 (밀리초)의 순서에 매우 좋은 시간 해상도 있기 때문에 그로 인하여 나의 부재에도 그룹 사이의 의미 체계 처리에 미묘한 차이 제공할 수 있습니다 의미 못쓰게 패러다임에 대 한 방법론의 유용한 선택 이다 행동 효과 또는 응답입니다.

사건 관련 전위 (르 프 스크 웨) 특정 자극 또는 동작에서 발생 하는 뇌 파에 시간 잠겨 변화가 있다. 타이밍 및 응답의 극성에 따라 ERP의 다른 구성 요소는 인지 처리의 다양 한 측면의 반사. N400 구성 요소 (비록 몇 가지 다른 해석이 존재^10,13) 의미 처리와 시맨틱 통합^11,12 의 잘 설립 마커 이다. N400 진폭 의미 통합 쉽습니다 (예: 때 프라임과 의미 못쓰게 패러다임에 대상 의미상 관련) 의미 통합은 더 때 두 단어는 관련) (같은 어려운 때에 비해 때 감소 된다. 중요 한 것은, 관련된 없는 조건 (즉, "N400 효과")의 진폭 차이 언어 아니다. N400 효과 또한 관찰 된다 비 언어 형식에서와 같은 의미상 관련과 관련 없는 사진 또는 환경 소리^14,15,,1617의 쌍에 대응. N400 이므로 따라서 유용한 ERP 구성 요소 현재 패러다임의 목적에 대 한 의미 체계 처리 및 통합 능력의 양식 적임 독립적인 견적으로 사용할 수 있습니다.

개인 감소 하는 ASD 쇼 또는 의미 프라이 밍 효과 언어 자극^2,3,4에 대 한 응답 N400 효과 없는 의미 체계 처리에 장애를 제안. 이러한 효과 visuo 의미에 대 한 응답에서 발견 되었습니다 그리고 오디오 의미 자극^3,5,6, 대출 지원 주장 그 의미 처리는 언어 자극에 대 한 선택적으로 손상 된다. 그러나, 비교 형식은 대부분의 이전 연구는 주요한 표적 쌍 포함 어휘 자극 간 모달 못쓰게 사용. ASD 가진 개인 언어 자극의 의미 체계 처리에 적자는 제안 감안할 때, 같은 크로스-모달 자극 결과 영향을 수 있습니다. 진정으로 언어의 의미 처리 ASD 가진 개인에서 선택적으로 손상 여부 조사, 어휘 및 어휘 비 자극의 양식 적임 내 쌍을 사용 해야 합니다. 최근 연구에서 Coderre 외. ⁶ 양식 적임 내 단어와 그림 의미 못쓰게 의미 처리 적자 ASD 가진 성인 (세 18-68)에 조사를 첫 번째 직접 비교 제공. ASD 가진 참가자와 일반적으로 개발 (TD) 참가자 사진 및 단어의 쌍을 볼 자극 관련 된 여부를 판단 하도록 요청 했다. 이 의미 못쓰게 작업 하는 동안 그들의 두뇌 활동은 뇌 파를 사용 하 여 기록 했다. 그룹 및 형식 사이의 N400 효과 비교 하 여이 패러다임 ASD 가진 개인에서 의미 처리의 자연에 대 한 통찰력을 제공 합니다.

이 문서의 목적은 의미 못쓰게 Coderre 그 외 여러분 에 의해 고용 하는 ERP 방법론을 설명 하는 ⁶.이 패러다임 처음 공부 ASD 가진 성인에 있는 의미 체계 처리를 구현, 비록 그것 lexico 의미 및 visuo 의미 처리, 어느에 TD의 신경 상관 관계를 탐구 하고자 하는 모든 경험에 대 한 유용한 증명할 수 있습니다 개인 또는 특정 임상 인구에서.

프로토콜

여기에 설명 된 모든 메서드는 제도적 검토 보드의 존스 홉킨스 대학, 원래 연구⁶ 수행 되었다에 의해 승인 되었다.

1. 자극 만들기

1. 주요한 표적 쌍을 만든 것입니다 어떤 구체적인 명사의 초기 목록을 만듭니다.
   1. 선택한 모음 Subtlex¹⁹등에서 약 500 구체적인 명사를 선택 하 고 각 단어에 대 한 관심 (예를 들어, 주파수, 길이, concreteness, imageability, 등)의 변수를 얻을.
      참고: 의료 연구 위원회 (MRC) Psycholinguistic 데이터베이스¹⁸ 등 현대 미국 영어의 모음²⁰, 기타 모음 사용할 수도 있습니다. Subtlex이이 데이터베이스 큰 Excel 파일 이며 그로 인하여 쉽게 자극 생성에 대 한 검색에 대 한 수 때문에 원래 연구에 사용 되었다. 다른 모음 다른 그래픽 인터페이스 하 고 입력된 상자에 특정 텍스트 문자열을 입력 하 고 확인 요청 되는 관심 변수를 사용자 필요할 수 있습니다.
2. 의미 relatedness를 설치 하는 자극 사이 잠재성 의미 분석 (LSA) 수행
   1. LSA 방법 또는 도구를 선택 합니다. 유용한 온라인 도구는 콜로라도 대학교 볼 더 (http://lsa.colorado.edu/)에 의해 제공 됩니다.
      1. 주요 방문 사이트에서 매트릭스 비교를 클릭 합니다.
      2. 빈 줄으로 구분 된 개별 단어 비교를 입력 합니다.
      3. 클릭 텍스트를 제출 합니다.
   2. 스프레드시트를 사용 하 여 각 단어 사이의 다른 모든 LSA 값의 매트릭스를 만듭니다.
3. LSA (그림 1A)에 따라 관련된 없는 조건으로 자극을 나눕니다.
   1. 수동으로 "관련된" 조건에 대 한 높은 LSA 값 (약 0.5 이상) 200 단어 쌍을 선택 합니다.
   2. 수동으로 "없는" 상태에 대 한 낮은 LSA 값 (약 0.1 이하로) 200 단어 쌍을 선택 합니다.
      참고:는 실험 의미 관계는 범주에 대 한 이해가 되도록 단어 쌍을 수동으로 검사 해야 합니다. 일부 단어 쌍 높은 LSA 평가 할 수 있습니다 하지만 의미 relatedness 참가자에 게 즉시 명백한 되지 않을 수 있습니다. 마찬가지로, 일부 낮은 LSA 등급을 가질 수 있지만 다른 방법으로 의미상 관련이 있을 수 있습니다.
   3. 관련된 없는 쌍을 만들 때 수동으로 주파수, 길이, 및 어떤 다른 변수는 문학 (협회^7,8예를 들어, 방향)에 관련 된 지적 되었습니다 나의 단어와 일치 특정 연구에 대 한 관심입니다. 단어 (예: 1-2log10 주파수 단위 내의; 1-2 글자 또는 음절)의 변수에 최대한 가깝게 일치 합니다.
4. 단어와 그림 형식 (그림 1A)로 자극을 나눕니다.
   1. 스프레드시트에서 자극 파일 내에서 "조건"의 다른 열을 추가 합니다.
   2. "상태" 칼럼에서 "그림" 조건 관련된 쌍의 100 및 100 없는 쌍의 레이블. "단어" 조건으로 다른 나머지 자극을 라벨.
5. 그림 자극을 얻습니다.
   참고: 그림 자극 온라인 소스 (예: 구글 이미지 검색)에서 나는 실험에 사용할 수 있는 다른 소스에서 얻을 수 있습니다.
   1. 각 단어를 표현 하기 위해 2-3 그림 선택 합니다.
   2. 한 하 여 초기 파일럿 테스트 수행 또는 더 독립적인 평가 (예: 학생, 자극 개발에 참여 하지 않은 연구 조 수) 그림이 최고의 개념을 나타냅니다.
      1. 사진 뷰어 프로그램을 사용 하 여 한 번에 모든 잠재적인 그림 파일을 열고 단어를 큰 소리로 읽어 고 가장 대표적인 그림을 선택 하는 평가자에 게. 모든 단어에 대 한 각 평가자의 응답을 기록 합니다.
      2. 각 단어에 대 한 평가의 대부분 최대한 개념, 대표를 선택 하 고 자극으로이 파일을 사용 하 여 그 단어에 대 한 그림을 식별 합니다. 과반수 없음 있으면 사진의 다른 배열을 선택 하 고 단계 1.5를 반복.
   3. 김프 (또는 다른 사진 편집 프로그램 선택의)를 사용 하 여 모든 규모 그림 같은 크기 (약 400 픽셀 또는 3-5 인치 높이 또는 너비) 수 있습니다.
      참고: 그림의 정확한 크기는 자극에 나타납니다 모니터의 크기에 따라 달라질 수 있습니다. 자극의 수평 및 시각적 각도 7와 13 ° 사이 이어야 한다.
6. 파일럿 테스트 수행
   1. 3-4 독립적인 평가 (예: 학생, 자극 개발에 참여 하지 않은 연구 조 수)를 요청 하 여 테스트 단어와 그림 쌍을 파일럿 평가 각 쌍 관련 없는 하.
      1. E-프라임 (또는 선택의 다른 자극 프레 젠 테이 션 프로그램) 화면에 한 번, 또는 위는 다른 측면 중 하나에 두 단어를 제시 하는 실험 프로그램. 버튼을 눌러 관련 또는 관련 없는 단어를 평가 하는 참가자 들에 게 (예를 들어, 1에 대 한 관련된, 2에 대 한 무관). 이 소프트웨어 패키지에 실험을 프로그래밍 하는 방법에 대 한 자세한 내용은 E-프라임 수동²¹ 를 참조 하십시오.
         참고: 파일럿 테스트 장소 어디 실험 테스트 열린다, 실험실에서 또는 자극 프레 젠 테이 션 프로그램을 실행 하는 컴퓨터에서 걸릴 수 있습니다. 아니 특별 한 룸이 필요 합니다.
      2. 말의 집합까지 파일럿 테스트 (자극을 볼 수 있는 새로운 독립적인 평가)를 반복 하 고 사진 관련 없는의 신뢰할 수 있는 평가 함께 얻은 것입니다. 총을 100 관련된 단어 쌍, 100 관련 없는 단어 쌍, 100 관련된 그림 쌍과 100 없는 그림 쌍을 가져옵니다.
         참고: 그것은 조사 임상 인구에 있는 인식 조사 N400 구성 요소를 사용 하 여 신뢰할 수 있는 효과²²유도 시험 유형 당 40 사용할 수 재판의 최소 수집 제안 되었습니다. 일부 실험 데이터 청소 과정 동안 손실 될 것입니다 예측, 패러다임에 포함 하는 실험의 수를 증가 한다. 이전 작업에서이 특정 패러다임 ⁶, 시험 유형별 100 재판을 사용 하 여 보다 더 많은 충분 했다 강력한 N400 효과 개별 및 그룹 단위로. N400 유사 단어와 그림¹⁰는, 때문에이 추정 시험 형식의 수 형식 간의 일관성을 유지 될 것이 좋습니다.
      3. 연습 세션에 대 한 추가 8 쌍 (4 단어, 4 이미지)를 유지 (단계 2.2.1below 참조)

2. 작업 프로그래밍

1. 자극 목록을 만들.
   1. 자극의 최종 집합, 8 블록으로 자극을 정렬 합니다. 적임 (그림/단어) (각 4 블록)를 차단 한다.
   2. 각 블록 내에서 관련된 없는 자극의 동등한 수를 확인 합니다.
   3. 수동으로 의사-각 블록 내에서 프레 젠 테이 션 리스트는 한 행에 있는 더 이상 5 관련 또는 비관련 자극 쌍 서로 의미상 관련이 없는 무작위. "당근-브로콜리", "사과 배" 나란히 즉시 같은 재판을 하지 마십시오.
2. E-프라임, 또는 선택의 다른 자극 프레 젠 테이 션 소프트웨어를 사용 하 여 작업 프로그램.
   참고: 여기에 설명 된 단계 E-프라임 및 NetStation, 그리고 다른 경우 다 자극 프레 젠 테이 션 소프트웨어 또는 EEG 수집 소프트웨어 사용 됩니다. 이 소프트웨어 패키지에 뇌 파 실험을 프로그래밍 하는 방법 및 E-프라임와 NetStation 간의 통신을 설정 하는 방법에 E-프라임 수동²¹ 그리고 NetStation 튜토리얼²³ 보다 구체적인 세부 사항에 대 한 E-프라임 확장을 참조 하십시오.
   1. 프로그램 실험 테스트를 시작 하기 전에 수행 될 그림 및 단어 블록 (4 쌍 각), 대 한 두 개의 연습 세션.
   2. 읽기 연습 세션의 시작 부분에는 명령 화면 프로그램: "다른 하나는 화면에 제시 하는 두 단어가 표시 됩니다. 여전히 가능한 앉아 보세요 그리고 단어 제시 되는 동안 깜박 하지 마십시오. 쌍을 제시 후 화면에 검은 십자가 볼 것 이다. 검은 십자가 볼 때 단어 관련 된 경우 표시 하시기 바랍니다. 단어와 관련 된 버튼 1을 누릅니다. 단어와 관련 되지 않은 경우 버튼 2를 누릅니다. 연습 세션을 시작 하려면 아무 키나를 누르십시오. "
   3. 각 단어 자극의, 실험 구조에 TextDisplay 아이콘 두 번 클릭. 왼쪽 상단에서 속성 아이콘을 클릭 합니다. 글꼴 탭에서 Courier New 글꼴 크기 28을 선택 합니다. 블랙으로 일반 탭 선택 ForeColor 및 BackColor 흰색을 흰색 배경에 검정 글꼴에서 단어를 제시.
      참고: 특정 글꼴 크기는 크기와 프레 젠 테이 션에 사용 하는 모니터의 해상도 따라 수정 해야 합니다. 단어의 수평 시각적인 각 1 및 6 ° 사이 이어야 한다.
   4. 각 그림 자극에 대 한 실험 구조에 슬라이드 아이콘을 두 번 누릅니다. 왼쪽 상단에서 속성 아이콘을 클릭 합니다. 일반 탭에서 흰색 배경에 그림을 제시 하는 흰색으로 BackColor를 선택 합니다.
   5. 이 순서 대로 다음 자극 제시 각 평가판 프로그램: 빨간 pre-trial 고정 크로스 (400 ms); 자극 1 (1000 ms); interstimulus 간격 (공백 백색 스크린; 300 ms); 자극 2 (1000 ms); 빈 화면 (400 ms); intertrial 간격 (검은색 고정 크로스; 무작위로 100 밀리초 간격으로 1000-1400 ms 사이 지터, 평균 1200 ms); 그림 1B를 참조 하십시오. 기간을 설정 하려면 실험 구조에 TextDisplay 또는 슬라이드 아이콘을 두 번 클릭 하 고 윈도우의 상단 왼쪽에 있는 속성 버튼을 누르십시오. 기간/입력 탭의 기간을 설정 합니다.
      참고: 두 번째 자극 검은 십자가 사이 시각적 휴식을 제공 하 고 곧 의미 relatedness 판단에 대 한 미묘한 프롬프트를 제공 하는 intertrial 간격 전에 빈 화면이 포함 되어 있습니다.
   6. 각 블록 말하는 완료 후 "휴식" 이라고 하는 TextDisplay 개체를 프로그램 "끝 블록의 휴식을 취하 하시기 바랍니다"
3. E-프라임와 NetStation 간의 통신에 대 한 매개 변수를 포함 합니다. 이 정보를 포함 하는 방법에 대 한 자세한 내용은 NetStation 수동²³ E-프라임 확장을 참조.
   1. 각 "word1" 또는 "word2" 텍스트 표시 객체에 대 한 실험 구조에서 개체를 선택 합니다. "속성" 창에서 설정 태그 "WRD1" 또는 "WRD2", 각각.
   2. 각 "picture1" 또는 "picture2" 슬라이드 개체에 대 한 설정 태그 "PIC1" 또는 "PIC2", 각각.
   3. 아래 "참조 되지 않는 E-개체", "CellList" 라는 새 목록을 만듭니다. 셀 숫자 입력: 1 = 그림 관련; 2 = 그림 없는; 3 = 단어 관련; 4 관련 없는 단어를 =. 각 블록에 대 한 재판 목록에서 "CellNumber"를 라는 열을 포함 하 고 조건 및 적임에 따라 각 시험에 대 한 해당 핸드폰 번호를 입력 합니다.

3. 뇌 파 테스트

참고: 여기서 설명 하는 특정 절차는 EGI 시스템에 대 한 있습니다. 절차는 다른 시스템을 사용 하는 경우 달라질 수 있습니다.

1. 뇌 파 테스트에 대 한 준비.
   1. 1 쿼트 (1 리터)의 물과 아기 샴푸의 1 개 큰 스푼 (15 mL) 전해질 솔루션을 만드는 투명 한 플라스틱 양동이에 염화 칼륨의 혼합 2 작은 술 (10 g)
   2. Inion 및 교정, 적절 한 net 크기 결정을 통해 전달 하는 참가자의 머리의 둘레를 측정. 참가자의 머리 둘레에 따라 적절 한 크기의 그물을 선택 합니다.
   3. 전해질에 전극을 담가 모든 스폰지 완전히 잠긴, 보장 하는 솔루션 및 적어도 5 분 동안 담가 보자.
2. 뇌 파 순을 적용 합니다.
   1. 실험을 직면 하 고의 자에 앉아 참가자를 편안 하 게 있다. 지금, 인터넷 퍼 팅 될 다음 것입니다 그것을 조정 하 고 있다는 것는 테스트를 시작 하기 전에 신호를 확인 참가자에 게 설명 한다.
   2. 참가자의 어깨 주위 수건을 놓습니다. 지시 참가자 가깝게 그들의 눈 다음 참가자의 머리에 그물을 적용 합니다. 그물을 조정 하 고 참가자의 머리에 아늑한 적합을 보장 하기 위해 관계를 강화.
   3. 두 피에 대 한 좌석에 모든 전극을 통해 작동 합니다. 전극과 연소 모션을 사용 하 여 머리를 멀리 이동. 필요한 경우는 피 펫을 사용 하 여 스폰지 rewet
   4. 일단 모든 전극 장착 되어 임피던스를 확인 하십시오. 재장착 하거나 rewet 50 kiloohms (ω) 위에 임피던스와 어떤 전극.
3. 뇌 파 기록 하는 동안 의미 못쓰게 실험을 실행 합니다.
   1. 일단 인터넷 적용, 임피던스 확인 되었습니다 참가자는 시작할 준비가, 의미 프라이 밍 작업을 시작.
   2. 테스트 하기 전에 참가자 들에 게 지시를 되풀이. 단어 또는 그림 자극 관련 또는 무관 한 키보드 또는 단추 상자에 버튼을 누르면 여부를 판단 하는 참가자를 지시 합니다. 뇌 파 신호를 혼동 하는 모터 아티팩트를 방지 하려면 두 번째 자극 화면에서 사라졌다 고 검은 십자가 등장 했다 때까지 그들의 응답을 기다려야 참가자를 지시 합니다.
   3. 참가자는 작업을 이해할 수 있도록 적어도 한 번 연습 세션을 실행 합니다.
   4. 후에 휴식 시간 동안, 모든 2 블록 rewet 전극 고 임피던스를 다시.

4. 뇌 파 전처리

1. 오픈 NetStation 도구입니다.
   참고: 여기에 설명 된 단계는 NetStation 5에서 전처리 한 있습니다. NetStation 도구를 사용 하는 방법에 대 한 자세한 내용은 NetStation 5 매뉴얼²⁴ 를 참조 하십시오. 다른 전처리 패키지는 EEGlab, ERPlab, FieldTrip, 또는 실험의 선택의 다른 소프트웨어를 포함할 수 있습니다. Note는 전처리 단계의 기본 순서 소프트웨어 패키지 간에 다를 수 있습니다. 효과 차이가 되지 해야 하는 N400의 관찰 분석 패키지의 선택에 따라.
2. 데이터를 필터링 합니다.
   1. NetStation 도구 창 아래쪽에서 '만들기' 드롭 다운 메뉴에서 "필터링"을 선택 하 여 새로운 필터링 도구를 만듭니다. 도구를 적절 하 게 이름을 바꿉니다.
   2. 50 Hz로 0.1 헤르쯔 (Hz)를 고 역 통과 필터와 저역 통과 필터를 설정 합니다.
      참고: 고 역 통과 필터 0.1 Hz 보다 낮은 될 수 있지만이 구분, 스 퓨 리 어스 효과²⁵도입의 위험을 피하기 위해 초과 권고 하지 않습니다. 낮은 30 Hz 로우패스 필터를 사용할 수 있습니다.
   3. 도구, 그때 끌어서 맨 "입력 파일" 상자에 원래 뇌 파 기록 파일 창의 왼쪽 고 "실행"을 저장 합니다.
3. 재판으로 데이터 세그먼트.
   1. 새로운 "세분화" 도구를 만들고 그것을 적절 하 게 이름을 합니다.
   2. "만들 범주"에서 명 중 하는 새로운 카테고리를 만들 그것은 "그림 관련" 더하기 기호. "만들기 카테고리 기준에 따라" 상자에 "코드" 아이콘을 끌어서 자극 1의 프레 젠 테이 션 시간 잠금 "코드는 PIC1"로 설정. "만들기 카테고리" 상자에 "키 코드" 아이콘을 드래그 하 고 "키 코드 cel #은 1"로 설정.
      1. 올바른 재판만을 포함 하려면 "만들기 카테고리" 상자에 "키 코드"의 또 다른 아이콘을 드래그 하 고 "키 코드 eval은 1"로 설정 합니다.
   3. 윈도우의 하단에서 "전과 후 2300 ms 100 ms 확장 세그먼트" 세그먼트 길이 설정 합니다.
      참고: 세그먼트는 첫 번째 또는 두 번째 자극의 발병에 시간 잠겨 있을 수 있습니다. 첫 번째 자극에 잠겨, 세그먼트는 (간 자극 간격 (ISI) 시간 (300 밀리초) 플러스 두 자극 (각 1000 ms)의 프레 젠 테이 션 기간을 포함)를 2300 ms 후에 하기 전에 100 밀리초를 연장 해야 합니다. 두 번째 자극에 잠겨, 세그먼트 1000 ms 후에 하기 전에 100 밀리초를 연장 해야 합니다.
   4. "복제" 버튼을 눌렀을 때 카테고리를 복제와 그것 "사진 무관". PIC1 고 키 코드 cel # 2을 코드를 설정 합니다.
   5. 복제 범주와 그것 "관련 단어". WRD1 고 키 코드 cel # 3를 코드를 설정 합니다.
   6. 복제 범주와 그것 "관련 없는 단어". WRD1 고 키 코드 cel # 4를 코드를 설정 합니다.
   7. 도구, 그때 끌어서 맨 "입력 파일" 상자에 가장 최근의 전처리 파일 창의 왼쪽 고 "실행"을 저장 합니다.
4. 유물 검색을 수행 합니다.
   1. 새로운 "유물 검색" 도구를 만들고 그것을 적절 하 게 이름을 합니다.
   2. "유물 검색 설정"에서 새로운 설정을 추가 하려면 창의 맨 아래에 있는 더하기 기호를 누르십시오. "작업" 아래에 있는 드롭다운 메뉴에서 "나쁜 채널"을 선택 합니다. 모든 기본 설정 (최대-최소 > 200 microvolts (µ V);을 두고합니다 전체 세그먼트; 이동 평균 80 ms)입니다.
   3. 새로운 설정을 추가 하 고 "작업" 드롭 다운 메뉴에서 "눈 깜박"를 선택 합니다. 기본 설정 (최대-최소 > 140 µ V; 창 크기 640 ms 80 ms의 이동 평균)의 모두를 남겨 주세요.
   4. 새로운 설정을 추가 하 고 "작업" 드롭 다운 메뉴에서 "눈 운동"을 선택 합니다. 기본 설정 (최대-최소 > 55 µ V; 창 크기 640 ms 80 ms의 이동 평균)의 모두를 남겨 주세요.
   5. 도구, 그때 끌어서 맨 "입력 파일" 상자에 가장 최근의 전처리 파일 창의 왼쪽 고 "실행"을 저장 합니다.
   6. 오른쪽 사이드 바에 "범주" 메뉴 아래 화살표 버튼을 눌렀을 때 NetStation 검토 및 모든 재판을 통해 스크롤에서 결과 파일을 엽니다. 녹색 또는 빨간색 동그라미를 각각 쳐서 좋은 소식이 나 나쁜으로 재판을 표시 합니다. 완료 되 면, 결과 저장할 파일을 닫습니다.
5. 나쁜 채널 교체를 수행 합니다.
   1. 새로운 "나쁜 채널 교체" 도구를 만들고 그것을 적절 하 게 이름을 합니다. 매개 변수 필요가 없습니다이 도구에 대 한 사용자 설정, 그래서 도구를 저장 한 다음 가장 최근의 전처리 파일 상단에 "입력 파일" 상자에 끌어 창의 왼쪽 하 고 "실행"을 누르십시오.
6. 단일 주제 평균 재판 통해 축소를 수행 합니다.
   1. 새로운 "평균" 도구를 만들고 그것을 적절 하 게 이름을 합니다. "평균 설정에서"를 선택 "소스 파일 처리: 함께"와 "처리 과목: 별도로".
   2. 도구, 그때 끌어서 맨 "입력 파일" 상자에 가장 최근의 전처리 파일 창의 왼쪽 고 "실행"을 저장 합니다.
7. 평균 기준²⁶참조 데이터입니다.
   참고: 평균 참조 사용 됩니다 여기 EGI 조밀한 배열 뇌 파 (128 및 256 채널)를 제공 하기 때문에. 그것은 조밀한 배열 녹음 시스템²⁶; 평균 참조를 사용할 수 제안 하고있다 다른 의미 못쓰게 ERP 연구 128 채널 또는 256 채널 그물을 사용 하 여 평균 참조^6,,2728를 사용 했습니다. 다른 참조 선택 오른쪽 및 왼쪽된 mastoids, 코, 또는 귓²⁹의 평균을 포함 한다. 기준 전극의 최적의 선택의 여지가 이며는 실험 참조 전극의 선택 결과 ERP 파형^26,29영향을 미칠 수 있습니다 주의 해야 한다.
   1. 새로운 "몽타주 작업" 도구를 만들고 그것을 적절 하 게 이름을 합니다.
   2. "목록 몽타주에 대 한 센서 레이아웃" 아래의 드롭다운 메뉴에서 적절 한 net를 선택 합니다. "평균 참조"를 선택 하 고 "나쁜 채널 참조에서 제외" 상자가 선택 되어 있는지 확인 하십시오. 도구, 그때 끌어서 맨 "입력 파일" 상자에 가장 최근의 전처리 파일 창의 왼쪽 고 "실행"을 저장 합니다.
8. ¹⁰ 의 세그먼트 첫 번째 100 ms를 사용 하 여 수행 기준 수정 ^{, 28}.
   참고: 200 ms의 초기 기간 사용된²⁹수도 있습니다.
   1. 새로운 "기본 수정" 도구를 만들고 그것을 적절 하 게 이름을.
   2. "기준선 보정 설정"에서 "세그먼트의 부분에서 베이스 라인을 선택", 선택 "세그먼트 시간에 관하여 선택 기준 = 0", 그리고 "기준선 100 밀리초 시간 0 시작 이며 100 ms 긴".
   3. 도구, 그때 끌어서 맨 "입력 파일" 상자에 가장 최근의 전처리 파일 창의 왼쪽 고 "실행"을 저장 합니다.

그림 1 : 실험 예제 및 타임 라인. (A) 그림 및 단어 자극의 예. (B) 자극 프레 젠 테이 션의 타임 라인. 이 그림 Coderre 그 외 여러분 에서 허가로 증 쇄 되는 ⁶ 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

결과

만약 자극 관련된 없는 조건으로 적절 하 게 정렬 되었습니다, N400 효과 단어와 그림 자극 (그림 2)에 대 한 관찰 해야. 이것은 비관련된 조건 관련에 비해 조건에서 더 큰 부정적인 진폭으로 식별입니다. 단어 자극에 대 한 효과 중앙 또는 센트-정수 리 두 피^6,10에 300-500 ms에서 수행 되어야 합니다. 그림 자극...

토론

현재 종이 탐험 의미 처리 적자 ASD 가진 개인에 대 한 그림 및 단어 자극으로 의미 못쓰게 ERP 패러다임을 개발에 중요 한 단계를 보도 했다. 주요 단계는 자극, 만들고, 프로그래밍 작업, 뇌 파 테스트 및 분석을 수행을 포함 합니다. 이 절차의 가장 시간이 많이 걸리는 부분 사이 자극 쌍, 조건, 시간과 길이, 주파수, 등 의미 relatedness 변수 형식 주의 일치 필요로 자극의 창조 될 것입니다. 따라서, 파...

자료

Name	Company	Catalog Number	Comments
EEG system	Electrical Geodesics, Inc. (EGI)		Geodesic EEG system (GES) 400 system: Net Amps 400 amplifier, NetStation 5.3, 128-channel HydroCel Geodesic Sensor nets
Potassium chloride	Electrical Geodesics, Inc. (EGI)
Plastic bucket	Electrical Geodesics, Inc. (EGI)		EGI provides a plastic bucket for mixing electrolyte but any clean container can be used
Baby shampoo	Johnson's
GNU Image Manipulation Program (GIMP)