동공 측정법은 복잡한 소리 인식 임계 값을 추정하는 데 사용할 수 있으며 다른 방법과 결합하여 다양한 형태의 청력 손실이 해당 임계 값에 미치는 영향을 결정할 수 있습니다. 이 기술은 인간과 훈련되지 않은 동물로부터 동일한 양식의 데이터를 특성화하는 데 사용할 수 있습니다. 설치가 비교적 쉽고 최소 침습적입니다.
행동 및 지각 측정은 청력 상실의 동물 모델에서 얻기가 어렵습니다. 이 방법은 동물의 복잡한 소리 인식 행동을 정량화하는 한 가지 방법입니다. 우리가 모든 동물 행동 실험을하듯이 인내심이 핵심입니다.
동물을 실험 환경에 적응시키는 데 시간을 할애하십시오. 실험 세션을 짧게 유지하고 동물을 면밀히 모니터링하십시오. 시작하려면 보정된 라우드 스피커를 동물이 배치될 위치와 동일한 높이의 소음 감쇠 챔버 벽에 장착합니다.
자유 필드 자극 전달을 위해 큰 신체 움직임이 불가능하도록 동물을 인클로저에 넣고 동물의 머리를 단단한 프레임에 고정하십시오. 동물의 움직임을 감지하고 기록하기 위해 인클로저 아래에 압전 센서를 배치합니다. 그런 다음 동공 이미징 카메라를 피사체의 눈에서 25cm 떨어진 곳에 배치합니다.
에어 퍼프를 설정하려면 탁상에 부착된 홀더를 사용하여 동물의 앞 약 15cm에 피펫 팁을 놓습니다. 직경 약 3mm의 실리콘 튜브를 피펫 팁에 연결하고 튜브를 조절된 공기 실린더에 연결합니다. 실린더 공기압을 20psi에서 25psi 사이로 유지하십시오.
그리고 컴퓨터 제어 릴레이를 사용하여 에어 퍼프의 타이밍과 지속 시간을 제어하기 위해 핀치 밸브를 통해 튜브를 통과시킵니다. 약 10cm 거리에 배치된 적외선 LED 어레이로 눈을 비춥니다. 평방 미터당 약 2000칸델라 강도의 백색 LED 조명을 사용하여 이미징된 눈을 비추고 기준 동공 직경을 약 3.5mm로 만듭니다.
동공 획득 소프트웨어를 열고 시야각이 0.15도인 공간 해상도의 16mm 렌즈가 장착된 카메라와 이미징된 눈에서 25cm 거리에 배치된 적외선 필터를 사용하여 동공의 비디오를 획득합니다. 눈이 이미지 영역의 중앙에 있는지 확인합니다. 이미지화된 동공의 윤곽에 선명한 초점이 맞춰질 때까지 카메라의 조리개와 초점, IR 레벨을 조절합니다.
동공 획득 소프트웨어에서 마우스로 직사각형 영역을 선택하여 동공이 포함된 관심 영역을 정의합니다. 그런 다음 제어판을 사용하여 획득한 비디오의 밝기와 대비를 조정합니다. 스캔 밀도를 5로 설정하고 타원 맞춤이 비디오의 동공 윤곽선과 거의 일치하도록 임계값을 조정합니다.
신경 인터페이스 프로세서 소프트웨어를 사용하여 동공 직경 또는 PD 트레이스에서 아날로그 신호, 모션을 기록하는 압전 센서의 전압 트레이스, 자극 전달 시간 및 에어 퍼프 전달 시간을 수집하고 저장합니다. 두 가지 다른 범주의 발성에서 비슷한 길이의 기니피그 발성의 8가지 다른 예를 선택합니다. 예를 들어, 쌕쌕거리는 소리와 우는 소리.
한 범주는 표준 자극으로 사용되고 다른 범주는 괴상하거나 비정상적인 자극으로 사용됩니다. 서로 다른 신호 대 잡음비 또는 SNR 레벨에서 잡음에 포함된 1초 길이의 표준 및 편차 자극을 생성하려면 통화에 동일한 길이의 백색 잡음을 추가합니다. 이 실험에서 샘플링된 SNR의 범위는 마이너스 24에서 플러스 40데시벨 사이입니다.
각 세션에 대해 시간의 90%보다 큰 표준 자극을 포함하는 의사 무작위 자극 프레젠테이션 시퀀스를 준비합니다. 일탈 자극 사이에 표준 자극으로 최소 20-40번의 시도가 있는지 확인하십시오. 모든 자극 프레젠테이션에 고정된 자극 강도를 사용합니다.
높은 시간적 규칙성으로 자극을 제시하십시오. 자극에 대한 동물의 참여를 유지하고 습관화를 최소화하기 위해, 선택적으로 비정상적인 자극 후에 짧은 공기 퍼프를 전달하십시오. 에어 퍼프의 시작이 자극 지속 시간과 충분히 분리되어 자극이 동공 확장 반응을 유발하도록 합니다.
에어 퍼프가 깜박임 아티팩트를 유발하기 전에 피크에 도달하십시오. 코드 pupil_avg_JOVE_m 실행하고 팝업 대화 상자의 단일 세션에서 데이터 파일을 선택하여 모든 세션에 대해 동작 감지 및 시행 제외를 수행합니다. 그런 다음 동일한 코드를 실행하고 팝업 대화 상자에서 분석할 모든 데이터 파일을 선택합니다.
눈 깜박임 아티팩트를 제거하려면 데이터를 사전 처리하고 세션 전반에 걸쳐 각 자극에 대한 평균 동공 확장을 얻습니다. 각 자극 조건에 대한 자극 유발 동공 직경 변화를 각 동물 내 세션에 걸쳐 평균화한 다음 동물 전체에 걸쳐 각 자극 조건에 대한 평균 동공 확장 반응을 생성합니다. 코드 pupil_avg_JOVE의 모든 출력을 세로로 연결합니다.
m 또는 모든 세션 동물, SNR, 및 감쇠를 사용하여 컬럼, 동물 ID, SNR, 소음 수준 및 동공 직경 값을 포함하는 행렬을 구성한다. 각 SNR에 대해 절편에 해당하는 가중치를 플로팅하여 결과를 시각화합니다. 선형 항과 2차 항에 대해서도 동일한 작업을 수행합니다.
동공 변화가 유의미한 시행의 모든 세션 백분율을 셀이 더 낮은 SNR에서 더 높은 SNR로 배열되는 셀형 배열의 각 셀에 넣습니다. 코드 pupil_threshold_estimate_JOVE_m 사용하여 통화 내 노이즈 분류 임계값을 추정합니다. 이 그림에는 세 마리의 동물에 대한 평균 동공 반응이 나와 있습니다.
표준 우는 소리 자극에 대한 평균 동공 반응은 파란색 선으로 표시되며 음영은 평균의 더하기 - 1 표준 오차에 해당합니다. 회색 선과 음영은 평균에 해당하며 더하기 - 비정상적인 쌕쌕거림 자극에 의해 유발되는 동공 반응의 평균 표준 오차 1개를 뺀 값입니다. 회색 음영 강도는 SNR에 해당합니다.
녹색 선과 음영은 임계값 SNR의 평균 동공 추적에 해당합니다. 빨간색 수직선은 자극 시작에 해당합니다. 주황색 수직선은 에어 퍼프 시작에 해당하고 청록색 점선은 GCA 창에 해당합니다.
SNR의 함수로서 이탈 자극에 의해 유도된 상당한 동공 직경 변화가 있는 시험의 비율에 맞는 심리 측정 기능이 이 그림에 나와 있습니다. 수염은 평균의 더하기 - 1 표준 오차에 해당합니다. 최대값의 50%는 약 마이너스 20데시벨 SNR에 도달합니다.
획득 된 고품질 데이터는, 동물을 실험 설정에 잘 적응시키고 일정한 제거 조건을 유지하는 것이 중요합니다. 비정상적인 자극에 대한 동물의 거주를 최소화하기 위해 실험 세션을 짧게 유지하십시오. 동공 측정과 결합 된 EEG 또는 전기 생리 학적 기록은 청각 장애 동물의 근본적인 소음 분류 결함 인 신경 결손에 대한 추가 통찰력을 생성합니다.
