Este estudo foi financiado pelo Instituto Nacional de Saúde Mental (MH060668 e MH069558).

Projetando um paradigma traço condicionado usando para trás mascarando para bloquear consciência 1. Estímulos de design <ol><li> Desenhar os estímulos para os dois grupos. </li><li> Escolha 4 expressões neutras de diferentes indivíduos. </li><li> Alinhar as faces de modo a que a região dos olhos de cada face se encontra na mesma localização. </li><li> Colheita os rostos usando um oval para que o cabelo, orelhas e outras características periféricas não são mais visíveis. </li><li> Utilizar a caixa de ferramentas de processamento de sinal em Matlab (Ver Tabela 1 para o software necessário para executar o experimento) para criar imagens filtradas passa-alto, removendo toda a informação que é menos do que 5 ciclos por grau 12. </li><li> Crie a máscara através da fusão de várias expressões neutras juntos, e adicionando ruído de alta freqüência espacial na imagem. </li><li> Normalizar todas as imagens para que eles tenham igual luminância. </li></ol> 2. Programa do Experimento usando Apresentação <ol><li> Programa de formação e fases de teste em apresentação usando os parâmetros descritos a seguir (veja a Figura 1). </li><li> Além disso, o programa num ficheiro separado (PCC), que será utilizada pelo pacote de software de aquisição de dados PSYLAB durante o treino e o teste, a fim de aplicar o choque provocado por apresentação. </li><li> Para o programa de treino 4 blocos de traço diferencial medo condicionado com 15 ensaios por CS, por bloco. </li><li> Em cada ensaio apresentar o CSS para 30 ms. </li><li> Em cada ensaio apresentar a máscara para 970 ms. </li><li> Em cada ensaio + CS apresentar o UCS de choque para 100 ms, de modo que coterminates com a máscara. </li><li> Variar a localização da combinação do CS / máscara de modo que aparece aleatoriamente em um dos quatro quadrantes. </li><li> Apresentar um julgamento a cada 6 ± 2 segundos com um intervalo entre tentativas variável. </li><li> Para a sessão de testes do programa um bloco de reaquisição com cinco tentativas de cada rosto CS, e cinco ensaios cada um dos dois novos rosto CSs. </li&gt; <li> A fim de maximizar a sua capacidade de registrar as respostas de condutância da pele (SCR), durante os ensaios de teste, apresentar o CS por 8 s. </li><li> Em cada CS + julgamento apresentar a UCS choque para 100 ms, de modo que coterminates com o CS +. </li><li> Apresentar um julgamento a cada 20 ± 4 segundos usando um intervalo entre tentativas variável. </li><li> Instrua assuntos para relatar expectativa UCS durante ambas as sessões, e registrar as suas respostas utilizando um dispositivo compatível eixo MRI / MEG (joystick, slider, discagem; ver o capítulo 7). </li><li> Recorde SCRs durante a sessão de testes com eletrodos ligados ao fundo dos participantes pé esquerdo (ver secção 9). </li></ol> Gravar a atividade cerebral durante a tarefa usando magnetoencephalography 3. Configuração de equipamentos para treinamento em MEG Suite (Ver Figura 2). <ol><li> Ligue o computador apresentação do estímulo ao sistema de aquisição MEG usando um multi cabo padrão DB25 conector de fita (Ver Tabela 2 </strong&gt; para equipamentos necessários para a realização do experimento.). </li><li> Ligue o computador da apresentação de estímulo para o monitor de stand-alone PSYLAB (SAM), utilizando a 8 bits para o adaptador de isolamento de 2 bits e o cabo de sincronização. </li><li> As lógicas (TTL) pulsos transistor-transistor usado para marcar as apresentações de estímulo pode causar artefatos nos dados MEG se eles são enviados para o SAM. Para evitar estes artefactos, marcam o inicio do estímulo, utilizando apenas os bits bloqueadas pela placa de isolamento. </li><li> Conecte o estimulador de choque (SHK1) para o SAM usando o cabo fornecido com o aparelho. </li><li> Passe o cabo de extensão blindado através do guia de ondas e conectá-lo ao estimulador de choque. </li><li> Conecte o SAM para um computador que executa o software de aquisição de dados PSYLAB usando um cabo USB padrão. </li><li> Ligue o selector rotativo para a apresentação do estímulo computador (USB) e o sistema de aquisição de MEG (BNC) utilizando o divisor gameport-to-gameport/BNC ea porta de jogos para USB adaptarer. </li><li> Gravar dois minutos de dados de sensores sem o sujeito na sala. </li></ol> 4. Equipamento Setup para o teste de ressonância magnética Suíte <ol><li> Ligue o computador apresentação do estímulo à SAM usando o cabo de sincronização. </li><li> Conecte o estimulador de choque (SHK1) eo amplificador condutância da pele (SC5) para o SAM usando os cabos fornecidos com a unidade. </li><li> Passe os cabos de extensão blindados para SCR e choque através do guia de ondas e conectá-los às suas respectivas unidades. </li><li> Conecte o SAM para um computador que executa o software de aquisição de dados PSYLAB usando um cabo USB padrão. </li><li> Ligue o botão rotativo para o computador apresentação do estímulo usando o adaptador USB para porta de jogos. </li></ol> 5. Assunto Configuração de Formação em MEG Suite (Ver Figura 3) <ol><li> Anexar eléctrodos e sensores para o indivíduo usando o esquema na Figura 3 como um guia. </li><li> Anexar eletrodos descartáveis ​​paramonitor de piscar dos olhos, acima e abaixo do olho direito do sujeito. </li><li> Anexar eletrodos descartáveis ​​para monitorar a freqüência cardíaca para o lado do sujeito esquerda, logo abaixo do coração e no peito direito, logo abaixo da clavícula. </li><li> Anexar um eléctrodo descartável como uma referência para a parte de trás do ombro esquerdo do sujeito. </li><li> Anexar dois eletrodos copo para a perna direita do sujeito sobre o nervo tibial direito acima do maléolo medial para administrar o choque. </li><li> Anexar 4 cabeça indicador de posição (HPI) bobinas ao assunto, um acima de cada olho e um atrás de cada orelha. </li><li> Digitalizar a posição da cabeça do sujeito em relação às bobinas HPI usando pontos fiduciais. </li><li> Usando o sistema Polhemus, mapa a posição do násio do sujeito, e para a esquerda e para a direita tragi. </li><li> Alinhe a posição da cabeça digital do sujeito em relação aos pontos fiduciais, certificando-se de que os pontos são simétricos. </li><li> Próximo mapa a posição de bobinas HPI do sujeito. </li><li> Finalmente, dígitoize 50-100 pontos ao longo do couro cabeludo do indivíduo. </li><li> Acompanham o assunto para o sistema MEG e ligar os eletrodos e sensores para a interface apropriada. </li><li> Conecte o eletrodo descartável leva para o amplificador do sistema MEG. </li><li> Ligue a cablagem HPI no sistema MEG. </li><li> Conecte o eletrodo de choque leva para o cabo de extensão blindado. </li><li> Levante a cadeira de modo que a cabeça do sujeito é tocar o topo do capacete MEG. </li><li> Posicione a tela para que a imagem projetada está em foco. </li></ol> 6. Choque Workup <ol><li> Defina o choque a um nível que os relatórios sujeitos como doloroso, mas tolerável. </li><li> Braço do estimulador choque girando a roda da posição mA 0 a posição 5 mA. </li><li> Administrar várias apresentações do choque usando a janela de controle de estímulo do pacote de software de aquisição de dados PSYLAB. </li><li> Após cada apresentação têm a taxa sujeito a intensidade do choque numaescala de 0 (nada doloroso) a 10 (doloroso, mas suportável). </li><li> Aumentar gradualmente a intensidade do choque até que o sujeito classifica-o como um 10. </li><li> Registre o valor da escala na caixa valor do parâmetro na janela de detalhes do assunto, os choques serão administrados durante o experimento com o valor indicado na caixa. </li></ol> 7. Dispositivo de resposta <ol><li> Instrua o assunto sobre o uso correto do disco usando um exemplo cenário de apresentação. </li><li> Instruções:. &quot;Mover o cursor todo o caminho para a direita (100), se você tem certeza absoluta de que você vai receber a apresentação do estímulo, no futuro próximo Mova o cursor todo o caminho para a esquerda (0), se você tem certeza que você não vai receber um estímulo em um futuro próximo. Mova o cursor para o meio (50), se você não tem certeza se vai ou não receber o estímulo em um futuro próximo &quot;. </li></ol> 8. Recorde MEG durante o treino <ol><li> Record dois minutos de dados brutos em 2 kHz, enquanto o sujeito descansa com os olhos abertos. </li><li> Antes do treinamento começar códigos de eventos de gravação e entrega de choque usando o software de aquisição de dados PSYLAB. </li><li> Tenha certeza que PSYLAB está executando o código PCC adequada para que ele envia o choque quando acionado pelo computador. </li><li> Gravar os dados brutos a 2 kHz, durante cada um dos quatro ensaios de formação. </li><li> Grave médias on-line como uma forma de inspecionar visualmente os dados em tempo real para as fontes sistemáticas de ruído. </li><li> Peça ao sujeito para classificar a intensidade do choque após cada ensaio para avaliar a habituação. </li></ol> 9. Assunto Setup para o teste de ressonância magnética Suíte <ol><li> Acompanham o assunto a partir da suíte MEG para a suíte de ressonância magnética. </li><li> Volte a colocar os eletrodos de choque e recalibrar a intensidade do choque. </li><li> Anexar dois eléctrodos de copo para o fundo do pé esquerdo do sujeito para monitorar SCRs. </li><li> Certifique-se de que o assunto ainda entende como usar tele de resposta do dispositivo. </li><li> Posicione o tema na mesa de ressonância magnética, garantir a sua cabeça, e ligar o SCR e eletrodo de choque leva aos cabos blindados correspondentes. </li><li> Posicione o espelho ligado à bobina de cabeça de modo que o participante pode ver a tela colocada atrás da bobina de cabeça. </li></ol> 10. Grave fMRI durante o teste de <ol><li> Coletar imagens anatômicas de alta resolução (SPGR). </li><li> Recorde-sangue oxigenação respostas dependentes de nível durante a sessão de testes usando parâmetros de imagem padrão (TR = 2 seg; TE = 25 ms; fleld de vista = 24 cm; ângulo de inclinação = 90 °). </li><li> Após o teste ter o assunto preencher um questionário pós experimental. </li></ol> Utilizando imagens de origem para recuperar o sinal a partir de estruturas subcorticais. 11. Analisar dados comportamentais e fMRI <ol><li> Use expectativa UCS para determinar se indivíduos foram capazes de discriminar entre os estímulos. </li><li> Médiaos dados de expectativa UCS para o intervalo de 900 ms traço e no período de referência anterior de 900 ms para cada ensaio. </li><li> Subtrair o valor para o período de referência a partir do valor para o intervalo de rastreamento para determinar a forma como o sujeito movido a discagem após a apresentação do estímulo. </li><li> Execute um tipo CS por tentativa de medidas repetidas ANOVA entre os indivíduos. </li><li> Analisar os dados comportamentais e fMRI da sessão de testes com padrões previamente publicados 5,13-15. </li></ol> 12. Preprocess MRI Volume <ol><li> Use FreeSurfer 16 para criar um volume subcortical segmentado, e as superfícies do córtex, pele exterior e externo do crânio. </li><li> Converter volumes e superfícies para o formato legível AFNI. </li><li> Executar importsurfaces.csh - a primeira vez que você executar o programa ele irá copiar todos os arquivos necessários para a pasta um novo &quot;modelo&quot; na pasta de segmentação de cada sujeito. Irá também criar um ficheiro &#39;importsurface.mrml&#39; que é usado para criar a ressacamodelos ace da amígdala e hipocampo. </li><li> Criar e converter a amígdala eo hipocampo volumes em superfícies utilizando Slicer3 e Paraview. <ol><li> Executar Slicer3 importsurface.mrml do diretório &#39;modelo&#39; do sujeito. Isto irá carregar as superfícies e volumes em 3dslicer. </li><li> Gerar modelos de amígdala eo hipocampo, salvar modelos como estrutura {}. Vtk. </li><li> Arquivos de importação. VTK em paraview. </li><li> Executar filtrar &quot;gerar normais de superfície.&quot; </li><li> Exportar normais de superfície para Amy e Hipp como {} estrutura de arquivos. Ply (ascii). </li></ol></li><li> Importar as superfícies e volumes MRI em Brainstorm. </li><li> Executar importsurfaces.csh novamente - isso irá converter as superfícies em arquivos que podem ser lidos pelo MATLAB e irá copiar todos tess_ {} estrutura do tapete arquivos no diretório do banco de dados Brainstorm.. </li><li> Certifique-se que você já tenha criado o assunto em Brainstorm antes de copiar tess_ estrutura {}. Arquivos tapete para debater pasta (Ver Passo 14.1). </li><li> Once você começa as superfícies em Brainstorm não se esqueça de atualizar o banco de dados. </li><li> Deformar o volume de ressonância magnética para o espaço padrão, identificando os pontos fiduciais. </li><li> Alinhar manualmente a superfície do couro cabeludo com MRI, em seguida, aplicar a urdidura de todas as outras superfícies. </li><li> Fundir as duas superfícies pial e reduzir o número total de vértices de 15.000. </li><li> Fundir as duas superfícies do hipocampo e reduzir o número total de vértices de 2000. </li><li> Fundir as duas superfícies da amígdala e reduzir o número total de vértices de 1000. </li><li> Mesclar as superfícies pial, hipocampo e amígdala. </li><li> Criar regiões de interesse (olheiros) para a amígdala eo hipocampo. </li></ol> 13. Preprocess MEG Recordings usando Brainstorm 11 <ol><li> Criar um novo objeto no banco de dados Brainstorm. </li><li> Importe o arquivo de gravação MEG para cada sessão de treinamento. </li><li> Remova artefatos causados ​​por fontes externas da sala magneticamente blindado (MSR), utilizando o espaço de sinalseparação 17. </li><li> Remova artefatos causados ​​por batidas do coração e os movimentos oculares usando projeções espaço de sinal de eventos identificados no eletrocardiograma (ECG) e eletro canais (EOG). </li><li> Inspecionar as gravações para garantir que Brainstorm batimento cardíaco corretamente identificados e eventos piscar dos olhos. </li><li> Inspecionar as gravações para outras possíveis fontes de ruído. </li><li> Inspecionar os dados evocados criados a partir das médias online de fontes sistemáticas de artefato. <ol><li> Note-se que os impulsos TTL utilizados para marcar o aparecimento de estímulos pode causar perturbações nos registos, se enviada para PSYLAB unidade SAM. </li><li> Enviar apenas impulsos TTL necessários para administrar o choque para a unidade de SAM e isolar a unidade de impulsos restantes utilizando a 8 bits para o adaptador de isolamento 2 bits. </li></ol></li></ol> 14. Analisar respostas evocadas usando Brainstorm <ol><li> Utilize o canal de eventos para identificar épocas (-200 ms para 900 ms) correspondentepara cada um dos ensaios experimentais. </li><li> Refine registro MRI usando pontos na cabeça. </li><li> Calcule covariância do ruído de gravações. </li><li> Calcule modelo de cabeça usando sobreposição método esferas com córtex como entrada. </li><li> Calcule fontes usando o método de estimativa mínima norma-10. </li><li> Continuar a análise de fontes. </li><li> Fontes filtro passa-banda para ensaios individuais (1 Hz a 20 Hz). </li><li> Pegue o valor absoluto das fontes filtradas passa-banda e converter esses valores para z-scores baseados na variabilidade da linha de base. </li><li> Espacialmente suavizar as fontes (sigma = 5 mm). </li><li> Fontes média dos ensaios. </li><li> Projetar as médias para a anatomia padrão para o experimento. </li><li> Calcule testes t sobre as fontes nas diferentes condições. </li><li> Significativos resultados t-teste de filtro, utilizando limites espaciais e temporais para corrigir erro família-wise. </li><li> Identificar regiões significativamente ativadas e exportar o curso do tempo de acvação para cada assunto. </li><li> Calcule a média e erro padrão da média entre os indivíduos em cada momento. </li></ol> 15. Realize Decomposições Time-freqüência sobre ROI usando Brainstorm <ol><li> Projetar os dados brutos dos ensaios individuais para a anatomia padrão para o experimento. </li><li> Identificar e criar regiões de interesse a partir da análise de resposta evocada ou de anátomo-funcional hipóteses estabelecidas a priori. </li><li> Calcule decomposições dos dados do seu ROI tempo-freqüência para cada ensaio utilizando os parâmetros padrão (frequência central = 1 Hz, tempo de resolução [FWHM] = 3 seg; faixa de freqüência = 10:90 Hz; resolução de freqüência = 1 Hz). </li><li> Converta resultando mapas de decomposição tempo-freqüência para escores z. </li><li> Média os mapas resultantes entre os ensaios para cada assunto. </li><li> Realizar testes t nos mapas através das diferentes condições. </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>

Os autores não têm nada a revelar.

Neste artigo descrevemos os métodos 1) para manipular a consciência da meta CSs dos sujeitos durante um paradigma condicionado medo traço. 2) e para recuperar o sinal MEG da amígdala durante traço medo condicionado sem consciência. Usando essas metodologias, fomos capazes de mostrar que trace condicionado sem consciência é possível quando os rostos são utilizados para prever a UCS. Este resultado sugere que os rostos receber tratamento especial, mesmo quando se apresenta abaixo do limiar de detecção perceptual *. Consistente com esta conclusão, descobrimos que amplo espectro enfrenta evocar respostas robustas amígdala e explosões de oscilações gama durante o intervalo do traço. Este resultado sugere que a amígdala é capaz de manter uma representação de uma cara CS durante um breve intervalo de traço. Embora apresentado em conjunto, estes dois métodos podem ser usados ​​independentemente bem. Por exemplo, é possível utilizar para trás mascaramento para manipular alvo visidade em outros paradigmas onde o comportamento podem ser afetados por sinais emocionais processados ​​abaixo do nível da percepção consciente 5,6,8 *. Além disso, utilizando a abordagem de imagem fonte descritos aqui, é possível criar modelos 3D de outras estruturas subcorticais e é possível recuperar o sinal a partir destas estruturas durante outras tarefas específicas região. Por exemplo, utilizando uma imagem de fonte de actividade do hipocampo modelo, pode ser possível recuperar o sinal de MEG a partir de fontes do hipocampo durante tarefas como a navegação espacial. Os métodos descritos aqui foram projetadas com dois objetivos em mente: 1) sensibilização bloco dos estímulos-alvo, 2) e maximizar a capacidade de detectar estímulos evocados respostas amígdala usando MEG. Estas restrições de design torná-lo difícil de medir o conhecimento implícito dos sujeitos das contingências de estímulo. Por exemplo, SCRs resolver ao longo de vários segundos 5,13, ​​no entanto, a CSS são apenas apresentadospara ~ 30 ms durante o treinamento, eo choque é apresentado logo após (~ 900 ms). Dadas estas limitações de tempo, expressão CR será inevitavelmente confundida com expressão UCR durante o treinamento. Devido a esta colinearidade, é necessário testar os conhecimentos das contingências de estímulo, usando uma sessão de testes desmascarado subsequente dos sujeitos. No entanto, uma sessão de teste, no final da experiência não é óptimo porque SCR tendem a habituar ao longo do curso da experiência 1. Dado o número de ensaios necessários para mostrar respostas evocadas confiáveis ​​com MEG, esta habituação SCR vai diminuir consideravelmente o poder de detectar um efeito comportamental do treinamento. Futuros estudos devem se concentrar em encontrar maneiras melhores de índice de aprendizagem implícita durante o medo condicionado com mascarado CSs. Isso poderia ser feito por qualquer um encontrar um índice alternativo de medo durante o treinamento (ou seja, dilatação da pupila 19,20) ou encontrar uma medida mais sensível de medo que pode ser administered após a sessão de treinamento.

<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

No rastreio condicionamento do medo um estímulo condicionado (CS) prevê a ocorrência do estímulo incondicional (UCS), que é apresentado após um breve período sem estímulo (intervalo de traço) 1. Porque o CS e UCS não co-ocorrem temporalmente, o sujeito deve manter uma representação do que CS durante o intervalo do traço. Nos seres humanos, esse tipo de aprendizagem exige consciência das contingências de estímulo, a fim de colmatar o intervalo do traço 2-4. No entanto, quando um rosto é usado como CS, os indivíduos podem implicitamente aprender a temer o rosto, mesmo na ausência de consciência explícita *. Isto sugere que pode haver mecanismos neurais adicionais capazes de manter certos tipos de estímulos &quot;biologicamente relevantes&quot; durante um breve intervalo de rastreamento. Dado que a amígdala está envolvida no condicionamento de traço, e é sensível às faces, é possível que esta estrutura pode manter uma representação de uma cara CS durante um breve intervalo de traço. <p class = &quot;jove_content&quot;&gt; É um desafio entender como o cérebro pode associar um rosto despercebido com um resultado aversivo, mesmo que os dois estímulos são separados no tempo. Além disso, as investigações deste fenômeno se torna difícil por dois desafios específicos. Primeiro, é difícil de manipular a consciência dos estímulos visuais do sujeito. Uma maneira comum de manipular a consciência visual é a utilização de máscara para trás. Em mascaramento para trás, um estímulo alvo é apresentado brevemente (&lt;30 ms) e imediatamente seguido por uma apresentação de um mascaramento estímulo sobreposição 5. A apresentação da máscara torna o alvo invisível 6-8. Por outro lado, requer o mascaramento de temporização muito rápido e preciso, dificultando a investigar respostas evocadas por estímulos neurais mascarados utilizando muitas abordagens comuns. Dependente do nível de oxigenação respostas sangue (BOLD) resolver em uma escala de tempo técnicas de gravação de tempo muito lento para este tipo de metodologia, e real, como electroencephalography (EEG) e magnetoencefalografia (MEG) têm dificuldades de recuperação do sinal a partir de fontes profundas. No entanto, tem havido avanços recentes nos métodos utilizados para localizar as fontes de sinais neurais do MEG 9-11. Através da recolha de imagens de ressonância magnética de alta resolução do cérebro do sujeito, é possível criar um modelo de fonte com base na anatomia neural individual. Usando este modelo de &quot;imagem&quot; as fontes de sinal de MEG, é possível recuperar o sinal a partir de estruturas subcorticais profundas, como a amígdala e o hipocampo *.

Utilizando os métodos descritos aqui, nossas investigações levaram a duas constatações importantes: 1) É possível manipular a consciência do Visual CSs durante traço condicionado, e ainda mostram evidências de aprendizagem. 2) É possível recuperar os sinais de MEG da amígdala usando fonte de imagens *. Na seção 2, descrevemos como manipular a consciência do Visual CSs com mascaramento para trás. Quando exposto a um estímulo mascarado que é exibido para ~ 30 ms, os indivíduos são geralmente desconhecem a apresentação do estímulo 5,6,8 *. Uma maneira de verificar o sucesso desta manipulação é a de medir a capacidade dos indivíduos para prever a ocorrência do UCS. Se a manipulação de máscara é bem sucedido, os indivíduos deverão ser incapaz de prever com precisão a ocorrência do UCS com base no tipo CS (Ver Figura 4). Embora o momento neste tipo de treinamento faz com que seja difícil medir diretamente leArning durante a sessão de treinamento. É possível medir indiretamente o aprendizado, expondo-os a uma sessão de testes reaquisição desmascarado posterior com estímulos novos e antigos 5 *. Se os sujeitos são capazes de aprender sobre as contingências durante a fase de treinamento, eles devem mostrar maior diferencial magnitude (CS +&gt; CS-) SCRs ao velho estímulos relativos aos novos estímulos. Este efeito é visível no grupo Unfiltered quando olhamos para testar ensaios clínicos de fase após os assuntos foram re-expostos ao CS-UCS contingências (ie Trials 2-5; ver Figura 4). Na seção 8, descrevemos como gravar MEG durante a sessão de condicionamento traço mascarado. Utilizando imagens de origem para processar estas gravações, é possível recuperar o sinal de MEG estruturas subcorticais como a amígdala 18 *. Assuntos mostrado o rosto sem filtro (N = 9) CSs apresentam maiores respostas amígdala (Figura 5) e gamoscilações MA (Figura 6) do que os indivíduos mostrados rostos filtradas passa-alto (N = 9). Além disso, esses pacientes também apresentam respostas maiores em uma rede de regiões de processamento de rosto como a área do rosto occipital (Figura 7 e Vídeo Suplementar). <img src="/files/ftp_upload/50212/50212fig1.jpg" alt="Figura 1"/> Figura 1. Esquemático que representa uma sessão de treinamento típico. Presente 60 ensaios de CS + e 60 testes de CS-, a fim de pseudo, de tal forma que existem quatro blocos de 15 testes cada uma. Apresentar o CSS para 30 ms, imediatamente seguido por uma máscara de 970 milissegundos que coterminates com o choque UCS em CS + ensaios. <img src="/files/ftp_upload/50212/50212fig2.jpg" alt="Figura 2" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" /> Figura 2. Esquema depicting o equipamento utilizado em um experimento típico de condicionamento Esta configuração faz com que seja possível: 1.) presentes estímulos visuais, através do software de apresentação, 2) administrar um UCS estimulação elétrica através do hardware Psylab (SAM), 3) registro UCS expectativa usando um eixo dispositivo (ligação) ligado ao computador da apresentação, e 4) a sincronizar as apresentações de estímulo e as respostas com as gravações de MEG através do interface do sistema de aquisição 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. Ilustração que mostra a localização de cada um dos sensores e dos pontos fiduciais descritos na Secção 5. Pontos com linhas anexas correspondem aos sensores relacionados e leva. As setas azuis representam os pontos fiduciais utilizados para registrar as gravações MEG com o volume anatômico MRI. Ponto roxos representam pontos no couro cabeludo digitalizados usados ​​para refinar ainda mais a 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"/> Figura 4. Resultados comportamentais de um estudo típico condicionado. O gráfico ao lado mostra a expectativa UCS através da sessão de treino, entrou em colapso em todo os grupos não filtrada e filtrada. Observe que os sujeitos estão mostrando níveis similares de expectativa UCS para o CS + e CS-60 através dos estudos, sugerindo que o processo de mascaramento bloqueou sua capacidade de discriminar entre os CSs (F (1,17) = 2,19, p = 0,16). O gráfico à direita mostra os SCRs diferenciais durante a sessão de testes. Observe que o Unfiltered, mas não o grupo Filtrada parece estar mostrando maiores SCRs diferenciais aos estímulos Velho que os novos estímulos (não filtrados Nova / Old x CS + / CS-interação: F (1,7) = 5,94, p = 0,045; filtrada New / Old x CS + / CS-interação: F (1,7) = 1,13, p = 0,32), sugerindo que a formação leva a uma melhor reaquisição das associações CS-UCS para esses assuntos. (* P &lt;0,05). <img src="/files/ftp_upload/50212/50212fig5.jpg" alt="Figura 5" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg"/> Figura 5. MEG resultados de um experimento típico condicionado. A figura à esquerda mostra os modelos 3D da amígdala (laranja), o hipocampo (verde), e no córtex cerebral usada para modelar as fontes de sinal de MEG. O gráfico à direita representa a atividade de um cluster amígdala modelado a partir das gravações MEG. A linha de cor clara representa a atividade evocada por rostos não filtradas, enquanto a linha de cor escura representa a atividade evocada por rostos filtrada. Vertical seções cinza sombreadas representam intervalos de tempo em que os rostos não filtradas evocam respostas significativamente maiores do que os rostos filtrado (F (1,17)&gt; 3,44, p &lt;0,05). <a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank">Clique aqui para ver a figura maior</a> . <img src="/files/ftp_upload/50212/50212fig6.jpg" alt="Figura 6" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg"/> Figura 6. Amígdala tempo frequência resulta de uma experiência típica condicionado. A figura à esquerda mostra os modelos 3D da amígdala (laranja), o hipocampo (verde), e no córtex cerebral usada para modelar as fontes de sinal de MEG. O gráfico à direita representa o sinal MEG gravado a partir da amígdala dividido pelo tempo e frequência. As cores quentes representam as regiões do espectrógrafo que mostram muito mais energia para unfiltered frente do que para rostos filtrados. As cores frescas representam o oposto. As regiões com a sobreposição listrado representam diferenças significativas entre os grupos. <a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank">Clique aqui para ver a figura maior</a> . <img src="/files/ftp_upload/50212/50212fig7.jpg" alt="Figura 7" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg"/> Figura 7. Figura mostrando o rosto ativação occipital área em um experimento típico condicionado. Cores representam a magnitude do t-test Unfiltered&gt; filtrada no dipolo correspondente. As cores quentes representam respostas maiores para rostos não filtradas do que a rostos filtrada. Cores frias representam respostas maiores para rostos filtrado do que aos rostos não filtrada. Vídeo suplementar. Vídeo mostrando respostas corticais em um condiciona típicooning experimento. Colors representa a magnitude do teste-t não filtrado&gt; filtrada no dipolo correspondente. As cores quentes representam respostas maiores para rostos não filtradas do que a rostos filtrada. Cores frias representam respostas maiores para rostos filtrado do que aos rostos não filtrada. <a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">Clique aqui para ver filme suplementar</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

Este artigo descreve como para gravar a atividade da amígdala com magnetoencefalografia (MEG). Além disso, este artigo irá descrever como conduzir traço medo condicionado sem consciência, uma tarefa que ativa a amígdala. Ele cobrirá três tópicos: 1) Projetar um paradigma traço condicionado usando para trás mascarando para manipular a consciência. 2) a atividade cerebral de gravação durante a tarefa usando magnetoencephalography. 3) Utilizando imagens de origem para recuperar o sinal a partir de estruturas subcorticais.

Como detectar Amygdala Atividade com Magnetoencefalografia usando fonte de imagem

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 visualizações.  University of Wisconsin-Milwaukee. Este artigo descreve como para gravar a atividade da amígdala com magnetoencefalografia (MEG). Além disso, este artigo irá descrever como conduzir traço medo condicionado sem consciência, uma tarefa que ativa a amígdala. Ele cobrirá três tópicos: 1) Projetar um paradigma traço condicionado usando para trás mascarando para manipular a consciência. 2) a atividade cerebral de gravação durante a tarefa usando magnetoencephalography. 3) Utilizando imagens de orig...

Vídeo: 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.

Ressonância Magnética Funcional (fMRI), com estimulação auditiva em aves canoras

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

Comportamento

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.

Medição de fronto-límbico Atividade Usando um emocional Oddball Task em Crianças com Familial alto risco para 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.

Descobrindo batida Surdez: Distúrbios Detecção de ritmo com o dedo Sincronizado Tapping e Tarefas de temporização da Percepção

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.

Como estudar respostas placebo em Doença de movimento com uma rotação Chair Paradigm em participantes saudáveis

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.

Usando a Anorexia Rodent modelo baseado em atividades para estudar a base neurobiológica da Anorexia Nervosa

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.

Pesquisa Experimental examinando como as pessoas podem lidar com a incerteza Através macios 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 ...

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.

Usando sem fibras, fNIRS Wearable para monitorar a atividade do cérebro em tarefas cognitivas do 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.

Como usar o H1 Profunda Estimulação Magnética Transcraniana da bobina por condições diferentes Depressão

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 a Entropia Wavelet para Demonstrar Como a Prática da Atenção Plena aumenta a Coordenação entre Atividades Cerebrais e 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.