Name: measuring statistical learning across modalities and domains in school-aged children via an online platform and neuroimaging techniques
Uploaded: 2020-06-30T14:00:00
Description: Watch this Scientific Journal Video about Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques at JoVE.com

Nous remercions Yoel Sanchez Araujo et Wendy Georgan pour leur contribution à la conception initiale de la plate-forme web. Nous remercions An Nguyen et Violet Kozloff pour leur travail sur l’amélioration des tâches d’apprentissage statistique sur le Web, la mise en œuvre des tâches de l’IRMf et le pilotage des tâches des participants adultes. Nous remercions Violet Kozloff et Parker Robbins pour leur contribution à la collecte de données chez les enfants. Nous remercions Ibrahim Malik, John Christopher, Trevor Wigal et Keith Schneider du Center for Biological and Brain Imaging de l’Université du Delaware pour leur aide dans la collecte de données de neuroimagerie. Ces travaux sont financés en partie par l’Institut national sur la surdité et d’autres troubles de la communication (PI: Qi; NIH 1R21DC017576) et la Direction de la National Science Foundation pour les sciences sociales, comportementales et économiques (PI: Schneider, Co-PI: Qi & Golinkoff; NSF 1911462).

Tous les participants ont donné leur consentement écrit pour participer et l’étude a été menée conformément à la Commission d’examen institutionnel.
1. Vue d’ensemble du paradigme d’apprentissage statistique utilisé dans le protocole web
<ol><li>Inclure quatre tâches dans le paradigme actuel : l’image (visuelle-nonlinguistique), la lettre (visuelle-linguistique), le ton (auditif-nonlinguistique) et la syllabe (auditive-linguistique).<ol>
<li>Construire des stimuli pour le...

Les méthodes présentées dans le protocole actuel fournissent un paradigme multimodal pour comprendre les indices comportementaux et neuronaux de l’apprentissage statistique tout au long du développement. La conception actuelle permet d’identifier les différences individuelles dans la capacité d’apprentissage statistique entre les modalités et les domaines, qui peuvent être utilisées pour une étude future de la relation entre l’apprentissage statistique et le développement du langage. Étant donné que ...

L’apprentissage statistique est une compétence élémentaire qui soutient l’acquisition de combinaisons régies par des règles dans les intrants linguistiques1. La capacité d’apprentissage statistique réussie chez les nourrissons prédit le succès ultérieur de l’apprentissage des langues2,3. La variabilité des compétences d’apprentissage statistique chez les enfants d’âge scolaire a également été associée au vocabulaire4 et à la lecture5,6. La difficulté dans l’apprentissage statistique a été proposée comme un mécanisme étiologique sous-jacent à l’affaiblissement du langage7. Malgré l’association entre l’apprentissage statistique et les résultats linguistiques dans les populations neurotypiques et atypiques, les mécanismes cognitifs et neuronaux sous-jacents à l’apprentissage statistique restent mal compris. En outre, la littérature précédente a révélé que, au sein d’un individu, la capacité d’apprentissage statistique n’est pas uniforme, mais indépendante dans tous les domaines et les modalités6,8,9. La trajectoire de développement des capacités d’apprentissage statistique peut varier d’un domaine à l’autre et des modalités10. Ces résultats soulignent l’importance d’évaluer les différences individuelles dans l’apprentissage statistique entre plusieurs tâches tout au long du développement. Toutefois, le domaine exige d’abord une étude plus systématique de la relation entre l’apprentissage statistique et le développement des langues maternelles. Pour répondre à ces questions, nous appliquons des méthodes novatrices, y compris une plate-forme de test web11 qui rejoint un grand nombre d’enfants, et des techniques de neuroimagerie en laboratoire (imagerie par résonance magnétique fonctionnelle, ou IRMf) qui examinent l’encodage en temps réel de l’information statistique.
Les mesures standard de l’apprentissage statistique commencent par une phase de familiarisation et sont suivies d’une tâche de choix forcé à deux alternatives (2-AFC)12,13. La phase de familiarisation introduit un flux continu de stimuli intégrés à des régularités statistiques, où certains stimuli sont plus susceptibles de co-produire que d’autres. La présentation de ces stimuli co-produisant suit un ordre temporel fixe. Les participants sont exposés passivement au flux pendant la phase de familiarisation, suivis d’une tâche 2-AFC qui teste si le participant a réussi à extraire les modèles. La tâche de précision 2-AFC présente deux séquences consécutives : une séquence a été présentée au participant au cours de la phase de familiarisation, tandis que l’autre est une séquence nouvelle, ou contient une partie de la séquence. La précision au-dessus du hasard sur le 2-AFC indiquerait un apprentissage réussi au niveau du groupe. Les tâches comportementales traditionnelles évaluant l’apprentissage statistique reposent généralement sur l’exactitude comme mesure des résultats de l’apprentissage. Cependant, l’exactitude ne tient pas compte de l’apprentissage naturel de l’information au fur et à mesure qu’elle se déroule dans le temps. Une mesure de l’apprentissage en temps réel est nécessaire pour puiser dans le processus d’apprentissage implicite de l’apprentissage statistique au cours duquel les enfants sont encore encodage des régularités à partir des entrées14,15,16. Diverses adaptations à travers les paradigmes ont été développées dans un effort pour s’éloigner de la mesure 2-AFC, vers des mesures de l’apprentissage en ligne par des réponses comportementales au cours de l’exposition16. Des études utilisant ces adaptations qui mesurent le temps de réaction pendant la phase d’exposition ont révélé qu’elles étaient liées à l’exactitude post-apprentissage17 avec une meilleure fiabilité des tests par rapport à celle de l’exactitude chez les apprenants adultes18.
Les mesures neuronales sont également fondamentales pour notre compréhension de la façon dont l’apprentissage se déroule au fil du temps, car le processus implicite par lequel l’apprentissage des langues se produit recrute probablement différentes ressources neuronales de celles utilisées une fois que la langue est apprise19. Les mesures neuronales fournissent également des aperçus des différences dans les spécialisations cognitives sous-jacentes à la capacité linguistique entre les populations spéciales20. La façon dont le contraste de la condition est conçu dans une étude d’IRMf est cruciale pour la façon dont nous interprétons les modèles d’activation neuronale pendant l’apprentissage. Une pratique courante consiste à comparer les réponses cérébrales au cours de la phase de familiarisation entre les séquences contenant des motifs réguliers par rapport à celles contenant les mêmes stimuli qui sont ordonnées au hasard. Cependant, des recherches antérieures mettant en œuvre une telle condition de contrôle aléatoire n’ont trouvé aucune preuve pour l’apprentissage dans le comportement, en dépit des différences neuronales entre les séquences structurées et aléatoires. Cela peut être dû à l’interférence de séquences aléatoires sur l’apprentissage des séquences structurées, car les deux ont été construits à partir des mêmes stimuli21,22. D’autres études d’IRMf qui ont utilisé la parole en arrière ou des blocs d’apprentissage antérieurs que la condition de contrôle confirmé l’apprentissage a eu lieu comportementalement19,23. Cependant, chacun de ces paradigmes a introduit son propre facteur de confusion, tel que l’effet du traitement du langage pour le premier cas et l’effet de l’ordonnance expérimentale pour le second cas. Notre paradigme utilise la séquence aléatoire comme condition de contrôle, mais atténue leur interférence sur l’apprentissage des séquences structurées par les participants. Notre paradigme d’IRMf implémente également une conception mixte liée au bloc/événement, qui permet la modélisation simultanée des signaux BOLD liés à l’essai transitoire et soutenus liés à la tâche24. Enfin, et plus largement, les mesures neuronales permettent de mesurer l’apprentissage dans les populations où il peut être difficile d’obtenir une réponse comportementale explicite (p. ex., populations développementales et spéciales)25.
Le protocole actuel adopte une mesure du temps de réponse, en plus des mesures traditionnelles d’exactitude, et examine l’activation du cerveau pendant la phase de familiarisation. La combinaison de ces méthodes vise à fournir un ensemble de données riche pour l’étude des processus d’apprentissage en temps réel. La plate-forme web offre un ensemble de mesures d’apprentissage en incluant à la fois le temps de réponse pendant la phase d’exposition et l’exactitude de la tâche 2-AFC pendant la phase de test. Le protocole de neuroimagerie permet l’étude des mécanismes neuronaux sous-jacents soutenant l’apprentissage statistique à travers les domaines et les modalités. Bien qu’il soit optimal de mesurer l’apprentissage statistique au sein d’une personne à l’aide des protocoles web et de l’IRMf, les tâches sont conçues de manière à ce qu’elles puissent être diffusées de façon indépendante, et donc, comme deux mesures indépendantes de l’apprentissage statistique. Les expériences d’IRMf incluses dans le protocole actuel peuvent aider à clarifier comment le codage de stimulation, l’extraction de modèles et d’autres composantes constitutives de l’apprentissage statistique sont représentés par des régions et des réseaux cérébraux particuliers.

<table>
	<tbody>
		<tr>
			<td>4 Button Inline Response Device</td>
			<td>Cambridge Research Systems</td>
			<td>SKU: N1348</td>
			<td>An fMRI reponse pad used for measuring in-scanner response time</td>
		</tr>
		<tr>
			<td>Short/Slim Canal Tips</td>
			<td>Comply Foam</td>
			<td>SKU: 40-15028-11</td>
			<td>Short &#38; slim in-ear canal tips are recommended for children to protect hearing and allow for them to hear the stimuli while in the scanner.</td>
		</tr>
		<tr>
			<td>jsPsych</td>
			<td>jsPsych</td>
			<td>https://www.jspsych.org/</td>
			<td>jsPsych is a JavaScript library for running behavioral experiments in a web browser.</td>
		</tr>
		<tr>
			<td>Speech Synthesizer</td>
			<td>Praat</td>
			<td>Version 6.1.14</td>
			<td>This program is an artificial speech synthesizer which was used to create the syllable stimuli.</td>
		</tr>
		<tr>
			<td>Web-based statistical learning tasks</td>
			<td>Zenodo</td>
			<td>http://doi.org/10.5281/zenodo.3820620 (2020).</td>
			<td>All web-based statistical learning tasks are available for free access on Zenodo.</td>
		</tr>
	</tbody>
</table>

measuring statistical learning across modalities and domains in school-aged children via an online platform and neuroimaging techniques

L’apprentissage statistique, une compétence fondamentale pour extraire les régularités dans l’environnement, est souvent considéré comme un mécanisme de soutien de base du développement de la langue maternelle. Bien que de nombreuses études sur l’apprentissage statistique soient menées dans un domaine ou une même modalité, des données récentes suggèrent que cette compétence peut différer en fonction du contexte dans lequel les stimuli sont présentés. En outre, peu d’études étudient l’apprentissage tel qu’il se déroule en temps réel, plutôt sur les résultats de l’apprentissage. Dans ce protocole, nous décrivons une approche pour identifier la base cognitive et neuronale de l’apprentissage statistique, au sein d’un individu, à travers les domaines (linguistiques vs non linguistiques) et les modalités sensorielles (visuelles et auditives). Les tâches sont conçues pour imposer le moins de demande cognitive possible aux participants, ce qui en fait l’idéal pour les jeunes enfants d’âge scolaire et les populations spéciales. La nature web des tâches comportementales offre une occasion unique pour nous d’atteindre des populations plus représentatives à l’échelle nationale, d’estimer les tailles d’effets avec une plus grande précision, et de contribuer à la recherche ouverte et reproductible. Les mesures neuronales fournies par la tâche d’imagerie par résonance magnétique fonctionnelle (IRMf) peuvent informer les chercheurs sur les mécanismes neuronaux engagés pendant l’apprentissage statistique, et comment ceux-ci peuvent différer d’un individu à l’autre sur la base du domaine ou de la modalité. Enfin, les deux tâches permettent de mesurer l’apprentissage en temps réel, car les changements dans le temps de réaction à un stimulus cible sont suivis tout au long de la période d’exposition. La principale limitation de l’utilisation de ce protocole concerne la durée d’une heure de l’expérience. Les enfants pourraient avoir besoin d’accomplir les quatre tâches d’apprentissage statistique en plusieurs séances. Par conséquent, la plate-forme web est conçue en présentant cette limitation afin que les tâches puissent être diffusées individuellement. Cette méthodologie permettra aux utilisateurs d’étudier comment le processus d’apprentissage statistique se déroule dans les domaines et dans les domaines et les modalités chez les enfants de différents milieux de développement.

Résultats comportementaux basés sur le Web Étant donné que le protocole actuel est conçu pour faciliter la diffusion avec les populations développementales, nous avons inclus des résultats préliminaires basés sur le Web sur la base des données de 22 enfants d’âge scolaire en développement (âge moyen (M) = 9,3 ans, écart type (DD) âge = 2,04 ans, gamme = 6,2-12,6 ans, 13 filles). Dans le cas de l’apprentissage statistique sur le Web, les enfants ont obtenu des résultats nettement su...

Watch this Scientific Journal Video about Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques at JoVE.com

Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques

Présenté ici est un protocole introduisant un ensemble de tâches d’apprentissage statistique adaptées aux enfants visant à examiner l’apprentissage des modèles statistiques temporels par les enfants dans tous les domaines et les modalités sensorielles. Les tâches développées recueillent des données comportementales à l’aide de la plate-forme web et des données d’imagerie par résonance magnétique fonctionnelle (IRMf) basées sur les tâches pour examiner l’engagement neuronal pendant l’apprentissage statistique.

Mesurer l’apprentissage statistique dans toutes les modalités et domaines des enfants d’âge scolaire via une plate-forme en ligne et des techniques de neuroimagerie

Statistical learning, a fundamental skill to extract regularities in the environment, is often considered a core supporting mechanism of the first ...

La capacité d’extraire des modèles des entrées est base pour le langage et le développement cognitif. La technique peut déterminer si l’hétérogénéité remarquable de l’apprentissage statistique chez les enfants s’explique par des mécanismes généraux de domaine ou spécifiques au domaine. Notre protocole permet de mesurer l’apprentissage statistique dans tous les domaines et modalités au sein des individus, est favorable aux enfants et combine des techniques de neuroimagerie basées sur le Web avec des techniques de neuroimagerie en laboratoire.Cette méthode donnera un aperçu des cadres d’apprentissage du développement du langage. S’il est appliqué dans des populations particulières, notre protocole peut également nous faire progresser notre compréhension des difficultés d’apprentissage des langues. Nous sommes en train de rendre nos tâches accessibles à la communauté de recherche sur Zenodo et GitHub.Nous encourageons d’autres chercheurs à reproduire nos tâches une fois qu’elles seront disponibles. Pour effectuer un protocole web, accédez d’abord au paradigme de l’apprentissage statistique basé sur le Web. Pour la tâche syllabe, présenter au participant un étranger et son mot préféré dans sa langue étrangère. Doe.Informez le participant qu’il écoutera la langue de l’étranger et qu’il se souviendra d’appuyer sur la barre d’espace chaque fois qu’il entendra le mot préféré. Que le participant termine un essai pratique avant la phase de familiarisation, dans lequel il doit appuyer sur la barre d’espace dès que le mot préféré de l’étranger est entendu. Pendant la phase de test, demandez au participant de sélectionner l’une des deux séquences qui semblent plus familières.La séquence cible sera présentée dans la phase de familiarisation. Klaptoo la séquence de fleuret n’aura pas été présentée précédemment. Klaptoo Dans la tâche de ton, informer le participant qu’ils devront garder une trace de la note préférée alien dans sa chanson folklorique.La phase de test suivra la même conception que la tâche syllabe. Dans la tâche d’image, informé le participant qu’ils devront garder une trace d’un étranger spécial comme un groupe d’étrangers lineup pour entrer dans un vaisseau spatial. Au cours de la phase d’essai présentent les deux cibles dans la phase de familiarisation et les triplets de feuille pas vu avant pour le participant par paires.Dans la tâche lettre informé le participant qu’ils devront garder une trace du signe préféré des étrangers. Comme l’étranger tient des signes pour un défilé. Pour aider les participants en particulier les enfants à devenir à l’aise dans la pratique du scanner de la séance de numérisation IRM avec un scanner simulé.Présentez au participant le simulacre de scanner ou de caméra cérébrale et à son ami scan. Expliquez que le but du copain de balayage est de leur tenir compagnie et de les aider s’ils ont besoin de quelque chose. Le copain de balayage rappellera également doucement au participant de rester immobile si trop de mouvement est détecté par la caméra.Présentez au participant le paradigme de l’apprentissage statistique et qu’il termine une brève partie de la tâche sur un ordinateur. Après avoir terminé la tâche, aidez le participant à participer au simulacre de scanner et jouez à des vidéos adaptés aux enfants pour les aider à s’acclimater au son et à la vidéo. Lorsque le participant est prêt, jouez quelques scanners préenregistrés ou des clips sonores pour les préparer aux bruits produits par la véritable IRM.Pendant ce temps, que le participant s’entraîne à rester immobile et à travailler avec le copain scan. Lorsque le participant est à l’aise avec le scanner simulé a confirmé que le protocole de collecte de données FMRI est correctement mis en place sur l’ordinateur d’acquisition IRM. Que le participant s’allonge confortablement sur le lit du scanner IRM avec un casque qui protège ses oreilles du bruit du scanner et un bloc d’intervention à la main.Placez un rembourrage supplémentaire autour de la tête du participant pour assurer un mouvement limité de la tête pendant la collecte de données et donnez au participant la possibilité d’un ami de balayage. Donnez au participant une boule de compression à utiliser pour aviser s’il est en détresse ou s’il doit s’arrêter et placer la bobine de tête au-dessus de la tête du participant. Après avoir aligné le participant dans le lit de numérisation enregistrer un nouveau participant à l’ordinateur d’acquisition et de choisir le protocole de numérisation correcte.Insérez le lit de balayage et le participant dans l’alésage de l’IRM et montrez un film au participant tout en acquérant une IRM structurelle. Pour que le participant effectue une tâche auditive, utilisez un système Intercom connecté à son casque pour informer le participant. Maintenant, nous allons jouer à un jeu bouton appuyant sur.Vous entendrez les extraterrestres, direz des mots et jouerez de la musique n’oubliez pas d’appuyer sur le bouton sur le bloc de réponse chaque fois que vous entendez le son que vous écoutez. Après avoir donné les instructions, commencer le paradigme sur l’ordinateur de présentation pour permettre l’acquisition des données d’apprentissage statistique auditif. Pour une tâche visuelle informer le participant.Maintenant, vous allez voir les photos des aliens et les lettres. Chaque fois que vous voyez les photos que vous cherchez appuyez sur le bouton sur vos blocs de réponse. Après avoir donné les instructions commencer le paradigme sur l’ordinateur de présentation pour acquérir les données d’apprentissage statistique visuelle.Une fois que le participant a terminé le paradigme arrêter l’IRM, enlever en toute sécurité le participant de l’intérieur du scanner et enlever la bobine de tête. Dans la tâche d’apprentissage statistique basée sur le Web. Les enfants ont obtenu de meilleurs résultats qu’un taux de chances de 0,5 sur toutes les conditions indiquant un apprentissage statistique réussi au niveau du groupe.La pente moyenne du temps de réaction était négative et significativement inférieure à zéro dans l’état de la syllabe et marginalement significative dans l’état de la lettre suggérant une accélération plus rapide de la détection de la cible pendant la phase de familiarisation dans les tâches linguistiques. La pente moyenne du temps de réaction n’était pas significativement différente de zéro dans l’image ou l’état du ton malgré les preuves d’apprentissage dans les mesures hors ligne de la précision. Ici, les résultats préliminaires de l’IRMF basés sur les données de neuf enfants d’âge scolaire en développement qui ont accompli des tâches auditives et visuelles d’apprentissage statistique sont montrés.Lors de la comparaison des blocs structurés aux blocs aléatoires, des grappes significatives ont été observées dans une variété de régions du cerveau, selon le type de stimulus. Ces résultats suggèrent que la conception actuelle des tâches est sensible à la détection des changements hémodynamiques induits par l’apprentissage dans le cerveau des enfants. Les résultats représentatifs chez les adultes indiquent que les séquences structurées sont learnables soutenues par un temps de réponse significativement plus rapide dans l’état structuré, comparé à l’état aléatoire dans toutes les tâches dans le scanner à l’exception de la tâche de tonalité.Nous encourageons les chercheurs à inclure d’autres mesures individuelles de différence pour mieux comprendre comment la variabilité et l’apprentissage statistique entre les domaines et les modalités se rapportent aux processus de niveau supérieur. Ce protocole est une première étape vers la délimitation de la façon dont les différences individuelles dans l’apprentissage statistique peuvent expliquer la variation des résultats linguistiques dans le développement typique et atypique.

Research

JoVE Journal

Neuroscience

Functional Neuroimaging Using Ultrasonic Blood-brain Barrier Disruption and Manganese-enhanced MRI

Utilisation de neuro-imagerie fonctionnelle par ultrasons rupture de la barrière hémato-encéphalique et le manganèse-IRM

Although mice are the dominant model system for studying the genetic and molecular underpinnings of neuroscience, functional neuroimaging in mice remains ...

Recherche

Neurosciences

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Cartographie dynamique corticales à l&#39;aide MEG / EEG simultanés et anatomique contrainte minimum-norm Budget: un exemple L&#39;attention auditive

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the ...

Assessment of Morphine-induced Hyperalgesia and Analgesic Tolerance in Mice Using Thermal and Mechanical Nociceptive Modalities

L&#39;évaluation de la tolérance induite par la morphine hyperalgésie et analgésique chez la souris utilisant thermiques et mécaniques nociceptifs modalités

Opioid-induced hyperalgesia and tolerance severely impact the clinical efficacy of opiates as pain relievers in animals and humans. The molecular ...

Recording Single Neurons' Action Potentials from Freely Moving Pigeons Across Three Stages of Learning

L&#39;enregistrement des potentiels d&#39;action unique neurones de se déplacer librement à travers Pigeons Trois étapes de l&#39;apprentissage

While the subject of learning has attracted immense interest from both behavioral and neural scientists, only relatively few investigators have observed ...

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Electrophysiological Method for Recording Intracellular Voltage Responses of Drosophila Photoreceptors and Interneurons to Light Stimuli In Vivo

Méthode électrophysiologique de réponses d&#39;enregistrement intracellulaire tension de<em&gt; Drosophila</em&gt; Photorécepteurs et Interneurones à Light Stimuli<em&gt; In Vivo</em

Voltage responses of insect photoreceptors and visual interneurons can be accurately recorded with conventional sharp microelectrodes. The method ...

Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

Micro-État et Analyses complexité Omega de l’état de repos l’électroencéphalographie

Microstate and omega complexity are two reference-free electroencephalography (EEG) measures that can represent the temporal and spatial complexities of ...

Online Transcranial Magnetic Stimulation Protocol for Measuring Cortical Physiology Associated with Response Inhibition

Protocole de Stimulation magnétique transcrânienne en ligne pour mesurer la physiologie corticale associée à l’Inhibition de la réponse

We describe the development of a reproducible, child-friendly motor response inhibition task suitable for online Transcranial Magnetic Stimulation (TMS) ...

An Objective and Reproducible Test of Olfactory Learning and Discrimination in Mice

Un Test objectif et reproductible d’apprentissage olfactif et de la Discrimination chez les souris

Olfaction is the predominant sensory modality in mice and influences many important behaviors, including foraging, predator detection, mating, and ...

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy (NIRS) Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy NIRS Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Méthodes de champ de la neuro-imagerie utilisation fonctionnelle près Neuroimaging spectroscopie infrarouge (NIRS) pour étudier le développement Global de l’enfant : zones rurales d’Afrique subsaharienne

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in ...

Studying Brain Function in Children Using Magnetoencephalography

Étudier le fonctionnement du cerveau chez les enfants à l’aide de magnétoencéphalographie

Magnetoencephalography (MEG) is a non-invasive neuroimaging technique which directly measures magnetic fields produced by the electrical activity of the ...