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

Wir danken Yoel Sanchez Araujo und Wendy Georgan für ihren Beitrag zum ersten Design der webbasierten Plattform. Wir danken An Nguyen und Violet Kozloff für ihre Arbeit zur Verbesserung der webbasierten statistischen Lernaufgaben, zur Umsetzung der fMRI-Aufgaben und zur Pilotierung der Aufgaben bei erwachsenen Teilnehmern. Wir danken Violet Kozloff und Parker Robbins für ihren Beitrag zur Unterstützung der Datenerfassung bei Kindern. Wir danken Ibrahim Malik, John Christopher, Trevor Wigal und Keith Schneider vom Center for Biological and Brain Imaging der University of Delaware für ihre Unterstützung bei der Datenerfassung von Neuroimaging. Diese Arbeit wird zum Teil vom National Institute on Deafness and other Communication Disorders (PI: Qi; NIH 1R21DC017576) und der National Science Foundation Directorate for Social, Behavioral & Economic Sciences (PI: Schneider, Co-PI: Qi & Golinkoff; NSF 1911462).

Alle Teilnehmer gaben ihre schriftliche Zustimmung zur Teilnahme und das Studium wurde in Übereinstimmung mit dem Institutional Review Board durchgeführt.
1. Überblick über das statistische Lernparadigma, das im webbasierten Protokoll verwendet wird
<ol><li>Beziehen Sie vier Aufgaben in das aktuelle Paradigma ein: Bild (visuell-nichtlinguistisch), Buchstabe (visuell-linguistisch), Ton (hörbar-nichtlinguistisch) und Silbe (hörlich-linguistisch).<ol>
<li>Konstruieren Sie Reize für visue...

Die im aktuellen Protokoll vorgestellten Methoden bieten ein multimodales Paradigma zum Verständnis der Verhaltens- und neuronalen Indizes des statistischen Lernens im Laufe der Entwicklung. Das derzeitige Design ermöglicht die Identifizierung individueller Unterschiede in der statistischen Lernfähigkeit über Modalitäten und Domänen hinweg, die für die zukünftige Untersuchung des Zusammenhangs zwischen statistischem Lernen und Sprachentwicklung verwendet werden können. Da die statistischen Lernfähigkeiten eines...

Statistisches Lernen ist eine elementare Fähigkeit, die den Erwerb regelgesteuerter Kombinationen in Spracheingaben unterstützt1. Erfolgreiche statistische Lernfähigkeit bei Säuglingen sagt späteren Erfolg beim Erlernen von Sprachen voraus2,3. Die Variabilität der statistischen Lernfähigkeiten bei Kindern im schulischen Alter wurde auch mit Wortschatz4 und Lesen5,6in Verbindung gebracht. Schwierigkeiten beim statistischen Lernen wurden als ein ätiologischer Mechanismus vorgeschlagen, der der Sprachbeeinträchtigung zugrunde liegt7. Trotz des Zusammenhangs zwischen statistischem Lernen und Sprachergebnissen in neurotypischen und atypischen Populationen sind die kognitiven und die neuronalen Mechanismen, die dem statistischen Lernen zugrunde liegen, nach wie vor schlecht verstanden. Darüber hinaus hat frühere Literatur gezeigt, dass innerhalb eines Individuums statistische Lernfähigkeit nicht einheitlich, sondern unabhängig zwischen Domänen und Modalitäten6,8,9ist. Der Entwicklungspfad der statistischen Lernfähigkeiten kann je nach Bereich und Modalitäten weiter variieren10. Diese Ergebnisse unterstreichen, wie wichtig es ist, die individuellen Unterschiede im statistischen Lernen über mehrere Aufgaben hinweg im Laufe der Entwicklung zu bewerten. Der Bereich erfordert jedoch zunächst eine systematischere Untersuchung des Zusammenhangs zwischen statistischem Lernen und Erstsprachenentwicklung. Um diese Fragen zu beantworten, wenden wir innovative Methoden an, einschließlich einer webbasierten Testplattform11, die eine große Anzahl von Kindern erreicht, und laborbasierten Neuroimaging-Techniken (funktionelle Magnetresonanztomographie oder fMRI), die die Echtzeitkodierung statistischer Informationen untersuchen.
Standardmaße des statistischen Lernens beginnen mit einer Einarbeitungsphase und folgen auf eine zweialternative Zwangswahl (2-AFC) Aufgabe12,13. Die Einarbeitungsphase führt einen kontinuierlichen Strom von Reizen ein, der mit statistischen Regelmäßigkeiten eingebettet ist, wo einige Reize eher mitauftreten als andere. Die Darstellung dieser mitgehenden Reize folgt einer festen zeitlichen Reihenfolge. Die Teilnehmer werden während der Einarbeitungsphase passiv dem Stream ausgesetzt, gefolgt von einer 2-AFC-Aufgabe, die testet, ob der Teilnehmer die Muster erfolgreich extrahiert hat. Die 2-AFC-Genauigkeitsaufgabe stellt zwei aufeinander folgende Sequenzen dar: Eine Sequenz wurde dem Teilnehmer während der Einarbeitungsphase präsentiert, während die andere eine neue Sequenz ist oder einen Teil der Sequenz enthält. Eine Über-Chance-Genauigkeit auf dem 2-AFC würde auf erfolgreiches Lernen auf Gruppenebene hindeuten. Herkömmliche Verhaltensaufgaben zur Bewertung des statistischen Lernens basieren im Allgemeinen auf Genauigkeit als Ergebnismaß des Lernens. Die Genauigkeit berücksichtigt jedoch nicht das natürliche Lernen von Informationen, wie sie sich in der Zeit entfalten. Ein Maß für das Lernen in Echtzeit ist notwendig, um den impliziten Lernprozess des statistischen Lernens zu nutzen, bei dem die Kinder noch die Regelmäßigkeiten aus den Eingaben14,15,16kodieren. Verschiedene Paradigmenanpassungen wurden entwickelt, um von der 2-AFC-Maßnahme wegzukommen, hin zu Maßnahmen des Online-Lernens durch Verhaltensreaktionen während der Exposition16. Studien, die diese Anpassungen nutzten, die die Reaktionszeit während der Expositionsphase messen, ergaben, dass sie mit der Genauigkeit nach dem Lernen17 zusammenhängten, mit einer besseren Test-Retest-Zuverlässigkeit im Vergleich zu der Genauigkeit bei erwachsenen Lernenden18.
Neuronale Maßnahmen sind auch grundlage für unser Verständnis, wie sich das Lernen im Laufe der Zeit entwickelt, da der implizite Prozess, durch den das Erlernen von Sprachen stattfindet, wahrscheinlich andere neuronale Ressourcen rekrutiert als die, die verwendet werden, sobald die Sprache erlernt wird19. Neuronale Messungen liefern auch Einblicke in Unterschiede in kognitiven Spezialisierungen, die der Sprachfähigkeit in speziellen Populationen zugrunde liegen20. Wie der Zustandskontrast in einer fMRI-Studie gestaltet wird, ist entscheidend dafür, wie wir Muster der neuronalen Aktivierung während des Lernens interpretieren. Eine gängige Praxis ist es, Gehirnreaktionen während der Eingewöhnungsphase zwischen Sequenzen zu vergleichen, die reguläre Muster enthalten, mit solchen, die die gleichen Reize enthalten, die nach dem Zufallsprinzip angeordnet werden. Jedoch, frühere Forschung enden eine solche zufällige Kontrollbedingung fand keine Beweise für das Lernen im Verhalten, trotz neuronaler Unterschiede zwischen strukturierten und zufälligen Sequenzen. Dies könnte auf die Interferenz von zufallsseitig beim Erlernen strukturierter Sequenzen zurückzuführen sein, da beide aus den gleichen Reizen konstruiert wurden21,22. Andere fMRI-Studien, die Rückwärtssprache oder frühere Lernblöcke als Kontrollbedingung bestätigt lernen verwendet wurde, fanden verhaltensbedingtstatt 19,23. Jedes dieser Paradigmen führte jedoch seinen eigenen verwirrenden Faktor ein, wie die Wirkung der Sprachverarbeitung für den erstgenannten Fall und die Wirkung der experimentellen Ordnung für den letztgenannten Fall. Unser Paradigma verwendet die zufällige Sequenz als Kontrollbedingung, mindert aber deren Einmischung auf das Erlernen der strukturierten Sequenzen der Teilnehmer. Unser fMRI-Paradigma implementiert auch ein gemischtes Block-/Ereignis-Design, das die gleichzeitige Modellierung von transienten versuchsbezogenen und nachhaltigen aufgabenbezogenen BOLD-Signalen ermöglicht24. Schließlich und im weiteren Sinne ermöglichen neuronale Maßnahmen die Messung des Lernens in Populationen, in denen es schwierig sein kann, eine explizite Verhaltensreaktion auszulösen (z. B. Entwicklungs- und Spezialpopulationen)25.
Das aktuelle Protokoll nimmt zusätzlich zu den herkömmlichen Genauigkeitsmessungen eine Reaktionszeitmessung an und untersucht die Gehirnaktivierung während der Einarbeitungsphase. Die Kombination dieser Methoden zielt darauf ab, einen reichen Datensatz für die Untersuchung von Echtzeit-Lernprozessen bereitzustellen. Die webbasierte Plattform bietet eine Reihe von Lernmaßnahmen, indem sowohl die Reaktionszeit während der Belichtungsphase als auch die Genauigkeit der 2-AFC-Aufgabe während der Testphase einbezogen werden. Das Neuroimaging-Protokoll ermöglicht die Untersuchung der zugrunde liegenden neuronalen Mechanismen, die statistisches Lernen über Domänen und Modalitäten hinweg unterstützen. Während es optimal ist, statistisches Lernen innerhalb einer Person anhand der webbasierten und fMRI-Protokolle zu messen, sind die Aufgaben so konzipiert, dass sie unabhängig und damit als zwei unabhängige Maßnahmen des statistischen Lernens verbreitet werden können. Die im aktuellen Protokoll enthaltenen fMRI-Experimente können helfen zu klären, wie Stimuluscodierung, Musterextraktion und andere Bestandteile des statistischen Lernens durch bestimmte Hirnregionen und Netzwerke dargestellt werden.

<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

Statistisches Lernen, eine grundlegende Fähigkeit, Regelmäßigkeiten in der Umwelt zu extrahieren, wird oft als ein zentraler unterstützender Mechanismus der ersten Sprachentwicklung betrachtet. Während viele Studien über statistisches Lernen innerhalb eines einzigen Bereichs oder einer einzigen Modalität durchgeführt werden, deuten jüngste Erkenntnisse darauf hin, dass diese Fähigkeit je nach Kontext, in dem die Reize dargestellt werden, unterschiedlich sein kann. Darüber hinaus untersuchen nur wenige Studien das Lernen, wie es sich in Echtzeit entfaltet, und konzentrieren sich eher auf das Ergebnis des Lernens. In diesem Protokoll beschreiben wir einen Ansatz zur Identifizierung der kognitiven und neuronalen Grundlagen des statistischen Lernens innerhalb eines Individuums, über Domänen (linguistische vs. nicht-linguistische) und sensorische Modalitäten (visuell und auditiv). Die Aufgaben sind so konzipiert, dass sie so wenig kognitive Nondien wie möglich auf die Teilnehmer ausrichten, was sie ideal für junge Kinder im schulischen Alter und spezielle Bevölkerungsgruppen macht. Die webbasierte Natur der Verhaltensaufgaben bietet uns eine einzigartige Gelegenheit, bundesweit repräsentativere Populationen zu erreichen, Effektgrößen genauer zu schätzen und zur offenen und reproduzierbaren Forschung beizutragen. Die neuronalen Maßnahmen, die durch die funktionale Magnetresonanztomographie (fMRI) bereitgestellt werden, können Forscher über die neuronalen Mechanismen informieren, die während des statistischen Lernens eingesetzt werden, und wie diese sich je nach Domäne oder Modalität von Person zu Person unterscheiden können. Schließlich ermöglichen beide Aufgaben die Messung des Echtzeit-Lernens, da Änderungen der Reaktionszeit zu einem Zielreiz über den Expositionszeitraum nachverfolgt werden. Die Hauptbeschränkung der Verwendung dieses Protokolls bezieht sich auf die einstündige Dauer des Experiments. Kinder müssen möglicherweise alle vier statistischen Lernaufgaben in mehreren Sitzungen absolvieren. Daher ist die webbasierte Plattform unter Berücksichtigung dieser Einschränkung so konzipiert, dass Aufgaben individuell verbreitet werden können. Diese Methode wird es den Nutzern ermöglichen, zu untersuchen, wie sich der Prozess des statistischen Lernens in und innerhalb von Domänen und Modalitäten bei Kindern mit unterschiedlichem Entwicklungshintergrund entwickelt.

Webbasierte Verhaltensergebnisse Da das aktuelle Protokoll für eine einfache Verbreitung mit Entwicklungspopulationen konzipiert ist, haben wir vorläufige webbasierte Ergebnisse auf der Grundlage von Daten von 22 sich entwickelnden Kindern im schulpflichtigen Alter (Mittelalter (M) = 9,3 Jahre, Standardabweichung (SD) Alter = 2,04 Jahre, Bereich = 6,2-12,6 Jahre, 13 Mädchen) aufgenommen. Bei der webbasierten statistischen Lernaufgabe schnitten die Kinder unter allen Bedingungen deutlich besser ab a...

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

Hier wird ein Protokoll vorgestellt, das eine Reihe kinderfreundlicher statistischer Lernaufgaben einführt, die darauf ausgerichtet sind, das Lernen von zeitlichen statistischen Mustern von Kindern in verschiedenen Bereichen und sensorischen Modalitäten zu untersuchen. Die entwickelten Aufgaben sammeln Verhaltensdaten mithilfe der webbasierten Plattform und der aufgabenbasierten funktionellen Magnetresonanztomographie (fMRI) zur Untersuchung des neuronalen Engagements während des statistischen Lernens.

Messung des statistischen Lernens über Modalitäten und Domänen in Kindern im schulalterten Alter über eine Online-Plattform und Neuroimaging-Techniken

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

Die Fähigkeit, Muster aus Inputs zu extrahieren, ist die Grundlage für die Sprach- und kognitive Entwicklung. Die Technik kann sich damit befassen, ob die bemerkenswerte Heterogenität des statistischen Lernens bei Kindern durch domänenallgemeine oder domänenspezifische Mechanismen erklärt wird. Unser Protokoll ermöglicht die Messung des statistischen Lernens über Domänen und Modalitäten innerhalb von Individuen hinweg, ist kinderfreundlich und kombiniert webbasiertes Verhalten mit laborbasierten Neuroimaging-Techniken.Diese Methode wird Einen Einblick in die Lernrahmen der Sprachentwicklung geben. Wenn unser Protokoll in speziellen Bevölkerungsgruppen angewendet wird, kann es auch unser Verständnis von Sprachlernschwierigkeiten verbessern. Wir sind dabei, unsere Aufgaben der Forschungsgemeinschaft auf Zenodo und GitHub zugänglich zu machen.Wir ermutigen andere Forscher, unsere Aufgaben zu reproduzieren, sobald sie verfügbar sind. Um ein webbasiertes Protokoll auszuführen, navigieren Sie zunächst zum webbasierten paradigmen statistischen Lernen. Für die Silbe Aufgabe, stellen Sie dem Teilnehmer einen Alien und sein Lieblingswort in seiner fremden Sprache vor. Doe.Informieren Sie den Teilnehmer, dass er die Sprache des Aliens hören wird, und denken Sie daran, die Leertaste zu drücken, wenn sie das Lieblingswort hören. Lassen Sie den Teilnehmer vor der Eingewöhnungsphase eine Übungsstudie absolvieren, in der er die Leertaste drücken muss, sobald das Lieblingswort des Aliens gehört wird. Weisen Sie den Teilnehmer während der Testphase an, eine der beiden Sequenzen auszuwählen, die vertrauter klingen.Die Zielsequenz wird in der Einarbeitungsphase dargestellt. Klaptoo die Foliensequenz wird nicht vorher präsentiert worden sein. Klaptoo In der Tonaufgabe informieren Sie den Teilnehmer, dass er die Alien-Lieblingsnote in seinem Volkslied verfolgen muss.Die Testphase folgt dem gleichen Entwurf wie die Silbe. In der Bildaufgabe, informierte den Teilnehmer, dass sie einen speziellen Alien als gruppe von Aliens Lineup verfolgen müssen, um ein Raumschiff zu betreten. Während der Testphase präsentieren beide Ziele in der Einarbeitungsphase und Foliendrillinge, die dem Teilnehmer nicht zuvor zu zweit gesehen wurden.In der Briefaufgabe informierte der Teilnehmer, dass sie den Überblick über die Aliens Lieblingszeichen zu halten. Als der Alien Schilder für eine Parade hochhält. Damit sich vor allem Kinder in der Scannerpraxis beim MRT-Scannen mit einem Mockscanner wohlfühlen können.Stellen Sie den Teilnehmer dem Mock-Scanner oder der Gehirnkamera und seinem Scan-Kumpel vor. Erklären Sie, dass der Zweck des Scan-Kumpels darin besteht, sie in Gesellschaft zu halten und ihnen zu helfen, wenn sie etwas benötigen. Der Scan-Kumpel wird den Teilnehmer auch sanft daran erinnern, still zu bleiben, wenn zu viel Bewegung von der Kamera erkannt wird.Stellen Sie den Teilnehmer das statistische Lernparadigma vor und lassen Sie ihn einen kurzen Teil der Aufgabe auf einem Computer ausführen. Nachdem Sie die Aufgabe abgeschlossen haben, helfen Sie dem Teilnehmer in den Mock-Scanner und spielen Sie kinderfreundliche Videos ab, um sich an den Ton und das Video zu akklimatisieren. Wenn der Teilnehmer bereit ist, spielen Sie ein paar vorab aufgezeichnete Scanner oder Soundclips ab, um sie auf die Geräusche vorzubereiten, die durch das echte MRT erzeugt werden.Während dieser Zeit, lassen Sie den Teilnehmer üben, still zu bleiben und mit dem Scan-Kumpel zu arbeiten. Wenn der Teilnehmer mit dem Mock-Scanner vertraut ist, bestätigt, dass das FMRI-Datenerfassungsprotokoll auf dem MRT-Erfassungscomputer entsprechend eingerichtet ist. Lassen Sie den Teilnehmer bequem auf dem Bett des MRT-Scanners liegen, mit Kopfhörern, die ihre Ohren vor dem Scannergeräusch und einem Reaktionspad in der Hand schützen.Platzieren Sie zusätzliche Polsterung um den Kopf des Teilnehmers, um eine begrenzte Kopfbewegung während der Datenerfassung zu gewährleisten und dem Teilnehmer die Möglichkeit eines Scan-Buddys zu geben. Geben Sie dem Teilnehmer einen Squeeze Ball, mit dem er benachrichtigt werden kann, wenn er beunruhigt ist oder anhalten muss, und legen Sie die Kopfspule über den Kopf des Teilnehmers. Nachdem Sie den Teilnehmer am Scanbett ausgerichtet haben, registrieren Sie einen neuen Teilnehmer am Erfassungscomputer und wählen Sie das richtige Scanprotokoll aus.Legen Sie das Scanbett und den Teilnehmer in die Bohrung des MRT ein und zeigen Sie dem Teilnehmer einen Film, während Sie einen strukturellen MRT-Scan erwerben. Damit der Teilnehmer eine akustische Aufgabe ausführen kann, verwenden Sie ein Ansprechsystem, das an den Kopfhörer angeschlossen ist, um den Teilnehmer zu informieren. Jetzt werden wir ein Knopfdruckspiel spielen.Sie werden die Aliens hören, Worte sagen und Musik spielen, denken Sie daran, die Taste auf dem Antwort-Pad zu drücken, wenn Sie den Ton hören, den Sie hören. Nachdem Sie die Anweisungen gegeben haben, starten Sie das Paradigma auf dem Präsentationscomputer, um die Erfassung der auditiven statistischen Lerndaten zu ermöglichen. Für eine visuelle Aufgabe informieren Sie den Teilnehmer.Jetzt werden Sie die Bilder der Aliens und die Buchstaben sehen. Immer wenn Sie die Bilder sehen, die Sie suchen, drücken Sie die Taste auf Ihren Antwortpads. Nach der Anweisung starten Sie das Paradigma auf dem Präsentationscomputer, um die visuellen statistischen Lerndaten zu erfassen.Sobald der Teilnehmer das Paradigma abgeschlossen hat, stoppen Sie die MRT, entfernen Sie den Teilnehmer sicher aus dem Inneren des Scanners und entfernen Sie die Kopfspule. In der webbasierten statistischen Lernaufgabe. Die Kinder schnitten unter allen Bedingungen, die auf ein erfolgreiches statistisches Lernen auf Gruppenebene hindeuten, deutlich besser ab als ein Chancenniveau von 0,5.Die mittlere Reaktionszeitneigung war negativ und im Silbezustand deutlich unter Null und im Buchstabenzustand geringfügig signifikant, was auf eine schnellere Beschleunigung der Zielerkennung während der Einarbeitungsphase in den sprachlichen Aufgaben hindeutet. Die mittlere Reaktionszeitneigung war nicht signifikant von Null im Bild oder der Tonbedingung, trotz Desviduzess in den Offline-Messgrößen der Genauigkeit. Hier werden vorläufige FMRI-Ergebnisse auf der Grundlage von Daten von neun sich entwickelnden Schulkindern gezeigt, die auditive und visuell statistische Lernaufgaben absolviert haben.Beim Vergleich strukturierter Blöcke mit zufälligen Blöcken wurden signifikante Cluster in einer Vielzahl von Hirnregionen beobachtet, abhängig vom Stimulustyp. Diese Ergebnisse deuten darauf hin, dass das aktuelle Aufgabendesign empfindlich auf die Erkennung lernbedingter hämodynamischer Veränderungen im Gehirn von Kindern reagiert. Repräsentative Befunde bei Erwachsenen deuten darauf hin, dass die strukturierten Sequenzen durch eine deutlich schnellere Reaktionszeit im strukturierten Zustand erlernbar sind, verglichen mit der Zufallszustände in allen In-Scanner-Aufgaben mit Ausnahme der Tonaufgabe.Wir ermutigen Forscher, andere individuelle Differenzmaßnahmen einzubeziehen, um besser zu verstehen, wie Variabilität und statistisches Lernen zwischen Domänen und Modalitäten mit Prozessen auf höherer Ebene zusammenhängt. Dieses Protokoll ist ein erster Schritt, um zu abarbeiten, wie individuelle Unterschiede im statistischen Lernen sowohl bei der typischen als auch bei der atypischen Entwicklung unterschiedliche Sprachergebnisse berücksichtigen können.

Research

JoVE Journal

Neuroscience

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

Funktionelle Bildgebung mit Ultraschall-Blut-Hirnschranke Störung und Mangan-MRT

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

Forschung

Neurowissenschaften

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

Mapping Kortikale Dynamics Mit Simultaneous MEG / EEG und anatomisch eingeschränkt Minimum-Norm Schätzungen: ein Auditory Achtung Beispiel

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

Bewertung von Morphin-induzierte Hyperalgesie und Schmerztoleranz in Mäuse mit Thermal-und Maschinen Nozizeptive Modalitäten

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

Aufnahme von Aktionspotentialen einzelner Neuronen &quot;sich frei zu bewegen Tauben auf drei Stages of Learning

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

Elektrophysiologische Verfahren zur Aufzeichnung von intrazellulärer Spannung Antworten von<em&gt; Drosophila</em&gt; Fotorezeptoren und Inter auf Lichtreize<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

Microstate und Omega Komplexität Analysen der ruhenden Zustand Elektroenzephalographie

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

Online-transkranielle Magnetstimulation Protokoll zur Messung der kortikalen Physiologie Reaktion Hemmung zugeordnet

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

Eine objektive und reproduzierbare Test der olfaktorischen Lern- und Diskriminierung bei Mäusen

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

Neuroimaging Feldmethoden mit funktionalen in der Nähe von Infrarot-Spektroskopie (NIRS) Neuroimaging, globale Kindesentwicklung zu studieren: ländliche Subsahara-Afrika

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

Studium der Funktion des Gehirns bei Kindern mit Magnetoenzephalographie

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