如何利用源成像技术通过脑磁图检测杏仁核活动

摘要

本文介绍了如何使用脑磁图（MEG）记录杏仁核活动。此外，本文还将描述如何在无意识状态下进行痕迹性恐惧条件反射实验，该任务可激活杏仁核。内容涵盖三个主题：1）设计一种利用后向掩蔽来调控意识水平的痕迹条件反射范式；2）在实验过程中使用脑磁图记录大脑活动；3）利用源成像技术从皮层下结构中恢复信号。

摘要

在痕迹性恐惧条件反射中，条件刺激（CS）可预测无条件刺激（UCS）的发生，而UCS在短暂的无刺激间隔期（即痕迹间隔）之后呈现¹。由于CS与UCS在时间上并不重叠，因此受试者必须在痕迹间隔期间持续保持对该CS的表征。在人类中，此类学习通常需要意识到刺激之间的关联性，才能跨越这一痕迹间隔^2-4。然而，当以面孔作为CS时，即使受试者并未明确意识到刺激关联，仍可隐式地学会对这一面孔产生恐惧反应*。这表明可能存在其他神经机制，能够维持某些“生物学相关”刺激在短暂痕迹间隔期间的表征。鉴于杏仁核参与痕迹性条件反射，且对面孔刺激敏感，该脑区可能在短暂痕迹间隔期间维持对面孔CS的神经表征。

理解大脑如何将一个未被感知的面孔与厌恶结果关联起来具有挑战性，即使这两个刺激在时间上是分离的。此外，对该现象的研究还面临两个特定的困难。首先，很难操控受试者对视觉刺激的意识状态。一种常用的操控视觉意识的方法是使用后向掩蔽。在后向掩蔽中，目标刺激被短暂呈现（< 30 毫秒），紧接着呈现一个重叠的掩蔽刺激⁵。掩蔽刺激的呈现使目标刺激无法被察觉^6-8。其次，掩蔽需要非常快速且精确的时间控制，这使得利用许多常用方法来研究被掩蔽刺激诱发的神经反应变得困难。基于血氧水平依赖（BOLD）的反应在时间尺度上的分辨率对此类方法而言过于缓慢，而脑电图（EEG）和脑磁图（MEG）等实时记录技术则难以从深层脑区恢复信号。

然而，近年来在定位 MEG 信号神经源的方法上已取得最新进展^9-11。通过采集受试者大脑的高分辨率 MRI 图像，可以基于个体的神经解剖结构建立源模型。利用该模型对 MEG 信号的来源进行“成像”，能够重建来自杏仁核和海马体等深部皮层下结构的信号*。

方案

使用逆向掩蔽阻断意识的痕迹条件化范式设计

1. 设计刺激材料

1. 为两个组设计刺激材料。
2. 从不同个体中选择4张中性表情图像。
3. 对齐人脸，使每张面孔的眼睛区域位于相同位置。
4. 使用椭圆形裁剪人脸图像，使头发、耳朵和其他外围特征不再可见。
5. 使用Matlab中的信号处理工具箱（运行实验所需软件见表1），通过去除每度小于5个周期的所有信息，生成高通滤波图像¹²。
6. 通过合并多个中性表情图像，并向图像添加高空间频率噪声，生成掩模。
7. 对所有图像进行归一化处理，使其亮度相等。

2. 使用 Presentation 软件编程实验

1. 使用 Presentation 软件，根据下述参数编程训练和测试阶段（见图1）。
2. 此外，编程一个独立文件（PCC），供 PSYLAB 数据采集软件包在训练和测试期间使用，以传递由 Presentation 触发的电击。
3. 在训练阶段，设置4个区组的差异性痕迹恐惧条件化程序，每个条件刺激（CS）每区组15次试验。
4. 每次试验中，条件刺激（CS）呈现30毫秒。
5. 每次试验中，掩蔽刺激呈现970毫秒。
6. 在每个CS+试验中，呈现无条件刺激（UCS）电击100毫秒，使其与掩蔽刺激同时结束。
7. 随机改变CS/掩蔽刺激组合的呈现位置，使其在四个象限中的任意一个随机出现。
8. 采用可变的试次间间隔，每隔6±2秒呈现一次试次。
9. 在测试阶段，设置1个再习得区组，包含每种面孔条件刺激（CS）5次试验，以及两种新面孔条件刺激各5次试验。
10. 为了最大程度地记录测试试次期间的皮肤电导反应（SCRs），将条件刺激（CS）呈现时间设为8秒。
11. 在每个CS+试次中，呈现无条件刺激（UCS）电击100毫秒，使其与CS+同时结束。
12. 采用可变的试次间间隔，每隔20±4秒呈现一次试次。
13. 要求被试在两个阶段均报告对无条件刺激（UCS）的预期程度，并使用与MRI/MEG兼容的轴向输入设备（操纵杆、滑块、旋钮；见第7节）记录其反应。
14. 在测试阶段，通过连接在被试左脚底部的电极记录皮肤电导反应（SCRs）（见第9节）。

使用脑磁图在任务期间记录脑活动

3. 在 MEG 套件中设置训练设备（见图 2）

1. 使用标准的 DB25 多芯带状电缆将刺激呈现计算机连接到 MEG 采集系统（进行实验所需的设备见表 2）。
2. 使用 8 位转 2 位隔离适配器和同步电缆，将刺激呈现计算机连接到 PSYLAB 独立显示器（SAM）。
3. 用于标记刺激呈现的晶体管-晶体管逻辑（TTL）脉冲如果发送至 SAM，可能会在 MEG 数据中引起伪迹。为避免此类伪迹，应仅使用被隔离适配器屏蔽的位来标记刺激的起始时间。
4. 使用设备配套的电缆将电击刺激器（SHK1）连接至 SAM。
5. 将屏蔽延长电缆穿过波导管，并将其连接至电击刺激器。
6. 使用标准 USB 电缆将 SAM 连接到运行 PSYLAB 数据采集软件的计算机。
7. 使用游戏端口转游戏端口/BNC 分路器和游戏端口转 USB 适配器，将旋钮转盘连接至刺激呈现计算机（USB）和 MEG 采集系统（BNC）。
8. 在无受试者在场的情况下记录两分钟的传感器数据。

4. 在 MRI 检查室设置测试设备

1. 使用同步电缆将刺激呈现计算机连接到 SAM。
2. 使用设备附带的电缆将电击刺激器（SHK1）和皮肤电导放大器（SC5）连接到 SAM。
3. 将屏蔽式 SCR 和电击延长电缆穿过波导管，并将其连接至相应的设备单元。
4. 使用标准 USB 电缆将 SAM 连接到运行 PSYLAB 数据采集软件的计算机。
5. 使用游戏端口转 USB 适配器将旋钮控制器连接到刺激呈现计算机。

5. 在 MEG 套件中设置受试者进行训练（见图3）

1. 根据图3中的示意图，将电极和传感器连接到受试者身上。
2. 在受试者右眼上下方粘贴一次性电极，用于监测眨眼活动。
3. 在受试者左侧心脏下方以及右侧锁骨下方胸部位置粘贴一次性电极，用于监测心率。
4. 在受试者左肩背部粘贴一个一次性电极作为参考电极。
5. 在受试者右腿内踝上方的胫神经处放置两个杯状电极，用于施加电刺激。
6. 在受试者头部放置4个头部位置指示线圈（HPI线圈），每只眼睛上方各一个，每侧耳后各一个。
7. 利用解剖标记点，对受试者头部相对于HPI线圈的位置进行数字化处理。
8. 使用Polhemus系统，标定受试者鼻根点以及左右耳前点的位置。
9. 根据标记点对受试者头部的数字化位置进行对齐，确保各点对称。
10. 接着，标定受试者HPI线圈的位置。
11. 最后，沿受试者头皮数字化50至100个点。
12. 引导受试者进入脑磁图（MEG）系统，并将电极和传感器连接至相应的接口。
13. 将一次性电极的导联线插入MEG系统的放大器中。
14. 将HPI线圈的线缆束插入MEG系统。
15. 将电刺激电极的导联线插入屏蔽延长电缆中。
16. 升高座椅，使受试者的头部接触MEG头盔顶部。
17. 调整屏幕位置，使投影图像清晰对焦。

6. 休克评估

1. 将电击强度设定为受试者报告为疼痛但可忍受的水平。
2. 通过将旋钮从 0 mA 位置转至 5 mA 位置，启动电击刺激器。
3. 使用 PSYLAB 数据采集软件包中的刺激控制窗口，向受试者施加数次电击刺激。
4. 每次刺激后，要求受试者根据 0（完全不痛）到 10（疼痛但可忍受）的量表对电击强度进行评分。
5. 逐步增加电击强度，直至受试者评分为 10。
6. 将该评分值记录在受试者信息窗口的参数值框中；实验过程中将按照此框中指定的数值施加电击。

7. 反应装置

1. 使用一个示例呈现场景，指导受试者正确使用拨盘。
2. 指导语：“如果您完全确定在不久的将来会接收到刺激呈现，请将光标完全移至右侧（100）；如果您确定在不久的将来不会接收到刺激呈现，请将光标完全移至左侧（0）；如果您不确定在不久的将来是否会接收到刺激呈现，请将光标移至中间位置（50）。”

8. 训练期间记录脑磁图

1. 在受试者睁眼静息状态下，以 2 kHz 采集两分钟原始数据。
2. 在训练开始前，使用 PSYLAB 数据采集软件记录事件编码和电击传递。
3. 确保 PSYLAB 正在运行正确的 PCC 代码，以便在计算机触发时发送电击。
4. 在每次训练运行期间，以 2 kHz 采集原始数据。
5. 记录在线平均值，以便实时目视检查数据中是否存在系统性噪声来源。
6. 每次运行结束后，要求受试者对电击强度进行评分，以评估习惯化情况。

9. 在 MRI 检查室为受试者进行测试准备

1. 将受试者从MEG室护送至MRI室。
2. 重新连接电击电极，并重新校准电击强度。
3. 在受试者左脚底部贴上两个杯状电极，用于监测皮肤电反应（SCRs）。
4. 确保受试者仍清楚如何使用反应装置。
5. 将受试者安置在MRI检查床上，固定其头部，并将皮肤电反应和电击电极的导线连接至相应的屏蔽电缆。
6. 调整头线圈上附带的镜子位置，使受试者能够看到位于头线圈后方的屏幕。

10. 测试期间记录 fMRI

1. 采集高分辨率解剖图像（SPGR）。
2. 在测试过程中使用标准成像参数记录血氧水平依赖性反应（TR = 2 sec；TE = 25 msec；视野 = 24 cm；翻转角 = 90 °）。
3. 测试结束后，让受试者完成一份实验后问卷。

利用源成像技术从皮层下结构中恢复信号。

11. 分析行为学与fMRI数据

1. 使用非条件刺激预期值（UCS expectancy）来判断受试者是否能够区分不同刺激。
2. 对每次试验中900毫秒的痕迹间隔期及此前900毫秒的基线期的UCS预期值数据进行平均。
3. 用痕迹间隔期的数值减去基线期的数值，以确定刺激呈现后受试者如何调节旋钮。
4. 在所有受试者中，对条件刺激类型（CS type）和试验次数进行重复测量方差分析（repeated measures ANOVA）。
5. 采用已发表的标准^5,13-15分析测试阶段的行为学和功能性磁共振成像（fMRI）数据。

12. 预处理 MRI 体积数据

1. 使用 Freesurfer¹⁶ 创建分割的皮下体积，以及皮层、外层皮肤和外层颅骨的表面。
2. 将体积数据和表面数据转换为 AFNI 可读格式。
3. 运行 importsurfaces.csh —— 首次运行该程序时，会将所需的所有文件复制到每个被试分割文件夹中的新“MODEL”文件夹中。同时会生成一个 'importsurface.mrml' 文件，用于创建杏仁核和海马体的表面模型。
4. 使用 Slicer3 和 Paraview 将杏仁核和海马体的体积数据创建并转换为表面模型。
   1. 从被试的“MODEL”目录中运行 Slicer3 的 importsurface.mrml 文件。这会将表面和体积数据加载到 3dslicer 中。
   2. 生成杏仁核和海马体的模型，并将模型保存为 {structure}.vtk 格式。
   3. 将 .vtk 文件导入 Paraview。
   4. 运行“生成表面法线”（generate surface normals）滤波器。
   5. 导出杏仁核和海马体的表面法线，保存为 {structure}.ply（ascii）文件。
5. 将表面数据和 MRI 体积数据导入 Brainstorm。
6. 再次运行 importsurfaces.csh —— 这会将表面数据转换为 MATLAB 可读的文件格式，并将所有 tess_{structure}.mat 文件复制到 Brainstorm 数据库目录中。
7. 在将 tess_{structure}.mat 文件复制到 Brainstorm 文件夹之前，请确保已在 Brainstorm 中创建了该被试（参见步骤 14.1）。
8. 一旦将表面数据导入 Brainstorm，请务必刷新数据库。
9. 通过识别标记点将 MRI 体积数据配准至标准空间。
10. 手动对齐头皮表面与 MRI，然后将变换应用于所有其他表面。
11. 合并两个软脑膜（pial）表面，并将总顶点数减少至 15,000。
12. 合并两个海马体表面，并将总顶点数减少至 2,000。
13. 合并两个杏仁核表面，并将总顶点数减少至 1,000。
14. 合并软脑膜、海马体和杏仁核表面。
15. 为杏仁核和海马体创建感兴趣区域（scouts）。

13. 使用 Brainstorm 预处理脑磁图记录¹¹

1. 在 Brainstorm 数据库中创建新受试者。
2. 导入每次训练会话的 MEG 记录文件。
3. 使用信号空间分离法去除由磁屏蔽室（MSR）外部来源引起的伪迹¹⁷。
4. 通过心电图（ECG）和眼电图（EOG）通道上识别的事件，利用信号空间投影去除由心跳和眼动引起的伪迹。
5. 检查记录，确保 Brainstorm 正确识别了心跳和眨眼事件。
6. 检查记录中其他可能的噪声来源。
7. 检查由在线平均生成的诱发电位数据，排查系统性伪迹来源。
   1. 注意：用于标记刺激开始的 TTL 脉冲如果发送至 PSYLAB SAM 单元，可能在记录中引起伪迹。
   2. 仅将用于施加电击所需的 TTL 脉冲发送至 SAM 单元，并使用 8 位转 2 位隔离适配器将该单元与其余脉冲隔离。

14. 使用 Brainstorm 分析诱发电位

1. 使用事件通道识别与每个实验试次相对应的时间段（-200 毫秒至 900 毫秒）。
2. 利用头部标记点优化 MRI 配准。
3. 根据记录数据计算噪声协方差。
4. 以大脑皮层为输入，采用重叠球体法计算头部模型。
5. 使用最小范数估计方法计算源活动¹⁰。
6. 在源空间继续进行分析。
7. 对单个试次的源数据进行带通滤波（1 Hz 至 20 Hz）。
8. 取带通滤波后源数据的绝对值，并基于基线变异性将这些值转换为 z 分数。
9. 对源数据进行空间平滑（sigma = 5 mm）。
10. 对多个试次的源数据进行平均。
11. 将平均结果投影到该实验的默认解剖模板上。
12. 在不同实验条件下对源数据进行 t 检验。
13. 使用空间和时间阈值对显著的 t 检验结果进行滤波，以校正簇-wise 误差。
14. 识别显著激活的脑区，并导出每位受试者的激活时间进程。
15. 计算每位受试者在每个时间点上的均值及均值的标准误。

15. 使用 Brainstorm 对感兴趣区域进行时频分解

1. 将各个试验的原始数据投影到该实验的默认解剖结构上。
2. 从诱发电位分析或解剖-功能分析中识别并创建感兴趣区域 先验的 假设。
3. 使用标准参数（中心频率 = 1 Hz；时间分辨率 [FWHM] = 3 秒；频率范围 = 10:90 Hz；频率分辨率 = 1 Hz），对每个试验中来自感兴趣区域（ROI）的数据进行时频分解计算。
4. 将得到的时间-频率分解图转换为z分数。
5. 对每位受试者的多次试验结果得到的图谱进行平均。
6. 对不同条件下的图谱进行 t 检验。

结果

采用此处所述方法，我们的研究得出了两个主要发现：1）在痕迹条件反射过程中，可以操控受试者对视觉条件刺激（CS）的意识知觉，但仍能观察到学习存在的证据。2）通过源成像*技术，能够从杏仁核中成功提取脑磁图（MEG）信号。

在第2节中，我们描述了如何通过后向掩蔽来操控对视觉条件刺激（CS）的意识。当受试者暴露于一个显示时间约为30毫秒的掩蔽刺激时，通常无法察觉该刺激的呈现^5,6,8*。验证此种操控是否成功的一种方法是测量受试者预测非条件刺激（UCS）出现的能力。如果掩蔽操控成功，受试者应无法根据条件刺激（CS）类型准确预测非条件刺激（UCS）的出现（见图4）。

尽管此类训练的时间安排使得在训练过程中直接测量学习效果较为困难，但可以通过在训练后进行一次无掩蔽的再习得测试，使用新的和原有的刺激材料，间接地测量学习效果。⁵*. 如果受试者能够在训练阶段学习到刺激与结果之间的关联性，他们应表现出更大幅度的差异性（CS+ > CS-）对旧刺激的皮肤电反应（SCRs）相较于新刺激更强。当我们在测试阶段观察受试者重新暴露于CS-UCS关联后，未过滤组中这一效应尤为明显。即 试验 2-5；参见 图 4).

在第8节中，我们描述了如何在掩蔽痕迹条件反射实验期间记录脑磁图（MEG）。通过源成像技术处理这些记录数据，可以从杏仁核等皮层下结构中恢复出MEG信号¹⁸*。与观看高通滤波面孔（N = 9）的受试者相比，观看未滤波面孔（N = 9）的受试者表现出更强的杏仁核反应（图5）和伽马振荡（图6）。此外，这些受试者在包括枕叶面孔区在内的面孔加工脑网络区域中也表现出更强的反应（图7及补充视频）。

图 1. 典型训练会话的示意图。 以伪随机顺序呈现 CS+ 刺激 60 次和 CS- 刺激 60 次，共分为 4 个区组，每个区组包含 15 次试验。CS 刺激呈现时间为 30 毫秒，随后立即呈现 970 毫秒的掩蔽刺激，该掩蔽刺激在 CS+ 试验中与电击 UCS 同时结束。

图2. 典型条件化实验中所用设备的示意图。 该实验装置可实现以下功能：1）通过 Presentation 软件呈现视觉刺激，2）通过 Psylab 硬件（SAM）施加电刺激非条件刺激（UCS），3）使用连接至呈现计算机的轴向装置（旋钮）记录被试对 UCS 的预期，以及 4）通过 MEG 采集系统接口同步刺激呈现、被试反应与 MEG 记录。

图3. 显示第5节中描述的各个传感器和标记点位置的示意图。 带有引线的圆点对应标注的传感器和导联。蓝色箭头表示用于将MEG记录与MRI解剖图像配准的标记点。紫色点表示数字化的头皮点，用于进一步优化MEG与MRI的共配准。

图4. 典型条件化研究中的行为结果。 左侧图表显示了训练阶段中未滤波组和滤波组合并后的非条件刺激（UCS）预期水平。请注意，在60次试验中，受试者对条件刺激+（CS+）和条件刺激-（CS-）表现出相似的UCS预期水平，表明掩蔽程序阻碍了他们对两种条件刺激的辨别能力（F(1,17) = 2.19；p = 0.16）。右侧图表显示了测试阶段的差异性皮肤电反应（SCR）。可见未滤波组对旧刺激的差异性SCR大于新刺激，而滤波组则无此现象（未滤波组新/旧 × CS+/CS- 交互作用：F(1,7) = 5.94；p = 0.045；滤波组新/旧 × CS+/CS- 交互作用：F(1,7) = 1.13；p = 0.32），表明训练使这些受试者对CS-UCS关联的再习得效果更好。（*p < 0.05）

图 5. 典型条件化实验中的脑磁图（MEG）结果。 左侧图像显示了用于建模 MEG 信号源的杏仁核（橙色）、海马体（绿色）和大脑皮层的三维模型。右侧图表表示根据 MEG 记录数据建模得到的一个杏仁核簇的活动情况。浅色线条代表未滤波面孔所诱发的脑活动，深色线条代表滤波面孔所诱发的脑活动。垂直的灰色阴影区域表示未滤波面孔诱发的反应显著强于滤波面孔的时间段（F(1,17) > 3.44；p < 0.05）。 点击此处查看高清大图。

图 6. 典型条件化实验中杏仁核的时间-频率结果。 左侧图像显示用于建模MEG信号源的杏仁核（橙色）、海马（绿色）和大脑皮层的三维模型。右侧图表示按时间和频率分解的杏仁核MEG信号记录结果。频谱图中暖色区域表示未滤波面孔刺激引起的信号功率显著高于滤波面孔刺激的区域；冷色区域表示相反情况。带有条纹叠加的区域表示组间存在显著差异。 点击此处查看高清大图。

图7. 典型条件化实验中枕部面孔区激活情况示意图。 颜色表示相应偶极子处非滤波图像 > 滤波图像t检验的强度大小。暖色表示对非滤波面孔的反应强于对滤波面孔的反应；冷色表示对滤波面孔的反应强于对非滤波面孔的反应。

补充视频。 一段展示典型条件反射实验中皮层反应的视频。颜色表示相应偶极子处未滤波 > 滤波 t 检验的显著性强度。暖色表示对未滤波面孔的反应强于对滤波面孔的反应；冷色表示对滤波面孔的反应强于对未滤波面孔的反应。点击此处查看补充视频。

讨论

本文中，我们描述了两种方法：1）在痕迹恐惧条件反射范式中操纵受试者对目标条件刺激（CS）的意识水平；2）在无意识状态下的痕迹恐惧条件反射过程中，从杏仁核恢复脑磁图（MEG）信号。利用这些方法，我们能够证明当面孔被用来预测非条件刺激（UCS）时，无需意识参与的痕迹条件反射是可能实现的。该结果表明，即使在低于知觉检测阈值的情况下呈现，面孔仍会受到特殊加工。与此结论一致，我们发现宽谱面孔在痕迹间隔期间诱发了强烈的杏仁核反应以及伽马振荡的爆发。这一结果提示，杏仁核能够在短暂的痕迹间隔期间维持对面孔条件刺激（CS）的表征。

尽管这两种方法一并呈现，但它们也可以独立使用。例如，可以在其他范式中使用后向掩蔽来操控目标可见性，其中行为可能受到意识下水平处理的情绪线索的影响^5,6,8*。此外，通过此处描述的源成像方法，可以创建其他皮层下结构的三维模型，并且有可能在其他特定区域任务期间从这些结构中恢复信号。例如，通过使用源成像对海马体活动进行建模，有可能在空间导航等任务期间从海马体源中恢复脑磁图（MEG）信号。

本文所述方法的设计基于两个目标：1）阻断受试者对目标刺激的意识感知；2）最大化利用脑磁图（MEG）检测刺激诱发的杏仁核反应的能力。这些设计限制使得测量受试者对刺激关联性的内隐知识变得困难。例如，皮肤电反应（SCR）需要数秒钟才能完成消退过程^5,13；然而，在训练过程中，条件刺激（CS）仅呈现约30毫秒，而电击则在稍后不久（约900毫秒）呈现。鉴于这些时间限制，条件反应（CR）的表达在训练期间不可避免地会与无条件反应（UCR）的表达相互混淆。由于这种共线性，有必要通过后续的无遮蔽测试阶段来检验受试者对刺激关联性的认知。然而，在实验结束时进行测试阶段并非最佳选择，因为皮肤电反应在整个实验过程中 tends to 产生习惯化现象¹。考虑到需要大量试验才能通过MEG获得可靠的诱发反应，这种皮肤电反应的习惯化将显著降低检测训练行为效应的统计效能。未来的研究应致力于寻找更优的方法，以在使用遮蔽条件刺激进行恐惧条件反射时，有效评估内隐学习过程。这可以通过在训练期间采用其他恐惧指标（例如瞳孔扩张^19,20），或开发一种在训练后可施用的更敏感的恐惧测量方法来实现。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
<强>软件
Matlab	Mathworks		mathworks.com/products/matlab
展示	神经行为系统		neurobs.com
Psylab	联系 Precision Instruments		psychlab.com
AFNI	NIMH - 科学与统计计算核心		afni.nimh.nih.gov/afni
Freesurfer	马丁诺斯生物医学成像中心		surfer.nmr.mgh.harvard.edu/fswiki
MNE	马丁诺斯生物医学成像中心		nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php
头脑风暴	开源协作		neuroimage.usc.edu/brainstorm
3D Slicer	开源协作		slicer.org
ParaView	Kitware		paraview.org
<强>表1. 使用的软件 使用的软件。
<强>仪器设备
生理监测系统
Psylab 独立式监测仪（x2）	联系 Precision Instruments	SAM
皮肤电导放大器	联系 Precision Instruments	SC5
电击刺激器（x2）	联系 Precision Instruments	SHK1
附加组分
8位同步电缆（x2）	联系 Precision Instruments	包含在 SAM 中
8位到2位隔离适配器	N/A	自定义
DB25 带状电缆（x2）	N/A	标准
屏蔽延长电缆（x3）	联系 Precision Instruments	CL41
用于皮肤电反应和电刺激的射线透杯状电极（x6）	Biopac	EL258-RT
Signa Gel	Parker Laboratories	15-250
反应装置
带游戏端口连接器的旋转拨号盘（x2）	N/A	自定义
游戏端口对游戏端口/BNC 分路器	N/A	自定义
BNC 电缆	N/A	标准
游戏端口转USB适配器（x2）	Rockfire	RM203U
MEG 设置的附加组件
HPI线圈和线束	N/A	自定义
HPI 定位系统	启动	Polhemus Isotrak
<强>表2. 使用的设备。