Name: 如何检测杏仁核活动脑磁图源成像 (视频) | JoVE Journal
Uploaded: 2013-06-03T08:59:00.000+00:00
Duration: 10 min 48 s
Description: 学习使用脑磁图（MEG）源成像技术检测杏仁核活动的方法。本视频展示如何通过痕迹恐惧条件反射范式记录大脑活动，并利用高分辨率MRI和源成像分析皮层下结构的神经信号，为实时研究情绪学习机制提供新途径。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由美国国家心理健康研究所（MH060668 和 MH069558）资助。

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
<ol>
	<li>为两个组设计刺激材料。</li>
	<li>从不同个体中选择4张中性表情图像。</li>
	<li>对齐人脸，使每张面孔的眼睛区域位于相同位置。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>对所有图像进行归一化处理，使其亮度相等。</li>
</ol>
2. 使用 Presentation 软件编程实验
<ol>
	<li>使用 Presentation 软件，根据下述参数编程训练和测试阶段（见图1）。</li>
	<li>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。</li>
	<li>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。</li>
	<li>每次试验中，条件刺激（CS）呈现30毫秒。</li>
	<li>每次试验中，掩蔽刺激呈现970毫秒。</li>
	<li>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。</li>
	<li>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。</li>
	<li>采用可变的试次间间隔，每隔6±2秒呈现一次试次。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>采用可变的试次间间隔，每隔20±4秒呈现一次试次。</li>
	<li>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。</li>
	<li>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）。</li>
</ol>
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）
<ol>
	<li>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）。</li>
	<li>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）。</li>
	<li>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。</li>
	<li>使用设备配套的电缆将电击刺激器（SHK1）连接至 SAM。</li>
	<li>将屏蔽延长电缆穿过波导管，并将其连接至电击刺激器。</li>
	<li>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。</li>
	<li>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）。</li>
	<li>在无受试者在场的情况下记录两分钟的传感器数据。</li>
</ol>
4. 在 MRI 检查室设置测试设备
<ol>
	<li>使用同步电缆将刺激呈现计算机连接到 SAM。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
</ol>
5. 在 MEG 套件中设置受试者进行训练（见图3）
<ol>
	<li>根据图3中的示意图，将电极和传感器连接到受试者身上。</li>
	<li>在受试者右眼上下方粘贴一次性电极，用于监测眨眼活动。</li>
	<li>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。</li>
	<li>在受试者左肩背部粘贴一个一次性电极作为参考电极。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>使用Polhemus系统，标定受试者鼻根点以及左右耳前点的位置。</li>
	<li>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。</li>
	<li>接着，标定受试者HPI线圈的位置。</li>
	<li>最后，沿受试者头皮数字化50至100个点。</li>
	<li>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。</li>
	<li>将一次性电极的导联线插入MEG系统的放大器中。</li>
	<li>将HPI线圈的线缆束插入MEG系统。</li>
	<li>将电刺激电极的导联线插入屏蔽延长电缆中。</li>
	<li>升高座椅，使受试者的头部接触MEG头盔顶部。</li>
	<li>调整屏幕位置，使投影图像清晰对焦。</li>
</ol>
6. 休克评估
<ol>
	<li>将电击强度设定为受试者报告为疼痛但可忍受的水平。</li>
	<li>通过将旋钮从 0 mA 位置转至 5 mA 位置，启动电击刺激器。</li>
	<li>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。</li>
	<li>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。</li>
	<li>逐步增加电击强度，直至受试者评分为 10。</li>
	<li>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。</li>
</ol>
7. 反应装置
<ol>
	<li>使用一个示例呈现场景，指导受试者正确使用拨盘。</li>
	<li>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）。”</li>
</ol>
8. 训练期间记录脑磁图
<ol>
	<li>在受试者睁眼静息状态下，以 2 kHz 采集两分钟原始数据。</li>
	<li>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。</li>
	<li>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。</li>
	<li>在每次训练运行期间，以 2 kHz 采集原始数据。</li>
	<li>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。</li>
	<li>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。</li>
</ol>
9. 在 MRI 检查室为受试者进行测试准备
<ol>
	<li>将受试者从MEG室护送至MRI室。</li>
	<li>重新连接电击电极，并重新校准电击强度。</li>
	<li>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）。</li>
	<li>确保受试者仍清楚如何使用反应装置。</li>
	<li>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。</li>
	<li>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。</li>
</ol>
10. 测试期间记录 fMRI
<ol>
	<li>采集高分辨率解剖图像（SPGR）。</li>
	<li>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 °）。</li>
	<li>测试结束后，让受试者完成一份实验后问卷。</li>
</ol>
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
<ol>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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）。</li>
	<li>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。</li>
</ol>
12. 预处理 MRI 体积数据
<ol>
	<li>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。</li>
	<li>将体积数据和表面数据转换为 AFNI 可读格式。</li>
	<li>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。</li>
	<li>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。
	<ol>
		<li>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。</li>
		<li>生成杏仁核和海马体的模型，并将模型保存为 {structure}.vtk 格式。</li>
		<li>将 .vtk 文件导入 Paraview。</li>
		<li>运行“生成表面法线”（generate surface normals）滤波器。</li>
		<li>导出杏仁核和海马体的表面法线，保存为 {structure}.ply（ascii）文件。</li>
	</ol>
	</li>
	<li>将表面数据和 MRI 体积数据导入 Brainstorm。</li>
	<li>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。</li>
	<li>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）。</li>
	<li>一旦将表面数据导入 Brainstorm，请务必刷新数据库。</li>
	<li>通过识别标记点将 MRI 体积数据配准至标准空间。</li>
	<li>手动对齐头皮表面与 MRI，然后将变换应用于所有其他表面。</li>
	<li>合并两个软脑膜（pial）表面，并将总顶点数减少至 15,000。</li>
	<li>合并两个海马体表面，并将总顶点数减少至 2,000。</li>
	<li>合并两个杏仁核表面，并将总顶点数减少至 1,000。</li>
	<li>合并软脑膜、海马体和杏仁核表面。</li>
	<li>为杏仁核和海马体创建感兴趣区域（scouts）。</li>
</ol>
13. 使用 Brainstorm 预处理脑磁图记录11
<ol>
	<li>在 Brainstorm 数据库中创建新受试者。</li>
	<li>导入每次训练会话的 MEG 记录文件。</li>
	<li>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。</li>
	<li>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。</li>
	<li>检查记录，确保 Brainstorm 正确识别了心跳和眨眼事件。</li>
	<li>检查记录中其他可能的噪声来源。</li>
	<li>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。
	<ol>
		<li>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。</li>
		<li>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。</li>
	</ol>
	</li>
</ol>
14. 使用 Brainstorm 分析诱发电位
<ol>
	<li>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）。</li>
	<li>利用头部标记点优化 MRI 配准。</li>
	<li>根据记录数据计算噪声协方差。</li>
	<li>以大脑皮层为输入，采用重叠球体法计算头部模型。</li>
	<li>使用最小范数估计方法计算源活动10。</li>
	<li>在源空间继续进行分析。</li>
	<li>对单个试次的源数据进行带通滤波（1 Hz 至 20 Hz）。</li>
	<li>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。</li>
	<li>对源数据进行空间平滑（sigma = 5 mm）。</li>
	<li>对多个试次的源数据进行平均。</li>
	<li>将平均结果投影到该实验的默认解剖模板上。</li>
	<li>在不同实验条件下对源数据进行 t 检验。</li>
	<li>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。</li>
	<li>识别显著激活的脑区，并导出每位受试者的激活时间进程。</li>
	<li>计算每位受试者在每个时间点上的均值及均值的标准误。</li>
</ol>
15. 使用 Brainstorm 对感兴趣区域进行时频分解
<ol>
	<li>将各个试验的原始数据投影到该实验的默认解剖结构上。</li>
	<li>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。</li>
	<li>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。</li>
	<li>将得到的时间-频率分解图转换为z分数。</li>
	<li>对每位受试者的多次试验结果得到的图谱进行平均。</li>
	<li>对不同条件下的图谱进行 t 检验。</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/pubmed?term=((Neural+substrates+mediating+human+delay+and+trace+fear+conditioning%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">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/pubmed?term=((The+role+of+awareness+in+delay+and+trace+fear+conditioning+in+humans%5BTitle%5D)+AND+%22Cognitive%2C+Affective%2C+%26+Behavioral+Neuroscience%22%5BJournal%5D)">The role of awareness in delay and trace fear conditioning in humans.</a> Cognitive, Affective, & 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/pubmed?term=((Parallel+acquisition+of+awareness+and+trace+eyeblink+classical+conditioning%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Parallel acquisition of awareness and trace eyeblink classical conditioning.</a> Learning & 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/pubmed?term=((Fear+acquisition+requires+awareness+in+trace+but+not+delay+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">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/pubmed?term=((Conditioning+with+masked+stimuli+affects+the+timecourse+of+skin+conductance+responses%5BTitle%5D)+AND+%22Behavioral+Neuroscience%22%5BJournal%5D)">Conditioning with masked stimuli affects the timecourse of skin conductance responses.</a> Behavioral Neuroscience. 124, 478-489 (2010).</li>
<li>Flykt, A., Esteves, F., Öhman, A., Ohman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Skin+conductance+responses+to+masked+conditioned+stimuli%3A+phylogenetic%2Fontogenetic+factors+versus+direction+of+threat%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat.</a> Biological Psychology. 74, 328-336 (2007).</li>
<li>Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+unconscious+subcortical+origin+of+human+fear%5BTitle%5D)+AND+%22Physiology+%26+Behavior%22%5BJournal%5D)">On the unconscious subcortical origin of human fear.</a> Physiology & Behavior. 92, 180-185 (2007).</li>
<li>Whalen, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Masked+presentations+of+emotional+facial+expressions+modulate+amygdala+activity+without+explicit+knowledge%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">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/pubmed?term=((A+sensor-weighted+overlapping-sphere+head+model+and+exhaustive+head+model+comparison+for+MEG%5BTitle%5D)+AND+%22Physics+in+Medicine+and+Biology%22%5BJournal%5D)">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>Hämäläinen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Medical & Biological Engineering & 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/pubmed?term=((Brainstorm%3A+A+User-Friendly+Application+for+MEG%2FEEG+Analysis%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">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/pubmed?term=((Distinct+and+convergent+visual+processing+of+high+and+low+spatial+frequency+information+in+faces%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">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/pubmed?term=((Activity+in+the+human+amygdala+corresponds+to+early%2C+rather+than+late+period+autonomic+responses+to+a+signal+for+shock%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock.</a> Learning & 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/pubmed?term=((Functional+MRI+of+human+Pavlovian+fear+conditioning%3A+patterns+of+activation+as+a+function+of+learning%5BTitle%5D)+AND+%22Neuroreport%22%5BJournal%5D)">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/pubmed?term=((Classical+conditioning+of+autonomic+fear+responses+is+independent+of+contingency+awareness%5BTitle%5D)+AND+%22Journal+of+Experimental+Psychology+Animal+Behavior+Processes%22%5BJournal%5D)">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/pubmed?term=((Sequence-independent+segmentation+of+magnetic+resonance+images%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">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/pubmed?term=((Suppression+of+interference+and+artifacts+by+the+Signal+Space+Separation+Method%5BTitle%5D)+AND+%22Brain+Topography%22%5BJournal%5D)">Suppression of interference and artifacts by the Signal Space Separation Method.</a> Brain Topography. 16, 269-275 (2004).</li>
<li>Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. 17th International Conference on Biomagnetism Advances in Biomagnetism-Biomag, , (2010).</li>
<li>Reinhard, G., Lachnit, H., König, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+stimulus+processing+in+Pavlovian+pupillary+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">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/pubmed?term=((Differential+conditioning+of+anticipatory+pupillary+dilation+responses+in+humans%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Differential conditioning of anticipatory pupillary dilation responses in humans.</a> Biological Psychology. 60, 51-68 (2002).</li>
</ol>

作者无任何利益冲突需要披露。

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。

<table><tbody><tr><td colspan="4">&lt;强&gt;软件&lt;/strong&gt;</td></tr><tr><td>Matlab</td><td>Mathworks</td><td></td><td>&lt;a href=&quot;http://www.mathworks.com/products/matlab/&quot; 目标=&quot;_blank&quot;&gt;mathworks.com/products/matlab&lt;/a&gt;</td></tr><tr><td>展示</td><td>神经行为系统</td><td></td><td>&lt;a href=&quot;http://www.neurobs.com/&quot; 目标=&quot;_blank&quot;&gt;neurobs.com&lt;/a&gt;</td></tr><tr><td>Psylab</td><td>联系 Precision Instruments</td><td></td><td>&lt;a href=&quot;http://www.psychlab.com/&quot; 目标=&quot;_blank&quot;&gt;psychlab.com&lt;/a&gt;</td></tr><tr><td>AFNI</td><td>NIMH - 科学与统计计算核心</td><td></td><td>&lt;a href=&quot;http://afni.nimh.nih.gov/afni&quot; 目标=&quot;（无内容可翻译）&quot;&gt;afni.nimh.nih.gov/afni&lt;/a&gt;</td></tr><tr><td>Freesurfer</td><td>马丁诺斯生物医学成像中心</td><td></td><td>&lt;a href=&quot;http://surfer.nmr.mgh.harvard.edu/fswiki&quot; 目标=&quot;_blank&quot;&gt;surfer.nmr.mgh.harvard.edu/fswiki&lt;/a&gt;</td></tr><tr><td>MNE</td><td>马丁诺斯生物医学成像中心</td><td></td><td>&lt;a href=&quot;http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php&quot; 目标=&quot;_blank&quot;&gt;nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php&lt;/a&gt;</td></tr><tr><td>头脑风暴</td><td>开源协作</td><td></td><td>&lt;a href=&quot;http://neuroimage.usc.edu/brainstorm/&quot; 目标=&quot;_blank&quot;&gt;neuroimage.usc.edu/brainstorm&lt;/a&gt;</td></tr><tr><td>3D Slicer</td><td>开源协作</td><td></td><td>&lt;a href=&quot;http://www.slicer.org/&quot; 目标=&quot;_blank&quot;&gt;slicer.org&lt;/a&gt;</td></tr><tr><td>ParaView</td><td>Kitware</td><td></td><td>&lt;a href=&quot;http://www.paraview.org/&quot; 目标=&quot;_blank&quot;&gt;paraview.org&lt;/a&gt;</td></tr><tr><td colspan="4">&lt;强&gt;表1. 使用的软件 使用的软件。&lt;/strong&gt;</td></tr><tr><td colspan="4">&lt;强&gt;仪器设备&lt;/strong&gt; </td></tr><tr><td colspan="4">&lt;em&gt;生理监测系统&lt;/em&gt; </td></tr><tr><td>Psylab 独立式监测仪（x2）</td><td>联系 Precision Instruments</td><td>SAM</td><td></td></tr><tr><td>皮肤电导放大器</td><td>联系 Precision Instruments</td><td>SC5</td><td></td></tr><tr><td>电击刺激器（x2）</td><td>联系 Precision Instruments</td><td>SHK1</td><td></td></tr><tr><td colspan="4">&lt;em&gt;附加组分&lt;/em&gt;</td></tr><tr><td>8位同步电缆（x2）</td><td>联系 Precision Instruments</td><td>包含在 SAM 中</td><td></td></tr><tr><td>8位到2位隔离适配器</td><td>N/A</td><td>自定义</td><td></td></tr><tr><td>DB25 带状电缆（x2）</td><td>N/A</td><td>标准</td><td></td></tr><tr><td>屏蔽延长电缆（x3）</td><td>联系 Precision Instruments</td><td>CL41</td><td></td></tr><tr><td>用于皮肤电反应和电刺激的射线透杯状电极（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 colspan="4">&lt;em&gt;反应装置&lt;/em&gt; </td></tr><tr><td>带游戏端口连接器的旋转拨号盘（x2）</td><td>N/A</td><td>自定义</td><td></td></tr><tr><td>游戏端口对游戏端口/BNC 分路器</td><td>N/A</td><td>自定义</td><td></td></tr><tr><td>BNC 电缆</td><td>N/A</td><td>标准</td><td></td></tr><tr><td>游戏端口转USB适配器（x2）</td><td>Rockfire</td><td>RM203U</td><td></td></tr><tr><td colspan="4">&lt;em&gt;MEG 设置的附加组件&lt;/em&gt; </td></tr><tr><td>HPI线圈和线束</td><td>N/A</td><td>自定义</td><td></td></tr><tr><td>HPI 定位系统</td><td>启动</td><td>Polhemus Isotrak</td><td></td></tr><tr><td colspan="4">&lt;强&gt;表2. 使用的设备。&lt;/strong&gt;</td></tr></tbody></table>

如何利用源成像技术通过脑磁图检测杏仁核活动

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

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（&lt; 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*。

通过使用此处所述的方法，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）可以通过源成像*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毫秒的被掩蔽刺激时，通常无法意识到该刺激的呈现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）的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遮蔽的再习得测试，向受试者呈现新的和旧的刺激，从而间接评估其学习效果。5*. 如果受试者能够在训练阶段学习到相应的关联性，则应表现出更大幅度的差异性（CS+ &gt; CS-）对旧刺激的皮肤电反应（SCRs）相较于新刺激更强。当观察受试者重新暴露于CS-UCS关联后测试阶段的试验时，未过滤组中可明显看到这一效应。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会话期间记录脑磁图（MEG）。通过源成像技术处理这些记录，可以从杏仁核等皮层下结构中恢复出MEG信号18*。呈现未滤波面部（N = 9）作为条件刺激（CS）的受试者，其杏仁核反应（图5）和伽马振荡（图6）均强于呈现高通滤波面部（N = 9）的受试者。此外，这些受试者在包括枕部面部区（occipital face area）在内的一组面部处理脑区网络中也表现出更强的反应（图7及补充视频）。
<img src="/files/ftp_upload/50212/50212fig1.jpg" alt="掩蔽试验流程图，显示CS+和CS-阶段在1秒时间间隔内的呈现，以及视觉实验设置。" data-altupdatedat="1787630408000" data-alt="图1"> 
图1. 典型训练过程的示意图。 以伪随机顺序呈现60次CS+和60次CS-，共分为4个区组，每个区组包含15次试验。CS呈现时长为30毫秒，随后立即呈现970毫秒的掩蔽刺激，该掩蔽刺激在CS+试验中与电击无条件刺激（UCS）同时结束。
<img src="/files/ftp_upload/50212/50212fig2.jpg" alt="脑磁图（MEG）实验装置示意图；Elekta Neuromag 系统，数据采集与控制。" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" data-altupdatedat="1787630408000" data-alt="图 2"> 
图 2. 典型条件化实验所用设备的示意图。 该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）施加电刺激作为非条件刺激（UCS），3）使用连接至呈现计算机的轴向设备（旋钮）记录被试对 UCS 的预期程度，以及 4）通过 MEG 采集系统接口将刺激呈现和被试反应与 MEG 记录同步。
<img src="/files/ftp_upload/50212/50212fig3.jpg" alt="人体生理信号示意图；传感器检测HPI线圈、眨眼、心率；前后视图。" fo:content-width="4.5in" fo:src="/files/ftp_upload/50212/50212fig3highres.jpg" data-altupdatedat="1787630408000" data-alt="图3"> 
图3. 显示第5节所述各个传感器及标志点位置的示意图。 带连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解剖结构配准的标志点。紫色点表示用于进一步优化MEG与MRI共配准的数字化头皮点。
<img src="/files/ftp_upload/50212/50212fig4.jpg" alt="预期图形的条件反射分析、皮电反应柱状图；图像滤波比较、测试结果。" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig4highres.jpg" data-altupdatedat="1787630408000" data-alt="图 4"> 
图 4. 典型条件反射研究的行为学结果。左侧图表显示了训练阶段中未滤波组与滤波组合并后的非条件刺激（UCS）预期水平。可见在60次试验中，受试者对条件刺激+（CS+）和条件刺激-（CS-）的UCS预期水平相似（F(1,17) = 2.19；p = 0.16），表明掩蔽程序阻碍了他们对两种CS的辨别能力。右侧图表显示了测试阶段的差异性皮电反应（SCR）。可见未滤波组对旧刺激的差异性SCR明显大于新刺激，而滤波组则无此差异（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），提示训练使未滤波组受试者对CS-UCS关联的再习得效果更佳（*p &lt; 0.05）。
<img src="/files/ftp_upload/50212/50212fig5.jpg" alt="脑部定位图与事件相关电位图；面孔感知加工研究；未滤波与滤波条件的对比。" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg" data-altupdatedat="1787630408000" data-alt="图 5"> 
图 5. 典型条件化实验的脑磁图（MEG）结果。 左侧图像显示用于建模 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 记录数据建模的杏仁核簇的活动情况。浅色线条代表未滤波面孔诱发的活动，深色线条代表滤波面孔诱发的活动。垂直的灰色阴影区域表示未滤波面孔诱发的反应显著大于滤波面孔的时间区间（F(1,17) &gt; 3.44；p &lt; 0.05）。<a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank"> 点击此处查看高清大图</a>。
<img src="/files/ftp_upload/50212/50212fig6.jpg" alt="脑活动分析；时间滤波示意图；fMRI数据可视化；认知功能。" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg" data-altupdatedat="1787630408000" data-alt="图6"> 
 图6. 典型条件化实验中杏仁核的时间-频率分析结果。 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。右侧图表示从杏仁核记录的MEG信号按时间和频率分解的结果。频谱图中暖色区域表示未滤波面孔相比滤波面孔具有显著更高功率的区域，冷色区域则表示相反情况。带有条纹叠加的区域表示组间存在显著差异。<a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank"> 点击此处查看高清大图</a>。
<img src="/files/ftp_upload/50212/50212fig7.jpg" alt="大脑活动图谱；fMRI 分析结果显示了滤波信号与未滤波信号的差异。" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg" data-altupdatedat="1787630408000" data-alt="图 7"> 
图 7. 典型条件化实验中枕部面部区域激活的示意图。 颜色表示在相应偶极子处未滤波 > 滤波 t 检验的强度大小。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。
补充视频。展示典型条件化实验中皮层反应的视频。颜色表示相应偶极子处非滤波图像与滤波图像t检验（Unfiltered &gt; Filtered t-test）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。<a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">点击此处查看补充视频</a>。

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。

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，后者在短暂间隔后呈现……

本实验的总体目标是利用脑磁图（MAGNETOENCEPHALOGRAPHY，MEG）检测学习过程中杏仁核的活动。首先设计一种可激活杏仁核的内隐恐惧学习任务，以实现该目标；第二步是在任务执行过程中使用MEG记录大脑活动。接下来，使用高分辨率的解剖学 MRI 扫描图像识别大脑皮层和杏仁核的表面结构。最后一步是利用皮层和杏仁核的表面结构对 MEJ 信号的神经源进行建模。最终，源成像模型可用于显示学习过程中无意识状态下杏仁核的神经活动。因此，与现有的功能磁共振成像（FMRI）等方法相比，该技术的主要优势在于MEG信号是实时记录的，可用于研究快速或短暂的神经过程。尽管该方法可用于研究杏仁核功能，但它同样适用于研究其他皮层下区域的功能。首先使用标准的DB 25多芯带状电缆将刺激呈现计算机连接到MEG采集系统。接下来，将刺激呈现计算机连接到slab独立显示器或sam。使用八位转两位隔离适配器和同步线缆时，用于标记刺激呈现的晶体管-晶体管逻辑脉冲如果被发送至sam，可能会在MEG数据中引起伪迹。为避免这些伪迹，应仅使用被隔离适配器屏蔽的位来标记刺激的起始时间，如此处所示。然后将刺激器连接到 sam。接下来，将屏蔽延长电缆穿过波导管并连接到刺激器。随后应将 SAM 连接到运行 slab 数据采集软件的计算机。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，将旋转拨盘连接到刺激呈现计算机和 MEG 采集系统。根据此处所示示意图，将电极和传感器连接至受试者。正确设置后，使用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。接下来，沿受试者的头皮数字化采集50至100个点。引导受试者进入MEG系统，并将电极和传感器连接至相应的接口。升高座椅，使受试者的头部接触MEG头盔顶部，并调整屏幕位置，使投影图像清晰对焦。接下来，将刺激强度设定为受试者报告为疼痛但可耐受的水平。最后，通过一个示例演示场景，指导受试者正确使用调节旋钮。首先启动 slab 数据采集软件，以开始记录事件编码和电刺激的传递。训练会话预先编程，包含四个差异性痕迹恐惧条件反射区块，每个区块每种条件、刺激或条件刺激（CS）包含15次试验，如图所示，当一切准备就绪时开始。进行四次训练试验，并以每秒2000个数据点的速率记录原始数据。每次试验期间，实时目视检查数据是否存在系统性噪声来源。每次实验结束后，要求受试者对电击强度进行评分，以评估习惯化程度。完成所有试验后，使用 FreeSurfer 生成皮层下结构的分割体积，以及大脑皮层、外层皮肤和外层颅骨的表面模型。接着，创建杏仁核和海马体的体积，并将其转换为表面模型。使用 Slicer 3 和 ParaView，下一步是在 Brainstorm 数据库中创建一个新被试。将 MRI 体积数据导入 Brainstorm，并通过识别标记点将该体积数据配准至标准空间，导入表面数据，并手动将头皮表面与 MRI 对齐。完成上述步骤后。将此变换应用于所有其他表面。合并皮层、海马和杏仁核表面。最后，为杏仁核和海马创建感兴趣区域。创建后，导入每个训练阶段的MEG记录文件。MEG采集软件使用信号空间分离技术，以消除由磁屏蔽室外源引起的伪迹。务必使用通常位于标记为SSS的文件夹中的干净文件来分析诱发电位响应。首先，使用事件通道识别与每个实验试次相对应的事件片段。利用心电图和眼电图通道中识别出的事件，通过信号空间投影去除由心跳和眼动引起的伪迹。接下来，利用头部标记点优化 MRI 配准。使用皮层输入，通过重叠球面法从记录数据中计算噪声协方差，构建头部模型，并采用最小范数估计方法计算源信号，随后在源空间进行后续分析。接着对单个试验的源信号进行带通滤波。对带通滤波后的源信号取绝对值，根据基线变异性将这些值转换为Z分数，对源信号进行空间平滑，并对各试验的源信号进行平均。将这些平均值投射到该实验的默认解剖结构上。接着，在不同条件下对源空间数据进行 T 检验。使用空间和时间阈值对显著的 T 检验结果进行滤波，以校正整体误差。确定显著激活的脑区，并导出每位受试者每个时间点的激活时间进程。最后，计算每个时间点上跨被试的均值及均值标准误。首先，将个体试验的原始数据投影到该实验的默认解剖结构上。然后，对来自解剖学和功能感兴趣区域的数据进行时频分解。将得到的时间-频率分解图转换为Z分数，并对每个受试者的所有试验结果图进行平均。最后，对不同条件下的图进行T检验。此处显示的是典型条件反射研究的行为学结果。左侧的图表表明，受试者在60次试验中的预期水平相似，提示掩蔽程序阻碍了他们区分条件刺激的能力。右侧的图表显示了测试阶段的差异性反应。请注意，与新刺激相比，未过滤组对旧刺激的反应更大，这表明与过滤组相比，训练能够带来更好的再习得效果。此示例展示了典型条件化实验中的脑磁图（MEG）结果。左侧的 3D 模型显示了杏仁核（橙色）和海马体（绿色）。右侧的图表代表来自杏仁核簇的活动。浅色线条表示由未滤波面孔诱发的活动，而深色线条表示由滤波面孔诱发的活动。该图展示了从杏仁核记录的脑磁图（MEG）信号，按时间和频率进行分解。暖色表示在频谱图中，未滤波面孔相比滤波面孔具有显著更高功率的区域。冷色表示相反的区域，带条纹叠加的区域表示组间存在显著差异。该图显示了枕部面孔区域的激活情况。在典型的条件化实验中，暖色表示对未滤波面孔的反应强于对滤波面孔的反应。按照此步骤进行。其他方法（如相干性分析）也可用于回答与神经通信相关的其他问题。观看本视频后，您应能够充分理解如何利用源成像技术来检测神经反应及皮层下脑结构。

how-to-detect-amygdala-activity-with-magnetoencephalography-using

Research

科研

JoVE Journal

Behavior

行为

如何检测杏仁核活动脑磁图源成像

我们采用脑磁图（MEG）和脑电图（EEG）来绘制参与简单感觉刺激处理的脑区。...

同步 MEG 与 EEG 的功能定位映射

我们采用脑磁图和脑电图（MEG/EEG），结合磁共振成像（MRI）获取的解剖学信息，来绘制与听觉注意相关的皮层网络动态图谱。...

利用同步脑磁图/脑电图与基于解剖约束的最小范数估计绘制皮层动态：以听觉注意为例

来源： Papadelis, C., et al., 利用同步脑磁图与脑电图检测发作间期高频振荡作为儿童癫痫的生物标志物。 J. Vis. Exp. (2016)。...

同步脑电图与脑磁图识别易发生癫痫的脑区

近年来，人们对认知神经科学研究中头皮记录的电活动的皮层源定位越来越感兴趣。本文介绍了在伦敦婴儿实验室如何对2岁及以上儿童进行高密度脑电图（EEG）数据的采集，以及如何处理记录数据以进行皮层源估计。...

儿童高密度脑电图记录的皮层源分析

本视频介绍了在非侵入性条件下，对采用特定局灶性癫痫临床前模型的镇静大鼠进行高分辨率脑电图的制备、记录及源分析操作流程。...

使用高分辨率脑电图记录在局灶性癫痫的临床前大鼠模型中进行脑源成像

高频振荡（HFOs）已作为术前生物标志物，用于识别药物难治性癫痫儿科患者中的致痫区。本文介绍了一种通过同步头皮脑电图（EEG）和脑磁图（MEG）无创记录、检测和定位HFOs的方法学。...

同时采用脑磁图与脑电图检测的发作间期高频振荡作为小儿癫痫的生物标志物

本文介绍了一种脑电图-功能磁共振成像（EEG-fMRI）多模态成像方法，即时空fMRI约束的脑电图源成像方法。该方法采用条件激活的功能磁共振成像子图（或先验信息），以提高脑电图源定位的空间特异性，并减少错误结果。...

同步脑电图与功能磁共振成像记录及整合分析用于动态皮层活动成像

本文介绍如何设置一项实验，以利用脑磁图（MEG）检测物体感知前的源水平影响。内容涵盖刺激材料、实验设计、MEG记录以及数据分析。...

利用脑磁图检测物体感知中刺激前源水平效应

在体微型内窥镜钙成像是一种不可或缺的工具，可实现对自由活动动物神经元活动的实时监测。然而，将该技术应用于杏仁核一直存在困难。本方案旨在为在小鼠中成功利用微型显微镜靶向杏仁核细胞提供一项实用的操作指南。...

在自由活动小鼠杏仁核中使用头戴式微型显微镜成功实现活体钙成像

脑磁图（MEG）与高密度脑电图（HD-EEG）很少被同时记录，尽管二者可提供相互验证且互补的信息。本文展示了同步记录MEG与HD-EEG的实验设置，以及分析这些数据的方法，旨在定位药物难治性癫痫患儿的致痫区和功能重要脑区。...

药物难治性癫痫患儿术前评估中的电磁源成像

学习使用脑磁图（MEG）源成像技术检测杏仁核活动的方法。本视频展示如何通过痕迹恐惧条件反射范式记录大脑活动，并利用高分辨率MRI和源成像分析皮层下结构的神经信号，为实时研究情绪学习机制提供新途径。

如何利用源成像技术通过脑磁图检测杏仁核活动

探索更多视频