Methodenartikel

Infant Auditive Verarbeitungs- und Veranstaltungsbezogene Gehirn Schwingungen

DOI:

10.3791/52420

⸱

1. Juli 2015

 ,  ,  ,  , 
1Center for Molecular & Behavioral Neuroscience, Rutgers University, State University of New Jersey, Newark, 2Department of Audiology, University of the Pacific, 3Department of Otolaryngology, Head & Neck Surgery, Stanford University

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Elektroenzephalographie (dEEG) mit hoher Dichte wird zunehmend verwendet, um die Entwicklung und Plastizität des Gehirns in den frühen Lebensjahren zu untersuchen. Hier stellen wir eine Anwendung ausgefeilter Analysetechniken vor, die auf traditioneller EEG-Aufzeichnung aufbauen, um die oszillatorische Dynamik der schnellen auditiven Verarbeitung im Gehirn von Säuglingen zu verstehen.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Schnelle auditiven Verarbeitung und akustische Änderungserkennung Fähigkeiten spielen eine entscheidende Rolle in so menschliche Säuglinge, um effizient die feine spektrale und zeitliche Veränderungen, die charakteristisch für die menschliche Sprache sind zu verarbeiten. Diese Fähigkeiten bilden die Grundlage für eine effektive Spracherwerb; so Säuglinge an den Klängen von ihrer Muttersprache zu schärfen. Invasive Verfahren bei Tieren und die Kopfhaut aufgezeichneten Potenziale von erwachsenen Menschen legen nahe, dass die gleichzeitige, rhythmische Aktivität (Schwingungen) zwischen und in den Hirnregionen sind von grundlegender Bedeutung, um sensorische Entwicklung; Bestimmung der Auflösung, mit der eingehende Stimuli analysiert werden. Zu dieser Zeit ist wenig über Schwingungsdynamik in der menschlichen Entwicklung des Kindes bekannt. , Neurophysiologie und Tier Erwachsenen EEG-Daten bieten jedoch die Grundlage für eine starke Hypothese, die eine schnelle auditiven Verarbeitung bei Säuglingen durch oszillierende Synchronität in diskreten Frequenzbändern vermittelt. Um diese, 128-Kanal, High-densi untersuchenty EEG Reaktionen von 4-Monate alten Säugling bis zum Frequenzwechsel in Tonpaare, in zwei Ratenbedingungen (Rapid: 70 ms ISI and Control: 300 ms ISI) vorgestellt wurden untersucht. Um das Frequenzband und das Ausmaß der Aktivität zu bestimmen, akustisch evozierten Reaktion Durchschnittswerte waren mit altersgerechten Gehirn Vorlagen ersten Co-registriert. Anschließend wurden die Hauptkomponenten der Antwort identifiziert und lokalisiert unter Verwendung eines Zwei Dipolmodell der Hirnaktivität. Single-Studie Analyse der Schwingungskraft zeigte eine robuste Index der Frequenzänderungsverarbeitung in Ausbrüche von Theta-Band (3-8 Hz) Aktivität in der rechten und linken auditorischen Kortex, mit links Aktivierung noch ausgeprägter in der Rapid-Zustand. Diese Verfahren wurden Daten, die nicht nur einige der ersten berichteten evozierte Schwingungen analysiert bei Kleinkindern, aber auch produzierte, wichtiger ist, das Produkt einer etablierten Methode der Erfassung und Analyse sauber, sorgfältig gesammelt, Säugling EEG und ERP. In diesem Artikel beschreiben wir unsere Methode zur infant EEG net-Anwendung, Aufnahme, dynamische Gehirnganganalyse und repräsentative Ergebnisse.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

In einem breiten Spektrum von Entwicklungsstörungen, wird immer deutlicher, dass der Schlüssel zur Früherkennung und letztlich Sanierung liegt im Verständnis der Mechanismen, die früh ins Spiel kommen, da die sich entwickelnde Gehirn baut funktionalen Netzwerke. Somit gibt es für das Verständnis der zeitlichen Dynamik der neuronalen Muster, die Auswirkungen Kognition erhöhtes Interesse. Insbesondere spezifische kognitive Funktionen differentiell Oszillationen in bestimmten Frequenzbändern (zB zyklische Schwankungen Einzelzelle oder Population von Membranpotentialen) 1 korreliert werden. Frühere Studien haben festgestellt, dass Schwingungsdynamik spielen eine entscheidende Rolle in der aktivitätsabhängige Selbstorganisation der Entwicklung von Netzwerken 2-4, kontrollieren die neuronale Erregbarkeit 5,6 und Integration sensorischer Eingänge 7,8. Oszillatorischen Aktivität im Gehirn sind gedacht metabolisch vorteilhaft 9,10 zu sein, wodurch die Effizienz der avariety der sensorischen Verarbeitung Funktionen und die Koordination der übergeordneten Funktionen wie Kognition und Sprache. Allerdings hat systematische Untersuchung der Rolle der neuronalen Synchronisation über Alter und Verbindungen mit Verhaltensergebnisse in menschlichen Säuglingen noch nicht erreicht werden. Ein wichtiger Schritt in Richtung auf dieses Ziel ist es, ein tieferes Verständnis für die Entstehung und Reifung der zeitlichen Dynamik und Schwingungs Mechanismen, die die Entwicklung der kognitiven Prozesse, einschließlich der sprachlichen Frühförderung zu erreichen.

Eine entscheidende Komponente der Sprachentwicklung ist die Fähigkeit, genau zu verarbeiten und zu kategorisieren, die sich schnell ändern, akustischen Signalen: häufig in der Größenordnung von weniger als zehn Millisekunden. Zum Beispiel können die akustische Dynamik der Worte "Vater" und "schlechte" unterscheiden sich akustisch nur in den ersten 40 ms der Silbe, aber die beiden haben sehr unterschiedliche Bedeutungen und Assoziationen. Frühere Studien zeigen eine Reifungsflugbahn receptive Fähigkeit zur akustischen und sprachliche Unterschiede. Bereits im Alter von 2 Monaten, Säuglinge zeigen die Fähigkeit, schnelle Frequenzänderungen zu unterscheiden (zB <100 ms); was darauf hindeutet, dass die "Hardware" zur Erfassung der Differenz zwischen zwei akustisch ähnliche Silben vorhanden ist. In den nächsten Monaten können Babys immer kleinere Unterschiede zu unterscheiden, zu entwickeln kategoriale Wahrnehmung und zeigen kortikale Spezialisierung für Klänge der Muttersprache Silben 11-14. Da komplexe Klangwahrnehmung beruht auf der Funktion der Basisverarbeitungsmechanismen, wird angenommen, dass Defizite in der Fähigkeit, sich schnell verändernden akustischen Unterschiede wahrnehmen - selbst für einfache Geräusche wie Töne - können Frühindikatoren 15 der späteren Sprachentwicklungsstörung sein.

Frühere Arbeiten von Choudhury und Benasich in diesem Labor unterstützt diese Hypothese, die zeigen, dass ein Kind die Fähigkeit, sehr zu verarbeitenschnelle Veränderungen in einfache Laute (zB Töne) ist der 3- und 4-Jahres-Sprache und kognitive Fähigkeiten 16,17 vorherzusagen. Diese Daten bestätigen, dass die Hirnaktivität von Pre-lingual Kleinkinder können einen quantifizierbaren Indikator der auditiven Verarbeitung und Entwicklungsfortschritte zu schaffen. Das Studium und die hier vorgestellten Methoden Sonde Schlüsselaspekte der zugrunde liegende Mechanismus dieser Beziehung. Mehrere Forschungslinien nun an, daß die Spitzen Latenz und Amplitude der ERP-Wellen aus der Summierung spectrotemporal Dynamik im EEG Schwingungen mehrerer Generatoren 18-23 auftreten. Spectrotemporal Analyse erlaubt auch die Trennung von Phase und Leistungsinformationen. Phasenregelaktivität spiegelt die Bestandteile der neuronalen Reaktion, die durch den Stimulus hervorgerufen wird. Dieser Informationstyp ist ähnlich zu dem, was aus dem ERP extrahiert werden, da Reaktionen sind relativ zu einer zeit gesperrtes Ereignis gemittelt. Jedoch kann die Zeitsteuerung von einigen neuronalen Aktivität von Versuch zu Versuch variieren. Im ERP-Analyse, this-Aktivität "ausgemittelt"; aber in der Analyse von Leistungsänderungen von Versuch zu Versuch, können diese Informationen gewonnen und analysiert werden. Daher kann spectrotemporal Analyse der Phase und Strom zusätzliche Informationen über das neuronale Antwort, bezogen auf die herkömmlichen ERP geben. Betreffend die Entwicklung des Kindes gibt es beträchtliche Beweise, dass Schwingungen tragen zur Entwicklung von neuronalen Schaltungen in Tiermodellen 2,3 Diese Mechanismen beginnen erst in der menschlichen Population untersucht werden. Arbeit von diesem Labor hat gezeigt, Theta und gamma oszillierende korreliert der Muttersprache Spezialisierung auf 6 Monate 24. Dies unterstreicht die Funktionalität der Schwingungs Hierarchien in Kinderschuhen.

Die globale Hypothese auf der Grundlage der Hinweise oben dargestellten ist, dass synchron der evozierten Schwingungen auditorischen Cortices unterstützt Säuglings Entwicklung des Gehirns. Als ein erster Schritt bei der Prüfung dieser Hypothese eines "Ausgangs221; der Verarbeitung in der frühen Kindheit wurde erhalten; nämlich 4-Monate-of-Age, die derzeit angenommen wird, "Wahrnehmungseinengung" für Muttersprache Spezialisierung 25,26 vorausgehen. Dementsprechend Single-Studie Frequenzanalyse durchgeführt, die wir über Säuglings EEG-Daten während passives Zuhören aufgezeichnet, um die Tonhöhe-Variante und Pitch-invariant Tonpaare in einem "oddball-Paradigma" vorgestellt, die aus zwei Ratenbedingungen (Control Bedingung: 300 ms Inter-Stimulus-Intervall; Schnelle Bedingung: 70 ms Inter-Stimulus-Intervall).

Hier veranschaulichen wir diese Methode mit Stimuli aus Studien mit Schwerpunkt auf schnelle auditiven Verarbeitung. In diesen Studien ein "oddball-Paradigma", wurde verwendet, um die neuronale Aktivität zu unberechenbar, aber erkennbare Ereignisse zu bewerten. In diesem Paradigma, das Gehirn als Reaktion auf unvorhersehbare oder "odd" Reize werden oft als "Deviant" Reaktionen, während die Antwort für die vorhersehbare Reiz präsentiert most die Zeit ist in der Regel als das "Standard" Gehirnantwort. Reaktionen auf Reize in einem Oddball-Paradigma präsentiert automatisch ohne fokussierte Aufmerksamkeit hervorgerufen werden, so dass dieses Paradigma einfach, mit sehr jungen Kindern zu verwenden. Alle akustische Reize werden über Freifeld-Lautsprecher in Abständen, die je nach Studie je vorgestellt. Wie bereits erwähnt, in der aktuellen Studie klingt, dass Index schnellen auditiven Verarbeitung (RAP) Fähigkeiten verwendet wurden: das heißt, klingt mit zehn-of-Millisekunden des akustischen Änderung 16,17,27,28. Es sei darauf hingewiesen, dass viele andere Konjunktur Typen sind nützlich für die Prüfung neurophysiologischen Diskriminierung, einschließlich der Konsonant-Vokal (CV) Sounds sowie Abweichler auf Änderungen der Häufigkeit oder Dauer, mit einer zwischengeschalteten Gap, und / oder auf- oder absteigender Frequenz-Sweeps werden. Schließlich empfehlen wir auch die Aufzeichnung spontaner EEG während der "ruhigen play", in dem kein auditorischen Reizes wird vorgestellt. Diese Daten können dannverwendet werden, um Schwingungskopplung und Kohärenz in Abwesenheit von wiederholten Stimulation zu messen.

Aufnahme EEG-Aktivität von einem Kleinkind Bevölkerung stellt eine Reihe von einzigartigen Herausforderungen. Zum Beispiel die Zusammenarbeit mit Platzierung der Elektroden und verlassen sie an Ort und Stelle für die Dauer des Experiments, die Minimierung Bewegung EEG-Artefakte zu vermeiden, und halten das Baby beschäftigt und mit stiller Spielzeug abgelenkt alle repräsentieren Herausforderungen. Zusätzlich Säugling Daten nicht ohne sich dafür eignen, um einfache Anwendungen von Protokollen mit Erwachsenen / älteres Kind Daten entwickelt. In vielen Fällen ist die Beziehung zwischen der Säuglings EEG beobachtet Komponenten und Ereignis-korrelierte Potenziale (ERP) ist nicht so eindeutig auch keine Karte immer auf dem, was in der Erwachsenen akzeptiert. Während Entwicklungsforschung hält ein mächtiges Potential für das Verständnis der Entstehung der typischen und ungeordnete Hirnfunktion, Aufnahme zuverlässig und interpretierbar Gehirn Antworten von menschlichen Säuglingen erfordert ahigh Niveau in technischen und zwischenmenschlichen Reiche. Diese Herausforderungen kann jedoch überwunden werden und zuverlässige EEG und ERP-Daten können von Kindern unterschiedlichen Alters mit einer Vielzahl von Paradigmen aufgezeichnet. Hier beschreiben wir eine allgemeine Methode zur Analyse Verwendung in Kombination handelsüblichen ERP-Aufzeichnung und Analyse-Software mit einem kostenlosen Open-Source-ERP-Analyse-Paket, das in der MATLAB-Umgebung 29 arbeitet.

Die Anwendung der Schwingungsanalyseverfahren zur kindlichen Gehirns Reaktion Aufnahmen ermöglicht Exploration von mehr mechanistische Fragen der neuronalen Synchronisation Entwicklung in Bezug auf Spracherwerb und mutmaßlichen zugrunde liegenden Mechanismen, wenn die Synchronität beeinträchtigt wird. Bezogen Anstrengungen unter Verwendung anderer Reize, wie Sprachsilben 24, und die Analyse der spontanen oder "Ruhe" Schwingungen 1 im Längs Analysen oder in Kombination mit der frühen Trainingsparadigmen bieten Fenster in die temporal, räumliche und spektrale Dynamik des typischen und ungeordneten Entwicklungsverläufe. Es ist zu hoffen, dass diese Bemühungen wird unser Verständnis der Grundlagen der auditive Entwicklung und Plastizität zu erhöhen, und die Hilfe bei der Identifizierung und Sanierungsstrategien für Sprachentwicklungsstörungen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Alle Arbeiten mit Menschen erfordert Institutional Review Board Genehmigung und Aufsicht. Methoden die hier berichtet wird, wenn in der Forschung verwendet werden, wurden überprüft und mit den Human Subjects Schutzprogramm durch die Rutgers Künste und Wissenschaften Institutional Review Board (IRB) genehmigt.

1. Vorbereitung

  1. Planen Sie das Baby für 1 Stunde der Prüfung in einem schallgedämpften und elektrisch abgeschirmten Kammer. Die in diesem Artikel, repräsentative Daten erzeugt präsentiert Studienprotokoll enthält 20 - 30 min von EEG-Tests.
  2. Ordnen Sie drei Personen pro Testsitzung: "Primär tester", eine "net Assistent" und ein "Entertainer".
  3. Für High-Density-Säuglings EEG Aufnahme sollten Sie zumindest eine 64-Kanal-Netz. Für die hier vorgestellte repräsentative Daten wurde ein 128-Kanal Sensornetz verwendet.

2. Net Anwendungs

  1. Richten Sie die folgenden Lieferungen im Aufnahme Chamber: Coban selbstklebende Wickelband, Maßband, Markierungsstift, 2 Handtücher und Pipetten. Kalibrieren klingt für Testebene (zB dB SPL, HL, etc.).
  2. Machen Sie den Elektrolytlösung (destilliertes Wasser, Kaliumchlorid und Baby-Shampoo) gut, bevor geschätzten Familie Ankunftszeit. Um sicherzustellen, dass das Netz nicht zu kalt auf den Kopf des Kindes, um warme 8 Unzen Wasser zu der Lösung unmittelbar vor der Anwendung zugesetzt werden.
  3. Als die Familie eintrifft, erhalten mit Zustimmung IRB zugelassen Formen.
  4. In der Testkammer, sitzen den Säugling auf dem Schoß der Pflegeperson und haben der Entertainer beginnen, mit dem Kind zu spielen. Wenn es der erste Besuch, erklären die Nettoantragsverfahren.
  5. Messen Sie den Kopfumfang des Kindes an der breitesten Stelle des Kopfes und wählen Sie die Netzgröße auf der Grundlage dieser Messung. Um die beste Passform zu erhalten, wählen Sie eine kleinere net, wenn der Umfang in der Nähe des Mindestgröße für ein Alter. Tauchen Sie das gewählte Netz in den eleclyt-Lösung.
  6. Messen Sie Nasion-to-Inion und markieren Sie die Kopfhaut bei ½ der Gesamtmessung. Machen Sie dasselbe für das Ohr zu Ohr Messung. Die Gesamtnote ist Cz (Vertex).
  7. Entfernen Sie überschüssige Lösung aus dem Netz, indem sie auf einem trockenen Handtuch. Haben die Netto-Assistent invertieren im Netz und erfassen die Cz-Elektrode; Halten des net so, dass die primäre Tester kann mit dem Finger auf der Vorderseite des Nettoposition.
  8. Flip über das Netz und legen Sie das Netz auf der Säugling den Kopf, als die Netto-Assistent verschiebt den Kinnriemen und farbige Frontgewinde (Anschluss des Nasion Elektrode und Kinnriemen), die außerhalb des Netzes.
  9. Stellen Sie die Netto-Position auf den Kopf des Kindes, indem Cz am Scheitelpunkt der Kopfhaut Marke. Position / align jedem der ausgehend von der Rückseite und Arbeiten in Richtung der Vorderseite und achten Sie darauf, dass es einen rechten Winkel zwischen jeder Elektrode und der Kopffläche der Elektroden.
  10. Sammeln Sie die Drähte, stellen Sie den Kinnriemen, sichere Leitungen mit Coban Band, und stecken Sie den Netz connector.
  11. Messung der Elektrodenimpedanz mit einem Schwellenwert von <50 KOhm oder nach den Systemanweisungen. Wenn einige Elektroden hochohmig, Wieder genießen Sie die Elektrode mit einem Elektrolyten gefüllten Pipette und sanft bewegen die Haare aus unter der Elektrode.

3. Stimuli Darstellung und EEG-Aufnahme

  1. Vorhanden akustische Reize in Freifeld mit Lautsprecher gleich weit entfernt von der Kopf des Kindes.
    HINWEIS: Die repräsentative Studie Reizparameter waren wie folgt: 70 msec Ton-Paaren mit einer Grundfrequenz von entweder 800 oder 1200 Hz und 15 Oberwellen (6 dB-roll-off pro Oktave) in zwei Blöcke (70 oder 300 ms Schnittstelle vorgestellt Stimulus-Intervall). Die Low-High-Paare (800 Hz - 1200 Hz) - Standards (85% = 708 Prüfungen) werden als Abweichler (15% = 125 Versuche) unter den Low-low (800 Hz 800 Hz) vorgestellt.
  2. Notieren Sie sich die EEG nach Hardware- und Software-Anweisungen. Verwenden Sie die folgenden Parameter für die repräsentativen Daten: Sampling Rate: 250 Hz, Tiefpass-Hardware-Filter: 100 Hz, elliptisch, Hochpassfilter: 0,1 Hz, Auto: auf Nyquist, Brettverstärkung: 1 eingestellt.
  3. Geben Sie während der Aufnahme einen ruhigen, ruhig, sanft eingreifende Umgebung für den Säugling. Engage das Kind, indem er eine altersgerechte stille Video oder mit ruhigen Spielzeuge (zB Schlag Blasen, zeigen Sie Bilder in Bücher, Puppenspiel). Die Bereitstellung der Pflegeperson mit Kopfhörern Musik zu hören vermeidet unbeabsichtigte Pflegeperson Interferenz mit dem Säugling Antwort. Wenn das Kind unruhig ist, Auswirkungen auf das EEG, Pause Reizdarbietung und EEG-Aufzeichnung bis eine ruhige Umgebung wiederhergestellt werden kann.
  4. Nachdem das Experiment beendet ist, entfernen Sie vorsichtig das Netz und trocknen Sie das Kind die Haare und Kopf.
  5. Speichern und Backup die rohen, ungefilterten EEG-Daten vor dem Schließen der Programme am Ende der Testsitzung.

4. Datenverarbeitung - ERPs

Sichtprüfung der Roh-EEG-Daten und Segment ablehnens mit hoher Amplitude Artefakt.
HINWEIS: Reject-Kanäle mit hoher Amplitude und interpolieren. Maximale Prozent abgelehnt Kanäle auf 30% eingestellt werden. Alternative Methoden (zB ICA, PCA auch Referenz 30) eingesetzt werden, um zu verringern oder in den Daten vorhanden Artefakte abzulehnen.

  1. Filtern Sie die Daten mit zuvor festgelegten Parameter, die mit kortikalen Aktivität entsprechen. Für Säuglinge, verwenden Sie ein Offline-Bandpassfilter von 1 - 15 Hz.
  2. Segment die kontinuierlichen Daten an Epochen um "Time 0" nach Softwareanweisungen zu erstellen (Beginn des Stimulus). Für die Segmentierung, sind ausreichend vorge Reiz Zeit, um Grundlinienaktivität und Post-Stimulus-Zeit, die gesamte Antwort erfassen zu etablieren.
  3. Ablehnen laut Epochen nach einer geeigneten Ablehnungskriterien (zB +/- 200 & mgr; V für Kleinkinder). Stellen Sie maximale Prozent abgelehnt Epochen bei 30%.
  4. Der Mittelwert der Epochen für jeden einzelnen und jede Bedingung und kombinieren diese durchschnittlichs nach Gruppe und Bedingung für große Durchschnitte.
  5. Wenn die Anzahl der Epochen innerhalb jeder durchschnittliche enthaltenen variiert über Themen, Gewicht die Anzahl der Epochen, so dass Personen mit mehr / weniger Epochen gleichermaßen geschätzt.
    1. Um den Hauptdurchschnittsgewicht zu berechnen einzelnen Mittel- voneinander Bedingung wie n-fachen der Wellenform, wobei n gleich der Anzahl der Epochen, die den Durchschnitt umfassen, dann durch die Gesamtzahl der Epochen für alle Fächer unterteilt. Diese Methode gibt jedem Versuch das gleiche Gewicht in der endgültigen Durchschnitt.

5. Datenverarbeitung - Quelle die Lage der Unterkunft

Für das Kinder Daten, Co-registrieren jede einzelne und grand durchschnittliche ERP-Datei entweder mit einer altersgemäßen MR-Vorlage oder einen einzelnen MR-Scan (siehe frühere Bekanntmachungen 31,32).
HINWEIS: In der Ko-Registrierung, die Elektrodenpositionen und rekonstruierte Kopf zu einem einzigen Koordinatensystem registriert. Großdurchschnittswerte verwendet werdenum den Dipol-Modell zu definieren.

Schätzen Sie die Anzahl und Lage der zugrunde liegenden Quellen an die Daten angepasst werden. Für einen Gehör Paradigma, verwenden Sie zwei Dipole mit kosten Lage und Drehung.
HINWEIS: Source Schätzung wird dann automatisch durch eine Minimierung einer Kostenfunktion, die eine gewichtete Kombination von 4 Restpasskriterien den "best fit" Lage zum Zeitfenster von Interesse zu erhalten geführt ist.

  1. Stellen Sie sicher, altersgerechte Parameter für Kopfhaut Dicke, Schädel Dicke, Breite der Subarachnoidalraum und Knochen Leitfähigkeit verwendet werden, wie diese Faktoren verändern sich schnell während der Entwicklung. Für die repräsentative Daten, sind Parameter: Schädel: 1,5 mm; Kopfhaut: 2,5 mm; Subarachnoidalraum: 1,7 mm; Knochen Leitfähigkeit: 0,0581.
  2. Beginnend mit einer großen durchschnittlichen ERP, wählen Sie ein Zeitfenster von Interesse, die einer Spitze. Conservative Parameter sind typischerweise +/- 20 ms um den Spitzenwert von Interesse 31.
  3. Überprüfen Sie die "Güte fit "für die Dipol-Lösung unter Verwendung der Software-Ausgaben der Restvarianz. Dies ist der Betrag des Signals, das auf der unerklärten bestimmten Zeitfenster von anpassbare Stromdipols Modell bleibt. Stellen Sie die Zeitfenster, um die Restvarianz minimieren. Verwenden Sie eine verteilte-Source-Modell (Clara), die Lösung innerhalb der erweiterten Tätigkeitsbereich zu überprüfen.
  4. Speichern Sie die Dipol-Source-Lösung und Wellenformen für jede Bedingung und Höhepunkt.
  5. Wiederholen Sie den Vorgang für jeden einzelnen durchschnittlichen Datei.
  6. Für die statistische Analyse von Quellenort, Gebrauchswerte der Peak-Latenz, Amplitude und Ortskoordinaten in X (medial-lateral), Y (anterior-posterior) und Z (superior-inferior) Richtungen für jeden Dipol von jedem einzelnen durchschnittliche Datei Lösung. In dem hier vorgestellten Fall 2X2 ANOVA mit wiederholten Messungen (Stimulus (Standard, abweichende) X Hemisphere (links, rechts) für die Amplitude und Latenz der Quellen können nützliche Quelle sein, um Stärke und Zeitpunkt der Generatoren zu suchen.Koordinaten können auf die gleiche Weise bewertet werden (zur Übersicht 31,32).

6. Datenverarbeitung - Zeit-Frequenz-Analyse in Quelle Raum

  1. Übernehmen Sie die Dipolmodell Lösung des rohen, ungefilterten, kontinuierliche EEG-Daten.
    1. Übernehmen Sie die Source-Lösung (in Schritt 5.6 gespeichert.) Auf die Roh-EEG-Datendatei als virtuelle Elektrode Montage.
      HINWEIS: Die Verwendung des Dipolmodell so gilt eine feste räumliche Filter auf die Oberfläche Kanalaufnahme (Sensorfläche), um die hohe Dichte EEG in eine virtuelle Quelle 2-Montage (Gehirn Quellenraum) transformieren.
  2. Wandeln Sie die Zeitbereichs-Single-Studie Quellensignals in der Zeit-Frequenz-Domäne (Abbildung 1).
    HINWEIS: Zur Zeit können mehrere Ansätze verwendet werden, um Single-Studiendaten in die Zeit-Frequenz-Bereich zu transformieren, einschließlich Wavelet-Analyse und Anwendung einer Hilbert-Transformation, um gefilterte Daten. Während ein Vergleich dieser Verfahren istnicht in den Anwendungsbereich dieses Artikels haben mehrere veröffentlichte Artikel gründlich diese Methoden 33-36 beschrieben. Die Zeit-Frequenz-Analyse unter Verwendung der komplexen Demodulation Verfahren in einem handelsüblichen Kohärenz Softwareprogramm 37 gefunden wird, berechnet die momentane Hüllkurvenamplitude und Phase jeder Gehirnaktivität als eine Funktion der Frequenz und Zeit 37-39. Dies erzeugt Maßnahmen der momentanen Leistungsverschiebungen (Temporal Spectral Evolution TSE) und Phasenverriegelung (Inter-Studie Phase Locking, ITPL).
    1. Verwenden Sie die folgenden Parameter: 1 Hz breiten Frequenzbins von 2 bis 80 Hz und 50 ms Zeitauflösung von -1.500 bis 1.500 msec. Die Epoche Zeitfenster sollte lang genug sein, um die Filterung oder Verarbeitung bei der niedrigsten gewünschten Frequenz, ohne Artefakte 40,41 zu ermöglichen.
  3. Visualisieren Sie die Frequenzspitzen der Tätigkeit in EEG um Auslegung von möglichen störenden Artefakten im Zusammenhang mit oder Kreis r vermeidenbeschwingt Schwingungen 41,42.
  4. Führen Permutation Test und Clusteranalyse zu Regionen erhebliche Unterschiede zwischen den Bedingungen und Gruppen 24,43 bestimmen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Infant Ereignis-korrelierte Potenziale

Säuglings EKPs sind im Allgemeinen größer als erwachsene EKP und kann weniger oder mehr Spitzen der Aktivierung haben, relativ zu Reaktionen reifen, je nach dem Alter 44. Hier zeigen wir repräsentative Groß Durchschnittliche Antworten von dreiundzwanzig 4 Monate alten Säuglingen 43 (Abbildung 2). Die Oddball-Paradigma erlaubt es uns, festzustellen, ob das Kind die Gehirn kann den Unterschied zwischen zwei Ereignissen zu erkennen. Bei den repräsentativen Ergebnissen, die Ton-Variante abweichenden Antwort (DEV, 800-1,200Hz, rote Linie) ruft einen zusätzlichen Peak der Aktivierung, relativ zu den invarianten Tonpaare (STD, 800-800Hz, schwarze Linie). Dieser Befund zeigt sich in beiden Kontrollrate (300 ms ISI, links) und Rapid Rate (70 ms ISI, rechts) Bedingungen. Beispiel Antworten von Elektroden Fz (Frontal Mittellinie), C3 (Central, rechts) und C4 (Central, links) werden angezeigt. Die berechnete Differenz Welle (Deviant minusStandard) ist auch in grau Linien dargestellt. Das zusätzliche Spitzenaktivierungs schlägt der kindlichen Gehirns in diesem Alter kann den Unterschied zwischen den Tönen an beiden Rate Präsentationen diskriminieren.

Infant Quellenwellenformen

Quelle Tätigkeit mit wenig Restvarianz sollte die ERP Spitzen folgen, was auf eine "gute Passform" zwischen der ursprünglichen Daten und der lokalisierten transformiert Datenquelle. In den repräsentativen Daten zeigen wir die Lage des zwei Dipol beste Passform-Source-Modell des Säuglings grand durchschnittliche ERP an die STD (Ton-invariant) Zustand über die CLARA verteilten Modell (Abbildung 3). Die Berechnung zeigt deutlich, linken und rechten Gehör Aktivierung in der Systemsteuerung und schnellen Rate Bedingungen.

Gipfel der Aktivität aus der zwei-Dipol-Modell (Abbildung 4) entsprach der ERP Reaktion sehr gut. Der Spitzenzeitpunkt und die Morphologie der ERP-Wellenformen gezeigt, in-Panel (i), entsprechen das Timing und die Morphologie der in Tafel angezeigt (ii) (weitere Einzelheiten finden Sie Original-Artikel, 43) Quellwellenformen. Source-Wellenformen aus diesem Experiment erklärt 97,9% der Varianz in der Aktivität auf der Kopfhaut Elektroden. Die statistische Analyse der Quellenspitzen Latenzen zeigten, dass rechte Hemisphäre Aktivität war schneller als die linke in beiden Zuständen, und die Antworten in der schnellen Rate wurden später in beiden Hemisphären als in der Kontrollbedingung. Hemisphärischen Unterschiede wurden nicht mit den ERP-Daten, was darauf hindeutet, dass die Quellenlokalisierung Techniken aktiviert das Abrufen von zusätzlichen Informationen aus den Antworten beobachtet.

Infant Veranstaltungsbezogene Oscillations

In der Regel Analysen von Erwachsenen Zeit-Frequenz-und Tierdaten zeigen, dass Reize evozieren eine 1 / f-Muster neuronaler Synchronisation (z. B. Abnahme der Leistung mit zunehmender Frequenz). In den repräsentativen Daten, die von Gehör t evoziertenein Paar, zeigen wir, dass Säuglinge dieses Muster (Abbildung 5) zum Ausdruck bringen auch. Hier löst Reizbeginn Synchronbursts theta (5-6 Hz), Beta (20-25) Hz und gamma (35-45 Hz) Leistung in beiden rechten und linken Gehörgehirnregionen.

Tiermodellen und Erwachsenen Experimente deuten darauf hin, dass oszillierende synchron, insbesondere im niedrigen bis mittleren Frequenzschwingungen (z. B. 1-8 Hz) sind die Hauptursachen von evozierten Potentialen 45. Analyse der momentanen Leistungsverschiebungen (Temporal Spectral Evolution TSE) in Säuglings Schwingungen unserer früheren Veröffentlichung 43 zeigte eine größere induzierte Energie zur Variante Ton in der Theta-Band (6-8 Hz), bezogen auf die invariant Ton. In beiden Geschwindigkeitsbedingungen Dieser Effekt wurde beobachtet, vor allem über die rechte Gehör Region in der Kontrollsätze Zustand (Abbildung 6). Schnellen Rate Präsentation ergab eine zweiseitig symmetrisch Aktivität, was auf verbesserte linken kortikalen involvement während der auditiven Verarbeitung von rasch auftretenden Reize und insbesondere bei akustischen Änderungsverarbeitung.

figure-results-1
Abbildung 1. Schritte der Zeit-Frequenz-Analyse. Zeit-Frequenz-Analyse-Methode mit grand Durchschnitt dargestellt (n = 12) von Daten von 4 Monate alten Kleinkindern während der 70 ms ISI Ton Zustand. Stimulus Onsets sind in roten Pfeile unterhalb der Zeitachse dargestellt. Analyseschritte: (1) Gemittelt ERPs, in Cz-Elektrode gezeigt, sind für jeden Kanal erzeugt (2) Quelle Ort der ERP-Generatoren, in einer Skizze Kopf dargestellt, wird durch die Verwendung eines 2-Dipol-Modell in Daten auf ein abgebildet erhalten. Säugling MRI-Vorlage. (3) Individuelle und große durchschnittliche Quelle Wellenformen werden von der Passform des linken und rechten Dipole erhalten. Infant Kopf Modelle zeigen die Spannungs Karten entsprechend der ausgewählten Spitze (in gray). (4) Die Quelle montage ist mit den 128-Kanal Kopfdaten angewendet, und Amplituden berechnet und für die beiden Quellkanäle gespeichert. (5) Ereignis bezogenen Schwingungen werden von Single-Studien ermittelt und gemittelt über die Antwortzeit. Bitte Klicken Sie hier, um eine größere Version dieser Figur zu sehen.

figure-results-2
Abbildung 2. Ereignisbezogene Potenzial Morphologie. Großen Mittelwerte (n = 23) nach Rapid (70 ms ISI) und Control (300 ms ISI) Rate Antworten auf Standard (STD, schwarze Linien) und abweichendes (DEV, rote Linien) Tonpaare sind in frontal Mittellinie und Mittel linken und rechten Elektroden gezeigt. Negativität up aufgetragen. Stimulus Onsets sind in roten Pfeile unterhalb der Zeitachse bei Fz gezeigt. P1 ist im Fz Platte mit einem schwarzen Pfeil dargestellt. Der Unterschied wave (Reaktion auf DEV minus Reaktion auf STD) wird in grauen Linien (ab 43 Angepasst) angezeigt. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

figure-results-3
Abbildung 3. Quelle Lokalisierung Ergebnisse. Zwei-Dipol "best fit" Source-Modell basiert auf verteilten Aktivität aus dem Quellmodell überlagert dargestellt. Klar linken und rechten Aktivität kann über linken und rechten Schläfenlappen Regionen gesehen werden. (Ab 43 Angepasst). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

figure-results-4
Abbildung 4. Veranstaltungsbezogene Potential und Quelle Waveform-Vergleich. (I) Beispiel ERPs von frontal lef t und rechten Elektroden (F3 und F4) Show Gipfel der Aktivierung, um Paare mit invariant und Variantengrundfrequenzen (STD und DEV, respectively) Ton. Eine Veränderung in der Frequenz hervorruft größeren Spitzen ~ 400 ms (DEV, rote Linie), bezogen auf die bei Frequenzen bleiben unverändert (STD, schwarz). (Ii) Die Latenz der Gipfel der Aktivierung ist ähnlich wie für die Quelle-lokalisierten Dipol-Aktivität, was darauf hindeutet, eine gute Übereinstimmung zwischen ERP und Quellwellenformanalyse. Der große Peak bei 400 msec ist in der rechten Hemisphäre mit den Source-lokalisierten Daten bemerkbar. Der Einfachheit halber werden nur die Antworten auf die rasante Zustand gezeigt, aber ein ähnliches Spiel wurde auch zwischen ERP und Quellwellenformen für die Antworten im Control Rate Zustand beobachtet. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Abbildung 5 "src =" / files / ftp_upload / 52420 / 52420fig5.jpg "/>
Abbildung 5. Pooled TSE Karten werden in Prozent spektrale Veränderung über eine Epoche von -1 bis 1 s Zeit für die linke und rechte Generatoren ausgedrückt. (I) Tones in den 300 ms ISI Zustand entlocken ereignisbezogenen Schwingungen in zusammenhängenden Frequenzbändern um Stimulusbeginn (z. B. -1140 ms und 0 ms). Eine lange Stimulus Epoche, um mehr des Daten visualisieren und eine ausreichend lange Probe für Frequenzzerlegung bereitzustellen. Rechte Bild zeigt das Durchschnittsspektrum über die primäre Bearbeitung Peak (150-300 ms). Die durchschnittliche Spektrum zeigt eine Gesamt 1 / f-Spektrum mit diskreten Spitzen der Synchronität in bestimmten Frequenzbändern. (Ii) Ein ähnliches Muster ist für den 70 ms ISI Zustand beobachtet. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Zelt "fo: keep-together.within-page =" always "> figure-results-5
Abbildung 6. Zeit-Frequenz-Analyse der ereignisbezogenen Schwingungen in 4 Monate alten Säuglingen. Ändern Sie in Schwingungskraft gezeigt intemporal Spectral Evolution (TSE) grand durchschnittliche Baugrundstücke zu 4 Monate alten Säuglingen in der Systemsteuerung (A) und Rapid Rate (B) Bedingungen. Schwarze Balken an den x-Achse veranschaulichen Ton Beginn und Dauer. Links und Rechts Quelle Aktivität wird in der linken oberen Ecke von jedem Diagramm angegeben. Erste Reihe: (i) Die Reaktionen auf Tonpaare mit unveränderlichen Frequenz (STD) zeigen, Leistungsänderungen in der Delta-Theta-Bereich. Mittlere Reihe: (ii) Die Reaktionen auf Tonpaare mit einer Frequenzänderung in der zweiten Ton (DEV) zeigen verbesserte Delta-Theta-Leistung an dem zweiten Ton, bezogen auf Antworten STD, vor allem im rechten Gehör Region in der Kontrollbedingung. Dritte Reihe: Unterschied zwischen STD Grundstücke und DEVAntworten zeigen ein Recht lateralisiert Leistungssteigerung im Control Rate (A III) und bilateralen Leistungsdifferenz in der schnellen Rate (B.III). Signifikante Unterschiede zwischen STD und DEV Antwort in der Zeitfrequenzebene werden in Schwarz Umriss gezeigt. (Ab 43 Angepasst). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die hier beschriebene Forschungsmethode wird beschrieben, wie ein tieferes Verständnis der spectrotemporal Dynamik und anatomische Lage des hochdichten Gehör-evozierte EEG und ERP Gehirn Reaktionen bei Säuglingen zu erleichtern. Es gibt vier wichtige Schritte in diesem Protokoll, das Analyse zu erleichtern. Zuerst richtigen net-Anwendung und Positionierung mit minimalem Pflegeperson und Säugling Not ist die Grundlage für die Aufnahme sauber EEG in nicht-sedierten Paradigmen. Die richtige Kopfmessung und Nettogrößenauswahl sowie die Verwendung eines Netto Assistent und Entertainer bei der Antragstellung ist der Schlüssel zur Bewältigung dieser Schritt. Zweitens ist es wichtig, einen ruhigen, stillen und spielerische Atmosphäre für die Familie während der Test-Session, ein Zustand, der durch die Primär Tester, net Assistent und der Entertainer, der das Kind in Ruhe Spiel eingreift erleichtert etablieren. Drittens, für die Datenanalyse, ist es entscheidend, dass altersgerechte MRI Kopfmodelle zur Quellenlokalisierung verwendet werden. Die Kopfgröße, bone und die Haut und Gehirn-Rückenmarksraum muss korrekt für das Alter, um die genauesten Ergebnisse zu erhalten Lokalisierung getestet werden. Schließlich wird für kortikalen Reaktionen in der Regel ist es auch kritisch, daß ein hochdichtes Netz verwendet werden (z. B. mindestens 64 Kanäle von Daten), um die Wahrscheinlichkeit des Erhaltens artefaktarme Aufnahmen optimieren.

Eine Einschränkung dieses Verfahrens ist, dass Quellenlokalisierung von EEG-Daten nicht der Goldstandard für die Stelle des Aktivitätstests. Man muss im Hinterkopf behalten, dass das Vorwärtsmodell der Lokalisierung auch mit den besten Kopfmodellen und Messungen sind immer noch schätzt Tätigkeits Lage. Daher ist es wichtig, das Experiment in einer Weise, dass Informationen über Ausgangsaktivität kann in experimentellen Bedingungen oder Gruppen verglichen werden, zu entwerfen. Zusätzlich kann das Kinder Testen im Allgemeinen und insbesondere Langzeitstudie voller unvollständigen oder fehlenden Datensätze sein. Lösungen für dieses Problem sind, um a) zu erhalten relationships mit teilnehmenden Familien; b) Optimierung einer schönen, ruhigen Atmosphäre Aufnahme für das Kind und Bezugsperson; und c) zu überschätzen das Thema Pool. In unseren Händen, mit einem erfahrenen pädiatrischen Team haben wir Low-Dropout und minimalen Datenverlustraten erreicht. In einer Längsprobe von 211 Säuglingsaufnahmesessions mit 57 Teilnehmerinnen zeigen wir 98,6% Vorratsdatenspeicherung (z. B. 208 Sitzungen, die in brauchbare Daten führte) und ein Drop-out Rate 10% (z. B. konnten nach Beginn der weiterhin 6 Teilnehmer Experiment). Ein Vorteil des EEG gegenüber anderen Techniken wie MEG und NIRS, dass subkortikal voreingenommen Aktivität zugänglich mit verschiedenen Filterbändern. Darüber hinaus ist es leichter, für die Bewegung zu steuern, wenn die Elektroden bei Mitnahme des Kopfes.

Sobald dieses Protokoll beherrscht, die experimentelle Anwendungen von Säuglings EEG und Schwingungsdynamik sind reichlich vorhanden. Es ist klar, dass wir zunächst in der Regel verstehen die Entwicklung kortikaler netwoRKS, um diejenigen, die atypisch organisiert sind, zu identifizieren. Dies legt nahe, die Notwendigkeit der Schaffung eines Modells, in dem die Integrität der frühen auditorischen Verarbeitungsmechanismen (einschließlich Schwingungen) spielt eine Rolle bei der Entstehung und Plastizität des Klangdarstellung als auditive Erfahrungen eingearbeitet sind und im Idealfall gelernt. Nach diesem Modell kann nichtsprachlichen Verarbeitungsdefizite mit Symptomen Jahren in Verbindung gebracht werden, oder in einigen Fällen Jahrzehnte, bevor formale Diagnose auftritt.

Zukünftige Untersuchungen sind notwendig, um weitere Einzelheiten, einschließlich der Funktion der Frequenz-Band-spezifische Schwingungsdynamik, Querfrequenzphasenkopplung und regionale hemmende / erregende Muster in der frühen Entwicklung zu verstehen. Außerdem subcortical Aktivität und Prüfung in verschiedenen Zuständen, wie Schlaf, sind notwendig, um ein vollständigeres Bild der typischen Entwicklung zu geben. Wir glauben, dass die Forschung mit dieser Technik werden wichtige Einblicke in den Prozess, durch whic liefern'neurotypical' und atypische Schwingungsdynamik h zu organisieren und die Interaktion mit den Schwellen kognitiven und sprachlichen Fähigkeiten.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben keine Offenlegungen zur Kenntnis zu nehmen.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren danken Unterstützung für diese Forschung durch die Elizabeth H. Solomon Center for Neurodevelopmental Forschung und NSF Grant # SMA-1041755 auf die zeitliche Dynamik der Learning Center, ein NSF Science of Learning Center bestätigen. Ein besonderer Dank geht auch an die Familien, die teilgenommen haben, und an die Mitglieder der Kindheit Studies Labor für ihre praktischen und intellektuellen Beiträge. Besonderer Dank geht an Jarmo Hämäläinen für die Entwicklung der Quellenlokalisierung Protokoll und Naseem Choudhury für ihre intellektuellen Input.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
EEG-VerstärkerEGI1301281
Sensornetze EGIC-GSN-128-1011-110Die Größen der Netze variieren je nach Alter und Monat
EEG-AufzeichnungssoftwareNet Station4604200
PräsentationscomputerDell4608161
PräsentationssoftwareEprime13102456-50
BabyflaschenwärmerAventTarget oder ein beliebiges Babygeschäft
Elektrolytlösung (Kalium Chlorid trocken)EGIA-A-CC-KLL-1000-000
Coban selbstklebendes WickelbandCoban595573
MaßbandTarget oder jedes Babygeschäft
Waschbare MarkerTarget oder jedes Babygeschäft
Pipetten Kommt mit EGI-Verstärker-Setup
Analysecomputer Dell
Analysesoftware IBESA3955054v5.3
Analysesoftware IIBrain Voyager3955054
Analysesoftware IIIEEGLAB/ERPLAB/ MassUnivariate ToolboxFreeware MatLAB v2007b
Analysesoftware IVBESA Statistik
3956341

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gou, Z., Choudhury, N., Benasich, A. A. Resting frontal gamma power at 16, 24 and 36 months predicts individual differences in language and cognition at 4 and 5 years. Behavioural brain research. 220, 263-270 (2011).
  2. Uhlhaas, P. J., Roux, F., Rodriguez, E., Rotarska-Jagiela, A., Singer, W. Neural synchrony and the development of cortical networks. Trends in cognitive sciences. 14, 72-80 (2010).
  3. Singer, W. Development and plasticity of cortical processing architectures. Science. 270, 758-764 (1995).
  4. Singer, W. Mechanisms of experience dependent self-organization of neuronal assemblies in the mammalian visual system. Archivos de biologia y medicina experimentales. 16, 317-327 (1983).
  5. Lakatos, P., et al. An oscillatory hierarchy controlling neuronal excitability and stimulus processing in the auditory cortex. Journal of neurophysiology. 94, 1904-1911 (2005).
  6. Jacobs, J., Kahana, M. J., Ekstrom, A. D., Fried, I. Brain oscillations control timing of single-neuron activity in humans. The Journal of neuroscience. 27, 3839-3844 (2007).
  7. Schroeder, C. E., Lakatos, P. Low-frequency neuronal oscillations as instruments of sensory selection. Trends Neurosci. 32, 9-18 (2009).
  8. Schroeder, C. E., Lakatos, P., Kajikawa, Y., Partan, S., Puce, A. Neuronal oscillations and visual amplification of speech. Trends in cognitive sciences. 12, 106-113 (2008).
  9. Basar, E. Oscillations in 'brain-body-mind'-A holistic view including the autonomous system. Brain Res. 1235, 2-11 (2008).
  10. Buzsaki, G. Large-scale recording of neuronal ensembles. Nature. 7, 446-451 (2004).
  11. Aslin, R. N. Discrimination of frequency transitions by human infants. The Journal of the Acoustical Society of America. 86, 582-590 (1989).
  12. Eilers, R. E., Morse, P. A., Gavin, W. J., Oller, D. K. Discrimination of voice onset time in infancy. The Journal of the Acoustical Society of America. 70, 955-965 (1981).
  13. Irwin, R. J., Ball, A. K., Kay, N., Stillman, J. A., Rosser, J. The development of auditory temporal acuity in children. Child development. 56, 614-620 (1985).
  14. Jusczyk, P. W., Pisoni, D. B., Walley, A., Murray, J. Discimination of relative onset time of two-component tones by infants. The Journal of the Acoustical Society of America. 67, 262-270 (1980).
  15. Bishop, D. V. M., Hardiman, M. J., Barry, J. G. Auditory Deficit as a Consequence Rather than Endophenotype of Specific Language Impairment Electrophysiological Evidence. Plos One. 7, e35851(2012).
  16. Benasich, A. A., et al. The infant as a prelinguistic model for language learning impairments: Predicting from event-related potentials to behavior. Neuropsychologia. 44, 396-411 (2006).
  17. Choudhury, N., Benasich, A. A. Maturation of auditory evoked potentials from 6 to 48 months: prediction to 3 and 4 year language and cognitive abilities. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 122, 320-338 (2011).
  18. Lakatos, P., et al. Timing of pure tone and noise-evoked responses in macaque auditory cortex. Neuroreport. 16, 933-937 (2005).
  19. Shah, A. S., et al. Neural dynamics and the fundamental mechanisms of event-related brain potentials. Cerebral cortex. 14, 476-483 (2004).
  20. Fries, P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends Cogn Sci. 9, 474-480 (2005).
  21. Buzsaki, G. Rhythms of the Brain. , Oxford University Press. New York. (2006).
  22. Buzsaki, G., Draguhn, A. Neuronal oscillations in cortical networks. Science. 304, 1926-1929 (2004).
  23. Whittingstall, K., Logothetis, N. K. Frequency-band coupling in surface EEG reflects spiking activity in monkey visual cortex. Neuron. 64, 281-289 (2009).
  24. Ortiz-Mantilla, S., Hämäläinen, J. A., Musacchia, G., Benasich, A. A. Enhancement of gamma oscillations indicates preferential processing of native over foreign phonemic contrasts in infants. The Journal of neuroscience : the official journal of the Society for Neuroscience. 33, 18746-18754 (2013).
  25. Palmer, S. B., Fais, L., Golinkoff, R. M., Werker, J. F. Perceptual narrowing of linguistic sign occurs in the 1st year of life. Child. 83, 543-553 (2012).
  26. Werker, J. F., Tees, R. C. Speech perception as a window for understanding plasticity and commitment in language systems of the brain. Dev Psychobiol. 46, 233-251 (2005).
  27. Benasich, A. A. Impaired processing of brief, rapidly presented auditory cues in infants with a family history of autoimmune disorder. Developmental neuropsychology. 22, 351-372 (2002).
  28. Benasich, A. A., Tallal, P. Infant discrimination of rapid auditory cues predicts later language impairment. Behavioural brain research. 136, 31-49 (2002).
  29. Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Front Hum. Neurosci. 8, 213(2014).
  30. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34 (4), 1443-1449 (2007).
  31. Hämäläinen, J. A., Ortiz-Mantilla, S., Benasich, A. A. Source localization of event-related potentials to pitch change mapped onto age-appropriate MRIs at 6 months of age. NeuroImage. 54, 1910-1918 (2011).
  32. Ortiz-Mantilla, S., Hämäläinen, J. A., Benasich, A. A. Time course of ERP generators to syllables in infants: A source localization study using age-appropriate brain templates. NeuroImage. 59, 3275-3287 (2012).
  33. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
  34. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of neuroscience. 134, 9-21 (2004).
  35. Delorme, A., et al. ERICA: new tools for advanced EEG processing. Computational intelligence and neuroscience. 2011, 130714(2011).
  36. Makeig, S. Auditory event-related dynamics of the EEG spectrum and effects of exposure to tones. Electroencephalography and clinical neurophysiology. 86, 283-293 (1993).
  37. Hoechstetter, K., et al. BESA source coherence: a new method to study cortical oscillatory coupling. Brain topography. 16, 233-238 (2004).
  38. Papp, N., Ktonas, P. Critical evaluation of complex demodulation techniques for the quantification of bioelectrical activity. Biomedical sciences instrumentation. 13, 135-145 (1977).
  39. Yoon, H., Yeom, W., Kang, S., Hong, J., Park, K. A multiple phase demodulation method for high resolution of the laser scanner. The Review of scientific instruments. 80, 056106(2009).
  40. Wang, Z., Maier, A., Leopold, D. A., Logothetis, N. K., Liang, H. Single-trial evoked potential estimation using wavelets. Comput Biol Med. 37 (4), 463-473 (2007).
  41. Kramer, M. A., Tort, A. B., Kopell, N. J. Sharp edge artifacts and spurious coupling in EEG frequency comodulation measures. J Neurosci Methods. 170 (2), 352-357 (2008).
  42. Kriegeskorte, N., Simmons, W. K., Bellgowan, P. S., Baker, C. I. Circular analysis in systems neuroscience: the dangers of double dipping. Nat Neurosci. 12 (5), 535-540 (2009).
  43. Musacchia, G., et al. Oscillatory support for rapid frequency change processing in infants. Neuropsychologia. 51, 2812-2824 (2013).
  44. Boer, T., Scott, L. S., Nelson, C. A. Infant EEG and Event-Related Potentials.Studies in Developmental Psychology. Hann, M. , Psychology Press. Washington D.C. 5-39 (2007).
  45. Basar, E., Schurmann, M., Demiralp, T., Basar-Eroglu, C., Ademoglu, A. Event-related oscillations are 'real brain responses' - wavelet analysis and new strategies. Int J Psychophysiol. 39, 91-127 (2001).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

EEG bei S uglingenereigniskorrelierte OszillationenHigh Density EEGQuelllokalisationZeit Frequenz AnalyseTheta Band Aktivit tDipolmodellERP DatenGehirnoszillationen bei S uglingen

Verwandte Artikel