Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Bewusste und Nichtbewusste Darstellungen von Emotional Faces in Asperger-Syndrom

13.7K Ansichten

⸱

DOI:

10.3791/53962

⸱

31. Juli 2016

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

In diesem Artikel

Zusammenfassung

Ein EEG experimentelle Protokoll ist so konzipiert, das Zusammenspiel zwischen bewussten und nicht-bewussten Darstellungen von emotionalen Gesichter bei Patienten mit Asperger-Syndrom zu klären. Die Technik legt nahe, dass Patienten mit Asperger-Syndrom haben Defizite in nicht-bewusste Darstellung der emotionalen Gesichter, aber in der bewussten Darstellung mit gesunden Kontrollen vergleichbare Leistung haben.

Zusammenfassung

Mehrere Bildgebungsstudien haben ergeben , dass die niedrige räumliche Frequenzen in einer emotionalen Gesicht vor allem die Amygdala aktiviert, pulvinar und Colliculus superior vor allem mit ängstlichen Gesichtern 1-3. Diese Bereiche bilden die limbischen Struktur in nicht-bewusste Wahrnehmung von Emotionen und kortikale Aktivität modulieren entweder direkt oder indirekt 2. Im Gegensatz dazu ist die bewusste Darstellung von Emotionen stärker ausgeprägt in der anterioren cingulären, präfrontalen Kortex und somatosensorischen Kortex für 3,4 in den Gesichtern freiwillig die Aufmerksamkeit auf Details lenken. Asperger-Syndrom (AS) 5,6 stellt eine atypische psychische Störung , die sensorischen, affektiven und kommunikativen Fähigkeiten auswirkt, ohne mit der normalen sprachlichen Fähigkeiten und intellektuellen Fähigkeiten zu stören. Mehrere Studien haben gezeigt, dass funktionelle Defizite in der neuronalen Schaltkreise wichtig für die Gesichts-Erkennung von Emotionen teilweise sozialen Kommunikationsfehler erklären kannPatienten mit AS 7-9. Um das Zusammenspiel zwischen bewussten und nicht-bewussten Darstellungen von emotionalen Gesichter im AS, ein EEG experimentelle Protokoll ist so konzipiert, mit zwei Aufgaben, die Emotionalität Auswertung von entweder Foto oder Strichzeichnung Gesichter zu klären. Eine Pilotstudie ist für die Auswahl der Gesichtsstimuli eingeführt, die die Unterschiede in Reaktionszeiten und Noten Gesichts Emotionen zwischen den pretested Patienten mit AS und IQ / geschlechts gesunden Kontrollen zugeordnet minimieren. Die Informationen aus den pretested Patienten wurde verwendet, um das Punktesystem für die Emotionalität Auswertung zu entwickeln. Die Erforschung Gesichts Emotionen und visuelle Reize mit unterschiedlichen räumlichen Frequenzgehalt hat discrepant Erkenntnisse erreicht über die demografischen Merkmale der Teilnehmer abhängig und Aufgabe erfordert 2. Das experimentelle Protokoll soll mit AS Defizite bei Patienten zu klären Gesichter bei der Verarbeitung emotional, wenn im Vergleich zu gesunden Kontrollen für den Faktor Steuerns in keinem Zusammenhang mit Anerkennung von Gesichts Emotionen wie Aufgabenschwierigkeit, IQ und Geschlecht.

Einleitung

Facial Emotionserkennung ist eine der wichtigsten Hirnprozesse in sozialen Kommunikation tätig. Eine Vielzahl von psychischen Störungen sind Probleme mit expliziten Erkennung von Gesichts Emotionen im Zusammenhang mit 4-6. Ein Foto eines Gesichts enthält ein Spektrum von räumlichen Informationen, die entweder für die hohe räumliche Frequenz (HSF) oder niedrige Raumfrequenz (LSF) Inhalt gefiltert werden können. HSF ist sehr detaillierte Teile eines Bildes im Zusammenhang, wie die Kanten eines Gesichts, während LSF zu gröberen verwandt ist oder weniger gut definierte Teile, wie eine ganzheitliche Gesicht mit LSF Inhalt 7. Jede Gesichtserkennung Aufgabe induziert gleichzeitig bewusst und nicht-bewussten Prozesse 8-12, und die Beteiligung der nicht-bewussten Prozess tritt in der 150-250 ms nach dem Einsetzen Intervall oder sogar noch früher 13. Bei gesunden Kontrollen ist die nicht-bewussten Prozess in der Regel schneller als der bewussten Prozess 14,15. Mehrere Bildgebungsstudien haben ergeben, dassdie LSF in einer Gesichts Reiz (oder motivationally wichtige Impulse) aktiviert hauptsächlich die Amygdala, pulvinar und Colliculus superior vor allem mit ängstlichen Gesichtern 3,16. Diese Bereiche bilden die limbischen Struktur in nicht-bewusste Wahrnehmung von Emotionen und kortikale Aktivität modulieren entweder direkt oder indirekt 1. Im Gegensatz dazu ist bei Bewusstsein Darstellung von Emotionen stärker ausgeprägt in der anterioren cingulären, präfrontalen Kortex und somatosensorischen Kortex für die freiwillige Liebe zum Detail im Gesicht 9,17,18 lenken.

Asperger-Syndrom (AS) 19,20 stellt eine atypische psychische Störung , die sensorischen, affektiven und kommunikativen Fähigkeiten auswirkt, ohne mit der normalen sprachlichen Fähigkeiten und intellektuellen Fähigkeiten zu stören. Mehrere Studien haben gezeigt , dass funktionelle Defizite in der neuronalen Schaltkreise wichtig für die Gesichts - Erkennung von Emotionen kann zum Teil der sozialen Kommunikationsfehler in AS 21-25 erklären.Verhaltensstörungen bei Kindern mit AS beobachtet wird, kann in den ersten drei Lebensjahren 26, ein Zeitraum , in dem ihre freiwillige (oder bewusst) die Kontrolle über Verhalten diagnostiziert werden nicht vollständig 27 entwickelt. Bei Erwachsenen mit AS können die Verhaltensstörungen für die Regulierung durch die Aufmerksamkeit 28 kompensiert werden. Schwierigkeiten bei der Verarbeitung Details innerhalb eines bestimmten räumlichen Frequenzbereich zu einer Störung in verschiedenen Informationsverarbeitungsstufen anzeigen kann. Bisher hat keine Studie adressiert direkt evozierte Potentiale und oszillierende Aktivität bei Patienten mit AS während Gesichtsemotionserkennung Gesichtsstimuli in spezifischen räumlichen Frequenzbereiche beteiligt sind. Es ist wichtig, die Funktionsbahn bei Patienten mit AS, wenn sie mit gesunden Kontrollen bei der Verarbeitung Gesichts Stimuli mit unterschiedlichen räumlichen Frequenzinhalte durch die Steuerung für Aufgabenanforderungen und demografische Effekte wie Geschlecht und IQ im Vergleich zu untersuchen.

Um die Inter zu klärenspielen zwischen bewussten und nicht-bewussten Darstellungen von emotionalen Gesichtern, eine experimentelle EEG-Protokoll für den Vergleich von Gehirn konzipiert evozierte Potentiale und Oszillationen zwischen Patienten mit AS und IQ / geschlechts gesunden Kontrollen. Eine Kohorte von Pilot Teilnehmer wurde für die Unterstützung bei der Auswahl der experimentellen Stimuli und die Entwicklung eines Scoring-System, um vor dem EEG Experiment rekrutiert mit AS eine Bewertung der Leistung bei Patienten zu erleichtern. Das Protokoll besteht aus zwei Aufgaben, die Emotionalität Auswertung von entweder Foto oder Strichzeichnung Gesichter. Die Unterschiede zwischen den beiden Gruppen können durch Berechnen ERPs und ereignisbezogenen spektralen Störungen (ERSPs) beurteilt werden. Im nächsten Abschnitt werden die Einzelheiten des experimentellen Protokolls erarbeitet auf, einschließlich der Pilotstudie und EEG-Datenverarbeitung / Analyseverfahren, die von den wichtigsten Analyseergebnisse gefolgt. Schließlich sind die entscheidenden Schritte in dem Protokoll und seine Bedeutung in Bezug auf bestehendeVerfahren diskutiert. Die Begrenzung und mögliche Verlängerung des Protokolls bei Patienten zu verwenden, um mit anderen emotionalen Störungen heraus auch darauf sind.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Ethikerklärung: Verfahren im Zusammenhang mit menschlichen Teilnehmer wurden von den menschlichen Teilnehmer Forschungsethikkommission / Institutional Review Board an der Academia Sinica, Taiwan genehmigt.

1. Stimuli und experimentelle Programmvorbereitung

  1. Bereiten Sie einen Pool von mehr als 60 emotionale Gesicht Fotografien 29 kategorisiert in drei Gesichtsausdrücke (wütend, glücklich, und neutral). Verwenden Sie Grafik - Software zur Ausblendung Haar und Ohrteile in den Fotos mit schwarzem Hintergrund , wie in 1A gezeigt , so dass die Teilnehmer auf die Gesichtszüge auf den Fotos konzentrieren können.
    1. Öffnen Sie ein Foto in der Grafiksoftware. Verwenden Sie die Auswahl Toolbox eine elliptische Region zu ziehen und die Region, Größe anpassen, so dass die Ohren und die meisten Haare nicht in der Ellipse fallen.
    2. Kehren Sie die ausgewählte Region. Klicken Sie auf "Löschen", um den unerwünschten Bereich der Fotografie zu entfernen und ersetzen Sie es mit dem schwarzen Hintergrundfarbe.

figure-protocol-1
Abbildung 1. Beispiele für emotionale Gesichtsstimuli. (A) Foto Gesichter , wo das Haar und Ohren in der schwarzen Hintergrundfarbe ausgeblendet wurden, und (B) Strichzeichnung Gesichter , die von (A) von Grafik - Software bearbeitet werden. Die Gesichter zeigen neutral, glücklich und wütend Gefühle jeweils von oben nach unten Reihen. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

  1. Erstellen Sie eine Pilotstudie. Rekrutieren Pilotteilnehmer für geeignete Stimuli aus dem Foto-Pool auswählen.
    Hinweis: Die Pilotteilnehmer nicht im EEG Experiment teilnehmen.
    1. Konfigurieren Sie den Reiz Präsentationsprogramm mit dem ersten Computer-Bildschirm Beginn der Aufgabenanweisung präsentiert, gefolgt von 5 familiarization Studien. Beginnen Sie jeden Versuch mit einer Fixierung Kreuz, von einem Gesicht Reiz gefolgt, und durch eine Emotionalität Auswertung Aufgabe. Siehe Ergänzenden Code für ein Beispiel-Programmdatei.
      Hinweis: Die realen Pilotversuche folgen sofort die Einarbeitungsversuche durch Gesicht Fotos in zufälliger Reihenfolge aus dem Pool ausgewählt.
      1. Erstellen Sie ein Versuchsprogramm, einschließlich der Anweisung Bildschirmen und einem zentralen Blickfixierung Bildschirm. Erstellen Sie das Gesicht Stimulus - Bildschirm dargestellt , wie in Abbildung 2 durch die Fotogröße Konfiguration 18,3 x 24,4 cm 2 (Breite x Höhe) zu sein , mit schwarzen Hintergrundfarbe, da ein Computer - Bildschirm Größe 41 x 25,6 cm 2 mit einer Auflösung von 1.680 x 1.050. Siehe Ergänzenden Code für ein Beispiel-Programmdatei.
      2. Erstellen Sie ein Punktesystem für die Emotionalität Auswertung im Programm wie in Abbildung 3 dargestellt. Legen Sie eine horizontale Linie im Bereich von -100 bis +100 in einer kontinuierlichen Skala in der Mitte des Bildschirms withoukeinerlei tick-Markierungen, mit Ausnahme des zentralen und Endpunkten. Bereiten Sie das Programm so, dass die Teilnehmer frei die Emotionalität einer Fotografie Gesicht, indem Sie den Scoring-Cursor nach links für sehr wütend (-100) und auf der rechten Seite für sehr glücklich (100), und drücken Sie die Taste GO auswerten kann.
        Hinweis: Die Scoring-Linie ohne tick-Marken konzipiert ist, weil Patienten mit AS leicht platzieren Sie den Cursor zwischen Zecken während Emotionalität Auswertung stecken können. Daher ist eine kontinuierliche Skala für Patienten bevorzugt.
      3. Stellen Sie sicher , dass das Programm zeichnet Verhaltensergebnisse des Teilnehmers (zB Reaktionszeit und Emotionalität Scores), die als Kriterien verwendet werden , für Fotos aus dem Pool der Wahl (siehe Schritt 1.3.1).
    2. Recruit Pilotteilnehmer (5 Kontrolle und 5 AS Pilot Teilnehmer). Diagnostizieren klinischen Patienten nach Gillberg 30 und DSM-IV - Kriterien 26 und zu verwalten , um die klinische abgeleitet Kurzform von Wechslers Adult Intelligenzskala (WAIS-III) 31. Passen Sie die Regler auf AS Kollegen so nah wie möglich an das Geschlecht und auf verbale / Leistung IQ-Werte.
    3. Führen Sie das experimentelle Verfahren in der Pilotstudie für jeden einzelnen Teilnehmer. Nach der emotionalen Gesichtserkennung Aufgabe zu erledigen, interviewen jeden Piloten AS Teilnehmer über die angemessene Dauer der Zentralaugenfixierung und Stimuluspräsentation Perioden, Schwierigkeit der Aufgabe, die einfache Handhabung der Scoring-System und die maximale Anzahl der Versuche mit für das Halten seiner / ihrer Konzentration, basierend auf dem das Programm für den EEG Experiment umkonfiguriert werden (siehe Schritt 1.3.2)

figure-protocol-2
Abbildung 2. Ein Screenshot eines Gesichts Reiz im Programm. Die Größe der Fläche ausgebildet ist , die Höhe des Bildschirms zu passen. Der leere Bereich wird mit der schwarzen Farbe ausgefüllt.laden / 53962 / 53962fig2large.jpg "target =" _ blank "> Bitte hier klicken, um eine größere Version dieser Figur zu sehen.

figure-protocol-3
Abbildung 3. Ein Screenshot der Punktesystem für die Emotionalität Auswertung. Das Scoring - Bar ist so konzipiert , kein Häkchen haben. Der Teilnehmer muss die Maus ziehen , um die Punktzahl zu einer Fläche zugewiesen auszuwählen und die GO - Taste drücken Sie die Aufgabe zu beenden. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

  1. Programm für die Aufgabe 1: Foto-Session.
    1. Wählen Sie aus den Pool 30 Fotografien, bestehend aus 10 jeweils für glücklich, wütend und neutrale Mimik (5 männliche und 5 weibliche Gesichter für jede Art von Ausdrücken), die die meisten vergleichbaren mittleren Reaktionszeiten geben und bedeuten Emotionalität Scores zwischen 5 AS und 5 Kontrolle Pilotteilnehmer.
    2. Aktualisieren der experimentellen Programmkonfigurationen durch eine Rückkopplung von den Pilot Patienten enthalten, wie beispielsweise die optimale zentrale Blickfixierungszeit (dh 1,000 ms), Dauer der Stimuluspräsentation (dh 1,000 ms), Inter-Stimulus - Intervall (dh zufällig zugewiesen in -zwischen 4 und 7 sec), und das Ausmaß der Scoring - System (dh -100 bis 100). In fünf Einarbeitungs Studien vor der 30 experimentellen Studien im Programm.
      1. Ändern der Anzahl der Impulse und Zeitintervalle in einer externen Konfigurationstextdatei mit dem Versuchsprogramm zugeordnet ist.
        Hinweis: Die Textdatei kann geändert werden verschiedene experimentelle Bedingungen ohne Intervention von Software-Ingenieuren zu passen.
      2. Sie nicht die fünf Fotos für Einarbeitungs Studien zu den 30 ausgewählten Fotos zählen. Verwenden Sie nicht die EEGs und die aufgezeichneten Verhaltensdaten in Einarbeitungs Studien in der Datenanalyse.
  2. Programm foder Aufgabe 2: Line-Zeichnung Session.
    1. Erstellen Strichzeichnungsbilder der 35 Fotos (5 Einarbeitungs Versuche, 30 für experimentelle Studien), die in Aufgabe 1 durch die Kanten jedes Gesicht zu verfolgen. Verwenden Sie Grafik - Software , die Grauskala Fotos in schwarz-weiß Strichzeichnungen zu modifizieren , wie in 1B gezeigt.
      Hinweis: Die Schritte unten Foto-Bearbeitung ist eine der möglichen Lösungen für die Herstellung von Strichzeichnungen.
      1. In der Grafik-Software, stellen Sie die Helligkeit / Kontrast des Fotos, so dass die ursprüngliche Intensität Grauskala in den meisten Pixel in schwarz oder weiß fällt.
      2. Übernehmen "Skizze-Effekt" in der "Wirkung" oder "Filter" Menü der Software auf eine Fotografie Graustufen, so dass nur Kontur des hohen Teilortsfrequenz erhalten bleibt, und anwenden "Not-Effekt" die Ausdehnung der Konturlinien zu erhöhen .
      3. Verwenden Sie einen beliebigen Pinsel-Werkzeug, um die Konturen zu verbessern und einen Radiergummi-Werkzeug verwenden, umbereinigen unerwünschte Teile. Achten Sie darauf, wichtige Gesichtsmerkmale zu halten, indem sie hin und her zwischen dem ursprünglichen Foto und seine Strichzeichnung Gegenstück zu prüfen.
    2. Erstellen Sie eine Kopie des Programms der Aufgabe 1 in Schritt 1.3 ein Programm für die Aufgabe 2 und ersetzen Sie die 35 Fotografien in Aufgabe 1 mit den entsprechenden Strichzeichnungen zu erstellen.

2. EEG Aufnahmeverfahren

  1. Die Vorbereitungen
    1. Rekrutieren 10 gesunden Kontrollen und 10 Patienten mit AS für EEG-Experimente auf der Grundlage der Richtlinien der lokalen Menschen Teilnehmer Forschungsethikkommission / Institutional Review Board.
    2. Verabreichen Sie die Kurzform von WAIS-III 31 zu den Patienten mit AS einzeln vor den Experimenten, und die Kontrollen finden, der die Patienten also so gut wie möglich zu Gender und auf die mündliche / Leistung IQ - Werte.
  2. EEG-Aufnahme
    1. Setzen Sie die Teilnehmer in einem bequemen Sessel in einem gesunden insulated (schwach beleuchtet) Kammer und stellen Sie die Sitzposition, so dass der Computer-Bildschirm 60 cm vor dem Teilnehmer. Nach einem Tutorial auf dem experimentellen Verfahren, haben die Teilnehmer die Zustimmung Formulare ausfüllen zusammen mit ein paar Fragen über seine / ihre Händigkeit.
    2. Verwenden Sie eine EEG-Kappe mit 132 Ag / AgCl-Elektroden (einschließlich 122 10-10 System EEG und der bipolaren VEOG, HEOG, EKG, EMG-Elektroden, zusammen mit sechs Gesichtsmuskel-Kanäle) EEGs aufzuzeichnen. Schließen Sie den Deckel auf zwei 64-Kanal-Verstärker mit 0,1 bis 100 Hz analoge Bandpassfilter zu Roh-EEGs bei 1000 Hz Abtastrate zu digitalisieren.
    3. Den Standard-128-Kanal-EEG-Kappe auf jeden Kopf des Teilnehmers. Stellen Sie die Kappe , so dass die Elektrode mit "Referenz" an der "Cz" Position gebracht, die auf den vorderen / hinteren Mittellinie Landmarken relativ befindet (dh Mitte des nasion zu Inion Entfernung) und nach links / rechts Sehenswürdigkeiten ( das heißt, in der Mitte des linken / rechten tragis), gemäß der EEG international 10/10 System.
    4. Verwenden Sie vorsichtig mit einem stumpfen Nadel leitendes Gel in alle Elektroden zu injizieren. Rühren langsam mit der Nadel innerhalb der Elektrode gut Gel Kontakt zwischen der Kopfhaut und der Elektrode zu gewährleisten (dh die Impedanz unter 5 kOhm zu halten). überprüfen ständig den Zustand des Gels Kontakt an den markierten Elektroden "Referenz" und "Masse" auf der EEG-Kappe die Impedanzmessung, um sicherzustellen, korrekt ist.
      1. Beachten Sie die Elektrodenimpedanz durch die Elektrodenimpedanz Bildschirm durch die EEG - Aufnahme - Software unterstützt Anzeige (zB SCAN 4.5 in dieser Studie) , die in der Regel mit dem EEG - System geht. Auf dem Bildschirm werden die Elektroden in Farben dargestellt ist, und verschiedenen Farben die Pegel der Impedanz zeigen.
    5. Legen Sie eine HEOG Elektrode an der canthus eines Auges (positive Seite) und die zweite Elektrode an der canthus des anderen Auges (negative Seite), einer VEOG Elektrode oberhalb und die andere unterhalb der links Auge, bipolar EKG-Elektroden auf der Rückseite der linken und rechten Hand, und bipolare EMG-Elektroden in dem Bereich zwischen Daumen und Zeigefinger der rechten Hand und den sechs facial Elektroden rund um die Augenbrauen und die Wange.
    6. Nehmen Sie in einem Notebook jene schlechten Kanäle, in denen die Impedanz höher als 5 kOhm ist, oder direkt auf den Bildschirm zeigt Impedanz an allen Elektroden speichern. Verwenden Sie diese als zukünftige Referenz zum Verwerfen schlechten Kanäle in der Phase der EEG-Datenverarbeitung.
    7. Nehmen Sie Ruhezustand EEGs nach dem Teilnehmer anweist Augen für 12 min zu schließen. Während dieser Zeit überprüfen, doppelt die Qualität des Instant-EEG-Strom auf dem Bildschirm durch die EEG-Aufnahme-Software unterstützt gezeigt.
      Hinweis: Es sollte klar Alpha-Wellen in den Hinterhaupts Kanäle während des Augen-geschlossenen Zustand verteilt sein im Vergleich zu den Augen geöffneten Zustand. Wenn die Alpha-Wellen zu laut sind (die schlechten Kanäle zu ignorieren) oder verzerrt, kehren 2.2.4 zu treten und das Gel Kontakt einzustellen.
    8. Starten Sie die beiden experimentellen Aufgaben in einem ausgeglichen, um über die Teilnehmer. Nehmen Sie EEGs, indem Sie auf das Symbol Aufnehmen auf der von der Aufnahme-Software unterstützt Bildschirm.
      1. Nach der Lektüre haben die Aufgabe, Anweisungen auf dem Bildschirm dargestellt, kann jeder Teilnehmer die 5 Einarbeitungs Versuche durchführen, die von den Studien 30 Aufgabe gefolgt. Verwenden Sie das gleiche Verfahren sowohl für Fotografie und Strichzeichnungsaufgaben. so schnell wie möglich in der Aufgabenanweisung, ermutigen die Teilnehmer eine Punktzahl auf Emotionalität eines Gesichts Reiz zuzuweisen.
      2. WICHTIG: Überprüfen Sie Programme vorbereitet in den Schritten 1.3.2 und 1.4.2 für richtig Ereignisse zeit gesperrt bis zum Einsetzen der zentralen Blickfixierung, Gesicht Stimuluspräsentation und durch Drücken der GO-Taste, um die Aufnahme-Software während der Emotionalität Auswertung senden. Diese Beginn Zeiten werden als numerische codiert und können sich auf der von der Aufzeichnungssoftware unterstützt Bildschirm überprüft werden.
        Hinweis: Der Teilnehmer eine Pause zwischen den beiden Aufgaben übernehmen. Es gibt keine EEG reCording während der Pause.
    9. Verwenden Sie einen Digitalisierer (zB die Polhemus FASTRAK 3D - Digitalisierer in dieser Studie) , um die 3D - Positionen von Elektroden zu erfassen und sie in einer Datei zu speichern (zB .3dd oder DAT - Datei) für die Co-Registrierung EEG - Kappen über die Teilnehmer in der Datenanalyse.
    10. Nach dem Experiment EEG, haben die Teilnehmer eine 35 Frage Inventar auf sein / ihr Verhalten und Gefühle während des EEG Experiment ausfüllen (zB negative Emotionen, fast in den Schlaf fiel), und sie die Zahlung für die Teilnahme an dem Experiment zur Verfügung stellen.
    11. Bringen Sie die Teilnehmer auf die Toilette zu reinigen / trocknen sein / ihr Haar.
    12. Reinigen und desinfizieren Sie die EEG-Kappe nach klinischen Anweisungen.

3. Verarbeitung von EEG-Daten

Hinweis: Die Software-Befehle in diesem Abschnitt sind spezifisch für EEGLAB.

  1. Filtern der EEG-Signale unter Verwendung eines Hochpassfilters von 1 Hz und einen Tiefpassfilter von 50 Hz durch die anrufpop_eegfilt.m Funktion 32.
    Hinweis: Verwenden Sie ein Tiefpassfilter von 40 Hz für einige Länder, die 50-Hz-Netzfrequenz haben
  2. Entsorgen schlechten Kanäle mit einer Impedanz von mehr als 5 kOhm nach der Elektrodenimpedanz in Schritt 2.2.6 aufgezeichnet zu überprüfen. Verwerfen diese schlechten Kanäle mit sehr unterschiedlichen Leistungsspektrums im Vergleich zu den benachbarten Kanälen durch visuelle Inspektion des Leistungsspektrums Eigenschaften (beispielsweise der Maximalwert, der Krümmung, etc.) in jedem Kanal.
    1. Berechnen und das Leistungsspektrum des EEG - Signals Komplott der pop_spectopo.m Funktion 32 aufrufen.
  3. Re-Referenz die EEG-Signale mit dem Durchschnitt der Gehirn-Kanäle ohne die schlechten Kanäle durch die pop_reref.m Funktion aufrufen.
  4. Segment EEGs in Stimulus-Locked-Epochen, von denen jeder im Bereich von -2,0 bis 1,5 sec prä- sec nach Beginn des Stimulus. Richtige für die Baseline (-2,0 bis -1,2 sec vor dem Beginn des Stimulus) durch den Durchschnitt der Basis valu Entfernenes aus jeder Epoche.
    1. Rufen Sie die pop_epoch.m und pop_rmbase.m Funktionen sind. Wählen Sie das Intervall der Basislinie vor der zentralen Blickfixierungsperiode und dem Beginn des Gesichts Stimulus.
  5. Mark schlechte Epochen, die Artefakte zu enthalten scheinen. Entsorgen Sie die schlechten Epochen, während die Epochen von Augenblinzen kontaminiert reservieren. Die Epochen mit Artefakte sehen in der Regel laut oder extrem hohen Spitzenwert (zB höher als 100 & mgr ; V) im Vergleich zu typischen Epochen.
    1. Rufen Sie die pop_rejmenu.m Funktion ein halbautomatisches Verfahren zu starten. Eine Interaktion Fenster öffnet, um automatisch ausgewählt schlechte Epochen durch den Benutzer über visuelle Inspektion erneut bestätigen. Obwohl eine Mehrheit der Epochen durch Augenblinzen verunreinigt sind, können diese Epochen vorläufig für spätere Entfernung von Independent Component Analysis (ICA) 33 in Schritt 3.8 reserviert werden.
  6. schlechte Kanäle und schlechte Epochen Nach dem Verwerfen, ICA auf den beschnittenen EEG-Daten führen Sie den pop_runi mitca.m Funktion.
  7. Unter den geschätzten unabhängigen Komponenten (ICs), identifizieren Artefakte aus der Augenbewegung / blinken, Muskelaktivität, Herzschlag, und Leitungsrauschen 32.
    Hinweis: Eine signifikant hohe Korrelation (R 2> 0,9) zwischen IC - Scores einer Komponente und die aller Referenzkanäle (VEOG, HEOG, EKG und Gesichts Kanäle) zeigt an, dass diese Komponente in erster Linie durch Artefakte beigetragen wird. Die geschätzten IC-Scores durch die Artefakte erklärt sind auch per multiple Regressionsanalyse gereinigt werden.
  8. Entfernen Artefakt-ICs und schätzen die klaren EEGs, die durch das Produkt des ICA abgeleitet sind Mischmatrix und artefakt gereinigt IC-Score-Matrix. Speichern Sie die saubere EEGs für die weitere Analyse.
    1. Halten Sie die Residuen der Vorhersage Artefakt - ICs (R 2> 0,9) von der Referenz VEOG, HEOG, EKG und Gesichts Kanäle in der IC - Score - Matrix. Entfernen Sie andere Artefakt-ICs durch die pop_subcomp.m Funktion. Die Funktion gibt die artefakt gereinigt EEGs.

4. Statistische Analyse

  1. Partition EEG-Kanäle in elf homogenen Regionen die Anzahl der statistischen Vergleiche in ERP zu reduzieren und ERSP analysiert, das heißt, links- (10 Kanäle), midline- (14) und der rechten frontalen (10); linke (13) und der rechten Schläfen (13); links- (9), midline- (14) und der rechten zentralen (9); links- (9), midline- (12) und der rechten Hinterhaupts parietalen (9) , wie in 4 gezeigt. Diese Regionen werden entsprechend der funktionellen Anatomie des Kortex 34. Funktions Homogenität der EEG - Signale in diesen Gebieten wurde in verschiedenen Experimenten bestätigt 13,35,36.

figure-protocol-4
Abbildung 4. Der Kanal - Partition. Die Kanäle sind in elf Bereiche unterteilt. LF: links-frontal (10 Kanäle), MF: Mittellinie-frontalen (14), RF: rechte frontale (10), LT: links-temporal (13), RT: rechts-temporal (13), LC: links-Zentrale (9), MC: Mittellinie-Zentral (14), RC: Rechtsmittel (9), LP: links-Hinterhaupts parietalen (9), MP: Mittellinie-Hinterhaupts parietalen (12), RP :. rechten Hinterhaupts parietalen (9) Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

  1. Legen Sie die sauberen EEGs in Schritt 3.8. Berechnen Sie den Kanal ERP durch Signale über Epochen in jedem Kanal im Durchschnitt und die regionale ERP von ERPs innerhalb derselben Region im Durchschnitt.
    Hinweis: Bei EEGs sind die pop_loadset.m Funktion in EEGLAB geladen verwenden, werden die Signale in der Struktur-Variable gespeichert "EEG.data" in einem Kanal-by-Zeit-für-Epoche-Array.
    1. Im Kommandofenster Matlab, berechnen die ERP - Kanal durch EEG.data über Epochen für jeden Kanal (zB channelERP = Mittelwert (EEG.dat, 3)) im Durchschnitt. Berechnen Sie die regionalen ERP durch den Kanal ERPs im Durchschnitt in der jeweiligen Region gemäß der Trennwand in 4.1 (zB regionalERP = Mittelwert (channelERP (index, :), 1), wobei "Index" steht für die Kanalindizes in einer bestimmten Region).
  2. Berechnen Sie die Kanal ERSPs durch Anlegen einer Zeit-Frequenz - Transformation (zB Wavelet - Transformation) zu Epoche Signale in jedem Kanal und regionalen ERSPs durch Kanal ERSPs in derselben Region im Durchschnitt.
    1. Führen Sie die Zeit-Frequenz-Transformation durch die pop_newtimef.m Funktion aufrufen.
      Hinweis: In dieser Studie wurde die "Wavelet-Zyklen" Eintrag wird auf [1, 0,5] und "Baseline" ist auf [-2.000--1.200] msec. Die resultierenden Kanal ERSPs wird in einer Frequenz-by-Zeit-für-Kanal-Array gespeichert werden.
    2. Im Kommandofenster Matlab, die regionale ERSP berechnen , indem ERSPs über Kanäle in der jeweiligen Region gemäß der Trennwand 4.1 (zB regionalERSP = Mittelwert (channelERSP ( im Durchschnitt:,:, index), 3), wobei "channelERSP" ist der Ausgang von der pop_newtimef.m-Funktion und "Index" steht für die Kanalindizes in agIven Region).
  3. Berechnen Mittelwerte in verschiedenen Zeitintervallen (zB 50-150, 150-250, 250-350, 350-450 ms) für die regionale ERPs. Berechnen Mittelwerte in verschiedenen Zeitfrequenzintervallen (zB 50-150, 150-250, 250-350, 350-450, 450-800 ms in 1-7 Hz und 200-800 ms in 8-30 Hz) für die regionale ERSPs.
  4. Bewerben MANOVA in statistischer Software (zB IBM SPSS) zu den Mittelwerten der regionalen ERPs und ERSPs Haupteffekte für die Aufgabe (Foto vs. Strichzeichnung), Region (elf Kopfhaut Regionen) zu bewerten, und die Gruppe (AS vs. Kontrolle) sowie die Wechselwirkungen zwischen der Aufgabe, die Region und Gruppe.
    1. In der statistischen Analyse, betrachten Geschlecht (männlich vs. weiblich) als Kovariate, und schätzen die Haupt- und Interaktionseffekte durch die geschlechtsspezifische Wirkung konstant gehalten werden.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Die durchschnittlichen verbalen und Performance IQ - Werte sind in Tabelle 1 für die Steuerung und AS - Gruppen zusammen mit den durchschnittlichen Reaktionszeiten und Durchschnittswerte zu Emotionalität von Gesichtern der beiden Gruppen zugeordnet aufgeführt. In der Tabelle keine der Gruppenunterschiede erreicht statistische Signifikanz mit Ausnahme der neutralen Gesichter in der Strichzeichnung Aufgabe, bei der die AS - Gruppe eine durchschnittliche Punktzahl in der Nä...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Die Literatur bietet Studien zur Erkennung von Gesichts Emotionen bei Patienten mit Autismus durch die Analyse von EEG - Reaktionen 44 und über die Anerkennung von Hoch- und Niederraumfrequenzinhalt unter Verwendung von visuellen Reizen 43. Zum bestem Wissen, jedoch gibt es einen Mangel an bestehende Arbeit auf dem Gehirn oszillatorischen Aktivität, die Emotionserkennung mit unterschiedlichen räumlichen Frequenzinhalt kombiniert. Unser Protokoll ist ein erster Schritt in Richtung auf den Einfluss d...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren haben nichts offenzulegen.

Danksagungen

Diese Forschung wurde durch die Zuschüsse MOST102-2410-H-001-044 und MOST103-2410-H-001-058-MY2 an M. Liou und RSF-14-15-00202 an A.N. Savostyanov unterstützt. Die Unterstützung der Russischen Wissenschaftsstiftung (RSF) wurde für die Ausarbeitung eines experimentellen Paradigmas der Gesichtserkennung verwendet.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Synamps 2/RT 128-Kanal EEG/EP/ERPNeuroscan
Quik-CapEEG 128 ElektrodenNeuroscan
GelQuik-Gel
FASTRAK 3D-DigitizerPolhemus 

Referenzen

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Schlagwörter

Asperger SyndromVerarbeitung emotionaler Gesichtsausdr ckeEEG Experimentbewusste und unbewusste Repr sentationN400 KomponenteAmygdala Funktionr umliche FrequenzErkennung von GesichtsemotionenStrichzeichnungen AufgabeFotografien Aufgabe
Bewusste und Nichtbewusste Darstellungen von Emotional Faces in Asperger-Syndrom
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.