Methodenartikel

Ein Protokoll der Elektrophysiologie Maßnahme Belohnung Erwartung und Verarbeitung bei Kindern

10K Aufrufe

⸱

DOI:

10.3791/58348

⸱

4. Oktober 2018

 , 
1Graduate School of Education, University of California, Riverside, 2Psychology Department, University of California, San Diego

In diesem Artikel

Zusammenfassung

Dieses Protokoll dient zur Messung von Belohnung Erwartung und Verarbeitung bei Kindern mit und ohne Autismus. Speziell ist das Protokoll der neuronalen Korrelate des Belohnung während der sozialen und qualitative Zustände beim controlling für Belohnung zwischen Bedingungen zu studieren.

Zusammenfassung

Wir präsentieren Ihnen ein Protokoll entwickelt, um die neuronalen Korrelate der Belohnung bei Kindern zu messen. Das Protokoll erlaubt Forschern, Belohnung Erwartung und Verarbeitung zu messen. Es soll eine Belohnung-Aufgabe erstellen, die für kleine Kinder mit und ohne Autismus geeignet ist gleichzeitiger Kontrolle der Belohnung Eigenschaften zwischen zwei Bedingungen: soziale und qualitative. Das aktuelle Protokoll ermöglicht Vergleiche der Hirnaktivität zwischen sozialen und qualitative Belohnung Bedingungen unter Beibehaltung der Belohnung selbst zwischen Bedingungen identisch. Unter Verwendung dieses Protokolls, fanden wir Hinweise darauf, dass neurotypische Kinder verbesserte vorausschauende Hirnaktivität während die sozialen Bedingungen zu demonstrieren. Darüber hinaus fanden wir, dass neurotypische Kinder soziale Belohnung robuster als Kinder mit Autismus Diagnosen erwarten. Da die Aufgabe als Belohnung Snacks verwendet, ist es am besten geeignet für kleine Kinder. Jedoch möglicherweise das Protokoll für die Verwendung mit Jugendlichen oder erwachsenen Bevölkerung angepasst, wenn Snacks durch monetäre Anreize ersetzt werden. Das Protokoll dient zur Messung von elektrophysiologischen Ereignisse (Event-related Potentials), aber es kann für den Einsatz mit Eye-Tracking oder fMRI angepasst werden.

Einleitung

Autismus-Spektrum-Störung (ASD) ist eine Entwicklungsstörung, die durch Beeinträchtigungen der sozialen Kommunikation (verbale und non-verbale) und das Vorhandensein von eingeschränkten Interesse und/oder repetitive Verhaltensweisen1gekennzeichnet. Angesichts der Tatsache, dass ASD Hypothese ist zu neurologisch-basierten2,3, ist es nicht verwunderlich, dass Neurowissenschaftliche Forschung an Kindern mit ASD in den letzten zehn Jahren weit verbreitet geworden. Obwohl viele Theorien über die Gehirn-Basis von ASD vorgeschlagen wurden, gehört vor allem das umfangreiche Forschungsarbeiten Aufmerksamkeit angesammelt hat die soziale Motivation Hypothese4. Kurz, die soziale Motivation-Hypothese besagt, dass Kinder mit ASD weniger soziale Interaktion betreiben als ihre in der Regel entwickeln (TD) blickt, weil soziale Interaktion nicht ist so lohnend für sie. Chevallier Et Al. liefern einen Überblick über die soziale Motivation Hypothese5. Da diese Hypothese bezieht sich direkt auf das Belohnungssystem, haben insbesondere unabhängig davon, ob das System im ASD auf soziale Informationen reagiert mehrere Studien der sozialen Belohnungssystem im ASD6,7, untersucht 8 , 9 , 10 , 11 , 12. Ergebnisse aus diesen Studien unterschieden haben, mit einigen Nachweis, dass das Belohnungssystem im ASD Überfunktion, sowohl in sozialer als auch in qualitative Informationen und andere darauf hindeutet, dass das Lohn-System in der Regel für die Nonsocial funktioniert Informationen sind aber Überfunktion auf soziale Reize. Ein möglicher Grund für diese inkonsistente Ergebnisse bezieht sich auf die Reize und Methodik in den Protokollen. Es ist schwierig, Sozial- und qualitative Belohnungen in einem experimentellen Kontext entsprechen; zum Beispiel, mehrere Studien haben ein Bild von einem lächelnden Gesicht als soziale Belohnung verwendet, und die qualitative Belohnung ist Währung (z. B. Geld bekommen, nachdem das Experiment komplett7,8,11 ist). Obwohl diese Studien eine wichtige Grundlage für die zukünftige Forschung bilden, ist es schwierig, festzustellen, ob die Ergebnisse beziehen sich auf Unterschiede in der sozialen versus qualitative Belohnung Reaktionsfähigkeit in ASD oder wenn sie aufgrund der Unterschiede zwischen Belohnung Bedingungen.

Das aktuelle Protokoll soll das Belohnungssystem in High-Funktionieren Kinder mit ASD mit Elektrophysiologie untersuchen. Um Unterschiede zwischen Kindern mit und ohne ASD basierend auf Belohnung Erwartung zu erkunden, war die Reiz vorausgehenden Negativität (SPN) gemessen. Der SPN ist eine slow-Wave-Komponente, die die Erwartung einer Belohnung Reiz13reflektiert. Die Bedeutung der SPN ist in der Regel als emotionale Erwartung14,15,16 konzipiert und wird gedacht, um durch Aktivität in der Insula17,18zum Ausdruck kommen. Der SPN wird oft nach dem Teilnehmer eine motorische Reaktion durchführen und vor Beginn der Rückmeldung bei einer Entscheidungsfindung Aufgabe19,20gemessen. Der SPN ist empfindlich gegen Belohnung Größenordnung und konsequent größere Belohnung im Vergleich zu keine-Belohnung Bedingungen15,16,21. Obwohl der SPN in der Regel in der Entscheidungsfindung Aufgaben gemessen wird, haben Forscher berichteten, dass der SPN beobachtet werden kann, als Vorwegnahme der affektiven kommende Reize ohne jede Aufgabe22,23,24. Eine zielt kritische das aktuelle Protokoll auf eine experimentelle Aufgabe zu erfüllen, in der die Prämien zwischen sozialen und qualitative Bedingungen abgestimmt sind, um Potenzial zu beseitigen, verwirrt. Ein weiteres Ziel ist es, Kinder zwischen 6 und 11 Jahren zu testen. Daher kann das Protokoll als Belohnung altersgerechte Aufgaben dienen, die Kinder ansprechende finden können, ohne immer frustriert.

Protokoll

Verfahren im Zusammenhang mit menschlichen Teilnehmer stimmten mit den menschlichen Thema Forschung Ethik Ausschuss/Institutional Review Board an der University of California, Riverside und University of California, San Diego.

(1) Reize Vorbereitung

Hinweis: Die nachstehend beschriebenen Verfahren beziehen sich auf eine handelsübliche Schnittplatz (siehe Tabelle der Materialien); jedoch kann andere Foto-editing-Software sicher verwendet werden.

  1. Bereiten Sie eine Reihe von emotionalen Gesicht Fotos25 in zwei Gesichtsausdrücke (glückliche und traurige) kategorisiert. Mit zuvor erfassten Verhaltens Bewertungen, wählen Sie Fotos mit hochgenauen Emotion Bewertungen (in denen über 80 % der Teilnehmer das Gefühl richtig erkannt)25.
    Hinweis: In unserem Protokoll gab es 33 ausgewählten Erwachsene Gesichter (18 w, 15 m). Der 18 Weibchen 9 sind kaukasischen, 4 sind Afroamerikaner und 5 sind Amerikaner asiatischer Abstammung. Die 15 Männer 9 sind kaukasischen, 6 sind Afroamerikaner und sind keine Amerikaner asiatischer Abstammung. In diesem Fall Fotos bereits beschnitten und auf einem weißen Hintergrund platziert. Es ist wichtig zu beachten, dass das NimStim-Set von Gesichtsausdrücken bewertet wurde und durch Erwachsene25normiert. So ist es möglich, dass Kinder oder Jugendliche Gesichtsausdrücke anders als die Erwachsenen wahrnehmen können, normiert die Bilder.
  2. Standardisierung der emotionalen Ausdruck Reize
    1. Mit einer Foto-Bearbeitungs-Suite, bearbeiten die Fotos in Graustufen zu sein, dann abspeichern (in der hier verwendeten Software, dies geschieht durch Auswahl Bild | Modus | Graustufen).
    2. Stellen Sie sicher, dass die Auflösung 72 Pixel/Zoll und die Datei Breite 8,5 Zoll und Höhe 11 Zoll.
    3. Mit einem Lineal, ändern Sie die Breite des Bildes (in Pixel) bis die Gesicht Massnahmen 11 cm von außen an das Haar auf der einen Seite an der Außenseite der Haare auf der anderen Seite, und 14 cm vom Beginn der Haaransatz an der Unterseite des Kinns.
  3. Erstellen von verschlüsselten Gesicht Pfeil Reize
    1. Laden Sie das Plugin "Scramble" (http://telegraphics.com.au/sw/product/Scramble).
    2. Extrahieren Sie die ZIP und verschieben Sie sie in "Plugins" im Inneren der Schnittplatz Anwendungsordner.
    3. Erstellen Sie in der Foto-Bearbeitungs-Programm eine "benutzerdefinierte Form" in der Form -Optionen. Stellen Sie sicher, dass die Form eines Pfeils.
    4. Öffnen Sie die emotionalen Bilder ein, zu einer Zeit. Verwenden Sie das Auswahlwerkzeug, um nur das Gesicht und nicht auf den Hintergrund auszuwählen.
    5. Wählen Sie Filter | Telegraphics | Scramble | OK.
    6. Wählen Sie Fenster | Schichten (Dies sollte ein Fenster "Ebenen" auf die Seite zu produzieren).
    7. Doppelklicke Hintergrund, dann klicken Sie auf ok und benennen sie die Ebene 0 (beliebiger Name ist in Ordnung).
    8. Rechtsklick auf das Hilfsmittel " Form " in der linken Menüleiste und wählen Sie die benutzerdefinierten Pfeilform.
    9. Ziehen Sie die Pfeilform in der Mitte das verschlüsselte Bild.
    10. Verwenden Sie STRG + T , ziehen den Pfeil in der Mitte des Bildes und der Größe anpassen, so ist es das gleiche wie das Gesicht Bild (z. B. 11 x 14 cm).
    11. Verwenden Sie die Winkel, um sicherzustellen, dass für glückliche Gesichter des Pfeils nach oben zeigt und für traurige Gesichter blickt auf der Pfeil nach unten.
    12. Klicken Sie auf Layer 0 oder die Bezeichnung im Schritt 1.3.7.
    13. Layer auswählen | Gruppe mit vorherigen.
    14. Klicken Sie Select-All | Bearbeiten | Kopie zusammengeführt.
    15. Erstellen Sie eine neue Datei mit dem Pfeil auf weißem Hintergrund, indem Sie die Datei auswählen | Neue. Die neue Datei sollte 8,5 x 11 Zoll mit einer Auflösung von 72 Pixel/Zoll.
    16. Speichern Sie die Dateien.
      Hinweis: Nachdem diese gespeichert sind, sollten Fotos von Personen mit traurige Ausdrücke, glückliche Ausdrücke und die verschlüsselten Versionen. Das Rührei Foto mit dem nach oben zeigenden Pfeil ist das qualitative Bild für glücklich, und das Rührei Foto mit den nach unten zeigenden Pfeil ist das qualitative Bild für traurig.
  4. Die Belohnung-Bilder erstellen
    1. Suchen Sie ein Bild eines Goldfish Crackers (ohne irgendetwas in den Rahmen) und auf den Computer herunterzuladen.
    2. Öffnen Sie das Goldfisch-Cracker-Bild in ein Foto-Bearbeitungs-Suite und bearbeiten Sie, um in Graustufen werden.
    3. Erstellen Sie zwei Goldfische Cracker Bilder: (1) eine in Graustufen und (2) ein, die durchgestrichen ist (z. B. hat eine umgebende Kreis/Oval mit einer Linie durch die Mitte).
    4. Mit Kopie | Einfügen, platzieren Sie Bilder des intakt Goldfish Crackers um die glückliche Bilder (z. B. nach oben Pfeil zeigt sowohl die lächelnde Menschen).
    5. Mit Kopie | Einfügen, platzieren Sie Bilder des durchgestrichenen Goldfish Crackers um die traurigen Bilder (z. B. nach unten Pfeil zeigt sowohl die Stirnrunzeln Menschen).
  5. Vorbereitung der Reize in Elektrophysiologie (EEG)-Präsentations-software
    1. Erstellen Sie zwei Blöcke von Reizen in einer EEG-Präsentation-Software-Paket. Einen Block werden soziale (z. B. Bilder von Lächeln und Stirnrunzeln Gesichter) und andererseits werden qualitative (z. B. Bilder nach oben und unten Pfeile vor).
    2. Pseudo-zufällig auswählen, die die Reihenfolge der Reize in jedem Block, dass kein Bild mehr als einmal hintereinander, und solche, die den Teilnehmer tritt nicht mehr sieht, als drei traurig/nach unten zeigen Pfeile oder Pfeile hintereinander glücklich/nach oben zeigt.
    3. Jede Studie soll Folgendes enthalten: eine Fixierung Kreuz; 2 Boxen mit Fragezeichen (der Teilnehmer nutzt einen Knopf drücken um die Wahl zwischen der linken und rechten Box anzugeben); ein Pfeil auf dem Feld der Teilnehmer wählt per Taste; und Feedback (die Reize, die oben erstellte).
      Hinweis: Obwohl Teilnehmer Feld nach links oder Rechte auswählen, ob zu korrigieren (z. B. glückliches Gesicht oder nach oben gerichteten Pfeil umgeben von intakten Goldfisch) oder falsch (z. B. traurige Gesicht oder umgeben von Pfeil nach unten zeigt durchgestrichen Goldfische) Feedback gezeigt durch die Randomisierung in Schritt 1.5.2 beschriebenen vorprogrammiert. So können Teilnehmer das Gefühl, dass sie richtig oder falsch Raten sind, aber in Wirklichkeit die Wahl hat keinen Einfluss auf die Feedback-Bild angezeigt wird.
    4. Jede Studie, die anhand der folgenden Laufzeiten anzeigen: (1) Fixierung cross für 500 ms, 2) zwei Boxen mit Fragezeichen im Inneren für 3000 ms, 3) zwei Boxen mit Fragezeichen im Inneren mit einem Pfeil in Richtung Feld gewählt durch den Teilnehmer für 2000 ms und (4) Feedback (< C34>e.g., Gesicht oder verschlüsselte Bilder) für 1000 ms siehe Abbildung 1.
      Hinweis: Wenn die Teilnehmer nicht innerhalb von 3000 ms (per Knopfdruck) reagieren, die Testphase und die nächste Prüfung beginnt. Der erwartete Gesichtswinkel ist einen horizontalen Blickwinkel von 14,5 ° und vertikale Sehwinkel von 10,67 °.

(2) Verhaltens Verfahren

  1. Teilnehmer mit und ohne ASD Diagnosen anhand der Institutional Review Board-Richtlinien zu rekrutieren.
  2. Verwalten von kognitiven Tests (z. B. Wechsler abgekürzt Scale of Intelligence, WASI26) an alle Teilnehmer zu bestätigen, dass Kinder kognitive Partituren innerhalb der Low-Durchschnitt die durchschnittliche Reichweite (z. B. eine Full-Scale IQ von mindestens 70) .
    Hinweis: Es wurde festgestellt, dass Kinder mit Full-Scale IQ unter 70 wahrscheinlich hätte Schwierigkeiten Verständnis und Erinnerung an Aufgabe Richtungen. Daher wurde ein IQ-Cut-off von 70 als ausschließenden Kriterium für die Teilnahme ausgewählt.
  3. Für Teilnehmer mit einer früheren Diagnose ASD, verwalten den Autismus diagnostische Beobachtung Zeitplan (zweite Auflage, ADOS-2)27 , ihre Eignung zu bestätigen.

(3) EEG-Aufzeichnung

  1. Richten Sie die Teilnehmer.
    1. Stellen Sie sicher, dass jeder Teilnehmer in einem bequemen Sessel in einem schwach beleuchteten Raum sitzt und passen Sie den Stuhl so Individuen 72 cm weg von dem Computerbildschirm sind. Geben Sie eine kurze Anleitung über die Vorgehensweise.
      Hinweis: In dieser Studie Teilnehmer waren sagte Folgendes: "Sie spielen ein Ratespiel - genau wie Pick-a-Hand, außer auf dem Computer. Sie sehen 2 Boxen mit Fragezeichen in ihnen, und dann verwenden Sie diese Schaltfläche "Box, um wählen, ob Sie der rechten denken oder linken Feld das richtige ist. Wenn Sie, dass das linke Feld die richtige ist denken, drücken Sie die linke Maustaste. Wenn Sie, dass das rechte Feld die richtige ist denken, drücken Sie die Rechte Maustaste. Wenn Sie auswählen, sehen Sie die Kästchen mit Fragezeichen und einen Pfeil in der Mitte zeigen, die Sie ausgewählt. Dann sehen Sie, wenn Sie es richtig gemacht haben. Für jeden Sie Recht erhalten, erhalten Sie 1 Goldfisch Cracker. Wenn Sie Goldfische nicht mögen, können Sie Obst Snacks handeln. Wenn Sie es richtig machen, sehen Sie einen Ring von Goldfish Crackers. Das bedeutet, Sie bekommen einen Goldfisch Cracker! Wenn Sie es falsch machen, sehen Sie einen Ring von Goldfish Crackers durchgestrichen. Wenn Sie es falsch machen, wirst du Goldfische nicht verlieren, Sie wird nicht nur gewinnen, die Zeit. Der Computer wird behalten Sie den Überblick wie viele Goldfische, die Sie erhalten, und dann gebe ich Ihnen, dass viele nachdem wir alle fertig sind. " Nach dem Tutorial, bitten Sie die Teilnehmer, "Ok, so was wirst du tun?" gefolgt von "Was werden Sie sehen, wenn Sie es richtig machen?" und "Was werden Sie sehen, wenn man es falsch machen?" zu bestätigen, dass sie die Aufgabe zu verstehen. Wenn sie nicht scheinen, um zu verstehen, es wieder zu erklären, bis sie diese Fragen richtig beantworten können.
  2. Verwenden Sie eine EEG-Kappe mit 32 Ag/AgCl-Elektroden im internationalen 10-20-System mit zusätzlichen vertikalen (VEOG) und horizontalen (HEOG) Elektroden, Augenbewegung zu erfassen.
  3. Messen des Teilnehmers Kopf um festzustellen, welche Größe-Kappe für die Kopfgröße geeignet ist.
  4. Pre-gel mit einer stumpfen Nadel, GAP durch Einspritzen von leitfähigen Gel in den Elektroden.
  5. Verbinden Sie die EEG Kappe an den Verstärker mit einem Tiefpass-Filter bei 70 Hz, ein direkt gekoppelte (DC) Hochpassfilter, 60Hz Notch-Filter und 500 Hz Abtastrate.
  6. Passen Sie die EEG-Kappe des Teilnehmers Kopf derart, dass die "Cz" Elektrode sich in der Mitte der Kopfhaut (z. B. Mitte des Nasion zum Inion) nach 10-20-System befindet.
  7. Mit einer stumpfen Nadel oder sterilen Holzstab, Wirbel im Inneren der Elektrode zu bewegen jedes Haar und lassen Sie das Gel an der Kopfhaut.
  8. Verwenden Sie eine Impedanz-Messgerät (oder EEG-Computer) um sicherzustellen, dass die Impedanz unter 10 KΩ für eine niedrige Impedanz System und unter 50 KΩ für eine hohe Impedanz-System ist.
  9. Sobald die Elektroden auf der Kappe akzeptabel Impedanz Ebenen anzuzeigen, platzieren Sie die HEOG und VEOG Elektroden. Platzieren Sie die HEOG-Elektroden im augenwinkelbereich jedes Auge und VEOG Elektroden oberhalb und unterhalb des Auges.
  10. Wenn Elektroden Impedanz Pegel über die akzeptable Schwellenwerte erwähnt haben, speichert sie in einem Notebook oder auf dem Computer.
  11. Beginnen Sie die experimentelle Blöcke, Gegengewicht die Reihenfolge der Blöcke (z. B. Sozial- und qualitative) zwischen den Teilnehmern. Sicherstellen Sie, dass die EEG-Computer ist die Aufnahme, EEG Computer und Aufzeichnung Computer synchronisiert und die Ereignisse korrekt gesendet werden sind.
  12. Geben Sie den Teilnehmern 30-sekündigen Pausen nach jeder 15 Studien (ca. alle 2-3 Minuten), damit sie sich bewegen, If erforderlich.
    Hinweis: Obwohl keine explizite Anweisungen für Kinder zur Bewegung gegeben wurden, Teilnehmer mussten Pausen nutzen, um "die Wiggles raus", "Hol dir etwas Energie heraus", oder andere Bewegungen durchführen wollten.
  13. Zwischen den Blöcken geben Sie den Teilnehmern eine längere Pause (ca. 5 Minuten). Haben Sie nach jedem Block die Teilnehmer füllen Sie eine 4-Frage-Likert-Skala über wie viel sie das Ratespiel genossen und wie oft sie fühlten, dass sie die richtige Antworten bekommen könnte.
  14. Nachdem beide Blöcke abgeschlossen sind und Teilnehmer beiden Likert-Fragebogen ausgefüllt haben, nehmen Sie die Kappe des EEG und es ermöglichen Sie ihnen, ihre Haare zu waschen.
    1. Bieten Sie Zahlung (oder ein entsprechendes "Preis") für die Teilnehmer und ihre Familien.
    2. Reinigen und Sterilisieren der EEG-Kappe.

4. Verarbeitung EEG-Daten

Hinweis: Die Befehle in diesem Abschnitt beschriebenen und Verfahren sind spezifisch für EEGLAB und ERPlab Toolboxen28.

  1. In ERPlab Filtern Sie die EEG-Daten mit einem Hochpass-Filter von.01 Hz und Tiefpass-Filter von 30 Hz.
  2. (In ERPlab) zu verwerfen oder Interpolieren (in EEGLAB) schlechte Kanäle, die scheinen hohen Impedanz haben und/oder während der Aufnahme (z. B. verloren Kontakt mit der Haut während der Aufnahme) problematisch waren.
  3. Mit den EEG-kanaloperationen GUI (in ERPlab), neu verweisen Sie auf die EEG-Daten mit dem Durchschnitt der linken und rechten mastoid Elektroden (mastoid Elektroden wurden als Referenz wegen nicht mit einem dichten Elektroden-Array; in diesem Fall, Experten ausgewählt manchmal schlagen Sie mit dem Durchschnitt29verweisen, und weil den Durchschnitt der beiden mastoid Elektroden ist weniger problematisch für Lateralität Effekte im Vergleich zu einem einzigen mastoid30).
  4. Wenn den Durchschnitt der mastoid Elektroden verwenden für die erneute Referenzierung, müssen diese beiden Elektroden ein klares Signal bereitstellen. Wenn entweder mastoid Elektrode während der Aufnahme ein qualitativ minderwertiges Signal (z. B. mit hoher Impedanz) oder verlor den Kontakt mit der Haut hat, verwenden Sie nicht Daten des Teilnehmers für die Analyse.
  5. Verwenden Sie EVENTLIST Dropdown-Menü in ERPlab, um ein EEG Eventlisterstellen und Lagerplätze mit BINLISTERweisen Sie Codes vom Reiz Computer zu.
  6. Mit dem bin-basierte Epochen zu extrahieren Dropdown-Menü in ERPlab, segmentieren Sie die kontinuierlichen EEG-Daten in Epochen Impulse gesperrt und Grundlinie korrekt. Um den Reiz vorausgehenden Negativität (SPN) zu messen, verwenden Sie Epoche von-2200 bis 100 ms (Baseline-2200-2000 MS). Zur Belohnung Verarbeitung oder nach dem Stimulus Gehirnaktivität zu messen, verwenden Sie Epoche von-200 bis 800 ms (Baseline von-200 bis 0 ms).
  7. Plot-Daten in EEGlab, und mark und entsorgen Sie Epochen, die scheinbar nicht Augenzwinkern Artefakte (z. B. übermäßiger Lärm oder Motorbewegung) enthalten.
  8. Wählen Sie Run ICA auf epoched Daten.
  9. Plot der unabhängigen Komponenten (Wählen Sie Grundstück | Komponente-Aktivierungen) und Artefakte von Augenbewegungen und blinkt zu identifizieren.
  10. Entfernen Sie die Komponenten, die als Augenbewegungen oder Auge blinzeln Artefakte. Um zu überprüfen, ob die Komponenten zum Entfernen markiert für die Augenbewegungen zuständig sind, wählen Sie Grundstück einzelne Studiendaten zur Visualisierung der Daten mit den identifizierten Komponenten entfernt. Sobald die blinkt und Augenbewegungen entfernt sind, akzeptieren Sie die Entfernung der identifizierten Komponenten.
  11. Wählen Sie im ERPlab-Tools, Artefakt Ablehnung in epoched Daten | Verschieben von Peak to Peak Fensterprozedur. In der aktuellen Studie wurden 200 ms bewegte Fenster, 100 ms Fenster Schritt und 150 mV Spannungsgrenze eingesetzt.
  12. Berechnen Sie die durchschnittliche ERP-Systeme. Achten Sie darauf, die Standardeinstellungen zu verwenden, die besagen, die alle Epochen zur Entfernung markiert aus dem gemittelten ERP verworfen werden.
  13. Um durchschnittliche Gehirnaktivität, die vor dem Beginn der Stimuli zu analysieren, sollte Extraktion (in Schritt 4.11) von den Elektroden des Interesses während der letzten 200 ms vor Reiz auftreten (z. B. -210-10 ms) auftreten.
    1. Im Falle von Reiz vorausgehenden Negativität (SPN), Elektroden von Interesse sind: F3/F4, C3/C4, P3/P4 und T5/T6 (Beachten Sie, dass in einigen Systemen Temporale Elektroden in dieser Region T6/T7 oder T3/T4 gekennzeichnet sind).
      Hinweis:-210-10 MS wurde in dieses Protokoll anstatt-200 bis 0 ms gewählt, um Kontamination zu vermeiden durch die Aktivität des Gehirns nicht im Zusammenhang mit der SPN (z. B. Beginn der neuronalen Aktivität, wenn die Feedback-Reize ist angezeigt bei 0 ms).
  14. Um numerische Daten für die Analyse zu exportieren, verwenden Sie die ERP-Tool "Messungen".
    Hinweis: Dieses Tool erlaubt Forschern, Latenz oder Amplitude Informationen, das Zeitfenster von Interesse und die Elektroden des Interesses anzugeben. Amplitude kann die lokalen Höhepunkt in einem bestimmten Zeitfenster, oder als die durchschnittliche Amplitude eines bestimmten Zeitfensters berechnet werden.
  15. Die numerischen Daten als txt-Datei herunterladen. Bei Bedarf exportieren Sie die Daten in Excel oder kopieren und fügen Sie ihn in eine statistische Analyse-Programm (z.B. SPSS oder JMP).

5. Verarbeitung Unterschiede für die ERSP Analyse

  1. Beginnen Sie mit der Datei im Schritt 4.11 (z. B. die epoched-Datei mit allen Artefakt Ablehnung Verfahren abschließen) erstellt.
  2. Nutzen Sie die EEGlab "Newtimef"-Plug-in um eine Zeit x Frequenz-Transformation mit Werten für jeden Zeitpunkt, Häufigkeit und Testversion zu erhalten.
  3. Um vorausschauende alpha Band-Aktivität zu messen, berechnen Sie die durchschnittlichen Werte von 8 bis 12 Hz.
  4. Berechnen Sie die durchschnittliche Aktivierung vor Feedback auftreten (z. B. -2200-100 MS mit Grundlinie der-2200-2000 MS) in den gleichen Elektroden für den SPN verwendet.
  5. Um alpha Asymmetrie vor Feedback zu berechnen, subtrahieren Sie die Log-Kraft in der linken Hemisphäre von der rechten Hemisphäre.
    Hinweis: Zur Berechnung der ERSP Aktivierung nach Feedback einsetzen, Daten müssten erneut analysiert und neu gruppiert in Epochen mit verschiedenen Zeitfenster (z. B. -200 bis 800 ms mit Grundlinie von-200 bis 0 ms).

6. statistische Analyse

  1. Fügen Sie die numerischen Daten in Abschnitt 4 (Schritte 4.11 und 4.12) in eine statistische Programm (z.B. SPSS oder JMP) extrahiert.
  2. Führen Sie wiederholte Maßnahmen ANOVA in der Statistik-Software, die Mittelwerte von ERP-Systemen, Hirnaktivität zwischen Hemisphären (Links, rechts), Elektrodenpositionen (frontal, zentral gelegen, temporal, Parietal), Bedingungen (Gesicht, Pfeil) und Gruppen (Autismus zu vergleichen -Spektrum-Störung, in der Regel entwickeln).
    Hinweis: Hemisphäre, elektrodenposition und Zustand sind innerhalb der Themen Faktoren und Gruppe ist ein Faktor zwischen Themen.
    1. Zusammenbrechen Sie Hemisphäre oder Elektrode Position nicht statistisch signifikant ist, über zur späteren Analyse.
    2. Wenn die Beziehung zwischen Verhaltensmaßnahmen (z. B. ADOS schwere Partitur) und ERP-Systemen ist von Interesse, Korrelation Analysen ausgeführt werden können.

Ergebnisse

Versuchsplanung, Hirnaktivität mit sozialen versus nicht-soziale Belohnung Reize systematisch zu vergleichen ist komplex, wegen der inhärenten Schwierigkeiten bei der Gleichsetzung von sozialer und nicht-soziale Belohnungen. Abbildung 1 stellt die Reize von ein experimentelles Protokoll für die Untersuchung von neuronalen Antworten zu belohnen und controlling für Belohnung Eigenschaften entwickelt. Dieses Paradigma wurde speziell für (i) Belohnungen konsistent zwischen sozialen und qualitative Studien, (Ii) die Kontrolle halten für altersgerechte für 6 bis 11 jährige Kinder mit körperlichen Reiz Eigenschaften zwischen sozialen und qualitative Studien, und (Iii) sein und ohne Autismus.

Abbildung 2 zeigt ERP-Antworten, wie Teilnehmer soziale und nicht-soziale Reize antizipieren. Es sei darauf hingewiesen, dass da das aktuelle Protokoll entworfen wurde, um Belohnung Erwartung (SPN) zu messen, die dargestellten Epochen weitgehend vor Feedback auftreten sind (die auftreten bei 0 ms in den Abbildungen). Diese Ergebnisse deuten darauf hin, dass in der Regel entwickeln (TD) Kinder Belohnung Reize begleitet von Gesichtern robuster als Kinder mit ASD vorwegnehmen. Darüber hinaus Wenn TD Kinder Gesicht Reize deutlich mehr als nicht-Gesicht antizipieren zeigen Reize, Kinder mit ASD offenbar erhebliche Unterschiede in der Aktivität des Gehirns Bedingungen nicht.

figure-results-1
Abbildung 1 : Reizdarbietung und Timing schematische. Feedback für die soziale (Gesicht)-Bedingung wird in der linken Spalte angezeigt. Feedback für die qualitative (Gesicht)-Bedingung wird in der rechten Spalte angezeigt. Feedback zur "richtigen" Antworten zeigt sich an der Spitze, und Feedback für "falsche" Antworten wird unten gezeigt. Diese Zahl ist mit Erlaubnis12neu gedruckt. Bitte klicken Sie hier für eine größere Version dieser Figur.

figure-results-2
Abbildung 2 : Grand gemittelt Wellenformen für TD Kinder und Personen mit ASD aus der SPN als Reaktion auf soziale/Flächen (links) und Nonsocial/Pfeile (rechts). TD-Kinder werden durch eine durchgezogene Linie und Kinder mit ASD durch eine gestrichelte Linie dargestellt. Der Bereich zwischen-210 und-10 ms, für statistische Analysen verwendet wird mit einem grauen Kasten hervorgehoben. Diese Zahl wird von einer früheren Veröffentlichung6geändert. Bitte klicken Sie hier für eine größere Version dieser Figur. 

Diskussion

Der aktuelle Artikel beschreibt die Reize, Datenerfassung und Analyse von ERP-Daten in eine Belohnung Paradigma für Kinder. Kinder spielen in diesem Paradigma ein Ratespiel ähnlich wie Pick-a-Hand auf dem Computer und sehen Feedback darüber, ob ihre Vermutung richtig oder falsch ist. ERP-Ergebnisse für Belohnung Erwartung (Aktivität des Gehirns vor dem Beginn der Rückmeldung) entsprachen den Reiz vorausgehenden Negativität (SPN). Zwischen den Bedingungen legen die Ergebnisse nahe, dass TD Kinder Belohnung Reize begleitet von Flächen stärker als Belohnung reizen begleitet von nicht-Gesicht Bilder6 antizipieren. Zwischen Gruppen von Kindern die Ergebnisse deuten darauf hin, dass TD Kinder Gesicht Reize antizipieren, die deutlich mehr als Kinder mit Autismus zu tun. Diese Ergebnisse sind spannend, da sie liefern wichtige Informationen wie soziale und qualitative Informationen erwarten Sie bei Kindern mit Autismus. Dies ist besonders wichtig für das Verständnis der neuronalen Mechanismen des Autismus zu fördern und Unterstützung für die soziale Motivation-Hypothese. Diese Erkenntnisse bieten nützliche Informationen für die Erstellung und Verfeinerung der Interventionen, es unterstreicht die Bedeutung der sozialen Motivation für Kinder mit ASD; Beispielsweise kann es für Interventionen versucht explizit zur Belohnung der Sozialpartner direkt beeinflussen soziale Motivation in dieser Population Wertsteigerung wichtig sein.

Dieses Protokoll eignet sich für die Messung der vorausschauenden Hirnaktivität bei Kindern mit und ohne ASD, und die Daten nachweist, dass diese Art von Aktivität des Gehirns bei Kindern über 6 Jahren zuverlässig und erfolgreich ausgelöst werden. Darüber hinaus mit dieser Methode können soziale und qualitative Bedingungen direkt verglichen werden, ohne die Anwesenheit von verwirrt in Bezug auf Belohnung Eigenschaften (da die Belohnung für richtige Antworten Goldfische unter beiden Bedingungen war). In dem aktuellen Protokoll Gesichter waren verschlüsselt und eine Pfeilform erstellt wurde. Dieses Verfahren bewahrt die körperliche Anregung Eigenschaften von Gesichtern in die Nonsocial (Gesicht) Zustand. Dieses Protokoll kann nützlich sein für zukünftige Untersuchungen in Untergruppen der ASD (z. B. einige Kinder mit ASD sind sozial motiviert als andere), und könnte genutzt werden, um besser zu verstehen, warum manche Kinder effektiver als andere zu reagieren bestimmte Interventionen.

Gibt es Beschränkungen in Bezug auf die aktuellen Ansatz, der berücksichtigt werden muss. Erstens ist das oben beschriebene Paradigma nützlich für Kinder zwischen 6 und 11 Jahren mit und ohne ASD, die kognitive Fähigkeiten im durchschnittlichen Bereich haben. Stammdaten in der Regel entwickeln Kinder jünger als 6 war nicht erfolgreich, wie die Kinder waren von den Richtungen verwirrt und Verstand nicht die Spielanleitung. In das aktuelle Protokoll enthalten Ausschlusskriterien einer Full-Scale IQ-Partitur unter 70. Das aktuelle Paradigma möglicherweise deshalb nicht geeignet für Kinder mit einer geistigen oder chronologischen Alter unter 6. Es kann jedoch möglich, das aktuelle Protokoll zu ändern, so dass es für Personen mit niedriger IQ und jüngere Kinder geeignet ist. Einige Änderungen zu machen, besser geeignet für kleine Kinder wie Kleinkinder werden derzeit untersucht. Solche Modifikationen umfassen die Aufgabe zu passiv (z. B. mit Kinder Armbanduhr Reize, die berechenbaren Abständen in einem Blockdesign angezeigt werden) und mit einem S1/S2 Paradigma24. In solch ein Design, die Inhalte der S1 zuverlässig informiert über den Inhalt der S2 (z. B. wenn S1 ein Quadrat ist, dann werden S2 ein Gesicht; wenn S1 ein Kreis ist, dann werden S2 einen Pfeil). Alternativ könnte die Timing-Struktur des aktuellen Paradigmas verwendet werden, um eine vorausschauende auditive Protokoll zu erstellen.

Im ASD wäre es von Interesse zu verwenden der Spracherkennung im Vergleich zu nicht-Speech Gruppen und Aktivität des Gehirns bei Kindern mit ASD, die non-verbale und haben Schwierigkeiten auf Anweisungen reagieren oder Teilnahme an visuellen Reizen31messen. Bezogen auf die erste Einschränkung, sollte angemerkt werden, dass Ergebnisse von Kindern mit ASD, die kognitive Fähigkeiten im Bereich von durchschnittlich haben wahrscheinlich nicht repräsentativ für das gesamte Autismusspektrum -, die per definitionem eine Vielzahl von funktionierenden Ebenen erfasst. Also werden nicht diese repräsentative Ergebnisse für alle Kinder mit ASD extrapoliert. Zu guter Letzt ist es wichtig zu beachten, dass die Reize in das aktuelle Protokoll verwendet durch Erwachsene anstatt Kinder normiert wurden. Zukünftige Studien sollten daher mit einem Reiz-Satz von Gesichtsausdrücken, die von Kindern normiert.

Offenlegungen

Die Autoren haben nichts preisgeben.

Danksagungen

Wir danken allen Kindern und Familien, die in den Protokollen beschrieben teilgenommen haben. Verlag Gebühren wurden durch Gehirn-Produkte.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
EEG-KappeElectroCap InternationalE1-SM/ E1-S/XSMElectro-Cap - Klein (50-54 cm)/Electro-Cap - Klein/Extra klein
NeuroScan 4.5Neuro Scanhttps://compumedicsneuroscan.com/tag/scan/EEG-Aufzeichnungssoftware
Stim2Neuro Scanhttps://compumedicsneuroscan.com/product/stim2-precise-stimulus-presentation/Stimulus-Präsentationssoftware
JMP Pro 11 SAShttps://www.jmp.com/en_us/software/buy-jmp.htmlStatistische Analysesoftware
NimStim Face Stimulus Set N/A, Open-Source-Bilder Open Source, verfügbar bei https://www.macbrain.org/resources.htm Gesichtsbilder 
EEGlabN/A, kostenlose SoftwareN/A, kostenlose SoftwareEEG-Analyse-Software (kostenloser Download)
ERPlabN/A, kostenlose SoftwareN/A, kostenlose SoftwareEEG-Analyse-Software (kostenloser Download)
PhotoshopPhotoshophttps://www.photoshop.comAdobe Photoshop, Bildbearbeitungssoftware
Photoshop 'Scramble' Plug-inTelegraphicshttp://telegraphics.com.au/sw/product/ScramblePhotoshop-Plug-in zum Verschlüsseln von Bildern 
NUAMPS EEG-VERSTÄRKERdNeuro Scanhttp://compumedicsneuroscan.com/wp-content/uploads/NuAmps-Brochure.pdfEEG-Verstärker

Referenzen

  1. Association, P. Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , (2013).
  2. Mundy, P. The neural basis of social impairments in autism: the role of the dorsal medial-frontal cortex and anterior cingulate system. Journal of Child Psychology and Psychiatry. 44 (6), 793-809 (2003).
  3. Neuhaus, E., Beauchaine, T. P., Bernier, R. Neurobiological correlates of social functioning in autism. Clinical Psychology Reviews. 30 (6), 733-748 (2010).
  4. Dawson, G., Webb, S. J., McPartland, J. Understanding the nature of face processing impairment in autism: insights from behavioral and electrophysiological studies. Developmental Neuropsychology. 27 (3), 403-424 (2005).
  5. Chevallier, C., Kohls, G., Troiani, V., Brodkin, E. S., Schultz, R. T. The social motivation theory of autism. Trends in Cognitive Science. 16 (4), 231-239 (2012).
  6. Stavropoulos, K. K., Carver, L. J. Reward anticipation and processing of social versus nonsocial stimuli in children with and without autism spectrum disorders. Journal of Child Psychology and Psychiatry. 55 (12), 1398-1408 (2014).
  7. Kohls, G., et al. Reward system dysfunction in autism spectrum disorders. Social Cognitive and Affective Neuroscience. 8 (5), 565-572 (2013).
  8. Scott-Van Zeeland, A. A., Dapretto, M., Ghahremani, D. G., Poldrack, R. A., Bookheimer, S. Y. Reward processing in autism. Autism Research. 3 (2), 53-67 (2010).
  9. Dichter, G. S., Richey, A., Rittenberg, A. M., Sabatino, A., Bodfish, J. W. Reward Circuitry Function in Autism During Face Anticipation and Outcomes. Journal of Autism and Developmental Disorders. 42, 147-160 (2012).
  10. Richey, J. A., et al. Common and distinct neural features of social and non-social reward processing in autism and social anxiety disorder. Social Cognitive and Affective Neuroscience. 9 (3), 367-377 (2014).
  11. Delmonte, S., et al. Social and monetary reward processing in autism spectrum disorders. Molecular Autism. 3, 1-13 (2012).
  12. Stavropoulos, K. K., Carver, L. J. Oscillatory rhythm of reward: anticipation and processing of rewards in children with and without autism. Molecular Autism. 9, 4(2018).
  13. Damen, E. J., Brunia, C. H. Changes in heart rate and slow brain potentials related to motor preparation and stimulus anticipation in a time estimation task. Psychophysiology. 24 (6), 700-713 (1987).
  14. Chwilla, D. J., Brunia, C. H. Event-related potentials to different feedback stimuli. Psychophysiology. 28 (2), 123-132 (1991).
  15. Kotani, Y., et al. Effects of information and reward on stimulus-preceding negativity prior to feedback stimuli. Psychophysiology. 40 (5), 818-826 (2003).
  16. Kotani, Y., Hiraku, S., Suda, K., Aihara, Y. Effect of positive and negative emotion on stimulus-preceding negativity prior to feedback stimuli. Psychophysiology. 38 (6), 873-878 (2001).
  17. Kotani, Y., et al. The role of the right anterior insular cortex in the right hemisphere preponderance of stimulus-preceding negativity (SPN): an fMRI study. Neuroscience Letters. 450 (2), 75-79 (2009).
  18. Kotani, Y., et al. Source analysis of stimulus-preceding negativity constrained by functional magnetic resonance imaging. Biological Psychology. 111, 53-64 (2015).
  19. Brunia, C. H., van Boxtel, G. J. M., Böcker, K. B. E. The Oxford Handbook of Event-Related Potential Components. , Oxford University Press. (2011).
  20. van Boxtel, G. J. M., Böcker, K. B. E. Cortical Measures of Anticipation. Journal of Psychophysiology. 18 (2-3), 61-76 (2004).
  21. Ohgami, Y., Kotani, Y., Hiraku, S., Aihara, Y., Ishii, M. Effects of reward and stimulus modality on stimulus-preceding negativity. Psychophysiology. 41 (5), 729-738 (2004).
  22. Takeuchi, S., Mochizuki, Y., Masaki, H., Takasawa, N., Yamazaki, K. Stimulus preceding negativity represents arousal induced by affective picture. International Congress Series. (1278), (2005).
  23. Parker, A. B., Gilbert, D. G. Brain activity during anticipation of smoking-related and emotionally positive pictures in smokers and nonsmokers: a new measure of cue reactivity. Nicotine & Tobacco Research. 10 (11), 1627-1631 (2008).
  24. Poli, S., Sarlo, M., Bortoletto, M., Buodo, G., Palomba, D. Stimulus-preceding negativity and heart rate changes in anticipation of affective pictures. International Journal of Psychophysiology. 65 (1), 32-39 (2007).
  25. Tottenham, N., et al. The NimStim set of facial expressions: judgments from untrained research participants. Psychiatry Research. 168 (3), 242-249 (2009).
  26. Wechsler, D. Wechlser Abbreviated Scale of Intelligence (WASI). The Psychological Corporation. , (1999).
  27. Lord, C., et al. Autism Diagnostic Observation Schedule: ADOS-2. Western Psychological Services. , (2012).
  28. Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Frontiers in Human Neuroscience. 8, 213(2014).
  29. Luck, S. J. An introduction to the event-related potential technique. , MIT Press. (2005).
  30. Bruder, G. E., Kayser, J., Tenke, C. E. Oxford handbook of event-related potential components. , Oxford University Press. (2012).
  31. Yau, S. H., McArthur, G., Badcock, N. A., Brock, J. Case study: auditory brain responses in a minimally verbal child with autism and cerebral palsy. Frontiers in Neuroscience. 9, 208(2015).

Nachdrucke und Genehmigungen

Tags

Soziale Belohnungnicht-soziale BelohnungEEG-Haubeereigniskorrelierte PotenzialeAntwortboxkognitive TestsImpedanzmessgerätAugenbewegungselektroden
Ein Protokoll der Elektrophysiologie Maßnahme Belohnung Erwartung und Verarbeitung bei Kindern
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.