Name: Messung des subjektiven Wert des Risky und mehrdeutig Optionen mit Experimental Economics and Functional MRI Methoden (Video) | JoVE Journal
Uploaded: 2012-09-19T12:00:00.000+00:00
Duration: 13 min 4 s
Description: Erfahren Sie, wie funktionelle MRT die neuronale Kodierung subjektiver Werte bei riskanten und mehrdeutigen Entscheidungen untersucht. Diese Methode identifiziert Aktivitätsmuster im medialen präfrontalen Kortex und Striatum.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Wir danken Aldo Rustichini für fruchtbare Diskussionen und Kommentare zum Design. Gefördert durch NIA grant R01-AG033406 IL und PWG.

<ol><li>Glimcher, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Understanding+risk%3A+a+guide+for+the+perplexed%5BTitle%5D)+AND+%22Cogn.+Affect+Behav.+Neurosci%22%5BJournal%5D)">Understanding risk: a guide for the perplexed.</a> Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).</li>
<li>Camerer, C., Weber, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recent+Developments+in+Modeling+Preferences+-+Uncertainty+and+Ambiguity%5BTitle%5D)+AND+%22Journal+of+Risk+and+Uncertainty%22%5BJournal%5D)">Recent Developments in Modeling Preferences - Uncertainty and Ambiguity.</a> Journal of Risk and Uncertainty. 5, 325-370 (1992).</li>
<li>Holt, C. A., Laury, S. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Risk+aversion+and+incentive+effects%5BTitle%5D)+AND+%22Am.+Econ.+Rev%22%5BJournal%5D)">Risk aversion and incentive effects.</a> Am. Econ. Rev. 92, 1644-1655 (2002).</li>
<li>Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+representation+of+subjective+value+under+risk+and+ambiguity%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Neural representation of subjective value under risk and ambiguity.</a> J. Neurophysiol. 103, 1036-1047 (2010).</li>
<li>Kahneman, D., Tversky, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prospect+Theory+-+Analysis+of+Decision+under+Risk%5BTitle%5D)+AND+%22Econometrica%22%5BJournal%5D)">Prospect Theory - Analysis of Decision under Risk.</a> Econometrica. 47, 263-291 (1979).</li>
<li>Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimized+EPI+for+fMRI+studies+of+the+orbitofrontal+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Optimized EPI for fMRI studies of the orbitofrontal cortex.</a> Neuroimage. 19, 430-441 (2003).</li>
<li>Gilboa, I., Schmeidler, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Maxmin+Expected+Utility+with+Non-Unique+Prior%5BTitle%5D)+AND+%22J.+Math+Econ%22%5BJournal%5D)">Maxmin Expected Utility with Non-Unique Prior.</a> J. Math Econ. 18, 141-153 (1989).</li>
<li>Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+systems+responding+to+degrees+of+uncertainty+in+human+decision-making%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Neural systems responding to degrees of uncertainty in human decision-making.</a> Science. 310, 1680-1683 (2005).</li>
<li>Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).</li>
<li>Forman, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+Assessment+of+Significant+Activation+in+Functional+Magnetic-Resonance-Imaging+%28Fmri%29+-+Use+of+a+Cluster-Size+Threshold%5BTitle%5D)+AND+%22Magnetic+Resonance+in+Medicine%22%5BJournal%5D)">Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold.</a> Magnetic Resonance in Medicine. 33, 636-647 (1995).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> NeuroImage. 15, 870-878 (2002).</li>
<li>Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+signatures+of+economic+preferences+for+risk+and+ambiguity%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neural signatures of economic preferences for risk and ambiguity.</a> Neuron. 49, 765-775 (2006).</li>
<li>Smith, V. L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSmith%2C+VL+%22Papers+in+experimental+economics%22">Papers in experimental economics</a>. , Cambridge University Press. (1991).</li>
</ol>

Keine Interessenskonflikte erklärt.

Wir haben eine Methode aus der experimentellen Ökonomik verwendet, um Subjekte Verhalten charakterisieren und schätzen individuelle Einstellung gegenüber Risiko und Ambiguität. Wir haben dann verwendet diese Schätzungen zu neuronalen Daten zu analysieren. Andere Methoden zur Untersuchung von fMRI-Aktivität während Personen Entscheidungen treffen unter Risiko und Ambiguität haben, bevor 8,12 verwendet. Unser Ansatz ist jedoch vereint mehrere wichtige Funktionen. Zuerst, verwendet e...

<table border="1"><tbody><tr><td> Name </td><td> Firma </td><td> Kommentare </td></tr><tr><td> Allegra Leiter Nur 3,0 T MRT-Scanner </td><td> Siemens </td><td> Ein Ganzkörperscan können ebenfalls verwendet werden </td></tr><tr><td> NM-011 Sende-Kopfspule </td><td> Nova Medical </td><td></td></tr><tr><td> E-prime </td><td> Psychology Software Tools </td><td> Stimuli Präsentationssoftware </td></tr><tr><td> Matlab </td><td> MathWorks </td><td></td></tr></tbody></table>

messung des subjektiven wert des risky und mehrdeutig optionen mit experimental economics and functional mri methoden

Measuring the Subjective Value of Risky and Ambiguous Options using Experimental Economics and Functional MRI Methods

Die meisten Entscheidungen, die wir treffen müssen ungewissen Folgen. In einigen Fällen sind die Wahrscheinlichkeiten für verschiedene mögliche Ergebnisse genau bekannt sind, ein Zustand als &quot;riskant&quot;. In anderen Fällen, wenn Wahrscheinlichkeiten nicht abgeschätzt werden kann, ist dies ein Zustand als &quot;mehrdeutig&quot; beschrieben. Während die meisten Menschen abgeneigt Risiko-und Mehrdeutigkeit 1,2 sind, variieren das Ausmaß dieser Aversionen im Wesentlichen über Einzelpersonen, so dass der subjektive Wert des gleichen riskanten oder mehrdeutige Option kann sehr unterschiedlich sein für verschiedene Individuen. Wir kombinieren funktionellen MRT (fMRT) mit einer experimentellen Ökonomie-basierte Methode 3, um die neuronale Repräsentation der subjektiven Werte von riskanten und mehrdeutig Optionen 4 bewerten. Diese Technik kann nun verwendet werden, um diese neuronale Repräsentationen in unterschiedlichen Populationen, wie unterschiedliche Altersgruppen und unterschiedlichen Patientengruppen zu untersuchen. In unserem Experiment machen Themen Folgeschäden Entscheidungen bVergleicht man zwei Alternativen, während ihre neuronale Aktivierung verfolgt wird mittels fMRT. Auf jeder Prüfungsteilnehmer wählen zwischen Lotterien, die in ihren Geldbetrag und entweder in der Wahrscheinlichkeit des Gewinnens diesen Betrag oder der Mehrdeutigkeit Ebene mit Gewinnen verbunden variieren. Unsere parametrische Konstruktion ermöglicht es uns, auf die individuellen Wahlverhalten nutzen, um ihre Einstellung gegenüber Risiko und Ambiguität zu schätzen, und so die subjektiven Werte, dass jede Option für sie bereithielt schätzen. Ein weiteres wichtiges Merkmal des Entwurfs ist, dass der Ausgang des ausgewählten Lotterie nicht während des Versuchs zeigte, so dass kein Lernen stattfinden kann und somit die mehrdeutigen Optionen bleiben mehrdeutig und Risikoeinstellung sind stabil. Statt am Ende der Scan-Sitzung ein oder wenige Studien werden nach dem Zufallsprinzip ausgewählt und spielte für echtes Geld. Da die Motive nicht im Voraus wissen, welche Studien ausgewählt werden, müssen sie jeden Versuch, als ob sie zu behandeln und sie allein war das ein Versuch, bei dem sie bezahlt werden. Dieses Design ensorgt dafür, dass wir die wahre subjektive Wert jeder Option zu jedem Thema abschätzen können. Wir haben dann für die Bereiche im Gehirn, dessen Aktivierung ist mit dem subjektiven Wert der riskanten Optionen und für Bereiche, deren Aktivierung mit dem subjektiven Wert von mehrdeutigen Möglichkeiten korreliert aussehen.

Mit Hilfe von funktioneller MRT und verhaltenstherapeutischen Methoden, um die neuronale Repräsentation der subjektiven Wert der riskanten und mehrdeutig Optionen im menschlichen Gehirn zu bestimmen.

Messung des subjektiven Wert des Risky und mehrdeutig Optionen mit Experimental Economics and Functional MRI Methoden

Die meisten Entscheidungen, die wir treffen, haben ungewisse Konsequenzen. In einigen Fällen sind die Wahrscheinlichkeiten für verschiedene mögliche Ergebnisse genau bekannt, ein Zustand ...

Das übergeordnete Ziel des folgenden Experiments besteht darin, die neuronale Kodierung des subjektiven Werts risikobehafteter und mehrdeutiger Optionen mittels funktioneller MRT zu untersuchen. Dies wird erreicht, indem Probanden während Entscheidungen zwischen risikobehafteten und mehrdeutigen Lotterien untersucht werden, die sich hinsichtlich Betrag, Wahrscheinlichkeit und Grad der Mehrdeutigkeit unterscheiden. Die von jedem Teilnehmer getroffenen Entscheidungen werden anschließend verwendet, um seine oder ihre Einstellung gegenüber Risiko und Mehrdeutigkeit zu schätzen, was wiederum genutzt wird, um zu ermitteln, wie Risiko und Mehrdeutigkeit die Bewertung der Lotterien durch die Teilnehmer beeinflussen.Danach werden diese Schätzungen als Regressoren in einem allgemeinen linearen Modell verwendet, um Hirnareale zu identifizieren, in denen die Aktivität mit dem subjektiven Wert risikobehafteter und/oder unscharfer Lotterien korreliert ist. Die Ergebnisse zeigen eine Korrelation mit den subjektiven Werten sowohl risikobehafteter als auch unscharfer Optionen in sich überlappenden Regionen des medialen präfrontalen Kortex und des Striatums. Der Hauptvorteil dieser Technik gegenüber anderen Methoden, die die allgemeine Aktivität bei risikobehafteten und unscharfen Lotterien vergleichen, besteht darin, dass das individuelle Verhalten jedes Teilnehmers bei der Analyse der Hirnaktivierung berücksichtigt wird.Mit dieser Methode lassen sich zentrale Fragen im Bereich der Neuroökonomie beantworten, beispielsweise wie Wert im Gehirn repräsentiert wird und wie er zur Entscheidungsfindung genutzt wird. Der erste Schritt dieses Protokolls besteht darin, visuelle Reize zu entwerfen, die riskante und mehrdeutige Entscheidungen darstellen und während der Bildgebung präsentiert werden. Verwenden Sie Bilder wie die hier gezeigten, um Umschläge darzustellen, die mit Spielchips gefüllt sind – sogenannte Lotteriebeutel in Reizen für riskante Lotterien. Die Gewinnwahrscheinlichkeit, definiert als Verhältnis roter zu blauen Chips, sollte sowohl grafisch als auch numerisch dargestellt werden. Dabei sind die roten und blauen Flächen jedes Bildes proportional zur Anzahl der roten und blauen Chips.Bei einem realen Umschlag wird für mehrdeutige Lotterien eine Mindestanzahl von drei Ergebniswahrscheinlichkeiten empfohlen. Ein Teil der Informationen über die Wahrscheinlichkeit sollte fehlen, sodass das mögliche Verhältnis von roten zu blauen Chips begrenzt, aber nicht spezifiziert ist. Dadurch wird die Gewinnwahrscheinlichkeit teilweise mehrdeutig.Die Erhöhung der verdeckten Fläche steigert das Maß an Mehrdeutigkeit. Es wird empfohlen, mindestens drei Verdeckungsgrade zu verwenden, wobei jeder Gewinnwahrscheinlichkeit oder Mehrdeutigkeitsstufe der entsprechende Auszahlungsbetrag neben der Gewinnfarbe und eine Null neben der anderen Farbe zugeordnet wird. Hier würde das Ziehen eines roten Chips einen Gewinn von 18 bedeuten, während das Ziehen eines blauen Chips zu einer Auszahlung von null führen würde. Fünf.Es wird empfohlen, die Belohnungshöhen über einen weiten Bereich an Beträgen in jedem Versuch zu variieren. Der Proband wählt zwischen zwei Lotterien. Der Einfachheit halber kann jedoch eine der Optionen während des gesamten Experiments konstant gehalten und außerhalb des Bildschirms platziert werden, während nur die angezeigte Option variiert wird.Jede Kombination aus Wahrscheinlichkeits- oder Unsicherheitsgrad und Betrag sollte mindestens viermal präsentiert werden, um eine ausreichende statistische Power sicherzustellen. Legen Sie in den Analysen das Paradigma als langsames, ereigniskorrelates Design fest, sodass jede Lotterie zwei Sekunden lang als Reiz präsentiert wird, gefolgt von einer sechssekündigen Verzögerungsphase, um die neurovaskuläre Antwort zu ermöglichen. Danach sollte die Reaktion innerhalb von einer bis zwei Sekunden erfolgen.Verwenden Sie ein einfaches Bild als kurzes Feedback, um anzuzeigen, dass die Antwort aufgezeichnet wurde, und trennen Sie die Durchgänge durch Ruhephasen von mindestens 10 Sekunden. Bereiten Sie außerdem physische Beutel oder Umschläge vor, die jedem verwendeten Lotteriebild entsprechen. Im Experiment.Füllen Sie jeden Umschlag mit insgesamt 100 roten und blauen Chips, deren Anteile der Wahrscheinlichkeit entsprechen, einen Chip jeder Farbe aus dem entsprechenden Beutel zu ziehen, wie in der Anzeige dargestellt. Diese Umschläge sollten den Versuchspersonen vor Beginn der Aufgabe gezeigt werden, da sie später verwendet werden, um zufällig ausgewählte Durchgänge zur Auszahlung durchzuführen. Die Bezahlung der Versuchspersonen basierend auf ihren Entscheidungen im Experiment ist wichtig, um sie dazu zu ermutigen, ihre tatsächlichen Präferenzen auszudrücken.Die Verwendung physischer Beutel mit echten Chips, um an Lotterien teilzunehmen, stellt sicher, dass die Versuchsperson dem tatsächlich vor dem Scannen angegebenen Wahrscheinlichkeitsverhältnis unterliegt. Lassen Sie zunächst die Versuchsperson einen Einwilligungsformular sowie einen MRT-Screeing-Fragebogen ausfüllen. Stellen Sie anschließend sicher, dass die Versuchsperson alle metallischen Gegenstände entfernt, um die Sicherheit im Scannerbereich zu gewährleisten.Als Nächstes geben Sie dem Probanden detaillierte Anweisungen zum Experiment und zur Aufgabe. Stellen Sie sicher, dass der Proband versteht, wie Wahrscheinlichkeiten und Beträge in jedem Bild dargestellt werden, geben Sie jedoch keine Informationen preis, die die Entscheidungen beeinflussen könnten. Eine Antwortbox mit zwei Tasten wird im Scanner verwendet, um die Entscheidungen des Probanden aufzuzeichnen.Erklären Sie außerdem den Zahlungsmechanismus, sodass die Versuchsperson versteht, dass die Zahlung entsprechend der getroffenen Auswahl erfolgen wird. Verschließen Sie die zuvor vorbereiteten Beutel und lassen Sie die Versuchsperson ihren Namen über die Versiegelung schreiben.Erklären Sie, dass dies am Ende des Experiments eine Überprüfung ermöglicht, ob der Inhalt der Beutel verändert wurde, da der Proband in die Beutel schauen darf, um sicherzustellen, dass sie dem angegebenen Wahrscheinlichkeits- oder Unsicherheitsgrad entsprechen. Verwenden Sie zunächst einen 3-Tesla-MRT-Scanner, um mit einer T1-gewichteten Sequenz ein hochauflösendes Bild des Gehirns des Probanden aufzunehmen. Dieses strukturelle Volumen wird für die 3D-Rekonstruktion verwendet.Jede Sequenz mit hoher Auflösung kann für diesen Zweck verwendet werden. Verwenden Sie anschließend eine T2*-gewichtete EPI-Sequenz, um funktionelle Bilder aufzuzeichnen. Stellen Sie während des Aufgabenparadigmas sicher, dass die Schichten so positioniert sind, dass die gewünschten Hirnareale eingeschlossen werden.Normalerweise sollten die Scanparameter für den präfrontalen Cortex, den Parietalcortex und die Basalganglien für den jeweiligen Scanner mit einer TR von zwei Sekunden und Voxelgrößen von drei mal drei mal drei Millimetern optimiert werden. Nach dem Scannen sollten die Verhaltensdaten vom Computer abgerufen werden, der die Tastendruckantworten des Probanden aufgezeichnet hat.Anschließend lässt man die Versuchsperson zufällig eine oder mehrere Durchführungen zur Auszahlung auswählen. Dies kann dadurch erfolgen, dass die Versuchsperson aus einem undurchsichtigen Beutel, der Chips mit allen Durchführungsnummern enthält, einen nummerierten Pokerspielchip zieht. Für jede ausgewählte Durchführung zeigt man der Versuchsperson die präsentierte Option und die von ihr getroffene Entscheidung in jener Durchführung.Bitten Sie dann den Probanden, einen Chip aus dem in diesem Durchgang gewählten Beutel zu ziehen, und zahlen Sie entsprechend der gezogenen Farbe und dem im Durchgang angezeigten Betrag aus. Zur Analyse der Verhaltensdaten verwenden Sie die Maximum-Likelihood-Methode, um die Wahlentscheidungen jedes Probanden an eine logistische Funktion anzupassen, wie hier gezeigt, wobei PV die Wahrscheinlichkeit angibt, dass der Proband die variable Lotterie gewählt hat.SV_sub_F und SV_sub_V sind die subjektiven Werte der festen bzw. variablen Option, und gamma ist die Steigung der logistischen Funktion, ein subjektspezifischer Parameter. Ein alternativer Ansatz besteht darin, eine Wahrscheinlichkeitsverteilung zu verwenden, um den subjektiven Wert jeder Option zu modellieren. Für jeden Probanden wird ein Modell verwendet, das den Betrag, die Wahrscheinlichkeit und das Maß an Unsicherheit der Option sowie die individuellen Einstellungen des Probanden gegenüber Risiko und Unsicherheit berücksichtigt. Wir entschieden uns für eine Potenzfunktion, die einen linearen Effekt der Unsicherheit auf die wahrgenommene Wahrscheinlichkeit enthält.Einer von mehreren alternativen Ansätzen besteht darin, Unsicherheit als exponentiellen Effekt einzubeziehen und die Wahlentscheidungsdaten mit der Wahlentscheidungsfunktion zu analysieren, um so Schätzungen für die Risikoeinstellung, Alpha, und die Unsicherheitseinstellung Beta für jeden Probanden zu erhalten. Führen Sie zunächst eine Standard-Vorverarbeitung der funktionellen Daten durch, einschließlich Slice-, Scan- und Zeitkorrektur, Bewegungskorrektur sowie Entfernung niederfrequenter Artefakte, die auf physiologisches Rauschen und Scanner-Drifts zurückzuführen sind. Danach erfolgt die Koregistrierung der funktionellen Daten jedes Probanden an die anatomischen Daten. Zur Analyse auf Ebene des Einzelprobanden verwenden Sie eine standardmäßige hämodynamische Antwortfunktion und modellieren die Aktivität jedes Voxel als anhaltende Antwort während des gesamten Versuchs. Verwenden Sie ein allgemeines lineares Modell mit zwei Prädiktoren des subjektiven Werts, einen für risikobehaftete Versuche und einen für unsichere Versuche.Verwenden Sie die individuellen, subjektspezifischen Parameter, die aus der Verhaltensanpassung abgeleitet wurden, um den subjektiven Wert jeder Lotterie zu berechnen. Fügen Sie außerdem zwei Dummy-Prädiktoren hinzu, einen für risikobehaftete Versuche und einen für mehrdeutige Versuche. Um allgemeine Aktivierungen wie visuelle und motorische zu erfassen, sollte der Test auf Signifikanz die hier durchgeführten multiplen Vergleiche berücksichtigen.Die minimale Clustergröße war auf sechs benachbarte funktionelle Voxel begrenzt. Andere Methoden wie die False-Discovery-Rate können ebenfalls verwendet werden. Suchen Sie nach Voxel, in denen die Koeffizienten des subjektiven Werts unter Risiko und/oder Unsicherheit signifikant sind.Hier sehen wir die Verhaltensergebnisse von drei repräsentativen Probanden. Jedes Diagramm zeigt die Entscheidungsdaten und die Modellanpassungsergebnisse für einen Probanden unter entweder Risiko oder Unsicherheit. Die Grafiken stellen den Anteil der Versuche, bei denen der Proband die variable Lotterie wählte, in Abhängigkeit vom Betrag separat für jedes Niveau von Wahrscheinlichkeit oder Unsicherheit dar.Wie ersichtlich ist, können die Probanden in ihren Einstellungen gegenüber Risiko und Unsicherheit stark variieren. Hier sehen wir die Bildgebungsergebnisse für einen Probanden; hervorgehobene Voxel sind solche, in denen der Koeffizient des Prädiktors des subjektiven Werts unter Unsicherheit oder Risiko signifikant von null abwich. Bei diesem repräsentativen Probanden wurde unter beiden Bedingungen eine signifikante Korrelation im medialen präfrontalen Kortex und im Striatum gefunden.Diese Bereiche sind bei den Probanden am konsistentesten, jedoch können auch signifikante Korrelationen in Gebieten des medialen und lateralen Parietalkortex sowie in der Amygdala erwartet werden. Diese Technik ermöglicht es Forschern auf dem Gebiet der Neuroökonomie, Veränderungen in Risiko- und Mehrdeutigkeitspräferenzen sowie deren neuronale Korrelate in verschiedenen Populationen unter unterschiedlichen Kontexten zu untersuchen. Nach dem Anschauen dieses Videos sollten Sie ein gutes Verständnis dafür haben, wie man Risiko- und Mehrdeutigkeitspräferenzen erfasst und wie man diese nutzen kann, um fMRT-Daten zu analysieren, die erhoben wurden, während die Teilnehmer Entscheidungen trafen.

measuring-subjective-value-risky-ambiguous-options-using-experimental

Research

Forschung

JoVE Journal

Neuroscience

Neurowissenschaften

Diese Präsentation zeigt die Verwendung von fMRT neuronale Schaltkreise, dass der Entscheidungsprozess zugrunde liegen, zu studieren. Einfache Wahrnehmungs-Aufgaben sind mit appetitive und aversive Verstärkungen kombiniert werden, um zu untersuchen, wie die Ergebnisse Entscheidungsprozesse beeinflussen.

Funktionelle Bildgebung mit Verstärkung, Eyetracking und Physiologische Überwachung

Das Verfahren in diesem Protokoll beschriebenen zeigt, dass Testosteron Verwaltung und Volksglauben über Testosteron mit genau entgegengesetzten sozialen Verhaltensweisen assoziiert sein kann.

Die Kombination Behavioral Endokrinologie und Experimentelle Wirtschaftsforschung: Testosteron und Social Decision Making

Dieser Artikel beschreibt eine Reihe von Methoden für die Messung von Lebensmitteln und Lebensmittel Motivation bezogenen Zielwerte bei Menschen.

Studieren Essen Belohnung und Motivation in Humans

Diese Arbeit beschreibt, wie die emotionale Oddball-Aufgabe und fMRT verwendet werden können, um die Gehirnaktivierung bei Kindern und Jugendlichen mit familiär hohem Risiko für Schizophrenie (FHR) zu messen. FMRI wurde verwendet, um Unterschiede in fronto-striato-limbischen Regionen während einer emotionalen Oddball-Aufgabe zu messen. Kinder mit FHR zeigten während der Adoleszenz eine abnormale funktionelle Aktivierung.

Die Messung der Fronto-limbischen Aktivität unter Verwendung einer emotionalen Oddball Aufgabe bei Kindern mit familiärer High Risk for Schizophrenia

Bisher hat sich die Forschung auf kognitive Strategien konzentriert, die Menschen anwenden, um mit Unsicherheit umzugehen. Diese Forschung untersucht stattdessen einen erfahrungsbasierten Umgang mit Unsicherheit und stellt eine Reihe experimenteller Methoden vor, die zeigen, wie die Erfahrung haptischer Weichheit als Werkzeug zum Umgang mit Unsicherheit dienen kann.

Experimental Research Untersuchen, wie Menschen mit Unsicherheit durch weiche Haptik Sensations Cope

Delay-Diskontierung bezieht sich auf einen Wertverlust einer Belohnung, wenn sie im Vergleich zu dem Zeitpunkt, an dem sie sofort verfügbar ist, verzögert wird. Wir skizzieren eine computergestützte Delay-Diskontierungsaufgabe, die einfach zu implementieren ist und die Quantifizierung des Grades der Delay-Diskontierung bei menschlichen Teilnehmern ermöglicht.

Messverzögerung Diskontierung in Humans Mit einem Einstellbetrag Task-

Eine Kosten / Nutzen-Analyse ist ein mit einem Gewicht von Waage-Ansatz, den das Gehirn im Laufe der Entscheidungsfindung führt. Hier schlagen wir ein Protokoll zum trainieren auf einer operanten-basierte Entscheidungsfindung Paradigma wo Ratten wählen höhere Gewinne auf Kosten von 15 warten Ratten s, sie zu empfangen.

Operant Protokolle für die Beurteilung der Kosten / Nutzen-Analyse während verstärkte Entscheidungsfindung durch Nagetiere

Dieses Protokoll zielt darauf ab, die neuronale Aktivität im Zusammenhang mit sozialem Vergleich und sozialer Distanz während der Verarbeitung intertemporaler Entscheidungsergebnisse zu untersuchen. Im Rahmen der Studie werden Indifferenzpunkte anhand ereigniskorrelierter Potentiale gemessen.

Der gemeinsame Effekt von sozialem Vergleich und sozialer Distanz auf die Bewertung von intertemporalen Entscheidungsergebnissen in ereigniskorrelierten Potenzialstudien

Dieses Protokoll bietet eine präzisere und effektivere Methode zur wiederholten transkraniellen Magnetstimulation der dorsolateralen und dorsomedialen präfrontalen Kortex während einer experimentellen Aufgabe unter Verwendung von Neuronavigation und robotischen Systemen. Basierend auf den Ergebnissen werden entscheidende Implikationen für zukünftige Online-Stimulationsforschung vorgeschlagen.

Online-repetitive transkranielle magnetische Stimulation des dorsomedialen und dorsolateralen präfrontalen Cortex in der kognitiven Entscheidungsfindung sowie kognitive Dissonanz

Funktionelle transkranielle Doppler-Sonographie (fTCD) ist eine einfache und nicht-invasive Ultraschall-Technik, die verwendet werden, um die Lateralisierung der kognitiven Funktionen, insbesondere Sprache beurteilen kann, und ist geeignet für den Einsatz mit Kindern.

Beurteilung der zerebralen Lateralisation bei Kindern mit Hilfe der funktionellen transkraniellen Doppler-Sonographie (fTCD)

Erfahren Sie, wie funktionelle MRT die neuronale Kodierung subjektiver Werte bei riskanten und mehrdeutigen Entscheidungen untersucht. Diese Methode identifiziert Aktivitätsmuster im medialen präfrontalen Kortex und Striatum.

Messung des subjektiven Wert des Risky und mehrdeutig Optionen mit Experimental Economics and Functional MRI Methoden

Weitere Videos entdecken