Wie Amygdala Aktivität mit Magnetenzephalographie Detect Einsatz von Source Imaging

Das übergeordnete Ziel dieses Verfahrens ist es, die Amygdalaaktivität während des Lernens mittels MAGNETOENZEPHALOGRAPHIE oder MEG zu erfassen. Dies wird erreicht, indem zunächst eine implizite Angst-Lernaufgabe entworfen wird, die die Amygdala aktiviert. Der zweite Schritt besteht darin, die Gehirnaktivität während der Aufgabe mit MEG aufzuzeichnen.

Identifizieren Sie als Nächstes die Oberflächen des Kortex und der Amygdala mit Hilfe eines hochauflösenden anatomischen MRT-Scans. Der letzte Schritt besteht darin, die Oberflächen des Kortex und der Amygdala zu verwenden, um die neuronalen Quellen des MEJ-Signals zu modellieren. Letztendlich können Source-Imaging-Modelle verwendet werden, um die neuronale Aktivierung in der Amygdala während des Lernens ohne Bewusstsein zu zeigen.

Der Hauptvorteil dieser Technik gegenüber bestehenden Methoden wie FMRI besteht also darin, dass MEG-Signale in Echtzeit aufgezeichnet werden und zur Untersuchung neuronaler Prozesse verwendet werden können, die schnell oder vorübergehend sind. Obwohl diese Methode verwendet werden kann, um die Funktion der Amygdala zu untersuchen, kann sie auch verwendet werden, um die Funktion anderer subkortikaler Regionen zu untersuchen. Beginnen Sie mit dem Anschluss des Stimulus-Präsentationscomputers an das MEG-Erfassungssystem über ein Standard-Flachbandkabel DB 25 mit mehreren Anschlüssen.

Verbinden Sie als Nächstes den Stimulus-Präsentationscomputer mit dem Standalone-Monitor der Platte oder sam. Bei Verwendung des Acht-Bit-auf-Zwei-Bit-Isolationsadapters und des Synchronisationskabels können die Transistor-Transistor-Logikimpulse, die zur Markierung der Stimuluspräsentationen verwendet werden, Artefakte in den MEG-Daten verursachen, wenn sie an den SAM gesendet werden. Um diese Artefakte zu vermeiden, markieren Sie den Beginn der Stimuli nur mit den Bits, die vom Isolationsadapter blockiert werden, wie hier gezeigt.

Der Schockstimulator wird dann mit dem sam verbunden. Führen Sie anschließend ein abgeschirmtes Verlängerungskabel durch den Wellenleiter und verbinden Sie es mit dem Stoßstimulator. Der SAM sollte dann mit einem Computer verbunden werden, auf dem die Plattendatenerfassungssoftware ausgeführt wird.

Verbinden Sie den Drehregler mit dem Stimulus-Präsentationscomputer und dem MEG-Erfassungssystem über den BNC-Splitter des Spielanschlusses auf den Spielanschluss und den Adapter des Spielanschlusses auf USB. Befestigen Sie Elektroden und Sensoren anhand des hier gezeigten Schaltplans an dem Motiv. Sobald Sie richtig eingerichtet sind, digitalisieren Sie die Position des Kopfes des Probanden relativ zu den HPI Spulen mit Hilfe von Passermarken.

Digitalisieren Sie als Nächstes 50 bis 100 Punkte entlang der Kopfhaut des Motivs. Begleiten Sie den Probanden zum MEG-System und schließen Sie die Elektroden und Sensoren an die entsprechende Schnittstelle an. Heben Sie den Stuhl so an, dass der Kopf des Motivs die Oberseite des MEG-Helms berührt, und positionieren Sie den Bildschirm so, dass das projizierte Bild scharf ist.

Stellen Sie als Nächstes den Schock auf ein Niveau ein, das der Proband als schmerzhaft, aber erträglich empfindet. Weisen Sie den Probanden schließlich anhand eines Beispiel-Präsentationsszenarios in die richtige Verwendung des Zifferblatts ein. Beginnen Sie mit dem Laden der Plattendatenerfassungssoftware, um mit der Aufzeichnung von Ereigniscodes und der Schockabgabe zu beginnen.

Die Trainingseinheit ist im Voraus programmiert und besteht aus vier Blöcken der differentiellen Spurenangstkonditionierung mit 15 Versuchen pro Bedingung, Stimulus oder CS pro Block, wie hier zu sehen, wenn alles bereit ist. Starten Sie vier Trainingsversuche und zeichnen Sie Rohdaten mit zwei Kilohertz auf. Überprüfen Sie dabei die Daten in Echtzeit visuell auf systematische Rauschquellen.

Bitten Sie den Probanden nach jedem Durchlauf, die Intensität des Schocks zu bewerten, um die Gewöhnung zu beurteilen. Nachdem Sie die Versuche abgeschlossen haben, verwenden Sie Free Surfer, um ein segmentiertes subkortikales Volumen und Oberflächen des Kortex, der Außenhaut und des äußeren Schädels zu erstellen. Erstellen Sie als Nächstes die Amygdala- und Hippocampus-Volumina und wandeln Sie sie in Oberflächen um.

Mit Slicer 3 und ParaView besteht der nächste Schritt darin, ein neues Thema in der Brainstorming-Datenbank zu erstellen. Importieren Sie das MRT-Volumen in Brainstorming und verzerren Sie das Volumen in den Standardraum, indem Sie die Referenzpunkte identifizieren, die Oberflächen importieren und die Kopfhautoberfläche manuell mit der MRT ausrichten. Einmal abgeschlossen.

Wenden Sie diese Transformation auf alle anderen Flächen an. Verschmelzen Sie die Oberflächen von Schale, Hippocampus und Amygdala. Erstellen Sie schließlich interessante Regionen für die Amygdala und den Hippocampus.

Importieren Sie nach der Erstellung die MEG-Aufzeichnungsdatei für jede Schulungssitzung. Die MEG-Erfassungssoftware nutzt die Signalraumtrennung, um Artefakte zu entfernen, die durch Quellen außerhalb des magnetisch abgeschirmten Raums verursacht werden. Stellen Sie sicher, dass Sie die sauberen Dateien verwenden, die häufig in einem Ordner mit der Bezeichnung SSS zu finden sind, um die evozierten Antworten zu analysieren.

Verwenden Sie zunächst den Ereigniskanal, um Epics zu identifizieren, die den einzelnen experimentellen Versuchen entsprechen. Entfernen Sie Artefakte, die durch Herzschläge und Augenbewegungen verursacht werden, indem Sie Signalraumprojektionen von Ereignissen verwenden, die auf den Elektrokardiographie- und Elektroikonografiekanälen identifiziert wurden. Verfeinern Sie als Nächstes die MRT-Registrierung mithilfe von Kopfpunkten.

Berechnen Sie die Rauschkovarianz aus den Aufzeichnungen mit der Methode der überlappenden Kugeln mit der Eingabe des Kortex, berechnen Sie die Quellen des Kopfmodells mit der Methode zur Schätzung der minimalen Norm und setzen Sie die Analyse der Quellen fort. Als nächstes finden Sie die Bandpass-Filterquellen für die einzelnen Studien. Nehmen Sie den absoluten Wert der Bandpass-gefilterten Quellen und konvertieren Sie diese Werte in einen Z-Score basierend auf der Variabilität der Basislinie, glätten Sie die Quellen und durchschnittlichen Quellen über Versuche hinweg.

Projizieren Sie diese Durchschnittswerte auf die Standardanatomie für das Experiment. Berechnen Sie als Nächstes T-Tests für die Quellen unter den verschiedenen Bedingungen. Filtern Sie signifikante T-Test-Ergebnisse anhand räumlicher und zeitlicher Schwellenwerte, um Fehler auf Familienebene zu korrigieren.

Identifizieren Sie signifikant aktivierte Regionen und exportieren Sie den zeitlichen Verlauf der Aktivierung für jedes Subjekt. Berechnen Sie abschließend den Mittelwert und den Standardfehler des Mittelwerts für verschiedene Probanden zu jedem Zeitpunkt. Projizieren Sie zunächst die Rohdaten aus den einzelnen Versuchen auf die Standardanatomie für das Experiment Berechnung von Zeithäufigkeitszerlegungen auf Daten aus anatomischen und funktionellen Regionen von Interesse.

Konvertieren Sie die resultierenden Zeithäufigkeits-Zerlegungskarten in einen Z-Score und mitteln Sie die resultierenden Karten über die Versuche für jedes Subjekt. Führen Sie schließlich einen T-Test auf den Karten für die verschiedenen Bedingungen durch, die hier gezeigt werden, sind Verhaltensergebnisse aus einer typischen Konditionierungsstudie. Die Grafik auf der linken Seite zeigt, dass die Probanden in den 60 Studien ein ähnliches Erwartungsniveau hatten, was darauf hindeutet, dass das Maskierungsverfahren ihre Fähigkeit blockierte, zwischen den Zustandsreizen zu unterscheiden.

Die Grafik auf der rechten Seite zeigt die unterschiedlichen Reaktionen während der Testsitzung. Beachten Sie, dass die ungefilterte Gruppe im Vergleich zu neuen Reizen größere Reaktionen auf die alten Reize zeigt, was darauf hindeutet, dass das Training im Vergleich zur gefilterten Gruppe zu einer besseren Wiederakquise führt. Dieses Beispiel zeigt die MEG-Ergebnisse eines typischen Konditionierungsexperiments.

Das 3D-Modell links zeigt die Amygdala und orange und den Hippocampus in grün. Das Diagramm auf der rechten Seite stellt die Aktivität eines Amygdala-Clusters dar. Die helle Linie stellt die Aktivität dar, die durch ungefilterte Gesichter hervorgerufen wird, während die dunklere Linie die Aktivität darstellt, die durch gefilterte Gesichter hervorgerufen wird.

Dieses Diagramm stellt das von der Amygdala aufgezeichnete MEG-Signal dar, aufgeschlüsselt nach Zeit und Frequenz. Warme Farben stellen Bereiche im Spektrografen dar, die für ungefilterte Flächen deutlich mehr Leistung aufweisen als für gefilterte Flächen. Kühle Farben stellen die gegenüberliegenden Bereiche dar, wobei die gestreifte Überlagerung signifikante Unterschiede zwischen den Gruppen darstellt.

Diese Abbildung zeigt die Aktivierung des okzipitalen Gesichtsbereichs. In einem typischen Konditionierungsexperiment stellen warme Farben größere Reaktionen auf ungefilterte Gesichter dar als auf gefilterte Gesichter. Befolgen Sie dieses Verfahren.

Andere Methoden wie die Kohärenzanalyse können verwendet werden, um zusätzliche Fragen im Zusammenhang mit der neuronalen Kommunikation zu beantworten. Nachdem Sie sich dieses Video angesehen haben, sollten Sie ein gutes Verständnis dafür haben, wie Sie die Quellenbildgebung zur Erkennung neuronaler Reaktionen und subkortikaler Gehirnstrukturen verwenden können.