Name: Die Messung der Fronto-limbischen Aktivität unter Verwendung einer emotionalen Oddball Aufgabe bei Kindern mit familiärer High Risk for Schizophrenia (Video) | JoVE Journal
Uploaded: 2015-12-02T14:00:00.000+00:00
Duration: 13 min 8 s
Description: Erfahren Sie, wie fMRI bei Kindern mit familiärem Hochrisiko für Schizophrenie eingesetzt wird, um fronto-striato-limbische Aktivität während emotionaler Verarbeitung zu messen.

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 Erin Douglas, Anna Evans und Carolyn Bellion für ihre Beiträge zur Teilnehmerrekrutierung und klinischen Bewertung. Wir danken auch Michael Casp, Zoe Englander, Justin Woodlief und James Carter für ihre Beiträge zur Datenerfassung und -analyse sowie Robert M. Hamer für die Beratung bei der statistischen Analyse und Bearbeitung des Manuskripts. Abschließend danken wir den Einzelpersonen und ihren Familien, die an dieser Studie teilgenommen haben. 
Diese Studie wurde durch das Conte Center Grant P50 MH064065 vom National Institute of Mental Health unterstützt. Dr. Hart wurde unterstützt von T32 HD040127 vom National Institute of Child Health and Human Development.

Chapel Hill - Die Forschungstechniken in dieser Studie verwendet wurden durch die Institutional Review Boards (IRB) der Duke University und der University of North Carolina genehmigt. 1. Imaging Task-Entwurf <ol><li> Generieren Sie einen ereignisbasierten Verhaltens Aufgabe, seltene Zielreize (ein Kreis) innerhalb einer Sequenz von mehr häufige Standardreizen (Rührei Bilder) präsentiert. Eine schematische Darstellung der Aufgabe ist in Abbildung 1 dargestellt. Präsentieren Sie die Aufgabe mit Cigal Software 10. </li></ol><img alt="Abbildung 1" src="/files/ftp_upload/51484/51484fig1.jpg" /> Abbildung 1. Schematische der Task-Entwurf. Diese Zahl wurde von Hart et al. 20 geändert wurden, mit Genehmigung. <a href="https://www.jove.com/files/ftp_upload/51484/51484fig1large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.</a> <ol style="margin-left: 40px;"><li> Wählen Sie, wieet des aversiven Reizen und eine Reihe von neutralen Stimuli vom internationalen Affective Picture System-Datenbank (IAPS). IAPS Bilder werden auf einer Skala von 1-9, um Ebenen der Erregung und Valenz 11 reflektieren bewertet. Hohe Zahlen zeigen höhere positive Valenz und Erregung. Wählen Sie eine Reihe von Bildern, die altersgerecht an die Studiengruppe sind, wie beispielsweise Bilder von Schlangen, Spinnen oder andere Tiere. Hinweis: Die Stimuli Bilder aufgaben irrelevant aversiven für diese Studie verwendet hatte eine durchschnittliche Wertigkeit Rating von 3,38 (SD = 1,78) und einer mittleren Erregung Rating von 6,14 (SD = 2.08). Die neutrale Reize Bilder hatten eine durchschnittliche Wertigkeit von 6,21 (SD = 0,26) und einer mittleren Erregung Rating von 3,72 (SD = 2.15). </li><li> Programm der Task-Skript, so dass Bilder in einer pseudo-randomisiert Auftrag für 1.500 ms mit 500 ms präsentiert bedeuten Inter-Stimulus-Intervall. Gegenwärtige Zielreize und aufgaben irrelevant neutrale Bilder nicht häufiger als alle 15 Sekunden und stellen jeweils etwa 4% der Reize. Jitter Ereignis Einsetzen mal, um eine bessere Auflösung der hämodynamischen Antwort Funktion bereitzustellen. </li></ol><ol start="2"><li> Erstellen 8 Sätze von Bildern, eine für jeden der 8 funktionelle so verläuft, dass die Teilnehmer mit einem Gesamtvolumen von 40 Zielen und 40 aufgaben irrelevant neutralen Bilder im Verlauf aller 8 verläuft dargestellt. </li></ol> 2. Teilnehmer einrichten und Scannen <ol><li> Rekrutieren Kinder und Jugendliche im Alter von 9 und 18 Jahren, die entweder gesunden Kontrollpersonen oder Personen, die bei familiären hohes Risiko für Psychosen sind zwischen. <ol><li> Stellen Sie sicher, dass gesunde Menschen haben keine psychiatrischen Erkrankungen oder jegliche ersten Grades Familienmitglieder mit einer psychiatrischen Erkrankung. Stellen Sie sicher, dass familiäres Risiko Teilnehmer mindestens einen Verwandten ersten Grades (Eltern oder Geschwister) mit Schizophrenie haben. Auf das Vorhandensein von anderen psychiatrischen Erkrankungen im ersten Grades ausschließen Sie sie nicht. </li><li> Alter und Geschlecht Spiel gesunde Teilnehmer mit familiärer Risikogruppe Teilnehmers. </li></ol></li><li> Erwerben Sie informierten Einwilligung der Teilnehmer im Alter von über 18. Bei Minderjährigen erwerben informierte Einwilligung von den Eltern / Erziehungsberechtigten. Zusätzlich erwerben schriftliche Zustimmung von Minderjährigen, die nehmen an der Studie teil. </li><li> Legen Sie die Teilnehmer in einem nachgebauten MRI-Scanner, um sie mit der Umgebung vertraut zu machen. Spielen Sie eine Audio-Aufnahme von Scannerrauschen und haben ihnen einen Probelauf des Verhaltens Aufgabe abzuschließen, um sicherzustellen, dass sie die Aufgabe, Anweisungen zu verstehen. </li><li> Legen Sie die Teilnehmer in der MRI-Scanner und die erforderlichen Gehirn Lokalisierung Scans und / oder anatomische Bilder zu erwerben. </li><li> Mit Hilfe eines MRI-sicheren Eingabefeld, sagen die Teilnehmer auf eine Schaltfläche mit dem Zeigefinger in Reaktion auf alle Zielreize und eine andere Taste mit ihren Mittelfinger für alle anderen Reize zu drücken. </li><li> Nach fMRI Scannen, sammeln subjektive Bewertungen von Erregung und Valenz für die in der Studie von einer Untergruppe von Teilnehmern verwendeten Bilder. Die current-Studie erhalten Bewertungen 15 Kontrollen und 13 mit familiärer hohes Risiko. </li></ol> 3. Image Acquisition <ol><li> Platz Teilnehmer in einen 3,0-Tesla-MRT. Zunächst erwerben eine Reihe von Strukturbildern einschließlich einer 3D-Bild anatomischen T1-Kontrast coplanar mit einem verdorbenen gradienten-wiederAkquisitionsPulsSequenz (TR: 5,16 ms, TE: 2,04 ms; FOV: 24 cm; Bildmatrix: 256 × 256; Flip Winkel: 20; Voxelgröße: 0,94 mm x 0,94 mm x 1,9 mm; 68 axiale Schichten). </li><li> Erwerben funktionelle Bildgebung Daten unter Verwendung eines Gradienten-Echo-Echo-Planar-Bildgebungssequenz mit voller Hirn Abdeckung (TR: 2.000 ms, TE: 27 ms; FOV: 24 cm; Bildmatrix: 64 × 64; Flip-Winkel: 60; Voxelgröße: 3.75 mm × 3,75 mm × 3,8 mm; 34 axiale Schichten), so dass die Gehirnaktivität während der Leistung des Verhaltens Aufgabe gemessen werden. Führen Sie dieses Bildgebungssequenz für jeden Durchlauf des Verhaltens Aufgabe. Jeder Durchlauf sollte von 120 Bildgebungszeitpunkten bestehen. </li><li> Präsentieren Sie die task in 8 Funktionsläufe von jeweils ca. 4 min. </li></ol> 4. Analysen <ol><li> Bildverarbeitung: Open fMRI Expert Analysis Tool (FEAT) in FSL 12. Wählen Sie zuerst Ebenenanalyse und Pre-stats. <ol><li> Auf der Registerkarte &quot;Daten&quot;, wählen Sie die Anzahl der Eingabebilder und geben Sie den Pfad zu jedem der MR-Bilder, die Sie gehen, um zu verarbeiten sind. Stellen Sie das Ausgabeverzeichnis. Geben Sie die Gesamtmengen, die Anzahl der verworfen Übernahmen und die TR. </li><li> Auf der Registerkarte &quot;Pre-Statistik&quot;, stellen Bewegungskorrektur auf MCFLIRT, räumliche Glättung FWHM bis 5 mm, und &quot;Slice-Zeitkorrektur&quot;. Wählen Sie &quot;BET Gehirn-Extraktion&quot; und &quot;Highpass&quot; zeitliche Filterung aber nicht B0 unwarping wählen (Uness Sie ein Gradientenfeld Karte haben) oder &quot;Ich ntensitiy normaization&quot;. 12,14. </li><li> Auf der Registerkarte &quot;Registrierung&quot;, wählen Sie &quot;Haupt structural Bild &quot;. Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild der Person. Nutzen Sie eine lineare normalen Suche mit mindestens 6 DOF. Wählen Sie den Platzkontrollkästchen Norm. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie einen normalen, linearen Suche mit 12 DOF. Drücken Sie Fortfahren. </li><li> Teilnehmer mit mehr als 3 mm Kopfbewegung in der X-, Y- oder Z-Richtung aus. </li></ol></li><li> Ebene 1: Daten zwischen Aufgabe Bedingungen Vergleichen in einem einzigen Durchlauf. Offene FEAT. Wählen Sie &quot;First-Level-Analyse&quot; und &quot;Statistiken + Post-Statistik&quot;. <ol><li> Auf der Registerkarte Daten, stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die &quot;Ausgabeverzeichnis&quot;. Geben Sie die &quot;Gesamtvolumen&quot;, die Anzahl der verworfen Übernahmen und die TR. </li><li> Auf der Registerkarte &quot;Statistik&quot;, wählen Sie das Kontrollkästchen &quot;FILM prewhitening&quot; 16. Drücken Sie die &quot;Full-Modell setup &quot;-Taste. Stellen Sie die &quot;Anzahl der Original EVs&quot; auf die Anzahl der Aufgabenbedingungen. Für jede Bedingung, wählen Sie &quot;Benutzerdefiniert (3 Spalten-Format)&quot; aus dem Drop-Down-Menü Grundform und &quot;Double-Gama HRF von der&quot; Faltung &quot;Dropdown-Menü 17,18 und wählen Sie eine Textdatei mit der Aufgabe Timing. <ol><li> Formatieren Sie diese Textdatei in 3 Spalten mit einem Eintrag für jedes &quot;Ereignis&quot; des angegebenen Typs. Die erste Spalte sollte den Beginn der Zeit (in Sekunden) enthalten, sollte der zweite die Dauer (in Sekunden) enthalten, und der dritte sollte die Veranstaltung Gewicht enthalten. Auf der Registerkarte Contrasts &amp; F-Tests, erstellen Sie einen Kontrast für jede Aufgabe Zustand und eine für jeden Vergleich. </li></ol></li><li> Auf den &quot;Post-Statistik&quot;, wählen Sie &quot;Cluster&quot; auf dem &quot;Thresholding&quot; Dropdown-Menü und stellen Sie die &quot;Z Grenzwert&quot; und Cluster P threshold bis 2,3 bzw. 0,05 8,19. </li><li> Auf der Registerkarte &quot;Registrierung&quot;, wählen Sie &quot;Hauptstrukturbild&quot;. Geben Sie den Pfad Schädel-abgestreift T1-gewichteten Bild des Subjekts. Verwenden Sie einen linearen normalen Suche mit mindestens 6 DOF. Wählen Sie den &quot;Standard space&quot; Kontrollkästchen. Geben Sie den Pfad zu der MNI Bildatlas. Verwenden Sie eine normale, lineare Suche mit 12 DOF. Drücken Sie auf &quot;Go&quot;. </li></ol></li><li> Stufe 2: Vergleichsdaten zwischen den Läufen für jeden Task Zustand. Offene FEAT. Wählen Sie &quot;Übergeordnete Analyse&quot; und &quot;Statistiken + Post-Statistiken&quot; aus dem Dropdown-Menü. <ol><li> Auf der Registerkarte Daten, wählen Sie &quot;Eingänge sind untergeordnete FEAT-Verzeichnisse&quot;. Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die &quot;Ausgabeverzeichnis&quot;. </li><li> Auf der Registerkarte &quot;Statistik&quot;, ändern Sie die &quot;Mixed Effects: flame1&quot; Auswahlfeld &quot;Fixed EUSWIRKUNGEN &quot;. Drücken Sie die&quot; Model Setup-Assistent &quot;klicken. Wählen Sie&quot; Einzelgruppendurchschnitt &quot;und klicken Sie auf&quot; Bearbeiten &quot;klicken. </li><li> Auf der Registerkarte &quot;Post-Statistik&quot;, wählen Sie &quot;Cluster&quot; auf dem &quot;Thresholding&quot; Dropdown-Menü und stellen Sie die &quot;Z Grenzwert&quot; und &quot;Cluster P&quot; Schwellenwert auf 2,3 und 0,05 bzw. 8,19. Drücken Sie auf &quot;Go&quot;. </li></ol></li><li> Stufe 3: Vergleichsdaten zwischen Fächern für jede Aufgabe Zustand in allen Läufen. Offene FEAT. Wählen Sie &quot;Übergeordnete Analyse&quot; und &quot;Statistiken + Post-Statistiken&quot; aus dem Dropdown-Menü. <ol><li> Auf der Registerkarte Daten, wählen Sie &quot;Eingänge sind 3D bewältigen Bilder von FEAT-Verzeichnisse.&quot; Stellen Sie die Anzahl der Ein- und geben Sie den Pfad zu jedem der MR-Bilder. Geben Sie einen Pfad für die &quot;Ausgabeverzeichnis&quot;. </li><li> Auf der &quot;Statistik&quot; tab, Drücken Sie die &quot;Full-Modell-Setup&quot;. Stellen Sie die Anzahl von Elektrofahrzeugen, die der Anzahl der Gruppengrößen und Kovariaten wie Diagnosegruppe, Alter, Geschlecht, usw. Geben Sie die Werte für jedes Fach (Eingang 1 - Eingang n) für jeden EV. Sie können das Fenster &quot;Einfügen&quot;, um eine Tabelle dieser Werte kopieren. <ol><li> Auf der Registerkarte &quot;Kontraste &amp; F-Tests&quot;, fügen Sie einen Kontrast für jeden Test variabel und für jeden Kontrast (zB Diagnosegruppe). Für jede Testvariable, stellen Sie den Kontrast, indem Sie den Wert 1 in der Spalte unter dem entsprechenden EV. Für jeden Kontrast, stellen Sie den ersten Wert auf 1 und die zweite auf -1. Wählen Sie &quot;Fertig&quot;. </li></ol></li><li> Auf der Registerkarte &quot;Post-Statistik&quot;, wählen Sie &quot;Cluster&quot; auf dem &quot;Thresholding&quot; Dropdown-Menü und stellen Sie die &quot;Z Grenzwert&quot; und &quot;Cluster P&quot; Schwellenwert auf 2,3 und 0,05 bzw. 8,19 </sup&gt;. Drücken Sie auf &quot;Go&quot;. </li></ol></li></ol>

<ol><li>Kety, S. S., Rosenthal, D., Wender, P. H., Schulsinger, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mental+illness+in+the+biological+and+adoptive+families+of+adpoted+schizophrenics%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">Mental illness in the biological and adoptive families of adpoted schizophrenics.</a> Am J Psyc. 128, 302-306 (1971).</li>
<li>Weinberger, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implications+of+normal+brain+development+for+the+pathogenesis+of+schizophrenia%5BTitle%5D)+AND+%22Arch+Gen+Psychia%22%5BJournal%5D)">Implications of normal brain development for the pathogenesis of schizophrenia.</a> Arch Gen Psychia. 44, 660-669 (1987).</li>
<li>Nuechterlein, K. H., Dawson, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Information+processing+and+attentional+functioning+in+the+developmental+course+of+schizophrenic+disorders%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Information processing and attentional functioning in the developmental course of schizophrenic disorders.</a> Schizophr Bul. 10, 160-203 (1984).</li>
<li>Nuechterlein, K. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+vulnerability%2Fstress+model+of+schizophrenic+relapse%3A+a+longitudinal+study%5BTitle%5D)+AND+%22Acta+Psychiatr+Scand%2C+Supp%22%5BJournal%5D)">The vulnerability/stress model of schizophrenic relapse: a longitudinal study.</a> Acta Psychiatr Scand, Supp. 382, 58-64 Forthcoming.</li>
<li>Keshavan, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Premorbid+cognitive+deficits+in+young+relatives+of+schizophrenia+patients%5BTitle%5D)+AND+%22Front+Hum+Neurosc%22%5BJournal%5D)">Premorbid cognitive deficits in young relatives of schizophrenia patients.</a> Front Hum Neurosc. 3 (62), (2010).</li>
<li>Kiehl, K. A., Liddle, P. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+event-related+functional+magnetic+resonance+imaging+study+of+an+auditory+oddball+task+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Re%22%5BJournal%5D)">An event-related functional magnetic resonance imaging study of an auditory oddball task in schizophrenia.</a> Schizophr Re. 48, 159-171 (2001).</li>
<li>Bramon, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+P300+wave+an+endophenotype+for+schizophrenia%3F+A+meta-analysis+and+a+family+study%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Is the P300 wave an endophenotype for schizophrenia? A meta-analysis and a family study.</a> Neuroimag. 27, 960-968 (2005).</li>
<li>Dichter, G. S., Bellion, C., Casp, M., Belger, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impaired+modulation+of+attention+and+emotion+in+schizophrenia%5BTitle%5D)+AND+%22Schizophr+Bul%22%5BJournal%5D)">Impaired modulation of attention and emotion in schizophrenia.</a> Schizophr Bul. 36, 595-606 (2010).</li>
<li>Fichtenholtz, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Emotion-attention+network+interactions+during+a+visual+oddball+task%5BTitle%5D)+AND+%22Brain+Res+Cogn+Brain+Re%22%5BJournal%5D)">Emotion-attention network interactions during a visual oddball task.</a> Brain Res Cogn Brain Re. 20, 67-80 (2004).</li>
<li>Voyvodic, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+fMRI+paradigm+control%2C+physiology%2C+and+behavior+combined+with+near+real-time+statistical+analysis%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Real-time fMRI paradigm control, physiology, and behavior combined with near real-time statistical analysis.</a> Neuroimag. 10, 91-106 (1999).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22International+affective+picture+system+%28IAPS%29%3A+Digitized+photographs%2C+instruction+manual+and+affective+ratings.+Technical+Report+A-6%22">International affective picture system (IAPS): Digitized photographs, instruction manual and affective ratings. Technical Report A-6</a>. , The Center for Research in Psychophysiology, University of Florida. (2005).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+functional+and+structural+MR+image+analysis+and+implementation+as+FSL%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Advances in functional and structural MR image analysis and implementation as FSL.</a> Neuroimag. 23, 208-219 (2004).</li>
<li>Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+robust+automated+brain+extraction%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Fast robust automated brain extraction.</a> Hum Brain Map. 17, 143-155 (2002).</li>
<li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimag. 17, 825-841 (2002).</li>
<li>Jenkinson, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+global+optimisation+method+for+robust+affine+registration+of+brain+images%5BTitle%5D)+AND+%22Med+Image+Ana%22%5BJournal%5D)">A global optimisation method for robust affine registration of brain images.</a> Med Image Ana. 5, 143-156 (2001).</li>
<li>Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimag. 14, 1370-1386 (2001).</li>
<li>Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((General+multilevel+linear+modeling+for+group+analysis+in+FMRI%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">General multilevel linear modeling for group analysis in FMRI.</a> Neuroimag. 20, 1052-1063 (2003).</li>
<li>Woolrich, M. W., Behrens, T. E., Beckmann, C. F., Jenkinson, M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multilevel+linear+modelling+for+FMRI+group+analysis+using+Bayesian+inference%5BTitle%5D)+AND+%22Neuroimag%22%5BJournal%5D)">Multilevel linear modelling for FMRI group analysis using Bayesian inference.</a> Neuroimag. 21, 1732-1747 (2004).</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+%22Neuroimag%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimag. 15, 870-878 (2002).</li>
<li>Hart, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+fronto-limbic+activity+in+children+and+adolescents+with+familial+high+risk+for+schizophrenia.%5BTitle%5D)+AND+%22Psychiatry+Re%22%5BJournal%5D)">Altered fronto-limbic activity in children and adolescents with familial high risk for schizophrenia.</a> Psychiatry Re. 212, 19-27 (2013).</li>
<li>Hariri, A. R., Bookheimer, S. Y., Mazziotta, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulating+emotional+responses%3A+effects+of+a+neocortical+network+on+the+limbic+system%5BTitle%5D)+AND+%22Neurorepor%22%5BJournal%5D)">Modulating emotional responses: effects of a neocortical network on the limbic system.</a> Neurorepor. 11, 43-48 (2000).</li>
<li>Gottesman, I. I., Gould, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+endophenotype+concept+in+psychiatry%3A+etymology+and+strategic+intentions%5BTitle%5D)+AND+%22Am+J+Psyc%22%5BJournal%5D)">The endophenotype concept in psychiatry: etymology and strategic intentions.</a> Am J Psyc. 160, 636-645 (2003).</li>
<li>Glahn, D. C., Thompson, P. M., Blangero, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuroimaging+endophenotypes%3A+strategies+for+finding+genes+influencing+brain+structure+and+function%5BTitle%5D)+AND+%22Hum+Brain+Map%22%5BJournal%5D)">Neuroimaging endophenotypes: strategies for finding genes influencing brain structure and function.</a> Hum Brain Map. 28, 488-501 (2007).</li>
</ol>

Dr. Perkins erhält derzeit Zuschüsse von Janssen und ist Berater von Dainippon. In der Vergangenheit war Dr. Perkins Mitglied des Sprecherbüros von Eli Lilly und AstraZeneca. Dr. Perkins hat zuvor Zuschüsse von AstraZeneca, Bristol-Myers Squibb, Otsuka, Eli Lilly, Janssen und Pfizer erhalten; sowie Beratungs- und Bildungskosten von AstraZeneca, Bristol-Myers Squibb, Eli Lilly, Janssen, Glaxo Smith Kline, Forest Labs, Pfizer und Shire. Alle anderen Autoren erklären keine biomedizinischen finanziellen Interessen oder potenziellen Interessenkonflikte.

Es wurde gezeigt, dass das modifizierte emotionale Oddball-Paradigma in der aktuellen Studie Unterschiede in der neuronalen Rekrutierung während der selektiven Aufmerksamkeit und emotionalen Verarbeitung bei Kindern und Jugendlichen mit einem Risiko für Schizophrenie hervorruft. Während bestehende Paradigmen, die die emotionale Sonderlingsaufgabe verwenden, verwendet wurden, um neuronale Veränderungen in erwachsenen Populationen mit psychiatrischen Erkrankungenzu untersuchen 8, könnte das aktuelle Paradigma be...

Schizophrenie ist eine neurologische Entwicklungsstörung mit einer bekannten genetischen Komponente1,2 und Symptomen wie Defiziten sowohl in der exekutiven als auch in der emotionalen Verarbeitung3,4. Es wird angenommen, dass Verwandte ersten Grades ein erhöhtes Risiko haben, an Schizophrenie zu erkranken, und es hat sich gezeigt, dass sie einige dieser neurokognitiven Defizite sowohl im kognitiven als auch im sozial-emotionalen Bereich aufweisen5. Wir gehen daher davon aus, dass die Gehirnaktivität in Regionen, die mit exekutiver und emotionaler Verarbeitung verbunden sind, bei gefährdeten Familienmitgliedern vor dem Auftreten klinischer Symptome verändert sein kann. 
Frühere Studien haben gezeigt, dass sowohl Erwachsene mit Schizophrenie als auch Erwachsene mit familiärem Hochrisiko abweichende Aktivitäten innerhalb von exekutiven und emotionalen Verarbeitungsnetzwerken zeigen; es bleibt jedoch unklar, wie diese Veränderungen während der Entwicklung zustande kommen. Der Nachweis, dass diese Veränderungen früh im Leben auftreten, wird ein wichtiger erster Schritt zum Verständnis der Pathophysiologie der Störung sein. Daher verwendet diese Studie ein emotionales Sonderlingsparadigma während der funktionellen MRT (fMRT), um die Gehirnaktivität während der Erledigung einer Aufgabe zu messen, die sowohl exekutive als auch emotionale Verarbeitung bei Jugendlichen erfordert, die ein Risiko für die Entwicklung von Schizophrenie haben. Oddball-Paradigmen werden häufig verwendet, um die Funktion der fronto-striaten Schaltkreise bei Schizophrenie6 und bei Personen mit familiärem Hochrisiko7 zu untersuchen, indem selektive Aufmerksamkeitsprozesse gemessen werden, die aufgabenrelevanten Zielreizen zugeordnet sind. Hier wurde eine Standard-Oddball-Aufgabe so modifiziert, dass sie aufgabenirrelevante aversive und neutrale Reize enthält, von denen gezeigt wurde, dass sie bei Patienten mit Schizophrenie Veränderungen in der Gehirnaktivität hervorrufen8. 
Diese Arbeit misst funktionelle Unterschiede zwischen gesunden Jugendlichen und Jugendlichen mit hohem familiärem Risiko für Schizophrenie anhand einer emotionalen Sonderaufgabe. Das Aufgabendesign ähnelt dem von Fichtenholtz und Kollegen9, aber die Auswahl der aversiven emotionalen Bilder wurde so modifiziert, dass es für Kinder im Alter zwischen 9 und 18 Jahren geeignet ist. Die Verwendung dieser Aufgabe während der funktionellen MRT ermöglichte die Identifizierung spezifischer Hirnregionen, die bei Kindern und Jugendlichen mit FHR bei Schizophrenie Muster der Hyperaktivierung und Hypoaktivierung zeigten, zusätzlich zu altersbedingten Veränderungen der neuronalen Aktivität während der Entwicklung von Jugendlichen.

<table><tbody><tr><td>3T MRT-Scanner</td><td>GE</td><td></td><td>BIAC 3T Scanner (ersetzt)</td></tr></tbody></table>

die messung der fronto-limbischen aktivität unter verwendung einer emotionalen oddball aufgabe bei kindern mit familiärer high risk for schizophrenia

Measurement of Fronto-limbic Activity Using an Emotional Oddball Task in Children with Familial High Risk for Schizophrenia

Die Adoleszenz ist eine kritische Entwicklungsphase, in der die frühen Symptome der Schizophrenie häufig auftreten. Verwandte ersten Grades von Menschen mit Schizophrenie, die ein familiäres Hochrisiko (FHR) haben, können ähnliche kognitive und emotionale Veränderungen zeigen. Die neurologischen Veränderungen, die der Entstehung dieser Symptome zugrunde liegen, sind jedoch unklar. In dieser Studie wurde versucht, Unterschiede in der frontalen, striatalen und limbischen Region bei Kindern und Jugendlichen mit FHR mittels funktioneller Magnetresonanztomographie zu identifizieren. Gruppen von 21 Kindern und Jugendlichen an der FHR und 21 gesunden Kontrollpersonen absolvierten eine emotionale Sonderaufgabe, die auf selektiver Aufmerksamkeit und der Unterdrückung aufgabenirrelevanter emotionaler Informationen beruhte. Die Standard-Sonderlingsaufgabe wurde dahingehend modifiziert, dass sie aversive und neutrale Distraktoren umfasste, um mögliche Gruppenunterschiede sowohl in der emotionalen als auch in der exekutiven Verarbeitung zu untersuchen. Diese Aufgabe wurde speziell entwickelt, um Kindern und Jugendlichen die Bearbeitung zu ermöglichen, indem der Schwierigkeitsgrad und der emotionale Bildinhalt altersgerecht gehalten werden. Darüber hinaus demonstrieren wir eine Technik zur geeigneten fMRT-Registrierung für Kinder und jugendliche Teilnehmer. Dieses Paradigma kann auch in zukünftigen Studien angewendet werden, um Veränderungen in der neuronalen Aktivität in anderen Populationen mit hypothetischen Entwicklungsveränderungen in der exekutiven und emotionalen Verarbeitung zu messen.

Es gab keine Unterschiede zwischen den Gruppen auf Basis von demografischen Merkmalen 20. Verhaltensdaten zeigten, dass die Zielerfassung Aufgabe ist bei einer geeigneten Schwierigkeitsgrad für Kinder und Jugendliche im Alter von 9 bis 18 zwischen. In der aktuellen Studie, Bedienungselemente richtig 82,36% der Ziele (SD = 0,14) identifiziert und die familiäre Risikogruppe 76,8% der Ziele (SD = 0.17) korrekt identifiziert. Beide Gruppen zeigten verringerte Genauigkeit bei der Identifizierung ...

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

Adolescence is a critical developmental period where the early symptoms of schizophrenia frequently emerge. First-degree relatives of people with ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, die MR-Bildgebung bei Kindern und Jugendlichen während der Durchführung einer emotionalen Oddball-Aufgabe durchzuführen. Dies wird erreicht, indem zunächst eine für Kinder geeignete emotionale Oddball-Aufgabe konzipiert wird. Der zweite Schritt besteht darin, den Teilnehmern zu ermöglichen, die Durchführung der Aufgabe in einer simulierten Scanner-Umgebung zu üben.Anschließend führen die Teilnehmer dieselbe Aufgabe im MRT-Scanner durch. Der letzte Schritt besteht in der Analyse der Verhaltens- und Bildgebungsdaten. Letztendlich erfolgt die funktionelle Bildgebung während der emotionalen Oddball-Aufgabe.Bei erstgradigen Verwandten von Schizophreniepatienten wird die Technik verwendet, um eine verminderte Aktivierung der frontostriatalen Verschaltung und die Reaktion auf Zielreize bei risikobehafteten Kindern und Jugendlichen aufzuzeigen. Der Hauptvorteil dieser Methode liegt darin, dass sie eine nichtinvasive Bildgebung der Gehirne von Kindern und Jugendlichen ermöglicht, während diese kognitive Funktionen ausführen. Obwohl diese Methode Einblicke in die Schizophrenie ermöglichen kann, ist sie auch auf andere psychiatrische Entwicklungsstörungen wie die bipolare Störung oder Autismus sowie auf andere Gehirnerkrankungen wie die posttraumatische Belastungsstörung anwendbar.Im Allgemeinen haben Personen, die neu in der Durchführung dieser Methode sind, Schwierigkeiten, da viele Schritte bei der Erstellung des experimentellen Designs, der Bildakquisition, der Programmierung der Analyse- und Bildverarbeitungspipelines sowie der Anwendung geeigneter experimenteller Designs auf ihr Projekt erforderlich sind. Auch teilnehmende Kinder und Personen mit neuropsychiatrischen Erkrankungen haben Schwierigkeiten, da die Verfahren von ihnen verlangen, während einer typischen MRT-Untersuchung bewegungslos zu bleiben, während sie Verhaltensaufgaben bearbeiten. Zudem erfordern die Verfahren eine klare Kommunikation und Informationsweitergabe zwischen Versuchsleiter und Teilnehmer, was einen erheblichen Schulungsaufwand notwendig macht.Beginnen Sie damit, mithilfe der Siegel-Software eine ereignisbasierte Verhaltensaufgabe zu erstellen, die seltene Zielreize präsentiert, beispielsweise einen Kreis innerhalb einer Abfolge häufigerer Standardreize wie zufällig angeordneter Bilder. Wählen Sie eine Reihe aversiver Reize und eine Reihe neutraler Reize aus der International Effective Picture System-Datenbank aus. Diese Bilder werden auf einer Skala von eins bis neun bewertet, wobei höhere Zahlen ein höheres positives Maß an Valenz und Erregung anzeigen.Wählen Sie eine Bilderserie aus, die altersgerecht für die Studiengruppe ist, beispielsweise Abbildungen von Schlangen, Spinnen oder anderen Tieren. Programmieren Sie das Aufgabenskript so, dass die Bilder in einer pseudorandomisierten Reihenfolge für jeweils 1.500 Millisekunden dargestellt werden, mit einer durchschnittlichen Interstimulus-Intervallzeit von 500 Millisekunden zwischen den präsentierten Zielreizen. Zeigen Sie außerdem neutrale, für die Aufgabe irrelevante Bilder nicht häufiger als alle 15 Sekunden an, und machen Sie diese etwa 4 % der Gesamtanzahl der Stimuli aus. Achten Sie darauf, die Ereignisbeginnzeitpunkte zu jittern, um eine bessere Auflösung der hämodynamischen Antwortfunktion zu erzielen. Erstellen Sie insgesamt acht Bilderserien, jeweils eine für acht funktionelle Durchläufe.Rekrutieren Sie Teilnehmer im Alter von neun bis 18 Jahren, die aufgrund ihrer familiären Vorgeschichte ein hohes Risiko für eine Psychose aufweisen, sowie gesunde Kontrollpersonen. Holen Sie die informierte Einwilligung der Teilnehmer oder ihrer gesetzlichen Vertreter sowie die Zustimmung Minderjähriger, die an der Studie teilnehmen, ein. Beginnen Sie damit, die Teilnehmer in einen Übungs-MRT-Scanner zu bringen, um sie mit der MRT-Umgebung vertraut zu machen.Dann stellen Sie sicher, dass die Probanden die Aufgabenanweisungen verstanden haben, und spielen Sie eine Tonaufnahme des Scannerlärms ab, während sie eine Übungsphase der Verhaltensaufgabe durchführen. Lassen Sie den Probanden dieselbe MRT-sichere Eingabeeinheit verwenden, die auch während der eigentlichen Untersuchung zum Einsatz kommen wird, und weisen Sie ihn an, mit dem Zeigefinger auf alle Zielreize einen Knopf zu drücken und mit dem Mittelfinger auf alle anderen Reize einen anderen Knopf zu betätigen. Sobald sich der Proband im Simulations-Scanner wohl fühlt, platzieren Sie ihn in einem 3,0-Tesla-MRT-Scanner.Zunächst gewinnen Sie einen Satz struktureller Bilder, einschließlich eines 3D-koplanaren anatomischen T1-gewichteten Bildes, unter Verwendung einer gespoilerten Gradientenecho-Anregungspulssequenz. Danach erfassen Sie funktionelle Bilddaten mittels einer Gradientenecho-Echo-Planare-Bildgebungssequenz mit vollständiger Gehirnabdeckung. Um die Gehirnaktivität während der Verhaltensaufgabe zu messen, verwenden Sie diese Bildgebungssequenz für jeden Durchlauf der Verhaltensaufgabe; präsentieren Sie die Aufgabe in insgesamt acht funktionellen Durchläufen, von denen jeder etwa vier Minuten dauert und aus 120 Bildakquisitionszeitpunkten besteht.Beginnen Sie die Analyse, indem Sie die Bilder vorverarbeiten. Öffnen Sie das FMRI-Expert-Analysetool in der FSL-Software und wählen Sie die Analyse der ersten Ebene und die Vorstatistik aus. Gehen Sie dann zum Datenreiter, wählen Sie die Anzahl der Eingabebilder und den Pfad zu jedem der MR-Bilder aus. Legen Sie außerdem das Ausgabeverzeichnis fest.Geben Sie die Gesamtvolumina, die Anzahl der verworfenen Aufnahmen und die TR an. Gehen Sie dann im Reiter „Pre Stats“ zu Bewegungskorrektur mit MFL räumlicher Glättung vollständig mit halbmaximaler Breite von fünf Millimetern und wählen Sie eine Korrektur der Schichtaufnahmezeitfolge. Wählen Sie keine B-Zero-Entverzerrung und Intensitätsnormalisierung, sondern BET-Hirnextraktion und Hochpass-Filterung im Zeitbereich. Danach geben Sie im Reiter „Registration“ für das Hauptstrukturbild den Pfad zur Schädel-stripten T1-Aufnahme des Probanden ein.Verwenden Sie eine lineare normale Suche mit mindestens sechs Freiheitsgraden. Wählen Sie dann den Standardraum aus und geben Sie den Pfad zum MNI-Atlas-Bild ein. Verwenden Sie die normale lineare Suche mit 12 Freiheitsgraden und schließen Sie Teilnehmer mit einer Kopfbewegung von mehr als drei Millimetern aus.Um nun Daten zwischen Aufgabenbedingungen innerhalb eines einzelnen Durchlaufs zu vergleichen, wählen Sie zunächst die Analyse der ersten Ebene, Statistik und anschließende Statistik. Im Datenreiter stellen Sie die Anzahl der Eingaben ein und geben den Pfad zu jedem der MR-Bilder sowie das Ausgabeverzeichnis ein. Geben Sie die Gesamtanzahl der Volumina, die Anzahl der verworfenen Aufnahmen und die TR an. Danach wählen Sie im Statistikreiter „FILM verwenden“, Vor-Weißung und vollständige Modellkonfiguration.Stellen Sie die Anzahl der ursprünglichen EVs auf die Anzahl der Versuchsbedingungen ein. Wählen Sie für jede Bedingung das benutzerdefinierte Drei-Spalten-Format aus dem Basisform-Menü und die doppelte Gamma-HRF aus dem Faltungs-Menü und wählen Sie die Textdatei mit dem Aufgaben-Timing-Format aus. Diese Textdatei enthält drei Spalten mit einem Eintrag für jedes Ereignis.Die erste Spalte sollte die Beginnzeit enthalten. Die zweite sollte die Dauer enthalten und die dritte das Ereignisgewicht. Erstellen Sie nun im Reiter „Contrast and F Test“ einen Kontrast für jede Testbedingung, und wählen Sie in den „Post Stats“ im Schwellwertmenü „Cluster“, und stellen Sie den Z-Schwellenwert und den Cluster-P-Schwellenwert jeweils auf 2,3 und 0,05 ein.Dann im Registrierungs-Tab das Hauptstrukturbild auswählen und den Pfad zum Schädel des Probanden eingeben. T1-Bild ohne Weichgewebe. Eine lineare Normalensuche mit mindestens sechs Freiheitsgraden verwenden und den Standardraum auswählen.Geben Sie den Pfad zum MNI-Atlas-Bild ein und verwenden Sie eine normale lineare Suche mit 12 Freiheitsgraden. Führen Sie anschließend für die Analyse der zweiten Ebene einen Vergleich der Daten zwischen den Durchläufen durch. Wählen Sie für jede Aufgabenbedingung die Analyse auf höherer Ebene sowie Statistiken und zusätzlich Post-Statistiken aus.Danach im Daten-Tab die Eingaben als übergeordnete Verzeichnisse auswählen. Die Anzahl der Eingaben festlegen und den Pfad zu jedem der MR-Bilder eingeben. Außerdem einen Pfad für das Ausgabeverzeichnis sowie die Gesamtanzahl der verworfenen Aufnahmen und die TR angeben. Im Statistik-Tab „Mixed Effects FLAME 1“ in „Fixed Effects“ ändern.Wählen Sie mithilfe des Modell-Setup-Assistenten „Einzelgruppenmittelwert“ und verarbeiten Sie die Daten. Wählen Sie anschließend im Reiter „Post-stats“ im Schwellenwertmenü „Cluster“ aus und setzen Sie den Z-Schwellenwert und den Cluster-p-Schwellenwert auf 2,3 bzw. 0,05. Um nun die Daten zwischen Probanden für jede Aufgabenbedingung über alle Durchläufe hinweg zu vergleichen, wählen Sie „Höhere-Ebene-Analyse“ sowie „Statistik plus Post-Statistik“.Wählen Sie im Daten-Tab die Eingaben als 3D-COPE-Bilder aus den Fußverzeichnissen aus. Legen Sie die Anzahl der Eingaben fest und geben Sie den Pfad zu jedem der Bilder ein. Geben Sie das Ausgabeverzeichnis, die Gesamtvolumina, die Anzahl der verworfenen Aufnahmen und die TR an. Wählen Sie dann im Statistik-Tab die vollständige Modellkonfiguration aus.Stellen Sie die Anzahl der Kovariaten gleich der Anzahl der Gruppenvariablen und Kovariaten ein. Geben Sie die Werte für jeden Probanden für jede Kovariate ein. Schließlich senden Sie im Gegensatz dazu F-Tests.Fügen Sie einen Kontrast für jede Testvariable und für jeden Kontrast hinzu. Legen Sie für jede Testvariable den Kontrast fest, indem Sie in der Spalte unter der entsprechenden ev einen auswählen. Stellen Sie für jeden Kontrast den ersten Wert auf eins und den zweiten auf minus eins ein.Danach im Post-Statistik-Menü „Cluster“ im Dropdown-Menü zur Schwellenwertbestimmung auswählen und den Z-Schwellenwert sowie den Cluster-P-Schwellenwert auf 2,3 bzw. 0,05 setzen. Hier sehen wir Aktivierungskarten, die Gruppenunterschiede wie dargestellt zeigen. Dabei zeigte die Gruppe mit familiär erhöhtem Risiko während der Verarbeitung von Zielreizen eine stärkere Aktivierung als die Kontrollgruppe.In diesen Bereichen zeigten die Kontrollen eine stärkere Aktivierung als die Gruppe mit familiärer Hochrisikolage während der Verarbeitung der Zielreize. Hier aktivierte sich die Gruppe mit familiärer Hochrisikolage stärker als die Kontrollen während des aversiven, im Vergleich zum neutralen Kontrast, und an dieser Stelle aktivierten sich die Kontrollen stärker als die Gruppe mit familiärer Hochrisikolage während des aversiven, im Vergleich zum neutralen Kontrast; diese Aktivierungskarten zeigten altersbedingte Gruppenunterschiede. Die hier sichtbaren Bereiche weisen eine stärkere positive Korrelation mit dem Alter in der Gruppe mit familiärer Hochrisikolage auf als bei den Kontrollen während der Zielreizverarbeitung.Hier sehen wir Bereiche mit einer stärkeren positiven Korrelation mit dem Alter in der Kontrollgruppe im Vergleich zur Gruppe mit familiär erhöhtem Risiko während der aversiven im Vergleich zur neutralen Bedingung. Es darf nicht vergessen werden, dass die Arbeit mit Personen im Scanner-Umfeld äußerst gefährlich sein kann. Vorsichtsmaßnahmen wie MRT-Sicherheitsscreening sowie angemessene Sicherheits- und Komfortvorkehrungen und Schulungen sollten stets beachtet werden, wenn dieses Verfahren durchgeführt wird.Diese Technik hat außerdem eine neue Methode zur Visualisierung abnormaler neuronaler Prozesse bei Hirnerkrankungen wie Schizophrenie, Autismus und posttraumatischer Belastungsstörung hervorgebracht. Bei der Durchführung dieses Verfahrens ist es wichtig, mit den Teilnehmern zu kommunizieren, um sie ruhig und konzentriert zu halten. Wenn die Technik einmal beherrscht ist, kann sie bei korrekter Anwendung innerhalb von zwei Stunden durchgeführt werden.Nach Durchführung dieses Verfahrens können andere Methoden wie EEG angewendet werden, um weitere Fragen zur neurosynchrone Aktivität in ähnlichen Kohorten zu beantworten.

measurement-fronto-limbic-activity-using-an-emotional-oddball-task

Research

Forschung

JoVE Journal

Behavior

Verhalten

Wir präsentieren ein Protokoll, das Untersuchung der neuronalen Korrelate der bewussten und automatische Emotionsregulation, mit Hilfe der funktionellen Magnetresonanztomographie ermöglicht. Dieses Protokoll kann in gesunden Probanden, junge und ältere, sowie in klinischen Patienten verwendet werden.

Brain Imaging Untersuchung der neuronalen Korrelate der Emotionsregulation

Wir präsentieren ein Protokoll, das Untersuchung der neuronalen Mechanismen der Vermittlung der nachteiligen Auswirkungen von Emotionen auf Kognition, mit Hilfe der funktionellen Magnetresonanztomographie ermöglicht. Dieses Protokoll kann sowohl mit gesunden und klinischen Teilnehmern verwendet werden.

Brain Imaging Untersuchung der beeinträchtigende Wirkung von Emotion auf Kognition

Das Ziel unserer Forschung ist es, Verhalten zu Hirnaktivität korreliert. Genaue Verhaltensmaßnahmen und bildgebenden Verfahren ermöglichen es uns, Gehirn-Verhalten Zusammenhänge aufzuklären.

Korrelation von Verhaltensreaktionen auf fMRI Signalen von Human präfrontalen Kortex: Untersuchung kognitiver Prozesse mit dem Task Analysis

Dieses Protokoll stellt eine neuartige Methode zur neuronalen Dekodierung der Absicht von sich frei verhaltenden Säuglingen während einer ungeschriebenen sozialen Interaktion mit einem Schauspieler dar. Die neuronale Aktivität wird mittels nicht-invasiver aktiver Kopfhaut-Elektroenzephalographie (EEG) mit hoher Dichte erfasst. Kinematische Daten werden mit Inertialmesseinheiten erfasst und durch synchronisierte Videoaufzeichnung ergänzt.

A Novel experimentellen und analytischen Ansatz zur multimodalen Neural Decoding of Intent Während Soziale Interaktion in Frei-verhalten menschliche Säuglinge

Der emotionale Stroop-Effekt (ESE) ist das Ergebnis längerer Benennungslatenzen für Tintenfarben von emotionalen Wörtern als für die von neutralen Wörtern. Dieser Bericht bezieht sich auf potenzielle Quellen von Verwirrung und enthält ein modales Experiment, das die Mittel zur Kontrolle dieser Quellen bereitstellt.

Die emotionale Stroop Aufgabe: Bewertung der kognitiven Leistung unter Einwirkung von emotionalen Inhalt

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.

Bewusste und Nichtbewusste Darstellungen von Emotional Faces in Asperger-Syndrom

Ein detailliertes Protokoll für eine experimentelle Paradigma die Wirksamkeit zu beurteilen, mit denen Kinder regulieren Emotion beschrieben. Kinder werden zufällig zu verwenden, um bestimmte Emotionsregulationsstrategien zugeordnet, negative Emotionen mit Filmclips ausgelöst werden, und Änderungen in nachfolgenden psychophysiology Index das Ausmaß, in dem Emotionsregulation wirksam ist.

Psychophysiologische Bewertung der Wirksamkeit von Emotionsregulationsstrategien im Kindesalter

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.

Ein Protokoll der Elektrophysiologie Maßnahme Belohnung Erwartung und Verarbeitung bei Kindern

Hier stellen wir ein Protokoll zur Durchführung einer Vielzahl von Verhaltenstests bei Rindern vor, die entwickelt wurden, um Emotionen zu bewerten. Eine Batterie von Verhaltenstests (Open Field Test, Starttest, Rinder-Null-Labyrinth, Ausstiegsgeschwindigkeit, Stift-Score und Rutschen-Score) wurden durchgeführt, um verschiedene Komponenten des tierischen Temperaments zu bewerten.

Der Einsatz traditioneller Angsttests zur Bewertung verschiedener emotionaler Schaltkreise bei Rindern

Wir stellen ein Protokoll zur Erforschung der neuronalen Korrelate einer kognitiven Emotionsregulationsaufgabe, nämlich der kognitiven Neubewertung, mit Hilfe der funktionellen Magnetresonanztomographie vor. Dieses Protokoll wurde bei Patienten mit Zwangsstörung und gesunden Kontrollen angewendet, kann aber auch in anderen klinischen Proben verwendet werden.

Erforschung der neuronalen Korrelate der kognitiven Neubewertung bei Zwangsstörungen mit Hilfe der aufgabenbasierten funktionellen Magnetresonanztomographie

Erfahren Sie, wie fMRI bei Kindern mit familiärem Hochrisiko für Schizophrenie eingesetzt wird, um fronto-striato-limbische Aktivität während emotionaler Verarbeitung zu messen.

Die Messung der Fronto-limbischen Aktivität unter Verwendung einer emotionalen Oddball Aufgabe bei Kindern mit familiärer High Risk for Schizophrenia (Video) | JoVE Journal

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

Weitere Videos entdecken