Cómo detectar amígdala Actividad con magnetoencefalografía usando Imaging Source

El objetivo general de este procedimiento es detectar la actividad de la amígdala durante el aprendizaje mediante MAGNETOENCEFALOGRAFÍA o MEG. Esto se logra diseñando primero una tarea de aprendizaje del miedo implícito que activa la amígdala. El segundo paso es registrar la actividad cerebral durante la tarea utilizando MEG.

A continuación, identifique las superficies de la corteza y la amígdala mediante una resonancia magnética anatómica de alta resolución. El paso final es utilizar las superficies de la corteza y la amígdala para modelar las fuentes neuronales de la señal MEJ. En última instancia, los modelos de imágenes de origen se pueden utilizar para mostrar la activación neuronal en la amígdala durante el aprendizaje sin conciencia.

Por lo tanto, la principal ventaja de esta técnica sobre los métodos existentes como FMRI es que las señales MEG se registran en tiempo real y se pueden utilizar para estudiar procesos neuronales que son rápidos o transitorios. Aunque este método se puede utilizar para estudiar la función de la amígdala, también se puede utilizar para estudiar la función de otras regiones subcorticales. Comience conectando la computadora de presentación de estímulos al sistema de adquisición MEG mediante un cable plano multiconector DB 25 estándar.

A continuación, conecte la computadora de presentación de estímulos al monitor independiente de la losa o sam. Usando el adaptador de aislamiento de ocho bits a dos bits y el cable de sincronización, los pulsos lógicos de transistor a transistor utilizados para marcar las presentaciones de estímulo pueden causar artefactos en los datos MEG si se envían al sam. Para evitar estos artefactos, marque el inicio de los estímulos usando solo los bits bloqueados por el adaptador de aislamiento, como se ve aquí.

A continuación, el estimulador de choque se conecta al sam. A continuación, pase un cable de extensión blindado a través de la guía de ondas y conéctelo al estimulador de choque. A continuación, el SAM debe conectarse a un ordenador que ejecute el software de adquisición de datos de la losa.

Conecte el dial giratorio a la computadora de presentación de estímulos y al sistema de adquisición MEG usando el divisor BNC de puerto de juego a puerto de juego y el adaptador de puerto de juego a USB. Conecte electrodos y sensores al sujeto usando el esquema que se muestra aquí. Una vez configurado correctamente, digitalice la posición de la cabeza del sujeto en relación con las bobinas HPI utilizando puntos de referencia.

A continuación, digitaliza de 50 a 100 puntos a lo largo del cuero cabelludo del sujeto. Acompañe al sujeto al sistema MEG y conecte los electrodos y sensores a la interfaz adecuada. Levante la silla de modo que la cabeza del sujeto toque la parte superior del casco MEG y coloque la pantalla de modo que la imagen proyectada esté enfocada.

A continuación, ajusta el choque a un nivel que el sujeto considere doloroso pero tolerable. Por último, instruya al sujeto sobre el uso adecuado del dial utilizando un ejemplo de escenario de presentación. Comience cargando el software de adquisición de datos de losas para comenzar a registrar los códigos de eventos y la entrega de choques.

La sesión de entrenamiento está programada de antemano y consta de cuatro bloques de acondicionamiento diferencial del miedo con 15 ensayos por condición, estímulo o CS por bloque como se ve aquí cuando todo está listo. Comience cuatro ensayos de entrenamiento y registre los datos brutos a dos kilohercios. Durante cada uno, inspeccione visualmente los datos en tiempo real para detectar fuentes sistemáticas de ruido.

Después de cada carrera, pídale al sujeto que califique la intensidad del choque para evaluar la habituación. Después de completar las pruebas, use free surfer para crear un volumen subcortical segmentado y superficies de la corteza, la piel externa y el cráneo externo. A continuación, cree y convierta los volúmenes de la amígdala y el hipocampo en superficies.

Con Slicer three y ParaView, el siguiente paso es crear un nuevo asunto en la base de datos de lluvia de ideas. Importe el volumen de la resonancia magnética en una lluvia de ideas y deforme el volumen en el espacio estándar identificando los puntos de referencia, importe las superficies y alinee manualmente la superficie del cuero cabelludo con la resonancia magnética. Una vez completado.

Aplique esta transformación a todas las demás superficies. Fusiona las superficies de la cáscara, el hipocampo y la amígdala. Por último, cree regiones de interés para la amígdala y el hipocampo.

Una vez creado, importa el archivo de grabación MEG para cada sesión de entrenamiento. El software de adquisición de MEG utiliza la separación del espacio de la señal para eliminar los artefactos causados por fuentes fuera de la sala blindada magnéticamente. Asegúrese de usar los archivos limpios que a menudo se encuentran en una carpeta marcada como SSS para analizar las respuestas evocadas.

En primer lugar, utilice el canal de eventos para identificar las epopeyas correspondientes a cada uno de los ensayos experimentales. Elimine los artefactos causados por los latidos del corazón y los movimientos oculares utilizando proyecciones de espacio de señal de eventos identificados en los canales de electrocardiografía y electroiconografía. A continuación, refinar el registro de la resonancia magnética utilizando los puntos de cabeza.

Calcule la covarianza del ruido de las grabaciones utilizando el método de esferas superpuestas con la entrada de la corteza, calcule las fuentes de cálculo del modelo principal utilizando el método de estimación de norma mínima y continúe el análisis de las fuentes. Fuentes de filtro de paso de banda siguiente para las pruebas individuales. Tome el valor absoluto de las fuentes filtradas de paso de banda y convierta esos valores en una puntuación Z en función de la variabilidad de la línea de base, suavice espacialmente las fuentes y promedie las fuentes en todos los ensayos.

Proyecte estos promedios en la anatomía predeterminada del experimento. A continuación, calcule las pruebas T en las fuentes en las diferentes condiciones. Filtre los resultados significativos de la prueba T utilizando umbrales espaciales y temporales para corregir el error familiar.

Identifique las regiones significativamente activadas y exporte el curso de tiempo de activación para cada sujeto. Por último, calcule la media y el error estándar de la media entre los sujetos en cada punto de tiempo. En primer lugar, proyecte los datos brutos de los ensayos individuales en la anatomía predeterminada para el experimento Calcular descomposiciones de frecuencia de tiempo en datos de regiones anatómicas y funcionales de interés.

Convierta los mapas de descomposición de frecuencia de tiempo resultantes en puntuación Z y promedie los mapas resultantes en todos los ensayos para cada sujeto. Finalmente, realice la prueba T en los mapas a través de las diferentes condiciones que se muestran, aquí se muestran los resultados de comportamiento de un estudio de condicionamiento típico. El gráfico de la izquierda muestra que los sujetos tienen niveles similares de expectativa en los 60 ensayos, lo que sugiere que el procedimiento de enmascaramiento bloqueó su capacidad para discriminar entre los estímulos de la condición.

El gráfico de la derecha muestra las respuestas diferenciales durante la sesión de prueba. Observe que el grupo no filtrado muestra respuestas más grandes a los estímulos antiguos en comparación con los nuevos, lo que sugiere que el entrenamiento conduce a una mejor readquisición en comparación con el grupo filtrado. Este ejemplo muestra los resultados de MEG de un experimento de condicionamiento típico.

El modelo 3D de la izquierda muestra la amígdala y el naranja y el hipocampo en verde. El gráfico de la derecha representa la actividad de un grupo de amígdalas. La línea de color claro representa la actividad evocada por rostros sin filtrar, mientras que la línea más oscura representa la actividad evocada por rostros filtrados.

Este gráfico representa la señal de MEG registrada desde la amígdala desglosada por tiempo y frecuencia. Los colores cálidos representan regiones en el espectroespectrógrafo que muestran significativamente más potencia para las caras sin filtrar que para las caras filtradas. Los colores fríos representan las regiones opuestas con la superposición de rayas que representan diferencias significativas entre los grupos.

Esta figura muestra la activación del área occipital de la cara. En un experimento de condicionamiento típico, los colores cálidos representan respuestas más grandes a las caras sin filtrar que a las caras filtradas. Siguiendo este procedimiento.

Se pueden utilizar otros métodos, como el análisis de coherencia, para responder a preguntas adicionales relacionadas con la comunicación neuronal. Después de ver este video, debería tener una buena comprensión de cómo usar las imágenes de origen para detectar respuestas neuronales y estructuras cerebrales subcorticales.