Name: Cómo detectar amígdala Actividad con magnetoencefalografía usando Imaging Source (Video) | JoVE Journal
Uploaded: 2013-06-03T08:59:00.000+00:00
Duration: 10 min 48 s
Description: Aprende a detectar la actividad de la amígdala mediante magnetoencefalografía durante el condicionamiento de miedo implícito. Este método utiliza imágenes de fuente para analizar señales neuronales en tiempo real con alta resolución temporal.

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

playerTrialDesktop

Este estudio fue apoyado por el Instituto Nacional de Salud Mental (MH060668 y MH069558).

Diseño de un paradigma de condicionamiento rastreo mediante enmascaramiento hacia atrás para bloquear la conciencia 1. Los estímulos Diseño <ol><li> Diseñar los estímulos para los dos grupos. </li><li> Elija 4 expresiones neutrales de diferentes individuos. </li><li> Alinear las caras para que la región del ojo de cada cara está en el mismo lugar. </li><li> Cultivos los rostros utilizando un óvalo para que el pelo, las orejas y otras características periféricas ya no son visibles. </li><li> Utilice la caja de herramientas de procesamiento de señales en Matlab (Ver Tabla 1 para el software necesario para ejecutar el experimento) para crear imágenes filtradas paso alto, quitando toda la información que es menos de 5 ciclos por grado 12. </li><li> Crear la máscara mediante la fusión de varias expresiones neutrales juntos, y la adición de ruido de alta frecuencia espacial a la imagen. </li><li> Normalizar todas las imágenes para que tengan igualdad de luminancia. </li></ol> 2. Programa del experimento utilizando Presentación <ol><li> Programa de formación y fases de prueba de presentación utilizando los parámetros descritos a continuación (ver Figura 1). </li><li> Además, el programa de un archivo separado (PCC) que será utilizado por el paquete de software de adquisición de datos PSYLAB durante el entrenamiento y el ensayo, con el fin de administrar la descarga provocada por Presentación. </li><li> Para el programa de entrenamiento a 4 cuadras de diferencia de rastrear el miedo acondicionado con 15 ensayos por CS, por bloque. </li><li> En cada ensayo presentar el CS de 30 ms. </li><li> En cada ensayo presentar la máscara para 970 mseg. </li><li> En cada ensayo + CS presentar el UCS choque de 100 mseg, por lo que coterminates con la máscara. </li><li> Variar la localización de la combinación de CS / máscara de modo que aparece aleatoriamente en 1 de 4 cuadrantes. </li><li> Presente 1 prueba cada 6 ± 2 segundos con un intervalo entre ensayos variable. </li><li> Para la prueba de sesión del programa 1 cuadra de readquisición con 5 ensayos de cada cara CS y 5 ensayos cada uno de los dos nuevos CSs cara. </li&gt; <li> Con el fin de maximizar su capacidad de registrar las respuestas de conductancia de la piel (SCR) durante los ensayos de prueba, presentar el CS durante 8 s. </li><li> En cada ensayo + CS presentar el UCS choque de 100 mseg, por lo que coterminates con el CS +. </li><li> Presente 1 ensayo cada 20 ± 4 segundos utilizando un intervalo entre ensayos variable. </li><li> Instruya a los sujetos reportar esperanza de UCS durante las dos sesiones, y registrar sus respuestas usando un dispositivo de eje compatible MRI / MEG (joystick, control deslizante, línea, ver sección 7). </li><li> Grabar SCR durante la sesión de pruebas usando electrodos colocados en la parte inferior de los participantes dejaron de pie (véase la sección 9). </li></ol> Grabación de la actividad cerebral durante la tarea mediante magnetoencefalografía 3. Configuración del equipo para la Formación en MEG Suite (Ver Figura 2). <ol><li> Conecte el ordenador presentación del estímulo al sistema de adquisición MEG usando un conector múltiple de cable estándar DB25 cinta (Ver Tabla 2 </strong&gt; de equipo necesario para llevar a cabo el experimento.). </li><li> Conectar el ordenador a la presentación del estímulo PSYLAB independiente del monitor (SAM) usando la 8-bits para adaptador de aislamiento de 2 bits y el cable de sincronización. </li><li> La lógica pulsos transistor-transistor (TTL) que se utilizan para marcar las presentaciones de los estímulos pueden causar artefactos en los datos MEG si se envían a la SAM. Para evitar estos artefactos, marcar el inicio de los estímulos utilizando sólo los bits bloqueados por el adaptador de aislamiento. </li><li> Conecte el estimulador shock (SHK1) a la SAM mediante el cable suministrado con la unidad. </li><li> Pase el cable de extensión blindado a través de la guía de ondas y conéctelo al estimulador shock. </li><li> Conecte el SAM a un ordenador con el software de adquisición de datos PSYLAB mediante un cable USB estándar. </li><li> Conecte el dial a la computadora la presentación del estímulo (USB) y el sistema de adquisición de MEG (BNC) con el divisor gameport-to-gameport/BNC y el puerto de juegos a USB adaptarer. </li><li> Graba dos minutos de datos de sensores sin que el sujeto en la habitación. </li></ol> 4. Configuración del equipo para la prueba de MRI suite <ol><li> Conecte el ordenador presentación del estímulo a la SAM mediante el cable de sincronización. </li><li> Conecte el estimulador shock (SHK1) y el amplificador de conductancia de la piel (SC5) a la SAM usando los cables suministrados con la unidad. </li><li> Pase los cables de extensión blindados para SCR y de choque a través de la guía de onda y conectarlos a sus respectivas unidades. </li><li> Conecte el SAM a un ordenador con el software de adquisición de datos PSYLAB mediante un cable USB estándar. </li><li> Conecte el dial a la computadora la presentación del estímulo mediante el puerto de juegos al adaptador USB. </li></ol> 5. Configuración para la Formación en Materia MEG Suite (Ver Figura 3) <ol><li> Adjuntar electrodos y sensores para el sujeto utilizando el esquema de la Figura 3 como una guía. </li><li> Conecte electrodos desechables paraparpadeo del monitor por encima y debajo del ojo derecho del sujeto. </li><li> Conecte electrodos desechables para controlar la frecuencia cardíaca a lado del sujeto izquierda justo debajo del corazón y el pecho derecho justo debajo de la clavícula. </li><li> Una un electrodo desechable como una referencia a la parte posterior del hombro izquierdo del sujeto. </li><li> Adjuntar dos electrodos taza a la pierna derecha del sujeto sobre el nervio tibial justo encima del maléolo interno para administrar el choque. </li><li> Coloque 4 cabeza indicador de posición (HPI) bobinas al tema, una encima de cada ojo y uno detrás de cada oreja. </li><li> Digitalizar la posición de la cabeza del sujeto con respecto a las bobinas IPH utilizando puntos fiduciales. </li><li> Usando el sistema de Polhemus, mapa la posición de nasión del sujeto, e izquierda y derecha tragi. </li><li> Alinear digital de la posición de la cabeza del sujeto en relación con los puntos fiduciales, asegurándose de que los puntos son simétricos. </li><li> Siguiente mapa la posición de las bobinas HPI del sujeto. </li><li> Por último, el dígitoize 50 a 100 puntos a lo largo del cuero cabelludo del sujeto. </li><li> Escoltar a los sujetos al sistema de MEG y conectar los electrodos y sensores para la interfaz adecuada. </li><li> Conecte el electrodo desechable conduce al amplificador sistema de MEG. </li><li> Conecte el mazo de cables IPH en el sistema de MEG. </li><li> Conecte el electrodo de descarga desemboca en el cable de extensión blindado. </li><li> Levante la silla para que la cabeza del sujeto está en contacto con la parte superior del casco MEG. </li><li> Coloque la pantalla de modo que la imagen proyectada está en foco. </li></ol> 6. El tratamiento de choque <ol><li> Ajuste el choque a un nivel que los informes sometidos como dolorosa pero tolerable. </li><li> Brazo del estimulador choque girando el dial de la 0 mA posición la posición 5 mA. </li><li> Administrar varias presentaciones del choque con la ventana de control de estímulos del paquete de software de adquisición de datos PSYLAB. </li><li> Después de cada presentación tiene la tasa de sujetos de la intensidad del choque en unescala de 0 (nada doloroso) a 10 (dolorosa pero tolerable). </li><li> Poco a poco aumentar la intensidad de la descarga hasta que el sujeto califica como un 10. </li><li> Registre el valor de la escala en el cuadro de valor de parámetro en la ventana de detalles de sujetos, los choques se administraron durante el experimento en el valor indicado en esta casilla. </li></ol> 7. Dispositivos de respuesta <ol><li> Indique el tema sobre el uso correcto de la esfera con un ejemplo escenario de presentación. </li><li> Instrucciones:. &quot;Mueve el cursor hasta el final a la derecha (100) si está absolutamente seguro de que usted recibirá una presentación de la estimulación en un futuro próximo Mover el cursor hasta el final a la izquierda (0) si está seguro que usted no recibirá un estímulo en un futuro próximo. Mueva el cursor hasta el centro (50), si no está seguro de si está o no recibirá el estímulo en el futuro cercano &quot;. </li></ol> 8. MEG récord durante el entrenamiento <ol><li> Record dos minutos de los datos en bruto en 2 kHz, mientras el sujeto se apoya con los ojos abiertos. </li><li> Antes de comenzar la formación códigos de evento de registro y entrega de choque que utilizan el software de adquisición de datos PSYLAB. </li><li> Asegúrese de que PSYLAB está ejecutando el código PCC adecuado para que envíe el choque cuando se activa por el ordenador. </li><li> Grabar los datos en bruto en 2 kHz durante cada una de las cuatro carreras de entrenamiento. </li><li> Registre promedios en línea como una manera de inspeccionar visualmente los datos en tiempo real para las fuentes de ruido sistemáticos. </li><li> Pida al sujeto que calificaran la intensidad del choque después de cada carrera para evaluar la habituación. </li></ol> 9. Configuración Asunto de Pruebas en el MRI suite <ol><li> Acompañar el tema de la suite de MEG a la sala de RM. </li><li> Vuelva a colocar los electrodos de choque y volver a calibrar la intensidad del choque. </li><li> Coloque dos electrodos taza a la parte inferior del pie izquierdo del sujeto para controlar SCR. </li><li> Asegúrese de que el tema todavía entiende cómo utilizar tque los dispositivos de respuesta. </li><li> Coloque el sujeto en la camilla, asegurar su cabeza, y conecte el SCR y el electrodo de descarga lleva a los cables blindados correspondientes. </li><li> Coloque el espejo unido a la bobina de la cabeza para que el participante pueda ver la pantalla colocada detrás de la cabeza de bobina. </li></ol> 10. Record fMRI durante la prueba <ol><li> Recoge imágenes anatómicas de alta resolución (SPGR). </li><li> Grabar sangre oxigenación respuestas dependientes de nivel durante la sesión de pruebas utilizando parámetros de imagen estándar (TR = 2 seg; TE = 25 ms; CAMPO DE VISTA = 24 cm; flip = ángulo de 90 °). </li><li> Después de las pruebas tienen el objeto completar un cuestionario posterior experimental. </li></ol> Utilizando imágenes fuente para recuperar la señal a partir de las estructuras subcorticales. 11. Análisis del comportamiento y fMRI datos <ol><li> Utilice esperanza UCS para determinar si los sujetos fueron capaces de discriminar entre los estímulos. </li><li> Promediolos datos sobre la esperanza de UCS para el intervalo de 900 ms traza y el período de referencia anterior 900 ms para cada ensayo. </li><li> Reste el valor para el período de referencia del valor para el intervalo de rastreo para determinar cómo el sujeto se movió el dial después de la presentación del estímulo. </li><li> Realice un tipo CS mediante prueba ANOVA de medidas repetidas a través de temas. </li><li> Analizar los datos de comportamiento y fMRI de la sesión de pruebas con las normas publicadas con anterioridad 5,13-15. </li></ol> 12. Preproceso MRI Volumen <ol><li> Usa FreeSurfer 16 para crear un volumen segmentado subcorticales, y las superficies de la corteza, la piel exterior, y el cráneo exterior. </li><li> Convertir volúmenes y superficies a formato legible AFNI. </li><li> Ejecutar importsurfaces.csh - la primera vez que se ejecuta el programa copiará todos los archivos necesarios en la carpeta de un nuevo &quot;modelo&quot; en la carpeta de la segmentación de cada sujeto. Asimismo, se creará un archivo &#39;importsurface.mrml&#39; que se utiliza para crear el surfmodelos as de la amígdala y el hipocampo. </li><li> Creación y conversión de la amígdala y el volumen del hipocampo en las superficies utilizando Slicer3 y Paraview. <ol><li> Ejecutar Slicer3 importsurface.mrml de directorio del sujeto &quot;modelo&quot;. Esto cargará las superficies y volúmenes en 3dslicer. </li><li> Generar modelos de la amígdala y el hipocampo, salvo modelos como {estructura}. Vtk. </li><li> Importar archivos. VTK en paraview. </li><li> Poner la depuradora &quot;generar superficies normales.&quot; </li><li> Exportar normales de la superficie de amy y hipp como {estructura}. Archivos capas (ascii). </li></ol></li><li> Importe las superficies y volúmenes MRI en una lluvia de ideas. </li><li> Ejecutar importsurfaces.csh nuevo - esta convertirá las superficies en archivos que pueden ser leídos por matlab y se copiará toda la estructura {} tess_ archivos estera en el directorio de base de datos común de ideas.. </li><li> Asegúrese de que ya ha creado el tema en una lluvia de ideas antes de copiar tess_ {estructura}. Archivos estera de Brainstorm carpeta (vea el paso 14.1). </li><li> Ona vez que usted consigue las superficies en una lluvia de ideas, asegúrese de actualizar la base de datos. </li><li> Combe el volumen MRI en el espacio estándar, identificando los puntos fiduciales. </li><li> Alinear manualmente la superficie del cuero cabelludo con la resonancia magnética, a continuación, aplicar la urdimbre a todas las demás superficies. </li><li> Combinar las dos superficies pial y reducir el número total de vértices a 15.000. </li><li> Combinar las dos superficies del hipocampo y reducir el número total de vértices a 2000. </li><li> Combinar las dos superficies de la amígdala y reducir el número total de vértices a 1000. </li><li> Combinar las superficies pial, hipocampo y amígdala. </li><li> Creación de regiones de interés (exploradores) para la amígdala y el hipocampo. </li></ol> 13. Preproceso Grabaciones MEG con una lluvia de ideas 11 <ol><li> Crear un nuevo tema en la base de datos común de ideas. </li><li> Importe el archivo de grabación de MEG para cada sesión de entrenamiento. </li><li> Quite los artefactos causados ​​por fuentes fuera de la sala magnéticamente apantallado (MSR) con espacio de señalseparación 17. </li><li> Eliminar los artefactos causados ​​por los latidos del corazón y movimientos de los ojos utilizando proyecciones espaciales de la señal de los eventos identificados en la canales electrooculografía (EOG) electrocardiografía (ECG) y. </li><li> Inspeccione los registros para asegurarse de que una lluvia de ideas latido del corazón correctamente identificados y eventos pestañeo. </li><li> Inspeccione las grabaciones de otras posibles fuentes de ruido. </li><li> Inspeccione los datos evocados creados a partir de los promedios en línea para las fuentes sistemáticas de artefacto. <ol><li> Tenga en cuenta que los pulsos TTL utilizados para marcar el inicio de los estímulos pueden causar artefactos en las grabaciones si se envía a la unidad SAM PSYLAB. </li><li> Enviar sólo impulsos TTL necesario para administrar el choque a la unidad SAM y aislar la unidad de los pulsos restantes utilizando el 8-bits para adaptador de aislamiento de 2 bits. </li></ol></li></ol> 14. Analizar las respuestas evocadas mediante una lluvia de ideas <ol><li> Utilice el canal de eventos para identificar las épocas (-200 ms a 900 ms) correspondientea cada uno de los ensayos experimentales. </li><li> Afinar registro MRI usando puntos de la cabeza. </li><li> Calcular la covarianza del ruido de las grabaciones. </li><li> Calcule modelo de la cabeza utilizando la superposición método esferas con corteza como entrada. </li><li> Calcular fuentes utilizando el método de estimación mínima-norma 10. </li><li> Continuar el análisis de las fuentes. </li><li> Fuentes de filtro de paso de banda para las pruebas individuales (1 Hz a 20 Hz). </li><li> Tome el valor absoluto de las fuentes filtradas de paso de banda y convertir esos valores a las puntuaciones z basadas en la variabilidad basal. </li><li> Espacialmente suavizar las fuentes (sigma = 5 mm). </li><li> Promedio de fuentes entre los ensayos. </li><li> Proyectar los promedios en la anatomía predeterminado para el experimento. </li><li> Calcular pruebas t de las fuentes a través de las diferentes condiciones. </li><li> Filtrar resultados de la prueba t significativos utilizando umbrales espaciales y temporales para corregir errores familia de sabios. </li><li> Identificar las regiones activadas de manera significativa y exportar el curso temporal de la activación para cada sujeto. </li><li> Calcule la media y el error estándar de la media en todas las materias en cada momento. </li></ol> 15. Realizar descomposiciones tiempo-frecuencia de retorno de la inversión mediante una lluvia de ideas <ol><li> Proyectar los datos brutos de los ensayos individuales en la anatomía predeterminada para el experimento. </li><li> Identificar y crear zonas de interés desde el análisis de la respuesta evocada o desde anatomo-funcional, las hipótesis a priori. </li><li> Calcular descomposiciones tiempo-frecuencia de los datos desde el retorno de la inversión para cada ensayo utilizando parámetros estándar (frecuencia central = 1 Hz, tiempo de resolución [FWHM] = 3 seg, rango de frecuencia = 10:90 Hz, resolución de frecuencia = 1 Hz). </li><li> Convertir mapas resultantes de descomposición tiempo-frecuencia de las puntuaciones z. </li><li> Promedio de los mapas resultantes entre los ensayos para cada materia. </li><li> Realizar pruebas t en los mapas en las diferentes condiciones. </li></ol>

<ol><li>Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+substrates+mediating+human+delay+and+trace+fear+conditioning%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Neural substrates mediating human delay and trace fear conditioning.</a> Journal of Neuroscience. 24, 218-228 (2004).</li>
<li>Knight, D. C., Nguyen, H. T., Bandettini, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+awareness+in+delay+and+trace+fear+conditioning+in+humans%5BTitle%5D)+AND+%22Cognitive%2C+Affective%2C+%26+Behavioral+Neuroscience%22%5BJournal%5D)">The role of awareness in delay and trace fear conditioning in humans.</a> Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).</li>
<li>Manns, J. R., Clark, R. E., Squire, L. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Parallel+acquisition+of+awareness+and+trace+eyeblink+classical+conditioning%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Parallel acquisition of awareness and trace eyeblink classical conditioning.</a> Learning & Memory. 7, 267-272 (2000).</li>
<li>Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fear+acquisition+requires+awareness+in+trace+but+not+delay+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Fear acquisition requires awareness in trace but not delay conditioning.</a> Psychophysiology. 44, 170-180 (2007).</li>
<li>Balderston, N. L., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conditioning+with+masked+stimuli+affects+the+timecourse+of+skin+conductance+responses%5BTitle%5D)+AND+%22Behavioral+Neuroscience%22%5BJournal%5D)">Conditioning with masked stimuli affects the timecourse of skin conductance responses.</a> Behavioral Neuroscience. 124, 478-489 (2010).</li>
<li>Flykt, A., Esteves, F., Öhman, A., Ohman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Skin+conductance+responses+to+masked+conditioned+stimuli%3A+phylogenetic%2Fontogenetic+factors+versus+direction+of+threat%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat.</a> Biological Psychology. 74, 328-336 (2007).</li>
<li>Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+unconscious+subcortical+origin+of+human+fear%5BTitle%5D)+AND+%22Physiology+%26+Behavior%22%5BJournal%5D)">On the unconscious subcortical origin of human fear.</a> Physiology & Behavior. 92, 180-185 (2007).</li>
<li>Whalen, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Masked+presentations+of+emotional+facial+expressions+modulate+amygdala+activity+without+explicit+knowledge%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge.</a> Journal of Neuroscience. 18, 411(1998).</li>
<li>Huang, M. X., Mosher, J. C., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+sensor-weighted+overlapping-sphere+head+model+and+exhaustive+head+model+comparison+for+MEG%5BTitle%5D)+AND+%22Physics+in+Medicine+and+Biology%22%5BJournal%5D)">A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG.</a> Physics in Medicine and Biology. 44, 423-440 (1999).</li>
<li>Hämäläinen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Medical & Biological Engineering & Computing. 32, 35-42 (1994).</li>
<li>Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brainstorm%3A+A+User-Friendly+Application+for+MEG%2FEEG+Analysis%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Brainstorm: A User-Friendly Application for MEG/EEG Analysis.</a> Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).</li>
<li>Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distinct+and+convergent+visual+processing+of+high+and+low+spatial+frequency+information+in+faces%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Distinct and convergent visual processing of high and low spatial frequency information in faces.</a> Cerebral Cortex. 17, 2713-2724 (2007).</li>
<li>Cheng, D. T., Richards, J., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Activity+in+the+human+amygdala+corresponds+to+early%2C+rather+than+late+period+autonomic+responses+to+a+signal+for+shock%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock.</a> Learning & Memory. 14, 485-490 (2007).</li>
<li>Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+MRI+of+human+Pavlovian+fear+conditioning%3A+patterns+of+activation+as+a+function+of+learning%5BTitle%5D)+AND+%22Neuroreport%22%5BJournal%5D)">Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning.</a> Neuroreport. 10, 3665-3670 (1999).</li>
<li>Schultz, D. H., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classical+conditioning+of+autonomic+fear+responses+is+independent+of+contingency+awareness%5BTitle%5D)+AND+%22Journal+of+Experimental+Psychology+Animal+Behavior+Processes%22%5BJournal%5D)">Classical conditioning of autonomic fear responses is independent of contingency awareness.</a> Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sequence-independent+segmentation+of+magnetic+resonance+images%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Sequence-independent segmentation of magnetic resonance images.</a> NeuroImage. 23, 69-84 (2004).</li>
<li>Taulu, S., Kajola, M., Simola, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Suppression+of+interference+and+artifacts+by+the+Signal+Space+Separation+Method%5BTitle%5D)+AND+%22Brain+Topography%22%5BJournal%5D)">Suppression of interference and artifacts by the Signal Space Separation Method.</a> Brain Topography. 16, 269-275 (2004).</li>
<li>Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. 17th International Conference on Biomagnetism Advances in Biomagnetism-Biomag, , (2010).</li>
<li>Reinhard, G., Lachnit, H., König, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+stimulus+processing+in+Pavlovian+pupillary+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Tracking stimulus processing in Pavlovian pupillary conditioning.</a> Psychophysiology. 43, 73-83 (2006).</li>
<li>Reinhard, G., Lachnit, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differential+conditioning+of+anticipatory+pupillary+dilation+responses+in+humans%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Differential conditioning of anticipatory pupillary dilation responses in humans.</a> Biological Psychology. 60, 51-68 (2002).</li>
</ol>

Los autores no tienen nada que revelar.

En este trabajo se describen los métodos 1) para manipular la conciencia de la meta CSs sujetos durante un miedo acondicionado paradigma rastro. 2) y recuperar la señal MEG de la amígdala en el condicionamiento del miedo y sin rastro de la conciencia. El uso de estas metodologías, hemos sido capaces de demostrar que traza acondicionado sin el conocimiento es posible cuando se usan rostros para predecir el UCS. Este resultado sugiere que las caras reciben un procesamiento especial, incluso cuando se presenta a continuación la detección de umbral de percepción *. De acuerdo con esta conclusión, se encontró que un amplio espectro frente a evocar respuestas amígdala robustos y ráfagas de oscilaciones gamma en el intervalo de traza. Este resultado sugiere que la amígdala es capaz de mantener una representación de una cara CS durante un breve intervalo de traza. Aunque se presenta en conjunto, estos dos métodos se pueden utilizar de forma independiente, así. Por ejemplo, es posible utilizar enmascaramiento hacia atrás para manipular objetivo visibilidaddad en otros paradigmas donde el comportamiento puede verse afectado por las señales emocionales procesados ​​por debajo del nivel de conciencia 5,6,8 *. Además, utilizando el enfoque de formación de imágenes fuente se describe aquí es posible crear modelos 3D de otras estructuras subcorticales, y puede ser posible recuperar la señal a partir de estas estructuras durante otras tareas específicas de la región. Por ejemplo, mediante el uso de formación de imágenes fuente para modelo de actividad del hipocampo, puede ser posible recuperar la señal de MEG a partir de fuentes de hipocampo durante las tareas como la navegación espacial. Los métodos descritos aquí se han diseñado con dos objetivos en mente: 1) sensibilización de bloques de los estímulos objetivo, 2) y maximizar la capacidad de detectar estímulos respuestas evocadas amígdala utilizando MEG. Estas restricciones de diseño hacen que sea difícil de medir el conocimiento implícito de las contingencias de estímulo de los sujetos. Por ejemplo, SCR se resuelven en el transcurso de varios segundos 5,13, ​​sin embargo, los CSs sólo se presentande ~ 30 ms durante el entrenamiento, y el choque se presenta poco después (~ 900 ms). Teniendo en cuenta estas limitaciones de tiempo, la expresión CR será inevitablemente confundida por la expresión UCR durante el entrenamiento. Debido a esto colinealidad, es necesario poner a prueba los conocimientos de los sujetos de las contingencias de estímulo mediante una sesión de pruebas desenmascarado posterior. Sin embargo, una sesión de prueba al final del experimento no es óptima porque SCR tienden a habituarse durante el transcurso del experimento 1. Dado el número de ensayos necesarios para mostrar las respuestas evocadas fiables con MEG, esta habituación SCR disminuirá considerablemente el poder de detectar un efecto sobre el comportamiento de la formación. Los estudios futuros deberían centrarse en la búsqueda de mejores formas de índice de aprendizaje implícito en el condicionamiento del miedo con el enmascarado CS. Esto podría hacerse por cualquiera de encontrar un índice alternativo de miedo durante la formación (es decir, dilatación de la pupila 19,20) o encontrar una medida más sensible de miedo que puede ser adminisstrada después de la sesión de entrenamiento.

<table><tbody><tr><td colspan="4">Software</td></tr><tr><td>Matlab</td><td>Mathworks</td><td></td><td><a href="http://www.mathworks.com/products/matlab/" target="_blank">mathworks.com/products/matlab</a></td></tr><tr><td>Presentation</td><td>Neurobehavioral Systems</td><td></td><td><a href="http://www.neurobs.com/" target="_blank">neurobs.com</a></td></tr><tr><td>Psylab</td><td>Contact Precision Instruments</td><td></td><td><a href="http://www.psychlab.com/" target="_blank">psychlab.com</a></td></tr><tr><td>AFNI</td><td>NIMH - Núcleo de Computación Científica</td><td></td> y Estadística<td><a href="http://afni.nimh.nih.gov/afni" target="_blank">afni.nimh.nih.gov/afni</a></td></tr><tr><td>Freesurfer</td><td>Martinos Centro de Imágenes</td><td></td> <td>Biomédicas<a href="http://surfer.nmr.mgh.harvard.edu/fswiki" target="_blank">surfer.nmr.mgh.harvard.edu/fswiki</a></td></tr><tr><td>MNE</td><td>Martinos Center for Biomedical Imaging</td><td></td><td><a href="http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php" target="_blank">nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php</a></td></tr><tr><td>Lluvia</td><td>de ideas de código abierto collaboration</td><td></td><td><a href="http://neuroimage.usc.edu/brainstorm/" target="_blank">neuroimage.usc.edu/brainstorm</a></td></tr><tr><td>3d Slicer</td><td>colaboración de código</td><td></td> abierto<td><a href="http://www.slicer.org/" target="_blank">slicer.org</a></td></tr><tr><td>Paraview</td><td>Kitware</td><td></td><td><a href="http://www.paraview.org/" target="_ blank">paraview.org</a></td></tr><tr><td colspan="4">Tabla 1. Software utilizado Software utilizado.</td></tr><tr><td colspan="4">Equipment </td></tr><tr><td colspan="4">Sistema de Monitorización Fisiológica </td></tr><tr><td>Monitor autónomo Psylab (x2)</td><td>Contacto Precision Instruments SAM</td><td></td><td></td></tr><tr><td>Amplificador de conductancia cutánea</td><td>Contacto Precision Instruments</td><td>SC5</td><td></td></tr><tr><td>Estimulador de choque (x2)</td><td>Contacto Precision Instruments</td><td>SHK1</td><td></td></tr><tr><td colspan="4">Componentes adicionales</td></tr><tr><td>Cable de sincronización de 8 bits (x2)</td><td>Contacto Precision Instruments</td><td>Incluido con</td> el adaptador de aislamiento SAM <td></td></tr><tr><td>de 8 bits a 2 bits</td><td>N/A</td><td>Cable</td> plano DB25 personalizado <td></td></tr><tr><td>(x2)</td><td>N/A</td><td></td> Cable de extensión blindado estándar <td></td></tr><tr><td>(x3)</td><td>Contacto Precision Instruments</td><td>CL41</td><td></td></tr><tr><td>Electrodos de copa radiotranslúcidos para SCR y choque (x6)</td><td>Biopac</td><td>EL258-RT</td><td></td></tr><tr><td>Signa Gel</td><td>Parker Laboratories</td><td>15-250</td><td></td></tr><tr><td colspan="4">Response Device </td></tr><tr><td>Dial giratorio con conector gameport (x2)</td><td>N/A</td><td>Divisor personalizado</td><td></td></tr><tr><td>de Gameport a gameport/BNC</td> N<td>/A</td><td>Cable</td> BNC personalizado <td></td></tr><tr><td></td><td>N/A</td><td></td> Adaptador <td></td></tr><tr><td>estándar de Gameport a USB (x2)</td><td>Rockfire</td><td>RM203U</td><td></td></tr><tr><td colspan="4">Componentes adicionales para la configuración de MEG </td></tr><tr><td>Bobinas HPI y mazo de cables</td><td>N/A</td><td>Sistema</td> de posicionamiento HPI personalizado <td></td></tr><tr><td></td><td>Inition</td><td>Polhemus Isotrak</td><td></td></tr><tr><td colspan="4"><fuerte>Tabla 2. Equipo utilizado.</fuerte></td></tr></tbody></table>

cómo detectar amígdala actividad con magnetoencefalografía usando imaging source

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

En rastrear el miedo acondicionado un estímulo condicionado (CS) predice la aparición del estímulo incondicional (UCS), que se presenta después de un breve período libre estímulo (intervalo de traza) 1. Debido a que el CS y UCS no co-ocurren temporalmente, el sujeto debe mantener una representación de que el CS durante el intervalo de traza. En los seres humanos, este tipo de aprendizaje requiere el conocimiento de las contingencias de estímulo con el fin de reducir el intervalo de traza 2-4. Sin embargo, cuando se utiliza una cara como CS, los sujetos pueden aprender implícitamente a temer la cara, incluso en ausencia de la conciencia explícita *. Esto sugiere que puede haber mecanismos neuronales adicionales capaces de mantener ciertos tipos de estímulos &quot;biológicamente relevantes&quot; durante un breve intervalo de traza. Teniendo en cuenta que la amígdala está implicada en el condicionamiento rastro, y es sensible a las caras, es posible que esta estructura puede mantener una representación de una cara CS durante un breve intervalo de traza. <p class = &quot;jove_content&quot;&gt; Es difícil de entender cómo el cerebro puede asociar una cara con un imperceptible consecuencia aversiva, a pesar de que los dos estímulos son separados en el tiempo. Por otra parte la investigación de este fenómeno se hace difícil debido a dos retos específicos. En primer lugar, es difícil para manipular la conciencia del sujeto de los estímulos visuales. Una forma común de manipular la percepción visual es el uso de enmascaramiento hacia atrás. En enmascaramiento hacia atrás, un estímulo objetivo se presenta brevemente (&lt;30 ms) y seguido inmediatamente por una presentación de un estímulo superposición de enmascaramiento 5. La presentación de la máscara hace que el objetivo invisible 6-8. En segundo lugar, el enmascaramiento requiere muy rápida y precisa de tiempo por lo que es difícil de investigar las respuestas neurales evocadas por estímulos enmascarados por medio de muchos enfoques comunes. Respuestas que dependen del nivel de oxigenación de sangre (BOLD) se resuelven en un plazo de tiempo demasiado lento para este tipo de metodología y técnicas de grabación en tiempo real, como el electroencefalogramacephalography (EEG) y la magnetoencefalografía (MEG), tienen dificultades para la recuperación de la señal de las fuentes profundas. Sin embargo, ha habido recientes avances en los métodos utilizados para localizar las fuentes neuronales de la señal de MEG 9-11. Mediante la recopilación de imágenes de resonancia magnética de alta resolución del cerebro del sujeto, es posible crear un modelo de código basado en la anatomía neuronal individuo. El uso de este modelo de &quot;imagen&quot; las fuentes de la señal de MEG, es posible recuperar la señal a partir de las estructuras subcorticales profundas, como la amígdala y el hipocampo *.

Utilizando los métodos descritos aquí, nuestras investigaciones han dado lugar a dos conclusiones principales: 1) Es posible manipular la conciencia visual del CS durante la traza acondicionado, y todavía muestran evidencias de aprendizaje. 2) Es posible recuperar señales MEG de la amígdala con fuente de imagen *. En la Sección 2, se describe cómo manipular la conciencia visual de CSs con enmascaramiento hacia atrás. Cuando se expone a un estímulo enmascarado que se muestra para ~ 30 ms, los temas son en general conscientes de la presentación del estímulo 5,6,8 *. Una manera de verificar el éxito de esta manipulación es para medir la capacidad de los sujetos para predecir la ocurrencia de la UCS. Si la manipulación de enmascaramiento se realiza correctamente, los sujetos deben ser capaces de predecir con precisión la ocurrencia de la UCS en función del tipo CS (véase la Figura 4). Aunque el tiempo en este tipo de formación hace que sea difícil de medir directamente leADVERTENCIA durante la sesión de entrenamiento. Es posible medir indirectamente el aprendizaje mediante la exposición a una sesión de pruebas de readquisición desenmascarado posterior con estímulos nuevos y viejos 5 *. Si los sujetos son capaces de aprender acerca de las contingencias durante la fase de entrenamiento, deberían mostrar mayor diferencia de magnitud (CS +&gt; CS-) SCR a los viejos estímulos relativos a los nuevos estímulos. Este efecto es evidente en el grupo sin filtrar cuando nos fijamos en las pruebas ensayos de fase después de los sujetos se han vuelto a exponer a la CS-UCS contingencias (es decir, ensayos 2-5; ver Figura 4). En el apartado 8, se describe cómo grabar MEG durante la sesión acondicionado rastro enmascarado. Utilizando imágenes fuente para procesar estas grabaciones, es posible recuperar la señal MEG de las estructuras subcorticales como la amígdala 18 *. Los sujetos muestran la cara sin filtrar (N = 9) CS presentan mayores respuestas de la amígdala (Figura 5) y el GAMoscilaciones Ma (Figura 6) que los sujetos mostrados caras filtrados de paso alto (N = 9). Además, estos sujetos también muestran respuestas más grandes en una red de regiones de procesamiento de la cara como el área de la cara occipital (Figura 7 y Suplementario vídeo). <img src="/files/ftp_upload/50212/50212fig1.jpg" alt="Figura 1"/> Figura 1. Esquema que representa una sesión de entrenamiento típica. Presente 60 ensayos de una CS + y 60 ensayos de una CS-, con el fin pseudoaleatorias, de tal manera que hay 4 bloques de 15 ensayos cada uno. Presentar el CSS para 30 ms, seguida inmediatamente por una máscara de 970 ms que coterminates con el choque UCS en ensayos + CS. <img src="/files/ftp_upload/50212/50212fig2.jpg" alt="La figura 2" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" /> Figura 2. Esquema depicting el equipo utilizado en un experimento de condicionamiento típico Esta configuración hace posible: 1.) presentes estímulos visuales a través del software de presentación, 2) administran una estimulación eléctrica a través de la UCS hardware Psylab (SAM), 3) registro esperanza de UCS con un eje dispositivo (disco) conectada a la computadora de la presentación, y 4) sincroniza las presentaciones de los estímulos y las respuestas a las grabaciones MEG a través de la interfaz del sistema de adquisición de MEG. <img src="/files/ftp_upload/50212/50212fig3.jpg" alt="Figura 3" fo:content-width="4.5in" fo:src="/files/ftp_upload/50212/50212fig3highres.jpg"/> Figura 3. Ilustración que muestra la ubicación de cada uno de los sensores y los puntos fiduciales descritos en la Sección 5. Puntos con líneas adjuntos corresponde a los sensores y conduce etiquetados. Las flechas azules representan los puntos fiduciales utilizados para registrar las grabaciones MEG con el volumen anatómico MRI. Punto Purples representan puntos del cuero cabelludo digitalizados utilizados para perfeccionar el coregistration MEG-MRI. <img src="/files/ftp_upload/50212/50212fig4.jpg" alt="Figura 4" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig4highres.jpg"/> La Figura 4. Comportamiento resultados de un estudio típico acondicionado. El gráfico de la izquierda muestra la esperanza de UCS en la sesión de entrenamiento, se derrumbó en los grupos de filtrado y no filtrado. Observe que los sujetos están mostrando niveles similares de esperanza de UCS para el CS + y CS-60 a través de los ensayos, lo que sugiere que el procedimiento de enmascaramiento bloqueó su capacidad para discriminar entre los CSs (F (1,17) = 2.19, p = 0.16). El gráfico de la derecha muestra los SCR diferenciales durante la sesión de pruebas. Observe que el grupo filtrada sin filtrar, pero no parece estar mostrando mayores SCRs diferenciales para los viejos estímulos que los nuevos estímulos (Sin filtrar New / Old x EC + / EC-interacción: F (1,7) = 5,94, p = 0,045; filtrada Nuevo / Viejo x EC + / EC-interacción: F (1,7) = 1,13, p = 0,32), lo que sugiere que la formación conduce a una mejor readquisición de las asociaciones CS-UCS para estos temas. (* P &lt;0,05). <img src="/files/ftp_upload/50212/50212fig5.jpg" alt="La figura 5" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg"/> Figura 5. MEG resultados de un experimento de condicionamiento típico. La figura de la izquierda muestra los modelos 3D de la amígdala (naranja), el hipocampo (verde), y en la corteza cerebral se utiliza para modelar las fuentes de la señal de MEG. El gráfico de la derecha representa la actividad de un grupo de la amígdala modelada a partir de las grabaciones MEG. La línea de color claro representa la actividad evocada por rostros sin filtro, mientras que la línea de color oscuro representa la actividad evocada por caras filtradas. Vertical secciones grises sombreadas representan intervalos de tiempo en los rostros sin filtro evocan respuestas significativamente más grandes que las caras filtradas (F (1,17)&gt; 3,44, p &lt;0,05). <a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank">Haga clic aquí para ver más grande la figura</a> . <img src="/files/ftp_upload/50212/50212fig6.jpg" alt="La figura 6" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg"/> La Figura 6. Amígdala frecuencia los resultados de tiempo de un experimento de condicionamiento típico. La figura de la izquierda muestra los modelos 3D de la amígdala (naranja), el hipocampo (verde), y en la corteza cerebral se utiliza para modelar las fuentes de la señal de MEG. El gráfico de la derecha representa la señal MEG grabado desde la amígdala desglosado por tiempo y frecuencia. Los colores cálidos representan regiones del espectrógrafo que muestran mucha más energía para unfiltered enfrenta a que para las caras filtrados. Los colores fríos representan lo contrario. Las regiones con la superposición de rayas representan diferencias significativas entre los grupos. <a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank">Haz clic aquí para ver más grande la figura</a> . <img src="/files/ftp_upload/50212/50212fig7.jpg" alt="La figura 7" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg"/> Figura 7. Figura que muestra la cara de activación área occipital en un experimento típico acondicionado. Colores representan la magnitud de la prueba t no filtrado&gt; filtrada en el correspondiente dipolo. Los colores cálidos representan mayores respuestas a las caras sin filtrar que a las caras filtradas. Los colores fríos representan mayores respuestas a las caras filtradas que a los rostros sin filtro. Vídeo Suplementario. Video que muestra las respuestas corticales en un conditi típicacañoning experimento. Los colores representan la magnitud de la prueba t no filtrado&gt; filtrada en el correspondiente dipolo. Los colores cálidos representan mayores respuestas a las caras sin filtrar que a las caras filtradas. Los colores fríos representan mayores respuestas a las caras filtradas que a los rostros sin filtro. <a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">Haz clic aquí para ver la película suplementario</a> .

En este artículo se describe cómo registrar actividad de la amígdala con magnetoencefalografía (MEG). Además, este artículo se describe cómo llevar a cabo rastrear el miedo acondicionado y sin conciencia, una tarea que activa la amígdala. Se centrará en 3 temas: 1) El diseño de un paradigma de condicionamiento rastreo mediante enmascaramiento hacia atrás para manipular la conciencia. 2) la actividad cerebral de grabación durante la tarea mediante magnetoencefalografía. 3) El uso de imágenes de origen para recuperar la señal de las estructuras subcorticales.

Cómo detectar amígdala Actividad con magnetoencefalografía usando Imaging Source

In trace fear conditioning a conditional  stimulus (CS) predicts the occurrence of the unconditional stimulus (UCS),  which is presented after a brief ...

El objetivo general de este procedimiento es detectar la actividad de la amígdala durante el aprendizaje utilizando MAGNETOENCEFALOGRAFÍA o MEG. Esto se logra primero diseñando una tarea de aprendizaje implícito de miedo que active la amígdala. El segundo paso consiste en registrar la actividad cerebral durante la tarea utilizando MEG.A continuación, identifique las superficies de la corteza y de la amígdala utilizando escáneres de resonancia magnética anatómica de alta resolución. El paso final consiste en utilizar las superficies de la corteza y de la amígdala para modelar las fuentes neuronales de la señal MEJ. En definitiva, los modelos de imágenes de fuentes pueden utilizarse para mostrar la activación neuronal en la amígdala durante el aprendizaje sin conciencia.Por lo tanto, la principal ventaja de esta técnica frente a métodos existentes como la RMf es que las señales MEG se registran en tiempo real y pueden utilizarse para estudiar procesos neuronales rápidos o transitorios. Aunque este método puede emplearse para estudiar la función de la amígdala, también puede usarse para investigar la función de otras regiones subcorticales. Comience conectando el ordenador de presentación de estímulos al sistema de adquisición MEG mediante un cable plano estándar DB 25 de múltiples conectores.A continuación, conecte el ordenador de presentación de estímulos al monitor independiente de la plancha o al sam. Mediante 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 estímulos pueden causar artefactos en los datos de MEG si se envían al sam. Para evitar estos artefactos, marque el inicio de los estímulos utilizando únicamente los bits bloqueados por el adaptador de aislamiento, como se muestra aquí.A continuación, se conecta el estimulador de choque al SAM. Luego, pase un cable de extensión blindado a través de la guía de ondas y conéctelo al estimulador de choque. Después, el SAM debe conectarse a una computadora que ejecute el software de adquisición de datos de la placa.Conecte el disco giratorio al ordenador de presentación de estímulos y al sistema de adquisición de MEG mediante el divisor BNC de puerto de juegos a puerto de juegos y el adaptador de puerto de juegos a USB. Coloque los electrodos y sensores al sujeto utilizando el esquema mostrado aquí. Una vez configurado correctamente, digitalice la posición de la cabeza del sujeto en relación con las bobinas HPI utilizando puntos fiduciales.A continuación, digitalice de 50 a 100 puntos a lo largo del cuero cabelludo del sujeto. Acompañe al sujeto al sistema de MEG y conecte los electrodos y sensores a la interfaz correspondiente. Eleve la silla hasta que la cabeza del sujeto toque la parte superior del casco de MEG y coloque la pantalla de modo que la imagen proyectada esté enfocada.A continuación, ajuste la descarga a un nivel que el sujeto describa como doloroso pero tolerable. Por último, instruya al sujeto sobre el uso correcto del dial mediante un ejemplo de escenario de presentación. Comience cargando el software de adquisición de datos del programa para iniciar la grabación de códigos de eventos y la administración de descargas.La sesión de entrenamiento se programa previamente y consta de cuatro bloques de condicionamiento diferencial del miedo con trazos, con 15 ensayos por condición, estímulo o CS por bloque, como se observa aquí cuando todo está listo. Realice 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 ejecución, pida al sujeto que califique la intensidad del shock para evaluar la habituación. Después de completar los ensayos, utilice FreeSurfer para crear un volumen subcortical segmentado y las superficies de la corteza, la piel externa y el cráneo externo. A continuación, cree y convierta los volúmenes del amígdala y del hipocampo en superficies.Usando Slicer tres y ParaView, el siguiente paso consiste en crear un nuevo sujeto en la base de datos de Brainstorm. Importe el volumen de RM en Brainstorm y deforme el volumen al espacio estándar identificando los puntos fiduciales, importe las superficies y alinee manualmente la superficie del cuero cabelludo con la RM. Una vez completado.Aplique esta transformación a todas las demás superficies. Combine las superficies del giro parahipocampal, el hipocampo y la amígdala. Por último, cree regiones de interés para la amígdala y el hipocampo.Una vez creado, importe el archivo de grabación de MEG de cada sesión de entrenamiento. El software de adquisición de MEG utiliza separación en el espacio de señales para eliminar artefactos provocados por fuentes situadas fuera de la sala blindada magnéticamente. Asegúrese de utilizar los archivos limpios, que suelen encontrarse en una carpeta marcada como SSS, para analizar las respuestas evocadas.Primero, utilice el canal de eventos para identificar episodios correspondientes a cada uno de los ensayos experimentales. Elimine los artefactos causados por los latidos cardíacos y los movimientos oculares mediante proyecciones en el espacio de señales a partir de eventos identificados en los canales de electrocardiografía y electrooculografía. A continuación, refine el registro de la resonancia magnética utilizando los puntos craneales.Calcule la covarianza del ruido a partir de las grabaciones utilizando el método de esferas superpuestas con la entrada del cortex, calcule el modelo del cabezal, calcule las fuentes utilizando el método de estimación de norma mínima y continúe el análisis sobre las fuentes. A continuación, filtre las fuentes en banda para los ensayos individuales. Tome el valor absoluto de las fuentes filtradas en banda y convierta esos valores a puntuaciones Z basadas en la variabilidad de línea base, suavice las fuentes espacialmente y promedie las fuentes a través de los ensayos.Proyecte estos promedios sobre la anatomía predeterminada para el experimento. A continuación, calcule pruebas T sobre las fuentes a través de las diferentes condiciones. Filtre los resultados significativos de la prueba T utilizando umbrales espaciales y temporales para corregir el error por familias.Identifique regiones significativamente activadas y exporte la serie temporal de activación para cada sujeto. Finalmente, calcule la media y el error estándar de la media entre los sujetos en cada punto temporal. Primero, proyecte los datos brutos de los ensayos individuales sobre la anatomía predeterminada para el experimento. Calcule descomposiciones en tiempo-frecuencia sobre los datos provenientes de regiones anatómicas y funcionales de interés.Convierta los mapas resultantes de descomposición tiempo-frecuencia en puntuaciones Z y promedie los mapas resultantes a través de los ensayos para cada sujeto. Finalmente, realice una prueba T sobre los mapas entre las diferentes condiciones. Aquí se muestran los resultados conductuales de un estudio típico de condicionamiento. La gráfica de la izquierda muestra que los sujetos tienen niveles similares de expectativa a lo largo de los 60 ensayos, lo que sugiere que el procedimiento de enmascaramiento bloqueó su capacidad para discriminar entre los estímulos condicionados.El gráfico de la derecha muestra las respuestas diferenciales durante la sesión de prueba. Observe que el grupo sin filtrar presenta respuestas más grandes frente a los estímulos antiguos en comparación con los nuevos, lo que sugiere que el entrenamiento conduce a una mejor reacquisición en comparación con el grupo filtrado. Este ejemplo muestra los resultados de MEG de un experimento típico de condicionamiento.El modelo 3D de la izquierda muestra la amígdala en naranja y el hipocampo en verde. La gráfica de la derecha representa la actividad de un grupo de la amígdala. La línea de color claro representa la actividad provocada por caras sin filtrar, mientras que la línea más oscura representa la actividad provocada por caras filtradas.Este gráfico representa la señal MEG registrada desde la amígdala desglosada por tiempo y frecuencia. Los colores cálidos representan regiones en el espectrograma que muestran una potencia significativamente mayor para caras no filtradas en comparación con caras filtradas. Los colores fríos representan las regiones opuestas, y el solapado rayado indica diferencias significativas entre los grupos.Esta figura muestra la activación del área occipital de las caras. En un experimento típico de condicionamiento, los colores cálidos representan respuestas mayores a caras no filtradas que a caras filtradas. Siguiendo este procedimiento.Otros métodos como el análisis de coherencia pueden utilizarse para responder preguntas adicionales relacionadas con la comunicación neuronal. Después de ver este video, debería tener una buena comprensión de cómo utilizar la imagen de fuentes para detectar respuestas neuronales y estructuras cerebrales subcorticales.

how-to-detect-amygdala-activity-with-magnetoencephalography-using

Research

Investigación

JoVE Journal

Behavior

Comportamiento

Usamos la magnetoencefalografía (MEG) y la electroencefalografía (EEG) para mapear áreas del cerebro involucradas en el procesamiento de los estímulos sensoriales simples.

Mapeo funcional con MEG y EEG simultáneo

Se presenta un protocolo que utiliza la resonancia magnética funcional para investigar los correlatos neurales de la memoria para mejorar el efecto de la emoción. Este protocolo permite la identificación de la actividad del cerebro específicamente relacionadas con la memoria relacionada con el procesamiento, a diferencia de procesamiento perceptivo más general, y se puede utilizar con una población sana y clínicos.

La investigación del cerebro de imagen del efecto de la memoria-Mejora de la emoción

Usamos magneto-y electroencefalografía (MEG / EEG), combinada con la información anatómica capturado por resonancia magnética (MRI), para asignar la dinámica de la red cortical asociada con la atención auditiva.

Asignación Dinámica de trauma con MEG / estimaciones simultáneas norma mínima-EEG y anatómico limitado-un ejemplo: Atención Auditiva

Fuente: Papadelis, C., et al., Oscilaciones interictales de alta frecuencia detectadas con magnetoencefalografía y electroencefalografía simultáneas como biomarcador de epilepsia pediátrica. J. Vis. Exp.{{TAG_ 27}} (2016).  Este video muestra el método de uso de registros de electroencefalografía (EEG) y magnetoencefalografía (MEG) para identificar descargas epileptiformes interictales (IED) y oscilaciones de alta frecuencia (HFO) para localizar regiones propensas a convulsiones en el cerebro.

 Electroencefalografía y magnetoencefalografía simultáneas para identificar regiones cerebrales propensas a convulsiones 

En los últimos años, ha habido un creciente interés en la estimación de las fuentes corticales de cuero cabelludo medidos actividad eléctrica para los experimentos de neurociencia cognitiva. En este artículo se describe cómo se adquiere EEG de alta densidad y cómo se procesan las grabaciones para la estimación de fuente cortical en los niños desde la edad de 2 años en el bebé Lab Londres.

Cortical Análisis Fuente de Alta Densidad EEG Grabaciones en niños

Este video presenta los procedimientos de preparación, registro y análisis de fuentes de EEG de alta resolución en ratas sedadas con un modelo preclínico particular de epilepsia focal en condiciones no invasivas.

Cerebro Imaging Source en modelos preclínicos de la rata de la epilepsia focal usando de alta resolución EEG Grabaciones

Las oscilaciones de alta frecuencia (HFO) han surgido como biomarcadores prequirúrgicos para la identificación de la zona epileptógena en pacientes pediátricos con epilepsia resistente a fármacos. Se presenta una metodología no invasiva para la grabación, la detección y localización de HFO con electroencefalografía cuero cabelludo simultánea (EEG) y magnetoencefalografía (MEG).

Interictales oscilaciones de alta frecuencia detectada con magnetoencefalografía simultánea y electroencefalografía como biomarcador de Epilepsia Pediátrica

Aquí se describe un multimodal de EEG-fMRI método, conocido como la fuente de EEG de la fMRI limitado espacio-temporal método, la proyección de imagen de la proyección de imagen. El método presentado emplea sub-mapas condicional-active fMRI o priores, para guiar la localización de la fuente de EEG de una manera que mejora la especificidad espacial y limita los resultados erróneos.

Concurrente EEG y MRI funcional grabación y análisis de integración de la proyección de imagen dinámica actividad Cortical

Este artículo describe cómo configurar un experimento que permite detectar influencias pre-estímulo a nivel de fuente en la percepción de objetos utilizando magnetoencefalografía (MEG). Abarca material de estímulo, diseño experimental, registro MEG y análisis de datos.

Detectar efectos de nivel de fuente previos al estímulo en la percepción de los objetos con magnetoencefalografía

La imagen de calcio microendoscópica in vivo es una herramienta invaluable que permite el monitoreo en tiempo real de las actividades neuronales en animales que se comportan libremente. Sin embargo, aplicar esta técnica a la amígdala ha sido difícil. Este protocolo tiene como objetivo proporcionar una guía útil para atacar con éxito las células de amígdala con un microscopio miniaturizado en ratones.

Imágenes de calcio in vivo exitosas con un microscopio miniaturizado head-mount en la amígdala del ratón que se comporta libremente

La magnetoencefalografía (MEG) y la electroencefalografía de alta densidad (HD-EEG) rara vez se registran simultáneamente, aunque proporcionan información confirmatoria y complementaria. En este artículo, ilustramos la configuración experimental para el registro simultáneo de MEG y HD-EEG y la metodología para analizar estos datos con el objetivo de localizar áreas cerebrales epileptógenas y elocuentes en niños con epilepsia resistente a los medicamentos.

Imágenes de fuente electromagnética en la evaluación prequirúrgica de niños con epilepsia resistente a los medicamentos

Aprende a detectar la actividad de la amígdala mediante magnetoencefalografía durante el condicionamiento de miedo implícito. Este método utiliza imágenes de fuente para analizar señales neuronales en tiempo real con alta resolución temporal.

Cómo detectar amígdala Actividad con magnetoencefalografía usando Imaging Source

Explorar más videos