Comment détecter amygdale activité avec magnétoencéphalographie utilisant l'imagerie par Source

L’objectif global de cette procédure est de détecter l’activité de l’amygdale pendant l’apprentissage à l’aide de la magnétoencéphalographie ou MEG. Ceci est accompli en concevant d’abord une tâche d’apprentissage implicite de la peur qui active l’amygdale. La deuxième étape consiste à enregistrer l’activité cérébrale pendant la tâche à l’aide de la MEG.

Ensuite, identifiez les surfaces du cortex et de l’amygdale à l’aide d’une IRM anatomique à haute résolution. La dernière étape consiste à utiliser les surfaces du cortex et de l’amygdale pour modéliser les sources neuronales du signal MEJ. En fin de compte, les modèles d’imagerie source peuvent être utilisés pour montrer l’activation neuronale dans l’amygdale pendant l’apprentissage sans conscience.

Ainsi, le principal avantage de cette technique par rapport aux méthodes existantes comme l’IRMf est que les signaux MEG sont enregistrés en temps réel et qu’ils peuvent être utilisés pour étudier les processus neuronaux rapides ou transitoires. Bien que cette méthode puisse être utilisée pour étudier la fonction de l’amygdale, elle peut également être utilisée pour étudier la fonction d’autres régions sous-corticales. Commencez par connecter l’ordinateur de présentation de stimulus au système d’acquisition MEG à l’aide d’un câble plat multiconnecteur DB 25 standard.

Ensuite, connectez l’ordinateur de présentation du stimulus au moniteur autonome de dalle ou sam. À l’aide de l’adaptateur d’isolation huit bits à deux bits et du câble de synchronisation, les impulsions logiques transistor à transistor utilisées pour marquer les présentations de stimulus peuvent provoquer des artefacts dans les données MEG si elles sont envoyées au sam. Pour éviter ces artefacts, marquez le début des stimuli en utilisant uniquement les bits bloqués par l’adaptateur d’isolation, comme illustré ici.

Le stimulateur de choc est ensuite connecté au sam. Ensuite, passez un câble d’extension blindé à travers le guide d’ondes et connectez-le au stimulateur de choc. Le SAM doit ensuite être connecté à un ordinateur exécutant le logiciel d’acquisition de données de dalle.

Connectez le cadran rotatif à l’ordinateur de présentation des stimuli et au système d’acquisition MEG à l’aide du répartiteur BNC du port de jeu au port de jeu et du port de jeu à l’adaptateur USB. Fixez des électrodes et des capteurs au sujet à l’aide du schéma illustré ici. Une fois correctement configuré, numérisez la position de la tête du sujet par rapport aux bobines HPI à l’aide de points de repère.

Ensuite, numérisez 50 à 100 points le long du cuir chevelu du sujet. Escortez le sujet jusqu’au système MEG et connectez les électrodes et les capteurs à l’interface appropriée. Soulevez la chaise de manière à ce que la tête du sujet touche le haut du casque MEG et positionnez l’écran de manière à ce que l’image projetée soit nette.

Ensuite, réglez le choc à un niveau que le sujet déclare douloureux mais tolérable. Enfin, donnez des instructions au sujet sur l’utilisation correcte du cadran à l’aide d’un exemple de scénario de présentation. Commencez par charger le logiciel d’acquisition de données de dalle pour commencer à enregistrer les codes d’événement et l’administration des chocs.

La séance d’entraînement est programmée à l’avance et se compose de quatre blocs de conditionnement différentiel de peur à l’état de trace avec 15 essais par condition, stimulus ou CS par bloc comme on le voit ici lorsque tout est prêt. Commencez quatre essais d’entraînement et enregistrez les données brutes à deux kilohertz. Au cours de chacun, inspectez visuellement les données en temps réel pour détecter les sources systématiques de bruit.

Après chaque course, demandez au sujet d’évaluer l’intensité du choc pour évaluer l’accoutumance. Après avoir terminé les essais, utilisez Free Surfer pour créer un volume sous-cortical segmenté et les surfaces du cortex, de la peau externe et du crâne externe. Ensuite, créez et convertissez les volumes de l’amygdale et de l’hippocampe en surfaces.

À l’aide de Slicer three et de ParaView, l’étape suivante consiste à créer un nouveau sujet dans la base de données de brainstorming. Importez le volume de l’IRM dans le brainstorming et déformez le volume dans l’espace standard en identifiant les points de repère, importez les surfaces et alignez manuellement la surface du cuir chevelu avec l’IRM. Une fois terminé.

Appliquez cette transformation à toutes les autres surfaces. Fusionnez les surfaces de la peau, de l’hippocampe et de l’amygdale. Enfin, créez des régions d’intérêt pour l’amygdale et l’hippocampe.

Une fois créé, importez le fichier d’enregistrement MEG pour chaque séance d’entraînement. Le logiciel d’acquisition MEG utilise la séparation de l’espace du signal pour supprimer les artefacts causés par des sources situées à l’extérieur de la pièce blindée magnétiquement. Assurez-vous d’utiliser les fichiers propres que l’on trouve souvent dans un dossier marqué SSS pour analyser les réponses évoquées.

Tout d’abord, utilisez le canal d’événements pour identifier les épopées correspondant à chacun des essais expérimentaux. Supprimez les artefacts causés par les battements cardiaques et les mouvements oculaires à l’aide de projections de l’espace des signaux des événements identifiés sur les canaux d’électrocardiographie et d’électro-iconographie. Ensuite, affinez l’enregistrement de l’IRM à l’aide de points de tête.

Calculez la covariance du bruit des enregistrements à l’aide de la méthode des sphères superposées avec l’entrée du cortex, calculez le modèle de tête pour calculer les sources à l’aide de la méthode d’estimation de la norme minimale et poursuivez l’analyse sur les sources. Sources de filtre passe-bande suivante pour les essais individuels. Prenez la valeur absolue des sources filtrées passe-bande et convertissez ces valeurs en score Z basé sur la variabilité de la ligne de base, lissez spatialement les sources et faites la moyenne des sources sur les essais.

Projetez ces moyennes sur l’anatomie par défaut de l’expérience. Ensuite, calculez des tests T sur les sources dans différentes conditions. Filtrez les résultats significatifs du test T à l’aide de seuils spatiaux et temporels pour corriger les erreurs par famille.

Identifiez les régions activées de manière significative et exportez l’évolution temporelle de l’activation pour chaque sujet. Enfin, calculez la moyenne et l’erreur-type de la moyenne entre les sujets à chaque point temporel. Tout d’abord, projetez les données brutes des essais individuels sur l’anatomie par défaut de l’expérience Calculez les décompositions temps-fréquence sur des données provenant de régions anatomiques et fonctionnelles d’intérêt.

Convertissez les cartes de décomposition temps-fréquence résultantes en score Z et faites la moyenne des cartes résultantes sur l’ensemble des essais pour chaque sujet. Enfin, effectuez un test T sur les cartes à travers les différentes conditions présentées ici sont les résultats comportementaux d’une étude de conditionnement typique. Le graphique de gauche montre que les sujets ont des niveaux d’attente similaires dans les 60 essais, ce qui suggère que la procédure de masquage a bloqué leur capacité à discriminer entre les stimuli de la condition.

Le graphique de droite montre les réponses différentielles pendant la session de test. Notez que le groupe non filtré présente des réponses plus importantes aux anciens stimuli par rapport aux nouveaux, ce qui suggère que l’entraînement conduit à une meilleure réacquisition par rapport au groupe filtré. Cet exemple montre les résultats de la MEG à partir d’une expérience de conditionnement typique.

Le modèle 3D de gauche montre l’amygdale et l’orange et l’hippocampe en vert. Le graphique de droite représente l’activité d’un amas d’amygdale. La ligne de couleur claire représente l’activité évoquée par les visages non filtrés, tandis que la ligne plus foncée représente l’activité évoquée par les visages filtrés.

Ce graphique représente le signal MEG enregistré à partir de l’amygdale, ventilé dans le temps et la fréquence. Les couleurs chaudes représentent des régions du spectrographe qui montrent beaucoup plus de puissance pour les visages non filtrés que pour les visages filtrés. Les couleurs froides représentent les régions opposées, tandis que la superposition rayée représente des différences significatives entre les groupes.

Cette figure montre l’activation de la zone occipitale du visage. Dans une expérience de conditionnement typique, les couleurs chaudes représentent des réponses plus importantes aux visages non filtrés qu’aux visages filtrés. En suivant cette procédure.

D’autres méthodes comme l’analyse de cohérence peuvent être utilisées afin de répondre à des questions supplémentaires liées à la communication neuronale. Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’utiliser l’imagerie source pour détecter les réponses neuronales et les structures cérébrales sous-corticales.