הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

ייצוגים מודעים ללא מודע פנים רגשית תסמונת אספרגר

13.7K צפיות

⸱

DOI:

10.3791/53962

⸱

31 ביולי 2016

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

במאמר זה

סיכום

פרוטוקול ניסוי EEG נועד להבהיר את יחסי הגומלין בין המודע ייצוגים הלא המודעים של פרצופים רגשיים בחולים עם תסמונת אספרגר. הטכניקה עולה כי בחולים עם תסמונת אספרגר יש גירעונות בייצוג הלא מודע של פרצופים רגשיים, אבל יש ביצועים דומים בייצוג מודע לנבדקי ביקורת בריאים.

תקציר

מספר מחקרים הדמייה הציעו כי תוכן תדירות מרחבית הנמוך של פנים לא רגשיים בעיקר מפעיל את האמיגדלה, pulvinar, ו colliculus המעולה במיוחד עם פרצופים מפוחדים 1-3. אזורים אלה מהווים את המבנה הלימבית בתפיסה הלא מודעת של הרגשות ולווסת פעילות קליפת המוח באופן ישיר או עקיף 2. לעומת זאת, הייצוג המודע רגשות בולט יותר החגורה הקדמית, קליפת מוח קדם חזיתית, ואת הקליפה חושית עבור הפניית תשומת לב מרצון הפרטים בפנים 3,4. תסמונת אספרגר (AS) 5,6 מייצג הפרעה נפשית טיפוסית המשפיעה יכולות חושיות, רגשיות ותקשורתיות, מבלי להפריע כישורים לשוניים רגילים ויכולת אינטלקטואלית. מספר מחקרים מצאו כי גירעונות פונקציונליים המעגלים העצביים חשובים זיהוי רגשות פנים יכולים להסביר חלקית כשל בתקשורת חברתיבחולים עם AS 7-9. על מנת להבהיר את יחסי הגומלין בין ייצוגים מודעים והלא-מודעים של פרצופים רגשיים AS, פרוטוקול ניסוי EEG נועד עם שתי משימות נדרשות הערכת רגשנות או של תצלום או פרצופי ציור אונליין. מחקר פיילוט הוא הציג לבחירת גירויים פן כי למזער את ההבדלים זמנים תגובה ועשרות שהוקצו רגשות פנים בין החולים שנבדקו מראש ואושרו עם AS ו- IQ / ביקורת בריאה בהתאמה מגדרית. מידע מהחולים שנבדקו מראש ואושר שמש לפיתוח שיטת הניקוד המשמשת להערכת הרגשנות. מחקר לתוך רגשות פן גירויים חזותיים עם תוכן תדירות מרחבית שונה הגיע ממצאים סותרים תלוי המאפיינים הדמוגרפיים של משתתפי משימה דורשת 2. פרוטוקול הניסוי נועד להבהיר גירעונות בחולים עם AS בעיבוד פרצופים רגשיים בהשוואה לנבדקי ביקורת בריאה על ידי שליטה על גורםזה קשור הכרת רגשות פנים, כגון קושי מטלה, IQ ומין.

מבוא

זיהוי רגשות פנים הוא אחד התהליכים במוח החשובים ביותר בתחום התקשורת החברתית. מגוון של הפרעות נפשיות קשורים לבעיות עם זיהוי מפורש של רגשות פנים 4-6. תצלום של הפנים מכיל קשת רחבה של מידע מרחבי כי ניתן לסנן לאף תדירות מרחבית גבוהה (HSF) או תדירות מרחבית נמוכה (LSF) תוכן. HSF קשורה חלקים מפורטים ביותר של תמונה, כגון הקצוות של פנים, תוך LSF קשורה גס או פחות חלקים מוגדרים היטב כמו פרצוף הוליסטי עם תוכן LSF 7. כל משימה זיהוי פנים בעת ובעונה אחת גורמת תהליכי מודעות, הלא מודע 8-12, ואת ההשתתפות של תהליך בלתי מודע מתרחשת מרווח 150-250 אלפיות השניה שלאחר התפרצות או אפילו 13 קודם לכן. שהאחוז בקרב קבוצת הביקורת, התהליך הלא מודע הוא בדרך כלל מהירה יותר 14,15 תהליך מודע. מחקרים הדמייה כמה הציעו כיLSF ב גירוי פנים (או גירוי משמעותי במוטי ב ציה) בעיקר מפעיל את האמיגדלה, pulvinar, ו colliculus מעולה במיוחד עם פרצופים מפוחדים 3,16. אזורים אלה מהווים את המבנה הלימבית בתפיסה הלא מודע של הרגשות ולווסת פעילות קליפת המוח במישרין או בעקיפין 1. לעומת זאת, ייצוג מודע רגשות בולט יותר החגורה הקדמית, קליפת מוח קדם חזיתית, ואת הקליפה חושית עבור הפניית תשומת לב מרצון הפרטים בפנים 9,17,18.

תסמונת אספרגר (AS) 19,20 מייצג הפרעה נפשית טיפוסית המשפיעה יכולות חושיות, רגשיות ותקשורתיות, מבלי להפריע כישורים לשוניים רגילים ויכולת אינטלקטואלית. מספר מחקרים מצאו כי גירעונות פונקציונליים המעגלים העצביים חשובים זיהוי רגשות פנים יכולים להסביר חלקית את כישלון התקשורת החברתי AS 21-25.הפרעות התנהגות שנצפו אצל ילדים הלוקים בתסמונת ניתן לאבחן בשלוש השנים הראשונות של חיים 26, תקופה בה מהרצון שלהם (או בהכרה) שליטה על התנהגויות אינה מפותחת 27. אצל מבוגרים הלוקים בתסמונת, הפרעות התנהגותיות ניתן לפצות באמצעות רגולציה לב 28. קושי עיבוד בתוך טווח תדרי מרחביים מסוים עשוי להצביע על הפרעה בשלבי עיבוד מידע שונים. עד כה, אף מחקר לא התייחס פוטנציאלים עוררים ישירות ופעילות תנודתית בחולים עם AS במהלך זיהוי רגשות פנים המעורבים גירויי פנים בטווחי תדרי מרחביים ספציפיים. חשוב לבחון את המסלול התפקודי בחולים עם AS בהשוואה לנבדקי ביקורת בריא במהלך עיבוד גירויי פנים עם תוכן תדירות מרחבית שונה על ידי שליטה על דרישות משימה ואפקטים דמוגרפיים כגון מגדר IQ.

על מנת להבהיר את השארלשחק בין ייצוגים מודעים והלא-מודעים של פרצופים רגשיים, פרוטוקול ניסוי EEG מיועד השוואת מוח פוטנציאלים ופעילות תנודתית בין חולים עם AS ובקרות IQ / בריאות בהתאמה מגדרית. קבוצה של משתתפי פרויקט גויסה לפני ניסוי EEG לסיוע עם מבחר של גירויים הניסיוניים ופיתוח של מערכת ניקוד על מנת לאפשר הערכה של ביצועים בחולים עם AS. הפרוטוקול מורכב משתי משימות נדרשות הערכת רגשנות של תצלום או או פרצופי ציור אונליין. ההבדלים בין שתי הקבוצות ניתן להעריך על ידי חישוב ERPs ו הפרעות ספקטרלי הקשור לאירוע (ERSPs). בפרק הבא, את הפרטים של פרוטוקול הניסוי הם ומפרטים, כוללים מחקר הפיילוט ושיטות עיבוד נתוני EEG / ניתוח, ואחריו את תוצאות הניתוח העיקריות. לבסוף, את השלבים הקריטיים בפרוטוקול ומשמעותה ביחס קייםשיטות נדונות. המגבלה ואת הרחבה אפשרית של הפרוטוקול להשתמש בחולים עם הפרעות רגשיות אחרות גם ציינו.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

הצהרת אתיקה: פרוצדורות מעורבות המשתתפים אדם אושרה על ידי האתיקה של מחקר משתתף אדם ועדה / סקירה מוסדית המנהלים על אקדמית Sinica, טייוואן.

1. גירויים הכנת תוכנית ניסויית

  1. הכינו מאגר של יותר מ -60 תמונות פנים רגשיות 29 לשלוש הבעות פנים (כועס, שמח, נייטרלי). להשתמש בתוכנה גרפית כדי להסוות את חלקי השיער באוזן בתצלומים עם רקע שחור כפי שמוצג באיור 1 א, כך המשתתפים יכולים להתרכז תווי פנים בתצלומים.
    1. פתח תצלום של תוכנות גרפיקה. השתמש בארגז הכלים הבחירה לצייר באזור אליפטי ולהתאים את גודל האזור, כך האוזניים ורוב השיער לא ליפול האליפסה.
    2. הפוך את האזור הנבחר. לחץ על "מחק" כדי להסיר את האזור הרצוי של התצלום ולהחליף אותו עם צבע הרקע השחור.

figure-protocol-1
באיור 1. דוגמאות של גירויי פן רגשיים. (א) פרצופי תצלום שבו השיער והאוזניים להיות רעולים פנים החוצה את צבע הרקע השחור, ו (ב) קו-ציור פניהם כי הם ערוכים מ- (A) על ידי תוכנות גרפיקה. פניהם להראות ניטראליים, מאושרים, רגשות כעס בהתאמה מלמעלה שורות בתחתית. אנא לחצו כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

  1. צור מחקר פיילוט. לגייס השתתף טייס לבחירת גירויים מתאימים ממאגר התצלום.
    הערה: המשתתפים טייס לא צריך להשתתף בניסוי EEG.
    1. הגדר את תכנית מצגת גירוי החל מסך המחשב הראשון המציג את הוראת המשימה, ואחריו 5 familניסויי iarization. בגין כל ניסוי עם צלב קיבעון, ואחריו גירוי פנים, ועל ידי משימת הערכת רגשנות. ראה קוד משלימה קובץ עבור תוכנית לדוגמה.
      ההערה: בניסויי הטייס האמיתיים מייד אחרי ניסויי ההיכרות ידי בחירת תמונות פנים בסדר אקראי מהמאגר.
      1. צור תכנית ניסיונית, כולל מסך ההוראה ומסך עין-קיבעון מרכזי. צור המסך גירוי פנים כפי שמודגם באיור 2 על ידי הגדרת גודל תצלום להיות 18.3 x 24.4 ס"מ 2 (גובה x רוחב) עם צבע רקע שחור, בהתחשב בגודל מסך מחשב 41 x 25.6 ס"מ 2 עם רזולוציה 1,680 x 1,050. ראה קוד משלימה קובץ עבור תוכנית לדוגמה.
      2. צור שיטת הניקוד להערכה רגשנות בתוכנית כפי שמודגם באיור 3. מניחים קו אופקי החל -100 עד +100 בקנה מידה רציפה במרכז המסך without כל טיק-מארק, למעט מרכזי ונקודות קצה. הכן את התכנית כך משתתפים יכולים להעריך אמוציונאלי בחופשיות של פן תצלום ידי גרירת סמן ניקוד השמאל מאוד כועסים (-100) וימינה עבור מאוד שמח (+100), ולוחצים על כפתור GO.
        הערה: שורת הניקוד נועדה ללא כל השנתות כי בחולים עם AS יכולים להיתקע בקלות צבת הסמן בין קרציות במהלך הערכת רגשנות. לכן, בקנה מידה רציפה עדיפה לחולים.
      3. ודא התכנית רושמת תוצאות התנהגותיות של משתתף (זמן תגובה למשל ועשרות רגשנות), אשר משמשים קריטריונים לבחירת תמונות מהמאגר (ראה שלב 1.3.1).
    2. Recruit המשתתפים טייס (5 מלאה 5 משתתפים טייס AS). לאבחן חולים קליניים פי Gillberg 30 וקריטריוני DSM-IV 26 ולנהל את הטופס קצר נגזר הקליני של וקסלר למבוגרים המודיעין Scale (WAIS-III) 31. התאם את הפקדים לעמיתיהם AS שלהם ככל האפשר על מין, ועל ציוני IQ מילוליים / ביצועים.
    3. הפעל את הליך הניסוי במחקר הפיילוט לכל משתתף יחיד. לאחר השלים משימת זיהוי פנים הרגשית, לראיין כל טייס AS המשתתף על המשך הסביר של תקופות קיבעון מצגת הגירוי המרכזית-עין, הקושי של המשימה, קלות שימוש במערכת הניקוד ואת המספר המרבי של ניסויים עבור השמירה שלו / שלה ריכוז, אשר מבוסס על התוכנית ניתן מחדש לצורך הניסוי EEG (ראה שלב 1.3.2)

figure-protocol-2
איור 2. צילום מסך של גירוי פנים בתוכנית. גודלו של הפנים מוגדר כך שיתאים לגובה של המסך. האזור הריק מתמלא עם הצבע השחור.להעלות / 53,962 / 53962fig2large.jpg "target =" _ blank "> לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

figure-protocol-3
איור 3. צילום מסך של שיטת הניקוד להערכת רגשנות. בר הניקוד נועד אין סימן לתקתק. המשתתף צריך לגרור את העכבר כדי לבחור את הציון שהוקצה פנים ולוחץ על כפתור GO כדי לסיים את המשימה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

  1. תוכנית עבור משימה 1: תצלום מושב.
    1. בחר מבין 30 תמונות הברכה, המהווה כ -10 עבור כל הבעות פנים שמחות, כועס, ניטראליות (זכר 5 ונקבה 5 פונה לכל סוג של ביטויים), שנותנות את זמני תגובה הממוצעים להשוות ביותר הממוצע ציון רגשנות בין 5 AS ו 5 משתתפי טייס שליטים.
    2. לעדכן את הגדרות התצורה תוכנית ניסיונית על ידי שילוב משוב מן החולים טייס, כגון תקופת עין-קיבעון מרכזי אופטימלית (כלומר, 1,000 msec), משך מצגת גירוי (כלומר, 1,000 msec), מרווח בין הגירוי (כלומר, באופן אקראי ב -between 4 ו -7 שניות), ואת קנה המידה של שיטת הניקוד (כלומר, -100 עד 100). להוסיף חמישה מחקרים היכרות לפני 30 צעדי הניסוי בתוכנית.
      1. שינוי מספר הגירויים ומרווח זמן בקובץ טקסט תצורה חיצוני הקשורים לתכנית הניסיונית.
        הערה: קובץ הטקסט יכול להיות שונה כדי להתאים תנאי ניסויים שונים ללא התערבות של מהנדסי תוכנה.
      2. אל תספרו את החמישה תצלומים לניסויי היכרות 30 התצלומים שנבחרו. אין להשתמש אא"ג הנתונים התנהגותיים רשמו בניסויי היכרות בניתוח נתונים.
  2. תוכנית fאו משימה 2: קו-ציור מושב.
    1. צור תמונות ציור אונליין של 35 תמונות (5 לניסויי היכרות, 30 לניסויים ניסיוניים) המשמשים משימת 1 על ידי התחקות את הקצוות של כל פנים. שימוש בגרפיקה בתוכנה כדי לשנות את התמונות הגוניות האפורות לתוך-ציורי קו שחורים-לבן כפי שמוצג באיור 1 ב.
      הערה: שלבים מתחת לעריכה תצלום הוא אחד הפתרונות האפשריים להכנת רישומי הקו.
      1. ב תוכנות גרפיקה, להתאים את בהירות / ניגודיות של התצלום כך עוצמת גוני האפור המקורי פיקסלים הרוב נופל או שחור או לבן.
      2. החל "אפקט סקיצה" ב "האפקט" או "מסנן" תפריט של תוכנת תצלום בגוונים אפור, כך מתאר רק של החלק תדיר מרחבית הגבוהה נשמר, ולהחיל "אפקט במצוקה" כדי להגדיל את ההתרחבות של קווי הגובה .
      3. השתמש בכל כלי מברשת כדי לשפר את קווי המתאר להשתמש בכלי מחקלנקות חלקים לא רצויים. הקפד לשמור תווי פנים חשובים על ידי הסימון הלוך ושוב בין התצלום המקורי ועמיתו ציור המקוון שלה.
    2. צור עותק של התכנית של משימת 1 בשלב 1.3 כדי ליצור תכנית עבור משימה 2 ולהחליף את 35 צילומי משימת 1 עם ציורי אונליין המקבילים.

2. נוהל הקלטה EEG

  1. תכשירים
    1. לגייס 10 נבדקי ביקורת בריאים ו -10 חולים עם AS לניסויים EEG מבוסס על הנחיות האתיקה מחקר משתתף אדם מקומיים המועצה לביקורת הוועדה / מוסדי.
    2. נהל את הטופס הקצר של WAIS-III 31 לחולים לוקים בתסמונת בנפרד לפני הניסויים, ולמצוא הבקרות שמתאימות החולים ככל האפשר על מין ועל ציוני IQ המילוליים / ביצועים.
  2. הקלטת EEG
    1. סיאט המשתתף על כיסא נוח בתוך לבודד קולד (ואפלולי) תא ולהתאים את מיקום הכיסא כך מסך המחשב הוא 60 סנטימטרים מול המשתתף. לאחר הדרכה על הליך הניסוי, יש המשתתף למלא את טפסי הסכמה יחד עם כמה שאלות על האגביות שלו / שלה.
    2. השתמש כובע EEG עם 132 אלקטרודות Ag / AgCl (כולל 122 10-10 מערכת EEG, ואת VEOG דו קוטבית, HEOG, EKG, אלקטרודות EMG, יחד עם שישה ערוצי פנים-שריר) כדי להקליט לתרשים אק"ג. חברו את מכסה לשני מגברים 64 ערוצים עם מסנן הלהקה עוברים אנלוגי 0.1-100 הרץ לספרת לתרשים אק"ג גלם בקצב דגימה 1,000 הרץ.
    3. התאם את כובע EEG 128 ערוצים הסטנדרטיים ראשו של כל משתתף. התאם את הכובע כך האלקטרודה שכותרתו "הפניה" מושם במיקום "Cz", הנמצא ביחס ציוני דרך קו האמצע הקדמי / האחורי (כלומר, באמצע nasion למרחק inion), וכדי מציוני הדרך שמאלה / ימינה (כלומר, באמצע tragis שמאלה / ימינה), על פי Eהמערכת הבינלאומית 10/10 EG.
    4. בעדינות להשתמש מחט קהה להזריק ג'ל מוליך לתוך כל האלקטרודות. מערבבים עם המחט לאט בתוך האלקטרודה לאפשר יצירת קשר ג'ל טוב בין הקרקפת לבין אלקטרודה (כלומר, כדי לשמור על עכבה מתחת ל -5 קילו-אוהם). כל זמן לבדוק את מצבו של קשר הג'ל על האלקטרודות שכותרתו "הפניה" ו "קרקע" על כובע EEG לוודא מדידת העכבה נכונה.
      1. שים את העכבה האלקטרודה על ידי הצגת מסך עכבת אלקטרודה נתמכת על ידי תוכנת צריבת EEG (למשל לסרוק 4.5 במחקר זה) כי בדרך כלל הולך עם מערכת ה- EEG. במסך, האלקטרודות מוצגים בצבעים, וצבעים שונים מצביעים על רמות של עכבה.
    5. מניח אלקטרודה HEOG אחד בבית canthus של עין אחת (אתר חיובי), ואת האלקטרודה השנייה בבית canthus של העין השנייה (אתר שלילי), אלקטרודה VEOG אחד מעל והשני מתחת lעין EFT, אלקטרודות א.ק. דו קוטבית בגב שמאל בידיים הנכונות, ואלקטרודות EMG דו קוטבית באזור בין האגודל והאצבע המורה של יד ימין, וששת אלקטרודות הפנים סביב גבה הלחי.
    6. שיא במחברת אלה הערוצים הרעים שבו העכבה גבוהה מ -5 קילו-אוהם, או ישירות להציל את העכבה מראה מסך בכלל אלקטרודות. השתמש באפשרות זו התייחסות כמו עתיד שלכת ערוצים רעים בשלב של עיבוד נתוני EEG.
    7. שיא לתרשים אק"ג במנוחה-מדינה אחרי המורה המשתתף לעצום עיניים במשך 12 דקות. במהלך תקופה זו, כפליים לבדוק את איכות נחל EEG המיידי יוצג במסך הנתמך על ידי תוכנת צריבת EEG.
      הערה: לא צריך להיות גלי אלפא ברור מופץ בערוצים העורפיים במהלך המצב בעיניים עצומות לעומת המצב בעיניים פקוחות. אם גל אלפא הם רועשים מדי (תוך התעלמות הערוצים הרעים) או מעוותת, חזור לשלב 2.2.4 ולהתאים את הקשר ג'ל.
    8. הפעל את שתי משימות ניסיוני צו נגד מאוזן פני משתתפים. שיא לתרשים אק"ג על ידי לחיצה על הסמל הקלט על המסך נתמך על ידי תוכנת הצריבה.
      1. לאחר קריאת הוראות משימה שנראות על המסך, יש כל משתתף לבצע 5 ניסויי ההיכרות, ואחריו 30 הניסויים משימים. השתמש באותו הליך התצלום הוא ומשימות ציור אונליין. בשנת הוראת המשימה, לעודד את משתתפי להקצות והשוו ל רגשנות של גירוי פנים מהר ככל האפשר.
      2. חשוב: בדקו תוכניות שהוכנו צעדי 1.3.2 ו 1.4.2 לשליחה כראוי אירועים בזמן נעול תחילתה של עין-קיבעון המרכזי, מצגת גירוי פנים, ולחיצה של לחצן עבור אל תוכנת הצריבה במהלך הערכת רגשנות. פעמי הופעה אלה מקודדות כמספריים ולאחר מכן ניתן לבדוק על המסך הנתמך על ידי תוכנת הצריבה.
        הערה: המשתתף יכול לקחת הפסקה בין שתי המשימות. אין EEG מחדשcording בהפסקה.
    9. השתמש digitizer (למשל digitizer 3D Polhemus FASTRAK במחקר זה) כדי להקליט את העמדות 3D של אלקטרודות ולשמור אותו בקובץ (למשל .3dd או .dat קובץ) כמוסות EEG רישום שיתוף פני המשתתפים בניתוח נתונים.
    10. לאחר ניסוי EEG, יש המשתתף למלא מלאי 35 שאלה על ההתנהגויות והתחושות שלו / שלה במהלך ניסוי EEG (למשל, יש רגשות שליליים, כמעט שקע בשינה), ולספק להם תשלום עבור משתתפים בניסוי.
    11. תביא המשתתף לשירותים לנקות / לייבש את השיער שלו / שלה.
    12. נקי לעקר את כובע EEG בהתאם להוראות קליניות.

3. עיבוד EEG נתונים

הערה: פקודות התוכנה בסעיף זה הן ספציפיות עבור EEGLAB.

  1. סנן את אותות EEG באמצעות מסנן גבוה לעבור של רץ 1 ומסנן נמוך לעבור של 50 הרץ על ידי קריאהpop_eegfilt.m פונקציה 32.
    הערה: השתמש נמוך לעבור סינון של 40 הרץ עבור כמה מדינות שיש 50 הרץ בתדר רשת החשמל
  2. בטל ערוצים רעים עם העכבה גבוהה יותר מ -5 קילו-אוהם לאחר בדיקת עכבת אלקטרודה רשמה בשלב 2.2.6. וזורק אותם ערוצים רעים עם ספקטרום הספק שונה מאוד לעומת הערוצים השכנים על ידי בדיקה ויזואלית של המאפיינים של ספקטרום הכח (למשל, את הערך המקסימאלי, העקמומיות, וכו ') בכל ערוץ.
    1. לחשב ולתכנן את ספקטרום ההספק של אות ה- EEG על ידי קריאה לפונקציה pop_spectopo.m 32.
  3. Re הפנית אותות EEG עם הממוצע של ערוצי מוח ללא ערוצים הרעים על ידי קריאה לפונקצית pop_reref.m.
  4. מגזר לתרשים אק"ג לתוך תקופות-נעול גירוי, שכל אחד מהם נע בין -2.0 שניות מראש ל -1.5 שניות התפרצות שלאחר גירוי. נכון עבור המחקר (-2.0 ל -1.2 שניות לפני הופעת הגירוי) על ידי הסרת הממוצע של valu הבסיסes מכל תקופה.
    1. התקשר פונקציות pop_epoch.m ו pop_rmbase.m, בהתאמה. בחר את המרווח של בסיס לפני תקופת עין-הקיבעון המרכזית לבין הופעת גירוי הפנים.
  5. מארק רע תקופות המופיעות להכיל חפצים. מחק את התקופות הרעות תוך שהיא שומרת על התקופות מזוהמות מהבהבת עין. התקופות עם חפצים נראות בדרך כלל רועשות או יש מאוד וערך שיא גבוה (למשל גבוהה מ -100 מייקרו-וולט) לעומת תקופות טיפוסיות.
    1. קרא לפונקציה pop_rejmenu.m להשיק הליך חצי אוטומטי. חלון אינטראקציה תצוץ מחדש לאשר תקופות רעות לבחירה אוטומטית על ידי המשתמש באמצעות בדיקה ויזואלית. למרות שרוב התקופות הם מזוהמים על ידי ממצמץ עיניים, תקופות אלה ניתן שמורות בהיסוס להסרה מאוחר יותר על ידי ניתוח מרכיבים עצמאי (ICA) 33 בשלב 3.8.
  6. לאחר שלכת ערוצים רעים ותקופות רעות, לרוץ הרשפ"ת על נתוני ה- EEG גזם באמצעות pop_runiפונקצית ca.m.
  7. מבין הרכיבים העצמאיים המוערכים (שבבים), לזהות חפצים הנובעים תנועות עיניים / למצמץ, פעילות שרירים, דפיקות לב, וקו רעש 32.
    הערה: מתאם גבוה באופן משמעותי (R 2> 0.9) בין עשרות IC של מרכיב ואלה של כל ערוצי הפנייה (VEOG, HEOG, EKG, וערוצי פנים) עולה כי רכיב זה הוא תרם בעיקר על ידי חפצים. ציוני IC המוערכים מוסברים על ידי החפצים ניתן לנקות באמצעות ניתוח רגרסיה מרובה.
  8. סור שבבים חפצו ולהעריך את לתרשים אק"ג הנקי אשר נגזר על ידי התוצר של הרשפ"ת ערבוב מטריקס מטריקס ציון IC-לנקות חפץ. שמור את לתרשים אק"ג הנקי לניתוח נוסף.
    1. שמור את השאריות של חיזוי שבבים חפצים (R 2> 0.9) מן ההתייחסות VEOG, HEOG, EKG וערוצי פנים במטריצת ציון IC. הסר שבבים חפץ אחר על ידי פונקציית pop_subcomp.m. הפונקציה מחזירה את לתרשים אק"ג לניקוי לכלוך.

4. ניתוח סטטיסטי

  1. ערוצי EEG החלוקה לאזורים הומוגניים עשרה כדי לצמצם את מספר השוואות סטטיסטיות ב- ERP ו ERSP מנתח, כלומר, השמאל (10 ערוצים), midline- (14), ונכון חזיתית (10); שמאל (13) וימין-טמפורלית (13); השמאל (9), midline- (14) וימין-מרכזי (9); שמאל (9), midline- (12) וימינה עורפי הקודקודית (9) כפי שמוצג באיור 4. אזורים אלה מוגדרים על פי האנטומיה התפקודית של קליפה 34. ההומוגניות פונקציונלי של אותות EEG באזורים אלו יאומת בניסויים שונים 13,35,36.

figure-protocol-4
איור 4. מחיצת הערוץ. הערוצים חולק עשרה אזורים. LF: חזיתית שמאלה (10 ערוצים), MF: קו אמצע חזיתית (14), RF: חזיתית תקין (10), LT: שמאל-טמפורלית (13), RT: ימניים זמניים (13), LC: שמאל-מרכז (9), MC: קו האמצע-מרכזי (14), RC: ימין-מרכז (9), LP: הקודקודית השמאלית העורפית (9), MP: הקודקודית קו האמצע העורפית (12), RP :. הקודקודית עורפית תקין (9) אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו.

  1. טען את לתרשים אק"ג נקי בשלב 3.8. לחשב את ה- ERP ערוץ ידי ממוצעים אותות על פני תקופות בכל אחד מהערוצים, ו- ERP האזורי ידי ממוצעים ERPs בתוך אותו אזור.
    הערה: כאשר לתרשים אק"ג נטענים באמצעות הפונקציה pop_loadset.m ב EEGLAB, אותות מאוחסנים משתנה מבנה "EEG.data" במערך ערוץ אחר פעם אחר תקופה.
    1. בחלון הפקודה Matlab, לחשב את ה- ERP ערוץ ידי ממוצעים EEG.data פני תקופות עבור כל ערוץ (למשל, channelERP = ממוצע (EEG.dat, 3)). לחשב את ה- ERP האזורי על ידי חישוב ממוצע ERPs הערוץ בכל אזור על פי חלוקת 4.1 (למשל, RegionalERP = ממוצע (channelERP (מדד, :), 1), שבו "מדד" מייצג את מדדי ערוץ באזור נתון).
  2. לחשב את ERSPs ערוץ ידי החלת בתדירות הזמן לשנות (למשל אדוה לשנות) כדי אפוק אותות בכל ערוץ, ואת ERSPs האזורי ידי ממוצעים ערוץ ERSPs באותו אזור.
    1. בצעו את בתדר הזמן לשנות על ידי קריאה לפונקציה pop_newtimef.m.
      הערה: במחקר זה, את הערך "מחזורי אדוה" מוגדר [1, 0.5] ו "הבסיס" מוגדר [-2.000 ל -1.200] msec. ERSPs הערוץ וכתוצאה יאוחסן מערך תדיר-ידי-זמן-ידי ערוצית.
    2. בחלון הפקודה Matlab, לחשב את ERSP האזורי ידי ממוצעים ERSPs בערוצים בכל אזור על פי החלוקה 4.1 (למשל, regionalERSP = מתכוון (channelERSP (:,:, מדד), 3), שבו "channelERSP" הוא פלט מפונקצית pop_newtimef.m, ו "מדד" מייצג את מדדי ערוץ בא"אבאזור Iven).
  3. חישוב ערכים ממוצעים במרווחי זמן שונים (למשל 50-150, 150-250, 250-350, 350-450 אלפיות שני) עבור ERPs האזורי. חישוב ערכים ממוצעים בפרקי זמן-תדר שונה (למשל 50-150, 150-250, 250-350, 350-450, 450-800 אלפית שניים ב 1-7 הרץ, ו 200-800 אלפיות שניים ב 8-30 הרץ) עבור אזורי ERSPs.
  4. החל MANOVA בתוכנה סטטיסטית (למשל IBM SPSS) אל הערכים הממוצעים של ERPs האזורי ERSPs כדי לבדוק את השפעות עיקריות המשימה (תצלום לעומת-ציור קו), באזור (עשרה אזורי קרקפת), ו קבוצה (AS לעומת שליטה) , כמו גם את השפעות האינטראקציה בין המשימה, אזור והקבוצה.
    1. בניתוח הסטטיסטי, לשקול מין (גברים או נשים) כמו covariate, ולהעריך את ההשפעות העיקריות ואינטראקציה ידי החזקת קבוע האפקט המגדר.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

ציוני IQ המילולי וביצועים הממוצעים מפורטים בטבלת 1 עבור המלאה כקבוצות יחד עם זמני תגובה הממוצעים וממוצע ציונים שהוקצו רגשנות פרצופים של שתי הקבוצות. בטבלה, אף אחד ההבדלים בין הקבוצות משיגים מובהק סטטיסטיים למעט פניהם הניטראליים במשימת ציור אונליין, בם קבוצת AS יש ציון ממוצע קרוב לאפס (p <0.001) 13. מעניין לציין, כי הקבוצה עדיין יש זמני תגובה ארוכים מעט בהשוואה לקבוצת הביקורת במתן מענה פרצופים כועסים ומאושרים,...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

הספרות כוללת מחקרים על הכרת רגשות פנים בחולים עם אוטיזם על ידי ניתוח של תגובות EEG 44, ועל הכרת תוכן בתדירות גבוהה ונמוך מרחבית באמצעות גירויים חזותיים 43. למיטב ידיעתנו, עם זאת, קיים מחסור של מחקרים הקיימים כיום לגבי פעילות תנודתית המוח המשלב זיהוי רגשות עם תוכן תדירות מובחן. הפרוטוקול שלנו הוא צעד ראשון לקראת באמידת ההשפעה של רגשנות (פרצופים חיוביים, ניטראליים או שליליים) ומידע תדיר מרחבית (תמונות קו-ציורים) על הכרת רגשות בחולים לעומת AS לנבדקי ביקורת בריא....

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

למחברים אין מה לחשוף.

תודות

מחקר זה נתמך על ידי מענקים MOST102-2410-H-001-044 ו-MOST103-2410-H-001-058-MY2 ל-M. Liou, ו-RSF-14-15-00202 ל-A.N. Savostyanov. תמיכת קרן המדע הרוסית (RSF) שימשה לפיתוח פרדיגמה ניסויית של זיהוי פנים.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
Synamps 2 / RT 128 ערוצים EEG / EP / ERPNeuroscan
Quik-CapEEG 128 אלקטרודותNeuroscan
GelQuik-Gel
FASTRAK 3D digitizerPolhemus 

מקורות

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

EEGN400
ייצוגים מודעים ללא מודע פנים רגשית תסמונת אספרגר
צור קשר
המלצה לספרייה

פרטיות

תנאי שימוש

מדיניות

2026 © זכויות יוצרים MyJoVE Corporation. כל הזכויות שמורות.