איך לזהות פעילות האמיגדלה עם magnetoencephalography באמצעות הדמיה מקור

המטרה הכוללת של הליך זה היא לזהות פעילות אמיגדלה במהלך למידה באמצעות מגנטואנצפלוגרפיה או MEG. זה מושג על ידי תכנון תחילה של משימת למידת פחד מרומזת המפעילה את האמיגדלה. השלב השני הוא רישום פעילות מוחית במהלך המטלה באמצעות MEG.

לאחר מכן, זהו את פני השטח של קליפת המוח והאמיגדלה באמצעות סריקות MRI אנטומיות ברזולוציה גבוהה. השלב האחרון הוא להשתמש במשטחי קליפת המוח והאמיגדלה כדי לדגמן את המקורות העצביים של אות ה-MEJ. בסופו של דבר, ניתן להשתמש במודלים של הדמיית מקור כדי להראות הפעלה עצבית באמיגדלה במהלך למידה ללא מודעות.

אז היתרון העיקרי של טכניקה זו על פני שיטות קיימות כמו FMRI הוא שאותות MEG נרשמים בזמן אמת וניתן להשתמש בהם כדי לחקור תהליכים עצביים מהירים או חולפים. אף על פי שניתן להשתמש בשיטה זו כדי לחקור את תפקוד האמיגדלה, ניתן להשתמש בה גם כדי לחקור את התפקוד של אזורים תת-קורטיקליים אחרים. התחל בחיבור מחשב הצגת הגירוי למערכת הרכישה של MEG באמצעות כבל סרט רב-מחבר סטנדרטי DB 25

לאחר מכן, חבר את מחשב הצגת הגירוי לצג העצמאי של הלוח או לסם. באמצעות מתאם הבידוד של שמונה סיביות לשני סיביות וכבל הסנכרון, הפולסים הלוגיים של הטרנזיסטור לטרנזיסטור המשמשים לסימון מצגות הגירוי יכולים לגרום לחפצים בנתוני ה-MEG אם הם נשלחים ל-sam. כדי להימנע מחפצים אלה, סמן את תחילת הגירויים באמצעות הביטים שנחסמו על ידי מתאם הבידוד כפי שניתן לראות כאן.

לאחר מכן ממריץ ההלם מחובר לסאם. לאחר מכן, העבירו כבל מאריך מוגן דרך מוליך הגל וחוברו לממריץ הזעזועים. לאחר מכן יש לחבר את ה-SAM למחשב המריץ את תוכנת רכישת נתוני הלוח.

חבר את החוגה הסיבובית למחשב הצגת הגירוי ולמערכת רכישת MEG באמצעות יציאת המשחק ליציאת המשחק מפצל BNC ויציאת המשחק למתאם USB. חבר אלקטרודות וחיישנים לנושא באמצעות הסכימה המוצגת כאן. לאחר ההגדרה כהלכה, דיגיטציה של מיקום ראש הנבדק ביחס לסלילי HPI באמצעות נקודות נאמנות.

לאחר מכן, בצע דיגיטציה של 50 עד 100 נקודות לאורך הקרקפת של הנבדק. יש ללוות את הנבדק למערכת MEG ולחבר את האלקטרודות והחיישנים לממשק המתאים. הרם את הכיסא כך שראשו של הנבדק נוגע בחלק העליון של קסדת ה-MEG ומקם את המסך כך שהתמונה המוקרנת תהיה ממוקדת.

לאחר מכן, הגדר את ההלם לרמה שהנבדק מדווח עליה ככואבת אך נסבלת. לבסוף, הדריך את הנבדק על השימוש הנכון בחוגה באמצעות תרחיש מצגת לדוגמה. התחל בטעינת תוכנת רכישת נתוני הלוח כדי להתחיל להקליט קודי אירועים ומסירת זעזועים.

האימון מתוכנת מראש ומורכב מארבעה בלוקים של התניה דיפרנציאלית של פחד עקבות עם 15 ניסיונות לכל מצב, גירוי או CS לכל בלוק כפי שניתן לראות כאן כשהכל מוכן. התחל ארבעה ניסויי אימון ורשום נתונים גולמיים בשני קילו-הרץ. במהלך כל אחד מהם, בדוק ויזואלית את הנתונים בזמן אמת לאיתור מקורות רעש שיטתיים.

לאחר כל ריצה, בקש מהנבדק לדרג את עוצמת ההלם כדי להעריך את ההתרגלות. לאחר השלמת הניסויים, השתמש בגולש חופשי כדי ליצור נפח תת-קורטיקלי מפולח ומשטחים של קליפת המוח, העור החיצוני והגולגולת החיצונית. לאחר מכן, צרו והמירו את נפחי האמיגדלה וההיפוקמפוס למשטחים.

באמצעות Slicer three ו-ParaView, השלב הבא הוא ליצור נושא חדש במסד הנתונים של סיעור מוחות. ייבא את נפח ה-MRI לסיעור מוחות ועיוות את הנפח לחלל סטנדרטי על ידי זיהוי נקודות הנאמנות, ייבא את המשטחים ויישר ידנית את משטח הקרקפת עם MRI. לאחר השלמתו.

החל טרנספורמציה זו על כל המשטחים האחרים. מזגו את משטחי הקליפה, ההיפוקמפוס והאמיגדלה. לבסוף, צרו אזורי עניין עבור האמיגדלה וההיפוקמפוס.

לאחר היצירה, ייבא את קובץ ההקלטה של MEG עבור כל מפגש הדרכה. תוכנת הרכישה של MEG משתמשת בהפרדת שטח אותות כדי להסיר חפצים הנגרמים על ידי מקורות מחוץ לחדר המוגן מגנטית. הקפד להשתמש בקבצים הנקיים שנמצאים לעתים קרובות בתיקייה המסומנת SSS כדי לנתח את התגובות המעוררות.

ראשית, השתמש בערוץ האירועים כדי לזהות אפוסים המתאימים לכל אחד מהניסויים הניסיוניים. הסר חפצים הנגרמים על ידי פעימות לב ותנועות עיניים באמצעות הקרנות מרחב אותות מאירועים שזוהו בערוצי האלקטרוקרדיוגרפיה והאלקטרו-איקונוגרפיה. לאחר מכן, צמצם את רישום ה-MRI באמצעות נקודות ראש.

חשב את שונות הרעש מההקלטות בשיטת הכדורים החופפים עם הקלט של קליפת המוח, חשב את המקורות של מודל הראש בשיטת הערכת הנורמה המינימלית והמשך בניתוח המקורות. הבא לעבור מקורות סינון עבור הניסויים הבודדים. קח את הערך המוחלט של המקורות המסוננים של מעבר הפס והמר את הערכים הללו לציון Z בהתבסס על שונות הבסיסית, החלק מרחבית את המקורות ואת המקורות הממוצעים על פני ניסויים.

הקרן ממוצעים אלה על אנטומיית ברירת המחדל של הניסוי. לאחר מכן, חשב מבחני T על המקורות בתנאים השונים. סנן תוצאות משמעותיות של מבחן T באמצעות סף מרחבי וזמני כדי לתקן שגיאה משפחתית.

זהה אזורים שהופעלו באופן משמעותי וייצא את מהלך הזמן של ההפעלה עבור כל נושא. לבסוף, חשב את הממוצע ואת שגיאת התקן של הממוצע בין נבדקים בכל נקודת זמן. ראשית, הקרן את הנתונים הגולמיים מהניסויים הבודדים על אנטומיית ברירת המחדל עבור הניסוי חישוב פירוק תדירות זמן על נתונים מאזורים אנטומיים ופונקציונליים מעניינים.

המר את מפות הפירוק של תדירות הזמן המתקבלות לציון Z וממוצע את המפות המתקבלות על פני ניסויים עבור כל נבדק. לבסוף, בצע מבחן T על המפות על פני התנאים השונים המוצגים כאן הם תוצאות התנהגותיות ממחקר התניה טיפוסי. הגרף משמאל מראה כי לנבדקים יש רמות תוחלת דומות לאורך 60 הניסויים, מה שמצביע על כך שהליך המסכה חסם את יכולתם להבחין בין גירויי המצב.

הגרף מימין מראה תגובות דיפרנציאליות במהלך מפגש הבדיקה. שימו לב שהקבוצה הלא מסוננת מראה תגובות גדולות יותר לגירויים הישנים בהשוואה לחדשים, מה שמרמז על כך שהאימון מוביל לרכישה חוזרת טובה יותר בהשוואה לקבוצה המסוננת. דוגמה זו מציגה תוצאות MEG מניסוי התניה טיפוסי.

המודל התלת-ממדי משמאל מראה את האמיגדלה והכתום ואת ההיפוקמפוס בירוק. הגרף מימין מייצג פעילות מצביר אמיגדלה. הקו הבהיר מייצג את הפעילות שמעוררים פרצופים לא מסוננים, ואילו הקו הכהה יותר מייצג את הפעילות שמעוררים פרצופים מסוננים.

הגרף הזה מייצג את אות ה-MEG שנרשם מהאמיגדלה בחלוקה לפי זמן ותדירות. צבעים חמים מייצגים אזורים בספקטרוגרף הספקטרו שמראים עוצמה רבה יותר באופן משמעותי למשטחים לא מסוננים מאשר למשטחים מסוננים. צבעים קרים מייצגים את האזורים המנוגדים כאשר כיסוי הפסים מייצג הבדלים משמעותיים בין הקבוצות.

איור זה מציג את הפעלת אזור הפנים העורפי. בניסוי התניה טיפוסי, צבעים חמים מייצגים תגובות גדולות יותר לפנים לא מסוננות מאשר לפנים מסוננות. בצע הליך זה.

ניתן להשתמש בשיטות אחרות כמו ניתוח קוהרנטיות על מנת לענות על שאלות נוספות הקשורות לתקשורת עצבית. לאחר צפייה בסרטון זה, אתם אמורים להבין היטב כיצד להשתמש בהדמיית מקור כדי לזהות תגובות עצביות ומבני מוח תת-קורטיקליים.