Name: שיטה לחקירת הבדלי גיל הקשורים בקישוריות התפקודית של קוגניטיבית בקרת רשתות הקשורים למיון כרטיס שינוי ממדי ביצועים (וידאו) | JoVE Journal
Uploaded: 2014-05-07T13:00:00.000+00:00
Duration: 9 min 1 s
Description: חקור רשתות קוגניטיביות הקשורות להחלפת משימות באמצעות ניתוח ICA של נתוני fMRI. השיטה מאפשרת לזהות הבדלי קישוריות תפקודית בין מבוגרים לילדים וללמוד על ארגון מערכות הבקרה הקוגניטיבית.

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

מחקר זה התאפשר בתמיכת מענקים מהלאומי למדע והנדסת מועצת מחקר (NSERC) לג&#39;יי ברוס מורטון.

1. לקבל אישור לעבודה עם בני אדם, 2. FMRI רכישת נתונים <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> רוכשת את נתוני ה-fMRI בעקבות הליכים מתאימים לילדים צעירים (ראה Raschle, et al. 12). לעשות כל מאמץ כדי להגביל את ההבדלים הקשורים לגיל אפשריים בביצוע משימה ותנועה, כפי שההבדלים אלה להציג את הבלבול לא רצוי המגביל את יכולתו של אדם כדי להסיק מסקנות על הבדלים מבחינה התפתחותית רלוונטיים בהפעלת מוח וקישוריות פונקציונלית. הערה: בפרוטוקול הנוכחי, גרסה חוזרת ונשנית-ניסויים של DCCS הייתה מנוהלת בצורה של עיצוב בלוק 13. כל סיבוב כולל שני רחובות מתג 8 ניסוי ושני רחובות חוזרים 8-משפט, שבו לוקי מתג מורכבים 4 ניסויים מתג ו4 ניסויים חוזרים, ולוקים חוזרים מורכבים של 8 ניסויים חוזרים. הפרוטוקול מתאים בצורה מושלמת לשימוש עם נתונים fMRI הקשורות לאירוע. עם זאת, עיצובי בלוק נחמדים לעבוד איתי כאשר מקבלים acqu הראשוןainted עם הרשפ&quot;ת, כפי שהוא קל לראות מודולציות משימה בזמן קורסי רכיב. </li><li style=";text-align:right;direction:rtl"> נתוני preprocess fMRI בעקבות הליכי עיבוד מקדימים fMRI סטנדרטיים. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> ליישר מחדש את כל התמונות פונקציונליות לאותו הכיוון והעמדה. בדרך כלל, הנפח התפקודי הראשון משמש כתמונת התייחסות לכל אמצעי אחסון האחר כדי להיות מיושר. </li><li style=";text-align:right;direction:rtl"> Coregister תמונת T1-משוקלל (אנטומי) עם T2 משוקלל * סריקות (פונקציונליות), ולכן ההפעלה שעל גבי זו על המיקום האנטומי הנכון. </li><li style=";text-align:right;direction:rtl"> לנרמל את כל התמונות לגודל סטנדרטי, בחלל, ועמדה עם מבחר של מוח תבנית (לדוגמא מרחב Talairach). פעולה זו מסייעת להבטיח שאזורים הומולוגיים מנושאים שונים שמתבצע בהשוואה. הערה: תמונות מעוותות למרחב Talairach בפרוטוקול הנוכחי, גם אם כי ניתן להשתמש בתבניות אחרות (לדוגמא, שטח משרד התשתיות הלאומי {מונטריאול נוירולוגיות מכון}). </li><li style=";text-align:right;direction:rtl"> להחליק את כל הכרכים תפקודיים בdatקבוצה עם 6 עד 10 מ&quot;מ החלקת קרנל. </li></ol></li><li style=";text-align:right;direction:rtl"> לעקל כרכי עיבוד מקדימים לסט של ספריות נפרדים. השתמש &quot;סריקות פונקציונליות&quot; כספריית העליונה. בתוך &quot;סריקות תפקודיות&quot; כולל ספרייה נפרדת לכל משתתף, ובתוך כל ספריית משתתף, ספרייה נפרדת לכל ריצה. הנתונים הוא מוכנים לניתוח ICA עכשיו. </li></ol> 3. הקבוצה עצמאית ניתוח מרכיבים (רשפ&quot;ת) <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> הורד והתקן את תוכנת ICA קבוצה. ישנן מספר ארגזי הכלים זמינים ליישום הרשפ&quot;ת על סוגים שונים של נתונים נוירופיזיולוגיות, כוללים fMRI. בעוד שכל ארגז כלים שמבצע ICA קבוצה היה פוטנציאל להיות מתאימים, אחד מנוצל בפרוטוקול הנוכחי נקרא מתנה. מתנה פותחה על ידי וינס קלהון ועמיתיו באוניברסיטת ניו מקסיקו. ארגז הכלים של המתנה הוא קבוצה של תסריטי MATLAB שעובדת יחד עם SPM, חבילת ניתוח fMRI ידועה. שניהם יכולים בדואר להוריד בחינם מהאינטרנט (מתנה: mialab.mrn.org / תוכנה / מתנה / index.html #; SPM: www.fil.ion.ucl.ac.uk/spm/). פעם הוריד, להוסיף את ארגז הכלים של מתנה וכל תת ספריות לנתיב חיפוש MATLAB ולשמור את קובץ נתיב. </li><li style=";text-align:right;direction:rtl"> מחשוב ICA קבוצה על נתוני ה-fMRI באמצעות מתנה הופכת את הדרישות משמעותיות על זיכרון RAM. הדרישות מדויקות על זיכרון משתנות בהתאם למספר המשתתפים, כמות הנתונים שנאספו מכל משתתף, והרזולוציה של נתונים. כדי להימנע מבעיות זיכרון, עדיף להפעיל את ניתוח ICA בשרת. אם מפעיל את הניתוח על מחשב מקומי, ניתן להעריך את דרישות זיכרון RAM באמצעות &quot;icatb_mem_ica.m&quot; תסריט שהוא חלק ממתנה. </li><li style=";text-align:right;direction:rtl"> ההגדרה או parameterize הניתוח. לעשות זאת על ידי שינוי תסריט אצווה קיים בשם &quot;Input_data_subjects_1.m&quot; המאוחסן במתנה תחת &quot;icatb_batch_files&quot;. שים לב: זה יכול להיעשות גם על ידי שימוש במשתמש הגרפי של מתנת interfאס. עם זאת, זה הרבה יותר קל, עם קצת תרגול, כדי להגדיר את הניתוח על ידי שינוי תסריט קיים זה. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> ציין שיטת נתונים כמו ה-fMRI </li><li style=";text-align:right;direction:rtl"> ציין סוג של ניתוח כICA עם ICASSO. הפעולה זו תבטיח את ICA מנוהל עם הליך ICASSO. ICASSO מעריך את האמינות של הפירוק על ידי הפעלה כמה פעמים ICA מתחילה עם זרעים אקראיים שונים. לאחר מכן הוא בודק את הדמיון של כל תוצאה באמצעות אשכולות. שימוש בICASSO מומלץ כממוצע של בדיקת האיכות של פירוק יק&quot;א, אך במידה ניכרת להאריך את המשך הזמן שלוקח מתנה כדי להשלים את הניתוח. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> כדי להפעיל את ICA עם הליך ICASSO, בחירת &#39;2 &#39;תחת &quot;סוג של ניתוח&quot; ולאחר מכן parameterize הליך ICASSO בקווים מצליחים של קובץ ההתקנה. </li></ol></li><li style=";text-align:right;direction:rtl"> למקסם את הביצועים של קבוצת PCA ידי בחירת &#39;1 &#39;תחת הגדרות ביצועי הקבוצה PCA. שקול להגדיר פרמטר זה כדי &#39;2&quot;צריכה בעיות של זיכרון RAM מספיק להתרחש. </li><li style=";text-align:right;direction:rtl"> כדי לאפשר המשך המיון של רכיבים וכתוצאה מכך באמצעות מנבאים ממטריצת עיצוב SPM סטנדרטי, ציין אם יש או אין הן מטריצות שונות לנושאים שונים. </li><li style=";text-align:right;direction:rtl"> ציין היכן נתונים תפקודיים המעובד מאוחסנים והאם קובץ SPM.mat המכיל את מטריצת העיצוב מאוחסן יחד עם הנתונים פונקציונליים העיבוד הראשוני. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> הדרך הפשוטה ביותר לקבל מתנה כדי לקרוא את הנתונים היא אם כל משתתף יש את אותו המספר של פועל, וספריית הנתונים בנויה כפי שמתוארת בשלב 2.3 תחת רכישת נתונים fMRI. אם כן, אז תחת DataSelectionMethod, בחר &#39;1 &#39;לשיטת 1, ולהשלים את &quot;sourceDir_filePattern_flagLocation&quot; הפרמטר על ידי כולל מסלול הקובץ שבו הנתונים מאוחסנים, פורמט הקובץ של הנתונים, והצהרה המצביעה על כך בפגישות אישיות מאוחסנות כתיקיות משנה בתוך כל תיקיית נושא. </li></ol></li&gt; <li style=";text-align:right;direction:rtl"> ציין את הספרייה שבה הפלט של הניתוח צריך להיות כתובה. אל תכתבו את התוצאות לאותה הספרייה שבה נתונים מאוחסנים. </li><li style=";text-align:right;direction:rtl"> לספק קידומת שתתווסף לכל קבצי הפלט. </li><li style=";text-align:right;direction:rtl"> לספק מסלול קובץ למסכה. כל הכרכים שהוגשו לרשפ&quot;ת הם רעולי פנים. מתנה מספקת מסכת ברירת מחדל. לעבודה זו, תסריט בתוך הבית כדי ליצור מסכה מהנתונים שהוגשו לרשפ&quot;ת. לכל הפחות, את המסכה צריכה לחסל את הגולגולת, שטח נוסף, במוח, ובעיקר את גלגלי העיניים. אות מvoxels גלגל העין יראה תנודות גדולות מאוד במהלך ריצה, ולכן יש להם השפעה גדולה על המבנה של המרכיבים הסופיים. איור 3 ממחיש את מה שמסכה טובה צריכה להיראות. </li><li style=";text-align:right;direction:rtl"> ציין את סוג הקבוצה PCA לשמש. השתמש ב &#39;ספציפי לנושא. &quot; </li><li style=";text-align:right;direction:rtl"> ציין את שיטת גב השיקום. בשלב זה, בכפוף בודד IC של הקורסים והזמן הקשורים בם מחושבים לכאן ולכאןמ &#39;את התוצאות של הניתוח הקבוצתי. Gică מומלץ לקבלת קורסי הזמן הטוב ביותר, למרות שיש דיון רב בספרות על נקודה זו. </li><li style=";text-align:right;direction:rtl"> ציין נתונים סוג עיבוד מראש. השתמש בנורמליזציה בעוצמה כדי למנוע ערכים שאינם מספריים (כלומר infinites, ונאן של) בפלט. בדוגמא זו, בחרנו את ברירת המחדל של &#39;1 &#39;. </li><li style=";text-align:right;direction:rtl"> ציין את הסוג של PCA (אנו משתמשים בתקן) ומקבל ערכי ברירת מחדל תחת PCA אפשרויות. מתנה מבצעת PCA בכל סיבוב של כל משתתף ושומרת על מספר הרכיבים שווים למספר המקורות להיות צרוף ברשפ&quot;ת. PCA משרתת שתי מטרות חשובות. ראשית, היא מסייעת לסלק מקורות רעש שהם ייחודיים לכל אחד ממשתתפים וכל ריצה. שנית, זה גורם לדרישות חישובית של הניתוח צייתן יותר. </li><li style=";text-align:right;direction:rtl"> לציין כמה PCAs לרוץ על הנתונים לפני ICA (2 מומלץ). כמו כן, לציין כמה מרכיבים כדי לשמור לאחר כל PCA (אם פועלים2, מומלץ כי מספר הרכיבים נשמרים לאחר PCA הראשונה הוא פי שניים מהמספר נשמרים לאחר השנייה). </li><li style=";text-align:right;direction:rtl"> ציין כיצד צריכים להיות מדורגים בנתונים. לעבודה זו, שימשה קנה מידה Z-ציון. </li><li style=";text-align:right;direction:rtl"> בחר אלגוריתם הפרדת מקור עיוור לרשפ&quot;ת. לעבודה זו, Infomax היה בשימוש. מתנה מציעה מבחר של לפחות 10 אלגוריתמים שונים. </li><li style=";text-align:right;direction:rtl"> ניתן להשאיר פרמטרים נותרים כפי שהוא. </li></ol></li><li style=";text-align:right;direction:rtl"> ברגע שICA הושלם, בחר מבין מרכיבים זמינים אלה שיש בם עניין תיאורטי פוטנציאלי. דרך GUI המתנה, לבחור בחירת רכיבים: מיון המרחבית ממיין את הרכיבים מרחביים באמצעות מתאם המרחבי עם תבנית קיימת מראש; מיון זמני ממיין את קורסי זמן רכיב באמצעות מנבאים ליניארי ממטריצת עיצוב SPM שאתה יכול לאחסן את הנתונים (ראה 3.3.5). הערה: יש שני גישות לבחירת רכיבי שירות. עם זאת, בחירה בעבודה עם נתונים משימה, זמניתקריטריונים הם שימושיים במיוחד, כפי שהם מספקים אמצעי אימות שהרכיב הנבחר הופעל על ידי את המשימה. במקרה של DCCS, שימוש במיון זמני ניתן להשתמש כדי לוודא שהרכיב הנבחר היה פעיל יותר במהלך לוקי מתג מאשר בלוקים חוזרים. </li><li style=";text-align:right;direction:rtl"> לבדוק האם גרסאות ילד ובוגרות של רכיבים שנבחרו אלה שונים. ילד המצרפי ורכיבים למבוגרים בעלי עניין לשתי קבוצות ובדיקה באמצעות שני מדגם אזורי מבחן t שבו הרכיבים להשתנות נפרדות. זה יחסית קל לעשות דרך GUI המתנה. </li></ol>

<ol><li>Diamond, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Normal+Development+of+Prefrontal+Cortex+from+Birth+to+Young+Adulthood%3A+Cognitive+Functions+Anatomy%2C+and+Biochemistry%5BTitle%5D)+AND+%22Principles+of+Frontal+Lobe+Function%22%5BJournal%5D)">Normal Development of Prefrontal Cortex from Birth to Young Adulthood: Cognitive Functions Anatomy, and Biochemistry.</a> Principles of Frontal Lobe Function. , 1-38 (2002).</li>
<li>Zelazo, P. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Dimensional+Change+Card+Sort+%28DCCS%29%3A+a+method+of+assessing+executive+function+in+children%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">The Dimensional Change Card Sort (DCCS): a method of assessing executive function in children.</a> Nat Protoc. 1, 297-301 (2006).</li>
<li>Monsell, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Task+switching%5BTitle%5D)+AND+%22Trends+Cogn+Sci+%28Regul+Ed%22%5BJournal%5D)">Task switching.</a> Trends Cogn Sci (Regul Ed. 7, 134-140 (2003).</li>
<li>Crone, E. A., Bunge, S. A., van der Molen, M. W., Ridderinkhof, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Switching+between+tasks+and+responses%3A+a+developmental+study%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">Switching between tasks and responses: a developmental study.</a> Developmental Science. 9, 278-287 (2006).</li>
<li>Cole, M. W., Schneider, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+cognitive+control+network%3A+Integrated+cortical+regions+with+dissociable+functions%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The cognitive control network: Integrated cortical regions with dissociable functions.</a> Neuroimage. 37, 343-360 (2007).</li>
<li>Fair, D. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+distinct+control+networks+through+segregation+and+integration%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+USA%22%5BJournal%5D)">Development of distinct control networks through segregation and integration.</a> Proc Natl Acad Sci USA. 104, 13507-13512 (2007).</li>
<li>Uddin, L. Q., Supekar, K., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Typical+and+atypical+development+of+functional+human+brain+networks%3A+insights+from+resting-state+FMRI%5BTitle%5D)+AND+%22Frontiers+in+systems+neuroscience%22%5BJournal%5D)">Typical and atypical development of functional human brain networks: insights from resting-state FMRI.</a> Frontiers in systems neuroscience. 4, (2010).</li>
<li>Calhoun, V. D., Adali, T., Pearlson, G. D., Pekar, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+method+for+making+group+inferences+from+functional+MRI+data+using+independent+component+analysis%5BTitle%5D)+AND+%22Human+brain+mapping%22%5BJournal%5D)">A method for making group inferences from functional MRI data using independent component analysis.</a> Human brain mapping. 14, 140-151 (2001).</li>
<li>Fransson, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting-state+networks+in+the+infant+brain%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Resting-state networks in the infant brain.</a> Proceedings of the National Academy of Sciences of the United States of America. 104, 15531-15536 (2007).</li>
<li>Supekar, K., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Developmental+maturation+of+dynamic+causal+control+signals+in+higher-order+cognition%3A+a+neurocognitive+network+model%5BTitle%5D)+AND+%22PLoS+computational+biology%22%5BJournal%5D)">Developmental maturation of dynamic causal control signals in higher-order cognition: a neurocognitive network model.</a> PLoS computational biology. 8, (2012).</li>
<li>Power, J. D., Barnes, K. A., Snyder, A. Z., Schlaggar, B. L., Petersen, S. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spurious+but+systematic+correlations+in+functional+connectivity+MRI+networks+arise+from+subject+motion%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Spurious but systematic correlations in functional connectivity MRI networks arise from subject motion.</a> Neuroimage. 59, 2142-2154 (2012).</li>
<li>Raschle, N. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Making+MR+Imaging+Child%27s+Play+-+Pediatric+Neuroimaging+Protocol%2C+Guidelines+and+Procedure%5BTitle%5D)+AND+%22%22%5BJournal%5D)">Making MR Imaging Child's Play - Pediatric Neuroimaging Protocol, Guidelines and Procedure.</a> (29), (2009).</li>
<li>Morton, J. B., Bosma, R., Ansari, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-related+changes+in+brain+activation+associated+with+dimensional+shifts+of+attention%3A+an+fMRI+study%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Age-related changes in brain activation associated with dimensional shifts of attention: an fMRI study.</a> Neuroimage. 46, 249-256 (2009).</li>
<li>Ezekiel, F., Bosma, R., Morton, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dimensional+Change+Card+Sort+performance+associated+with+age-related+differences+in+functional+connectivity+of+lateral+prefrontal+cortex%5BTitle%5D)+AND+%22Developmental+Cognitive+Neuroscience%22%5BJournal%5D)">Dimensional Change Card Sort performance associated with age-related differences in functional connectivity of lateral prefrontal cortex.</a> Developmental Cognitive Neuroscience. , (2013).</li>
<li>Calhoun, V. D., Kiehl, K. A., Pearlson, G. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+temporally+coherent+brain+networks+estimated+using+ICA+at+rest+and+during+cognitive+tasks%5BTitle%5D)+AND+%22Human+brain+mapping%22%5BJournal%5D)">Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks.</a> Human brain mapping. 29, 828-838 (2008).</li>
<li>Allen, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+baseline+for+the+multivariate+comparison+of+resting-state+networks%5BTitle%5D)+AND+%22Front+Syst+Neurosci%22%5BJournal%5D)">A baseline for the multivariate comparison of resting-state networks.</a> Front Syst Neurosci. 5, (2011).</li>
<li>Calhoun, V. D., Liu, J., Adali, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+group+ICA+for+fMRI+data+and+ICA+for+joint+inference+of+imaging%2C+genetic%2C+and+ERP+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">A review of group ICA for fMRI data and ICA for joint inference of imaging, genetic, and ERP data.</a> Neuroimage. 45, (2009).</li>
<li>Allen, E. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+whole-brain+connectivity+dynamics+in+the+resting+state%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Tracking whole-brain connectivity dynamics in the resting state.</a> Cerebral Cortex. , (2012).</li>
</ol>

אין אינטרסים כלכליים מתחרים.

פעולות נפשיות מסדר גבוה, כגון היכולת לעבור כללי מיון, לפתח במהירות לאורך כל ילדות ובגיל התבגרות. מכיוון שפעולות מנטליות אלה כרוכים אינטראקציות בין אזורים במוח מבוזרים רבים, יש עניין גובר והולך בחקר הקשר בין ההתפתחות של הכרה מסדר גבוה והקשורות לגיל שינויים בארגון של רשתות בקליפת המוח בקנה מידה רחבה. אנו מציגים שיטה המבוססת על ניתוח מרכיבים עצמאי קבוצה מוחל על נתוני ה-fMRI המבוסס על משימות כאמצעי לבחינת קשר זה באופן ישיר. <p class="jove_content" style=";text-align:right;directio...

היכולת לווסת התנהגות מתפתחת בהדרגה בילדות ובגיל התבגרות (לסקירה, ראה 1 יהלומים). במשימת מיון שינוי כרטיס ממדים, למשל, משתתפים לעבור ממיון כרטיסי דרך אחת, כגון צורה, למיונם בצורה שונה, כגון צבע 2 (ראה איור 2). מיתוג גובה מחיר קטן ביצועים, או עלות בורר, כך שתגובות הן בדרך כלל איטיות יותר ויותר מועדת לטעויות בניסויי מתג שבו כלל מיון השינויים לעומת לחזור על ניסויים שבו שלטון המיון נשאר זהים 3. סדר הגודל של עלויות אלה בדרך כלל מקבל קטן כמו ילדים מתבגרים 4, הממחיש את העובדה שהיכולת לויסות התנהגותי עוברת המשיכה בפיתוח בשלב מוקדם בחיים. מכיוון שפעולות מנטליות מורכבות, כגון מיתוג, כוללות אינטראקציות מהירים בין אזורים במוח המרובים 5, יש עניין הולך וגובר בrelating הפיתוח של הכרה מסדר גבוה לשינויים בארגון הפונקציונלי של רשתות בקליפת המוח רחב היקף 6. גישה אחת לחקירת שינוי התפתחותי ברשתות רחב היקף היא באמצעות השימוש של 6,7 ניתוח קישוריות התפקודי המבוסס על זרעים. הצעד הראשון בטכניקה זו הוא להתייעץ עם ספרות מחקר זמינה ולהגדיר אזורים מראש של ריבית, או ROIs, נראים שכדי להיות רלוונטי להתנהגות בשאלה. ROIs אלה, או צמתים, להגדיר את השלד הבסיסי של הרשת. בשלב הבא, תנודות בתדירות נמוכה בפעילות (או T2 * משוקללת עוצמת אות) בROIs אלה נמדדים ל5-10 דקות ואילו משתתפים הם במנוחה בסורק ה-MRI. קישוריות פונקציונלית בין כל שני צמתים ברשת לאחר מכן לכמת כמתאם של קורסי הזמן שלהם בהתאמה. צמתים שהם מאוד מחוברים מבחינה תפקודית צריכים דומים, ולכן מאוד מתואמים, אותקורסי זמן. מצד השני, בלוטות, כי הם חלשים מחוברים מבחינה תפקודית צריכים שונות ובכך קורלציה חלשה, לאותת קורסי זמן. כדי להשלים את המודל של הרשת, קצוות (או קישורים) נמשכים בין הצמתים קורסים שזמנו לתאם מעל לסף שנבחר. מבחנים להבדלים הקשורים בגיל בקישוריות תפקודית בתוך רשת ניתן לבצע על כל חיבור יחיד צומת לצומת, או על הטופולוגיה של כל הקבוצה של צמתים וקצוות. הבדלים אלה בקישוריות תפקודית אז יכולים להיות קשורים למדדים של תפקוד הקוגניטיבי שנאספו במצב לא מקוון. במאמר זה, בגישה שונה מתוארת, המבוססת על ניתוח מרכיבים עצמאי קבוצה של נתוני ה-fMRI מבוסס משימת 8. ניתוח עצמאי רכיב (או ICA) הוא הליך סטטיסטי לעיוורון חושף מקורות נסתרים שבבסיס סדרה של תצפיות כך שהמקורות חשפו הנן בלתי תלויים באופן מקסימאלי. פניתי לניתוח של נתוני ה-fMRI, עמ &#39;rocedure מניח שכל כרך הוא תערובת של מספר סופי של מקורות במרחב עצמאיים. שימוש באחד ממגוון של אלגוריתמים שונים, כגון אלגוריתם infomax, ICA אז מעריך מטריצת unmixing, שכאשר הוא מוחל על הנתונים המקוריים מניבה סט של מקורות עצמאיים מקסימאלי, או רכיבים. כל רכיב יכול להיות מחשבה של כ רשת, ככל שהיא מורכבת מסדרה של voxels שחולקים כמובן זמן משותף. הקבוצה ICA הוא סוג מסוים של יק&quot;א שבמערך משותף של רכיבי קבוצה מוערך ראשון ממערכת הנתונים כולו, ולאחר מכן סטי משתתף ספציפי של רכיבי הקבוצה מחושבים בצעד אחורה, שיקום. ברגע שמערכת הנתונים כולו מפורקת לאוסף של רכיבים, הצעד הבא הוא לבטל רכיבי artifactual המייצגים את מקורות רעש, ולזהות מרכיבים משמעותיים באופן תיאורטי, כי להתכתב עם רשתות של עניין. זו יכולה להיות מושגת גם על ידי קורסי זמן רכיב דוגמנות בהקשר של GLM לIDEntify רשתות המפעילות באופן חזה, מרחבית מקשר רכיבים עם תבנית של רשת של עניין, או שניהם. הקבוצה של רכיבים וכתוצאה מכך לאחר מכן ניתן להגיש להשוואת קבוצה כדי לבחון הבדלים הקשורים לגיל אפשריים בקישוריות תפקודית בתוך רשתות מעניינות באופן תיאורטי 7,9,10. יש נתונים fMRI המבוססים על משימות לימוד הקשורות לגיל שינויים בקישוריות תפקודית באמצעות היישום של ICA קבוצה למספר יתרונות על פני היישום של טכניקות המבוססים על זרעים לנתוני ה-fMRI-נחה מדינה. ראשית, טכניקות המבוססים על זרעים שלא כמו המתמקדות בקבוצה קטנה של ROIs פריורי מוגדר, הגישה הרשפ&quot;ת קבוצה הנוכחית מנצלת כל voxels הכוללים סדרת נפחית זמן. זה מפחית הזדמנויות להטיה שבהכרח להתעורר כאשר קבוצה קטנה של זרעים שנבחרו מראש כאזורים של עניין. שנית, החלת אנליזה פונקציונלית קישוריות (מבוסס ICA או אחר) למשימהולא נתוני ה-fMRI-נחה מדינה יש את היתרון של שמאפשר ארגון רשת ופונקציית רשת להיות קשור באופן ישיר יותר. אם, למשל, בוחנים את ההשלכות קוגניטיביות או התנהגותיות של קישוריות תפקודית (כגון שינוי בביצועי DCCS) הוא בראש סדר עדיפויות, חשוב להראות שהרשת של עניין קשורה לביצוע משימה. עם פרוטוקולים-מנוחת מדינה, זה קשה מאוד, כי החוקר אין שום תיעוד של כל מצבים קוגניטיביים, התנהגותיים, רגשיים או חוו על ידי המשתתף במהלך רכישת נתונים. לכן זה בלתי אפשרי לספק הוכחה ישירה שכל רשת של עניין היא רלוונטית לביצוע משימה. לעומת זאת, כאשר ניתוח קישוריות פונקציונלי, כגון ICA, מוחל על משימת נתונים, זה אפשרי כדי לוודא שהרשת של ריבית לפחות קשורים לביצועים של משימה. לבסוף, ICA הוא פחות נתון להשפעה השלילית של רעש. מקורות רעש, כגון שנינות הקשורים אלהתנועת נושא שעות וקצב הלב, יש פרופילי מרחב ובזמן ייחודיים. לכן, בהקשר של ICA קבוצה, מקורות אלה מבודדים ומוקצים לרכיבים נפרדים, והשאירו את הרכיבים שנותרו חופשיים יחסית של מקורות לא רצויים אלה של שונות. מכיוון שניתוחים המבוססים על זרעים להשתמש קורסי זמן גלם בהערכה של קישוריות פונקציונלית, וקורסי זמן הם, בהגדרה, תערובות של אות נוירופיזיולוגיות ורעש artifactual, הבדלים בין קבוצות באומדני קישוריות תפקודיות יכולות לשקף את ההבדלים בין קבוצות אמיתיים בנוירופיזיולוגיה בסיסית, הבדלים בין קבוצות ב המבנה של רעש, או שניהם 11.

<table><tbody><tr><td>SPM8</td><td>The MathWorks, Inc.</td><td>₪2013א</td><td></td></tr></tbody></table>

שיטה לחקירת הבדלי גיל הקשורים בקישוריות התפקודית של קוגניטיבית בקרת רשתות הקשורים למיון כרטיס שינוי ממדי ביצועים

A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance

היכולת להתאים את ההתנהגות לשינויים פתאומיים בסביבה מתפתחת בהדרגה בילדות ובגיל התבגרות. לדוגמא, במשימת מיון שינוי כרטיס ממדים, המשתתפים לעבור ממיון כרטיסי דרך אחת, כגון צורה, למיונם בצורה שונה, כגון צבע. התאמת התנהגות בדרך זו גובה מחיר קטן ביצועים, או עלות בורר, כך שתגובות הן בדרך כלל איטיות יותר ויותר מועדת לטעויות בניסויי מתג שבו כלל מיון השינויים לעומת לחזור על ניסויים שבו שלטון המיון נשאר אותו הדבר. היכולת להתאים את ההתנהגות גמישה הוא אמר לעתים קרובות לפתח בהדרגה, בין שאר בשל עלויות התנהגותיים כגון עלויות בורר בדרך כלל ירידה עם עלייה בגיל. למה היבטים של הכרה מסדר גבוה, כגון גמישות התנהגותית, לפתח ולכן נשאר שאלה פתוחה בהדרגה. השערה אחת היא שהשינויים הללו מתרחשים בשיתוף עם שינויים תפקודיים ברשתות שליטה קוגניטיבית רחב היקף. על פי השקפה זו,פעולות מנטליות מורכבות, כגון מיתוג, כוללות אינטראקציות מהירים בין כמה אזורים במוח מבוזרים, כוללים אלה שהעדכון ולשמור על כללי משימה, תשומת לב מחדש מזרח, והתנהגויות נבחרות. עם פיתוח, קשרים פונקציונליים בין האזורים אלה לחזק, מה שמובילים למהירים יותר ופעולות מיתוג יעילים יותר. הווידאו הנוכחי מתאר שיטה של ​​בדיקת השערה זו באמצעות ניתוח הגבייה ומשתנה של נתוני ה-fMRI ממשתתפים בגילים שונים.

הרשפ&quot;ת קבוצה, גם בקבוצת נתוני fMRI קטנה יחסית, תחזור קבוצה של רכיבים דומים לאלו שנצפו במחקרים אחרים. איור 4 היא חפיפה של 5 רכיבים כאלה והקורסים הקשורים זמנם צרוף ממדגם של 12 ילדים ומבוגרים 13 , עם כ 800 כרכים למשתתף. כפי שניתן לראות באיור 4, במצב ברירת מחדל, fronto-הקודקודית, יכולה בקלות לראות רשתות cingulo-מבודד, וחזותי מהתוצאות של פירוק זה. כמו כן, שימו לב כמה זה קל להבחין בעיצוב הבלוק בקורסים של המרכיבים החזותיים ומצב ברירת מחדל של הזמן. <...

סרטון זה מציג שיטה של ​​בחינה הקשורות לגיל שינויים בקישוריות תפקודית של רשתות שליטה קוגניטיבית עוסקות במשימות / תהליכים ממוקדים. הטכניקה מבוססת על ניתוח רב משתנה של נתוני ה-fMRI.

The ability to adjust behavior to sudden changes in the environment develops gradually in childhood and adolescence. For example, in the Dimensional ...

המטרה הכוללת של הליך זה היא לזהות רשתות מוחיות הקשורות למעבר בין משימות (task switching) ולבחון הבדלים תלוי-גיל בקישוריות התפקודית של רשתות אלו. דבר זה מושג תחילה על ידי איסוף נתוני FMRI מילדים ומבוגרים בעת ביצוע משימת מיון כרטיסים של שינוי ממדי (dimensional change card sort task). לאחר עיבוד מקדים של הנתונים, הנפחים התפקודיים מפורקים לקבוצה של מקורות או רכיבים בלתי תלויים מבחינה סטטיסטית.המרכיבים הרלוונטיים לתפקוד ניהולי ולביצועי המטלה נבחרים באמצעות התאמה לתבנית (template matching) ומודל ליניארי, בהתאמה. השלב הסופי הוא לקבוע האם הקישוריות התפקודית בתוך המרכיבים שנבחרו שונה בין מבוגרים לילדים. בסופו של דבר, ניתן להשתמש בניתוחי FMRI המבוססים על ICA כדי לזהות רשתות הקשורות למעבר בין מטלות ולבחון הבדלים תלויי גיל בארגון התפקודי של רשתות אלו.היתרון המרכזי של טכניקה זו על פני טכניקות קיימות, כגון ניתוח קישוריות תפקודית במצב מנוחה, הוא שהיא מספקת אמצעי לאפיון מדויק של תפקודן של רשתות קורטיקליות. שיטה זו יכולה לסייע במתן תשובות לשאלות מפתח בתחום מדעי המוח הקוגניטיביים ההתפתחותיים, כגון השאלה האם רשתות קורטיקליות רחבות המעורבות בפעולות קוגניטיביות ברמה גבוהה, כגון החלפת משימות, עוברות ארגון תפקודי מחדש במהלך ההתפתחות. כדי להתחיל, רכשו נתוני FMRI לפי נהלים המתאימים לילדים צעירים; הגבילו משתנים מתערבים לא רצויים על ידי אימון מוקדם של המשתתפים במתקן סורק מדמה, וכאשר תהיו מוכנים, יישמו גרסה של ניסיונות חוזרים עבור משימת מיון כרטיסים לפי שינוי ממדי.כל הרצה כוללת שני בלוקי החלפה של שמונה ניסיונות ושני בלוקי חזרה של שמונה ניסיונות, כאשר בלוקי ההחלפה מורכבים מארבעת ניסיונות החלפה וארבעת ניסיונות חזרה, ובלוקי החזרה מורכבים משמונה ניסיונות חזרה. לאחר איסוף הנתונים, עובדו מראש נתוני ה-FMRI לפי נהלי עיבוד מקדים סטנדרטיים של FMRI. ראשית, הורד והתקן את gif, ארגז כלים של group ICA הפועל יחד עם SPMA, חבילת ניתוח FMRI מוכרת. לאחר ההורדה, הוסף את ארגז הכלים gif ואת כל תתי-הספריות לנתיב החיפוש של MATLAB ושמור את קובץ הנתיב. חישוב group ICA על נתוני FMRI באמצעות gif דורש משאבים משמעותיים מזיכרון ה-RAM.כדי למנוע בעיות זיכרון, מומלץ להריץ את ניתוח ה-ICA בשרת. אם מריצים את הניתוח במחשב מקומי, ניתן להעריך את דרישות ה-RAM באמצעות סקריפט שמהווה חלק מ-gif להגדרת פרמטרי הניתוח, על ידי שינוי סקריפט batch קיים בשם Input data subjects one M המאוחסן ב-gif תחת ICAT B batch files. ניתן לבצע זאת גם באמצעות ממשק המשתמש הגרפי של gif.עם זאת, עם מעט תרגול, קל הרבה יותר להגדיר את הניתוח על ידי שינוי של סקריפט קיים זה. לאחר מכן, הגדירו את מודליות הנתונים. עבור FMRI הגדירו את סוג הניתוח כ-ICA כדי להריץ את ה-ICA באמצעות פרוצדורת I Casso.בחר own "two" תחת סוג הניתוח (type of analysis) ולאחר מכן הגדר את הפרמטרים של הליך I Casso בשורות הבאות של קובץ ההגדרות. כדי למקסם את ביצועי ה-group PCA, בחר אפשרות אחת תחת הגדרות ביצועי group PCA כדי לאפשר מיון מתוך מטריצת עיצוב SPM סטנדרטית; ציין אם קיימות מטריצות שונות עבור נבדקים שונים. לאחר מכן, ציין היכן מאוחסנים הנתונים הפונקציונליים שעברו עיבוד מקדים, והאם קובץ spm.mat המכיל את מטריצת העיצוב מאוחסן יחד עם הנתונים הפונקציונליים שעברו עיבוד מקדים.אם לכל משתתף יש מספר הרצות זהה, בחרו באחת עבור שיטה אחת. תחת האפשרות לבחירת שיטת הנתונים, השלימו את תבנית קובץ ההנחיה למקור הפרמטרים, הדגל והמיקום על ידי הכללת נתיב הקובץ שבו מאוחסנים הנתונים, פורמט הקובץ של הנתונים והצהרה המציינת שסשנים בודדים מאוחסנים כתתי-ספריות בתוך תיקיית כל נבדק; ציינו את הספריה שבה ייכתב פלט הניתוח. זו לא צריכה להיות אותה ספריה שבה מאוחסנים הנתונים.השלב הבא הוא לספק קידומת שתוסף לכל קבצי הפלט. לאחר מכן, ספקו נתיב לקובץ של מסכה. לכל הפחות, המסכה צריכה להסיר את הגולגולת, את החלל החוץ-מוחי ובמיוחד את גלגלי העיניים, כפי שמוצג כאן.שימו לב שבדוגמה זו קיימות עדויות שיריות של גלגלי העיניים. דבר זה יוביל לפירוק ICA שאינו אופטימלי ויש להימנע ממנו עבור סוג ה-PCA הקבוצתי שיש להשתמש בו. בחרו נבדק ספציפי כדי לקבל את מהלך הזמן הטוב ביותר.בחר ב-GICA כשיטה לשחזור אחורי. בעת בחירת סוג עיבוד מקדים לנתונים, השתמש בנורמליזציה של עוצמה (intensity normalization) כדי למנוע ערכים שאינם מספריים בפלט. בדוגמה זו, נבחר ערך ברירת המחדל של one.בחרו את סוג ה-PCA הסטנדרטי והקבילו את ערכי ברירת המחדל תחת אפשרויות ה-PCA. לאחר מכן, הגדירו כמה פעמים להריץ PCA על הנתונים לפני ה-ICA. בנוסף, הגדירו כמה רכיבים להשאיר לאחר כל PCA, השתמשו בנרמול Z-score לדירוג הנתונים, ובחרו אלגוריתם להפרדת מקורות עיוורת (blind source separation) עבור ה-ICA בעבודה זו.Infomax שימש לאחר השלמת ה-ICA. יש לבחור רכיבים בעלי עניין תיאורטי פוטנציאלי להמשך בחינה. ניתן לבחור במיון מרחבי כדי למיין רכיבים באמצעות קורלציה מרחבית עם תבנית קיימת, בעוד שמיון זמני מבצע מיון זמני.מהלכי הזמן של הרכיבים באמצעות מנבאים לינאריים ממטריצת התכנון של ה-SPM. עם השלמת הניתוח, בדקו האם הגרסאות של ילדים ומבוגרים של הרכיבים הנבחרים שונות. מוצג כאן תוצאות של פרוצדורת ICAS O שיושמה על ICA עם 60 רכיבים.כל נקודה ממוספרת מייצגת רכיב אחד. הנקודות השחורות מייצגות פירוקי ICA שונים של אותם נתונים עם גרעינים אקראיים (random seeds) שונים. באופן אידיאלי, תוצאות מפירוקים שונים, הנראות כאן כנקודות שחורות שונות, צריכות להתרכז בצפיפות סביב הנקודות הממוספרות.דבר זה מעיד על אמינות טובה של הפירוק. תבנית הבקרה המובילה (executive control template) והמרכיב הפריאטלי-פרונטלי ימני שנבחר מוטלים על פרוסות זהות מסריקה אנטומית ברזולוציה גבוהה ונראים דומים למדי. קישוריות תפקודית הייתה חזקה יותר בקליפת המוח הפרה-פרונטלית המדיאלית, באזור הסגמנטלי הוונטרלי, ובקליפת המוח הפרה-פרונטלית הדורסלית והפריאטלית התחתונה של מבוגרים בהשוואה לילדים.בעת ביצוע פרוצדורה זו, חשוב לזכור לבדוק את התוצאות בכל שלב של הניתוח. שגיאות קטנות יצטברו בהמשך ויובילו לתוצאות שאינן ניתנות לפירוש.בעקבות הליך זה, ניתן לבצע שיטות אחרות, כגון ניתוח קישוריות רשת תפקודית (functional network connectivity analysis), כדי לענות על שאלות נוספות, כגון האם אינטראקציות תפקודיות בין רכיבים משתנות כפונקציה של דרישות המטלה או גיל המשתתף.

a-method-for-investigating-age-related-differences-functional

Research

JoVE Journal

Behavior

התנהגות

מטרת המחקר שלנו היא לקשר בין התנהגות לפעילות המוח. אמצעים התנהגותיים מדויקות וטכניקות הדמיה מאפשר לנו להבהיר את המוח והתנהגות יחסים.

התאמת תגובות התנהגותיות לאותות-fMRI של קליפת המוח הקדם חזיתית האנושי: בחינת תהליכים קוגניטיביים באמצעות ניתוח משימה

בדקנו את השימושיות של יישום מבוסס מחשב לוח מחשב (EmoCogMeter) בחוקר את ההשפעות של גיל על קוגניציה. תוצאות מראות ירידה קוגניטיבית הקשורה לגיל, ובכך להוכיח את השימושיות של היישום שלנו. ממצאים מדגישים את הפוטנציאל קליני ומעשי הגדול של יישום מבוסס Tablet לאיתור וניטור של תפקוד קוגניטיבי.

הערכה של שינויים הקשורים בגיל בתפקודים קוגניטיביים באמצעות EmoCogMeter, גישה החדשנית Tablet-מחשב מבוסס

נשקלת העברת פרדיגמה עם היסטוריה של שימוש בניסויי EEG לניסוי fMRI. הוכח כי מניפולציה של דרישות המשימה במטלת הכדור המוזר הוויזואלי הביאה לדפוסים שונים של הפעלת BOLD והדגימה כיצד עיצוב המשימה חיוני בניסויי fMRI.

העברת משימות קוגניטיביות בין שיטות הדמיה מוחית: השלכות על המשימה עיצוב ותוצאות פרשנות בfMRI לימודים

מאמר זה מתאר את מבחן 4 ההרים (4MT), מבחן תלוי היפוקמפוס של זיכרון מרחבי אלוצנטרי עובד. ההיפוקמפוס מושפע בשלב מוקדם של מחלת אלצהיימר (AD) ומאמר זה מתאר את מתודולוגיית 4MT ואת תוצאות בדיקות המטופלים, המדגימים את הערך של 4MT באבחון של אלצהיימר טרום-דמנציה.

4 הרי מבחן: בדיקה קצרה של זיכרון מרחבי עם רגישות גבוהה עבור אבחון של דמנציה קדם מחלת אלצהיימר

כתב יד זה מתאר כיצד ליישם ניתוח האינטראקציה פסיכופיזיולוגיות לגלות שינויים תלויי-פעילות פונקציונלית קישוריות בין אזור שנבחר זרע voxels באזורים אחרים של המוח. ניתוח האינטראקציה פסיכופיזיולוגיות הוא שיטה פופולארית לבחון השפעות פעילות על חיבוריות במוח, נבדל univariate מסורתי הפעלת אפקטים.

ניתוח אינטראקציות בין פסיכופיזיולוגיות מוכללת (PPI) של זיכרון הקשורות קישוריות אצל אנשים בסיכון גנטית למחלת אלצהיימר

בהתבסס על מצב נח הדמיית תהודה מגנטית תפקודית עם ניתוח סיבתיות גריינג'ר, חקרנו את השינוי בקישוריות פונקציונלי מכוונת בין בקליפת cingulate האחורי ואת כל המוח בחולים עם מחלת אלצהיימר (AD), בחולים עם ליקוי קוגנטיבי מתון (MCI) ופקדים בריא.

היישום של גריינג'ר ניתוח סיבתיות של חיבור פונקציונלי מכוונת מחלת אלצהיימר, ליקוי קוגנטיבי מתון

מטרת הגישה המתוארת היא כדי לקבוע איזה רגעים של הפרדיגמה (פרספקטיבה טמפורלית), ובין האזורים (פרספקטיבה מרחבית), reconfigurations משמעותית בקישוריות פונקציונלי מתרחשות על הדמיית תהודה מגנטית תפקודית הקלטות שבמהלכו גירוי נעול זמן הוא שיחק.

קישוריות פונקציונלי בין נושא דינאמי חושף בתצורות רשת--לרגע המוח מונע על ידי רציף או תקשורת פרדיגמות

מאמר זה מציג גישה אינטגרטיבית לחקר הרשת התפקודית לניווט מרחבי במוח האדם. גישה זו משלבת מסד נתונים מטא-אנליטי בקנה מידה גדול של דימות מוחי, דימות תהודה מגנטית תפקודי במצב מנוחה, מידול רשת וטכניקות גרפיות-תיאורטיות.

מידול הרשת התפקודית לניווט מרחבי במוח האנושי

אנו מדגימים כיצד יכול להיות מועסקות מידה אובייקטיבית בפרדיגמה האשליה יד הגומי נרחב המועסק. צעד זה מתקבל על ידי שינוי משימת congruency crossmodal המבוססת היטב. משימה זו מאפשרת חקירה של תהליכים חושיים אשר הם קריטיים לויסות של ייצוגי גוף כמו ביד האשליה הגומי.

משימת קונגרואנסי Crossmodal כאמצעי להשיג מדוד התנהגות אובייקטיבי בפרדיגמה האשליה יד גומי

אנו דנים בשיטה חדשה לסיבוב נקודת מבט של גירויים חזותיים, ומדגימים באמצעות סטריאוסקופ מראה את התפיסה התלת-ממדית של סיבוב לעומק. ניתן להשתמש בטכניקה כדי לחקור את תפקידם של רמזים סטריאוסקופיים בקידוד דמויות מסובבות מנקודת מבט.

מדידת רגישות לשינוי נקודת מבט עם ובלי רמזים סטריאוסקופיים

חקור רשתות קוגניטיביות הקשורות להחלפת משימות באמצעות ניתוח ICA של נתוני fMRI. השיטה מאפשרת לזהות הבדלי קישוריות תפקודית בין מבוגרים לילדים וללמוד על ארגון מערכות הבקרה הקוגניטיבית.

שיטה לחקירת הבדלי גיל הקשורים בקישוריות התפקודית של קוגניטיבית בקרת רשתות הקשורים למיון כרטיס שינוי ממדי ביצועים

גלה סרטונים נוספים