アイトラッカーと脳波システムと組み合わせた視空間計画課題

Summary

脳波と視線追跡システムを組み合わせた認知計画の研究は、ヒトの認知制御と目標指向行動を媒介する神経メカニズムを調査するためのマルチモーダルなアプローチを提供します。ここでは、脳の振動と眼球運動がパフォーマンスの計画に果たす役割を調査するためのプロトコルについて説明します。

Abstract

目標を達成するための組織的な計画を策定する能力を特徴とする計画プロセスは、人間の目標指向の行動に不可欠です。いくつかの神経精神疾患では計画が損なわれるため、計画を検討するための適切な臨床および実験的テストの実施が重要です。計画の展開の性質上、複数の認知領域が関与するため、計画の評価と行動パラダイムの設計とニューロイメージング法の組み合わせは、認知神経科学における現在の課題です。計画課題は、27人の健康な成人参加者の脳波(EEG)システムと眼球運動の記録と組み合わせて評価されました。計画は、一連のステップが内部的に表されるメンタルプランニングステージと、以前に計画された目標を達成するために運動アクションが使用される実行ステージの2つのステージに分けることができます。私たちのプロトコルには、計画タスクと制御タスクが含まれていました。計画作業には、それぞれが動物園の地図を表す36の迷路の試行を解くことが含まれていました。タスクには4つの期間がありました:i)計画、被験者は一連のルールに従って4匹の動物の場所を訪れる道を計画するように指示されました。ii)被験者が計画された経路を作業記憶に保持しなければならなかった場合のメンテナンス。iii)被験者が眼球運動を使用して、アイトラッカーシステムによって示された以前に計画された経路をトレースする実行。iv)被験者が訪問した動物の順序を報告した場合の応答。制御タスクも同様の構造を持っていましたが、タスクの目標を変更することで認知計画の要素が削除されました。脳波の空間的および時間的パターンは、計画が時間の経過とともに前頭正中線シータ活動(FMθ)の緩やかで持続的な上昇を誘発することを明らかにしました。この活動の源は、源泉分析によって前頭前野内で特定されました。その結果、脳波とアイトラッカーシステムを組み合わせた実験パラダイムが認知計画の評価に最適であることが示唆されました。

Introduction

過去10年間、振動神経ダイナミクスが認知と行動の両方に及ぼす影響を調べるために、広範な研究が行われてきました。これらの研究は、特殊化された皮質領域と広範囲にわたる皮質領域との間の周波数特異的な相互作用が、認知と認知制御において重要な役割を果たすことを立証した^1,2,3。このアプローチは、脳活動のリズミカルな性質を強調しており、大規模な皮質ダイナミクスを調整し、認知処理と目標指向行動を支えています^4,5。脳内のリズミカルな振動が、知覚⁶、アテンティオ^7、8、9、意思決定¹⁰、記憶再活性化¹¹、作業記憶¹²、認知制御¹³など、さまざまな認知プロセスに関与していることを示す実質的な証拠があります。目標指向の行動を導くために、さまざまな振動メカニズムが提案されており、過渡的な大規模な周波数特異的ネットワークが認知処理のフレームワークを提供しています^1,14,15。例えば、最近の知見は、脳内の特定の周波数帯域がスパイク活動を調節するフィードバックメカニズムを反映している可能性があることを示唆しており、皮質の興奮性と行動16,17,18を生成するためのスパイクタイミングを調整するための時間的参照フレームを提供している。レビューはHelfrichとKnight¹⁹によって提供されています。

この一連の証拠は、前頭前野(PFC)が計画タスクのコンテキストと関連する行動関連ルールをどのようにコード化するかについて疑問を提起します。PFCは、それが生成する神経活動の振動パターンを通じて認知制御と目標指向行動をサポートし、遠隔脳領域の神経活動を選択的にバイアスし、大規模なニューラルネットワーク²⁰の情報の流れを制御すると長い間考えられてきた。さらに、局所的な同期性を示す地域は、地域間の活動に参加する可能性が高いことが提案されている21,22,23。特に、頭皮脳波(EEG)によって測定される皮質シータバンド(4-8Hz)振動は、広範なネットワーク¹³を介してトップダウン制御を送信するための潜在的なメカニズムとして提案されている。具体的には、ヒトにおけるシータバンド活動は、記憶の符号化と検索、作業記憶の保持、新規性検出、意思決定、およびトップダウン制御などの高レベルの認知プロセスを反映している12,24,25,26。

これに関連して、CavanaghとFrank¹³は、制御プロセスの2つの逐次的なメカニズム、すなわち制御の必要性の認識と制御の具体化を提案した。制御の必要性の認識は、内側前頭前皮質(mPFC)に由来する前頭正中線シータ(FMθ)活動によって示され得るが、これは、新規情報^27、28、29、相反する刺激反応要件³⁰、エラーフィードバック³¹、 およびエラー検出³²。これらのERPコンポーネントは、新規性、対立、罰、またはエラーの存在下での認知制御の増加の必要性を反映しており、正面正中線電極^{26、27、33、34、35、36、37、38、39、40}で記録されたシータバンドに共通のスペクトルシグネチャを示します^{。41、42、43、44}。

FMθ活動のEEG応答は、シータ周波数帯域²⁶における位相リセットと電力増強のパターンを示す。EEG法の空間分解能の点での制限にもかかわらず、FMθ活性が中帯状皮質(MCC)¹³によって生成されることを実証するために、さまざまな証拠源が収集されています。これらのシータダイナミクスは、mPFCのニューロンプロセスを調節する時間的枠組みとして機能し、その後、制御の強化を必要とするイベントに応じて増強される^{と考えられている26}。これは、ソース分析31,33,45,46,47、脳波および機能的磁気共鳴画像法(fMRI)の同時記録^48,49、およびヒト⁵⁰およびサル51,52,53の侵襲的脳波記録を通じて確立されています。

これらの観察結果から、前頭正中線シータは、計画中など、行動や結果に関する確実性が不足しているさまざまな状況で適応制御を実行するための普遍的なメカニズム、つまり共通言語として機能すると考えられています。このプロトコルで提案する行動パラダイムは、認知計画とその時間的および神経的特性を研究するために使用されてきました。認知制御のための様々なメカニズムが他のシナリオで報告されているが、現在のプロトコルは、計画とそれに関連する神経的および時間的特性⁵⁴の最近の記述を可能にしている。計画の認知過程は、二つの異なる段階から成り立っている:一連の計画の内部表現が展開される心的計画段階⁵⁵と、計画実行段階、すなわち、以前に計画された目標を達成するために一連の運動行動が実行される⁵⁶。計画には、作業記憶、注意制御、反応抑制など、実行機能のさまざまな要素の統合が必要であることが知られており、これらのプロセスの実験的操作と孤立した測定は困難である^57,58。

認知計画に関するニューロイメージング研究は、ロンドン塔59,60,61などの行動パラダイムを一般的に使用してきました。しかし、交絡因子を制御するために、認知計画の研究に使用される課題は限定的で人工的になり、予測的および生態学的妥当性が低下する可能性がある62,63,64,65。神経心理学の分野でこの問題を克服するために、現実世界の計画状況が生態学的課題として提案されてきた^62,63。Behaviour Assessment of the Dysexecutive Syndrome batteryのZoo Map Taskサブテストは、計画と組織スキルをより自然で適切な方法で測定します^64,66。このテストは、動物園の地図上の 12 か所のうち 6 か所を訪れるルートを計画する、鉛筆と紙のテストです。場所は、象小屋、ライオンケージ、休憩所、喫茶店など、通常の動物園で見つけることができる一般的な場所です。計画の異なるレベルを評価する2つの条件があります:i)定式化条件、被験者が選択した順序で6つの場所を訪問するルートを計画するように指示されますが、一連のルールに従っています。ii)実行条件、被験者が特定の順序で6つの場所を訪れ、一連のルールにも従うように指示されます。これら2つの条件は、構造化されていない問題(定式化)と適切に構造化された問題(実行)における計画スキルに関する情報を提供する⁶⁷。1つ目は、目標を達成するための論理的な戦略を被験者に開発する必要があるため、オープンな状況でのより要求の厳しい認知課題として提示されます。パスをトレースする前に、一連の演算子を考案する必要があります。そうしないと、エラーが発生する可能性があります。一方、実行条件は、特定の課せられた戦略に従うことを含む課題を解決するには、被験者が目標⁶⁶を達成するための定式化された計画の実施を監視することのみを必要とするため、より低い認知要求を必要とする。一方、ポルテウス迷路は、心理学の分野、特に認知心理学や神経心理学の分野ではよく知られた課題であり、問題解決や計画など、認知のさまざまな側面を評価するためのツールとして広く使用されてきた^68,69。Porteus Mazeタスクは、単純な視覚刺激分析から始まり、ますます難しくなる鉛筆と紙のタスクです。被験者は、交差するパスや行き止まりを避ける、できるだけ早く行動するなどのルールに従いながら、出発点から出口までの正しいパスを見つけてトレースする必要があります^{(いくつかの}オプションの中から)。道を引くときに分岐点が現れるたびに、被験者は目標に到達し、与えられたルール⁶⁹を破ることを避けるための決定を下します。

一般的に使用される生態学的タスクの限界と強みを考慮して、主に動物園マップタスク⁶⁶ とポルテウス迷路タスク⁶⁸に基づいて行動パラダイムを設計しました。行動パラダイムは、日常生活のシナリオにおける計画の認知プロセスを包含する4つの異なる段階で構成されています。これらの段階は次のとおりです:ステージ1、計画、参加者は地図上のさまざまな場所を訪問するルートを作成し、確立されたルールの遵守を確保する任務を負います。ステージ2、メンテナンス、参加者は計画されたルートをワーキングメモリに保持する必要があります。ステージ3の実行では、参加者は以前に計画したルートを描画し、その精度を綿密に監視して実行します。ステージ4の応答では、参加者は計画されたルート⁵⁴に従って訪れた動物の順序を報告します。私たちのパラダイムは、計画のさまざまな要素(ワーキングメモリ、エグゼクティブアテンション、視空間スキルなど)をより現実的な方法で反映するさまざまな段階を使用して、計画能力のさまざまなパラメーターの測定を可能にします。さらに、交絡因子を制御するために、パラダイムには、計画タスク構造と同等の刺激を備えた制御タスクが含まれ、計画にも関与する実行認知コンポーネントが関与しますが、計画プロセスコンポーネントは除外されます。これにより、電気生理学的マーカーと行動パラメータ⁵⁴の両方を比較するための計画プロセスコンポーネントの分離が可能になる。

さらに、アイトラッキングは、眼球運動を測定および分析するための非侵襲的な方法を提供することにより、認知神経科学研究に多大な貢献をしており、知覚、注意、および認知機能の根底にある認知プロセスと神経メカニズムに関する貴重な洞察を提供できます。アイトラッキングシステムでさまざまな種類の眼球運動を測定することで、計画に関与する認知プロセスと神経メカニズムに関する貴重な情報を得ることができます。例えば、次の側面を測定することができる:視覚情報が獲得される安定した視線の期間である凝視⁷⁰;サッケードは、視線をある場所から別の場所に移すために使用される急速な眼球運動です⁷¹。滑らかな追跡、これは、目が動いている物体をスムーズに追うことを可能にする眼球運動の一種である⁷²;マイクロサッケードは、固定中でも発生する小さくて急速な眼球運動です⁷³。まばたきは、目を滑らかに保ち、異物から目を保護するのに役立つ反射行動です⁷⁴。これらの眼球運動は、計画および認知制御のための重要な要素である視覚検索、注意配分⁷⁰、視覚追跡⁷²、知覚⁷³、および作業記憶⁷⁴に関与する認知プロセスへの洞察を提供することができる。

一方、青斑-ノルエピネフリン(LC-NE)系に関する最近の研究では、認知制御におけるその関連性のある役割が示されている⁷⁵。青斑遺伝子座(LC)は、大脳皮質、海馬、視床、中脳、脳幹、小脳、脊髄など、いくつかの脳領域に投射する76,77,61。特に密度の高いLC-NE神経支配は、認知制御に関連するPFC脳領域を受ける⁷⁵。さらに、いくつかの研究は、LCシステムの慢性的な活動亢進が、衝動性や不眠などの躁うつ病性障害の症状に寄与する可能性があることを示しています。対照的に、LC機能の慢性的な低下は、うつ病に苦しむ患者によく見られる特徴である感情表現の低下と関連している⁷⁸。刺激に対する座骨髄の過剰な反応は、ストレス障害または不安障害を持つ個人に過度の反応をもたらす可能性がある⁷⁹。したがって、LC-NEシステムの変化は、認知および/または感情調節不全の症状に寄与する可能性があります。非侵襲的な技術を使用して、座骨髄の活性を調べることができ、その1つは瞳孔径の変化であり、これは主に座骨髄から放出されるノルアドレナリンによって制御されます。ノルアドレナリンは、α-アドレナリン受容体を刺激することにより虹彩拡張筋に作用し、毛様体神経節に信号を送り、シナプス後α-2アドレナリン受容体の活性化を通じて虹彩拡張を制御するEdinger-Westphal核に作用する66,80,81,82。サルからの直接LCニューロン記録は、LC-NE活動、瞳孔径、および認知能力との関係を確認している⁸³。瞳孔の拡張は、いくつかの認知課題71,84,85,86,87における処理要求の増強に応答して繰り返し観察されている。

認知制御の電気生理学的マーカーをアイトラッキングと瞳孔記録と組み合わせることで、認知制御と計画が脳内でどのように実施されているかという重要な問題を解きほぐすことができるかもしれない。脳波とアイトラッカーシステムを組み合わせた当社のプロトコルを使用することの重要性は2つあります。一方で、認知制御は、正確な時間的関係における分布した脳活動の関与を必要とするようであり、これは脳ネットワーク機能を研究するための理想的な候補を構成します。一方、注意欠陥・多動性障害^88,89、大うつ病性障害^90,91、双極性障害⁹¹、統合失調症⁹²、前頭側頭型認知症93、前頭側頭型認知症⁹⁴など、さまざまな認知障害や神経精神障害の場合と同様に、これらの能力のいずれかに異常があると、正常な行動に深刻な影響を及ぼします.さらに、現在のプロトコルでは、アイトラッキングと脳波計を使用してLC-NEの活性と振動を比較するためのパラメータとして瞳孔測定を使用できます。これは、ヒトのLC-NE、瞳孔測定、および神経マーカーの間の理論的関係の証拠を提供するだけでなく、認知計画中にLC-NEシステムに関連する特性の発達軌道の追跡を可能にする可能性もあります。しかし、我々のモデルでは、計画中に特定の振動変化⁹⁵を引き起こす可能性のあるサッカードの特定のパターンがあるかどうかをテストすることに焦点を当てました。さらに、行動パラダイムの実行フェーズで計画の行動実行を検討する重要な部分として、アイトラッカーシステムを使用しました。

要約すると、このプロトコルは、さらなる基礎研究と最終的な臨床および治療応用の両方のプラットフォームとして機能する可能性のある脳ネットワークダイナミクスのテスト可能なモデルを作成する可能性があります。

Protocol

このプロトコルのすべての手順は、ポンティフィシア大学医学部の生命倫理委員会によって承認されました カトリカ・デ・チリ大学医学部、およびすべての参加者は、研究の開始前にインフォームド コンセント フォームに署名しました (研究プロジェクト番号: 16-251)。

1. 参加者募集

1. 視力が正常または正常に矯正された右利きの健康な成人(男性と女性)を募集し、包含/除外基準でスクリーニングします。
   注:この研究では、19歳から38歳までの27人の健康な個人で、流暢に話す人が募集されました。サンプルサイズは、統計的検出力の望ましいレベルによって異なる場合があり、年齢範囲は、対処する特定の研究課題によって異なる場合があります。私たちのプロトコルでは、Faul et ^al.96で説明されているように、統計的なWilcoxon符号順位検定、0.7の効果サイズ、0.05のアルファレベル、および0.95の検出力を考慮してサンプルサイズを計算しました。訓練を受けた心理学者によって適用されたMINI-International Neuropsychiatric Interview⁹⁷を使用して、参加者を包含/除外基準の観点から評価しました。左利きの個人はEEG活動の異なる地形分布を示す可能性があるため、EEG信号の変動性を減らすために右利きの被験者のみを募集します98,99,100。

2. 刺激の準備

1. 計画タスクでは、ベクトルグラフィックエディタソフトウェアを使用して一連の刺激を作成します( 資料の表を参照)。各刺激について、動物園のマップを表すグレースケールの迷路をデザインします。迷路の内側に、動物の場所に通じるゲートウェイといくつかの道を作ります(たとえば、この研究では、4つの動物の場所がありました、 図1を参照)。
   注:この研究では、36の迷路を作成し、各刺激が開始ゲート付きの動物園マップ、迷路上に位置する動物の4つの画像、およびいくつかのパスで構成されていました。迷路の小道は、動物の場所に通じている場合と通じていない場合があります。コントラストを抑えたグレースケール刺激の使用は、色覚の原因である網膜錐体の刺激を減らすため、瞳孔測定によく好まれます。この刺激の強調の変化により、瞳孔のサイズの変化をより敏感に測定することができ、これは覚醒状態や注意力の変化を反映していると考えられています。さらに、グレースケール刺激の使用は、個体間の色覚の違いによる測定のばらつきを減少させる¹⁰¹。
2. 最終課題で異なるレベルの複雑さを得るためには、確立された目標とルールに従って有効な解の数に基づいて刺激を分割します(特に、目標は動物の場所を訪れる道筋を計画することです)。有効な解の数は、ルールに従って計画できるパスの数を指します ( 図 2 とステップ 5.12.1 のルールを参照)。解決策が5つ以上ある刺激を「簡単」と分類し、解決策が5つ以下の刺激を「難しい」と分類します。次に、各カテゴリに同じ数の試行を作成します。
   注:あるいは、Domic-Siede et ^al.54 のために作成された刺激を著者に要求してください。すべての資料はご要望に応じて入手可能ですが、仕様はここで詳しく説明されています。この研究では、18の簡単な試験と18の難しい試験を作成しました。行動レベルと電気生理学的レベルでの難易度レベルの違いを評価することは、認知需要/認知努力/難易度を測定しているのか、認知計画の本質的な側面を測定しているのかを判断するのに役立つため、重要です(代表的な結果とディスカッションのセクションを参照)。
3. 制御タスクについては、計画タスクと同じ構造(評価期間、保守、実行、応答、 図2を参照)を使用し、計画タスク用に作成されたものと同じ刺激を使用しますが、ゲートから最後の場所まで、動物の場所のシーケンスを訪問するためのマークされたパスを表す描画線を追加します( 図1Bを参照)).マークされたパスを迷路のメインパスよりもわずかに暗い色にし、ルクスメーターを使用して低コントラストを評価します(手順2.4を参照)。
   注:この背後にある考え方は、両方の条件(計画タスクと制御タスク)の心理物理学的特徴をできるだけ類似させることです。迷路のトレースされたパスは、ルールに従うか従わないかのどちらかです(参加者に与えられた指示の詳細については、プロトコルのセクション5を参照してください)。この研究では、刺激の半分はルールに従って正しい訪問シーケンスを持っていましたが、残りの半分はエラーを示しました(同じパスを2回使用する、行き止まりを交差するなど、ステップ5.12.1とステップ5.12.3および 図2を参照)。
4. 被験者が使用するあご当てに配置されたルクスメーターを使用して (ステップ 4.5 とステップ 4.6 を参照)、画面から同じ距離で刺激の照度を評価します。各条件の各刺激はルクス値を生成します。各値を手動で記録して、さらに分析します。
   注意: 条件間で照度の違いは予想されません(手順4.6を参照)。それ以外の場合は、刺激のコントラストを確認してください。これは、瞳孔の直径が¹⁰² を測定する場合に関連します。
5. ベクトルグラフィックエディタ( 資料の表を参照)を使用して、正しいフィードバックを表す1つの刺激(正しい場合は親指を立てる)と誤ったフィードバックを表す別の刺激(正しくない場合は親指を下にする)も作成します(図2)。

図1:実験および制御課題の刺激。 (A)計画と(B)制御タスク刺激の例が示されています。刺激は、ゲート、異なる場所にある4つの動物の位置、およびいくつかのパスで構成される動物園の地図を表しています。両方の条件の刺激は類似していました。唯一の違いは、制御タスクの場合、(B)刺激には、既存の経路を示すマークされた線(ここでは説明のために黒い線)があったことです。実際の制御刺激のこの線はわずかに暗く、照度によって制御されるコントラストが低くなりました(ステップ2.4を参照)。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

図2:実験計画。 (A)タスク試行の計画。この状態での試験は、3秒の固定クロスから始まりました。次に、参加者は、一連のルール(最大10秒)に従って、4つの動物の場所すべてを訪れる経路を計画するように指示されました。次に、シフトした固定十字が現れ(3秒)、続いて再び迷路が現れました。この期間 (実行) では、被験者は、視線の動きをリアルタイム (暗い線) (最大 10 秒) で描写するオンライン視覚フィードバック (アイトラッカー システムによって提供) を使用して、前の計画期間に計画されたトレースを実行する必要がありました。その後、応答期間に、被験者は、訪問した動物を順序付けて、実行中に行われた順序を報告しなければなりませんでした。彼らの回答によると、フィードバックが配信されました。(B)コントロールタスクの試行。この状態での試験は、3秒の固定クロスから始まりました。次に、トレースされたパス(暗い線)がルールに従っているかどうかを評価するように参加者に指示されました。次に、シフトした固定十字が現れ(3秒)、続いて再び迷路が現れました。この期間中、被験者は、計画実行期間(最大10秒)のように、オンラインの視覚的フィードバックを使用して、すでにトレースされたパスを再描画する必要がありました。その後、応答期間に、被験者は、トレースされたシーケンスが以前に述べられたルールに従っているかどうか(はいまたはいいえ)に答えなければなりませんでした彼らの応答に従って、フィードバックが配信されました。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

3. 計画と制御タスクのプログラミング

1. 刺激提示/行動実験ソフトウェアを使用して、Zoo Map Task⁶⁶ と Porteus Maze⁶⁸に基づいて計画タスク パラダイムをコーディングするスクリプトを作成します ( 資料表 と 補足ファイルを参照)。
   1. セクション 2 とセクション 4 で説明したのと同様の構造を持つ 2 つの条件 (計画条件と管理条件) を考慮してタスクをコーディングします ( 図 2 と 補足ファイルを参照)。
      注:タスクの要求を解決するプロセスに関与する交絡因子と知覚成分を制御するために、両方の条件で同じ構造を使用することが重要です(図2)。同じ構造を使用すると、認知計画に関与する特定の認知プロセスの評価が向上します。
   2. ディスプレイコンピュータ、EEGコンピュータ、およびホストコンピュータ(アイトラッカーコンピュータ)間の通信を、イーサネットおよびディスプレイコンピュータからトランジスタトランジスタロジック(TTL)パルスを送信するパラレルポート通信 を介して 同期します( 図3を参照)。
   3. 計画タスクと制御タスクの開始時、および画面上の視線位置が実行期間にとって重要であるため、5 回の試行が完了した後で、アイトラッカーシステムを使用して眼球運動を調整するコードを記述します (プロトコルのステップ 3.2.3 とステップ 3.3.3、ディスカッション セクション、 および補足ファイルのコードを参照)。
      メモ: コンピュータの通信に遅延が発生する場合があります。2つの異なるコンピュータでTTLパルス間の遅延を測定する方法はいくつかありますが、一般的な方法の1つは、デジタルオシロスコープやロジックアナライザなどのハードウェアデバイスを使用することです。別のアプローチは、ネットワーク接続を介してTTLパルスを送信し、ネットワーク分析ツールを使用して遅延を測定するなど、ソフトウェアベースの方法を使用することです。別のアプローチは、全地球測位システム (GPS) またはネットワーク タイム プロトコル (NTP) サーバーを使用するか、ハードウェア ベースの同期ソリューションを使用して 2 台のコンピューターのクロックを同期し、各パルスのタイムスタンプと到着時刻の間の遅延を計算し、結果を平均化して 2 台のコンピューター間の全体的な遅延を取得することです。
2. 計画タスクのコードを、計画期間、保守期間、計画実行期間、応答期間、およびフィードバック (図 2, 補足ファイル).
   1. 計画期間: 計画条件を開始するには、3秒間提示された固定十字をベースラインとして設定します。
   2. 迷路のセットを1つずつランダムに提示します(この研究では36個)。
      注:この計画期間中、参加者は、一連のルールに従って、最大10秒の時間で4つの動物の場所を訪れる経路を計画するよう求められます(ルールは事前に彼らに説明されています;与えられたルールと 図2については、プロトコルのセクション5を参照してください)。
   3. タグコードを使用して刺激呈示の開始をシグナルするコードにTTLトリガーを含め、このトリガーをEEGコンピューターとアイトラッカーホストコンピューターに送信して、さらに絞り込んだウィンドウ分析を行います。
   4. 被験者が計画を終了するたびに、または最大時間を超えた場合に、ジョイスティック/キーボードのボタンが押されると、計画期間が最高潮に達するというコードに書き込みます。反応時間(RT)は、さらなる分析のためにログファイルに記録する必要があります。
      注:この期間では、数字の1を使用したトリガーコードを使用しましたが、HEDタグはコンテンツに意味と構造を提供し、他の研究者や共同研究者がデータの内容を理解しやすくするため、数値コードよりも階層イベント記述子(HED)タグを使用することをお勧めします。
   5. メンテナンス期間: この期間は、3秒間提示されたシフト固定クロスを使用して開始します。動物園マップの開始位置(ゲート)を予測するために、迷路のゲートが配置されている空間位置にシフトした固定十字を配置します( 図2を参照)。
      注:この期間の目的は3つあります。まず、シフトされた固定クロスは、次の期間の計画されたパスを表すトレースの実行を容易にします(ステップ3.2.8を参照)。次に、この期間中、参加者は計画期間中に作成された計画を作業記憶に保持します。最後に、この期間は、計画期間の終了と次の期間 (計画実行期間) の開始を区切る試行間間隔として機能します。
   6. 計画実行期間: メンテナンス期間中にシフト固定十字を3秒間示した後、再度迷路を提示します。
   7. TTLトリガーをEEGとホストのアイトラッカーコンピューターに送信して、特定のタグコードを使用してこの期間の開始を示します。
   8. この期間の開始から約 992 ミリ秒後に、被験者の視線位置のリアルタイムの視覚的フィードバック (暗い線、 図 2 の実行期間を参照) を提供するコードを記述します。
      注:遅延(約1,000ミリ秒)で線引きを開始すると、被験者は迷路の中で方向付けられる時間ができ、以前に計画されたパス(計画期間中)を暗い線で描くことができます。
   9. 被験者が作成したパスをさらに再構築するためにパスの座標を記録し、オフラインでパフォーマンスを採点します ( 図 4 のステップ 6.1.1 を参照)。
   10. 計画された経路をトレースするために最大10秒の時間を確保し、被験者がボタンを押してこの期間を確定できるようにします。このようにして、被験者は描画されたパスをいつ終了するかを制御できます。
   11. RT をログファイルに保存して、さらに分析します。
   12. 回答期間: 応答期間のコードを記述します。この応答期間は、計画実行の 10 秒後、または計画実行期間の終了時にボタンが押されたときに開始され、迷路は消えますが、動物とその空間位置は画面上に残ります。
   13. 応答期間の画面下部に4つの空の円を水平に配置します。
       注:この期間の目的は、被験者がジョイスティックまたはキーボードを使用して動物を訪問したのと同じ順序で円に入れることにより、計画実行期間中に訪れた動物の順序を示すことができるようにすることです。
   14. 被験者がジョイスティックまたはキーボードを使用して、前に提示された各動物(この研究では4匹の動物)を選択し、それらを4つの円のそれぞれに挿入できるようにプログラム/コードを構成します(補足ファイルと図2を参照)。
   15. フィードバック： 参加者に 3 秒のフィードバックを配信するコードを記述します。ルールが守られている場合は、訪問した動物の有効な組み合わせに応じて親指を立てた画像を表示する必要がありますが、報告された組み合わせが無効の場合は、親指を下向きの画像で表示する必要があります。
   16. 正しいフィードバックには特定のタグコードを使用し、正しくないフィードバックには別のタグコードを使用して、TTLトリガーをEEGおよびアイトラッカーコンピューターに送信します。
       注:フィードバックを提供する理由は、パフォーマンスの監視を容易にし、タスク中のモチベーションを維持するためです。このリアルタイムのフィードバックの提供は、報酬効果を高め、適切なタスクパフォーマンス^{を促進する103}。
3. 計画条件と同じ構造 (制御期間、保守期間、制御実行期間、応答期間、およびフィードバック) で制御タスクのコードを記述します (補足ファイルの図 2 を参照)。
   1. 制御期間: 交絡因子を軽減するための制御条件期間のコードを記述します。この期間のコードは、ベースラインとして 3 秒間提示された固定クロスで始まる必要があります。
      注:計画課題は主に計画の実施を要求するが、視覚空間機能、作業記憶、注意制御、抑制制御など、実行機能の一部として他の認知領域も募集するので66,88,104,105、制御課題は交絡因子を軽減するために重要である。したがって、この課題の主な目標は、認知計画⁵⁴の実施を取り除きながら、計画課題を解決するために必要なすべての認知的および知覚的機能を要求することである。
   2. 制御条件の迷路を1つずつランダムに提示します(すでにトレースされたパスがマークされている迷路)。最大時間を 10 秒でコーディングします。
   3. タグを使用して刺激提示の開始を通知するコードにTTLトリガーを含め、このトリガーをEEGコンピューターとアイトラッカーホストコンピューターに送信します。
   4. この制御期間は、被験者が終了するたびにジョイスティック/キーボードのボタンが押されるか、最大時間を超えた場合に最高潮に達するというコードに記述します。
      注:被験者は、マークされたパスを評価するように指示されます(ルールに従っているかどうかは、参加者に与えられた指示の詳細については、ステップ5.12を参照してください)。
   5. 反応時間(RT)をログファイルに保存して、さらに分析します。
   6. メンテナンス期間: 制御期間が終了したら、シフトした固定十字を3秒間提示します。
   7. 計画実行期間として、ゲート入口のある場所に固定十字を配置し、次の期間の視線描画を容易にします。
   8. 制御実行期間: 迷路を再度表示し、同時に TTL トリガーを EEG に送信し、実行期間の開始を通知するタグを付けてアイトラッカー コンピューターをホストします。
   9. 計画の実行期間と同じコードを繰り返して、視線位置のオンライン フィードバックを提供し、視線をトレースされたパスと重ね合わせます。
   10. パスをトレースするために最大10秒の時間を確保し、被験者がボタンを押してこの期間を確定できるようにします。
   11. RT をログファイルに保存して、さらに分析します。
   12. 制御応答期間: 制御実行期間が終了したら、応答期間を示す疑問符を提示します。
   13. 被験者がジョイスティックまたはキーボードを使用して応答するように、それぞれ2つのボタンをプログラムします。
       注:ここでは、トレースでマークされたシーケンスが正しいかどうかに答えるよう求められます。これには「正解/はい」のボタンを選択し、もう1つのボタンには「不正解/いいえ」を選択します。
   14. 精度をログファイルに保存します。
   15. フィードバック： 被験者が正しく応答するたびに 3 秒の正しいフィードバックを提供するコード (親指を立てる画像) と、被験者が誤って応答するたびに 3 秒の間違ったフィードバックを提供するコードを記述します (親指を下向きの画像)。
   16. 計画条件と同様に、TTLトリガーをEEGに送信し、正しいフィードバック用のタグと誤ったフィードバック用の別のタグを使用してアイトラッカーコンピューターをホストします。
4. トレーニングタスク: 刺激を作成し、コードを書き、前述の計画および制御タスクの前に、各条件(計画と制御)に対して約6回の試行/迷路の簡単なトレーニングセッションを提示します
   注: これは、タスクの設定に慣れ親しむためのものです。続行するための基準を設定することをお勧めします。この研究では、最後の3回の試行が正しければ、また、参加者がトレーニングセッションの終了時に目標と手順を理解したと報告した場合、参加者はその後、実験セッションに進みました。

図3:実験室のセットアップの例。 相互接続された 3 台のコンピューターを示すラボのセットアップの概略図。ホストコンピュータ(アイトラッカーコンピュータ)は、眼球運動データの追跡と保存を担当します。EEGコンピュータは、EEG信号を取得して保存します。ディスプレイコンピュータは、行動実験を制御し、被験者に刺激を提示し、パラレルポートとLAN接続を介してホストとEEGコンピュータにイベントトリガーを送信して、データ収集を同期します。 この図の拡大版を表示するには、ここをクリックしてください。

図4:アイトラッカーシステムによる視覚的なオンラインフィードバックからの経路再構成。 計画(A、紫色、計画実行期間)と制御実行期間(B、緑線)のモーター実行から、アイトラッカーデータを使用した経路再構成の例。計画実行期間に再構築されたパスは、各計画タスク試行の精度を評価するために使用されます。 この図の拡大版を表示するには、ここをクリックしてください。

4. 実験室の設定と設備

1. EEG取得システムを使用して、参加者の頭皮からのEEG活動を記録し、EEG電極は国際10-20システム¹⁰⁶に従って配置されます。参加者の乳様突起に 2 つの電極を配置して、オフラインで再参照します。眼電図電極を使用して、目視検査中に垂直、水平、およびまばたきの眼球運動信号を識別します。
2. 2,048 Hzまたは1,024 Hzのサンプリングレートと、EEGコンピューターで0.1〜100Hzのバンドパスフィルターを使用してEEGデータを取得するには、EEG取得ソフトウェアを使用します。
   注:1,024 Hzおよび2,048 Hzのサンプリングレートは、低周波振動を分析するのに十分な分解能を提供します。低周波の振動を解析する際には、1,000Hz以上の高サンプリングレートの脳波信号を取得することで、低周波信号がエイリアシングされていないことを確認することが重要です。
3. EEGコンピュータとホストアイトラッカーコンピュータとパラレルポートおよびイーサネット で 接続され、行動実験を行うプラットフォームがインストールされているディスプレイコンピュータを使用して、最小解像度1,920ピクセル×1,080ピクセル、リフレッシュレート60Hzの拡張モニターに刺激を投影します。このモニターを被験者から約82cm離して置きます。
   注:参加者から82cm離れた場所に、リフレッシュレートを144Hzに設定した24インチのモニターを使用しました。脳波や眼球運動の記録を含む認知実験には、画面サイズが19インチ以上のモニターを使用することをお勧めします。さらに、一般的な推奨事項は、参加者がタスクを快適に実行し、画面上で安定した視線を維持しながら、EEGと眼球運動の正確な記録を可能にする距離にモニターを配置することです。最良の結果を得るために、必要に応じてセットアップをテストおよび調整することをお勧めします。
4. 視線追跡システムを使用して、実行期間中の参加者の眼球運動に関するリアルタイムのフィードバックを提供し、瞳孔のサイズを記録します。適切な時間分解能を得るために、サンプリング レートを 1,000 Hz に設定します。
5. 頭の動きを避けてください。ビデオカメラの視野内に目を保つには、左右および上下の頭の動きの制限が必要です。ビデオカメラの焦点範囲に目を保つには、前後の動きを制限する必要があります。額/あご当てを組み合わせて、動きをこの範囲内に保ちます。
6. デジタルルクスメーターなどを使用して刺激の輝度を評価し、計画刺激と制御刺激の違いを比較します。
   注:t検定やウィルコクソンなどの統計的検定を使用して、2つの条件の刺激の違いを評価できます。
7. コントロールジョイスティックまたはキーボードを少なくとも4つ使用してください:コントロール条件からのYes/Noの質問用の2つのボタン。これら 2 つのボタンのいずれかを使用して、トライアルを完了します。また、計画条件の応答期間を示す別の2つのボタンは、画面下部の4つの円のそれぞれに動物を挿入するために前後に移動します。

5. 脳波計と視線追跡記録セッション

1. 研究を開始する前に、参加者に書面と署名済みのインフォームドコンセントを完了してもらいます。
2. 録音セッションに先立ち、参加者に化粧をした(マスカラとアイライナーはアイトラッカーシステムによって瞳孔として検出できる)、薬物やカフェインを摂取したことがある^107,108、または重度の疲労を感じている場合は参加しないように依頼する¹⁰⁹(ストレス、睡眠不足など)。
3. 訓練を受けた心理学者が適用するMINI-International神経精神医学^{インタビュー97}を通じて、参加者に人口統計調査を完了してもらい、性別、年齢、利き手、母国語、神経精神医学歴に関する情報を提供してもらいます。
4. アルコールワイプで、被験者の額、頭皮、乳様突起、および眼電図(EOG)の皮膚位置を清掃します。
5. すべての外部電極を参加者に配置します。水平 EOG を両目の外側のくんにバイポーラ状に置き、垂直 EOG を参加者の右目の上下に置きます。後で再参照するために、左右の乳様突起に2つの外部電極を配置します。
6. 被験者の頭を測定し、拡張された国際10-20システムに従って正しいサイズのEEGキャップを取り付けます。これを行うには、次の手順に従ってCz電極を見つけて配置します。
   1. 生え際と鼻の上部を目視で検査することにより、頭皮の正中線を特定します。これら 2 つの点を結ぶ線分を特定して、正中線を定義します。
   2. Czを見つけます。Czは通常、2つの耳介前点(つまり、各耳のすぐ前にある点)の中点として定義されます。これらのポイントを特定し、それらを結ぶ線を特定して、Cz のおおよその位置を特定します。
   3. 鼻(つまり、鼻の上部にある骨の隆起)からCzまでの距離を測定します。鼻からCzまでの距離は、通常、10-20システムの総頭囲の約53%です。ペンまたは別のマーキングツールを使用して、Czの位置をマークします。
      注:エラーを最小限に抑え、EEGデータの有効性を確保するために、電極配置の一貫した標準化された手順に従うことが重要です。標準的な配置手順を作成することをお勧めします。各被験者の頭皮に電極を配置するための標準的な手順を作成し、すべての被験者に同じ手順が使用されるようにします。録音を行うチームやスタッフがいる場合は、技術者や研究助手に適切な配置手順を指導し、電極を一貫して正確に配置できるようにしてください。さらに、各被験者の電極位置をデジタル化することは、後でソース分析を実行するために望ましいアプローチです。EEG研究では、被験者の頭部上の各電極の正確な3次元(3D)位置は、EEGデータと対応する脳活動¹¹⁰との間の相関を確立するための要件であることが多い。この情報は、EEGデータをMRIまたはCTイメージング技術^111,112から得られた解剖学的画像と適切に位置合わせするためにも重要である。
7. 鈍い針の付いた注射器を使用して、キャップの各穴に導電性ゲルを挿入し、先端で参加者の髪を遠ざけます。その後、すべての頭皮電極をEEGキャップに取り付けます。
8. EEG記録ソフトウェアを使用してインピーダンスをチェックし、EEGシステムが推奨する抵抗レベルを下回っていることを確認します。
9. 実験中は、参加者にできるだけじっとしているように依頼します。EEG信号を検査し、参加者にまばたきをし、顎を作り、目を閉じて数秒間留まるように依頼してテストします。
10. 参加者は、暗くて音が減衰する部屋に座らせます。チンレストを使用して頭を安定させ、動きを最小限に抑え、チンレストと刺激提示画面の中心との間に約82cmの距離があることを確認します。
11. ジョイスティックまたはキーボードを参加者の前に置き、応答を行います。
12. 指示： 各状態(計画と管理)を開始する前に、視覚補助を使用して口頭で指示を出します。説明書には、刺激の視覚的な例を含め、計画条件と制御条件で迷路を解く方法をそれぞれ説明します。
    1. 計画タスクでは、迷路の異なる場所にある特定の動物の場所 (この研究では 4 つの場所) への一連の訪問を完了するためのパスを見つけるように被験者に指示します。一連のルールに従って、「(1) 最大 10 秒以内にできるだけ速くパスを計画します。(2)ゲートウェイから開始し、訪問した4番目の動物でパスを終了します。(3)同じ道や角を2回通過しないでください。(4)行き止まりを渡らないでください。(5)垂直にパスを渡らないでください」⁵⁴。
       注: ルール 2 からルール 5 では、参加者に視覚的な例を示すことをお勧めします。
    2. その後、6回の試行の計画タスクトレーニングセッションを開始します。
       注:タスクの実行に問題があった場合、特に実行期間のパスの描写中に、各アイトラッカーキャリブレーション期間の前に報告するように参加者に指示します。オフライン/後処理を確認するための試行があったかどうかをメモします(ステップ6.1.1を参照)。
    3. 制御条件については、迷路上のすでにマークされたパスが、以前に学習したルールを考慮して正しく作成されたか間違って作成されたかを評価するように被験者に指示します。
       注:エラーが検出されたときに新しいパスを計画しようとしないなど、計画戦略を使用せずに迷路を評価する方法の視覚的なサポートを備えた例を挙げてください(同じパスを2回使用する図面、行き止まりを横切るなど)。エラーが見つかった場合、パスの修正ではなく、エラーの検出を報告することだけに重点を置く必要があります。各試験の後、参加者に彼らが実施した戦略について尋ねます。次に、パフォーマンスについて口頭でフィードバックを提供して、描かれたパスを評価し、新しいパスの計画を回避したことを確認します。その後、6回の試行のコントロールタスクトレーニングセッションを開始します。
13. EEG信号をチェックして、すべてのチャネルが正しく取得されていることを確認します。脳波記録を開始します。
14. アイトラッカーを調整します。
    注:参加者が画面のさまざまな領域に視線を向けたときに視線位置を決定するアイトラッカーの機能を確認します。
    1. アイトラッカーがキャリブレーションされ、白い円(小さな灰色の点)が画面の四隅にランダムに移動することを参加者に伝えます(5ポイントキャリブレーション手順)。円に視線を固定するように指示し、円が別の場所に移動したときは、円の位置をたどり、再びその新しい位置に視線を固定するように伝えます。
    2. 実験を実行し、[ 出力/記録]をクリックして眼球運動の保存を開始し、参加者に前に与えられた指示に従うように依頼して、実験が開始されることを通知します。
    3. 実験室は暗い環境に置いてください。瞳孔散大の最大の変化は、輝度¹¹³の変化に応答して起こる。実験環境では、一定の光レベルを維持します。

6. データ分析

1. 行動分析
   1. 統計ソフトウェアを使用して行動データを分析します( 資料の表を参照)。精度 (正確な応答の割合) を、計画条件と管理条件の両方で定量的な行動パラメーターとして測定します。計画条件として、アイトラッカーデータ(視線位置のx座標とy座標)を用いて、オフライン実行期間中にたどった経路を再現し、計画した経路と実際にトレースした経路の精度を判断します(図4)。これを行うには、応答期間に正しく/誤って行われた組み合わせと、行われたトレースとの間の一致を手動で確認します。
   2. 計画期間の迷路の解答に費やされた平均時間と、制御期間のマークされたパスの評価に費やされた平均時間である RT を計算します。
   3. 計画条件と管理条件の実行期間の平均RTを計算します。具体的には、正しい試行のみに対応するRTを使用します。
      注:補完的に、Domic-Siede et ^al.54に記載されている線形積分速度精度スコア(LISAS)^114,115を使用することが可能です。これは、反応時間と精度を考慮した複合尺度を提供します。計画実行期間中の反応時間と計画の精度は相互に関連しているため、LISASを利用して、エラーの数に対して修正された反応時間を説明するインデックスを計算できます。さらに、LISASインデックスは、電気生理学的信号と行動パフォーマンスとの相関関係を評価するためにも使用できます。これは、反応時間(RT)と誤差率(PE)の線形結合として計算されます。
   4. ルビーン検定^116,117 などの統計的検定を使用して等分散性を評価し、ダゴスティーノとピアソンのオムニバス正規分布検定¹¹⁸ または Shapiro Wilk 検定¹¹⁹ を使用して正規性を検定し、比較 (パラメトリックまたはノンパラメトリック) の適切な統計検定を選択します。
   5. 計画条件における計画成分が、ウィルコクソン符号順位検定¹²⁰ または一致ペアt検定¹²¹ のいずれかを使用して、条件間の行動パラメータを比較するために、制御条件よりも認知的に要求が厳しいかどうかを評価する。
      注:このようにして、行動パラダイムが認知計画を評価するのに最適であることを検証します。
   6. 計画条件の試行を「簡単」と「難しい」カテゴリに分け(ステップ2.2を参照)、次に一致ペアのt検定を使用して、「簡単」と「難しい」試行の間の計画期間と実行期間の精度と反応時間を比較します。
2. 脳波と眼球運動の前処理
   1. Delorme や Makeig¹²²、Dimigen et ^al.123、Mognon et ^al.124 で説明されているような自作のスクリプトや確立されたツールボックスを使用して、プログラミング言語ソフトウェアで、以下の点で説明する脳波データの前処理パイプラインを実行します ( 資料の表を参照)。
   2. 眼球運動の活動を脳波記録と同期させて、凝視、サッカード、まばたきイベントをインポートし、目視検査やさらなる分析を改善します(ステップ3.1.2および 補足ファイルを参照)。
      注:この研究では、Domic-Siede et ^al.54 およびDimigen et ^al.123 で説明されているように、視線追跡データのタイムスタンプとEEGデータのタイムスタンプを使用して、プログラミング言語ソフトウェアの眼球運動イベントをEEGデータにインポートしました。
   3. データが 2,028 Hz で記録された場合は、データを 1,024 Hz にダウンサンプリングして、計算要求を減らします。
      注:4〜8 Hzの関心のある周波数範囲、予想される周波数分解能、および解析の計算要件に応じて、1,024 Hzのサンプリングレートで十分です。
   4. EEG信号を乳様突起上の電極の平均に再参照します。
      注:他の参照も可能です。参照の選択は、EEG分析の結果とデータの解釈に影響を与える可能性があるため、さまざまな参照オプションの長所と短所を慎重に検討することが重要です。平均乳様突起参照は、計算が容易な安定した参照を提供し、多くの異なるEEG信号の分析に効果的であることが示されているため、EEG研究で人気のある選択肢です。EEGデータを乳様突起の平均(平均乳様突起参照と呼ばれる)に参照することは、頭皮EEGデータの前頭シータ活動を分析するための一般的なアプローチです。乳様突起電極は耳の近くに配置され、EEG信号の基準を提供します。乳様突起の平均を参照することで、関心のある信号のキャンセルを回避しながら、関心のないノイズやアーティファクトの影響を減らすことができ、ユーザーはEEG信号をより明確に表現することができます。
   5. プログラミング言語ソフトウェアを使用して、拡張信号に対して、ハイパスカットオフ周波数が1Hz、ローパスカットオフ周波数が40Hzのゼロフェーズ有限インパルス応答(FIR)を(エポッキングなし)適用します。
      注:この研究では、DelormeとMakeig¹²²で説明されているツールボックスを使用しました。
   6. 各条件について、試行回数を考慮して、計画期間の開始を中心とするエポックと制御期間を中心とするエポックにそれぞれデータを分割します。迷路のプレゼンテーション開始前の 1 秒をベースラインとして使用し、計画期間または管理期間の 4 秒後を関心のあるセグメントとして使用します。プログラミング言語ソフトウェアを使用します。
      注:この研究では、DelormeとMakeig¹²²および36エポック/トライアルに記載されているツールボックスを使用しました。
   7. 計画期間と管理期間の終了を中心とする 2 番目のセグメンテーションを作成し、終了前の 4 秒後と 1 秒後を保守期間として使用します。
      注: 計画期間と管理期間 (ステップ 6.2.6 とステップ 6.2.7) の最初と最後の 4 秒を選択する理由は、両方の条件で各期間の期間が異なる可能性があり、計画の最初の数秒と最後の数秒を分析すると、計画プロセスをより包括的に表示できるためです。したがって、これらのウィンドウの長さは、計画の根底にある振動ダイナミクスを分析するのに十分です。
   8. セグメント化された信号に対して、ロジスティックInfomax独立成分解析(ICA)アルゴリズム¹²⁵を実行して、人工成分を特定して除去します。
   9. Plöchl et ^al.126で推奨されているサッカードと固定の分散比基準を使用して、潜在的なノイズの多いコンポーネントを自動的に検出し、Mognon et ^al.124 で推奨されている空間的および時間的特徴の共同使用に基づく自動 EEG アーティファクト検出器を使用します。
      注:Pion-Tonachiniら¹²⁷で提案されている独立成分分類器の使用をお勧めします。これは、7つのカテゴリにわたる組成ベクトルとして独立した成分分類を推定し、アーティファクトの特定に役立ちます。
   10. EMG、電極の動き、または脳に関連しないコンポーネントなど、他の潜在的な人工物コンポーネントを検査します。これらのコンポーネントの拒否を検証するには、経時的なトポグラフィー、スペクトル、および活性化を視覚的に検査します。
   11. 尖度基準を使用した自動チャネル除去により、ノイズの多いチャネルを補間 (球面補間) します (しきい値として Z スコアが 5)。
3. 時間-周波数解析
   1. 250 ミリ秒のウィンドウ長と 5 ミリ秒の時間ステップを使用して、短時間の高速フーリエ変換 (FFT) (1 Hz から 40 Hz) を実行します。ハニング ウィンドウを使用します。Z スコアを使用して、時間-周波数チャートをベースライン (-1 秒から -0.1 秒) に正規化します。
      注:スペクトルの視覚化は、ウィンドウサイズと時間分解能の間のトレードオフの影響を受けます。4 Hz から 8 Hz のシータ範囲を含むスペクトル全体を包括的に把握するには、ウィンドウ サイズの下限である 250 ミリ秒を使用して、各試行およびタスク中により高い時間分解能を確保することをお勧めします。さらに、ハニングウィンドウは、これらのケースの従来の選択肢として広く見なされているため、使用することをお勧めします。時間と周波数の分解能を向上させるには、以降の手順を参照してください。
   2. Fz などの前部中心電極、または前部電極の平均グループから時間-周波数チャートを選択します。
      注:認知制御と前頭正中線θ12,128,129との関連に関する広範な証拠を検討してください。
   3. Pz電極やOz電極などの電極から非正面制御の時間-周波数チャートを選択して、さらに比較を進めます。
   4. 前頭電極と制御電極については、対応のあるサンプルに対してノンパラメトリッククラスターベースの順列検定を実行し、 p値を<0.05にして、両方の条件の時間-周波数チャートのグループレベル比較を行います。モンテカルロ法を使用して、1,000のランダム抽選を行います。クラスタの最大統計値を使用して、順列検定¹³⁰ を実行します。
   5. 計画と制御の最初の4秒、および最後の4秒のセグメントからシータ周波数帯域(4〜8 Hz)をそれぞれ平均化します。
   6. 一致したペアの t 検定または Wilcoxon 符号付き順位検定を使用して、条件間で平均されたシータ活動を比較します。
   7. シータ活動の時間プロファイルを解析します。これを行うには、被験者ごとに試行全体で4〜8Hzの周波数範囲を平均化します。
   8. ウィルコクソンの符号付き順位検定を一致させ、偽発見率 (FDR) と対にして補正した条件間のシータ活動ダイナミクスを比較します。
      注:Wilcoxonテストでは、オーバーラップしないウィンドウを88ミリ秒ステップ使用しました。
4. ソースの再構築
   1. ソース解析の再構築には、Tadel et ^al.131 で説明されているオープンアクセスツールボックスや、別の類似のツールボックスなどを使用します。
   2. 標準化された低解像度脳電磁断層撮影法(sLORETA)¹³²や最小ノルムイメージング法、対称境界要素法(対称BEM)などのアルゴリズムを使用して、計画の最初の4秒から前処理されたEEG信号のソースを計算します。Gramfort et ^al.133で説明されているようなツールボックスの助けを借りて、逆問題を解決します。
   3. 解剖学的MNIテンプレート(Brainstorm "Colin27"のMNIテンプレートを使用)でソースアルゴリズム(この研究ではsLORETAアルゴリズム)を使用し、電極の3Dデジタル化がない場合に備えて、各参加者のデフォルトの電極位置を使用します(ステップ5.6を参照)。
      注:デフォルトの電極位置を使用することは、脳活動の原因を特定するための最も効率的な方法ではないことに注意してください。ただし、アクティビティの起源についての一般的な理解を提供することはできます。これらの方法で得られたローカリゼーションソースは大まかな近似値であり、結果の分析中は注意して解釈する必要があることに留意することが重要です。
   4. 前処理された信号に4〜8Hzのバンドパスフィルターを適用します。
   5. 試用開始の -1,000 ミリ秒前から -10 ミリ秒前の期間をベースラインとして使用して、z スコアの正規化を適用します。
   6. 試用開始後 1 秒から 4 秒の間の関心のある時間枠を使用して、シータ活動を平均化します。
   7. ノンパラメトリック順列符号検定とモンテカルロサンプリング(1,000回のランダム化)¹³¹を用いて、条件間の平均空間ソースを比較する。
   8. 関心領域(ROI)を決定するには、脳アトラスを使用して皮質をラベル付けします。
      注:Tadel et ^al.131で説明されているツールボックスに実装されたDestrieux Atlas¹³⁴を使用しました。
   9. 関心のある脳の領域 (ROI) を選択します。
      注:我々は、両側上前頭回(SF)、両側横行前頭回および溝(FP)、両側ACC、両側MCC、および両側背外側前頭前野^137,138などの前頭前野領域が認知^{制御機能に関与し}ていると報告する証拠を検討した1 ^35,136。
   10. 各ROIについて、前の前処理されたEEG信号(1〜40 Hzの範囲)に対して主成分分析(PCA)を実行し、各ROIのPCA分解の最初のモードを取ります。
   11. 短時間の高速フーリエ変換を用いてスペクトル解析を行い、ノンパラメトリックなクラスタベースの順列試験¹³⁰を用いて、左右の関心領域間で結果を比較する。
   12. 違いがない左と右のROIを抽出し、SF、ACC、MCCの1つの二国間時系列として表します。次に、時間-周波数チャートをプロットし、条件を比較します。
   13. 各ROIの計画タスクの複雑さのレベル(簡単な試行と難しい試行)に従って、時間-頻度チャートを比較します。
   14. 512 サンプルごとに信号のエッジをミラーリングし、選択した ROI に対して 4 Hz から 8 Hz の間のバンドパス フィルターを実行します。
   15. ヒルベルト変換を適用して、プログラミング言語ソフトウェアの信号処理ツールボックスを使用して瞬間振幅¹³⁹を取得します( 材料の表を参照)。
   16. Z スコアの正規化 (ベースラインとして -1,000 から -10 ms) を使用して信号を補正し、被験者ごとの試行全体で平均化します。
   17. Wilcoxon 符号順位検定 (一致したペア、1 秒の重複しないウィンドウ) を使用して、条件間で各 ROI シータ バンド バンド タイム プロファイルを比較し、FDR で修正します。
5. 脳波活動と行動パフォーマンスの相関関係
   1. Z スコアを使用して、ROI のソース時系列をベースラインに正規化します。計画または制御の開始後 1 秒から 4 秒後のウィンドウを選択します (時間-周波数チャートで顕著なシータ活動が観察されます)。
   2. 計画条件におけるシータ活動の増加を制御条件と比較して決定するためには、まず、関心領域の各条件およびソースについて、Chronuxツールボックス¹⁴⁰ などのツールボックスを通じてマルチテーパ法を用いて信号を周波数領域(1〜40Hz)に変換する。
   3. シータバンド(4-8 Hz)の平均周波数を計算し、シータパワーの2つの測定値を計算します:i)計画期間中のシータパワー(θ計画)と制御期間(θ制御)の差、Δシータで示され、ii)δシータ(Δθ)と制御期間中のシータ活動(θ制御)の比として表されるシータ活動の相対的な増加。 Domic-Siede et ^al.54のように:
             (1)
      
   4. 2つの行動パラメータを計算します:iii)Δ LISAS計画は、LISAS計画からLISAS制御を差し引くことによって、iv)Δ LISAS計画実行は、Domic-Siede et ^al.54のように、LISAS計画実行からLISAS制御実行を差し引くことによって、次のように計算します。
      
      
   5. 計算された電気生理学的および行動的パラメータを使用してスピアマンのrho相関を実行し、FDRによって修正します。
6. 眼球運動分析: 異なる振動ダイナミクスを引き起こす可能性のある各条件の眼球運動の電位差を制御するには、次の分析を実行します。
   1. サッケードの振幅とサッケードのピーク速度は、試行全体から、および計画および制御条件中の 0 秒から 3.75 秒まで決定します。
   2. Wilcoxon 符号順位検定または一致ペアの t 検定のいずれか適切な方を使用して結果を比較します。
      注:Dimigen et ^al.123で説明されているようなツールボックスが役立つ場合があります。
   3. 1 つの正面電極 (たとえば、Fz または平均前面 ROI 電極) でのフーリエ脳波パワーと、Sato and Yamaguchi¹⁴¹ で説明されているサッカード レートとの間のコヒーレンスを計算して評価します。
   4. Wilcoxon 符号順位検定を使用して、各試行の最初の 4 秒のコヒーレンス累乗サッケード率の値を 2 つの条件間で比較します。

Results

本プロトコルでは、計画期間のRTを、制御期間および計画実行期間のRTと比較した。計画RTは、対照RTおよび計画実行期間RTよりも大きく、さらに、制御条件と比較して、計画期間中の参加者はより多くのミスを犯し、精度が低くなりました(図5)。

図5:計画タスクの反応時間と精度。 計画期間(紫の円)と対照期間(緑の円)の(A)反応時間の比較を、対応のあるt検定を使用して比較します。(B)計画期間(紫色の円)と計画実行期間(紫色の四角形)の反応時間の比較を、対応のあるt検定を使用して行います。(C)ウィルコクソン符号順位検定を使用した計画条件(紫のひし形)と管理条件(緑のひし形)の精度の比較。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

さらに、計画の複雑さのレベルを分析したところ、計画と実行の際の「困難」レベルと「簡単」レベルの間で、精度と反応時間(RT)に大きな違いがあることが示されました(図6)。「難しい」レベルはRTが長く、精度が低かったです。これらの知見は、有効な解の数に基づいて試験を分割することで、「簡単」な試験と「難しい」試験を区別できることを示唆しています。

図6:さまざまな複雑さのレベルでの行動パフォーマンスの比較。 「簡単」レベルと「難しい」複雑さのレベルでの行動パフォーマンスの有意差は、マッチドペアのt検定を使用して特定されました。「簡単」レベルでは「難しい」レベルに比べて計画と実行中の反応時間(RT)が低く、「簡単」レベルでは精度が高かった。エラーバーはSEM(平均の標準誤差)を表します。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

これらの結果は、計画コンポーネントが(命令操作によって )制御条件から正常に削除された場合、計画タスクは認知的により複雑で、要求が厳しく、困難で、時間がかかることを示しました。したがって、タスクによって誘発された神経相関は互いに比較できます。

計画中の前頭正中線シータ活動を分析するために、Fz電極の計画中の平均θ周波数帯域を対照期の平均θ周波数帯域と比較したところ、計画中にθ帯周波数の有意な増加が見られた(図7)。

図7:認知計画中の前頭正中線シータ活動(A)計画課題(左)、制御課題(中央)、および計画効果(右)中にzスコアに正規化されたすべての被験者にわたるシータバンドパワーを表す地形図。認知計画中、被験者は前頭正中線シータ活動の増加を示しました。カラーバーには、-0.5 から 1.5 までの Z 値が表示されます。(B)マッチングペアt検定を使用して、電極Fz(左)、Pz(中央)、およびOz(右)の対照期間(緑)と比較した、計画中の被験者全体のシータ活動の最小、四分位数、中央値、および最大zスコア値を示すバイオリンプロット。この図は、Domic-Siede et ^al.54から修正されています。この図の拡大版を表示するには、ここをクリックしてください。

また、観測された前頭シータ活動の時間的ダイナミクスを評価するために、シータバンドパワーの特定の時点(750 ms、1,750 ms、2,750 ms、3,750 ms)に対応するトポグラフィックマップを作成しました(図8A)。さらに、対照期間と比較して、時間-周波数分析は、計画期間の開始から1秒後に開始するシータ活動の有意で進行的かつ持続的な増加を示しました(図8B)。

図8:前頭正中線のシータ時間ダイナミクス (A)シータ活動の地形的時間スライス。計画実施中(計画期間)における前頭正中線シータ活動の経時的な漸進的な増加が観察された。カラー バーは Z スコアの単位 (-0.5 から 2.2) を示します。(B)計画期間(上)、管理期間(中央)、計画効果の時間-頻度グラフを、計画期間から管理期間(下)を差し引いて算出したものです。対応のあるサンプルのノンパラメトリッククラスターベースの順列検定を使用して決定された有意でないピクセルは、計画効果プロットで明るく表示されます。カラーバーは Z スコアの単位 (-4 から 4) を示します。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

シータ活動の源泉再構成のために、脳モデルテンプレートを可視化し、条件間で比較したところ、シータ活動は前頭前野領域(前頭上皮質、FS、前帯状皮質、ACC、および中帯状皮質、MCC)で発生していること、および条件間に有意差があることが示されました(両側SFでは、 二国間ACCおよび二国間MCC)(図9)、計画期間中により高いシータ活性が観察されました(図9)。

図9:ソースの再構築。 sLORETAアルゴリズムを使用して、さまざまな脳源からのシータ活動を推定しました。シータ活動は、4〜8 Hzのバンドパスフィルタリング、zスコアの正規化、ベースラインによる補正、計画または制御の開始からそれぞれ1秒または4秒後に平均化され、条件間で比較されました。シータ活性の有意な増加は、両側の前頭上野、両側前帯状皮質、および両側中帯状皮質で見られました。この図は、順列検定からの有意なt値を示しています。略語:FS =正面の上司。ACC =前帯状皮質;MCC = 中帯状皮質。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

その後、ヒルベルト変換を計算して各ソースのシータの時間プロファイルの経時変化を評価し、条件間でシータ活動の瞬間的な振幅を比較しました。左前頭極、両側ACC、および両側MCCのソースは、計画期間の開始後により高いシータ活性を示すことがわかりました(図10)。これらの結果は、認知計画を要求する私たちの実験パラダイムが、PFC領域内で発生するシータ活動を誘発したことを示唆しています。

図10:PFCソースのシータ活動時間プロファイル。 ヒルベルト変換で計算された瞬間的な振幅を、各前頭ソースのPCA分解の最初のコンポーネントに適用し、条件とベースラインの両方をzスコアに正規化して、時間の経過に伴う前頭シータの活動を示しました。灰色の網掛けされた領域は、FDRによって修正された1秒のステップ(Wilcoxon符号順位検定)の重複しない移動ウィンドウを使用して決定された有意差を示しています。網掛けされた領域は 95% 信頼区間を表します。左FP領域、両側ACC、および両側MCCは、計画開始後にシータ活性の増加を示しました。略語:ACC =前帯状皮質;MCC = 中帯状皮質。計画条件は紫色で表示されます。制御条件は赤で示しています。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

さらに、行動結果で示される複雑さのレベルに関して、計画中のスペクトル特徴の変動を調べることを目指しました。注目すべきは、アルファバンド内の左ACCでのみ有意な不一致が見られたことです。これは、私たちの計画タスクが、シータ振動の変化を通じて計画の本質的な側面を、認知制御タスクで通常遭遇する一般的な認知要求(努力)よりも大きく評価するという考えを裏付けています(図11)。

図11:計画の複雑さのレベル全体でのEEG。 ROIの時間-周波数チャートは、「難しい」レベルの左前帯状皮質(ACC)のみのアルファバンドで有意な正のクラスターを示しました。対応のあるサンプルのノンパラメトリック クラスターベースの順列検定を使用して決定された非有意なピクセルは、プロット上に明るい網掛けで示され、カラー バーは -3 から 3 までの Z スコア単位を示します。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

シータ活動と行動パフォーマンスとの相関関係が行われたとき、負の相関が観察されました。具体的には、計画期間中の左前線領域におけるシータ活動が増加するにつれて、LISAS計画実行スコアは減少しました(図12)。このパターンは、計画の精緻化中に左側のFP領域が後で計画を成功裏に実行するために必要になる可能性があることを反映している可能性があり、シータ活動の役割を示唆しています。

図12:シータ活動と行動パフォーマンス。 左前頭極皮質からのシータ活動とΔ LISAS計画実行との間のスピアマンのrho相関は、有意な負の相関を示しました。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

さらに、各条件によって誘発されるさまざまな認知要求と目標が、計画条件と制御条件との間に対照的な眼球運動を引き起こし、異なる振動活動パターン⁹⁵をもたらした可能性がある。上記の問題に対処するために、さまざまなレベルで単一被験者、単一試行のデータを分析しました。特に、Fzチャネルの時系列とシータ活動の時間ダイナミクスは、時間の経過に伴うサッカードの速度と関連していないように見えました(図13A)。

図13:脳波と眼球運動の記録結果 (A)行は、脳波(上)、時間-周波数チャート(中央上)、電極Fzからのシータ時間プロファイル(中央下)、および計画条件における被験者8と試行9(下)のサッカード率を示しています。(B)条件間のサッケード振幅、サッケードピーク速度、およびパワーサッケードレートコヒーレンスのウィルコクソン符号付きランク検定の比較が示され、計画条件と制御条件の間のサッケード振幅の有意な統計的違いが明らかになりました。SEMはエラーバーで表されます。この図は、Domic-Siede et ^al.54から修正されています。 この図の拡大版を表示するには、ここをクリックしてください。

次に、全試行からサッカードの振幅とピーク速度を取得し、比較のために0秒から3.75秒までを求めました(図13B)。その結果、サッケードの振幅は対照条件で大きいことがわかりました。しかし、電極Fzのフーリエシータパワーとサッケードレートとの間のコヒーレンスインデックスの条件との間には統計的に有意な差は見られず(図10B)、サッケードとシータ活性との間の潜在的な関係は条件間で一貫していることが示されました。

まとめると、これらの結果は、記載されている実験プロトコルが認知制御機能としての認知計画の研究に適していることを裏付けています。

Discussion

ここで説明するプロトコルは、振動や瞳孔のダイナミクスなどの適切で補完的な行動および生理学的測定に関連して、新規で生態学的な計画タスク中の認知計画と認知制御を評価するための革新的なアプローチを提供します。私たちの実験では、参加者が計画タスクを実行している間、脳波活動が記録され、参加者は最初に計画を詳しく説明してから実行するように指示されました。動物園の地図上に事前に描かれた経路を評価する対照条件は、同様の設定と構造を維持しながら認知計画の側面を排除するために確立されました。このアプローチにより、認知制御機能としての認知計画がPFC領域から前頭葉シータ活動の生成につながるかどうか、および異なるPFCシータ振動源が計画パフォーマンスのさまざまな側面に関連しているかどうかの評価が可能になります。このプロトコルを使用して評価できる別の側面は、計画の精緻化、計画の実行、計画の達成、フィードバック処理など、計画のフェーズ中に関与するさまざまな認知プロセスの差別化です。その結果、計画は認知制御に関連する標準的な前頭葉シータ活動を誘発し、それが効率的な目標達成に貢献していることを発見しました。これらの結果は、この議定書の面白さを裏付けています。

認知神経科学の大きな発展にもかかわらず、ほとんどのニューロイメージング実験は、感覚運動が遮断された環境での人工的なタスクと、交絡を制御するための過度に単純化された刺激を使用して、孤立した認知機能を調べます。問題なことに、これらの実験では、認知機能が日常的な状況(生態学的状況)で実施されるときに関与する実際の脳のメカニズムを特定できないかもしれない^138,140。特に、目標の策定、計画、計画の実行を効果的に行う能力は、さまざまな認知機能(作業記憶、抑制制御、認知の柔軟性など)を必要とするため、評価が困難です。^104,144人。したがって、生態学的行動課題の設計は、認知神経科学142,143,145,146の現在の傾向に基づいて奨励され、提案されています。

私たちの計画タスクは、実験室環境(刺激が画面に表示される部屋の中)で行われるにもかかわらず、参加者にとって魅力的でインタラクティブなものになりました。これは、参加者が画面上で対話できる意味のある刺激と目標を使用することで、参加者にとって魅力的でインタラクティブなものになりました。さらに、このタスクでは、参加者は実際の状況に従事し、さまざまな場所を訪れるための経路を計画する必要があります。生態学的なタスクデザインを持つためには、パラダイムは、被験者が日常生活で行わなければならないことと同様の方法で特定の行動または認知機能を実行するように挑戦する必要があります62,63,147。エコロジカル・タスク・デザインを開発するために、ここで用いる計画タスクは、いくつかのステージ⁵⁶で異なる場所を訪れるための経路を計画することを含む。最初の段階では、参加者が一連のルールに従っていることを確認しながら、プランを作成します。第 2 段階では、計画をワーキング メモリに保持し、第 3 段階では、計画を実行し、ルールの遵守を監視します。これらの段階は、計画のさまざまな段階と、認知の柔軟性、抑制性制御、作業記憶などの他の実行機能のオーケストレーションを表しています。有効な生態学的認知課題設計を持つためには、その課題は、日常生活でその特定の認知機能を果たすことが困難な精神障害または認知障害を持つ患者における特定の認知障害を検出できなければならない¹⁰⁵。これは、このプロトコルを使用した将来の研究を通じて達成できます。

このプロトコルを使用して得られた行動結果は、実験予測と一致していました。計画コンポーネントが制御タスクから取り除かれて制御条件が形成されると、動作に大きな違いが観察されたため、さらなる比較が容易になります。計画条件は、反応時間や精度などのパラメーターによって証明されるように、制御条件よりも認知的に要求が厳しいことがわかりました。これは、計画の実施における高認知機能の関与の増加を反映している可能性があります23,55,56,57,148,149,150。

制御条件が関与する認知がそれほど複雑でないことを考えると、反応時間の短縮、パフォーマンスの向上、必要な認知プロセスの違い(ルールの評価)によって証明されるように、可能な代替修正は、計画タスクに存在する複雑さのレベルを利用し、それらを操作し、計画機能をさまざまな複雑さのレベルに応じてパラメトリックに分析することです(たとえば、 試行回数を増やし、困難、中、および容易な試行条件を作成します)。しかし、私たちのプロトコルの結果は、行動測定に基づいて「簡単」と「難しい」試験を区別することが可能である一方で、電気生理学的測定では違いは検出されないことを示しました。このことは、我々のプロトコルの結果が、注意力、精神的努力、難易度、または認知要求の高レベルなど、認知制御の広範な側面ではなく、計画機能の本質的な特性をより正確に反映していることを示唆している⁵⁴。それにもかかわらず、さらなる研究では、4つの動物の位置を訪れるマークされた経路をたどるだけでなく、シーケンスの順序を記憶するなど、他のタイプの制御条件も考慮される可能性があります。このようにして、難易度をより適切に制御し、計画をワーキングメモリと区別することができますが、これの考えられる欠点の1つは、被験者が2つの非常に要求の厳しいタスクを実行する必要があるため、疲労です。

いくつかの研究では、さまざまな眼球運動パラメータを特定の認知イベントと関連付けています。一方では、特定の研究では、認知課題中のシータ振動と瞳孔径との相関関係が見つかっており、これら2つの認知機能の測定値間の関係が示唆されています。例えば、Linら¹⁵² は、主観的な葛藤の程度が異なることを反映して、前頭中央のシータ活動と瞳孔サイズの変化との間に相関関係があることを発見しました。彼らの発見は、これらのシグナルが対立処理、注意の増加、および柔軟な行動反応を表していることを示唆しています。したがって、前頭中部のシータ活動と瞳孔反応との関係は、意思決定プロセスにおけるコストと便益を比較検討する役割を果たしているようです。別の研究では、Yuら¹⁵³ は、タスクへの時間関与が、制御抑制性反応を調節するワーキングメモリタスクを通じて、神経生理学的に認知制御にどのように影響するかを調べました。彼らは、瞳孔径データと前頭葉シータ活動との関係を研究し、タスクの持続時間が長くなるとパフォーマンスが低下し、これには瞳孔拡張変調と前頭葉シータ活動の低下が伴うことを示しました。課題の開始時に、彼らは、主に高い作業記憶と抑制制御を必要とする要求の厳しい課題について、瞳孔散大調節によって示されるように、課題の関与、シータ活動、および認知制御との間に強い相関関係があることを発見しました。しかし、この関係は終盤に消滅し、投資された努力とタスクの実行に使用された認知制御との間の断絶を示しており、これは前頭前野のタスクに対する時間効果^{の特徴である153}。一方、他の研究では、サッカードと振動を調査しています。例えば、Nakatani et ^al.154 は、知覚課題において、後頭部からのアルファバンド振幅がまばたきとサッカード効果を予測することを明らかにしました。さらに、Velasquesら¹⁵⁵ は、プロサッケードの注意課題中に、サッカードの振幅が前頭のガンマ変化と関連していることを示しました。さらに、Bodalaら¹⁵⁶ は、前頭正中線シータの減少は、持続的な注意力の低下、およびサッカードの振幅と速度の低下を伴うことを発見しました。これらの知見は、眼球運動、特にサッカードが、脳波信号のバックグラウンドノイズに寄与するだけでなく、認知プロセスを反映している可能性を示唆しています。現在の研究では、サッカードと固定の分散比基準¹²⁶ を備えた ICA アルゴリズムを使用して、眼球運動に関連するアーティファクトの除去を強化しました。この基準は、自由視聴タスク¹⁵⁷のためのアーティファクト除去を強化する。私たちの研究では、サッケードのピーク速度と、条件間でのシータパワーとサッケードレートの間のコヒーレンスに違いは観察されませんでした。しかし、これらの疑問に対処するためには、さらなる研究が必要である。

このプロトコルを使用する際の重要なステップは、カメラからの視線データが失われると、タスクが汚染され、正確な応答を得るのが困難になるエラーにつながる可能性があるため、実験中にアイトラッカーを常にキャリブレーションすることです。したがって、できるだけ頻繁にキャリブレーションを行うことが重要です。ただし、キャリブレーションされたアイトラッカーを使用した試行回数と実験の長さとの間にはトレードオフがあります。私たちの研究では、5回の試行ごとにキャリブレーションを行うことにしました。

この計画課題におけるシータ振動と瞳孔径の関係を探る今後の研究が進められるべきである。計画は、注意力のあるリソースの割り当てと複数の認知プロセスの調整を必要とするエグゼクティブコントロールの重要な側面です。計画課題中にシータ振動と瞳孔径の関係を理解することで、実行制御の根底にある神経メカニズムと、それらが時間の経過とともにどのように変化するかについての貴重な洞察が得られる可能性があります。さらに、このような研究は、疲労や注意力の低下などの認知機能の変化が、計画タスクのパフォーマンスやリソースを効果的に配分する能力にどのように影響するかについて、より深い理解につながる可能性があります。この情報は、認知トレーニングプログラムや注意欠陥・多動性障害(ADHD)などの症状の治療など、計画パフォーマンスの向上を目的とした介入の開発に重要な影響を与える可能性があります。

以前の研究では、PFC が認知計画において重要な役割を果たすことが示されています。これらの結果は、認知計画がPFC、特に前帯状皮質、中帯状皮質、および上前頭野⁵⁴でFMθ活性を誘導することを示しています。これらの知見は、実行機能に関する先行研究と一致している。FMθ活動が、要求の厳しいタスク中に脳領域間の制御を開始し、コミュニケーションを促進するためのトップダウンプロセスとして機能するという考えを支持する実質的な証拠があります¹³。認知制御に関連するFMθ活動の時間的ダイナミクスを調べた研究はごくわずかですが、FMθの時間プロファイルが認知制御のさまざまな側面と異なるPFC領域の関与に関する情報を提供できるという広範な合意があります。認知計画の評価にプロトコルを使用することで、計画中のFMθ活動の時間プロファイルを特徴付けることができました。具体的には、計画条件中のFMθ活性は漸進的な増加を示した。このプロトコルを実装することにより、初めて、FMθは、他の高次の認知機能と同様に、計画の実施中にも存在し、その時間的ダイナミクスが認知制御の指標として機能する可能性があることが実証されました。

私たちの結果とプロトコルは、仮想神経心理学的評価の改善や、うつ病や注意欠陥/多動性障害などの認知計画に関連する問題を伴う神経精神障害の治療など、神経科学の分野での潜在的な応用があります。たとえば、評価には、行動パフォーマンスレベルでのさまざまなエラーパターン、電気生理学的レベルでのさまざまな振動パターン、およびさまざまな眼球運動の調査が含まれる場合があります。さらに、この研究の結果は、認知計画能力の向上を目的としたブレイン・コンピューター・インターフェースや認知トレーニングプログラムの開発に役立つ可能性があります。

本プロトコルは、神経学的に定型および神経精神医学の集団における認知計画のとらえどころのない認知制御機能を支える神経メカニズムを理解するための新しい証拠を提供する可能性があります。さらに、私たちの行動パラダイムは、シータ振動の変化に反映されるように、認知制御タスクに通常存在する一般的な認知要求ではなく、計画の本質的な側面を調べる実用的な計画タスクを使用して、電気生理学的、瞳孔測定、および行動測定の調査を通じて、認知制御と計画の神経生物学への洞察を提供する可能性があります。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
脳波システム	Biosemi		ActiveTwo ベースシステム、64チャンネル
アイトラッカーシステム	Eyelink SR Research		EyeLink 1000 Plus Core Unit、ハイスピードカメラ、ホストPC/モニター、
CPUディスプレイ	Intel		ハードドライブ 221 GB、プロセッサ Intel Core i7-4790 3.60 Hz、OS Windows 7、4GB RAM
CPU EEG	Intel		ハードドライブ223 GB、プロセッサIntel Core i7-4790 3.60 Hz、OS Windows 7、4GB RAM
	モニターASUS ASUS		VG248QE 24インチLCD
モニターJoytsick	Logitech		モデルF310
ルクスメーターフォ	ケット		LCDスクリーン(0-200.000ルクス)モデルLiebe WH LX1330B
統計ソフト	GraphPad Prism		GraphPad Prism version 8 for Windows
MATLAB プログラミングソフトウェア	The MathWorks		MATLAB R2014aおよびR2018b
SVGツール、Inkscape	、Inkscapeプロジェクト		、ベクター、グラフィックエディタ、
ソフトウェア、プレゼンテーションソフトウェア、	神経行動システム		、刺激配信、および神経科学の実験制御プログラム