空間ナビゲーションで学習研究するために近赤外分光法をMazeSuiteおよび機能の使用

このプレゼンテーションでの私たちの目標は2つあります。まず、実験プロトコルの設計プロセスとMayスイートの使用を説明し、次に、FNIR脳活動モニタリングシステムのセットアップと展開を示します。May suiteは、適応した3D環境を設計および編集するだけでなく、参加者の行動パフォーマンスを追跡するために使用できます。

これらを実証するために、研究のサブサンプルが報告され、1回の実験でMayスイートとFNIRの両方の使用方法が示されています。この研究には、ブロックされたランダムな練習命令のためのコンピューターメイスタスクの獲得と学習中の背側外側前頭前皮質の認知活動の評価が含まれます。FNIRは、皮質内の血行動態反応の変化を追跡するために、近赤外線を使用する光学式脳モニタリング技術です。

脳の血行動態と酸素化の非侵襲的モニタリングは、1977年にJob Ossyとその同僚によって初めて実証されました。この技術により、自然環境での脳活動を測定するために使用できる、ポータブルで安全、手頃な価格、非侵襲的、最小限の侵入型モニタリングシステムの設計が可能になります。外来および野外条件の近赤外光は、700〜900ナノメートル以内で数センチメートルの組織を透過することができます。

光が組織に入ると、光は吸収されるか散乱されます。吸収は、ヘモグロビンなどの光吸収分子の発色力によるもので、細胞膜や層などの組織の構造で水の散乱が起こります。一般的なFNIR測定には、光源と検出器を備えた測定ユニットが含まれています。

光源が活性化され、光が頭皮に導入され、頭皮を貫通して組織内を全方向に移動し、移動するにつれて強度を失うと、光の一部は複数の逐次散乱により表面に戻り、検出器によって記録され、検出器に到達した光子は実際にはバナナ型のボリュームを通って移動します。検出器での測定は、光源と検出器の間のこの体積に関する情報を提供します。オイドと呼ばれるカップルは、浸透の深さ、つまりバナナの曲率が光源と検出器の間の距離の関数です。

そのため、FNIRセンサーの形状が設計の鍵となります。認知課題の測定の種類と前頭前野からの測定にもよりますが、光の分離は通常2.5センチメートルから3センチメートルです。この研究では、FNIRデバイスモデル1000を使用しました。

これは、1990年代のChance and Colleaguesの設計に基づいており、ドレクセル大学の光学脳イメージング研究室でさらに開発されました。この装置は、光を皮膚とインターフェースするために繊維や光ガイドに依存しません。したがって、セットアップが簡単で、長時間のセッションでもより快適で、動きのアーティファクトが発生しにくくなります。

ただし、このセンサーは、額の下にある背側外側前頭前野の皮質活性化を検出するために特別に設計されており、髪の毛からの干渉により他の頭部領域では使用できません。この研究で使用したFNIRセンサーパッドには、730ナノメートルと850ナノメートルの非コヒーレント光を照射する4つの発光ダイオードが含まれています。10個の光検出器があり、LEDを順番に点灯させることで、周囲の検出器を使用して16個の測定場所を点灯させます。

ボックスはスキャンのたびにサンプリングされます。これには、2つの異なる波長の光強度測定と、周囲光の暗度測定が含まれ、測定場所ごとに合計3つのチャンネルが含まれているため、スキャンから記録されたチャンネルは合計48チャンネルになります。センサーパッドは、被写体側の額の上に置かれます。

1つは被験者の左側にあり、サイド2にある必要があります。被写体の右側では、センサーを眉毛のすぐ上に配置し、垂直の中央に配置する必要があります。架空の垂直対称線は、額の正中線を通り、次に鼻を通ります。

センサーパッドの中心線は、額と鼻の正中線と一致します。センサーパッドが配置されると、ケーブルが両側で引っ張られ、後頭部で接続されます。ケーブルをクリップで固定した状態で、センサーパッドがスキンに適切に結合されていること、およびオプトとスキンの間に隆起やスペースがないことを確認することが重要です。

適切なカップリングを確認する良い方法は、センサーパッドに少し圧力をかけ、圧力によって位置が変化するかどうかを感じることです。場合によっては、テニスバンドやバンダナなどのヘッドバンド、伸縮性のある、または硬い布をFNIRセンサーの上に置いて、オプトと皮膚の結合を固定できます。センサーの位置が終わったら、データ集録を開始してすべてのチャンネルの信号を確認する必要があります まず、センサーパッドをFNIRハードウェアコントロールボックスに接続する必要があります。

デバイスはUSBケーブルでコンピューターに接続し、両方のシステムの電源をオンにする必要があります。次に、左側のペインにあるショートカットをクリックして、コンピューターでKobe Studioを実行し、[現在のデバイスの開始]リンクをクリックします。設定が正しければ、デバイスが起動したことがメッセージペインに表示され、新しく取得した信号がグラフに表示されます。

信号レベルは、LEDの電流とゲインの設定によって異なります。経験則としては、これらのパラメータを700ミリボルト以上、4, 000ミリボルト未満にすることをお勧めします。さらに、信号は安定している必要があります。

ばらつきやスパイクが大きすぎる場合は、センサーの結合が不適切であるか、ケーブルまたはハードウェアの接続に問題があることを示している可能性があります。場合によっては、1 つまたは 2 つの横方向のチャネル (左側に 1 つと 2 つ、右側に 15 と 16) がヘアーの上に配置され、それらの信号値が低すぎることがあります。分析の後半でこれらのチャネルを続行して削除することもできます。

個々の肌の光学特性が異なるため、個人差が大きい場合があるため、各被写体に基づいて設定を調整する必要がある場合があります。最初にデバイスの設定を変更するには、[現在のデバイスの停止]をクリックします。次に、左側のペインでデバイスのプロパティをクリックします。

ダイアログボックスの「Data Acquisition Settings」タブに移動します。最初に信号値を大きくする場合は、LED電流値を大きくします。LED電流値が増加すると、LEDがより明るく点灯します。

最初に信号レベルを下げたい場合は、ゲインを下げます。初期ゲイン値は、すべてのボクセルに使用されます。値を設定したら、[保存] をクリックし、[開始] をクリックします。

現在の装置では、新たに設定されたパラメータでデータ取得を開始するが、実験中に特定の事象を識別するためにマーカーを使用することも一般的で有用である。マーカーには手動と自動の2種類があります。手動マーカーは、Kのメインウィンドウでボタンがクリックされることで生成され、時間タグが付けられてFNIRデータとともに保存されます。

自動マーカーは、外部デバイスまたはコンピューターソフトウェアから受信し、デバイスが停止している間に自動マーカーを受け取ります。左側のペインにあるデバイス設定に移動し、[同期設定]タブでマーカーを確認して聞きます。シリアルポートは、マーカー通信の推奨される方法です。

シリアルポート番号がコンピュータ上の有効なポート番号に設定されていることを確認します。次に、ePrimeやMay Suiteなどの刺激ソフトウェアを送信して、このコンピューターに時間タグを付けて保存し、FNIRデータとともに受信した値でマーカーを送信できます。生のFNIR信号は、光強度の時系列信号です。

データ中のノイズは、生光の変換前または変換後に除去できます。強度。酸素化値への値 呼吸、心臓の脈動、機器の騒音など、生理学的に無関係なデータを生のFNIR測定から排除する必要があります。心拍数関連のコンポーネントは通常、約0.5ヘルツ以上のピークを持ち、呼吸は0.2ヘルツから0.4ヘルツの間であり、これらの生理学的アーチファクトを排除します。

有限インパルス応答と線形位相ローパスフィルタが使用されます。また、モーション アーティファクトによって信号が破損することもあります。FNIRセンサーの光源や検出器が元の取り付け位置からスライドしたり、頭の動きによって皮膚との接触を失ったりすると、FNIR測定で予期しない突然のバーストやスパイクが発生する可能性があります。

さらに、光源が皮膚との結合を失った場合、検出器は、光がそれに向かって通過する可能性があるため非常に低い値を記録するか、皮膚の表面からの反射光による極端な高強度および瞬間的な飽和を記録する可能性があります。同様の飽和効果は、検出器がポップして皮膚との接触を失った場合に発生する可能性があります。周囲光がヘッドの動きを漏らすと、センサーパッドまたは光源と検出器に加えられる圧力がさらに変化する可能性があります。

これらの変化により、より多くの光子が組織に入ることができ、したがって、検出された光強度が一時的に変化する可能性があります。単に動きのアーチファクトの可能性のためのデータを目視検査するだけでなく、文献のモーションアーチファクト検出および除去アルゴリズムの数が増えていますプロセスを自動化し、主観性を排除します 文献では、単純なローパスおよびVAMパスフィルタから、独立したまたは主要な成分分析からのウェーブレット分析、適応ウィーナーフィルタやカウマンフィルタなどの最適なフィルタリングまで、連続波システム。生のFNIR信号は、修正ビールランバートの法則を使用して相対的な酸素化変化に変換されます。

特定の入力波長での光学密度は、入力光強度と出力光強度の対数比であり、ODは、クロモフォースの濃度と吸収係数、光源と検出器の補正距離に加えて、2つの異なる時間インスタンスで同じ入力光強度を持つ一定の減衰係数にも関連しています。ODの差は、検出された光強度値のみで表すことができます。典型的には、選択される2つの波長は、オキシヘモグロビンおよびデオキシヘモグロビンの吸収が他の組織発色団と比較して支配的である700〜900ナノメートル以内の1つであり、2つはアイソ痙攣性の下に1つと上に1つであり、これはデオキシとオキシヘモグロビンの吸収スペクトルが互いに交差する約805ナノメートルである。

この方程式は、2 x 2 の行列が有意でない場合に濃度を解くように設定できます。酸素化ヘモグロビンと脱酸素化ヘモグロビン値の相対的な変化の後、値が計算されます。次のステップは、実験プロトコルと使用する認知課題に応じて特徴を抽出することです。

特徴抽出は、データ量を減らし、統計分析を使用してさまざまな認知タスク、被験者グループ、および解剖学的位置を比較するために最も一般的に使用されます。一般的に使用される特徴には、酸素化および脱酸素化ヘモグロビンの最大最小平均値または中値、および最小値または最大値に達するまでの経過時間である反応時間が含まれます。これらの特徴は、単一の試行パラダイムを使用して得られる特定の認知刺激に対する誘発された血行動態応答内で、またはブロック試行デザインおよびパラダイムを通じて実装された特定の条件に対応するデータエポックまたはデータのブロックを使用して抽出できます。

メイスイート 3つのコンポーネントで構成され、それぞれが実験の特定の段階を対象としています。設計、実験、分析。Maze Makerを使用すると、ユーザーは実験プロトコルの各段階の3D環境を簡単に設計できます。

シンプルな環境は一瞬で作ることができます。まず、床面積を定義し、次に壁ツールを使用して迷路の境界を定義します。最後に、被写体の開始位置を配置し、次にエリアを出ます。

保存後、クイックランツールを使用して、環境をすぐにテストできます。特定の実験計画の要件を満たすために、より複雑な環境を作成できます。環境は、インタラクティブオブジェクト、ライティングコントロール、テクスチャリングの導入によりカスタマイズできます。

Maze List Builder を使用すると、特定の迷路とユーザーメッセージを組み合わせた Mel ファイルを作成して保存し、実験手順として使用することができます。Masisの機能は、特定の実験デザインレベルを実行するために使用でき、ストーリーボードとして難易度を上げたりランダムにしたり、実験レベルに対して制御したりして配置できます。実験の個々の試験は、Maze Walkerプログラムを使用して実行されます。

Maze Walkerで設定を変更すると、ユーザーは実験の条件をさらに指定できます。コントロールは、キーボード、マウス、ジョイスティックなどのさまざまなデバイスからの入力を受け入れるように変更できます。外部デバイスは、Maze Walker と双方向の通信を行い、情報を収集したり、環境内の変化をトリガーしたりできます。

デバイス通信は、T-C-P-I-Pまたはシリアルケーブルで処理でき、E-E-G-F-M-R-IやFNIRなどのさまざまなデバイスとのインターフェースが可能です。セッション中、mais Walkerは、セッション中に発生したイベントとともに被験者の動きを記録します。Maze Analyzerプログラムを使用すると、MACEファイルを記録されたユーザーパスとともに表示してレビューできます。

分析に役立つように、さまざまなパスを重ねて、さまざまな試行に関する統計情報を計算できます。さらに、収集された情報は、追加の処理のためにExcelまたはMATLABにエクスポートできます。私たちの認知レパートリーには、仮想空間ナビゲーション、迷路、脳の活性化、前頭皮質のパターンなど、さまざまなタスクを使用してアクセスできるさまざまな機能と能力が含まれています。パターンは、練習後、および保持中の最初の新しいタスクのパフォーマンスとは異なります。

FNIRを使用し、前頭前皮質に焦点を当てることで、PFCの機能、特に実行機能、認知機能の行動制御、問題解決課題中のPFCの使用、およびワーキングメモリの複数の項目を維持しながらの高レベル構造の使用を活用しています。複数の類似した課題を学習する際の練習の組織化は、文脈干渉効果と呼ばれる学習現象です。文脈的干渉の影響は、個人が異なる練習スケジュールで複数のタスクを取得するときに明らかになります。

高い文脈干渉は、学習すべきタスクが非連続的で予測不可能な順序で提示されるときに作成されます。低文脈干渉ブロックの練習は、学習すべき課題が予測可能な順序で提示されるときに作成されます。それぞれが315回の獲得試行を行い、3つの迷路のそれぞれを月曜日、水曜日、金曜日の3日間にわたって105回の試行を行いました。

取得から72時間後の翌週の月曜日に、30件のリテンション試験と20件の移管試験がランダムな順序で実施されました。PFC活性は、16のオプトサイトについて、すべてのフェーズでモニターされました。FNIR依存性測定を使用した場合、平均酸素化、ヘモグロビン、および迷路の合計時間、経路、長さ、平均速度の行動測定の相対的な変化が含まれていました。

行動の結果は、両方の練習順序について、迷路時間、つまり迷路を完了するために必要な合計時間に単調な減少傾向があることを示しており、参加者が練習するにつれて、より短い時間で迷路を完成させたことを示唆しており、これは学習の行動評価に期待されます。また、迷路の速度、つまり参加者が迷路をナビゲートする平均速度は、練習を重ねるごとに増加します。繰り返しになりますが、これらの結果に対する学習の推論として、時間の経過に伴う行動測定の改善が期待されます。

各転送タスクのランダムとブロックの練習を並べて比較し、転送タスクを容易にします。5月4ブロックの練習はランダムな練習を上回りました。しかし、より難易度の高い転送課題である迷路5では、ランダム練習がブロック平均酸素化よりも優れていました。

模擬試験中のヘモグロビン濃度の変化は、ブロックされた順序がランダムな順序と比較してより高い脳の活性化を必要としたことを示しています。また、練習順序内でブロック順序学習と比較すると、転移段階のような新たな課題では、より高い脳の活性化が必要となる。すでに学習したタスクでは練習順序が異なっていたことを考えると。

ブロックされた順序でタスクを学習した参加者にとって、この階層化されたランダムな練習順序は、タスクを実行するために追加の努力と認知リソースを必要とするほど十分に新規であった可能性があります。さらに、ランダムな練習順序の場合、神経活性化の伝達フェーズは保持フェーズよりも高くありませんでした。結論として、この探索的研究は、空間ナビゲーションにおける学習の神経行動学的側面を研究するために、May suiteとFNIRを使用することを実証しました。

May Suiteは、ユーザーフレンドリーなグラフィカルインターフェースを備えたシンプルな3D環境の設計と適用を可能にし、被験者内または被験者間の比較のための行動測定を自動的に記録します。FNIRは、ポータブルで安全、かつ非侵襲的な脳モニタリングツールで、臨床検査室や自然環境において脳の活性化を研究するために使用されてきました。このプレゼンテーションが、これらのツールの説明にお役立たただければ幸いです。

あなたの実験に頑張ってください。