방법 논문

재화 진 동성 Prestimulus 활동의 통증 관련 공부에 Psychophysically - 고정, 강력한 임계 화

DOI:

10.3791/55228

⸱

2017년 1월 21일

 , 
1Department of Systems Neuroscience, University Medical Center Hamburg Eppendorf

이 논문에서

요약

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

예를 들면 QUEST 추정 절차와 정신 물리학 적 방법을 효율적으로 자극 강도 고통스러운 감각에에 아프지 않은 감각이 전환의 강력한 견적을 산출 할 수 있습니다. 임계 강도 반복 자극하여, 평가 응답의 변화는 직접적으로 후속 분석에 지각 적 분류에 기인 할 수있다.

초록

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

지각 적 연구에서 객관적 참가자간에 전달되는 자극 어떤지를 평가 또는 복수의 시험을 통해 자극에 의해 유발 된 내 개별 감각의 크기를 정량화하는 것이 중요하다. 이것은 인식 강도 자극 크기의 견고한 매핑을 필요로하며 일반적으로 이러한 계단 절차로 정신 물리학 추정 방법에 의해 달성된다. 데이터 수집의 효율을 극대화하는 동시에 추구 알고리즘 등 새롭고보다 효율적인 방법은 실시간 데이터에 대한 심리학 적 기능을 장착한다. 고통 아프지 인식의 임계 강도의 추정치는 강력한 진동 뇌 활동의 후속 분석에서 감각 입력의 변화의 영향을 줄일 수있다. 적응 추정 방법에 의해 결정되는 일정한 임계 강도로 자극하여, 등급의 변화는 직접적으로 지각 공정에 기인 할 수있다.진동 활동은 다음 밀접하게 통각의 지각 분류 방법에 관한 활동을 얻었다 "고통"직접 "없는 고통"시험 사이에 대조 할 수 있습니다.

서론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

피험자 관련된 행동 실험을 실시하면, 밀접되게 자극의 세기를 제어 할 수있는 것이 중요하다. 모든 참가자에 대해 동일한 강도의 자극을 사용하지만, 일부 설정에 주관적 인식의 편견을 소개합니다. 통증과 같은 일부 지각 품질을 위해, 일정한 자극 레벨 1, 2에서인지 강도 높은 간 및 내 개인 차이가 있습니다. 동일 주관적인 지각 표상 가정 실험의 경우, 이에 따라 참가자 걸쳐 주관적인지 강도를 일치시킬 필요하다. 고통 아프지 자극 사이에, 예를 들어, 임계 레벨인지를 검사 할 때 중요하다. 정신 물리학 연구는 수십 년 동안 이러한 문제 유형을 해결하고 있으며, 강력한 정신 물리학 고정을 달성 할 수 정교하지만 사용하기 쉬운 방법이 오늘입니다.

받는 관련된 참여자의 응답에 변화가있을 때까지 ntent "> 개별 감각 크기에 자극의 세기를 맵핑하는 간단한 고전적인 방법은 계단 방식 3. 이에 따라, 연속적인 자극의 강도를 증가 또는 감소 주관적 감각 규모 원하는 시작점 또는 위치. 시간이 프로세스 번호를 반복가 반전 점 그럴듯한 추정을 산출한다. 고전적인 방법은, 그러나, 각각의 평가 시험에 포함 된 모든 정보를 활용하지 못한다.이 불필요 리드 시험의 많은 수의 융합에 도달하는 데 필요한. 같은 실패 할 수 있습니다 (선형) 회귀 또는 함수 피팅 등의 방법을, 자극의 강도와 감각의 크기 사이의 관계에 대한 가정은 잘못 또는 테스트 자극의 범위를 보유하지 않습니다. 적응 절차를하지 않을 경우 단지 특정 주관적 강도위한 강력한 점 추정치를 산출하지만, 그래서 더 효율적으로 수행. 특별 한을정신 물리학 방법은 강력하고 필요한 시행 횟수에 대해 효율적으로 동시에 둘 수 있도록 LY 무겁게 임계 또는 감각 크기의 정확한 추정에 의존 이상 실험의 경우, 필요하다. 이것은 통증 자극 총 노출 참가자의 이익을 위해 가능한 한 낮게 유지되어야 통증 연구 등의 분야에서 특히 중요하다.

고전 계단 방법이 여전히 널리 사용되지만, 정량적 감각 테스트 예, 시험에서 취득한 정보를보다 효율적으로 사용하는 고급 추정 방법의 사용이 꾸준히 증가하고있다. 여기에서 사용되는 최대 우도 추정 방법 QUEST (4, 5)의 경우, 이것은 아마도 인기 matlab에 PsychToolbox 6 실내에서 쉽게 구할 구현 때문이다. 이 홍보의 현대, 수정 된 버전ocedure 견고성 우측 설정 7을 사용하는 경우, 충분한 추정치에 도달하기 위해 요구되는 실험의 수가 적은 모두 고전 추정 방법보다 우수하다.

퀘스트 절차 뒤에 이론적 근거는 자극의 강도와 감각의 강도 사이의 정신 물리학 적 변환을 모델로 들어오는 데이터에 이블 기능에 맞게하는 것입니다. 정신 물리학 이블 함수의 매개 변수로 인해 거짓 긍정적 인 속도와 응답 불일치로 예를 들면, 실험에 의해 지정된 부분의 함수의 기울기 또는 오프셋입니다. 강도 치수를 따라 관심 파라미터의 위치는 베이지안 최대 우도 추정을 이용한 방법에 의해 근사된다. 이에 따라, 확률 분포는 임계 강도 즉, 대상 파라미터의 위치를 통해 추정된다. 이러한 분배에 대한 분별 이전의 가정을 감안할 때, 알고리즘은 t을 결정합니다참가자가 응답해야한다고 그는 가장 유익한 강도. 절차의 현재 구현에서, 이것은 사전 확률 분포 (8)의 평균이다. 이블 함수 특징으로 각각의 연속적인 시험을 위해, 사전 확률 분포는 테스트 자극 수준에서 참가자의 주어진 반응의 가능성이 곱 본질이다. 모든 응답이 지속적으로 임계 파라미터에 대한 확률 분포의 추정치를 갱신하는 데 사용된다. 만족스러운 예측이 생성 될 때까지이 과정을 반복한다. 그 다음 테스트 된 자극 강도를 결정하기 위해 수집 한 응답의 즉시 사용하게되므로 절차는 단순 회귀보다 더 효율적이다. 또한, 상기 절차는 구체적으로는 예를 들어 임계 값 또는 소정의 감정 강도 관심 지점 주위에 조사된다. 회귀 이러한 제한된 범위에서만 테스트 데이터를 사용하면 불안정으로 이어질 것시험의 상대적으로 낮은 번호가 가능하다 설정에서 적응 절차가 더 강력하게 추정하고있다.

이러한 강력한 앵커링 정신 물리학 다른 설정 사이에서 시간에 따른 통증 민감도 변화 통각 / 이질통 연구 또는 약리학 적 개입의 진통 효과의 조절 성 효과를 측정하기 위해 사용될 수있다. 두 감각 컨티뉴 사이에서 임계 강도에 자극을 고정 할 수있는 또 다른 흥미로운 가능성은 고통스러운 감각도 9,도 10,도 11에 비 통증의 전환에 걸쳐 주관적 감각 검사한다. 통증 역치가 견고 추정 된 경우, 통증 및 무 통증 조건 물리적 자극 강도 (12)을 변경하지 않고, 예를 들면, 뇌파 (EEG) 활동에 대조 할 수 있으므로이 경우는 매우 흥미 롭다. 이것은 OBS 허용통증 및 비 통증으로 평가 실험과 뇌 활동의 차이를 검사하여 일정한 조건 하에서 자극 통증 지각 특정 프로세스 ervation.

우리는 견고 고통과 무 통증 활동 사이의 대비가 자극 사이트에 따라 재화의 효과를 조사하는 EEG 실험에서 개별 고통 임계 값을 결정하기 위해 PsychToolbox에 적응 추정의 쉽게 사용할 수 구현을 사용하는 방법을 보여줍니다. 자극 강도가 임계 절차 후에 일정하게 유지 될 수 있기 때문에, EEG 활성 후속 분석 자극 강도와 공동 변화를 설명 할 필요가 없다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

실험은 함부르크 의료 협회 (PV4509)의 윤리위원회에 의해 승인되었습니다.

1. 참가자 선택

  1. 통증 자극, 머리 이식 또는 기존의 신경 학적 조건에 대한 적합성 표준 선택 기준을 넘어, 참가자는 급성 또는 만성 통증을 앓고 있지 않은지, 어떤 진통제를 복용, 약물 남용의 알려진 기록이 없습니다되어 있는지 확인하십시오. 참가자들은 또한 실험에 앞서 4 주 동안 어떤 약리 연구에 참여 찍은해서는 안됩니다.
  2. 어떤 성별의 참가자를 포함, 아직에만주의를 기울여야 통증 지각의 순환 변화의 영향을 최소화하기 위해 호르몬 피임약 (13), (14)을 사용하는 여성 참가자를 포함한다.
  3. 자극의 종류를 투여하기 전에 참가자가 서면으로 동의서를 준합니다.
_title "> 2. EEG 설치

  1. 적절한 캡 크기를 선택하고 시스템의 사용 설명서에 따라 뇌파 전극 설치를 준비합니다.
  2. 샘플링 속도 및 높은 / 낮은 컷오프뿐만 아니라, 기록 장치의 임피던스 제한을 설정 (권장 500 ㎐, 0.5 Hz에서 고역 통과 필터, 임피던스 <20 kΩ에서).
  3. 자극 장치와 EEG 장치는 전기 배터리의 EEG 시스템을 실행하여 연결하지되어 있는지 확인합니다.
  4. 뇌파 시스템과 전기 자극 장치를 제어하는 ​​컴퓨터 사이의 연결이 가능성이없는 지 확인합니다.

3. 전기 자극 설치

  1. 가장 EEG 기록의 시간 해상도를 사용할 수 있도록하기 위해, 가능한 한 짧은 전기 자극을 유지한다. 1 밀리 기간 400 V 최대 전압을 하나의 단상 자극 펄스에 자극을 설정합니다. 더 강렬한 통증 수준이 필요하거나 포스트 자극 뇌파 기록의 정확한 타이밍은 N 않는 경우우선 구약 다른 자극 프로토콜을 사용할 수있다.
  2. 확인 전기 자극기는 켜져 있지만, 전극에 출력이 꺼집니다. DS7A를 들어 아래 위치에 있어야 장치의 오른쪽에있는 '출력'라고 표시된 스위치를 자극.
  3. 선택한 자극 사이트를 식별하는 랜드 마크 (들)을 찾습니다. 손에 자극 들어, 엄지 손가락과 집게 손가락 (외전 / 굴곡 무지 브레비스) 사이의 근육을 사용합니다. 모든 숫자가 밖으로 뻗어과 나란히 놓이는와 평평한 표면에 손을 누워 참가자를 요청합니다. 엄지와 검지 손가락의 첫 번째 손가락 관절 사이의 거리를 이등분하여 자극 위치를 식별한다.
  4. 전극 제조 겔을 적용함으로써 피부를 청소한다. 자극이나 신뢰할 수없는 자극으로 이어질 수있는 피부에 잔여 물을 남길 수있는 알코올이나 살균제를 사용하지 않도록합니다.
  5. 자극 전극을 부착하고 섬유 테이프와 장소에 고정합니다.
  6. 제 질문전자 참가자는 손을 편안한 위치를 찾을 수 있습니다 가능하면, 실험 기간 동안 손을 이동하지 않으려 고 할 수 있습니다. 참가자의 편의를 위해, 표면의 투과성에 따라서, 임의의 습기를 흡수하기 위해 손을 아래 연조직 놓는다.
  7. 상향 위치로 'OUTPUT'스위치를 전환하여 자극기의 출력을 사용합니다.

4. 시작 포인트를 결정

  1. 마우스를 사용하여 화면의 평가 척도를 작동하는 방법에 참가자를 지시. 좌측 절반은 비 통증 감각을 나타내고; 우측 절반의 수평 라인의 형태로 연속 감각 강도의 범위에 대한 등가 시각을 제공하는 표준 통증 VAS 스케일에 대응한다. 규모의 절대 중심점을 선택 할 수없는 참가자에게 지적한다. 앵커 포인트 (15) (표 1)에 대한 표준화 된 지침에 참가자를 제공합니다.
    2. <리>는 참가자에게 강도를 변화하고 응답을 기록하는 자극을 적용하여 평가 과정에 익숙해 얻을 수있는 기회를 제공합니다. 지속적으로 각각 강하지 만 아프지 않은 감각 (낮은 점)과 적당히 고통스러운 감각 (높은 점)을 불러 일으키는 두 강도에 대한 견적을 얻기 위해이 단계에서 수집 한 정보를 사용합니다. (30) 시험 또는 좋은 추정치에 도달 한 만족 할 때까지 - 25에 대한 자극을 계속합니다. 이 시간 동안, 강도에 구두 피드백 반복되게 자극 강도의 주관적 유사도에 대한 참가자를 조회하는 것이 유리할 수있다.
  2. 스케일 센터 주변의 반응을 되살리기 위하여 무작위로 강도를 선택하려고합니다. 최상의 결과를 얻으려면, 단순히 증가 또는 선형 강도를 감소하고, 또한 고통스러운 측면의 극단적 끝을 탐구하지 않습니다. 이 단계는 참가자에게 잠재적으로 익숙하지 않은 stimulat에 익숙해 질 수있는 기회를 제공한다이온과 일관성있는 평가 범위에 대한 몇 가지 기준을 설정합니다. 이 때문에 일부의 강도를 반복하면서, 가능한 자극 강도의 전체 범위에서 강도를 적용하는 것이 바람직하다.
  3. 높은 점과 낮은 점 시작 강도 모두 얻은 추정치를 갖는 일단 만족, 실험의 첫 번째 부분을 시작하려고하고 (들) 연습으로 그 등급을 유지해야 임의의 자극 강도가 표시되는 동안 참가자 통보 .

5. 임계 값을 결정

주 : QUEST 알고리즘은 추정을 시작하기 전에 지정해야 할 몇 가지 매개 변수가 필요합니다. 이러한 매개 변수 (일반적으로 베타 3.5)에 정신 물리학 함수의 기울기, 임의의 대답이 예상되는 임상 시험의 비율 (일반적으로 델타, 0.01), 어떤 자극이 주어지지 않지만 긍정적 인 반응이도 예상되는 임상 시험의 분율을 포함 (감마, 아니 추천). 베이지안 estimat에 대한이온, 예상 등급의 범위 (SD)과 가능한 응답 (곡물)의 간격을 지정해야합니다. VAS를 들어, 입자는 크기 (일반적으로 하나)의 해상도로 설정되어야하고, SD 스케일 영점 및 가능한 최대 강도를 더하기 일부 안전 마진 모두를 포함 할 정도로 크게 설정되어야한다. 여기에 지정된 추천 "전형적인"값은 PsychToolbox 6, 16에 포함 된 QuestCreate 소스 코드에 자세히 설명되어 있습니다. 임계 값에 통증, 최대 0.01의 감마 값은 그럴듯해야한다. 추정 방법은 그러나 단지 몇 시험, 최종 추정치의 불확실성을 증가시킬 수 분별 매개 변수를 지정 실패와 설정을, 매개 변수의 misspecification의 측면에서 상대적으로 강하다. 표준 편차가 너무 낮게 설정되는 경우, 절차는 제 주위의 표준 편차에 의해 스팬 된 영역 외부에있는 추정치에 수렴하는 문제를 가질 것이다매개 변수에 대한 전자 사전 추측. 따라서 오히려 너무 큰 표준 편차 치우쳐하는 것이 중요하다.

  1. 위의 매개 변수를 두 QUEST 세션을 만듭니다. 하이 포인트 강도에서 하나 낮은 지점에서 일을 시작합니다. 추정 방법의 구현 로직에 대한 정보는 보충 재 (S1)에서 찾을 수있다.
  2. 임의로 각각 QuestMean 함수에 의해 주어진 2 점 중 하나의 프로브의 강도를 선택한다.
  3. 프로브 강도에 전기 자극기를 설정합니다. 알고리즘에 의해 제시된 것과 다른 강도가 적용될 필요하거나 제안 강도 범위를 벗어나면, 단계 5.5에서 다시 QuestUpdate 함수로 제시 강도 피드.
  4. 자극을 트리거합니다.
  5. 참가자가 자극을 평가 한 후, 각각의 추정 세션 QuestUpdate를 실행하고 참가자의 평가뿐만 아니라 제공되는 실제 자극 강도를 제공합니다.
  6. 견적이 안정 또는 사전 정의 된 정지 기준 (> 40 시험)에 도달 할 때까지 평가 시험을 실행을 계속합니다.
  7. 모두 추정 QuestMean 의해 주어진 높고 낮은 시작점부터 실행 사이의 평균 임계 추정치를 기록한다.
  8. 원하는 경우 참가자가이 단계에서 휴식을 취할 수 있습니다.

6. 임계 값 수준에서 자극

참고 :로는, 참가자에게 허용와 같이 사용자의 필요에 대한 평가 및 블록 수를 조정할 수있다.

  1. 실험의 나머지 부분에 대해, 임의의 자극에 더 블록이 다음 될 참가자를 알리고 그들이 이전에했던 것처럼 그들은 등급을 유지해야합니다. 필요한 경우, 스케일 앵커 포인트의 지시를 새로 고칩니다.
  2. 뇌파 기록을 시작합니다.
  3. 단계 5.7에서 얻어진 평균 임계 추정하기 위해 전기 자극을 설정하고 제의 나머지 부분의 설정을 일정하게 유지전자 실험.
  4. 등급 블록 (30 시련을) 시작하고 EEG 기록의 데이터 품질을 관찰합니다. 5 등급 블록 및 참가자가 블록 사이에 짧은 휴식을 취할 수 - 뇌파 데이터 품질에 따라 4를 실행합니다.
    참고 :이 휴식 시간을 최소한으로 참가자와 사회적 상호 작용을 유지하거나 가능한 한 많은 상호 작용을 표준화하려고합니다.
  5. 완료되면, 뇌파 기록을 중지 해제로 자극기 출력을 전환하고, 전극을 제거합니다. 뇌파 캡을 제거한 후 참가자를 브리핑.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

아프지에 대한 절반 고통스러운 감각 (그림 1a)에 대해 절반에 평가 척도 분할을 사용하여, 일정한 자극은 많은 시련을 통해 적용 할 수있는 반면, 규모의 중간 점에서 여전히 열매를 산출 평가 (그림 1b). 이 방법은 감각 입력의 변화를 회피 할 수 있으며, 평가 결과에 직접 관련된 통증 지각 극한 분류 과정에 관련 될 수있다.

figure-results-1
그림 1 : 실험 설명. (가) 비 고통스러운 감각과 고통스러운 감각에 걸친 오른쪽에 걸쳐 왼쪽과 평가 척도. 데이터 수집에 사용되는 (b)...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

여기에서 우리는 효율적이 아닌 고통과 통증 지각 사이의 견고한 정신 물리학 임계 값을 추정하기 위해 잘 이론적으로 설립 QUEST 방법을 사용했다. 이 임계 값에 일정한 자극을 사용하여 자극의 크기의 변화에 ​​독립적 인 지각 의사 결정의 분석을 가능하게한다. 우리는 무해한 유해 감각 도메인 사이의 전이 지점에서 임계 강도를 검사하는 동안, 통증 척도에 따라 다른 포인트 (예를 들어, 100 점 통증 척도 50)는 또한 여기에 제시된 추정 방법으로 고정 될 수있다. 이러한 경우에, 치료는 실험 과정에 걸쳐 습관화 또는 감작 효과를 고려하여 수행되어야한다. 이러한 효과는 높은 자극 강도 발생할 가능성이있다.

이 절차의 하나의 중요한 단계는 정신 물리학 함수 적응 절차에 의해 장착 할 수 있도록 최적의 필요한 파라미터를 조정하는 것이다. 또 다른 중요한 문제는 명령 g이고응답 규모의 고정에 관한 참가자에게 iven. 참가자는 규모의 주관적 강도가 다양 할 위치에 ...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

저자는 경쟁하는 금전적 이해관계가 없음을 선언합니다.

감사의 글

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

/ 독일 연구 재단 (DFG) :이 작품은 Transregional 공동 연구 센터 TRR169 "가변성, 예측 및 상호 작용 Crossmodal 학습"에 의해 투자되고있다. 저자는 원고에 도움이 의견 스테파니 방패 감사합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
EasyCap 전극 캡EasyCap, Woerthsee-Etterschlag, 독일CUCHW-58
actiCap 활성 Ag/Cl EEG 전극 세트BrainProducts GmbH, Gliching, 독일-
SuperVisc EEG eletrode gelEasyCap, Woerthsee-Etterschlag, 독일V16
BrainAmp EEG 증폭기BrainProducts GmbH, Gliching, 독일BrainAmp 표준
PsychToolbox-3Mario Kleiner / 오픈 소스- http://psychtoolbox.org/
MatlabMathWorks, Natick, MAMatlab R2015b
DigiTimer DS7A 정전류 전기 자극기DigiTimer Ltd., Hertfordshire, United KingdomDS7A

참고문헌

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Coghill, R. C., McHaffie, J. G., Yen, Y. -F. Neural correlates of interindividual differences in the subjective experience of pain. Proc. Natl. Acad. Sci. 100 (14), 8538-8542 (2003).
  2. Schulz, E., Tiemann, L., Schuster, T., Gross, J., Ploner, M. Neurophysiological coding of traits and states in the perception of pain. Cereb. Cortex. 21 (10), 2408-2414 (2011).
  3. Ehrenstein, W. H., Ehrenstein, A. Psychophysical Methods. Mod. Tech. Neurosci. Res. , 1325(1999).
  4. Watson, A. B., Pelli, D. G. Quest: A Bayesian adaptive psychometric method. Percept. Psychophys. 33 (2), 113-120 (1983).
  5. Sims, J. A., Pelli, D. The ideal psychometric procedure. Investig. Ophthalmol. Vis. Sci. 28, 366(1987).
  6. Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R., Broussard, C. What's new in psychtoolbox-3. Perception. 36 (14), 1-16 (2007).
  7. Leek, M. R. Adaptive procedures in psychophysical research. Percept. Psychophys. 63 (8), 1279-1292 (2001).
  8. King-Smith, P. E., Grigsby, S. S., Vingrys, aJ., Benes, S. C., Supowit, A. Efficient and unbiased modifications of the QUEST threshold method: theory, simulations, experimental evaluation and practical implementation. Vision Res. 34 (7), 885-912 (1994).
  9. Boly, M., Balteau, E., et al. Baseline brain activity fluctuations predict somatosensory perception in humans. Proc. Natl. Acad. Sci. 104 (29), 12187-12192 (2007).
  10. Gross, J., Schnitzler, A., Timmermann, L., Ploner, M. Gamma oscillations in human primary somatosensory cortex reflect pain perception. PLoS Biol. 5 (5), 1168-1173 (2007).
  11. Ploner, M., Lee, M. C., Wiech, K., Bingel, U., Tracey, I. Prestimulus functional connectivity determines pain perception in humans. Proc. Natl. Acad. Sci. U. S. A. 107 (1), 355-360 (2010).
  12. Oertel, B. G., Preibisch, C., et al. Separating brain processing of pain from that of stimulus intensity. Hum. Brain Mapp. 33 (4), 883-894 (2012).
  13. Goolkasian, P. Cyclic changes in pain perception: an ROC analysis. Percept. Psychophys. 27 (6), 499-504 (1980).
  14. Hapidou, E. G., Rollman, G. B. Menstrual cycle modulation of tender points. Pain. 77 (2), 151-161 (1998).
  15. Huskisson, E. C. Measurement of pain. Lancet. 304 (7889), 1127-1131 (1974).
  16. Brainard, D. H. The Psychophysics Toolbox. Spat. Vis. 10 (4), 433-436 (1997).
  17. Taesler, P., Rose, M. Prestimulus Theta Oscillations and Connectivity Modulate Pain Perception. J. Neurosci. 36 (18), 5026-5033 (2016).
  18. Yarnitsky, D., Sprecher, E., Zaslansky, R., Hemli, J. A. Multiple session experimental pain measurement. Pain. 67 (2-3), 327-333 (1996).
  19. Rosier, E. M., Iadarola, M. J., Coghill, R. C. Reproducibility of pain measurement and pain perception. Pain. 98 (1-2), 205-216 (2002).
  20. Barthelmé, S., Mamassian, P. A flexible Bayesian method for adaptive measurement in psychophysics. arXiv:0809.0387. , (2008).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

QUESTEEGEEG

관련 논문