알츠하이머 병 환자에서 이벤트 관련 후보를 사용하여 에피소드 메모리의 특성을 검토

다음 실험의 전반적인 목표는 기억소거, 경도, 인지 장애 및 알츠하이머병 환자에서 그림과 단어 인식과 관련된 뇌 생리학의 차이를 이해하는 것입니다. 이는 EEG를 사용하여 두피의 전기 활동을 측정함으로써 달성됩니다. 알츠하이머병 환자가 그림과 단어에 대한 인식, 기억 결정을 내리는 동안.

이를 달성하기 위해 피험자는 전극 배치와 DEG 설정 및 두피를 준비해야 합니다. 공간 위치 파악 데이터는 특수 3D 디지타이저를 사용하여 수집해야 합니다. 다음으로, 원시 EEG 데이터가 기록되는 동안 행동 기억 작업을 실행해야 합니다.

그런 다음 그림과 단어에 대한 기억과 관련된 이벤트 관련 전위를 조사하기 위해 원시 EEG 데이터를 사후 처리하고 ERP 파형으로 평균화해야 합니다.각 조건에 대해 이러한 평균 ERP는 여러 조건에 걸쳐 통계적으로 비교할 수 있습니다. 이 연구에서 얻은 결과는 알츠하이머병 환자가 건강한 노인에 비해 단어가 아닌 그림에 대한 추모적 친숙함이나 개념적 처리가 그대로 유지되는 것으로 보인다는 것을 보여줍니다. 이는 자극 시작 후 약 300-500밀리초 사이에 발생하는 초기 전두엽 ERP의 새로운 효과를 조사하여 수행됩니다.

안녕하세요, 저는 밴더빌트 대학의 신경과 조교수이자 기억 장애 연구소 소장인 Brandon Ally입니다. 안녕하세요, 저는 기억 장애 연구소의 실험실 관리자인 Aaron Hussey입니다. 오늘은 알츠하이머병 환자의 뇌 생리학을 이해하기 위한 몇 가지 실험적 방법론을 소개

이 방법은 이러한 환자에서 기억의 어떤 측면이 손상되지 않은 상태로 남아 있는지와 같은 주요 질문에 답하는 데 도움이 될 수 있으며, Aaron은 오늘 이 프로토콜을 시작하기 위한 방법론을 보여줄 것입니다. 먼저 실험 중에 사용할 EEG 장비를 여기에 올바르게 설정해야 합니다. 활성 전극이 있는 128채널 BIOS 반능동 2개 획득 시스템은 활성 2전극 캡과 함께 사용되어 ERP 데이터를 획득하고 배터리가 완전히 충전되고 증폭기에 부착되도록 합니다.

이제 주사기 젤, 줄자, 다양한 크기의 EEG 캡, 알코올 면봉, 안면 전극 스티커, 전극 케이블을 고정하기 위한 벨크로 스트랩 등 참가자 설정에 필요한 모든 재료를 수집합니다. 스티커를 5개의 안면 전극에 부착하여 실험을 준비할 수 있습니다. 다음으로, 자극 프레젠테이션 컴퓨터와 데이터 수집 컴퓨터를 모두 켜고 소프트웨어를 설정합니다.

이 프로토콜에서 ePrime 소프트웨어는 자극을 제시하고 행동 데이터 바이오스를 획득하는 데 사용됩니다. Semi-active view는 원시 EEG 데이터 검사를 획득하여 증폭기가 데이터 수집 컴퓨터에 적절한 트리거 코드를 보내고 있는지 확인하는 데 사용됩니다. 이렇게하려면 먼저 전극이나 케이블이 연결되지 않은 상태에서 참가자 챔버의 앰프를 켭니다.

그런 다음 데이터 수집 컴퓨터에서 소프트웨어를 열고 데이터 수집을 시작하되 저장하지는 마십시오. 다음으로, 자극 프레젠테이션 컴퓨터로 이동합니다. 실험 파일을 열고 패러다임을 실행합니다.

실험 파일에 프로그래밍된 트리거 코드는 이제 데이터 수집 소프트웨어 프로그램에 나타나야 합니다. 참가자가 먼저 도착하면 모든 연구 절차를 설명하고 안전 문제를 해결한 다음 피험자가 프로토콜을 완전히 이해했는지 확인하기 위해 서면 동의를 얻습니다. 그들이 자신의 말로 프로토콜에 대해 보고하도록 합니다.

참가자를 실험실에 있는 중간 높이의 등받이가 딱딱한 나무 의자에 편안하게 앉게 합니다. 그런 다음 자극 디스플레이에 대한 시선이 실험의 표준 거리인지 확인하기 위해 측정합니다. 여기서 사용된 거리는 48인치입니다.

다음으로, 어떤 EEG 캡을 사용해야 하는지 결정하기 위해 참가자의 머리 둘레를 측정합니다. 그런 다음 참가자에게 EEG 캡이 제대로 맞고 정확하게 기록될 수 있도록 장신구나 머리 액세서리를 제거하도록 요청하십시오. 또한 참가자가 안경을 착용하고 있는 경우 이 시점에서 안경을 벗는 것이 가장 좋습니다.

알코올 면봉을 사용하여 얼굴 전극이 배치될 부위에서 참가자의 피부를 세척합니다. 하나는 각 유양돌기에, 하나는 각 관자놀이에, 하나는 왼쪽 눈 바로 아래에 배치됩니다. 다음으로 각 안면 전극에 소량의 전도성 젤을 놓습니다.

그런 다음 스티커에서 뒷면을 제거하고 참가자에게 붙입니다. 전극이 제자리에 유지되도록 소량의 압력을 가하십시오. 이제 참가자는 필요한 경우 안경을 다시 착용할 수 있습니다.

그런 다음 EEG 캡을 참가자의 머리에 씌우고 스트랩을 턱 아래에 고정합니다. 다음으로, 나시온에서 이니온까지 센티미터 단위로 측정합니다. 이 측정값에 0.5를 곱하여 중간점을 찾고 전극 A를 앞에서 뒤로 놓습니다.

다음으로 한쪽 귀의 귀 전치점에서 다른 쪽 귀까지 측정합니다. 이 측정의 중간 지점은 전극 A 1을 좌우로 배치해야 하는 위치입니다. 다음으로, 참가자의 머리에 있는 전극 위치의 3차원 표현을 획득하여 피험자 간의 두개골 모양의 변동성을 제어하고 향후 가능한 경우 MRI 데이터와 공동 등록할 것입니다.

여기에서 palus Patriot 디지타이저 로케이터는 먼저 위치 파악 트랜스미터를 피험자의 왼쪽 귀 뒤에 있는 캡 아래에 배치하고 여분의 코드를 턱끈 아래에 끼워 제자리에 고정합니다. 그런 다음 수신기를 송신기에서 약 6인치 떨어진 참가자의 머리 아래 위치에 있는 나무 의자에 부착합니다. 이제 디지타이징 소프트웨어를 열고 소프트웨어의 지시에 따라 스타일러스로 전극 위치를 측정합니다.

이제 MR Locator 소프트웨어를 사용하여 전극 위치의 3D 헤드 모델을 생성할 수 있습니다. 다음으로, 원시 EEG 데이터의 국소화를 제외합니다. 참가자의 3D 헤드 모델이 컴퓨터 디스플레이에서 확인되면 캡의 전극 웰에 전도성 젤을 채웁니다.

그런 다음 활성 두 개의 캡의 미리 정의된 각 위치에 전극을 놓습니다. 이 시점에서는 나이가 많은 참가자에게 휴식을 제공하는 것이 가장 좋습니다. 이는 실험 과제에 대한 집중력과 지속적인 주의를 유지하기 위해 잦은 휴식이 필요할 수 있는 알츠하이머병 환자에게 특히 해당됩니다.

휴식 후 케이블과 안면 전극을 amp리퍼. 다음으로 데이터 수집에서 전극의 오프셋 레벨을 확인해야 합니다. 컴퓨터는 오프셋 레벨이 25마이크로볼트 이내임을 확신했습니다.

모든 저항 수준이 허용 가능하고 모든 전극에 아티팩트가 없으면 실험을 실행할 준비가 된 것입니다. 이 실험에서는 bios 반능동 소프트웨어를 사용하여 원시 EEG 데이터를 획득하고 봅니다. 시작하려면 행동 데이터 프레젠테이션 파일을 로드하고 참가자 번호를 입력합니다.

실험 소프트웨어는 참가자의 응답을 저장하고 자동으로 데이터 파일을 생성합니다. 실험 실행이 완료되면 참가자가 디스플레이 모니터 중앙에서 48인치 떨어진 곳에 앉아 있는지 확인합니다. 실험이 로드되면 참가자와 함께 행동 지침을 읽고 확인합니다.

이제 획득 컴퓨터에 원시 EEG 데이터를 저장하기 시작합니다. 그런 다음 자극 전달을 시작합니다. 경기 부양 프리젠 테이션 컴퓨터에.

연구자가 노인 또는 인지 장애가 있는 환자와 함께 작업할 준비가 되어 있는지 여기에 있는 버튼 상자를 통해 응답을 입력할 수 있도록 합니다. 이 실험은 참가자에게 일련의 그림이나 단어를 제시하고, 행동 과제 중에 참가자를 모니터링하고, 휴식의 필요성을 평가하는 연구 단계로 시작합니다. 모든 행동 자극이 제시되면 원시 EEG 데이터 파일을 저장해야 합니다.

다음으로, 참가자에게 일련의 그림이나 단어가 다시 제시되는 테스트 단계에 대해 이전 단계를 반복합니다 테스트 단계에서 제시된 항목의 절반은 이전 학습 단계에서 가져온 것이고 항목의 절반은 새로운 항목입니다. 참가자는 연구자에게 큰 소리로 답변을 보고하여 항목이 오래된 것인지 새 것인지 식별합니다. 그런 다음 연구원은 버튼 상자를 통해 참가자의 응답을 입력하여 데이터 사후 처리를 시작합니다.

여기서 분석을 완료하기 전에 먼저 원시 데이터를 준비하고 디지털 방식으로 필터링하여 신호에서 노이즈와 아티팩트를 제거해야 합니다. EMSE Suite 5.3 소프트웨어가 먼저 사용됩니다. 무한 임펄스 응답 및 대역 통과 필터와 같은 시간 필터를 적용해야 합니다.

다음으로, 데이터는 여기에서 머리의 특정 지점을 참조해야 하며 공통 평균 참조가 선택됩니다. 다음으로, 데이터를 공간적으로 필터링해야 하며 잘못된 채널은 상호 관련되어야 합니다. 데이터를 육안으로 검사하고 적절한 필터를 사용합니다.

마지막으로, 눈 깜박임 및 안구 운동 아티팩트에 대한 신호를 보정하기 위해 안구 아티팩트 보정 방법을 사용해야 합니다. 여기에서 우리는 단어와 그림의 성공적인 검색과 관련된 정면 ERP 활동을 볼 수 있습니다 : 매우 가벼운 알츠하이머 병을 앓고있는 환자와 건강한 고령 대조군. 이 이미지들은 300-500밀리초의 시간 간격 동안 촬영되었으며, 일반적으로 개념 처리 또는 기념관에 대한 친숙함과 관련이 있습니다.

그림에 대한 유사한 정면 오래된 새로운 효과에 주목하십시오, 그러나 그룹 간의 단어에 대한 감소된 효과. 따라서 기존 반응과 새로운 반응에 대한 뇌 반응을 분석한 후에는 알츠하이머병 환자 그룹을 건강한 노인과 비교하기 위한 통계를 쉽게 수행할 수 있습니다. 이 기법을 사용할 때 환자가 주변을 움직이고 말을 많이 하는 경향이 있어 신호에 원치 않는 아티팩트가 생성된다는 점을 기억하는 것이 중요합니다.

따라서 원치 않는 아티팩트에 대한 시행을 버려야 하는 경우 신뢰할 수 있는 통계를 수행할 수 있을 만큼 충분한 시행을 포함할 수 있도록 충분한 시행 상황을 포함하는 것이 중요합니다. 시청해 주셔서 감사합니다.