공간 탐색 구역에서 '학습 연구에 적외선 분광학 가까이 MazeSuite 및 기능 사용

이 프레젠테이션에서 우리의 목표는 두 가지입니다. 첫째, 실험적 프로토콜 설계 프로세스와 May 제품군의 사용을 설명하고, 둘째, FNIR Brain Activity Monitoring System의 설정 및 배포를 시연합니다. May Suite를 사용하여 적응된 3D 환경을 설계 및 편집하고 참가자의 행동 성과를 추적할 수 있습니다.

이를 입증하기 위해 단일 실험에서 May Suite와 FNIR을 모두 사용하는 방법을 보여주는 연구의 하위 샘플이 보고되었습니다. 이 연구는 차단되고 무작위 연습 명령에 대한 컴퓨터 철퇴 작업을 습득하고 학습하는 동안 등쪽 외측 전전두엽 피질의 인지 활동 평가를 포함합니다. FNIR은 피질 내 혈역학적 반응의 변화를 추적하는 것과 같이 근적외선을 사용하는 광학 뇌 모니터링 기술입니다.

대뇌 혈류역학 및 산소화에 대한 비침습적 모니터링은 1977년 Job Ossy와 동료들에 의해 처음으로 입증되었습니다. 이 기술을 통해 자연 환경에서 뇌 활동을 측정하는 데 사용할 수 있는 휴대용, 안전, 경제성, 비침습적 및 최소 침입 모니터링 시스템을 설계할 수 있습니다. 적외선에 가까운 보행 및 현장 조건은 700-900 나노미터 내에서 몇 센티미터 이내의 조직을 투과할 수 있습니다.

빛이 조직에 들어가면 흡수되거나 산란됩니다. 흡수는 헤모글로빈과 같은 광흡수 분자인 염색체에 의한 것이며, 세포막 및 층과 같은 조직의 구조에서 산란이 발생합니다. 일반적인 FNIR 측정에는 광원과 감지기가 있는 측정 장치가 포함되어 있습니다.

광원이 빛을 활성화하고 두피를 통해 빛을 투과하고 조직의 모든 방향으로 이동하고 이동하면서 강도를 잃을 때, 빛의 일부는 다중 순차적 산란으로 인해 표면으로 다시 도달하고 검출기에 의해 등록되며, 검출기에 도달한 광자는 실제로 바나나 모양의 부피를 통해 이동합니다. 감지기에서의 측정은 광원과 감지기 사이의 이 부피에 대한 정보를 제공합니다. 커플은 oid, 침투 깊이, 즉 바나나의 곡률은 광원과 감지기 사이의 거리의 함수입니다.

이것이 FNIR 센서 형상이 설계의 핵심인 이유입니다. 인지 작업을 위한 측정 유형과 전전두엽 피질에서의 측정에 따라 광분리는 일반적으로 2.5cm에서 3cm입니다. 이 연구에서는 FNIR 장치 모델 1000을 사용했습니다.

이는 1990년대 우연과 동료들의 설계를 기반으로 하며 드렉셀 대학의 광학 뇌 이미징 연구소에서 추가로 개발되었습니다. 이 기기는 옵토스를 피부와 인터페이스하기 위해 섬유나 광 가이드에 의존하지 않습니다. 따라서 설정이 더 쉽고 긴 세션에 더 편안하며 움직임 아티팩트가 발생할 가능성이 적습니다.

그러나 이 센서는 이마 아래에 있는 등쪽 외측 전전두엽 피질의 피질 활성화를 감지하도록 특별히 설계되었으며 머리카락의 간섭으로 인해 다른 머리 부위에서 사용할 수 없습니다. 연구에 사용된 FNIR 센서 패드에는 730나노미터와 850나노미터에서 비간섭성 빛을 비추는 4개의 발광 다이오드가 포함되어 있습니다. 10 개의 광 검출기가 있으며 LED를 순차적으로 비추고 주변 검출기를 사용하여 16 개의 측정 위치를 제공합니다.

상자는 각 스캔에서 샘플링되고 있습니다. 여기에는 두 개의 서로 다른 파장에 대한 광 강도 측정과 주변광에 대한 어두운 측정이 포함되며, 각 측정 위치에 대해 총 3개의 채널이 포함되므로 스캔에서 총 48개의 채널이 기록됩니다. 센서 패드는 피험자 측의 이마 위에 위치합니다.

하나는 피험자의 왼쪽에, 다른 하나는 측면에 있어야 합니다. 피사체의 오른쪽에서 센서는 눈썹 바로 위에 위치해야 하며 수직으로 중앙에 위치해야 합니다. 가상의 수직 대칭선은 이마의 정중선을 통과한 다음 코를 통과합니다.

센서 패드 중심선은 이마와 코의 정중선과 일치합니다. 센서 패드가 배치되면 케이블이 양쪽에서 당겨지고 헤드 뒤쪽에 연결됩니다. 클립으로 케이블을 고정한 상태에서 센서 패드가 피부와 제대로 연결되어 있는지, 옵토스와 피부 사이에 요기나 공간이 없는지 확인하는 것이 중요합니다.

적절한 커플링을 확인하는 좋은 방법은 센서 패드에 약간의 압력을 가하고 압력에 따라 위치가 변경되는지 확인하는 것입니다. 때로는 테니스 밴드나 두건과 같은 머리띠, 탄성 및/또는 단단한 천을 FNIR 센서 위에 올려 옵토와 피부의 결합을 고정할 수 있습니다. 센서의 위치 후 데이터 수집을 시작하여 모든 채널의 신호를 확인해야 합니다.먼저 센서 패드를 FNIR 하드웨어 컨트롤 박스에 연결해야 합니다.

장치는 USB 케이블로 컴퓨터에 연결되어야 하며 두 시스템 모두 전원이 켜져 있어야 합니다. 그런 다음 왼쪽 창의 바로 가기를 클릭하여 컴퓨터에서 Kobe Studio를 실행하고 현재 장치 시작 링크를 클릭합니다. 설정이 올바르면 메시지 창에 장치가 시작되었음을 표시하고 그래프에 새로 획득한 신호가 표시됩니다.

신호 레벨은 LED 전류 및 이득 설정에 따라 다릅니다. 일반적으로 이러한 매개변수는 700밀리볼트 이상 4, 000밀리볼트 미만으로 설정하는 것이 좋습니다. 또한 신호가 안정적이어야 합니다.

변동과 스파이크가 너무 많으면 부적절한 센서 커플링이나 케이블 또는 하드웨어 연결 문제를 나타낼 수 있습니다. 경우에 따라 하나 또는 두 개의 측면 채널, 왼쪽에 1개와 2개, 오른쪽에 15개와 16개의 측면 채널이 머리카락 위에 배치될 수 있으며 신호 값이 너무 낮습니다. 나중에 분석에서 해당 채널을 계속 진행하고 제거할 수 있습니다.

개별 피부의 광학 특성이 다르기 때문에 개인차가 높을 수 있으므로 각 피사체에 따라 설정을 조정해야 할 수도 있습니다. 먼저 장치 설정을 변경하려면 현재 장치 중지를 클릭하십시오. 그런 다음 왼쪽 창에서 장치 속성을 클릭합니다.

대화 상자에서 Data Acquisition Settings 탭으로 이동합니다. 신호 값을 먼저 높이려면 LED 전류 값을 높이십시오. LED 전류 값이 증가하면 LED가 더 밝게 빛납니다.

신호 레벨을 먼저 각도를 맞추려면 게인을 줄이십시오. 초기 게인 값은 모든 복셀에 사용됩니다. 값을 설정한 후 저장을 클릭하고 시작을 클릭합니다.

현재 장치는 새로 설정된 매개 변수로 데이터 수집을 시작하며, 마커를 사용하여 실험 중에 특정 이벤트를 식별하는 것도 일반적이고 유용합니다. 마커에는 수동과 자동의 두 가지 유형이 있습니다. 수동 마커는 K의 기본 창에서 버튼을 클릭하여 생성되며 시간 태그가 지정되고 FNIR 데이터와 함께 저장됩니다.

자동 마커는 장치가 중지된 동안 자동 마커를 수신하기 위해 외부 장치 또는 컴퓨터 소프트웨어에서 수신됩니다. 왼쪽 창에 있는 장치 설정으로 이동하여 동기화 설정 탭에서 마커를 확인합니다. 직렬 포트는 마커 통신을 위해 제안되는 방법입니다.

직렬 포트 번호가 컴퓨터에서 유효한 포트 번호로 설정되어 있는지 확인합니다. 그런 다음 ePrime 또는 May Suite와 같은 자극 소프트웨어를 전송하여 이 컴퓨터에 FNIR 데이터와 함께 수신, 시간 태그 지정 및 저장된 값으로 마커를 보낼 수 있습니다. 원시 FNIR 신호는 광도인 시계열 신호입니다.

데이터의 노이즈는 원광 변환 전이나 후에 제거할 수 있습니다. 강렬. 산소화 값에 대한 값: 호흡, 심장 박동 및 장비 소음과 같은 생리학적으로 관련이 없는 데이터는 원시 FNIR 측정에서 제거해야 합니다. 심박수 관련 구성 요소는 일반적으로 이러한 생리적 인공물을 제거하기 위해 약 0.5Hz 이상의 피크와 0.2Hz에서 0.4Hz 사이의 호흡을 갖습니다.

유한 임펄스 응답 및 선형 위상 저역 통과 필터가 사용됩니다. 신호는 모션 아티팩트에 의해 손상될 수도 있습니다. FNIR 센서 광원 및/또는 검출기가 원래 부착된 위치에서 미끄러지거나 머리의 움직임으로 인해 피부와의 접촉이 끊어지면 FNIR 측정에서 예기치 않은 갑작스러운 파열 또는 스파이크가 발생할 수 있습니다.

더욱이, 광원이 피부와의 결합을 잃게 되면, 검출기는 빛이 피부로 전달되지 않기 때문에 매우 낮은 값을 기록하거나, 피부 표면에서 반사된 빛으로 인해 극도로 높은 강도와 순간적인 포화도를 기록할 수 있다. 감지기가 터지고 피부와의 접촉이 끊어지는 경우 유사한 채도 효과가 발생할 수 있습니다. 주변광으로 인해 헤드가 움직이면 센서 패드 또는 광원 및 감지기에 가해지는 압력이 추가로 변경될 수 있습니다.

이러한 변화로 인해 더 많은 광자가 조직으로 들어갈 수 있으므로 감지된 빛의 강도를 일시적으로 변경할 수 있습니다. 가능한 모션 아티팩트에 대한 데이터를 육안으로 검사하는 것 외에도 프로세스를 자동화하고 주관성을 제거하기 위한 모션 아티팩트 감지 및 제거 알고리즘의 수가 증가하고 있습니다. 문헌의 아티팩트 제거 알고리즘은 간단한 저역 통과 및 VAM 통과 필터에서 독립 또는 주요 구성 요소 분석의 웨이블릿 분석, 적응형 위너 및 카우맨 필터와 같은 최적 필터링에 이르기까지 다양합니다. 원시 FNIR 신호는 변형된 맥주 램버트 법칙을 사용하여 상대적 산소화 변화로 변환됩니다.

특정 입력 파장에서의 광학 밀도는 입력 광 강도와 출력 광 강도 OD의 대수 비율은 또한 chromo force의 농도 및 흡수 계수, 광원 및 검출기의 보정 된 거리, 두 개의 서로 다른 시간 인스턴스에서 동일한 입력 광 강도를 갖는 일정한 감쇠 계수와 관련이 있습니다. OD의 차이는 감지된 광도 값으로만 작성할 수 있습니다. 일반적으로 선택되는 두 파장은 다른 조직 발색단에 비해 옥시헤모글로빈과 디옥시헤모글로빈의 흡수가 우세한 700-900나노미터 이내의 파장과 디옥시헤모글로빈의 흡수 스펙트럼이 서로 교차하는 약 805나노미터인 iso 경련단의 아래와 위에 있는 두 개의 파장입니다.

이 방정식은 2x2 행렬이 유의하지 않은 경우 농도를 풀도록 설정할 수 있습니다. 산소화된 헤모글로빈과 탈산소화된 헤모글로빈의 상대적 변화가 계산된 후. 다음 단계는 실험 프로토콜과 사용된 인지 작업에 따라 특징을 추출

특징 추출은 데이터 양을 줄이고 통계 분석을 사용하여 서로 다른 인지 작업, 주제 그룹 및 해부학적 위치를 비교하는 데 가장 일반적으로 사용됩니다. 일반적으로 사용되는 특징에는 산소화 및 탈산소화 헤모글로빈의 최대 최소 평균 또는 중간 값과 최소 또는 최대 헤모글로빈에 도달할 때까지 경과된 시간인 반응 시간이 포함됩니다. 이러한 특징은 단일 임상시험 패러다임의 사용을 통해 얻은 특정 인지 자극에 대한 유발된 혈역학적 반응 내에서 또는 블록 임상시험 설계 및 패러다임을 통해 구현된 특정 조건에 해당하는 데이터 에포크 또는 데이터 블록으로 추출할 수 있습니다.

5월 제품군은 각각 실험의 특정 단계를 대상으로 하는 세 가지 구성 요소로 구성됩니다. 설계, 실험 및 분석. Maze Maker를 사용하면 실험 프로토콜의 각 단계에 대한 3D 환경을 쉽게 설계할 수 있습니다.

간단한 환경을 순식간에 만들 수 있습니다. 먼저 바닥 면적을 정의한 다음 벽 도구를 사용하여 미로의 경계를 정의합니다. 마지막으로 피사체 시작 위치를 배치한 다음 출구 영역을 배치합니다.

저장 후 빠른 실행 도구를 사용하여 환경을 즉시 테스트할 수 있습니다. 특정 실험 설계의 요구 사항을 충족하기 위해 더 복잡한 환경을 만들 수 있습니다. 환경은 대화형 개체, 조명 제어 및 텍스처링의 도입으로 사용자 정의할 수 있습니다.

Maze List Builder를 사용하여 실험 절차로 사용하기 위해 미로와 사용자 메시지의 특정 조합을 결합한 Mel 파일을 만들고 저장할 수 있습니다. Masis 기능을 사용하여 특정 실험을 수행할 수 있으며, 디자인 수준은 스토리보드로 난이도를 높이거나 무작위로 조정하거나 실험 수준과 대조군으로 정렬할 수 있습니다. 실험의 개별 시험은 Maze Walker 프로그램을 사용하여 실행됩니다.

Maze Walker에서 설정을 변경하면 사용자가 실험 조건을 추가로 지정할 수 있습니다. 키보드, 마우스 및 조이스틱을 포함한 다른 장치의 입력을 허용하도록 컨트롤을 변경할 수 있습니다. 외부 장치는 Maze Walker와 양방향 통신에 참여하여 정보를 수집하거나 환경 내에서 변화를 트리거할 수 있습니다.

장치 통신은 T-C-P-I-P 또는 직렬 케이블을 통해 처리할 수 있으며 E-E-G-F-M-R-I 및 FNIR을 포함한 다양한 장치와 인터페이스할 수 있습니다. 세션 중에 mais Walker는 세션 중에 발생한 모든 이벤트와 함께 피험자의 움직임을 기록합니다. Maze Analyzer 프로그램을 사용하면 검토를 위해 기록된 사용자 경로와 함께 MACE 파일을 표시할 수 있습니다.

분석에 도움이 되도록 다양한 경로를 오버레이할 수 있으며 다양한 시행에 대한 통계 정보를 계산할 수 있습니다. 또한 수집된 정보를 Excel 또는 MATLAB으로 내보내 추가 처리를 수행할 수 있습니다. 우리의 인지 레퍼토리에는 가상 공간 탐색, 미로, 뇌 활성화를 포함한 다양한 작업을 사용하여 액세스할 수 있는 다양한 기능과 능력이 포함되어 있습니다. 전두엽 피질의 패턴은 초기의 새로운 작업 수행, 연습 후 및 유지 중과 다릅니다.

FNIR을 사용하고 전전두엽 피질에 초점을 맞추면서 PFC의 기능, 특히 실행 기능, 인지 기능 조절, 문제 해결 작업 중 PFC 사용 및 작업 기억의 여러 항목을 유지하면서 더 높은 수준의 구조를 사용하는 것을 활용하고 있습니다. 여러 개의 유사한 작업을 학습할 때 연습을 조직하는 것은 상황별 간섭 효과(contextual interference effect)라고 하는 학습 현상입니다. 상황별 간섭의 영향은 개인이 서로 다른 연습 일정에서 여러 작업을 수행할 때 분명합니다.

높은 상황별 간섭은 학습해야 할 작업이 비순차적이고 예측할 수 없는 순서로 제시될 때 생성됩니다. 낮은 상황별 간섭 블록 연습은 학습해야 할 작업이 예측 가능한 순서로 제시될 때 생성됩니다. 각각 315번의 획득 실험을 수행했으며, 월요일, 수요일, 금요일 3일에 걸쳐 3개의 미로에서 각각 105번의 실험을 수행했습니다.

인수 후 72시간이 지난 다음 월요일, 30건의 보존 시험과 20건의 이식 시험이 무작위 순서로 수행되었습니다. PFC 활성은 16개의 광 사이트에 대한 모든 단계에서 모니터링되었습니다. FNIR 종속 측정을 사용하면 평균 산소, 헤모글로빈 및 미로의 총 시간, 경로, 길이 및 평균 속도에 대한 행동 측정의 상대적 변화가 포함되었습니다.

행동 결과는 두 연습 순서 모두에 대해 참가자가 미로를 완료하는 데 필요한 총 시간인 미로 시간에 대한 단조로운 감소 추세가 있음을 보여주며, 이는 참가자가 연습함에 따라 더 짧은 시간에 미로를 완료했음을 시사하며, 이는 학습에 대한 행동 평가에 예상됩니다. 또한 참가자가 미로를 탐색하는 평균 속도인 미로 속도는 연습에 따라 증가합니다. 다시 말하지만, 이러한 결과에 대한 학습의 추론으로 시간이 지남에 따라 행동 측정의 개선이 예상됩니다.

더 쉬운 전송 작업을 위해 각 전송 작업에 대한 무작위 대 블록 연습을 나란히 비교합니다. 4개의 블록 연습이 무작위 연습보다 효과적일 수 있습니다. 그러나 더 어려운 전달 작업인 메이즈 5의 경우 무작위 연습이 평균 산소를 차단하는 것보다 우수했습니다.

모의 실험 중 헤모글로빈 농도 변화는 차단된 순서가 무작위 순서에 비해 더 높은 뇌 활성화를 필요로 한다는 것을 나타냅니다. 또한, 차단된 순서 학습에 대한 연습 순서 내에서 비교할 때, 전달 단계에서와 같이 새로운 작업은 더 높은 뇌 활성화를 필요로 했습니다. 이미 배운 과제에 대해 연습 순서가 달랐다는 점을 감안하면.

차단된 순서로 과제를 학습한 참가자의 경우, 이 계층화된 무작위 연습 순서는 과제를 수행하기 위해 추가 노력과 인지 자원이 필요할 만큼 충분히 새로웠을 수 있습니다. 더욱이, 무작위 연습 순서의 경우, 신경 활성화의 전달 단계가 유지 단계보다 높지 않았습니다. 결론적으로, 이 탐색적 연구는 공간 탐색에서 학습의 신경행동학적 측면을 연구하기 위해 May Suite와 FNIR을 사용하는 것을 보여주었습니다.

May Suite를 사용하면 사용자 친화적인 그래픽 인터페이스를 통해 간단한 3D 환경을 설계하고 적용할 수 있으며, 주제 내 또는 주제 간 비교에 대한 행동 측정을 자동으로 기록합니다. FNIR은 뇌 활성화를 연구하기 위해 임상 실험실 및 자연 환경에서 사용되어 온 휴대용의 안전한 비침습적 뇌 모니터링 도구입니다. 이 프레젠테이션이 이러한 도구를 설명하는 데 도움이 되었기를 바랍니다.

실험에 행운을 빕니다.