2014년 4월 16일
그것은 복부 영상 스트림에서 하향식 (top-down) 신호가 운동에 어떻게 영향을 미치는지 명확하지 않다. 우리는 3D 깊이 반전 환상을 대상으로 모터의 동작을 테스트 할 수있는 패러다임을 개발했다. 큰 차이는 환상과 진실 된보기 상태에서 의도적으로, 목표 지향적 움직임과 자동 작업 모두에서보고됩니다.
이 절차의 전반적인 목표는 3D 깊이 반전 착시를 이용한 방법론을 개발하여 운동 동작에 미치는 하향식(top-down) 시각 처리 과정의 역할을 명확히 하는 것입니다. 이를 위해 먼저 서로 다른 지각 상태에서 도달 동작을 수행할 수 있도록 강력한 3D 역원근법 자극을 제시하는 장치를 구축합니다. 절차의 두 번째 단계는 참가자가 이 자극과 상호작용하는 모습을 기록하기 위해 모션 캡처 시스템을 설정하는 것입니다.
세 번째 단계는 참가자가 온라인 시각적 수정이나 촉각 피드백 없이 자극 상에서 타겟이 위치했다고 마지막으로 인지한 지점을 향해 팔을 뻗을 수 있도록 하는 플랫폼을 구축하는 것입니다. 마지막 단계는 전방 도달 데이터와 지시되지 않은 팔의 회수 동작을 모두 분석하여, 이 맥락에서의 시각 운동 행동에 대한 종합적인 모델을 구축하는 것입니다. 궁극적으로, 이 패러다임에서 제공하는 운동학적 평가를 통해 서로 다른 지각 상태에 따른 도달 역학의 변화를 보여줄 수 있습니다.
hollow face illusion(오목한 얼굴 착시)을 이용하는 기존 방법들과 비교했을 때 이 기술의 주요 장점은, 해당 자극이 수직 지각 상태와 착시 지각 상태에서 표면 방향의 최대 차이를 거의 90도까지 허용한다는 점입니다. 이 새로운 방법은 지각 과학 분야의 핵심 질문들에 답하는 데 도움을 줄 수 있으며, 인간의 언어적 자기 보고나 키 입력 수준을 넘어서는 새로운 기술을 통해 더욱 객관적인 심리학 과학을 구축하는 토대가 될 수 있습니다. 두 가설의 예측은 매우 상이합니다. 즉, 운동 제어 시스템이 착시의 영향을 받는지 여부를 통해 이 가설을 검증할 수 있습니다.
오늘 절차를 시연할 분들은 저희 실험실의 연구 보조원인 Jay Val, CD pathak, R Sadik입니다. 먼저 65 by 55 cm 크기이며 55 cm 길이의 슬라이딩 트랙 위에서 움직이는 가동 플랫폼을 제작하십시오. 다양한 자극제들이 이 플랫폼 위에 배치될 것입니다.
자극은 앉아 있는 피험자의 눈높이에 제시되어야 하므로, 트랙은 적절한 높이로 고정되어야 합니다. 플랫폼에는 신축성 있는 스프링 메커니즘이 있어야 합니다. 이 메커니즘을 피험자의 좌석 뒤편에서 다양한 이벤트를 동기화하는 회로 기판에 연결하십시오.
플랫폼을 고르게 비추도록 램프를 설치하십시오. 램프를 피험자 좌석의 손 받침대 아래에 있는 동일한 회로 기판에 연결하십시오. 피험자가 손을 들어 올릴 때 쉽게 누를 수 있도록 스위치 박스를 고정하십시오.
스위치를 회로 기판의 회로 기판에 연결하십시오. 출력 핀을 자극 활성화를 위한 마이크로컨트롤러의 핀에 연결하십시오. 참여자가 팔을 밖으로 뻗어 트리거 박스를 누르면 플랫폼이 후퇴하고 조명이 꺼져야 합니다.
MATLAB을 사용하여 마이크로컨트롤러를 제어함으로써 시행 순서를 기록하고, 실험자에게 각 시행에 필요한 시청 조건이 무엇인지 안내하도록 합니다. 이제 적절한 원근 자극과 역원근 자극을 제작하십시오. 두 자극 모두 중앙의 건물이 볼록해 보이지만, 실제로는 중앙선 오른쪽으로 오목하게 되어 있습니다.
빨간색 평면 원반을 부착합니다. 각 패널의 직사각형 패널을 사용하여 두 가지 훈련 자극을 구성합니다. 빨간색 원반으로 중간 건물의 분리된 오른쪽 표면 중 하나를 나타냅니다.
한쪽 패널은 역원근법 자극용이며, 다른 쪽은 정원근법 자극용입니다. 먼저, Rand dot stereo test를 사용하여 참가자의 입체시를 검사하십시오. 또한 우세안을 결정하십시오.
다음으로, 240 hertz의 14개 전자기 센서와 동작 추적 소프트웨어로 구성된 동작 캡처 시스템을 설정합니다. 14개의 센서 중 12개를 스포츠 밴드를 사용하여 피험자에게 부착합니다. 센서를 머리, 몸통, 양쪽 어깨, 상완, 전완, 그리고 스위치를 조작하는 손의 검지와 엄지에 부착합니다.
나머지 두 개의 센서를 빨간색 디스크 뒤에 있는 두 개의 자극물 뒷면에 배치합니다. 피험자는 테스트 전까지 자극물을 보지 않아야 합니다. 자극 플랫폼을 비추는 램프를 제외한 모든 조명을 끕니다.
컴퓨터 화면의 밝기를 낮추고 실험 장치로부터 멀리 떨어뜨려 놓으십시오. 피실험자에게 실험 흐름과 스위치 박스를 작동시키는 방법에 대해 설명하십시오. 피실험자가 플랫폼이 보이는 부분만 잡아야 함을 시연하십시오.
이제 자극에 대한 연습 시도를 수행합니다. 물건을 걸 수 있는 폴이 부착된 블랙보드만 제시합니다. 참여자에게 폴 쪽으로 손을 뻗은 후 다시 휴식 위치로 손을 되돌리도록 요청하십시오.
참가자가 편안함을 느끼는 속도에 맞춰 이 과정을 세 번 반복하십시오. 두 가지 훈련 자극을 사용하여 개시 시험을 시작하십시오. 자극이 교체되는 것을 보지 않도록 각 시험이 끝난 후 참가자가 눈을 감게 하십시오.
소프트웨어가 두 가지 자극을 각각 4회씩 제시하는 순서를 무작위로 설정합니다. 이제 실험 시행을 시작하십시오. 이러한 시행은 세 가지 조건으로 구성됩니다.
첫 번째는 착시 지각 하에서 역원근법을 보는 것입니다. 다음 조건은 수직 지각 하에서 역원근법을 보는 것입니다. 세 번째는 당연히 정원근법을 보는 것입니다.
먼저 반전 관점 자극을 제시하고, 참가자가 가운데 건물이 튀어나오는 듯한 착시 지각을 안정화할 수 있는지 확인합니다. 만약 참가자가 착시를 안정화하지 못해 비우세안에 디포커싱 렌즈를 착용해야 한다면, 이후의 모든 회고적 착시 시행에서 해당 렌즈를 사용하십시오. 나머지 시행의 순서는 무작위로 배정해야 합니다.
각 조건당 총 12회의 시행이 제시되어 36회의 실험 시행이 이루어집니다. 전체 총 시행 횟수는 47회이며, 여기에는 연습 훈련 및 실험 시행이 포함됩니다.
회고적 착시 시도와 적절한 관점 시도 각각에 대해 구두 지침을 제공합니다. 관점 시도에서는 참가자에게 가운데 건물이 튀어나와 보이는 것으로 보라고 지시합니다. 수직 시도에서는 참가자에게 가운데 건물이 안으로 움푹 들어가 보이는 것으로 보라고 지시합니다. 항상 지각이 안정된 후에만 손을 뻗도록 참가자에게 요청하십시오.
본 프로토콜에서 가장 중요한 부분은 피험자가 실험 전체 시간 동안 환각적 지각 또는 수직 지각을 계속 유지하도록 하는 것입니다. 피험자가 이를 달성할 수 있도록 충분한 시간을 제공하며, 불확실한 경우에는 해당 시행을 반복합니다. 분석에는 Wilkes Lambda 검정 통계량이 하나의 지표로 사용됩니다.
대표 사례의 손 경로 데이터입니다. 피험자는 각 자극의 수직 지각(녹색)과 착시 지각(청색) 하에서 수행한 손 뻗기 동작의 경로 궤적 프로필에서 유의미한 차이를 보였습니다. 수직 지각과 착시 지각 시의 손 경로 곡률 차이는 팔의 비지시적 회수 동작에서도 동일하게 관찰됩니다.
수직적 고유 원근감을 비교한 결과, 예상대로 전방 도달 신전과 손 회수 모두에서 유의미한 차이가 나타났으며, 이에 대한 통계적 논의는 텍스트 프로토콜에 자세히 기술되어 있습니다. 이는 자극으로 접근하는 동안의 손 방향을 조사했을 때 확인되었습니다. 녹색으로 표시된 역방향 수직 자극 하에서의 손 접근 벡터는 다른 두 자극 조건과 달랐습니다. 손 내의 손 접근 벡터.
방향성은 매우 유사하게 나타났습니다. 일단 숙달되면, 올바르게 수행했을 때 이 기술은 약 1시간 내에 완료할 수 있습니다. 이 절차를 수행할 때, 목표물을 향해 손을 뻗는 전방 도달 동작과 자발적인 손 회수 동작을 모두 포함하여 팔의 전체 움직임을 연속적으로 기록하는 것이 매우 중요합니다.
사다리 장치는 개발 후 별도의 지시 없이 자동으로 작동하였습니다. 이 기술은 신경과학 분야의 연구자들이 일반적인 발달 과정에 있는 집단과 병리학적 집단 모두에서 하향식 제어와 감각 운동 처리 사이의 관계를 탐구하는 길을 열어줄 수 있습니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 연구는 복측 시각 경로(ventral visual stream)의 하향식 시각 처리 과정이 운동 동작에 어떻게 영향을 미치는지 조사합니다. 3D 깊이 반전 착시를 이용하여, 다양한 지각 조건 하에서 의도적 움직임과 자동적 움직임을 모두 분석합니다.
이 방법론은 운동 행동에 미치는 하향식 시각적 영향을 분리함으로써 표적 검증의 기전적 리스크를 제거하고, 지각-운동 통합에 대한 정량적 판독값을 제공합니다. 또한, 지각 상태가 자발적 및 의도적 행동을 어떻게 변화시키는지 모델링하여 초기 발견 단계의 예측 신뢰도를 높이고, 신경과학 표적 결합을 위한 분석법 설계에 정보를 제공합니다. 이러한 접근 방식은 객관적인 운동학적 평가를 통해 중개 바이오마커의 일치성을 향상시켜, 전임상 검증 시 주관적 보고에 대한 의존도를 낮춥니다.
본 방법은 화합물 스크리닝 전 운동성 분석에서 지각적 혼란 변수를 제거해야 하는 초기 발견부터 리드 물질 확인 단계까지의 과정에 적용됩니다.