September 22nd, 2014
EEG 실험에서 사용된 이력이 있는 패러다임을 fMRI 실험으로 전환하는 것이 고려됩니다. 시각적 괴짜 작업에서 작업 요구 사항을 조작하면 다양한 BOLD 활성화 패턴이 생성되고 작업 설계가 fMRI 실험에서 얼마나 중요한지 설명되었습니다.
다음 실험의 전반적인 목표는 특히 다른 이미징 양식의 패러다임을 취할 때 과제 설계가 FMRI 연구의 결과 해석에 어떤 영향을 미칠 수 있는지 보여주는 것입니다. 이것은 먼저 관심의 인지적 또는 심리적 구성물, 이 경우 시각적 괴짜 패러다임에 대한 적절한 작업을 선택함으로써 달성됩니다. 두 번째 단계는 동일한 자극을 사용하여 시각적 괴짜 작업의 세 가지 다른 버전을 설계하는 것인데, 이는 지원자가 FMRI 스캔 중에 자신의 행동을 수정하는 결과를 낳습니다.
다음으로, 작업 버전 간의 뇌 활성화 차이를 정량적으로 평가하기 위해 FMRI 데이터를 분석합니다. 적절한 실험 설계 및 데이터 분석을 기반으로 인지 및 운동 과정을 구별할 수 있는 방법을 보여주는 결과가 얻어졌습니다. 이 방법은 인간의 지각, 인지 및 행동의 기본 신경 기질을 식별하는 것과 같은 인지 신경 과학 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다.
이 방법에 대한 아이디어는 연구 전반에 걸쳐 작업 설계 및 실험 절차의 미묘한 차이로 인해 기존 문헌과 관련하여 자체 결과를 해석하는 것이 어렵다는 것을 깨달았을 때 처음 아이디어를 떠올렸습니다. 시작하려면 작업을 설정하기 전에 관심 있는 인지적 또는 심리적 구성을 조사할 적절한 작업을 선택합니다. 먼저, 강력한 뇌 반응에 필요한 적절한 임상시험 횟수와 순차적 자극 타이밍을 결정하고, 자극 시작과 측정된 뇌 반응 사이의 혈역학적 반응 지연을 고려해야 합니다.
ceq 소프트웨어를 다운로드하여 설치한 다음 rune을 실행하여 시행 횟수, 자극, 기간 및 스캔 매개변수를 기반으로 실험 전반에 걸쳐 시행을 최적으로 분배하여 자극 순서를 결정합니다. 다음으로, 피험자에게 패러다임을 제시하기 위한 적절한 프로그램에서 이전에 결정된 자극 순서를 구현합니다. 패러다임과 관련된 모든 정보를 자극의 유형, 타이밍 및 반응의 관점에서 지정합니다.
패러다임은 표적 탐지 반응과 표적 탐지에 대한 주의의 효과를 측정하는 데 사용할 수 있는 시각적 괴짜 작업입니다. 패시브 버전에서 준비할 수 있는 괴짜 작업에는 세 가지 버전이 있습니다. 피험자는 시각적 자극을 관찰할 뿐이며 무음 카운트 버전에서는 반응하지 않는다.
피험자는 머릿속으로 목표 자극을 세도록 지시해야 합니다. 이 작업은 이러한 자극에 주의를 집중하고 분별하는 과정을 필요로 한다. 마지막으로, 응답 버전에서 피험자는 목표 자극을 보는 즉시 응답 버튼을 눌러야 합니다.
이 작업은 주의, 차별 과정, 목표 자극에 대한 반응의 선택 또는 생산을 필요로 합니다. FMRI 실험을 위한 설정을 시작합니다. 먼저 스캐너실을 준비합니다.
헤드 코일의 하단 부분을 스캐너 베드에 연결합니다. 그런 다음 스캐너, 침대 및 쿠션에 깨끗한 보호 덮개를 놓습니다. 다음으로, 스캐너 내부의 피험자에게 실험 패러다임을 제시할 디스플레이 장치를 켜고, 버튼을 누른 상태로 버튼을 눌러 응답을 기록합니다.
그런 다음 실험 패러다임을 제공할 소프트웨어를 열고 로그 파일의 이름을 입력합니다. 또한 MR 스캐너 데이터베이스에 주제를 등록하고 실행할 MR 시퀀스가 설정되고 준비되었는지 확인합니다. 연구 모집 절차 중에 MRI 금기 사항에 대한 모든 잠재적 피험자를 선별합니다.
그런 다음 피험자가 도착하면 훈련된 직원과 함께 철저한 MRI 안전 검사를 수행합니다. 대상에 금속이 없는지 확인하고 벨트, 시계 또는 보석과 같은 품목과 동전과 같은 주머니 품목이 제거되었는지 확인합니다. 피험자가 준비되면 스캐너 침대에 앉아서 청력 보호를 위해 귀마개를 놓도록 요청하십시오.
그런 다음 이미징 코일에 머리를 대고 스캐너 침대에 편안하게 눕게 합니다. 작은 쿠션을 사용하여 피사체의 머리를 고정하여 스캔하는 동안 원치 않는 머리 움직임을 최소화합니다. 그런 다음 헤드 코일의 상단 부분을 피험자의 머리 위에 놓고 커넥터를 꽂습니다.
머리 코일 위에 거울을 놓으면 피험자가 피험자 뒤의 화면에 표시된 실험 패러다임, 필요한 경우 스캔을 중지할 수 있는 비상 호출 버튼, 응답 장치를 볼 수 있습니다. 마지막으로, 이미지를 획득하기 전에 피험자를 스캐너의 구멍으로 옮깁니다.먼저 피험자가 인터콤을 통해 실험자의 말을 들을 수 있고 편안하며 스캔을 시작할 준비가 되었는지 확인합니다. 그런 다음 로컬라이저 스캔을 수행하여 스캐너에서 피사체의 머리 위치를 얻습니다.
다음으로, MP 분노와 같은 고해상도 구조 스캔을 수행합니다. 그런 다음 시각적 괴짜 작업을 세 번 실행하여 기능적 MRI 스캔을 수행합니다. 실행 사이에 피험자에게 말을 걸어 과제 지시와 확신을 주고 그들이 편안하고 연구를 계속할 준비가 되었는지 확인하십시오.
모든 구조적 및 기능적 이미징이 완료되면, 피험자에게 실험이 완료되었음을 알립니다. 그런 다음 스캐너실에 들어가 피험자가 스캐너에서 나오도록 돕습니다. 획득한 FMRI 데이터를 분석하는 데 적합한 소프트웨어 패키지를 선택합니다.
먼저 표준 전처리 단계를 적용하여 추가 분석을 위해 데이터를 준비합니다. 단계에는 모션 보정, 슬라이스 타이밍, 이미지 공동 정합, 공간 평활화, 고역 통과 시간 필터링 및 공간 정규화가 포함될 수 있습니다. 다음으로 통계 분석을 위해 먼저 패러다임에서 발생한 모든 이벤트의 시작 시간과 기간을 지정합니다.
이를 설명 변수 또는 회귀 변수라고도 합니다. 그런 다음 대비를 설정하여 비교할 설명 변수를 결정합니다. 예를 들어, 대상 자극 감지에 특이적인 굵은 활성화를 식별하려면 대비를 설정하여 대상 자극이 비대상 자극보다 크도록 지정합니다.
각 주제 및 각 조건에 대해 개별적으로 1단계 통계 분석을 수행합니다. 그런 다음 여러 피험자에 대한 데이터를 수집하면 두 번째 수준 또는 그룹 수준 분석을 사용하여 세 가지 조건을 비교합니다. 자극 및 분석 방법은 시각적 괴짜 작업과 관련된 뇌 영역에서 대담한 활성화를 이끌어냈습니다.
비표적 대비보다 큰 표적은 수동 조건에 대한 활성화를 나타내지 않았지만 여기에서 볼 수 있듯이 카운트 조건과 응답 조건 모두에서 활성화를 보여주었습니다. 수동 조건에 대한 count 조건에 대한 굵은 활성화는 여기에서 볼 수 있으며 수동 조건에 대한 응답 조건은 여기에서 볼 수 있습니다. 모든 데이터는 빈도보다 큰 대상을 나타냅니다.
낮은 수준의 조영제 활성화는 두 조건 모두에 공통적인 보충 운동 영역 SMA에서 볼 수 있는 반면, 중간 전두회(middle frontal gyrus MFG) 활성화는 반응 상태에서만 볼 수 있습니다. 이 비디오를 시청한 후에는 FMRI 연구를 설계하고 구현하는 방법을 잘 이해하고 설계가 결과 해석에 어떤 영향을 미칠 수 있는지 이해해야 합니다. FMRI로 작업하는 것은 매우 위험할 수 있으며 이 방법을 수행하는 동안 항상 자원 봉사자를 철저히 선별하는 것과 같은 예방 조치를 취해야 한다는 것을 잊지 마십시오.
또한 이러한 절차는 항상 교육을 받은 직원이 수행해야 합니다.
View the full transcript and gain access to thousands of scientific videos
이 연구는 작업 설계가 fMRI 결과에 어떤 영향을 미치는지, 특히 EEG 연구에서 파라다임을 적용할 때를 탐구합니다. 시각적 oddball 작업은 작업 수요에 따라 다양한 BOLD 활성화 패턴을 보여주기 위해 사용됩니다.
In biopharma R&D, translating cognitive paradigms across imaging modalities requires rigorous validation to ensure mechanistic interpretability. Task design directly impacts the ability to isolate neural substrates of perception, attention, and decision-making—processes relevant to neuropsychiatric target validation. Poorly adapted paradigms risk confounding cognitive and motor signals, reducing predictive confidence in preclinical models.
The visual oddball task integrates into discovery workflows by enabling parametric manipulation of cognitive load to probe target-mediated neural responses.