Name: 온라인 플랫폼 및 신경 이미징 기술을 통해 학교 숙성 아동의 양식 및 도메인 전반에 걸친 통계 학습 측정 (동영상) | JoVE Journal
Uploaded: 2020-06-30T14:00:00.000+00:00
Duration: 8 min 5 s
Description: 학습하세요 아동의 통계적 학습을 측정하는 웹 기반 플랫폼과 fMRI 신경 이미징 기술을 활용한 방법입니다. 이 프로토콜은 언어 발달 및 학습 장애 이해에 중요한 통찰을 제공합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

웹 기반 플랫폼의 초기 디자인에 기여한 Yoel Sanchez Araujo와 웬디 게건에게 감사드립니다. 우리는 웹 기반 통계 학습 작업을 개선하고, fMRI 작업을 구현하고, 성인 참가자의 작업을 조종하는 일에 대한 응우옌과 바이올렛 코즐로프에게 감사드립니다. 바이올렛 코즐로프와 파커 로빈스가 어린이 데이터 수집을 돕는 데 기여한 것에 대해 감사드립니다. 우리는 신경 이미징 데이터 수집에 그들의 도움을 델라웨어 대학의 생물 및 뇌 이미징 센터에서 이브라힘 말릭, 존 크리스토퍼, 트레버 위건, 키스 슈나이더에게 감사드립니다. 이 작품은 청각 장애 및 기타 통신 장애에 대한 국립 연구소 (PI : Qi; NIH 1R21DC017576) 및 사회, 행동 및 경제 과학을 위한 국립 과학 재단 이사 (PI: 슈나이더, 공동 PI: Qi & Golinkoff; NSF 1911462).

저자는 공개 할 것이 없습니다.

현재 프로토콜에 제시된 방법은 개발 과정에서 통계 학습의 행동 및 신경 지수를 이해하기 위한 다중 모달 패러다임을 제공합니다. 현재 설계를 통해 양식 및 도메인 전반에 걸쳐 통계 학습 능력의 개별적인 차이를 식별할 수 있으며, 이는 통계 학습과 언어 개발 간의 관계에 대한 향후 조사에 사용될 수 있습니다. 개인의 통계 학습 능력은 도메인 과 양식에따라 다를 수 있기 때문에6,88,9,참가자가 네 가지 작업을 모두 완료하면 최적입니다. 일반적으로 발달하는 아이들과 성인에게서 사실 인정은 통계 학습 도메인/양식에 걸쳐 개별의 성과가 어휘4 및 읽기5,,6 결과와 차별화할 수 있다는 것을 표시합니다. 따라서 현재 프로토콜에...

통계 학습은 언어 입력1에서규칙 제어 조합의 인수를 지원하는 기본 기술이다. 유아의 성공적인 통계 학습 능력은 나중에 언어 학습 성공2,,3을예측합니다. 학령기 어린이의 통계 학습 능력의 다양성은 어휘4 및 읽기5,,6과관련이 있습니다. 통계 학습의 어려움은 하나의 병문 메커니즘으로 제안되었습니다 기본 언어 장애7. 통계 학습과 비정형 인구 모두에서 언어 결과 사이의 연관성에도 불구하고, 통계 학습의 기본 인지 및 신경 메커니즘은 제대로 이해되지 않습니다. 또한, 이전 문헌은 개인 내에서 통계 학습 능력이 균일하지 않지만 도메인 및 양식에걸쳐 독립적인 것으로 나타났다6,8,,9. 통계 학습 능력의 발달 궤적은 도메인 및 양식10에따라 더 다를 수 있습니다. 이 사실 인정은 개발의 과정을 통해 다중 작업에서 통계 학습에 있는 개별적인 다름을 평가하는 중요성을 강조합니다. 그러나 이 분야는 먼저 통계 학습과 모국어 개발 사이의 관계에 대한 보다 체계적인 조사가 필요합니다. 이러한 문제를 해결하기 위해 많은 수의 어린이에게 도달하는 웹 기반 테스트 플랫폼11과 통계 정보의 실시간 인코딩을 검사하는 실험실 기반 신경 이미징 기술(기능성 자기 공명 영상 또는 fMRI)을 포함한 혁신적인 방법을 적용합니다.
통계 학습의 표준 측정은 친숙한 단계로 시작하여 2-대안 강제 선택(2-AFC)태스크(12,,13)가뒤따릅니다. 친숙 단계는 통계 적 규칙과 내장 된 자극의 연속 스트림을 소개, 일부 자극은 다른 사람보다 공동 발생 가능성이 더 높습니다. 이러한 동시 발생 자극의 프리젠 테이션은 고정 된 시간 적 순서를 따릅니다. 참가자는 친숙한 단계 동안 스트림에 수동적으로 노출되고 참가자가 패턴을 성공적으로 추출했는지 여부를 테스트하는 2-AFC 작업이 있습니다. 2-AFC 정확도 태스크는 두 개의 연속 시퀀스를 제공합니다: 한 시퀀스는 친숙한 단계에서 참가자에게 제시되었으며, 다른 시퀀스는 새로운 시퀀스이거나 시퀀스의 일부를 포함합니다. 2-AFC의 승률 향상은 그룹 수준에서 성공적인 학습을 나타냅니다. 통계 학습을 평가하는 전통적인 행동 작업은 일반적으로 학습의 결과 척도로서 정확성에 의존합니다. 그러나 정확도는 시간에 전개되는 정보의 자연스러운 학습을 고려하지 못합니다. 실시간 학습의 척도는 아이들이 여전히,입력14,15,16에서규칙성을 인코딩하는 동안 통계 학습의 암시적 학습 과정을 활용할 필요가있다., 패러다임에 걸쳐 다양한 적응은 노출16동안 행동 반응을 통해 온라인 학습의 측정으로, 2-AFC 측정에서 멀리 이동하기위한 노력의 일환으로 개발되었다. 노출 단계에서 반응 시간을 측정하는 이러한 적응을 이용한 연구에 따르면 성인 학습자18의정확도에 비해 더 나은 테스트 재테스트 신뢰성을 가진 학습 후정확도(17)와 관련이 있는 것으로 나타났습니다.
언어 학습이 발생하는 암시적 과정은 언어 학습이19번언어가 학습되면 사용되는 것과 다른 신경 자원을 모집하기 때문에 신경 측정은 시간이 지남에 따라 학습이 어떻게 전개되는지에 대한 우리의 이해에 기초적입니다. 신경 측정은 또한 특수 인구20에걸쳐 인지 전문화 기본 언어 능력의 차이에 대한 통찰력을 제공합니다. 조건 대비가 fMRI 연구에서 어떻게 디자인되는지는 학습 중에 신경 활성화 패턴을 해석하는 방법에 매우 중요합니다. 한 가지 일반적인 관행은 규칙적인 패턴을 포함하는 서열과 무작위로 정렬되는 동일한 자극을 포함하는 시퀀스 사이의 친숙한 단계 동안 뇌 반응을 비교하는 것입니다. 그러나, 이러한 무작위 제어 조건을 구현 하는 이전 연구 행동에 학습에 대 한 증거를 발견, 구조화 및 무작위 시퀀스 사이 신경 차이에도 불구 하 고. 이는 구조화 된 시퀀스의 학습에 임의의 시퀀스의 간섭 때문일 수 있습니다, 둘 다 동일한 자극으로 구성된 바와같이(21)22., 제어 조건이 학습을 확인함에 따라 후진 음성 또는 이전 학습 블록을 활용한 다른 fMRI 연구는 행동적으로19,,23로일어났다. 그러나, 이러한 각 패러다임은 이전 케이스에 대한 언어 처리의 효과와 후자의 경우에 대한 실험 순서의 효과와 같은 자체 혼란 요인을 도입했다. 우리의 패러다임은 임의의 시퀀스를 제어 조건으로 사용하지만 참가자의 구조화 된 시퀀스 학습에 대한 간섭을 완화합니다. 당사의 fMRI 패러다임은 또한 혼합 블록/이벤트 관련 설계를 구현하여 일시적인 시험 관련 및 지속적인 작업 관련 BOLD신호(24)를동시 모델링할 수 있도록 합니다. 마지막으로, 더 광범위하게, 신경 측정은 명시적 행동 반응을 유도하는 것이 어려울 수 있는 인구에서 학습의 측정을 허용합니다 (예를 들어, 발달 및 특수 인구)25.
현재 프로토콜은 기존의 정확도 측정 외에도 응답 시간 측정을 채택하고 친숙화 단계에서 뇌 활성화를 검사합니다. 이러한 방법의 조합은 실시간 학습 프로세스의 조사를 위한 풍부한 데이터 집합을 제공하는 것을 목표로 합니다. 웹 기반 플랫폼은 노출 단계에서 응답 시간과 테스트 단계에서 2-AFC 작업의 정확도를 모두 포함하는 일련의 학습 측정값을 제공합니다. 신경 이미징 프로토콜은 도메인 및 양식에 걸쳐 통계 학습을 지원하는 기본 신경 메커니즘의 조사를 허용합니다. 웹 기반 및 fMRI 프로토콜을 모두 사용하여 개인 내에서 통계 학습을 측정하는 것이 최적이지만, 이 작업은 독립적으로 전파될 수 있도록 설계되므로 통계 학습의 두 가지 독립적인 척도로 사용됩니다. 현재 프로토콜에 포함된 fMRI 실험은 자극 인코딩, 패턴 추출 및 통계 학습의 다른 구성 요소가 특정 뇌 영역 및 네트워크에 의해 표시되는 방법을 명확히 하는 데 도움이 될 수 있습니다.

<table><tbody><tr><td>4버튼 인라인 응답 장치</td><td>Cambridge Research Systems</td><td>SKU: N1348</td><td>스캐너 내 응답 시간을 측정하는 데 사용되는 fMRI 응답 패드</td></tr><tr><td>Short/Slim Canal Tips</td><td>Comply Foam</td><td>SKU: 40-15028-11</td><td>짧고 슬림한 인이어 팁 어린이가 청력을 보호하고 스캐너 안에 있는 동안 자극을 들을 수 있도록 하는 것이 좋습니다.</td></tr><tr><td>jsPsych</td><td>jsPsych</td><td>https://www.jspsych.org/</td> <td>jsPsych는 웹 브라우저에서 행동 실험을 실행하기 위한 JavaScript 라이브러리입니다.</td></tr><tr><td>음성 합성기</td><td>Praat</td><td>버전 6.1.14</td><td>이 프로그램은 음절 자극을 생성하는 데 사용된 인공 음성 합성기입니다.</td></tr><tr><td>웹 기반 통계 학습 과제</td><td>Zenodo</td><td>http://doi.org/10.5281/zenodo.3820620 (2020).</td><td>모든 웹 기반 통계 학습 작업은 Zenodo에서 무료로 액세스할 수 있습니다.</td></tr></tbody></table>

온라인 플랫폼 및 신경 이미징 기술을 통해 학교 숙성 아동의 양식 및 도메인 전반에 걸친 통계 학습 측정

Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques

통계 학습, 환경에서 정규성을 추출하는 기본 기술, 종종 첫 번째 언어 개발의 핵심 지원 메커니즘으로 간주됩니다. 통계 학습의 많은 연구는 단일 도메인 또는 양식 내에서 수행 되는 동안, 최근 증거는이 기술은 자극이 제시 되는 컨텍스트에 따라 다를 수 있습니다 제안. 또한 학습 의 결과에 초점을 맞추고 실시간으로 학습을 조사하는 연구는 거의 없습니다. 이 프로토콜에서는 개인 내에서 통계 학습의 인지 및 신경 기초를 식별하는 접근 법(언어학 대 비언어학) 및 감각 양식(시각 및 청각)을 식별합니다. 이 작업은 참가자에게 가능한 한 적은 인지 수요를 캐스팅하도록 설계되어 어린 학교 숙성 아동과 특수 인구에 이상적입니다. 행동 작업의 웹 기반 특성은 우리가 전국적으로 더 많은 대표 인구에 도달할 수 있는 독특한 기회를 제공하며, 효과 크기를 보다 정밀하게 추정하고, 개방적이고 재현 가능한 연구에 기여할 수 있는 특별한 기회를 제공합니다. 기능성 자기 공명 영상 (fMRI) 작업에 의해 제공되는 신경 측정은 통계 학습 중에 종사하는 신경 메커니즘에 대해 연구원에게 알릴 수 있으며, 이러한 것이 도메인 또는 양식에 기초하여 개인 간에 어떻게 다를 수 있는지를 알릴 수 있습니다. 마지막으로, 두 작업 모두 노출 기간 동안 표적 자극에 대한 반응 시간의 변화가 추적되기 때문에 실시간 학습을 측정할 수 있습니다. 이 프로토콜을 사용하는 주요 제한사항은 실험의 1시간 길이에 관한 것입니다. 아이들은 여러 좌석에서 네 가지 통계 학습 작업을 모두 완료해야 할 수도 있습니다. 따라서 웹 기반 플랫폼은 이러한 제한을 염두에 두고 설계되어 작업이 개별적으로 전파될 수 있습니다. 이 방법론을 통해 사용자는 다양한 발달 배경을 통해 어린이의 도메인 및 양식 에 걸쳐 통계 학습 과정이 어떻게 전개되는지 조사할 수 있습니다.

웹 기반 행동 결과 현재 프로토콜은 발달 인구와 쉽게 보급하도록 설계되어, 우리는 22 개발 학교 세 어린이 (평균 (M) 연령 = 9.3 년, 표준 편차 (SD) 나이 = 2.04 년, 범위 = 6.2-12.6 년, 13 소녀)의 데이터를 기반으로 예비 웹 기반 결과를 포함했다. 웹 기반 통계 학습 작업에서, 아이들은 그룹 수준에서 성공적인 통계 학습을 나타내는 모든 조건에서 0.5 기회 수준보다 훨씬 더 나은 수행 (통계를위한 표 1 참조; 그림 3). 평균 반응 시간 경사는 음절 조건에서 음수 및 0 보다 현저히 낮았다(M = -0.01), SD = 0.02, t(14) = -2.36, 원테일 p = .02) 및 문자 조건에서 약간 유의(M = -0.02, SD = 0.06, t(15) = -1.52, 원테일 p = .07, 도 4),친숙한 단계화 중에...

여기에 소개된 프로토콜은 도메인 및 감각 양식에 걸쳐 시간 통계 패턴의 아이들의 학습을 검토하기 위한 아동 친화적 인 통계 학습 작업 세트를 소개하는 프로토콜입니다. 개발된 작업은 통계 학습 중 신경 참여를 검사하기 위한 웹 기반 플랫폼 및 태스크 기반 기능 자기 공명 영상(fMRI) 데이터를 사용하여 행동 데이터를 수집합니다.

Statistical learning, a fundamental skill to extract regularities in the environment, is often considered a core supporting mechanism of the first ...

입력에서 패턴을 추출하는 능력은 언어와 인지 발달을 위한 기본입니다. 이 기술은 어린이의 통계 학습의 놀라운 이질성이 도메인 일반 또는 도메인 특정 메커니즘에 의해 설명되는지 여부를 해결할 수 있습니다. 당사의 프로토콜은 개인 내의 도메인 및 양식에 걸쳐 통계 학습을 측정할 수 있게 해주며, 아동 친화적이며 웹 기반 행동과 실험실 기반 신경 이미징 기술을 결합합니다.이 방법은 언어 개발의 학습 프레임 워크에 대한 통찰력을 제공합니다. 특수 인구에 적용되는 경우, 우리의 프로토콜은 또한 언어 학습 어려움에 대한 이해를 증진시킬 수 있습니다. 우리는 제노도와 GitHub의 연구 커뮤니티에서 업무에 접근 할 수 있도록하는 중입니다.우리는 다른 연구원들이 사용할 수 있게 되면 우리의 작업을 재현하는 것이 좋습니다. 웹 기반 프로토콜을 수행하려면 먼저 웹 기반 통계 학습 패러다임으로 이동합니다. 음절 작업을 위해, 외계인과 외계인 언어로 좋아하는 단어에 참가자를 소개합니다. Doe.참가자에게 외계인의 언어를 듣고 좋아하는 단어를 들을 때마다 스페이스 바를 누르는 것을 기억한다고 알려줍니다. 참가자가 친숙한 단계 전에 연습 시험을 완료해야하며, 외계인이 좋아하는 단어가 들리자마자 우주 막대를 눌러야합니다. 테스트 단계에서 참가자에게 더 익숙한 두 시퀀스 중 하나를 선택하도록 지시합니다.대상 시퀀스는 친숙한 단계에서 표시됩니다. 클랩투 호일 시퀀스는 이전에 제시되지 않았습니다. 클랩투 톤 작업에서, 그들은 민요에서 외계인 좋아하는 노트를 추적해야합니다 참가자에게 알려줍니다.테스트 단계는 음절 작업과 동일한 설계를 따릅니다. 이미지 작업에서, 그들은 우주선에 입력 하는 외계인 라인업의 그룹으로 특별 한 외계인의 추적 해야 합니다 참가자를 통보. 시험 단계에서는 쌍으로 참가자에게 이전에 는 볼 수 없었던 친숙한 단계와 호일 세 쌍둥이의 두 대상이 모두 존재한다.편지 작업에서 그들은 외계인 좋아하는 기호를 추적해야 할 것이라고 참가자에게 통보했다. 외계인이 퍼레이드 표지판을 들고 있는 동안. 참가자특히 어린이가 스캐너 연습에 편안해지도록 돕기 위해 모의 스캐너로 MRI 스캔 세션을 진행합니다.모의 스캐너 나 뇌 카메라와 스캔 친구에게 참가자를 소개합니다. 스캔 친구의 목적은 그들을 회사를 유지하고 그들이 아무것도 필요로하는 경우 그들을 돕는 것입니다 설명합니다. 스캔 친구는 또한 부드럽게 카메라에 의해 너무 많은 움직임이 감지되는 경우 가만히 유지하기 위해 참가자를 생각 나게한다.참가자를 통계 학습 패러다임을 소개하고 컴퓨터에서 작업의 짧은 부분을 완료하도록 합니다. 작업을 완료한 후 참가자가 모의 스캐너에 들어가고 어린이 친화적 인 비디오를 재생하여 사운드 및 비디오에 적응할 수 있도록 도와줍니다. 참가자가 준비되면 미리 녹음된 스캐너 나 사운드 클립을 재생하여 실제 MRI에서 생성 한 소음에 대비하십시오.이 기간 동안 참가자는 가만히 머물면서 스캔 친구와 함께 일하는 연습을하십시오. 참가자가 모의 스캐너에 익숙해지면 FMRI 데이터 수집 프로토콜이 MRI 수집 컴퓨터에 적절하게 설정되어 있음을 확인했습니다. 참가자가 스캐너 소음으로부터 귀를 보호하는 헤드폰과 손에 반응 패드를 장착하여 MRI 스캐너 침대에 편안하게 누워 있어야 합니다.참가자의 머리 주위에 추가 패딩을 배치하여 데이터 수집 중에 제한된 헤드 모션을 보장하고 참가자에게 스캔 친구의 옵션을 제공합니다. 참가자에게 고민이 있거나 중지해야 하는지 에 대해 알려주는 데 사용할 스퀴즈 볼을 제공하여 참가자의 머리 위에 머리 코일을 놓습니다. 스캐닝 베드의 참가자를 정렬한 후 획득 컴퓨터의 새 참가자를 등록하고 올바른 스캐닝 프로토콜을 선택합니다.스캐닝 침대와 참가자를 MRI의 보어에 삽입하고 구조 MRI 스캔을 받으면 참가자에게 동영상을 표시합니다. 참가자가 청각 작업을 수행하도록 하려면 헤드폰에 연결된 Intercom 시스템을 사용하여 참가자에게 알립니다. 이제 버튼을 누르는 게임을 플레이할 예정입니다.당신은 외계인을 듣고, 단어를 말하고 음악을 재생당신이 듣고있는 소리를들을 때마다 응답 패드에 버튼을 누르는 것을 기억 재생합니다. 지침을 제공 한 후, 청각 통계 학습 데이터의 수집을 허용하기 위해 프리젠 테이션 컴퓨터에서 패러다임을 시작합니다. 시각적 작업을 위해 참가자에게 알립니다.이제 외계인의 사진과 편지를 볼 수 있습니다. 찾고 있는 사진이 표시될 때마다 응답 패드의 버튼을 누릅니다. 지침을 제공 한 후 시각적 통계 학습 데이터를 얻기 위해 프리젠 테이션 컴퓨터에서 패러다임을 시작합니다.참가자가 패러다임이 MRI를 중지하면 스캐너 내부에서 참가자를 안전하게 제거하고 머리 코일을 제거합니다. 웹 기반 통계 학습 작업에서. 아이들은 그룹 수준에서 성공적인 통계 학습을 나타내는 모든 조건에서 0.5 기회 수준보다 훨씬 더 잘 수행했습니다.평균 반응 시간 경사는 음절 조건에서 음수 및 영하로 크게 낮았으며, 언어 적 작업에서 친숙한 단계 동안 대상 검출의 빠른 가속을 제안하는 문자 조건에서 미미하게 유의했다. 평균 반응 시간 경사는 정확도의 오프라인 측정에서 학습의 증거에도 불구하고 이미지 또는 톤 조건의 0과 크게 다르지 않았습니다. 청각 및 시각 통계 학습 작업을 완료한 9명의 발달 중인 어린이의 데이터를 기반으로 한 예비 FMRI 결과가 표시됩니다.구조화 블록을 무작위 블록에 비교할 때 상당한 클러스터는 자극 유형에 따라 다양한 뇌 영역에서 관찰되었다. 이러한 결과는 현재 작업 설계가 어린이의 뇌에서 유발된 혈역학적 변화를 학습하는 데 민감하다는 것을 시사합니다. 성인의 대표적인 연구 결과는 구조화 된 시퀀스가 톤 작업을 제외한 모든 스캐너 작업에서 임의의 조건에 비해 구조화 된 조건에서 훨씬 빠른 응답 시간에 의해 지원된다는 것을 나타냅니다.우리는 연구원이 도메인 과 양식에 걸쳐 가변성과 통계 학습이 더 높은 수준의 프로세스와 어떻게 관련이 있는지 더 잘 이해하기 위해 다른 개별 차이 조치를 포함하도록 권장합니다. 이 프로토콜은 통계 학습의 개별 차이가 일반적인 발달과 비정형 개발 모두에서 언어 결과의 차이를 고려할 수있는 방법을 삭제하는 첫 번째 단계입니다.

measuring-statistical-learning-across-modalities-domains-school-aged

Research

연구

JoVE Journal

Neuroscience

신경과학

온라인 플랫폼과 신경 영상 기법을 통해 학령기 아동의 양상과 영역 전반에 걸친 통계적 학습 측정

어린이를위한 사이즈 MEG 시스템의 출현은 두뇌 개발을 연구하는 것이 중요합니다 새로운 기회를 엽니다. 함께 아이들의 용량 실험 요구 사항을 일치 프로토콜과 새로운 시스템은, 6-3 세 건강, 깨어있는 아이인지 및 언어 과정을 연구하는 데 사용할 수 있습니다.

사용자 정의 크기 MEG 사전 - 학교 어린이 Neuromagnetic 뇌 기능의 측정

이 논문은 과제 중 학습자 참여의 여러 차원(행동적, 정서적, 인지적)을 수집하고 동기화하는 데 관련된 기술을 설명하는 것을 목표로 합니다.

참여의 여러 차원을 평가하는 것은 학습의 특성을 : 신경 생리학 관점

이 프로토콜은 배우와 대본이 없는 사회적 상호 작용 중에 자유롭게 행동하는 유아의 의도를 신경 해독하기 위한 새로운 방법론을 제시합니다. 신경 활동은 비침습적 고밀도 활성 두피 뇌파검사(EEG)를 사용하여 획득합니다. 운동학적 데이터는 관성 측정 장치로 수집되고 동기화된 비디오 녹화로 보완됩니다.

인간의 유아를 자유롭게 행동의 사회적 상호 작용하는 동안 의도 모드의 신경 디코딩에 소설 실험 및 분석 접근

우리는 흥분 그리고 모터 응답 억제 작업 동안 기본 모터 피 질 억제 중지 신호 작업의 과정을 통해 Transcranial 자석 자극을 사용 하 여 계량 하는 실험적인 절차를 설명 합니다.

대뇌 생리학 응답 억제와 관련 된 측정을 위한 온라인 Transcranial 자석 자극 프로토콜

이전에 액세스할 수 없는 영역;에서 뇌의 연구 발전을 제공 하는 휴대용 neuroimaging 접근 (기능 가까운 적외선 분광학) 여기, 시골 코트디부아르. 혁신 방법 및 문화적으로 적절 한 neuroimaging 프로토콜의 개발에 중요 한 가난과 역 경을 함께 환경에서 두뇌의 개발 및 어린이 학습 결과의 소설 연구를 허용합니다.

글로벌 아동 발달 연구에 적외선 분광학 (적외선) Neuroimaging 근처 기능 사용 하 여 Neuroimaging 필드 방법: 농촌 사하라 사막 이남의 아프리카

이 문서는 어린이 친화적인 연구 프로토콜 소아 magnetoencephalography (멕) 동안 머리의 움직임을 줄임으로써 데이터 품질을 개선 하도록 설계 된 소개 합니다. 우리 가족 멕 환경에 익숙해지도록, 멕 시뮬레이터를 사용 하 여 여전히 유지 하 고 실시간 머리 움직임 검출 시스템을 사용 하 여 잔여 머리 움직임 인공 물에 대 한 수정에 아이 들을 훈련 한다.

Magnetoencephalography를 사용 하 여 아이 들에 있는 두뇌 기능을 공부

현재 의결은 DD를 가진 성인의 어려움의 기초를 구성하는 메타인지, 학습의 자기 규제 및 정서적 과정에 초점을 맞춘 다중 모달 평가 프로토콜을 제안합니다.

학습 장애가 있는 성인의 메타코그니션 및 자율 규제를 평가하기 위한 멀티모달 프로토콜

자연주의 학습 환경에서 협업 학습 dyads에 대한 fNIRS 하이퍼스캐닝 실험을 수행하기 위한 프로토콜이 설명되어 있습니다. 또한, 산소헤모글로빈(Oxy-Hb) 신호의 뇌 간 싱크로니(IBS)를 분석하는 파이프라인이 제시된다.

개방형 협업 학습의 뇌 간 싱크로니: fNIRS 하이퍼스캐닝 연구

여기에 제시된 비디오 분석 파이프라인은 MRI 환경 내 행동 모니터링의 문제를 극복하여 외부 신호에 대한 지시되지 않은 행동 반응을 감지할 수 있도록 합니다. 이 분석은 유발된 내부 상태 변화와 뇌 전반의 활동에 대한 보다 포괄적인 이해를 촉진할 것입니다.

전뇌 영상 중 모성 행동 반응 프로파일링(Profiling Maternal Behavior Responses During Whole-Brain Imaging

현재 문서는 변수 분석의 기초를 설명하고 더 일반적으로 사용되는 voxel - 현명한 univariate 분석에 대조를 이룹니다. 분석의 두 가지 유형이 임상 - 신경 과학 데이터 집합에 적용됩니다. 보충 분할 반 시뮬레이션은 독립적인 데이터 집합에 변수가 결과의 더 나은 복제를 보여줍니다.

데이터 Neuroimaging에서 복수 변수 분석의 기초

학습하세요 아동의 통계적 학습을 측정하는 웹 기반 플랫폼과 fMRI 신경 이미징 기술을 활용한 방법입니다. 이 프로토콜은 언어 발달 및 학습 장애 이해에 중요한 통찰을 제공합니다.

온라인 플랫폼 및 신경 이미징 기술을 통해 학교 숙성 아동의 양식 및 도메인 전반에 걸친 통계 학습 측정

더 많은 동영상 탐색