Met behulp van MazeSuite en functionele Near Infrared Spectroscopy te Study Leren in Spatial Navigation

Samenvatting

MazeSuite is een complete toolset voor het voorbereiden, presenteren en analyseren van navigatie- en ruimtelijke experimenten। Functionele nabij-infraroodspectroscopie (fNIR) is een optische hersenbeeldtechniek waarmee niet-invasieve en draagbare monitoring van veranderingen in de cerebrale bloedoxygenatie mogelijk is. Dit artikel vat het gezamenlijke gebruik van MazeSuite en fNIR samen binnen een cognitief leerparadigma.

Samenvatting

MazeSuite is een complete toolset voor het voorbereiden, presenteren en analyseren van navigatie- en ruimtelijke experimenten¹. MazeSuite kan worden gebruikt om aangepaste virtuele 3D-omgevingen te ontwerpen en te bewerken, de gedragsprestaties van deelnemers binnen de virtuele omgeving te volgen en te synchroniseren met externe apparaten voor fysiologische en neuroimaging-metingen, waaronder elektro-encefalografie en eye-tracking.

Functionele nabij-infraroodspectroscopie (fNIR) is een optische breinbeeldvormingstechniek die continue, niet-invasieve en draagbare monitoring mogelijk maakt van veranderingen in de cerebrale bloedoxygenatie in relatie tot menselijke hersenfuncties^2-7. In het afgelopen decennium is fNIR gebruikt om cognitieve taken zoals aandacht, werkgeheugen en probleemoplossing effectief te monitoren^7-11. fNIR kan worden geïmplementeerd in de vorm van een draagbaar en minimaal intrusief apparaat; het heeft de capaciteit om hersenactiviteit te monitoren in ecologisch valide omgevingen.

Cognitieve functies die worden beoordeeld aan de hand van taakprestaties omvatten patronen van hersenactivatie van de prefrontale cortex (PFC) die variëren van de initiële uitvoering van een nieuwe taak, na oefening en tijdens retentie¹². Met behulp van positronemissetomografie (PET) stelden Van Horn en collega's vast dat de regionale cerebrale bloedstroom werd geactiveerd in de rechter frontale kwab tijdens de codering (d.w.z. de initiële naïeve prestatie) van ruimtelijke navigatie in virtuele doolhoven, terwijl er weinig tot geen activatie van de frontale regio's was na oefening en tijdens retentietests. Bovendien zijn de effecten van contextuele interferentie, een leerfenomeen dat gerelateerd is aan de organisatie van de oefening, duidelijk wanneer individuen meerdere taken aanleren onder verschillende oefenschema's^13,14. Hoge contextuele interferentie (random oefenschema) ontstaat wanneer de te leren taken in een niet-sequentiële, onvoorspelbare volgorde worden gepresenteerd. Lage contextuele interferentie (geblokkeerd oefenschema) ontstaat wanneer de te leren taken in een voorspelbare volgorde worden gepresenteerd.

Ons doel hier is tweeledig: ten eerste het illustreren van het ontwerpproces van het experimentele protocol en het gebruik van MazeSuite, en ten tweede het demonstreren van de installatie en implementatie van het fNIR-systeem voor het monitoren van hersenactiviteit met behulp van Cognitive Optical Brain Imaging (COBI) Studio-software¹⁵. Om onze doelen te illustreren, wordt een substeekproef uit een studie gerapporteerd om het gebruik van zowel MazeSuite als COBI Studio in één enkel experiment te tonen. De studie betreft de beoordeling van de cognitieve activiteit van de PFC tijdens de acquisitie en het leren van computerdoolhof-taken voor geblokkeerde en willekeurige volgordes. Twee rechtshandige volwassenen (één man, één vrouw) voerden gedurende vier dagen 315 acquisitie-, 30 retentie- en 20 transfer-trials uit. De fasen van ontwerp, implementatie, data-acquisitie en analyse van de studie werden toegelicht met de bedoeling een richtlijn te bieden voor toekomstige studies.

Protocol

Maze-Suite bestaat uit drie hoofdtoepassingen: een bewerkingsprogramma om doolhofomgevingen te construeren (MazeMaker), een visualisatie-/renderingmodule (MazeWalker) en tot slot een analyse- en padvisualisatietool (MazeAnalyzer). De volgende secties beschrijven het gebruik van MazeSuite en meer details zijn beschikbaar in de drie aanvullende video's, één voor elke MazeSuite-module.

1. Het ontwerpen van doolhoven

De MazeMaker-applicatie binnen Maze-Suite maakt het mogelijk om driedimensionale (3D) omgevingen te creëren door deze eenvoudigweg te tekenen op een tweedimensionaal (2D) canvas vanuit een vogelperspectief. Muren en vloeren kunnen worden getekend door met muisklikken coördinaten aan te geven, en gebruikers kunnen 3D-objectbestanden importeren of eigenschappen van items binnen het doolhof bewerken, zoals positie, oriëntatie, kleur, textuur en verlichting.

Start- en eindregio's van het doolhof kunnen worden toegewezen naast andere uitgangscriteria, zoals een time-outperiode. Er kunnen ook afzonderlijke tekstberichten worden weergegeven om een deelnemer per uitgangsvoorwaarde te informeren. Tijdens de ontwerpfase kunnen doolhoven worden getest door de functie 'quick run' binnen MazeMaker te gebruiken.

Voor functionele beeldvormingsstudies wordt deelnemers meestal gevraagd om een reeks taken met herhaalde trials uit te voeren. Om het testen van deze herhaalde trials te vergemakkelijken, kan MazeMaker doolhoflijstbestanden maken, wat gesorteerde lijsten zijn van doolhoven en tekstberichten voor een experimentele sessie. Het is van cruciaal belang dat het doolhoflijstbestand voor het experiment is voorbereid en grondig is gepiloot voordat de dag van het experiment aanbreekt.

Een beknopte handleiding voor het gebruik en de ontwikkeling van omgevingen met MazeMaker wordt gegeven in 'Aanvullende video II – MazeMaker'.

2. fNIR-opstelling en het plaatsen van het fNIR-sensorpad

Het fNIR-box voorbereiden

1. Aan de achterzijde van de fNIR-box bevinden zich twee kabelaansluitingen. Eén van de sleuven is voor de USB-verbinding en de andere aansluiting is voor het netsnoer.
2. Verbind de fNIR-apparaatbox via de USB-kabel met een pc of laptop die wordt gebruikt voor de gegevensverwerving.
3. Sluit de voedingsadapter aan op het apparaat en zet de schakelaar aan.
4. De platte kabel wordt gebruikt om het sensorpad met de fNIR-box te verbinden.
   1. Het sensorpad bevat lichtbronnen (LED's) en fotodetectoren.
   2. De LED's zenden infrarood licht uit bij golflengten van 730nm en 850nm, die respectievelijk voornamelijk worden geabsorbeerd door gedeoxygeneerd en geoxygeneerd hemoglobine en daardoor door biologisch weefsel kunnen dringen.

Plaatsen van het sensorpad

1. Vraag de deelnemer om het haar van het voorhoofd weg te halen voordat de sensor wordt geplaatst. Plaats de sensorstrip net boven de wenkbrauwen. Lijn het midden van de sensor uit met de verticale symmetrieas die ook door de neus loopt
2. Druk het sensorpad stevig tegen het voorhoofd en gebruik een clip om de kabels achter het hoofd bij elkaar te houden. Hoewel niet strikt noodzakelijk, wordt een hoofdband of tennisbandana aanbevolen om het sensorpad te bevestigen.
3. Bevestig, nadat het sensorpad op het voorhoofd is geplaatst, de twee uiteinden van de lintkabel aan de fNIR-box. De lintkabels moeten worden aangesloten door de 'I'- en 'II'-zijden van de lintkabel te matchen met de corresponderende 'I'- en 'II'-connectoren op het apparaat.

Opstarten van de COBI Studio-software voor gegevensverzameling

1. Klik op het Cognitive Optical Brain Imaging (COBI) Studio13-icoon op het bureaublad om het hoofdvenster te openen.
2. Het programma wordt geleverd met bepaalde vooraf ingestelde instellingen voor gegevensverzameling en visualisatie.
3. Het is belangrijk om de parameters voor gegevensacquisitie en de triggering (markersynchronisatie) in het dialoogvenster voor apparaatinstellingen te controleren en te bevestigen indien nodig.
4. COBI Studio kan alle gerelateerde gegevensbestanden automatisch benoemen als de "Experiment mode" wordt geactiveerd via de "New Experiment"-wizard.
5. In de gegevensmap worden 3 typen bestanden aangemaakt: (*.nir) voor fNIR-gegevens, (*.mrk) voor markergegevens en (*.txt) voor een logboek van de experimentsessie.

3. Het experiment uitvoeren: De doolhoven renderen

Apparaatinstellingen en het starten van de fNIR-data-acquisitie

1. De LED-aanstroom (LED Drive Current) bepaalt hoe fel elke LED schijnt. De standaardwaarde voor de LED-aanstroom is 20mA. Deze waarde moet mogelijk worden aangepast op basis van de huidpigmentatie en andere kenmerken van de deelnemer. Het aanbevolen bereik voor de LED-stroom ligt tussen 5mA en 20mA
2. De standaardwaarde voor de initiële versterking (gain) voor alle kanalen is 20. Aanbevolen waarden voor de versterking zijn 1, 5, 10, 15, 20.
3. Klik op de link 'Start current device' en controleer de signaalkwaliteit. Als de ruwe intensiteitswaarden in COBI de 4000 benaderen of lager zijn dan 1000, klik dan op 'Stop Device' en pas de LED-aanstroom en de apparaatversterking (Device Gain) aan tot geschikte waarden zijn verkregen. Verhoog bij een zwak signaal eerst de LED-aanstroom voordat u de apparaatversterking verhoogt. Verlaag bij een verzadigd signaal eerst de apparaatversterking voordat u de LED-aanstroom verlaagt. Zodra de signaalkwaliteit acceptabel is, gaat u door naar stap 4.
4. Start de Baseline. Hiermee worden 10 seconden aan gegevens verzameld die als basislijn dienen in een gemodificeerde Beer-Lambert-vergelijking om concentratiewijzigingen voor oxy- en deoxyhemoglobine⁸ te berekenen.
5. Laat de Baseline voltoaien (dit kan 10-20 seconden duren)
6. Klik op 'Start recording'. Hiermee wordt het opslaan van alle gegevens gestart. Het experimentprotocol dient hierna te beginnen.
7. De experimentator kan ervoor kiezen om gedurende de experimentsessie handmatige markers toe te voegen om bepaalde gebeurtenissen aan te duiden door op de knoppen 'add manual marker' te klikken in het menu voor handmatige markers linksonder op het scherm.
8. Start de Maze Suite om visuele stimuli te presenteren.

MazeWalker gebruiken om doolhoven te renderen

1. Start MazeWalker via het menu Start>Maze Suite>MazeWalker
2. Schakel de markersynchronisatie in door 'Enable Serial Port' te selecteren in het menu onder Advanced>Serial Port Options. Controleer of het juiste COM-poortadres is geselecteerd.
3. Selecteer het bestand met de doolhoflijst (dat is aangemaakt met MazeMaker) en kies een naam voor het nieuwe logbestand voor deze sessie. De naam of het deelnemernummer kan in het veld 'walker' worden ingevoerd. Optioneel kan de autolog-functie worden gebruikt om automatisch naar een logbestand met tijdstempel te schrijven in plaats van het logbestand handmatig op te geven.
4. Klik op 'Start' om het proces te starten. Afhankelijk van de video-instellingen kan het protocol op volledig scherm of in venstermodus worden uitgevoerd.

4. Visualisatie van het pad van het subject

Met behulp van MazeAnalyzer kan de onderzoeker het doolhof en het pad van de deelnemer visualiseren op basis van het doolhof en de logbestanden. Daarnaast worden er samenvattende rapporten gegenereerd, inclusief de totale padlengte en de tijd tot voltooiing van elk doolhof, als eerste gedragsmatige meetwaarden. De logbestanden bevatten informatie met een tijdresolutie in milliseconden over het pad dat een proefpersoon heeft afgelegd, evenals de kijkvector van de proefpersoon en interacties met objecten.

Een instructievideo is beschikbaar in 'Supplementary video I – MazeAnalyzer' en beschrijft het gebruik van de basisfunctionaliteit van MazeAnalyzer, samen met methoden om de gedragsmetrieken te genereren die in de resultatensectie worden beschreven.

5. Verwerking van de fNIR-gegevens en analyse

Ruisverwijdering is de eerste stap bij het verwerken van de gegevens. Bronnen van ruis zijn onder meer 1) hoofdbewegingen, 2) fysiologische signalen zoals hartslag en ademhaling en 3) instrument- en omgevingsgerelateerde ruis.

Hoofdbewegingen kunnen ervoor zorgen dat de fNIR-detectoren verschuiven en het contact met de huid verliezen, waardoor ze worden blootgesteld aan: 1) omgevingslicht; 2) licht dat direct door de fNIR-bronnen wordt uitgezonden; of 3) licht dat vanaf de huid wordt gereflecteerd, in plaats van te worden gereflecteerd door weefsel in de cortex. Dit type bewegingsartefact is gemakkelijk herkenbaar omdat het plotselinge, grote pieken in de fNIR-gegevens veroorzaakt. Een subtieler artefact van hoofdbeweging is te wijten aan de effecten van zwaartekracht op het cerebrale bloed. Snelle hoofdbewegingen kunnen ervoor zorgen dat bloed naar (of weg van) het gemonitorde gebied beweegt, waardoor het bloedvolume snel toeneemt (of afneemt) met een bijbehorende scheefgroei van de gegevens. Omdat de dynamiek van dit type bewegingsartefact trager is dan de LED- "pop", kunnen ze worden verward met de werkelijke hemodynamische respons als gevolg van hersenactivatie. Daarom is het verwijderen van bewegingsartefacten uit fNIR-gegevens een belangrijke en noodzakelijke stap als fNIR moet worden ingezet als hersenmonitoringtechnologie in natuurlijke omgevingen¹⁶.

Fysiologische signalen zoals hartslag (boven 0,5 Hz) en ademhaling (boven 0,2 Hz) bevinden zich in hogere frequentiebereiken dan hemodynamische responsen; deze kunnen daarom worden geëlimineerd met een lineair-fase laagdoorlaat FIR-filter met een afsnijfrequentie tussen 0,1 en 0,15 Hz⁹.

Instrumentele ruis en omgevingsruis kunnen worden veroorzaakt door omgevingslicht, zoals daglicht (DC) en kamerverlichting (60Hz), of door licht van een computermonitor (60-75Hz). Er wordt gesuggereerd dat de beste manier om dit type ruis te elimineren, is door de experimentele omgeving en de gegevensverwerving dienovereenkomstig voor te bereiden. In de fNIR-box is een analoog laagdoorlaatfilter (anti-aliasing filter) geïmplementeerd om te voorkomen dat hoogfrequente ruis terugvouwt in het bemonsteringsfrequentiebereik.

Er zijn veel geavanceerde algoritmen voor ruisonderdrukking beschikbaar die gebruikmaken van verschillende kenmerken van het signaal^17-20. Echter kan een proefpersoon of sessie worden uitgesloten indien de gegevens onherstelbaar zijn (d.w.z. verzadigd).

Figuur 1. Componenten van het fNIR-signaal

De ruwe fNIR-signalen zijn metingen van de lichtintensiteit (zie figuur 1). Door veranderingen in de optische dichtheid (OD) bij twee golflengten te meten, kan de relatieve verandering van oxy-Hb en deoxy-Hb ten opzichte van de tijd worden bepaald met behulp van de gewijzigde wet van Beer-Lambert^21-23. De OD bij een specifieke inputgolflengte (λ) is de logaritmische verhouding tussen de inputlichtintensiteit (I_in) en de output- (gedetecteerde) lichtintensiteit (I_out). De OD is tevens gerelateerd aan de concentratie (c) en de extinctiecoëfficiënt (e) van chromoforen, de gecorrigeerde afstand (d) tussen de lichtbron en de detector, plus een constante attenuatiefactor (G).

Met dezelfde I_in op twee verschillende tijdstippen en de gedetecteerde lichtintensiteit tijdens de baseline (I_rest) en tijdens de uitvoering van de taak (I_test), is het verschil in OD voor golflengte λ

Het meten van de OD bij twee verschillende golflengten geeft

Deze set vergelijkingen kan worden opgelost voor de concentraties als de 2x2-matrix niet-singulier is. Gewoonlijk worden de twee golflengten gekozen i) binnen 700-900nm, waar de absorptie van oxy-Hb en deoxy-Hb dominant is in vergelijking met andere weefselchromoforen, en ii) onder en boven het isosbestisch punt (~805nm, waar de absorptiespectra van deoxy- en oxy-Hb elkaar kruisen), om de veranderingen in absorptie respectievelijk te richten op deoxy-Hb of oxy-Hb. Het in deze studie gebruikte fNIR-instrument maakt gebruik van golflengten van 730nm en 850nm.

Ten slotte worden, met behulp van de markers (tijdsynchronisatiesignalen), de perioden van baseline/rust en de taken gelabeld en worden geselecteerde kenmerken uit de oxygenatiegegevens geëxtraheerd, zoals gemiddelde, minimale en maximale waarden. COBI Studio slaat zowel de ruwe lichtintensiteitsmetingen als de berekende oxygenatiewaarden (via de gemodificeerde wet van Beer-Lambert) op in tekstbestanden, evenals de tijdsynchronisatiebestanden (markers). COBI Studio kan ook worden gebruikt om methoden voor ruisonderdrukking toe te passen, zoals finite impulse response laagdoorlaat- of banddoorlaatfilters. Uitvoerbestanden kunnen worden geëxporteerd naar gangbare analysesoftware zoals (Matlab, Excel, SPM en SPSS) of gespecialiseerde analysesoftware zoals fnirSoft²⁴ voor verdere verwerking.

6. Representatieve resultaten:

Voorbeelden van fNIR-signalen

Figuren 2-5 tonen ruwe fNIR-signalen van één meetlocatie met twee golflengtecomponenten (730nm en 850nm), afzonderlijk weergegeven. Figuur 2 vertegenwoordigt een valide en acceptabel signaalepoch, terwijl figuren 3 en 4 onacceptabel zijn en verworpen moeten worden. Figuur 5 toont een ruw signaal dat besmet was met bewegingsartefacten en gereinigd of verworpen moet worden.

Figuur 2. Een representatief voorbeeld van een ruw fNIR-signaal

Figuur 3. Een slecht fNIR-ruw signaalmonster waarbij het 850nm-kanaal verzadigd is.

Figuur 4. Een slecht fNIR-ruwsignaalvoorbeeld waarbij er sprake is van een hardwareprobleem of een verbindingsprobleem met de kabel.

Figuur 5. Een voorbeeld van een slecht fNIR-ruwsignaal waarin bewegingsartefacten voorkomen.

Studieprotocol

Beoordelingen van het leerproces worden het best geïllustreerd door retentie- (d.w.z. geheugen) en transfertests (d.w.z. generaliseerbaarheid). In onze studie werden drie doolhoven (doolhof1, doolhof2 en doolhof3) tijdens de acquisitiefase geoefend voor een totaal van 105 trials per doolhof over drie dagen. De twee condities, willekeurige oefenvolgorde (RND) en geblokte oefenvolgorde (BLK), zijn samengevat in Figuur 6. Twee proefpersonen namen vrijwillig deel aan de vierdaagse studie. Op de 4^e dag werden er 10 retentietrials per doolhof uitgevoerd en werden de doolhoven in een willekeurige volgorde gepresenteerd. Er werden twee nieuwe doolhoven (doolhof4 en doolhof5) gemaakt die extra gangen en andere start- en eindpunten hadden dan de oorspronkelijk geoefende doolhoven. De proefpersonen voltooiden tien trials voor elk van de twee nieuwe doolhoven. Deze doolhoven vormden een transferfase en werden aan iedereen in een willekeurige volgorde gepresenteerd. De doolhoven uit de transferfase werden gebruikt om te bepalen in welke mate elke proefpersoon in staat was om hun leerproces en oefening met de acquisitiedoolhoven te generaliseren.

Figuur 6. Representatief overzicht van het experimentele protocol.

Bestudeer de gedragsresultaten

De volgende figuren 7 tot en met 9 tonen de gemiddelde kenmerkwaarden (padlengte, totale voltooiingstijd en snelheid) van de proefpersonen per dag. Ten eerste worden de resultaten van maze1, maze2 en maze3 weergegeven voor zowel RND- als BLK-training. Vervolgens worden de resultaten van maze4 en maze5 vermeld om de resultaten van random versus geblokkeerde training te vergelijken. Alle foutenbalken stellen de standaardfout van het gemiddelde (SEM) voor.

Figuur 7. Samenvatting van de gedragsprestaties bij RND-training voor acquisitie- en retentietaken, inclusief totale padlengte, totale voltooiingstijd en gemiddelde snelheid.

Figuur 8. Samenvatting van de gedragsprestaties tijdens de BLK-oefening voor acquisitie- en retentietaken, inclusief totale padlengte, totale voltooiingstijd en gemiddelde snelheid.

Figuur 9. Vergelijking van de gedragsprestaties van BLK versus RND training voor transfertaken, inclusief totale padlengte, totale voltooiingstijd en gemiddelde snelheid.

Bestudeer de fNIR-resultaten

Veranderingen in de concentratie van oxygenatiehemoglobine ten opzichte van de baseline werden gemiddeld over het tijdsverloop van elk individueel doolhof met behulp van markergegevens ontvangen van MazeWalker (geeft het begin en einde van elk doolhof aan). Grotere concentratieveranderingen worden beschouwd als een weergave van hogere niveaus van regionale hersenactivatie. Een hoger activatieniveau werd waargenomen tijdens zowel de retentie- als de transfertaken voor BLK-training in vergelijking met RND-training. Tijdens de transfertaken was een hoger activatieniveau waarneembaar bij BLK-training in vergelijking met RND-training (Zie Figuur 10).

Voor het BLK-oefenobject vereisten transfer-trials een hogere activatie vergeleken met retentie-trials. Voor het RND-oefenobject verschilde het activatieniveau NIET tussen transfer- en retentietaken, in tegenstelling tot het BLK-oefenobject (Zie Figuur 11).

Figuur 10. Vergelijking van gemiddelde veranderingen in de oxy-Hb-concentratie voor BLK versus RND oefening voor zowel de retentietaken (links) als de transfertaken (rechts).

Figuur 11. Vergelijking van de gemiddelde veranderingen in oxy-Hb concentratie voor retentie- versus transfertaken voor zowel BLK (links) als RND (rechts) oefening.

Discussie

De prefrontale cortex (PFC) in het menselijke brein faciliteert cognitieve controle over de coördinatie van gedachten en acties in relatie tot interne doelen. In het bijzonder staat bekend dat de anterieure/dorsolaterale PFC hogere cognitieve functies bemiddelt, zoals taakbeheer, planning en ruimtelijke navigatie²⁵. fNIR is een draagbaar, veilig en niet-invasief instrument voor hersenmonitoring dat in klinische, laboratorium- en natuurlijke omgevingen is gebruikt om hersenactivatie te bestuderen. Deze verkennende studie demonstreerde het gebruik van Maze Suite en fNIR om neurobehaviorale aspecten van ruimtelijke navigatie te bestuderen. In deze verkennende studie wordt het MazeSuite-platform in combinatie met fNIR gebruikt om de neurobehaviorale aspecten van ruimtelijke navigatie in de dorsolaterale PFC te bestuderen en om de combinatie van deze twee instrumenten aan te tonen.

MazeSuite is een platform voor experimenteel ontwerp, presentatie en analyse. Het maakt de creatie en toepassing van eenvoudige 3D-omgevingen mogelijk met een gebruiksvriendelijke grafische interface en registreert automatisch gedragsmaten voor vergelijkingen binnen of tussen proefpersonen. Tijdens de presentatie van MazeSuite-omgevingen werden gelijktijdige, tijdgesynchroniseerde fNIR-metingen uitgevoerd met behulp van een commercieel verkrijgbaar, draagbaar continuous wave fNIR-systeem (Imager 1000, fNIR Devices, LLC) en COBI Studio-software¹⁵. fNIR is eerder vastgesteld als een veilige en effectieve non-invasieve tool voor hersenmonitoring in klinische, laboratorium- en natuurlijke settings voor de studie van hersenactivatie^7,11 en wordt in deze studie gebruikt om cognitieve responsen te onderzoeken die geassocieerd zijn met contextuele interferentie tijdens ruimtelijke navigatietaken.

Om de effecten van contextuele interferentie door de volgorde van oefening te onderzoeken, kregen proefpersonen een oefenvolgorde met een lage interferentie (BLK) of een hoge interferentie (RND). Deze verschillende oefenschema's werden gebruikt om het effect van het leren van meerdere virtuele ruimtelijke navigatietaak-doolhoven te testen tijdens acquisitie-, retentie- en transfertests. De gedragsresultaten geven aan dat er voor beide oefenvolgordes een monotonisch dalende trend is in de totale tijd die nodig is om het doolhof te voltooien, wat suggereert dat proefpersonen elk doolhof in kortere tijd voltooiden naarmate ze meer oefenden. Daarnaast nam de gemiddelde snelheid waarmee proefpersonen door het doolhof navigeerden (doolhofsnelheid) toe met de oefening. Deze verbeteringen in gedragsmaten over de tijd zijn verwachte gevolgtrekkingen van leren. Gemiddelde veranderingen in de oxy-Hb-concentratie tijdens de oefenproeven geven aan dat de BLK-oefening een hogere hersenactivatie vereiste in vergelijking met de RND-oefenvolgorde.

RND-oefening resulteerde in een snellere voltooiingsduur en kortere padlengtes in vergelijking met de BLK-oefenvolgorde voor respectievelijk retentie en transfer. Een dalende trend die werd waargenomen in de gemiddelde oxy-Hb voor BLK- en RND-oefeningen tijdens de retentie-trials wijst op een verminderde activiteit in de PFC. Deze bevinding is te verwachten, aangezien eerder onderzoek heeft gesuggereerd dat er sprake is van een afname van de activiteit in de PFC tijdens de latere fasen van het leren^12,26.

Bovendien vereiste de navigatie in nieuwe doolhoven tijdens de transferfase een hogere hersenactivatie voor proefpersonen met BLK-training vergeleken met proefpersonen met RND-training. Aangezien de volgorde van oefening verschilde voor de taken die al waren aangeleerd (d.w.z. doolhof 1, doolhof 2 en doolhof 3), kan deze gestratificeerde willekeurige oefenvolgorde voor de proefpersoon die de taken in een sequentiële (BLK-training) volgorde had aangeleerd, voldoende nieuw zijn geweest om extra inspanning en cognitieve middelen te vereisen om de taken uit te voeren^12,26. Echter, bij de RND-training was de neurale activatie tijdens de transferfase niet hoger dan tijdens de retentiefase. Deze bevindingen bevestigen de PET-bevindingen met ruimtelijke navigatie in virtuele doolhoven gerapporteerd door Van Horn en collega's¹².

Samenvattend hebben we het gebruik van MazeSuite in combinatie met COBI Studio beschreven voor een studie naar de effecten van contextuele interferentie gerelateerd aan de volgorde van oefening bij het leren van ruimtelijke navigatietaken. De hier besproken fNIR-methoden zijn niet beperkt tot ruimtelijke navigatietaken en kunnen worden gebruikt voor diverse taken in andere neuroimaging-studies. De fasen van ontwerp, implementatie, data-acquisitie en analyse van de studie werden toegelicht met de bedoeling een richtlijn te bieden voor toekomstige studies.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Doolhofsuite
fNIR Imager 1000