Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Bewuste en niet-bewuste vertegenwoordigingen van emotionele gezichten in het Syndroom van Asperger

13.7K weergaven

⸱

DOI:

10.3791/53962

⸱

31 juli 2016

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

In dit artikel

Samenvatting

Een EEG experimentele protocol is ontworpen om de wisselwerking tussen bewust en onbewust representaties van emotionele gezichten duidelijk bij patiënten met Asperger. De techniek suggereert dat patiënten met het syndroom van Asperger hebben tekorten in de niet-bewuste voorstelling van emotionele gezichten, maar hebben vergelijkbare prestaties in de bewuste voorstelling met gezonde controles.

Samenvatting

Verscheidene neuroimaging studies hebben gesuggereerd dat de lage ruimtelijke frequenties in een emotionele gezicht activeert vooral de amygdala, pulvinar en superieure colliculus vooral met angstige gezichten 1-3. Deze gebieden vormen de limbische structuur onbewuste waarneming van emoties en direct of indirect 2 moduleren corticale activiteit. Daarentegen bewuste representatie van emoties is meer uitgesproken in de anterieure cingulate, prefrontale cortex en somatosensorische cortex voor het richten vrijwillige aandacht voor details in gezichten 3,4. Het syndroom van Asperger (AS) 5,6 vertegenwoordigt een atypische mentale verstoring die sensorische, affectieve en communicatieve vaardigheden beïnvloedt, zonder zich te bemoeien met de normale taalkundige vaardigheden en intellectuele capaciteiten. Verschillende studies hebben aangetoond dat functionele tekorten in de neurale circuits van belang zijn voor het gezicht herkenning van emoties deels kan verklaren sociale communicatie falenpatiënten met as 7-9. Om de wisselwerking tussen bewuste en niet-bewuste representaties van emotionele gezichten in AS te verduidelijken, is een EEG experimenteel protocol ontworpen met twee taken die emotionaliteit evaluatie van zowel foto of-lijntekening gezichten. Een pilot-studie wordt geïntroduceerd voor het selecteren van het gezicht stimuli dat de verschillen in reactietijden en scores toegekend aan het gezicht emoties tussen de vooraf geteste patiënten met AS en IQ / gender-geëvenaard gezonde controles zoveel mogelijk te beperken. Informatie van de vooraf geteste patiënten werd gebruikt om het scoresysteem voor de evaluatie emotionaliteit ontwikkelen. Onderzoek naar het gezicht emoties en visuele stimuli met verschillende inhoud ruimtelijke frequentie heeft afwijkende bevindingen, afhankelijk van de demografische kenmerken van de deelnemers bereikt en de taak vraagt ​​2. Het experimentele protocol is bedoeld om aandoeningen bij patiënten met AS verduidelijken verwerking emotionele gezichten in vergelijking met gezonde controles door controle voor factoris niet gerelateerd aan de erkenning van het gezicht emoties, zoals taakmoeilijkheid, IQ en geslacht.

Inleiding

Facial emotie erkenning is een van de belangrijkste processen in de hersenen die zich bezighouden met sociale communicatie. Een verscheidenheid van psychische stoornissen gerelateerd aan problemen met expliciete waarneming van gezichtsemoties 4-6. Een foto van een gezicht omvat een spectrum van ruimtelijke informatie kan worden gefilterd voor zowel de hoge ruimtelijke frequentie (HSF) of lage ruimtelijke frequentie (LSF) content. HSF is gerelateerd aan zeer gedetailleerde delen van een beeld, zoals de randen van een vlak, terwijl de LSF samenhangt met grovere of minder goed gedefinieerde onderdelen zoals een holistische gezicht met LSF inhoud 7. Elke gezichtsherkenning taak tegelijkertijd induceert bewuste en onbewuste processen 8-12, en de deelname van de niet-bewust proces vindt plaats in de 150-250 msec na het begin interval of zelfs eerder 13. Bij gezonde controles, de onbewust proces is meestal sneller dan bewust proces 14,15. Verscheidene neuroimaging studies hebben gesuggereerd datde LSF in een gezichtsbehandeling stimulus (of motivationally belangrijke impuls) activeert vooral de amygdala, pulvinar en superieure colliculus vooral met angstige gezichten 3,16. Deze gebieden vormen de limbische structuur onbewuste waarneming van emoties en direct of indirect 1 moduleren corticale activiteit. In tegenstelling bewuste voorstelling van emoties is meer uitgesproken in de anterior cingulate, prefrontale cortex, en somatosensorische cortex voor het richten van de vrijwillige aandacht voor details in het gezicht 9,17,18.

Het syndroom van Asperger (AS) 19,20 vertegenwoordigt een atypische mentale verstoring die sensorische, affectieve en communicatieve vaardigheden beïnvloedt, zonder zich te bemoeien met de normale taalkundige vaardigheden en intellectuele capaciteiten. Verschillende studies hebben aangetoond dat functionele tekorten in de neurale circuits van belang zijn voor het gezicht herkenning van emoties deels kan verklaren de sociale communicatie mislukking in AS 21-25.Gedragsstoornissen waargenomen bij kinderen met AS kan worden gediagnosticeerd in de eerste drie jaar van het leven 26, een periode waarin hun vrijwillige (of bewuste) controle over gedrag is niet volledig ontwikkeld 27. Bij volwassenen met AS kan de gedragsstoornissen worden gecompenseerd door middel van aandacht regulering 28. Moeite verwerken gegevens binnen een bepaalde ruimtelijke frekwentiegebied een verstoring van andere informatieverwerkingapparaat stadia aangeven. Tot nu toe heeft geen enkele studie direct aan de orde evoked potentials en oscillerende activiteit bij patiënten met AS tijdens het gezicht herkenning van emoties waarbij gezicht stimuli in specifieke ruimtelijke frequentiegebieden. Het is belangrijk om de functionele traject patiënten met AS onderzoeken vergeleken met gezonde controles tijdens de vervaardiging gezicht stimuli met verschillende inhoud ruimtelijke frequentie door het regelen van taakeisen en demografische effecten zoals geslacht en IQ.

Om de inter verduidelijkenspelen tussen bewuste en niet-bewuste representaties van emotionele gezichten, is een EEG experimentele protocol ontworpen voor het vergelijken van de hersenen evoked potentials en oscillerende activiteit tussen patiënten met AS en IQ / gender-geëvenaard gezonde controles. Een cohort van experimentele participanten gerekruteerd voor de EEG experiment voor hulp bij de selectie van de experimentele stimuli en ontwikkeling van een scoresysteem om een ​​evaluatie presta- ties bij patiënten met ALS. Het protocol bestaat uit twee taken die emotionaliteit evaluatie van zowel foto of-lijntekening gezichten. De verschillen tussen de twee groepen kan worden bepaald door het berekenen van ERP en event-related spectrale verstoringen (ERSPs). In het volgende deel worden de details van het experimentele protocol uitgewerkt, waaronder de pilot en EEG dataverwerking / analysemethoden, gevolgd door de belangrijkste analyseresultaten. Ten slotte is de kritische stappen in het protocol en de betekenis met betrekking tot de bestaandewerkwijzen worden besproken. De beperking en de mogelijke uitbreiding van het protocol te gebruiken bij patiënten met andere emotionele stoornissen ook worden gewezen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Ethiek Verklaring: Procedures met menselijke deelnemers zijn goedgekeurd door het menselijk deelnemer ethische toetsingscommissie / Institutional Review Board in de Academia Sinica, Taiwan.

1. Stimuli en experimenteel programma Voorbereiding

  1. Bereid een pool van meer dan 60 emotioneel gezicht foto's 29 onderverdeeld in drie gezichtsuitdrukkingen (boos, blij en neutraal). Gebruik grafische software te maskeren haar en oor delen foto met zwarte achtergrond zoals getoond in figuur 1A, zodat deelnemers kunnen concentreren op de gelaatstrekken in de foto.
    1. Open een foto in de grafische software. Gebruik de selectie toolbox om een ​​elliptische regio te trekken en pas de regio grootte, zodat de oren en de meeste haren niet in de ellips vallen.
    2. Inverteer de geselecteerde regio. Klik op "delete" om de ongewenste gebied van de foto te verwijderen en te vervangen door de zwarte kleur als achtergrond.

figure-protocol-1
Figuur 1. Voorbeelden van emotioneel gezicht stimuli. (A) foto gezichten waar het haar en oren zijn uitgeschreven gemaskeerd in de zwarte achtergrond kleur, en (B) line-tekening gezichten die zijn bewerkt vanuit (A) door de grafische software. De gezichten tonen neutraal, gelukkig, en boze emoties, respectievelijk van boven naar onderste rijen. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Maak een pilotstudie. Werven pilot-deelnemers voor het selecteren van geschikte prikkels uit de foto zwembad.
    Opmerking: De proef deelnemers niet deelnemen aan de EEG experiment.
    1. Configureren van de stimulus presentatie programma te beginnen met de eerste computerscherm presenteren de taak instructie, gevolgd door 5 familiarization proeven. Begin iedere proef met een kruis fixatie, gevolgd door een gezicht stimulus, en emotionaliteit evaluatietaak. Zie Aanvullende Code File voor een voorbeeld programma.
      Opmerking: De echte pilots volgen onmiddellijk de kennismaking proeven door het selecteren van het gezicht foto's in een willekeurige volgorde van het zwembad.
      1. Maak een experimenteel programma, met inbegrip van de instructie schermen en een centrale eye-fixatie scherm. Maak het gezicht stimulus scherm zoals weergegeven in figuur 2 door het configureren van de foto formaat 18,3 x 24,4 cm 2 (breedte x hoogte) met zwarte achtergrond kleur, voorzien van een computer grootte van het scherm 41 x 25,6 cm 2 met een resolutie van 1680 x 1050. Zie Aanvullende Code File voor een voorbeeld programma.
      2. Een scoresysteem voor emotionaliteit evaluatie in het programma zoals weergegeven in figuur 3. Plaats een horizontale lijn gaande van -100 tot 100 in traploos in het midden van het scherm without elke tick merktekens, behalve de centrale en eindpunten. Bereid het programma zodanig dat de deelnemers vrij de emotionaliteit van een foto gezicht kan evalueren door de scoring cursor naar links te slepen voor erg boos (-100) en naar rechts voor heel gelukkig (100), en druk op de START-knop.
        Opmerking: Het scoresysteem lijn is ontworpen zonder tick-merken omdat de patiënten met AS gemakkelijk kunnen vast komen te zitten in het plaatsen van de cursor tussen teken tijdens emotionaliteit evaluatie. Daarom is traploos voorkeur voor patiënten.
      3. Zorg ervoor dat het programma registreert behavioral resultaten van een deelnemer (bijvoorbeeld reactietijd en emotionaliteit scores), die worden gebruikt als criteria voor de selectie foto's uit de pool (zie stap 1.3.1).
    2. Recruit pilot-deelnemers (5 controle en 5 AS pilot-deelnemers). Diagnosticeren klinische patiënten volgens Gillberg 30 en DSM-IV criteria 26 en het beheer van de klinische afgeleide verkorte vorm van Wechsler Adult Intelligence Scale (WAIS-III) 31. Overeenkomen met de controles aan hun AS collega's zo goed mogelijk op geslacht en op verbale / prestatie IQ-scores.
    3. Voer de experimentele procedure in de pilot voor elke individuele deelnemer. Na het voltooien van de emotionele gezichtsherkenning taak, interviewen elke piloot AS deelnemer op de redelijke duur van de fixatie centrale-oog en stimulus presentatie periodes, moeilijkheid van de taak, het gemak van het gebruik van de scoring systeem en het maximum aantal pogingen voor het houden van zijn / haar concentratie, op grond waarvan het programma kan worden ingesteld voor de EEG experiment (zie stap 1.3.2)

figure-protocol-2
Figuur 2. Een screenshot van een gezicht stimulus in het programma. De grootte van het gezicht is geconfigureerd om de hoogte van het scherm. Het lege gebied wordt gevuld met de zwarte kleur.uploaden / 53962 / 53962fig2large.jpg "target =" _ blank "> Klik hier om een ​​grotere versie van deze figuur te bekijken.

figure-protocol-3
Figuur 3. Een screenshot van het scoresysteem voor emotionaliteit evaluatie. Het scoresysteem is zo ontworpen dat er geen vinkje hebben. De deelnemer moet de muis om de score toegewezen aan een gezicht te selecteren en druk op de START-knop om de taak af te slepen. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Programma voor Taak 1: fotosessie.
    1. U kunt kiezen uit de pool 30 foto's, die 10 elk voor gelukkig, boos, en neutrale gezichtsuitdrukkingen (5 mannelijke en 5 vrouwelijke gezichten voor elk type uitdrukkingen), dat de meest vergelijkbare gemiddelde reactietijden te geven en gemiddelde emotionaliteit scores tussen de 5 AS en 5 controle piloot deelnemers.
    2. Update het experimentele programma configuraties van de feedback van de piloot patiënten, zoals de optimale centrale eye-fixatie periode (dat wil zeggen, 1000 msec), duur van stimulus (dwz 1000 msec), inter-stimulus interval (dat wil zeggen, willekeurig toegewezen -tussen 4 en 7 sec), en de omvang van de scoring systeem (dat wil zeggen, -100 tot 100). Voeg vijf kennismaking proeven voorafgaand aan de 30 experimentele trials in het programma.
      1. Wijzig het aantal stimuli en tijdsintervallen in een extern configuratie tekstbestand in verband met het experimentele programma.
        Opmerking: De tekst bestand kan worden aangepast aan de verschillende experimentele condities te passen zonder tussenkomst van software engineers.
      2. Reken er maar niet de vijf foto toe voor kennismaking proeven om de 30 geselecteerde foto's. Laat de EEG's en de gedrags-gegevens die zijn opgenomen in kennismaking proeven in data-analyse niet gebruiken.
  2. programma fof Taak 2: Line-tekening sessie.
    1. Create-lijntekening foto's van de 35 foto's (5 voor kennismaking trials, 30 voor experimentele studies) die in opdracht 1 door het traceren van de randen van elk gezicht. Gebruik grafische software om de grijsschaal foto's te wijzigen in zwart-wit lijntekeningen zoals weergegeven in figuur 1B.
      Opmerking: Stappen hieronder voor foto bewerken is een van de mogelijke oplossingen voor het maken van lijntekeningen.
      1. In de grafische software, de helderheid / contrast van de foto, zodat de oorspronkelijke grijsschaal intensiteit in de meeste pixels valt in zwart of wit.
      2. Toepassen "schetseffect" in het "effect" of menu "filter" van de software grijsschaal foto zodat alleen contour van de hoge ruimtelijke frequentie deel bewaard en toepassing "nood effect" op de uitzetting van de contour lines .
      3. Gebruik een penseel om de contouren te verbeteren en het gebruik van een gum tool omopruimen ongewenste delen. Zorg ervoor dat u belangrijke gelaatstrekken te houden door de controle heen en weer tussen de originele foto en haar lijntekening tegenhanger.
    2. Maak een kopie van het programma van de Task 1 in stap 1,3 tot een programma voor taak 2 te creëren en de plaats van de 35 foto's in opdracht 1 met de bijbehorende line-tekeningen.

2. EEG Opnameprocedure

  1. voorbereidingen
    1. Recruit 10 gezonde controlepersonen en 10 patiënten met AS voor EEG-experimenten gebaseerd op de richtlijnen van de plaatselijke menselijke deelnemer onderzoek ethische commissie / Institutional Review Board.
    2. Dien de verkorte vorm van WAIS-III 31 de patiënten individueel voor de experimenten en vind de controles die overeenkomen met de patiënt zo goed mogelijk van geslacht en de verbale / prestatie IQ.
  2. EEG Recording
    1. Seat de deelnemer in een comfortabele stoel in een geluid isolerend (gedimd) kamer en stel de stoelpositie, zodat het beeldscherm is 60 cm voor de deelnemer. Na een tutorial over de experimentele procedure, moet de deelnemer invullen van de toestemming vormt samen met een paar vragen over zijn / haar handigheid.
    2. Gebruik een EEG cap met 132 Ag / AgCl elektroden (inclusief 122 10-10 systeem EEG, en de bipolaire VEOG, HEOG, ECG, EMG elektroden, samen met zes gezichts-spieren kanalen) te EEG's op te nemen. Sluit de dop om twee 64-kanaals versterker met 0,1-100 Hz analoge band-pass filter voor ruwe EEGs digitaliseren bij 1000 Hz sampling rate.
    3. Monteer de standaard 128-kanaals EEG cap aan het hoofd van elke deelnemer. Pas de dop zodat de elektrode label "referentie" is geplaatst op de positie "Cz", die is gelegen ten opzichte van de voorste / achterste middellijn oriëntatiepunten (dwz midden van de nasion tot INION afstand) en links / rechts bezienswaardigheden (dwz midden links / rechts tragis), volgens de EEG internationale 10/10 systeem.
    4. Voorzichtig gebruik van een stompe naald om geleidende gel te injecteren in alle elektroden. Roer met de naald langzaam in de elektrode gel goed contact tussen de hoofdhuid en de elektrode (dat wil zeggen de impedantie beneden 5 kQ houden) waarborgen. Voortdurend de staat van gel contactpersoon bij de elektroden met het label "referentie" en "ground" aan de EEG cap om ervoor te zorgen dat de impedantie meting correct is.
      1. Let op de elektrode impedantie door het bekijken van de elektrode impedantie scherm ondersteund door de EEG-opname-software (bijv SCAN 4.5 in deze studie) die meestal gaat met de EEG-systeem. Op het scherm zijn de elektroden weergegeven in kleuren en verschillende kleuren geven de niveaus van de impedantie.
    5. Plaats een HEOG elektrode de canthus van een oog (positief plaatse) en de tweede elektrode in de ooghoek van de andere oog (negatieve plaatse), één VEOG elektrode boven en de ander onder de left oog, bipolaire EKG elektroden aan de achterzijde van de linker- en rechterhand en bipolaire EMG-elektroden in het gebied tussen de duim en wijsvinger van de rechterhand en de zes gezicht elektroden rond de wenkbrauwen en wangen.
    6. Record in een notebook die slechte kanalen waarin de impedantie hoger is dan 5 kOhm, of rechtstreeks op het scherm te zien impedantie besparen op alle elektroden. Gebruik dit als naslagwerk voor het teruggooien slechte kanalen in het stadium van de EEG data processing.
    7. Record resting state EEGs na het instrueren van de deelnemer voor de ogen te sluiten voor 12 min. Gedurende deze tijd, dubbel controleren de kwaliteit van de onderhavige EEG stroom op het scherm ondersteund door de EEG-registratie software.
      Let op: Er moeten duidelijke alfa-golven verspreid in het achterhoofd kanalen tijdens de ogen gesloten toestand vergeleken met de ogen open toestand. Als de alfa-golven zijn te luidruchtig (het negeren van de slechte kanalen) of vervormd, terug naar stap 2.2.4 en pas de gel contact.
    8. Start de twee experimentele taken in een tegenwicht orde over de deelnemers. Record EEG's door te klikken op het pictogram Opnemen op het scherm ondersteund door de opname-software.
      1. Na het lezen van taakinstructie op het scherm, moet elke deelnemer voeren de 5 vertrouwd proeven, gevolgd door de 30 taak proeven. Gebruik dezelfde procedure voor zowel foto en lijntekening taken. In de taak instructie, stimuleren de deelnemers om een ​​score te emotionaliteit van een gezicht stimulus zo snel mogelijk toe te wijzen.
      2. BELANGRIJK: Controleer programma's opgesteld in de stappen 1.3.2 en 1.4.2 voor evenementen-time vergrendeld aan het begin van de centrale eye-fixatie, gezicht stimulus presentatie correct verzenden, en het drukken van de GO-knop om de opname-software tijdens emotionaliteit evaluatie. Die onset tijden worden gecodeerd als numeriek en kan worden gecontroleerd op het scherm ondersteund door de opname-software.
        Opmerking: De deelnemer kan een pauze te nemen tussen de twee taken. Er is geen EEG regens tijdens de pauze.
    9. Gebruik een digitizer (bijvoorbeeld de Polhemus FASTRAK 3D digitizer in deze studie) om de 3D-posities van de elektroden op te nemen en op te slaan in een bestand (bijv .3dd of DAT-bestand) voor co-registratie EEG caps over deelnemers aan data-analyse.
    10. Na de EEG experiment, moet de deelnemer het invullen van een 35 vraag inventaris op zijn / haar gedrag en gevoelens tijdens de EEG experiment (bijvoorbeeld negatieve emoties, viel bijna in slaap), en hen de betaling voor deelname aan het experiment.
    11. Breng de deelnemer naar de wasruimte te reinigen / drogen zijn / haar haren.
    12. Reinig en ontsmet de EEG Kap volgens klinische aanwijzingen.

3. Verwerking van EEG-gegevens

Opmerking: De software commando's in deze sectie zijn specifiek voor EEGLAB.

  1. Filter de EEG-signalen met behulp van een hoogdoorlaatfilter van 1 Hz en een laagdoorlaatfilter van 50 Hz door te bellenpop_eegfilt.m functie 32.
    Opmerking: Gebruik een low-pass filter van 40 Hz voor sommige landen dat 50 Hz elektriciteitsnet frequentie hebben
  2. Gooi slechte kanalen met een impedantie hoger dan 5 kOhm na controle van de elektrode impedantie opgenomen in stap 2.2.6. Lever dit slechte kanalen met zeer verschillende vermogensspectrum opzichte van de naburige kanalen door visuele inspectie van het vermogensspectrum kenmerken (bijvoorbeeld de maximumwaarde, de kromming, etc.) in elk kanaal.
    1. Bereken en plot het vermogensspectrum van het EEG-signaal door te bellen naar de pop_spectopo.m functie 32.
  3. Re-verwijzen naar de EEG-signalen met het gemiddelde van de hersenen kanalen zonder de slechte kanalen door te bellen naar het pop_reref.m functie.
  4. Segment EEGs in-stimulus vergrendeld tijdvakken, die elk variëren van -2,0 tot 1,5 sec pre- sec na de stimulus onset. Corrigeer basislijn (-2,0 tot -1,2 seconden voordat de stimulus onset) door de gemiddelde basislijn values uit elk tijdperk.
    1. Bel de pop_epoch.m en pop_rmbase.m functies, respectievelijk. Kies het interval van basislijn vóór het centrale oog-fixatie periode en het begin van het gezicht stimulus.
  5. Mark slechte tijdperken die lijken te zijn artefacten bevatten. Gooi de slechte tijdperken, terwijl het reserveren van de tijdperken besmet met het oog knippert. De tijdperken met kunstvoorwerpen kijken meestal luidruchtig of hebben een extreem hoge piekwaarde (bijvoorbeeld hoger dan 100 mV) in vergelijking met typische tijdperken.
    1. Bel de pop_rejmenu.m functie om een ​​semi-automatische procedure te starten. Een interactie venster pop uit om opnieuw te bevestigen automatisch geselecteerd slechte tijdperken door de gebruiker via visuele inspectie. Hoewel een meerderheid van de tijdperken zijn verontreinigd door het oog knippert, kunnen deze tijdperken voorlopig worden gereserveerd voor later verwijdering door onafhankelijke component analyse (ICA) 33 in stap 3.8.
  6. Na weggooien slecht kanalen en slechte tijdperken, draaien ICA op de gesnoeide EEG-gegevens met behulp van de pop_runica.m functie.
  7. Onder de geschatte onafhankelijke componenten (IC's), te identificeren artefacten als gevolg van oogbeweging / knipperen, spieractiviteit, hartslag, en ruis op de lijn 32.
    Opmerking: Een significant hoge correlatie (R 2> 0,9) tussen IC scores van een component en die van alle referentie-kanalen (VEOG, HEOG, EKG, en gezicht kanalen) geeft aan dat deze component vooral bijgedragen door artefacten. De geschatte IC scores verklaard door de artefacten kan worden opgeruimd met behulp van meerdere regressie-analyse.
  8. Verwijder artefact IC's en een schatting van de schone EEG's die zijn afgeleid door het product van de ICA mengen matrix en-artefact schoongemaakt IC score matrix. Bewaar de schone EEGs voor verdere analyse.
    1. Houd de residuen van het voorspellen van artefact IC's (R 2> 0,9) van de referentie-VEOG, HEOG, EKG en gezicht kanalen in de IC score matrix. Verwijder andere artefact ICs door de pop_subcomp.m functie. De functie geeft de-artefact schoongemaakt EEG's.

4. Statistische analyse

  1. Partitie EEG kanalen in elf homogene gebieden het aantal statistische vergelijkingen verminderen ERP en ERSP analyses, dat wil zeggen, links (10 kanalen), midline- (14) en rechter frontale (10); links (13) en rechter-temporele (13); links (9), midline- (14) en rechter-centrale (9); links (9), midline- (12) en rechter pariëtale occipitale (9) zoals getoond in figuur 4. Deze gebieden worden bepaald op basis van de functionele anatomie van cortex 34. Functionele homogeniteit van EEG-signalen in deze regio's is gevalideerd in verschillende experimenten 13,35,36.

figure-protocol-4
Figuur 4. Het kanaal partitie. De kanalen zijn verdeeld in elf gebieden. LF: links-frontaal (10 kanalen), MF: middellijn-frontale (14), RF: rechts-frontaal (10), LT: links-temporale (13), RT: rechts-temporele (13), LC: links-centrale (9), MC: middellijn-centrale (14), RC: rechter-centrale (9), LP: linker-occipitale pariëtale (9), MP: middellijn-occipitale pariëtale (12), RP :. rechts-pariëtale occipitale (9) klik hier om een grotere versie van deze figuur te bekijken.

  1. Laad de schone EEGs in stap 3.8. Bereken het kanaal ERP door het gemiddelde signalen over tijdvakken in elk kanaal, en regionale ERP door het gemiddelde van ERP binnen dezelfde regio.
    Opmerking: Wanneer EEG's worden geladen met de pop_loadset.m functie EEGLAB, worden de signalen in de structuur variabele "EEG.data" opgeslagen in een kanaal per keer per tijdvak array.
    1. In de Matlab command window, berekenen het kanaal ERP door het gemiddelde EEG.data over tijdperken voor elk kanaal (bijv channelERP = gemiddelde (EEG.dat, 3)). Bereken de regionale ERP door het gemiddelde van het kanaal ERP binnen elke regio op basis van de partitie in 4.1 (bijv regionalERP = gemiddelde (channelERP (index, :), 1), waar de 'index' staat voor het kanaal indices in een bepaalde regio).
  2. Bereken het kanaal ERSPs door toepassing van een time-frequentie transformatie (bijv Wavelet transformatie) om signalen in elk kanaal tijdperk en regionale ERSPs door het gemiddelde kanaal ERSPs in dezelfde regio.
    1. Voer de time-frequentie te transformeren door te bellen naar het pop_newtimef.m functie.
      Let op: In deze studie, de "wavelet cycli" is ingesteld op [1, 0,5] en "basislijn" is ingesteld op [-2.000--1.200] msec. Het resulterende kanaal ERSPs worden opgeslagen in een frequentie-by-tijd-voor-kanaal matrix.
    2. In de Matlab command window, berekenen de regionale ERSP door het gemiddelde ERSPs verschillende kanalen binnen elke regio op basis van de partitie in 4.1 (bijv regionalERSP = gemiddelde (channelERSP (:,:, index), 3), waarbij "channelERSP" is de output uit de pop_newtimef.m functie en "index" staat voor het kanaal indices in agregio iven).
  3. Bereken de gemiddelde waarden in verschillende tijdsintervallen (bv 50-150, 150-250, 250-350, 350-450 msec) voor de regionale ERP. Bereken de gemiddelde waarden in verschillende tijd-frequentie-intervallen (bv 50-150, 150-250, 250-350, 350-450, 450-800 msec in 07/01 Hz en 200-800 msec in 30/08 Hz) voor de regionale ERSPs.
  4. Solliciteer MANOVA in statistische software (bijvoorbeeld IBM SPSS) om de gemiddelde waarden van de regionale ERP en ERSPs naar de belangrijkste gevolgen voor de taak (foto vs. line-tekening), regio (elf hoofdhuid regio's), en de groep te evalueren (AS vs. controle) evenals de interactie-effecten tussen de taak regio en aan.
    1. In de statistische analyse, overwegen geslacht (man versus vrouw) als covariaat, en schat de hoofd- en interactie-effecten door het houden van het geslacht effect constant.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

De gemiddelde verbale en prestaties IQ scores worden in tabel 1 voor de controle- en AS groepen met de gemiddelde reactietijden en gemiddelde scores toegewezen aan emotionaliteit vlakken van de twee groepen. In de tabel, geen van de verschillen groep bereikt statistische significantie met uitzondering van de neutrale gezichten in de lijntekening taak, waar de AS groep heeft een gemiddelde score bijna nul (p <0,001) 13. Interessant is dat de AS groe...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

In de literatuur is voorzien van studies over de erkenning van het gezicht emoties bij patiënten met autisme door middel van analyse van EEG reacties 44, en over de erkenning van de hoge en lage ruimtelijke inhoud frequentie met behulp van visuele stimuli 43. Om het beste van onze kennis, maar er is een gebrek aan bestaande werkzaamheden op de hersenen oscillerende activiteit die herkenning van emoties gecombineerd met verschillende ruimtelijke inhoud frequentie. Ons protocol is een eerste stap in ...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs hebben niets te onthullen.

Dankbetuigingen

Dit onderzoek werd ondersteund door subsidies MOST102-2410-H-001-044 en MOST103-2410-H-001-058-MY2 aan M. Liou, en RSF-14-15-00202 aan A.N. Savostyanov. De ondersteuning van de Russian Science Foundation (RSF) werd gebruikt voor de uitwerking van het experimentele paradigma van gezichtsherkenning.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Synamps 2/RT 128-kanaals EEG/EP/ERPNeuroscan
Quik-CapEEG 128 elektrodenNeuroscan
GelQuik-Gel
FASTRAK 3D digitalisatorPolhemus 

Referenties

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Trefwoorden

syndroom van Aspergerverwerking van emotionele gezichtenEEG experimentbewuste en onbewuste representatieN400 componentamygdalfunctieruimtelijke frequentieherkenning van gezichtsemotiestaak met lijntekeningentaak met foto s
Bewuste en niet-bewuste vertegenwoordigingen van emotionele gezichten in het Syndroom van Asperger
Neem contact met ons op
Aanbevelen aan bibliotheek

Privacy

Gebruiksvoorwaarden

Beleid

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.