12 april 2018
Dit witboek beschrijft een semantische priming ERP taak met behulp van binnen-modaliteit paren van plaatjes en woorden te onderzoeken van semantische verwerking bij personen met autisme spectrum disorder (ASD).
Het algemene doel van deze semantieke primende ERP-methodologie is om semantische verwerking van linguïstische en niet-linguïstische stimuli in de vorm van woorden en afbeeldingen te vergelijken bij personen met autismespectrumstoornissen, vergeleken met typisch ontwikkelde individuen. Deze methode kan helpen bij het beantwoorden van belangrijke vragen in het autismegebied, zoals of personen met autismespectrumstoornissen een globaal tekort hebben in semantische verwerking dat zich uitstrekt tot voorbij de taal. Het belangrijkste voordeel van deze techniek is dat het elektro-encefalografie gebruikt, een techniek voor het meten van hersenactiviteit die zeer subtiele verschillen in cognitieve verwerking tussen groepen kan opvangen.
De procedure wordt gedemonstreerd door Emme O'Rourke, een onderzoeksassistent in mijn lab. Meet de omtrek van het hoofd van de deelnemer, door het inion en nasion heen, om het geschikte formaat EEG-net te selecteren. Begin met het onderdompelen van de elektro-encefalografie, of EEG-elektroden, gedurende vijf minuten in elektrolyt-oplossing.
Instrueer de deelnemer om hun ogen te sluiten, plaats vervolgens het net zodat het strak tegen hun hoofd past. Zodra alle elektroden tegen de hoofdhuid zijn geplaatst, controleer de impedanties. Zet eventuele elektroden met impedanties boven de 50 kilo-Ohms opnieuw of maak ze nat.
Instrueer de deelnemer uiteindelijk om te beoordelen of de stimuli op het scherm gerelateerd of niet-gerelateerd zijn, door op een knop op het toetsenbord te drukken. Zeg hen om te wachten met reageren tot de tweede stimulus van het scherm is verdwenen, en het zwarte kruis is verdwenen. Laat de deelnemer tenslotte de taak voltooien.
Begin met het openen van de EEG-verwerkingssoftware. Om de gegevens te filteren, creëer een nieuw filtergereedschap door filtering te selecteren in het aanmaakmenu, en hernoem het gereedschap. Stel vervolgens de hoge doorlaatfilter op 0,1 Hertz, en de lage doorlaatfilter op 50 Hertz.
Sla het gereedschap op, sleep vervolgens het originele EEG-opnamebestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren. Om vervolgens de gegevens in proeven te segmenteren, creëer een nieuw segmentatiegereedschap, en geef het een passende naam. Onder categorieën om te creëren, druk op het plusteken om een nieuwe categorie aan te maken, en hernoem deze naar afbeelding gerelateerd.
Sleep het codepictogram naar de categorie aanmaken op basis van criteriabox, en stel het in als code is PIC1, om te tijdsvergrendelen met de presentatie van stimulus 1. Sleep het sleutelcodepictogram naar de categorie aanmaken box, en stel het in als sleutelcodecelnummer is 1. Let op, om alleen correcte proeven op te nemen, sleep een ander sleutelcodepictogram naar de categorie aanmaken box, en stel het in als sleutelcode evaluatie is 1.
Stel vervolgens aan de onderkant van het venster de segmentlengte in om segment 100 milliseconden voor, en 2, 300 milliseconden na te laten lopen. Kloon de categorie door op de kloonknop te drukken, en hernoem deze naar afbeelding niet-gerelateerd. Stel de code in op PIC1, en het sleutelcodecelnummer op 2.
Kloon de categorie en hernoem deze naar woord gerelateerd. Stel de code in op WRD1, en het sleutelcodecelnummer op 3. Kloon vervolgens de categorie opnieuw, en hernoem deze naar woord niet-gerelateerd.
Stel de code in op WRD1 en het sleutelcodecelnummer op 4. Sla het gereedschap op, sleep vervolgens het meest recente voorbewerkte bestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren. Om artefactdetectie uit te voeren, creëer een nieuw artefactdetectiegereedschap, en geef het een naam.
Onder artefactdetectie-instellingen, druk op het plusteken onderaan het venster om een nieuwe instelling toe te voegen. Selecteer slechte kanalen uit het vervolgkeuzemenu onder operatie. Laat alle standaardinstellingen achter.
Voeg een nieuwe instelling toe en selecteer ooglimp uit het vervolgkeuzemenu onder operatie, en laat alle standaardinstellingen achter. Voeg vervolgens een nieuwe instelling toe, en selecteer oogbeweging uit het vervolgkeuzemenu onder operatie, en laat alle instellingen achter. Sla het gereedschap op, sleep vervolgens het meest recente voorbewerkte bestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren.
Open het resulterende bestand in het beoordelingspaneel en scroll door elke proef door op de pijlknoppen onder het categorieënmenu op de rechterzijbalk te drukken. Markeer proeven als goed of slecht door op de groene of rode cirkels te drukken, respectievelijk. Wanneer klaar, sluit het bestand om de resultaten op te slaan.
Maak vervolgens een nieuw gereedschap voor het vervangen van slechte kanalen, en geef het een naam. Sla het gereedschap op, sleep vervolgens het meest recente voorbewerkte bestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren. Voer gemiddelde analyse uit voor één onderwerp om over proeven samen te vouwen.
Maak een nieuw gemiddelingsgereedschap en geef het een passende naam. Onder gemiddelingsinstellingen, selecteer bronbestanden samen behandelen, en onderwerpen afzonderlijk behandelen. Sla vervolgens het gereedschap op, sleep het meest recente voorbewerkte bestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren.
Maak vervolgens een nieuw montage-operatiegereedschap, en geef het een passende naam. Selecteer het juiste net uit het vervolgkeuzemenu onder montageslijsten voor sensorlay-out. Selecteer gemiddelde referentie, en zorg ervoor dat het vakje slechte kanalen uitsluiten van referentie is geselecteerd.
Sla het gereedschap op, sleep vervolgens het meest recente voorbewerkte bestand naar de invoerbestandenbox linksboven in het venster, en druk op uitvoeren. Voer ten slotte basiscorrectie uit met behulp van de eerste 100 milliseconden van het segment. Creëer een nieuw basis
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Deze studie onderzoekt de semantische verwerking bij personen met een autismespectrumstoornis (ASS) met behulp van een semantische priming ERP-taak met afbeeldingen en woorden. Het doel is om te vergelijken hoe linguïstische en niet-linguïstische stimuli worden verwerkt bij personen met ASS versus typisch ontwikkelde personen.
ERP-taken voor semantische priming bieden een robuust kader voor het analyseren van modaliteitspecifieke versus globale tekorten in de semantische verwerking, wat bijdraagt aan mechanische risicoreductie in het onderzoek naar neuro-ontwikkelingsstoornissen. Kwantitatieve ERP-uitlezingen, zoals de N400-component, maken hoogresolutie validatie van targets mogelijk voor de ontwikkeling van cognitieve en translationele biomarkers. Deze methodologie versterkt het voorspellende vertrouwen in de vroege ontdekkingsfase en informeert risico-gecorrigeerde portfoliobeslissingen voor biofarma-pipelines gericht op het centrale zenuwstelsel.
Dit op ERP gebaseerde semantische priming-paradigma is geïntegreerd in het continuüm van ontdekking tot preklinische fase voor programma's gericht op het centraal zenuwstelsel en neuro-ontwikkelingsstoornissen.