Wykorzystanie MazeSuite i funkcjonalnej spektroskopii bliskiej podczerwieni do badania uczenia się w nawigacji przestrzennej

Podsumowanie

MazeSuite to kompletny zestaw narzędzi do przygotowywania, prezentowania i analizowania eksperymentów nawigacyjnych i przestrzennych. Funkcjonalna spektroskopia w bliskiej podczerwieni (fNIR) to technika optycznego obrazowania mózgu, która umożliwia nieinwazyjne i przenośne monitorowanie zmian natlenienia krwi w mózgu. Niniejszy artykuł podsumowuje zbiorowe wykorzystanie MazeSuite i fNIR w paradygmacie uczenia się przetwarzania kognitywnego.

Streszczenie

MazeSuite to kompletny zestaw narzędzi do przygotowywania, prezentowania i analizowania eksperymentów nawigacyjnych i przestrzennych¹. MazeSuite może być używany do projektowania i edycji dostosowanych wirtualnych środowisk 3D, śledzenia zachowań uczestników w środowisku wirtualnym oraz synchronizacji z urządzeniami zewnętrznymi w celu pomiarów fizjologicznych i neuroobrazowych, w tym elektroencefalogramu i śledzenia wzroku.

Funkcjonalna spektroskopia bliskiej podczerwieni (fNIR) to technika optycznego obrazowania mózgu, która umożliwia ciągłe, nieinwazyjne i przenośne monitorowanie zmian w natlenieniu krwi mózgowej związanych z funkcjami ludzkiego mózgu^2-7. W ciągu ostatniej dekady fNIR jest używany do skutecznego monitorowania zadań poznawczych, takich jak uwaga, pamięć robocza i rozwiązywanie problemów^7-11. fNIR może być zaimplementowany w postaci urządzenia do noszenia na ciele i minimalnie inwazyjnego; Ma zdolność monitorowania aktywności mózgu w środowiskach ekologicznych.

Funkcje poznawcze oceniane na podstawie wykonania zadania obejmują wzorce aktywacji kory przedczołowej mózgu (PFC), które różnią się od początkowego wykonania nowego zadania, po treningu i podczas retencji¹². Korzystając z pozytonowej tomografii emisyjnej (PET), Van Horn i współpracownicy odkryli, że regionalny przepływ krwi w mózgu był aktywowany w prawym płacie czołowym podczas kodowania (tj. początkowej naiwnej wydajności) nawigacji przestrzennej wirtualnych labiryntów, podczas gdy aktywacja obszarów czołowych była niewielka lub żadna po ćwiczeniach i podczas testów retencji. Co więcej, efekty interferencji kontekstowej, zjawiska uczenia się związanego z organizacją praktyki, są widoczne, gdy jednostki przyswajają wiele zadań w ramach różnych harmonogramów ćwiczeń^13,14. Duża interferencja kontekstowa (losowy harmonogram ćwiczeń) powstaje, gdy zadania do przyswojenia są prezentowane w niesekwencyjnej, nieprzewidywalnej kolejności. Niska interferencja kontekstowa (zablokowany harmonogram ćwiczeń) powstaje, gdy zadania do przyswojenia są prezentowane w przewidywalnej kolejności.

Nasz cel jest dwojaki: po pierwsze, zilustrowanie procesu projektowania eksperymentalnego protokołu i użycia MazeSuite, a po drugie, zademonstrowanie konfiguracji i wdrożenia systemu monitorowania aktywności mózgu fNIR za pomocą oprogramowania Cognitive Optical Brain Imaging (COBI) Studio¹⁵. Aby zilustrować nasze cele, podpróba z badania pokazuje użycie zarówno MazeSuite, jak i COBI Studio w jednym eksperymencie. Badanie polega na ocenie aktywności poznawczej PFC podczas przyswajania i uczenia się zadań labiryntu komputerowego dla kolejności zablokowanych i losowych. Dwie praworęczne osoby dorosłe (jeden samiec i jedna samica) przeprowadziły 315 prób akwizycji, 30 prób zatrzymania i 20 prób transferu w ciągu czterech dni. Fazy projektowania, wdrażania, pozyskiwania i analizy danych w ramach badania zostały wyjaśnione z zamiarem zapewnienia wytycznych dla przyszłych badań.

Protokół

Maze-Suite składa się z trzech głównych aplikacji; programu do edycji do budowy środowisk labiryntów (MazeMaker), modułu wizualizacji/renderowania (MazeWalker) i wreszcie narzędzia do analizy i wizualizacji ścieżek (MazeAnalyzer). Poniższe sekcje opisują korzystanie z MazeSuite, a więcej szczegółów można znaleźć w trzech dodatkowych filmach, po jednym dla każdego modułu MazeSuite.

1. Projektowanie labiryntów

Aplikacja MazeMaker w Maze-Suite umożliwia tworzenie trójwymiarowych (3D) środowisk, po prostu rysując je na dwuwymiarowym (2D) płótnie z lotu ptaka. Ściany i podłogi można rysować za pomocą kliknięć myszą w celu wskazania współrzędnych, a użytkownicy mogą importować pliki obiektów 3D lub edytować właściwości elementów w labiryncie, takie jak pozycja, orientacja, kolor, tekstura i światła.

Regiony początkowe i końcowe labiryntu mogą być przypisane oprócz innych kryteriów wyjścia, takich jak limit czasu. Można również wyświetlać oddzielne komunikaty tekstowe, aby poinformować uczestnika o każdym warunku wyjścia. W fazie projektowania labirynty mogą być testowane za pomocą funkcji "szybkiego uruchamiania" w MazeMaker.

W przypadku badań obrazowania funkcjonalnego, uczestnicy są zazwyczaj proszeni o wykonanie serii zadań z powtarzającymi się próbami. Aby ułatwić testowanie powtarzających się prób, MazeMaker może tworzyć pliki z listami labiryntów, które są posortowanymi listami labiryntów i wiadomościami tekstowymi dla sesji eksperymentalnej. Bardzo ważne jest, aby plik z listą labiryntów dla eksperymentu został przygotowany i dokładnie przetestowany pilotażowo przed dniem eksperymentu.

Pobieżny poradnik dotyczący użytkowania i tworzenia środowisk za pomocą MazeMaker znajduje się w 'Dodatkowym filmie II - MazeMaker'.

2. Konfiguracja fNIR i umieszczanie podkładki czujnika fNIR

Przygotowanie pudełka fNIR

1. Za skrzynką fNIR znajdują się dwa złącza kablowe. Jedno z gniazd służy do podłączenia USB, a drugie do przewodu zasilającego.
2. Podłącz skrzynkę urządową fNIR za pomocą USB do komputera stacjonarnego lub laptopa, który będzie używany do zbierania danych.
3. Podłącz zasilacz do urządzenia i włącz przełącznik.
4. taśmowy służy do połączenia podkładki czujnika ze skrzynką fNIR.
   1. W podkładce sensorycznej znajdują się źródła światła (diody LED) i detektory zdjęć.
   2. Diody LED emitują światło podczerwone o długości fali 730 nm i 850 nm, które jest pochłaniane głównie odpowiednio przez odtlenioną i natlenioną hemoglobinę, a tym samym mogą przenikać przez tkankę biologiczną.

Umieszczanie podkładki sensora

1. Poproś uczestnika, aby oderwał włosy od czoła przed umieszczeniem czujnika. Umieść pasek czujnika tuż nad brwiami. Dopasuj środek czujnika do pionowej osi symetrii, która przechodzi również przez nos
2. Mocno dociśnij podkładkę czujnika do czoła i użyj klipsa, aby przytrzymać razem z tyłu głowy. Chociaż nie jest to absolutnie konieczne, zaleca się owinięcie głowy lub bandanę tenisową w celu zabezpieczenia podkładki sensorycznej.
3. Po umieszczeniu podkładki czujnika na czole przymocuj dwa końce taśmowego do skrzynki fNIR. taśmowe należy podłączać, dopasowując strony "I" i "II" taśmowego do odpowiednich złączy "I" i "II" w urządzeniu.

Uruchamianie oprogramowania COBI Studio do zbierania danych

1. Kliknij ikonę Cognitive Optical Brain Imaging (COBI) Studio13 na pulpicie, aby otworzyć okno główne.
2. Program będzie zawierał pewne wstępnie ustawione ustawienia do zbierania i wizualizacji danych.
3. Ważne jest, aby w razie potrzeby sprawdzić i potwierdzić parametry akwizycji danych i wyzwolenia (synchronizacji znaczników) w oknie ustawień urządzenia.
4. COBI Studio może automatycznie nazwać wszystkie powiązane pliki danych, jeśli "Tryb eksperymentu" jest aktywowany za pomocą kreatora "Nowy eksperyment".
5. W folderze danych zostaną utworzone 3 typy plików: (*.nir) dla danych fNIR, (*.mrk) dla danych znaczników i (*.txt) dla dziennika sesji eksperymentu.

3. Przeprowadzanie eksperymentu: Renderowanie labiryntów

Device Setting and starting data acquisition fNIR

1. Prąd napędu LED określa, jak jasno świeci każda dioda LED. Domyślna wartość prądu napędu LED to 20mA. Wartość ta może ulec zmianie w zależności od pigmentacji skóry i innych cech uczestnika. Sugerowany zakres prądu LED wynosi od 5mA do 20mA
2. Domyślna wartość początkowego wzmocnienia dla wszystkich kanałów to 20. Sugerowane wartości wzmocnienia to 1,5,10,15,20.
3. Kliknij link "Uruchom bieżące urządzenie" i sprawdź jakość sygnału. Jeśli wartości intensywności surowej pokazane w COBI zbliżają się do 4000 lub są poniżej 1000, kliknij "Zatrzymaj urządzenie" i dostosuj prąd napędu LED i wzmocnienie urządzenia, aż do uzyskania odpowiednich wartości. W warunkach słabego sygnału zwiększ prąd napędu LED przed zwiększeniem wzmocnienia urządzenia. W warunkach nasycenia sygnału zmniejsz wzmocnienie urządzenia przed zmniejszeniem prądu napędu LED. Gdy jakość sygnału będzie akceptowalna, przejdź do kroku 4.
4. Rozpocznij linię bazową. Spowoduje to zebranie 10-sekundowych danych i wykorzystanie ich jako punktu odniesienia w zmodyfikowanym równaniu Beera-Lamberta do obliczania zmian stężenia dla hemoglobiny tlenowejⁱ deoksy-8.
5. Poczekaj, aż linia bazowa zostanie zakończona (może to potrwać 10-20 sekund)
6. Kliknij "Rozpocznij nagrywanie". Spowoduje to rozpoczęcie zapisywania wszystkich danych. Protokół eksperymentu powinien rozpocząć się po tym.
7. Eksperymentator może zdecydować się na dodanie ręcznych znaczników w trakcie sesji eksperymentalnej, aby oznaczyć określone zdarzenia, naciskając przyciski "dodaj ręczny znacznik" za pomocą menu ręcznych znaczników znajdującego się w lewym dolnym rogu ekranu.
8. Uruchom Labirynt Suite, aby zaprezentować bodźce wizualne.

Używanie MazeWalker do renderowania labiryntów

1. Uruchom MazeWalker z menu w Start>Maze Suite>MazeWalker
2. Włącz synchronizację znaczników, wybierając opcję "Włącz port szeregowy" z menu w obszarze Zaawansowane>Opcje portu szeregowego. Upewnij się, że wybrano prawidłowy adres portu COM.
3. Wybierz plik listy labiryntów (który został utworzony przez program MazeMaker), a także wybierz nazwę nowego pliku dziennika dla tej sesji. Imię i nazwisko lub numer uczestnika można zapisać w polu spacerowicza. Opcjonalnie autolog może być używany do automatycznego zapisywania do pliku dziennika ze znacznikiem czasu zamiast ręcznego określania pliku dziennika.
4. Kliknij "Start", aby rozpocząć proces. W zależności od ustawień wideo, protokół może działać w trybie pełnoekranowym lub okienkowym.

4. Wizualizacja ścieżki podmiotu

Korzystając z MazeAnalyzer, badacz może wizualizować labirynt i ścieżkę uczestnika z plików labiryntu i dziennika. Dodatkowo, raport podsumowujący zawierający całkowitą długość ścieżki i czas do ukończenia każdego labiryntu jest tworzony jako pobieżne pomiary behawioralne. Pliki dziennika zawierają informacje z rozdzielczością milisekundową o ścieżce, którą przebył podmiot, a także o wektorze widoku obiektu i interakcjach z obiektami.

Film instruktażowy znajduje się w 'Uzupełniającym filmie I - MazeAnalyzer' i opisuje użycie podstawowej funkcjonalności MazeAnalyzer wraz z metodami tworzenia wskaźników behawioralnych opisanych w sekcji wyników.

5. Przetwarzanie i analiza danych fNIR

Usuwanie szumów jest pierwszym krokiem do przetworzenia danych. Źródła hałasu obejmują: 1) ruchy głowy, 2) sygnały fizjologiczne, takie jak tętno i oddech oraz 3) hałas związany z instrumentami i środowiskiem.

Ruch głowy może spowodować przesunięcie detektorów fNIR i utratę kontaktu ze skórą, narażając je na: 1) światło otoczenia; 2) światło emitowane bezpośrednio ze źródeł fNIR; lub 3) światło odbite od skóry, a nie odbite od tkanki w korze mózgowej. Ten typ artefaktu ruchu jest łatwo rozpoznawalny, ponieważ powoduje nagłe, duże skoki w danych fNIR. Bardziej subtelny artefakt ruchu głowy wynika z wpływu grawitacji na krew mózgową. Szybki ruch głowy może spowodować, że krew będzie przemieszczać się w kierunku (lub od) obszaru, który jest monitorowany, szybko zwiększając (lub zmniejszając) objętość krwi z jednoczesnym zniekształceniem danych. Ponieważ dynamika tego typu artefaktów ruchowych jest wolniejsza niż "pop" diod LED, można je pomylić z rzeczywistą reakcją hemodynamiczną spowodowaną aktywacją mózgu. W związku z tym usunięcie artefaktu ruchu z danych fNIR jest ważnym i niezbędnym krokiem, jeśli fNIR ma być stosowany jako technologia monitorowania mózgu w środowisku naturalnym¹⁶.

Sygnały fizjologiczne, takie jak tętno (powyżej 0,5 Hz) i oddychanie (powyżej 0,2 Hz) są w wyższych zakresach częstotliwości niż odpowiedzi hemodynamiczne, dlatego mogą być eliminowane za pomocą liniowego filtra dolnoprzepustowego FIR z częstotliwością graniczną od 0,1 do 0,15 Hz⁹.

Hałas instrumentu i otoczenia może powstać z powodu światła otoczenia, takiego jak światło dzienne (DC) i światło w pomieszczeniu (60Hz) lub światło z monitora komputerowego (60-75Hz). Sugeruje się, że najlepszym sposobem na wyeliminowanie tego typu szumów jest odpowiednie przygotowanie środowiska eksperymentalnego i akwizycji danych. Analogowy filtr dolnoprzepustowy (filtr antyaliasingowy) został zaimplementowany w skrzynce fNIR w celu wyeliminowania fałdowania szumów o wysokiej częstotliwości w zakresie częstotliwości próbkowania.

Dostępnych jest wiele zaawansowanych algorytmów redukcji szumów, które wykorzystują różne charakterystyki sygnału^17-20. Jeśli jednak temat lub sesja mogą zostać wykluczone, jeśli dane są niemożliwe do odzyskania (tj. nasycone).

Rysunek 1. Składowe sygnału fNIR

Surowe sygnały fNIR są pomiarami natężenia światła (patrz Rysunek 1). Mierząc zmiany gęstości optycznej (OD) na dwóch długościach fali, względną zmianę oksy-Hb i deoksy-Hb w czasie można uzyskać za pomocą zmodyfikowanego prawa Beera-Lamberta^21-23. OD przy określonej długości fali wejściowej (λ) jest logarytmicznym stosunkiem natężenia światła wejściowego (_{I in}) i natężenia światła wyjściowego (wykrytego) (_{I out}). OD jest również związany ze stężeniem (c) i współczynnikiem ekstynkcji (e) chromoforów, skorygowaną odległością (d) między źródłem światła a detektorem oraz stałym współczynnikiem tłumienia (G).

Mając ten sam I_w dwóch różnych instancjach czasowych i wykryte natężenie światła podczas linii bazowej (_odpoczywam) i podczas wykonywania zadania (_testuję), różnica w OD dla długości fali λ wynosi

Pomiar średnicy zewnętrznej na dwóch różnych długościach fal daje

Ten zestaw równań może być rozwiązany dla stężeń, jeśli macierz 2x2 jest nieosobliwa. Zazwyczaj wybiera się dwie długości fal i) w zakresie 700-900 nm, gdzie absorpcja oksy-Hb i deoksy-Hb są dominujące w porównaniu z innymi chromoforami tkankowymi, oraz ii) poniżej i powyżej punktu izobestowego (~ 805 nm, gdzie widma absorpcyjne deoksy- i oksy-Hb krzyżują się ze sobą), aby skupić zmiany absorpcji odpowiednio na deoksy-Hb lub oksy-Hb. Instrument fNIR użyty w tym badaniu wykorzystuje długości fal 730 nm i 850 nm.

Na koniec, za pomocą znaczników (sygnałów synchronizacji czasu), oznaczane są okresy linii bazowej/odpoczynku i zadań, a wybrane cechy z danych natlenienia są wyodrębniane, takie jak wartości średnie, minimalne i maksymalne. COBI Studio zapisuje zarówno surowe pomiary natężenia światła, jak i obliczone wartości natlenienia (przy użyciu zmodyfikowanego prawa Lamberta Piwa) do plików tekstowych, a także plików synchronizacji czasu (markerów). COBI Studio może być również używany do stosowania metod usuwania szumów, takich jak filtry dolnoprzepustowe lub pasmowo-przepustowe o skończonej odpowiedzi impulsowej. Pliki wyjściowe można eksportować do popularnych programów analitycznych, takich jak (Matlab, Excel, SPM i SPSS) lub dedykowanego oprogramowania analitycznego, takiego jak fnirSoft²⁴ w celu dalszego przetwarzania.

6. Reprezentatywne wyniki:

fNIR Przykłady sygnałów

Rysunki 2-5 wstępnie ustawionych surowych sygnałów fNIR z jednego miejsca pomiarowego z dwoma składowymi długości fali (730nm i 850nm) pokazanymi osobno. Rysunek 2 przedstawia prawidłową i akceptowalną epokę sygnału, podczas gdy rysunki 3 i 4 są niedopuszczalne i należy je odrzucić. Rysunek 5 przedstawia surowy sygnał, który został zanieczyszczony artefaktem ruchu i musi zostać oczyszczony lub wyrzucony.

Rysunek 2. Dobra próbka surowego sygnału fNIR

Rysunek 3. Zła próbka surowego sygnału fNIR, w której kanał 850 nm jest nasycony.

Rysunek 4. Zła próbka surowego sygnału fNIR, w której występuje problem ze sprzętem lub połączeniem kablowym.

Rysunek 5. Zła próbka surowego sygnału fNIR, w której występują artefakty ruchu.

Protokół badania

Oceny uczenia się są najlepiej zilustrowane przez testy zapamiętywania (tj. pamięci) i transferu (np. uogólniania). W naszym badaniu trzy labirynty (labirynt1, labirynt2 i labirynt3) były ćwiczone w fazie akwizycji, w sumie 105 prób każda w ciągu trzech dni. Dwa warunki; losowa kolejność ćwiczeń (RND) i zablokowana kolejność ćwiczeń (BLK) są podsumowane na rysunku 6. Dwóch badanych zgłosiło się na ochotnika do czterodniowego badania. Czwartego^{dnia przeprowadzono} 10 prób retencyjnych dla każdego labiryntu, a labirynty zostały przedstawione w losowej kolejności. Stworzono dwa nowatorskie labirynty (labirynt4 i labirynt5), które miały dodatkowe korytarze oraz różne punkty początkowe i końcowe niż labirynty pierwotnie praktykowane. Badani wykonali dziesięć prób dla każdego z dwóch nowych labiryntów. Labirynty te stanowiły fazę transferu i były prezentowane wszystkim w losowej kolejności. Labirynty fazy transferu zostały wykorzystane do określenia zakresu, w jakim każdy badany był w stanie uogólnić swoją naukę i praktykę za pomocą labiryntów akwizycji.

Rysunek 6. Reprezentatywny zarys protokołu eksperymentu.

Wyniki badania behawioralnego

Poniższe rysunki od 7 do 9 pokazują średnie wartości cech (długość ścieżki, całkowity czas ukończenia i prędkość) badanych w ciągu każdego dnia. Po pierwsze, wyniki z labiryntu1, labiryntu2 i labiryntu3 są wymienione zarówno dla praktyki RND, jak i BLK. Następnie wyświetlane są wyniki labiryntu/labiryntu/labiryntu,5 w celu porównania wyników ćwiczeń losowych i zablokowanych. Wszystkie słupki błędów są błędami standardowymi średniej (SEM).

Rysunek 7. RND ćwiczy podsumowanie wydajności behawioralnej dla zadań akwizycji i zapamiętywania, w tym całkowitą długość ścieżki, całkowity czas ukończenia i średnią prędkość.

Rysunek 8. BLK ćwiczy podsumowanie wydajności behawioralnej dla zadań akwizycji i zapamiętywania, w tym całkowitą długość ścieżki, całkowity czas ukończenia i średnią prędkość.

Rysunek 9. Porównanie wydajności behawioralnej BLK i praktyki RND dla zadań transferowych, w tym całkowita długość ścieżki, całkowity czas ukończenia i średnia prędkość.

Wyniki badania fNIR

Zmiany stężenia hemoglobiny natlenionej w stosunku do linii wyjściowej zostały uśrednione w czasie każdego pojedynczego labiryntu przy użyciu danych znacznikowych otrzymanych od MazeWalker (wskazuje początek i koniec każdego labiryntu). Przyjmuje się, że zmiany stężenia o większej wielkości reprezentują wyższe poziomy regionalnej aktywacji mózgu. Zaobserwowano wyższy poziom aktywacji zarówno podczas zadań związanych z utrzymaniem, jak i przeniesieniem w praktyce BLK w porównaniu z praktyką RND. Podczas zadań transferowych wyższy poziom aktywacji zaobserwowano w praktyce BLK w porównaniu z praktyką RND (patrz rysunek 10).

Dla podmiotu praktyki BLK, próby transferu wymagały wyższej aktywacji w porównaniu do prób retencyjnych. W przypadku osoby ćwiczonej RND poziom aktywacji NIE różnił się dla zadań związanych z przenoszeniem i zatrzymywaniem, w przeciwieństwie do przedmiotu praktyki BLK (patrz rysunek 11).

Rysunek 10. Porównanie średnich zmian stężenia oksy-Hb dla praktyki BLK i RND zarówno dla zadań retencji (po lewej), jak i zadań transferowych (po prawej).

Rysunek 11. Porównanie średnich zmian stężenia oksy-Hb dla zadań związanych z retencją i przenoszeniem zarówno dla praktyki BLK (po lewej), jak i RND (po prawej).

Dyskusja

Kora przedczołowa (PFC) w ludzkim mózgu ułatwia kontrolę poznawczą nad koordynacją myśli i działań w odniesieniu do celów wewnętrznych. W szczególności wiadomo, że przednio/grzbietowo-boczny PFC pośredniczy w wyższych funkcjach poznawczych, takich jak zarządzanie zadaniami, planowanie i nawigacja przestrzenna²⁵. fNIR to przenośne, bezpieczne i nieinwazyjne narzędzie do monitorowania mózgu, które było używane w warunkach klinicznych, laboratoryjnych i naturalnych do badania aktywacji mózgu. To badanie eksploracyjne wykazało wykorzystanie Maze Suite i fNIR do badania neurobehawioralnych aspektów nawigacji przestrzennej. W tym badaniu eksploracyjnym platforma MazeSuite jest używana w połączeniu z fNIR do badania neurobehawioralnych aspektów nawigacji przestrzennej w grzbietowo-bocznym PFC oraz do zademonstrowania połączenia tych dwóch narzędzi.

MazeSuite to eksperymentalna platforma do projektowania, prezentacji i analizy. Umożliwia tworzenie i stosowanie prostych środowisk 3D z przyjaznym dla użytkownika interfejsem graficznym i automatycznie rejestruje pomiary behawioralne dla porównań w obrębie tematu lub między obiektami. Podczas prezentacji środowisk MazeSuite wykonano równoczesne, zsynchronizowane w czasie pomiary fNIR przy użyciu dostępnego na rynku, przenośnego systemu fNIR z falą ciągłą (Imager 1000, fNIR Devices, LLC) oraz oprogramowania COBI Studio¹⁵. fNIR został wcześniej uznany za bezpieczne i skuteczne nieinwazyjne narzędzie do monitorowania mózgu w warunkach klinicznych, laboratoryjnych i naturalnych do badania aktywacji mózgu^7,11 i jest stosowany w tym badaniu do badania reakcji poznawczych związanych z interferencją kontekstową podczas zadań nawigacji przestrzennej.

Aby zbadać efekty interferencji kontekstowej nakazu ćwiczeń, badanym przedstawiono porządek ćwiczeń o niskiej interferencji (BLK) lub wysokiej interferencji (RND). Te odrębne harmonogramy ćwiczeń wykorzystano do przetestowania wpływu uczenia się wielu zadań wirtualnej nawigacji przestrzennej w labiryncie w testach akwizycji, zapamiętywania i transferu. Wyniki behawioralne wskazują, że dla obu kolejności ćwiczeń istnieje monotonny trend malejący w całkowitym czasie niezbędnym do ukończenia labiryntu, co sugeruje, że w miarę jak badani ćwiczą, ukończyli każdy labirynt w krótszych odstępach czasu. Ponadto średnia prędkość, z jaką badani poruszali się po labiryncie (prędkość labiryntu) wzrastała wraz z praktyką. Te ulepszenia w pomiarach behawioralnych w czasie są oczekiwanymi wnioskami z uczenia się. Średnie zmiany stężenia oksy-Hb podczas prób praktycznych wskazują, że praktyka BLK wymagała większej aktywacji mózgu w porównaniu z kolejnością ćwiczeń RND.

Praktyka RND skutkowała szybszym czasem ukończenia i krótszą długością ścieżki w porównaniu z kolejnością ćwiczeń BLK zarówno dla retencji, jak i transferu. Tendencja spadkowa zaobserwowana w średnim poziomie oksy-Hb dla praktyki BLK i RND we wszystkich próbach retencji, wskazująca na zmniejszoną aktywność PFC. Odkrycie to jest oczekiwane, ponieważ poprzednie badania sugerowały, że następuje zmniejszenie aktywności PFC na późniejszych etapach uczenia się^12,26.

Co więcej, nawigacja w nowych labiryntach podczas fazy transferu wymagała większej aktywacji mózgu u osoby ćwiczonej BLK w porównaniu z osobą ćwiczoną przez RND. Biorąc pod uwagę, że kolejność ćwiczeń była inna dla zadań już nauczonych (tj. labirynt1, labirynt2 i labirynt3), ta warstwowa losowa kolejność ćwiczeń dla osoby, która nauczyła się zadań w kolejności sekwencyjnej (praktyka BLK), mogła być na tyle nowatorska, że wymagała dodatkowego wysiłku i zasobów poznawczych do wykonania zadań^12,26. Jednak w przypadku praktyki RND faza transferu aktywacji neuronalnej nie była wyższa niż faza retencji. Odkrycia te potwierdzają wyniki PET z nawigacją przestrzenną w wirtualnych labiryntach zgłoszonych przez Van Horna i współpracowników¹².

Podsumowując, opisaliśmy wykorzystanie MazeSuite w połączeniu z COBI Studio do badania skutków interferencji kontekstowej związanej z kolejnością ćwiczeń podczas uczenia się zadań z nawigacji przestrzennej. Omówione tutaj metody fNIR nie ograniczają się do zadań nawigacji przestrzennej i mogą być wykorzystywane do różnych zadań w innych badaniach neuroobrazowania. Fazy projektowania, wdrażania, pozyskiwania i analizy danych w ramach badania zostały wyjaśnione z zamiarem zapewnienia wytycznych dla przyszłych badań.

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Labirynt Suite
fNIR Imager 1000