Ten artykuł opisuje, jak rejestrować aktywność ciała migdałowatego za pomocą magnetoencefalografii (MEG). Ponadto w tym artykule opiszemy, jak przeprowadzić warunkowanie strachu śladowego bez świadomości, zadanie, które aktywuje ciało migdałowate. Obejmie 3 tematy: 1) Projektowanie paradygmatu warunkowania śladowego przy użyciu maskowania wstecznego do manipulowania świadomością. 2) Rejestrowanie aktywności mózgu podczas zadania za pomocą magnetoencefalografii. 3) Wykorzystanie obrazowania źródłowego do odzyskiwania sygnału ze struktur podkorowych.
Artykuł metodologiczny
Jak wykryć aktywność ciała migdałowatego za pomocą magnetoencefalografii za pomocą obrazowania źródłowego
W tym artykule
Podsumowanie
Streszczenie
W śladowym strachu warunkowe warunkowe warunkowanie bodźca (CS) przewiduje wystąpienie bodźca bezwarunkowego (UCS), który pojawia się po krótkim okresie wolnym od bodźca (interwał śladowy)1. Ponieważ CS i LUW nie występują współwystępując czasowo, podmiot musi zachować reprezentację tego CS w interwale śledzenia. U ludzi ten rodzaj uczenia się wymaga świadomości nieprzewidzianych bodźców, aby wypełnić interwał śledzenia2-4. Jednakże, gdy twarz jest używana jako CS, badani mogą niejawnie nauczyć się bać twarzy, nawet przy braku wyraźnej świadomości*. Sugeruje to, że mogą istnieć dodatkowe mechanizmy neuronalne zdolne do utrzymywania pewnych rodzajów "biologicznie istotnych" bodźców w krótkim odstępie czasu. Biorąc pod uwagę, że ciało migdałowate bierze udział w warunkowaniu śladowym i jest wrażliwe na twarze, możliwe jest, że ta struktura może utrzymać reprezentację CS twarzy w krótkim interwale śladów.
Trudno zrozumieć, jak mózg może kojarzyć niepostrzeganą twarz z awersyjnym wynikiem, mimo że te dwa bodźce są od siebie oddzielone w czasie. Co więcej, badania nad tym zjawiskiem są utrudnione ze względu na dwa szczególne wyzwania. Po pierwsze, trudno jest manipulować świadomością bodźców wzrokowych u badanego. Jednym z powszechnych sposobów manipulowania świadomością wzrokową jest użycie maskowania wstecznego. W maskowaniu wstecznym na krótko prezentowany jest bodziec docelowy (< 30 ms), po którym następuje prezentacja nakładającego się bodźca maskującego5. Prezentacja maski sprawia, że cel staje się niewidzialny6-8. Po drugie, maskowanie wymaga bardzo szybkiego i precyzyjnego wyczucia czasu, co utrudnia badanie reakcji neuronalnych wywoływanych przez zamaskowane bodźce przy użyciu wielu popularnych podejść. Reakcje zależne od poziomu natlenienia krwi (BOLD) ustępują w skali czasowej zbyt wolnej dla tego typu metodologii, a techniki rejestracji w czasie rzeczywistym, takie jak elektroencefalografia (EEG) i magnetoencefalografia (MEG), mają trudności z odzyskiwaniem sygnału z głębokich źródeł.
Jednak ostatnio nastąpił postęp w metodach używanych do lokalizacji źródeł neuronowych sygnałuMEG 9-11. Zbierając obrazy MRI mózgu badanego w wysokiej rozdzielczości, możliwe jest stworzenie modelu źródłowego opartego na indywidualnej anatomii neuronalnej. Korzystając z tego modelu do "obrazowania" źródeł sygnału MEG, możliwe jest odzyskanie sygnału z głębokich struktur podkorowych, takich jak ciało migdałowate i hipokamp*.
Protokół
Projektowanie paradygmatu warunkowania śladów przy użyciu maskowania wstecznego w celu zablokowania świadomości
1. Bodźce projektowe
- Zaprojektuj bodźce dla dwóch grup.
- Wybierz 4 neutralne wyrażenia od różnych osób.
- Wyrównaj twarze tak, aby obszar oczu każdej z nich znajdował się w tym samym miejscu.
- Przytnij twarze za pomocą owalu, aby włosy, uszy i inne cechy peryferyjne nie były już widoczne.
- Użyj zestawu narzędzi do przetwarzania sygnału w Matlabie (patrz Tabela 1, aby zapoznać się z oprogramowaniem niezbędnym do przeprowadzenia eksperymentu), aby utworzyć obrazy z filtrem górnoprzepustowym, usuwając wszystkie informacje, które są krótsze niż 5 cykli na stopień12.
- Utwórz maskę, scalając ze sobą kilka neutralnych wyrażeń i dodając do obrazu szum o wysokiej częstotliwości przestrzennej.
- Znormalizuj wszystkie obrazy, aby miały równą luminancję.
2. Zaprogramuj eksperyment za pomocą prezentacji
- Zaprogramuj fazy trenowania i testowania w prezentacji, korzystając z parametrów opisanych poniżej (patrz rysunek 1).
- Dodatkowo zaprogramuj osobny plik (PCC), który będzie używany przez pakiet oprogramowania do akwizycji danych PSYLAB podczas szkolenia i testowania, w celu dostarczenia wstrząsu wywołanego przez Prezentację.
- Dla programu sesji treningowej 4 bloki różnicowego warunkowania strachu śladowego z 15 próbami na CS, na blok.
- W każdej próbie przedstaw CS przez 30 ms.
- W każdej próbie należy przedstawić maskę przez 970 ms.
- W każdej próbie CS+ należy przedstawić UCS wstrząsu przez 100 ms, tak aby zakończył się on maską.
- Zmieniaj położenie kombinacji CS/maska tak, aby pojawiała się losowo w 1 z 4 kwadrantów.
- Prezentuj 1 próbę co 6±2 sekundy, używając zmiennego interwału między próbami.
- W przypadku sesji testowej program 1 blok reakwizycji z 5 próbami każdej twarzy CS i 5 próbami każdej z dwóch nowych twarzy CS.
- Aby zmaksymalizować zdolność do rejestrowania reakcji przewodnictwa skórnego (SCR) podczas prób testowych, należy przyłożyć CS przez 8 sekund.
- W każdej próbie CS+ przedstaw UCS wstrząsu przez 100 ms, tak aby zakończył się z CS+.
- Prezentuj 1 próbę co 20±4 sekundy, używając zmiennych interwałów między próbami.
- Poinstruuj badanych, aby zgłaszali oczekiwaną długość LUW podczas obu sesji i rejestrowali swoje odpowiedzi za pomocą urządzenia osiowego kompatybilnego z MRI/MEG (joystick, suwak, pokrętło; Patrz punkt 7).
- Rejestruj SCR podczas sesji testowej za pomocą elektrod przymocowanych do dolnej części lewej stopy uczestnika (patrz punkt 9).
Rejestrowanie aktywności mózgu podczas zadania za pomocą magnetoencefalografii
3. Konfiguracja sprzętu do treningu w MEG Suite (patrz Rysunek 2)
- Podłącz komputer prezentujący bodźce do systemu akwizycji MEG za pomocą standardowego taśmowego DB25 z wieloma złączami (patrz Tabela 2 dla sprzętu niezbędnego do przeprowadzenia eksperymentu).
- Podłącz komputer prezentujący bodźce do autonomicznego monitora PSYLAB (SAM) za pomocą adaptera izolacji 8-bitowej na 2-bitową i synchronizacyjnego.
- Impulsy logiki tranzystor-tranzystor (TTL) używane do oznaczania prezentacji bodźców mogą powodować artefakty w danych MEG, jeśli są wysyłane do SAM. Aby uniknąć tych artefaktów, oznacz początek bodźców, używając tylko bitów zablokowanych przez adapter izolacyjny.
- Podłącz stymulator wstrząsów (SHK1) do SAM za pomocą dostarczonego z urządzeniem.
- Przełóż ekranowany przedłużacz przez falowód i podłącz go do stymulatora wstrząsów.
- Podłącz SAM do komputera z uruchomionym oprogramowaniem do akwizycji danych PSYLAB za pomocą standardowego USB.
- Podłącz pokrętło do komputera prezentacji bodźców (USB) i systemu akwizycji MEG (BNC) za pomocą rozdzielacza gameport-to-gameport/BNC i adaptera gameport-to-USB.
- Nagraj dwie minuty danych z czujnika, gdy obiekt nie znajduje się w pomieszczeniu.
4. Konfiguracja sprzętu do testowania w pracowni MRI
- Podłącz komputer prezentujący bodźce do SAM za pomocą synchronizacyjnego.
- Podłącz stymulator wstrząsów (SHK1) i wzmacniacz przewodnictwa skóry (SC5) do SAM za pomocą dostarczonych z urządzeniem.
- Przeprowadź ekranowane przedłużacze do SCR i wstrząsu przez falowód i podłącz je do odpowiednich jednostek.
- Podłącz SAM do komputera z uruchomionym oprogramowaniem do akwizycji danych PSYLAB za pomocą standardowego USB.
- Podłącz pokrętło do komputera prezentującego bodźce za pomocą adaptera gameport na USB.
5. Temat konfiguracji do szkolenia w MEG Suite (patrz Rysunek 3)
- Przymocuj elektrody i czujniki do obiektu, korzystając ze schematu na rysunku 3 jako przewodnika.
- Zamocuj jednorazowe elektrody, aby monitorować mrugnięcia powyżej i poniżej prawego oka badanej osoby.
- Przymocuj jednorazowe elektrody do monitorowania tętna po lewej stronie pacjenta, tuż pod sercem i do prawej klatki piersiowej tuż pod obojczykiem.
- Przymocuj jedną elektrodę jednorazowego użytku jako odniesienie do tylnej części lewego ramienia pacjenta.
- Przymocuj dwie elektrody kubkowe do prawej nogi pacjenta nad prawym nerwem piszczelowym nad kostką przyśrodkową, aby podać wstrząs.
- Przymocuj 4 cewki wskaźnika położenia głowy (HPI) do obiektu, po jednej nad każdym okiem i po jednej za każdym uchem.
- Zdigitalizuj pozycję głowy pacjenta względem cewek HPI za pomocą punktów odniesienia.
- Korzystając z systemu Polhemus, zmapuj położenie nasion obiektu oraz lewego i prawego tragi.
- Wyrównaj cyfrową pozycję głowy fotografowanej osoby względem punktów odniesienia, upewniając się, że punkty są symetryczne.
- Następnie zmapuj położenie cewek HPI obiektu.
- Na koniec zdigitalizuj 50-100 punktów wzdłuż skóry głowy obiektu.
- Odprowadź testera do systemu MEG i podłącz elektrody i czujniki do odpowiedniego interfejsu.
- Podłącz jednorazowe przewody elektrod do wzmacniacza systemowego MEG.
- Podłącz wiązkę przewodów HPI do systemu MEG.
- Podłącz przewody elektrody wstrząsowej do ekranowanego przedłużacza.
- Podnieś krzesło tak, aby głowa fotografowanej osoby dotykała górnej części kasku MEG.
- Ustaw ekran tak, aby wyświetlany obraz był ostry.
6. Szok
- Ustaw wstrząs na poziom, który badany zgłasza jako bolesny, ale znośny.
- Uzbrój stymulator wstrząsów, obracając pokrętło z pozycji 0 mA do pozycji 5 mA.
- Zarządzaj kilkoma prezentacjami wstrząsu za pomocą okna kontroli bodźca z pakietu oprogramowania do akwizycji danych PSYLAB.
- Po każdej prezentacji poproś badanego, aby ocenił intensywność wstrząsu w skali od 0 (wcale nie bolesny) do 10 (bolesny, ale tolerowany).
- Stopniowo zwiększaj intensywność wstrząsu, aż badany oceni go jako 10.
- Zapisz wartość ze skali w polu wartości parametru w oknie szczegółów tematu; podczas eksperymentu zostaną poddane wstrząsy o wartości wskazanej w tym polu.
7. Urządzenie odpowiedzi
- Poinstruuj badanego, jak prawidłowo używać tarczy, korzystając z przykładowego scenariusza prezentacji.
- Instrukcja: "Przesuń kursor maksymalnie w prawo (100), jeśli masz absolutną pewność, że w najbliższej przyszłości otrzymasz prezentację stymulacji. Przesuń kursor maksymalnie w lewo (0), jeśli masz pewność, że w najbliższej przyszłości nie otrzymasz stymulacji. Przesuń kursor na środek (50), jeśli nie masz pewności, czy otrzymasz stymulację w najbliższej przyszłości.
8. Nagrywaj MEG podczas treningu
- Nagraj dwie minuty surowych danych z częstotliwością 2 kHz, podczas gdy badany odpoczywa z otwartymi oczami.
- Przed treningiem rozpocznij rejestrowanie kodów zdarzeń i dostarczania wstrząsów za pomocą oprogramowania do akwizycji danych PSYLAB.
- Upewnij się, że PSYLAB uruchamia odpowiedni kod PCC, aby wysyłał wstrząs po wyzwoleniu przez komputer.
- Rejestruj surowe dane z częstotliwością 2 kHz podczas każdego z czterech przebiegów treningowych.
- Rejestruj średnie online, aby wizualnie sprawdzać dane w czasie rzeczywistym pod kątem systematycznych źródeł szumu.
- Poproś badanego, aby ocenił intensywność wstrząsu po każdym biegu, aby ocenić przyzwyczajenie.
9. Temat ustawień do testowania w pracowni MRI
- Odprowadź pacjenta z gabinetu MEG do gabinetu rezonansu magnetycznego.
- Ponownie zamocuj elektrody uderzeniowe i ponownie skalibruj intensywność wstrząsu.
- Przymocuj dwie elektrody kubkowe do dolnej części lewej stopy pacjenta, aby monitorować SCR.
- Upewnij się, że osoba badana nadal rozumie, jak korzystać z urządzenia reagującego.
- Umieść osobę na stole do rezonansu magnetycznego, zabezpiecz jej głowę i podłącz przewody SCR i elektrody wstrząsowej do odpowiednich ekranowanych.
- Ustaw lusterko przymocowane do cewki głowicy tak, aby uczestnik mógł zobaczyć ekran umieszczony za cewką głowicy.
10. Rejestruj fMRI podczas testów
- Zbieraj obrazy anatomiczne o wysokiej rozdzielczości (SPGR).
- Rejestruj odpowiedzi zależne od poziomu natlenienia krwi podczas sesji testowej przy użyciu standardowych parametrów obrazowania (TR = 2 sek.; TE = 25 ms; Powierzchnia pola widzenia = 24 cm; kąt odwrócenia = 90 °).
- Po przetestowaniu poproś badanego o wypełnienie kwestionariusza poeksperymentalnego.
Korzystanie z obrazowania źródłowego do odzyskiwania sygnału ze struktur podkorowych.
11. Analizuj dane behawioralne i fMRI
- Użyj oczekiwanej wartości UCS, aby określić, czy badani byli w stanie rozróżnić bodźce.
- Uśrednić dane dotyczące oczekiwanej długości LUW dla interwału śledzenia 900 ms i poprzedniego okresu bazowego 900 ms dla każdej próby.
- Odejmij wartość okresu bazowego od wartości interwału śledzenia, aby określić, w jaki sposób badany poruszał tarczą po prezentacji bodźca.
- Wykonaj typ CS za pomocą powtarzanych pomiarów ANOVA u różnych uczestników.
- Analizuj dane behawioralne i fMRI z sesji testowej, korzystając z wcześniej opublikowanych standardów5,13-15.
12. Objętość MRI przed procesem
- Użyj Freesurfer16, aby utworzyć segmentowaną objętość podkorową oraz powierzchnie kory, zewnętrznej skóry i zewnętrznej czaszki.
- Konwertuj objętości i powierzchnie na format czytelny dla AFNI.
- Uruchom plik importsurfaces.csh - przy pierwszym uruchomieniu program skopiuje wszystkie potrzebne pliki do nowego folderu "MODEL" w folderze segmentacji każdego tematu. Utworzy również plik "importsurface.mrml", który jest używany do tworzenia modeli powierzchni ciała migdałowatego i hipokampa.
- Twórz i konwertuj objętości ciała migdałowatego i hipokampa na powierzchnie za pomocą narzędzi Slicer3 i Paraview.
- Uruchom polecenie Slicer3 importsurface.mrml z katalogu "MODEL" tematu. Spowoduje to załadowanie powierzchni i objętości do 3dslicer.
- Generuj modele ciała migdałowatego i hipokampa, zapisuj modele jako {structure}.vtk.
- Zaimportuj pliki .vtk do paraview.
- Uruchom filtr "generuj normalne powierzchni".
- Eksportuj normalne powierzchni dla amy i hipp jako pliki {structure}.ply (ascii).
- Zaimportuj powierzchnie i objętość MRI do burzy mózgów.
- Uruchom ponownie plik importsurfaces.csh - spowoduje to konwersję powierzchni na pliki, które mogą być odczytane przez matlaba i skopiuje wszystkie pliki tess_{structure}.mat do katalogu bazy danych Brainstorm.
- Upewnij się, że temat został już utworzony w programie Brainstorm przed skopiowaniem plików tess_{structure}.mat do folderu Brainstorm (patrz krok 14.1).
- Po wprowadzeniu powierzchni do programu Brainstorm pamiętaj o odświeżeniu bazy danych.
- Odchyl objętość MRI do standardowej przestrzeni, identyfikując punkty odniesienia.
- Ręcznie wyrównaj powierzchnię skóry głowy za pomocą rezonansu magnetycznego, a następnie nałóż osnowę na wszystkie inne powierzchnie.
- Scal dwie powierzchnie wierzchołków i zmniejsz łączną liczbę wierzchołków do 15 000.
- Połącz dwie powierzchnie hipokampa i zmniejsz całkowitą liczbę wierzchołków do 2 000.
- Połącz dwie powierzchnie ciała migdałowatego i zmniejsz całkowitą liczbę wierzchołków do 1,000.
- Połącz powierzchnie pial, hipokampa i ciała migdałowatego.
- Utwórz obszary zainteresowania (zwiadowcy) dla ciała migdałowatego i hipokampa.
13. Wstępne przetwarzanie nagrań MEG za pomocą Brainstorm11
- Utwórz nowy temat w bazie danych burzy mózgów.
- Zaimportuj plik z nagraniem MEG dla każdej sesji treningowej.
- Usuń artefakty spowodowane przez źródła znajdujące się poza pomieszczeniem ekranowanym magnetycznie (MSR) za pomocą separacji przestrzeni sygnału17.
- Usuń artefakty spowodowane biciem serca i ruchami gałek ocznych za pomocą projekcji przestrzeni sygnału ze zdarzeń zidentyfikowanych w kanałach elektrokardiografii (EKG) i elektrookulografii (EOG).
- Sprawdź nagrania, aby upewnić się, że burza mózgów prawidłowo zidentyfikowała zdarzenia związane z biciem serca i mrugnięciem oczu.
- Sprawdź nagrania pod kątem innych możliwych źródeł hałasu.
- Sprawdź wywołane dane utworzone na podstawie średnich online pod kątem systematycznych źródeł artefaktów.
- Należy pamiętać, że impulsy TTL używane do oznaczania początku bodźców mogą powodować artefakty w nagraniach, jeśli zostaną wysłane do jednostki PSYLAB SAM.
- Wysyłaj tylko impulsy TTL potrzebne do podania wstrząsu do jednostki SAM i odizoluj jednostkę od pozostałych impulsów za pomocą adaptera izolacji 8-bitowej na 2-bitową.
14. Analizuj wywołane odpowiedzi za pomocą burzy mózgów
- Użyj kanału zdarzeń, aby zidentyfikować epoki (od -200 ms do 900 ms) odpowiadające każdej z prób eksperymentalnych.
- Uściślij rejestrację MRI za pomocą punktów głowy.
- Obliczanie kowariancji szumu na podstawie nagrań.
- Oblicz model głowy przy użyciu metody nakładających się sfer z korą jako danymi wejściowymi.
- Obliczanie źródeł przy użyciu metody szacowania minimalnej normy10.
- Kontynuuj analizę źródeł.
- Źródła filtrów pasmowo-przepustowych dla poszczególnych prób (od 1 Hz do 20 Hz).
- Weź wartość bezwzględną źródeł filtrowanych pasmowo-przepustowo i przekształć te wartości na wskaźniki z na podstawie zmienności linii bazowej.
- Przestrzennie wygładzić źródła (sigma = 5 mm).
- Średnie źródła w różnych badaniach.
- Rzutuj średnie na domyślną anatomię eksperymentu.
- Obliczanie testów t na źródłach w różnych warunkach.
- Filtrowanie istotnych wyników testu t przy użyciu progów przestrzennych i czasowych w celu skorygowania błędu rodzinnego.
- Zidentyfikuj znacząco aktywowane regiony i wyeksportuj przebieg czasowy aktywacji dla każdego obiektu.
- Oblicz średnią i błąd standardowy średniej dla wszystkich badanych w każdym punkcie czasowym.
15. Wykonaj dekompozycje czasowo-częstotliwościowe na ROI za pomocą burzy mózgów
- Rzutuj nieprzetworzone dane z poszczególnych prób na domyślną anatomię eksperymentu.
- Zidentyfikuj i stwórz obszary zainteresowania na podstawie analizy odpowiedzi wywołanej lub hipotez a priori anatomiczno-funkcjonalnych.
- Oblicz dekompozycje czasowo-częstotliwościowe danych z ROI dla każdej próby przy użyciu standardowych parametrów (częstotliwość centralna = 1 Hz; rozdzielczość czasowa [FWHM] = 3 sekundy; zakres częstotliwości = 10:90 Hz; rozdzielczość częstotliwości = 1 Hz).
- Konwertuj wynikowe mapy dekompozycji czasowo-częstotliwościowej na wskaźniki z.
- Uśrednij wynikowe mapy z różnych prób dla każdego przedmiotu.
- Wykonuj testy t na mapach w różnych warunkach.
Wyniki
Stosując opisane tutaj metody, nasze badania doprowadziły do dwóch głównych wniosków: 1) Możliwe jest manipulowanie świadomością wizualnych bodźców warunkowych (CS) podczas warunkowania śladowego, przy jednoczesnym wykazaniu dowodów na uczenie się. 2) Możliwe jest odzyskanie sygnałów MEG z ciała migdałowatego przy użyciu obrazowania źródła*.
W sekcji 2 opisaliśmy sposób manipulowania świadomością wizualnych bodźców warunkowych (CS) za pomocą maskowania wstecznego. W przypadku ekspozycji na zamaskowany bodziec wyświetlany przez ~30 msec, badani zazwyczaj nie są świadomi prezentacji bodźca5,6,8*. Jednym ze sposobów weryfikacji skuteczności tej manipulacji jest pomiar zdolności badanych do przewidywania wystąpienia bodźca bezwarunkowego (UCS). Jeśli manipulacja maskowaniem jest skuteczna, badani nie powinni być w stanie dokładnie przewidzieć wystąpienia UCS na podstawie rodzaju CS (patrz Rysunek 4).
Chociaż czas trwania tego rodzaju treningu utrudnia bezpośredni pomiar uczenia się podczas sesji treningowej, możliwe jest pośrednie zmierzenie procesu uczenia się poprzez poddanie badanych późniejszej, jawnej sesji testowej ponownego nabywania z wykorzystaniem nowych i starych bodźców5*. Jeśli badani są w stanie nauczyć się zależności podczas fazy treningowej, powinni wykazać różnicę w amplitudzie SCR (CS+ > CS-) dla starych bodźców w porównaniu do nowych bodźców. Efekt ten jest widoczny w grupie niefiltrowanej (Unfiltered), gdy analizujemy próby w fazie testowej po ponownym wystawieniu badanych na zależności CS-UCS (t.j. próby 2-5; patrz Rysunek 4).
W sekcji 8 opisano sposób rejestracji MEG podczas sesji warunkowania śladowego z maskowaniem. Dzięki zastosowaniu obrazowania źródeł do przetwarzania tych zapisów możliwe jest odzyskanie sygnału MEG z struktur podkorowych, takich jak ciało migdałowate18*. Osoby, którym prezentowano niefiltrowane twarze (N = 9) jako bodźce warunkowe (CS), wykazują silniejsze odpowiedzi ciała migdałowatego (Rysunek 5) oraz oscylacje gamma (Rysunek 6>) niż osoby, którym prezentowano twarze przefiltrowane górnoprzepustowo (N = 9). Ponadto u tych osób obserwuje się również silniejsze odpowiedzi w sieci obszarów przetwarzania twarzy, takich jak potyliczny obszar twarzy (Rysunek 7 oraz film uzupełniający).
Rycina 1. Schemat przedstawiający typową sesję treningową. Należy przeprowadzić 60 prób CS+ i 60 prób CS- w kolejności pseudolosowej, tak aby utworzyły 4 bloki po 15 prób każdy. Bodźce CS należy prezentować przez 30 msec, bezpośrednio po czym następuje maskowanie trwające 970 msec, które kończy się równocześnie z szokującym UCS w próbach CS+.
Rycina 2. Schemat przedstawiający sprzęt używany w typowym eksperymencie warunkowania. Ten układ umożliwia: 1) prezentację bodźców wzrokowych za pomocą oprogramowania Presentation, 2) podawanie elektrycznej stymulacji UCS za pomocą sprzętu Psylab (SAM), 3) rejestrację oczekiwania na UCS przy użyciu urządzenia osiowego (pokrętła) podłączonego do komputera prezentacyjnego oraz 4) synchronizację prezentacji bodźców i reakcji z zapisami MEG za pośrednictwem interfejsu systemu akwizycji MEG.
Rysunek 3. Ilustracja przedstawiająca lokalizację każdego z czujników i punktów referencyjnych opisanych w sekcji 5. Kropki z dołączonymi liniami odpowiadają opisanym czujnikom i przewodom. Niebieskie strzałki reprezentują punkty referencyjne użyte do rejestracji pomiarów MEG z anatomicznym obrazem MRI. Fioletowe punkty reprezentują zdigitalizowane punkty skóry głowy użyte do dalszego doprecyzowania korejestracji MEG-MRI.
Rysunek 4. Wyniki behawioralne z typowego badania nad warunkowaniem. Wykres po lewej stronie przedstawia oczekiwanie UCS w trakcie sesji treningowej, zsumowane dla grup Unfiltered i Filtered. Zauważalny jest podobny poziom oczekiwania UCS dla CS+ i CS- w ciągu 60 prób, co sugeruje, że procedura maskowania zablokowała zdolność badanych do rozróżniania bodźców CS (F(1,17) = 2,19; p = 0,16). Wykres po prawej stronie przedstawia różnicowe SCR podczas sesji testowej. W grupie Unfiltered, ale nie w grupie Filtered, wydaje się występować większa różnica w SCR dla bodźców starych (Old) w porównaniu do bodźców nowych (New) (interakcja Unfiltered New/Old x CS+/CS-: F(1,7) = 5,94; p = 0,045; interakcja Filtered New/Old x CS+/CS-: F(1,7) = 1,13; p = 0,32), co sugeruje, że trening prowadzi do lepszej reakwizycji asocjacji CS-UCS u tych badanych. (*p < 0,05).
Rycina 5. Wyniki MEG z typowego eksperymentu warunkowania. Rysunek po lewej stronie przedstawia modele 3D ciała migdałowatego (pomarańczowy), hipokampa (zielony) i kory mózgowej wykorzystane do modelowania źródeł sygnału MEG. Wykres po prawej stronie przedstawia aktywność klastra ciała migdałowatego wymodelowaną na podstawie zapisów MEG. Jasna linia reprezentuje aktywność wywołaną przez twarze niefiltrowane (Unfiltered), natomiast ciemna linia reprezentuje aktywność wywołaną przez twarze filtrowane (Filtered). Pionowe, szare obszcienie reprezentują przedziały czasowe, w których twarze niefiltrowane wywołują istotnie silniejsze odpowiedzi niż twarze filtrowane (F(1,17) > 3.44; p < 0.05). Kliknij tutaj, aby wyświetlić większą rycinię.
Rysunek 6. Wyniki analizy czasowo-częstotliwościowej dla ciała migdałowatego z typowego eksperymentu warunkowania. Rysunek po lewej stronie przedstawia modele 3D ciała migdałowatego (pomarańczowy), hipokampa (zielony) oraz kory mózgowej, wykorzystane do modelowania źródeł sygnału MEG. Wykres po prawej stronie przedstawia sygnał MEG zarejestrowany z ciała migdałowatego, z rozbiciem na czas i częstotliwość. Ciepłe kolory reprezentują obszary spektrografu, w których moc dla twarzy niefiltrowanych jest znacząco wyższa niż dla twarzy filtrowanych. Zimne kolory reprezentują sytuację odwrotną. Obszary z prążkowaną nakładką reprezentują istotne różnice między grupami. Kliknij tutaj, aby wyświetlić powiększony rysunek.
Rysunek 7. Rysunek przedstawiający aktywację obszaru twarzy w płacie potylicznym w typowym eksperymencie warunkowania. Kolory reprezentują wielkość testu t dla Unfiltered > Filtered w odpowiadającym dipolu. Ciepłe kolory reprezentują silniejsze odpowiedzi na twarze Unfiltered niż na twarze Filtered. Zimne kolory reprezentują silniejsze odpowiedzi na twarze Filtered niż na twarze Unfiltered.
Wideo uzupełniające. Film przedstawiający odpowiedzi korowe w typowym eksperymencie warunkowania. Kolory reprezentują wielkość testu t dla Unfiltered > Filtered w odpowiadającym dipolu. Kolory ciepłe oznaczają silniejsze odpowiedzi na twarze Unfiltered niż na twarze Filtered. Kolory zimne oznaczają silniejsze odpowiedzi na twarze Filtered niż na twarze Unfiltered. Kliknij tutaj, aby wyświetlić wideo uzupełniające.
Dyskusja
W tym artykule opisujemy metody: 1) manipulowania świadomością badanych na temat docelowych CS podczas paradygmatu warunkowania strachu śladowego. 2) oraz odzyskanie sygnału MEG z ciała migdałowatego podczas warunkowania strachu śladowego bez świadomości. Korzystając z tych metodologii, byliśmy w stanie wykazać, że warunkowanie śladowe bez świadomości jest możliwe, gdy do przewidywania LUW wykorzystuje się twarze. Wynik ten sugeruje, że twarze są poddawane specjalnemu przetwarzaniu nawet wtedy, gdy są prezentowane poniżej progu wykrywania percepcyjnego*. Zgodnie z tym wnioskiem odkryliśmy, że twarze o szerokim spektrum wywołują silne reakcje ciała migdałowatego i wybuchy oscylacji gamma w okresie śladu. Wynik ten sugeruje, że ciało migdałowate jest w stanie utrzymać reprezentację CS twarzy w krótkim odstępie czasu.
Chociaż przedstawione razem, te dwie metody mogą być również stosowane niezależnie. Na przykład, możliwe jest użycie maskowania wstecznego do manipulowania widocznością celu w innych paradygmatach, gdzie na zachowanie mogą wpływać sygnały emocjonalne przetwarzane poniżej poziomu świadomości5,6,8*. Ponadto, korzystając z opisanego tutaj podejścia do obrazowania źródłowego, możliwe jest tworzenie modeli 3D innych struktur podkorowych, a także możliwe jest odzyskanie sygnału z tych struktur podczas innych zadań specyficznych dla regionu. Na przykład, wykorzystując obrazowanie źródłowe do modelowania aktywności hipokampa, możliwe jest odzyskanie sygnału MEG ze źródeł hipokampa podczas zadań takich jak nawigacja przestrzenna.
Opisane tutaj metody zostały zaprojektowane z myślą o dwóch celach: 1) zablokowaniu świadomości docelowych bodźców, 2) i maksymalizacji zdolności do wykrywania reakcji ciała migdałowatego wywołanych bodźcem za pomocą MEG. Te ograniczenia projektowe utrudniają zmierzenie niejawnej wiedzy badanych na temat ewentualności bodźców. Na przykład SCR ustępują w ciągu kilku sekund5,13; jednak CS są prezentowane tylko przez ~30 ms podczas treningu, a szok jest prezentowany krótko po (~900 ms). Biorąc pod uwagę te ograniczenia czasowe, ekspresja CR będzie nieuchronnie zakłócona przez ekspresję UCR podczas trenowania. Ze względu na tę współliniowość konieczne jest przetestowanie wiedzy badanych na temat ewentualności bodźców za pomocą późniejszej sesji testowej bez maski. Jednak sesja testowa pod koniec eksperymentu nie jest optymalna, ponieważ SCR mają tendencję do przyzwyczajania się w trakcie eksperymentu1. Biorąc pod uwagę liczbę badań potrzebnych do wykazania wiarygodnych odpowiedzi wywołanych za pomocą MEG, ta habituacja SCR znacznie zmniejszy moc wykrywania behawioralnego efektu treningu. Przyszłe badania powinny skupić się na znalezieniu lepszych sposobów indeksowania niejawnego uczenia się podczas warunkowania strachu za pomocą zamaskowanych CS. Można tego dokonać poprzez znalezienie alternatywnego wskaźnika strachu podczas treningu (np. rozszerzenie źrenic19,20) lub znalezienie bardziej czułej miary strachu, którą można zastosować po sesji treningowej.
Oświadczenia
Autorzy nie mają nic do ujawnienia.
Podziękowania
To badanie było wspierane przez Narodowy Instytut Zdrowia Psychicznego (MH060668 i MH069558).
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Software | |||
| Matlab | Mathworks | mathworks.com/products/matlab | |
| Presentation | Neurobehavioral Systems | neurobs.com | |
| Psylab | Contact Precision Instruments | psychlab.com | |
| AFNI | NIMH - Naukowy i Statystyczny Rdzeń Obliczeniowy | afni.nimh.nih.gov/afni | |
| Freesurfer | Martinos Centrum Obrazowania | Biomedycznegosurfer.nmr.mgh.harvard.edu/fswiki | |
| MNE | Martinos Center for Biomedical Imaging | nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | |
| Burza | mózgów open-source collaboration | neuroimage.usc.edu/brainstorm | |
| 3d Slicer | open-source collaboration | slicer.org | |
| Paraview | Kitware | paraview.org | |
| Tabela 1. Używane oprogramowanie Używane oprogramowanie. | |||
| Equipment | |||
| Fizjologiczny system monitorowania | |||
| Samodzielny monitor Psylab (x2) | Skontaktuj się z Precision Instruments | SAM | |
| Wzmacniacz przewodnictwa skóry | Skontaktuj się z nami Precision Instruments | SC5 | |
| Stymulator wstrząsów (x2) | Kontakt Precision Instruments | SHK1 | |
| Dodatkowe komponenty | |||
| 8-bitowy synchronizacyjny (x2) | Kontakt Precyzyjne instrumenty | W zestawie z adapterem izolacji SAM | |
| 8-bitowy na 2-bitowy | dotyczy | Niestandardowy | |
| taśmowy DB25 (x2) | Nie dotyczy | Standardowy | |
| ekranowany przedłużacz (x3) | Kontakt Precision Instruments | CL41 | |
| Przezroczyste elektrody kubkowe do SCR i wstrząsów (x6) | Biopac | EL258-RT | |
| Signa Gel | Parker Laboratories | 15-250 | |
| Response Device | |||
| Pokrętło ze złączem gameport (x2) | N/A | Niestandardowy | |
| rozdzielacz Gameport-to-gameport/BNC | nie dotyczy | Niestandardowy | |
| BNC | Nie dotyczy | Standardowa | |
| przejściówka Gameport na USB (x2) | Rockfire | RM203U | |
| Dodatkowe komponenty do konfiguracji MEG | |||
| Cewki HPI i wiązka przewodów | Nie dotyczy | Niestandardowy | |
| system pozycjonowania HPI | Inicjator | Polhemus Isotrak | |
| Tabela 2. Używany sprzęt. |
Bibliografia
- Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. Neural substrates mediating human delay and trace fear conditioning. Journal of Neuroscience. 24, 218-228 (2004).
- Knight, D. C., Nguyen, H. T., Bandettini, P. A. The role of awareness in delay and trace fear conditioning in humans. Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).
- Manns, J. R., Clark, R. E., Squire, L. R. Parallel acquisition of awareness and trace eyeblink classical conditioning. Learning & Memory. 7, 267-272 (2000).
- Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. Fear acquisition requires awareness in trace but not delay conditioning. Psychophysiology. 44, 170-180 (2007).
- Balderston, N. L., Helmstetter, F. J. Conditioning with masked stimuli affects the timecourse of skin conductance responses. Behavioral Neuroscience. 124, 478-489 (2010).
- Flykt, A., Esteves, F., Öhman, A., Ohman, A. Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat. Biological Psychology. 74, 328-336 (2007).
- Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. On the unconscious subcortical origin of human fear. Physiology & Behavior. 92, 180-185 (2007).
- Whalen, P. J., et al. Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge. Journal of Neuroscience. 18, 411(1998).
- Huang, M. X., Mosher, J. C., Leahy, R. M. A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG. Physics in Medicine and Biology. 44, 423-440 (1999).
- Hämäläinen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Medical & Biological Engineering & Computing. 32, 35-42 (1994).
- Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).
- Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. Distinct and convergent visual processing of high and low spatial frequency information in faces. Cerebral Cortex. 17, 2713-2724 (2007).
- Cheng, D. T., Richards, J., Helmstetter, F. J. Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock. Learning & Memory. 14, 485-490 (2007).
- Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning. Neuroreport. 10, 3665-3670 (1999).
- Schultz, D. H., Helmstetter, F. J. Classical conditioning of autonomic fear responses is independent of contingency awareness. Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).
- Fischl, B., et al. Sequence-independent segmentation of magnetic resonance images. NeuroImage. 23, 69-84 (2004).
- Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the Signal Space Separation Method. Brain Topography. 16, 269-275 (2004).
- Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. 17th International Conference on Biomagnetism Advances in Biomagnetism-Biomag, , (2010).
- Reinhard, G., Lachnit, H., König, S. Tracking stimulus processing in Pavlovian pupillary conditioning. Psychophysiology. 43, 73-83 (2006).
- Reinhard, G., Lachnit, H. Differential conditioning of anticipatory pupillary dilation responses in humans. Biological Psychology. 60, 51-68 (2002).
Przedruki i uprawnienia
