Artykuł metodologiczny

Rytm EEG Mu w rozwoju typowym i nietypowym

DOI:

10.3791/51412

⸱

9 kwietnia 2014

 ,  , 
1Department of Psychiatry, University of Washington, 2Department of Educational Psychology, University of Washington

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ocena rytmu EEG mu dostarcza unikalnej metodologii badania aktywności mózgu, a w połączeniu z testami opartymi na zachowaniu, może być potężnym narzędziem do wyjaśniania aspektów poznania społecznego, takich jak naśladownictwo, w populacjach klinicznych.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroencefalografia (EEG) jest skuteczną, efektywną i nieinwazyjną metodą oceny i rejestrowania aktywności mózgu. Biorąc pod uwagę doskonałą rozdzielczość czasową, EEG można wykorzystać do zbadania odpowiedzi neuronalnej związanej z określonymi zachowaniami, stanami lub bodźcami zewnętrznymi. Przykładem tego narzędzia jest ocena systemu neuronów lustrzanych (MNS) u ludzi poprzez badanie rytmu mu EEG. Rytm EEG mu, aktywność oscylacyjna w zakresie częstotliwości 8-12 Hz rejestrowana z centralnie umieszczonych elektrod, jest tłumiona, gdy dana osoba wykonuje lub po prostu obserwuje działania ukierunkowane na cel. W związku z tym zaproponowano, aby odzwierciedlić działalność MNS. Istnieje teoria, że dysfunkcja systemu neuronów lustrzanych (MNS) odgrywa rolę w deficytach społecznych zaburzeń ze spektrum autyzmu (ASD). MNS można następnie nieinwazyjnie badać w populacjach klinicznych przy użyciu tłumienia rytmu EEG mu jako wskaźnika jego aktywności. Opisany protokół umożliwia badanie społecznych funkcji poznawczych teoretycznie związanych z MNS u osób z typowym i nietypowym rozwojem, takim jak ASD.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroencefalografia (EEG) jest skuteczną, efektywną i nieinwazyjną metodą oceny i rejestrowania aktywności mózgu. Gdy neurony uruchamiają się w mózgu, wynikowe napięcie może być wzmacniane, rejestrowane i przedstawiane graficznie. Rozdzielczość czasowa EEG pozwala na analizę nawet krótkich zmian we wzorcach oscylacji mózgu, a także analizę reakcji mózgu na określone bodźce.

Pomimo tego, że EEG jest najstarszą techniką obrazowania mózgu, pochodzącą z końcaXIX wieku, nadal ma szerokie zastosowanie. Podczas gdy funkcjonalne obrazowanie metodą rezonansu magnetycznego (fMRI) ma doskonałą rozdzielczość przestrzenną, ma stosunkowo słabą rozdzielczość czasową. Stanowi to poważne ograniczenie oceny fMRI, biorąc pod uwagę niewiarygodną szybkość, z jaką procesy zachodzą w mózgu. EEG ma zdolność oceny aktywności elektrycznej mózgu na poziomie milisekund, zapewniając potencjalny wgląd w fazy przetwarzania w mózgu.

Rozwijające się technologie również rozszerzyły możliwości zastosowania EEG. Wzrost zagęszczenia systemów rejestrujących pozwolił na rozwój technik lokalizacji źródeł, łagodząc niektóre ograniczenia EEG dotyczące rozdzielczości przestrzennej. Dodatkowo, nowoczesne systemy znacznie skróciły czas przygotowania indywidualnego uczestnika, umożliwiając ocenę wcześniej niedostępnych populacji, takich jak niemowlęta i próbki kliniczne1-3,28-30.

Biorąc pod uwagę doskonałą rozdzielczość czasową, EEG może być używane do badania reakcji neuronalnej związanej z określonymi zachowaniami, stanami lub bodźcami zewnętrznymi. Przykładem tego narzędzia jest ocena systemu neuronów lustrzanych (MNS) u ludzi. Neurony lustrzane zostały pierwotnie zidentyfikowane u małp za pomocą pojedynczego zapisuneuronu 4, co świadczy o grupie neuronów, które reagowały zarówno na wykonywanie, jak i obserwację działań motorycznych. Ta metoda bezpośredniego zapisu polegająca na umieszczeniu elektrod w mózgu jest rzadko stosowana u ludzi i tylko w tragicznych przypadkach klinicznych. EEG dostarczyło metody oceny MNS poprzez monitorowanie rytmu mu EEG. Wykazano, że ten wzorzec oscylacji w zakresie 8-12 Hz tłumi moc EEG w odpowiedzi na wykonywanie i obserwację działań motorycznych, podobnie jak wzorzec aktywacji obserwowany u małpw wieku 5-7 lat. Podobnie, stymulacja przypuszczalnych obszarów mózgu MNS poprzez przezczaszkową stymulację magnetyczną (np. dolny zakręt czołowy) znosi rytm mu8 EEG, a tłumienie rytmu EEG mu koreluje z sygnałami BOLD z fMRI w przypuszczalnych regionach neuronów lustrzanych u osób9, zapewniając dodatkowe wsparcie, że ten rytm indeksuje, przynajmniej częściowo, aktywność MNS. Ocena rytmu mu EEG pozwoliła na nieinwazyjną ocenę aktywności neuronów lustrzanych u ludzi.

EEG dostarcza unikalnej metodologii badania aktywności mózgu, a w połączeniu z testami behawioralnymi, może być potężnym narzędziem do wyjaśniania aspektów poznania społecznego, takich jak naśladownictwo, w populacjach klinicznych. Co więcej, możliwość zastosowania EEG w populacjach z zaburzeniami poznawczymi lub językowymi pozwala na wgląd w zdolności osób, dla których inne techniki obrazowania lub paradygmaty behawioralne mogą być mniej skutecznie stosowane. Opisany protokół umożliwia badanie społecznych funkcji poznawczych teoretycznie związanych z systemem neuronów lustrzanych u osób z typowym i nietypowym rozwojem, takim jak zaburzenie ze spektrum autyzmu.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Poniższy protokół jest zgodny z wytycznymi Komisji Rewizyjnej Uniwersytetu Waszyngtońskiego.

1. Ocena elektrofizjologiczna

  1. Przygotowanie sesji
    1. Przygotowanie pomieszczenia: umieść manipulandum (patrz Rysunek 1), drewniany klocek z dołączonym czujnikiem, który po uchwyceniu wysyła znacznik czasu do oprogramowania akwizycyjnego po jego uchwyceniu, w zasięgu ręki uczestnika. Aktywuj oprogramowanie do akwizycji EEG i rozpocznij "nową sesję" (Rysunek S1).
    2. Przygotowanie netto: ciepły roztwór wody destylowanej (1 l), chlorku potasu (1 łyżka stołowa) i szamponu dla dzieci (1 łyżeczka) do 104 ° F. Namocz 128-elektrodowy gęsty system EEG w podgrzanym roztworze soli fizjologicznej.
    3. Przygotowanie uczestnika: upewnij się, że uczestnik siedzi wygodnie w odległości około 75 cm od monitora prezentacji bodźca i całkowicie w polu widzenia kamery wideo. Znajdź i zaznacz wierzchołek na głowie uczestnika za pomocą markera skórnego. Zmierz wierzchołek, znajdując punkt przecięcia punktu środkowego między nasionem a wgłębieniem oraz punktu środkowego między przedmałżowinami.
    4. Aplikacja netto: Umieść czepek EEG na głowie uczestnika w taki sposób, aby elektroda wierzchołkowa była umieszczona bezpośrednio nad znacznikiem wierzchołka. Sprawdź impedancje i upewnij się, że impedancje są poniżej progu odpowiedniego dla używanego systemu EEG (Rysunek S2).
    5. Rozpocznij sesję nagrywania wideo.
  2. Konfiguracja nagrywania: Sygnał odniesienia do elektrody wierzchołkowej. Filtr analogowy w zakresie od 0,1 do 100 Hz, wzmocnienie sygnału i digitalizacja z prędkością 500 próbek/sek.
  3. Prezentacja bodźca: przedstaw uczestnikowi 3 warunki: obserwacja, wykonanie i odpoczynek, zaadaptowane z paradygmatu opracowanego przez Muthukumaraswamy i współpracowników5.
    1. Warunek obserwacji: Poinstruuj uczestnika, aby siedział cicho i oglądał film z osobą chwytającą manipulandum. Każda próba powinna trwać 6 sekund. Dokładnie zaplanuj nagrany wcześniej film dla prób obserwacyjnych, aby upewnić się, że obserwowane chwytanie następuje dokładnie po 3 sekundach. Monitoruj uwagę wzrokową uczestnika podczas zadania i zaznacz próby, podczas których nie zwraca uwagi na ekran, które mają zostać odrzucone podczas przetwarzania końcowego.
    2. Warunek wykonania: Poinstruuj uczestnika, aby siedział cicho z prawą ręką spoczywającą tuż pod manipulandum i, po usłyszeniu nagranej wcześniej wskazówki dźwiękowej, naśladował chwyt manipulandum z klipu wideo z obserwowanego stanu. Każda próba powinna trwać 6 sek. Upewnij się, że sygnał dźwiękowy jest prezentowany dokładnie po 3 sekundach, nagrywając wstępnie ścieżkę dźwiękową, która utrzymuje spójną wskazówkę wykonawczą w czasie i interwał między próbami. Wykorzystaj czujnik na manipulandum, aby precyzyjnie zarejestrować czas, w którym następuje chwyt uczestnika (ryc. S3).
    3. Warunek odpoczynku: Poinstruuj uczestnika, aby siedział cicho z otwartymi oczami i biernie obserwował mały celownik na monitorze bodźców. Rejestruj ciągłe EEG w stanie spoczynku przez 3 minuty.
    4. Zarówno w przypadku warunków obserwacji, jak i wykonania, przedstaw randomizowane bloki dziesięciu prób, co daje w sumie czterdzieści prób na warunek. Upewnij się, że obraz manipulandum pozostaje na ekranie przez cały czas trwania bloków obserwacji i wykonywania, w tym między próbami. Administruj warunkiem spoczynku po zakończeniu warunków obserwowania i wykonywania.
  4. przetwarzanie danych
    1. Po zebraniu danych ponownie sprawdź impedancje. Zwróć uwagę na wszelkie zmiany poziomów impedancji. Zakończ nagrywanie oprogramowania do akwizycji.
    2. Przetwarzanie końcowe: Ponowne odniesienie sygnału EEG do średniej. Podziel ciągłe dane EEG na czterdzieści 6-sekundowych prób dla każdego stanu (ryc. S4).
    3. Przeprowadzanie automatycznego wykrywania artefaktów. Korzystaj ze zautomatyzowanych algorytmów do sprawdzania segmentów pod kątem artefaktów ruchu, identyfikując szybkie średnie amplitudy przekraczające 200 μV, średnie różnice amplitud przekraczające 100 μV i zerową wariancję w danej próbie (rysunek S5).
    4. Przeprowadź ręczne wykrywanie artefaktów poprzez wizualną inspekcję danych i potwierdzenie za pomocą wideoprzeglądu sesji, aby usunąć wszystkie próby w stanie obserwacji zanieczyszczone jakimkolwiek artefaktem ruchu i wszystkie próby w stanie wykonania zanieczyszczone dowolnym artefaktem ruchowym niezwiązanym z gestem chwytania. Wyklucz z analizy badania ze znaczącym artefaktem. Odrzuć wszystkie próby, które zostały oznaczone podczas pozyskiwania jako nieuczestniczone. Zbadaj i zanotuj wskaźnik odrzucenia próby dla każdej analizowanej grupy diagnostycznej.
  5. analiza danych
    1. Per Muthukumaraswamy i wsp.5, Segmenty oczyszczone próby w 2-sekundowych epokach składających się z 1 sekundy danych przed uchwyceniem i 1 sekundy po zarówno dla warunków obserwacji (oznaczonych przez fotokomórkę), jak i wykonania (oznaczonych przez czujnik manipulandum). Segment oczyszczony o 2 sekundy od stanu spoczynku.
    2. Szybka transformata Fouriera (FFT) w każdym segmencie. Wybierz klaster ośmiu elektrod na każdej półkuli otaczających standardowe pozycje C3 i C4 do analiz statystycznych (zgodnie z Muthukumaraswamy i wsp.5 oraz Bernier i wsp.3) (Rysunek 2). Dla każdego warunku uśrednij moc z uwzględnionych prób, aby obliczyć widma mocy.
    3. Obliczyć tłumienie mu, badając średnią moc podczas wykonywania lub obserwacji działania motorycznego, w stosunku do średniej mocy w stanie spoczynku, w zakresie 8–13 Hz. Użyj logarytmu tego współczynnika, aby określić stopień tłumienia. Uwaga: wartość ujemna oznacza tłumienie podczas wykonywania lub obserwacji, podczas gdy wartość dodatnia oznacza wzmocnienie. Metodologia ta uwzględnia zmienność u poszczególnych osób oraz nienormalność wartości wyrażonych w postaci ilorazowej.
      Uwaga: Ten protokół został opracowany przy użyciu 128-elektrodowego systemu EEG o gęstej matrycy z oprogramowaniem Net Station w wersji 4.1. Chociaż podstawowe kroki są podobne w różnych systemach EEG, protokoły akwizycji i analizy mogą się różnić.

2. Charakterystyka próbki

  1. Zidentyfikuj potencjalną populację pacjentów do udziału w paradygmacie poprzez rejestry badań, poprzednie listy uczestników lub skierowania z lokalnych klinik i klinicystów.
  2. Przebadaj potencjalnych uczestników pod kątem prawdopodobieństwa spełnienia kryteriów diagnostycznych dla konstrukcji klinicznej (np. zaburzenia ze spektrum autyzmu) oraz w celu zidentyfikowania wszelkich kryteriów wykluczających, takich jak obecność urazu głowy, guza, historia napadów lub stosowanie leków przeciwdrgawkowych lub barbituranowych, które mogą zniekształcać sygnał elektrofizjologiczny.
  3. Potwierdzenie statusu diagnostycznego populacji pacjentów za pomocą instrumentów diagnostycznych o złotym standardzie (np. Poprawiony Wywiad Diagnostyczny Autyzmu (ADI-R11) oraz Ogólny Schemat Obserwacji Diagnostycznej Autyzmu (ADOS-G,12) podawany przez eksperta klinicystę zgodnie z kryteriami Podręcznik Diagnostyczny i Statystyczny – wydanie 5 (DSM-5)13.
  4. Zidentyfikuj próbę kontrolną dopasowaną pod względem odpowiednich zmiennych będących przedmiotem zainteresowania, takich jak wiek, płeć, zdolności poznawcze itp.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Typowi dorośli, dzieci i niemowlęta konsekwentnie demonstrują rytm mu zarówno podczas wykonywania, jak i obserwacji działań w różnych paradygmatach i bodźcach 5,14-30. Tłumienie w tym paśmie częstotliwości jest konsekwentnie zlokalizowane na elektrodach centralnych (rysunek 3), co wskazuje, że nie jest to redukcja mocy alfa, która jest rejestrowana w innych obszarach skóry głowy. Podobnie, tłumienie tej częstotliwości podczas obserwacji ruchu jest ograniczone do obserwacj...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Skuteczne pozyskiwanie, przetwarzanie i analiza danych elektrofizjologicznych związanych z rytmem mu i zastosowanie w populacjach klinicznych wymaga 1) zastosowania narzędzi metodologicznych EEG, 2) starannego wykrywania artefaktów i redukcji danych, 3) dokładnej identyfikacji rytmu mu oraz 4) dokładnej charakterystyki populacji klinicznej i identyfikacji odpowiednich grup kontrolnych.

Właściwa metodologia EEG wymaga prawidłowo działającego i zintegrowanego sprzętu...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy deklarują brak sprzecznych interesów finansowych.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta praca była wspierana przez grant Fundacji Simonsa (SFARI #89638 dla RB).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Geodezyjny system EEGNIE DOTYCZYKażdy system EEG, nie tylko systemy oparte na EGI, ma zastosowanie do opisanego badania
Oprogramowanie MATLABNIEDOTYCZYMa zastosowanie dowolne oprogramowanie matematyczne, statystyczne, które może pracować z macierzami
Oprogramowanie NetstationEGINIE DOTYCZYDowolne oprogramowanie do akwizycji EEG ma zastosowanie do opisanego badania
ManipulandumniestandardoweNie dotyczyDowolna rzecz, która jest współzarejestrowana z oprogramowaniem do akwizycji danych, aby zasygnalizować pomyślne uchwycenie

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kuhl, P. K., Coffey-Corina, S., Padden, D., Dawson, G. Links between social and linguistic processing of speech in preschool children with autism: behavioral and electrophysiological. 8, (2005).
  2. McPartland, J., Dawson, G., Webb, S. J., Panagiotides, H., Carver, L. J. Event-related brain potentials reveal anomalies in temporal processing of faces in autism spectrum disorder. J. Child Psychol. Psychiatry. 45, 1235-1245 (2004).
  3. Bernier, R., Dawson, G., Webb, S., Murias, M. EEG mu rhythm and imitation impairments in individuals with autism spectrum disorder. Brain Cogn. 64, 228-237 Forthcoming.
  4. Rizzolatti, G., Fadiga, L., Gallese, V., Fogassi, L. Premotor cortex and the recognition of motor actions. Brain Res. Cogn. Brain. 3, 131-141 (1996).
  5. Muthukumaraswamy, S. D., Johnson, B. W., McNair, N. A. Mu rhythm modulation during observation of an object-directed grasp. Brain Res. Cogn. Brain Res. 19, 195-201 Forthcoming.
  6. Pineda, J. A. The functional significance of mu rhythms: translating "seeing" and "hearing" into "doing". Brain Res. Brain Res. Rev. 50, 57-68 (2005).
  7. Vanderwert, R. E., Fox, N. A., Ferrari, P. F. The mirror mechanism and mu rhythm in social development. Neurosci. Lett. 540, 15-20 (2013).
  8. Keuken, M. C., et al. The role of the left inferior frontal gyrus in social perception: an rTMS study. Brain Res. , 1383-13196 (2011).
  9. Braadbaart, L., Williams, J. H., Waiter, G. D. Do mirror neuron areas mediate mu rhythm suppression during imitation and action observation. Int. J. Psychophysiol. , 99-105 (2013).
  10. Rogers, S., Cook, I., Greiss-Hess, L. Mature Imitation Task. Unpublished coding manual. , M.I.N.D. Institute, University of California - Davis. Forthcoming.
  11. Lord, C., Rutter, M., Le Couteur, A. Autism Diagnostic Interview-Revised: a revised version of a diagnostic interview for caregivers of individuals with possible pervasive developmental disorders. J. Autism Disord. 24, 659-685 (1994).
  12. Lord, C., et al. The autism diagnostic observation schedule-generic: a standard measure of social and communication deficits associated with the spectrum of autism. J. Autism Dev. Disord. 30, 205-223 (2000).
  13. American Psychiatric Association (APA). Diagnostic and statistical manual of mental. disorders, Edition. , Forthcoming.
  14. Gastaut, H. J., Bert, J. EEG changes during cinematographic presentation; moving picture activation. of the EEG. Electroencephalogr. Clin. Neurophysiol. 6, 433-444 (1954).
  15. Muthukumaraswamy, S. D., Johnson, B. W. Changes in rolandic mu rhythm during observation of a precision grip. Psychophysiology. 41, 152-156 (2004).
  16. Chatrian, G. E., Petersen, M. C., Lazarte, J. A. The blocking of the rolandic wicket rhythm and some central changes related to movement. Electroencephalogr. Clin. Neurophysiol. 11, 497-510 (1959).
  17. Pfurtscheller, G., Neuper, C., Andrew, C., Edlinger, G. Foot and hand area mu rhythms. Int. J. Psychophysiol. 26, 121-135 (1997).
  18. Arroyo, S., et al. Functional significance of the mu rhythm of human cortex: an electrophysiologic study with subdural electrodes. Electroencephalogr. Clin. Neurophysiol. 87, 76-87 (1993).
  19. Babiloni, C., et al. Human cortical electroencephalography (EEG) rhythms during the observation of simple aimless movements: a high-resolution EEG study. Neuroimage. 17, 559-572 (2002).
  20. Babiloni, C., et al. Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study. Neuroimage. 10, 658-665 (1999).
  21. Babiloni, C., et al. Transient human cortical responses during the observation of simple finger movements: a high-resolution EEG study. Hum. Brain. 20, 148-157 (2003).
  22. Cochin, S., Barthelemy, C., Lejeune, B., Roux, S., Martineau, J. Perception of motion and qEEG activity in human adults. Electroencephalogr. Clin. Neurophysiol. 107, 287-295 (1998).
  23. Cochin, S., Barthelemy, C., Roux, S., Martineau, J. Observation and execution of movement: similarities demonstrated by quantified electroencephalography. Eur. J. Neurosci. 11, 1839-1842 (1999).
  24. Cochin, S., Barthelemy, C., Roux, S., Martineau, J. Electroencephalographic activity during perception of motion in childhood. Eur. J. Neurosci. 13, 1791-1796 (2001).
  25. Martineau, J., Cochin, S. Visual perception in children: human, animal and virtual movement activates different cortical areas. Int. J. Psychophysiol. 51, 37-44 (2003).
  26. Lepage, J. F., Theoret, H. EEG evidence for the presence of an action observation-execution matching system in children. Eur. J. Neurosci. 23, 2505-2510 (2006).
  27. Marshall, P. J., Bar-Haim, Y., Fox, N. A. Development of the EEG from 5 months to 4 years of age. Clin. Neurophysiol. 113, 1199-1208 (2002).
  28. Southgate, V., Johnson, M. H., El Karoui, I., Csibra, G. Motor system activation reveals infants' on-line prediction of others' goals. Psychol. Sci. 21, 355-359 (2010).
  29. Nystrom, P., Ljunghammar, T., Rosander, K., von Hofsten, C. Using mu rhythm desynchronization to measure mirror neuron activity in infants. Dev. Sci. 14, 327-335 (2011).
  30. Southgate, V., Johnson, M. H., Osborne, T., Csibra, G. Predictive motor activation during action observation in human infants. Biol. , 769-772 (2009).
  31. Oberman, L. M., et al. EEG evidence for mirror neuron dysfunction in autism spectrum disorders. Brain Res. Cogn. Brain Res. 24, 190-198 (2005).
  32. Martineau, J., Cochin, S., Magne, R., Barthelemy, C. Impaired cortical activation in autistic children: is the mirror neuron system involved. Int. J. Psychophysiol. 68, 35-40 (2008).
  33. Oberman, L. M., Ramachandran, V. S., Pineda, J. A. Modulation of mu suppression in children with autism spectrum disorders in response to familiar or unfamiliar stimuli: the mirror neuron hypothesis. Neuropsychologia. 46, 1558-1565 (2008).
  34. Raymaekers, R., Wiersema, J. R., Roeyers, H. EEG Study of the Mirror Neuron System in Children with High Functioning Autism. Brain Res. , 113-121 (2009).
  35. Fan, Y. T., Decety, J., Yang, C. Y., Liu, J. L., Cheng, Y. Unbroken mirror neurons in autism spectrum disorders. J. Child Psychol. Psychiatry. 51, 981-988 (2010).
  36. Bernier, R., Aaronson, B., McPartland, J. The role of imitation in the observed heterogeneity in EEG mu rhythm in autism and typical development. Brain Cogn. 82, 69-75 (2013).
  37. Pfurtscheller, G., Lopesda Silva,, H, F. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110, 1842-1857 (1999).
  38. Marshall, P. J., Young, T., Meltzoff, A. N. Neural correlates of action observation and execution in 14‐month‐old infants: An event‐related EEG desynchronization study. Dev. Sci. , 474-480 (2011).
  39. Marshall, P. J., Meltzoff, A. N. Neural mirroring systems: Exploring the EEG mu rhythm in human infancy. Dev. Cogn. Neurosci. , 110-123 (2011).
  40. Oberman, L., McCleery, J., Hubbard, E., Bernier, R., Pineda, J. Developmental changes in mu suppression to observed actions in individuals with autism spectrum disorders. Soc. Cogn. Affective Neurosci. 8, 300-304 Forthcoming.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

System neuron w lustrzanychspektrum autyzmut umienie rytmu muobserwacja czynno ci motorycznejEEG o wysokiej rozdzielczo ciszybka transformata Fourierafunkcje poznawcze w obszarze spo ecznymsupresja cz stotliwo ci muneuronauka kliniczna

Powiązane artykuły