Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Świadome i nieświadome reprezentacje twarzy emocjonalnych w zespole Aspergera

13.7K wyświetleń

⸱

DOI:

10.3791/53962

⸱

31 lipca 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

W tym artykule

Podsumowanie

Eksperymentalny protokół EEG ma na celu wyjaśnienie wzajemnych oddziaływań między świadomymi i nieświadomymi reprezentacjami emocjonalnych twarzy u pacjentów z zespołem Aspergera. Technika ta sugeruje, że pacjenci z zespołem Aspergera mają deficyty w nieświadomym przedstawianiu emocjonalnych twarzy, ale mają porównywalne wyniki w świadomej reprezentacji ze zdrowymi osobami z grupy kontrolnej.

Streszczenie

Kilka badań neuroobrazowania sugeruje, że zawartość o niskiej częstotliwości przestrzennej w emocjonalnej twarzy głównie aktywuje ciało migdałowate, pulvinar i górny wzgórek, szczególnie przy lękliwych twarzach1-3. Regiony te stanowią strukturę limbiczną w nieświadomej percepcji emocji i modulują aktywność kory mózgowej bezpośrednio lub pośrednio2. W przeciwieństwie do tego, świadoma reprezentacja emocji jest bardziej wyraźna w przedniej części obręczy, korze przedczołowej i korze somatosensorycznej w celu kierowania dobrowolnej uwagi na szczegóły twarzy3,4. Zespół Aspergera (AS)5,6 stanowi nietypowe zaburzenie psychiczne, które wpływa na zdolności sensoryczne, afektywne i komunikacyjne, nie zakłócając normalnych umiejętności językowych i zdolności intelektualnych. Kilka badań wykazało, że deficyty funkcjonalne w obwodach neuronalnych ważnych dla rozpoznawania emocji twarzy mogą częściowo wyjaśniać niepowodzenie komunikacji społecznej u pacjentów z AS7-9. W celu wyjaśnienia wzajemnych zależności między świadomymi i nieświadomymi reprezentacjami twarzy emocjonalnych w ZZSK, zaprojektowano eksperymentalny protokół EEG z dwoma zadaniami obejmującymi ocenę emocjonalności twarzy na zdjęciu lub rysowaniu linii. Wprowadza się badanie pilotażowe mające na celu wybór bodźców twarzy, które minimalizują różnice w czasie reakcji i wynikach przypisanych do emocji twarzy między wstępnie przetestowanymi pacjentami z ZA i IQ / płcią zdrowych osób z grupy kontrolnej. Informacje od wstępnie przebadanych pacjentów wykorzystano do opracowania systemu punktacji wykorzystywanego do oceny emocjonalności. Badania nad emocjami twarzy i bodźcami wzrokowymi o różnej zawartości częstotliwości przestrzennej przyniosły rozbieżne wyniki w zależności od cech demograficznych uczestników i wymagań zadaniowych2. Protokół eksperymentalny ma na celu wyjaśnienie deficytów u pacjentów z ZA w przetwarzaniu twarzy emocjonalnych w porównaniu ze zdrowymi osobami z grupy kontrolnej poprzez kontrolowanie czynników niezwiązanych z rozpoznawaniem emocji twarzy, takich jak trudność zadania, IQ i płeć.

Wprowadzenie

Rozpoznawanie emocji twarzy jest jednym z najważniejszych procesów mózgowych zaangażowanych w komunikację społeczną. Różne zaburzenia psychiczne są związane z problemami z wyraźnym wykrywaniem emocji twarzy4-6. Fotografia twarzy zawiera spektrum informacji przestrzennych, które można filtrować pod kątem zawartości o wysokiej częstotliwości przestrzennej (HSF) lub niskiej częstotliwości przestrzennej (LSF). HSF jest powiązany z bardzo szczegółowymi częściami obrazu, takimi jak krawędzie powierzchni, podczas gdy LSF jest powiązany z grubszymi lub mniej dobrze zdefiniowanymi częściami, takimi jak holistyczna powierzchnia z zawartością LSF7. Każde zadanie rozpoznawania twarzy jednocześnie indukuje procesy świadome i nieświadome8-12, a udział procesu nieświadomego następuje w odstępie 150-250 ms po wystąpieniu lub nawet wcześniej13. U zdrowych osób z grupy kontrolnej proces nieświadomy jest na ogół szybszy niż proces świadomy14,15. Kilka badań neuroobrazowych sugeruje, że LSF w bodźcu twarzy (lub bodźcu motywacyjnie istotnym) aktywuje głównie ciało migdałowate, pulvinar i górny colliculus, zwłaszcza w przypadku lękliwych twarzy3,16. Obszary te stanowią strukturę limbiczną w nieświadomej percepcji emocji i modulują aktywność kory mózgowej bezpośrednio lub pośrednio1. W przeciwieństwie do tego, świadoma reprezentacja emocji jest bardziej wyraźna w przedniej części obręczy, korze przedczołowej i korze somatosensorycznej w celu kierowania dobrowolnej uwagi na szczegóły twarzy9,17,18.

Zespół Aspergera (AS)19,20 reprezentuje nietypowe zaburzenie psychiczne, które wpływa na zdolności sensoryczne, afektywne i komunikacyjne, nie zakłócając normalnych umiejętności językowych i zdolności intelektualnych. Kilka badań wykazało, że deficyty funkcjonalne w obwodach nerwowych ważnych dla rozpoznawania emocji twarzy mogą częściowo wyjaśniać niepowodzenie komunikacji społecznej w AS21-25. Zaburzenia zachowania obserwowane u dzieci z zespołem Aspergera można zdiagnozować w ciągu pierwszych trzech latżycia26, czyli w okresie, w którym ich dobrowolna (lub świadoma) kontrola nad zachowaniem nie jest w pełnirozwinięta27. U dorosłych z ZA zaburzenia zachowania mogą być kompensowane poprzez regulację uwagi28. Trudności w przetwarzaniu szczegółów w określonym zakresie częstotliwości przestrzennych mogą wskazywać na zakłócenia na różnych etapach przetwarzania informacji. Do tej pory żadne badanie nie dotyczyło bezpośrednio potencjałów wywołanych i aktywności oscylacyjnej u pacjentów z ZA podczas rozpoznawania emocji twarzy z udziałem bodźców twarzy w określonych zakresach częstotliwości przestrzennych. Ważne jest, aby zbadać trajektorię funkcjonalną u pacjentów z ZA w porównaniu ze zdrowymi osobami z grupy kontrolnej podczas przetwarzania bodźców twarzy o różnej zawartości częstotliwości przestrzennej poprzez kontrolowanie wymagań zadań i efektów demograficznych, takich jak płeć i IQ.

Aby wyjaśnić wzajemne oddziaływanie między świadomymi i nieświadomymi reprezentacjami twarzy emocjonalnych, zaprojektowano eksperymentalny protokół EEG do porównywania potencjałów wywołanych w mózgu i aktywności oscylacyjnej między pacjentami z ZA i IQ/dopasowanymi płciowo zdrowymi kontrolami. Przed eksperymentem EEG zrekrutowano kohortę uczestników pilotażowych w celu uzyskania pomocy w doborze bodźców eksperymentalnych i opracowaniu systemu punktacji w celu ułatwienia oceny wydajności u pacjentów z ZZSK. Protokół składa się z dwóch zadań polegających na ocenie emocjonalności twarzy na zdjęciu lub rysunku kreskowym. Różnice między tymi dwiema grupami można ocenić za pomocą obliczeniowych ERP i perturbacji spektralnych związanych ze zdarzeniami (ERSP). W następnej sekcji omówiono szczegóły protokołu eksperymentalnego, w tym badanie pilotażowe oraz metody przetwarzania/analizy danych EEG, a następnie główne wyniki analizy. Na koniec omówiono kluczowe etapy protokołu i jego znaczenie w odniesieniu do istniejących metod. Zwrócono również uwagę na ograniczenie i możliwe rozszerzenie protokołu do stosowania u pacjentów z innymi zaburzeniami emocjonalnymi.

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

Protokół

Oświadczenie etyczne: Procedury z udziałem ludzi zostały zatwierdzone przez komisję etyki badań z udziałem ludzi / Instytucjonalną Komisję Przeglądową (Institutional Review Board) w Academia Sinica, Tajwan.

1. Przygotowanie bodźców i programu eksperymentalnego

  1. Przygotuj zbiór ponad 60 zdjęć twarzy wyrażających emocje29, podzielonych na trzy kategorie wyrazów twarzy (gniewny, radosny i neutralny). Użyj oprogramowania graficznego, aby zamaskować włosy i uszy na zdjęciach czarnym tłem, jak pokazano na Ryc. 1A, tak aby uczestnicy mogli skoncentrować się na rysach twarzy na fotografiach.
    1. Otwórz zdjęcie w oprogramowaniu graficznym. Użyj narzędzia zaznaczania, aby narysować obszar eliptyczny i dostosuj jego rozmiar tak, aby uszy i większość włosów nie znajdowały się wewnątrz elipsy.
    2. Odwróć zaznaczenie. Kliknij „usuń”, aby usunąć niepożądany obszar zdjęcia i zastąpić go czarnym kolorem tła.

Schematy analizy emocji twarzy porównujące zdjęcie ze szkicem; ekspresje: neutralna, radosna, gniewna.
Rycina 1. Przykłady bodźców emocjonalnych twarzy. (A) fotografie twarzy, na których włosy i uszy zostały zamaskowane kolorem czarnego tła, oraz (B) rysunki liniowe twarzy, opracowane na podstawie zdjęć z (A) za pomocą oprogramowania graficznego. Twarze przedstawiają odpowiednio od góry do dołu emocje: neutralną, radosną i gniewną. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

  1. Przeprowadź badanie pilotażowe. Zrekrutuj uczestników pilotażu w celu wyboru odpowiednich bodźców z puli fotografii.
    Uwaga: Uczestnicy pilotażu nie powinni brać udziału w eksperymencie EEG.
    1. Skonfiguruj program prezentacji bodźców, zaczynając od pierwszego ekranu komputera prezentującego instrukcje do zadania, a następnie 5 prób zapoznawczych. Każdą próbę rozpocznij od krzyżyka fiksacyjnego, po którym następuje bodziec w postaci twarzy, a następnie zadanie oceny emocjonalności. Przykładowy program znajduje się w Pliku z Kodem Uzupełniającym.
      Uwaga: Właściwe próby pilotażowe następują bezpośrednio po próbach zapoznawczych poprzez wybieranie fotografii twarzy w losowej kolejności z puli.
      1. Stwórz program eksperymentalny, obejmujący ekrany instrukcji oraz centralny ekran fiksacji wzroku. Stwórz ekran bodźca twarzy zgodnie z ilustracją na Rysunku 2, konfigurując rozmiar fotografii na 18,3 x 24,4 cm2 (szerokość x wysokość) z czarnym tłem, przy rozmiarze ekranu komputera 41 x 25,6 cm2 i rozdzielczości 1 680 x 1 050. Przykładowy program znajduje się w Pliku z Kodem Uzupełniającym.
      2. W programie stwórz system punktacji do oceny emocjonalności, zgodnie z ilustracją na Rysunku 3. Umieść w centrum ekranu linię poziomą w skali ciągłej od -100 do +100, bez żadnych podziałek, z wyjątkiem punktu centralnego i krańcowych. Przygotuj program tak, aby uczestnicy mogli swobodnie oceniać emocjonalność fotografii twarzy, przesuwając kursor punktacji w lewo dla bardzo gniewnej (-100) i w prawo dla bardzo szczęśliwej (+100), a następnie naciskając przycisk GO.
        Uwaga: Linia punktacji została zaprojektowana bez podziałek, ponieważ pacjenci z AS mogą mieć tendencję do nadmiernego skupiania się na precyzyjnym ustawieniu kursora między kreskami podczas oceny emocjonalności. Dlatego w przypadku pacjentów preferowana jest skala ciągła.
      3. Upewnij się, że program rejestruje wyniki behawioralne uczestnika (np. czas reakcji i wyniki emocjonalności), które służą jako kryteria wyboru fotografii z puli (patrz krok 1.3.1).
    2. Zrekrutuj uczestników pilotażu (5 osób do grupy kontrolnej i 5 pacjentów z AS). Zdiagnozuj pacjentów klinicznych zgodnie z kryteriami Gillberga30 oraz DSM-IV26 i przeprowadź kliniczną skróconą wersję Skali Inteligencji Dorosłych Wechslera (WAIS-III)31. Dopasuj grupę kontrolną do odpowiedników z AS jak najdokładniej pod względem płci oraz wyników IQ werbalnego/wykonawczego.
    3. Przeprowadź procedurę eksperymentalną w badaniu pilotażowym dla każdego uczestnika z osobna. Po zakończeniu zadania rozpoznawania emocji na twarzy, przeprowadź wywiad z każdym uczestnikiem z grupy AS na temat odpowiedniego czasu trwania centralnej fiksacji wzroku i okresów prezentacji bodźców, trudności zadania, łatwości obsługi systemu punktacji oraz maksymalnej liczby prób pozwalającej na utrzymanie koncentracji; na tej podstawie program może zostać ponownie skonfigurowany na potrzeby eksperymentu EEG (patrz krok 1.3.2).

Nie wiem, kim jest ta osoba. Gniewny wyraz twarzy na ciemnym tle, obraz czarno-biały.
Rysunek 2. Zrzut ekranu bodźca w postaci twarzy w programie. Rozmiar twarzy jest skonfigurowany tak, aby dopasować się do wysokości ekranu. Pusta przestrzeń jest wypełniona kolorem czarnym. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Suwak percepcji emocji, interfejs użytkownika; regulacja od złości do szczęścia, skala od -100 do 100, eksperyment.
Rysunek 3. Zrzut ekranu systemu punktacji do oceny emocjonalności. Pasek punktacji został zaprojektowany bez podziałki. Uczestnik musi przeciągnąć myszą, aby wybrać ocenę przypisaną do twarzy, a następnie nacisnąć przycisk GO, aby zakończyć zadanie. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Program dla zadania 1: Sesja z fotografiami.
    1. Wybierz z puli 30 fotografii, po 10 dla wyrazów twarzy radosnych, gniewnych i neutralnych (po 5 twarzy męskich i 5 żeńskich dla każdego typu wyrazu), które zapewniają najbardziej porównywalne średnie czasy reakcji oraz średnie wyniki emocjonalności pomiędzy 5 uczestnikami pilotażowymi z AS a 5 uczestnikami z grupy kontrolnej.
    2. Zaktualizuj konfiguracje programu eksperymentalnego, uwzględniając uwagi od pacjentów z badania pilotażowego, takie jak optymalny czas centralnej fiksacji wzroku (t.j. 1,000 msec), czas prezentacji bodźca (t.j. 1,000 msec), odstęp między bodźcami (t.j. losowo przypisany w przedziale od 4 do 7 sec) oraz skala systemu punktowego (t.j. od -100 do 100). Dodaj w programie pięć prób zapoznawczych przed 30 próbami eksperymentalnymi.
      1. Zmień liczbę bodźców i odstępy czasowe w zewnętrznym pliku tekstowym konfiguracji powiązanym z programem eksperymentalnym.
        Uwaga: Plik tekstowy może być modyfikowany w celu dostosowania do różnych warunków eksperymentalnych bez ingerencji inżynierów oprogramowania.
      2. Nie wliczaj pięciu fotografii do prób zapoznawczych do 30 wybranych fotografii. Nie wykorzystuj danych EEG ani danych behawioralnych zarejestrowanych podczas prób zapoznawczych w analizie danych.
  2. Program dla zadania 2: Sesja z rysunkami liniowymi.
    1. Stwórz rysunki liniowe na podstawie 35 fotografii (5 do prób zapoznawczych, 30 do prób eksperymentalnych) użytych w zadaniu 1, obrysowując krawędzie każdej twarzy. Użyj oprogramowania graficznego, aby przekształcić fotografie w skali szarości w czarno-białe rysunki liniowe, jak pokazano na Rysunku 1B.
      Uwaga: Poniższe kroki edycji fotografii są jednym z możliwych rozwiązań tworzenia rysunków liniowych.
      1. W oprogramowaniu graficznym dostosuj jasność/kontrast fotografii tak, aby oryginalna intensywność skali szarości w większości pikseli stała się albo czarna, albo biała.
      2. Zastosuj „efekt szkicu” (sketch effect) w menu „efekty” lub „filtry” oprogramowania do fotografii w skali szarości, tak aby zachować jedynie kontury części o wysokiej częstotliwości przestrzennej, a następnie zastosuj „efekt zużycia” (distress effect), aby zwiększyć rozszerzenie linii konturowych.
      3. Użyj dowolnego narzędzia pędzla, aby wzmocnić kontury, oraz narzędzia gumki, aby usunąć niepożądane fragmenty. Upewnij się, że zachowano istotne cechy twarzy, porównując na bieżąco oryginalną fotografię z jej odpowiednikiem w formie rysunku liniowego.
    2. Wykonaj kopię programu z zadania 1 z kroku 1.3, aby stworzyć program dla zadania 2, i zastąp 35 fotografii z zadania 1 odpowiadającymi im rysunkami liniowymi.

2. Procedura rejestracji EEG

  1. Przygotowania
    1. Zrekrutować 10 zdrowych osób kontrolnych i 10 pacjentów z AS do eksperymentów EEG, zgodnie z wytycznymi lokalnej komisji etyki badań z udziałem ludzi/Instytucjonalnej Rady Przeglądowej (Institutional Review Board).
    2. Przeprowadź skróconą wersję testu WAIS-III31 do pacjentów z AS indywidualnie przed rozpoczęciem eksperymentów, a następnie dobrać grupę kontrolną tak, aby osoby te w jak największym stopniu odpowiadały pacjentom pod względem płci oraz wyników ilorazu inteligencji (IQ) w testach werbalnych i wykonawczych.
  2. Rejestracja EEG
    1. Posadź uczestnika na wygodnym krześle w wygłuszonej (słabo oświetlonej) komorze i ustaw krzesło tak, aby ekran komputera znajdował się 60 cm przed uczestnikiem. Po zapoznaniu uczestnika z procedurą eksperymentalną poproś go o wypełnienie formularzy zgody oraz odpowiedzi na kilka pytań dotyczących jego dominującej ręki.
    2. Do rejestracji EEG należy użyć czepka EEG z 132 elektrodami Ag/AgCl (w tym 122 elektrod EEG w systemie 10-10 oraz bipolarnych elektrod VEOG, HEOG, EKG i EMG, wraz z sześcioma kanałami mięśni twarzy). Czepek należy podłączyć do dwóch wzmacniaczy 64-kanałowych z analogowym filtrem pasmowoprzepustowym 0,1–100 Hz w celu cyfryzacji surowych danych EEG przy częstotliwości próbkowania 1 000 Hz.
    3. Załóż standardną czapeczkę EEG z 128 kanałami na głowę każdego uczestnika. Dopasuj czapeczkę tak, aby elektroda z oznaczeniem „reference” znajdowała się w pozycji „Cz”, która jest zlokalizowana względem punktów orientacyjnych linii środkowej przedniej/tylnej (t. j., środek odległości między nasionem a inionem), oraz do punktów orientacyjnych po lewej/prawej stronie (t. j., środek lewego/prawego przeciwprzewlekłego), zgodnie z międzynarodowym systemem EEG 10/10.
    4. Ostrożnie, za pomocą tępej igły, wstrzyknij żel przewodzący do wszystkich elektrod. Powoli mieszaj żel igłą wewnątrz elektrody, aby zapewnić dobry kontakt żelu pomiędzy skórą głowy a elektrodą (t. j., aby utrzymać impedancję poniżej 5 kΩ). Należy stale kontrolować stan kontaktu żelu przy elektrodach oznaczonych jako „reference” i „ground” na czepku EEG, aby upewnić się, że pomiar impedancji jest prawidłowy.
      1. Obserwuj impedancję elektrod, korzystając z ekranu impedancji elektrod obsługiwanego przez oprogramowanie do rejestracji EEG (np. SCAN 4.5 w niniejszym badaniu), który zazwyczaj towarzyszy systemowi EEG. Na ekranie elektrody są wyświetlane w kolorach, a różne kolory wskazują poziomy impedancji.
    5. Umieść jedną elektrodę HEOG w kąciku jednego oka (punkt dodatni), a drugą elektrodę w kąciku drugiego oka (punkt ujemny); jedną elektrodę VEOG powyżej, a drugą poniżej lewego oka; bipolarne elektrody EKG na grzbietach lewej i prawej dłoni; bipolarne elektrody EMG w przestrzeni między kciukiem a palcem wskazującym prawej dłoni oraz sześć elektrod twarzowych wokół brwi i policzków.
    6. Zapisz w notatniku te wadliwe kanały, w których impedancja przekracza 5 kΩ, lub zapisz bezpośrednio zrzut ekranu pokazujący impedancję na wszystkich elektrodach. Wykorzystaj te informacje w przyszłości do odrzucenia wadliwych kanałów na etapie przetwarzania danych EEG.
    7. Należy zarejestrować EEG w stanie spoczynku po poinstruowaniu uczestnika, aby zamknął oczy na 12 min. W tym czasie należy dwukrotnie sprawdzić jakość strumienia EEG w czasie rzeczywistym, wyświetlanego na ekranie za pomocą oprogramowania do rejestracji EEG.
      Uwaga: W warunkach z zamkniętymi oczami, w porównaniu z warunkami z otwartymi oczami, w kanałach potylicznych powinny występować wyraźne fale alfa. Jeśli fale alfa są zbyt zaszumione (pomijając kanały uszkodzone) lub zniekształcone, należy wrócić do kroku 2.2.4 i skorygować kontakt z żelem.
    8. Należy rozpocząć dwa zadania eksperymentalne w kolejności zrównoważonej (counter-balanced) pomiędzy uczestnikami. Rejestrację EEG należy rozpocząć, klikając ikonę nagrywania na ekranie w oprogramowaniu do rejestracji.
      1. Po zapoznaniu się z instrukcją zadania wyświetloną na ekranie, każdy uczestnik powinien wykonać 5 prób zapoznawczych, a następnie 30 prób właściwych. Zastosować taką samą procedurę zarówno dla zadań ze zdjęciami, jak i z rysunkami liniowymi. W instrukcji zadania należy zachęcić uczestników do jak najszybszego przypisania oceny emocjonalności bodźca w postaci twarzy.
      2. WAŻNE: Należy sprawdzić programy przygotowane w krokach 1.3.2 i 1.4.2 pod kątem poprawnego przesyłania do oprogramowania rejestrującego zdarzeń zsynchronizowanych czasowo z początkiem fiksacji wzroku w centrum, prezentacją bodźca twarzy oraz naciśnięciem przycisku GO podczas oceny emocjonalności. Czasy rozpoczęcia te są kodowane numerycznie i mogą być weryfikowane na ekranie obsługiwanym przez oprogramowanie rejestrujące.
        Uwaga: uczestnik może zrobić przerwę pomiędzy dwoma zadaniami. W trakcie przerwy nie rejestrowano sygnału EEG.
    9. użyj digitalizatora (np. digitizer 3D Polhemus FASTRAK (użyty w niniejszym badaniu), aby zarejestrować trójwymiarowe pozycje elektrod i zapisać je w pliku (np. (plik .3dd lub .dat) do korejestracji czapek EEG pomiędzy uczestnikami w analizie danych.
    10. Po zakończeniu badania EEG poproś uczestnika o wypełnienie kwestionariusza składającego się z 35 pytań, dotyczącego jego zachowań i odczuć podczas eksperymentu EEG (np., odczuwają negatywne emocje, prawie zasnęli), a następnie przekazać im wynagrodzenie za udział w eksperymencie.
    11. Zaprowadź uczestnika do łazienki, aby umyć i wysuszyć jego włosy.
    12. Oczyścić i wysterylizować czepek EEG zgodnie z instrukcjami klinicznymi.

3. Przetwarzanie danych EEG

Uwaga: Polecenia oprogramowania podane w tej sekcji są specyficzne dla programu EEGLAB.

  1. Przefiltruj sygnały EEG, stosując filtr górnoprzepustowy 1 Hz i filtr dolnoprzepustowy 50 Hz poprzez wywołanie funkcji pop_eegfilt.m32.
    Uwaga: W przypadku krajów, w których częstotliwość sieci elektrycznej wynosi 50 Hz, należy zastosować filtr dolnoprzepustowy 40 Hz
  2. Odrzuć kanały wadliwe o impedancji wyższej niż 5 kΩ po sprawdzeniu impedancji elektrod zarejestrowanej w kroku 2.2.6. Odrzuć kanały wadliwe o widmie mocy znacząco różniącym się od kanałów sąsiednich poprzez wizualną inspekcję cech widma mocy (np. wartości maksymalnej, krzywizny itp.) w każdym kanale.
    1. Oblicz i wykreśl widmo mocy sygnału EEG poprzez wywołanie funkcji pop_spectopo.m32.
  3. Wykonaj ponowne odniesienie (re-referencing) sygnałów EEG do średniej z kanałów mózgowych z pominięciem kanałów wadliwych poprzez wywołanie funkcji pop_reref.m.
  4. Podziel zapisy EEG na epoki zsynchronizowane z bodźcem, z których każda obejmuje zakres od -2,0 s przed do 1,5 s po wystąpieniu bodźca. Skoryguj linię bazową (od -2,0 do -1,2 s przed wystąpieniem bodźca) poprzez odjęcie średniej z wartości linii bazowej od każdej epoki.
    1. Wywołaj odpowiednio funkcje pop_epoch.m oraz pop_rmbase.m. Wybierz interwał linii bazowej przed okresem centralnej fiksacji wzroku i wystąpieniem bodźca w postaci twarzy.
  5. Oznacz epoki wadliwe, które wydają się zawierać artefakty. Odrzuć epoki wadliwe, zachowując epoki zanieczyszczone mrugnięciami oczu. Epoki z artefaktami zazwyczaj wyglądają na zaszumione lub mają ekstremalnie wysoką wartość szczytową (np. wyższą niż 100 µV) w porównaniu z typowymi epokami.
    1. Wywołaj funkcję pop_rejmenu.m, aby uruchomić procedurę półautomatyczną. Pojawi się okno interakcji, umożliwiające użytkownikowi ponowne potwierdzenie automatycznie wybranych epok wadliwych poprzez inspekcję wizualną. Chociaż większość epok jest zanieczyszczona mrugnięciami oczu, epoki te można tymczasowo zachować do późniejszego usunięcia za pomocą analizy niezależnych komponentów (ICA)33 w kroku 3.8.
  6. Po odrzuceniu kanałów i epok wadliwych, przeprowadź analizę ICA na oczyszczonych danych EEG przy użyciu funkcji pop_runica.m.
  7. Spośród oszacowanych komponentów niezależnych (IC) zidentyfikuj artefakty wynikające z ruchów/mrugnięć oczu, aktywności mięśniowej, tętna oraz zakłóceń sieciowych32.
    Uwaga: Znacząco wysoka korelacja (R2 >0,9) między wartościami IC danego komponentu a wartościami wszystkich kanałów referencyjnych (VEOG, HEOG, EKG i kanały twarzowe) wskazuje, że komponent ten wynika głównie z artefaktów. Oszacowane wartości IC wyjaśnione przez artefakty można usunąć za pomocą analizy regresji wielokrotnej.
  8. Usuń komponenty IC będące artefaktami i oszacuj czyste sygnały EEG, które są pochodną iloczynu macierzy mieszania ICA i macierzy wartości IC oczyszczonej z artefaktów. Zapisz czyste sygnały EEG do dalszej analizy.
    1. W macierzy wartości IC zachowaj reszty z predykcji komponentów IC artefaktów (R2 >0,9) z referencyjnych kanałów VEOG, HEOG, EKG i kanałów twarzowych. Usuń pozostałe komponenty IC artefaktów za pomocą funkcji pop_subcomp.m. Funkcja ta zwraca sygnały EEG oczyszczone z artefaktów.

4. Analiza statystyczna

  1. Podziel kanały EEG na jedenaście jednorodnych obszarów, aby zmniejszyć liczbę porównań statystycznych w analizach ERP i ERSP, tj.: lewy przedczołowy (10 kanałów), środkowy przedczołowy (14) i prawy przedczołowy (10); lewy skroniowy (13) i prawy skroniowy (13); lewy centralny (9), środkowy centralny (14) i prawy centralny (9); lewy ciemieniowo-potyliczny (9), środkowy ciemieniowo-potyliczny (12) i prawy ciemieniowo-potyliczny (9), jak pokazano na Ryc. 4. Obszary te zostały zdefiniowane zgodnie z anatomią funkcjonalną kory34. Jednorodność funkcjonalna sygnałów EEG w tych obszarach została potwierdzona w różnych eksperymentach13,35,36.

Schemat czuciowych obszarów mózgu, kolorowy diagram ilustrujący mapowanie somatosensoryczne.
Rycina 4. Podział kanałów. Kanały są podzielone na jedenaście regionów. LF: lewy czołowy (10 kanałów), MF: środkowy czołowy (14), RF: prawy czołowy (10), LT: lewy skroniowy (13), RT: prawy skroniowy (13), LC: lewy centralny (9), MC: środkowy centralny (14), RC: prawy centralny (9), LP: lewy potyliczno-ciemieniowy (9), MP: środkowy potyliczno-ciemieniowy (12), RP: prawy potyliczno-ciemieniowy (9). Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Wczytaj oczyszczone zapisy EEG z kroku 3.8. Oblicz ERP dla poszczególnych kanałów poprzez uśrednienie sygnałów z epok w każdym kanale oraz ERP regionalne poprzez uśrednienie ERP w obrębie tego samego regionu.
    Uwaga: Gdy zapisy EEG są wczytywane za pomocą funkcji pop_loadset.m w EEGLAB, sygnały są przechowywane w zmiennej strukturalnej „EEG.data” w tablicy o wymiarach kanał-czas-epoka.
    1. W oknie poleceń Matlab oblicz ERP dla kanałów, uśredniając EEG.data w obrębie epok dla każdego kanału (np. channelERP = mean(EEG.dat,3)). Oblicz regionalne ERP poprzez uśrednienie ERP kanałów w obrębie każdego regionu zgodnie z podziałem z punktu 4.1 (np. regionalERP = mean(channelERP(index,:),1), gdzie „index” oznacza indeksy kanałów w danym regionie).
  2. Oblicz ERSP dla kanałów, stosując transformację czasowo-częstotliwościową (np. transformację falkową) do sygnałów epok w każdym kanale, oraz regionalne ERSP poprzez uśrednienie ERSP kanałów w tym samym regionie.
    1. Wykonaj transformację czasowo-częstotliwościową, wywołując funkcję pop_newtimef.m.
      Uwaga: W niniejszym badaniu wpis „wavelet cycles” ustawiono na [1, 0.5], a „baseline” na [-2,000 do -1,200] msec. Wynikowe ERSP dla kanałów zostaną zapisane w tablicy o wymiarach częstotliwość-czas-kanał.
    2. W oknie poleceń Matlab oblicz regionalne ERSP, uśredniając ERSP w obrębie kanałów w każdym regionie zgodnie z podziałem z punktu 4.1 (np. regionalERSP = mean(channelERSP(:,:,index),3), gdzie „channelERSP” jest wynikiem funkcji pop_newtimef.m, a „index” oznacza indeksy kanałów w danym regionie).
  3. Oblicz wartości średnie w różnych przedziałach czasowych (np. 50-150, 150-250, 250-350, 350-450 msec) dla regionalnych ERP. Oblicz wartości średnie w różnych przedziałach czasowo-częstotliwościowych (np. 50-150, 150-250, 250-350, 350-450, 450-800 msec w zakresie 1-7 Hz oraz 200-800 msec w zakresie 8-30 Hz) dla regionalnych ERSP.
  4. Zastosuj analizę MANOVA w oprogramowaniu statystycznym (np. IBM SPSS) dla wartości średnich regionalnych ERP i ERSP, aby ocenić efekty główne dla zadania (fotografia vs rysunek liniowy), regionu (jedenaście regionów skóry głowy) i grupy (AS vs kontrolna), a także efekty interakcji między zadaniem, regionem i grupą.
    1. W analizie statystycznej uwzględnij płeć (mężczyzna vs kobieta) jako współzmienną i oszacuj efekty główne oraz interakcje, utrzymując efekt płci na stałym poziomie.

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

Wyniki

Średnie wyniki IQ werbalnego i wykonawczego dla grupy kontrolnej oraz grupy z AS przedstawiono w Tabeli 1, wraz ze średnimi czasami reakcji i średnimi ocenami emocjonalności twarzy dla obu grup. W tabeli żadna z różnic między grupami nie osiągnęła istotności statystycznej, z wyjątkiem twarzy neutralnych w zadaniu z rysunkami liniowymi, gdzie grupa z AS uzyskała średni wynik bliski zeru (p <0.001)13. Co ciekawe, grupa z AS nadal wykazuje nieco dłuższ...

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

Dyskusja

W piśmiennictwie znajdują się badania nad rozpoznawaniem emocji twarzy u pacjentów z autyzmem na podstawie analizy reakcjiEEG 44 oraz nad rozpoznawaniem treści o wysokiej i niskiej częstotliwości przestrzennej za pomocą bodźców wzrokowych43. Jednakże, zgodnie z naszą najlepszą wiedzą, brakuje istniejących prac nad aktywnością oscylacyjną mózgu, która łączyłaby rozpoznawanie emocji z wyraźnymi treściami częstotliwości przestrzennych. Nasz protokół jest pierwszym krokiem w kierunku oszacowania wpływu ...

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

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

To badanie było wspierane przez granty MOST102-2410-H-001-044 i MOST103-2410-H-001-058-MY2 dla M. Liou oraz RSF-14-15-00202 dla A.N. Savostyanov. Przy wsparciu Rosyjskiej Fundacji Naukowej (RSF) wykorzystano opracowanie eksperymentalnego paradygmatu rozpoznawania twarzy.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Synamps 2/RT 128-kanałowy EEG/EP/ERPNeuroscan
Quik-CapEEG 128 elektrodNeuroscan
GelQuik-Gel
FASTRAK Digitizer 3DPolhemus 

Bibliografia

  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).

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

Przedruki i uprawnienia

Tagi

Zesp Aspergeraprzetwarzanie emocji z twarzyeksperyment EEGreprezentacja wiadoma i nie wiadomakomponent N400funkcja cia a migda owategocz stotliwo przestrzennarozpoznawanie emocji z twarzyzadanie z rysunkami liniowymizadanie z fotografiami
Świadome i nieświadome reprezentacje twarzy emocjonalnych w zespole Aspergera
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki Korzystania

Zasady

Copyright © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.