Zadanie związane z potencjałem związanym ze zdarzeniami semantycznego torowania (ERP) do badania przetwarzania leksycyczno-semantycznego i wzrokowo-semantycznego w zaburzeniach ze spektrum autyzmu

Podsumowanie

Ten artykuł opisuje zadanie ERP oparte na semantycznym torowaniu, wykorzystujące pary obrazów i słów w obrębie modalności do badania przetwarzania semantycznego u osób z zaburzeniami ze spektrum autyzmu (ASD).

Streszczenie

Osoby z zaburzeniami ze spektrum autyzmu (ASD) mają charakterystyczne deficyty w rozumieniu znaczenia języka lub przetwarzania semantycznego. Jednak niektóre dowody wskazują, że semantyczne przetwarzanie bodźców niejęzykowych jest nienaruszone, co sugeruje, że deficyty semantyczne mogą być specyficzne dla języka. Aby właściwie scharakteryzować deficyty przetwarzania semantycznego u osób z ASD, konieczne jest porównanie wewnątrzmodalnych bodźców językowych (np. słowa pisane) i niejęzykowych (np. obrazy). W artykule opisano taką metodologię, która wykorzystuje paradygmat torowania semantycznego podczas jednoczesnego rejestrowania danych elektroencefalograficznych (EEG). EEG zapewnia dynamiczną miarę aktywności mózgu, która jest dobrze dopasowana do charakteryzowania subtelnych różnic w przetwarzaniu semantycznym, które mogą nie być obserwowane na poziomie behawioralnym. Paradygmat torowania semantycznego przedstawia obraz lub słowo pierwsze (np. pies), po którym następuje docelowy obraz lub słowo, które jest związane (np. kot) lub niezwiązane (np. ołówek) z liczbą pierwszą. Paradygmat ten może być zatem wykorzystany do oceny przetwarzania semantycznego w różnych modalnościach oraz do porównania zdolności przetwarzania leksyko-semantycznego i wzrokowo-semantycznego u osób z ASD oraz tego, jak mogą się one różnić od osób z TD. Omówiono konkretne etapy związane z tworzeniem bodźców, wykonywaniem badania EEG i analizą danych EEG. Reprezentatywne wyniki ilustrują, w jaki sposób komponent N400 potencjału związanego ze zdarzeniem (ERP) jest redukowany w wyniku semantycznie powiązanych par prime-target w porównaniu z parami niepowiązanymi. Porównania N400 między warunkami, modalnościami i grupami mogą dostarczyć szacunków dotyczących sukcesu przetwarzania semantycznego, a tym samym mogą być wykorzystane do scharakteryzowania deficytów semantycznych u osób z ASD lub innych populacji klinicznych.

Wprowadzenie

Badacze zajmujący się psychologią poznawczą od dawna interesują się tym, jak ludzie rozumieją znaczenie języka. Przetwarzanie języka obejmuje sekwencję kroków o rosnącym stopniu złożoności, od rozpoznawania liter i słów, przez przetwarzanie semantyczne, po analizowanie składniowe. Przetwarzanie semantyczne odnosi się do uzyskiwania dostępu do znaczenia bodźca, czy to słowa, obrazu czy dźwięku. Podążając za wczesnymi krokami początkowego rozpoznawania słów, dostęp do znaczenia słowa lub semantyki jest kluczowym krokiem w przetwarzaniu języka. Integracja semantyczna odnosi się do procesu integrowania znaczenia bodźców w celu zrozumienia ich relacji i ma kluczowe znaczenie dla przetwarzania języka wyższego poziomu, takiego jak rozumienie zdań. Nie tylko znaczenie każdego słowa w zdaniu musi być dostępne, ale znaczenia każdego pojedynczego słowa muszą być zintegrowane, aby stworzyć spójne zrozumienie znaczenia zdania lub "sedna".

Osoby z zaburzeniami ze spektrum autyzmu (ASD) często mają znaczne deficyty w rozumieniu języka¹. Istnieją pewne dowody sugerujące, że trudności te wynikają z deficytów w przetwarzaniu i integracji semantycznej^2,3,4. Jednak inne badania sugerują, że osoby z ASD nie wykazują deficytów przetwarzania semantycznego, gdy materiały są prezentowane w modalnościach niejęzykowych (np. wzrokowych lub słuchowych)^3,5,6. Takie odkrycia sugerują, że deficyty przetwarzania semantycznego w ASD mogą być ograniczone do modalności językowych (tj. pisanych lub mówionych). W związku z tym podejścia, które kontrastują różne modalności, mogą dostarczyć informacji na temat zakresu, w jakim deficyty przetwarzania semantycznego są specyficzne dla danej dziedziny lub wskazują na wszechobecny styl przetwarzania. Celem artykułu jest opisanie metodologii porównywania przetwarzania semantycznego między różnymi modalnościami za pomocą zadania torowania semantycznego podczas jednoczesnej rejestracji elektrofizjologicznej.

Paradygmat torowania semantycznego ma długą historię w badaniach nad tym, jak przetwarzanie semantyczne wpływa na rozpoznawanie słów niższego poziomu^7,8. W tradycyjnych zadaniach torowania semantycznego prezentowane jest słowo pierwsze (np. kot), po którym następuje słowo docelowe, które jest semantycznie związane (np. pies) lub niezwiązane (np. książka) z liczbą pierwszą. Takie zadanie jest często wykonywane w kontekście leksykalnego zadania decyzyjnego, w którym uczestnicy są proszeni o określenie, czy słowo docelowe jest prawdziwym słowem, czy nie. Inne paradygmaty mogą wymagać od uczestników wykonania zadania kategoryzacji semantycznej słowa docelowego lub oceny, czy te dwa bodźce są powiązane, czy nie. Niezależnie od konkretnego zadania, dziesięciolecia dowodów wykazały, że czasy reakcji (RT) są szybsze w przypadku słów semantycznie związanych z liczbą pierwszą w porównaniu z tymi, które nie są powiązane.

Ten "semantyczny efekt torowania" został przypisany wielu mechanizmom w teoretycznych ujęciach^7,8. Jednym z nich jest to, że efekt torowania jest spowodowany automatyczną aktywacją rozprzestrzeniania się przez sieć semantyczną, tak że odzyskanie znaczenia pierwszego słowa aktywuje znaczenie innych semantycznie powiązanych słów, w tym słowa docelowego. To z kolei skraca czas potrzebny na semantyczną aktywację słowa docelowego. Drugim teoretycznym mechanizmem jest mechanizm oczekiwania, który zakłada, że po zobaczeniu pierwszego słowa uczestnicy generują oczekiwany zestaw potencjalnych celów. Słowa docelowe, które znajdują się w tym zestawie, są wtedy szybciej rozpoznawane. Wreszcie, inni postulują istnienie postleksykalnego mechanizmu dopasowania semantycznego, który ustanawia istnienie semantycznego związku między słowem pierwszym a docelowym. Niezależnie od konkretnego mechanizmu leżącego u podstaw efektu, torowanie semantyczne może być użytecznym wskaźnikiem przetwarzania i integracji semantycznej. Ten paradygmat nie ogranicza się również do bodźców leksykalnych i może być również używany do badania semantycznego torowania bodźców niejęzykowych, takich jak obrazy⁹, a także torowania semantycznego międzymodalnego (np. między słowami a obrazami)³.

Efekty torowania semantycznego zostały dobrze zbadane w literaturze psycholingwistycznej i zostały zbadane pod kątem rodzaju relacji liczba pierwsza - cel, czasu prezentacji liczby pierwszej i docelowej oraz wielu innych manipulacji⁸. Elektrofizjologiczne korelaty tego efektu zostały również dobrze scharakteryzowane¹⁰. Elektroencefalografia (EEG) to metoda rejestrowania aktywności neuronalnej poprzez zmiany aktywności elektrycznej mierzone na skórze głowy. EEG jest użytecznym wyborem metodologii dla paradygmatu torowania semantycznego, ponieważ ma bardzo dobrą rozdzielczość czasową (rzędu milisekund, ms) i może tym samym zapewnić subtelne różnice w przetwarzaniu semantycznym między warunkami lub grupami, nawet przy braku efektów behawioralnych lub reakcji.

Potencjały związane ze zdarzeniami (ERP) to zablokowane w czasie zmiany w EEG, które powstają w odpowiedzi na określony bodziec lub zachowanie. W zależności od czasu i polaryzacji odpowiedzi, różne komponenty ERP odzwierciedlają różne aspekty przetwarzania poznawczego. Komponent N400 jest dobrze znanym wyznacznikiem przetwarzania semantycznego i integracji semantycznej^11,12 (chociaż istnieje kilka innych interpretacji^10,13). Amplituda N400 jest zmniejszana, gdy integracja semantyczna jest łatwiejsza (na przykład gdy liczba pierwsza i docelowa w paradygmacie torowania semantycznego są semantycznie powiązane) w porównaniu z sytuacją, gdy integracja semantyczna jest trudniejsza (na przykład gdy dwa słowa nie są ze sobą powiązane). Co ważne, różnica amplitudy między warunkami powiązanymi i niepowiązanymi (tj. "efekt N400") nie jest specyficzna dla języka. Efekty N400 obserwuje się również w modalnościach niejęzykowych, takich jak odpowiedzi na pary semantycznie powiązanych i niepowiązanych obrazów lub dźwięków otoczenia^14,15,16,17. N400 jest zatem użytecznym komponentem ERP dla celów obecnego paradygmatu, ponieważ może być używany jako niezależne od modalności oszacowanie zdolności przetwarzania semantycznego i integracji.

Osoby z ASD wykazują zmniejszone lub nieobecne efekty semantycznego torowania i efekty N400 w odpowiedzi na bodźce językowe^2,3,4, co sugeruje upośledzenie przetwarzania semantycznego. Takie efekty stwierdzono w odpowiedzi na bodźce wzrokowo-semantyczne i audio-semantyczne^3,5,6, co potwierdza twierdzenie, że przetwarzanie semantyczne jest selektywnie upośledzone dla bodźców językowych. Jednak większość wcześniejszych badań porównujących modalności wykorzystywała torowanie międzymodalne, tak że para prime-target zawiera bodziec leksykalny. Biorąc pod uwagę propozycję, że osoby z ASD mają deficyty w semantycznym przetwarzaniu bodźców językowych, takie bodźce intermodalne mogły mieć wpływ na wyniki. Aby naprawdę zbadać, czy semantyczne przetwarzanie języka jest selektywnie upośledzone u osób z ASD, należy użyć par bodźców leksykalnych i nieleksykalnych w obrębie modalności. W niedawnym badaniu Coderre i wsp.⁶ dostarczył pierwszego bezpośredniego porównania semantycznego torowania słów i obrazów w ramach modalności w celu zbadania deficytów przetwarzania semantycznego u dorosłych (w wieku 18-68 lat) z ASD. Uczestnicy z ASD i typowo rozwijający się (TD) oglądali pary obrazków i słów i zostali poproszeni o ocenę, czy bodźce są powiązane, czy nie. Podczas tego zadania semantycznego torowania aktywność ich mózgu była rejestrowana za pomocą EEG. Porównując efekty N400 między grupami i modalnościami, paradygmat ten dostarczył wglądu w naturę przetwarzania semantycznego u osób z ASD.

Celem tego artykułu jest opisanie metodologii ERP stosowanej przez Coderre et al.⁶. Chociaż ten paradygmat został początkowo wdrożony do badania przetwarzania semantycznego u dorosłych z ASD, może okazać się przydatny dla wszystkich eksperymentatorów chcących zbadać neuronalne korelaty przetwarzania leksyko-semantycznego i wzrokowo-semantycznego, zarówno u osób TD, jak i w określonych populacjach klinicznych.

Protokół

Wszystkie opisane tutaj metody zostały zatwierdzone przez Institutional Review Board Uniwersytetu Johnsa Hopkinsa, gdzie przeprowadzono oryginalne badanie⁶.

1.Tworzenie bodźców

1. Utwórz początkową listę rzeczowników konkretnych, z których zostaną utworzone pary liczb pierwszych-cel.
   1. Z wybranego korpusu, takiego jak Subtlex¹⁹, wybierz około 500 konkretnych rzeczowników i uzyskaj interesujące zmienne (np. częstotliwość, długość, konkretność, obrazowość itp.) dla każdego słowa.
      UWAGA: Można również korzystać z innych korpusów, takich jak Medical Research Council (MRC) Psycholinguistic Database¹⁸ lub Corpus of Contemporary American English²⁰. Subtlex został użyty w pierwotnym badaniu, ponieważ ta baza danych jest po prostu dużym plikiem Excela, a tym samym łatwo pozwala na wyszukiwanie generowania bodźców. Inne korpusy mają różne interfejsy graficzne i mogą wymagać od użytkownika wprowadzenia określonego ciągu tekstowego w polu wprowadzania i sprawdzenia żądanych zmiennych.
2. Przeprowadzanie utajonej analizy semantycznej (LSA) między bodźcami w celu ustalenia pokrewieństwa semantycznego
   1. Wybierz metodę lub narzędzie LSA. Przydatne narzędzie online jest dostarczane przez Colorado University Boulder (http://lsa.colorado.edu/).
      1. Na głównej stronie docelowej kliknij Porównanie matrycy.
      2. Wprowadź poszczególne słowa do porównania, oddzielając je pustym wierszem.
      3. Kliknij przycisk Prześlij teksty.
   2. Korzystając z arkusza kalkulacyjnego, utwórz macierz wartości LSA między każdym słowem a każdym innym.
3. Podziel bodźce na stany powiązane i niepowiązane na podstawie LSA (Rysunek 1A).
   1. Ręcznie wybierz 200 par słów o wysokich wartościach LSA (około 0,5 lub więcej) dla warunku "powiązany".
   2. Ręcznie wybierz 200 par słów o niskich wartościach LSA (około 0,1 lub niższych) dla warunku "niepowiązany".
      UWAGA: Eksperymentator może być zmuszony do ręcznego sprawdzenia par słów, aby upewnić się, że relacja semantyczna ma sens dla kategorii. Niektóre pary słów mogą mieć wysokie oceny LSA, ale pokrewieństwo semantyczne może nie być od razu widoczne dla uczestników. Podobnie, niektóre mogą mieć niskie oceny LSA, ale mogą być semantycznie powiązane w inny sposób.
   3. Tworząc pary powiązane i niepowiązane, ręcznie dopasuj słowa pod względem częstotliwości, długości i wszelkich innych zmiennych, które zostały uznane za istotne w literaturze (np. kierunek skojarzenia^7,8) lub które są interesujące dla konkretnego badania. Dopasuj słowa tak ściśle, jak to możliwe, do interesujących zmiennych (np. w obrębie 1-2log10 jednostek częstotliwości; w obrębie 1-2 liter lub sylab).
4. Podziel bodźce na modalności słowne i obrazkowe (Rysunek 1A).
   1. W pliku bodźca w arkuszu kalkulacyjnym dodaj kolejną kolumnę "warunek".
   2. W kolumnie "warunek" oznacz 100 powiązanych par i 100 niepowiązanych par jako warunek "obraz". Oznacz pozostałe bodźce jako warunek "słowny".
5. Uzyskaj bodźce obrazowe.
   UWAGA: Bodźce obrazowe mogą być uzyskiwane ze źródeł internetowych (np. wyszukiwarek grafiki Google) lub z innych źródeł dostępnych dla eksperymentatora.
   1. Wybierz od 2 do 3 obrazków, które będą reprezentować każde słowo.
   2. Przeprowadź wstępne testy pilotażowe, prosząc jednego lub więcej niezależnych oceniających (np. studentów, asystentów badawczych, którzy nie byli zaangażowani w rozwój bodźca) o podjęcie decyzji, który obraz najlepiej reprezentuje koncepcję.
      1. Otwórz wszystkie potencjalne pliki obrazów jednocześnie za pomocą programu do przeglądania zdjęć, a następnie przeczytaj słowo na głos i poproś oceniającego o wybranie najbardziej reprezentatywnego obrazu. Rejestruj odpowiedzi każdego oceniającego dla każdego słowa.
      2. Dla każdego słowa zidentyfikuj obraz, który większość oceniających wybrała jako najlepiej reprezentujący koncepcję, i użyj tego pliku jako bodźca dla tego słowa. Jeśli nie ma większości, wybierz inną tablicę obrazów i powtórz krok 1.5.
   3. Korzystając z GIMP (lub innego wybranego programu do edycji zdjęć), przeskaluj zdjęcia tak, aby miały ten sam rozmiar (około 400 pikseli lub 3–5 cali wysokości lub szerokości).
      UWAGA: Dokładny rozmiar zdjęć może się różnić w zależności od wielkości monitora, na którym będą prezentowane bodźce. Kąt poziomy i wzrokowy bodźców powinien wynosić od 7 do 13°.
6. Przeprowadzanie testów pilotażowych
   1. Przetestuj pilotażowe pary słów i obrazów, prosząc 3-4 niezależnych oceniających (np. studentów, asystentów naukowych, którzy nie byli zaangażowani w rozwój bodźców) o ocenę każdej pary jako powiązanej lub niepowiązanej.
      1. Zaprogramuj eksperyment w E-Prime (lub innym wybranym programie do prezentacji bodźców) tak, aby prezentował oba słowa na ekranie jednocześnie, jedno nad drugim lub obok siebie. Poproś uczestników, aby ocenili słowa jako powiązane lub niepowiązane, naciskając przycisk (np. 1 dla powiązanych, 2 dla niepowiązanych). Zobacz E-Prime manual²¹, aby uzyskać szczegółowe informacje na temat programowania eksperymentu w tym pakiecie oprogramowania.
         UWAGA: Testy pilotażowe mogą odbywać się w laboratorium, w którym będą przeprowadzane testy eksperymentalne, lub na dowolnym komputerze, na którym uruchomiony jest program prezentacji bodźców. Nie jest wymagane żadne specjalne pomieszczenie.
      2. Powtórz testy pilotażowe (z nowymi niezależnymi oceniającymi, którzy nie widzieli bodźców), aż uzyskasz zestaw słów i obrazów z wiarygodnymi ocenami powiązanych i niepowiązanych. Uzyskaj łącznie 100 powiązanych par słów, 100 niepowiązanych par słów, 100 powiązanych par obrazów i 100 niepowiązanych par obrazów.
         UWAGA: Zasugerowano, że badacze korzystający z komponentu N400 do badania funkcji poznawczych w populacjach klinicznych powinni zebrać co najmniej 40 użytecznych badań klinicznych na każdy typ badania, aby uzyskać wiarygodny efekt²². Przewidując, że niektóre badania zostaną utracone podczas procesu czyszczenia danych, należy zwiększyć liczbę prób uwzględnionych w paradygmacie. We wcześniejszych pracach wykorzystujących ten specyficzny paradygmat ⁶, 100 prób na typ próby było więcej niż wystarczające, aby zapewnić silne efekty N400 zarówno na poziomie indywidualnym, jak i grupowym. Ze względu na to, że komponent N400 jest podobny pod względem słów i obrazów¹⁰, zaleca się, aby ta szacowana liczba typów prób była spójna między modalnościami.
      3. Zachowaj dodatkowe 8 par (4 słowa, 4 obrazki) na sesję treningową (patrz krok 2.2.1 poniżej)

2. Programowanie zadań

1. Twórz listy bodźców.
   1. Z ostatniego zestawu bodźców posortuj bodźce na 8 bloków. Modalność (obraz/słowo) powinna być zablokowana (po 4 bloki każdy).
   2. W każdym bloku zapewnij równą liczbę powiązanych i niepowiązanych bodźców.
   3. Ręcznie pseudolosowo dobieraj listy prezentacji w każdym bloku tak, aby nie było więcej niż 5 powiązanych lub niepowiązanych bodźców z rzędu, a pary obok siebie nie były semantycznie powiązane. Unikaj prób takich jak "marchewka-brokuł", "jabłko-gruszka" bezpośrednio obok siebie.
2. Zaprogramuj zadanie za pomocą E-Prime lub innego wybranego oprogramowania do prezentacji bodźców.
   UWAGA: Opisane tutaj kroki są specyficzne dla E-Prime i NetStation i będą się różnić, jeśli używane jest inne oprogramowanie do prezentacji bodźców lub oprogramowanie do akwizycji EEG. Proszę zapoznać się z podręcznikiem E-Prime²¹ oraz E-Prime Extensions for NetStation tutorial²³, aby uzyskać bardziej szczegółowe informacje na temat programowania eksperymentu EEG w tym pakiecie oprogramowania i jak włączyć komunikację między E-Prime a NetStation.
   1. Zaprogramuj dwie sesje ćwiczeniowe dla bloków obrazkowych i słownych (po 4 pary każdy), które należy wykonać przed rozpoczęciem testów eksperymentalnych.
   2. Zaprogramuj ekran instrukcji na początku sesji treningowej tak, aby brzmiał: "Zobaczysz dwa słowa przedstawione na ekranie jedno po drugim. Staraj się siedzieć tak nieruchomo, jak to możliwe i nie mrugać podczas wypowiadania słów. Po zaprezentowaniu pary na ekranie pojawi się krzyżyk. Kiedy zobaczysz krzyżyk, wskaż, czy słowa były powiązane, czy nie. Naciśnij przycisk 1, jeśli słowa SĄ powiązane. Naciśnij przycisk 2, jeśli słowa NIE są ze sobą powiązane. Naciśnij dowolny, aby rozpocząć sesję treningową."
   3. Dla każdego z bodźców słownych kliknij dwukrotnie ikony TextDisplay w strukturze eksperymentu. Kliknij ikonę Właściwości w lewym górnym rogu. Na karcie Czcionka wybierz opcję Courier Nowy rozmiar czcionki 28. Na karcie Ogólne wybierz opcję ForeColor jako i BackColor jako biały, aby przedstawić słowa czarną czcionką na białym tle.
      UWAGA: Konkretny rozmiar czcionki może wymagać zmiany w zależności od rozmiaru i rozdzielczości monitora używanego do prezentacji. Poziomy kąt widzenia słów powinien wynosić od 1 do 6°.
   4. Dla każdego z bodźców obrazkowych kliknij dwukrotnie ikony slajdów w strukturze eksperymentu. Kliknij ikonę Właściwości w lewym górnym rogu. Na karcie Ogólne wybierz opcję BackColor jako biały, aby przedstawić obrazy na białym tle.
   5. Zaprogramuj każdą próbę tak, aby prezentowała następujące bodźce w następującej kolejności: czerwony krzyż fiksacji przed próbą (400 ms); bodziec 1 (1000 ms); interwał międzybodźcowy (pusty biały ekran; 300 ms); bodziec 2 (1000 ms); pusty ekran (400 ms); interwał międzypróbny (krzyż fiksacji; losowo wahany między 1000–1400 ms w odstępach 100 ms, średnia 1200 ms); patrz Rysunek 1B. Aby ustawić czas trwania, kliknij dwukrotnie ikonę TextDisplay lub Slide w strukturze eksperymentu i naciśnij przycisk Właściwości w lewym górnym rogu okna. Ustaw czas trwania na karcie Czas trwania/Wejście.
      UWAGA: Pusty ekran jest dołączany przed interwałem międzypróbnym, aby zapewnić wizualną przerwę między drugim bodźcem a czarnym krzyżykiem oraz zapewnić subtelną podpowiedź dla nadchodzącej oceny pokrewieństwa semantycznego.
   6. Zaprogramuj obiekt TextDisplay o nazwie "Break" po zakończeniu każdego bloku, mówiąc "End of block, please take a break" (Koniec bloku, zrób przerwę)
3. Uwzględnij parametry komunikacji między E-Prime a NetStation. Zobacz E-Prime Extensions for NetStation manual²³, aby uzyskać szczegółowe instrukcje dotyczące dołączania tych informacji.
   1. Dla każdego obiektu wyświetlanego tekstu "word1" lub "word2" wybierz obiekt w strukturze Experiment. W oknie "Właściwości" ustaw tag odpowiednio jako "WRD1" lub "WRD2".
   2. Dla każdego obiektu slajdu "picture1" lub "picture2" ustaw znacznik odpowiednio jako "PIC1" lub "PIC2".
   3. W sekcji "E-Objects bez odwołań" utwórz nową listę o nazwie "CellList". Wprowadź numery komórek jako: 1 = związane z obrazem; 2 = obraz niepowiązany; 3 = związane ze słowem; 4 = słowo niepowiązane. Na liście prób dla każdego bloku umieść kolumnę o nazwie "NumerKomórki" i wprowadź odpowiednie numery komórek dla każdej próby zgodnie z warunkiem i modalnością.

3. Badanie EEG

UWAGA: Opisane tutaj procedury dotyczą systemu EGI. Procedury mogą się różnić, jeśli używane są inne systemy.

1. Przygotuj się do badania EEG.
   1. Wymieszaj 2 łyżeczki (10 g) chlorku potasu z 1 litrem (1 l) wody i 1 łyżką stołową (15 ml) szamponu dla dzieci w przezroczystym plastikowym wiadrze, aby uzyskać roztwór elektrolitu
   2. Zmierz obwód głowy uczestnika, przechodzący przez wgłębienie i nasiona, aby określić odpowiedni rozmiar siatki. Wybierz odpowiedni rozmiar siatki w zależności od obwodu głowy uczestnika.
   3. Zanurz elektrody w roztworze elektrolitu, upewniając się, że wszystkie gąbki są całkowicie zanurzone, i pozostaw do namoczenia przez co najmniej 5 minut.
2. Zastosuj siatkę EEG.
   1. Niech uczestnik usiądzie wygodnie na krześle, przodem do eksperymentatora. Wyjaśnij uczestnikowi, że teraz założysz siatkę, a następnie ją wyregulujesz i sprawdzisz sygnał przed rozpoczęciem testu.
   2. Ułóż ręczniki na ramionach uczestnika. Poinstruuj uczestnika, aby zamknął oczy, a następnie przyłóż siatkę do głowy uczestnika. Wyreguluj siatkę i zaciśnij opaski, aby zapewnić dokładne dopasowanie do głowy uczestnika.
   3. Przejdź przez wszystkie elektrody, aby przyłożyć je do skóry głowy. Użyj zamaszystego ruchu elektrodą, aby odsunąć włosy. W razie potrzeby zwilż gąbki za pomocą pipety.
   4. Po osadzeniu wszystkich elektrod sprawdź impedancje. Ponownie umieść lub ponownie zwilż wszystkie elektrody o impedancji powyżej 50 kiloomów (kΩ).
3. Przeprowadź eksperyment z torowaniem semantycznym podczas rejestracji EEG.
   1. Po zastosowaniu siatki, impedancje zostały sprawdzone, a uczestnik jest gotowy do rozpoczęcia, rozpoczęcia zadania torowania semantycznego.
   2. Powtórz instrukcje uczestnikom przed testem. Poinstruuj uczestników, aby ocenili, czy bodźce słowne lub obrazowe są powiązane, czy nie, naciskając przycisk na klawiaturze lub polu przycisków. Aby uniknąć zakłóceń motorycznych zakłócających sygnał EEG, poinstruuj uczestników, aby poczekali z odpowiedzią, aż drugi bodziec zniknie z ekranu i pojawi się krzyżyk.
   3. Przeprowadź sesję ćwiczeniową co najmniej raz, aby upewnić się, że uczestnicy rozumieją zadanie.
   4. Po każdych 2 blokach, podczas przerwy, ponownie zwilż elektrody i ponownie sprawdź impedancje.

4. Wstępne przetwarzanie EEG

1. Otwórz narzędzia NetStation.
   UWAGA: Opisane tutaj kroki są specyficzne dla przetwarzania wstępnego w NetStation 5. Zobacz podręcznik użytkownika NetStation 5²⁴, aby uzyskać więcej informacji na temat korzystania z narzędzi NetStation. Inne pakiety przetwarzania wstępnego mogą obejmować EEGlab, ERPlab, FieldTrip lub inne oprogramowanie wybrane przez eksperymentatora. Należy pamiętać, że preferowana kolejność kroków przetwarzania wstępnego może się różnić w zależności od pakietu oprogramowania. Obserwacja efektu N400 nie powinna się różnić w zależności od wybranego pakietu analitycznego.
2. Filtrowanie danych.
   1. U dołu okna NetStation Tools utwórz nowe narzędzie filtrujące, wybierając opcję "Filtrowanie" z menu rozwijanego "Utwórz". Zmień odpowiednią nazwę narzędzia.
   2. Ustaw filtr górnoprzepustowy na 0,1 Hz (Hz), a filtr dolnoprzepustowy na 50 Hz.
      UWAGA: Filtr górnoprzepustowy może być niższy niż 0,1 Hz, ale nie zaleca się przekraczania tego limitu, aby uniknąć ryzyka wprowadzenia fałszywych efektów²⁵. Można zastosować filtr dolnoprzepustowy o częstotliwości nawet 30 Hz.
   3. Zapisz narzędzie, a następnie przeciągnij oryginalny plik zapisu EEG do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
3. Podziel dane na próby.
   1. Utwórz nowe narzędzie "Segmentacja" i nazwij je odpowiednio.
   2. W sekcji "Kategorie do utworzenia" naciśnij znak plus, aby utworzyć nową kategorię i zmienić jej nazwę na "związane z obrazem". Przeciągnij ikonę "Kod" do pola "Utwórz kategorię na podstawie kryteriów" i ustaw ją jako "Kod to PIC1", aby zablokować czasowo prezentację bodźca 1. Przeciągnij ikonę "Kod klucza" do pola "Utwórz kategorię" i ustaw ją jako "Cel kodu klucza# to 1".
      1. Aby uwzględnić tylko poprawne próby, przeciągnij kolejną ikonę "Kod klucza" do pola "Utwórz kategorię" i ustaw ją jako "Wartość kodu klucza to 1".
   3. W dolnej części okna ustaw długość segmentu na "Wydłuż segment o 100 ms przed i 2 300 ms po".
      UWAGA: Segmenty mogą być zablokowane w czasie do początku pierwszego lub drugiego bodźca. W przypadku przywiązania do pierwszego bodźca, segmenty powinny rozciągać się od 100 ms przed do 2300 ms po (aby uwzględnić czas prezentacji obu bodźców (1000 ms każdy) oraz czas interwału między bodźcami (ISI) (300 ms)). Jeśli są zablokowane na drugi bodziec, segmenty powinny rozciągać się na 100 ms przed do 1000 ms po.
   4. Sklonuj kategorię, naciskając przycisk "Klonuj" i zmień jej nazwę na "obraz niepowiązany". Ustaw kod na PIC1, a kod klucza cel# na 2.
   5. Sklonuj kategorię i zmień jej nazwę na "związane ze słowem". Ustaw kod na WRD1, a kod klucza cel# na 3.
   6. Sklonuj kategorię i zmień jej nazwę na "słowo niepowiązane". Ustaw kod na WRD1, a kod klucza cel# na 4.
   7. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
4. Przeprowadzanie wykrywania artefaktów.
   1. Utwórz nowe narzędzie "Wykrywanie artefaktów" i nazwij je odpowiednio.
   2. W sekcji "Ustawienia wykrywania artefaktów" kliknij znak plus u dołu okna, aby dodać nowe ustawienie. Wybierz "Uszkodzone kanały" z menu rozwijanego w sekcji "Obsługa". Pozostaw wszystkie ustawienia domyślne (maks.-min > 200 mikrowoltów (μV); Cały segment; Średnia ruchoma 80 ms).
   3. Dodaj nowe ustawienie i wybierz "Mrugnięcie oczami" z menu rozwijanego "Obsługa". Pozostaw wszystkie ustawienia domyślne (maks.-min > 140 μV; rozmiar okna 640 ms; średnia ruchoma 80 ms).
   4. Dodaj nowe ustawienie i wybierz "Ruch gałek ocznych" z menu rozwijanego "Obsługa". Pozostaw wszystkie ustawienia domyślne (max-min > 55 μV; rozmiar okna 640 ms; średnia ruchoma 80 ms).
   5. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
   6. Otwórz wynikowy plik w NetStation Review i przewijaj każdą próbę, naciskając przyciski strzałek w menu "Kategorie" na prawym pasku bocznym. Oznacz próby jako dobre lub złe, klikając odpowiednio zielone lub czerwone kółko. Po zakończeniu zamknij plik, aby zapisać wyniki.
5. Wykonaj wymianę złego kanału.
   1. Utwórz nowe narzędzie "Bad Channel Replacement" i nazwij je odpowiednio. Użytkownik nie musi ustawiać żadnych parametrów dla tego narzędzia, więc zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
6. Wykonaj uśrednianie dla jednego obiektu, aby załamać się w próbach.
   1. Utwórz nowe narzędzie "Uśrednianie" i nazwij je odpowiednio. W sekcji "Ustawienia uśredniania" wybierz "Obsługuj pliki źródłowe: razem" i "Obsługuj tematy: osobno".
   2. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
7. Dane referencyjne do średniej referencji²⁶.
   UWAGA: Używane jest tutaj średnie odniesienie, ponieważ EGI zapewnia EEG o gęstej matrycy (128 i 256 kanałów). Zasugerowano, że w systemach zapisu o gęstej tablicy należy użyć średniego odniesienia²⁶; inne badania ERP z gruntowaniem semantycznym przy użyciu sieci 128-kanałowych lub 256-kanałowych używały średniej referencji^6,27,28. Inne opcje referencyjne obejmują średnią prawego i lewego wyrostka sutkowatego, nosa lub płatka ucha²⁹. Nie ma optymalnego wyboru elektrody referencyjnej, a eksperymentator powinien pamiętać, że wybór elektrody referencyjnej może mieć wpływ na wynikowe przebiegi ERP^26,29.
   1. Utwórz nowe narzędzie "Montage Operations" i nazwij je odpowiednio.
   2. Wybierz odpowiednią sieć z menu rozwijanego w sekcji "Lista montaży dla układu czujnika". Wybierz "Średnia wartość referencyjna" i upewnij się, że zaznaczone jest pole "Wyklucz złe kanały z odniesień". Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".
8. Wykonaj korektę linii bazowej, używając pierwszych 100 ms segmentu^10,28.
   UWAGA: Można również użyć okresu bazowego wynoszącego 200 ms²⁹.
   1. Utwórz nowe narzędzie "Korekta linii bazowej" i nazwij je odpowiednio.
   2. W sekcji "Ustawienia korekcji linii bazowej" wybierz "Wybierz linię bazową z części segmentu", "Wybierz linię bazową w odniesieniu do czasu segmentu = 0" i "Linia bazowa rozpoczyna się 100 ms przed czasem zerowym i ma długość 100 ms".
   3. Zapisz narzędzie, a następnie przeciągnij najnowszy wstępnie przetworzony plik do pola "Pliki wejściowe" w lewym górnym rogu okna i naciśnij "Uruchom".

Rysunek 1: Przykłady eksperymentów i oś czasu. (A) Przykłady bodźców obrazowych i słownych. (B) Kalendarium prezentacji bodźców. Rysunek ten został przedrukowany za zgodą Coderre et al.⁶ Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Wyniki

Jeśli bodźce zostały odpowiednio posortowane na powiązane i niepowiązane warunki, należy zaobserwować efekt N400 zarówno dla bodźców słownych, jak i obrazowych (Rysunek 2). Można to zidentyfikować jako większą amplitudę ujemną w warunkach niepowiązanych w porównaniu z warunkami powiązanymi. W przypadku bodźców słownych efekt powinien wystąpić od 300 do 500 ms nad centralną lub środkowo-ciemieniową skórą głowy^6,

Dyskusja

W niniejszym artykule opisano kluczowe kroki w rozwoju semantycznego paradygmatu ERP z bodźcami obrazowymi i słownymi do badania deficytów przetwarzania semantycznego u osób z ASD. Główne kroki obejmują tworzenie bodźców, programowanie zadania oraz wykonywanie badań i analiz EEG. Najbardziej czasochłonną częścią tej procedury będzie prawdopodobnie tworzenie bodźców, ponieważ wymaga to starannego dopasowania zarówno między parami, warunkami i modalnościami bodźców, jak i w ich obrębie pod względem zmiennych, takich jak dł...

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
System EEG	Electrical Geodesics, Inc. (EGI)		Geodezyjny system EEG (GES) System 400: wzmacniacz Net Amps 400, NetStation 5.3, 128-kanałowe siatki czujników geodezyjnych HydroCel
Chlorek potasu	Electrical Geodesics, Inc. (EGI)
Plastikowe wiadro	Electrical Geodesics, Inc. (EGI)		EGI zapewnia plastikowe wiadro do mieszania elektrolitu, ale można użyć dowolnego czystego pojemnika
Szampon dla dzieci	Program do manipulacji obrazami GNU (