Method Article

Specyficzne dla bodźca wizualne wizualne wywołane potencjalne wzorce morfologiczne

DOI:

10.3791/59146

⸱

May 12th, 2019

 ,  ,  , 
1Department of Communication Sciences and Disorders, The University of Texas at Austin, 2Central Sensory Processes Laboratory, The University of Texas at Austin

In This Article

Summary

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

W tym artykule prezentujemy protokół do badania różnicowych wzorców morfologicznych wywołanych wzrokowo poprzez stymulację sieci brzusznych i grzbietowych za pomocą EEG o dużej gęstości. Opisano paradygmaty obiektu wizualnego i bodźca ruchowego, z fluktuacją czasową i bez niej. Przedstawiono również wizualne analizy morfologiczne potencjału wywołanego.

Abstract

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

Ten artykuł przedstawia metodologię rejestracji i analizy korowych potencjałów wywołanych wzrokowych (CVEP) w odpowiedzi na różne bodźce wzrokowe za pomocą 128-kanałowej elektroencefalografii o wysokiej gęstości (EEG). Szczegółowym celem opisywanych bodźców i analiz jest zbadanie, czy możliwe jest odtworzenie wcześniej zgłaszanych wzorców morfologicznych CVEP wywołanych pozornym bodźcem ruchowym, zaprojektowanym do jednoczesnej stymulacji zarówno brzusznej, jak i grzbietowej centralnej sieci wzrokowej, z wykorzystaniem bodźców obiektowych i ruchowych przeznaczonych do oddzielnej stymulacji brzusznych i grzbietowych sieci korowych wzrokowych. Przedstawiono cztery paradygmaty wizualne: 1. Losowe obiekty wizualne ze spójną prezentacją czasową. 2. Losowe obiekty wizualne z niespójną prezentacją czasową (lub jitterem). 3. Ruch wizualny poprzez promieniste pole spójnego centralnego ruchu kropki bez fluktuacji. 4. Ruch wzrokowy poprzez pole promieniowe o spójnym centralnym ruchu kropkowym z fluktuacją. Te cztery paradygmaty są przedstawione w pseudolosowej kolejności dla każdego uczestnika. Jitter został wprowadzony w celu sprawdzenia, jak możliwe efekty związane z przewidywaniem mogą wpływać na morfologię odpowiedzi CVEP o początku obiektu i ruchu. Analizy danych EEG są szczegółowo opisane, w tym etapy eksportu danych i importu do platform przetwarzania sygnałów, identyfikacja i usuwanie złych kanałów, odrzucanie artefaktów, uśrednianie i kategoryzacja średniego typu wzorca morfologicznego CVEP w oparciu o zakresy opóźnień pików składowych. Reprezentatywne dane pokazują, że podejście metodologiczne jest rzeczywiście wrażliwe w wywoływaniu zróżnicowanych wzorców morfologicznych CVEP o początku obiektu i ruchu, a zatem może być przydatne w realizacji szerszego celu badawczego. Biorąc pod uwagę wysoką rozdzielczość czasową EEG i możliwe zastosowanie EEG o dużej gęstości w analizach lokalizacji źródłowej, protokół ten jest idealny do badania odrębnych wzorców morfologicznych CVEP i leżących u ich podstaw mechanizmów neuronalnych, które generują te zróżnicowane odpowiedzi.

Introduction

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

Elektroencefalografia (EEG) to narzędzie, które oferuje niedrogie i nieinwazyjne podejście do badania przetwarzania korowego, zwłaszcza w porównaniu z metodami oceny korowej, takimi jak funkcjonalne obrazowanie metodą rezonansu magnetycznego (fMRI), pozytonowa tomografia emisyjna (PET) i obrazowanie tensora dyfuzji (DTI)1. EEG zapewnia również wysoką rozdzielczość czasową, która nie jest możliwa do osiągnięcia przy użyciu pomiarów takich jak fMRI, PET lub DTI2. Wysoka rozdzielczość czasowa ma kluczowe znaczenie podczas badania centralnej funkcji skroniowej w celu uzyskania milisekundowej precyzji mechanizmów neurofizjologicznych związanych z przetwarzaniem określonych danych wejściowych lub zdarzeń. W centralnym układzie wzrokowym korowe wzrokowe potencjały wywołane (CVEP) są popularnym podejściem do badania zablokowanych w czasie procesów neuronalnych w korze mózgowej. Odpowiedzi CVEP są rejestrowane i uśredniane w wielu próbach zdarzeń, powodując powstawanie składników pików (np. P1, N1, P2) w określonych odstępach milisekundowych. Czas i amplituda tych szczytowych odpowiedzi neuronalnych mogą dostarczyć informacji na temat szybkości przetwarzania i dojrzewania kory mózgowej, a także deficytów funkcji kory mózgowej3,4,5.

CVEPs są specyficzne dla rodzaju danych wizualnych prezentowanych widzowi. Korzystając z pewnych bodźców w paradygmacie CVEP, można zaobserwować funkcję odrębnych sieci wzrokowych, takich jak strumień brzuszny, zaangażowany w przetwarzanie formy i koloru, lub parwokomórkowy i wielkokomórkowy bodźce wejściowe6,7,8, oraz strumień grzbietowy, który w dużej mierze przetwarza ruch lub wejście magnokomórkowe9,10. CVEP wygenerowane przez te sieci okazały się przydatne nie tylko w lepszym zrozumieniu typowych mechanizmów neurofizjologicznych leżących u podstaw zachowania, ale także w ukierunkowanym leczeniu nietypowych zachowań w populacjach klinicznych. Na przykład u dzieci z dysleksją odnotowano opóźnione komponenty CVEP zarówno w sieci grzbietowej, jak i brzusznej, co sugeruje, że funkcja wzrokowa w obu tych sieciach powinna być uwzględniona podczas projektowania planu interwencji11. Tak więc CVEP zarejestrowane za pomocą EEG stanowią potężne narzędzie kliniczne, za pomocą którego można ocenić zarówno typowe, jak i nietypowe procesy wzrokowe.

W niedawnym badaniu, EEG o wysokiej gęstości zostało użyte do pomiaru widocznych początków ruchu CVEP u typowo rozwijających się dzieci, w celu zbadania zmiennych reakcji CVEP i powiązanych generatorów kory wzrokowej w całym rozwoju. Uczestnicy biernie oglądali pozorne bodźce ruchowe12,13,14,15, które składały się zarówno ze zmiany kształtu, jak i ruchu, zaprojektowane tak, aby jednocześnie stymulować strumienie grzbietowe i brzuszne. Stwierdzono, że około połowa dzieci zareagowała kształtem fali CVEP lub morfologią składającą się z trzech pików (P1-N1-P2, wzór A). Ta morfologia jest klasyczną reakcją CVEP obserwowaną w literaturze. W przeciwieństwie do tego, druga połowa dzieci wykazywała wzorzec morfologiczny składający się z pięciu pików (P1-N1a-P2a-N1b-P2b, wzór B). Zgodnie z naszą wiedzą, solidne występowanie i porównywanie tych wzorców morfologicznych nie było wcześniej omawiane w literaturze CVEP ani w populacjach dzieci, ani dorosłych, chociaż zmienną morfologię odnotowano zarówno w CVEPs14,16. Co więcej, te różnice morfologiczne nie byłyby widoczne w badaniach z wykorzystaniem innych metod oceny funkcjonalnej kory mózgowej, takich jak fMRI lub PET, ze względu na niską rozdzielczość czasową tych pomiarów.

Aby określić generatory korowe każdego piku we wzorcach CVEP A i B, przeprowadzono analizy lokalizacji źródłowej, która jest podejściem statystycznym używanym do oszacowania najbardziej prawdopodobnych regionów korowych zaangażowanych w odpowiedź CVEP12,13. Dla każdego piku, niezależnie od wzorca morfologicznego, pierwotna i wyższego rzędu kora wzrokowa została zidentyfikowana jako źródła sygnału CVEP. Wydaje się więc, że główną różnicą leżącą u podstaw morfologii CVEP wywołanej pozornym ruchem jest to, że osoby ze wzorcem B aktywują obszary kory wzrokowej dodatkowe razy podczas przetwarzania. Ponieważ tego typu wzorce nie zostały wcześniej zidentyfikowane w literaturze, cel dodatkowego przetwarzania wzrokowego u osób z CVEP wzorcem B pozostaje niejasny. Dlatego kolejnym celem w tej linii badań jest lepsze zrozumienie przyczyny zróżnicowanej morfologii CVEP i tego, czy takie wzorce mogą odnosić się do zachowań wizualnych zarówno w populacjach typowych, jak i klinicznych.

Pierwszym krokiem do zrozumienia, dlaczego niektóre osoby mogą wykazywać jedną morfologię CVEP w porównaniu z inną, jest ustalenie, czy te reakcje są natury wewnętrznej czy zewnętrznej. Innymi słowy, jeśli dana osoba zademonstruje jeden wzorzec w odpowiedzi na bodziec wizualny, czy zareaguje podobnym wzorcem na wszystkie bodźce? Czy ta reakcja jest zależna od bodźca? specyficzne dla aktywowanej sieci lub sieci wizualnych?

Aby odpowiedzieć na to pytanie, zaprojektowano dwa pasywne paradygmaty wizualne, przeznaczone do oddzielnej aktywacji określonych sieci wizualnych. Bodziec przedstawiony we wstępnym badaniu został zaprojektowany tak, aby stymulować jednocześnie strumienie grzbietowe i brzuszne; W związku z tym nie wiadomo było, czy jedna lub obie sieci były zaangażowane w generowanie określonej morfologii fali. W obecnym podejściu metodologicznym paradygmat zaprojektowany do stymulacji strumienia brzusznego składa się z łatwo rozpoznawalnych obiektów w podstawowych kształtach kwadratów i kół, wywołujących CVEP o początku obiektu. Paradygmat zaprojektowany do stymulacji strumienia grzbietowego składa się z ruchu wzrokowego za pośrednictwem promieniowego pola spójnych centralnych kropek ruchu kropki ze stałą prędkością w kierunku punktu fiksacji, wywołując CVEP o początku ruchu.

Drugie pytanie, które pojawiło się w wyniku wstępnego badania, dotyczyło tego, czy zróżnicowana morfologia VEP może wynikać z przewidywania uczestników na nadchodzące bodźce13. Na przykład badania wykazały, że odgórna aktywność oscylacyjna kory mózgowej występująca przed bodźcem docelowym może do pewnego stopnia przewidywać późniejsze CVEP i reakcje behawioralne17,18,19. Paradygmat ruchu pozornego w pierwszym badaniu wykorzystywał nierandomizowane klatki radialnej gwiazdy i okręgu ze stałymi interwałami między bodźcami (ISI) wynoszącymi 600 ms. Ten projekt mógł zachęcać do oczekiwania i przewidywania nadchodzącego bodźca, a wynikająca z tego aktywność oscylacyjna wpływała na późniejszą morfologię CVEP12,13,19.

Aby rozwiązać ten problem, paradygmaty obiektu wizualnego i ruchu w obecnym protokole są zaprojektowane z uwzględnieniem zarówno spójnych ISI o tej samej wartości czasowej, jak i randomizowanych ISI o różnych wartościach czasowych (tj. jitter). Korzystając z tego podejścia, możliwe jest określenie, jak zmienność czasowa może wpływać na morfologię VEP w różnych sieciach wizualnych. Ogólnie rzecz biorąc, celem opisanego protokołu jest określenie, czy bodźce wizualne i ruchowe byłyby wrażliwe na zmiany w morfologii CVEP i czy czasowa zmienność prezentacji bodźców wpłynęłaby na charakterystykę odpowiedzi CVEP, w tym szczytowe opóźnienie, amplitudę i morfologię. Na potrzeby niniejszego artykułu celem jest określenie wykonalności podejścia metodologicznego. Przypuszcza się, że zarówno obiekty wizualne, jak i ruch mogą wywoływać zmienną morfologię (tj. wzorce A i B będą obserwowane u badanych w odpowiedzi na oba bodźce) i że zmienność czasowa wpłynie na komponenty CVEP o początku obiektu i ruchu.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

Wszystkie opisane tutaj metody zostały zatwierdzone przez Institutional Review Board (IRB) for Human Research na Uniwersytecie Teksańskim w Austin.

1. Charakterystyka bodźców

  1. Twórz bodźce obiektowe, korzystając z obrazów open source dostępnych za pośrednictwem Banku Standardowych Bodźców (BOSS). Ta baza danych składa się ze standaryzowanych obrazów wykorzystywanych w wizualnych eksperymentach poznawczych. Pobierz cztery obrazy (np. ball02, book01a, brick, button03) o wysokim wskaźniku identyfikacji (powyżej 75%)20,21.
  2. Twórz bodźce ruchowe za pomocą zmodyfikowanej wersji skryptu DotDemo, który jest dostępny za pośrednictwem zestawu funkcji Psychtoolbox-3 o otwartym kodzie źródłowym obsługiwanych przez MATLAB, a także funkcji filmu dostępnej w MATLAB (patrz plik uzupełniający).
    1. Skonfiguruj parametry pola kropki zgodnie z rozmiarem ekranu prezentacji i odległością wyświetlania.
    2. Wprowadź liczbę klatek filmu w liczbie 3600.
    3. Wprowadź 80 (w cm) dla szerokości monitora.
    4. Wprowadź prędkość punktu na 5°/s.
    5. Wprowadź ułamek czasu istnienia z ograniczoną kropką równy 0,05.
    6. Wprowadź liczbę 200 jako liczbę kropek.
    7. Wprowadź minimalny promień pierścienia pola jako 1°, a maksymalny jako 15°.
    8. Wprowadź 0,2° dla szerokości każdej kropki.
    9. Wprowadź 0,35° dla promienia punktu mocowania.
    10. Określ, że białe kropki mają być używane na czarnym tle.
    11. Wyeksportuj film w .avi formacie.

2. Projektowanie paradygmatu wizualnego

  1. Twórz paradygmaty za pomocą oprogramowania do prezentacji bodźców. Generuj krzyżyki fiksacji za pomocą czcionki Courier New w rozmiarze 18, pogrubionej i wyśrodkowanej na ekranie prezentacji.
  2. Zaprojektuj paradygmat obiektu wizualnego bez fluktuacji czasowej (tj. spójnych wartości ISI), tworząc krzyżyk fiksacyjny na białym tle prezentowanym przez 500 ms, a następnie jeden z czterech obiektów przedstawionych w losowej kolejności: piłka, książka, klocek lub guzik.
    1. Prezentuj każdy obiekt przez 600 ms (Rysunek 1A). Pokaż wszystkie obiekty 75 razy, co daje w sumie 300 prób i czas trwania paradygmatu 5,5 minuty.
  3. Zaprojektuj paradygmat obiektu wizualnego z fluktuacją czasową tak, aby składał się z tego samego czarnego krzyżyka fiksacyjnego na białym tle, pokazanego przez okres 500 lub 1000 ms, a następnie jednego z czterech obiektów, trwającego przez 600 lub 1000 ms (Rysunek 1B).
    1. Stwórz cztery próby za pomocą oprogramowania do prezentacji bodźców: krzyż fiksacyjny o czasie trwania 500 ms, po którym następuje obiekt przez 600 ms; krzyż fiksacji o czasie trwania 500 ms, po którym następuje obiekt przez 1000 ms; krzyż fiksacji o czasie trwania 1000 ms, po którym następuje obiekt przez 600 ms; oraz krzyż fiksacyjny o czasie trwania 1000 ms, po którym następuje obiekt przez 1000 ms.
      1. Randomizacja tych badań. Każdą próbę należy przedstawić 19 razy, co zakończy się 304 próbami i uzyska czas oglądania wynoszący około 7,85 minuty.
  4. Stwórz paradygmat ruchu wizualnego bez fluktuacji czasowej, generując biały krzyż fiksacyjny wyśrodkowany na czarnym tle, trwający przez 500 ms, a następnie film ruchu wizualnego, który jest skracany do prezentacji przez około 1000 ms (Rysunek 2A).
    1. Powtórz tę sekwencję w sumie 300 razy, przez około 7,5 minuty oglądania.
  5. Stwórz paradygmat ruchu wizualnego z fluktuacją czasową przy użyciu tego samego krzyża fiksacji, trwającego w odstępach 500, 750 lub 1,000 ms.
    1. Po każdym skrzyżowaniu fiksacji zaprezentuj film ruchu wizualnego o czasie trwania około 600 lub 1000 ms (Rysunek 2B).
    2. Utwórz sześć prób: krzyż fiksacji o czasie trwania 500 ms, następnie film trwający 600 ms, krzyż fiksacji trwający 750 ms, następnie film trwający 600 ms, krzyż fiksacji trwający 1 000 ms, następnie film trwający 600 ms, krzyż fiksacji trwający 500 ms, a następnie film trwający 1000 ms, Krzyż fiksacyjny o czasie trwania 750 ms, po którym następuje film trwający 1 000 ms i krzyż fiksacyjny o czasie trwania 1 000 ms, po którym następuje film trwający 1 000 ms.
      1. Losowo należy przeprowadzić te próby, z których każde zostanie pokazane 50 razy. Przedstaw łącznie 300 prób przez okres oglądania wynoszący około 7,75 minuty.

3. Zgoda uczestnika, historia przypadku i badanie przesiewowe wzroku

  1. Przywitaj się z uczestnikiem po przyjeździe. Uzyskanie świadomej zgody poprzez przedstawienie uczestnikowi zgody na udział w badaniu w formularzu. Wyjaśnij uczestnikowi formularz zgody i odpowiedz na wszelkie pojawiające się pytania.
  2. Poproś uczestnika o wypełnienie formularza historii przypadku, który zawiera informacje o języku ojczystym, ręczności, stanie słuchu, stanie wzroku i innych diagnozach, które uczestnik może mieć (np. psychologicznych i neurologicznych). Wyklucz uczestników, którzy zgłaszają ubytek słuchu i/lub diagnozy neurologiczne, takie jak urazowe uszkodzenie mózgu. Uwzględnij wszystkich innych uczestników.
  3. Wyprowadź uczestnika z laboratorium, aby wykonać badanie przesiewowe wzroku za pomocą wykresu Snellena w celu określenia ostrości wzroku. Poproś uczestnika, aby stanął w odległości 20 stóp od wykresu i zaczął od zakrycia lewego oka, aby określić ostrość wzroku prawego oka, a następnie zmienił oczy, aby określić ostrość widzenia lewego oka. Oblicz ostrość wzroku na podstawie najmniejszego wiersza tekstu, który uczestnik może powtórzyć, co najmniej o połowę więcej niż połowę całkowitej liczby liter.
    nuta: Na przykład, jeśli uczestnik powtórzy 5 z 8 liter na linii 20/20, ostrość wzroku jest obliczana jako 20/20 w tym oku.
  4. Odprowadź uczestnika do sali zapisów EEG. Poproś uczestnika, aby usiadł na wyznaczonym krześle pośrodku dźwiękoszczelnej kabiny o podwójnych ściankach, ekranowanej magnetycznie.

4. Przygotowanie EEG

  1. Zmierz obwód głowy uczestnika w centymetrach i wybierz odpowiedni rozmiar siatki EEG. Zmierz i zaznacz punkt środkowy skóry głowy (w połowie odległości między nasionami/inionami a prawym i lewym wysypką sutkową) w celu umieszczenia elektrody referencyjnej.
  2. Przygotuj roztwór ciepłej wody (1 l) zmieszany z szamponem dla dzieci (5 ml) i chlorkiem potasu (11 g/10 cm³), który zwiększa przewodność elektryczną między elektrodami a skórą głowy, prowadząc do niższych impedancji napięcia i zwiększonego stosunku sygnału do szumu.
  3. Umieść siatkę EEG w roztworze. Pozwól siatce zanurzyć się w roztworze przez 5 minut przed umieszczeniem na skórze głowy uczestnika.
  4. Włącz komputer do prezentacji bodźców i komputer do akwizycji EEG.
  5. Umieść ręcznik lub inny chłonny materiał na szyi uczestnika, aby zapobiec kapaniu roztworu na jego ubranie.
  6. Podłącz siatkę EEG do amplifier. Poinstruuj uczestnika, aby zamknął oczy podczas zakładania siatki EEG, aby zapobiec kapaniu roztworu do jego oczu.
  7. Mocno chwyć siatkę EEG obiema rękami i rozłóż ją na głowie uczestnika. Upewnij się, że siatka jest umieszczona symetrycznie na głowie skóry głowy, z elektrodą odniesienia w zmierzonym punkcie linii środkowej skóry głowy. Zaciśnij linie podbródka i siatki ocznej, aby zapewnić bezpieczne połączenie między skórą głowy a elektrodami. Zapytaj uczestnika, czy czuje się komfortowo i czy coś wymaga korekty.
  8. Sprawdź, czy wartości impedancji elektrody są prawidłowe, ze średnim celem 10 kΩ.
  9. Aby zmniejszyć wartości impedancji po umieszczeniu siatki elektrod, użyj pipety o pojemności 1 ml i nałóż roztwór chlorku potasu na skórę głowy/elektrody o wysokiej impedancji. Kontynuuj ten proces, aż zostaną osiągnięte odpowiednie wartości impedancji na elektrodach.

5. Zapis EEG

  1. Poinstruuj uczestnika, aby skupił się na bodźcach wizualnych, które pojawią się na monitorze. Odległość oglądania wynosi około 65 cali.
  2. Użyj generatora liczb pseudolosowych, aby określić kolejność prezentacji dla czterech paradygmatów wizualnych.
  3. Rozpocznij zadania wzrokowe i rejestrację EEG.
  4. W razie potrzeby monitoruj zapis EEG. Jeśli trwające EEG wykazuje wysoką aktywność miogenną lub 60 Hz, przerwij eksperyment, aby ponownie sprawdzić połączenie elektroda ze skórą głowy.
  5. Powtórz kroki 5.3 i 5.4 dla paradygmatu obiektu wizualnego, obiektu wizualnego z paradygmatem fluktuacji czasowej, paradygmatu ruchu wizualnego i paradygmatu ruchu wizualnego z paradygmatem fluktuacji czasowej.
  6. Na zakończenie eksperymentu poinstruuj uczestnika, aby zamknął oczy, aby zapobiec przedostawaniu się roztworu do oczu podczas zdejmowania siatki. Zacznij od poluzowania linii siatki podbródkowej i ocznej, a następnie zdejmij siatkę, delikatnie pociągając pasek podbródkowy w górę i nad głowę uczestnika, upewniając się, że ciągniesz powoli, aby siatka nie zaplątała się we włosy uczestnika.
  7. Odłącz siatkę EEG od amplifier. Proces dezynfekcji należy rozpocząć od włożenia i wyjęcia czepka EEG z wiadra wypełnionego wodą i spłukania pod kranem. Następnie utwórz roztwór dezynfekujący, dodając około 2 l wody do wiadra ze środkiem dezynfekującym i mieszając 15 ml środka dezynfekującego z wodą.
  8. Zanurz końcówkę siatki czujnika w środku dezynfekującym. Ustaw minutnik na 10 minut; Przez pierwsze 2 minuty ciągle zanurzaj siatkę w górę iw dół. Pozostaw siatkę do namoczenia na pozostałą część 10 minut.
  9. Usuń siatkę EEG z roztworu dezynfekującego. Umieść siatkę EEG w wiadrze z elektrodą wypełnionym wodą i pod bieżącą wodą w celu spłukania. Powtórz cztery razy. Pozostaw siatkę do wyschnięcia na powietrzu.

6. Analizy EEG

  1. Eksport plików EEG do analiz w MATLAB za pomocą zestawu narzędzi EEGLAB przy użyciu filtra górnoprzepustowego 1 Hz, segmentacji wokół każdej próby (lub zdarzenia) 100 ms przed bodźcem i 500 ms po bodźcu.
  2. Importuj dane za pomocą zestawu narzędzi EEGLAB.
    1. Wybierz opcję Plik z menu rozwijanego i kliknij Importuj dane. Wybierz z menu za pomocą funkcji EEGLAB i wtyczek. Następnie kliknij odpowiedni format pliku eksportu.
  3. Ponownie przypisz lokalizacje kanałów w oparciu o typ użytego montażu elektrod, wybierając Edytuj z menu rozwijanego i wybierając Lokalizacje kanałów. Kliknij Wyszukaj lokalizacje i wybierz wielokropek, aby zlokalizować ścieżkę interesującego Cię pliku montażu elektrod.
  4. Przypisz czasy przed i po bodźcu do czasu rozpoczęcia i zakończenia epoki. Wprowadź wartość -0,1 s w polu Godzina rozpoczęcia.
  5. Dane poprawne względem wartości wyjściowej zgodnie z interwałem przed bodźcem.
  6. Identyfikuj i usuwaj uszkodzone kanały, korzystając z prawdopodobieństwa przy progu Z-score wynoszącym 2,5.
    1. Sprawdź, czy udało Ci się zidentyfikować i usunąć uszkodzone kanały, wykreślając wszystkie elektrody. Ręcznie usuń kanały o średnich amplitudach napięcia poza zakresem +/- 30 μV.
  7. Wykonaj odrzucanie artefaktów, wprowadzając wartości -100 μV i +100 μV.
    UWAGA:     Ta metoda jest skuteczna w usuwaniu aktywności oka zarejestrowanej na elektrodach ocznych (126, 127). Jednak u niektórych uczestników może być konieczne ręczne usunięcie prób z artefaktem występującym przy małej amplitudzie napięcia (tj. w zakresie +/- 100 μV).
    1. Zwróć uwagę na kanały, które były uszkodzone dla całych segmentów (tj. z napięciami poza zakresem +/-100 μV) i podświetlone na czerwono. Ręcznie usuń te uszkodzone kanały, jeśli stanowią one 60% lub więcej odrzuconych prób. Powtórz ten krok tyle razy, ile to konieczne.
    2. Postępuj zgodnie z krokami usuwania artefaktów zgodnie z wcześniejszym opisem. Upewnij się, że zaakceptowanych jest co najmniej 100 zamiatania. Usuń wersje próbne oznaczone do odrzucenia.
  8. Wykreśl kanał 75 (odpowiednik Oz) lub interesujący Cię kanał (kanały), aby skategoryzować wzorce morfologiczne. Przed wykreśleniem tego kanału należy wykonać korektę linii bazowej przed bodźcem.
  9. Wybierz wzór A, jeśli morfologia CVEP charakteryzuje się dużym dodatnim pikiem po około 100-115 ms (P1), po którym następuje ujemny pik po około 140-180 ms (N1) i dodatni pik po około 165-240 ms (P2).
  10. Wybierz wzór B, jeśli morfologia CVEP charakteryzuje się dużym dodatnim pikiem po około 100-115 ms (P1), po którym następuje ujemny pik po około 140-180 ms (N1a), dodatni pik po około 180-240 ms (P2a), a następnie ujemny pik po około 230-280 ms (N1b) i dodatni pik po około 260-350 ms (P2b).
  11. Dołącz poszczególne zestawy danych zgodnie ze wzorcem morfologicznym zaobserwowanym wizualnie, aby utworzyć średnią grupy. Nazwij i zapisz nowo scalony plik zestawu danych.
  12. Przeglądaj dołączone pliki jako średnią, wykreślając interesujące Cię kanały.

Access restricted. Please log in or start a trial to view this content.

Results

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

Rysunek 3 i Rysunek 4 pokazuje reprezentatywne wyniki CVEP dla pięciu uczestników w wieku 19-24 lat, którzy biernie oglądali każdy paradygmat wizualny. Konstrukcja ta pozwoliła na obserwację reakcji CVEP wywoływanych przez obiekty wizualne (z jitterem i bez) oraz ruchu wzrokowego (z fluktuacją i bez) zarówno w obrębie badanych, jak i między nimi, zgodnie z każdym warunkiem. CVEP uczestników pogrupowano zgodnie z wzorcem morfologicznym wywołanym przez bodźce wzrokowe i uśr...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Celem niniejszego raportu metodologicznego była ocena wykonalności rejestrowania zróżnicowanej morfologii CVEP przy użyciu bodźców wizualnych obiektów i ruchu specjalnie zaprojektowanych do oddzielnej stymulacji strumieni brzusznych i grzbietowych w zadaniach pasywnego oglądania 6,7,8, zarówno z różnicą ISI (jitter), jak i bez niej19. Warunki nie zostały zaprojektowane tak, aby można je było bezpośrednio ...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Autorzy nie mają nic do ujawnienia.

Acknowledgements

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

To badanie było wspierane przez University of Texas at Austin Moody College of Communication Grant Preparation Award oraz University of Texas at Austin Office of the Vice President of Research Special Research Grant.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
E-Prime 2.0Psychology Software Tools, IncUżywany do akwizycji danych
Net Amps 400Electrical Geodesics, IncUżywany do akwizycji danych
Net Station Acquisition V5.2.0.2Electrical Geodesics, IncUżywany w akwizycji danych
iMac (27 cali)AppleUżywany do akwizycji danych
Komputer Optiplex 7020Komputer DellStimulus
HydroCel GSN EEG netElectrical Geodesics, IncUżywany do pozyskiwania danych
Pipeta 1 mLElectrical Geodesics, IncUżywany do obniżania impedancji
Szampon dla dzieci Johnson'sJohnson & JohnsonStosowany w roztworze impedancji
Chlorek potasu (suchy)Electrical Geodesics, IncUżywany w roztworze impedancji
Control III Środek dezynfekujący Środek bakteriobójczyIIIStosowany w roztworze dezynfekującym
32-calowy monitor LCD VizioSłuży do prezentacji bodźców
Matlab (R2016b)MathWorksUżywany w analizie danych
EEGlab v14.1.2Swartz Center for Computational Neuroscience, University of California, San Diegohttps://sccn.ucsd.edu/eeglab/index.phpUżywany w analizie danych
Baza danych BOSSBank standaryzowanych bodźcówhttps://sites.google.com/site/bosstimuli/Służy do generowania bodźców obiektowych wzrokowych 
Psychtoolbox-3Psychophysics Toolbox Version 3 (PTB-3) http://psychtoolbox.org/Używany do generowania wizualnych bodźców ruchowych

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Lascano, A. M., Lalive, P. H., Hardmeier, M., Fuhr, P., Seeck, M. Clinical evoked potentials in neurology: A review of techniques and indications. Journal of Neurology, Neurosurgery, and Psychiatry. 88 (8), 688-696 (2017).
  2. Mehta, R. K., Parasuraman, R. Neuroergonomics: A review of applications to physical and cognitive work. Frontiers in Human Neuroscience. 7, 889(2013).
  3. Kuba, M., Kubova, Z., Kremlacek, J., Langrova, J. Motion-onset VEPs: Characteristics, methods, and diagnostic use. Vision Research. 47 (2), 189-202 (2007).
  4. Tobimatsu, S., Celesia, G. G. Studies of human visual pathophysiology with visual evoked potentials. Clinical Neurophysiology. 117 (7), 1414-1433 (2006).
  5. Tremblay, E., et al. Delayed early primary visual pathway development in premature infants: High density electrophysiological evidence. PLoS One. 9 (9), e107992(2014).
  6. Allison, T., Puce, A., Spencer, D. D., McCarthy, G. Electrophysiological studies of human face perception. I: Potentials generated in occipitotemporal cortex by face and non-face stimuli. Cerebral Cortex. 9, 415-430 (1999).
  7. Grill-Spector, K. The neural basis of object perception. Current Opinions in Neurobiology. 13, 159-166 (2003).
  8. Mitchell, T. V., Neville, H. J. Asynchronies in the development of electrophysiological responses to motion and color. Journal of Cognitive Neuroscience. 16, 1363-1374 (2004).
  9. Armstrong, B. A., Neville, H. J., Hillyard, S. A., Mitchell, T. V. Auditory deprivation affects processing of motion, but not color. Cognitive Brain Research. 14, 422-434 (2002).
  10. Donner, T. H., Siegel, M., Oostenveld, R., Fries, P., Bauer, M., Engel, A. K. Population activity in the human dorsal pathway predicts the accuracy of visual motion detection. Journal of Neurophysiology. 98, 345-359 (2007).
  11. Bonfiglio, L., et al. Defective chromatic and achromatic visual pathways in developmental dyslexia: Cues for an integrated intervention programme. Restorative Neurology and Neuroscience. 35 (1), 11-24 (2017).
  12. Campbell, J., Sharma, A. Visual cross-modal re-organization in children with cochlear implants. PLoS ONE. 11 (1), e0147793-e0147718 (2016).
  13. Campbell, J., Sharma, A. Distinct visual evoked potential morphological patterns for apparent motion processing in school-aged children. Frontiers in Human Neuroscience. 10 (71), 277(2016).
  14. Doucet, M. E., Gosselin, F., Lassonde, M., Guillemot, J. P., Lepore, F. Development of visual-evoked potentials to radially modulated concentric patterns. Neuroreport. 16 (6), 1753-1756 (2005).
  15. Doucet, M. E., Bergeron, F., Lassonde, M., Ferron, P., Lepore, F. Cross-modal reorganization and speech perception in cochlear implant users. Brain. 129 (12), 3376-3383 (2006).
  16. Kubova, Z., et al. Difficulties of motion-onset VEP interpretation in school-age children. Documenta Ophthalmologica. 128, 121-129 (2014).
  17. Gould, I. C., Rushworth, M. F., Nobre, A. C. Indexing the graded allocation of visuospatial attention using anticipatory alpha oscillations. Journal of Neurophysiology. 105, 1318-1326 (2011).
  18. Hanslmayr, S., Aslan, A., Staudigl, T., Klimesch, W., Hermann, C. S., Bauml, K. H. Prestimulus oscillations predict visual perception performance between and within subjects. Neuroimage. 37, 1465-1543 (2007).
  19. Toosi, T., Tousi, E. K., Esteky, H. Learning temporal context shapes prestimulus alpha oscillations and improves visual discrimination performance. Journal of Neurophysiology. 118 (2), 771-777 (2017).
  20. Brodeur, M. B., Dionne-Dostie, E., Montreuil, T., Lepage, M. The Bank of Standardized Stimuli (BOSS), a new set of 480 normative photos of objects to be used as visual stimuli in cognitive research. PLoS One. 5 (5), e10773(2010).
  21. Brodeur, M. B., et al. The Bank of Standardized Stimuli (BOSS): Comparison between French and English norms. Behavior Research Methods. 44, 961-970 (2012).
  22. Suttle, C., Harding, G. Morphology of transient VEPs to luminance and chromatic pattern onset and offset. Vision Research. 39 (8), 1577-1584 (1999).
  23. Campbell, J., Sharma, A. Cross-modal re-organization in adults with early stage hearing loss. PLoS One. 9 (2), e90594(2014).
  24. Campbell, J., Sharma, A. Compensatory changes in cortical resource allocation in adults with hearing loss. Frontiers in Systems Neuroscience. 7, 71(2013).
  25. Debener, S., Hine, J., Bleeck, S., Eyles, J. Source localization of auditory evoked potentials after cochlear implantation. Psychophysiology. 45 (1), 20-24 (2008).
  26. Gilley, P. M., Sharma, A., Dorman, M. F. Cortical reorganization in children with cochlear implants. Brain Research. 1239, 56-65 (2008).
  27. Neuner, I., Arruba, J., Felder, J., Shah, N. J. Simultaneous EEG-fMRI acquisition at low, high and ultra-high magnetic fields up to 9.4 T: Perspectives and challenges. Neuroimage. 15 (102), 71-79 (2014).
  28. Schulte-Korne, G., Bartling, J., Deimel, W., Remschmidt, H. Visual evoked potential elicited by coherently moving dots in dyslexic children. Neuroscience Letters. 357 (3), 207-210 (2004).
  29. Zhang, R., Hu, Z., Roberson, D., Zhang, L., Li, H., Liu, Q. Neural processes underlying the “same”- “different” judgment of two simultaneously presented objects—an EEG study. PLoS One. 8 (12), e81737(2013).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Cortical Visual Evoked PotentialHigh density EEGVisual Stimulus ParadigmsEEG Data AnalysisArtifact RejectionMorphological Pattern CategorizationElectrode Impedance MeasurementEEG Net PreparationSignal Processing PlatformsVisual Cortical Networks

Related Articles