Artykuł metodologiczny

Zadanie planowania wzrokowo-przestrzennego w połączeniu z systemami śledzenia wzroku i elektroencefalogramu

2.3K wyświetleń

DOI:

10.3791/64622

3 marca 2023

W tym artykule

Podsumowanie

Badanie planowania kognitywnego łączące EEG i systemy śledzenia ruchu gałek ocznych dostarcza multimodalnego podejścia do badania mechanizmów neuronalnych, które pośredniczą w kontroli poznawczej i zachowaniu ukierunkowanym na cel u ludzi. W tym miejscu opisujemy protokół badania roli oscylacji mózgu i ruchów gałek ocznych w planowaniu wydajności.

Streszczenie

Proces planowania, charakteryzujący się zdolnością do sformułowania zorganizowanego planu osiągnięcia celu, jest niezbędny dla zachowania ukierunkowanego na cel człowieka. Ponieważ planowanie jest zagrożone w wielu zaburzeniach neuropsychiatrycznych, wdrożenie odpowiednich testów klinicznych i eksperymentalnych w celu zbadania planowania ma kluczowe znaczenie. Ze względu na charakter wdrażania planowania, w którym uczestniczy kilka domen poznawczych, ocena planowania i projektowanie paradygmatów behawioralnych w połączeniu z metodami neuroobrazowania są aktualnymi wyzwaniami w neuronauce poznawczej. Zadanie planistyczne oceniano w połączeniu z systemem elektroencefalogramu (EEG) i zapisami ruchów gałek ocznych u 27 zdrowych dorosłych uczestników. Planowanie można podzielić na dwa etapy: etap planowania mentalnego, w którym sekwencja kroków jest wewnętrznie reprezentowana, oraz etap wykonania, w którym wykorzystuje się działanie motoryczne do osiągnięcia wcześniej zaplanowanego celu. Nasz protokół zawierał zadanie planowania i zadanie kontrolne. Zadanie planistyczne polegało na rozwiązaniu 36 prób labiryntowych, z których każda reprezentowała mapę zoo. Zadanie składało się z czterech okresów: i) planowania, w którym badani zostali poinstruowani, aby zaplanować ścieżkę, aby odwiedzić lokalizacje czterech zwierząt zgodnie z zestawem zasad; ii) utrzymanie, w którym badani musieli zachować zaplanowaną ścieżkę w swojej pamięci roboczej; iii) wykonanie, w którym badani wykorzystywali ruchy gałek ocznych do śledzenia wcześniej zaplanowanej ścieżki wskazanej przez system śledzenia wzroku; oraz iv) odpowiedź, w której badani zgłaszali kolejność odwiedzanych zwierząt. Zadanie kontrolne miało podobną strukturę, ale komponent planowania poznawczego został usunięty poprzez modyfikację celu zadania. Przestrzenne i czasowe wzorce EEG ujawniły, że planowanie indukuje stopniowy i trwały wzrost aktywności theta w linii czołowo-środkowej (FMθ) w czasie. Źródło tej aktywności zostało zidentyfikowane w korze przedczołowej za pomocą analiz źródłowych. Nasze wyniki sugerują, że eksperymentalny paradygmat łączący EEG i systemy śledzenia ruchu gałek ocznych był optymalny do oceny planowania poznawczego.

Wprowadzenie

W ciągu ostatnich 10 lat przeprowadzono szeroko zakrojone badania mające na celu zbadanie roli oscylacyjnej dynamiki neuronalnej zarówno na poznanie, jak i zachowanie. Badania te wykazały, że interakcje specyficzne dla częstotliwości między wyspecjalizowanymi i rozległymi regionami kory mózgowej odgrywają kluczową rolę w poznaniu i kontroli poznawczej1,2,3. Takie podejście podkreśla rytmiczną naturę aktywności mózgu, która pomaga koordynować dynamikę kory mózgowej na dużą skalę i stanowi podstawę przetwarzania poznawczego i zachowania ukierunkowanego na cel4,5. Istnieje wiele dowodów na to, że rytmiczne oscylacje w mózgu są zaangażowane w różne procesy poznawcze, w tym percepcję6, attentio7,8,9, podejmowanie decyzji10, reaktywacja pamięci11, pamięć robocza12 oraz kontrola poznawcza13. Zaproponowano różne mechanizmy oscylacyjne, które kierują zachowaniem ukierunkowanym na cel, z przejściowymi sieciami specyficznymi dla częstotliwości na dużą skalę, które zapewniają ramy dla przetwarzania poznawczego1,14,15. Na przykład ostatnie odkrycia sugerują, że określone pasma częstotliwości w mózgu mogą odzwierciedlać mechanizm sprzężenia zwrotnego, który reguluje aktywność skokową, zapewniając czasowy układ odniesienia do koordynowania pobudliwości kory mózgowej i czasu skoków w celu wytworzenia zachowania16,17,18. Recenzję przygotowali Helfrich and Knight19.

Ten materiał dowodowy rodzi pytania o to, jak kora przedczołowa (PFC) koduje konteksty zadań planistycznych i związane z nimi zasady istotne z punktu widzenia zachowania. Od dawna uważa się, że PFC wspiera kontrolę poznawczą i zachowanie ukierunkowane na cel poprzez generowane przez siebie wzorce oscylacyjne aktywności neuronalnej, selektywnie odchylając aktywność neuronalną w odległych regionach mózgu i kontrolując przepływ informacji w sieciach neuronowych na dużą skalę20. Ponadto zaproponowano, że regiony wykazujące lokalną synchronizację są bardziej skłonne do udziału w działaniach międzyregionalnych21,22,23. W szczególności drgania korowego pasma theta (4-8 Hz), mierzone za pomocą elektroencefalogramu skóry głowy (EEG), zostały zaproponowane jako potencjalny mechanizm transmisji kontroli odgórnej w szerokich sieciach13. W szczególności aktywność pasma theta u ludzi odzwierciedla procesy poznawcze wysokiego poziomu, takie jak kodowanie i odzyskiwanie pamięci, zachowanie pamięci roboczej, wykrywanie nowości, podejmowanie decyzji i kontrola odgórna12,24,25,26.

W związku z tym, Cavanagh i Frank13 zaproponowali dwa sekwencyjne mechanizmy procesów kontroli: rozpoznanie potrzeby kontroli i instancję kontroli. Rozpoznanie potrzeby kontroli może być wskazane przez aktywność theta czołowej linii środkowej (FMθ) pochodzącą z przyśrodkowej kory przedczołowej (mPFC), która została opisana w kategoriach komponentów potencjału związanego ze zdarzeniami (ERP), które odzwierciedlają procesy kontrolne związane z mPFC w odpowiedzi na różne sytuacje, takie jak nowe informacje27,28,29, sprzeczne wymagania dotyczące bodźca-odpowiedzi30, error feedback31, oraz error detection32. Te komponenty ERP, które odzwierciedlają potrzebę zwiększonej kontroli poznawczej w obecności nowości, konfliktu, kary lub błędu, wykazują wspólną sygnaturę widmową w paśmie theta zarejestrowaną na czołowych elektrodach linii środkowej26,27,33,34,35,36,37,38,39,40,41,42,43,44.

Odpowiedzi EEG aktywności FMθ pokazują wzorzec resetowania fazy i zwiększenia mocy w paśmie częstotliwości theta26. Pomimo ograniczeń metody EEG pod względem rozdzielczości przestrzennej, zebrano różne źródła dowodów, aby wykazać, że aktywność FMθ jest generowana przez korę środkowego zakrętu obręczy (MCC)13. Uważa się, że ta dynamika theta służy jako ramy czasowe, które regulują procesy neuronalne mPFC, które są następnie wzmacniane w odpowiedzi na zdarzenia wymagające zwiększonej kontroli26. Zostało to ustalone poprzez analizę źródłową31,33,45,46,47, równoczesne zapisy EEG i funkcjonalnego rezonansu magnetycznego (fMRI)48,49 oraz inwazyjne zapisy EEG u ludzi50 i małpy51,52,53.

Na podstawie tych obserwacji, theta czołowej linii środkowej jest uważana za uniwersalny mechanizm, wspólny język, do wykonywania kontroli adaptacyjnej w różnych sytuacjach, w których nie ma pewności co do działań i wyników, takich jak podczas planowania. Paradygmat behawioralny, który proponujemy w tym protokole, został wykorzystany do badania planowania poznawczego oraz jego cech czasowych i neuronalnych. Chociaż w innych scenariuszach opisano różne mechanizmy kontroli poznawczej, obecny protokół pozwolił na niedawny opis planowania i związanych z nim właściwości neuronowych i czasowych54. Kognitywny proces planowania składa się z dwóch odrębnych faz: fazy planowania umysłowego, podczas której rozwijana jest wewnętrzna reprezentacja sekwencji planów55, oraz fazy wykonywania planowania, w której wykonywany jest zestaw działań motorycznych, aby osiągnąć wcześniej zaplanowany cel56. Wiadomo, że planowanie wymaga integracji różnych komponentów funkcji wykonawczych, w tym pamięci roboczej, kontroli uwagi i hamowania reakcji, co sprawia, że eksperymentalna manipulacja i izolowany pomiar tych procesów są trudne57,58.

Badania neuroobrazowe dotyczące planowania poznawczego powszechnie wykorzystują paradygmaty behawioralne, takie jak Tower of London59,60,61; jednakże, aby kontrolować czynniki zakłócające, zadania używane do badania planowania poznawczego mogą stać się ograniczone i sztuczne, co prowadzi do mniejszej trafności predykcyjnej i ekologicznej62,63,64,65. Aby przezwyciężyć ten problem w dziedzinie neuropsychologii, zaproponowano sytuacje planowania w świecie rzeczywistym jako zadania ekologiczne62,63. Podtest Zoo Map Task w Behawioralnej Ocenie Zespołu Dyswykonawczego mierzy umiejętności planowania i organizacji w bardziej naturalny i odpowiedni sposób64,66. Ten test jest testem ołówkiem i papierem, który polega na zaplanowaniu trasy, aby odwiedzić 6 z 12 miejsc na mapie zoo. Lokalizacje są typowymi miejscami, które można znaleźć w zwykłym zoo, takimi jak słoniarnia, klatka dla lwów, miejsce odpoczynku, kawiarnia itp. Istnieją dwa warunki, które oceniają różne poziomy planowania: i) warunek formułowania, w którym badani są instruowani, aby zaplanować trasę, aby odwiedzić sześć miejsc w wybranej przez siebie kolejności, ale zgodnie z zestawem zasad; oraz ii) warunek wykonania, w którym badani są instruowani, aby odwiedzić sześć miejsc w określonej kolejności i zgodnie z zestawem zasad. Te dwa warunki dostarczają informacji na temat umiejętności planowania w źle ustrukturyzowanych (formułowanie) i dobrze ustrukturyzowanych (wykonywanie) problemach67. Pierwsze jest przedstawiane jako bardziej wymagające zadanie poznawcze w otwartej sytuacji, ponieważ wymaga od badanych opracowania logicznej strategii osiągnięcia celu. Przed wyznaczeniem trasy należy opracować sekwencję operatorów; W przeciwnym razie mogą wystąpić błędy. Z drugiej strony, warunek wykonania wymaga mniejszego zapotrzebowania poznawczego, ponieważ rozwiązanie zadania polegającego na przestrzeganiu określonej narzuconej strategii wymaga od badanego jedynie monitorowania realizacji sformułowanego planu, aby osiągnąć cel66. Z drugiej strony, labirynt Porteus jest dobrze znanym zadaniem w dziedzinie psychologii, szczególnie w obszarach psychologii poznawczej i neuropsychologii, i jest szeroko stosowany jako narzędzie do oceny różnych aspektów poznania, takich jak rozwiązywanie problemów i planowanie68,69. Zadanie Porteus Maze to zadanie ołówkiem i papierem, które zaczyna się od prostej analizy bodźców wizualnych i staje się coraz trudniejsze. Podmiot musi odnaleźć i prześledzić właściwą ścieżkę od punktu początkowego do wyjścia (spośród kilku opcji), przestrzegając zasad, takich jak unikanie przecinających się ścieżek i ślepych zaułków oraz działanie tak szybko, jak to możliwe68. Za każdym razem, gdy podczas rysowania ścieżki pojawia się rozwidlenie, badani podejmują decyzje, aby osiągnąć cel i uniknąć złamania podanych zasad69.

Biorąc pod uwagę ograniczenia i mocne strony powszechnie stosowanych i ekologicznych zadań, zaprojektowaliśmy nasz paradygmat behawioralny głównie w oparciu o Zadanie Mapa Zoo66 oraz Porteus Maze Task68. Paradygmat behawioralny składa się z czterech odrębnych etapów, które obejmują poznawczy proces planowania w scenariuszu życia codziennego. Etapy te są następujące: Etap 1, planowanie, w którym uczestnicy mają za zadanie stworzyć trasę do odwiedzenia różnych miejsc na mapie, dbając o przestrzeganie ustalonych zasad; Etap 2, utrzymanie, w którym uczestnicy zobowiązani są do zachowania zaplanowanej trasy w pamięci roboczej; Etap 3, realizacja, w której uczestnicy wykonują zaplanowaną wcześniej trasę, rysując i ściśle monitorując jej dokładność; oraz Etap 4, odpowiedź, w którym uczestnicy zgłaszają sekwencję odwiedzanych zwierząt zgodnie z zaplanowaną trasą54. Nasz paradygmat umożliwia pomiar różnych parametrów zdolności planowania za pomocą różnych etapów, które odzwierciedlają różne elementy planowania (takie jak pamięć robocza, uwaga wykonawcza i umiejętności wzrokowo-przestrzenne) w bardziej realistyczny sposób, ponieważ wyznaczanie tras jest powszechnym zjawiskiem w życiu codziennym. Dodatkowo, aby kontrolować czynniki zakłócające, paradygmat obejmuje zadanie kontrolne ze strukturą zadania planistycznego i równoważnymi bodźcami, które angażują wykonawcze komponenty poznawcze również zaangażowane w planowanie, ale wyklucza komponent procesu planowania. Pozwala to na wydzielenie komponentu procesu planowania w celu porównania zarówno markerów elektrofizjologicznych, jak i parametrów behawioralnych54.

Ponadto, śledzenie ruchu gałek ocznych wniosło znaczący wkład w badania neuronauki kognitywnej, dostarczając nieinwazyjną metodę pomiaru i analizy ruchów gałek ocznych, która może dostarczyć cennych informacji na temat procesów poznawczych i mechanizmów neuronalnych leżących u podstaw percepcji, uwagi i funkcji poznawczych. Pomiar różnych rodzajów ruchów gałek ocznych za pomocą systemu śledzenia ruchu gałek ocznych może dostarczyć cennych informacji na temat procesów poznawczych i mechanizmów neuronalnych zaangażowanych w planowanie. Na przykład można zmierzyć następujące aspekty: fiksacje, które są okresami stabilnego patrzenia, podczas których zdobywane są informacje wizualne70; Sakkady, które są szybkimi ruchami gałek ocznych, które są używane do przenoszenia wzroku z jednego miejsca na drugie71; płynny pościg, który jest rodzajem ruchu gałek ocznych, który pozwala oczom płynnie podążać za poruszającym się obiektem72; Mikrosakady, które są małymi, szybkimi ruchami gałek ocznych, które występują nawet podczas fiksacji73; oraz mrugnięcia, które są odruchowym działaniem, które pomaga utrzymać nawilżenie oczu i chronić je przed ciałami obcymi74. Te ruchy gałek ocznych mogą dostarczyć informacji na temat procesów poznawczych związanych z wyszukiwaniem wzrokowym, alokacją uwagi70, śledzeniem wizualnym72, perception73 oraz pamięcią roboczą74, które są ważnymi komponentami planowania i kontroli poznawczej.

Z drugiej strony, ostatnie badania nad systemem locus coeruleus-norepinephrine (LC-NE) wykazały jego istotną rolę w kontroli poznawczej75. Locus coeruleus (LC) rzutuje na kilka obszarów mózgu, takich jak kora mózgowa, hipokamp, wzgórze, śródmózgowie, pień mózgu, móżdżek i rdzeń kręgowy76,77,61. Szczególnie gęste unerwienie LC-NE otrzymują obszary mózgu PFC związane z kontrolą poznawczą75. Poza tym niektóre badania wskazują, że przewlekła nadpobudliwość układu LC może przyczyniać się do objawów zaburzeń maniakalno-depresyjnych, takich jak impulsywność i bezsenność. W przeciwieństwie do tego, przewlekłe zmniejszenie funkcji LC wiąże się ze zmniejszoną ekspresją emocjonalną, co jest powszechną cechą wśród pacjentów cierpiących na depresję78. Nadaktywna reakcja locus coeruleus na bodźce może prowadzić do nadmiernej reakcji u osób z zaburzeniami stresowymi lub lękowymi79. W związku z tym zmiany w układzie LC-NE mogą przyczyniać się do objawów dysregulacji poznawczej i/lub emocjonalnej. Techniki nieinwazyjne mogą być stosowane do badania aktywności miejsca sinawy, z których jedną są zmiany średnicy źrenicy, które są w większości kontrolowane przez noradrenalinę uwalnianą z miejsca sinawy. Noradrenalina działa na mięsień rozszerzający tęczówkę poprzez stymulację receptorów alfa-adrenergicznych oraz na jądro Edingera-Westphala, które wysyła sygnały do zwoju rzęskowego i kontroluje rozszerzenie tęczówki poprzez aktywację postsynaptycznych receptorów alfa-2 adrenergicznych66,80,81,82. Bezpośrednie zapisy neuronów LC od małp potwierdziły związek między aktywnością LC-NE, średnicą źrenicy i wydajnością poznawczą83. Rozszerzenie źrenicy było wielokrotnie obserwowane w odpowiedzi na zwiększone wymagania przetwarzania w kilku zadaniach poznawczych71,84,85,86,87.

Elektrofizjologiczne markery kontroli poznawczej w połączeniu ze śledzeniem ruchu gałek ocznych i zapisami źrenic mogą rozwikłać kluczowe pytania o to, jak kontrola poznawcza i planowanie są wdrażane w mózgu. Znaczenie korzystania z naszego protokołu łączącego systemy EEG i eye-tracker jest dwojakie. Z jednej strony, kontrola poznawcza wydaje się wymagać udziału rozproszonej aktywności mózgu w precyzyjnych relacjach czasowych, które stanowią idealnych kandydatów do badania funkcji sieci mózgowych. Z drugiej strony, nieprawidłowości w którejkolwiek z tych zdolności mają poważny wpływ na normalne zachowanie, jak to może mieć miejsce w przypadku różnych zaburzeń poznawczych i neuropsychiatrycznych, takich jak zespół nadpobudliwości psychoruchowej z deficytem uwagi88,89, duże zaburzenie depresyjne90,91, choroba afektywna dwubiegunowa91, schizofrenia92, czołowo-skroniowy dementia93, a także zaburzenia spowodowane zmianami czołowymi94. Dodatkowo, obecny protokół pozwala na wykorzystanie pupilometrii jako parametru do porównania aktywności i oscylacji LC-NE za pomocą śledzenia ruchu gałek ocznych i elektroencefalografii. Może to nie tylko dostarczyć dowodów na teoretyczny związek między LC-NE, pupilometrią i markerami neuronalnymi u ludzi, ale może również umożliwić śledzenie trajektorii rozwoju cech związanych z systemem LC-NE podczas planowania poznawczego. Jednak w naszym modelu skupiliśmy się na testowaniu, czy podczas planowania występuje określony wzorzec sakkad, który może potencjalnie skutkować określonymi zmianami oscylacji95. Dodatkowo wykorzystaliśmy system śledzenia ruchu gałek ocznych jako ważną część badania behawioralnej realizacji planu w fazie realizacji naszego paradygmatu behawioralnego.

Podsumowując, ten protokół może stworzyć testowalne modele dynamiki sieci mózgowych, które mogą służyć jako platforma zarówno dla dalszych badań podstawowych, jak i ewentualnych zastosowań klinicznych i terapeutycznych.

Protokół

Wszystkie procedury w niniejszym protokole zostały zatwierdzone przez komisję bioetyczną Wydziału Medycyny Pontificia Universidad Católica de Chile, a wszyscy uczestnicy podpisali formularz świadomej zgody przed rozpoczęciem badania (numer projektu badawczego: 16-251).

1. Rekrutacja uczestników

  1. Zrekrutuj praworęcznych, zdrowych dorosłych (mężczyzn i kobiety) z normalnym lub skorygowanym do normy wzrokiem, a następnie poddaj ich ocenie pod kątem kryteriów włączenia i wykluczenia.
    UWAGA: W niniejszym badaniu zrekrutowano 27 zdrowych osób w wieku od 19 do 38 lat, biegle posługujących się językiem. Wielkość próby może się różnić w zależności od pożądanego poziomu mocy statystycznej, a zakres wieku może być różny w zależności od konkretnego pytania badawczego. W naszym protokole obliczyliśmy wielkość próby, biorąc pod uwagę test znaków Wilcoxona, wielkość efektu 0,7, poziom alfa 0,05 oraz moc 0,95, zgodnie z opisem w Faul et al.96. Do oceny uczestników pod kątem kryteriów włączenia/wykluczenia wykorzystaliśmy MINI-International Neuropsychiatric Interview97, przeprowadzony przez przeszkolonego psychologa. Rekrutuj wyłącznie osoby praworęczne, aby zmniejszyć zmienność sygnału EEG, ponieważ osoby leworęczne mogą wykazywać inny rozkład topograficzny aktywności EEG98,99,100.

2. Przygotowanie bodźców

  1. W przypadku zadania planowania należy stworzyć zestaw bodźców za pomocą oprogramowania do edycji grafiki wektorowej (patrz Tabela Materiałów). Dla każdego bodźca należy zaprojektować skalę szarości labiryntu przedstawiającego mapę zoo. Wewnątrz labiryntu należy stworzyć bramę wejściową oraz kilka ścieżek prowadzących do lokalizacji zwierząt (np. w niniejszym badaniu było cztery lokalizacje zwierząt, patrz Rysunek 1).
    UWAGA: W niniejszym badaniu stworzyliśmy 36 labiryntów, w których każdy bodziec składał się z mapy zoo z bramą startową, czterech obrazów zwierząt umieszczonych w labiryncie oraz kilku ścieżek. Ścieżki w labiryncie mogą lub nie mogą prowadzić do lokalizacji zwierząt. W pupilometrii często preferowane jest stosowanie bodźców w skali szarości o zredukowanym kontraście, ponieważ zmniejsza to stymulację czopków w siatkówce, które odpowiadają za widzenie barwne. Przesunięcie akcentu bodźca pozwala na bardziej czuły pomiar zmian wielkości źrenicy, które uważa się, że odzwierciedlają zmiany w stanie pobudzenia lub uwagi. Dodatkowo stosowanie bodźców w skali szarości zmniejsza zmienność pomiaru wynikającą z różnic w widzeniu barwnym między osobnikami101.
  2. Aby uzyskać różne poziomy złożoności w zadaniu końcowym, należy podzielić bodźce na podstawie liczby poprawnych rozwiązań zgodnie z ustalonym celem i zasadami (w szczególności celem jest zaplanowanie ścieżki odwiedzenia lokalizacji zwierząt). Liczba poprawnych rozwiązań odnosi się do liczby ścieżek, które można zaplanować zgodnie z zasadami (patrz zasady na Rysunku 2 oraz krok 5.12.1.). Bodźce z więcej niż pięcioma możliwymi rozwiązaniami należy zaklasyfikować jako „łatwe”, a bodźce z pięcioma lub mniejszą liczbą możliwych rozwiązań jako „trudne”. Następnie należy stworzyć taką samą liczbę prób dla każdej kategorii.
    UWAGA: Alternatywnie można poprosić autorów o udostępnienie bodźców stworzonych dla Domic-Siede et al.54, ponieważ zostały one przygotowane zgodnie z tymi instrukcjami. Należy pamiętać, że wszystkie materiały są dostępne na prośbę, ale specyfikacje są tutaj szczegółowo opisane. W niniejszym badaniu stworzyliśmy 18 prób łatwych i 18 prób trudnych. Ocena różnic w poziomach trudności na poziomie behawioralnym i elektrofizjologicznym jest ważna, ponieważ pomoże ustalić, czy mierzone jest obciążenie poznawcze/wysiłek poznawczy/trudność, czy też wewnętrzne aspekty planowania poznawczego (patrz sekcje z reprezentatywnymi wynikami i dyskusją).
  3. W przypadku zadania kontrolnego należy zastosować tę samą strukturę co w zadaniu planowania (okres oceny, utrzymanie, wykonanie, odpowiedź, patrz Rysunek 2) oraz te same bodźce stworzone dla zadania planowania, ale dodać narysowaną linię reprezentującą wyznaczoną ścieżkę odwiedzenia sekwencji lokalizacji zwierząt, zaczynając od bramy aż do ostatniej lokalizacji (patrz Rysunek 1B). Wyznaczoną ścieżkę należy wykonać w kolorze nieco ciemniejszym niż główne ścieżki labiryntu, z niskim kontrastem ocenionym za pomocą luksomierza (patrz krok 2.4).
    UWAGA: Pomysłem kierującym się przy tym rozwiązaniu jest utrzymanie cech psychofizycznych obu warunków (zadań planowania i kontroli) na możliwie zbliżonym poziomie. Wykreślone ścieżki labiryntów mogły być zgodne z zasadami lub nie (szczegóły dotyczące instrukcji przekazanych uczestnikom znajdują się w sekcji 5 protokołu). W niniejszym badaniu połowa bodźców miała poprawną sekwencję odwiedzin zgodnie z zasadami, natomiast druga połowa zawierała błędy (np. dwukrotne użycie tej samej ścieżki lub przechodzenie przez ślepe zaułki, patrz krok 5.12.1, krok 5.12.3 oraz Rysunek 2).
  4. Oceń natężenie oświetlenia bodźców za pomocą luksomierza umieszczonego w podkładce pod brodę, której będą używać badani (patrz krok 4.5 i krok 4.6), w tej samej odległości od ekranu. Każdy bodziec w każdym warunku generuje wartość w luksach. Zapisz każdą wartość ręcznie do dalszych analiz.
    UWAGA: Między warunkami nie spodziewamy się różnic w natężeniu oświetlenia (patrz krok 4.6). W przeciwnym razie należy sprawdzić kontrast bodźców. Jest to istotne, jeśli mierzona będzie średnica źrenicy102.
  5. Stwórz jeden bodziec reprezentujący poprawną informację zwrotną (kciuk w górę w przypadku poprawnej odpowiedzi) i drugi bodziec reprezentujący błędną informację zwrotną (kciuk w dół w przypadku błędnej odpowiedzi), również korzystając z edytora grafiki wektorowej (patrz Tabela Materiałów) oraz (Rysunek 2).

Eksperyment nawigacji w labiryncie: warunek planowania vs kontrolny, schemat ze ścieżkami i symbolami zwierząt.
Rysunek 1: Bodźce w zadaniu eksperymentalnym i kontrolnym. Przedstawiono przykładowe bodźce dla zadania (A) planowania oraz zadania (B) kontrolnego. Bodźce przedstawiają mapę zoo składającą się z bramy, czterech lokalizacji zwierząt w różnych miejscach oraz kilku ścieżek. Bodźce dla obu warunków były podobne; jedyną różnicą było to, że w zadaniu kontrolnym (B) bodźce posiadały zaznaczoną linię wskazującą już istniejącą ścieżkę (tutaj linia czarna w celach ilustracyjnych). Linia ta w rzeczywistych bodźcach kontrolnych była nieco ciemniejsza, z niskim kontrastem regulowanym przez natężenie oświetlenia (patrz krok 2.4). Rysunek zmodyfikowano na podstawie pracy Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Schemat procesu poznawczego: planowanie vs kontrola, przebieg eksperymentu, ocena odpowiedzi, cykl informacji zwrotnej.
Rysunek 2: Projekt eksperymentalny. (A) Próba zadania planowania. Próby w tym warunku rozpoczynały się od krzyżyka fiksacyjnego wyświetlanego przez 3 s. Następnie uczestnicy otrzymali polecenie zaplanowania ścieżki odwiedzającej wszystkie cztery lokalizacje zwierząt zgodnie z ustalonym zestawem reguł (maksymalnie 10 s). Dalej pojawił się przesunięty krzyżyk fiksacyjny (3 s), a następnie ponownie wyświetlono labirynt. W tym okresie (wykonania) badani musieli zrealizować ślad zaplanowany w poprzednim okresie planowania za pomocą wzroku, korzystając z wizualnej informacji zwrotnej w czasie rzeczywistym (zapewnianej przez system eye-trackera), która wyznaczała ruch ich spojrzenia w czasie rzeczywistym (ciemna linia) (maksymalnie 10 s). Następnie, w okresie odpowiedzi, badani musieli zgłosić sekwencję utworzoną podczas wykonania, szeregując odwiedzone zwierzęta. W zależności od ich odpowiedzi przekazywana była informacja zwrotna. (B) Próba zadania kontrolnego. Próby w tym warunku rozpoczynały się od krzyżyka fiksacyjnego przez 3 s. Następnie uczestnicy otrzymali polecenie oceny, czy wyrysowana ścieżka (ciemna linia) była zgodna z regułami, czy nie. Dalej pojawił się przesunięty krzyżyk fiksacyjny (3 s), a następnie ponownie wyświetlono labirynt. W tym okresie badani musieli ponownie odrysować już istniejącą ścieżkę z wizualną informacją zwrotną w czasie rzeczywistym, analogicznie do okresu wykonania planowania (maksymalnie 10 s). Następnie, w okresie odpowiedzi, badani musieli odpowiedzieć (tak lub nie), czy wyrysowana sekwencja była zgodna z wcześniej określonymi regułami. W zależności od ich odpowiedzi przekazywana była informacja zwrotna. Rysunek zmodyfikowany na podstawie pracy Domic-Siede i wsp.54. Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.

3. Programowanie zadań planowania i kontroli

  1. Napisz skrypt kodujący paradygmat zadania planistycznego opartego na Zoo Map Task66 oraz labirynt Porteusa68przy użyciu oprogramowania do prezentacji bodźców/eksperymentów behawioralnych (patrz Tabela materiałów oraz Plik uzupełniający).
    1. Zakoduj zadanie, uwzględniając dwa warunki (warunek planowania oraz warunek kontrolny) o strukturze zbliżonej do tej wyjaśnionej w sekcji 2 i sekcji 4 (patrz Rycina 2 oraz Plik uzupełniający).
      UWAGA: Ważne jest zastosowanie tej samej struktury w obu warunkach, aby kontrolować czynniki zakłócające oraz komponenty percepcyjne zaangażowane w proces rozwiązywania wymagań zadania (Rycina 2). Wykorzystanie tej samej struktury poprawia ocenę konkretnego procesu poznawczego zaangażowanego w planowanie poznawcze.
    2. Zsynchronizuj komunikację pomiędzy komputerem wyświetlającym, komputerem EEG i komputerem głównym (komputerem eyetrackera) poprzez komunikacja przez port Ethernet i port równoległy, wysyłanie impulsów w logice tranzystor-tranzystor (TTL) z komputera sterującego wyświetlaniem (patrz Rysunek 3).
    3. Napisz kod do kalibracji ruchów gałek ocznych w systemie eye-tracking na początku zadań planowania i kontroli oraz po każdym ukończonym pięciu próbach, ponieważ pozycja spojrzenia na ekranie jest kluczowa dla okresu wykonania (patrz krok 3.2.3 i krok 3.3.3 protokołu, sekcja dyskusji oraz kod w Plik uzupełniający).
      UWAGA: Mogą wystąpić opóźnienia w komunikacji komputerowej. Istnieje kilka metod pomiaru opóźnienia pomiędzy impulsami TTL na dwóch różnych komputerach, jednak jednym z powszechnych podejść jest zastosowanie urządzenia sprzętowego, takiego jak oscyloskop cyfrowy lub analizator logiczny. Innym podejściem jest wykorzystanie metod programowych, np. przesyłanie impulsów TTL przez połączenie sieciowe i użycie narzędzi analizy sieciowej do pomiaru opóźnienia. Kolejną metodą jest synchronizacja zegarów obu komputerów – przy użyciu systemu globalnego pozycjonowania (GPS), serwera protokołu czasu sieciowego (NTP) lub sprzętowego rozwiązania synchronizacyjnego – a następnie obliczenie opóźnienia pomiędzy znacznikiem czasu a czasem dotarcia każdego impulsu i uśrednienie wyników w celu uzyskania całkowitego opóźnienia pomiędzy dwoma komputerami.
  2. Napisz kod dla zadania planowania o następującej strukturze: okres planowania, okres utrzymania, okres realizacji planu, okres odpowiedzi oraz informacja zwrotna (Rycina 2, Plik uzupełniający).
    1. Okres planowania: Rozpocznij warunek planowania, wyświetlając krzyżyk fiksacyjny przez 3 s jako linię bazową.
    2. Zestaw labiryntów (w niniejszym badaniu 36) należy prezentować pojedynczo w kolejności losowej.
      UWAGA: W tym okresie planowania uczestnicy są proszeni o zaplanowanie trasy odwiedzenia czterech lokalizacji zwierząt w maksymalnym czasie 10 s, zgodnie z określonym zestawem zasad (zasady zostały im wcześniej wyjaśnione; szczegóły dotyczące podanych zasad znajdują się w sekcji 5 protokołu, podobnie jak Rycina 2).
    3. Wprowadź do kodu wyzwalacz TTL sygnalizujący początek prezentacji bodźca za pomocą kodu znacznika (tag code) i prześlij ten wyzwalacz do komputera EEG oraz komputera hosta eyetrackera w celu przeprowadzenia dalszych analiz w węższych oknach czasowych.
    4. W kodzie należy zaprogramować, aby okres planowania kończył się w momencie naciśnięcia przycisku na joysticku lub klawiaturze po zakończeniu planowania przez badanego lub po przekroczeniu maksymalnego czasu. Czas reakcji (RT) musi zostać zapisany w pliku dziennika w celu przeprowadzenia dalszych analiz.
      UWAGA: W tym okresie stosowaliśmy kod wyzwalający w postaci cyfry 1, jednak zaleca się stosowanie tagów hierarchicznych deskryptorów zdarzeń (HED) zamiast kodów numerycznych, ponieważ tagi HED nadają treści znaczenie i strukturę, co ułatwia innym badaczom lub współpracownikom zrozumienie zawartości danych.
    5. Okres utrzymania: Rozpocznij ten okres, wyświetlając przez 3 s przesunięty krzyżyk fiksacyjny. Zlokalizuj przesunięty krzyżyk fiksacyjny w pozycji przestrzennej, w której znajduje się brama labiryntu, aby przewidzieć pozycję startową (bramę) mapy zoo (patrz Rycina 2).
      UWAGA: Cel tego okresu jest potrójny. Po pierwsze, przesunięty krzyżyk fiksacyjny ułatwia wykonanie śladu reprezentującego zaplanowaną ścieżkę dla następnego okresu (patrz krok 3.2.8). Po drugie, w tym czasie uczestnicy utrzymują w pamięci roboczej plan opracowany podczas okresu planowania. Wreszcie, okres ten służy jako interwał międzypróbny, wyznaczający koniec okresu planowania i początek kolejnego okresu – okresu wykonania planu.
    6. Okres realizacji planu: Po wyświetleniu przesuniętego krzyżyka fiksacyjnego przez 3 s w okresie utrzymania, ponownie zaprezentuj labirynt.
    7. Wyślij wyzwalacz TTL do EEG oraz do komputera obsługującego eye-tracker, aby oznaczyć początek tego okresu za pomocą określonego kodu znacznika.
    8. Napisz kod, który zapewni wizualną informację zwrotną w czasie rzeczywistym (ciemna linia, patrz okres wykonywania w Rysunek 2) pozycji spojrzenia badanego około 992 ms po rozpoczęciu tego okresu.
      UWAGA: Rozpoczęcie wykreślania z opóźnieniem (około 1000 ms) daje badanym czas na zorientowanie się w labiryncie, co pozwala im wykreślić ciemną linią poprzednią zaplanowaną ścieżkę (wyznaczoną w okresie planowania).
    9. Zapisz współrzędne ścieżek w celu późniejszej rekonstrukcji tras przebytych przez badanych, a następnie oceń wyniki w trybie offline (patrz krok 6.1.1, Rycina 4).
    10. Należy zapewnić maksymalny czas 10 s na pokonanie zaplanowanej ścieżki, umożliwiając badanym zakończenie tego okresu poprzez naciśnięcie przycisku. W ten sposób badani mogą kontrolować moment zakończenia rysowania ścieżki.
    11. Zapisz czas retencji (RT) w pliku dziennika w celu przeprowadzenia dalszych analiz.
    12. Okres odpowiedzi: Napisz kod dla okresu odpowiedzi, który rozpoczyna się po 10 s wykonania planowania lub po naciśnięciu przycisku na koniec okresu wykonania planowania; w tym okresie labirynt znika, lecz zwierzęta i ich pozycje przestrzenne pozostają na ekranie.
    13. Umieść cztery puste koła poziomo na dole ekranu w okresie odpowiedzi.
      UWAGA: Celem tego okresu jest umożliwienie badanym wskazania kolejności odwiedzonych zwierząt podczas okresu realizacji planu, poprzez umieszczanie zwierząt w okręgach w tej samej kolejności, w jakiej zostały one odwiedzone, przy użyciu joysticka lub klawiatury.
    14. Skonfiguruj program/kod tak, aby badani mogli używać dżojstika lub klawiatury do wyboru każdego z prezentowanych wcześniej zwierząt (w badaniu tym cztery zwierzęta) i umieszczania ich w każdym z czterech kół (patrz Plik uzupełniający i Rycina 2).
    15. Informacje zwrotne: Należy napisać kod, który wyświetli uczestnikom informację zwrotną przez 3 s. W przypadku prawidłowych kombinacji odwiedzonych zwierząt, jeśli zasady zostały zachowane, powinien zostać wyświetlony obraz kciuka w górę, natomiast w przypadku zgłoszenia nieprawidłowej kombinacji powinien zostać wyświetlony obraz kciuka w dół.
    16. Wyślij wyzwalacz TTL, używając określonego kodu znacznika dla prawidłowej informacji zwrotnej i innego kodu znacznika dla nieprawidłowej, do komputerów EEG i eyetrackera.
      UWAGA: Celem przekazywania informacji zwrotnej jest ułatwienie monitorowania wyników oraz utrzymanie motywacji podczas wykonywania zadania. Dostarczenie informacji zwrotnej w czasie rzeczywistym wzmacnia efekt nagrody i sprzyja prawidłowej realizacji zadania.103.
  3. Napisz kod dla zadania kontrolnego o takiej samej strukturze jak w warunku planowania: okres kontrolny, okres utrzymania, okres wykonania kontrolnego, okres odpowiedzi oraz informację zwrotną (patrz Plik uzupełniający, Rysunek 2).
    1. Okres kontrolny: Należy napisać kod dla okresu warunku kontrolnego w celu ograniczenia czynników zakłócających. Kod dla tego okresu musi rozpoczynać się od krzyżyka fiksacyjnego prezentowanego przez 3 s jako punkt odniesienia.
      UWAGA: Ponieważ zadanie planowania wymaga przede wszystkim realizacji planowania, ale angażuje również inne domeny poznawcze będące częścią funkcji wykonawczych, takie jak funkcje wzrokowo-przestrzenne, pamięć robocza, kontrola uwagi, kontrola hamująca itp.66,88,104,105zadanie kontrolne jest kluczowe dla ograniczenia wpływu czynników zakłócających. Zatem głównym celem tego zadania jest zaangażowanie wszystkich funkcji poznawczych i percepcyjnych niezbędnych do rozwiązania zadania planistycznego, przy jednoczesnym wyeliminowaniu procesu implementacji planowania poznawczego54.
    2. Prezentuj losowo, jeden po drugim, labirynty dla warunku kontrolnego (labirynty z już zaznaczoną ścieżką). Zaprogramuj maksymalny czas trwania wynoszący 10 s.
    3. Wprowadź do kodu wyzwalacz TTL sygnalizujący za pomocą tagu rozpoczęcie prezentacji bodźca i prześlij ten wyzwalacz do komputera EEG oraz komputera sterującego eyetrackerem.
    4. Wprowadź do kodu zapis, zgodnie z którym okres kontrolny kończy się w momencie naciśnięcia przycisku na joysticku lub klawiaturze po zakończeniu zadania przez badanego lub po przekroczeniu maksymalnego czasu.
      UWAGA: Badani otrzymują instrukcję oceny zaznaczonych ścieżek (czy są one zgodne z zasadami, czy nie; szczegóły dotyczące instrukcji przekazanych uczestnikom znajdują się w punkcie 5.12).
    5. Zapisz czas reakcji (RT) w pliku dziennika w celu przeprowadzenia dalszych analiz.
    6. Okres utrzymania: Po zakończeniu okresu kontrolnego należy wyświetlić przesunięty krzyżyk fiksacyjny przez 3 s.
    7. W okresie planowania wykonania należy umieścić krzyżyk fiksacyjny w miejscu wejścia do bramki, aby ułatwić przyciągnięcie wzroku w następnym okresie.
    8. Okres wykonania kontroli: Ponownie wyświetl labirynt, jednocześnie wysyłając sygnał wyzwalający TTL do komputerów obsługujących EEG i eyetracker z tagiem sygnalizującym początek okresu wykonania.
    9. Powtórzyć ten sam kod, który zastosowano dla okresu realizacji planowania, aby zapewnić informację zwrotną online o pozycji spojrzenia oraz aby wyznaczyć i nałożyć trajektorię spojrzenia na prześledzoną ścieżkę.
    10. Należy zapewnić maksymalny czas 10 s na przebycie ścieżki, umożliwiając badanym zakończenie tego okresu poprzez naciśnięcie przycisku.
    11. Zapisz wartość RT w pliku dziennika w celu przeprowadzenia dalszych analiz.
    12. Okres odpowiedzi kontrolnej: Po zakończeniu okresu wykonywania kontroli wyświetl znak zapytania wskazujący na okres odpowiedzi.
    13. Zaprogramuj dwa przyciski, odpowiednio dla badanych, aby mogli udzielić odpowiedzi za pomocą joysticka lub klawiatury.
      UWAGA: W tym przypadku badani są proszeni o odpowiedź na pytanie, czy sekwencja zaznaczona śladem była poprawna, poprzez wybranie jednego przycisku dla odpowiedzi poprawna/TAK i innego dla odpowiedzi niepoprawna/NIE.
    14. Zapisz dokładność w pliku dziennika.
    15. Informacje zwrotne: Napisz kod, który będzie wyświetlał przez 3 s informację zwrotną o poprawnej odpowiedzi (obrazek kciuka w górę) w przypadku poprawnej odpowiedzi badanych oraz przez 3 s informację zwrotną o błędnej odpowiedzi (obrazek kciuka w dół) w przypadku błędnej odpowiedzi badanych.
    16. Podobnie jak w warunku planowania, wyślij sygnał wyzwalający TTL do komputerów EEG i hosta eye-trackera z tagiem dla poprawnej informacji zwrotnej oraz innym tagiem dla błędnej informacji zwrotnej.
  4. Zadania szkoleniowe: Stworzyć bodźce, napisać kod i przeprowadzić przed wspomnianymi zadaniami planowania i kontroli krótką sesję treningową składającą się z około sześciu prób/labiryntów dla każdego warunku (planowania i kontroli)
    UWAGA: Celem było zapewnienie zapoznania się z konfiguracją zadania. Zaleca się określenie kryteriów przejścia do kolejnego etapu. W niniejszym badaniu, jeśli trzy ostatnie próby były poprawne, a uczestnicy po zakończeniu sesji treningowej zadeklarowali zrozumienie celu oraz procedury, mogli oni przejść do sesji eksperymentalnej.

Schemat zestawu EEG i eye-trackera; połączenia LAN i USB, akwizycja danych i analiza behawioralna.
Rysunek 3: Przykład zestawu laboratoryjnego. Schematyczne przedstawienie zestawu laboratoryjnego ukazujące trzy połączone ze sobą komputery. Komputer główny (komputer eye-trackera) odpowiada za śledzenie i przechowywanie danych o ruchach gałek ocznych. Komputer EEG rejestruje i przechowuje sygnały EEG. Komputer wyświetlacza steruje eksperymentem behawioralnym, prezentuje bodźce badanym oraz wysyła triggery zdarzeń do komputera głównego i komputera EEG poprzez porty równoległe i połączenia LAN w celu synchronizacji zbierania danych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat wyszukiwania ścieżki przez zwierzę; porównanie warunku planowania i kontrolnego w eksperymencie z labiryntem.
Rysunek 4: Rekonstrukcja ścieżki na podstawie wizualnej informacji zwrotnej w czasie rzeczywistym dostarczanej przez system eye-trackera. Ilustracyjne przykłady rekonstrukcji ścieżki z okresu motorycznej realizacji planu (A, kolor fioletowy, okres realizacji planowania) oraz okresu realizacji kontrolnej (B, linia w kolorze zielonym) wraz z danymi z eye-trackera. Ścieżka zrekonstruowana w okresie realizacji planowania służy do oceny dokładności każdej próby w zadaniu planowania. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

4. Warunki laboratoryjne i sprzęt

  1. Użyj systemu akwizycji EEG do rejestracji aktywności EEG ze skóry głowy uczestnika, rozmieszczając elektrody EEG zgodnie z międzynarodowym systemem 10-20106. Umieść dwie elektrody na wyrostkach sutkowatych uczestnika w celu późniejszego (offline) ponownego odniesienia sygnału. Wykorzystaj elektrody elektrookulograficzne, aby podczas inspekcji wizualnej zidentyfikować sygnały pionowych i poziomych ruchów gałek ocznych oraz mrugnięć.
  2. Użyj oprogramowania do akwizycji EEG do zbierania danych EEG z częstotliwością próbkowania 2 048 Hz lub 1 024 Hz oraz filtrem pasmowym w zakresie 0,1-100 Hz w komputerze EEG.
    UWAGA: Częstotliwości próbkowania 1 024 Hz i 2 048 Hz zapewniają rozdzielczość wystarczającą do analizy oscylacji niskoczęstotliwościowych. Podczas analizy oscylacji niskoczęstotliwościowych ważne jest pozyskiwanie sygnałów EEG z wysoką częstotliwością próbkowania, np. powyżej 1 000 Hz, aby zapobiec aliasingowi sygnałów niskoczęstotliwościowych.
  3. Użyj komputera do prezentacji, który jest połączony z komputerem EEG oraz głównym komputerem eye-trackera poprzez porty równoległe i ethernet i na którym zainstalowana jest platforma do przeprowadzania eksperymentów behawioralnych, aby wyświetlać bodźce na zewnętrznym monitorze o minimalnej rozdzielczości 1 920 pikseli x 1 080 pikseli i częstotliwości odświeżania 60 Hz. Umieść monitor w odległości około 82 cm od badanego.
    UWAGA: Użyliśmy monitora 24-calowego z częstotliwością odświeżania ustawioną na 144 Hz, umieszczonego 82 cm od uczestnika. W eksperymentach poznawczych obejmujących rejestrację EEG i ruchów gałek ocznych zaleca się stosowanie monitora o przekątnej co najmniej 19 cali. Ponadto ogólną rekomendacją jest umieszczenie monitora w odległości, która pozwala uczestnikowi na komfortowe wykonywanie zadania i utrzymanie stabilnego spojrzenia na ekran, zapewniając jednocześnie dokładną rejestrację EEG i ruchów gałek ocznych. Zaleca się przetestowanie i dostosowanie konfiguracji w razie potrzeby, aby zapewnić najlepsze wyniki.
  4. Użyj systemu eye-trackingu, aby zapewnić uczestnikom informację zwrotną w czasie rzeczywistym o ich ruchach gałek ocznych podczas okresów wykonawczych, oraz zarejestrować wielkość źrenic. Ustaw częstotliwość próbkowania na 1 000 Hz, aby uzyskać odpowiednią rozdzielczość czasową.
  5. Unikaj ruchów głową. Ograniczenia ruchów głowy w płaszczyznach lewo-prawo oraz góra-dół są konieczne, aby oko pozostawało w polu widzenia kamery wideo. Ograniczenie ruchów w przód i w tył jest niezbędne, aby oko znajdowało się w zakresie ogniskowania kamery wideo. Użyj kombinacji podparcia czoła i brody, aby utrzymać ruchy w tym zakresie.
  6. Oceń luminancję bodźców za pomocą cyfrowego luksometru lub podobnego urządzenia, aby porównać różnice między bodźcami planowania a bodźcami kontrolnymi.
    UWAGA: Do oceny różnic między bodźcami w dwóch warunkach można użyć testu statystycznego, takiego jak test t lub test Wilcoxona.
  7. Użyj joysticka sterującego lub klawiatury z co najmniej czterema przyciskami: dwoma przyciskami do odpowiedzi Tak/Nie w warunku kontrolnym (jeden z tych dwóch przycisków służy do zakończenia prób) oraz kolejnymi dwoma przyciskami w okresie odpowiedzi w warunku planowania, aby przesuwać się w przód lub w tył i umieszczać zwierzęta w każdym z czterech kół u dołu ekranu.

5. Sesje rejestracji elektroencefalograficznej i okulografii

  1. Przed rozpoczęciem badania poproś uczestników o wypełnienie i podpisanie pisemnej zgody na udział w badaniu.
  2. Przed sesją nagraniową poproś uczestników, aby nie pojawili się w makijażu (tusz do rzęs i eyeliner mogą zostać zinterpretowane jako źrenica przez system eye-trackera), nie przyjmowali leków ani kofeiny107,108 oraz nie brali udziału w badaniu, jeśli odczuwają silne zmęczenie109 (stres, deprywacja snu itp.).
  3. Poproś uczestników o wypełnienie ankiety demograficznej w celu uzyskania informacji o ich płci, wieku, preferowanej ręce, języku ojczystym oraz historii neuropsychiatrycznej za pomocą Mini-International Neuropsychiatric Interview97 przeprowadzonego przez wykwalifikowanego psychologa.
  4. Oczyść czoło, skórę głowy, wyrostki sutkowate oraz miejsca przykładania elektrod elektrookulograficznych (EOG) u badanego za pomocą wacika z alkoholem.
  5. Umieść wszystkie elektrody zewnętrzne na uczestniku. Elektrody EOG w płaszczyźnie poziomej umieść bipolarnie na zewnętrznych kącikach obu oczu, a elektrody EOG w płaszczyźnie pionowej powyżej i poniżej prawego oka uczestnika. Umieść dwie elektrody zewnętrzne na prawym i lewym wyrostku sutkowatym w celu późniejszego ponownego odniesienia sygnału.
  6. Zmierz głowę badanego i załóż czepek EEG o odpowiednim rozmiarze zgodnie z rozszerzonym międzynarodowym systemem 10-20. Aby to zrobić, znajdź i umieść elektrodę Cz, wykonując następujące kroki:
    1. Zidentyfikuj linię środkową skóry głowy, wizualnie oceniając linię włosów i czubek nosa. Wyznacz linię łączącą te dwa punkty, aby zdefiniować oś środkową.
    2. Zlokalizuj punkt Cz. Cz jest zazwyczaj definiowany jako środek między dwoma punktami przedusznymi (tj. punktami znajdującymi się tuż przed każdym uchem). Zlokalizuj te punkty, a następnie wyznacz linię łączącą je, aby określić przybliżoną lokalizację Cz.
    3. Zmierz i zaznacz punkt Cz. Zmierz odległość od nasion (tj. kostnej wypukłości na górnej części nosa) do punktu Cz. Odległość od nasion do Cz w systemie 10-20 wynosi zazwyczaj około 53% całkowitego obwodu głowy. Zaznacz lokalizację Cz za pomocą pisaka lub innego narzędzia do znakowania.
      UWAGA: Ważne jest stosowanie spójnej i zstandaryzowanej procedury rozmieszczania elektrod, aby zminimalizować błędy i zapewnić poprawność danych EEG. Zaleca się opracowanie standardowej procedury rozmieszczania. Stwórz standardową procedurę przykładania elektrod na skórze głowy każdego badanego i upewnij się, że ta sama procedura jest stosowana wobec każdego uczestnika. W przypadku, gdy nagrania wykonuje zespół lub personel, przeszkol techników lub asystentów badawczych w zakresie prawidłowej procedury rozmieszczania, aby zapewnić spójność i dokładność aplikacji elektrod. Ponadto pożądnym podejściem byłaby digitalizacja pozycji elektrod dla każdego badanego w celu późniejszego przeprowadzenia analizy źródeł. W badaniach EEG precyzyjna trójwymiarowa (3D) lokalizacja każdej elektrody na głowie badanego jest często wymagana do ustalenia korelacji między danymi EEG a odpowiadającą im aktywności mózgu110. Informacja ta jest również krytyczna dla prawidłowego dopasowania danych EEG do obrazów anatomicznych uzyskanych za pomocą technik obrazowania MRI lub CT111,112.
  7. Wprowadź żel przewodzący do każdego otworu w czepku za pomocą strzykawki z tępymi igłami, odsuwając końcówką włosy uczestnika. Następnie zamocuj wszystkie elektrody skalpowe w czepku EEG.
  8. Sprawdź impedancje za pomocą oprogramowania do rejestracji EEG i upewnij się, że znajdują się one poniżej poziomu oporności zalecanego przez system EEG.
  9. Poproś uczestnika, aby pozostał w bezruchu w trakcie eksperymentu. Sprawdź sygnał EEG i przetestuj go, prosząc uczestnika o mrugnięcie, poruszenie żuchwą oraz pozostanie przez kilka sekund z zamkniętymi oczami.
  10. Posadź uczestnika w ciemnym pomieszczeniu o obniżonej akustyce. Użyj podstawki pod brodę, aby ustabilizować głowę i zminimalizować ruchy, a następnie sprawdź, czy odległość między podstawką a środkiem ekranu prezentującego bodźce wynosi około 82 cm.
  11. Umieść dżojstik lub klawiaturę przed uczestnikiem do udzielania odpowiedzi.
  12. Instrukcje: Przed rozpoczęciem każdego warunku (planowania i kontroli) przekaż instrukcje ustne, korzystając z pomocy wizualnych. W instrukcjach zawrzyj wizualne przykłady bodźców i wyjaśnij, jak rozwiązywać labirynty odpowiednio w warunkach planowania i kontroli.
    1. W zadaniu planowania poinstruuj badanych, aby znaleźli ścieżkę pozwalającą na ukończenie sekwencji wizyt w określonych lokalizacjach zwierząt (cztery lokalizacje w niniejszym badaniu) w różnych miejscach labiryntu w dowolnej kolejności i zgodnie z zestawem zasad: „(1) Zaplanuj ścieżkę tak szybko, jak to możliwe, w maksymalnie 10 s; (2) Zacznij od bramy wejściowej i zakończ ścieżkę przy czwartym odwiedzonym zwierzęciu; (3) Nie przechodź dwa razy przez tę samą ścieżkę lub róg; (4) Nie wchodź w ślepe uliczki; (5) Nie przecinaj ścieżki prostopadle”54.
      UWAGA: W przypadku zasad od 2 do 5 zalecamy pokazanie uczestnikowi przykładów wizualnych.
    2. Następnie rozpocznij sesję treningową zadania planowania składającą się z sześciu prób.
      UWAGA: Poinstruuj uczestników, aby przed każdym okresem kalibracji eye-trackera zgłaszali wszelkie problemy z wykonaniem zadania, szczególnie podczas kreślenia ścieżki w okresie wykonawczym. Odnotuj, czy któraś z prób wymaga sprawdzenia w trybie offline lub podczas postprocesingu (patrz krok 6.1.1).
    3. W warunkach kontrolnych poinstruuj badanych, aby ocenili, czy już zaznaczona na labiryncie ścieżka została wytyczona prawidłowo czy błędnie, biorąc pod uwagę wcześniej poznane zasady.
      UWAGA: Podaj przykłady z pomocą wizualną, jak oceniać labirynty bez stosowania strategii planowania, np. nie próbując planować nowej ścieżki po wykryciu błędów (takich jak narysowanie tej samej ścieżki dwa razy, wejście w ślepą uliczkę itp.). Po znalezieniu błędu uwaga powinna być skupiona wyłącznie na zgłoszeniu wykrycia błędu, a nie na korygowaniu ścieżki. Po każdej próbie zapytaj uczestników o zastosowane przez nich strategie. Następnie przekaż ustną informację zwrotną na temat ich wyników, aby upewnić się, że oceniali narysowane ścieżki i unikali planowania nowych. Następnie rozpocznij sesję treningową zadania kontrolnego składającą się z sześciu prób.
  13. Sprawdź sygnał EEG, aby upewnić się, że wszystkie kanały są prawidłowo rejestrowane. Rozpocznij nagrywanie EEG.
  14. Zkalibruj eye-tracker.
    UWAGA: Zweryfikuj zdolność eye-trackera do określania pozycji spojrzenia, gdy uczestnik kieruje wzrok w różne obszary ekranu.
    1. Poinformuj uczestnika, że eye-tracker zostanie skalibrowany i że zobaczy białe koło (z małą szarą kropką) poruszające się losowo w cztery narożniki ekranu (procedura kalibracji pięciopunktowej). Poinstruuj go, aby utrwalał wzrok na kole i poinformuj, że gdy koło przesunie się w inne miejsce, powinien śledzić jego pozycję i ponownie utrwalić wzrok w nowej lokalizacji.
    2. Uruchom eksperyment, rozpocznij zapisywanie ruchów gałek ocznych, klikając Output/Record, i poproś uczestnika o postępowanie zgodnie z uprzednio przekazanymi instrukcjami, informując go, że eksperyment właśnie się rozpoczyna.
    3. Utrzymuj w pomieszczeniu laboratoryjnym ciemne środowisko. Największe zmiany w rozszerzeniu źrenic występują w odpowiedzi na zmiany luminancji113. Zachowaj stały poziom oświetlenia w środowisku eksperymentalnym.

6. Analizy danych

  1. Analizy behawioralne
    1. Przeanalizuj dane behawioralne przy użyciu oprogramowania statystycznego (patrz Tabela materiałów). Zmierz dokładność (procentowy odsetek poprawnych odpowiedzi) jako ilościowy parametr behawioralny w warunkach planowania i kontroli. W przypadku warunku planowania wykorzystaj dane z eyetrackera (współrzędne x i y pozycji spojrzenia), aby offline odtworzyć ścieżki przebyte podczas okresu wykonania, i określ dokładność zaplanowanych ścieżek w porównaniu do rzeczywistych ścieżek wykreślonych (Rycina 4). Aby to zrobić, należy ręcznie sprawdzić zgodność pomiędzy kombinacjami poprawnie/błędnie wykonanymi w okresie odpowiedzi a wykonanym śladem.
    2. Oblicz czas reakcji (RT), który stanowi średni czas rozwiązywania labiryntów w okresie planowania oraz średni czas oceny zaznaczonych ścieżek w okresie kontrolnym.
    3. Oblicz średni RT (czas reakcji) dla okresów wykonawczych w warunkach planowania oraz kontroli. W szczególności należy wykorzystać RT odpowiadający wyłącznie próbom poprawnym.
      UWAGA: Uzupełniająco możliwe jest zastosowanie liniowego zintegrowanego wskaźnika szybkości i dokładności (LISAS)114,115 opisane przez Domic-Siede i współpracowników54co dostarcza łącznej miary uwzględniającej czas reakcji oraz dokładność. Ponieważ czas reakcji w okresie planowania i wykonania oraz dokładność planowania są ze sobą powiązane, LISAS można wykorzystać do obliczenia indeksu, który uwzględnia czas reakcji skorygowany o liczbę popełnionych błędów. Ponadto indeks LISAS może być używany do oceny korelacji między sygnałami elektrofizjologicznymi a wynikami behawioralnymi. Oblicza się go jako kombinację liniową czasu reakcji (RT) i proporcji błędów (PE).
    4. Należy ocenić homoskedastyczność za pomocą testu statystycznego, takiego jak test Levene'a.116,117oraz sprawdzenie normalności rozkładu za pomocą testu omnibus D'Agostino i Pearsona118 lub test Shapiro-Wilka119 wybór odpowiedniego testu statystycznego do porównań (parametrycznego lub nieparametrycznego).
    5. Oceń, czy komponent planowania w warunku planowania jest bardziej obciążający poznawczo niż w warunku kontrolnym, wykorzystując test znaków rang Wilcoxona120 lub test t dla par dopasowanych121 w celu porównania parametrów behawioralnych pomiędzy warunkami.
      UWAGA: W ten sposób należy potwierdzić, że paradygmat behawioralny jest optymalny do oceny planowania poznawczego.
    6. Podziel próby w warunku planowania na kategorie „łatwe” i „trudne” (patrz krok 2.2), a następnie zastosuj test t-studenta dla par zależnych, aby porównać dokładność oraz czasy reakcji w okresach planowania i wykonania pomiędzy próbami „łatwymi” a „trudnymi”.
  2. Preprocessing EEG i ruchów gałek ocznych
    1. Przeprowadź potok wstępnego przetwarzania danych EEG wyjaśniony w poniższych punktach, korzystając z własnych skryptów i/lub uznanych zestawów narzędzi, takich jak te opisane przez Delorme i Makeig122, w pracy Dimigena i wsp.123, oraz w pracy Mognon i wsp.124, w oprogramowaniu języka programowania (patrz Tabela materiałów).
    2. Zsynchronizuj aktywność ruchów gałek ocznych z zapisami EEG, aby zaimportować fiksacje, sakady i zdarzenia mrugnięcia w celu lepszej inspekcji wizualnej lub dalszych analiz (patrz krok 3.1.2 i Plik uzupełniający).
      UWAGA: W niniejszym badaniu wykorzystano znaczniki czasu w danych z eyetrackingu oraz znaczniki czasu w danych EEG, zgodnie z opisem w pracy Domic-Siede et al.54 oraz w pracy Dimigen i wsp.123 aby zaimportować zdarzenia ruchów gałek ocznych do danych EEG w oprogramowaniu w języku programowania.
    3. Przeprowadź downsampling danych do częstotliwości 1 024 Hz w przypadku, gdy zostały one zarejestrowane przy 2 028 Hz, aby zmniejszyć zapotrzebowanie obliczeniowe.
      UWAGA: Częstotliwość próbkowania wynosząca 1 024 Hz jest wystarczająca, biorąc pod uwagę interesujący zakres częstotliwości od 4 do 8 Hz, oczekiwaną rozdzielczość częstotliwości oraz wymagania obliczeniowe analizy.
    4. Przeprowadź ponowne odniesienie sygnału EEG do średniej z elektrod umieszczonych na wyrostkach sutkowatych.
      UWAGA: Możliwe jest zastosowanie innych referencji. Wybór referencji może wpłynąć na wyniki analizy EEG oraz interpretację danych, dlatego ważne jest uważne rozważenie zalet i wad różnych opcji referencjonowania. Średnia referencja wyrostków sutkowatych jest popularnym wyborem w badaniach EEG, ponieważ zapewnia stabilną referencję, która jest łatwa do obliczenia, a jej skuteczność została wykazana w analizie wielu różnych sygnałów EEG. Referencjonowanie danych EEG do średniej z wyrostków sutkowatych (znane jako średnia referencja wyrostków sutkowatych) jest powszechnym podejściem do analizy aktywności theta w obszarach czołowych w danych EEG ze skóry głowy. Elektrody sutkowate znajdują się w pobliżu ucha i stanowią referencję dla sygnałów EEG. Referencjonowanie do średniej z wyrostków sutkowatych może pomóc w redukcji wpływu szumów i artefaktów, które nie są przedmiotem zainteresowania, zapobiegając jednocześnie zniesieniu sygnału interesującego badacza, co pozwala użytkownikowi uzyskać wyraźniejszą reprezentację sygnałów EEG.
    5. Zastosuj filtr o skończonej odpowiedzi impulsowej (FIR) o zerowej fazie, z częstotliwością odcięcia górnoprzepustowego 1 Hz i częstotliwością odcięcia dolnoprzepustowego 40 Hz, dla rozszerzonego sygnału (bez podziału na epoki), wykorzystując oprogramowanie w języku programowania.
      UWAGA: W niniejszym badaniu wykorzystano zestaw narzędzi opisany przez Delorme'a i Makeiga122.
    6. Dla każdego stanu, uwzględniając liczbę prób, podziel dane na epoki wycentrowane odpowiednio wokół początku okresów planowania i kontroli. Jako linię bazową przyjmij 1 s przed rozpoczęciem prezentacji labiryntu, a jako segmenty analizy 4 s po okresie planowania lub kontroli. Wykorzystaj oprogramowanie w języku programowania.
      UWAGA: W niniejszym badaniu wykorzystano zestaw narzędzi opisany przez Delorme i Makeig122oraz 36 epok/prób.
    7. Utwórz drugą segmentację zorientowaną wokół końca okresów planowania i sterowania, przyjmując okres utrzymania wynoszący 4 s przed końcem i 1 s po nim.
      UWAGA: Powodem wyboru pierwszych i ostatnich 4 s okresów planowania i kontroli (krok 6.2.6 i krok 6.2.7) jest fakt, że czas trwania każdego okresu w obu warunkach może być zmienny, a analiza pierwszych i ostatnich sekund planowania może zapewnić bardziej kompleksowy wgląd w proces planowania. W związku z tym długości tych okien są odpowiednie i wystarczające do analizy dynamiki oscylacyjnej leżącej u podstaw planowania.
    8. Na zsegmentowanym sygnale należy uruchomić algorytm analizy składowych niezależnych (ICA) Logistic Infomax.125w celu zidentyfikowania i usunięcia komponentów artefaktowych.
    9. Należy zastosować kryterium stosunku wariancji sakad do fiksacji zalecane przez Plöchla i wsp.126do automatycznego wykrywania potencjalnych komponentów szumowych oraz z wykorzystaniem automatycznego detektora artefaktów EEG, opartego na wspólnym wykorzystaniu cech przestrzennych i czasowych, zalecanego przez Mognon i wsp.124.
      UWAGA: Zalecamy stosowanie niezależnego klasyfikatora komponentów zaproponowanego przez Pion-Tonachini i współpracowników.127, który szacuje klasyfikacje komponentów niezależnych jako wektory składu w obrębie siedmiu kategorii, co pomaga w identyfikacji artefaktów.
    10. Należy sprawdzić inne potencjalne komponenty artefaktowe, takie jak EMG, ruch elektrod lub komponenty niezwiązane z aktywnością mózgu. Poprawność odrzucenia tych komponentów należy potwierdzić poprzez wizualną analizę topografii, widm oraz aktywacji w czasie.
    11. Interpoluj (interpolacja sferyczna) zaszumione kanały poprzez automatyczne odrzucanie kanałów z wykorzystaniem kryterium kurtozy (z wartością z-score równą 5 jako progiem).
  3. Analizy czasowo-częstotliwościowe
    1. Wykonaj krótkoterminową szybką transformację Fouriera (FFT) (od 1 Hz do 40 Hz), stosując okno o długości 250 ms i krok czasowy 5 ms. Użyj okna Hanninga. Zastosuj wynik z-score w celu normalizacji wykresów czasowo-częstotliwościowych względem linii bazowej (−1 s do −0,1 s).
      UWAGA: Wizualizacja widma wiąże się z kompromisem między rozmiarem okna a rozdzielczością czasową. Aby uzyskać kompleksowy wgląd w całe widmo, w tym w zakres theta od 4 Hz do 8 Hz, zalecamy stosowanie dolnej granicy rozmiaru okna, wynoszącej 250 ms, co zapewni wyższą rozdzielczość czasową podczas każdej próby i zadania. Ponadto zalecamy stosowanie okna Hanninga, ponieważ jest ono powszechnie uznawane za konwencjonalny wybór w takich przypadkach. W celu uzyskania lepszej rozdzielczości w czasie i częstotliwości należy przejść do kolejnych kroków.
    2. Wybierz wykres czasowo-częstotliwościowy z elektrody czołowo-centralnej, takiej jak Fz, lub z uśrednionej grupy elektrod czołowych.
      UWAGA: Należy wziąć pod uwagę szeroki zakres dowodów dotyczących związku między kontrolą poznawczą a aktywnością theta w środkowej części linii środkowej kory czołowej12,128,129.
    3. W celu dalszych porównań należy wybrać wykresy czasowo-częstotliwościowe z elektrod kontrolnych poza obszarem czołowym, takich jak elektrody Pz i Oz.
    4. W przypadku elektrod czołowych oraz kontrolnych przeprowadźcie nieparametryczny test permutacji oparty na klastrach dla próbek sparowanych, z pwartość p < Poziom istotności 0,05 dla porównań na poziomie grupy dla wykresów czasowo-częstotliwościowych z obu warunków. Zastosować metodę Monte Carlo z 1000 losowaniami. Do przeprowadzenia testu permutacyjnego wykorzystać maksymalną wartość statystyki klastra.130.
    5. Oblicz średnią dla pasma częstotliwości theta (4–8 Hz) z pierwszych 4 s planowania oraz kontroli, a także z ostatniego 4-sekundowego segmentu.
    6. Porównaj średnią aktywność theta pomiędzy warunkami, stosując test t dla par zależnych lub test znaków Wilcoxona.
    7. Przeanalizuj profil czasowy aktywności theta. W tym celu wyciągnij średnią z zakresu częstotliwości 4–8 Hz dla wszystkich prób w obrębie każdego badanego.
    8. Porównaj dynamikę aktywności theta pomiędzy warunkami, stosując test poziomych sum ranks Wilcoxona dla par dopasowanych z korektą na stopień fałszywych odkryć (FDR).
      UWAGA: W teście Wilcoxona zastosowano nienakładające się okna o długości kroku 88 ms.
  4. Rekonstrukcja źródła
    1. Użyj zestawu narzędzi do rekonstrukcji analizy źródła, takiego jak otwartościowy zestaw narzędzi opisany przez Tadel i wsp.131 lub inny podobny.
    2. Oblicz źródła wstępnie przetworzonego sygnału EEG z pierwszych 4 s planowania, wykorzystując algorytm taki jak standaryzowana elektromagnetyczna tomografia mózgu o niskiej rozdzielczości (sLORETA)132oraz metodę obrazowania o minimalnej normie, jak również symetryczną metodę elementów brzegowych (symetryczne BEM), przy użyciu zestawu narzędzi, takiego jak opisany w pracy Gramfort et al.133do rozwiązania problemu odwrotnego.
    3. Zastosuj algorytm źródłowy (w niniejszym badaniu algorytm sLORETA) na anatomicznym szablonie MNI (wykorzystano szablon MNI „Colin27” w programie Brainstorm) z domyślnymi lokalizacjami elektrod dla każdego uczestnika w przypadku braku cyfryzacji 3D elektrod (patrz krok 5.6).
      UWAGA: Należy zauważyć, że stosowanie domyślnych lokalizacji elektrod nie jest najskuteczniejszą metodą określania źródeł aktywności mózgu. Może ona jednak nadal zapewnić ogólne zrozumienie pochodzenia tej aktywności. Należy pamiętać, że lokalizacje źródeł uzyskane za pomocą tych metod są jedynie przybliżeniami i powinny być interpretowane z ostrożnością podczas analizy wyników.
    4. Zastosuj filtr pasmowoprzepustowy o częstotliwości 4-8 Hz na wstępnie przetworzonym sygnale.
    5. Zastosuj normalizację z-score, przyjmując okres od −1000 ms do −10 ms przed rozpoczęciem próby jako linię bazową.
    6. Oblicz średnią aktywność theta, stosując okno czasowe analizy od 1 s do 4 s po rozpoczęciu próby.
    7. Porównaj średnie źródła przestrzenne pomiędzy warunkami, stosując nieparametryczny permutacyjny test znaków z próbkowaniem Monte Carlo (1000 randomizacji)131.
    8. W celu wyznaczenia obszarów zainteresowania (ROI) należy oznakować korę za pomocą atlasu mózgu.
      UWAGA: Skorzystano z atlasu Destrieux134 zaimplementowane w zestawie narzędzi opisanym przez Tadel i współpracowników131.
    9. Wybierz interesujące obszary mózgu (ROI).
      UWAGA: Uwzględniliśmy dowody wskazujące na to, że obszary kory przedczołowej, takie jak obustronne zakręty czołowe górne (SF), obustronne zakręty i bruzdy czołowe polarne poprzeczne (FP), obustronny przedni zakręt obręczy (ACC), obustronny środkowy zakręt obręczy (MCC) oraz obustronna grzbietowo-boczna kora przedczołowa137,138, biorą udział w funkcjach kontroli poznawczej135,136.
    10. Przeprowadź analizę głównych składowych (PCA) dla wcześniej wstępnie przetworzonego sygnału EEG (zakres 1-40 Hz) dla każdego ROI, a następnie przyjmij pierwszą modę dekompozycji PCA dla każdego ROI.
    11. Przeprowadź analizę spektralną z wykorzystaniem krótkoczasowej szybkej transformaty Fouriera, a następnie porównaj wyniki dla lewego i prawego obszaru zainteresowania za pomocą nieparametrycznego testu permutacyjnego opartego na klastrach.130.
    12. Wyodrębnij i przedstaw lewe i prawe obszary zainteresowania (ROI), które nie wykazują różnic, jako jedną bilateralną serię czasową: SF, ACC oraz MCC. Następnie wygeneruj wykresy czasowo-częstotliwościowe i porównaj je pomiędzy warunkami.
    13. Porównaj wykresy czasowo-częstotliwościowe w zależności od poziomu złożoności zadania planistycznego (próby łatwe względem trudnych) dla każdego ROI.
    14. Odzwierciedl krawędzie sygnału dla każdej z 512 próbek, a następnie zastosuj filtr pasmowo-przepustowy w zakresie od 4 Hz do 8 Hz dla wybranych ROI.
    15. Zastosuj transformatę Hilberta w celu wyznaczenia amplitudy chwilowej139przy użyciu zestawu narzędzi do przetwarzania sygnałów z oprogramowania języka programowania (patrz Tabela materiałów).
    16. Skoryguj sygnał, stosując normalizację z-score (przyjmując przedział od −1000 do −10 ms jako linię bazową), a następnie oblicz średnią z prób dla każdego badanego.
    17. Porównaj profile czasowe pasma theta dla każdego ROI pomiędzy warunkami, stosując test Wilcoxona dla par zależnych (pary dopasowane, 1 s niezachodzących na siebie okien), a następnie wprowadź korektę FDR.
  5. Korelacje między aktywnością EEG a wynikami behawioralnymi
    1. Znormalizuj szeregi czasowe z obszarów ROI względem linii bazowej, stosując wynik z (z-score). Wybierz okno czasowe od 1 s do 4 s po początku planowania lub kontroli (tam, gdzie w wykresach czasowo-częstotliwościowych obserwuje się wyraźną aktywność theta).
    2. Aby określić wzrost aktywności w pasmie theta w warunkach planowania w porównaniu z warunkami kontrolnymi, należy najpierw przekształcić sygnał w dziedzinę częstotliwości (1–40 Hz) przy użyciu metody wielookiennej (multitaper) za pomocą odpowiedniego zestawu narzędzi, takiego jak Chronux toolbox.140 dla każdego stanu i źródła w obszarach zainteresowania.
    3. Oblicz średnią częstotliwość pasma theta (4-8 Hz) oraz wyznacz dwie miary mocy theta: i) różnicę między mocą theta w okresie planowania (θ planning) a mocą w okresie kontrolnym (θ control), oznaczoną jako Δ theta, oraz ii) względny wzrost aktywności theta, wyrażony jako stosunek Δ theta (Δ θ) do aktywności theta w okresie kontrolnym (θ control), zgodnie z metodą Domic-Siede i wsp.54:
      Równanie stanu równowagi statycznej, Δθ=θ̇planning-θ̇control, schemat wzoru do analizy koncepcji fizycznej.       (1)
      Względny przyrost kąta theta: Δθ/θcontrol, wzór matematyczny do analizy danych.
    4. Oblicz dwa parametry behawioralne: iii) Δ LISAS planowanie, poprzez odjęcie LISAS kontrola od LISAS planowanie oraz iv) Δ LISAS wykonanie planowania, poprzez odjęcie LISAS wykonanie kontrola od LISAS wykonanie planowania, zgodnie z metodą Domic-Siede i wsp.54:
      Równanie statycznej równowagi ΔLISAS_planning obrazujące bilans planowania i kontroli, reprezentacja wzoru.
      Równanie dla ΔLISAS w planowaniu wykonawczym; przedstawia wzór na różnice LISAS w sterowaniu wykonawczym.
    5. Przeprowadź korelacje rho Spearmana z wykorzystaniem obliczonych parametrów elektrofizjologicznych i behawioralnych, a następnie zastosuj korektę FDR.
  6. Analiza ruchów gałek ocznych: Aby kontrolować potencjalne różnice w ruchach gałek ocznych dla każdego stanu, które mogłyby skutkować odmienną dynamiką oscylacyjną, należy przeprowadzić następującą analizę:
    1. Wyznacz amplitudę sakady oraz szczytową prędkość sakady dla całego badania oraz dla przedziału od 0 s do 3,75 s w warunkach planowania i kontroli.
    2. Porównaj wyniki, stosując test Wilcoxona dla par zależnych lub test t dla par zależnych, w zależności od tego, który z nich jest odpowiedni.
      UWAGA: Zestaw narzędzi taki, jak opisany w pracy Dimigen i wsp.123może być pomocne.
    3. Oblicz i oceń koherencję między mocą sygnału EEG w widmie Fouriera dla jednej elektrody czołowej (np. Fz lub uśrednionej elektrody z obszaru zainteresowania ROI w płacie czołowym) a częstotliwością sakad, zgodnie z opisem Sato i Yamaguchi.141.
    4. Aby porównać wartości mocy koherencji i szybkości sakkad z pierwszych 4 s każdego próbowania pomiędzy dwiema warunkami, należy zastosować testy znakowych rang Wilcoxona.

Wyniki

W niniejszym protokole porównano RT w okresie planowania z RT w okresie kontrolnym oraz w okresie realizacji planu. RT w fazie planowania była dłuższa niż RT w okresie kontrolnym i w okresie realizacji planu. Ponadto, w porównaniu z warunkiem kontrolnym, uczestnicy popełnili więcej błędów i wykazali niższą dokładność podczas okresu planowania (Rycina 5).

Analiza czasu reakcji i dokładności w planowaniu vs. kontroli, testy t dla par, wykres statystyczny.
Rycina 5: Czas reakcji i dokładność w zadaniu planowania. Porównanie (A) czasów reakcji w okresie planowania (fioletowe koła) i w okresie kontrolnym (zielone koła) z zastosowaniem testu t dla par. (B) Porównanie czasów reakcji w okresie planowania (fioletowe koła) i w okresie realizacji planu (fioletowe kwadraty) z zastosowaniem testu t dla par. (C) Porównanie wskaźnika dokładności w warunkach planowania (fioletowe romby) i w warunkach kontrolnych (zielone romby) z zastosowaniem testu znaków Wilcoxona. Rycina została zmodyfikowana na podstawie pracy Domic-Siede et al.54. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Ponadto analiza poziomów złożoności planowania wykazała istotne różnice w dokładności i czasach reakcji (RTs) między poziomami „trudnym” a „łatwym” podczas planowania i wykonania (Rycina 6). Poziom „trudny” charakteryzował się dłuższymi RTs i niższą dokładnością. Wyniki te sugerują, że podział prób w zależności od liczby poprawnych rozwiązań pozwala odróżnić próby „łatwe” od „trudnych”.

Wykresy słupkowe czasu reakcji (RT) i dokładności; wyniki statystycznego testu t; analiza danych eksperymentalnych.
Rysunek 6: Porównanie wyników behawioralnych dla różnych poziomów złożoności. Istotne różnice w wynikach behawioralnych na poziomie „łatwym” i „trudnym” złożoności zidentyfikowano za pomocą testu t dla par zależnych. Odnotowano niższe czasy reakcji (RT) podczas planowania i wykonania dla poziomu „łatwego” w porównaniu do poziomu „trudnego”, a dokładność była wyższa dla poziomu „łatwego”. Słupki błędów reprezentują SEM (standardowy błąd średniej). Rysunek został zmodyfikowany na podstawie pracy Domic-Siede i wsp.54. Kliknij tutaj, aby wyświetlić powiekszoną wersję tego rysunku.

Wyniki te wskazały, że po skutecznym usunięciu komponentu planowania z warunku kontrolnego (poprzez manipulację instrukcjami), zadanie planowania stało się poznawczo bardziej złożone, wymagające, trudniejsze i bardziej czasochłonne. Dzięki temu możliwe było porównanie między sobą korelatów neuronalnych indukowanych przez te zadania.

Aby przeanalizować aktywność fal theta w środkowej części czołowej podczas planowania, porównano średni zakres częstotliwości theta podczas planowania dla elektrody Fz z zakresem z okresu kontrolnego i stwierdzono istotny wzrost częstotliwości pasma theta podczas planowania (Rycina 7).

Analiza danych EEG; mapy ciepła aktywności mózgu, Z Score; wykresy skrzypcowe porównujące planowanie z grupą kontrolną.
Rysunek 7: Aktywność theta w linii środkowej obszaru czołowego podczas planowania poznawczego. (A) Mapy topograficzne reprezentujące moc pasma theta u wszystkich badanych, znormalizowaną do z-scores podczas zadania planowania (lewo), zadania kontrolnego (środek) oraz efektu planowania (prawo). Podczas planowania poznawczego u badanych zaobserwowano wzrost aktywności theta w linii środkowej obszaru czołowego. Pasek kolorów pokazuje wartości z w zakresie od −0,5 do 1,5. (B) Wykres skrzypcowy przedstawiający minimalne, kwartylne, medianę oraz maksymalne wartości z-score aktywności theta u badanych podczas planowania (fioletowy) w porównaniu do okresu kontrolnego (zielony) dla elektrod Fz (lewo), Pz (środek) i Oz (prawo) z zastosowaniem testu t dla par zależnych. Rysunek zmodyfikowano na podstawie pracy Domic-Siede et al.54. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Dodatkowo, aby ocenić dynamikę czasową obserwowanej czołowej aktywności theta, opracowano mapy topograficzne odpowiadające konkretnym punktom czasowym mocy pasma theta (750 ms, 1 750 ms, 2 750 ms i 3 750 ms) (Rycina 8A). Ponadto analiza czasowo-częstotliwościowa wykazała, w porównaniu z okresem kontrolnym, znaczący, progresywny i trwały wzrost aktywności theta rozpoczynający się 1 s po rozpoczęciu okresu planowania (Rycina 8B).

Analiza widmowa EEG; schemat; fazy planowania aktywności mózgu; wykresy częstotliwości w funkcji czasu; wynik Z.
Rysunek 8: Dynamika czasowa fal theta w linii środkowej obszarów czołowych. (A) Topograficzne przekroje czasowe aktywności theta. Zaobserwowano progresywny wzrost aktywności theta w linii środkowej obszarów czołowych w czasie podczas realizacji planowania (okres planowania). Pasek kolorów wskazuje jednostki z-score (−0.5 do 2.2). (B) Wykresy czasowo-częstotliwościowe dla okresu planowania (góra), okresu kontrolnego (środek) oraz efektu planowania, obliczonego poprzez odjęcie okresu kontrolnego od okresu planowania (dół). Piksele nieistotne statystycznie, wyznaczone za pomocą nieparametrycznego testu permutacji opartego na klastrach dla próbek sparowanych, są przedstawione w jaśniejszym kolorze na wykresie efektu planowania. Pasek kolorów wskazuje jednostki z-score (−4 do 4). Rysunek zmodyfikowano na podstawie pracy Domic-Siede i wsp.54. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

W celu rekonstrukcji źródła aktywności theta zwizualizowano i porównano szablon modelu mózgu pomiędzy warunkami, co wskazało, że aktywność theta pochodziła z obszarów kory przedczołowej (przedniej części kory czołowej górnej, FS; przedniego zakrętu obręczy, ACC; oraz środkowego zakrętu obręczy, MCC), a także że wystąpiły istotne różnice między warunkami (w obustronnych FS, obustronnych ACC i obustronnych MCC) (Rysunek 9), przy czym wyższą aktywność theta zaobserwowano w okresie planowania (Rysunek 9).

Różnica w aktywności mózgu; schemat MRI; widoki czołowy i przyśrodkowy z zaznaczonymi obszarami (FS, ACC, MCC).
Rysunek 9: Rekonstrukcja źródła. Do oszacowania aktywności w pasmie theta z różnych źródeł mózgowych wykorzystano algorytm sLORETA. Aktywność theta została przefiltrowana pasmowo w zakresie 4-8 Hz, znormalizowana za pomocą wyniku z (z-score), skorygowana względem linii bazowej, uśredniona w przedziale od 1 s lub 4 s po rozpoczęciu planowania lub kontroli, odpowiednio, a następnie porównana pomiędzy warunkami. Znaczący wzrost aktywności theta stwierdzono w obustronnych górnych obszarach czołowych, obustronnej przedniej korze zakrętu obręczy oraz obustronnej środkowej korze zakrętu obręczy. Rysunek przedstawia istotne wartości t z testu permutacyjnego. Skróty: FS = górny obszar czołowy; ACC = przednia kora zakrętu obręczy; MCC = środkowa kora zakrętu obręczy. Rysunek zmodyfikowano na podstawie pracy Domic-Siede i wsp.54. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Następnie, oceniając zmiany profilu czasowego fali theta w czasie dla każdego źródła, obliczono transformatę Hilberta, a następnie porównano chwilową amplitudę aktywności theta pomiędzy warunkami. Stwierdzono, że źródła w lewym obszarze frontopolarnym, obustronnie w przednim zakręcie obręczy (ACC) oraz obustronnie w środkowym zakręcie obręczy (MCC) wykazały wyższą aktywność theta po rozpoczęciu okresu planowania (Rycina 10). Wyniki te sugerują, że zastosowany paradygmat doświadczalny wymagający planowania poznawczego wywołał aktywność theta pochodzącą z obszarów kory przedczołowej (PFC).

Wykres przebiegu czasowego aktywności mózgu; moc pasma theta; planowanie vs. kontrola; obszary frontopolarne, ACC, MCC.
Rysunek 10: Profil czasowy aktywności theta źródeł PFC. Amplituda chwilowa obliczona za pomocą transformaty Hilberta została zastosowana do pierwszej składowej dekompozycji PCA dla każdego źródła czołowego oraz dla obu warunków, a następnie znormalizowana do wartości z-score w odniesieniu do linii bazowej, aby przedstawić aktywność theta w obszarach czołowych w czasie. Szare obszary zacienione wskazują istotne różnice określone przy użyciu niepokrywającego się ruchomego okna z krokiem 1 s (test znaków Wilcoxona) z korektą FDR. Zakresy zacienione reprezentują 95% przedziały ufności. Lewy obszar FP, obustronnie ACC oraz obustronnie MCC wykazały wzrost aktywności theta po rozpoczęciu planowania. Skróty: ACC = przednia kora zakrętu obręczy; MCC = środkowa kora zakrętu obręczy. Warunek planowania zaznaczono kolorem fioletowym. Warunek kontrolny zaznaczono kolorem czerwonym. Rysunek zmodyfikowano na podstawie pracy Domic-Siede i wsp.54. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.

Ponadto dążyliśmy do zbadania zmienności cech widmowych podczas planowania w odniesieniu do poziomu złożoności, wskazanego przez wyniki behawioralne. Warto zauważyć, że istotna rozbieżność została stwierdzona wyłącznie w lewym ACC w obrębie pasma alfa. Wspiera to tezę, że nasze zadanie planowania ocenia wewnętrzne aspekty planowania poprzez zmiany w oscylacjach theta w większym stopniu niż ogólne wymagania poznawcze (wysiłek), z którymi zazwyczaj mamy do czynienia w zadaniach kontroli poznawczej (Rycina 11).

Mapa ciepła częstotliwości w funkcji czasu; złożoność zadania w lewym ACC; wynik z; aktywność mózgu; analiza naukowa.
Rysunek 11: EEG dla poszczególnych poziomów złożoności planowania. Wykresy czasowo-częstotliwościowe ROI wykazały istotny dodatni klaster w paśmie alfa wyłącznie w lewej przedniej części zakrętu obręczy (ACC) dla poziomu „trudny”. Piksele nieistotne, określone za pomocą nieparametrycznego testu permutacyjnego opartego na klastrach dla prób parzystych, są przedstawione na wykresie w jaśniejszym odcieniu, a pasek kolorów wskazuje jednostki z-score od −3 do 3. Rysunek został zmodyfikowany na podstawie pracy Domic-Siede i wsp.54. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Podczas analizy korelacji między aktywnością theta a wynikami behawioralnymi zaobserwowano korelację ujemną; konkretnie, wraz ze wzrostem aktywności theta w lewym obszarze frontopolarnym podczas okresu planowania, wynik wykonania planowania w teście LISAS ulegał obniżeniu (Rysunek 12). Wzorzec ten może odzwierciedlać fakt, że lewy obszar FP może być niezbędny podczas opracowywania planu, aby następnie pomyślnie go zrealizować, i sugeruje istotną rolę aktywności theta.

Wykres rozrzutu pokazujący korelację między wzrostem aktywności theta a wykonaniem LISAS; rho=-0,55, p=.0031.
Rysunek 12: Aktywność theta a wyniki behawioralne. Korelacja rho Spearmana pomiędzy aktywnością theta z lewej kory przedczołowej (frontopolarnej) a Δ wykonaniem planowania LISAS wykazała istotną ujemną korelację. Rysunek zmodyfikowano na podstawie pracy Domic-Siede et al.54. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Dodatkowo, zróżnicowane wymagania poznawcze i cele indukowane przez każdy z warunków mogły spowodować przeciwstawne ruchy gałek ocznych pomiędzy warunkami planowania i kontroli, prowadząc do odmiennych wzorców aktywności oscylacyjnej95. Aby rozwiązać powyższy problem, przeanalizowaliśmy dane dla pojedynczego obiektu i pojedynczego próbkowania na różnych poziomach. Warto zauważyć, że szeregi czasowe kanału Fz oraz dynamika czasowa aktywności theta wydawały się nie mieć związku z częstotliwością sakkad w czasie (Ryc. 13A).

Analiza czasowo-częstotliwościowa, aktywność elektrod; schematy porównania amplitudy sakad; analiza danych EEG.
Rycina 13: Wyniki zapisów EEG i ruchów gałek ocznych. (A) Wiersze przedstawiają EEG (góra), wykres czasowo-częstotliwościowy (środek góra), profil czasowy fali theta z elektrody Fz (środek dół) oraz częstotliwość sakad u badanego 8 w próbie 9 (dół) w warunku planowania. (B) Przedstawiono porównanie amplitudy sakad, szczytowej prędkości sakad oraz koherencji mocy z częstotliwością sakad między warunkami za pomocą testu znakowego Wilcoxona, co wykazało istotne statystycznie różnice w amplitudzie sakad pomiędzy warunkiem planowania a kontrolnym. SEM jest reprezentowany przez słupki błędu. Rycina została zmodyfikowana na podstawie pracy Domic-Siede et al.54. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Następnie, w celu porównania, wyznaczono amplitudę sakad oraz prędkość szczytową dla całego próbowania oraz dla przedziału czasowego od 0 s do 3,75 s (Rysunek 13B). Stwierdzono, że amplituda sakad była większa w warunkach kontrolnych. Jednakże nie odnotowano statystycznie istotnych różnic między warunkami w zakresie indeksu koherencji między mocą fal theta w widmie Fouriera na elektrodzie Fz a częstotliwością sakad (Rysunek 10B), co wskazuje, że potencjalna zależność między sakadami a aktywnością theta była spójna we wszystkich warunkach.

Wzięte razem, wyniki te potwierdzają, że opisany protokół eksperymentalny jest odpowiedni do badania planowania poznawczego jako funkcji kontroli poznawczej.

Dyskusja

Opisany tutaj protokół oferuje innowacyjne podejście do oceny planowania poznawczego i kontroli poznawczej podczas nowatorskiego i ekologicznego zadania planowania w połączeniu z odpowiednimi i uzupełniającymi pomiarami behawioralnymi i fizjologicznymi, takimi jak dynamika oscylacyjna i źrenicowa. Podczas naszych eksperymentów aktywność EEG była rejestrowana, podczas gdy uczestnicy wykonywali zadanie planowania, w którym uczestnicy zostali poinstruowani, aby najpierw opracować, a następnie wykonać plan. Warunek kontrolny, który obejmował ocenę wstępnie narysowanej ścieżki na mapie zoo, został ustalony w celu wyeliminowania aspektu planowania poznawczego przy zachowaniu podobnego ustawienia i struktury. Podejście to umożliwia ocenę, czy planowanie poznawcze, jako funkcja kontroli poznawczej, prowadzi do generowania czołowej aktywności theta z regionów PFC i czy różne źródła oscylacji PFC theta są powiązane z różnymi aspektami wydajności planowania. Innym aspektem, który można ocenić za pomocą tego protokołu, jest zróżnicowanie różnych procesów poznawczych zaangażowanych w fazy planowania, takie jak opracowywanie planu, realizacja planu, osiąganie planu i przetwarzanie informacji zwrotnych. Odkryliśmy, że planowanie indukowało kanoniczną aktywność theta czołową związaną z kontrolą poznawczą, co przyczyniło się do skutecznego osiągnięcia celu. Wyniki te potwierdzają znaczenie tego protokołu.

Pomimo ogromnego rozwoju neuronauki poznawczej, większość eksperymentów neuroobrazowania bada izolowane funkcje poznawcze przy użyciu sztucznych zadań w środowiskach pozbawionych sensomotorycznych i nadmiernie uproszczonych bodźców w celu kontrolowania zakłóceń. Problematyczne jest to, że eksperymenty te mogą nie być w stanie zidentyfikować rzeczywistych mechanizmów mózgowych zaangażowanych, gdy funkcja poznawcza jest realizowana w codziennej sytuacji (w sytuacjach ekologicznych)138,140. W szczególności zdolności do formułowania celów, planowania i skutecznego wykonywania planów są trudne do oceny, ponieważ wymagają różnych funkcji poznawczych (pamięć robocza, kontrola hamująca, elastyczność poznawcza itp.).104 144. W związku z tym zachęca się i sugeruje projektowanie ekologicznego zadania behawioralnego w oparciu o aktualne trendy w neuronauce poznawczej 142,143,145,146.

Nasze zadanie planistyczne, mimo że odbywało się w środowisku laboratoryjnym (w pomieszczeniu, w którym bodźce są wyświetlane na ekranie), stało się angażujące i interaktywne dla uczestników poprzez wykorzystanie znaczących bodźców i celów, z którymi mogli wchodzić w interakcje na ekranie. Dodatkowo zadanie wymaga od uczestników zaangażowania się w realną sytuację – zaplanowania ścieżki do odwiedzenia różnych miejsc. Aby mieć projekt zadania ekologicznego, paradygmat musi rzucić wyzwanie badanym, aby wykonali określone zachowanie lub funkcję poznawczą w sposób podobny do tego, co musieliby robić w życiu codziennym 62,63,147. Aby opracować projekt zadania ekologicznego, zastosowane tu zadanie planistyczne polega na zaplanowaniu ścieżki do zwiedzania różnych miejsc w kilku etapach56. Pierwszy etap polega na stworzeniu przez uczestników planu, upewniając się, że jest on zgodny z zestawem zasad. Drugi etap polega na utrzymaniu planu w pamięci roboczej, natomiast trzeci etap polega na wykonaniu planu i monitorowaniu jego przestrzegania zasad. Etapy te reprezentują różne fazy planowania i orkiestracji innych funkcji wykonawczych, takich jak elastyczność poznawcza, kontrola hamowania i pamięć robocza. Aby projekt zadania poznawczego był prawidłowy w skali ekologicznej, zadanie powinno być w stanie wykryć określone zaburzenia poznawcze u pacjentów z zaburzeniami psychicznymi lub poznawczymi, którzy mają trudności z wykonywaniem tej określonej funkcji poznawczej w życiu codziennym105. Można to osiągnąć dzięki przyszłym badaniom z wykorzystaniem tego protokołu.

Wyniki behawioralne uzyskane dzięki zastosowaniu tego protokołu były zgodne z przewidywaniami eksperymentalnymi. Istotną różnicę w zachowaniu zaobserwowano, gdy komponent planowania został usunięty z zadania kontrolnego w celu utworzenia warunku kontrolnego, co ułatwiło dalsze porównania. Stwierdzono, że warunek planowania jest bardziej wymagający poznawczo niż warunek kontrolny, o czym świadczą takie parametry, jak czas reakcji i dokładność. Może to odzwierciedlać zwiększone zaangażowanie wysokich funkcji poznawczych w realizację planowania 23,55,56,57,148,149,150.

Biorąc pod uwagę, że warunek kontrolny obejmował mniej złożone procesy poznawcze, o czym świadczy szybszy czas reakcji, lepsze wyniki i różne wymagane procesy poznawcze (ocena reguł), możliwą alternatywną modyfikacją jest wykorzystanie poziomów złożoności obecnych w zadaniu planowania, manipulowanie nimi i parametryczna analiza funkcji planowania zgodnie z różnymi poziomami złożoności (na przykład: zwiększenie liczby prób oraz stworzenie trudnych, średnich i łatwych warunków próbnych). Jednak wyniki naszego protokołu wykazały, że chociaż możliwe było rozróżnienie między "łatwymi" i "trudnymi" próbami na podstawie miar behawioralnych, nie wykryto żadnych różnic w pomiarach elektrofizjologicznych. Sugeruje to, że wyniki w naszym protokole dokładniej odzwierciedlają wewnętrzne cechy funkcji planowania, a nie szersze aspekty kontroli poznawczej, takie jak uwaga, wysiłek umysłowy, poziom trudności lub wysokipoziom zapotrzebowania poznawczego. Niemniej jednak dalsze badania mogą uwzględniać inne rodzaje warunków kontrolnych, takie jak podążanie oznaczoną ścieżką, która odwiedza cztery lokalizacje zwierząt, ale także zapamiętywanie kolejności sekwencji. W ten sposób poziom trudności mógłby być lepiej kontrolowany, a planowanie można by odróżnić od pamięci roboczej, ale jedną z możliwych wad tego jest zmęczenie, ponieważ badani musieliby wykonać dwa bardzo wymagające zadania.

Kilka badań powiązało różne parametry ruchu gałek ocznych z określonymi zdarzeniami poznawczymi. Z jednej strony niektóre badania wykazały korelacje między oscylacjami theta a średnicą źrenicy podczas zadań poznawczych, co sugeruje związek między tymi dwoma miarami funkcji poznawczych. Na przykład Lin i wsp.152 znaleźli korelację między aktywnością theta w środkowej części czołowej a zmianami wielkości źrenicy, odzwierciedlając różne stopnie subiektywnego konfliktu. Ich odkrycia sugerują, że sygnały te reprezentują przetwarzanie konfliktów, zwiększoną uwagę i elastyczne reakcje behawioralne. W związku z tym związek między aktywnością theta w środkowej części czoła a reakcjami uczniów wydaje się odgrywać rolę w ważeniu kosztów i korzyści podczas procesów decyzyjnych. W innym badaniu Yu i wsp.153 zbadali, w jaki sposób zaangażowanie czasu na zadanie neurofizjologicznie wpływa na kontrolę poznawczą poprzez zadanie pamięci roboczej, które modulowało reakcje hamujące kontrolę. Badali związek między danymi dotyczącymi średnicy źrenicy a aktywnością theta czołowego i wykazali, że wraz ze wzrostem czasu trwania zadania wydajność spadała, czemu towarzyszył spadek modulacji rozszerzenia źrenicy i aktywności theta czołowej. Na początku zadania odkryli silną korelację między zaangażowaniem w zadania, aktywnością theta i kontrolą poznawczą, na co wskazuje modulacja rozszerzenia źrenicy, głównie w przypadku wymagających zadań, które wymagały wysokiej pamięci roboczej i kontroli hamującej. Jednak związek ten rozproszył się pod koniec, sygnalizując rozdźwięk między zainwestowanym wysiłkiem a kontrolą poznawczą używaną do wykonania zadania, co jest cechą charakterystyczną przedczołowych efektów czasu na zadanie153. Z drugiej strony, inne badania dotyczyły sakkad i oscylacji. Na przykład Nakatani i wsp.154 ujawnili, że w zadaniu percepcyjnym amplituda pasma alfa z obszarów potylicznych przewidywała mrugnięcia i efekty sakkady. Co więcej, Velasques i wsp.155 wykazali, że podczas zadania prosakkady amplituda sakkady była związana ze zmianami gamma w tle. Co więcej, Bodala i wsp.156 odkryli, że spadkom theta w przedniej linii środkowej towarzyszyły spadki długotrwałej uwagi, a także amplitudy i prędkości sakkad. Odkrycia te sugerują, że ruchy gałek ocznych, zwłaszcza sakkady, mogą odzwierciedlać procesy poznawcze, a nie tylko przyczyniać się do szumu tła w sygnałach EEG. W obecnym badaniu zwiększyliśmy eliminację artefaktów związanych z ruchem gałek ocznych za pomocą algorytmu ICA z kryterium współczynnika wariancji sakkady do fiksacji126. To kryterium usprawnia usuwanie artefaktów dla bezpłatnych zadań przeglądania157. W naszym badaniu nie zaobserwowano różnic w prędkości szczytowej sakkad i spójności między mocą theta a szybkością sakad w różnych warunkach. Potrzebne są jednak dalsze badania, aby odpowiedzieć na te pytania.

Kluczowym krokiem w korzystaniu z tego protokołu jest ciągła kalibracja urządzenia śledzącego ruch gałek ocznych podczas eksperymentu, ponieważ utrata danych dotyczących spojrzenia z kamery może spowodować błędy, które zanieczyściłyby zadanie i utrudniłyby uzyskanie dokładnych odpowiedzi. Dlatego tak ważne jest, aby kalibrować tak często, jak to możliwe. Istnieje jednak kompromis między liczbą prób ze skalibrowanym urządzeniem śledzącym ruch gałek ocznych a długością eksperymentu. W naszym badaniu zdecydowaliśmy się na kalibrację co pięć prób.

W przyszłości powinny zostać przeprowadzone badania nad związkiem między oscylacjami theta a średnicą źrenicy podczas tego zadania planistycznego. Planowanie jest krytycznym aspektem kontroli wykonawczej, który wymaga alokacji zasobów uwagi i koordynacji wielu procesów poznawczych. Zrozumienie związku między oscylacjami theta a średnicą źrenicy podczas zadań planistycznych może dostarczyć cennych informacji na temat mechanizmów neuronalnych leżących u podstaw kontroli wykonawczej i tego, jak zmieniają się one w czasie. Co więcej, takie badania mogą prowadzić do głębszego zrozumienia, w jaki sposób zmiany w funkcjach poznawczych, takie jak zmęczenie lub zaniki uwagi, wpływają na wydajność zadań planistycznych i zdolność do efektywnej alokacji zasobów. Informacje te mogą mieć ważne implikacje dla opracowywania interwencji mających na celu poprawę wydajności planowania, takich jak programy treningu poznawczego lub leczenie stanów takich jak zespół nadpobudliwości psychoruchowej z deficytem uwagi (ADHD).

Wcześniejsze badania wykazały, że PFC odgrywa kluczową rolę w planowaniu poznawczym, co potwierdzają nasze wyniki. Wyniki te pokazują, że planowanie poznawcze indukuje aktywność FMθ w PFC, szczególnie w przedniej korze zakrętu obręczy, środkowej korze zakrętu obręczy i górnych obszarach czołowych54. Wyniki te są zgodne z wcześniejszymi badaniami nad funkcjami wykonawczymi. Istnieją istotne dowody na poparcie tezy, że aktywność FMθ działa jako odgórny proces inicjujący kontrolę i ułatwiający komunikację między regionami mózgu podczas wymagających zadań13. Chociaż tylko kilka badań dotyczyło czasowej dynamiki aktywności FMθ związanej z kontrolą poznawczą, istnieje powszechna zgoda co do tego, że profil czasowy FMθ może dostarczyć informacji o różnych aspektach kontroli poznawczej i zaangażowaniu różnych regionów PFC. Wykorzystanie naszego protokołu do oceny planowania poznawczego pozwoliło nam scharakteryzować profil czasowy aktywności FMθ podczas planowania. W szczególności aktywność FMθ w warunkach planowania wykazywała postępujący wzrost. Wdrażając ten protokół, po raz pierwszy wykazano, że FMθ jest również obecny podczas planowania wdrażania, podobnie jak w innych funkcjach poznawczych wyższego rzędu, a jego dynamika czasowa może służyć jako wskaźnik kontroli poznawczej.

Nasze wyniki i protokół mają potencjalne zastosowania w dziedzinie neuronauki, w tym do poprawy wirtualnych ocen neuropsychologicznych i leczenia zaburzeń neuropsychiatrycznych z powiązanymi problemami z planowaniem poznawczym, takich jak depresja i zespół nadpobudliwości psychoruchowej z deficytem uwagi. Na przykład oceny mogą obejmować badanie różnych wzorców błędów na poziomie wydajności behawioralnej, różnych wzorców oscylacyjnych na poziomie elektrofizjologicznym i różnych ruchów gałek ocznych. Ponadto wyniki tej pracy mogą stanowić podstawę do opracowania interfejsów mózg-komputer i programów treningu poznawczego, które mają na celu zwiększenie zdolności planowania poznawczego.

Niniejszy protokół może dostarczyć nowych dowodów do zrozumienia mechanizmów neuronalnych, które leżą u podstaw nieuchwytnej funkcji kontroli poznawczej planowania poznawczego w populacjach neurotypowych i neuropsychiatrycznych. Co więcej, nasz paradygmat behawioralny może oferować wgląd w neurobiologię kontroli poznawczej i planowania poprzez badanie pomiarów elektrofizjologicznych, pupilometrycznych i behawioralnych z praktycznym zadaniem planowania, które bada wewnętrzne aspekty planowania, a nie ogólne wymagania poznawcze zwykle obecne w zadaniach kontroli poznawczej, co znajduje odzwierciedlenie w zmianach w oscylacjach theta.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

To badanie było wspierane finansowo przez program stypendialny Becas de Doctorado Nacional año 2015 ANID 21150295, regularny grant FONDECYT 1180932, FONDECYT regular grant 1230383, FONDECYT de Iniciación grant 11220009, Postdoc grant Universidad de O'Higgins, oraz Institut Universitaire de France (IUF). Chcemy podziękować profesorowi Pablo Billeke za jego opinie na temat projektu paradygmatu. Dziękujemy profesorowi Eugenio Rodríguezowi za uprzejme podzielenie się kodami analizy czasowo-częstotliwościowej. Na koniec dziękujemy Milanowi Domicowi, Vicente Medelowi, Josefinie Ihnen, Andrei Sánchezowi, Gonzalo Boncompte, Catalinie Fabar i Danieli Santander za ich opinie.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
System EEGBiosemiActiveTwo System podstawowy, 64 kanały
System śledzenia wzrokuEyelink SR ResearchEyeLink 1000 Plus Core Unit, szybka kamera, komputer hosta / monitor,
wyświetlacz procesoraIntelDysk twardy 221 GB, procesor Intel Core i7-4790 3.60 Hz, system operacyjny Windows 7, 4 GB pamięci RAM
procesor EEGIntelDysk twardy 223 GB, Procesor Intel Core i7-4790 3.60 Hz, System operacyjny Windows 7, 4GB RAM
MonitorASUSASUS VG248QE 24" Monitor LCD
JoytsickLogitechModel F310
LuksomierzFocketEkran LCD (0-200.000 luksów) model Liebe WH LX1330B 
Oprogramowanie statystyczneGraphPad Prism GraphPad Prism w wersji 8 dla systemu Windows
Oprogramowanie do programowania MATLABThe MathWorks  Narzędzie SVG MATLAB R2014a i R2018b
InkscapeInkscape ProjectOprogramowanie do edycji grafiki wektorowej
Oprogramowanie do prezentacjiSystemyneurobehawioralne dostarczanie bodźców i program do kontroli eksperymentów dla neuronauki

Bibliografia

  1. Siegel, M., Donner, T. H., Engel, A. K. Spectral fingerprints of large-scale neuronal interactions. Nature Reviews Neuroscience. 13 (2), 121-134 (2012).
  2. Fries, P. A mechanism for cognitive dynamics: Neuronal communication through neuronal coherence. Trends in Cognitive Sciences. 9 (10), 474-480 (2005).
  3. Fries, P. Rhythms for cognition: Communication through coherence. Neuron. 88 (1), 220-235 (2015).
  4. Thut, G., Miniussi, C., Gross, J. The functional importance of rhythmic activity in the brain. Current Biology. 22 (16), 658-663 (2012).
  5. Fröhlich, F., McCormick, D. A. Endogenous electric fields may guide neocortical network activity. Neuron. 67 (1), 129-143 (2010).
  6. Spaak, E., de Lange, F. P., Jensen, O. Local entrainment of alpha oscillations by visual stimuli causes cyclic modulation of perception. Journal of Neuroscience. 34 (10), 3536-3544 (2014).
  7. Fiebelkorn, I. C., Saalmann, Y. B., Kastner, S. Rhythmic sampling within and between objects despite sustained attention at a cued location. Current Biology. 23 (24), 2553-2558 (2013).
  8. Landau, A. N., Fries, P. Attention samples stimuli rhythmically. Current Biology. 22 (11), 1000-1004 (2012).
  9. Song, K., Meng, M., Lin, C., Zhou, K., Luo, H. Behavioral oscillations in attention: Rhythmic α pulses mediated through θ band. Journal of Neuroscience. 34 (14), 4837-4844 (2014).
  10. Wyart, V., Nobre, A. C., Summerfield, C. Dissociable prior influences of signal probability and relevance on visual contrast sensitivity. Proceedings of the National Academy of Sciences of the United States of America. 109 (9), 3593-3598 (2012).
  11. Leszczyński, M., Fell, J., Axmacher, N. Rhythmic working memory activation in the human hippocampus. Cell Reports. 13 (6), 1272-1282 (2015).
  12. Onton, J., Delorme, A., Makeig, S. Frontal midline EEG dynamics during working memory. NeuroImage. 27 (2), 341-356 (2005).
  13. Cavanagh, J. F., Frank, M. J. Frontal theta as a mechanism for cognitive control. Trends in Cognitive Sciences. 18 (8), 414-421 (2014).
  14. Siegel, M., Buschman, T. J., Miller, E. K. Cortical information flow during flexible sensorimotor decisions. Science. 348 (6241), 1352-1355 (2015).
  15. Weisz, N., et al. Prestimulus oscillatory power and connectivity patterns predispose conscious somatosensory perception. Proceedings of the National Academy of Sciences of the United States of America. 111 (4), 417-425 (2014).
  16. Buzsáki, G., Draguhn, A. Neuronal oscillations in cortical networks. Science. 304 (5679), 1926-1929 (2004).
  17. Cohen, M. X. A neural microcircuit for cognitive conflict detection and signaling. Trends in Neurosciences. 37 (9), 480-490 (2014).
  18. Yuste, R. From the neuron doctrine to neural networks. Nature Reviews Neuroscience. 16 (8), 487-497 (2015).
  19. Helfrich, R. F., Knight, R. T. Oscillatory dynamics of prefrontal cognitive control. Trends in Cognitive Sciences. 20 (12), 916-930 (2016).
  20. Miller, E. K., Cohen, J. D. An integrative theory of prefrontal cortex function. Annual Review of Neurosciences. 24 (1), 167-202 (2001).
  21. von Nicolai, C., et al. Corticostriatal coordination through coherent phase-amplitude coupling. Journal of Neuroscience. 34 (17), 5938-5948 (2014).
  22. Sweeney-Reed, C. M., et al. Thalamic theta phase alignment predicts human memory formation and anterior thalamic cross-frequency coupling. ELife. 4, 07578(2015).
  23. Voytek, B., et al. Oscillatory dynamics coordinating human frontal networks in support of goal maintenance. Nature Neuroscience. 18 (9), 1318-1324 (2015).
  24. Raghavachari, S., et al. Theta oscillations in human cortex during a working-memory task: Evidence for local generators. Journal of Neurophysiology. 95 (3), 1630-1638 (2006).
  25. Jacobs, J., Hwang, G., Curran, T., Kahana, M. J. EEG oscillations and recognition memory: Theta correlates of memory retrieval and decision making. NeuroImage. 32 (2), 978-987 (2006).
  26. Itthipuripat, S., Wessel, J. R., Aron, A. R. Frontal theta is a signature of successful working memory manipulation. Experimental Brain Research. 224 (2), 255-262 (2013).
  27. Cavanagh, J. F., Zambrano-Vazquez, L., Allen, J. J. B. Theta lingua franca: A common mid-frontal substrate for action monitoring processes. Psychophysiology. 49 (2), 220-238 (2012).
  28. Mas-Herrero, E., Marco-Pallarés, J. Frontal theta oscillatory activity is a common mechanism for the computation of unexpected outcomes and learning rate. Journal of Cognitive Neuroscience. 26 (3), 447-458 (2014).
  29. Folstein, J. R., Van Petten, C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review. Psychophysiology. 45 (1), 152-170 (2008).
  30. Cohen, M. X., Donner, T. H. Midfrontal conflict-related theta-band power reflects neural oscillations that predict behavior. Journal of Neurophysiology. 110 (12), 2752-2263 (2013).
  31. Walsh, M. M., Anderson, J. R. Modulation of the feedback-related negativity by instruction and experience. Proceedings of the National Academy of Sciences of the United States of America. 108 (47), 19048-19053 (2011).
  32. Luu, P., Tucker, D. M., Makeig, S. Frontal midline theta and the error-related negativity: Neurophysiological mechanisms of action regulation. Clinical Neurophysiology. 115 (8), 1821-1835 (2004).
  33. Hanslmayr, S., et al. The electrophysiological dynamics of interference during the Stroop task. Journal of Cognitive Neuroscience. 20 (2), 215-225 (2008).
  34. Cavanagh, J. F., Cohen, M. X., Allen, J. J. B. Prelude to and resolution of an error: EEG phase synchrony reveals cognitive control dynamics during action monitoring. Journal of Neuroscience. 29 (1), 98-105 (2009).
  35. Cohen, M. X., van Gaal, S., Ridderinkhof, K. R., Lamme, V. A. F. Unconscious errors enhance prefrontal-occipital oscillatory synchrony. Frontiers in Human Neuroscience. 3, 54(2009).
  36. Cavanagh, J. F., Frank, M. J., Klein, T. J., Allen, J. J. B. Frontal theta links prediction errors to behavioral adaptation in reinforcement learning. NeuroImage. 49 (4), 3198-3209 (2010).
  37. Cohen, M. X., Cavanagh, J. F. Single-trial regression elucidates the role of prefrontal theta oscillations in response conflict. Frontiers in Psychology. 2, 30(2011).
  38. Cohen, M. X., Van Gaal, S. Dynamic interactions between large-scale brain networks predict behavioral adaptation after perceptual errors. Cerebral Cortex. 23 (5), 1061-1072 (2013).
  39. Nigbur, R., Cohen, M. X., Ridderinkhof, K. R., Stürmer, B. Theta dynamics reveal domain-specific control over stimulus and response conflict. Journal of Cognitive Neuroscience. 24 (5), 1264-1274 (2012).
  40. van Driel, J., Swart, J. C., Egner, T., Ridderinkhof, K. R., Cohen, M. X. No) time for control: Frontal theta dynamics reveal the cost of temporally guided conflict anticipation. Cognitive, Affective, and Behavioral Neuroscience. 15 (4), 787-807 (2015).
  41. van de Vijver, I., Ridderinkhof, K. R., Cohen, M. X. Frontal oscillatory dynamics predict feedback learning and action adjustment. Journal of Cognitive Neuroscience. 23 (12), 4106-4121 (2011).
  42. Narayanan, N. S., Cavanagh, J. F., Frank, M. J., Laubach, M. Common medial frontal mechanisms of adaptive control in humans and rodents. Nature Neuroscience. 16 (12), 1888-1895 (2013).
  43. Anguera, J. A., et al. Video game training enhances cognitive control in older adults. Nature. 501 (7465), 97-101 (2013).
  44. Smit, A. S., Eling, P. A. T. M., Hopman, M. T., Coenen, A. M. L. Mental and physical effort affect vigilance differently. International Journal of Psychophysiology. 57 (3), 211-217 (2005).
  45. Cohen, M. X., Ranganath, C. Reinforcement learning signals predict future decisions. Journal of Neuroscience. 27 (2), 371-378 (2007).
  46. Gehring, W. J., Goss, B., Coles, M. G. H., Meyer, D. E., Donchin, E. A neural system for error detection and compensation. Psychological Science. 4 (6), 385-390 (1993).
  47. Yeung, N., Botvinick, M. M., Cohen, J. D. The neural basis of error detection: Conflict monitoring and the error-related negativity. Psychological Review. 111 (4), 931-959 (2004).
  48. Debener, S., et al. Trial-by-trial coupling of concurrent electroencephalogram and functional magnetic resonance imaging identifies the dynamics of performance monitoring. Journal of Neuroscience. 25 (50), 11730-11737 (2005).
  49. Hauser, T. U., et al. The feedback-related negativity (FRN) revisited: New insights into the localization, meaning, and network organization. NeuroImage. 84, 159-168 (2014).
  50. Wang, C., Ulbert, I., Schomer, D. L., Marinkovic, K., Halgren, E. Responses of human anterior cingulate cortex microdomains to error detection, conflict monitoring, stimulus-response mapping, familiarity, and orienting. Journal of Neuroscience. 25 (3), 604-613 (2005).
  51. Tsujimoto, S., Genovesio, A. Firing variability of frontal pole neurons during a cued strategy task. Journal of Cognitive Neuroscience. 29 (1), 25-36 (2017).
  52. Womelsdorf, T., Johnston, K., Vinck, M., Everling, S. Theta-activity in anterior cingulate cortex predicts task rules and their adjustments following errors. Proceedings of the National Academy of Sciences of the United States of America. 107 (11), 5248-5253 (2010).
  53. Womelsdorf, T., Vinck, M., Stan Leung, L., Everling, S. Selective theta synchronization of choice-relevant information subserves goal-directed behavior. Frontiers in Human Neuroscience. 4, 2010(2010).
  54. Domic-Siede, M., Irani, M., Valdés, J., Perrone-Bertolotti, M., Ossandón, T. Theta activity from frontopolar cortex, mid-cingulate cortex and anterior cingulate cortex shows different roles in cognitive planning performance. NeuroImage. 226, 117557(2021).
  55. Wilensky, R. Planning and Understanding: A Computational Approach to Human Reasoning. , Addison-Wesley. Reading, MA. (1983).
  56. Grafman, J., Hendler, J. Planning and the brain. Behavioral and Brain Sciences. 14, 563-564 (1991).
  57. Hayes-Roth, B., Hayes-Roth, F. A cognitive model of planning. Cognitive Science. 3 (4), 275-310 (1979).
  58. Tremblay, M., et al. Brain activation with a maze test: An EEG coherence analysis study in healthy subjects. Neuroreport. 5 (18), 2449-2453 (1994).
  59. Shallice, T. Specific impairments of planning. Philosophical Transactions of the Royal Society B: Biological Sciences. 298 (1089), 199-209 (1982).
  60. Unterrainer, J. M., Owen, A. M. Planning and problem solving: From neuropsychology to functional neuroimaging. Journal of Physiology. 99 (4-6), 308-317 (2006).
  61. Domic-Siede, M., et al. La planificación cognitiva en el contexto de la evaluación neuropsicológica e investigación en neurociencia cognitiva: Una revisión sistemática. Terapia Psicológica. 40 (3), 367-395 (2022).
  62. Miotto, E. C., Morris, R. G. Virtual planning in patients with frontal lobe lesions. Cortex. 34 (5), 639-657 (1998).
  63. Burgess, P. W., Simons, J. S., Coates, L. M. A., Channon, S. The search for specific planning processes. The Cognitive Psychology of Planning. Morris, R., Ward, G. , Psychology Press. Hove, UK. 199-227 (2005).
  64. Oosterman, J. M., Wijers, M., Kessels, R. P. C. Planning or something else? Examining neuropsychological predictors of zoo map performance. Applied Neuropsychology. 20 (2), 103-109 (2013).
  65. Campbell, Z., et al. Utilizing virtual reality to improve the ecological validity of clinical neuropsychology: An fMRI case study elucidating the neural basis of planning by comparing the Tower of London with a three-dimensional navigation task. Applied Neuropsychology. 16 (4), 295-306 (2009).
  66. Wilson, B. A., Alderman, N., Burgess, P. W., Emslie, H., Evans, J. J. Behavioural Assessment of the Dysexecutive Syndrome. , Thames Valley Test Company. St Edmunds, UK. (1996).
  67. Spector, L., Grafman, J. Planning, neuropsychology, and artificial intelligence: Cross fertilization. Handbook of Neuropsychology. Boller, F., Grafman, J. 9, Elsevier Science Publishers. Amsterdam, the Netherlands. 377-392 (1994).
  68. Porteus, S. D. The Maze Test and Clinical Psychology. , Pacific Books. Palo Alto, California. (1959).
  69. Lis, S., Krieger, S., Wilhelm, J., Gallhofer, B. Feedback about previous action improves executive functioning in schizophrenia: An analysis of maze solving behaviour. Schizophrenia Research. 78 (2-3), 243-250 (2005).
  70. Zelinsky, G. J. A theory of eye movements during target acquisition. Psychological Review. 115 (4), 787-835 (2008).
  71. Wurtz, R. H., Goldberg, M. E., Robinson, D. L. Brain mechanisms of visual attention. Scientific American. 246 (6), 124-135 (1982).
  72. Burr, D., Morrone, M. C. Eye movements: Building a stable world from glance to glance. Current Biology. 15 (20), 839-840 (2005).
  73. Rolfs, M. Microsaccades: Small steps on a long way. Vision Research. 49 (20), 2415-2441 (2009).
  74. Ortega, J., Plaska, C. R., Gomes, B. A., Ellmore, T. M. Spontaneous eye blink rate during the working memory delay period predicts task accuracy. Frontiers in Psychology. 13, 788231(2022).
  75. Grueschow, M., Kleim, B., Ruff, C. C. Role of the locus coeruleus arousal system in cognitive control. Journal of Neuroendocrinology. 32 (12), 12890(2020).
  76. Aston-Jones, G., Shaver, R., Dinan, T. Cortically projecting nucleus basalis neurons in rat are physiologically heterogeneous. Neuroscience Letters. 46 (1), 19-24 (1984).
  77. Foote, S. L., Bloom, F. E., Aston-Jones, G. Nucleus locus coeruleus: New evidence of anatomical and physiological specificity. Physiological Reviews. 63 (3), 844-914 (1983).
  78. Siever, L. J., Davis, K. L. Overview: Toward a dysregulation hypothesis of depression. The American Journal of Psychiatry. 142 (9), 1017-1031 (1985).
  79. Aston-Jones, G., Gold, J. I. How we say no: Norepinephrine, inferior frontal gyrus, and response inhibition. Biological Psychiatry. 65 (7), 548-549 (2009).
  80. Aston-Jones, G., Cohen, J. D. An integrative theory of locus coeruleus norepinephrine function: adaptive gain and optimal performance. Annual Review of Neurosciences. 28, 403-450 (2005).
  81. Einhauser, W., Stout, J., Koch, C., Carter, O. Pupil dilation reflects perceptual selection and predicts subsequent stability in perceptual rivalry. Proceedings of the National Academy of Sciences of the United States of America. 105 (5), 1704-1709 (2008).
  82. Yoshitomi, T., Ito, Y., Inomata, H. Adrenergic excitatory and cholinergic inhibitory innervations in the human iris dilator. Experimental Eye Research. 40 (3), 453-459 (1985).
  83. Rajkowski, J., Kubiak, P., Aston-Jones, G. Locus coeruleus activity in monkey: Phasic and tonic changes are associated with altered vigilance. Brain Research Bulletin. 35 (5-6), 607-616 (1994).
  84. Beatty, J. Task-evoked pupillary responses, processing load, and the structure of processing resources. Psychological Bulletin. 91 (2), 276-292 (1982).
  85. Beatty, J., Kahneman, D. Pupillary changes in two memory tasks. Psychonomic Science. 5, 371-372 (1966).
  86. Hess, E. H., Polt, J. M. Pupil size in relation to mental activity during simple problem-solving. Science. 143 (3611), 1190-1192 (1964).
  87. Kuchinke, L., Vo, M. L., Hofmann, M., Jacobs, A. M. Pupillary responses during lexical decisions vary with word frequency but not emotional valence. International Journal of Psychophysiology. 65 (2), 132-140 (2007).
  88. Barkley, R. A. Adolescents with attention-deficit/hyperactivity disorder: An overview of empirically based treatments. Journal of Psychiatric Practice. 10 (1), 39-56 (2004).
  89. Gau, S. S. F. em89, Shang, C. Y. Executive functions as endophenotypes in ADHD: Evidence from the Cambridge Neuropsychological Test Battery (CANTAB). Journal of Child Psychology and Psychiatry and Allied Disciplines. 51 (7), 838-849 (2010).
  90. Bora, E., Harrison, B. J., Yücel, M., Pantelis, C. Cognitive impairment in euthymic major depressive disorder: A meta-analysis. Psychological Medicine. 43 (10), 2017-2026 (2013).
  91. Rive, M. M., Koeter, M. W. J., Veltman, D. J., Schene, A. H., Ruhé, H. G. Visuospatial planning in unmedicated major depressive disorder and bipolar disorder: Distinct and common neural correlates. Psychological Medicine. 46 (11), 2313-2328 (2016).
  92. Holt, D. V., Wolf, J., Funke, J., Weisbrod, M., Kaiser, S. Planning impairments in schizophrenia: Specificity, task independence and functional relevance. Schizophrenia Research. 149 (1-13), 174-179 (2013).
  93. Lima-Silva, T. B., et al. Functional profile of patients with behavioral variant frontotemporal dementia (bvFTD) compared to patients with Alzheimer's disease and normal controls. Dementia and Neuropsychologia. 7 (1), 96-103 (2013).
  94. Karnath, H. O., Wallesch, C. W., Zimmermann, P. Mental planning and anticipatory processes with acute and chronic frontal lobe lesions: A comparison of maze performance in routine and non-routine situations. Neuropsychologia. 29 (4), 271-290 (1991).
  95. Staudigl, T., Hartl, E., Noachtar, S., Doeller, C. F., Jensen, O. Saccades are phase-locked to alpha oscillations in the occipital and medial temporal lobe during successful memory encoding. PLoS Biology. 15 (12), 2003404(2017).
  96. Faul, F., Erdfelder, E., Lang, A. G., Buchner, A. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods. 39 (2), 175-191 (2007).
  97. Ferrando, L., Bobes, J., Gibert, J., Soto, M. MINI Entrevista Neuropsiquiátrica Internacional (MINI International Neuropsychiatric Interview, MINI). Instrumentos de Detección y Orientación Diagnóstica. , Retrieved from www.novartis.es (2000).
  98. McAssey, M., Dowsett, J., Kirsch, V., Brandt, T., Dieterich, M. Different EEG brain activity in right and left-handers during visually induced self-motion perception. Journal of Neurology. 267 (1), 79-90 (2020).
  99. Kelly, R., Mizelle, J. C., Wheaton, L. A. Distinctive laterality of neural networks supporting action understanding in left- and right-handed individuals: An EEG coherence study. Neuropsychologia. 75, 20-29 (2015).
  100. O'Hare, A. J., Atchley, R. A., Young, K. M. Central and divided visual field presentation of emotional images to measure hemispheric differences in motivated attention. Journal of Visualized Experiments. (129), 56257(2017).
  101. Beatty, J. Task-evoked pupillary responses, processing load, and the structure of processing resources. Psychological Bulletin. 91 (2), 276-292 (1982).
  102. Wainstein, G., et al. Pupil size tracks attentional performance in attention-deficit/hyperactivity disorder. Scientific Reports. 7 (1), 8228(2017).
  103. Drueke, B., et al. Neural correlates of positive and negative performance feedback in younger and older adults. Behavioral and Brain Functions. 11, 17(2015).
  104. Lezak, M. D. The problem of assessing executive functions. International Journal of Psychology. 17 (1-4), 281-297 (1982).
  105. Oosterman, J. M., Wijers, M., Kessels, R. P. C. Planning or something else? Examining neuropsychological predictors of zoo map performance. Applied Neuropsychology. 20 (2), 103-109 (2013).
  106. Keil, A., et al. Committee report: Publication guidelines and recommendations for studies using electroencephalography and magnetoencephalography. Psychophysiology. 51 (1), 1-21 (2014).
  107. Abokyi, S., Owusu-Mensah, J., Osei, K. A. Caffeine intake is associated with pupil dilation and enhanced accommodation. Eye. 31 (4), 615-619 (2017).
  108. Wilhelm, B., Stuiber, G., Lüdtke, H., Wilhelm, H. The effect of caffeine on spontaneous pupillary oscillations. Ophthalmic & Physiological Optics. 34 (1), 73-81 (2014).
  109. McGinley, M. J., David, S. V., McCormick, D. A. Cortical membrane potential signature of optimal states for sensory signal detection. Neuron. 87 (1), 179-192 (2015).
  110. Slotnick, S. D. High density event-related potential data acquisition in cognitive neuroscience. Journal of Visualized Experiments. (38), 1945(2010).
  111. Lamm, C., Windischberger, C., Leodolter, U., Moser, E., Bauer, H. Co-registration of EEG and MRI data using matching of spline interpolated and MRI-segmented reconstructions of the scalp surface. Brain Topography. 14 (2), 93-100 (2001).
  112. Schwartz, D., et al. Registration of MEG/EEG data with 3D MRI: Methodology and precision issues. Brain Topography. 9, 101-116 (1996).
  113. Laeng, B., Sirois, S., Gredebäck, G. Pupillometry: A window to the preconscious? Perspectives on psychological science. Journal of the Association for Psychological Science. 7 (1), 18-27 (2012).
  114. Vandierendonck, A. A comparison of methods to combine speed and accuracy measures of performance: A rejoinder on the binning procedure. Behavior Research Methods. 49 (2), 653-673 (2017).
  115. Vandierendonck, A. Further tests of the utility of integrated speed-accuracy measures in task switching. Journal of Cognition. 1 (1), 8(2018).
  116. Levene, H. Robust tests for equality of variances. In Contributions to Probability and Statistics: Essays in Honor of Harold Hotelling. Olkin, I. , Stanford University Press. Redwood City, CA. 278-292 (1960).
  117. Zimmerman, D. W. A note on preliminary tests of equality of variances. The British Journal of Mathematical and Statistical Psychology. 57, 173-181 (2004).
  118. D'Agostino, R. B., Belanger, A., D'Agostino, R. B. A suggestion for using powerful and informative tests of normality). The American Statistician. 44 (4), 316(1990).
  119. Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples). Biometrika. 52 (3-4), 591-611 (1965).
  120. Wilcoxon, F. Individual comparisons by ranking methods. Biometrics Bulletin. 1 (6), 80(1945).
  121. Fay, M. P., Proschan, M. A. Wilcoxon-Mann-Whitney or t-test? On assumptions for hypothesis tests and multiple interpretations of decision rules. Statistics Surveys. 4, 1-39 (2010).
  122. Delorme, A., Makeig, S. EEGLAB: An open-source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  123. Dimigen, O., Sommer, W., Hohlfeld, A., Jacobs, A. M., Kliegl, R. Coregistration of eye movements and EEG in natural reading: Analyses and review. Journal of Experimental Psychology. 140 (4), 552-572 (2011).
  124. Mognon, A., Jovicich, J., Bruzzone, L., Buiatti, M. ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology. 48 (2), 229-240 (2011).
  125. Bell, A. J., Sejnowski, T. J. A non-linear information maximization algorithm that performs blind separation. Advances in Neural Information Processing Systems 7. Leen, T. K., Tesauro, G., Touretsky, D. S. , MIT Press. Cambridge, MA. edited by (1995).
  126. Plöchl, M., Ossandón, J. P., König, P. Combining EEG and eye tracking: Identification, characterization, and correction of eye movement artifacts in electroencephalographic data. Frontiers in Human Neuroscience. 6, 278(2012).
  127. Pion-Tonachini, L., Kreutz-Delgado, K., Makeig, S. ICLabel: An automated electroencephalographic independent component classifier, dataset, and website. NeuroImage. 198, 181-197 (2019).
  128. Gartner, M., Grimm, S., Bajbouj, M. Frontal midline theta oscillations during mental arithmetic: Effects of stress. Frontiers in Behavioral Neuroscience. 9, 96(2015).
  129. Wang, W., Viswanathan, S., Lee, T., Grafton, S. T. Coupling between theta oscillations and cognitive control network during cross-modal visual and auditory attention: Supramodal vs modality-specific mechanisms. PLoS One. 11 (7), 0158465(2016).
  130. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  131. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Computational Intelligence and Neuroscience. 2011, 879716(2011).
  132. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): Technical details. Methods and Findings in Experimental and Clinical Pharmacology. 24, 5-12 (2002).
  133. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: Opensource software for quasistatic bioelectromagnetics). Biomedical Engineering Online. 9, 45(2010).
  134. Destrieux, C., Fischl, B., Dale, A., Halgren, E. Automatic parcellation of human cortical gyri and sulci using standard anatomical nomenclature. Neuroimage. 53 (1), 1-15 (2010).
  135. Orr, J. M., Weissman, D. H. Anterior cingulate cortex makes 2 contributions to minimizing distraction. Cerebral Cortex. 9 (3), 703-711 (2009).
  136. Christoff, K., Gabrieli, J. D. E. The frontopolar cortex and human cognition: Evidence for a rostrocaudal hierarchical organization within the human prefrontal cortex. Psychobiology. 28 (2), 168-186 (2000).
  137. Nitschke, K., Köstering, L., Finkel, L., Weiller, C., Kaller, C. P. A meta-analysis on the neural basis of planning: Activation likelihood estimation of functional brain imaging results in the Tower of London task. Human Brain Mapping. 38 (1), 396-413 (2017).
  138. Barbey, A. K., Koenigs, M., Grafman, J. Dorsolateral prefrontal contributions to human working memory. Cortex. 49 (5), 1195-1205 (2013).
  139. Le Van Quyen, M., et al. Comparison of Hilbert transform and wavelet methods for the analysis of neuronal synchrony. Journal of Neuroscience Methods. 111 (2), 83-98 (2001).
  140. Bokil, H., Andrews, P., Kulkarni, J. E., Mehta, S., Mitra, P. P. Chronux: A platform for analyzing neural signals. Journal of Neuroscience Methods. 192 (1), 146-151 (2010).
  141. Sato, N., Yamaguchi, Y. EEG theta regulates eye saccade generation during human object-place memory encoding. Advances in Cognitive Neurodynamics ICCN 2007. , Springer. Dordrecht, the Netherlands. 429-434 (2008).
  142. Zaki, J., Ochsner, K. The need for a cognitive neuroscience of naturalistic social cognition. Annals of the New York Academy of Sciences. 1167, 16-30 (2009).
  143. Shamay-Tsoory, S. G., Mendelsohn, A. Real-life neuroscience: An ecological approach to brain and behavior research. Perspectives on Psychological Science. 14 (5), 841-859 (2019).
  144. Diamond, A. Executive functions. Annual Review of Psychology. 64, 135-168 (2013).
  145. Dudai, Y. Memory from A to Z: Keywords, Concepts and Beyond. , Oxford University Press. New York, NY. (2002).
  146. Kingstone, A., Smilek, D., Ristic, J., Friesen, C. K., Eastwood, J. D. Attention, researchers! It is time to take a look at the real world. Current Directions in Psychological Science. 12 (5), 176-180 (2003).
  147. Morris, R. G., Ward, G. Introduction to the psychology of planning. The Cognitive Psychology of Planning. Morris, R., Ward, G. , Psychology Press. Hove, UK. (2005).
  148. Zwosta, K., Ruge, H., Wolfensteller, U. Neural mechanisms of goal-directed behavior: Outcome-based response selection is associated with increased functional coupling of the angular gyrus. Frontiers in Human Neuroscience. 9, 180(2015).
  149. Owen, A. M., Doyon, J., Petrides, M., Evans, A. C. Planning and spatial working memory: A positron emission tomography study in humans. European Journal of Neuroscience. 8 (2), 353-364 (1996).
  150. Ossandon, T., et al. Efficient "pop-out" visual search elicits sustained broadband gamma activity in the dorsal attention network. Journal of Neuroscience. 32 (10), 3414-3421 (2012).
  151. Lezak, M. D. Neuropsychological Assessment., 3rd edition. , Oxford University Press. New York, NY. (1995).
  152. Lin, H., Saunders, B., Hutcherson, C. A., Inzlicht, M. Midfrontal theta and pupil dilation parametrically track subjective conflict (but also surprise) during intertemporal choice. NeuroImage. 172, 838-852 (2018).
  153. Yu, S., Mückschel, M., Beste, C. Superior frontal regions reflect the dynamics of task engagement and theta band-related control processes in time-on task effects. Scientific Reports. 12 (1), 846(2022).
  154. Nakatani, H., van Leeuwen, C. Antecedent occipital alpha band activity predicts the impact of oculomotor events in perceptual switching. Frontiers in Systems Neuroscience. 7, 19(2013).
  155. Velasques, B., et al. Changes in saccadic eye movement (SEM) and quantitative EEG parameter in bipolar patients. Journal of Affective Disorders. 145 (3), 378-385 (2013).
  156. Bodala, I. P., Li, J., Thakor, N. V., Al-Nashash, H. EEG and eye tracking demonstrate vigilance enhancement with challenge integration. Frontiers in Human Neuroscience. 10, 273(2016).
  157. Dimigen, O. Optimizing the ICA-based removal of ocular EEG artifacts from free viewing experiments. NeuroImage. 207, 116117(2020).

Przedruki i uprawnienia

Tagi

Planowanie poznawczeokulografiasystem elektroencefalograficznytheta linii rodkowej obszar w czo owychkora przedczo owaparadygmat behawioralnypami roboczazadanie z labiryntemzaburzenia neuropsychiatryczne
Film wkrótce dostępny