É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Representações conscientes e não-conscientes de Faces emocionais na síndrome de Asperger

13.7K vistas

⸱

DOI:

10.3791/53962

⸱

31 de julho de 2016

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

Neste artigo

Resumo

Um protocolo experimental EEG é projetado para esclarecer a interação entre representações conscientes e não-conscientes das caras emocionais em pacientes com síndrome de Asperger. A técnica sugere que os pacientes com síndrome de Asperger têm déficits em representação não-consciente de faces emocionais, mas tem desempenho comparável em representação consciente com controles saudáveis.

Resumo

Vários estudos de neuroimagem sugerem que as frequências espaciais baixas em um cara emocional ativa principalmente a amígdala, pulvinar e colículo superior especialmente com rostos temerosos 1-3. Estas regiões constituem a estrutura límbico na percepção não-consciente de emoções e modular a atividade cortical direta ou indiretamente 2. Em contraste, a representação consciente das emoções é mais pronunciada no cingulado anterior, córtex pré-frontal e do córtex somatossensorial para dirigir a atenção voluntária aos detalhes nos rostos 3,4. A síndrome de Asperger (AS) 5,6 representa um distúrbio mental atípica que afeta habilidades sensoriais, afetivas e comunicativas, sem interferir com as competências linguísticas normais e capacidade intelectual. Vários estudos descobriram que os déficits funcionais no circuito neural importantes para o reconhecimento de emoções faciais pode explicar em parte a falha de comunicação socialpacientes com AS 7-9. A fim de esclarecer a interação entre representações conscientes e não-conscientes das caras emocionais na AS, um protocolo experimental EEG é projetado com duas tarefas que envolvem a avaliação emocionalidade de qualquer fotografia ou rostos de desenho de linha. Um estudo piloto é introduzido para a seleção de estímulos cara que minimizem as diferenças de tempos de reação e notas atribuídas às emoções faciais entre os pacientes pré-testados com AS e QI / controles saudáveis ​​pareados por sexo. As informações dos pacientes pré-testados foi utilizada para desenvolver o sistema de pontuação utilizado para a avaliação emocionalidade. A investigação sobre as emoções faciais e estímulos visuais contendo frequências diferentes espacial chegou a conclusões discrepantes, dependendo das características demográficas dos participantes e tarefa exige 2. O protocolo experimental visa clarificar déficits em pacientes com EA em processar rostos emocionais quando comparados com controles saudáveis, controlando para o fatoré relacionada com o reconhecimento de emoções faciais, tais como dificuldade da tarefa, IQ e sexo.

Introdução

Facial reconhecimento de emoções é um dos processos mais importantes do cérebro envolvidas na comunicação social. Uma variedade de distúrbios mentais estão relacionados com problemas com a detecção de emoções explícita faciais 4-6. Uma fotografia de um rosto contém um espectro de informações espaciais que podem ser filtrados nem para a alta frequência espacial (HSF) ou baixo teor de frequência espacial (LSF). HSF é relativa a elementos extremamente detalhadas de uma imagem, tal como as arestas de uma face, enquanto que LSF é relativa a mais grosseira ou menos partes bem definidas, tais como uma face integral com conteúdos LSF 7. Qualquer tarefa de reconhecimento de face induz simultaneamente processos conscientes e não-conscientes 8-12, ea participação do processo não-consciente ocorre no 150-250 ms pós intervalo de início ou mesmo antes 13. Em controlos saudáveis, o processo não-consciente é geralmente mais rápido do que o 14,15 processo consciente. Vários estudos de neuroimagem sugerem queo LSF em um estímulo facial (ou estímulo motivationally significativa) ativa principalmente a amígdala, pulvinar e colículo superior especialmente com rostos temerosos 3,16. Estas regiões constituem a estrutura límbico na percepção não-consciente de emoções e modular a atividade cortical direta ou indiretamente 1. Em contraste, a representação consciente das emoções é mais pronunciada no cingulado anterior, córtex pré-frontal e do córtex somatossensorial para dirigir a atenção voluntária aos detalhes na cara 9,17,18.

A síndrome de Asperger (AS) 19,20 representa um distúrbio mental atípica que afeta habilidades sensoriais, afetivas e comunicativas, sem interferir com as competências linguísticas normais e capacidade intelectual. Vários estudos descobriram que os déficits funcionais no circuito neural importantes para o reconhecimento de emoções faciais pode explicar em parte a falha de comunicação social na AS 21-25.Distúrbios comportamentais observadas em crianças com AS podem ser diagnosticados nos primeiros três anos de vida de 26 anos, período durante o qual o seu controle voluntário (ou consciente) sobre comportamentos não está totalmente desenvolvido 27. Em adultos com AS, os distúrbios comportamentais podem ser compensadas através da regulação de atenção 28. Dificuldade em detalhes de processamento dentro de uma determinada faixa de frequência espacial pode indicar uma interrupção em diferentes estágios de processamento de informações. Até agora, nenhum estudo abordou directamente potenciais evocados e atividade oscilatório em pacientes com EA durante o reconhecimento emoção facial envolvendo estímulos de face em intervalos específicos de frequências espaciais. É importante analisar a trajetória funcional em pacientes com AS, quando comparados com controles saudáveis ​​durante o processamento de estímulos faciais com diferentes teores de frequência espacial por meio do controle de demandas da tarefa e os efeitos demográficos como sexo e QI.

De modo a clarificar as interjogar entre as representações conscientes e não-conscientes das caras emocionais, um protocolo experimental EEG é projetado para comparar cerebral potenciais evocados e atividade oscilatório entre pacientes com EA e QI / controles saudáveis ​​pareados por sexo. Um grupo de participantes do piloto foi recrutado antes do experimento EEG para assistência com a seleção dos estímulos experimentais e desenvolvimento de um sistema de pontuação, a fim de facilitar a avaliação do desempenho em pacientes com EA. O protocolo consiste em duas tarefas que envolvem a avaliação emocionalidade de qualquer fotografia ou rostos de desenho de linha. As diferenças entre os dois grupos pode ser avaliada por computação ERPs e perturbações do espectro relacionados a eventos (ERSPs). Na secção seguinte, os detalhes do protocolo experimental são elaboradas, incluindo o estudo piloto e os métodos de processamento / análise de dados de EEG, seguidas pelas principais resultados da análise. Finalmente, os passos críticos no Protocolo e seu significado em relação ao existentemétodos são discutidos. A limitação ea possível extensão do protocolo a ser usado em pacientes com outros distúrbios emocionais também são apontados.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Declaração de Ética: Procedimentos envolvendo participantes humanos foram aprovados pelo Comitê de Ética participante humanos comitê / Institutional Review Board na Academia Sinica, Taiwan.

1. Estímulos e Programa Experimental Preparação

  1. Preparar um conjunto de mais de 60 fotografias de rosto emocionais 29 categorizados em três expressões faciais (irritados, felizes e neutro). Use software de gráficos para mascarar cabelo e da orelha partes nas fotografias com fundo preto como mostrado na Figura 1A, para que os participantes possam concentrar-se nas características faciais nas fotografias.
    1. Abra uma fotografia no software gráficos. Use a caixa de ferramentas de seleção para desenhar uma região elíptica e ajustar o tamanho da região de modo que as orelhas e mais cabelos não caem na elipse.
    2. Inverta a região selecionada. Clique em "Excluir" para remover a região indesejada da fotografia e substituí-lo com a cor de fundo preto.

figure-protocol-1
Figura 1. Exemplos de estímulos emocional face. (A) rostos fotografia onde o cabelo e as orelhas foram mascarados na cor de fundo preto, e (B)-line desenhar rostos que são editados a partir de (A) por softwares gráficos. Os rostos mostrar emoções neutras, felizes e irritados, respectivamente, de alto a linhas inferiores. Por favor clique aqui para ver uma versão maior desta figura.

  1. Criar um estudo piloto. Recrutar participantes do piloto para a seleção de estímulos adequados a partir da piscina fotografia.
    Nota: Os participantes do piloto não deve participar na experiência EEG.
    1. Configurar o programa de apresentação do estímulo começando com o primeiro ecrã de computador apresentando a instrução tarefa, seguido por 5 familensaios iarization. Comece cada ensaio com uma cruz fixação, seguido por um estímulo cara, e por uma tarefa de avaliação emotividade. Veja arquivo de código suplementar para um programa de exemplo.
      Nota: Os testes piloto reais seguem imediatamente os ensaios de familiarização, selecionando fotografias de rosto em uma ordem aleatória da piscina.
      1. Criar um programa experimental, incluindo as telas de instruções e uma tela de olho-de fixação central. Criar tela de estímulo a face como ilustrado na figura 2, configurando o tamanho fotografia a ser 18,3 x 24,4 cm2 (largura x altura) com a cor de fundo preto, dado um tamanho de tela de computador 41 x 25,6 cm2 com resolução de 1.680 x 1.050. Veja arquivo de código suplementar para um programa de exemplo.
      2. Criar um sistema de pontuação para avaliação emocionalidade no programa, tal como ilustrado na Figura 3. Coloque uma linha horizontal que varia de -100 a +100 em escala contínua no centro da tela without nenhum carrapato-marcas, exceto para a central e endpoints. Preparar o programa de tal forma que os participantes possam avaliar livremente a emotividade de um rosto fotografia, arrastando o cursor de pontuação para a esquerda por muito irritado (-100) e à direita para muito feliz (+100), e pressione o botão GO.
        Nota: A linha de pontuação que é projetado sem qualquer tique-marcas porque os pacientes com AS podem facilmente ficar preso em colocar o cursor entre os carrapatos durante a avaliação emocionalidade. Portanto, numa escala contínua é a preferida para os pacientes.
      3. Certifique-se o programa registra resultados comportamentais de um participante (por exemplo, tempo de reação e scores de emocionalidade), que são utilizados como critérios para a escolha de fotografias da piscina (consulte a etapa 1.3.1).
    2. participantes do piloto recruta (5 controlo e 5 participantes AS-piloto). Diagnosticar pacientes clínicos de acordo com Gillberg 30 e DSM-IV 26 e administrar o curto-forma clínica derivada da Wechsler Adult Escala de Inteligência (WAIS-III) 31. Combinar os controles para os seus homólogos AS, tanto quanto possível no gênero, e sobre as pontuações de QI verbal / desempenho.
    3. Execute o procedimento experimental no estudo piloto para cada participante individual. Depois de completar a tarefa de reconhecimento de face emocional, entrevistar cada piloto AS participante da duração razoável dos prazos de fixação-olho central e apresentação de estímulo, dificuldade da tarefa, facilidade de usar o sistema de pontuação eo número máximo de tentativas para manter seu / sua concentração, com base no qual o programa pode ser reconfigurado para o experimento de EEG (ver o passo 1.3.2)

figure-protocol-2
Figura 2. Uma imagem de um rosto estímulo no programa. O tamanho da face está configurado para se ajustar a altura do ecrã. A área vazia é preenchida com a cor preta.carregar 53962 / 53962fig2large.jpg "target =" / _ blank "> Clique aqui para ver uma versão maior desta figura.

figure-protocol-3
Figura 3. Uma captura de tela do sistema de pontuação para avaliação emocionalidade. A barra de pontuação é projetado para ter nenhuma marca de escala. O participante tem de arrastar o mouse para selecionar a pontuação atribuída a um rosto e pressione o botão GO para terminar a tarefa. Por favor clique aqui para ver uma versão maior desta figura.

  1. Programa de Tarefa 1: Fotografia Session.
    1. Selecione a partir do conjunto de 30 fotografias, que compreende 10 cada uma para expressões faciais feliz, irritado, e neutros (5 do sexo masculino e 5 do sexo feminino enfrenta para cada tipo de expressões), que dão os tempos de reacção médios mais comparáveis ​​e os escores médios de emocionalidade entre o 5 AS e 5 participantes do piloto de controle.
    2. Atualizar as configurações programa experimental através da incorporação de feedback dos pacientes piloto, tais como o período de olho-fixação central ideal (ou seja, 1000 mseg), a duração da apresentação de estímulo (isto é, 1000 mseg), intervalo inter-estímulos (isto é, distribuídos aleatoriamente em -entre 4 e 7 seg), ea escala do sistema de pontuação (ou seja, -100 a 100). Adicionar cinco ensaios de familiarização antes das 30 ensaios experimentais no programa.
      1. Alterar o número de estímulos e intervalos de tempo em um arquivo de texto de configuração externo associado ao programa experimental.
        Nota: O arquivo de texto pode ser modificado para atender diferentes condições experimentais, sem intervenção de engenheiros de software.
      2. Não conte os cinco fotografias para ensaios de familiarização com as 30 fotografias seleccionadas. Não use os EEG e os dados comportamentais gravadas em ensaios de familiarização na análise de dados.
  2. programa fou Tarefa 2: Linha de desenho Session.
    1. Criar imagens de desenho de linha dos 35 fotografias (5 para ensaios de familiarização, 30 para ensaios experimentais) utilizados na Tarefa 1, traçando as bordas de cada face. Use software gráfico para modificar as fotografias em escala de cinza na linha-desenhos em preto-e-branco como mostrado na Figura 1B.
      Nota: Os passos abaixo para edição de fotografia é uma das possíveis soluções para o line-drawings.
      1. No software gráficos, ajustar o brilho / contraste da fotografia de modo que a intensidade original escala de cinza nos pixels maioria cai em preto ou branco.
      2. Aplicar "efeito do esboço" no "efeito" ou menu "Filtro" do software a uma fotografia em tons de cinza de modo que apenas o contorno da parte alta frequência espacial é preservada, e aplicar "efeito de angústia" para aumentar a dilatação das linhas de contorno .
      3. Use qualquer ferramenta pincel para melhorar os contornos e usar uma ferramenta borracha paralimpar as partes indesejadas. Certifique-se manter as características faciais importantes, verificando frente e para trás entre o seu homólogo de desenho de linha fotografia original e.
    2. Faça uma cópia do programa de Tarefa 1 no passo 1.3 para criar um programa para Tarefa 2 e substituir as 35 fotografias em Tarefa 1 com a linha-desenhos correspondentes.

2. Procedimento de gravação EEG

  1. preparativos
    1. Recrutar 10 controles saudáveis ​​e 10 pacientes com EA para experimentos de EEG com base nas diretrizes da ética de pesquisa participante humano locais comissão / Institutional Review Board.
    2. Administrar a curto forma de WAIS-III 31 às pacientes com EA individualmente antes das experiências, e encontrar os controles que correspondem aos pacientes, tanto quanto possível sobre gênero e sobre as pontuações de QI verbais / desempenho.
  2. Gravação de EEG
    1. Assentar o participante em uma cadeira confortável em um insulate somd (mal iluminado) de câmara e ajustar a posição da cadeira para que a tela do computador é de 60 cm na frente do participante. Depois de um tutorial sobre o procedimento experimental, tem o participante preencher os formulários de consentimento junto com algumas perguntas sobre seu / sua destreza manual.
    2. Use uma tampa de EEG com 132 eletrodos Ag / AgCl (incluindo 122 10-10 sistema de EEG, eo VEOG bipolar, HEOG, ECG, eletrodos EMG, juntamente com seis canais facial-musculares) para gravar EEGs. Conectar-se a tampa para dois amplificadores de 64 canais com 0,1-100 Hz analógico filtro passa-banda para digitalizar EEGs matérias a 1.000 Hz taxa de amostragem.
    3. Encaixe a 128 canais cap padrão EEG para a cabeça de cada participante. Ajustar a tampa de modo que o eléctrodo rotulado de "referência" é colocado na posição "Cz", que está situado em relação aos pontos de referência da linha média anterior / posterior (ou seja, meio do násio a distância ínion), e para os / marcos direita e esquerda (ou seja, o meio de tragis esquerda / direita), de acordo com o EEG sistema de 10/10 internacional.
    4. Gentilmente usar uma agulha romba para injetar gel condutor em todos os eletrodos. Mexa com a agulha lentamente dentro do eletrodo para assegurar um bom contacto gel entre o couro cabeludo e o eletrodo (ou seja, para manter a impedância abaixo de 5 kW). verificar constantemente a condição de contato gel nos eléctrodos rotulados como "referência" e "terra" na tampa EEG para garantir que a medição da impedância é correto.
      1. Observe a impedância dos eletrodos através da visualização da tela de impedância dos eletrodos suportado pelo software de gravação de EEG (por exemplo SCAN 4,5 neste estudo), que geralmente vai com o sistema de EEG. No ecrã, os eléctrodos são mostrados em cores, e diferentes cores indicam os níveis de impedância.
    5. Coloque um eléctrodo HEOG no canto do olho de um olho (local positivo), e o segundo eléctrodo no canto do olho do outro olho (site negativo), um eléctrodo VEOG acima e o outro abaixo do Lolho eft, eletrodos de ECG bipolar na parte de trás do eletrodos EMG bipolares mãos esquerda e direita, e na área entre o polegar eo dedo indicador da mão direita, e os seis eletrodos faciais em torno da sobrancelha e bochecha.
    6. Gravar em um caderno os canais ruins em que a impedância for superior a 5 kW, ou salvar diretamente da tela mostrando impedância em todos os pólos. Utilize esta referência como futuro para descartar canais ruins na fase de processamento de dados de EEG.
    7. Grave EEGs de descanso estado depois instruir o participante para fechar os olhos por 12 min. Durante este tempo, verificar duplamente a qualidade do fluxo de EEG instantânea mostrada na tela suportada pelo software de gravação de EEG.
      Nota: Não deve haver ondas alfa claras distribuídas nos canais occipital durante a condição de olhos fechados, quando comparada com a condição de olhos abertos. Se as ondas alfa são muito barulhento (ignorando os canais maus) ou distorcida, volte para o passo 2.2.4 e ajustar o contato gel.
    8. Comece as duas tarefas experimentais em uma ordem contra-equilibrada entre participantes. EEGs registro clicando no ícone de gravação na tela suportada pelo software de gravação.
      1. Depois de ler as instruções tarefa mostrado na tela, tem cada participante realizar os ensaios 5 de familiarização, seguidos dos 30 ensaios de tarefas. Use o mesmo procedimento para ambas as tarefas de desenho de linha fotografia e. Na instrução de tarefas, incentivar os participantes a atribuir uma pontuação para a emotividade de um estímulo rosto tão rapidamente quanto possível.
      2. IMPORTANTE: Verifique programas elaborados nos passos 1.3.2 e 1.4.2 para corretamente o envio de eventos de tempo bloqueado para o aparecimento de olho-de fixação central, apresentação do estímulo rosto, e pressionar o botão GO para o software de gravação durante a avaliação emocionalidade. Esses tempos de início são codificados como numérico e pode ser verificado no ecrã suportado pelo software de gravação.
        Nota: O participante pode fazer uma pausa entre as duas tarefas. Não há EEG recordões durante o intervalo.
    9. Use um digitalizador (por exemplo, o digitalizador Polhemus FASTRAK 3D neste estudo) para gravar as posições 3D de eletrodos e guardá-lo em um arquivo (por exemplo .3dd ou .dat) para tampas de EEG co-registrar entre os participantes na análise de dados.
    10. Após a experiência EEG, têm o participante preencher um inventário de 35 perguntas em sua / seu comportamento e sentimentos durante o experimento EEG (por exemplo, ter emoções negativas, quase caiu no sono), e proporcionar-lhes o pagamento para a participação no experimento.
    11. Traga o participante para o banheiro para limpar / secar sua / seu cabelo.
    12. Limpar e esterilizar a tampa EEG acordo com as instruções clínicos.

3. Processamento de Dados EEG

Nota: Os comandos de software fornecidos nesta seção são específicos para EEGLAB.

  1. Filtrar os sinais EEG usando um filtro passa-alta de 1 Hz e um filtro low-pass de 50 Hz, chamando ofunção pop_eegfilt.m 32.
    Nota: Use um filtro low-pass de 40 Hz para alguns países que têm 50 Hz frequência da rede elétrica
  2. Descarte canais ruins com impedância superior a 5 kW após a verificação da impedância do eletrodo registrou na etapa 2.2.6. Descarte os maus canais com muito diferente espectro de potência em comparação com os canais vizinhos por inspeção visual das características do espectro de energia (por exemplo, o valor máximo, a curvatura, etc.) em cada canal.
    1. Calcular e traçar o espectro de potência do sinal EEG chamando a função pop_spectopo.m 32.
  3. Re-referenciar os sinais de EEG com a média dos canais do cérebro sem os canais de maus chamando a função pop_reref.m.
  4. EEGs segmento em épocas locked-estímulo, cada um que varia de -2,0 seg pré para 1,5 seg pós-estímulo início. Correto para linha de base (-2,0 para -1,2 seg antes do início do estímulo), removendo a média de Valu linha de basees de cada época.
    1. Chamar as funções pop_epoch.m e pop_rmbase.m, respectivamente. Escolha o intervalo de linha de base antes do período de olho-de fixação central e o início do estímulo cara.
  5. Marcar maus épocas que aparecem para conter artefatos. Descarte as épocas ruins, reservando as épocas contaminados por piscar de olhos. As épocas com artefatos costumam olhar barulhento ou ter extremamente alto valor de pico (por exemplo, superior a 100 mV) em comparação com épocas típicas.
    1. Chamar a função pop_rejmenu.m de lançar um procedimento semi-automático. Uma janela de interação vai sair para re-confirmar-selecionados auto épocas ruins pelo usuário através de inspeção visual. Embora a maioria das épocas estão contaminados por piscar de olhos, essas épocas pode ser provisoriamente reservada para posterior remoção por meio de análise de componentes independentes (ICA) 33 no passo 3.8.
  6. Depois de descartar canais ruins e maus épocas, executar ICA nos dados de EEG podadas usando o pop_runifunção ca.m.
  7. Entre os componentes independentes estimados (ICs), identificar os artefatos resultantes de movimento dos olhos / piscar de olhos, a atividade muscular, batimentos cardíacos, e ruído na linha 32.
    Nota: A significativamente alta correlação (R 2> 0,9) entre os escores de IC de um componente e os de todos os canais de referência (VEOG, HEOG, ECG, e canais faciais) indica que este componente é contribuiu principalmente por artefatos. As pontuações estimados IC explicadas pelos artefatos podem ser limpos usando análise de regressão múltipla.
  8. Remover ICs artefato e estimar os EEGs limpas que são derivados do produto do ICA mistura da matriz e da matriz pontuação IC limpa-artefato. Salvar os EEGs limpas para posterior análise.
    1. Mantenha os resíduos de prever ICs artefato (R 2> 0,9) a partir da referência VEOG, HEOG, eletrocardiograma e canais faciais na matriz de pontuação IC. Remover outros ICs artefato pela função pop_subcomp.m. A função retorna os EEGs limpa-artefato.

4. Análise estatística

  1. Partição canais de EEG em regiões homogéneas onze para reduzir o número de comparações estatísticas em ERP e analisa ERSP, isto é, esquerda (10 canais), midline- (14), e-frontal direito (10); esquerdo (13) e-temporal direita (13); esquerda (9), midline- (14) e centro-direita (9); esquerda (9), midline- (12) e parietal e occipital direito (9) conforme mostrado na Figura 4. Estas regiões são definidas de acordo com a anatomia funcional do córtex 34. Homogeneidade funcional dos sinais de EEG nessas regiões foi validado em diferentes experimentos 13,35,36.

figure-protocol-4
Figura 4. A partição do canal. Os canais são divididos em onze regiões. LF:-frontal esquerda (10 canais), MF: linha média-frontal (14), RF:-frontal direita (10), LT: esquerda-temporal (13), RT: right-temporal (13), LC: esquerda-central (9), MC: linha média-central (14), RC: right-central (9), LP: parietal esquerdo-occipital (9), MP: parietal linha média-occipital (12), RP :. parietal direito-occipital (9) por favor clique aqui para ver uma versão maior desta figura.

  1. Coloque os EEGs limpas no passo 3.8. Calcule o ERP canal pela média de sinais através épocas em cada canal, e ERP regional, pela média ERPs dentro da mesma região.
    Nota: Quando EEG são carregados usando a função pop_loadset.m em EEGLAB, os sinais são armazenados na variável de estrutura "EEG.data" em uma matriz de canal-por-tempo-de-epoch.
    1. Na janela de comando do Matlab, calcular o ERP canal pela média EEG.data através épocas para cada canal (por exemplo, channelERP = média (EEG.dat, 3)). Calcule o ERP regional, pela média dos ERPs de canais dentro de cada região de acordo com a partição em 4.1 (por exemplo, regionalERP = média (channelERP (index, :), 1), onde "index" representa os índices de canal em uma determinada região).
  2. Calcule as ERSPs canal através da aplicação de uma transformação de tempo-frequência (por exemplo, transformada Wavelet) para epoch sinais em cada canal, e ERSPs regionais pela média canal ERSPs na mesma região.
    1. Execute o tempo de frequência transformar chamando a função pop_newtimef.m.
      Nota: Neste estudo, a entrada "ciclos wavelet" está definido para [1, 0,5] e "base" está definido para [-2.000--1.200] ms. Os ERSPs canal resultante será armazenado em uma matriz de frequência-a-hora-a-canal.
    2. Na janela de comando do Matlab, calcular o ERSP regional, pela média ERSPs em todos os canais dentro de cada região de acordo com a partição em 4.1 (por exemplo, regionalERSP = média (channelERSP (:,:, index), 3), onde "channelERSP" é a saída da função pop_newtimef.m, e "índice" está para os índices de canal em agregião Iven).
  3. Calcular os valores médios em intervalos de tempo diferentes (por exemplo, 50-150, 150-250, 250-350, 350-450 ms) para ERPs regional. Calcular os valores médios em intervalos de tempo-frequência diferentes (por exemplo, 50-150, 150-250, 250-350, 350-450, 450-800 ms em 1-7 Hz e 200-800 ms em 30/08 Hz) para a região ERSPs.
  4. Aplicar MANOVA em software de estatística (por exemplo, IBM SPSS) para os valores médios de ERPs e ERSPs regionais para avaliar os efeitos principais para a tarefa (fotografia vs. linha-desenho), região (onze regiões do couro cabeludo) e grupo (AS vs controle) , bem como os efeitos de interacção entre a tarefa, região, e grupo.
    1. Na análise estatística, considere sexo (masculino versus feminino) como covariável, e estimar os principais efeitos e interacções, mantendo a constante efeito de gênero.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

As pontuações médias verbal e desempenho de QI estão listadas na Tabela 1 para o controle e como grupos, juntamente com os tempos médios de reação e pontuações médias atribuídas a emocionalidade dos rostos dos dois grupos. Na tabela, nenhuma das diferenças entre os grupos alcança significância estatística excepto para as faces neutras na tarefa de desenho de linha, em que o grupo como tem um valor médio próximo de zero (P <0,001) 13. Curiosamente, ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

A literatura apresenta estudos sobre o reconhecimento das emoções faciais em pacientes com autismo por meio de análise de reações EEG 44, e no reconhecimento de conteúdos de alta e baixa frequência espaciais utilizando estímulos visuais 43. Para o melhor de nosso conhecimento, no entanto, há uma falta de trabalho existente sobre a atividade oscilatório cérebro que combina reconhecimento de emoções com o conteúdo de frequências espaciais distintas. Nosso protocolo é um primeiro passo para estimar a ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm nada a divulgar.

Agradecimentos

Esta pesquisa foi financiada pelas doações MOST102-2410-H-001-044 e MOST103-2410-H-001-058-MY2 para M. Liou, e RSF-14-15-00202 para A.N. Savostyanov. O apoio da Russian Science Foundation (RSF) foi usado para a elaboração do paradigma experimental de reconhecimento facial.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Synamps 2/RT 128-channel EEG/EP/ERPNeuroscan
Quik-CapEEG 128 eletrodosNeuroscan
GelQuik-Gel
FASTRAK digitalizador 3DPolhemus 

Referências

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Etiquetas

S ndrome de AspergerProcessamento de Faces EmocionaisExperimento de EEGRepresenta o Consciente e N o ConscienteComponente N400Fun o da Am gdalaFrequ ncia EspacialReconhecimento de Emo es FaciaisTarefa de Desenho de LinhasTarefa de Fotografias
Representações conscientes e não-conscientes de Faces emocionais na síndrome de Asperger
Entre em contato
Recomendar à biblioteca

Privacidade

Termos de uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.