Name: Como detectar Amygdala Atividade com Magnetoencefalografia usando fonte de imagem (Vídeo) | JoVE Journal
Uploaded: 2013-06-03T08:59:00.000+00:00
Duration: 10 min 48 s
Description: Aprenda a detectar atividade da amígdala com magnetoencefalografia durante condicionamento de medo implícito. Este método utiliza imagem de fonte para analisar sinais neurais em tempo real com alta resolução temporal.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Este estudo foi financiado pelo Instituto Nacional de Saúde Mental (MH060668 e MH069558).

Projetando um paradigma traço condicionado usando para trás mascarando para bloquear consciência 1. Estímulos de design <ol><li> Desenhar os estímulos para os dois grupos. </li><li> Escolha 4 expressões neutras de diferentes indivíduos. </li><li> Alinhar as faces de modo a que a região dos olhos de cada face se encontra na mesma localização. </li><li> Colheita os rostos usando um oval para que o cabelo, orelhas e outras características periféricas não são mais visíveis. </li><li> Utilizar a caixa de ferramentas de processamento de sinal em Matlab (Ver Tabela 1 para o software necessário para executar o experimento) para criar imagens filtradas passa-alto, removendo toda a informação que é menos do que 5 ciclos por grau 12. </li><li> Crie a máscara através da fusão de várias expressões neutras juntos, e adicionando ruído de alta freqüência espacial na imagem. </li><li> Normalizar todas as imagens para que eles tenham igual luminância. </li></ol> 2. Programa do Experimento usando Apresentação <ol><li> Programa de formação e fases de teste em apresentação usando os parâmetros descritos a seguir (veja a Figura 1). </li><li> Além disso, o programa num ficheiro separado (PCC), que será utilizada pelo pacote de software de aquisição de dados PSYLAB durante o treino e o teste, a fim de aplicar o choque provocado por apresentação. </li><li> Para o programa de treino 4 blocos de traço diferencial medo condicionado com 15 ensaios por CS, por bloco. </li><li> Em cada ensaio apresentar o CSS para 30 ms. </li><li> Em cada ensaio apresentar a máscara para 970 ms. </li><li> Em cada ensaio + CS apresentar o UCS de choque para 100 ms, de modo que coterminates com a máscara. </li><li> Variar a localização da combinação do CS / máscara de modo que aparece aleatoriamente em um dos quatro quadrantes. </li><li> Apresentar um julgamento a cada 6 ± 2 segundos com um intervalo entre tentativas variável. </li><li> Para a sessão de testes do programa um bloco de reaquisição com cinco tentativas de cada rosto CS, e cinco ensaios cada um dos dois novos rosto CSs. </li&gt; <li> A fim de maximizar a sua capacidade de registrar as respostas de condutância da pele (SCR), durante os ensaios de teste, apresentar o CS por 8 s. </li><li> Em cada CS + julgamento apresentar a UCS choque para 100 ms, de modo que coterminates com o CS +. </li><li> Apresentar um julgamento a cada 20 ± 4 segundos usando um intervalo entre tentativas variável. </li><li> Instrua assuntos para relatar expectativa UCS durante ambas as sessões, e registrar as suas respostas utilizando um dispositivo compatível eixo MRI / MEG (joystick, slider, discagem; ver o capítulo 7). </li><li> Recorde SCRs durante a sessão de testes com eletrodos ligados ao fundo dos participantes pé esquerdo (ver secção 9). </li></ol> Gravar a atividade cerebral durante a tarefa usando magnetoencephalography 3. Configuração de equipamentos para treinamento em MEG Suite (Ver Figura 2). <ol><li> Ligue o computador apresentação do estímulo ao sistema de aquisição MEG usando um multi cabo padrão DB25 conector de fita (Ver Tabela 2 </strong&gt; para equipamentos necessários para a realização do experimento.). </li><li> Ligue o computador da apresentação de estímulo para o monitor de stand-alone PSYLAB (SAM), utilizando a 8 bits para o adaptador de isolamento de 2 bits e o cabo de sincronização. </li><li> As lógicas (TTL) pulsos transistor-transistor usado para marcar as apresentações de estímulo pode causar artefatos nos dados MEG se eles são enviados para o SAM. Para evitar estes artefactos, marcam o inicio do estímulo, utilizando apenas os bits bloqueadas pela placa de isolamento. </li><li> Conecte o estimulador de choque (SHK1) para o SAM usando o cabo fornecido com o aparelho. </li><li> Passe o cabo de extensão blindado através do guia de ondas e conectá-lo ao estimulador de choque. </li><li> Conecte o SAM para um computador que executa o software de aquisição de dados PSYLAB usando um cabo USB padrão. </li><li> Ligue o selector rotativo para a apresentação do estímulo computador (USB) e o sistema de aquisição de MEG (BNC) utilizando o divisor gameport-to-gameport/BNC ea porta de jogos para USB adaptarer. </li><li> Gravar dois minutos de dados de sensores sem o sujeito na sala. </li></ol> 4. Equipamento Setup para o teste de ressonância magnética Suíte <ol><li> Ligue o computador apresentação do estímulo à SAM usando o cabo de sincronização. </li><li> Conecte o estimulador de choque (SHK1) eo amplificador condutância da pele (SC5) para o SAM usando os cabos fornecidos com a unidade. </li><li> Passe os cabos de extensão blindados para SCR e choque através do guia de ondas e conectá-los às suas respectivas unidades. </li><li> Conecte o SAM para um computador que executa o software de aquisição de dados PSYLAB usando um cabo USB padrão. </li><li> Ligue o botão rotativo para o computador apresentação do estímulo usando o adaptador USB para porta de jogos. </li></ol> 5. Assunto Configuração de Formação em MEG Suite (Ver Figura 3) <ol><li> Anexar eléctrodos e sensores para o indivíduo usando o esquema na Figura 3 como um guia. </li><li> Anexar eletrodos descartáveis ​​paramonitor de piscar dos olhos, acima e abaixo do olho direito do sujeito. </li><li> Anexar eletrodos descartáveis ​​para monitorar a freqüência cardíaca para o lado do sujeito esquerda, logo abaixo do coração e no peito direito, logo abaixo da clavícula. </li><li> Anexar um eléctrodo descartável como uma referência para a parte de trás do ombro esquerdo do sujeito. </li><li> Anexar dois eletrodos copo para a perna direita do sujeito sobre o nervo tibial direito acima do maléolo medial para administrar o choque. </li><li> Anexar 4 cabeça indicador de posição (HPI) bobinas ao assunto, um acima de cada olho e um atrás de cada orelha. </li><li> Digitalizar a posição da cabeça do sujeito em relação às bobinas HPI usando pontos fiduciais. </li><li> Usando o sistema Polhemus, mapa a posição do násio do sujeito, e para a esquerda e para a direita tragi. </li><li> Alinhe a posição da cabeça digital do sujeito em relação aos pontos fiduciais, certificando-se de que os pontos são simétricos. </li><li> Próximo mapa a posição de bobinas HPI do sujeito. </li><li> Finalmente, dígitoize 50-100 pontos ao longo do couro cabeludo do indivíduo. </li><li> Acompanham o assunto para o sistema MEG e ligar os eletrodos e sensores para a interface apropriada. </li><li> Conecte o eletrodo descartável leva para o amplificador do sistema MEG. </li><li> Ligue a cablagem HPI no sistema MEG. </li><li> Conecte o eletrodo de choque leva para o cabo de extensão blindado. </li><li> Levante a cadeira de modo que a cabeça do sujeito é tocar o topo do capacete MEG. </li><li> Posicione a tela para que a imagem projetada está em foco. </li></ol> 6. Choque Workup <ol><li> Defina o choque a um nível que os relatórios sujeitos como doloroso, mas tolerável. </li><li> Braço do estimulador choque girando a roda da posição mA 0 a posição 5 mA. </li><li> Administrar várias apresentações do choque usando a janela de controle de estímulo do pacote de software de aquisição de dados PSYLAB. </li><li> Após cada apresentação têm a taxa sujeito a intensidade do choque numaescala de 0 (nada doloroso) a 10 (doloroso, mas suportável). </li><li> Aumentar gradualmente a intensidade do choque até que o sujeito classifica-o como um 10. </li><li> Registre o valor da escala na caixa valor do parâmetro na janela de detalhes do assunto, os choques serão administrados durante o experimento com o valor indicado na caixa. </li></ol> 7. Dispositivo de resposta <ol><li> Instrua o assunto sobre o uso correto do disco usando um exemplo cenário de apresentação. </li><li> Instruções:. &quot;Mover o cursor todo o caminho para a direita (100), se você tem certeza absoluta de que você vai receber a apresentação do estímulo, no futuro próximo Mova o cursor todo o caminho para a esquerda (0), se você tem certeza que você não vai receber um estímulo em um futuro próximo. Mova o cursor para o meio (50), se você não tem certeza se vai ou não receber o estímulo em um futuro próximo &quot;. </li></ol> 8. Recorde MEG durante o treino <ol><li> Record dois minutos de dados brutos em 2 kHz, enquanto o sujeito descansa com os olhos abertos. </li><li> Antes do treinamento começar códigos de eventos de gravação e entrega de choque usando o software de aquisição de dados PSYLAB. </li><li> Tenha certeza que PSYLAB está executando o código PCC adequada para que ele envia o choque quando acionado pelo computador. </li><li> Gravar os dados brutos a 2 kHz, durante cada um dos quatro ensaios de formação. </li><li> Grave médias on-line como uma forma de inspecionar visualmente os dados em tempo real para as fontes sistemáticas de ruído. </li><li> Peça ao sujeito para classificar a intensidade do choque após cada ensaio para avaliar a habituação. </li></ol> 9. Assunto Setup para o teste de ressonância magnética Suíte <ol><li> Acompanham o assunto a partir da suíte MEG para a suíte de ressonância magnética. </li><li> Volte a colocar os eletrodos de choque e recalibrar a intensidade do choque. </li><li> Anexar dois eléctrodos de copo para o fundo do pé esquerdo do sujeito para monitorar SCRs. </li><li> Certifique-se de que o assunto ainda entende como usar tele de resposta do dispositivo. </li><li> Posicione o tema na mesa de ressonância magnética, garantir a sua cabeça, e ligar o SCR e eletrodo de choque leva aos cabos blindados correspondentes. </li><li> Posicione o espelho ligado à bobina de cabeça de modo que o participante pode ver a tela colocada atrás da bobina de cabeça. </li></ol> 10. Grave fMRI durante o teste de <ol><li> Coletar imagens anatômicas de alta resolução (SPGR). </li><li> Recorde-sangue oxigenação respostas dependentes de nível durante a sessão de testes usando parâmetros de imagem padrão (TR = 2 seg; TE = 25 ms; fleld de vista = 24 cm; ângulo de inclinação = 90 °). </li><li> Após o teste ter o assunto preencher um questionário pós experimental. </li></ol> Utilizando imagens de origem para recuperar o sinal a partir de estruturas subcorticais. 11. Analisar dados comportamentais e fMRI <ol><li> Use expectativa UCS para determinar se indivíduos foram capazes de discriminar entre os estímulos. </li><li> Médiaos dados de expectativa UCS para o intervalo de 900 ms traço e no período de referência anterior de 900 ms para cada ensaio. </li><li> Subtrair o valor para o período de referência a partir do valor para o intervalo de rastreamento para determinar a forma como o sujeito movido a discagem após a apresentação do estímulo. </li><li> Execute um tipo CS por tentativa de medidas repetidas ANOVA entre os indivíduos. </li><li> Analisar os dados comportamentais e fMRI da sessão de testes com padrões previamente publicados 5,13-15. </li></ol> 12. Preprocess MRI Volume <ol><li> Use FreeSurfer 16 para criar um volume subcortical segmentado, e as superfícies do córtex, pele exterior e externo do crânio. </li><li> Converter volumes e superfícies para o formato legível AFNI. </li><li> Executar importsurfaces.csh - a primeira vez que você executar o programa ele irá copiar todos os arquivos necessários para a pasta um novo &quot;modelo&quot; na pasta de segmentação de cada sujeito. Irá também criar um ficheiro &#39;importsurface.mrml&#39; que é usado para criar a ressacamodelos ace da amígdala e hipocampo. </li><li> Criar e converter a amígdala eo hipocampo volumes em superfícies utilizando Slicer3 e Paraview. <ol><li> Executar Slicer3 importsurface.mrml do diretório &#39;modelo&#39; do sujeito. Isto irá carregar as superfícies e volumes em 3dslicer. </li><li> Gerar modelos de amígdala eo hipocampo, salvar modelos como estrutura {}. Vtk. </li><li> Arquivos de importação. VTK em paraview. </li><li> Executar filtrar &quot;gerar normais de superfície.&quot; </li><li> Exportar normais de superfície para Amy e Hipp como {} estrutura de arquivos. Ply (ascii). </li></ol></li><li> Importar as superfícies e volumes MRI em Brainstorm. </li><li> Executar importsurfaces.csh novamente - isso irá converter as superfícies em arquivos que podem ser lidos pelo MATLAB e irá copiar todos tess_ {} estrutura do tapete arquivos no diretório do banco de dados Brainstorm.. </li><li> Certifique-se que você já tenha criado o assunto em Brainstorm antes de copiar tess_ estrutura {}. Arquivos tapete para debater pasta (Ver Passo 14.1). </li><li> Once você começa as superfícies em Brainstorm não se esqueça de atualizar o banco de dados. </li><li> Deformar o volume de ressonância magnética para o espaço padrão, identificando os pontos fiduciais. </li><li> Alinhar manualmente a superfície do couro cabeludo com MRI, em seguida, aplicar a urdidura de todas as outras superfícies. </li><li> Fundir as duas superfícies pial e reduzir o número total de vértices de 15.000. </li><li> Fundir as duas superfícies do hipocampo e reduzir o número total de vértices de 2000. </li><li> Fundir as duas superfícies da amígdala e reduzir o número total de vértices de 1000. </li><li> Mesclar as superfícies pial, hipocampo e amígdala. </li><li> Criar regiões de interesse (olheiros) para a amígdala eo hipocampo. </li></ol> 13. Preprocess MEG Recordings usando Brainstorm 11 <ol><li> Criar um novo objeto no banco de dados Brainstorm. </li><li> Importe o arquivo de gravação MEG para cada sessão de treinamento. </li><li> Remova artefatos causados ​​por fontes externas da sala magneticamente blindado (MSR), utilizando o espaço de sinalseparação 17. </li><li> Remova artefatos causados ​​por batidas do coração e os movimentos oculares usando projeções espaço de sinal de eventos identificados no eletrocardiograma (ECG) e eletro canais (EOG). </li><li> Inspecionar as gravações para garantir que Brainstorm batimento cardíaco corretamente identificados e eventos piscar dos olhos. </li><li> Inspecionar as gravações para outras possíveis fontes de ruído. </li><li> Inspecionar os dados evocados criados a partir das médias online de fontes sistemáticas de artefato. <ol><li> Note-se que os impulsos TTL utilizados para marcar o aparecimento de estímulos pode causar perturbações nos registos, se enviada para PSYLAB unidade SAM. </li><li> Enviar apenas impulsos TTL necessários para administrar o choque para a unidade de SAM e isolar a unidade de impulsos restantes utilizando a 8 bits para o adaptador de isolamento 2 bits. </li></ol></li></ol> 14. Analisar respostas evocadas usando Brainstorm <ol><li> Utilize o canal de eventos para identificar épocas (-200 ms para 900 ms) correspondentepara cada um dos ensaios experimentais. </li><li> Refine registro MRI usando pontos na cabeça. </li><li> Calcule covariância do ruído de gravações. </li><li> Calcule modelo de cabeça usando sobreposição método esferas com córtex como entrada. </li><li> Calcule fontes usando o método de estimativa mínima norma-10. </li><li> Continuar a análise de fontes. </li><li> Fontes filtro passa-banda para ensaios individuais (1 Hz a 20 Hz). </li><li> Pegue o valor absoluto das fontes filtradas passa-banda e converter esses valores para z-scores baseados na variabilidade da linha de base. </li><li> Espacialmente suavizar as fontes (sigma = 5 mm). </li><li> Fontes média dos ensaios. </li><li> Projetar as médias para a anatomia padrão para o experimento. </li><li> Calcule testes t sobre as fontes nas diferentes condições. </li><li> Significativos resultados t-teste de filtro, utilizando limites espaciais e temporais para corrigir erro família-wise. </li><li> Identificar regiões significativamente ativadas e exportar o curso do tempo de acvação para cada assunto. </li><li> Calcule a média e erro padrão da média entre os indivíduos em cada momento. </li></ol> 15. Realize Decomposições Time-freqüência sobre ROI usando Brainstorm <ol><li> Projetar os dados brutos dos ensaios individuais para a anatomia padrão para o experimento. </li><li> Identificar e criar regiões de interesse a partir da análise de resposta evocada ou de anátomo-funcional hipóteses estabelecidas a priori. </li><li> Calcule decomposições dos dados do seu ROI tempo-freqüência para cada ensaio utilizando os parâmetros padrão (frequência central = 1 Hz, tempo de resolução [FWHM] = 3 seg; faixa de freqüência = 10:90 Hz; resolução de freqüência = 1 Hz). </li><li> Converta resultando mapas de decomposição tempo-freqüência para escores z. </li><li> Média os mapas resultantes entre os ensaios para cada assunto. </li><li> Realizar testes t nos mapas através das diferentes condições. </li></ol>

<ol><li>Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+substrates+mediating+human+delay+and+trace+fear+conditioning%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Neural substrates mediating human delay and trace fear conditioning.</a> Journal of Neuroscience. 24, 218-228 (2004).</li>
<li>Knight, D. C., Nguyen, H. T., Bandettini, P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+awareness+in+delay+and+trace+fear+conditioning+in+humans%5BTitle%5D)+AND+%22Cognitive%2C+Affective%2C+%26+Behavioral+Neuroscience%22%5BJournal%5D)">The role of awareness in delay and trace fear conditioning in humans.</a> Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).</li>
<li>Manns, J. R., Clark, R. E., Squire, L. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Parallel+acquisition+of+awareness+and+trace+eyeblink+classical+conditioning%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Parallel acquisition of awareness and trace eyeblink classical conditioning.</a> Learning & Memory. 7, 267-272 (2000).</li>
<li>Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fear+acquisition+requires+awareness+in+trace+but+not+delay+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Fear acquisition requires awareness in trace but not delay conditioning.</a> Psychophysiology. 44, 170-180 (2007).</li>
<li>Balderston, N. L., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conditioning+with+masked+stimuli+affects+the+timecourse+of+skin+conductance+responses%5BTitle%5D)+AND+%22Behavioral+Neuroscience%22%5BJournal%5D)">Conditioning with masked stimuli affects the timecourse of skin conductance responses.</a> Behavioral Neuroscience. 124, 478-489 (2010).</li>
<li>Flykt, A., Esteves, F., Öhman, A., Ohman, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Skin+conductance+responses+to+masked+conditioned+stimuli%3A+phylogenetic%2Fontogenetic+factors+versus+direction+of+threat%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat.</a> Biological Psychology. 74, 328-336 (2007).</li>
<li>Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+unconscious+subcortical+origin+of+human+fear%5BTitle%5D)+AND+%22Physiology+%26+Behavior%22%5BJournal%5D)">On the unconscious subcortical origin of human fear.</a> Physiology & Behavior. 92, 180-185 (2007).</li>
<li>Whalen, P. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Masked+presentations+of+emotional+facial+expressions+modulate+amygdala+activity+without+explicit+knowledge%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge.</a> Journal of Neuroscience. 18, 411(1998).</li>
<li>Huang, M. X., Mosher, J. C., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+sensor-weighted+overlapping-sphere+head+model+and+exhaustive+head+model+comparison+for+MEG%5BTitle%5D)+AND+%22Physics+in+Medicine+and+Biology%22%5BJournal%5D)">A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG.</a> Physics in Medicine and Biology. 44, 423-440 (1999).</li>
<li>Hämäläinen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Medical & Biological Engineering & Computing. 32, 35-42 (1994).</li>
<li>Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brainstorm%3A+A+User-Friendly+Application+for+MEG%2FEEG+Analysis%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Brainstorm: A User-Friendly Application for MEG/EEG Analysis.</a> Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).</li>
<li>Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distinct+and+convergent+visual+processing+of+high+and+low+spatial+frequency+information+in+faces%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Distinct and convergent visual processing of high and low spatial frequency information in faces.</a> Cerebral Cortex. 17, 2713-2724 (2007).</li>
<li>Cheng, D. T., Richards, J., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Activity+in+the+human+amygdala+corresponds+to+early%2C+rather+than+late+period+autonomic+responses+to+a+signal+for+shock%5BTitle%5D)+AND+%22Learning+%26+Memory%22%5BJournal%5D)">Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock.</a> Learning & Memory. 14, 485-490 (2007).</li>
<li>Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+MRI+of+human+Pavlovian+fear+conditioning%3A+patterns+of+activation+as+a+function+of+learning%5BTitle%5D)+AND+%22Neuroreport%22%5BJournal%5D)">Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning.</a> Neuroreport. 10, 3665-3670 (1999).</li>
<li>Schultz, D. H., Helmstetter, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classical+conditioning+of+autonomic+fear+responses+is+independent+of+contingency+awareness%5BTitle%5D)+AND+%22Journal+of+Experimental+Psychology+Animal+Behavior+Processes%22%5BJournal%5D)">Classical conditioning of autonomic fear responses is independent of contingency awareness.</a> Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sequence-independent+segmentation+of+magnetic+resonance+images%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Sequence-independent segmentation of magnetic resonance images.</a> NeuroImage. 23, 69-84 (2004).</li>
<li>Taulu, S., Kajola, M., Simola, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Suppression+of+interference+and+artifacts+by+the+Signal+Space+Separation+Method%5BTitle%5D)+AND+%22Brain+Topography%22%5BJournal%5D)">Suppression of interference and artifacts by the Signal Space Separation Method.</a> Brain Topography. 16, 269-275 (2004).</li>
<li>Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. 17th International Conference on Biomagnetism Advances in Biomagnetism-Biomag, , (2010).</li>
<li>Reinhard, G., Lachnit, H., König, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+stimulus+processing+in+Pavlovian+pupillary+conditioning%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Tracking stimulus processing in Pavlovian pupillary conditioning.</a> Psychophysiology. 43, 73-83 (2006).</li>
<li>Reinhard, G., Lachnit, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differential+conditioning+of+anticipatory+pupillary+dilation+responses+in+humans%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Differential conditioning of anticipatory pupillary dilation responses in humans.</a> Biological Psychology. 60, 51-68 (2002).</li>
</ol>

Os autores não têm nada a revelar.

Neste artigo descrevemos os métodos 1) para manipular a consciência da meta CSs dos sujeitos durante um paradigma condicionado medo traço. 2) e para recuperar o sinal MEG da amígdala durante traço medo condicionado sem consciência. Usando essas metodologias, fomos capazes de mostrar que trace condicionado sem consciência é possível quando os rostos são utilizados para prever a UCS. Este resultado sugere que os rostos receber tratamento especial, mesmo quando se apresenta abaixo do limiar de detecção perceptual *. Consistente com esta conclusão, descobrimos que amplo espectro enfrenta evocar respostas robustas amígdala e explosões de oscilações gama durante o intervalo do traço. Este resultado sugere que a amígdala é capaz de manter uma representação de uma cara CS durante um breve intervalo de traço. Embora apresentado em conjunto, estes dois métodos podem ser usados ​​independentemente bem. Por exemplo, é possível utilizar para trás mascaramento para manipular alvo visidade em outros paradigmas onde o comportamento podem ser afetados por sinais emocionais processados ​​abaixo do nível da percepção consciente 5,6,8 *. Além disso, utilizando a abordagem de imagem fonte descritos aqui, é possível criar modelos 3D de outras estruturas subcorticais e é possível recuperar o sinal a partir destas estruturas durante outras tarefas específicas região. Por exemplo, utilizando uma imagem de fonte de actividade do hipocampo modelo, pode ser possível recuperar o sinal de MEG a partir de fontes do hipocampo durante tarefas como a navegação espacial. Os métodos descritos aqui foram projetadas com dois objetivos em mente: 1) sensibilização bloco dos estímulos-alvo, 2) e maximizar a capacidade de detectar estímulos evocados respostas amígdala usando MEG. Estas restrições de design torná-lo difícil de medir o conhecimento implícito dos sujeitos das contingências de estímulo. Por exemplo, SCRs resolver ao longo de vários segundos 5,13, ​​no entanto, a CSS são apenas apresentadospara ~ 30 ms durante o treinamento, eo choque é apresentado logo após (~ 900 ms). Dadas estas limitações de tempo, expressão CR será inevitavelmente confundida com expressão UCR durante o treinamento. Devido a esta colinearidade, é necessário testar os conhecimentos das contingências de estímulo, usando uma sessão de testes desmascarado subsequente dos sujeitos. No entanto, uma sessão de teste, no final da experiência não é óptimo porque SCR tendem a habituar ao longo do curso da experiência 1. Dado o número de ensaios necessários para mostrar respostas evocadas confiáveis ​​com MEG, esta habituação SCR vai diminuir consideravelmente o poder de detectar um efeito comportamental do treinamento. Futuros estudos devem se concentrar em encontrar maneiras melhores de índice de aprendizagem implícita durante o medo condicionado com mascarado CSs. Isso poderia ser feito por qualquer um encontrar um índice alternativo de medo durante o treinamento (ou seja, dilatação da pupila 19,20) ou encontrar uma medida mais sensível de medo que pode ser administered após a sessão de treinamento.

<table><tbody><tr><td colspan="4">Software</td></tr><tr><td>Matlab</td><td>Mathworks</td><td></td><td><a href="http://www.mathworks.com/products/matlab/" target="_blank">mathworks.com/products/matlab</a></td></tr><tr><td>Presentation</td><td>Neurobehavioral Systems</td><td></td><td><a href="http://www.neurobs.com/" target="_blank">neurobs.com</a></td></tr><tr><td>Psylab</td><td>Contact Precision Instruments</td><td></td><td><a href="http://www.psychlab.com/" target="_blank">psychlab.com</a></td></tr><tr><td>AFNI</td><td>NIMH - Núcleo</td><td></td> de Computação Científica e Estatística<td><a href="http://afni.nimh.nih.gov/afni" target="_blank">afni.nimh.nih.gov/afni</a></td></tr><tr><td>Freesurfer</td><td>Martinos Center for Biomedical Imaging</td><td></td><td><a href="http://surfer.nmr.mgh.harvard.edu/fswiki" target="_blank">surfer.nmr.mgh.harvard.edu/fswiki</a></td></tr><tr><td>MNE</td><td>Martinos Center for Biomedical Imaging</td><td></td><td><a href="http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php" target="_blank">nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php</a></td></tr><tr><td>Brainstorm</td><td>de código aberto collaboration</td><td></td><td><a href="http://neuroimage.usc.edu/brainstorm/" target="_blank">neuroimage.usc.edu/brainstorm</a></td></tr><tr><td>3d Slicer</td><td>open-source collaboration</td><td></td><td><a href="http://www.slicer.org/" target="_blank">slicer.org</a></td></tr><tr><td>Paraview</td><td>Kitware</td><td></td><td><a href="http://www.paraview.org/" target="_ em branco">paraview.org</a></td></tr><tr><td colspan="4">Tabela 1. Software usado Software usado.</td></tr><tr><td colspan="4">Equipamento </td></tr><tr><td colspan="4">Sistema de Monitoramento Fisiológico </td></tr><tr><td>Monitor autônomo Psylab (x2)</td><td>Contato Precision Instruments</td><td>SAM</td><td></td></tr><tr><td>Amplificador de condutância da pele</td><td>Contato Precision Instruments</td><td>SC5</td><td></td></tr><tr><td>Estimulador de choque (x2)</td><td>Contato Precision Instruments</td><td>SHK1</td><td></td></tr><tr><td colspan="4">Componentes Adicionais</td></tr><tr><td>Cabo de sincronização de 8 bits (x2)</td><td>Contato Precision Instruments</td><td>Incluído com adaptador de isolamento SAM</td><td></td></tr><tr><td>de 8 bits para 2 bits</td><td>N/A</td><td>Cabo de fita DB25 personalizado</td><td></td></tr><tr><td>(x2)</td><td>N/A</td><td>Cabo de extensão blindado padrão</td><td></td></tr><tr><td>(x3)</td><td>Contato Precision Instruments</td><td>CL41</td><td></td></tr><tr><td>Eletrodos de copo radiotranslúcido para SCR e choque (x6)</td><td>Biopac</td><td>EL258-RT</td><td></td></tr><tr><td>Signa Gel</td><td>Parker Laboratories</td><td>15-250</td><td></td></tr><tr><td colspan="4">Dispositivo de Resposta </td></tr><tr><td>Mostrador rotativo com conector gameport (x2)</td><td>N/A</td><td>Divisor</td> Gameport-to-gameport/BNC personalizado <td></td></tr><tr><td></td><td>N/A</td><td></td> Cabo BNC personalizado <td></td></tr><tr><td></td><td>N/A</td><td>Adaptador</td> Gameport-to-USB padrão <td></td></tr><tr><td>(x2)</td><td>Rockfire</td><td>RM203U</td><td></td></tr><tr><td colspan="4">Componentes adicionais para configuração MEG </td></tr><tr><td>bobinas HPI e chicote de fiação</td><td>N/A</td><td>Sistema de posicionamento HPI personalizado</td><td></td></tr><tr><td></td><td>Inition</td><td>Polhemus Isotrak</td><td></td></tr><tr><td colspan="4"><forte>Tabela 2. Equipamento usado.</td></tr></tbody></table>

como detectar amygdala atividade com magnetoencefalografia usando fonte de imagem

How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging

No rastreio condicionamento do medo um estímulo condicionado (CS) prevê a ocorrência do estímulo incondicional (UCS), que é apresentado após um breve período sem estímulo (intervalo de traço) 1. Porque o CS e UCS não co-ocorrem temporalmente, o sujeito deve manter uma representação do que CS durante o intervalo do traço. Nos seres humanos, esse tipo de aprendizagem exige consciência das contingências de estímulo, a fim de colmatar o intervalo do traço 2-4. No entanto, quando um rosto é usado como CS, os indivíduos podem implicitamente aprender a temer o rosto, mesmo na ausência de consciência explícita *. Isto sugere que pode haver mecanismos neurais adicionais capazes de manter certos tipos de estímulos &quot;biologicamente relevantes&quot; durante um breve intervalo de rastreamento. Dado que a amígdala está envolvida no condicionamento de traço, e é sensível às faces, é possível que esta estrutura pode manter uma representação de uma cara CS durante um breve intervalo de traço. <p class = &quot;jove_content&quot;&gt; É um desafio entender como o cérebro pode associar um rosto despercebido com um resultado aversivo, mesmo que os dois estímulos são separados no tempo. Além disso, as investigações deste fenômeno se torna difícil por dois desafios específicos. Primeiro, é difícil de manipular a consciência dos estímulos visuais do sujeito. Uma maneira comum de manipular a consciência visual é a utilização de máscara para trás. Em mascaramento para trás, um estímulo alvo é apresentado brevemente (&lt;30 ms) e imediatamente seguido por uma apresentação de um mascaramento estímulo sobreposição 5. A apresentação da máscara torna o alvo invisível 6-8. Por outro lado, requer o mascaramento de temporização muito rápido e preciso, dificultando a investigar respostas evocadas por estímulos neurais mascarados utilizando muitas abordagens comuns. Dependente do nível de oxigenação respostas sangue (BOLD) resolver em uma escala de tempo técnicas de gravação de tempo muito lento para este tipo de metodologia, e real, como electroencephalography (EEG) e magnetoencefalografia (MEG) têm dificuldades de recuperação do sinal a partir de fontes profundas. No entanto, tem havido avanços recentes nos métodos utilizados para localizar as fontes de sinais neurais do MEG 9-11. Através da recolha de imagens de ressonância magnética de alta resolução do cérebro do sujeito, é possível criar um modelo de fonte com base na anatomia neural individual. Usando este modelo de &quot;imagem&quot; as fontes de sinal de MEG, é possível recuperar o sinal a partir de estruturas subcorticais profundas, como a amígdala e o hipocampo *.

Utilizando os métodos descritos aqui, nossas investigações levaram a duas constatações importantes: 1) É possível manipular a consciência do Visual CSs durante traço condicionado, e ainda mostram evidências de aprendizagem. 2) É possível recuperar os sinais de MEG da amígdala usando fonte de imagens *. Na seção 2, descrevemos como manipular a consciência do Visual CSs com mascaramento para trás. Quando exposto a um estímulo mascarado que é exibido para ~ 30 ms, os indivíduos são geralmente desconhecem a apresentação do estímulo 5,6,8 *. Uma maneira de verificar o sucesso desta manipulação é a de medir a capacidade dos indivíduos para prever a ocorrência do UCS. Se a manipulação de máscara é bem sucedido, os indivíduos deverão ser incapaz de prever com precisão a ocorrência do UCS com base no tipo CS (Ver Figura 4). Embora o momento neste tipo de treinamento faz com que seja difícil medir diretamente leArning durante a sessão de treinamento. É possível medir indiretamente o aprendizado, expondo-os a uma sessão de testes reaquisição desmascarado posterior com estímulos novos e antigos 5 *. Se os sujeitos são capazes de aprender sobre as contingências durante a fase de treinamento, eles devem mostrar maior diferencial magnitude (CS +&gt; CS-) SCRs ao velho estímulos relativos aos novos estímulos. Este efeito é visível no grupo Unfiltered quando olhamos para testar ensaios clínicos de fase após os assuntos foram re-expostos ao CS-UCS contingências (ie Trials 2-5; ver Figura 4). Na seção 8, descrevemos como gravar MEG durante a sessão de condicionamento traço mascarado. Utilizando imagens de origem para processar estas gravações, é possível recuperar o sinal de MEG estruturas subcorticais como a amígdala 18 *. Assuntos mostrado o rosto sem filtro (N = 9) CSs apresentam maiores respostas amígdala (Figura 5) e gamoscilações MA (Figura 6) do que os indivíduos mostrados rostos filtradas passa-alto (N = 9). Além disso, esses pacientes também apresentam respostas maiores em uma rede de regiões de processamento de rosto como a área do rosto occipital (Figura 7 e Vídeo Suplementar). <img src="/files/ftp_upload/50212/50212fig1.jpg" alt="Figura 1"/> Figura 1. Esquemático que representa uma sessão de treinamento típico. Presente 60 ensaios de CS + e 60 testes de CS-, a fim de pseudo, de tal forma que existem quatro blocos de 15 testes cada uma. Apresentar o CSS para 30 ms, imediatamente seguido por uma máscara de 970 milissegundos que coterminates com o choque UCS em CS + ensaios. <img src="/files/ftp_upload/50212/50212fig2.jpg" alt="Figura 2" fo:content-width="5in" fo:src="/files/ftp_upload/50212/50212fig2highres.jpg" /> Figura 2. Esquema depicting o equipamento utilizado em um experimento típico de condicionamento Esta configuração faz com que seja possível: 1.) presentes estímulos visuais, através do software de apresentação, 2) administrar um UCS estimulação elétrica através do hardware Psylab (SAM), 3) registro UCS expectativa usando um eixo dispositivo (ligação) ligado ao computador da apresentação, e 4) a sincronizar as apresentações de estímulo e as respostas com as gravações de MEG através do interface do sistema de aquisição de MEG. <img src="/files/ftp_upload/50212/50212fig3.jpg" alt="Figura 3" fo:content-width="4.5in" fo:src="/files/ftp_upload/50212/50212fig3highres.jpg"/> Figura 3. Ilustração que mostra a localização de cada um dos sensores e dos pontos fiduciais descritos na Secção 5. Pontos com linhas anexas correspondem aos sensores relacionados e leva. As setas azuis representam os pontos fiduciais utilizados para registrar as gravações MEG com o volume anatômico MRI. Ponto roxos representam pontos no couro cabeludo digitalizados usados ​​para refinar ainda mais a coregistration MEG-MRI. <img src="/files/ftp_upload/50212/50212fig4.jpg" alt="Figura 4" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig4highres.jpg"/> Figura 4. Resultados comportamentais de um estudo típico condicionado. O gráfico ao lado mostra a expectativa UCS através da sessão de treino, entrou em colapso em todo os grupos não filtrada e filtrada. Observe que os sujeitos estão mostrando níveis similares de expectativa UCS para o CS + e CS-60 através dos estudos, sugerindo que o processo de mascaramento bloqueou sua capacidade de discriminar entre os CSs (F (1,17) = 2,19, p = 0,16). O gráfico à direita mostra os SCRs diferenciais durante a sessão de testes. Observe que o Unfiltered, mas não o grupo Filtrada parece estar mostrando maiores SCRs diferenciais aos estímulos Velho que os novos estímulos (não filtrados Nova / Old x CS + / CS-interação: F (1,7) = 5,94, p = 0,045; filtrada New / Old x CS + / CS-interação: F (1,7) = 1,13, p = 0,32), sugerindo que a formação leva a uma melhor reaquisição das associações CS-UCS para esses assuntos. (* P &lt;0,05). <img src="/files/ftp_upload/50212/50212fig5.jpg" alt="Figura 5" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig5highres.jpg"/> Figura 5. MEG resultados de um experimento típico condicionado. A figura à esquerda mostra os modelos 3D da amígdala (laranja), o hipocampo (verde), e no córtex cerebral usada para modelar as fontes de sinal de MEG. O gráfico à direita representa a atividade de um cluster amígdala modelado a partir das gravações MEG. A linha de cor clara representa a atividade evocada por rostos não filtradas, enquanto a linha de cor escura representa a atividade evocada por rostos filtrada. Vertical seções cinza sombreadas representam intervalos de tempo em que os rostos não filtradas evocam respostas significativamente maiores do que os rostos filtrado (F (1,17)&gt; 3,44, p &lt;0,05). <a href="https://www.jove.com/files/ftp_upload/50212/50212fig5large.jpg" target="_blank">Clique aqui para ver a figura maior</a> . <img src="/files/ftp_upload/50212/50212fig6.jpg" alt="Figura 6" fo:content-width="6in" fo:src="/files/ftp_upload/50212/50212fig6highres.jpg"/> Figura 6. Amígdala tempo frequência resulta de uma experiência típica condicionado. A figura à esquerda mostra os modelos 3D da amígdala (laranja), o hipocampo (verde), e no córtex cerebral usada para modelar as fontes de sinal de MEG. O gráfico à direita representa o sinal MEG gravado a partir da amígdala dividido pelo tempo e frequência. As cores quentes representam as regiões do espectrógrafo que mostram muito mais energia para unfiltered frente do que para rostos filtrados. As cores frescas representam o oposto. As regiões com a sobreposição listrado representam diferenças significativas entre os grupos. <a href="https://www.jove.com/files/ftp_upload/50212/50212fig6large.jpg" target="_blank">Clique aqui para ver a figura maior</a> . <img src="/files/ftp_upload/50212/50212fig7.jpg" alt="Figura 7" fo:content-width="3.5in" fo:src="/files/ftp_upload/50212/50212fig7highres.jpg"/> Figura 7. Figura mostrando o rosto ativação occipital área em um experimento típico condicionado. Cores representam a magnitude do t-test Unfiltered&gt; filtrada no dipolo correspondente. As cores quentes representam respostas maiores para rostos não filtradas do que a rostos filtrada. Cores frias representam respostas maiores para rostos filtrado do que aos rostos não filtrada. Vídeo suplementar. Vídeo mostrando respostas corticais em um condiciona típicooning experimento. Colors representa a magnitude do teste-t não filtrado&gt; filtrada no dipolo correspondente. As cores quentes representam respostas maiores para rostos não filtradas do que a rostos filtrada. Cores frias representam respostas maiores para rostos filtrado do que aos rostos não filtrada. <a href="https://www.jove.com/files/ftp_upload/50212/50212supplementalmovie1.pptx" target="_blank">Clique aqui para ver filme suplementar</a> .

Este artigo descreve como para gravar a atividade da amígdala com magnetoencefalografia (MEG). Além disso, este artigo irá descrever como conduzir traço medo condicionado sem consciência, uma tarefa que ativa a amígdala. Ele cobrirá três tópicos: 1) Projetar um paradigma traço condicionado usando para trás mascarando para manipular a consciência. 2) a atividade cerebral de gravação durante a tarefa usando magnetoencephalography. 3) Utilizando imagens de origem para recuperar o sinal a partir de estruturas subcorticais.

Como detectar Amygdala Atividade com Magnetoencefalografia usando fonte de imagem

In trace fear conditioning a conditional  stimulus (CS) predicts the occurrence of the unconditional stimulus (UCS),  which is presented after a brief ...

O objetivo geral deste procedimento é detectar a atividade da amígdala durante a aprendizagem utilizando a MAGNETOENCEFALOGRAFIA ou MEG. Isso é realizado primeiramente projetando uma tarefa de aprendizagem implícita de medo que ative a amígdala. O segundo passo é registrar a atividade cerebral durante a tarefa utilizando MEG.Em seguida, identifique as superfícies do córtex e da amígdala utilizando imagens de ressonância magnética anatômica de alta resolução. O passo final é usar as superfícies do córtex e da amígdala para modelar as fontes neurais do sinal de MEJ. Em última análise, modelos de imagem de fonte podem ser usados para mostrar a ativação neural na amígdala durante o aprendizado sem consciência.Assim, a principal vantagem dessa técnica em relação a métodos existentes, como a fMRI, é que os sinais de MEG são registrados em tempo real e podem ser utilizados para estudar processos neurais rápidos ou transitórios. Embora este método possa ser usado para estudar a função da amígdala, ele também pode ser empregado para investigar a função de outras regiões subcorticais. Comece conectando o computador de apresentação de estímulos ao sistema de aquisição de MEG usando um cabo de fita multi-conector padrão DB 25.Em seguida, conecte o computador de apresentação do estímulo ao monitor autônomo ou ao sam. Usando o adaptador de isolamento de oito bits para dois bits e o cabo de sincronização, os pulsos lógicos transistor-transistor utilizados para marcar as apresentações dos estímulos podem causar artefatos nos dados de MEG se forem enviados ao sam. Para evitar esses artefatos, marque o início dos estímulos utilizando apenas os bits bloqueados pelo adaptador de isolamento, conforme mostrado aqui.O estimulador de choque é então conectado ao SAM. Em seguida, passe um cabo de extensão blindado através do guia de onda e conecte-o ao estimulador de choque. O SAM deve então ser conectado a um computador executando o software de aquisição de dados slab.Conecte o disco rotativo ao computador de apresentação de estímulos e ao sistema de aquisição de MEG utilizando o divisor BNC de porta para jogos para porta para jogos e o adaptador de porta para jogos para USB. Afixe eletrodos e sensores ao sujeito utilizando o esquema mostrado aqui. Após configurar corretamente, digitalize a posição da cabeça do sujeito em relação às bobinas HPI utilizando pontos fiduciais.Em seguida, digitalize de 50 a 100 pontos ao longo do couro cabeludo do sujeito. Acompanhe o sujeito até o sistema de MEG e conecte os eletrodos e sensores à interface apropriada. Eleve a cadeira de modo que a cabeça do sujeito toque o topo do capacete de MEG e posicione a tela para que a imagem projetada esteja em foco.Em seguida, ajuste o choque para um nível que o sujeito relate como doloroso, mas tolerável. Por fim, instrua o sujeito sobre o uso adequado do dial utilizando um exemplo de cenário de apresentação. Comece carregando o software de aquisição de dados para iniciar a gravação dos códigos de evento e a aplicação do choque.A sessão de treinamento é programada previamente e consiste em quatro blocos de condicionamento diferencial de medo com traço, com 15 ensaios por condição, estímulo ou CS por bloco, conforme mostrado aqui quando tudo estiver pronto. Inicie quatro ensaios de treinamento e registre os dados brutos a dois quilohertz. Durante cada um, inspecione visualmente os dados em tempo real em busca de fontes sistemáticas de ruído.Após cada execução, peça ao sujeito para avaliar a intensidade do choque para avaliar a habituação. Após a conclusão dos ensaios, utilize o FreeSurfer para criar um volume subcortical segmentado e as superfícies do córtex, da pele externa e do crânio externo. Em seguida, crie e converta os volumes da amígdala e do hipocampo em superfícies.Usando o Slicer três e o ParaView, o próximo passo é criar um novo sujeito no banco de dados do brainstorm. Importe o volume de RM para o brainstorm e deforme o volume para o espaço padrão identificando os pontos fiduciais, importe as superfícies e alinhe manualmente a superfície do couro cabeludo com a RM. Após concluído.Aplicar esta transformação a todas as outras superfícies. Mesclar as superfícies da casca, do hipocampo e da amígdala. Por fim, criar regiões de interesse para a amígdala e o hipocampo.Uma vez criado, importe o arquivo de gravação de MEG para cada sessão de treinamento. O software de aquisição de MEG utiliza separação no espaço do sinal para remover artefatos causados por fontes fora da sala blindada magneticamente. Certifique-se de usar os arquivos limpos, frequentemente encontrados em uma pasta marcada como SSS, para analisar as respostas evocadas.Primeiro, utilize o canal de eventos para identificar os épicos correspondentes a cada um dos ensaios experimentais. Remova artefatos causados por batimentos cardíacos e movimentos oculares usando projeções no espaço do sinal a partir de eventos identificados nos canais de eletrocardiografia e eletrooculografia. Em seguida, refine o registro de RNM utilizando os pontos da cabeça.Calcule a covariância do ruído a partir dos registros utilizando o método das esferas sobrepostas com a entrada do córtex, calcule o modelo da cabeça, calcule as fontes utilizando o método de estimativa de norma mínima e continue a análise nas fontes. Em seguida, aplique um filtro passa-faixa nas fontes para os ensaios individuais. Obtenha o valor absoluto das fontes filtradas por passa-faixa e converta esses valores em escores Z com base na variabilidade da linha de base, suavize espacialmente as fontes e médie as fontes entre os ensaios.Projete essas médias na anatomia padrão do experimento. Em seguida, calcule testes T nas fontes entre as diferentes condições. Filtre os resultados significativos do teste T usando limiares espaciais e temporais para correção do erro por comparações múltiplas.Identifique regiões significativamente ativadas e exporte a série temporal de ativação para cada sujeito. Por fim, calcule a média e o erro padrão da média entre os sujeitos em cada ponto temporal. Primeiro, projete os dados brutos dos ensaios individuais sobre a anatomia padrão do experimento. Compute decomposições de tempo-frequência nos dados provenientes de regiões anatômicas e funcionais de interesse.Converta os mapas resultantes da decomposição tempo-frequência em escore Z e faça a média dos mapas resultantes entre os ensaios para cada sujeito. Por fim, realize um teste T nos mapas entre as diferentes condições; aqui são apresentados os resultados comportamentais de um estudo típico de condicionamento. O gráfico à esquerda mostra que os sujeitos apresentam níveis semelhantes de expectativa ao longo dos 60 ensaios, sugerindo que o procedimento de mascaramento impediu sua capacidade de discriminar entre os estímulos condicionais.O gráfico à direita mostra as respostas diferenciais durante a sessão de teste. Observe que o grupo não filtrado apresenta respostas maiores aos estímulos antigos em comparação com os novos, sugerindo que o treinamento leva a uma melhor reaquisição quando comparado ao grupo filtrado. Este exemplo mostra os resultados de MEG de um experimento de condicionamento típico.O modelo 3D à esquerda mostra a amígdala em laranja e o hipocampo em verde. O gráfico à direita representa a atividade de um agrupamento da amígdala. A linha de cor clara representa a atividade provocada por faces não filtradas, enquanto a linha mais escura representa a atividade provocada por faces filtradas.Este gráfico representa o sinal de MEG registrado a partir da amígdala, separado por tempo e frequência. Cores quentes representam regiões no espectrograma que mostram potência significativamente maior para rostos não filtrados do que para rostos filtrados. Cores frias representam as regiões opostas, e a sobreposição listrada indica diferenças significativas entre os grupos.Esta figura mostra a ativação da área occipital do rosto. Em um experimento típico de condicionamento, cores quentes representam respostas maiores a rostos não filtrados do que a rostos filtrados. Após este procedimento.Outros métodos, como a análise de coerência, podem ser utilizados para responder perguntas adicionais relacionadas à comunicação neural. Após assistir a este vídeo, você deverá compreender bem como utilizar a imagem de fonte para detectar respostas neurais e estruturas cerebrais subcorticais.

how-to-detect-amygdala-activity-with-magnetoencephalography-using

Research

JoVE Journal

Behavior

Comportamento

Usamos magnetoencefalografia (MEG) e eletroencefalografia (EEG) para mapear áreas do cérebro envolvidas no processamento de estímulos sensoriais simples.

Mapeamento funcional com MEG e EEG em simultâneo

Apresentamos um protocolo que utiliza a ressonância magnética funcional para investigar os correlatos neurais do efeito de memória de reforço da emoção. Este protocolo permite a identificação da atividade cerebral ligada à memória, especificamente relacionados com o processamento, ao contrário do mais geral de processamento perceptual, e pode ser utilizado com populações saudáveis ​​e clínicos.

Investigação de imagens do cérebro do Efeito Memória de aumento da Emoção

Usamos magneto-e eletroencefalografia (MEG / EEG), combinado com informações anatômicas capturado por ressonância magnética (MRI), para mapear a dinâmica da rede cortical associado à atenção auditiva.

Mapeamento Dynamics cortical MEG simultâneas / EEG e anatomicamente constrangido mínima norma-Estimativas: um exemplo Atenção Auditiva

Fonte: Papadelis, C., , et al., Oscilações Interictais de Alta Frequência Detectadas com Magnetoencefalografia e Eletroencefalografia Simultâneas como Biomarcador de Epilepsia Pediátrica. J. Vis. Exp.{TAG_ 27}} (2016).  Este vídeo demonstra o método de uso de registros de eletroencefalografia (EEG) e magnetoencefalografia (MEG) para identificar descargas epileptiformes interictais (IEDs) e oscilações de alta frequência (HFOs) para localizar regiões propensas a convulsões no cérebro.

 Eletroencefalografia e magnetoencefalografia simultâneas para identificar regiões cerebrais propensas a convulsões 

Nos últimos anos, tem havido um crescente interesse em estimar as fontes corticais de couro cabeludo medidos atividade elétrica para experimentos de neurociência cognitiva. Este artigo descreve como EEG de alta densidade é adquirido e como gravações são processados ​​para a estimativa fonte cortical em crianças a partir da idade de 2 anos no bebê Lab Londres.

Cortical Fonte Análise de alta densidade EEG Recordings em Crianças

Este vídeo apresenta os procedimentos de preparação, gravação e análise de fonte de EEG de alta resolução em ratos sedados com um modelo pré-clínico específico de epilepsia focal em condições não invasivas.

Cérebro Fonte Imaging no rato pré-clínica Todos os modelos de Focal Epilepsia usando de alta resolução EEG Recordings

Oscilações de alta frequência (HFO) surgiram como biomarcadores pré-cirúrgicos para a identificação da zona epileptogênica em pacientes pediátricos com epilepsia refratária. Uma metodologia para a gravação não-invasiva, a detecção e localização de HFO com electroencefalográfica couro cabeludo simultânea (EEG) e magnetoencephalography (MEG) é apresentada.

Oscilações de alta frequência interictais detectado com simultânea Magnetoencefalografia e Eletroencefalografia como biomarcador da Pediatric epilepsia

Um EEG-fMRI multimodal de imagens método, conhecido como a fonte de EEG fMRI restrita spatiotemporal imagem método, é descrito aqui. O método apresentado utiliza mapas sub fMRI condicionalmente-ativo, ou antecedentes, para orientar a localização de origem do EEG em uma forma que melhora a especificidade espacial e limita a resultados erróneos.

EEG simultâneo e gravação de ressonância funcional e análise de integração para a imagem latente de atividade Cortical dinâmica

Este artigo descreve como configurar um experimento que permite detectar influências de nível de fonte pré-estímulo na percepção do objeto usando a magnetoencefalografia (MEG). Abrange material de estímulo, desenho experimental, gravação de MEG e análise de dados.

Detectando efeitos de nível de fonte de pré-estímulo na percepção de objeto com magnetoencefalografia

A imagem microendoscópica de cálcio in vivo é uma ferramenta inestimável que permite o monitoramento em tempo real das atividades neuronais em animais de comportamento livre. No entanto, aplicar essa técnica à amígdala tem sido difícil. Este protocolo visa fornecer uma diretriz útil para atingir com sucesso células de amígdala com um microscópio miniaturizado em camundongos.

Imagem de cálcio in vivo bem sucedida com um microscópio miniaturizado de head-mount na Amígdala do Rato Livremente Comportado

A magnetoencefalografia (MEG) e a eletroencefalografia de alta densidade (HD-EEG) raramente são registradas simultaneamente, embora forneçam informações confirmatórias e complementares. Aqui, ilustramos a configuração experimental para registrar MEG e HD-EEG simultâneos e a metodologia para analisar esses dados com o objetivo de localizar áreas cerebrais epileptogênicas e eloquentes em crianças com epilepsia resistente a medicamentos.

Imagem de fonte eletromagnética na avaliação pré-cirúrgica de crianças com epilepsia resistente a medicamentos

Aprenda a detectar atividade da amígdala com magnetoencefalografia durante condicionamento de medo implícito. Este método utiliza imagem de fonte para analisar sinais neurais em tempo real com alta resolução temporal.

Como detectar Amygdala Atividade com Magnetoencefalografia usando fonte de imagem

Explorar mais vídeos