Как обнаружить активность миндалевидного магнитоэнцефалографии с использованием источника изображения

Общая цель этой процедуры заключается в выявлении активности миндалевидного тела во время обучения с помощью магнитоэнцефалографии или МЭГ. Это достигается путем разработки задачи по обучению имплицитному страху, которая активирует миндалевидное тело. Второй шаг — запись активности мозга во время выполнения задачи с помощью МЭГ.

Затем определите поверхности коры головного мозга и миндалевидного тела с помощью анатомического МРТ-сканирования с высоким разрешением. Последним шагом является использование поверхностей коры головного мозга и миндалевидного тела для моделирования нейронных источников сигнала MEJ. В конечном счете, модели исходной визуализации могут быть использованы для демонстрации нейронной активации в миндалевидном теле во время обучения без осознания.

Таким образом, основное преимущество этой методики перед существующими методами, такими как FMRI, заключается в том, что сигналы MEG записываются в режиме реального времени и их можно использовать для изучения нейронных процессов, которые являются быстрыми или кратковременными. Хотя этот метод может быть использован для изучения функции миндалевидного тела, он также может быть использован для изучения функции других подкорковых областей. Начните с подключения компьютера с представлением стимулов к системе сбора данных MEG с помощью стандартного ленточного кабеля DB 25 с несколькими разъемами.

Затем подключите компьютер для презентации стимулов к автономному монитору или самому. Используя адаптер для изоляции от восьми бит до двух бит и кабель синхронизации, логические импульсы от транзистора к транзистору, используемые для обозначения презентации стимула, могут вызвать артефакты в данных MEG, если они отправляются на SAM. Чтобы избежать этих артефактов, отмечайте начало стимулов, используя только те биты, которые заблокированы изолирующим адаптером, как показано здесь.

Затем шоковый стимулятор подключается к самому. Далее пропустите экранированный удлинитель через волновод и подключите к шок-стимулятору. Затем SAM должен быть подключен к компьютеру, на котором установлено программное обеспечение для сбора данных о плитах.

Подключите поворотный диск к компьютеру с представлением стимулов и системе сбора данных MEG с помощью разветвителя BNC от игрового порта к игровому порту и адаптера USB. Прикрепите электроды и датчики к объекту с помощью показанной здесь схемы. После правильной настройки оцифруйте положение головы объекта относительно катушек HPI с помощью реперных точек.

Затем оцифруйте от 50 до 100 точек вдоль кожи головы объекта. Сопроводите субъекта к системе MEG и подключите электроды и датчики к соответствующему интерфейсу. Поднимите стул так, чтобы голова объекта касалась верхней части шлема MEG, и расположите экран так, чтобы проецируемое изображение было в фокусе.

Затем установите шок на уровень, который субъект считает болезненным, но терпимым. Наконец, проинструктируйте испытуемого о правильном использовании циферблата на примере сценария презентации. Начните с загрузки программного обеспечения для сбора данных о перекрытиях, чтобы начать запись кодов событий и ударных сигналов.

Тренировочная сессия запрограммирована заранее и состоит из четырех блоков дифференциального обусловливания страха с 15 попытками на каждое условие, стимулом или КС на блок, как показано здесь, когда все готово. Начните четыре тренировочных испытания и запишите исходные данные с частотой два килогерца. Во время каждого из них визуально проверяйте данные в режиме реального времени на предмет систематических источников шума.

После каждой пробежки попросите испытуемого оценить интенсивность шока, чтобы оценить привыкание. После завершения испытаний с помощью свободного серфера можно создать сегментированный подкорковый объем и поверхности коры головного мозга, наружной кожи и внешнего черепа. Затем создайте и преобразуйте объемы миндалевидного тела и гиппокампа в поверхности.

С помощью третьего среза и ParaView следующим шагом является создание нового объекта в базе данных мозгового штурма. Импортируйте объем МРТ в мозговой штурм и деформируйте объем в стандартное пространство, определив реперные точки, импортируйте поверхности и вручную совместите поверхность кожи головы с помощью МРТ. После завершения.

Примените это преобразование ко всем остальным поверхностям. Объедините поверхность кожуры, гиппокампа и миндалевидного тела. Наконец, создайте области интереса для миндалевидного тела и гиппокампа.

После создания импортируйте файл записи MEG для каждой тренировки. Программное обеспечение для сбора данных MEG использует разделение сигнального пространства для устранения артефактов, вызванных источниками за пределами помещения с магнитным экраном. Обязательно используйте чистые файлы, которые часто находятся в папке с пометкой SSS, для анализа вызванных ответов.

Во-первых, используйте канал событий, чтобы определить эпики, соответствующие каждому из экспериментальных испытаний. Удаляйте артефакты, вызванные сердцебиением и движением глаз, с помощью проекций сигнального пространства из событий, идентифицированных на каналах электрокардиографии и электроиконографии. Далее уточните регистрацию МРТ с помощью головных точек.

Вычислите дисперсию шума из записей с помощью метода перекрывающихся сфер с входом коры головного мозга, вычислите источники вычисления головной модели с помощью метода минимальной оценки нормы и продолжите анализ источников. Далее источники полосового фильтра для отдельных испытаний. Возьмите абсолютное значение отфильтрованных источников и преобразуйте эти значения в Z-оценку на основе базовой вариабельности, пространственно сгладьте источники и усредните источники по всем испытаниям.

Проецируйте эти средние значения на анатомию по умолчанию для эксперимента. Затем вычислите Т-тесты на источниках в различных условиях. Фильтруйте значимые результаты Т-критерия с помощью пространственных и временных порогов для коррекции семейных ошибок.

Определите значительно активированные регионы и экспортируйте временной ход активации для каждого субъекта. Наконец, вычислите среднее значение и стандартную ошибку среднего значения по испытуемым в каждый момент времени. Во-первых, спроецируйте исходные данные из отдельных испытаний на стандартную анатомию для эксперимента Вычислите временные частотные разложения на данные из анатомических и функциональных областей, представляющих интерес.

Преобразуйте полученные карты декомпозиции временных частот в Z-оценку и усредните полученные карты по испытаниям для каждого субъекта. Наконец, проведите Т-критерий на картах в различных условиях, показанных здесь, это поведенческие результаты типичного исследования обусловливания. График слева показывает, что субъекты имеют одинаковые уровни ожиданий в 60 испытаниях, что позволяет предположить, что процедура маскировки блокировала их способность различать стимулы состояния.

На графике справа показаны дифференциальные ответы во время сеанса тестирования. Обратите внимание, что нефильтрованная группа демонстрирует более сильную реакцию на старые стимулы по сравнению с новыми, что говорит о том, что тренировка приводит к лучшему повторному приобретению по сравнению с отфильтрованной группой. В этом примере показаны результаты МЭГ из типичного эксперимента по обусловливанию.

На 3D-модели слева миндалевидное тело оранжевого цвета, а гиппокамп — зеленым. На графике справа представлена активность кластера миндалевидного тела. Светлая линия представляет действие, вызванное нефильтрованными лицами, в то время как более темная линия представляет действие, вызванное отфильтрованными лицами.

На этом графике представлен сигнал MEG, записанный из миндалевидного тела, разбитый по времени и частоте. Теплые цвета представляют области спектрографа, которые показывают значительно большую мощность для нефильтрованных граней, чем для отфильтрованных. Холодные цвета представляют противоположные области, а полосатое наложение представляет значительные различия между группами.

На этом рисунке показана активация затылочной зоны лица. В типичном эксперименте по обусловливанию теплые цвета представляют собой более сильную реакцию на нефильтрованные лица, чем на отфильтрованные. Следуя этой процедуре.

Другие методы, такие как когерентный анализ, могут быть использованы для того, чтобы ответить на дополнительные вопросы, связанные с нейронной коммуникацией. После просмотра этого видео у вас должно быть хорошее понимание того, как использовать исходную визуализацию для обнаружения нейронных реакций и подкорковых структур мозга.