Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Neuroscience

Utiliser MazeSuite et fonctionnelle proche infrarouge pour étudier l'apprentissage de la navigation spatiale

Published: October 8, 2011 doi: 10.3791/3443

Summary

MazeSuite est un ensemble d'outils complet pour préparer, présenter et analyser des expériences de navigation et spatiale. Fonctionnelle spectroscopie proche infrarouge (fNIR) est une technique d'imagerie optique du cerveau qui permet une surveillance non invasive et portable de changements cérébraux oxygénation du sang. Ce document résume l'utilisation collective de MazeSuite et fNIR au sein d'un paradigme de l'apprentissage du traitement cognitif.

Abstract

MazeSuite est un ensemble d'outils complet pour préparer, présenter et analyser des expériences de navigation et spatiale 1. MazeSuite peut être utilisé pour concevoir et éditer adaptée environnements virtuels en 3D, la piste la performance d'un des participants de comportement dans l'environnement virtuel et de synchroniser avec des appareils externes pour des mesures physiologiques et neuro-imagerie, y compris les électroencéphalogrammes et le suivi des yeux.

Fonctionnelle spectroscopie proche infrarouge (fNIR) est une technique d'imagerie optique du cerveau qui permet une surveillance continue, non invasive et portable de changements dans l'oxygénation sanguine cérébrale liée aux fonctions du cerveau humain 2-7. Au cours des dix dernières années fNIR est utilisé pour surveiller efficacement les tâches cognitives comme l'attention, la mémoire de travail et résolution de problèmes 7-11. fNIR peut être mis en œuvre sous la forme d'un dispositif portable et moins intrusifs, elle a la capacité de surveiller l'activité cérébrale dans des environnements écologiquement valide.

Les fonctions cognitives évaluées par l'exécution des tâches impliquent schémas d'activation cérébrale de l'cortex préfrontal (CPF) qui varient de l'exécution de la tâche roman initial, après l'entraînement et pendant la rétention 12. L'utilisation par émission de positons (TEP), Van Horn et ses collègues ont constaté que le débit sanguin cérébral régional a été activé dans le lobe frontal droit lors de l'encodage (c'est à dire, les premières performances naïfs) de la navigation spatiale des labyrinthes virtuels alors qu'il y avait peu ou pas d'activation de la régions frontales après l'entraînement et pendant les tests de rétention. Par ailleurs, les effets de l'interférence contextuelle, un phénomène d'apprentissage liées à l'organisation de la pratique, sont évidents lorsque les individus acquièrent de multiples tâches dans des horaires pratiques différentes 13,14. Haute interférence contextuelle (horaire d'entraînement aléatoire) est créé lorsque les tâches à apprendre sont présentées dans un non-séquentielle, l'ordre imprévisible. Faible interférence contextuelle (horaire d'entraînement bloqué) est créé lorsque les tâches à apprendre sont présentées dans un ordre prévisible.

Notre objectif ici est double: tout d'abord d'illustrer le processus de conception protocole expérimental et l'utilisation de MazeSuite et, deuxièmement, pour démontrer l'installation et le déploiement du système de surveillance de l'activité du cerveau fNIR utilisant cognitives du cerveau d'imagerie optique (COBI) logiciel Studio 15. Pour illustrer nos objectifs, un sous-échantillon d'une étude est citée pour montrer l'utilisation des deux MazeSuite et COBI Studio dans une seule expérience. L'étude porte sur l'évaluation de l'activité cognitive du PFC lors de l'acquisition et l'apprentissage des tâches labyrinthe informatique pour les commandes bloquées et aléatoire. Deux droitiers adultes (un homme et une femme) a effectué 315 acquisitions, 30 de rétention et de transfert de 20 essais sur quatre jours. Phases de conception, réalisation, acquisition de données et l'analyse de l'étude ont été expliqués avec l'intention de fournir une ligne directrice pour les études futures.

Protocol

Maze-Suite se compose de trois principales applications; un programme d'édition pour construire des environnements labyrinthe (MazeMaker), un module de visualisation / rendu (MazeWalker), et enfin un outil d'analyse et de visualisation de chemin (MazeAnalyzer). Les sections suivantes décrivent l'utilisation de MazeSuite et plus de détails sont disponibles dans les trois vidéos supplémentaires, un pour chaque module MazeSuite.

1. Concevoir des labyrinthes

L'application MazeMaker sein Maze-Suite, permet de créer en trois dimensions (3D) des environnements tout simplement en les fondant sur une à deux dimensions (2D) en toile de vue à vol d'oiseaux. Les murs et planchers peuvent être tirées par des clics de souris pour indiquer les coordonnées, et les utilisateurs peuvent importer des fichiers d'objets 3D ou modifier les propriétés des éléments dans le labyrinthe comme la position, l'orientation, la couleur, la texture et de lumières.

Régions commencent Maze et la fin peut être attribuée en plus d'autres critères tels que la sortie d'une période de temporisation. Messages texte distincts peuvent également être affichées pour informer un participant pour chaque condition de sortie. Pendant la phase de conception, des labyrinthes peuvent être testées en utilisant la fonction «course rapide» au sein MazeMaker.

Pour les études d'imagerie fonctionnelle, les participants sont habituellement invités à effectuer une série de tâches avec des essais répétés. Pour faciliter ce test d'essais répétés, peuvent créer des fichiers MazeMaker liste labyrinthe, où sont triés les listes des labyrinthes et des messages texte pour une session expérimentale. Il est essentiel que le fichier de liste labyrinthe pour l'expérimentation est préparée et soigneusement mis à l'essai avant le jour de l'expérience.

Un tutoriel rapide pour l'utilisation et le développement des environnements avec MazeMaker est fourni dans «complémentaire vidéo II - MazeMaker».

2. Configuration fNIR et en plaçant le capteur de fNIR-pad

Préparation de la boîte fNIR

  1. Il ya deux connecteurs de câble derrière la boîte fNIR. L'un des slots est pour la connexion USB et la connexion d'autres est pour le cordon d'alimentation.
  2. Branchez le boîtier d'appareil fNIR via le câble USB à un PC ou ordinateur portable qui sera utilisé pour l'acquisition de données.
  3. Branchez l'adaptateur à l'appareil et allumez l'interrupteur.
  4. Le câble plat est utilisé pour relier le pad capteur avec la boîte fNIR.
    1. Le pad capteur de lumière maisons source (LED) et photo-détecteurs.
    2. Les LED émettent une lumière infrarouge à des longueurs d'onde 730nm et 850nm qui sont absorbés principalement par désoxygéné et oxygénée de l'hémoglobine, respectivement et peuvent donc pénétrer à travers les tissus biologiques.

Placer le capteur-pad

  1. Demandez au participant de lever leurs cheveux hors du front avant le placement du capteur. Placez la bande du capteur juste au dessus des sourcils. Match au centre du capteur avec l'axe vertical de symétrie qui passe aussi par le nez
  2. Appuyez sur la touche du capteur fermement contre le front et utiliser une pince pour tenir les câbles ensemble à l'arrière de la tête. Bien que n'étant pas strictement nécessaire, chef-wrap ou bandana de tennis est recommandé de sécuriser le pad capteur.
  3. Après avoir placé le pad capteur sur le front, attacher les deux extrémités du câble ruban à la boîte de fNIR. Les câbles plats doivent être attachés par correspondance le «je» et sur les côtés 'II' de la nappe avec les correspondants «je» et «II» connecteurs de l'appareil.

A partir du logiciel Studio COBI de collecte de données

  1. Cliquez sur le cerveau cognitif imagerie optique (COBI) Studio13 icône sur le bureau pour ouvrir la fenêtre principale.
  2. Le programme viendra avec certains paramètres prédéfinis pour la collecte des données et la visualisation.
  3. Il est important de vérifier et confirmer les paramètres d'acquisition de données et de déclenchement (synchronisation marqueur) au dispositif de dialogue des paramètres si nécessaire.
  4. COBI Studio peut automatiquement le nom de tous les fichiers de données connexes si «mode Experiment" est activé en utilisant la "Nouvelle Expérience" assistant.
  5. Dans le dossier de données, 3 types de fichiers seront créés: (*. NIR) pour les données fNIR, (*. MRK) pour les données et les marqueurs (*. txt) pour un journal de la session expérience.

3. Exécution de l'expérience: Rendu des labyrinthes

Dispositif de réglage et d'acquisition de données de départ fNIR

  1. Courant Disque LED définit comment lumineux brille à chaque LED. La valeur par défaut pour courant d'attaque DEL est de 20mA. Cette valeur peut avoir à changer en fonction de la pigmentation de la peau et d'autres caractéristiques du participant. Gamme proposée pour le courant LED est entre 5mA à 20mA
  2. La valeur par défaut pour un gain initial de tous les canaux est de 20. Les valeurs suggérées pour le gain sont 1,5,10,15,20.
  3. Cliquez sur le lien 'dispositif de démarrage en cours ", et d'examiner la qualité du signal. Si les valeurs d'intensité brute montré dans l'approche COBI 4000 ou sont en dessous de 1000, cliquez sur "dispositif d'arrêt», et d'ajuster le lecteur LED actuelle et des périphériquesGain jusqu'à des valeurs appropriées sont obtenues. Dans des circonstances de signal faible, d'accroître Disque LED courant avant Gain périphérique augmente. Dans des circonstances signal saturé réduire le gain de périphérique avant de réduire le courant de commande LED. Une fois la qualité du signal est acceptable, passez à l'étape 4.
  4. Début planifié. Ce sera de recueillir 10 secondes de données et l'utiliser comme base d'une modification de Beer-Lambert équation afin de calculer les changements de concentration pour les oxy-et désoxy-hémoglobine 8.
  5. Laissez la ligne de base complète (peut prendre 10-20 secondes)
  6. «Démarrer l'enregistrement" Click. Cela commencer à économiser l'ensemble des données. Protocole expérimental devrait commencer après cela.
  7. Expérimentateur peut choisir d'ajouter des marqueurs manuelle tout au long de la séance expérimentation pour désigner certains événements en appuyant sur les boutons «marqueur manuel d'ajouter 'en utilisant le menu de marqueur manuel situé dans le coin inférieur gauche de l'écran.
  8. Démarrer la Suite Labyrinthe de présenter des stimuli visuels.

Utiliser MazeWalker rendre labyrinthes

  1. Exécuter du menu MazeWalker au démarrage Suite Maze>> MazeWalker
  2. Tournez sur la synchronisation de marqueur en sélectionnant "Activer le port série» de la dans le menu sous Avancé> Options du port série. Assurez-vous que l'adresse de port COM requis est sélectionné.
  3. Sélectionnez le fichier de liste de labyrinthe (qui a été créé par MazeMaker), et également sélectionner le nom du nouveau fichier journal pour cette session. Nom ou numéro de participant peut être enregistrée dans le champ marchette. En option, la autolog peuvent être utilisés pour enregistrer automatiquement dans un fichier journal horodaté lieu de spécifier manuellement le fichier journal.
  4. Cliquez sur «Démarrer» pour lancer le processus. Selon les paramètres vidéo, le protocole peut fonctionner en plein écran ou en mode fenêtré.

4. Visualiser la trajectoire du sujet

Utiliser MazeAnalyzer, le chercheur peut visualiser le labyrinthe et le chemin du participant du labyrinthe et les fichiers journaux. Par ailleurs, un rapport sommaire incluant la longueur totale du trajet et de temps pour l'achèvement du labyrinthe chacun sont produits comme superficielle mesures comportementales. Les fichiers journaux contiennent des informations dans la résolution de temps milliseconde sur le chemin parcouru qu'un sujet ainsi que vecteur vue du sujet et les interactions avec les objets.

Une vidéo tutoriel est fourni dans le "vidéo supplémentaire I - MazeAnalyzer» et décrit l'utilisation de la fonctionnalité de base de MazeAnalyzer ainsi que des méthodes pour produire les indicateurs comportementaux décrits dans la section des résultats.

5. Le traitement des données et l'analyse fNIR

Suppression du bruit est la première étape pour le traitement des données. Les sources de bruit sont: 1) mouvement de la tête 2) signaux physiologiques comme le rythme cardiaque et la respiration et 3) Instruments et l'environnement liés au bruit.

Mouvement de la tête peut provoquer des détecteurs fNIR à bouger et perdre le contact avec la peau, les exposant à: 1) la lumière ambiante, 2) la lumière émise directement par les sources fNIR; ou 3) la lumière réfléchie par la peau, plutôt que d'être réfléchi par le tissu dans le cortex. Ce type d'artefact de mouvement est facilement reconnaissable car il provoque soudain, de grands pics dans les données fNIR. Un artefact des plus subtils mouvements de la tête est due à l'effet de la pesanteur sur le sang cérébral. Rapide mouvement de la tête peut provoquer le sang à se déplacer vers (ou loin de) la zone qui est surveillé, augmente rapidement (ou diminue) le volume de sang avec un désalignement concomitante des données. Comme la dynamique de ce type d'artefacts de mouvement sont plus lents que la LED "pop", ils peuvent être confondus avec la réponse hémodynamique réelle due à l'activation du cerveau. Ainsi, la suppression des artefacts de mouvement à partir de données fNIR est une étape importante et nécessaire si fNIR est d'être déployé en tant que technologie de surveillance du cerveau dans les milieux naturels 16.

Signaux physiologiques comme la fréquence cardiaque (plus de 0,5 Hz) et la respiration (plus de 0,2 Hz) sont à des gammes de fréquences plus élevés que les réponses hémodynamiques, ainsi, ils peuvent être éliminés en utilisant une phase linéaire filtre passe-bas FIR avec la fréquence de coupure de 0,1 à 0,15 Hz 9.

Instrument et de bruit dans l'environnement peuvent provenir à cause de la lumière ambiante, comme la lumière du jour (DC) et de la lumière ambiante (60 Hz) ou la lumière provenant d'un ordinateur (60-75Hz) moniteur. Il est suggéré que la meilleure façon d'éliminer ce type de bruit est de préparer l'environnement d'expérimentation et d'acquisition de données en conséquence. Un filtre passe-bas analogique (filtre anti-repliement) a été mis en œuvre dans la boîte de fNIR pour éliminer pliage de bruit haute fréquence d'échantillonnage sur plage de fréquences.

Il ya beaucoup d'algorithmes avancés de réduction du bruit disponibles qui utilisent différentes caractéristiques du signal de 17-20. Toutefois, si un sujet ou d'une session peut être exclue si les données sont irrécupérables (c'est à dire saturé).


Figure 1.

Les signaux sont fNIR premières mesures d'intensité lumineuse (voir figure 1). En mesurant la densité optique (DO) des changements à deux longueurs d'onde, la variation relative de l'oxy-Hb et Hb désoxy-en fonction du temps peuvent être obtenus selon la méthode modifiée de Beer-Lambert loi 21-23. DO à une longueur d'onde d'entrée spécifiques (λ) est le rapport logarithmique de l'intensité lumineuse d'entrée (I) et sortie (détectée) l'intensité lumineuse (I out). OD est également liée à la concentration (c) et du coefficient d'extinction (e) de chromophores, la distance corrigée (d) entre la source lumineuse et le détecteur, plus un facteur d'atténuation constante (G).
L'équation 1

Ayant la même j'ai deux cas au temps différent et détectés lors de l'intensité lumineuse de base (repos I) et pendant l'exécution de la tâche (essai I), la différence de longueur d'onde λ DO pour se
Équation 2

Mesurer la DO à deux longueurs d'onde différentes donne
Équation 3

Cet ensemble équation peut être résolue pour des concentrations si la matrice 2x2 est non singulière. Typiquement, les deux longueurs d'onde sont choisies i) dans les 700-900nm, où l'absorption de l'oxy-Hb et Hb désoxy-sont dominants par rapport aux chromophores d'autres tissus, et ii) ci-dessous et au-dessus du point isobestique (~ 805nm, où des spectres d'absorption de désoxy - et d'oxy-Hb se croisent) pour se concentrer les changements dans l'absorption soit désoxy-Hb ou oxy-Hb, respectivement. L'instrument fNIR utilisées dans cette étude emploie des longueurs d'onde 730nm et 850nm.

Enfin, en utilisant des marqueurs (signaux de synchronisation du temps), les périodes de base / de repos et de tâches sont étiquetées et sélectionner les fonctions à partir de données extraites d'oxygénation sont telles que la moyenne, valeurs min et max. COBI Studio enregistre deux premières mesures d'intensité lumineuse et les valeurs d'oxygénation calculé (en utilisant la bière modifiés Lambert loi) à des fichiers texte ainsi que la synchronisation en temps (marqueur) des fichiers. COBI Studio peut également être utilisé pour appliquer des méthodes telles que la suppression du bruit à réponse impulsionnelle finie passe-bas ou filtres passe-bande. Les fichiers de sortie peuvent être exportés vers des logiciels d'analyse communs tels que (Matlab, Excel et SPSS SPM) ou des logiciels d'analyse dédiés tels que fnirSoft 24 pour un traitement ultérieur.

6. Les résultats représentatifs

Exemples de signaux fNIR

Figures 2-5 signaux prédéfinis fNIR premières partir d'un emplacement de mesure unique avec deux composantes de longueur d'onde (730nm et 850nm) présentés séparément. La figure 2 représente une époque signal valide et acceptable tandis que la figure 3 et 4 sont inacceptables et doivent être jetés. La figure 5 présente signal brut qui a été contaminé par des artefacts de mouvement et doit être nettoyé ou mis au rebut.

Figure 2
Figure 2. Échantillon A fNIR bonne signal brut

Figure 3
Figure 3. Un échantillon fNIR mauvaise signal brut, où le canal est saturé 850nm.

Figure 4
Figure 4. Une mauvaise fNIR échantillon de signal premières où il ya problème matériel ou problème de connectivité câblée.

Figure 5
Figure 5. Un échantillon fNIR mauvaise signal brut où il ya des artefacts de mouvement.

Protocole d'étude

Les évaluations de l'apprentissage sont le meilleur exemple de rétention (c'est à dire, la mémoire) et le transfert (à savoir, la généralisation) des tests. Dans notre étude, trois labyrinthes (Maze1, maze2 et maze3) ont été pratiquées pendant la phase d'acquisition pour un total de 105 essais chacun dans trois jours. Les deux conditions; pour la pratique aléatoire (RND) et pour la pratique bloqué (BLK) sont résumées dans la figure 6. Deux sujets sont portés volontaires pour l'étude de quatre jours. Sur le 4 ème jour, 10 essais de rétention ont été réalisées pour chaque labyrinthe et les labyrinthes ont été présentés dans un ordre aléatoire. Deux labyrinthes roman (maze4 et maze5) ont été créés qui avait couloirs supplémentaires et différents points de départ et se terminant à l'origine des labyrinthes pratiquée. Les sujets ont rempli dix essais pour chacune des deux labyrinthes nouvelle. Ces labyrinthes constitué une phase de transfert, et ont été présentés dans un ordre aléatoire à tous. Les labyrinthes de phase de transfert ont été utilisés pour déterminer la mesure dans laquelle chaque sujet a été en mesure de généraliser leur apprentissage et la pratique avec des labyrinthes d'acquisition.

Figure 6
Figure 6. Représentant aperçu protocole expérimental. </ P>

Résultats de l'étude comportementale

Les chiffres suivants 7 à 9, l'affichage des valeurs fonction moyenne (longueur du trajet, le temps total d'achèvement, et la vitesse) de sujets à travers chaque journée. Premièrement, les résultats de Maze1, maze2 et maze3 sont répertoriés à la fois pour la pratique RND et BLK. Ensuite, maze4 et maze5 résultats sont présentés pour comparer les résultats pratiques aléatoires par rapport bloquée. Toutes les barres d'erreur sont d'erreur standard de la moyenne (SEM).

Figure 7
Figure 7. RND pratique récapitulatif des performances comportementales pour l'acquisition et la rétention des tâches dont la longueur totale du trajet, le temps total de réalisation et de la vitesse moyenne.

Figure 8
Figure 8. Pratique BLK sommaire du rendement de comportement pour l'acquisition et la rétention des tâches dont la longueur totale du trajet, le temps total de réalisation et de la vitesse moyenne.

Figure 9
Figure 9. Comparaison des performances comportementales des BLK vs RND pratique pour les tâches de transfert, y compris la longueur totale du trajet, le temps total de réalisation et de la vitesse moyenne.

Résultats fNIR étude

Oxygénés des changements de concentration d'hémoglobine de base ont été en moyenne au cours du temps de chaque labyrinthe individuels en utilisant les données reçues de marqueurs MazeWalker (indique le début et la fin de chaque labyrinthe). Agrandir l'ampleur des changements de concentration sont censées représenter des niveaux plus élevés de l'activation cérébrale régionale. Un niveau plus élevé d'activation a été observée lors de tâches de rétention et le transfert à la fois pour la pratique par rapport à BLK RND pratique. Pendant le transfert des tâches, un niveau plus élevé d'activation a été vu dans la pratique BLK par rapport à la pratique RND (voir figure 10).

Pour la pratique soumise BLK, des essais de transfert requis d'activation supérieure par rapport aux essais de rétention. Pour la pratique soumise RND, le niveau d'activation ne diffèrent pas des tâches de transfert et de rétention, par opposition à l'objet la pratique BLK (voir figure 11).

Figure 10
Figure 10. Comparaison de la moyenne des changements de concentration oxy-Hb pour BLK vs RND pratique pour les deux tâches de rétention (à gauche) et le transfert des tâches (à droite).

Figure 11
Figure 11. Comparaison de la moyenne des changements de concentration oxy-Hb pour des tâches de rétention vs le transfert pour les deux BLK (à gauche) et RND (à droite) la pratique.

Discussion

Le cortex préfrontal (PFC) dans le cerveau humain facilite le contrôle cognitif sur la coordination des pensées et des actions par rapport aux objectifs internes. En particulier, le PFC antérieur / dorsolatéral est connu pour servir de médiateur des fonctions cognitives supérieures telles que la gestion des tâches, la planification et la navigation spatiale 25. fNIR est un appareil portable, outil sûr et non invasif de surveillance du cerveau qui a été utilisé dans les paramètres cliniques, biologiques et naturels pour étudier l'activation cérébrale. Cette étude exploratoire a démontré l'utilisation de la Suite Maze et fNIR pour étudier les aspects neuro-comportementaux de la navigation spatiale. Dans cette étude exploratoire, la plate-forme MazeSuite est utilisé en conjonction avec les fNIR d'étudier les aspects neuro-comportementaux de la navigation spatiale dans la dorsolatéral PFC et de démontrer la combinaison de ces deux outils.

MazeSuite est une plate-forme expérimentale de conception, de présentation et d'analyse. Il permet la création et l'application de simples environnements 3D avec une interface utilisateur graphique conviviale et enregistre automatiquement les mesures comportementales pour l'intérieur ou à travers l'objet de comparaisons sujet. Lors de la présentation des environnements MazeSuite, simultanée du temps synchronisé des mesures ont été prises fNIR utilisant une commercialement disponible, portable, système continu fNIR onde (Imager 1000, Périphériques fNIR, LLC) et COBI logiciel Studio 15. fNIR a déjà été établi comme un outil sûr et efficace de surveillance non invasive du cerveau dans les paramètres cliniques, biologiques et naturels pour l'étude de l'activation cérébrale et 7,11 est utilisé dans cette étude pour étudier les réponses cognitives associées à l'interférence contextuelle au cours des tâches de navigation spatiale.

Pour examiner les effets des interférences afin pratique contextuelle, les sujets ont été présentés avec soit une faible interférence (BLK) ou d'interférence élevé (RND) afin pratique. Ces horaires pratiques distinctes ont été utilisées pour tester l'effet de l'apprentissage des multiples tâches spatiale virtuelle labyrinthe navigation à travers des tests d'acquisition, de rétention et de transfert. Les résultats comportementaux indiquent que la pratique pour les commandes à la fois, il ya une tendance monotone décroissante dans le temps total nécessaire pour achever labyrinthe, suggérant que la pratique des sujets, ils ont rempli chaque labyrinthe de courtes périodes de temps. En outre, la vitesse moyenne avec laquelle les sujets navigué dans le labyrinthe (vitesse labyrinthe) a augmenté avec la pratique. Ces améliorations dans les mesures comportementales dans le temps sont attendus des inférences de l'apprentissage. Les variations moyennes de concentration oxy-Hb au cours d'essais pratiques montrent que la pratique BLK nécessaire d'activation cérébrale plus élevé en comparaison avec la pratique afin RND.

RND pratique s'est traduite dans le temps plus vite l'achèvement et la longueur des trajets plus courts par rapport à l'ordre pratique, à la fois pour BLK conservation et le transfert, respectivement. Une tendance à la baisse observée dans la moyenne oxy-Hb pour BLK et pratiques à travers des essais RND de rétention indiquant une activité réduite dans le PFC. Ce résultat est attendu que des recherches antérieures ont suggéré qu'il ya une réduction de l'activité du PFC au cours des étapes ultérieures de l'apprentissage 12,26.

Par ailleurs, la navigation dans les labyrinthes de nouvelles pendant la phase de transfert requis pour l'activation du cerveau supérieur pratique soumise BLK par rapport à la pratique RND sujet. Étant donné que l'ordre pratique était différente pour les tâches déjà appris (ie, Maze1, maze2 et maze3), cet ordre pratique aléatoire stratifié pour le sujet qui a appris les tâches de façon séquentielle (BLK pratique) afin peut-être été suffisamment nouveau pour exiger des efforts supplémentaires et des ressources cognitives pour accomplir les tâches 12,26. Toutefois, pour la pratique RND, la phase de transfert de l'activation des neurones n'est pas plus élevé que la phase de rétention. Ces résultats corroborent les résultats TEP avec la navigation spatiale des labyrinthes virtuels rapporté par Van Horn et ses collègues 12.

En résumé, nous avons décrit l'utilisation de MazeSuite en combinaison avec COBI Studio pour une étude sur les effets de l'interférence contextuelle liée à la pratique ordre quand l'apprentissage spatial tâches de navigation. Les méthodes discutées ici fNIR ne sont pas limités à des tâches de navigation spatiale et peut être utilisé pour une variété de tâches dans d'autres études de neuroimagerie. Phases de conception, réalisation, acquisition de données et l'analyse de l'étude ont été expliqués avec l'intention de fournir une ligne directrice pour les études futures.

Disclosures

Périphériques fNIR, LLC fabrique l'instrument d'imagerie optique du cerveau et IP autorisés et savoir-faire de l'Université Drexel. H. Ayaz, M. Izzetoglu, K. et B. Izzetoglu Onaral ont été impliqués dans le développement de la technologie et ainsi offrir une part mineure dans la nouvelle startup Périphériques fNIR cabinet, LLC.

Acknowledgments

Le financement de ce travail a été fourni en partie par le Commonwealth de Pennsylvanie # 4100037709 # 240468 sous-traitance et de l'Université Drexel de sous-traitance # 280773.

Materials

Name Company Catalog Number Comments
Maze Suite
fNIR Imager 1000

DOWNLOAD MATERIALS LIST

References

  1. Ayaz, H., Allen, S. L., Platek, S. M., Onaral, B. Maze Suite 1.0: a complete set of tools to prepare, present, and analyze navigational and spatial cognitive neuroscience experiments. Behav. Res Methods. 40, 353-359 (2008).
  2. Chance, B., Zhuang, Z., UnAh, C., Alter, C., Lipton, L. Cognition-activated low-frequency modulation of light absorption in human brain. Proceedings of the National Academy of Sciences of the United States of America. 90, 3770-3774 (1993).
  3. Villringer, A., Planck, J., Hock, C., Schleinkofer, L., Dirnagl, U. Near infrared spectroscopy (NIRS): a new tool to study hemodynamic changes during activation of brain function in human adults. Neuroscience letters. 154, 101-104 (1993).
  4. Hoshi, Y. Non-synchronous behavior of neuronal activity, oxidative metabolism and blood supply during mental tasks in man. Neuroscience letters. 172, 129-133 (1994).
  5. Strangman, G., Boas, D. A., Sutton, J. P. Non-invasive neuroimaging using near-infrared light. Biological psychiatry. 52, 679-693 (2002).
  6. Coyle, S., Ward, T. E., Markham, C. M. Brain-computer interface using a simplified functional near-infrared spectroscopy system. Journal of neural engineering. 4, 219-226 (2007).
  7. Ayaz, H. Optical brain monitoring for operator training and mental workload assessment. Neuroimage. , (2011).
  8. Izzetoglu, M. Functional near-infrared neuroimaging. IEEE Trans Neural Syst Rehabil Eng. 13, 153-159 (2005).
  9. Izzetoglu, M., Bunce, S. C., Izzetoglu, K., Onaral, B., Pourrezaei, K. Functional brain imaging using near-infrared technology. IEEE Eng Med Biol Mag. 26, 38-46 (2007).
  10. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring Cognitive Functions in Babies, Children & Adults with Near Infrared Spectroscopy. J. Vis. Exp. (29), e1268-e1268 (2009).
  11. Izzetoglu, K. The evolution of field deployable fNIR spectroscopy from bench to clinical settings. Journal of Innovative Optical Health Sciences. 4, 1-12 (2011).
  12. Van Horn, J. D. Changing patterns of brain activation during maze learning. Brain Res. 793, 29-38 (1998).
  13. Shewokis, P. A. Memory consolidation and contextual interference effects with computer games. Perc Motor Skills. 97, 581-589 (2003).
  14. Magill, R. A., Hall, K. G. A review of the contextual interference effect in motor skill acquisition. Human Movement Science. 9, 241-289 (1990).
  15. Ayaz, H., Onaral, B. Analytical software and stimulus-presentation platform to utilize, visualize and analyze near-infrared spectroscopy measures Masters Degree thesis [dissertation]. , Drexel University. (2005).
  16. Ayaz, H. Advances in Understanding Human Performance: Neuroergonomics, Human Factors Design, and Special Populations. Marek, T., Karwowski, W., Rice, V. 3, CRC Press Taylor & Francis Group. 21-31 (2010).
  17. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical engineering online. 9, 16-16 (2010).
  18. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Appl Opt. 48, 280-298 (2009).
  19. Zhang, Q., Strangman, G., Ganis, G. Adaptive filtering to reduce global interference in non-invasive NIRS measures of brain activation: How well and when does it work? Neuroimage. 45, 788-794 (2009).
  20. Izzetoglu, M., Devaraj, A., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using Wiener filtering. IEEE Trans Biomed Eng. 52, 934-938 (2005).
  21. Cope, M. The development of a near infrared spectroscopy system and its application for non invasive monitoring of cerebral blood and tissue oxygenation in the newborn infant. , University College London. London. (1991).
  22. Elwell, C. Quantification of adult cerebral hemodynamics by near-infrared spectroscopy. Journal of Applied Physiology. 77, 2753-2753 (1994).
  23. Wyatt, J. Quantitation of cerebral blood volume in human infants by near-infrared spectroscopy. Journal of Applied Physiology. 68, 1086-1086 (1990).
  24. Ayaz, H. Functional Near Infrared Spectroscopy based Brain Computer Interface PhD thesis [dissertation]. , Drexel University. (2010).
  25. Wood, J. N., Grafman, J. Human prefrontal cortex: processing and representational perspectives. Nat Rev Neurosci. 4, 139-147 (2003).
  26. Shadmehr, R., Holcomb, H. H. Neural correlates of motor memory consolidation. Science. 277, 821-825 (1997).

Tags

Neurosciences Numéro 56 cognitive optique le cerveau l'imagerie fonctionnel spectroscopie proche infrarouge fNIR spatial la navigation le logiciel
Utiliser MazeSuite et fonctionnelle proche infrarouge pour étudier l&#39;apprentissage de la navigation spatiale
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ayaz, H., Shewokis, P. A., Curtin,More

Ayaz, H., Shewokis, P. A., Curtin, A., Izzetoglu, M., Izzetoglu, K., Onaral, B. Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation. J. Vis. Exp. (56), e3443, doi:10.3791/3443 (2011).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter