Waiting
Login processing...

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

Neuroscience

공간 탐색 구역에서 '학습 연구에 적외선 분광학 가까이 MazeSuite 및 기능 사용

Published: October 8, 2011 doi: 10.3791/3443

Summary

MazeSuite는 준비 현재 및 탐색과 공간적 실험을 분석하는 완벽한 도구 모음입니다. 기능성 가까운 적외선 분광법 (fNIR)은 대뇌 혈액 산소 변경 비침 투 및 휴대용 모니터링을 가능하게 광학 두뇌 이미징 기법입니다. 본 논문은인지 처리 학습 패러다임 내에서 MazeSuite 및 fNIR의 집단적 사용을 요약한 것입니다.

Abstract

MazeSuite 1을 준비 제시 및 탐색과 공간적 실험을 분석하는 완벽한 도구 모음입니다. MazeSuite는 디자인 및 편집 적응 가상 3D 환경을 가상 환경 안에있는 참가자들의 행동 실적을 추적하고 뇌파와 안구 추적을 포함하여 생리 및 neuroimaging 대책에 대한 외부 장치와 동기화하는 데 사용할 수 있습니다.

기능성 가까운 적외선 분광법 (fNIR)는 인간의 두뇌 기능 2-7 관련된 대뇌 혈액 산소의 변화, 지속적인 비침 투, 및 휴대용 모니터링을 가능하게 광학 두뇌 이미징 기법입니다. 지난 10 년 이상의 fNIR 효과적으로 7-11를 해결하는 등주의와 같은 인지적 작업, 작업 메모리와 문제를 모니터링하는 데 사용됩니다. fNIR는 의복과 최소한 관입 장치의 형태로 구현할 수 있으며 그것은 생태학적으로 유효한 환경에서 두뇌 활동을 모니터링하는 능력이 있습니다.

작업 성능을 통해 평가인지 기능 연습 후 및 유지 12시, 초기 소설 작업 성능에서 차이가 전두엽 피질 (PFC)의 뇌 활성화 패턴을 포함하고 있습니다. 없이 활성화 거의가 동안 지역 대뇌 혈류가 가상 미로의 공간 탐색의 인코딩 (즉, 초기 순진한 실적) 중 오른쪽 전두엽이 활성화 것을 발견 양전자 방출 tomography (PET), 밴 혼과 동료를 사용하여 연습 후 유지 검사하는 동안 전두엽 지역. 개인이 다양한 연습 일정 13,14 아래에 여러 개의 작업을 취득하면 또한 맥락 간섭, 실천의 조직에 관련된 학습 현상의 효과는 분명 있습니다. 배울 수 작업이 아닌 연속, 예측할 수없는 순서로 표시하는 경우 높은 콘텐츠 간섭 (임의의 연습 일정)이 만들어집니다. 배울 수 작업이 예측 가능한 순서로 표시하는 경우 낮은 콘텐츠 간섭 (차단 연습 일정)이 만들어집니다.

여기서 우리의 목표는 이중입니다 :인지 광학 두뇌 이미징 (COBI) 스튜디오 소프트웨어를 15를 사용하여 fNIR 두뇌 활동 모니터링 시스템의 설치 및 배포를 입증하기 위해 실험 프로토콜 설계 과정과 MazeSuite의 사용, 그리고 두 번째 설명 먼저. 우리의 목표를 설명하기 위해 연구에서 subsample은 하나의 실험에서 MazeSuite와 COBI 스튜디오 모두의 사용을 보여보고됩니다. 연구는 차단하고 임의의 명령을 컴퓨터 미로 작업의 획득과 학습 중에 PFC의 인지적 활동의 평가를 포함한다. 두 오른손 성인 (한 남자, 한 여자)는 사일에 걸쳐 315 획득, 30 보존 20 전송 실험을 수행. 연구의 설계, 구현, 데이터 수집 및 분석 단계는 미래 연구에 대한 지침을 제공하기 위해 의도로 설명했다.

Protocol

편집 프로그램 미로 환경 (MazeMaker), 시각화 / 렌더링 모듈 (MazeWalker), 그리고 마지막으로 분석 및 경로 시각화 도구 (MazeAnalyzer)를 구축하기 위해, 미로 - 스위트는 세 가지 주요 애플 리케이션으로 구성되어 있습니다. 다음 섹션 MazeSuite의 사용을 설명하고 자세한 내용은 세 가지 보조 비디오의 각 MazeSuite 모듈에 대해 하나 있습니다.

1. 디자인 미로

미로 - 스위트 이내 MazeMaker 응용 프로그램은 단순히 조류 '눈보기에서 2 차원 (2D) 캔버스에 그들을 그림으로써 입체 (3D) 환경을 만들 수 있습니다. 벽과 바닥은 좌표를 나타내기 위해 마우스 클릭에 의해 그려질 수 있으며, 사용자가 3D 개체 파일을 가져 오거나 같은 위치, 방향, 색상, 질감 및 조명으로 미로 내에서 항목의 속성을 편집할 수 있습니다.

미로의 시작과 끝 영역은 같은 기간 제한과 같은 다른 출구 기준에 추가로 지정할 수 있습니다. 별도의 문자 메시지는 각 출구 조건에 대한 참가자 알려 표시할 수 있습니다. 설계 단계 동안, 미로는 MazeMaker의 '빠른 실행'기능을 사용하여 테스트하실 수 있습니다.

기능적 이미징 연구 참가자는 일반적으로 반복되는 시험과 작업의 일련을 수행하도록 요청하고 있습니다. 반복 실험의 테스트를 촉진하기 위해 MazeMaker는 실험적인 세션에 미로와 문자 메시지의 목록을 정렬됩니다 미로 목록 파일을 만들 수 있습니다. 그것은 실험을 위해 미로 목록 파일이 실험 하루 전에 준비를 철저하게 파일럿 테스트는 것이 중요합니다.

MazeMaker과 환경의 사용과 개발에 대한 간단한 자습서는 '- MazeMaker 부가 영상 II'에서 제공됩니다.

2. fNIR 설치 및 fNIR 센서 패드를 배치

fNIR 상자를 준비

  1. fNIR 상자 뒤에 케이블 커넥터가 있습니다. 슬롯 중 하나는 USB 연결하고 다른 연결 전원 코드입니다.
  2. 데이터 수집에 사용됩니다 PC 또는 노트북에 USB 케이블을 통해 fNIR 장치 상자를 연결합니다.
  3. 장치에 전원 어댑터를 연결하고 스위치를 켜십시오.
  4. 리본 케이블은 fNIR 상자와 함께 센서 패드를 연결하는 데 사용됩니다.
    1. 센서 패드 하우스 광원 (LED가)와 사진 경보기.
    2. LED가 각각 중심으로 deoxygenated 및 산소 - 혈색소 흡수되며 따라서 생물 학적 조직을 통해 침투할 수있는 730nm와 850nm 파장의 적외선을 방출.

센서 패드를 배치

  1. 센서 배치하기 전에 이마에서 머리를 리프트하는 참가자에게 물어보십시오. 단지 눈썹 위의 센서 스트립을 놓습니다. 코를 통해서도 전달 대칭의 수직 축과 센서의 중심을 일치
  2. 이마에 대해 단단히 센서 패드를 누르면 머리의 뒤쪽에 함께 케이블을 보유하기 위해 클립을 사용합니다. 엄격하게 필요하지, 머리 포장이나 테니스 두건는 센서 패드를 확보하는 것이 좋습니다 동안.
  3. 이마에있는 센서 패드를 배치되면 fNIR 상자에 리본 케이블의 두 끝을 연결합니다. 리본 케이블 해당 'I'와 장치에 'II'커넥터 'I'와 리본 케이블의 'II'측면을 일치하여 첨부되어야합니다.

데이터 수집에 대한 COBI 스튜디오 소프트웨어를 시작

  1. 인지 광학 두뇌 이미징 (COBI) 메인 윈도우를 열려면 바탕 화면에 Studio13 아이콘을 클릭합니다.
  2. 이 프로그램은 데이터 수집 및 시각화를위한 특정 미리 설정으로 올 것이다.
  3. 확인하고 필요한 경우 장치 설정 대화 상자에서 데이터 수집 매개 변수 및 트리거링 (마커 동기화)를 확인하는 것이 중요합니다.
  4. "실험 모드"는 "새 실험"마법사를 사용하여 활성화된 경우 COBI Studio는 자동으로 모든 관련 데이터 파일 이름을 지정할 수 있습니다.
  5. 데이터 폴더에서 파일의 3 종류가 생성됩니다 (*. NIR) fNIR 데이터에 대해, 실험 세션의 로그에 대한 마커 데이터 (*. mrk)와 (*. TXT).

3. 실험을 실행 : 미로 렌더링

장치 설정 및 fNIR 데이터 수집에게 시작

  1. LED 드라이브 전류는 어떻게 밝은 각 LED 빛난다을 정의합니다. LED 드라이브 전류에 대한 기본값은 20mA입니다. 이 값은 피부 착색과 참가자의 다른 특성에 따라 변경해야 할 수도 있습니다. LED 전류 제안 범위는 20mA로 5mA 사이
  2. 모든 채널에 대한 초기 이득에 대한 기본값은 20입니다. 이득을위한 제안 값은 1,5,10,15,20 있습니다.
  3. '시작 현재 장치'링크를 클릭하고, 신호 품질을 검사합니다. 원시 강도 값은 COBI 접근 4000에 표시하거나 아래 1천아르 경우 '중지 장치'를 클릭하고 LED 드라이브 전류 및 장치 조정적당한 값을 얻을 때까지 이득. 낮은 신호 환경에서 증가 장치 이득 전에 현재 LED 드라이브 향상시킬 수 있습니다. 포화 신호 상황에서 LED 드라이브 전류를 감소하기 전에 장치 게인을 줄일 수 있습니다. 신호 품질이 허용되면, 4 단계로 진행합니다.
  4. 기준을 시작합니다. 이것은 데이터를 10 초 수집 옥시 헤모글로빈과 데옥시 - 8 농도 변화를 계산하기 위해 설정 수정 맥주 램버트 방정식의 기준으로 사용합니다.
  5. 기준가 완료하자 (10~20초 걸릴 수 있습니다)
  6. 클릭하여 '시작 녹음. 이것은 모든 데이터를 저장하기 시작합니다. 실험 프로토콜이 이후에 시작합니다.
  7. 실험자는 화면의 왼쪽 하단 모서리에있는 수동 마커 메뉴를 사용하여 '추가 매뉴얼 표지'버튼을 누르면 특정 이벤트를 나타내는 실험 세션에 걸쳐 수동으로 마커를 추가하도록 선택할 수 있습니다.
  8. 시각적 자극을 제시하기 위해 미로 스위트를 시작합니다.

미로를 렌더링 MazeWalker를 사용하여

  1. 를 시작 메뉴> 미로 스위트> MazeWalker에서 MazeWalker를 실행
  2. 고급> 직렬 포트 옵션 아래의 메뉴에서 '직렬 포트를 사용'을 선택하여 마커 동기화를 켭니다. 올바른 COM 포트 주소가 선택되어 있는지 확인하십시오.
  3. 미로 목록 파일 (MazeMaker에 의해 만들어진 것을)를 선택하고, 또한이 세션에 대한 새 로그 파일의 이름을 선택합니다. 이름 또는 참가자 번호는 워커 필드 내에 기록 수 있습니다. 선택 autolog는 자동으로 시간 스탬프 로그 파일에 기록하는 대신 수동으로 로그 파일을 지정하는 데 사용할 수 있습니다.
  4. 클릭하여 과정을 시작하려면 '시작'을 선택하십시오. 비디오 설정에 따라 프로토콜을 전체 화면으로 실행하거나 창 모드에서하실 수 있습니다.

4. 제목의 경로를 떠올리

MazeAnalyzer 사용하여 연구자는 미로와 로그 파일에서 미로와 참가자의 경로를 시각화 수 있습니다. 또한, 전체 경로의 길이와 각 미로 완료 시간을 포함하여 요약 보고서는 간단한 행동 조치로 생산됩니다. 로그 파일 제목 제목의보기 벡터와 개체 상호 작용뿐만 아니라 여행하는 경로에 대한 밀리초 시간 해상도 정보가 들어 있습니다.

튜토리얼 비디오 '는 부가 영상 I - MazeAnalyzer'에서 제공되며 결과 섹션에 설명되어있는 행동 통계를 생산하는 방법과 함께 MazeAnalyzer의 기본 기능의 사용을 설명합니다.

5. fNIR 데이터 및 분석 처리

소음 제거는 데이터 처리를위한 첫 번째 단계입니다. 소음 소스)는 헤드 운동 2) 1 등이 같은 심장 박동과 호흡 3) 악기 및 환경 관련 잡음으로 생리 신호.

머리의 움직임은 그들을 노출, 피부와 접촉을 이동하고 잃게 fNIR 감지기가 발생할 수 있습니다 : 1) 주변 광, 오히려 조직에서 반사되는 이상, 또는 3) 피부에서 반사되는 빛을 2) 빛이 fNIR 소스에서 직접 방출 피질 인치 그것이 fNIR 데이터에 갑자기, 큰 스파이크를 일으키는 때문에 모션 유물의이 유형은 쉽게 인식할 수 있습니다. 머리 운동의 더 미묘한 유물은 대뇌 혈액에서 중력의 영향 때문입니다. 신속한 머리의 움직임이 빠르게 데이터를 수반하는 왜곡과 함께 (또는 감소) 혈액 볼륨을 증가, 혈액 (또는 거리) 방향으로 모니터링되는 영역을 이동시킬 수 있습니다. 모션 유물이 유형의 역학 LED "팝업"보다 느리게이기 때문에 그들은 두뇌 활성화로 인해 실제 hemodynamic 응답과 혼동 수 있습니다. fNIR 자연 환경 16 뇌 모니터링 기술로 배포할 수있다면 따라서 fNIR 데이터로부터 모션 유물을 제거하는 것은 중요하고 필요한 단계입니다.

이러한 심장 박동 (0.5 Hz에서 이상)와 호흡 (0.2 Hz에서 이상)으로 생리 신호가 hemodynamic 응답보다 높은 주파수 범위에있다, 따라서, 그들은 0.1 사이의 컷 - 오프 주파수와 선형 위상 로우 패스 FIR 필터를 사용하여 제거 할 수 있습니다 0.15 Hz에서 9.

악기 및 환경 소음 일광 (DC) 룸 라이트 (60HZ) 또는 컴퓨터 모니터 (60 - 75Hz)에서 가벼운 같은 주변 조명으로 인해 발생한 수 있습니다. 이것은 소음이 유형을 제거하는 가장 좋은 방법은 그에 따라 실험 환경 및 데이터 수집을 준비하는 것이 좋습니다. 필터 아날로그 저역 통과는 (앤티 앨리어싱 필터)의 주파수 범위를 샘플링에 고주파 노이즈의 접는 제거하는 fNIR 상자에서 구현되었습니다.

신호 17-20의 다른 특성을 활용하여 사용할 수있는 여러 가지 고급 노이즈 감소 알고리즘이 있습니다. 데이터 (즉, 포화) irrecoverable 경우 제목이나 세션이 제외시킬 수 있습니다 그러나 경우에.


그림 1.

fNIR 원시 신호는 (그림 1 참조) 광도 측정됩니다. 이 파장의 광학 밀도 (OD) 변화를 측정하여, 옥시 HB와 데옥시 - HB 대 시간의 상대적 변화는 수정된 맥주 램버트 법률 21-23을 사용하여 얻을 수있다. 특정 입력 파장 (λ)에서 OD 입력 광 강도 (I) 및 출력 (검색된) 빛의 강도 (I 아웃)의 대수 비율입니다. OD는 농도 (C)와 멸종의 chromophores 계수 (E), 광원과 검출기 사이의 정정 거리 (D), 플러스 지속적인 감쇠 계수 (G)에 관련되어 있습니다.
방정식 1

서로 다른 두 가지 시간이 인스턴스와 기준 중에 감지된 빛의 강도 (I 휴식)와 작업 (I 시험), 파장 λ에 대해 OD의 차이의 성능 동안에 동일한 I를 갖는 것은
방정식 2

두 개의 서로 다른 파장에서 OD를 측정하는 것이 있습니다
방정식 3

2x2 매트릭스가 아닌 단수 경우이 방정식 세트는 농도에 대한 해결하실 수 있습니다. 일반적으로, 두 파장은 아래와 다른 조직 chromophores 및 II에 비해 옥시 HB와 데옥시 - HB의 흡수가 지배 아르 700 - 900nm) 내에 있으며 isosbestic 포인트 (~ 805nm 이상) i를 선택한 어디 데옥시의 흡수 spectrums - 그리고 옥시 HB는 각각 데옥시 - HB 또는 옥시 HB 하나에 흡수의 변화에​​ 초점을)를 서로 교차. 본 연구에서 사용되는 fNIR 악기는 730nm와 850nm 파장을 사용합니다.

마지막으로, 마커 (시간 동기화 신호)를 사용하여 기준선 / 나머지 기간과 작업은 레이블과 같은 말은, 분 및 최대 값으로 추출 산소 데이터에서 기능을 선택하고 있습니다. COBI Studio는 원시 빛의 강도 측정 및 텍스트 기반의 파일뿐만 아니라 시간 동기화 (마커) 파일을 계산 산소 값 (수정 맥주 램버트 법칙을 사용)를 모두 저장합니다. COBI 스튜디오는 또한 유한 임펄스 응답 낮은 패스 또는 대역 통과 필터로 잡음 제거 방법을 적용하는 데 사용할 수 있습니다. 출력 파일과 같은 일반적인 분석 소프트웨어 (Matlab, 엑셀, SPM 및 SPSS) 또는 추가 처리를 위해 같은 fnirSoft 24와 같은 전용 분석 소프트웨어를 내보낼 수 있습니다.

6. 대표 결과

fNIR 신호 예

이 파장 구성 요소 (730nm와 850nm)와 하나의 측정 위치에서 그림 2-5 미리 fNIR 원시 신호가 별도로 표시됩니다. 그림 2는 그림 3과 4는 사용할 수없는 반면 유효하고 허용 신호 시대를 대표하고 폐기해야합니다. 그림 5는 모션 유물로 오염된 및 청소하거나 폐기해야했습니다 원시 신호를 제공합니다.

그림 2
그림 2. 좋은 fNIR 원시 신호 샘플

그림 3
그림 3. 나쁜 fNIR 원시 신호 샘플 850nm 채널이 포화 상태입니다.

그림 4
그림 4. 하드웨어 문제 또는 케이블 연결 문제가 나쁜 fNIR 원시 신호 샘플.

그림 5
그림 5. 모션 아티팩트가 나쁜 fNIR 원시 신호 샘플.

연구 프로토콜

학습의 평가는 가장 보존 (즉, 메모리) 및 전송 (즉, generalizability) 검사에 의해 exemplified 있습니다. 우리의 연구에서 세 미로는 (maze1, maze2 및 maze3) 105 실험 삼일에 걸쳐 각각의 총 인수 단계에서 실시되었습니다. 두 가지 조건, 임의의 연습 순서 (RND) 및 차단 연습 순서 (BLK)는 그림 6에 요약됩니다. 두 과목은 사일 연구를위한 자원. 제 4 회 하루에 10 유지 재판은 각 미로를 위해 실시되었으며 미로는 무작위 순서로 제시했다. 두 소설 미로는 (maze4 및 maze5) 원래 연습 미로보다 추가 복도와 다른 시작 및 종료 지점이 있다고 만들어졌습니다. 과목은 두 가지 새로운 미로의 각 열 재판을 완료했습니다. 이 미로는 전송 단계를 형성하고, 모든 무작위 순서로 제시했다. 전송 위상 미로는 각 피사체가 수집 미로 자신의 학습과 연습을 일반화 수있었습니다하는 범위를 결정하는 데 사용되었습니다.

그림 6
그림 6. 대표 실험 프로토콜 개요. </ P>

행동 결과 학습

다음 그림 9 7, 매일 전체 과목의 평균 기능 값 (경로 길이, 완료의 총 시간 및 속도)을 표시합니다. 첫째, maze1, maze2 및 maze3의 결과는 모두 RND 및 BLK 연습에 대해 나열되어 있습니다. 다음 maze4 및 maze5 결과는 무작위 비교 차단 연습 결과를 비교 나열되어 있습니다. 모든 오차 막대는 의미 (SEM)의 표준 오류입니다.

그림 7
그림 7. RND 전체 경로 길이, 완료 및 평균 속도의 총 시간을 포함하여 취득 및 보존 작업을 위해 행동 실적 요약 연습.

그림 8
그림 8. 전체 경로 길이, 완료 및 평균 속도의 총 시간을 포함하여 획득 및 유지 작업에 BLK 실천 행동 실적 요약.

그림 9
그림 9. 행동 성능 BLK 비교 대 총 경로 길이, 완료 및 평균 속도의 총 시간을 포함하여 전송 작업 RND 연습.

학습 fNIR 결과

기준에서 산소 헤모글로빈 농도 변경 MazeWalker (각 미로의 시작과 끝을 나타냅니다)에서받은 마커 데이터를 사용하여 각 개별 미로의 시간 코스 이상의 평균되었습니다. 큰 크기의 농도 변화는 지역의 뇌 활성화의 높은 수준을 대표로 이동됩니다. 정품 인증을 높은 수준 RND 연습에 비해 BLK 연습에 대한 보존 및 이전 작업을 모두하는 동안 관찰했다. RND 연습 (그림 10 참조)과 비교 전송 작업을하는 동안 활성화 높은 수준 BLK 연습 아래에 보였다.

BLK 연습 제목 들어, 전송 실험은 보존 실험에 비해 높은 정품 인증을 필요합니다. BLK 연습 과목 (그림 11 참조) 반대로 RND 연습 과목, 인증 수준은 전송 및 유지 작업을 위해 다를하지 않았다.

그림 10
그림 10. 평균 옥시 HB 농도 BLK에 대한 변경 대 모두 보존 작업 (왼쪽) 및 전송 작업 (오른쪽)에 대한 RND 실천의 비교.

그림 11
그림 11. BLK (왼쪽)와 RND (오른쪽) 연습 모두 보존 대 전송 작업에 대한 평균 옥시 HB 농도 변화의 비교.

Discussion

인간 두뇌의 전두엽 피질 (PFC)는 내부 목표에 관련하여 생각과 행동의 연계를 통해 인지적 통제를 용이하게합니다. 특히, dorsolateral / 앞쪽에 PFC는 그러한 작업 관리, 계획 및 공간 탐색 25 고등인지 기능을 중재하는 것으로 알려져 있습니다. fNIR은 뇌 활성화 연구를 임상, 실험실과 자연 설정에서 사용되고 있습니다 휴대용, 안전하고 비침 투 뇌 모니터링 도구입니다. 이 탐험 연구 미로 스위트 및 공간 탐색의 neurobehavioral 측면을 연구 fNIR의 사용을 보여주었다. 이 탐험 연구에서는 MazeSuite 플랫폼은 dorsolateral PFC의 공간 탐색의 neurobehavioral 측면을 연구하고이 두 도구의 조합을 설명하기 fNIR와 함께 사용됩니다.

MazeSuite은 실험 디자인, 프리젠 테이션 및 분석 플랫폼입니다. 그것은 사용자 친화적인 그래픽 인터페이스와 간단한 3D 환경의 생성 및 응용 프로그램을 활성화하고 자동으로 적용 이내 또는 주제에 대한 비교를 통해 행동 조치를 기록합니다. MazeSuite 환경의 프레 젠 테이션 도중에, 동시 시간 동기 fNIR 측정은 상용, 휴대용, 지속적인 웨이브 fNIR 시스템 (영상기 1000, fNIR 장치, LLC)와 COBI 스튜디오 소프트웨어를 15로 촬영한되었습니다. fNIR는 이전에 두뇌 활성화 7,11의 연구를위한 임상, 실험실과 자연 설정에서 안전하고 효과적인 비침 투 두뇌 모니터링 도구로 설립되었으며 공간적 탐색 작업을하는 동안 문맥 간섭과 관련된 인지적 반응을 조사하기 위해 본 연구에서 사용됩니다.

연습 순서 콘텐츠 간섭의 영향을 조사하기 위해 과목 중 낮은 간섭 (BLK) 또는 높은 장해 (RND) 연습 명령을 발표했다. 이러한 고유의 연습 스케줄은 수집, 보존 및 전송 시험을 여러 가상 공간 네비게이션 미로 작업을 학습의 효과를 테스트하기 위해 사용되었습니다. 행동 결과는 연습 명령 모두에 대해, 과목 연습으로, 그들은 시간의 짧은 기간에 각 미로를 완료한 것을 제안, 미로를 완료하는 데 필요한 총 시간의 감소 추세 monotonic있다는 것을 나타냅니다. 또한, 과목은 미로 (미로 속도)을 탐색되는 평균 속도는 연습과 함께 증가했습니다. 시간에 걸쳐 행동 조치에 이러한 개선은 학습의 inferences를 기대하고 있습니다. 연습 시험 중 옥시 HB 농도 변화를 의미 RND 연습 순서와 비교했을 때 BLK 연습이 높은 뇌의 활성화 필요는 것을 나타냅니다.

유지 및 양도, 각각 모두 BLK 연습 순서 비교 RND 빠른 완료 시간과 짧은 경로 길이 결과 연습. PFC 감소 활동을 나타내는 보존 실험에 걸쳐 감소 BLK에 대한 의미 옥시 - HB에서 관찰 동향 및 RND 연습. 이전 연구는 12,26 학습의 나중 단계 동안 PFC의 활동에 감소가있다는 것을 제안했습니다로 찾는이 예상된다.

또한, 양도 단계에서 새로운 미로에있는 탐색 RND 주제를 실천에 비해 BLK 연습 과목에 대한 높은 두뇌 활성화 필요합니다. 연습 순서는 순차적 (BLK 연습) 순서로 작업을 배운 것을 이미 주제에 대한 (즉, maze1, maze2 및 maze3)이 층상 임의 연습 순서를 배운 작업에 대해 서로 다른 것을 감안할 때이 요구하는 충분한 소설되었을 수도 있습니다 작업에게 12,26을 수행하기 위해 추가적인 노력과인지 자원. 그러나 RND 연습, 신경 활성화의 전송 단계 유지 단계 이상되지 않았습니다. 이러한 연구 결과는 반 호른과 동료 12보고 가상 미로의 공간 탐색 PET 연구 결과를 확증.

요약, 우리는 공간 탐색 작업을 학습 할 때 순서를 연습 관련 콘텐츠 간섭의 영향에 대한 연구 COBI 스튜디오와 함께 MazeSuite의 사용을 설명했다. fNIR 방법 여기서 설명하는이 공간 탐색 작업에 국한되지 않으며 다른 neuroimaging 연구에서 다양한 작업에 사용될 수 있습니다. 연구의 설계, 구현, 데이터 수집 및 분석 단계는 미래 연구에 대한 지침을 제공하기 위해 의도로 설명했다.

Disclosures

fNIR 장치, LLC는 광학 두뇌 이미징 기기와 Drexel 대학에서 라이센스 IP 및 노하우를 제조하고 있습니다. H. Ayaz, M. Izzetoglu, K. Izzetoglu와 B Onaral는 기술 개발에 참여하기 때문에 새로운 시작 확고한 fNIR 장치, LLC에서 사소한 공유를 제공했다.

Acknowledgments

이 작품에 대한 자금은 펜실베니아의 연방 # 4100037709 # 240468 하청 및 Drexel 대학 하청 # 280773에 의해 부분적으로 제공되었다.

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

신경 과학 문제 56,인지 광학 영상 기능 가까운 적외선 분광법 fNIR 공간 네비게이션 소프트웨어
공간 탐색 구역에서 &#39;학습 연구에 적외선 분광학 가까이 MazeSuite 및 기능 사용
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