Summary
人間の脳では危険とあいまいなオプションの主観的価値の神経表現を決定するために、機能的MRIや行動の方法を使用して。
Abstract
我々が行った選択のほとんどは、不確実な結果をもたらす。いくつかのケースでは異なる可能性のある結果の確率は正確には、 "危険"と呼ばれる状態を知られている。確率を推定することができない他のケースでは、これは "あいまい"として記述されている条件である。ほとんどの人がリスクと曖昧さの1,2の両方を嫌っているが、それらの嫌悪の度合いが同じ危険なまたはあいまいなオプションの主観的な値が異なる個体が非常に異なることができるような、個人、全体で大幅に異なります。我々は、実験経済学ベースの方法3で、機能的MRI(fMRI)は危険とあいまいなオプション4の主観的な価値観の神経表現を評価するために組み合わせる。この技術は現在、さまざまな年齢層と異なる患者集団などの異なる集団で、これらの神経表現を研究するために使用することができます。
我々の実験では、被験者は必然の選択肢bを作るその神経活性化がfMRIを用いて追跡している間の2つの選択肢をetween。各試行で被験者は合計金額に、その金額の勝利の確率や勝利に関連付けられた曖昧さのレベルのいずれかで変わる宝くじのどちらかを選択します。私たちのパラメトリック·デザインは、私たちはリスクと曖昧に向かって自分の姿勢を推定するために、各個人の選択行動を使用することができ、したがって、各オプションがそれらのために開催されたことを主観的な値を推定する。デザインのもう一つの重要な特徴は、学習が行われないことができるように、選択された宝くじの結果は実験の間に明らかにされていないことであり、したがって、あいまいなオプションが曖昧とリスク態度が安定している残る。その代わりに、スキャンセッションの終わりに1つまたは少数の試験は無作為に選択されており、実質のお金のために遊んだ。被験者は試験が選択されている事前に知っていないのでそれだけで、それは彼らが支払われている一つの試験であったかのように、彼らはそれぞれ、すべての試験を扱わなければなりません。この設計エン我々は、各被験者には、各オプションの真の主観的な価値を見積もることができることsures。次に、活性化危険なオプションの主観的な値とし、その活性化あいまいなオプションの主観的な値と相関している領域の相関している脳の領域を探します。
Protocol
1。実験の準備
- 最初のステップは、スキャナの画面上に提示される危険性は増大し、曖昧な選択肢を表す視覚刺激を設計することです。我々はこのような我々は"宝くじ袋"と呼ぶのポーカーチップを充填した袋を表現するために、図1に示されたものとして画像を使用しています。彼らは袋に配置される前にグラフィカルに、これらの画像は、ポーカーチップのスタックと考えることができます。重要なのは、これらのイメージは、被験者が実験を開始する前に表示されます100赤と青のポーカーチップを充填した我々の場合の封筒で、本物のコンテナを表す。これは、被験者は、彼らが直面するであろう宝くじを理解し、コンピュータのディスプレイが正確にそれらの宝くじを正しく示しているものと信じている両方のことを保証します。危険な抽選の当選確率、与えられた封筒の中に赤青チップの比率は、正確に数字やグラフィック刺激( 図1A)の両方を使用して記載しております。 INFORMATIOの曖昧な部分のための宝くじn個の確率について部分的にあいまいな当選確率をレンダリングし、優良株に赤の可能性の比率が有界が、指定されないように、( 図1B)が欠落しています。
- 危険な抽選の各画像の赤と青の領域は封筒の赤と青のチップの数に比例します。私たちは3アウトカム確率4( 図1A)の最小値を使用することをお勧めします。使用される正確な確率は実験の特定の要件に応じて異なりますが、実験者は非常に高く、非常に低い確率を用いては、慎重であるべきだ。これは、被験者が、典型的には10%以上90%5以下の確率を偽ることが知られている。一つはこの系統不実表示を勉強する予定がない限り、これらの極端は避けるべきである。
- あいまいさを伝えるために、コンピュータディスプレイのチップのスタックの中央部は灰色オクルーダ( 図1B)で隠されている。灰色の領域ではnum各色のチップのBERが不明になり、したがって、赤や青のチップを描画する確率は正確に知られているではありません。たとえば、中間の袋に、図1Bに閉鎖器は袋の50%をカバーしており、したがって、レッドチップの数は(25(遮蔽物の背後にあるすべてのチップが青で表示されている場合)および75の間でどこでも構いません、全てのチップの後ろにある場合オクルーダ)は赤で表示されます。もちろん、ブルーチップの数も、これらの2つの値の間の任意の場所に存在します。
- オクルーダサイズを大きくすると、曖昧さのレベル(赤または青のチップを描画するための可能性確率の範囲)を増加させる。我々は〜25、50を覆う閉塞の少なくとも3つのレベル、または袋の75%( 図1B)を使用することをお勧めします。
- 被験者はコンピュータ上のタスクを実行するとき、我々は可能な結果の金額の範囲で、それぞれの当選確率/曖昧性レベルを提示。我々は、例えば、額の広い範囲にわたる、5報酬のレベル4を使用することをお勧めします:5、9.5、18、34、65 DOLラース。ディスプレイでは、我々は勝利の色の隣にアウトカム量を提示し、他の色の隣に "0"を表示します。例えば、 図2の赤いチップを描画すると、ブルーチップを描画するゼロ結果をもたらすだろうが18ドルを獲得することになり。
- 批判的に、各被験者に2宝くじの間で選択します。説明を簡単にするために、実験を通して一定のオプションのいずれかを(この例では5ドルを獲得する確率は50%)を維持し、他の唯一のオプションは異なります。これは2つの利点があります。まず、一定のオプションは、視覚的な表示を(リマインダーすべての今、次に役に立つかもしれませんが)簡素化し、画面に表示されている必要はありません。第二に、一つのオプションは変わりませんが、fMRI信号の回帰ベースの分析が効果的に、このパラメータを無視することができますので。ために、参照オプションは試験の両方のタイプが同じでなければならない危険で曖昧な宝くじの主観的な値については、 "共通通貨"を持っていることに注意してください。
- 各組み合わせ確率や曖昧さのレベルと量のるは、少なくとも4回の合計を提示すべきであり、好ましくは、行動やfMRI解析の両方に十分な統計的検出力を確保すること。の繰り返しの赤の半分が非ゼロの結果に関連付けられている必要があり、残りの半分の青で、色の偏りを避けるために、あいまいさに対称性を確保するために。
- 我々は、さまざまな試験に血行動態の応答がよく時間的に分離されているが遅いイベント関連の設計( 図3)、使用することにしました。このような設計では、各抽選はビルドアップの決定に関連する神経活性化のための時間を確保するための遅延期間(ここでは6秒)、続いて2秒のために我々の場合、、で、簡単に刺激として提示されるべきである。応答は短い時間ウィンドウ(1-2秒)以内になされるべきである。被験者はその応答が記録されている知っているので、そのような簡単なフィードバックとして、図3に示すような画像を使用しています。長い休憩時間(10秒、またはMORによって試験を分けるe)ベースラインに戻るには血行動態の応答を可能にすることができる。短い休憩時間は、適切なジッタで使用することができます。最大30の臨床試験への各ブロック内のグループの試験をしますが、ブロックは約10分以上かかることができないようにしてください。これは、パフォーマンスを最大化し、被験者の疲労を最小限に抑えるスキャナで休憩時間を可能にします。確率/曖昧さと量のそれぞれの組み合わせに対応する少なくとも4回の繰り返しを可能にするための試験の合計数は、少なくとも120、 すなわち 4つのブロックになります。
- 彼らはタスクを実行する前に、これらが被験者に示すことができる物理的なバッグを(我々の場合の封筒で)を用意します。彼らは完済のためにランダムに選ばれた裁判(s)を再生するために後で使用されます。実験に用いた各宝くじイメージ用袋を用意します。ディスプレイに表示され、その袋から各色のチップを描画する確率に相当する比率で、100ポーカー/ビンゴ赤と青のチップの合計で各袋を埋める。あいまいなバッグは乱数ジェネレータを使用するためそれぞれの曖昧さのレベルに対応した赤と青のチップの実際の数字を決定します。 50赤、50青のチップを搭載したリファレンス·バッグを準備します。物理的な袋を準備し、被験者にそれらを示すことは心理学の部門で募集対象者にとって特に重要である。これらの科目は、詐欺のいくつかの種類があると思われる可能性があるし、彼らの応答は解釈不能になり詐欺を疑うべきです。
2。件名の準備
- 各被験者は同意書とスクリーニング質問票に記入する必要があります。スクリーニングフォームは、被験者は、彼らが妊娠しているか、閉所恐怖症ではないことを、自分の体の任意の金属を持っていないことを確認し、それらを安全にスキャンすることが可能となる。被験者は、スキャナ環境で安全を確保するために自分の体からすべての金属を除去しなければなりません。これは非常に重要です。
- 実験の詳細な手順を有する被験体を提供する。彼らは理解していることを確認するためにそれらのいくつかの簡単な質問をした確率方法ities及び金額は、各画像に搬送され、彼らは彼らの仕事を理解していることを確認する。彼らの選択に影響を及ぼす可能性のある情報を明らかにしないことを確認してください。たとえば、 彼らは特定のリスク態度偏りの科目をするような方法で直面する選択問題をフレーミングすることはできません 。彼らにそれができないとを改ざんしないことを実験での各画像は、単一の特定の物理的な袋を参照していることを物理的なバッグやストレスを示しています。また、半分に試験の青は勝利の色と半分が赤色になることを説明しています。被験者は、彼らが彼らの選択に応じて支払われますことを理解しているので、支払いの仕組みを説明します。被験者は、彼らが理解していないものについての質問をすることをお勧めします。これは、実験に関する科目の信念が確立されている重要な時期です。これは、被験者が実験は欺瞞の任意の型を伴わないまたは行動と神経の結果が解釈不能となることを確信することが不可欠である。
- 袋を密閉して、被写体がシールの向こう側に彼らの名前を署名する必要があります。これは彼らがあなたが実験中にバッグの中身を変更していないことを実験終了時に確認することを可能にすることを説明します。これは、彼らが完全に公正なゲームをプレイしているという科目を安心させるのに役立ちます。宝くじは、実験終了時に演奏された後、彼らは、彼らが述べられ確率や曖昧さのレベルに適合を確認するために袋の中身を調査するために許可されることも説明しています。
3。スキャニング
- 私たちは、全脳から血液酸素化レベル依存(BOLD)信号を得るためにヘッドコイル(4チャンネル以上)3T MRIスキャナを使用しています。
- 被験者の選択を記録するために2つのボタンのレスポンス·ボックスを使用します。
- 解剖スキャン:我々は、3次元再構成のために使用することができ、被験者の脳の明確な高解像度(1x1x1 mm)の画像を得るためにT1強調MPRAGEシーケンスを使用します。任意の高解像度シーケンスはこのpに使用することができますurpose。
- スキャン機能:我々は、2秒のTR、および3x3x3のボクセルミリメートルで、T2 *加重EPIシーケンスを使用します。彼らはあなたが最も一般的に前頭前野、頭頂葉皮質と大脳基底核、に興味がある脳領域を含めるようにスライスを配置することを確認してください。スキャンパラメータは、特定のスキャナ用に最適化する必要があり、我々が使用されています:TE 30msの、フリップ角75°、AC-PC線に平行ノースライス間のギャップを持つ36 3ミリメートルのスライス、面内分解能の3x3ミリメートル、FOV 192ミリメートルを。他の研究では、AC-PCラインに30°でスライスを配置すると、眼窩前頭皮質6で信号のドロップアウトを減らすかもしれないことを示唆している。
4。支払手続き
- スキャナから件名を削除した後、被験者の応答を記録したコンピュータからの行動データを取得する。
- ランダムに支払いするための1つまたはいくつかの試行を選択します。これは、番号付きのポーカーチップを描画することにより、対象者は、たとえば、選択を行うようにすることをお勧めしすべての試験番号にチップを含む不透明な袋の外。これは、選択は確かにランダムであることを被験者に保証されます。
- 選択した各試験のために被写体を提示選択肢と、彼らはその裁判に行った選択を示しています。その裁判に選ばれた袋からチップを描画するように依頼し、描画色と裁判に提示金額に応じてそれらを支払う。
たとえば、選択した試験は図2に示されている宝くじを発表(曖昧宝くじ、赤チップが描画されている場合は18ドルを提供)と、被験者がこの宝くじを(むしろ参照宝くじより)を選択した場合、被写体が出てチップを描く必要がある場合宝くじの画像に対応する物理的なバッグ。赤いチップが描画されている場合は件名はブルーチップが描画されている場合、彼らは何も受信しません、18ドルを受け取ることになります。
5。行動データを分析
- 我々はロジスティックに、各被験者の選択データに適合最尤法を使用してフォームの機能:
Pvが、被写体が変数宝くじを選んだの確率である、SV、FおよびSV Vはそれぞれ固定および可変オプションの主観的な値であり、γ被験者固有のパラメータであるロジスティック関数の傾きである。別のアプローチは、プロビット分布を使用することです。
- 各被験者について、各オプションの主観的な価値をモデル化するためにあなたのアカウントに金額をとるモデルの数の1、オプションとリスクと曖昧に向かって個々の被験者の態度の確率と曖昧性のレベルを使用することができます。我々は、知覚された確率は7上の曖昧さの非線形効果を含む電力機能5を使用することにしました:
ここで、pは客観的確率である能力(曖昧宝くじのこのクラスの定義0.5により)、多義性レベル(不明である全確率の分数、危険な宝くじの場合は0)であり、Vは量であり、αとβare被写体固有のリスクと曖昧さそれぞれの姿勢パラメータを設定します。いくつかの代替的なアプローチの一つは、指数関数的効果8として曖昧さが含まれるようになります。
選択関数で選択データをフィッティングするため、各被験者のリスク態度(α)と曖昧な態度(β)の推定値を提供します。
6。ニューラルデータの分析
- 2)イントラと相互ラン被写体の動きを考慮するために、モーション補正、3)の除去1)スライススキャン時間別のスライスの回スキャンのわずかな違いを考慮して補正を含む:データの標準的な前処理を行う典型的にはRアール低周波生理的なノイズやスキャナーが漂うとてもうれしそう。
- それらの解剖学的データに各被験者の機能データを登録します。
- 標準的な血行動態応答関数9で畳み込ま全体の試験期間中持続性応答(我々の場合は10秒)、などの各ボクセルの活動はそれぞれ1つのテーマ·レベルのモデルで分析できる。次の予測因子と一般線形モデルを使用して下さい:
- 主観的価値の2つの予測(SV)は、危険な試練とあいまいな試験の1対1。式(2)及び各宝くじのSVを計算するために行動フィットから派生し、個々の被験者の特定のパラメータを使用します。参照宝くじが同じであるため、すべての試験のために我々は、各試験で単独変数宝くじのSVを使用することができます。危険なSVの予測因子については、各リスクの高い試験のSV、各あいまいな裁判のため0とし、あいまいな予測因子のためにその逆を挿入します。
- キャップには、2つのダミーの予測子、曖昧試験の危険試験の1と1、このような視覚とモータアクティベとしてトゥーレ一般の活性化、。
- リスク下のSVの中の係数ボクセルを探し、そして/または曖昧では重要です。重要性のためのテストでは、アカウント行わ多重比較を考慮すべきである。我々が使用される方法は、10 6個の連続機能ボクセルにするクラスタの最小サイズを制限しました。あるいは、このような偽の発見率(FDR)11のような他の方法は、複数の修正を修正するために使用することができます。
7。代表的な結果
行動
図4は 、3つの代表的な被験者の行動の結果を示している。各パネルには、リスク(左)またはあいまい(右)のいずれかに基づいて選択データと一つの主題のためのモデルフィットの結果を提示します。グラフは被験者が確率のレベルごとに別々に、量の関数として変数宝くじを選んれる試験の割合を描く能力やあいまい。見て分かるように、被験者がリスクと曖昧に向かって彼らの態度で大きく変化することがあります。
適合度を調べるために、理想的には0.5以上にしてくださいr 2を 、チェックして、視覚的にもカーブを検査します。すべての私たちの3つの例では、被験者は合理的なフィットを有効に合法的行動がありましたが、テーマはほとんど最低確率(0.13)とのリスクの状態で変数]オプションを選択しないことに注意してください。これは、被験者が治験の少なくともいくつかの変数のオプションを選択することが保証されますので、量および/またはより高い確率を用いて範囲を拡大すると、より良い結果を提供することができること。示唆別のオプションは、金額の広い範囲で、各科目を事前にテストして、参照し、個々のための変数オプションの選択肢の匹敵する数を確保するため、これらの金額を選択することです。
fMRIを
図5は、1つの代表の撮像結果を提示主題。強調ボクセルは主観的な値のあいまいさの下で予測因子(上)または危険(下)の係数が0と有意に異なっていたたものです。この典型的な主題では、有意な相関が内側前頭前野(MPFC)、両条件下での線条体で発見された。これらの領域は、被験者全体で最も一貫していますが、有意な相関はまた内側と外側頭頂葉皮質と同様に、扁桃体の分野で予想されるかもしれません。タスクのこのタイプの活動は通常弱く、雑音があるとして、あなたは唯一の領域のサブセットで有意な相関を示す多くの科目を有する被験者全体で高い変動を想定する必要があります。
図1。リスキーと曖昧刺激が。)危険な刺激では、画面上の各画像の赤と青の領域は封筒の赤と青のチップの数に比例します。三成果確率ワットここで使用ERE:0.13、0.25、0.38。 B)は曖昧な刺激では、画像の中央部分が灰色オクルダーで隠されている。灰色の領域に各色のチップの数が不明であるため、特定の色のチップを描画する確率は正確に知られていない。画像の25%、50%または75%が閉塞されている場所のあいまいさの3つのレベルは、ここで使用されます。
図2。これは50%の曖昧さのレベルでは、あいまいな宝くじ宝くじの例です。エンベロープ内のチップの少なくとも25は赤で、少なくとも25は青色です。赤いチップが描画されている場合は青色チップが描画されている場合、彼らは何も勝てないでしょうが対象は、18ドルを獲得します。
図3。試験構造。宝くじを簡単に遅延期間、続いて提示されます。応答キューは、次に示すように被写体を求めるプロンプトが表示さ画面上で抽選と基準宝くじ(この場合は5ドルを獲得する確率は50%)の間でIR選択肢。試験は長い休息期間にインターリーブされます。
図4。一人の被験者の選択行動の例。グラフはリスキー(左)と曖昧(右)試験において、提供される量の関数として、各被験者が基準以上の変数オプションを選択した試験の割合を示す。様々な曲線は、異なるリスクや曖昧さのレベルのためのものです。 α、リスク態度パラメータ、β、曖昧な態度パラメータであり、R 2、McFaddenの疑似決定係数、モデルによって説明される分散の部分に相当する行動モデルの適合度の尺度であり、nは、数値応答が行われた試験の(180の合計のうち)。
<BR /> 図5。一人の被験者の活性化マップの例。アクティベーションマップは高解像度の解剖画像上に表示されている。ハイライトされた領域は、その活性化著しくリスク(上)下または曖昧さ(下)下の主観的な値と相関していたものです。ほとんどの被験者では内側前頭前野(MPFC)と線条体は、リスクと曖昧性の両方の下で主観的な値を表します。 p値に補正6機能ボクセルの最小クラスタサイズに基づいています。 拡大図を表示するにはここをクリック 。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
我々は、被験者の動作を特徴付けるとリスクと曖昧に向かって個々の姿勢を推定する実験経済学からのメソッドを使用している。次に、神経データを分析するために、これらの推定値を使用していました。
被験者は、リスクと曖昧さの下の選択肢を作る間、fMRIの活性を調べるための他の方法が8,12前に使用されている。我々のアプローチは、しかし、いくつかの重要な機能を兼ね備えています。まず最初に、それは様々なパラメータ(量、確率と曖昧性レベル)を系統的に変化させたパラメトリック·デザインを使用しています。これは、私たちは、個々のリスクと曖昧性の態度を定量化し、各被験者には、各オプションの主観的な値を計算することができます。第二に、個々の行動の尺度を持つことは、私たちは、そのアクティベーション範囲内に被写体のレベルで、リスクと曖昧さのために、別途、その尺度と相関する脳領域を探すことができます。これは一つのパラメータ(主観的価値)はuの神経コーディングを調べるためにクリーンな方法ですそれらの条件(例えば、選択行動など)の間の可能な違いを制御しながら、さまざまな条件を(リスクと曖昧)NDER。第三に、無作為に実験終了時の試験を選択し、実際のお金のためにそれを再生することにより、我々は、被験者が13を自分の本当の好みを明らかにすることをお勧めします。
行動レベルでは、この方法では、個々の被験者のリスクと曖昧な態度を表し、2つしか数字を各被験者のユニークな選択行動を要約することが可能となる。標準的な経済理論では、一貫して行動しているため、これらのえり好みが自分の好みの必要かつ十分な特徴付けであることを示している。別の言い方をすれば、1つはすべてのより複雑な特徴づけは冗長であること)1)は、他の可能性は、より完全な特性評価やコンパクトと2ありえないことを証明することができる。神経レベルでは、この方法は、私たちは個々の被験者ascriその主観的価値の神経表現を識別することができます彼らは特性のこの必要かつ十分なレベルで遭遇するオプションになる。もちろん動作の他の特徴付けも可能ですが、それは1を解決するよりも行動や神経信号のどちらかに完全な方法で関連付けることができない"危険性"のアドホックな措置を使用すると、多くの問題が発生することがあります。
我々は、その活性は主観的な値と相関している領域をローカライズするための具体的な方法を記載した。事前の仮説を必要としない探索的な方法で神経のデータを分析するための他の、相補的な方法があります。クラスタリング手法と独立成分分析(ICA)は、追加のリスクと曖昧関連の活性化を明らかにすることができ、そのような方法があります。
結果は、リスクと曖昧性の今後の研究に使用することができる方法のいくつかの拡張の可能性を示唆し、被験者全体で実質的な行動の変動性を明らかにした。まず、これらの方法は、異なるプローブに使用することができる個人にわたる行動のences、異なる対象集団で、それらの違いの神経相関を識別することができます。特に興味深いのは、薬物乱用の治療を受けているもの、例えば、極端なリスクテイク行動を示すという仮説患者の研究であろう。リスクと曖昧な態度の貢献の間のこのような行動に区別し、それらの神経相関を線引きするような病的な行動のためにと行動と薬理学的介入を考案するための根本的な原因を理解するために重要である。その他の興味深い会場はさまざまな年齢層の様々な文化や人々からの人々を調べることになる。このように、特定の値に関連した活動を識別する能力は、実際の生活の中で観察された差異の中核にあるグループの違いを明らかにする可能性を秘めています。
第二に、法は、個々のsの態度に特定の経験の影響を調べるために使用することができるリスクと曖昧に向かってubjects。行動の操作を行ったり自然のイベントが発生する前と後の実験パラダイムは、例えば、このような教育的介入、ストレス操作、または人生を変えるイベントとして、使用することができる。
第三に、同様のパラダイムは、あなたが対処したいと思います質問に適した成果と確率の異なる範囲で使用することができる。例えば、被験者はより直接的に潜在的な結果( 例えば無謀運転または薬物乱用)は、しばしば否定的である現実の生活の中で危険な行為への実験的な設定を関連付けるために別の損失ではなく、利益の間の選択肢が提示される可能性があります。第四に、非金銭的な成果は、このような食品の選択と社会的選好などの異なるドメインにおけるリスクと曖昧さへの態度を探求するために使用することができる。
このアプローチの重要な特徴は、コンパクトかつ論理的にcを提供するということです完全に一致して、被写体の好みを特徴付ける完全に指定された基礎的な変数に関して行動を特徴づけるomplete方法。これは、このように密接によくアドホック特性を越えて移動理論に縛ら強力なアプローチを提供しています。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
特別な利害関係は宣言されません。
Acknowledgments
我々は、設計上の有意義な議論とコメントのアルドRustichiniに感謝します。
ILとPWGにNIA助成R01-AG033406から研究助成を受けた。
Materials
Name | Company | Catalog Number | Comments |
Allegra Head Only 3.0 T MRI Scanner | Siemens AG | A whole body scanner can also be used | |
NM-011 transmit head coil | Nova Medical | ||
E-prime | Psychology Software Tools | Stimuli presentation software | |
Matlab | Mathworks |
References
- Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
- Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
- Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
- Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
- Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
- Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
- Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
- Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
- Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
- Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
- Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
- Smith, V. L. Papers in experimental economics. , Cambridge University Press. (1991).