Summary
Dieser Artikel beschreibt, wie Amygdala-Aktivität mit Magnetoenzephalographie (MEG) aufzeichnen. Darüber hinaus wird dieser Artikel beschreiben, wie Trace Angstkonditionierung ohne Bewusstsein, eine Aufgabe, die die Amygdala aktiviert befragen. Es deckt 3 Themen: 1) Entwerfen einer Spur Konditionierung mit Rückwärtsmaskierung, um das Bewusstsein zu manipulieren. 2) Aufnahme Hirnaktivität während der Aufgabe mit Magnetoenzephalographie. 3) Mit Quelle Bildgebung Signal von subkortikalen Strukturen wiederherzustellen.
Abstract
In Spur Angstkonditionierung ein bedingter Stimulus (CS) prognostiziert das Auftreten des unbedingten Reiz (UCS), die nach einer kurzen Impulse Zeitraums (Hinlaufintervalls) 1 dargestellt wird. Da die CS und UCS nicht zeitlich gemeinsam auftreten, muss das Thema pflegen eine Darstellung dieser CS während der Hinlaufintervalls. Bei Menschen, erfordert diese Art des Lernens das Bewusstsein für die Risiken Stimulus zur Überbrückung der Trace-Intervall 2-4. Allerdings, wenn ein Gesicht als CS verwendet wird, kann Themen implizit lernen, um das Gesicht auch in Abwesenheit von expliziten Bewusstsein * fürchten. Dies legt nahe, dass zusätzliche neuronale Mechanismen aufrechterhalten kann bestimmte Arten von "biologisch relevant" Impulse während einer kurzen Hinlaufintervalls sein. Da der Amygdala in Spuren Klimaanlage beteiligt ist, und reagiert auf Flächen, ist es möglich, dass diese Struktur eine Darstellung eines Gesichts CS während eines kurzen Intervalls Spur zu halten.
5. Die Präsentation der Maske macht das Ziel unsichtbaren 6-8. Zweitens erfordert Maskierung sehr schnelle und genaue Zeitpunkt macht es schwierig, neuronale Reaktionen von maskierten Stimuli mit vielen gängigen Ansätze evozierten untersuchen. Blood-Oxygenation Level abhängig (BOLD) Antworten auf eine Zeitskala zu langsam für diese Art von Methodik und Echtzeit-Aufnahme-Techniken wie electroen behebencephalography (EEG) und MEG (MEG) haben Schwierigkeiten erholt Signal aus tiefen Quellen.
Allerdings gab es die jüngsten Fortschritte in der angewandten Methoden zur Lokalisierung der neuronalen Quellen der MEG-Signal 9-11. Durch das Sammeln von hochauflösenden MRT-Aufnahmen des Gehirns des Patienten, ist es möglich, ein Source-Modell auf einzelne neuronale Anatomie zu erstellen. Unter Verwendung dieses Modells zu "Bild" die Quellen des MEG-Signal, ist es möglich, das von tiefen subkortikalen Strukturen wiederherzustellen, wie der Amygdala und dem Hippocampus *.
Protocol
Entwerfen einer Spur Konditionierung mit Rückwärtsmaskierung, um das Bewusstsein zu blockieren
1. Design-Stimuli
- Entwerfen Sie die Reize für die beiden Gruppen.
- Wählen Sie 4 neutrale Ausdrücke aus verschiedenen Individuen.
- Richten Sie die Gesichter, so dass das Auge Bereich jedes Gesicht an der gleichen Stelle ist.
- Crop die Gesichter mit einem ovalen, so dass die Haare, Ohren und andere Peripherie-Funktionen nicht mehr sichtbar sind.
- Verwenden Sie die Signal Processing Toolbox in Matlab (Siehe Tabelle 1 für Software erforderlich, um das Experiment laufen) zu hochpassgefilterten Bilder erstellen, indem Sie alle Informationen, die weniger als 5 Zyklen pro Grad 12 ist.
- Erstellen Sie die Maske durch die Verschmelzung mehrerer neutralen Ausdrücke zusammen, und das Hinzufügen von hoher räumlicher Frequenz Rauschen des Bildes.
- Normalisieren alle Bilder so, dass sie gleich Leuchtdichte haben.
2. Programmieren Sie das Experiment mit Präsentation
- Programmieren Sie die Trainings-und Testphasen in Präsentation mit den nachfolgend beschriebenen Parameter (siehe Abbildung 1).
- Darüber hinaus Programm eine separate Datei (PCC), die von der PSYLAB Datenerfassungs-Software-Paket während der Ausbildung und Prüfung verwendet werden, um den Schock durch Präsentation ausgelöst liefern.
- Für das Training Programm 4 Blocks von Differential Spur Angstkonditionierung mit 15 Versuchen pro CS, pro Block.
- Auf jeder Studie präsentieren die CSS für 30 ms.
- Auf jeder Studie präsentieren die Maske für 970 ms.
- Auf jeder CS + Studie präsentieren den Schock UCS für 100 ms, so dass es mit der Maske coterminates.
- Variieren der Lage des CS / Maske Kombination so dass es scheint, zufällig in 1 von 4 Quadranten.
- Präsentieren Sie 1-Studie alle 6 ± 2 sec mit einer variablen intertrial Intervall.
- Für die Test-Session Programm 1 Block reacquisition mit 5 Studien von jedem Gesicht CS und 5 Studien jeweils von zwei neuen Gesicht VGs. Um Ihre Fähigkeit, Hautleitfähigkeitsreaktionen (SCR) während der Tests Studien aufnehmen zu maximieren, präsentieren die CS für 8 sec.
- Auf jeder CS + Studie präsentieren den Schock UCS für 100 ms, so dass es mit dem CS + coterminates.
- Präsentieren Sie 1-Studie alle 20 ± 4 sec unter Verwendung eines variablen intertrial Intervall.
- Weisen Themen zu UCS Lebenserwartung während der beiden Sitzungen berichten, und notieren Sie ihre Antworten unter Verwendung eines MRT / MEG kompatibel Achse Gerät (Joystick, Schieberegler, Zifferblatt; siehe Abschnitt 7).
- Nimm Thyristoren während der Test-Session mit Hilfe von Elektroden an der Unterseite der Teilnehmer linken Fuß (siehe Abschnitt 9).
Aufnahme Hirnaktivität während der Aufgabe mit Magnetoenzephalographie
3. Richten Ausrüstung für Ausbildung bei MEG Suite (siehe Abbildung 2).
- Verbinden Sie den Reiz Präsentation Computer mit dem MEG-Erfassungssystem mit einem Standard-DB25 Multi Stecker Flachbandkabel (siehe Tabelle 2
- Verbinden der Stimuluspräsentation Computer zum PSYLAB eigenständigen Monitor (SAM) mit dem 8-Bit-zu 2-Bit-Adapter und Isolierung der Synchronisation Kabel.
- Die Transistor-Transistor-Logik (TTL) Impulse verwendet, um die Stimulus Präsentationen markieren kann Artefakte verursachen in den MEG-Daten, wenn sie der SAM gesendet werden. Um diese Artefakte zu vermeiden, markieren den Beginn der Impulse unter Verwendung nur der Bits, die durch die Isolierung Adapter blockiert.
- Verbinden Sie den Schock Stimulator (SHK1) an die SAM mit dem Kabel mit dem Gerät zur Verfügung gestellt.
- Führen Sie das abgeschirmte Verlängerungskabel durch den Wellenleiter und verbinden Sie es mit dem Schock Stimulator.
- Schließen Sie das SAM zu einem Computer mit dem PSYLAB Datenerfassungs-Software mit einem Standard-USB-Kabel.
- Schließen Sie den Drehknopf auf den Reiz Präsentation Computer (USB) und der MEG-Erfassungssystem (BNC) mit dem Splitter und gameport-to-gameport/BNC die Gameport-to-USB anpassenäh.
- Nehmen Sie zwei Minuten Sensordaten ohne das Thema in den Raum.
4. Setup-Geräte für Tests im MRI Suite
- Verbinden Sie den Reiz Präsentation Computer mit dem SAM mit der Synchronisation Kabel.
- Verbinden Sie den Schock Stimulator (SHK1) und die Hautleitfähigkeit Verstärker (SC5) an die SAM über die Kabel mit dem Gerät geliefert.
- Führen Sie die abgeschirmte Verlängerungskabel für SCR und Schock durch den Wellenleiter und schließen Sie sie an ihren jeweiligen Einheiten.
- Schließen Sie das SAM zu einem Computer mit dem PSYLAB Datenerfassungs-Software mit einem Standard-USB-Kabel.
- Schließen Sie den Drehknopf auf den Reiz Präsentation Computer mit dem Gameport-USB-Adapter.
5. Setup-Betreff für Ausbildung bei MEG Suite (siehe Abbildung 3)
- Bringen Elektroden und Sensoren, um das Thema mit dem Schema in Abbildung 3 als Leitfaden.
- Bringen Einweg-Elektroden zuMonitor Lidschlag oberhalb und unterhalb des Subjekts rechten Auge.
- Bringen Einweg-Elektroden, um die Herzfrequenz des Subjekts der linken Seite direkt unter dem Herzen und auf der rechten Brust knapp unter dem Schlüsselbein überwachen.
- Befestigen Sie ein Einweg-Elektrode als Referenz auf der Rückseite des Subjekts linken Schulter.
- Bringen Sie zwei Cup-Elektroden des Subjekts das rechte Bein über das rechte Nervus tibialis oberhalb der Innenknöchel, um den Schock zu verabreichen.
- Bringen Sie 4 Kopfposition Indikator (HPI) Spulen zum Thema, eine über jedem Auge und eine hinter jedem Ohr.
- Digitalisieren Sie die Position des Kopfes des Subjektes gegenüber den HPI Spulen mit Bezugspunkten.
- Mit dem Polhemus System, Karte die Position des Subjekts nasion und links und rechts tragisch.
- Richten Sie das Thema der digitalen Kopfposition relativ zu den Bezugspunkten, so dass Sie sicher, dass die Punkte symmetrisch sind.
- Nächste Karte die Position des Subjekts HPI Spulen.
- Schließlich stelligeize 50-100 Punkte entlang der Kopfhaut der.
- Escort die vorbehaltlich der MEG-System und die Elektroden und Sensoren an die entsprechende Schnittstelle.
- Stecken Sie den Einweg-Elektrode führt in den MEG-System Verstärker.
- Stecken Sie das HPI Kabelbaum in den MEG-System.
- Stecken Sie den Schock-Elektrode führt in das abgeschirmte Verlängerungskabel.
- Heben Sie den Stuhl, so dass das Thema der Kopf berührt die Spitze des MEG Helm.
- Positionieren Sie den Bildschirm so, dass das projizierte Bild scharf ist.
6. Shock Aufarbeitung
- Stellen Sie den Schock auf ein Niveau, dass die betreffenden Berichte als schmerzhaft, aber erträglich.
- Arm den Schock Stimulator durch Drehen des Reglers von der Position der 0 mA 5 mA Position.
- Verwalten Sie mehrere Präsentationen der Schock über die Reizkontrolle Fenster aus dem PSYLAB Datenerfassungs-Software-Paket.
- Nach jeder Präsentation haben das Thema bewerten die Intensität des Schlages auf eineSkala von 0 (überhaupt nicht schmerzhaft) bis 10 (schmerzhaft, aber erträglich).
- Erhöhen Sie die Intensität des Schlages bis das Motiv stuft es als 10.
- Notieren Sie den Wert von der Waage in der Parameterwert-Box in der Betreffzeile Details Fenster; Schocks während des Experiments auf den Wert in diesem Feld angegeben verabreicht werden.
7. Handsender
- Weisen Sie das Motiv auf dem richtigen Gebrauch des Zifferblatts an einem Beispiel Szenario Präsentation.
- Anleitung:. "Bewegen Sie den Cursor ganz nach rechts (100), wenn Sie absolut sicher, dass Sie eine Präsentation der Stimulation in naher Zukunft zu erhalten sind bewegen Sie den Cursor ganz nach links (0), wenn Sie sicher sind, dass Sie nicht erhalten eine Stimulation in der nahen Zukunft. Bewegen Sie den Mauszeiger in die Mitte (50), wenn Sie unsicher sind, ob Sie die Stimulation in der nahen Zukunft zu empfangen. "
8. Nimm MEG Während des Trainings
- Record zwei Minuten Rohdaten bei 2 kHz, während das Thema liegt mit offenen Augen.
- Vor dem Training zu beginnen Aufzeichnung Ereignis-Codes und Schockabgabe mit dem PSYLAB Datenerfassungs-Software.
- Achten Sie darauf, dass PSYLAB läuft die richtige PCC-Code, so dass es den Schock sendet, wenn vom Computer ausgelöst.
- Notieren Rohdaten bei 2 kHz bei jeder der vier Trainingsläufe.
- Notieren Sie Online Durchschnitte als einen Weg, um visuell inspizieren die Daten in Echtzeit zur systematischen Lärmquellen.
- Stellen Sie das Thema, um die Intensität des Schocks nach jedem Lauf auf Gewöhnung beurteilen bewerten.
9. Setup-Thema für die Prüfung bei MRI Suite
- Escort das Thema aus dem MEG suite zum MRT.
- Bringen Sie die Elektroden Schock und kalibrieren die Intensität des Schlages.
- Bringen Sie zwei Cup-Elektroden an der Unterseite des Subjekts linken Fuß Thyristoren überwachen.
- Stellen Sie sicher, dass das Thema immer noch versteht, wie man t verwendener Antwort Gerät.
- Positionieren Sie das Motiv auf dem MRT-Tisch, den Kopf zu sichern, und schließen Sie das SCR und Schock-Elektrode führt zu den entsprechenden geschirmten Kabeln.
- Positionieren Sie den Spiegel an der Spitze Spule, so dass der Teilnehmer den Bildschirm hinter dem Kopf Spule platziert sehen können.
10. Nimm fMRI während der Prüfung
- Sammle hochauflösende anatomische Bilder (SPGR).
- Nimm Blut-Sauerstoffversorgung pegelabhängigen Reaktionen während der Test-Session mit Standard-Bildparameter (TR = 2 sec; TE = 25 ms; fleld von view = 24 cm; Flipwinkel = 90 °).
- Nach der Prüfung haben das Thema abzuschließen einen Beitrag experimentellen Fragebogen.
Mit Quelle Bildgebung Signal von subkortikalen Strukturen wiederherzustellen.
11. Analysieren Verhaltens-und fMRT-Daten
- Mit UCS Lebenserwartung um festzustellen, ob Patienten in der Lage, zwischen den Reizen zu unterscheiden waren.
- Durchschnittdie UCS Lebenserwartung Daten für die 900 ms Hinlaufintervalls und dem vorhergehenden 900 ms Bezugszeitraums für jeden Versuch.
- Ziehen Sie den Wert für die Grundlinie Zeitraum vom Wert für die Trace-Intervall zu bestimmen, wie das Thema auf den Regler bewegt nach dem Stimulus-Präsentation.
- Führen Sie eine CS-Typ durch Versuch ANOVA mit wiederholten Messungen über Themen.
- Analysieren Verhaltens-und fMRT-Daten aus der Test-Session mit zuvor veröffentlichten Standards 5,13-15.
12. Vorverarbeitung MRI Volume
- Verwenden Freesurfer 16, einen segmentierten subcortical Volume erstellen und Oberflächen des Kortex, Außenhaut und äußeren Schädel.
- Konvertieren Volumina und Oberflächen zu AFNI lesbaren Format.
- Führen importsurfaces.csh - das erste Mal, wenn Sie das Programm ausführen es alle Dateien, die Sie benötigen, in ein neues "Modell"-Ordner in jeder Person Segmentierung Ordner kopiert wird. Dabei wird auch ein "importsurface.mrml"-Datei, die verwendet werden, um die Brandung zu erstellen istace Modelle der Amygdala und Hippocampus.
- Erstellen und konvertieren Sie die Amygdala und Hippocampus Volumina in Flächen mit Slicer3 und Paraview.
- Führen Slicer3 importsurface.mrml vom Subjekt 'MODEL' Verzeichnis. Dadurch werden die Flächen und Volumen in 3dslicer laden.
- Generieren Modelle von Amygdala und Hippocampus, speichern Modelle als {} Struktur. Vtk.
- Import. Vtk Dateien in paraview.
- Führen filtern "erzeugen Flächennormalen."
- Exportieren Flächennormalen für amy und hipp wie {} Struktur. Lage (ascii-Dateien).
- Importieren Sie die Flächen und Volumen in MRI Brainstorm.
- Führen importsurfaces.csh wieder - dies wird die Flächen in Dateien, die von MATLAB gelesen werden kann und wird alle tess_ {} kopieren Struktur umwandeln mat-Dateien in das Verzeichnis Brainstorm Datenbank..
- Stellen Sie sicher, dass Sie bereits das Thema in Brainstorm vor dem Kopieren tess_ {} Struktur geschaffen. Mat-Dateien in den Ordner Brainstorm (siehe Schritt 14.1).
- Onz erhalten Sie die Oberflächen in Brainstorm sicher sein, um die Datenbank zu aktualisieren.
- Warp das MRI Volumen in Standard-Raum durch die Identifizierung der Bezugspunkte.
- Manuell ausrichten Kopfhaut Oberfläche mit MRI, dann die Kette zu allen anderen Oberflächen.
- Zusammenführen der beiden Pia Oberflächen und reduzieren die Anzahl der Ecken zu 15.000.
- Zusammenführen der beiden Hippocampus Oberflächen und reduzieren die Anzahl der Ecken zu 2.000.
- Zusammenführen der beiden Amygdala Oberflächen und reduzieren die Anzahl der Ecken zu 1.000.
- Zusammenführen der Pia, Hippocampus, Amygdala und Oberflächen.
- Erstellen regions of interest (Pfadfinder) für die Amygdala und Hippocampus.
13. Vorverarbeitung MEG Recordings mit Brainstorm 11
- Neues Thema in der Brainstorm-Datenbank.
- Importieren Sie die Aufnahme MEG-Datei für jede Trainingseinheit.
- Entfernen Artefakte, die durch Quellen außerhalb der magnetisch abgeschirmten Raum (MSR) mit Signal Raum verursachtTrennung 17.
- Entfernen Artefakte, die durch Herz schlägt und Augenbewegungen mit Signalraum Projektionen von Veranstaltungen auf der Elektrokardiographie (EKG) und Elektrookulographie (EOG) Kanäle identifiziert verursacht.
- Überprüfen Sie die Aufzeichnungen, um sicherzustellen, dass Brainstorm korrekt identifiziert Herzschlag und Lidschlag Veranstaltungen.
- Überprüfen Sie die Aufnahmen für andere mögliche Lärmquellen.
- Überprüfen Sie die evozierten Daten aus dem Online-Durchschnittswerte für systematische Quellen Artefakt erstellt.
- Beachten Sie, dass die TTL-Impulse verwendet werden, um das Einsetzen der Reize markieren können Artefakte in den Aufnahmen zu verursachen, wenn PSYLAB SAM gesendet.
- Senden Sie nur TTL-Impulse benötigt, um den Schock für die SAM-Einheit zu verwalten und zu isolieren, das Gerät aus den verbleibenden Impulsen mit dem 8-Bit-auf 2-Bit-Isolation-Adapter.
14. Analysieren evozierte Potentiale mit Brainstorm
- Verwenden Sie den Event-Kanal zu Epochen (-200 ms bis 900 ms) entsprechend identifizierenjeder der experimentellen Studien.
- Grenzen MRI Registrierung mit Kopf Punkten.
- Berechnen Rauschkovarianzmatrix von Aufnahmen.
- Berechnen Kopf-Modell mit überlappenden Sphären Methode mit Cortex als Eingabe.
- Berechnen Quellen über die minimum-Norm Schätzung Verfahren 10.
- Weiter Analyse auf Quellen.
- Band-Pass-Filter Quellen für einzelne Studien (1 Hz bis 20 Hz).
- Nehmen Sie den absoluten Wert der bandpaßgefilterten Quellen und wandeln diese Werte in z-Werte auf Basis Baseline Variabilität.
- Räumlich glätten die Quellen (Sigma = 5 mm).
- Durchschnittliche Quellen über Studien.
- Projekt die Durchschnittswerte auf der Standard-Anatomie für das Experiment.
- Berechnen Sie t-Tests an den Quellen in den verschiedenen Bedingungen.
- Filter signifikanten t-Testergebnisse mit räumlichen und zeitlichen Schwellenwerte für Familien-weise Fehler korrigieren.
- Identifizieren deutlich aktiviert Regionen und exportieren den zeitlichen Verlauf der acMotivation für jedes Thema.
- Berechnen Sie den Mittelwert und die Standardabweichung des Mittelwertes über Themen zu jedem Zeitpunkt.
15. Führen Zeit-Frequenz Decompositions auf ROI mit Brainstorm
- Projekt die Rohdaten aus den einzelnen Studien auf den Standardwert Anatomie für das Experiment.
- Identifizieren und erstellen Regionen von Interesse aus der Analyse der evozierten Reaktion oder aus anatomisch-funktionellen a-priori-Hypothesen.
- Berechnen Zeit-Frequenz-Zerlegung der Daten aus Ihren ROI für jeden Versuch unter Verwendung von Standard-Parameter (Mittenfrequenz = 1 Hz; Zeitauflösung [FWHM] = 3 sec; Frequenzbereich = 10:90 Hz; Frequenzauflösung = 1 Hz).
- Konvertieren resultierenden Zeit-Frequenz-Zerlegung Karten zu z-Scores.
- Durchschnittliche die resultierenden Karten über Studien für jedes Thema.
- Führen t-Tests auf den Karten in den verschiedenen Bedingungen.
Representative Results
Mit den hier beschriebenen Methoden haben unsere Untersuchungen zu zwei wichtigen Erkenntnissen geführt: 1) Es ist möglich, um das Bewusstsein der visuellen CSs während Spur Klimaanlage manipulieren und zeigen noch Beweise des Lernens. 2) Es ist möglich, MEG Signale von der Amygdala mit Quelle Bildgebung erholen.
In Abschnitt 2 haben wir beschrieben, wie man das Bewusstsein für visuelle VGs mit Rückwärtsmaskierung manipulieren. Bei Anschluss an einen maskierten Reiz, der für ~ 30 ms angezeigt wird ausgesetzt, sind die Themen in der Regel nichts von der Stimulus-Präsentation 5,6,8 *. Ein Weg, um den Erfolg dieser Manipulation zu überprüfen ist, um die Themen "Fähigkeit, das Auftreten des UCS vorhersagen zu messen. Wenn die Maskierung Manipulation erfolgreich ist, sollten Patienten nicht in der Lage, genau vorherzusagen, das Auftreten des UCS auf der CS-Typ (siehe Abbildung 4) basiert.
Obwohl der Zeitpunkt für diese Art der Ausbildung macht es schwierig, direkt zu messen learnhinweis während des Trainings. Es ist möglich, indirekt messen, indem sie lernen, auf eine spätere entlarvt reacquisition Test-Session mit alten und neuen Reizen 5 *. Wenn Probanden in der Lage, über die Risiken, die während der Trainingsphase zu lernen, sollten sie eine größere Größenordnung Differential zeigen (CS +> CS-) Thyristoren zu den alten Reize in Bezug auf die neuen Reize. Dieser Effekt zeigt sich in der ungefilterten Gruppe, wenn wir nach der Testphase Studien die Probanden wurden auf die CS-UCS Eventualitäten (dh Trials 2-5, siehe Abbildung 4) wieder ausgesetzt sehen.
In Kapitel 8 haben wir beschrieben, wie man während der MEG maskierten Spur Klimaanlage anzufertigen. Mit Quelle Bildgebung diese Aufnahmen zu verarbeiten, ist es möglich, MEG Signal subkortikalen Strukturen wie der Amygdala 18 * erholen. Themen gezeigt ungefilterten Gesicht (N = 9) CSs weisen größere Amygdala Antworten (Abbildung 5) und gamma Schwingungen (Abbildung 6) als Probanden gezeigt hochpassgefilterten Gesichter (N = 9). Darüber hinaus sind diese Themen zeigen auch größere Reaktionen in einem Netzwerk von Gesicht Verarbeitung Regionen wie dem Hinterkopf Gesichtsbereich (Abbildung 7 und Supplemental Video).
Abbildung 1. Schematische Darstellung einer typischen Trainingseinheit. Derzeit 60 Studien mit einer CS + und 60 Studien ein CS-, in Pseudo-Ordnung, so dass es 4 Blöcke von jeweils 15 Versuche. Präsentieren Sie die CSS für 30 ms, unmittelbar gefolgt von einer 970 ms Maske, die mit dem Schock UCS auf CS + Studien coterminates gefolgt.
Abbildung 2. Schematische depicting das Gerät in einem typischen Experiment verwendet Klimaanlage Dieses Setup ermöglicht es,: 1). vorliegenden visuellen Reizen über die Präsentation Software, 2) verabreichen eine elektrische Stimulation über den UCS Psylab Hardware (SAM), 3) Rekord UCS Lebenserwartung mit einer Achse Gerät (Dial) zur Präsentation Computer angeschlossen ist, und 4) synchronisieren die Stimulus-Präsentationen und Antworten mit den MEG-Aufnahmen über den Erwerb MEG-System-Schnittstelle.
Abbildung 3. Illustration zeigt den Standort der einzelnen Sensoren und Bezugspunkte in Abschnitt 5 beschrieben. Dots mit angehängten Zeilen in der markierten Sensoren und Leitungen entsprechen. Blaue Pfeile stellen die Bezugspunkte verwendet, um die MEG Aufnahmen mit dem MRI anatomische Volumen registrieren. Lila Punkts repräsentieren digitalisierten Kopfhaut Punkte zur weiteren Verfeinerung der MEG-MRT Koregistrierung.
Abbildung 4. Behavioral Ergebnisse aus einer typischen Anlage Studie. Die Grafik links zeigt UCS Lebenserwartung über die Trainingseinheit, brach über die ungefilterten und gefilterten Gruppen. Beachten Sie, dass Probanden zeigen ähnliche Niveaus von UCS Lebenserwartung für den CS + und CS-60 für die Studien, was darauf hindeutet, dass die Maskierung Verfahren ihre Fähigkeit, zwischen der CSS (F (1,17) = 2,19, p = 0,16) unterscheiden blockiert. Die Grafik auf der rechten Seite zeigt die differentiellen Thyristoren während der Test-Session. Beachten Sie, dass das ungefilterte, nicht aber die gefilterte Gruppe zu sein, zeigt eine größere Differenz zu den Thyristoren Old Reize als die New Reize (Ungefiltert scheint Neu / Old x CS + / CS-Interaktion: F (1,7) = 5,94, p = 0,045; Gefiltert Neu / Alt x CS + / CS-Interaktion: F (1,7) = 1,13, p = 0,32), was darauf hindeutet, dass die Ausbildung führt zu einer besseren Rückerwerb der CS-UCS Verbände für diese Fächer. (* P <0,05).
Abbildung 5. MEG Ergebnisse von einem typischen Experiment Klimaanlage. Die Abbildung auf der linken Seite zeigt die 3D-Modelle der Amygdala (orange), Hippocampus (grün), und der Großhirnrinde verwendet, um die Quellen der MEG-Signal zu modellieren. Die Grafik auf der rechten Seite stellt Tätigkeit von einer Amygdala-Cluster aus den Aufnahmen MEG modelliert. Die helle Linie stellt die Aktivität durch ungefilterte Gesichter hervorgerufen, während die dunkle Linie stellt die Aktivität durch gefilterte Gesichter hervorgerufen. Vertikale grau schattierten Bereiche stellen Zeitintervallen wo ungefilterte Gesichter erinnern deutlich größer Antworten als gefilterte Flächen (F (1,17)> 3,44, p <0,05). Klicken Sie hier, um eine größere Abbildung anzuzeigen .
Abbildung 6. Amygdala Zeit-Frequenz-Ergebnisse von einem typischen Experiment Klimaanlage. Die Abbildung auf der linken Seite zeigt die 3D-Modelle der Amygdala (orange), Hippocampus (grün), und der Großhirnrinde verwendet, um die Quellen der MEG-Signal zu modellieren. Die Grafik auf der rechten Seite stellt die MEG-Signal von der Amygdala nach unten durch Zeit und Frequenz gebrochen aufgezeichnet. Warme Farben repräsentieren Regionen in den Spektrographen, die deutlich mehr Leistung für unfiltere zeigend steht als für gefilterte Gesichter. Kühle Farben repräsentieren das Gegenteil. Regionen mit dem gestreiften Overlay repräsentieren signifikante Unterschiede zwischen den Gruppen. Klicken Sie hier, um eine größere Abbildung anzuzeigen .
Abbildung 7. Abbildung zeigt okzipitalen Gesichtsbereich Aktivierung in einem typischen Konditionierungsexperiment. Farben repräsentieren die Größe des ungefilterten> Filtered t-Test an der entsprechenden Dipol. Warme Farben repräsentieren größere Reaktionen auf ungefilterte Gesichter als gefilterte Gesichter. Kühle Farben repräsentieren größere Reaktionen auf Gefiltert Gesichter als ungefilterte Gesichter.
Supplemental Video. Video zeigt kortikalen Antworten in einer typischen conditienantrieb Experiment. Farben repräsentieren die Größe der ungefilterte> Gefiltert t-Test bei der entsprechenden Dipol. Warme Farben repräsentieren größere Reaktionen auf ungefilterte Gesichter als gefilterte Gesichter. Kühle Farben repräsentieren größere Reaktionen auf Gefiltert Gesichter als ungefilterte Gesichter. Klicken Sie hier, um zusätzliche Film anzusehen .
Discussion
In diesem Papier beschreiben wir die Methoden 1) zu Themen sensibilisieren Ziel CSs während eine Spur Angst Konditionierung zu manipulieren. 2) und MEG-Signal von der Amygdala während erholen Spur Angstkonditionierung ohne Bewusstsein. Mit diesen Methoden konnten wir diese Spur Klimaanlage ohne Bewusstsein ist möglich, wenn die Gesichter verwendet werden, um die UCS vorhersagen zeigen. Dieses Ergebnis legt nahe, dass Gesichter spezielle Verarbeitung erhalten, auch wenn unter dem Wahrnehmungs Nachweisgrenze * vorgestellt. Im Einklang mit diesem Ergebnis haben wir festgestellt, dass breites Spektrum Gesichter erinnern robust Amygdala Antworten und Ausbrüche von Gamma-Oszillationen während des Hinlaufintervalls. Dieses Ergebnis legt nahe, dass die Amygdala Lage ist, eine Darstellung eines Gesichts CS während einer kurzen Hinlaufintervalles ist.
Obwohl zusammen gestellt werden, können diese beiden Methoden unabhängig als auch verwendet werden. Zum Beispiel ist es möglich, nach hinten zu verwenden Maskierung Ziel manipulieren visibilkeit in anderen Paradigmen, wo Verhalten durch emotionale Stimmungen unter dem Niveau des Bewusstseins 5,6,8 * verarbeitet betroffen sein können. Darüber hinaus verwenden die Quelle Bildgebung hier beschriebene Ansatz ist es möglich, 3D-Modelle von anderen subkortikalen Strukturen zu schaffen, und es kann möglich sein, das von diesen Strukturen zu erholen während andere Region spezifische Aufgaben. Zum Beispiel werden unter Verwendung Quelle Bildgebung Modell Hippocampus Aktivität, kann es möglich sein, erholen MEG Signal von hippocampalen Quellen während Aufgaben wie räumlichen Navigation.
1) Block Bewusstsein der Ziel-Stimuli, 2) und maximieren die Fähigkeit, Impulse hervorgerufen Amygdala Antworten mit MEG erkennen: Die hier beschriebenen Methoden wurden mit zwei Toren im Verstand entworfen. Diese Design-Einschränkungen machen es schwierig, die Themen "implizites Wissen der Reiz Eventualitäten zu messen. So beheben Thyristoren über den Verlauf von mehreren Sekunden 5,13, aber der CSS werden nur präsentiertfür ~ 30 ms während der Ausbildung und der Schock kurz nach (~ 900 ms) vorgestellt. Angesichts dieser Zeitdruck, wird CR Ausdruck zwangsläufig von UCR Ausdruck werden während der Ausbildung verwechselt. Aufgrund dieser Kolinearität, ist es notwendig, die Themen "Wissen der Reiz Eventualitäten mit einer anschließenden entlarvt Test-Session zu testen. Doch ein Test-Session am Ende des Experiments ist nicht optimal, weil Thyristoren zu gewöhnen über den Verlauf des Experiments 1 neigen. Da die Anzahl der Versuche benötigt, um zuverlässige evozierte Potentiale mit MEG zeigen, wird diese SCR Gewöhnung deutlich sinken die Macht, eine Verhaltens-Effekt des Trainings zu erkennen. Zukünftige Studien sollten auf der Suche nach besseren Möglichkeiten zur Index implizites Lernen während Angstkonditionierung mit maskierten CSs konzentrieren. Dies könnte entweder durch eine Alternative zu finden Index der Angst während des Trainings (dh Pupillenerweiterung 19,20) oder einen empfindlichere Messung der Angst, die Verwal sein kann getan werdenstr ert nach dem Training.
Disclosures
Die Autoren haben nichts zu offenbaren.
Acknowledgments
Diese Studie wurde durch das National Institute of Mental Health (MH060668 und MH069558) unterstützt.
Materials
| Name | Company | Catalog Number | Comments |
| Software | |||
| Matlab | Mathworks | mathworks.com/products/matlab | |
| Presentation | Neurobehavioral Systems | neurobs.com | |
| Psylab | Contact Precision Instruments | psychlab.com | |
| AFNI | NIMH - Scientific and Statistical Computing Core | afni.nimh.nih.gov/afni | |
| Freesurfer | Martinos Center for Biomedical Imaging | surfer.nmr.mgh.harvard.edu/fswiki | |
| MNE | Martinos Center for Biomedical Imaging | nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | |
| Brainstorm | open-source collaboration | neuroimage.usc.edu/brainstorm | |
| 3d Slicer | open-source collaboration | slicer.org | |
| Paraview | Kitware | paraview.org | |
| Table 1. Software used Software used. | |||
| Equipment | |||
| Physiological Monitoring System | |||
| Psylab stand alone monitor (x2) | Contact Precision Instruments | SAM | |
| Skin conductance amplifier | Contact Precision Instruments | SC5 | |
| Shock stimulator (x2) | Contact Precision Instruments | SHK1 | |
| Additional Components | |||
| 8-bit synchronization cable (x2) | Contact Precision Instruments | Included with SAM | |
| 8-bit to 2-bit isolation adapter | N/A | Custom | |
| DB25 ribbon cable (x2) | N/A | Standard | |
| Shielded extension cable (x3) | Contact Precision Instruments | CL41 | |
| Radiotranslucent cup electrodes for SCR and shock (x6) | Biopac | EL258-RT | |
| Signa Gel | Parker Laboratories | 15-250 | |
| Response Device | |||
| Rotary dial with gameport connector (x2) | N/A | Custom | |
| Gameport-to-gameport/BNC splitter | N/A | Custom | |
| BNC cable | N/A | Standard | |
| Gameport-to-USB adapter (x2) | Rockfire | RM203U | |
| Additional Components for MEG Setup | |||
| HPI coils and wiring harness | N/A | Custom | |
| HPI positioning system | Inition | Polhemus Isotrak | |
| Table 2. Equipment used. | |||
References
- Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. Neural substrates mediating human delay and trace fear conditioning. Journal of Neuroscience. 24, 218-228 (2004).
- Knight, D. C., Nguyen, H. T., Bandettini, P. A. The role of awareness in delay and trace fear conditioning in humans. Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).
- Manns, J. R., Clark, R. E., Squire, L. R. Parallel acquisition of awareness and trace eyeblink classical conditioning. Learning & Memory. 7, 267-272 (2000).
- Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. Fear acquisition requires awareness in trace but not delay conditioning. Psychophysiology. 44, 170-180 (2007).
- Balderston, N. L., Helmstetter, F. J. Conditioning with masked stimuli affects the timecourse of skin conductance responses. Behavioral Neuroscience. 124, 478-489 (2010).
- Flykt, A., Esteves, F., Öhman, A., Ohman, A. Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat. Biological Psychology. 74, 328-336 (2007).
- Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. On the unconscious subcortical origin of human fear. Physiology & Behavior. 92, 180-185 (2007).
- Whalen, P. J., et al. Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge. Journal of Neuroscience. 18, 411 (1998).
- Huang, M. X., Mosher, J. C., Leahy, R. M. A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG. Physics in Medicine and Biology. 44, 423-440 (1999).
- Hämäläinen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Medical & Biological Engineering & Computing. 32, 35-42 (1994).
- Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).
- Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. Distinct and convergent visual processing of high and low spatial frequency information in faces. Cerebral Cortex. 17, 2713-2724 (2007).
- Cheng, D. T., Richards, J., Helmstetter, F. J. Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock. Learning & Memory. 14, 485-490 (2007).
- Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning. Neuroreport. 10, 3665-3670 (1999).
- Schultz, D. H., Helmstetter, F. J. Classical conditioning of autonomic fear responses is independent of contingency awareness. Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).
- Fischl, B., et al. Sequence-independent segmentation of magnetic resonance images. NeuroImage. 23, 69-84 (2004).
- Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the Signal Space Separation Method. Brain Topography. 16, 269-275 (2004).
- 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).
- Reinhard, G., Lachnit, H., König, S. Tracking stimulus processing in Pavlovian pupillary conditioning. Psychophysiology. 43, 73-83 (2006).
- Reinhard, G., Lachnit, H. Differential conditioning of anticipatory pupillary dilation responses in humans. Biological Psychology. 60, 51-68 (2002).
