Summary

如何检测杏仁核活动脑磁图源成像

Published: June 03, 2013
doi:

Summary

本文介绍了如何记录脑磁图(MEG)的杏仁核活动。此外,这篇文章将介绍如何进行跟踪恐惧空调没有意识,激活了杏仁核的任务。它将涵盖3个主题:1)设计一丝空调使用后掩蔽操纵意识的范式。 2)记录大脑活动的任务期间,利用脑磁图。 3)使用源成像皮层下结构恢复信号。

Abstract

在一丝恐惧条件,一个条件刺激(CS)预测发生的无条件刺激(UCS),这是经过短暂的刺激无霜期(微量间隔)1。因为CS和UCS不共同发生的时间,主体必须保持跟踪间隔期间,CS表示。在人类中,这种类型的学习需要的刺激或然意识,以弥合追踪间隔2-4。然而,当面对作为一个CS,受试者可以隐学习敬畏的脸,甚至在没有明确的意识*。这表明,有可能是额外的神经机制能够保持在一个简短的扫描间隔的某些类型的“生物相关的”刺激。给定的杏仁核参与痕量空调,和面敏感,它可能是一个简短的跟踪间隔期间,该结构可以维护表示的面部CS。

<p clas=“jove_content在”>这是具有挑战性了解大脑是如何关联的未被发觉面对与厌恶的成果,是即使两个刺激在时间上分开。此外,调查这一现象很难通过两个具体的挑战。首先,它是难以操纵的视觉刺激的被检者的意识。操纵视觉意识的一种常见方法是使用后掩蔽。后掩蔽,简要介绍了目标刺激(<30毫秒)和紧接着介绍重叠掩蔽刺激5。介绍的面具呈现目标无形6-8。二,掩蔽需要非常快速和精确的定时,使其难以调查使用许多常见的方法掩蔽刺激诱发的神经反应。血液氧合水平依赖(BOLD)的反应时间表太慢这种类型的方法,实时的录音技术,如electroen解决颅摄影(EEG)和脑磁图(MEG)有困难,恢复从深源信号。

然而,最近有进步的方法用于本地化的神经来源的MEG信号9-11。通过收集被检者的大脑高分辨率MRI图像,它是能够创建一个源模型的基础上个别神经解剖学。使用这个模型来“形象”的MEG信号源,它是可以恢复信号从深皮层下结构,如杏仁核和海马*。

Protocol

设计一丝空调使用后掩蔽阻止意识的范式 1。设计刺激两组设计刺激。 选择4来自不同个体的中性表情。 对齐的面,每个面的眼睛区域是在相同的位置。 作物的面孔用一个椭圆形,使头发,耳朵和其他外设功能不再可见。 使用信号处理工具箱在Matlab软件需要运行实验( 见表1),以创建高通滤波图像,删除所有信息是少于5个周期,每度12。 一些中性表情合并在一起,并加入高空间频率噪声的图像,创建口罩。 标准化所有图像,使它们具有相同亮度。 2。计划使用演示实验计划的培训和测试阶段,演示使用的参数如下( 见图1)。 此外,方案由PSYLAB数据采集软件包将被用来训练和测试,以提供演示所引发的震荡一个单独的文件(PCC)。 对于4块差一丝恐惧空调每CS,每块有15个试验培训会议程序。 在每次试验呈现CSS为30毫秒。 在每次试验呈现口罩,970毫秒。 在每个CS +试用呈现100毫秒的冲击UCS,,以便它coterminates,掩码。 发生变化的CS /掩模组合的位置,以便它随机出现的1的4个象限。 使用一个变量的试验间的间隔在1日起试行,每6±2秒。 用于测试会话程序1块5试验每个面的CS和5项试验两个新的脸上CSS公司买回。 </LI> 为了最大限度地发挥你的能力,测试试验期间记录皮肤电导反应(可控硅),目前CS,持续8秒。 在每个CS +试用呈现100毫秒的冲击UCS,,以便它coterminates与CS +。 使用一个变量的试验间的间隔在1日起试行每20±4秒。 指示在这两个会议主题报告UCS预期,并记录他们的反应,使用的MRI / MEG兼容的的轴设备(摇杆,滑块,拨号,参见第7章)。 左脚使用连接参与者的底部的电极的测试会话期间的世界纪录的SCR(见第9节)。 任务期间记录的大脑活动利用脑磁图 3。设置培训在MEG室(见图2)设备。 刺激呈现计算机连接到MEG采集系统使用标准DB25多功能接头带状电缆( 见表2 </stroNG>必要的设备来进行实验。)。 刺激呈现计算机连接到PSYLAB独立的监视器(SAM),使用8位的2位的隔离适配器和同步电缆。 晶体管 – 晶体管逻辑(TTL)脉冲刺激演示用来标记可能会导致文物在MEG的数据,如果它们被发送到SAM。为了避免这些工件,标记只使用位阻断隔离适配器的刺激发病。 连接到SAM震荡刺激(SHK1),使用电缆单位提供。 通过屏蔽延长线通过导波,并把它连接到的震撼刺激。 将SAM到电脑运行PSYLAB数据采集软件使用标准的USB电缆。 连接旋转转盘刺激呈现电脑(USB)和MEG采集系统(BNC)使用分离器和游戏端口USB适应gameport-to-gameport/BNC呃。 两分钟的传感器数据记录,而不在房间的主题。 4。在MRI套件安装测试设备刺激呈现计算机连接到SAM使用同步电缆。 的SAM使用与单元一起提供的电缆连接的打击刺激(SHK1)和皮肤电导放大器(SC5)。 通过屏蔽延长电缆通过波导SCR和冲击,并把它们连接到各自的单位。 将SAM到电脑运行PSYLAB数据采集软件使用标准的USB电缆。 旋转转盘刺激呈现电脑使用的游戏端口USB适配器连接。 5。设置主题在MEG套房培训(见图3) 将电极和传感器的使用原理图如图3为导向的主题。 一次性电极连接到显示器eyeblinks主体的右眼上方和下方。 将一次性电极监测心脏速率主体的左侧心脏下方和右胸部锁骨下方。 将一个一次性电极作为参考的背面的被检者的左肩。 两个杯电极连接到管理主体的右腿,右胫神经内踝上方震荡。 将4头位置指示器(HPI)线圈的主题,一个眼睛上面每个耳朵后面。 数字化主体的头部相对于HPI线圈使用基准点的位置。 使用Polhemus公司系统,地图主体的鼻根的位置,和左右的悲喜剧。 将被检者的数字头的相对位置的基准点,确定的点是对称的。 下一步地图主体的HPI线圈的位置。 最后,数字IZE 50-100点沿着主体的头皮。 护送受MEG系统,电极和传感器连接到相应的接口。 一次性电极插头导致MEG系统放大器。 MEG系统将HPI线束。 电击电极插头到屏蔽延长线引出。 提高主体的头部接触椅子,使MEG头盔的顶部。 在屏幕上定位,使投影图像是关注的焦点。 6。冲击全面评估设置震动程度,是痛苦的,但容忍的主题报告。 臂的震撼刺激转动拨盘从0 mA位置5毫安的立场。 辖几个演示的震撼刺激控制窗口从PSYLAB的数据采集软件包。 在每个演示文稿的主题速率上的冲击强度规模从0(而不是在所有的痛苦),10(痛苦的,但容忍)。 逐步加大的震荡,直至主体评级为10。 从规模上记录的价值主体的细节窗口在参数值对话框中,在此框中的值表示在实验过程中,将管理冲击。 7。响应设备指导正确使用拨号使用的例子演示场景的主题。 说明:“移动游标一路权(100),如果你绝对相信,在不久的将来,您将收到一条介绍的刺激。将光标移动到左(0)的方式,如果你是肯定在不久的将来,你不会收到刺激,将光标移动到中间(50)如果您不确定您是否会在不久的将来收到的刺激。“ 8。在培训过程中记录MEG RECORD两分钟的原始数据,在2 kHz,而主体在于他们的眼睛睁得大大的。 训练之前开始记录事件代码和冲击交付使用PSYLAB数据采集软件。 确保PSYLAB运行适当的PCC代码,所以它发出的冲击时,由计算机引发的。 在2 kHz记录的原始数据,在每四个跑步训练。 作为一种视觉检查系统的噪声源中的数据实时在线记录的平均值。 询问受利率冲击的强度,每次运行后评估习惯。 9。测试设置主题MRI套房护航的主题,从MEG套件的MRI套房。 重新将震荡电极和重新校准的冲击强度。 将两个杯子电极附加到被检者的左右脚的底部,可以监控可控硅。 确保主题仍然懂得如何使用他的反应设备。 的MRI表上的主题定位,确保他们的头,并连接SCR和电击电极导致相应的屏蔽电缆。 附加镜头线圈,使参与者可以看到放置在屏幕后面的头线圈的位置。 10。在测试过程中记录的fMRI 收集高分辨率的解剖图像(SPGR)。 记录血液氧合程度取决于反应过程中使用标准的摄像参数的测试会话(TR = 2秒,TE = 25毫秒;视图= 24厘米fleld翻转角= 90°)。 经过测试,让主体完成实验后的问卷调查。 使用源成像皮层下结构恢复信号。 11。行为和fMRI数据分析使用UCS期望,以确定是否能够刺激之间的歧视。 平均UCS的预期数据追踪间隔900毫秒和900毫秒前面基准期为每个审判。 减去基准期从跟踪时间间隔,以确定的主题是如何移动的表盘刺激呈现后的值的值。 通过试验重复测量方差分析跨学科进行CS类型。 分析行为和fMRI的数据从测试会话使用先前公布的标准5,13-15。 12。预处理MRI音量的使用Freesurfer 16建立分段皮层体积和表面的皮质,外层的皮肤,颅骨外。 体积和表面到AFNI可读格式。 运行importsurfaces.csh – 你第一次运行程序,你需要进入一个新的“模式”在每个主题的分割文件夹的文件夹,将所有文件复制。它还将创建一个'importsurface.mrml的文件,该文件是用于创建冲浪杏仁核和海马的王牌车型。 创建并转换成表面使用Slicer3和的Paraview的杏仁核和海马体积。 运行Slicer3 importsurface.mrml从主体的“模型”目录。这将加载的表面和卷成3dslicer。 杏仁核和海马的生成模型,模型保存为{结构}。vtk的。 进口vtk的文件par​​aview的。 运行过滤器“生成表面法线。” 导出表面法线艾米和HIPP {结构}。层(ASCII)文件。 导入的表面和MRI量进入头脑风暴。 再次运行importsurfaces.csh“ – 这将表面转换成文件,可以用matlab读取和复制所有的tess_ {结构}格式的文件到脑力激荡数据库目录。 请确保您已经创建的主题之前:复制tess_ {结构}脑力激荡头脑风暴文件夹(见步骤14.1)格式的文件。 ØNCE到脑力激荡,一定要刷新数据库,你得到的表面。 经MRI成标准的空间量,确定基准点。 手动对齐与MRI头皮表面,然后将所有其他表面的经线。 合并这两个软脑膜表面和顶点总数减少到15,000。 合并这两个海马表面和减少了的顶点总数为2000。 合并两个杏仁核的表面的顶点总数减少到1,000。 合并软脑膜,海马和杏仁核的表面。 创建感兴趣区域(球探),杏仁核和海马。 13。预处理MEG录制使用脑力激荡11 的脑力激荡数据库中创建新的课题。 每次训练,进口MEG记录文件。 清除文​​物造成源外磁屏蔽室(MSR)信号空间分离17。 清除文​​物造成的心脏跳动和眼球运动的事件预测确定的心电图(ECG)和电图(EOG)通道的信号空间。 检查记录,头脑风暴,以确保正确确定心脏的跳动和eyeblinks事件。 其他可能的噪声源的检查记录。 检查从网上平均神器系统来源诱发的数据。 请注意,TTL脉冲用来标记的刺激的发作可能会导致文物的录音,如果发送到PSYLAB SAM装置。 仅发送TTL脉冲需要管理SAM装置和隔离单元2位隔离适配器使用8位的剩余脉冲震荡。 14。使用脑力激荡诱发电位分析使用识别时代(-200毫秒至900毫秒),对应的事件通道各试验。 缩小MRI登记用头点。 计算噪声方差录音。 计算头模型作为输入使用重叠的领域与皮质的方法。 计算来源,使用最小范数估计方法10。 继续分析来源。 带通滤波器源为单个试验(1赫兹到20赫兹)。 带通滤波源的绝对值,这些值转换成z分数的基础上的基线变异。 空间平滑源(σ= 5毫米)。 平均各试验。 投射到默认的解剖实验的平均值。 计算t检验,在不同条件下的来源。 过滤重大t检验结果使用空间和时间阈值修正为家庭明智的错误。 确定显着激活区域和出口交流的时间过程为每个主题tivati​​on。 计算在每个时间点的平均值和标准误差的平均值跨学科。 15。投资回报率使用头脑风暴进行时频分解项目个别试验到默认解剖实验的原始数据。 识别和创建的感兴趣区域,从诱发反应的分析或从anatomo官能先验假设。 从投资回报率的数据计算时频分解每次试验中使用的标准参数(中心频率= 1赫兹,时间分辨率[FWHM] = 3秒;频率范围= 10:90赫兹频率分辨率= 1赫兹)。 转换时频分解映射到z分数。 平均为每个主题各试验生成的映射。 在不同的条件下在地图上进行t检验。

Representative Results

使用这里介绍的方法,我们的调查已导致两个主要结论:1)这是可能的操纵人们的视觉CSS在跟踪空调,仍然证明学习。 2)它是可以恢复从杏仁核使用源成像* MEG信号。 在第2节中,我们介绍了如何操纵视觉CSS认识后掩蔽。当暴露在一个蒙面的刺激所显示的〜30毫秒,受试者是不知情的刺激呈现5,6,8 *。这种操作是否成功的方法之一是测量受试者的能力,预测发生的UCS。如果掩蔽操作是成功的,主体应是无法准确地预测的CS类型(参见图4)的基础上发生的UCS。 虽然在这种类型的培训时间使得它很难直接测量文件在培训过程中的故障警告。这是可能的间接衡量学习使他们与新老刺激后续东窗事发买回测试环节5 *。如果受试者能够了解然,在训练阶段,他们应显示更大的幅度差(CS +> CS)可控硅新的刺激相对老刺激。未筛选组中,这种效果是明显的,当我们在看测试阶段试验后受试者被重新接触到CS-UCS然( 即试验2-5 见图4)。 在第8节,我们介绍了如何在蒙面跟踪空调会议记录MEG。使用源成像处理这些录音,有可能恢复MEG信号皮层下结构,如杏仁核18 *。主题未经过滤的脸(N = 9)CSS表现出较大的杏仁核反应( 图5),GAM马振荡( 图6),显示高通滤波面(N = 9)比。另外,这些受试者的反应也表现出较大的网络面孔加工区,如枕部脸区域( 图7和补充视频 )。 图1。示意图描绘了一个典型的培训会议。目前的60项试验的CS +和60试验的一个CS,伪随机顺序排列,这样,有4块各15试验。目前CSS为30毫秒,后面紧跟着一个970毫秒的面具,coterminates震荡UCS CS +试验。 图2。示意图depicti的纳克在一个典型的空调实验中使用的设备,这种设置使得它可以:1)目前的视觉刺激,通过演示软件,2)管理的电刺激的的Psylab硬件(SAM),3)记录UCS预期UCS通过使用轴设备(拨号)连接到演示计算机,和4)刺激的情况介绍和对同步与的MEG录音,通过收购MEG系统接口。 图3。示出第5节中所描述的传感器和基准点的位置。与连接的线的点对应于标记的传感器和引线。蓝箭头表示用于注册MEG录音MRI解剖量的基准点。紫色点s代表数字化使用的头皮点进一步细化MEG-MRI配准。 图4。过滤和过滤的群体行为结果,从一个典型的空调研究。左图显示UCS整个培训会议的预期,全线崩溃。请注意,受试者都出现了类似的水平UCS预期CS +和CS-横跨60个试验,表明屏蔽程序阻止自己的能力来区分的CSS(F(1,17)= 2.19,P = 0.16)。右图显示差分可控硅测试会话期间。请注意,未经过滤,但过滤组似乎显示出较大的差分可控硅旧的刺激,比新的刺激(未过滤的新/ OLD x瑞+ / CS互动:F(1,7)= 5.94,P = 0.045;过滤新/旧x瑞+ / CS互动:F(1,7)= 1.13,P = 0.32),提示该培 ​​训导致更好地买回这些科目的CS-UCS协会。 (* P <0.05)。 图5。 MEG结果从一个典型的空调实验。在左边的图显示了杏仁核(橙色),海马(绿色),用于模拟大脑皮层的MEG信号源的3D模型。右图表示仿照从MEG录音的杏仁核簇的活动。浅色线代表活动诱发的未过滤的面孔,而深色的线代表活动诱发过滤面。 VErtical灰色阴影部分表示的时间间隔,未过滤的面孔唤起显着更大的反应比过滤面(F(1,17)> 3.44,P <0.05)。 点击这里查看大图 。 图6。杏仁核时间频率从一个典型的空调实验结果在左边的图显示了杏仁核(橙色),海马(绿色),用来模拟脑磁图信号的来源和大脑皮层的三维模型。右图表示的MEG信号记录的时间和频率细分杏仁核。暖色代表摄谱仪地区的显着更多的权力unfiltereð面临比过滤面孔。冷色代表相反。条纹覆盖的地区代表组之间的显着差异。 点击这里查看大图 。 图7。图,在一个典型的空调实验示出枕脸部区域的激活。颜色代表的幅值在相应的偶极子筛选的“未过滤”> t-检验。暖色代表未过滤的面孔,而不是过滤面较大的反应。冷色代表较大的反应,过滤,而不是未过滤的面孔面孔。 补充视频,视频显示在一个典型的条件皮质反应oning实验。颜色代表的幅值在相应的偶极子筛选的“未过滤”> t-检验。暖色代表未过滤的面孔,而不是过滤面较大的反应。冷色代表更大的回应,而不是未过滤的面孔过滤面孔。 点击这里查看补充电影 。

Discussion

在本文中,我们描述的方法1)期间操纵主体意识的目标CSS一丝恐惧调节范式。 2)和恢复MEG信号从杏仁核在跟踪恐惧空调不认识。使用这些方法,我们能够表明跟踪空调不认识是可能的人脸时,被用来预测该UCS。这一结果表明,面孔受到特殊处理,即使低于感性检测阈值*。与此结论相一致,我们发现,广谱面临的追踪间隔期间,唤起强大的杏仁核反应和阵阵伽马振荡。这一结果表明,扁桃体是能够保持在一个简短的扫描间隔的面部CS表示。

虽然在一起,这两种方法可以独立使用。比如,它有可能使用反向掩蔽操纵目标能见度其他范式性的行为可能会受到情感线索加工水平以下的意识5,6,8 *。此外,使用所述的源成像的方法,在这里它是未能创建的3D模型的其他皮层下结构,有可能恢复信号从这些结构在其他区域特定的任务。例如,通过使用源成像模型海马活动,它可能会恢复MEG信号在空间导航任务,如海马来源。

此处所述的方法,设计了两个目标:1)块的目标刺激,2)意识,并最大限度地提高检测能力刺激诱发杏仁核反应MEG。这些设计上的限制,使其难以测量受试者的内隐知识的刺激或然。比如,可控硅解决的过程中几秒钟,5,13,但是,只介绍了CS〜30毫秒在培训过程中,震荡后不久(约900毫秒)。鉴于这些时间限制,将不可避免地混淆CR表达UCR表达在训练中。由于这种共线性,这是必要的测试受试者的采用后续的未屏蔽的测试会话的刺激或然的知识。然而,实验结束后,在测试会话不是最优的,因为可控硅往往习惯于实验1的过程中。由于试验需要数显示可靠的诱发反应与MEG,这SCR习惯将大大降低电源检测行为的训练效果。未来的研究应着眼于寻找更好的方法来指数内隐学习在蒙面CSS恐惧空调。这可以通过在培训期间( 散瞳19,20)找到一个替代的恐惧指数或恐惧找到一个更敏感的措施,可以是政府上台培训会议后stered。

Disclosures

The authors have nothing to disclose.

Acknowledgements

这项研究是由美国国家心理健康研究所(MH060668 MH069558)支持。

Materials

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

  1. 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).
  2. 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).
  3. Manns, J. R., Clark, R. E., Squire, L. R. Parallel acquisition of awareness and trace eyeblink classical conditioning. Learning & Memory. 7, 267-272 (2000).
  4. 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).
  5. Balderston, N. L., Helmstetter, F. J. Conditioning with masked stimuli affects the timecourse of skin conductance responses. Behavioral Neuroscience. 124, 478-489 (2010).
  6. 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).
  7. Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. On the unconscious subcortical origin of human fear. Physiology & Behavior. 92, 180-185 (2007).
  8. Whalen, P. J., et al. Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge. Journal of Neuroscience. 18, 411 (1998).
  9. 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).
  10. Hämäläinen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Medical & Biological Engineering & Computing. 32, 35-42 (1994).
  11. 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).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. Fischl, B., et al. Sequence-independent segmentation of magnetic resonance images. NeuroImage. 23, 69-84 (2004).
  17. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the Signal Space Separation Method. Brain Topography. 16, 269-275 (2004).
  18. Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. , (2010).
  19. Reinhard, G., Lachnit, H., König, S. Tracking stimulus processing in Pavlovian pupillary conditioning. Psychophysiology. 43, 73-83 (2006).
  20. Reinhard, G., Lachnit, H. Differential conditioning of anticipatory pupillary dilation responses in humans. Biological Psychology. 60, 51-68 (2002).

Play Video

Cite This Article
Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging. J. Vis. Exp. (76), e50212, doi:10.3791/50212 (2013).

View Video