Summary
Questo articolo descrive come registrare l'attività dell'amigdala con magnetoencefalografia (MEG). Inoltre questo articolo descrive come condurre traccia condizionamento alla paura senza consapevolezza, un compito che attiva l'amigdala. Esso riguarderà tre temi: 1) Progettazione di una traccia condizionata paradigma utilizzando indietro mascheratura per manipolare la consapevolezza. 2) l'attività cerebrale di registrazione durante l'attività utilizzando magnetoencephalography. 3) Utilizzo di immagini sorgente per recuperare il segnale da strutture subcorticali.
Abstract
Nella traccia di paura condizionata uno stimolo condizionato (CS) predice l'insorgenza dello stimolo incondizionato (UCS), che viene presentato dopo un breve periodo di libera stimolo (intervallo traccia) 1. Poiché il CS e UCS non co-si verificano temporalmente, il soggetto deve mantenere una rappresentazione di quel CS durante l'intervallo traccia. Negli esseri umani, questo tipo di apprendimento richiede consapevolezza delle contingenze stimolo al fine di colmare l'intervallo traccia 2-4. Tuttavia quando un volto viene utilizzato come CS, soggetti possono implicitamente imparare a temere il volto, anche in assenza di una esplicita consapevolezza *. Ciò suggerisce che ci possono essere ulteriori meccanismi neurali capaci di mantenere alcuni tipi di stimoli "biologicamente rilevanti" durante un breve intervallo di traccia. Dato che l'amigdala è coinvolta nel condizionamento traccia, ed è sensibile alle facce, è possibile che questa struttura può mantenere una rappresentazione di un volto CS durante un breve intervallo di traccia.
5. La presentazione della maschera rende il bersaglio invisibile 6-8. Secondo, mascheramento richiede molto rapida e precisa temporizzazione rendendo difficile indagare risposte neurali evocati da stimoli mascherati con molti approcci comuni. Dipende dal livello delle risposte Sangue-ossigenazione (BOLD) si risolvono in un lasso di tempo troppo lento per questo tipo di metodologia, e tecniche di registrazione in tempo reale, come electroencephalography (EEG) e magnetoencefalografia (MEG) presentano difficoltà di recupero del segnale da sorgenti profonde.
Tuttavia, ci sono stati i recenti progressi nei metodi utilizzati per localizzare le sorgenti neurali del segnale MEG 9-11. Con la raccolta di immagini ad alta risoluzione MRI del cervello del soggetto, è possibile creare un modello sorgente basato su anatomia individuale neurale. Utilizzando questo modello di "immagine" sorgenti del segnale MEG, è possibile recuperare il segnale da strutture sottocorticali profonde, come l'amigdala e l'ippocampo *.
Protocol
Progettazione di una traccia condizionata paradigma utilizzando indietro mascheratura per bloccare la consapevolezza
1. Stimoli di design
- Progettare gli stimoli per i due gruppi.
- Scegli 4 espressioni neutre da individui diversi.
- Allineare le facce in modo che la zona degli occhi di ogni faccia è nella stessa posizione.
- Ritaglia le facce con un ovale in modo che i capelli, le orecchie, e altre caratteristiche periferici non sono più visibili.
- Utilizzare la casella degli strumenti di elaborazione del segnale in Matlab (Vedi Tabella 1 per il software necessario per eseguire l'esperimento) per creare immagini filtrate passa-alto, rimuovendo tutte le informazioni che sono meno di 5 cicli per grado 12.
- Creare la maschera unendo diverse espressioni neutre insieme, e l'aggiunta di rumore ad alta frequenza spaziale all'immagine.
- Normalizzare tutte le immagini in modo che abbiano uguale luminanza.
2. Programma l'esperimento utilizzando Presentazione
- Programma la formazione e le fasi di test in Presentation utilizzando i parametri di seguito (vedere la figura 1).
- Inoltre, il programma in un file separato (PCC) che verrà utilizzato dal pacchetto software di acquisizione PSYLAB dati durante l'allenamento e test, al fine di fornire la scossa innescata dalla presentazione.
- Per il programma di allenamento 4 blocchi di differenziale traccia paura condizionata con 15 prove per CS, per blocco.
- Su ogni prova presentare il CSS per 30 msec.
- Su ogni prova presenterà la maschera per 970 msec.
- Su ogni prova + CS presentare lo shock UCS per 100 msec, così che coterminates con la maschera.
- Variare la posizione della combinazione CS / maschera in modo che appaia casualmente in 1 dei 4 quadranti.
- Presente 1 prova ogni 6 ± 2 sec con un intervallo tra le prove variabile.
- Per la sessione di test di programma 1 blocco di riacquisizione con 5 sperimentazioni di ogni faccia CS, e 5 studi ciascuno dei due nuovi volto CS. Al fine di massimizzare la capacità di registrare le risposte di conduttanza della pelle (SCR), durante le prove di collaudo, presenterà il CS per 8 sec.
- Su ogni prova + CS presentare lo shock UCS per 100 msec, così che coterminates con CS +.
- Presente 1 prova ogni 20 ± 4 sec con un intervallo tra le prove variabile.
- Istruire soggetti a riferire UCS aspettativa durante entrambe le sessioni, e registrare le loro risposte utilizzando un dispositivo compatibile asse MRI / MEG (joystick, slider, manopola; vedi sezione 7).
- Record SCR durante la sessione di test utilizzando elettrodi applicati sul fondo dei partecipanti hanno lasciato a piedi (vedi sezione 9).
Registrare l'attività del cervello durante l'attività utilizzando magnetoencephalography
3. Installazione delle attrezzature per la formazione a MEG Suite (vedere la figura 2).
- Collegare il computer presentazione dello stimolo al sistema di acquisizione MEG utilizzando un multi cavo standard DB25 connettore a nastro (vedere la tabella 2
- Collegare il computer presentazione stimolo PSYLAB monitoraggio autonomo (SAM) utilizzando il 8-bit adattatore isolamento 2 bit e il cavo di sincronizzazione.
- I logici (TTL) impulsi di transistor-transistor utilizzati per contrassegnare le presentazioni stimolo può causare artefatti nei dati MEG se inviati al SAM. Per evitare questi artefatti, segnare l'insorgenza degli stimoli utilizzando solo i bit bloccati dal adattatore isolamento.
- Collegare lo stimolatore scossa (SHK1) per la SAM utilizzando il cavo fornito con l'unità.
- Far passare il cavo di estensione schermato attraverso la guida d'onda e collegarlo allo stimolatore shock.
- Collegare il SAM per un computer che esegue il software di acquisizione dati PSYLAB utilizzando un cavo USB standard.
- Collegare il selettore rotativo per il computer presentazione dello stimolo (USB) e il sistema di acquisizione MEG (BNC) utilizzando il gameport-to-gameport/BNC splitter e la porta giochi-per-USB adattareER.
- Registrare due minuti di dati di sensori senza che il soggetto nella stanza.
4. Attrezzature setup per la prova a risonanza magnetica Suite
- Collegare il computer presentazione dello stimolo alla SAM utilizzando il cavo di sincronizzazione.
- Collegare lo stimolatore scossa (SHK1) e l'amplificatore di conduttanza cutanea (SC5) per la SAM utilizzando i cavi forniti con l'unità.
- Far passare i cavi di estensione schermati per SCR e shock attraverso la guida d'onda e collegarli alle rispettive unità.
- Collegare il SAM per un computer che esegue il software di acquisizione dati PSYLAB utilizzando un cavo USB standard.
- Collegare il selettore rotativo per il computer presentazione dello stimolo utilizzando la porta giochi a USB.
5. Setup Oggetto per la formazione a MEG Suite (vedere la figura 3)
- Allegare elettrodi e sensori per il soggetto usando lo schema di figura 3 come guida.
- Collegare gli elettrodi monouso permonitorare ammiccamento dell'occhio sopra e sotto l'occhio destro del soggetto.
- Collegare gli elettrodi monouso per monitorare la frequenza cardiaca a lato del soggetto a sinistra appena sotto il cuore e per il petto a destra appena sotto la clavicola.
- Allegare un elettrodo monouso come riferimento al retro spalla sinistra del soggetto.
- Applicare due elettrodi di coppa a destra gamba del soggetto sul diritto nervo tibiale sopra il malleolo mediale per amministrare lo shock.
- Attaccare 4 testa di posizione indicatori (HPI) bobine per il soggetto, uno sopra ogni occhio e uno dietro ciascun orecchio.
- Digitalizzare la posizione della testa del soggetto rispetto alle bobine HPI utilizzando i punti fiduciali.
- Utilizzando il sistema Polhemus, mappa la posizione della nasion del soggetto, e destra e sinistra tragi.
- Allineare la posizione della testa digitale del soggetto rispetto ai punti fiduciali, facendo in modo che i punti sono simmetrici.
- Avanti mappa la posizione delle bobine HPI del soggetto.
- Infine, cifraize 50-100 punti lungo il cuoio capelluto del soggetto.
- Accompagnerà il soggetto al sistema MEG e collegare gli elettrodi e sensori all'interfaccia appropriata.
- Collegare l'elettrodo monouso conduce nel sistema di amplificazione MEG.
- Collegare il cablaggio HPI nel sistema MEG.
- Collegare l'elettrodo scossa conduce nel cavo di estensione schermato.
- Sollevare la sedia in modo che la testa del soggetto è a contatto con la parte superiore del casco MEG.
- Posizionare lo schermo in modo che l'immagine proiettata sia a fuoco.
6. Shock Workup
- Impostare la scossa ad un livello che i rapporti soggetto come dolorosa ma tollerabile.
- Braccio lo stimolatore scossa ruotando la ghiera dalla mA posizione 0 alla posizione 5 mA.
- Somministrare diverse presentazioni della scossa utilizzando la finestra di controllo dello stimolo dal pacchetto software di acquisizione PSYLAB dati.
- Dopo ogni presentazione hanno il tasso oggetto l'intensità della scossa su unascala da 0 (per niente doloroso) a 10 (dolorosa ma tollerabile).
- Aumentare gradualmente l'intensità della scossa fino a quando il soggetto tassi come un 10.
- Registrare il valore della scala nella casella di valore di parametro in oggetto finestra dettagli; ammortizzatori verranno somministrati durante l'esperimento al valore indicato in questa casella.
7. Dispositivo di risposta
- Istruire il soggetto sul corretto uso del quadrante con un esempio scenario di presentazione.
- Istruzioni:. "Sposta il cursore completamente a destra (100), se siete assolutamente sicuri che si riceverà una presentazione della stimolazione nel prossimo futuro, di spostare il cursore completamente a sinistra (0) se si è certi che non si riceverà una stimolazione in un prossimo futuro. Spostare il cursore al centro (50), se non siete sicuri se o non riceverete la stimolazione nel prossimo futuro. "
8. Record MEG durante l'allenamento
- Record due minuti di dati grezzi a 2 kHz, mentre il soggetto riposa con gli occhi aperti.
- Prima di iniziare la formazione codici degli eventi di registrazione e consegna scossa con il software di acquisizione dati PSYLAB.
- Assicurarsi che sia in esecuzione PSYLAB il corretto codice di PCC in modo che invia lo shock quando innescato dal computer.
- Registrare i dati grezzi a 2 kHz durante ognuna delle quattro piste di allenamento.
- Registrare medie online come un modo per ispezionare visivamente i dati in tempo reale per le fonti sistematiche di rumore.
- Chiedere al soggetto di valutare l'intensità della scossa dopo ogni esecuzione di valutare assuefazione.
9. Setup Oggetto di test a risonanza magnetica Suite
- Escort il soggetto dalla suite MEG per la suite MRI.
- Rimontare gli elettrodi di shock e ricalibrare l'intensità della scossa.
- Collegare due elettrodi a coppetta al fondo del piede sinistro del soggetto per monitorare SCR.
- Assicurarsi che il soggetto capisce ancora come utilizzare tlui di risposta del dispositivo.
- Posizionare il soggetto sul tavolo MRI, assicurare la loro testa, e collegare l'SCR e elettrodo scossa conduce ai cavi schermati corrispondenti.
- Posizionare lo specchio attaccato alla bobina di testa in modo che il partecipante può vedere lo schermo posto dietro la bobina testa.
10. Record fMRI durante i test
- Raccogliere immagini anatomiche ad alta risoluzione (SPGR).
- Record di sangue ossigenazione risposte dipendenti di livello durante la sessione di test utilizzando i parametri di imaging standard (TR = 2 sec; TE = 25 msec; fleld di vista = 24 cm; flip angle = 90 °).
- Dopo le prove hanno trattato compila un questionario postale sperimentale.
Utilizzando Imaging Source per recuperare il segnale da strutture subcorticali.
11. Analizzare i dati comportamentali e fMRI
- Utilizzare UCS aspettativa per determinare se i soggetti erano in grado di discriminare tra gli stimoli.
- Mediai dati aspettativa di UCS per l'intervallo di 900 msec traccia e la precedente 900 msec periodo di riferimento per ogni prova.
- Sottrarre il valore per il periodo di riferimento del valore per l'intervallo di traccia per determinare in che modo il soggetto si è mosso il quadrante dopo la presentazione dello stimolo.
- Eseguire un tipo CS per tentativi misure ripetute ANOVA tra soggetti.
- Analizzare i dati comportamentali e fMRI dalla sessione di test con gli standard già pubblicati 5,13-15.
12. Pre-elaborazione MRI Volume
- Utilizzare FreeSurfer 16 per creare un volume sottocorticale segmentato, e le superfici della corteccia, pelle esterna, e cranio esterno.
- Convertire i volumi e le superfici in formato leggibile AFNI.
- Esegui importsurfaces.csh - la prima volta che si esegue il programma copierà tutti i file necessari nella cartella di un nuovo 'modello' nella cartella di segmentazione di ciascun soggetto. Sarà inoltre possibile creare un file 'importsurface.mrml' che viene utilizzato per creare il surfmodelli asso di amigdala e ippocampo.
- Creare e convertire l'amigdala e l'ippocampo volumi in superfici utilizzando Slicer3 e Paraview.
- Esegui Slicer3 importsurface.mrml dalla directory 'modello' del soggetto. Questo caricherà le superfici e volumi in 3dslicer.
- Generare modelli di amigdala e l'ippocampo, salvare modelli come struttura {}. Vtk.
- File di importazione. VTK in paraview.
- Esegui filtro "generare normali alla superficie."
- Esportare normali di superficie per Amy e Hipp come struttura {}. File ply (ASCII).
- Importare le superfici ei volumi MRI in Brainstorm.
- Esegui importsurfaces.csh ancora - questo permette di convertire le superfici in file che possono essere letti da MATLAB e copierà tutti i {struttura} tess_ mat nella directory del database Brainstorm..
- Assicurarsi che si è già creato il soggetto in Brainstorm prima di copiare tess_ {struttura}. Mat di brainstorming cartella (vedi punto 14.1).
- Once ottenere le superfici in Brainstorm assicurarsi di aggiornare il database.
- Deformare il volume di risonanza magnetica nello spazio normale, individuando i punti fiduciali.
- Allineare manualmente superficie del cuoio capelluto con la risonanza magnetica, quindi applicare il warp per tutte le altre superfici.
- Unire le due superfici piale e ridurre il numero totale di vertici a 15.000.
- Unire le due superfici ippocampali e ridurre il numero totale di vertici a 2.000.
- Unire le due superfici amigdala e ridurre il numero totale di vertici a 1.000.
- Unire le superfici piale, dell'ippocampo e dell'amigdala.
- Creare regioni di interesse (scout) per l'amigdala e l'ippocampo.
13. Pre-elaborazione MEG registrazioni con Brainstorm 11
- Crea nuovo oggetto nel database di Brainstorm.
- Importare il file di registrazione MEG per ogni sessione di allenamento.
- Rimuovere gli artefatti causati da fonti esterne alla stanza magneticamente schermati (MSR) utilizzando lo spazio del segnaleseparazione 17.
- Rimuovere gli artefatti causati da battiti cardiaci e movimenti oculari utilizzando proiezioni spaziali del segnale da eventi individuati sulla elettrocardiografia (ECG) e elettrooculografia canali (EOG).
- Controllare le registrazioni per garantire che Brainstorm battito cardiaco identificato correttamente ed eventi ammiccamento dell'occhio.
- Controllare le registrazioni per altre possibili fonti di rumore.
- Controllare i dati evocati creati dalle medie in linea per le fonti sistematiche di artefatto.
- Si noti che gli impulsi TTL utilizzati per contrassegnare l'inizio degli stimoli può causare artefatti nelle registrazioni se inviato al PSYLAB unità SAM.
- Invia solo TTL impulsi necessari per gestire gli shock per l'unità SAM e isolare l'unità dalla rimanenti impulsi utilizzando l'8-bit adattatore isolamento a 2 bit.
14. Analizzare le risposte evocate con Brainstorm
- Utilizzare il canale di eventi per identificare epoche (-200 msec a 900 msec) corrispondentea ciascuna delle prove sperimentali.
- Affina la registrazione MRI usando punti a testa.
- Calcola covarianza rumore dalle registrazioni.
- Calcola modello di testa con sovrapposizione di metodo sfere con corteccia come input.
- Calcola sorgenti usando il metodo stima minima-norma 10.
- Continuare l'analisi sulle fonti.
- Passa-banda fonti filtro per singole prove (1 Hz a 20 Hz).
- Prendere il valore assoluto delle fonti filtrati passa-banda e convertire i valori di z-score basato su variabilità basale.
- Spazialmente smussare le fonti (sigma = 5 mm).
- Fonti media di prove.
- Proiettare le medie sulla anatomia di default per l'esperimento.
- Calcola t-test sulle fonti attraverso le diverse condizioni.
- Significativi risultati del filtro t-test utilizzando soglie spaziali e temporali per correggere errori di famiglia-saggio.
- Identificare zone significativamente attivate ed esportare il decorso di activazione per ogni soggetto.
- Calcola l'errore medio e standard della media tra i soggetti ad ogni tempo.
15. Eseguire decomposizioni tempo-frequenza su ROI utilizzando Brainstorm
- Proiettare i dati grezzi provenienti dai singoli studi sulla anatomia di default per l'esperimento.
- Identificare e creare regioni di interesse dall'analisi della risposta evocata o anatomo-funzionale ipotesi a priori.
- Calcola scomposizioni tempo-frequenza dei dati dal tuo ROI per ogni prova utilizzando parametri standard (frequenza centrale = 1 Hz, tempo di risoluzione [FWHM] = 3 sec; gamma di frequenza = 10:90 Hz; risoluzione di frequenza = 1 Hz).
- Convertire conseguente mappe di decomposizione tempo-frequenza di z-score.
- Media le mappe risultanti attraverso prove per ogni soggetto.
- Eseguire t-test sulle mappe di tutta le diverse condizioni.
Representative Results
Utilizzando i metodi descritti qui, le nostre indagini hanno portato a due importanti risultati: 1) E 'possibile manipolare la consapevolezza dei CSS visivo durante la traccia condizionata, e ancora mostrare le prove di apprendimento. 2) E 'possibile recuperare i segnali MEG dall'amigdala utilizzando fonte di imaging *.
Nella sezione 2, abbiamo descritto come manipolare la consapevolezza di CSS visivo con mascheramento all'indietro. Se esposto ad uno stimolo mascherato che viene visualizzata per ~ 30 msec, i soggetti sono generalmente inconsapevoli della presentazione dello stimolo 5,6,8 *. Un modo per verificare il successo di questa manipolazione è misurare la capacità dei soggetti di prevedere il verificarsi del UCS. Se la manipolazione mascheramento riesce, discipline deve essere in grado di prevedere con precisione il verificarsi del UCS base al tipo CS (vedere Figura 4).
Ma il calendario in questo tipo di formazione rende difficile da misurare direttamente levviso durante la sessione di allenamento. E 'possibile misurare indirettamente apprendimento esponendoli a una successiva sessione di test riacquisizione smascherato con stimoli nuovi e vecchi 5 *. Se i soggetti sono in grado di conoscere i rischi durante la fase di formazione, dovrebbero mostrare maggiore differenziale di magnitudo (CS +> CS-) SCR per i vecchi stimoli relativi ai nuovi stimoli. Questo effetto è evidente nel gruppo non filtrati quando guardiamo testare studi di fase dopo che i soggetti sono stati ri-esposto al CS-UCS contingenze (cioè Trials 2-5; vedi Figura 4).
Nella sezione 8, abbiamo descritto come registrare MEG durante la sessione di condizionamento traccia mascherato. Utilizzo di immagini sorgente per elaborare queste registrazioni, è possibile recuperare il segnale MEG da strutture sottocorticali come l'amigdala 18 *. I soggetti indicati faccia non filtrata (N = 9) CS esibiscono grandi amigdala risposte (Figura 5) e le gamMás oscillazioni (Figura 6) che soggetti visualizzati facce filtrati passa-alto (n = 9). Inoltre, questi soggetti mostrano anche grandi risposte in una rete di regioni faccia di elaborazione come la zona occipitale faccia (Figura 7 e Video supplementare).
Figura 1. Schema raffigurante una sessione di allenamento tipico. Presenti 60 studi di un CS + e 60 prove di un CS, in modo pseudo-casuale, tale che ci sono 4 blocchi di 15 prove ciascuna. Presentare il CSS per 30 msec, immediatamente seguito da un 970 msec maschera che coterminates con lo shock UCS su CS + prove.
Figura 2. Schema depicting le attrezzature utilizzate in un tipico esperimento di condizionamento Questa configurazione consente di: 1.) stimoli visivi presenti tramite il software di presentazione, 2) somministrare una stimolazione elettrica UCS tramite l'hardware Psylab (SAM), 3) record di UCS aspettativa utilizzando un asse dispositivo (dial) collegato al computer presentazione, e 4) sincronizzare le presentazioni di stimolo e le risposte con le registrazioni MEG tramite l'interfaccia del sistema di acquisizione MEG.
Figura 3. Illustrazione che mostra la posizione di ciascuno dei sensori e dei punti fiduciali descritte nel capitolo 5. Punti con le linee allegate corrispondono ai sensori etichettati e conduce. Le frecce blu rappresentano i punti fiduciali utilizzati per registrare le registrazioni MEG con il volume anatomico MRI. Punto di violas rappresentano punti del cuoio capelluto digitalizzati utilizzate per affinare ulteriormente la coregistrazione MEG-MRI.
Figura 4. Risultati comportamentali di un tipico studio di condizionamento. Il grafico a sinistra mostra UCS aspettativa di tutta la sessione di allenamento, è crollato di tutti i gruppi non filtrata e non filtrata. Si noti che i soggetti mostrano livelli simili di UCS aspettativa per il CS + e CS-60 attraverso le prove, suggerendo che la procedura di mascheramento bloccato la loro capacità di discriminare tra i CS (F (1,17) = 2,19, p = 0,16). Il grafico a destra mostra gli SCR differenziali durante la sessione di test. Si noti che il filtrato, ma non il gruppo filtrata sembra mostrare SCR differenziali più grandi per i vecchi stimoli che i nuovi stimoli (non filtrata Nuovo / Old x CS + / CS-interazione: F (1,7) = 5.94, p = 0,045; filtrata New / Old x CS + / CS-interazione: F (1,7) = 1,13, p = 0,32), suggerendo che la formazione porta ad una migliore riacquisizione delle associazioni CS-UCS per questi soggetti. (* P <0,05).
Figura 5. MEG risultati di un tipico esperimento di condizionamento. La figura a sinistra mostra i modelli 3D di dell'amigdala (arancione), ippocampo (verde), e la corteccia cerebrale usato per modellare le sorgenti del segnale MEG. Il grafico a destra rappresenta l'attività da un cluster amigdala modellato dalle registrazioni MEG. La linea di colore chiaro rappresenta l'attività evocata da volti senza filtro, mentre la linea di colore scuro rappresenta l'attività evocata da volti filtrati. Vertical sezioni in grigio rappresentano gli intervalli di tempo in cui volti non filtrate evocano risposte significativamente più grandi di volti filtrati (F (1,17)> 3,44, p <0,05). Clicca qui per ingrandire la figura .
Figura 6. Amigdala tempo di frequenza i risultati di un tipico esperimento di condizionamento. La figura a sinistra mostra i modelli 3D di dell'amigdala (arancione), ippocampo (verde), e la corteccia cerebrale usato per modellare le sorgenti del segnale MEG. Il grafico a destra rappresenta il segnale MEG registrato dall'amigdala suddivisi per tempo e frequenza. Colori caldi rappresentano regioni del spettrografo che mostrano significativamente più potenza per unfiltered facce che per i volti filtrati. Colori freddi rappresentano il contrario. Le regioni con la sovrapposizione di strisce rappresentano le differenze significative tra i gruppi. Clicca qui per ingrandire la figura .
Figura 7. Figura che mostra attivazione zona occipitale faccia in un tipico esperimento di condizionamento. Colori rappresentano l'ampiezza del t-test non filtrato> filtrata al corrispondente dipolo. Colori caldi rappresentano grandi risposte a facce non filtrati rispetto alle facce filtrati. Colori freddi rappresentano grandi risposte ai volti filtrati rispetto alle facce non filtrati.
Supplemental Video. Video che mostra le risposte corticali in un tipico Conditidicazioni esperimento. Colori rappresentano l'ampiezza del t-test non filtrato> filtrata al corrispondente dipolo. Colori caldi rappresentano grandi risposte a facce non filtrati rispetto alle facce filtrati. Colori freddi rappresentano grandi risposte ai volti filtrati rispetto alle facce non filtrate. Clicca qui per visualizzare filmati supplementare .
Discussion
In questo articolo descriviamo metodi 1) per manipolare la consapevolezza del bersaglio CS soggetti nel corso di una traccia di paura condizionata paradigma. 2) e per recuperare il segnale MEG dall'amigdala durante traccia paura condizionamento senza consapevolezza. Utilizzando queste metodologie, siamo stati in grado di dimostrare che traccia condizionata senza consapevolezza è possibile quando i volti sono utilizzati per prevedere l'UCS. Questo risultato suggerisce che ricevono facce elaborazione speciale anche quando presentato sotto della soglia di rilevazione percettiva *. Coerentemente con questa conclusione abbiamo scoperto che ampio spettro affronta evocare forti risposte dell'amigdala e scoppi di oscillazioni gamma durante l'intervallo traccia. Questo risultato suggerisce che l'amigdala è capace di mantenere una rappresentazione di un volto CS durante un breve intervallo di traccia.
Anche se presentato insieme, questi due metodi possono essere usati indipendentemente. Ad esempio è possibile utilizzare all'indietro mascheratura per manipolare bersaglio visibilitàlità in altri paradigmi cui comportamento può essere influenzato da stimoli emotivi elaborati di sotto del livello di consapevolezza cosciente 5,6,8 *. Inoltre, utilizzando il metodo di immagini sorgente qui descritta è possibile creare modelli 3d di altre strutture sottocorticali, e può essere possibile recuperare il segnale da queste strutture durante altri compiti specifici per regione. Per esempio, mediante imaging fonte di modellare l'attività dell'ippocampo, può essere possibile recuperare segnale MEG da fonti ippocampali durante operazioni come la navigazione spaziale.
I metodi descritti qui sono stati progettati con due obiettivi in mente: 1) blocco consapevolezza degli stimoli bersaglio, 2) e massimizzare la capacità di rilevare stimoli evocati risposte dell'amigdala con MEG. Questi vincoli di progettazione rendono difficile misurare la conoscenza implicita delle contingenze stimolo dei soggetti. Per esempio, SCR risolvono nel corso di diversi secondi 5,13, tuttavia, i CS sono rappresentati soloper ~ 30 msec durante l'allenamento, e la scossa è presentato poco dopo (~ 900 msec). Dati questi vincoli di tempo, espressione CR sarà inevitabilmente confuso con espressione UCR durante l'allenamento. A causa di questo colinearità, è necessario verificare la conoscenza dei soggetti delle contingenze stimolo con una successiva sessione di test smascherato. Tuttavia una sessione di test alla fine dell'esperimento non è ottimale in quanto tendono a SCR abituare nel corso dell'esperimento 1. Dato il numero di prove necessarie per dimostrare risposte evocate affidabili con MEG, questo SCR assuefazione diminuirà notevolmente il potere di rilevare un effetto comportamentale della formazione. Studi futuri dovrebbero concentrarsi sulla ricerca di modi migliori per indice di apprendimento implicito durante paura condizionata con mascherato CS. Questo potrebbe essere fatto o trovando un indice alternativo di paura durante l'allenamento (cioè la dilatazione della pupilla 19,20) o trovare una misura più sensibile della paura che può essere ammistrata dopo la sessione di allenamento.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Questo studio è stato sostenuto dal National Institute of Mental Health (MH060668 e MH069558).
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).
