Summary

Un nuevo enfoque experimental y analítico al Multimodal Neural Decodificación de Intención Durante interacción social en Libremente-comportarse Infantes Humanos

Published: October 04, 2015
doi:

Summary

This protocol presents a novel methodology for the neural decoding of intent from freely-behaving infants during unscripted social interaction with an actor. Neural activity is acquired using non-invasive high-density active scalp electroencephalography (EEG). Kinematic data is collected with inertial measurement units and supplemented with synchronized video recording.

Abstract

Understanding typical and atypical development remains one of the fundamental questions in developmental human neuroscience. Traditionally, experimental paradigms and analysis tools have been limited to constrained laboratory tasks and contexts due to technical limitations imposed by the available set of measuring and analysis techniques and the age of the subjects. These limitations severely limit the study of developmental neural dynamics and associated neural networks engaged in cognition, perception and action in infants performing “in action and in context”. This protocol presents a novel approach to study infants and young children as they freely organize their own behavior, and its consequences in a complex, partly unpredictable and highly dynamic environment. The proposed methodology integrates synchronized high-density active scalp electroencephalography (EEG), inertial measurement units (IMUs), video recording and behavioral analysis to capture brain activity and movement non-invasively in freely-behaving infants. This setup allows for the study of neural network dynamics in the developing brain, in action and context, as these networks are recruited during goal-oriented, exploration and social interaction tasks.

Introduction

Una de las capacidades humanas fundamentales es la capacidad de aprender e implementar acciones (producción de acción) estratégicamente en servicio de metas y recompensas, la capacidad de aprehender a los objetivos de los interlocutores sociales (acción entendimiento) con el fin de producir respuestas sociales apropiadas, y la capacidad aprender de otros a través de la observación y la imitación 1. La base neural de estas capacidades cognitivo-motor se han atribuido, al menos en parte, a la denominada sistema de neuronas espejo; un sistema que se piensa poner en marcha cuando uno ve a alguien realizar una acción y cuando uno realiza la acción. Sin embargo, la posible relación entre el sistema de neuronas espejo y la acción comprensión aún no está bien entendida 1. El estudio de la aparición y desarrollo de este sistema de neuronas espejo en los bebés humanos se ha visto obstaculizada por una) las limitaciones técnicas de adquisición de datos multi-modal de la actividad cerebral correlacionadas con la intención y los datos de movimiento de grano fino, B) las restricciones impuestas por los protocolos experimentales que son (por ejemplo, la interacción social con un agente representado en una cinta de vídeo, la necesidad de mantener una postura aún para minimizar los artefactos durante electroencefalográfica (EEG) grabaciones no naturales, etc.), y c) el barreras de comunicación / lenguaje al probar los bebés / niños pequeños que limitan en gran medida la capacidad del investigador para dar instrucciones y validar comportamientos.

Para una mejor comprensión de la dinámica neuronal variable y de comportamiento en el comportamiento natural, hemos desarrollado un novedoso enfoque experimental y analítico que permite el estudio resuelta en el tiempo de los sustratos neurales de comportamientos orientados a objetivos y sociales emergentes en los niños pequeños. Específicamente, desplegamos un enfoque 2 imágenes cerebrales móvil basado EEG (Mobi) para grabar la actividad cerebral y el movimiento de los niños libremente-se comportan durante la interacción con un experimentador. Unidades de medición inercial (IMU) se utilizaron para monitor cinemática sujeto y experimentador de.

La tecnología EEG y sensores inerciales se utilizaron para estudiar los patrones neuronales y activaciones asociadas a la acción de imitación de los bebés y los comportamientos orientados a objetivos en una interacción sin guión con un experimentador / actor. Acciones como alcance, alcance, llegan a la oferta, observan, el descanso, y explorar son parte de los procesos cognitivo-motoras involucradas en la imitación. Además, usamos la estimación de fuente para localizar los generadores de potenciales eléctricos dentro del cerebro durante las tareas de comportamiento, el estudio de la dinámica de ese modo espacio-temporales de las corrientes neuronales en todo el cerebro. Del mismo modo desplegamos algoritmos de aprendizaje automático para evaluar y medir la previsibilidad de estas acciones de comportamiento mediante la identificación de patrones espacio-temporales de acción relevante en la actividad neuronal en el sensor (EEG) y / o espacios de origen. La integración tradicional ERD / ERS, la fuente y el análisis de decodificación proporcionan una developmen más completaDescripción tal de la base neural de tales comportamientos.

Esta configuración nos permitió explotar las ventajas del enfoque mobi 2,3 y estudiamos las interacciones sociales entre el niño y el experimentador, ya que de forma natural se producen sin restricciones.

El protocolo, desde el momento en que el sujeto llega a la vez que él / ella se va, toma aproximadamente 1 hora para completar. La adquisición tiempo de configuración y localización del electrodo IMU / EEG varía desde 15 hasta 25 minutos, dependiendo de factores tales como la longitud del cabello y la cooperación del sujeto. La inicialización y configuración del equipo se suma a 10 minutos, y la sesión de prueba dura aproximadamente 15 minutos. La eliminación de la IMU y la tapa de EEG, incluyendo la limpieza de la cabeza del bebé a partir del gel hipoalergénico, tarda 5 a 10 min.

Protocol

El siguiente protocolo fue examinado y aprobado por la Junta de Revisión Institucional de la Universidad de Houston. Padres o tutores Todos los temas infantiles 'recibidos, leer y firmar un formulario de consentimiento antes de participar. Los padres recibieron aparcamiento gratuito y una tarjeta de regalo de $ 20 como compensación por su participación en el estudio, mientras que los bebés eligieron un juguete apropiado para su edad. Los temas infantiles reclutados cumplan los siguientes criterios: 1) Edad entre 6 y 24 meses. 2) infantil era sano, tuvo un crecimiento y desarrollo normales, y no tenían antecedentes de parto cuestiones, las conmociones cerebrales, convulsiones, derrames cerebrales o problemas de aprendizaje. Ejemplos de algunas discapacidades del desarrollo comunes que excluirían a un niño de las pruebas son retraso en el desarrollo, la desnutrición, y el uso de alcohol o drogas por parte de la madre durante el embarazo. Un diagrama de flujo simplificado para el registro simultáneo de la actividad neuronal multimodal a través de EEG cuero cabelludo yIMU en lactantes comportarse libremente se presenta en la Figura 1. 1. Consentimiento Informado Mostrar a los padres la habitación experimental y explicar brevemente el propósito del experimento a ellos. 2. Preparación del cuero cabelludo EEG Nota: El sistema EEG utilizado (Tabla 1) se compone de un sistema de electrodos activo con electrodos extraíbles. Niveles de impedancia se indican en los electrodos utilizando LEDs. Medir la circunferencia de la cabeza del bebé en cm. Coloque una cinta métrica alrededor de la parte más ancha de la cabeza, pasando por encima de las cejas y alrededor de la prominencia occipital en la parte posterior de la cabeza. Nota: La medición de la circunferencia de la cabeza es necesaria para la selección de una tapa de EEG del tamaño adecuado. Hay tamaños especiales para la población infantil descrita en la Tabla 1. Coloque los electrodos en una tapa de EEG de tamaño apropiado (Tabla 1) como se especifica por el10-20 sistema internacional. La tapa asegura la colocación correcta de los electrodos en el cuero cabelludo. Nota: es preferible tener el tapón listo para cuando el niño llega a la ubicación del estudio. La información sobre el tamaño de la cabeza se puede obtener de los padres antes de tiempo, o aproximar el uso de tablas disponibles en línea [http://www.cdc.gov/growthcharts/html_charts/hcageinf.htm]. Si la medida de la cabeza no se corresponde con la aproximación del investigador, una nueva tapa debe estar preparado. Si múltiples tapas y los electrodos están disponibles, múltiples tapas se pueden configurar con antelación para minimizar el tiempo de preparación. Explicar el procedimiento de gelificación a los padres. Mostrarles la aguja roma y la jeringa utilizada para aplicar el gel a cada electrodo y hacerles sentir la aguja en la piel. Utilice una demo EEG electrodo y el cuero cabelludo casquillo para revisar el procedimiento de gelificación. Mida la distancia desde la nasión al inion lo largo del plano sagital medio de la superficie del cuero cabelludo. Proceda para adaptarse a la fiscalp tapa de detrás del infante. Alinear el electrodo Cz con el vértice de la cabeza. Proceda a alinear y centrar los electrodos Fp1 y Fp2 en la frente a aproximadamente el 10% de la distancia entre el nasión y el inion. Alinee la tapa del cuero cabelludo de forma simétrica a lo largo del plano sagital medio de la cabeza. Asegúrese de que a mediados de los electrodos [AFZ, Fz, FCZ, CZ, CPZ, Pz, POZ, Oz] están alineados con el nasión y inion. Cuando haya terminado, asegurar la tapa por flejes por debajo de la barbilla. Nota: Distraer al bebé mientras él / ella está siendo equipada con la tapa de EEG. Un video apropiado para su edad es de uso general para distraer a los niños durante la instalación. Conecte los de referencia, tierra y electrodos de registro a la caja de control. Encienda los indicadores de impedancia de la caja de control. Comenzando con electrodos de tierra y de referencia, utilizar una pequeña jeringa para inyectar gel electrolito en el espacio entre el cuero cabelludo y el electrodo hasta que la impedancia de cada electrodo mide por debajo de 60 kW. Esto es indicated por una luz amarilla o verde en los electrodos. Más detalles sobre la preparación de electrodos EEG están disponibles en 4. Nota: Durante el proceso de gelificación, el niño podría mover su / su cabeza por diversas razones (la curiosidad, el miedo, la atención desviada). Por ello se recomienda que el segundo experimentador o padre sigue distraer al bebé. Use las jeringas desde detrás de la cabeza del bebé para evitar el riesgo de golpear la cara del bebé con la aguja debido al movimiento inesperado del sujeto. Conecte los amplificadores a la PC host a través de un puerto USB mediante una fibra óptica al convertidor de USB. Nota: La figura 2A muestra el infante instalación sujeta con la tapa de EEG y la colocación IMU. Tenga en cuenta que los cables del electrodo y la caja de control se llevan a cabo hasta, proporcionando movilidad libre de carga para el sujeto. La figura 2B muestra una vista topográfico de lugares de electrodos de la capitalización EEG siguientes el sistema 10-20 etiquetado. 3. Preparación IMU Abra el software de IMU. Haga clic en "Nuevo" en la interfaz gráfica. Luego haga clic en "Configuración" en el cuadro de diálogo para configurar IMU. Ajuste la frecuencia de muestreo de 128 Hz. Asegure la IMU en la cabeza, el pecho y las muñecas izquierdo y derecho del infante. Nota: Véase la figura 2A. Al mismo tiempo, adaptarse a las muñecas del experimento con IMU. Asegúrese de que los IMU se fijan bien al cuerpo para reducir al mínimo los errores de medición inercial. El uso de correas, coloque la IMU muñeca en el lado dorsal de las muñecas. Coloque la IMU pecho en la superficie ventral cerca del centro del pecho usando un arnés. Conecte el IMU cabeza para las correas de la barbilla de la tapa del cuero cabelludo por lo que es cerca de la parte izquierda de la barbilla. Coloque la IMU para que se enfrentan hacia el exterior, con la luz del LED orientada hacia arriba. Nota: El IMU cada uno pesa alrededor de 22 g, y su pequeño tamaño y peso ligero es poco probable que dificultan movimiento. Un experimentador adicional puede ser necesaria para distraer al bebé por las razones descritas en el paso 2.8. 4. Captura de vídeo y la sincronización de datos Arroyos Coloque la cámara de vídeo (18) para que el bebé (12), el actor (14), y el gatillo LED (13) son todos claramente visible. Vea la Figura 4. Nota: Las grabaciones de video se utilizan para permitir la anotación visual y la segmentación de los comportamientos provocados por el experimentador, así como la confirmación de principio y al final de la sesión de grabación. Conectar el recinto de entrada de disparo / salida (7) para el EEG (5) y IMU (4). Vea la Figura 3. Nota: Un recinto de entrada personalizado / salida (7), que se muestra en la Figura 3, fue diseñado para alinear todos los flujos de datos grabados (EEG, IMU y vídeo) y por lo tanto utilizar marcadores de eventos de una grabación (como el vídeo) o facilitar el análisis de otra grabación (como EEG o aceleración). Esto se logra mediante el uso de unasolo pulsador momentáneo que, cuando está deprimido, enviará una activa-baja (+ V a tierra) impulso de disparo de EEG (a través de un puerto paralelo DB-25), IMU (a través de un mini-DIN-6 conector) y vídeo (por iluminar un diodo emisor de luz (LED) colocado en vista de la cámara de vídeo) grabaciones simultáneamente. Un chip inversor 7.404 lógica IC se utilizó para transformar el estado de baja (tierra) a un alto estado (+ V) de pulso, siempre que el potencial de tensión necesaria para alimentar el LED. Tener un experimentador en estrecha proximidad con el pulsador de disparo y el ordenador de recopilación de datos. El experimentador se encarga de operar el gatillo, el seguimiento de la calidad de los datos a lo largo del experimento, y guardar los datos. 5. Preparación de Pruebas de Medio Ambiente Vea la Figura 4. 6. Recopilación de datos Registre los valores de impedancia iniciales de los electrodos EEG utilizando el software de control seleccionando la opción "ImpedanciaCheck "ficha, haga clic en el botón de radio" Impedancia On "(espere unos 5 segundos para los valores de impedancia del electrodo se estabilice), y haciendo clic en el" botón de Guardar impedancia "para guardar impedancias. Ver Figura 5. No hay filtros se aplican durante la recolección de datos de EEG. En el programa grabador de EEG, haga clic en "Monitor" y luego "Play" para empezar la recodificación de datos de EEG. Ver Figura 6. En el software de IMU, haga clic en "Corriente" y "Record" en el cuadro de diálogo para iniciar la grabación de datos IMU. Vea la Figura 7. Aplicar tres disparadores (III) para señalar el comienzo del experimento utilizando el pulsador en el recinto de entrada / salida (7). Dejar reposar infantil para 1 min durante la grabación. Esto proporciona datos de referencia iniciales. Realizar experimentos y permitir que el sujeto bebé tome descansos cuando sea necesario. Cada ensayo experimento consiste en una tarea de toma de turnos en los espectáculos de actoresuna acción para el niño utilizando un objeto (por lo general, pero no siempre, un juguete), pasa al bebé en un esfuerzo para iniciar una respuesta de imitación, y, finalmente, recupera el objeto de volver de bebé. Nota: Este intercambio se repite generalmente 4-5 juicios o hasta que el bebé no muestra un mayor interés en el objeto. Dado el entorno de la sesión, anotar todos los tiempos de cada comportamiento después de la recogida de datos mediante la grabación de vídeo. Registre los valores de impedancia finales de los electrodos EEG. Vea el paso 6.1. Digitalizar las coordenadas espaciales en 3D de los electrodos de EEG utilizando el escáner 3D electrodo de EEG y software y su software correspondiente. Inicie el software de escaneo 3D. Ir a "Archivo" y seleccione "nuevo espacio de trabajo". Cargue el archivo de la posición del electrodo en la primera pestaña del espacio de trabajo y proporcionar la información necesaria en la pestaña de almacenamiento. En la barra de herramientas de exploración, haga clic en "start de exploración ". Utilice el escáner 3D, aproximadamente a 30 cm de la cabeza del bebé, para explorar los lugares de electrodos siguiendo los patrones de luz cambiantes sobre la tapa. Una vez que la exploración es completa, el software guarda automáticamente los resultados. Nota: En la parte posterior de la cabeza, los cables pueden bloquear los LEDs en los electrodos debido al pequeño tamaño de la cabeza del bebé. El software permite al usuario eliminar algunos electrodos de la exploración sin comprometer los resultados. Retire los electrodos occipitales del análisis si es necesario. 7. Segmentación del Comportamiento Inspeccione la grabación en vídeo de la sesión experimento y marca el momento en que el disparador parpadea (es decir, cuando el experimento comienza y termina), y cuando cualquiera de las conductas mencionadas en el paso 6.6 de inicio y fin. Imagen 8. Fuente Nota: Fuente de imagen puede identificar con precisión los generadores dePotenciales de EEG en el cerebro y por lo general consiste en resolver el avance y el problema inverso 5. Adquirir los datos de alta resolución T1 ponderado imagen por resonancia magnética (IRM) de las bases de datos de dominio público, como la base de datos del neurodesarrollo resonancia magnética que contiene las plantillas de MRI promedio en función de la edad (en meses) para los dos primeros años de vida 6,7. Nota: Este estudio utiliza modelos de cabeza hacia adelante solamente con la edad apropiada de los lactantes y, por tanto, información sexual no se tiene en cuenta a la hora de seleccionar la plantilla MRI). Adquirir volúmenes de origen para modelos de elementos de contorno (BEM) que incluyen compartimientos principales (es decir, la materia gris, la materia blanca, cuero cabelludo, cráneo interior o exterior) como volúmenes de resonancia magnética de la base de datos del neurodesarrollo MRI 8. Pre-proceso BEM MRI volumen para obtener un modelo de la cabeza realista mediante la extracción de la superficie de los compartimentos del cerebro y la cabeza en Curry 7, o paquete similar software de imágenes del cerebro. Importe el T1 ponderado MRI. Identificar manualmente los tres puntos fiduciales como puntos derecha / izquierda pre-auricular y nasión dentro del software de imágenes cerebrales, o paquete similar. Co-registro EEG y la RM espacio para obtener la transformación geométrica rígida entre el espacio de la resonancia magnética y el espacio del sujeto mediante el ajuste de los puntos fiduciales indicados en la RM y los fiduciales obtenidos con escáner 3D en pasos 6.9-6.11 utilizando el software de imagen cerebral o paquete similar. Resuelva el modelo a seguir. Nota: El problema directo consiste en la definición de un modelo de la cabeza que representa la geometría de la cabeza y de las propiedades de conductividad eléctrica del 9,10 volumen cabeza. Resolver el problema inverso Nota: El problema inverso intenta inferir una ubicación, la fuerza y la evolución temporal de una fuente en el cerebro de las señales EEG cuero cabelludo utilizando técnicas de procesamiento de señal 11. Segmento continuaDatos de EEG en ensayos de todo el inicio de tareas (por ejemplo., Imitación, segmentos de observación) con segmentos de comienzo antes y después de la tarea de longitud 2 seg. Identificar los canales con alta impedancia como "malos canales" y otros ensayos de artefactos en cada ensayo. Pre-proceso de los datos de EEG para el rechazo de artefactos usando ICA y reconstruir las malas canales con el promedio de la vecina canales libres de artefactos. 12,13,14. Utilice el modelo hacia adelante como una entrada a un algoritmo de optimización automatizada que busca sobre todo el cerebro para identificar las mejores ubicaciones de origen posibles. Analizar visualmente las fuentes estimadas y recoger las soluciones que más responden a su expectativa basada en el conocimiento previo de la naturaleza del experimento e interpretar con cuidado. Nota: Este paso es el más sesgada un solo debido a la naturaleza mal planteado del problema inverso, es decir, diferentes configuraciones de las fuentes pueden resultar en los mismos potenciales de superficie. Por Consiguiente, Puede ser útil para llevar a cabo una comprobación de validez para verificar que un modelo de la cabeza dada y método inverso funciona bien. Realizar una comprobación de validez, la localización de un dipolo simulada conocida. A saber, porque el lugar modelo de cabeza dado un dipolo con una configuración conocida, y resolver el problema hacia adelante para obtener tensiones simuladas para este dipolo. Resolver el problema inverso con estas tensiones en el mismo modelo de la cabeza, para asegurarse de que devuelve los dipolos simulados. Nota: Estas comprobaciones de sanidad deben devolver los dipolos inicialmente colocados a un alto grado de precisión.

Representative Results

Figura 8 muestra EEG muestra y datos de aceleración de la IMU para una ventana de tiempo 16 seg registrado durante la interacción entre el sujeto y el experimentador. Datos de EEG fue re-muestreada a 100 Hz y después de paso de banda filtrado [1-40 Hz] utilizando una tercera orden, filtro de Butterworth de fase cero. Canales con valores de alta impedancia (Z> 60 kW) y canales periféricos, se descartaron 12,15. El IMU registró nueve señales a 128 Hz: flujo magnético, velocidad angular y la aceleración lineal en los tres ejes cartesianos. Aquí nos muestran la magnitud de la (GC) aceleración de la gravedad con compensación. El efecto de la aceleración debida a la gravedad fue compensada mediante la aplicación de un filtro de Kalman para predecir la orientación IMU en un marco global de 16. Los datos fueron segmentados por inspección visual de las grabaciones de vídeo (Paso 7.1). Líneas continuas verticales indican el inicio de una conducta de interés, como líneas verticales punteadas representan el final del evento. <pclass = "jove_content"> Influencia de los artefactos de movimiento está presente en los datos de EEG que se muestran en la figura 8 alrededor de 709s. El enfoque sin restricciones a la recogida de datos en este protocolo experimental hace que los datos de EEG susceptibles de parpadeos de los ojos, los movimientos oculares, el movimiento y los artefactos electromiográficos. Los datos fueron preprocesada mediante el uso de un filtro de paso de banda Butterworth-fase cero 3 rd fin de limitar al delta-banda (1-4Hz) y estandarizada restando la media y dividiendo por la desviación estándar. Artefactos de alta amplitud se eliminan automáticamente utilizando el método de eliminación de artefactos subespacial (ASR) 17. Además, los canales periféricos están excluidos del análisis de datos en un esfuerzo para minimizar la contaminación artefacto mioeléctrica. Frontalis y contracciones del músculo temporal se fusionan con la señal de EEG más prominente en lugares periféricos: contracción Frontalis aparece en lugares anteriores, y la contracción temporal aparece en frontal lateral y temportodas las poblaciones 15. Para inspeccionar la naturaleza de los datos recogidos con este protocolo, histogramas de datos de EEG se representaron en la Figura 9. En la Figura 9A, que describe la distribución de los datos de la señal normalizada de tres electrodos espacialmente representativos. Los datos de EEG muestra una distribución multimodal de los comportamientos analizados. En la Figura 9B los valores de curtosis se presentan como gráficos de barras para facilitar la inspección visual de los datos. Clasificación se realizó mediante la extracción de retardos basados ​​en el tiempo de cada canal de EEG, la reducción de dimensionalidad preservando al mismo tiempo la dispersión local de cada clase (análisis Local discriminante de Fisher (LFDA)) 18, y la formación / prueba un modelo del conjunto reducido de características (Mezcla Gaussian Modelos (MMG)) 19. Muestras Formación / pruebas se muestrearon al azar en 20 iteraciones (es decir, validación cruzada) para evitar cualquier over-fitting.Training/testing~~V tamaño de la muestra varía dado el número de canales de rechazados (es decir, la impedancia mayor que 60 kHz), duración de la sesión de experimento, y el número de ensayos y comportamientos expresa. Sin embargo, el número de muestras de entrenamiento y de prueba utilizados para cada clase (comportamiento) corresponden a 50% de la clase menos poblada. Como un ejemplo, el tamaño del conjunto de prueba de cada clase es N = 1.069 muestras para los datos infantiles mostrados en la Figura 10. Todas las etapas de pre-procesamiento y clasificación se calcularon bajo el entorno de programación MATLAB. La figura 11 representa todo el procedimiento para la estimación fuente EEG realizado en este estudio de una manera paso a paso. Más detalles sobre cada paso también se resume en la sección 8. La figura 12 muestra los resultados de relacionados (de) la sincronización (ERD / ERS) en el mu ritmo (5-9 Hz) de eventos y las fuentes de dipolo durante el "Reach-Oferta1; tarea. ERS y ERD se calculó como el porcentaje de una disminución o aumento de una potencia de banda de frecuencia que se produce durante el evento (alcanzar y tarea oferta) intervalo en comparación con el intervalo de referencia (un segmento tomada antes del evento). Esta figura también muestra la aceleración de la gravedad magnitud con compensación obtenida durante la tarea de ambas muñecas del bebé y el actor. Para un análisis dipolo las señales de EEG se descompusieron mediante análisis de componentes independientes (ICA) para eliminar el ruido de fondo. La estimación de la fuente se realizó en mu ritmo después de preprocesamiento ICA a través de un algoritmo MUSIC fija 5. Como era de esperar, las fuentes se localizaron sobre el área motora primaria derecha, mientras que el sujeto estaba usando su mano izquierda para agarrar el objeto. nombre de producto Compañía Cantidad BrainAmp Amplificador Productos cerebrales, Gmbh 2 <tr> actiCAP EEG CAP 64 electrodos * Productos cerebrales, Gmbh 10 Caja de control actiCAP Productos cerebrales, Gmbh 1 Software cerebro registrador de la visión Productos cerebrales, Gmbh 1 software de la caja de control actiCAP Productos cerebrales, Gmbh 1 CapTrak Productos cerebrales, Gmbh 1 Software CapTrak Productos cerebrales, Gmbh 1 Monitor de movimiento Opal APDM, Inc 6 Estación de acoplamiento Opal APDM, Inc 6 Punto de acceso inalámbrico Opal APDM, Inc 1 Software Motion Studio APDM, Inc 1 Caja de disparo Personalizado 1 Cámara de video HC-W850M, Panasonic Co. 1 * Las tapas EEG vienen en los siguientes tamaños circunferencia de la cabeza para bebés: 42, 44, 46, 48, 50 cm. Para este protocolo, se recomienda una reserva de 2 tapas de cada tamaño. Tabla 1 Equipo. Figura 1. Los diagramas de flujo. Diagrama (A) Flujo de la configuración del experimento. (B) Diagrama de flujo de la sesión de recogida de datos. Haga clic aquí para ver una versión más grande de esta figura. Figura 2. Sin perjuicio setup y listo para la recolección de datos. (A) Vista frontal del sujeto que llevaba la tapa de EEG, y cuatro IMU. (B) la representación topográfica del canal 64 cap EEG mediante el sistema de colocación de electrodos estándar de 10 a 20. Haga clic aquí para ver una versión más grande de esta cifra. Figura 3. Los datos de equipos de recogida y de la sala de pruebas. (A) de instalación de equipos de recogida de datos: caja de control EEG (1), tapa de EEG (2), gatillo (3), receptor de datos IMU inalámbrico (4), amplificadores de EEG (5), caja de juguetes (6), pulsador de disparo (7), las computadoras portátiles de adquisición de datos (8), la estación de acoplamiento IMU (9). (B) del primer de la tapa de EEG, los electrodos activos y caja de control. (C) Primer plano de la IMU y el receptor inalámbrico, trigge r pulsador, amplificadores de EEG, y los ordenadores portátiles de recogida de datos. Haga clic aquí para ver una versión más grande de esta figura. Figura 4. Representación esquemática de configuración experimental. Soporte de la caja de control EEG (10). Asunto del tutor se sienta en la silla (11), experimentador se sienta en la silla (14) y la persona seguimiento de los datos sienta en la silla (17). El resto de la configuración experimental se muestra:. Mesa Interacción (12), gatillo (13), caja de juguetes (15), mesa de adquisición de datos (16), colocación de la cámara de vídeo (18) Haga clic aquí para ver una versión más grande de esta cifra. "Src =" / files / ftp_upload / 53406 / 53406fig5.jpg "/> Figura 5. Captura de pantalla del software de control de EEG. Las flechas apuntan a los iconos clave en el software que se describen en el paso 6.1 y 6.8. Haga clic aquí para ver una versión más grande de esta figura. Figura 6. Captura de pantalla del software de grabación de EEG. Las flechas apuntan a los iconos clave en el software que se describe en el paso 6.2 y 6.3. Se muestra una sección de los datos en bruto transmisión en vivo. Por favor haga clic aquí para ver una versión más grande de esta figura. pg "/> Figura 7. Captura de pantalla del software de IMU. Las cajas de color rojo destacan los iconos clave en el software que se describe en el paso 6.4. (A) de la ventana principal del sistema. (B) ventana Configuración. Ventana (C) de grabación. Por favor haga clic aquí para ver una versión más grande de esta figura. Figura 8. Los datos de muestra de una sesión experimental representativo. De datos (A) de EEG y aceleración se muestran, tanto de paso de banda filtrado [1-40Hz]. Se muestran electrodos de EEG con baja impedancia (Z <60 kW) durante toda la sesión. Líneas verticales continuas indican la aparición de comportamiento (B) Cuadro estático representaciones del niño involucrado en las conductas analizadas:. Observar, Reach-alcance, Reach-oferta, Imitate, Explora, Rest. Por favor haga clic aquí para ver una versión más grande de esta figura. Figura 9. histogramas de muestra de amplitud EEG durante seis comportamientos identificados. A) Los datos que se muestran corresponden a los datos en bruto a partir de tres electrodos (CP2, FC5, POZ) grabados en una sesión con un lactante de 20 meses. Los histogramas se escalan para el mayor número de ocurrencias y la curtosis de cada histograma se muestra a la derecha de cada parcela. Observe la distribución multimodal para la mayoría de los comportamientos. B) curtosis de datos de la muestra para cada comportamiento. Haga clic aquí para ver una versión más grande de esta figura. <p class="jove_content" fo:keep-together.within-pedad = "always"> Figura 10. EEG predice acciones de comportamiento en los niños comportarse libremente 12. Una matriz de confusión de la muestra para la precisión de la clasificación para un lactante de 20 meses se muestra. La precisión global de decodificación se muestra en la esquina inferior derecha. Haga clic aquí para ver una versión más grande de esta figura. Figura 11. Localización Fuente. Pasos necesarios para una localización de la fuente dipolar bebé usando una resonancia magnética anatómica y unos datos de EEG funcionales. Haga clic aquí para ver una versión más grande de esta figuraUre. Figura 12. Reach-oferta perfil análisis de tareas. A) Instantáneas de un niño que realiza el "Reach-Oferta" tarea. B) Media Global Power Campo de EEG en la banda Mu (5-9 Hz), las trayectorias de movimiento de las extremidades del bebé y el actor; el gran promedio de eventos relacionados con la perturbación espectral de todos los canales. c) Fuentes dipolo localizadas para dos eventos de "inicio Movimiento" y "Finalización Movimiento". Haga clic aquí para ver una versión más grande de esta figura.

Discussion

El protocolo descrito presenta una metodología para recopilar datos de los bebés libremente-se comportan cuando están interactuando con un experimentador en tiempo real. Emplea la tecnología de imágenes cerebrales móvil (EEG cuero cabelludo) para capturar la actividad neuronal durante la grabación simultánea de datos cinemáticos con IMU en lugares estratégicos del cuerpo. La sesión de experimento también es registrada por una cámara de vídeo. Los tres sistemas de registro de datos se sincronizan usando un sistema de disparo personalizado.

El EEG y el sistema IMU están atados a la materia como él / ella se está moviendo libremente durante la sesión experimento. Los IMU necesita ser atado con seguridad a ser capaz de capturar con precisión cinemática. Para garantizar la movilidad sin restricciones completo del tema, el equipo tiene que ser lo más mínimamente intrusivo posible; así el uso del soporte para apoyar cables de los electrodos del EEG y la caja de control EEG. El experimentador entonces interactúa con el niño durante aproximadamente 15 minutos. El INFAnt provocará un repertorio dependiente de la edad de los comportamientos durante la interacción. Estos incluyen el descanso, llegar a-alcance, llegar a la oferta, explorar, observar, e imitan. Sin embargo, algunos niños no estarán dispuestos a cooperar en la sesión debido a la fatiga, la falta de comodidad, o el estrés. Asegúrese de programar el experimento cuando el niño es más dinámica y activa para prevenir la aparición de respuestas negativas de él / ella.

La naturaleza del experimento presenta riesgos para la calidad de los datos registrados durante toda la sesión. Por lo tanto, es crucial para poner a prueba todas las conexiones y los datos de calidad antes de iniciar la sesión de grabación, y vigilar de forma continua durante la sesión. Si el sistema EEG datos no está grabando los datos de calidad, detenga el software y desconecte todas las conexiones. Antes de reiniciar el software o conectar el equipo de nuevo a la computadora portátil, eliminar todas las posibles fuentes de ruido (es decir, fuentes de alimentación) de la proximidad de los equipos de grabación. La EEHardware G incluye amplificadores de señal que puede recoger ruido ambiental si se coloca cerca de las fuentes de ruido eléctrico. Para el receptor IMU, asegúrese de que no haya interferencias en la línea de visión entre el receptor y el experimento e infantil.

Esta configuración experimental proporciona datos de alta resolución neuronales temporales mediante la medición de la actividad eléctrica en la superficie del cuero cabelludo. Estudios recientes han demostrado la viabilidad de la utilización de estas señales, junto con la cinemática de todo el cuerpo, para identificar la información clasificable para los movimientos expresivos 20, y los movimientos funcionales 21,22, lo que sugiere que este enfoque de recopilación de datos propuesto podría conducir a una mejor comprensión de la neural base de la imitación en los bebés.

Contribuciones recientes que ofrecen algoritmos de aprendizaje automático poderosos aplicados a la dinámica del cerebro 13,20,21 están construyendo un conjunto de herramientas de crecimiento para estudiar potenciales superficiales en sí más naturalAjus tes. Esta configuración propuesta ofrece un espectro de posibilidades para las preguntas de investigación que se abordarán 2,22. En particular, se puede aplicar a la investigación se centró en a) la comprensión de las bases neuronales del desarrollo cognitivo-motor de los niños sobre la base de una gran población de los sujetos; b) la comprensión de las bases neuronales de la intención del bebé en 'acción y contexto ", que debe ser predictivo de la acción conductual entrante; c) cuantificar los patrones neurales comunes y únicos para caracterizar la individualidad y la variabilidad en el desarrollo del cerebro; yd) el estudio de la aparición de procesos de imitación y aprendizaje. Estos objetivos implican la implementación de algoritmos de aprendizaje automático que puede hacer frente a los datos estadísticamente ricos tanto en los potenciales originado cerebrales informativos y de movimientos musculares o artefactos 12,20,23.

Este estudio pretende estimar las fuentes corticales y los potenciales de campo eléctrico utilizando los datos de EEG infantiles. Debido alas dificultades técnicas, tales como la falta de conocimiento en valores de conductividad cabeza infantiles y el espesor de la materia cortical, el modelado preciso de la modelo de la cabeza es una tarea difícil. Se necesitan más estudios para las estimaciones de la conductividad del tejido regional no invasivas en lactantes 24. Segmentación de la superficie cortical de los datos de resonancia magnética para niños presenta un desafío adicional debido a la mala contraste encontrado en imágenes del cerebro humano en desarrollo 25. Se necesitan investigaciones futuras para hacer frente a estas dificultades y estimar diversos correlatos neurofisiológicos de desarrollo y comportamiento infantil.

Por último, el protocolo y los métodos experimental propuesto podrían ser desplegados en el estudio de las personas con discapacidades del desarrollo, tales como niños con trastorno del espectro autista probable (ASD). En tal aplicación, sería deseable incluir un grupo de control y las evaluaciones del desarrollo adecuados para caracterizar los dos grupos (control y ASD). Para examenplo, un grupo de estudio podría consistir en todo de alto riesgo (por ASD) hermanos infantiles evaluado con el Programa de Diagnóstico de Autismo Observación 26, gravedad de los síntomas 27 y las Escalas Mullen de Aprendizaje Temprano 28 para caracterizar la capacidad cognitiva general. Si está disponible, imágenes por resonancia magnética de difusión ponderada también sería muy deseable 29.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabajo fue apoyado por Eunice Kennedy Shriver Instituto Nacional de Salud Infantil y Desarrollo Humano (NICHD) Premio # P01 HD064653-01. El contenido es responsabilidad exclusiva de los autores y no representa necesariamente las opiniones oficiales de la NICHD o los Institutos Nacionales de Salud.

Materials

BrainAmp Amplifier Brain Products, Gmbh
actiCAP EEG cap- 64 electrodes* Brain Products, Gmbh
actiCAP Control Box Brain Products, Gmbh
Brain Vision Recorder software v1.20.0601 Brain Products, Gmbh
actiCAP Control Box software v1.2.5.2 Brain Products, Gmbh
CapTrak Brain Products, Gmbh
CapTrak software v1.0.0 Brain Products, Gmbh
Opal movement monitor APDM, Inc
Opal docking station APDM, Inc
Opal wireless access point APDM, Inc
Motion Studio software v1.0.0.201503302222 APDM, Inc
Trigger box Custom
Video camera HC-W850M, Panasonic Co.
*The EEG caps come in the following head circumference sizes for infants: 42, 44, 46, 48, 50cm. For this protocol, a stock of 2 caps of each size is recommended. 

References

  1. Woodward, A. L., Gerson, S. A. Mirroring and the development of action understanding. Phil. Trans. R. Soc. B. 369 (1644), (2014).
  2. Makeig, S., Gramann, K., Jung, T. -. P., Sejnowski, T. J., Poizner, H. Linking brain, mind and behavior. Int J Psychophysiol. 73 (2), 95-100 (2009).
  3. Gramann, K., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Rev. Neurosci. 22 (6), 593-608 (2011).
  4. GmbH Brain Products. . actiCAP Operating Instructions. , (2013).
  5. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. J Neuroeng Rehabil. 5 (25), (2008).
  6. Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Dev Psychobiol. 54 (1), 77-91 (2012).
  7. Richards, J. E. Neurodevelopmental MRI Database. , (2010).
  8. Fuchs, M., Wagner, M., Kastner, J. Boundary element method volume conductor models for EEG source reconstruction. Clin. Neurophysiol. 112, 1400-1407 (2001).
  9. Song, J., et al. Anatomically Accurate Infant Head Models for EEG Source Localization. J Phys Conf Ser. 434 (1), (2013).
  10. Roche‐Labarbe, N., et al. High‐resolution electroencephalography and source localization in neonates. Hum Brain Mapp. 29 (2), 167-176 (2008).
  11. Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
  12. Hernandez, Z. R., Cruz-Garza, J., Tse, T., Contreras-Vidal, J. L.Decoding of intentional actions from scalp electroencephalography (EEG) in freely-behaving infants. Conf Proc IEEE Eng Med Biol Soc. , 2115-2118 (2014).
  13. Bulea, T. C., Prasad, S., Kilicarslan, A., Contreras-Vidal, J. L. Sitting and Standing Intention Can be Decoded from Scalp EEG Recorded Prior to Movement Execution. Front Hum Neurosci. , 8 (2014).
  14. Cuevas, K., Cannon, E. N., Yoo, K., Fox, N. A. The infant EEG mu rhythm: methodological considerations and best practices. Developmental Review. 34 (1), 26-43 (2014).
  15. Goncharova, I. I., McFarland, D. J., Vaughan, T. M., Wolpaw, J. R. EMG contamination of EEG: spectral and topographical characteristics. Clin. Neurophysiol. 114 (9), 1580-1593 (2003).
  16. Marins, J. L., Yun, X., Bachmann, E. R., McGhee, R. B., Zyda, M. J. An extended Kalman filter for quaternion-based orientation estimation using MARG sensors. Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems. 4, 2003-2011 (2001).
  17. Mullen, T., et al. Real-time modeling and 3D visualization of source dynamics and connectivity using wearable EEG. Conf Proc IEEE Eng Med Biol Soc. , 2184-2197 (2013).
  18. Sugiyama, M. Dimensionality reduction of multimodal labeled data by local fisher discriminant analysis. J. Mach. Learn. Res. 8, 1027-1061 (2007).
  19. Li, W., Prasad, S., Fowler, J. E., Bruce, L. M. Locality-preserving dimensionality reduction and classification for hyperspectral image analysis. IEEE Trans. Geosci. Remote Sensing. 50, 1185-1198 (2012).
  20. Cruz-Garza, J. G., Hernandez, Z. R., Nepaul, S., Bradley, K. K., Contreras-Vidal, J. L. Neural decoding of expressive human movement from scalp electroencephalography (EEG). Front Hum Neurosci. 8 (188), (2014).
  21. Kilicarslan, A., Prasad, S., Grossman, R. G., Contreras-Vidal, J. L. High accuracy decoding of user intentions using EEG to control a lower-body exoskeleton. Conf Proc IEEE Eng Med Biol Soc. , 5606-5609 (1109).
  22. Gramann, K., Jung, T. -. P., Ferris, D. P., Lin, C. -. T., Makeig, S. Toward a new cognitive neuroscience: modeling natural brain dynamics. Front Hum Neurosci. 8 (444), (2014).
  23. Bulea, T. C., Kilicarslan, A., Ozdemir, R., Paloski, W. H., Contreras-Vidal, J. L. Simultaneous scalp electroencephalography (EEG), electromyography (EMG), and whole-body segmental inertial recording for multi-modal neural decoding. J Vis Exp. 26 (77), (2013).
  24. Odabaee, M., et al. Neonatal EEG at scalp is focal and implies high skull conductivity in realistic neonatal head models. NeuroImage. 96, 73-80 (2014).
  25. Knickmeyer, R. C., et al. A structural MRI study of human brain development from birth to 2 years. J Neurosci. 28, 12176-12182 (2008).
  26. Lord, C., Rutter, M., DiLavore, P. C., Risi, S. . Autism Diagnostic Observation Schedule. , (2000).
  27. Gotham, K., Pickles, A., Lord, C. Standardizing ADO S scores for a measure of severity in autism spectrum disorders. J Autism Dev Disord. 39, 693-705 (2009).
  28. Mullen, E. M. . Mullen Scales of Early Learning. , (1995).
  29. Wolff, J. J., Gu, H., Gerig, G., et al. IBIS Network. Differences in white matter fiber tract development present from 6 to 24 months in infants with autism. Am J Psychiatry. 169 (6), 589-600 (2012).

Play Video

Cite This Article
Cruz-Garza, J. G., Hernandez, Z. R., Tse, T., Caducoy, E., Abibullaev, B., Contreras-Vidal, J. L. A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants. J. Vis. Exp. (104), e53406, doi:10.3791/53406 (2015).

View Video