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.
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.
En av de grundläggande mänskliga kapacitet är förmågan att lära och distribuera åtgärder (åtgärdsproduktion) strategiskt i bruk mål och belöningar, förmågan att uppfatta målen för arbetsmarknadens parter (åtgärd förståelse) för att producera lämpliga sociala åtgärder, och förmågan att lära av andra genom observation och imitation 1. Den neurala basen för dessa kognitiv motorkapacitet har tillskrivits, åtminstone delvis, den så kallade spegelneuron-systemet; ett system som är tänkt att vara engagerad när man ser någon som utför en handling och när man utför åtgärden. Men den potentiella sambandet mellan spegelneuron-systemet och åtgärder förståelse ännu inte förstått ett. Studera uppkomsten och utvecklingen av denna spegel neuron systemet hos spädbarn har hämmats av a) de tekniska begränsningarna av multimodal datainsamling av hjärnans aktivitet korrelerade till uppsåt och finkornig rörelsedata, B) de begränsningar som experimentella protokoll som är onaturliga (t.ex. social interaktion med en agent som visas i ett videoband, behovet av att upprätthålla en ännu hållning för att minimera artefakter under elektroencefalografiska (EEG) inspelningar, etc), och c) kommunikation / språkbarriärer när man testar spädbarn / småbarn som kraftigt begränsar forskarens förmåga att ge instruktioner och validera beteenden.
För en bättre förståelse av olika neurala och beteende dynamik i naturliga beteende, har vi utvecklat en ny experimentell och analytisk metod som gör det möjligt för tidsupplöst undersökning av de neurala substrat av nya målmedvetna och sociala beteenden hos små barn. Specifikt utplacerade vi en EEG-baserad mobil hjärnavbildning (mobi) metod 2 för att spela in hjärnans aktivitet och rörelse från fritt beter spädbarn under interaktion med en försöks. Tröghetsmåttenheter (Imus) användes för att monMonitor föremål och försöks kinematik.
EEG teknik och tröghetssensorer användes för att studera neurala mönster och aktiveringar i samband med spädbarn agerande imitation och målmedvetna beteende i en oskriven interaktion med en försöks / skådespelare. Åtgärder som räckvidd-grepp, når erbjudande, observera, vila och utforska är alla en del av de kognitiva-motoriska processer i imitation. Dessutom använder vi käll uppskattningen att lokalisera generatorerna av elektriska potentialer i hjärnan under beteende uppgifter, och därmed studera Spatiotemporal dynamiken i neuronala strömmar hela hjärnan. På samma sätt som vi distribuerar maskininlärningsalgoritmer för att bedöma och mäta förutsägbarheten dessa beteende åtgärder genom att identifiera action relevant spatio-tidsmönster i neural aktivitet i sensor (EEG) och / eller käll utrymmen. Att integrera traditionell ERD / ERS, källa och avkodning analys ge en mer heltäckande UTVECKLINGtal beskrivning av neurala grunden för sådana beteenden.
Denna inställning tillät oss att utnyttja fördelarna med Mobi strategi 2,3 och studera de sociala interaktioner mellan barnet och försöksledaren, eftersom de förekommer naturligt utan restriktioner.
Protokollet, från det att ämnet kommer till den tid han / hon lämnar, tar ungefär en timme att slutföra. IMU / EEG ställtiderna och elektrod plats förvärv varierar från 15 till 25 minuter beroende på faktorer såsom hårlängd och samarbete i ämnet. Initieringen och konfigurationen av utrustningen uppgår till 10 minuter, och testsessionen varar ca 15 min. Borttagning av IMU och EEG mössa, inklusive rengöring huvudet av barnet från allergivänliga gel, tar 5-10 minuter.
Protokollet som beskrivs presenterar en metod för att samla in data från fritt beter spädbarn medan de interagerar med en försöks i realtid. Den sysselsätter mobil hjärnavbildningsteknik (hårbotten EEG) för att fånga neural aktivitet samtidigt inspelning kinematiska data med IMU på strategiska kroppslokaliseringar. Experimentet session registreras också av en videokamera. De tre dataregistreringssystem synkroniseras med hjälp av en anpassad utlösande systemet.
EEG och IMU systemet fastspänd på ämnet som han / hon röra sig fritt under försöket sessionen. De IMU måste spännas fast ordentligt för att kunna fånga kinematik korrekt. För att säkerställa full obegränsad rörlighet i ämnet, har utrustning för att vara så minimalt påträngande som möjligt; därmed användningen av hållaren för att stödja EEG: s elektrodkablar och kontrollboxen EEG. Försöks samverkar sedan med spädbarnet i ungefär 15 minuter. Den Infant kommer att framkalla en åldersberoende repertoar av beteenden under interaktionen. Dessa inkluderar vila, når-grepp, når erbjudande, utforska, observera och imitera. Dock kommer vissa barn vara ovilliga att samarbeta i sessionen på grund av trötthet, bristande komfort eller stress. Se till att planera experimentet när barnet är mest dynamiska och aktiva för att förhindra förekomsten av negativa svar från honom / henne.
Den typ av experiment utgör en risk för kvaliteten på de uppgifter som registrerats under hela sessionen. Därför är det viktigt att testa alla anslutningar och datakvaliteten innan du startar inspelningen, och att övervaka dem kontinuerligt under sessionen. Om uppgifterna Anläggning inte spelar in kvalitetsdata, stoppa programmet och dra alla anslutningar. Innan du startar programvaran eller ansluta utrustningen tillbaka till den bärbara datorn, ta bort alla tänkbara bullerkällor (dvs. nätaggregat) från närheten till inspelning hårdvara. EEG hårdvara inkluderar signalförstärkare som kan plocka upp omgivningsbuller om de placeras nära elektriska bullerkällor. För IMU mottagaren, se till att det inte finns någon inblandning i siktlinjen mellan mottagaren och experiment och spädbarn.
Denna experimentuppställning har hög temporal upplösning neurala data genom mätning av elektrisk aktivitet vid ytan av hårbotten. Nyligen genomförda studier har visat att möjligheten att utnyttja dessa signaler, tillsammans med hela kroppen kinematik, för att identifiera klassificeras information uttrycksfulla rörelser 20, och funktionella rörelser 21,22, vilket tyder på att den föreslagna datainsamling strategi skulle kunna leda till en bättre förståelse av neurala grundval av imitation hos spädbarn.
Nya bidrag presenterar kraftfulla maskininlärningsalgoritmer som tillämpas på hjärnan dynamik 13,20,21 bygger en växande verktygslåda för att studera ytpotentialer i mer naturligt sebeslag. Detta föreslagna upplägget ger ett spektrum av möjligheter för forskningsfrågor som skall behandlas 2,22. I synnerhet kan det användas till forskning inriktad på a) förstå neurala grunden för kognitiv motoriska utveckling av spädbarn som grundar sig på en stor population av ämnen; b) förstå neurala grunden för barnets avsikt i insatser och sammanhang ", som bör vara förutsäga den inkommande beteende åtgärder; c) kvantifiera gemensamma och unika neurala mönster att karakterisera individualitet och variation i den växande hjärnan; och d) att studera framväxten av imitation och lärprocesser. Dessa mål innebär utbyggnaden av maskininlärning algoritmer som kan hantera statistiskt rika uppgifter både i informativa hjärn ursprung potentialer och rörelse eller muskelartefakter 12,20,23.
Denna studie försöker uppskatta kortikala källor och elektriska fält potentialer med hjälp av spädbarn EEG-data. På grund avde tekniska svårigheterna såsom brist på kunskap i modersmjölks huvud konduktivitetsvärden och tjocklek på kortikal materia, är noggrann modellering av huvud modell en svår uppgift. Ytterligare studier behövs för icke-invasiv regionala vävnads konduktivitet uppskattningar i spädbarn 24. Kortikala ytan segmentering av spädbarn MRI data är ytterligare en utmaning på grund av den dåliga kontrasten finns i bilder av att utveckla den mänskliga hjärnan 25. Det behövs framtida forskning att ta itu med dessa problem och uppskatta olika neurofysiologiska korrelat till barnets utveckling och beteende.
Slutligen skulle den föreslagna försöksprotokoll och metoder sättas i studien av dem med utvecklingsstörning som spädbarn med trolig autismspektrumstörning (ASD). I en sådan tillämpning skulle det vara önskvärt att inkludera en kontrollgrupp och lämpliga bedömningar utvecklings att karakterisera de två grupperna (kontroll och ASD). För examenpel, en studiegrupp kan bestå av allt hög risk (för ASD) spädbarn syskon bedömas med ados 26, på symtomens svårighetsgrad 27 och Mullen Scales of Early Learning 28 karakterisera allmän kognitiv förmåga. Om tillgängliga, diffusion vägda MRT skulle också vara mycket önskvärt 29.
The authors have nothing to disclose.
Detta arbete stöddes av Eunice Kennedy Shriver National Institutes of Child Health & Human Development (NICHD) Award # P01 HD064653-01. Innehållet är ensamt ansvarig för författare och inte nödvändigtvis representerar officiella ståndpunkter NICHD eller National Institutes of Health.
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. |