Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Une tâche (ERP) potentielle liés aux événements de l’amorçage sémantique pour étudier le traitement Lexico-sémantiques et Visuo-sémantique dans les troubles du spectre autistique

Published: April 12, 2018 doi: 10.3791/57217
Automatic Translation
1
1Department of Communication Sciences and Disorders, University of Vermont

Summary

Cet article décrit une tâche d’ERP d’amorçage sémantique à l’aide de paires au sein de la modalité des images et des mots pour enquêter sur le traitement sémantique chez les personnes souffrant de troubles du spectre autistique (TSA).

Abstract

Personnes souffrant de troubles du spectre autistique (TSA) ont des déficits caractéristiques dans la compréhension de la signification de la langue, ou la transformation sémantique. Toutefois, certains éléments de preuve indique que le traitement sémantique de stimuli non linguistiques est intacte, ce qui suggère que les déficits sémantiques peuvent être spécifiques à une langue. Pour caractériser adéquatement les déficits de transformation sémantique chez les individus atteints de TSA, Comparaison de dans-modalité linguistique (p. ex., mots écrits) et non linguistiques des stimuli (par exemple, images) est requise. Cet article décrit une méthode de ce type qui utilise un paradigme d’amorçage sémantique au cours de l’enregistrement simultané des technologues en électroencéphalographie (EEG) données. EEG fournit une mesure dynamique de l’activité cérébrale qui est bien adaptée pour caractériser les différences subtiles dans le traitement sémantique qui peut ne pas être observables au niveau comportemental. La sémantique d’amorçage paradigme présente une photo principale ou un mot (par exemple, chien) suivie d’une image cible ou un mot qui est soit lié (p. ex., chat) ou non (p. ex., crayon) à la fleur. Ce paradigme permet donc d’évaluer le traitement sémantique à travers différentes modalités et de comparer les capacités de traitement lexico-sémantiques et visuo-sémantique chez les individus avec ASD et comment ils peuvent différer des individus de TD. Les étapes spécifiques impliqués dans la création les stimuli, effectuer les essais d’EEG et analyser les données de l’EEG sont discutés. Résultats représentatifs illustrent comment le composant N400 du potentiel liés à l’événement (ERP) est réduits liés sémantiquement premier-cible paires suivantes comparées aux couples non apparentés. Comparaisons de la N400 entre groupes, modalités et conditions peuvent fournir des estimations de la réussite du traitement sémantique et peuvent ainsi être utilisés pour caractériser les déficits sémantiques chez des individus avec ASD ou autres populations cliniques.

Introduction

Chercheurs en psychologie cognitive ont longtemps été intéressés par la façon dont les gens comprennent le sens de la langue. Traitement automatique des langues implique une séquence d’étapes de plus en plus complexes, de la lettre et le mot de reconnaissance, traitement sémantique, analyse syntaxique. Traitement sémantique fait référence à l’accès à la signification d’un stimulus, que ce soit un mot, une image ou son. Suite à des étapes précoces de la reconnaissance du mot initial, accès du sens du mot, ou sémantique, est une étape cruciale dans le traitement du langage. Intégration sémantique désigne le processus d’intégration de la signification de stimuli à comprendre leurs relations et il est cruciale pour le langage de niveau supérieur évoluées telles que la peine de comprendre. Non seulement le sens de chaque mot dans une phrase a besoin d’être accessibles, mais les significations de chaque mot individuel doivent être intégrés pour former une compréhension cohérente du sens de la phrase, ou « essence ».

Personnes souffrant de troubles du spectre autistique (TSA) ont souvent des déficits importants en langue compréhension1. Il y a certains éléments de preuve suggérant que ces difficultés découlent des déficits dans le traitement sémantique et intégration2,3,4. Cependant, d’autres études ont suggéré que les personnes autistes ne montrent pas de déficits traitement sémantique lorsque les matériaux sont présentées en non linguistiques (par exemple, visuel ou auditif) modalités3,5,6 . Ces résultats suggèrent que traitement sémantique des déficits dans l’ASD peuvent se limiter à linguistique (c'est-à-dire, écrite ou parlée) modalités. À ce titre, les approches qui contrastent avec des modalités différentes peuvent donnent un aperçu de la mesure dans laquelle traitement sémantique déficits sont spécifiques à un domaine ou indicative d’un style de traitement omniprésente. Le but de cet article est de décrire une méthodologie permettant de comparer le traitement sémantique entre différentes modalités en utilisant une tâche d’amorçage sémantique pendant l’enregistrement électrophysiologique simultanée.

Le paradigme de l’amorçage sémantique a une longue histoire dans la recherche étudie comment sémantique, traitement des influences niveau inférieur mot reconnaissance7,8. Dans les tâches d’amorçage sémantique traditionnel, est présenté un premier mot (p. ex., chat) suivie d’une cible word qui est sémantiquement liées (par exemple, chien) ou non (par exemple, livre) pour le premier. Cette tâche s’effectue souvent dans le cadre d’une tâche de décision lexicale, tels que les participants sont invités à déterminer si le mot cible est un vrai mot ou pas. Autres paradigmes peuvent avoir des participants effectuer une tâche de catégorisation sémantique sur le mot cible, ou de juger si les deux stimuli sont liées ou non. Peu importe la tâche spécifique, sache ont établi que les temps de réaction (RTs) sont plus rapides à mots cibles qui sont sémantiquement liés à la prime par rapport à ceux qui ne sont pas liés.

Cet « effet d’amorçage sémantique » a été attribué à un certain nombre de mécanismes théoriques comptes7,8. L’un est que l’effet d’amorçage est due à une activation diffusion automatique par le biais du réseau sémantique, tels que l’extraction du sens du mot principal active le sens des autres mots sémantiquement liés, y compris le mot cible. Ensuite, cela réduit le temps nécessaire pour l’activation sémantique du mot cible. Un deuxième mécanisme théorique, c’est que d’espérance, qui pose en principe qu’en voyant le premier mot, les participants génèrent un attendu jeu de cibles potentielles. Mots de cibles qui sont inclus dans cet ensemble sont reconnus puis plus rapidement. Enfin, d’autres ont postulé l’existence d’un mécanisme études lexical d’appariement sémantique, qui établit l’existence d’une relation sémantique entre la cible et le premier mot. Quel que soit le mécanisme spécifique qui sous-tendent l’effet, amorçage sémantique peut être un indice utile de traitement sémantique et intégration. Ce paradigme n’est pas non plus limité à des stimuli lexicales et peut également être utilisé pour enquêter sur l’amorçage sémantique de stimuli non linguistiques comme images9 , mais aussi les cross-modal d’amorçage sémantique (par exemple, entre les mots et les images)3.

Effets d’amorçage sémantique ont été bien étudiés dans la littérature psycholinguistique et ont été l’objet d’une enquête en ce qui concerne le type de relations de premier-cible, le moment de la présentation de premier et de la cible et nombreuses autres manipulations8. Les corrélats électrophysiologiques de cet effet ont également été bien caractérisé10. Électroencéphalographie (EEG) est une méthode d’enregistrement de l’activité neurale par l’intermédiaire de changements dans l’activité électrique mesurée au cuir chevelu. EEG est un choix utile de méthodologie d’un paradigme d’amorçage sémantique car il a très bonne résolution temporelle (sur l’ordre des millisecondes, ms) et peut fournir ainsi des différences subtiles dans le traitement sémantique entre des conditions ou des groupes, même en l’absence de effets sur le comportement ou les réponses.

Potentiels liés à l’événement (ERPs) sont les changements verrouillé au moment de l’EEG qui surgissent en réponse à une stimulation spécifique ou un comportement. Selon le moment et la polarité de la réponse, différentes composantes de l’ERP sont le reflet des différents aspects du traitement cognitif. Le composant N400 est un marqueur bien établi de traitement sémantique et intégration sémantique11,12 (bien que plusieurs autres interprétations existent10,13). L’amplitude N400 est réduite lorsque l’intégration sémantique est plus facile (par exemple, lorsque le premier et la cible dans un paradigme d’amorçage sémantique sont sémantiquement liés) par rapport à quand l’intégration sémantique est plus difficile (par exemple, quand deux mots ne sont pas liés). Ce qui est important, la différence d’amplitude entre les conditions liées et indépendantes (c.-à-d., « l’effet N400 ») n’est pas spécifique à la langue. N400 effets sont également observés dans les modalités non linguistiques, comme en réponse à des paires d’images sémantiquement liés et non liés ou des sons environnementaux14,15,16,17. Le N400 est donc un élément utile d’ERP pour l’application du paradigme actuel parce qu’il peut être utilisé comme une estimation indépendante de modalité de capacités de traitement et de l’intégration sémantiques.

Individus avec ASD spectacle réduit ou absent des effets d’amorçage sémantique et N400 en réponse à la langue des stimuli2,3,4, suggérant des déficiences dans le traitement sémantique. Ces effets ont été trouvés en réponse à visuo-sémantique et des stimuli audio-sémantique3,5,6, son soutien à la revendication que le traitement sémantique est sélectivement altéré pour des stimuli de langue. Toutefois, la plupart des études précédentes en comparant les modalités ont utilisé des cross-modal d’amorçage, telle que la paire de premier-cible contienne un stimulus lexical. Compte tenu de la proposition que les personnes autistes ont des déficits dans le traitement sémantique de stimuli de la langue, ces stimuli cross-modal peuvent avoir influé sur résultats. Pour vraiment étudier si le traitement sémantique de la langue est sélectivement altérée chez les personnes autistes, paires de dans-modalité de stimuli lexicales et non lexicale doivent être utilisés. Dans une étude récente, Coderre et al. 6 a fourni la première comparaison directe de l’amorçage sémantique mot et l’image au sein de la modalité d’enquêter sur le traitement sémantique de déficits chez l’adulte (18-68 ans) atteints d’un Ted. Participants atteints de TSA et généralement en développement (TD) vu les paires d’images et de mots et ont été invités à juger si les stimuli sont liées ou non. Au cours de cette tâche d’amorçage sémantique, leur activité cérébrale a été enregistrée à l’aide d’EEG. En comparant les effets N400 entre les groupes et les modalités, ce paradigme donné un aperçu de la nature du traitement sémantique chez les personnes autistes.

Le but de cet article est de décrire l’amorçage sémantique méthode ERP employée par Coderre et al. 6. bien que ce paradigme a été initialement mis en place pour étudier la transformation sémantique chez les adultes atteints d’un Ted, il peut être utile pour les expérimentateurs souhaitent explorer les corrélats neurones de traitement lexico-sémantiques et visuo-sémantique, soit en TD individus ou des populations cliniques spécifiques.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Toutes les méthodes décrites ici ont été approuvées par l’institutionnels Review Board de Johns Hopkins University, où l' original de l’étude6 ont été effectués.

1. créer des Stimuli

  1. Créez une première liste de noms concrets d'où paires premier-cible seront faites.
    1. D’un corpus sélectionné tels que Subtlex19, sélectionnez environ 500 noms concrets et obtenir des variables d’intérêt (p. ex., fréquence, durée, concret, imageability, etc.) pour chaque mot.
      Remarque : Autres corpus, comme le Medical Research Council (MRC) Database psycholinguistiques18 ou20de Corpus d’anglais contemporain d’Amérique, peuvent également être utilisés. Subtlex a été utilisée dans l’étude originale parce que cette base de données est juste un gros fichier Excel et ainsi facilement permet la recherche pour la génération de stimulus. Autres corpus ont différentes interfaces graphiques et peuvent exiger de l’utilisateur à entrer une chaîne de texte spécifique dans une zone de saisie et de vérifier les variables d’intérêt demandé.
  2. Effectuer une analyse sémantique latente (LSA) entre les stimuli d’établir proximité sémantique
    1. Sélectionnez la méthode LSA ou outil. Un outil en ligne utile est fourni par l’Université Boulder Colorado (http://lsa.colorado.edu/).
      1. À partir du site d’atterrissage principal, cliquez sur matrice de comparaison.
      2. Entrez les mots individuels pour comparer, séparé par une ligne vide.
      3. Cliquez sur envoyer des textes.
    2. À l’aide d’un tableur, créer une matrice de valeurs de la CVL entre chaque mot et chaque autre.
  3. Diviser des stimuli en conditions liées et indépendantes basées sur LSA (Figure 1A).
    1. Sélectionner manuellement les 200 paires de mots avec des valeurs élevées de LSA (environ 0,5 ou supérieurs) pour la condition « connexe ».
    2. Sélectionner manuellement les 200 paires de mots avec faibles valeurs LSA (environ 0,1 ou inférieurs) pour la condition de « non reliée ».
      Remarque : L’expérimentateur devra peut-être examiner manuellement les paires de mots pour s’assurer que la relation sémantique est logique pour la catégorie. Certaines paires de mots peuvent avoir des cotes élevées de LSA, mais la proximité sémantique ne peut pas être immédiatement évidente aux participants. De même, certains peuvent avoir de faibles cotes de LSA, mais peuvent être sémantiquement liés par d’autres moyens.
    3. Lors de la création de paires liées et indépendantes, manuellement correspondance avec les mots sur la fréquence, la longueur et toutes les autres variables qui ont été notées pour être pertinentes dans la littérature (p. ex., direction de l’association7,8) ou qui sont des intérêt pour l’étude spécifique. Correspondre les mots autant que possible sur les variables d’intérêt (par exemple, au sein d’unités de fréquence 1-2log10, dans 1-2 lettres ou syllabes).
  4. Diviser des stimuli en modalités de mot et l’image (Figure 1A).
    1. Dans le fichier de stimulation dans la feuille de calcul, ajoutez une autre colonne de la « condition ».
    2. Dans la colonne « État », label 100 des paires connexes et 100 des paires indépendantes comme condition « image ». Étiqueter les autres stimuli restants comme condition de « mot ».
  5. Obtenir des stimuli de photo.
    Remarque : Des stimuli photo s’adressant de sources en ligne (p. ex., recherches sur Google image) ou d’autres sources disponibles pour l’expérimentateur.
    1. Choisissez 2 ou 3 images pour représenter chaque mot.
    2. Effectuer un essai pilote initial par la présence d’un ou plus indépendants évaluateurs (p. ex., étudiants, assistants de recherche qui n’ont pas été impliqués dans le développement de stimulation) décident quelle meilleure image représente le concept.
      1. Ouvrir tous les fichiers image potentielle à la fois à l’aide d’un programme de visionneuse de photo, puis lire le mot à haute voix et demandez à l’évaluateur de choisir l’image la plus représentative. Enregistrer les réponses de chaque évaluateur pour chaque mot.
      2. Pour chaque mot, identifiez l’image que la plupart des évaluateurs sélectionnés de mieux représenter le concept et utilise ce fichier comme stimulus pour ce mot. Si aucune majorité n’existe, sélectionnez un tableau différent de photos et répétez l’étape 1.5.
    3. À l’aide de GIMP (ou un autre programme de choix de retouche de photo), photos d’échelle à tous avoir la même taille (environ 400 pixels ou 3 à 5 pouces de hauteur ou largeur).
      Remarque : La taille précise des photos peut varier selon la taille de l’écran des stimuli seront présentés sur. Angle horizontal et visuelle des stimuli doit être entre 7 et 13 degrés.
  6. Effectuer un test pilote
    1. Pilote test paires de mot et l’image en demandant aux évaluateurs indépendants 3 – 4 (p. ex., étudiants, assistants de recherche qui n’ont pas été impliqués dans le développement de la stimulation) de coter chaque paire comme connexes ou non.
      1. Le programme de l’expérience en E-Prime (ou autre programme de présentation de stimulus de choix) de présenter les deux mots sur l’écran à la fois, l’une au-dessus de l’autre ou côte à côte. Demandez aux participants de noter les mots comme connexes ou non en appuyant sur un bouton (par exemple, 1 pour 2 connexes, pour non). Voir le Manuel E-Prime21 pour plus de détails sur comment programmer une expérience dans ce progiciel.
        NOTE : Mise à l’essai peut avoir lieu dans le laboratoire où l’essai expérimental aura lieu, ou à n’importe quel ordinateur exécutant le programme de présentation de relance. Aucun place spéciale n’est nécessaire.
      2. Répéter le test pilote (avec nouveaux évaluateurs indépendants qui n’ont pas vu les stimuli) jusqu'à un ensemble de mots et images est obtenu avec des cotes fiables de liées et indépendantes. Obtenir un total de 100 paires de mots connexes, 100 paires de mots sans rapport, 100 paires de photo connexes et 100 paires de photo sans rapport.
        NOTE : Il a été suggéré que les enquêteurs à l’aide du composant N400 pour enquêter sur la cognition dans les populations cliniques recueillent un minimum de 40 essais utilisables par type de procès pour obtenir un effet fiable22. Anticipant que certains essais seront perdues pendant les données de processus de nettoyage, le nombre d’essais inclus dans le paradigme devrait être augmenté. Dans un travail préalable à l’aide de ce paradigme spécifiques 6, 100 essais par type d’essai a été plus que suffisant pour assurer la robustes effets N400 sur deux un individu et groupe. Parce que le composant N400 est similaire entre les mots et en images10, cette estimation nombre de types d’essais est recommandé de rester cohérent entre les modalités.
      3. Conserver un 8 paires supplémentaires (4 mots, 4 images) pour une séance d’entraînement (voir étape 2.2.1below)

2. la tâche programmation

  1. Créer des listes de stimuli.
    1. Depuis la dernière série de stimuli, trier des stimuli en 8 blocs. Modalité (image/mot) doit être bloquée (4 blocs).
    2. Dans chaque bloc, assurer un nombre égal de stimuli liés et non liés.
    3. Manuellement de pseudo-randomiser présentation listes dans chaque bloc, telle qu’il n’y a pas plus de 5 stimuli connexes ou non dans une rangée et paires côte à côte ne sont pas sémantiquement liés. Éviter les essais comme « carotte-brocoli », « pomme-poire » immédiatement à côté de l’autre.
  2. Le programme de la tâche à l’aide de E-Prime ou autres logiciels de présentation du stimulus de choix.
    Remarque : Étapes décrites ici sont spécifiques au E-Prime et NetStation et différera si un autre logiciel de présentation de stimuli ou logiciel d’acquisition EEG est utilisé. Veuillez consulter le Manuel E-Prime21 et les Extensions E-Prime pour NetStation tutoriel23 pour plus de détails sur comment programmer une expérience EEG dans ce progiciel et comment faire pour activer la communication entre E-Prime et NetStation.
    1. Deux séances d’essais pour les blocs de photo et de la parole (4 paires chacun), à effectuer avant le début de l’essai expérimental de programme.
    2. Un écran d’instructions de programme au début de la séance d’essais à lire : « vous verrez deux mots présentés à l’écran l’un après l’autre. S’il vous plaît essayer de s’asseoir aussi immobile que possible et ne pas cligner des yeux tandis que les mots sont présentés. Après que la paire est présentée, vous verrez une croix noire sur l’écran. Quand vous voyez la croix noire, prière d’indiquer si les mots étaient liés ou non. Appuyez sur la touche 1 si les mots sont liés. Appuyez sur la touche 2 si les mots ne sont pas liés. Appuyez sur n’importe quelle touche pour démarrer la session de pratique. »
    3. Pour chacun des stimuli word, double-cliquez sur les icônes voici dans la structure de l’expérience. Cliquez sur l’icône Propriétés en haut à gauche. Sous l’onglet police, sélectionnez la taille de police Courier New 28. Sous l’onglet général, sélectionnez ForeColor noir et BackColor blanc et de présenter les mots en caractères noirs sur fond blanc.
      Remarque : La taille de police spécifique devrez peut-être être modifié selon la taille et la résolution de l’écran utilisé pour la présentation. Angle visuel horizontal des mots doit être entre 1 et 6 °.
    4. Pour chacun des stimuli photo, double-cliquez sur les icônes de la diapositive dans la structure de l’expérience. Cliquez sur l’icône Propriétés en haut à gauche. Sous l’onglet général, sélectionnez BackColor blanc pour présenter des photos sur fond blanc.
    5. Programme de chaque essai de présenter les stimuli suivants dans cet ordre : une fixation préventive rouge Croix (400 ms) ; stimulus 1 (1 000 ms) ; intervalle interstimulus (écran blanc blanc 300 ms) ; stimulus 2 (1 000 ms) ; écran blanc (400 ms) ; intervalle d’épreuves (fixation noire croix ; au hasard jittered entre 1 000-1 400 ms par intervalles de 100 ms, 1200 ms en moyenne) ; Voir Figure 1 b. Pour définir des durées, double-cliquez sur les icônes voici ou une diapositive dans la structure de l’expérience et de cliquez sur le bouton de propriétés sur le haut à gauche de la fenêtre. Régler la durée sous l’onglet durée/Input.
      Remarque : L’écran vide est inclus avant la pause, épreuves d’offrir une pause visuelle entre le second stimulus et la croix noire et de prévoir une invite subtile le jugement à venir proximité sémantique.
    6. Programmer un objet Voici appelé « Break » après chaque bloc est terminé en disant « fin du bloc, s’il vous plaît faire une pause »
  3. Incluez les paramètres pour la communication entre E-Prime et NetStation. Voir les Extensions E-Prime pour NetStation manuel23 pour obtenir des instructions spécifiques sur la façon d’inclure cette information.
    1. Pour chaque objet d’affichage de texte « mot1 » ou « mot2 », sélectionnez l’objet dans la structure de l’expérience. Sous la fenêtre « Propriétés », définir le Tag « WRD1 » ou « WRD2 », respectivement.
    2. Pour chaque objet de Slide « picture1 » ou « image2 », définir la balise « PIC1 » ou « PIC2 », respectivement.
    3. Sous « objets non référencés E- », créez une liste appelée « CellList ». Entrez les numéros de cellulaire que : 1 = photo associé ; 2 = photo non relié ; 3 = mot lié ; 4 = mot non liée. Dans la liste des procès pour chaque bloc, inclure une colonne appelée « CellNumber » et entrez le nombre de cellules correspondant pour chaque procès selon la condition et modalité.

3. EEG test

Remarque : Les procédures spécifiques décrites ici sont pour un système EGI. Procédures peuvent différer si d’autres systèmes sont utilisés.

  1. Préparer pour le test d’EEG.
    1. Mélanger 2 cuillères à café (10 g) de chlorure de potassium avec 1 pinte (1 L) d’eau et 1 cuillère à soupe (15 mL) de shampoing pour bébé dans un seau en plastique transparent pour créer une solution électrolytique
    2. Mesurer le tour de tête du participant, en passant par l’inion et nasion, pour déterminer la taille appropriée de net. Sélectionnez le net taille approprié selon la circonférence de la tête du participant.
    3. Plonger les électrodes dans l’électrolyte solution, veiller à ce que toutes les éponges sont complètement submergés et laissez tremper pendant au moins 5 minutes.
  2. Appliquer l’EEG net.
    1. Boire des participants assis confortablement dans un fauteuil, face à l’expérimentateur. Expliquer au participant que vous va être revêtu le net maintenant, puis l’ajuster et vérifier le signal avant de commencer le test.
    2. Placer les serviettes autour des épaules du participant. Instruire participant fermer leurs yeux, puis appliquer le net à la tête du participant. Ajuster le filet et serrer les attaches pour assurer un ajustement parfait à la tête du participant.
    3. Travailler à travers toutes les électrodes à leur siège contre le cuir chevelu. Utiliser un mouvement de balayage avec l’électrode à cheveux m’éloigner. Mouillez l’éponge à l’aide d’une pipette si nécessaire.
    4. Une fois toutes les électrodes ont été assis, vérifier les impédances. Réinstallez ou mouiller toutes les électrodes avec les impédances au-dessus de 50 kiloohms (kΩ).
  3. Exécutez l’amorçage sémantique expérience pendant l’enregistrement de l’EEG.
    1. Une fois que le filet est appliqué, les impédances ont été vérifiés, et le participant est prêt à commencer, démarrer la tâche d’amorçage sémantique.
    2. Répète les instructions aux participants avant l’essai. Instruire les participants pour juger si les stimuli mot ou image sont liées ou non en appuyant sur un bouton sur un clavier ou un bouton-boîte. Pour éviter les artefacts moteurs confusion le signal EEG, instruire les participants d’attendre pour faire leur réponse jusqu'à ce que le second stimulus a disparu de l’écran et la croix noire est apparue.
    3. Lance la session de pratique au moins une fois pour s’assurer que les participants comprennent la tâche.
    4. Après chaque 2 pâtés de maisons, pendant la pause, mouillez les électrodes et revérifier les impédances.

4. EEG prétraitement

  1. Outils de NetStation ouvert.
    Remarque : Les étapes décrites ici sont spécifiques aux preprocessing en 5 NetStation. Voir la NetStation 5 manuel de l’utilisateur24 pour plus de détails sur la façon d’utiliser les outils de NetStation. Autres paquets de prétraitement peuvent inclure EEGlab, ERPlab, excursion ou autre logiciel de choix de l’expérimentateur. Notez que la fonction de l’ordre des étapes de prétraitement peut-être différer entre les progiciels. Observation d’un N400 effet ne devrait pas être basée sur le choix du progiciel d’analyse.
  2. Filtrer les données.
    1. Au bas de la fenêtre outils NetStation, créer un nouvel outil de filtrage en sélectionnant « Filtrage » dans le menu déroulant « Créer ». Renommez l’outil approprié.
    2. Définissez le filtre passe-haut à 0,1 Hertz (Hz) et le filtre passe-bas à 50 Hz.
      Remarque : Le filtre passe-haut peut être inférieur à 0,1 Hz, mais il n’est pas conseillé de dépasser ce seuil de décision, pour éviter tout risque d’introduire des effets parasites25. Un filtre passe-bas aussi faible que 30 Hz peut être utilisé.
    3. Enregistrer l’outil, puis faites glisser le fichier d’enregistrement EEG original dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
  3. Segmenter les données en essais.
    1. Créer un nouvel outil de « Segmentation » et nommez-le correctement.
    2. Sous « Catégories de créer », appuyez sur le signe plus pour créer une nouvelle catégorie et renommez-le « photo ». Faites glisser l’icône de « Code » dans la case « Create catégorie fondée sur des critères » et le définir comme « Code est PIC1 » sur temps-lock pour la présentation du stimulus 1. Faites glisser l’icône « Key Code » dans la case « Create catégorie » et définissez-le comme « Key Code cel # est 1 ».
      1. Pour inclure uniquement les essais corrects, faites glisser un autre « Key Code » icône dans la zone « Create catégorie » et définissez-le comme « Key Code eval est 1 ».
    3. Au bas de la fenêtre, régler la longueur du segment « Extend segmenter 100 ms avant et 2 300 ms après ».
      Remarque : Segments peuvent être verrouillé à l’apparition du stimulus soit premier ou deuxième temps. S’il est verrouillé à la première stimulation, segments doivent dépasser 100 ms avant à 2300 ms après (y compris durée de présentation de ces deux stimuli (1 000 ms chacune) plus le temps de l’intervalle de relance inter (ISI) (300 ms)). S’il est verrouillé au second stimulus, segments doivent dépasser de 100 ms avant pour 1 000 ms après.
    4. Clone de la catégorie en appuyant sur la touche « Clone » et renommez-le « sans rapport avec une image ». La valeur du Code PIC1 et le cel Key Code # 2.
    5. Clone de la catégorie et renommez-le « mot associé ». La valeur du Code WRD1 et le cel Key Code # 3.
    6. Clone de la catégorie et renommez-le « mot non liée ». La valeur du Code WRD1 et le cel Key Code # 4.
    7. Enregistrer l’outil, puis faites glisser le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
  4. Effectuer la détection de l’artefact.
    1. Créer un nouvel outil de « Détection d’artefact » et nommez-le correctement.
    2. Sous « Paramètres de détection d’artefact », appuyez sur le signe au bas de la fenêtre pour ajouter un nouveau paramètre. Sélectionnez « Chaînes de mauvais » dans le menu déroulant sous « Opération ». Laisser tous les paramètres par défaut (max-min > 200 microvolts (µV) ; Ensemble du segment ; La moyenne mobile de 80 ms).
    3. Ajouter un nouveau paramètre, puis sélectionnez « Eye Blink » dans le menu déroulant « Opération ». Laissez tous les paramètres par défaut (max-min > 140 µV ; taille de la fenêtre ms 640 ; moyenne mobile de 80 ms).
    4. Ajouter un nouveau paramètre, puis sélectionnez « Eye Movement » dans le menu déroulant « Opération ». Laissez tous les paramètres par défaut (max-min > 55 µV ; taille de la fenêtre ms 640 ; moyenne mobile de 80 ms).
    5. Enregistrer l’outil, puis faites glisser le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
    6. Ouvrez le fichier qui en résulte dans l’examen de NetStation et naviguer dans toutes les épreuves en appuyant sur les flèches sous le menu « Catégories » sur la barre latérale de droite. Marquer des essais comme bon ou mauvais en frappant les cercles rouges ou verts, respectivement. Une fois terminé, fermez le fichier pour enregistrer les résultats.
  5. Effectuer le remplacement du mauvais canal.
    1. Créer un nouvel outil de « Mauvais canal remplacement » et nommez-le correctement. Pas besoin de paramètres pour être défini par l’utilisateur pour cet outil, alors enregistrer l’outil, puis glissez le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
  6. Effectuer le sujet unique en moyenne pour s’effondrer au cours des essais.
    1. Créer un nouvel outil de calcul de la « moyenne » et nommez-le correctement. Sous « Une moyenne de paramètres », sélectionnez « gérer les fichiers source : ensemble » et « gérer des sujets : séparément ».
    2. Enregistrer l’outil, puis faites glisser le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
  7. Données de référence à la moyenne de référence26.
    NOTE : La référence moyenne est utilisée ici car EGI fournit dense-tableau EEG (128 et 256 canaux). Il a été suggéré qu’une référence moyenne utilisable avec enregistrement dense-tableau systèmes26; d’autres études d’ERP d’amorçage sémantique à l’aide de filets 128 ou 256 canaux ont utilisé la référence moyenne6,27,28. Autres choix de référence incluent la moyenne de la droite et gauche mastoids, le nez ou le lobe de l’oreille29. Il n’y a pas d’autre choix optimal de l’électrode de référence, et l’expérimentateur doit noter que le choix de l’électrode de référence peut affecter la résultante ERP des formes d’ondes26,29.
    1. Créer un nouvel outil de « Opérations de Montage » et nommez-le correctement.
    2. Sélectionnez le réseau approprié dans le menu déroulant sous « Liste des Montages pour capteur Layout ». Sélectionnez « Moyenne de référence » et assurez-vous que la case « Exclure les mauvais canaux de référence » est activée. Enregistrer l’outil, puis faites glisser le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».
  8. Correction de base Perform utilisant la première ms 100 du segment10 , 28.
    Remarque : Une période de référence de 200 ms peut également être utilisé29.
    1. Créer un nouvel outil de « Correction de base » et nommez-le correctement.
    2. Sous « Paramètres de Correction de base », sélectionnez « Sélectionner la base de la partie du segment », « Select référence en ce qui concerne les temps de segment = 0" et « Baseline commence 100 ms avant temps zéro et est long de 100 ms ».
    3. Enregistrer l’outil, puis faites glisser le fichier prétraité plus récent dans la zone « Fichiers d’entrée » en haut à gauche de la fenêtre et cliquez sur « Run ».

Figure 1

Figure 1 : Exemples expérimentaux et chronologie. (A) exemples de stimuli image et mot. (B) la chronologie de la présentation du stimulus. Ce chiffre a été réimprimé avec la permission de Coderre et al. 6 S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Si des stimuli ont été convenablement triés dans des conditions liées et indépendantes, un effet N400 doit être observé pour le mot et l’image des stimuli (Figure 2). C’est identifiable comme une amplitude négative supérieure dans des conditions sans rapport avec les conditions par rapport aux associés. Pour des stimuli de mot, l’effet doit se produire de 300 à 500 ms sur le cuir chevelu central ou centro-pariétales6,10. Pour les stimuli de l’image, l’effet peut être un peu plus tôt ou plus distribués frontalement9,15,16.

Analyses statistiques peuvent tester l’importance de l’effet N400 en comparant l’amplitude moyenne entre conditions liées et indépendantes. Ceci peut être effectué à une électrode unique ou sur plusieurs électrodes. L’étendue spatiale de l’effet peut être évaluée en incluant électrode site et/ou la latéralité dans des modèles statistiques. Des statistiques unidimensionnelles de masse (voir par exemple Groppe et al. 30 pour plus de détails) peut être utilisé pour évaluer le moment exact de l’effet ou de créer des fenêtres de temps d’intérêt pour approfondir les analyses. (Notez que si plusieurs analyses sont effectuées, des résultats devront être ajustés pour corriger pour les comparaisons multiples. La méthode statistique univariée masse décrite par Groppe et al. 30 comprend plusieurs options pour ces corrections.)

Pour les enquêteurs à l’aide de ce paradigme d’ERP d’amorçage sémantique pour étudier le traitement sémantique dans les populations cliniques, il faut également recueillir des données d’un groupe de contrôle de TD. Le groupe de contrôle devrait montrer les effets de N400 décrits pour conditions photo tant le mot. Toutefois, des populations cliniques peut indiquer réduites ou absente N400 effets à une ou les deux conditions (Figure 3). Pour déterminer si l’ampleur de l’effet N400 diffère entre les contrôles et les populations cliniques, le groupe peut être inclus comme un facteur inter-sujets dans les modèles statistiques. Significativement moins d’effet N400 dans une population clinique indiquerait des difficultés avec le traitement sémantique. Différences dans la distribution de calendrier ou de cuir chevelu de l’effet peuvent aussi indiquer les différences de traitement entre les groupes.

Bien que les résultats représentatifs décrites ci-dessus sont au niveau du groupe, en accord avec la plupart des recherches sur l’effet N400, ce composant est assez robuste et peut souvent être observé sur un sujet unique niveau31,32. Surtout pour les populations cliniques tels que les personnes autistes, informations sur les capacités de traitement sémantique d’un seul individu peuvent être hautement souhaitables. Les enquêteurs doivent être conscients, cependant, que personnes autistes peuvent avoir des données EEG intrinsèquement plus bruyantes que TD particuliers33 (même si voir référence34), qui peuvent empêcher les effets de sujet unique fiables chez certains participants. Pour les chercheurs intéressés par l’évaluation des effets de sujet unique, des tests de permutation peuvent être effectuées afin d’évaluer la signification statistique des effets chez un individu. Brièvement, dans une telle méthode on effectuerait nombre (p. ex., 5 000) d’itérations dans laquelle la condition étiquettes (associés/sans relation) sont permutées entre les essais individuels. Pour chaque permutation, les conditions sont alors statistiquement comparées. Les statistiques de chaque permutation sont utilisés pour créer une distribution nulle des statistiques de test, contre lequel la statistique de test observée est comparée pour obtenir un résultat d’importance.

Figure 2
Figure 2 : Représentant N400 effets en réponse à la deuxième relance de chaque paire pour (A) mot photo conditions et (B). Données sont moyennées sur un groupe de 20 adultes de TD (données tirées de Coderre et al. 6). prétraitement a été réalisée à l’aide d’une référence moyenne. Albums de panneaux : formes d’onde représentant ERP à électrode Cz montrant une plus grande amplitude aux conditions indépendantes par rapport aux affections apparentées, à environ 400 ms (négatif est tracée vers le haut). Panneaux de fond : parcelles topographiques de la différence non liées, moyennée sur une fenêtre de 400 à 500 ms (répartition précise peut changer avec le choix de référence). Des emplacements topographiques, la partie supérieure de la figure indique l’avant de la tête. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 3
Figure 3 : Différences de groupe représentatif des effets N400 pour mot conditions à électrode Cz. Données sont moyennées sur un groupe de 20 adultes de TD et 20 adultes autistes (données tirées de Coderre et al. 6). prétraitement a été réalisée à l’aide d’une référence moyenne. Groupes cliniques, comme les personnes autistes, peuvent présenter moins d’effet N400 en réponse aux mots, ce qui suggère des difficultés avec le traitement lexico-sémantique.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Le présent document a rapporté des étapes cruciales dans l’élaboration d’un paradigme d’ERP d’amorçage sémantique avec photo et mot des stimuli pour explorer les déficits de transformation sémantique chez les personnes autistes. Étapes principales incluent créant les stimuli, la tâche de programmation et la réalisation d’analyses et d’essais d’EEG. La plus longue partie de cette procédure est susceptible d’être la création de stimuli, que cela exige un appariement attentif entre et au sein des paires de stimulation, les conditions et modalités variables telles que la longueur, la fréquence et la proximité sémantique. Par conséquent, une quantité importante d’essais pilotes est probablement nécessaires pour s’assurer que l’ensemble de stimulus final est approprié.

Bien que les suggestions incluses ici, et le prieur de travail que cette méthode est basé sur6, testé des adultes avec ou sans DMPS (âges 18-68), ce paradigme pourrait facilement être étendu pour enfant ou adolescentes populations. En effet, d’autres études ont utilisé l’amorçage sémantique similaire EEG paradigmes chez les enfants avec et sans DMPS de comparer le traitement sémantique entre modalités3. Plusieurs facteurs devront être pris en compte lors de la modification pour les différents âges et étapes de développement. Par exemple, le jeu de stimulation pourrait être limité aux mots de fréquence supérieure pour s’assurer que tous les enfants connaissent la signification de tous les stimuli (voir paragraphe suivant). Autres modifications pourraient également être faites pour le paradigme test pour assurer la qualité adéquate de l’enfant ou adolescent auxquels ils participent, comme plusieurs pauses comprises, offrant des incitatifs ou montrer des vidéos brefs à la fin d’un bloc de stimuli.

Plusieurs facteurs concernant la méthode décrite ici et les travaux antérieurs sont importants à noter. Tout d’abord, le travail préalable6 a été réalisée dans un groupe d’adultes dont la moyenne de langue au-dessus de la moyenne et des fonctions intellectuelles. Une des limites de ce paradigme sont qu’il peut seulement être utilisé avec des individus qui sont familiers avec les mots ou les images présentées. Travaux antérieur ont montré que N400 effets ne se produisent pas si l’élément lexical est en dehors de vocabulaire gamme32,35 son. Il est donc important que les participants, soit aient des aptitudes verbales et lecture moyennes à supérieure à la moyenne, ou qu’il est veiller à ce que tous les stimuli utilisés dans l’expérience relèvent de la gamme de vocabulaire de l’individu. Dans ce dernier cas, cela pourrait impliquer de faire subir un test de vocabulaire issue de la session de EEG, tests de connaissance de la personne de tous les mots utilisés dans l’expérience. Dans le cas de mots que l’individu ne sait pas, ces essais pouvaient être retirés de l’analyse. Malheureusement, parce que la déficience intellectuelle et les connaissances linguistiques ayant une déficience sont une cooccurrence commun chez les individus avec ASD1,36, ces exigences pour la langue et les capacités de lecture signifie que les individus qui ont également déficience intellectuelle ou des aptitudes linguistiques inférieur à la moyenne ne sera pas en mesure de participer. Autres modifications au paradigme qui permettra de tester ces personnes plus sévèrement atteintes doivent envisager à l’avenir.

Il est important de noter que la méthode décrite ici ne considère pas les différents types de relations sémantiques entre le premier et la cible. Certaines études ont montré que l’ampleur de l’effet d’amorçage sémantique est modulée par le type de relation (p. ex., associative vs « pur », avance vs vers l’arrière, médiée par vs directe)8. Dans la méthodologie actuelle, ces différents types de relations de premier-cible ne sont pas considérés. Toutefois, pour les chercheurs intéressés à explorer leurs effets, cela peut être une étape supplémentaire dans la création de la stimulation.

Il faut aussi noter que la méthode décrite ici demande aux participants de porter un jugement de proximité sémantique au cours de la tâche. La nature explicite de cette tâche peut induire des stratégies qui pourraient affecter les résultats. Par exemple, demandant aux participants de faire attention aux relations sémantiques entre les stimuli pourrait atténuer les effets de groupe6. Les recherches futures en utilisant ce paradigme vont modifier pour y inclure une conception implicite de transformation sémantique, par exemple dans laquelle les participants doivent appuyer sur un bouton chaque fois un mot animal est présenté ou simplement regarder les mots et les images qui apparaissent sur l’écran. Amorçage sémantique N400 effets ont été observés en l’absence de tâches explicite3, donc ce type de manipulation devrait toujours donner des effets observables et peuvent également révéler des différences de groupe dans l’amorçage sémantique implicite.

Des décennies de recherche ont établi le paradigme d’amorçage sémantique comme un moyen utile d’étudier le traitement sémantique. La fiabilité de cette tâche à travers différentes modalités, il est particulièrement précieux pour l’étude lexico-sémantique et traitement visuo-sémantique peut-être différer. Une telle comparaison entre-modalité est particulièrement utile dans certaines populations cliniques comme ASD, dans lequel les déficits d’amorçage sémantique peuvent être limités aux domaines de la langue. En comparant et en contrastant les effets d’amorçage sémantique et N400 entre les groupes et les modalités, les enquêteurs peuvent établir si les prétendue déficits dans le traitement sémantique dans l’ASD sont limités au domaine linguistique ou sont représentatifs d’un plus dysfonction sémantique globale.

L’extension du paradigme d’amorçage sémantique d’EEG également fournit de précieuses informations sur les mécanismes neuronaux sous-tendant le traitement sémantique et peut fournir des informations supplémentaires qui ne peuvent pas capturer les réponses comportementales. En raison du volume d’informations spatiales et temporelles qui sont obtenus avec EEG, cette méthode peut révéler plus subtiles différences dans le traitement sémantique que serait observée avec des réponses comportementales. Par exemple, dans l’étude précédente en utilisant ce paradigme, Coderre et al. 6 qui a trouvé un N400 effet se produisaient dans le groupe ASD en réponse à des stimuli de mot, contrairement à la littérature ; Cependant, des différences subtiles dans la fréquence et de la topographie de l’effet a suggéré que les deux groupes utilisaient différents mécanismes cognitifs de traitement sémantique. En somme, une tâche d’ERP d’amorçage sémantique avec les mots et les images peut être utile pour étudier le domaine général transformation sémantique, tant chez les sujets de TD et populations cliniques.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

L’auteur n’a rien à divulguer.

Acknowledgments

Développement de ce paradigme a été soutenu par le Fonds thérapeutique des neurosciences cognitives et le Benjamin et Adith Miller famille dotation sur le vieillissement, Alzheimer et recherche sur l’autisme.

Materials

Name Company Catalog Number Comments
EEG system Electrical Geodesics, Inc. (EGI) Geodesic EEG system (GES) 400 system: Net Amps 400 amplifier, NetStation 5.3, 128-channel HydroCel Geodesic Sensor nets
Potassium chloride Electrical Geodesics, Inc. (EGI)
Plastic bucket Electrical Geodesics, Inc. (EGI) EGI provides a plastic bucket for mixing electrolyte but any clean container can be used
Baby shampoo Johnson's
GNU Image Manipulation Program (GIMP)

DOWNLOAD MATERIALS LIST

References

  1. Tager-Flusberg, H., Paul, R., Lord, C. Language and communication in autism. Handbook of Autism and Pervasive Developmental Disorders. , 335-364 (2005).
  2. Kamio, Y., Robins, D., Kelley, E., Swainson, B., Fein, D. Atypical Lexical/Semantic Processing in High-Functioning Autism Spectrum Disorders without Early Language Delay. Journal of Autism and Developmental Disorders. 37, 1116-1122 (2007).
  3. McCleery, J. P., Ceponiene, R., Burner, K. M., Townsend, J., Kinnear, M., Schreibman, L. Neural correlates of verbal and nonverbal semantic integration in children with autism spectrum disorders. Journal of Child Psychology and Psychiatry. 51 (3), 277-286 (2010).
  4. Dunn, M. A., Gaughan, H. Jr, Kreuzer, J., Kurtzberg, D. Electrophysiologic correlates of semantic classification in autistic and normal children. Developmental Neuropsychology. 16 (1), 79-99 (1999).
  5. Kamio, Y., Toichi, M. Dual access to semantics in autism: is pictorial access superior to verbal access? Journal of Child Psychology and Psychiatry. 41 (7), 859-867 (2000).
  6. Coderre, E. L., Chernenok, M., Gordon, B., Ledoux, K. Linguistic and Non-Linguistic Semantic Processing in Individuals with Autism Spectrum Disorders: An ERP Study. Journal of Autism and Developmental Disorders. 47 (3), 795-812 (2017).
  7. Neely, J. H. Semantic priming effects in vidual word recognition: A selective review of current findings and theories. Basic processes in reading: Visual word recognition. 11, 264-336 (1991).
  8. McNamara, T. P. Semantic priming: Perspectives from memory and word recognition. , (2005).
  9. McPherson, W. B., Holcomb, P. J. An electrophysiological investigation of semantic priming with pictures of real objects. Psychophysiology. 36, 53-65 (1999).
  10. Kutas, M., Federmeier, K. D. Thirty years and counting: Finding meaning in the N400 component of the event-related brain potential (ERP). Annual Review of Psychology. 62, 621-647 (2011).
  11. Kutas, M., Hillyard, S. Reading Senseless Sentences: Brain Potentials Reflect Semantic Incongruity. Science. 207 (4427), 203-205 (1980).
  12. Lau, E. F., Phillips, C., Poeppel, D. A cortical network for semantics: (de)constructing the N400. Nature Reviews Neuroscience. 9 (12), 920-933 (2008).
  13. Brouwer, H., Fitz, H., Hoeks, J. Getting real about Semantic Illusions: Rethinking the functional role of the P600 in language comprehension. Brain Research. 1446, 127-143 (2012).
  14. Barrett, S. E., Rugg, M. D. Event-Related Potentials and the Semantic Matching of Pictures. Brain and Cognition. , 201-212 (1990).
  15. Hamm, J. P., Johnson, B. W., Kirk, I. J. Comparison of the N300 and N400 ERPs to picture stimuli in congruent and incongruent contexts. Clinical Neurophysiology. 212, 1339-1350 (2002).
  16. Ganis, G., Kutas, M., Sereno, M. I. The search for "common sense": an electrophysiological study of the comprehension of words and pictures in reading. Journal of Cognitive Neuroscience. 8 (2), 89-106 (1996).
  17. Nigam, A., Hoffman, J. E., Simons, R. F. N400 to Semantically Anomalous Pictures and Words. Journal of Cognitive Neuroscience. 4 (1), 15-22 (1992).
  18. Coltheart, M. The MRC psycholinguistic database. Quarterly Journal of Experimental Psychology. 33A, 497-505 (1981).
  19. Brysbaert, M., New, B. Moving beyond Kucera and Francis: A critical evaluation of current word frequency norms and the introduction of a new and improved word frequency measure for American English. Behavior Research Methods. 41 (4), 977-990 (2009).
  20. Davies, M. The Corpus of Contemporary American English: 450 million words, 1990-present. , (2009).
  21. Zuccolotto, A. P., Roush, R. E., Eschman, A., Schneider, W. E-Prime 2.0 Getting Started Guide. , (2012).
  22. Duncan, C. C., et al. Event-related potentials in clinical research: Guidelines for eliciting, recording, and quantifying mismatch negativity, P300, and N400. Clinical Neurophysiology. 120 (11), 1883-1908 (2009).
  23. Tools, P. S. E-Prime Extensions for Net Station 2.0 User Manual. , (2014).
  24. Electrical Geodesics Inc. Net Station 5 User Manual. , (2017).
  25. Tanner, D., Morgan-Short, K., Luck, S. J. How inappropriate high-pass filters can produce artifactual effects and incorrect conclusions in ERP studies of language and cognition. Psychophysiology. 52 (8), 997-1009 (2015).
  26. Dien, J. Issues in the application of the average reference: Review, critiques, and recommendation. Behavior Research Methods, Instruments, and Computers. 30 (1), 34-43 (1998).
  27. Dien, J., Franklin, M. S., May, C. J. Is "Blank" a suitable neutral prime for event-related potential experiments? Brain and Language. 97, 91-101 (2006).
  28. Franklin, M. S., Dien, J., Neely, J. H., Huber, E., Waterson, L. D. Semantic priming modulates the N400, N300, and N400RP. Clinical Neurophysiology. 118 (5), 1053-1068 (2007).
  29. Luck, S. J. An Introduction to the Event-Related Potential Technique. , The MIT Press. Cambridge, Massachusetts. (2005).
  30. Groppe, D. M., Urbach, T. P., Kutas, M. Mass univariate analysis of event-related brain potentials/fields I: A critical tutorial review. Psychophysiology. 48, 1711-1725 (2011).
  31. Tanner, D., Van Hell, J. G. ERPs reveal individual differences in morphosyntactic processing. Neuropsychologia. 56, 289-301 (2014).
  32. D'Arcy, R. C. N., et al. Electrophysiological assessment of language function following stroke. Clinical Neurophysiology. 114 (4), 662-672 (2003).
  33. Pérez Velázquez, J. L., Galán, R. F. Information gain in the brain's resting state: A new perspective on autism. Frontiers in Neuroinformatics. 7 (37), 1-10 (2013).
  34. Davis, G., Plaisted-Grant, K. Low endogenous neural noise in autism. Autism. 19 (3), 351-362 (2015).
  35. Ledoux, K., Coderre, E. L., Bosley, L., Buz, E., Gangopadhyay, I., Gordon, B. The concurrent use of three implicit measures (eye movements, pupillometry, and event-related potentials) to assess receptive vocabulary knowledge in normal adults. Behavior Research Methods. 48 (1), 285-305 (2016).
  36. Matson, J. L., Shoemaker, M. Intellectual disability and its relationship to autism spectrum disorders. Research in Developmental Disabilities. 30 (6), 1107-1114 (2009).

Tags

Comportement numéro 134 sémantique d’amorçage EEG troubles du spectre autistique lexico-sémantique visuo-sémantique mot photo
Une tâche (ERP) potentielle liés aux événements de l’amorçage sémantique pour étudier le traitement Lexico-sémantiques et Visuo-sémantique dans les troubles du spectre autistique
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Coderre, E. L. A Semantic Priming… More

Coderre, E. L. A Semantic Priming Event-related Potential (ERP) Task to Study Lexico-semantic and Visuo-semantic Processing in Autism Spectrum Disorder. J. Vis. Exp. (134), e57217, doi:10.3791/57217 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter