A subscription to JoVE is required to view this content. Sign in or start your free trial.

Summary

Este paper descreve uma tarefa ERP de escorva semântica usando pares dentro modalidade de fotos e palavras para investigar o processamento semântico em indivíduos com transtorno do espectro do autismo (ASD).

Abstract

Indivíduos com transtorno do espectro do autismo (ASD) têm déficits característicos em compreender o significado da linguagem, ou processamento semântico. No entanto, algumas evidências indicam que processamento semântico de estímulos linguística intacto, sugerindo que os déficits semânticos específicos do idioma. Para caracterizar adequadamente os déficits de processamento semântico em indivíduos com ASD, comparação de dentro-modalidade linguística (por exemplo, palavras escritas) e linguística estímulos (por exemplo, fotos) é necessária. Este artigo descreve como uma metodologia que faz uso de um paradigma de priming semântico durante a gravação simultânea de eletroencefalográficos (EEG) de dados. EEG fornece uma medida dinâmica de atividade cerebral que é adequada para caracterizar diferenças sutis em processamento semântico que pode não ser observável a nível comportamental. A semântica escorva paradigma apresenta uma imagem privilegiada ou palavra (por exemplo, cão), seguido por uma imagem de destino ou palavra que seja relacionado (por exemplo, gato) ou independentes (por exemplo, lápis) para o prime. Este paradigma, portanto, pode ser usada para avaliar o processamento semântico em diferentes modalidades e para comparar as capacidades de processamento lexico-semântica e semântica-visão em indivíduos com ASD e como eles podem diferir indivíduos TD. As etapas específicas envolvidas na criação de estímulos, realização de testes de EEG e analisando os dados do EEG são discutidas. Resultados representativos ilustram como o componente N400 do potencial relacionadas a eventos (ERP) é reduzidas seguintes relacionadas semanticamente prime-alvo pares em comparação com casais não relacionados. Comparações do N400 entre grupos, modalidades e condições podem fornecer estimativas do sucesso do processamento semântico e desse modo podem ser usadas para caracterizar déficits semânticos em indivíduos com ASD ou outras populações clínicas.

Introduction

Investigadores em psicologia cognitiva têm sido interessados em como as pessoas entendem o significado da linguagem. Processamento de linguagem envolve uma sequência de etapas de crescente complexidade, de reconhecimento de letra e palavra, para processamento de semântica, para análise sintática. Processamento semântico refere-se para acessar o significado de um estímulo, seja uma palavra, imagem ou som. Seguir os primeiros passos do reconhecimento da palavra inicial, acesso do significado de uma palavra, ou semântica, é um passo crucial no processamento da linguagem. Integração semântica refere-se ao processo de integração o significado dos estímulos de compreender suas relações e é crucial para o nível mais alto processamento tais como frases de compreensão de linguagem. Não só o significado de cada palavra em uma frase precisa ser acessado, mas os significados de cada palavra individual precisam ser integrados para formar uma compreensão coerente do significado da sentença, ou a “essência”.

Os indivíduos com transtorno do espectro do autismo (ASD), muitas vezes, têm significativos déficits na compreensão de linguagem¹. Há alguma evidência que sugere que estas dificuldades decorrem os défices no processamento semântico e integração^2,3,4. No entanto, outros estudos têm sugerido que indivíduos com ASD não mostram déficits de processamento semântico quando os materiais são apresentados em linguística (por exemplo, visual ou auditivo) modalidades^3,5,6 . Tais achados sugerem que os déficits de processamento semântico em ASD podem ser restritos a linguística (ou seja, escritos ou falados) modalidades. Como tal, abordagens diferentes modalidades com contraste podem fornecer a introspecção em medida que déficits de processamento semântico são específicos do domínio ou indicativos de um estilo de processamento penetrante. O objetivo deste trabalho é descrever uma metodologia para comparar o processamento semântico entre diferentes modalidades usando uma tarefa de escorva semântica durante gravação eletrofisiológica simultânea.

O paradigma de priming semântico tem uma longa história na pesquisa investigando como semânticas processamento influências inferiores palavra reconhecimento^7,8. Em tarefas de escorva semântica tradicional, é apresentada uma palavra principal (por exemplo, gato) seguido por um alvo palavra que é semanticamente relacionados (por exemplo, cachorro) ou independentes (por exemplo, o livro) para o prime. Tal tarefa é muitas vezes feita no contexto de uma tarefa de decisão lexical, tal que os participantes são convidados para determinar se a palavra-alvo é uma palavra real ou não. Outros paradigmas podem ter participantes executar uma tarefa de categorização semântica da palavra alvo, ou julgar se dois estímulos são relacionados ou não. Independentemente da tarefa específica, décadas de provas estabeleceram que a tempos de reação (RTs) são mais rápidos para palavras de destino que são semanticamente relacionadas para o prime em comparação com aqueles que não estão relacionados.

Este “efeito de priming semântico” tem sido atribuído a um número de mecanismos em contas teórico^7,8. Uma é que o efeito de escorva é devido à ativação automática de propagação através da rede semântica, tal que a recuperação do significado da palavra principal ativa o significado de outras palavras semanticamente relacionadas, incluindo a palavra-alvo. Então, isso reduz o tempo necessário para a ativação semântica da palavra alvo. Um segundo mecanismo teórico é que de expectativa, que postula que ao ver a palavra principal, os participantes geram um conjunto esperado de alvos potenciais. Palavras de destino que estão incluídas neste conjunto então são reconhecidas mais rapidamente. Finalmente, outros postularam a existência de um mecanismo pós-lexical de correspondência semântica, que estabelece a existência de uma relação semântica entre a palavra prime e alvo. Independentemente do mecanismo específico assenta o efeito, priming semântico pode ser um índice útil de processamento semântico e integração. Este paradigma também não está limitada aos estímulos lexicais e também pode ser usada para investigar a escorva semântica de estímulos não-língua como fotos⁹ , bem como Cruz-modal priming semântico (por exemplo, entre palavras e imagens)³.

Efeitos de priming semântico tem sido estudados na literatura linguísticas e foram investigados com relação ao tipo de relações prime-alvo, o sincronismo de apresentação prime e alvo e muitas outras manipulações⁸. As correlações eletrofisiológicas deste efeito também foram bem caracterizadas¹⁰. Eletroencefalografia (EEG) é um método de gravação de atividade neural através de alterações na atividade elétrica medida no couro cabeludo. EEG é uma escolha útil de metodologia para um paradigma de priming semântico porque tem muito boa resolução temporal (da ordem de milissegundos, ms) e, assim, podem fornecer sutis diferenças no processamento semântico entre condições ou grupos, mesmo na ausência de efeitos comportamentais ou respostas.

Potenciais relacionados a eventos (ERPs) são alterações tempo bloqueado no EEG que surgem em resposta a um estímulo ou comportamento. Dependendo do sincronismo e polaridade da resposta, diferentes componentes do ERP são reflexivos de diferentes aspectos do processamento cognitivo. O componente N400 é um marcador bem estabelecido de processamento semântico e integração semântica^11,12 (embora várias outras interpretações existem^10,13). A amplitude de N400 é reduzida quando a integração semântica é mais fácil (por exemplo, quando o primeiro e o alvo em um paradigma de priming semântico são semanticamente relacionados) em comparação com quando a integração semântica é mais difícil (por exemplo, quando duas palavras são independentes). Importante, a diferença de amplitude entre condições relacionadas e não relacionadas (i.e., o “efeito de N400”) não é específica de idioma. Efeitos de N400 são também observados em modalidades não-linguagem, tais como em resposta a pares de fotos semanticamente relacionados e não relacionadas ou sons ambientais^14,15,16,17. O N400 é, portanto, um componente ERP útil para os fins do paradigma atual porque pode ser usada como uma modalidade independente estimativa de capacidades de processamento e integração semânticas.

Indivíduos com ASD show reduzida ou ausente priming semântico e efeitos de N400 em resposta a estímulos do idioma^2,3,4, sugerindo que a deficiência no processamento semântico. Tais efeitos foram encontrados em resposta a visão-semântica e estímulos audio-semântica^3,5,6, dando apoio à alegação de que o processamento semântico é seletivamente prejudicada por estímulos de linguagem. No entanto, a maioria dos estudos anteriores, comparando as modalidades têm usado Cruz-modal escorva, tal que o par de prime-alvo contém um estímulo lexical. Tendo em conta a proposta de que os indivíduos com ASD têm défices no processamento semântico de estímulos de linguagem, tais estímulos Cruz-modal podem ter afetado os resultados. Para verdadeiramente investigar se processamento semântico da linguagem é seletivamente prejudicado em indivíduos com ASD, pares dentro modalidade de estímulos não-lexical e lexicais devem ser usados. Em um estudo recente, Coderre et al ⁶ desde a primeira comparação direta de dentro modalidade palavra e imagem semântica escorva para investigar déficits de processamento semântico em adultos (idades 18-68) com ASD. Participantes com ASD e normalmente em desenvolvimento (TD) participantes visualizaram pares de palavras e fotos e foram convidados para julgar se os estímulos foram relacionados ou não. Durante esta tarefa de escorva semântica, sua atividade cerebral foi gravada usando EEG. Comparando-se os efeitos de N400 entre grupos e modalidades, este paradigma forneceu insights sobre a natureza do processamento semântico em indivíduos com ASD.

O objetivo deste trabalho é descrever a escorva semântica metodologia ERP empregada por Coderre et al ⁶. embora este paradigma foi inicialmente implementada para estudar o processamento semântico em adultos com ASD, pode ser útil para qualquer experimentadores que desejam explorar as correlações neurais de processamento lexico-semântica e semântica-visão, ou em TD indivíduos ou em populações clínicas específicas.

Protocol

Todos os métodos descritos aqui foram aprovados pelo institucional Review Board da Universidade Johns Hopkins, onde realizou-se o estudo original6 . 1. criação de estímulos Crie uma lista inicial de substantivos concretos dos quais pares de prime-alvo serão feitas. Um corpus selecionado como Subtlex19, selecione aproximadamente 500 substantivos concretos e obter variáveis de interesse (por exemplo, frequência, comprimento, concretude, imageability, etc.) para cada palavra.Nota: Outros corpuses, tais como o Conselho de pesquisa médica (MRC) de banco de dados linguísticas18 ou Corpus de inglês americano contemporâneo20, também podem ser usados. Subtlex foi usado no estudo original, porque esse banco de dados é apenas um grande arquivo de Excel e permite, assim, facilmente para a busca de geração de estímulo. Outros corpuses têm diferentes interfaces gráficas e podem exigir que o usuário para uma sequência de caracteres de texto específicos de entrada em uma caixa de entrada e verificar as variáveis de interesse sendo solicitado. Executar análise semântica latente (LSA) entre estímulos para estabelecer relacionamento semântico Selecione o método LSA ou ferramenta. Uma útil ferramenta online é fornecida pela Universidade de Colorado Boulder (http://lsa.colorado.edu/). O local de aterragem principal, clique em matriz de comparação. Digite palavras individuais para comparar, separados por uma linha em branco. Clique em submeter textos. Usando uma planilha, crie uma matriz de valores LSA entre cada palavra e todos os outros. Divida a estímulos em condições relacionadas e não relacionadas, com base na LSA (Figura 1A). Selecione manualmente 200 pares de palavra com altos valores LSA (aproximadamente 0,5 ou superiores) para a condição de “relacionado”. Selecione manualmente 200 pares de palavra com baixos valores LSA (aproximadamente 0,1 ou inferiores) para a condição de “independente”.Nota: O experimentador pode precisar inspecionar manualmente pares palavra para garantir que a semântica relação faz sentido para a categoria. Alguns pares palavra podem ter altos índices de audiência de LSA mas o parentesco semântico pode não ser imediatamente aparente para os participantes. Da mesma forma, alguns podem ter baixa audiência LSA, mas podem ser semanticamente relacionado em outras maneiras. Quando criando pares relacionados e não relacionados, manualmente corresponder palavras na frequência, comprimento e quaisquer outras variáveis que tem sido observado para ser relevante na literatura (por exemplo, a direção da Associação7,8) ou que são de interesse para o estudo específico. Combinar palavras tão perto quanto possível das variáveis de interesse (por exemplo, dentro de unidades de frequência 1-2log10; dentro de 1-2 letras ou sílabas). Divida a estímulos em palavra e imagem modalidades (Figura 1A). Dentro do arquivo de estímulo na planilha, adicione outra coluna de “condição”. Na coluna de “condição”, rotule 100 de pares relacionados e 100 de pares independentes como condição da “imagem”. Rotule os outros estímulos restantes como condição de “palavra”. Obter estímulos de imagens.Nota: Os estímulos de imagens podem ser obtidos de fontes on-line (por exemplo, pesquisas de imagem do Google) ou de outras fontes disponíveis para o experimentador. Selecione imagens de 2 – 3 para representar cada palavra. Executar testes-piloto inicial por ter um ou mais independentes classificadores (por exemplo, estudantes, assistentes de pesquisa que não estiveram envolvidos no desenvolvimento de estímulo) decidir quais imagens melhor representa o conceito. Abrir todos os arquivos de imagens possíveis, uma vez usando um programa visualizador de fotos, em seguida, ler a palavra em voz alta e pedir o avaliador escolher as imagens mais representativas. Registre respostas de cada avaliador, para cada palavra. Para cada palavra, identifique a imagem que a maioria dos avaliadores selecionados da melhor forma que representa o conceito e usa esse arquivo como o estímulo para essa palavra. Não se existir nenhuma maioria, selecionar um conjunto diferente de fotos e repita o passo 1.5. Usando o GIMP (ou outra foto edição programa de escolha), fotografias de escala para todos ser do mesmo tamanho (aproximadamente 400 pixels ou 3-5 polegadas de altura ou largura).Nota: O tamanho preciso das fotos pode variar dependendo do tamanho do monitor estímulos serão apresentados na. Ângulo horizontal e visual do estímulo deve ser entre 7 e 13 °. Executar testes-piloto Pares de palavras e imagens de teste-piloto por 3 – 4 avaliadores independentes (por exemplo, estudantes, assistentes de pesquisa que não estiveram envolvidos no desenvolvimento de estímulo) a pedir que a taxa de cada par como relacionados ou não relacionados. A experiência em E-Prime (ou outro programa de apresentação de estímulo de escolha) para apresentar as duas palavras na tela ao mesmo tempo, qualquer um acima do outro ou ao lado do programa. Peça aos participantes para classificar as palavras como relacionados ou não relacionados ao pressionar um botão (por exemplo, 1 para 2 relacionados, para não relacionado). Consulte o manual de E-Prime21 para obter detalhes sobre como programar um experimento neste pacote de software.Nota: Piloto de teste pode ser feita no laboratório onde o teste experimental terá lugar, ou em qualquer computador que executa o programa de apresentação do estímulo. Não há lugar especial é necessário. Repita o teste piloto (com novos avaliadores independentes que não tenham visto os estímulos) até um conjunto de palavras e imagens é obtida com classificação confiável de relacionados e não relacionados. Obter um total de 100 pares palavra relacionada, 100 pares palavra independentes, 100 pares de imagens relacionadas e 100 pares de imagens independentes.Nota: Tem sido sugerido que os investigadores utilizando o componente N400 para investigar a cognição em populações clínicas recolher um mínimo de 40 ensaios utilizáveis por tipo de julgamento para provocar um efeito confiável22. Antecipando-se de que alguns ensaios serão perdidos durante o processo de limpeza de dados, o número de ensaios incluídos no paradigma deve ser aumentado. Em trabalhos anteriores usando este paradigma específico 6, 100 testes por tipo de julgamento foi mais que suficiente para garantir robusto N400 efeitos em ambos um indivíduo e o grupo base. Porque o componente N400 é semelhante entre palavras e imagens10, este estimado número de tipos de teste é recomendado para ser mantido consistente entre as modalidades. Reter um adicional de 8 pares (4 palavras, 4 imagens) para uma sessão de prática (ver passo 2.2.1below) 2. a tarefa programação Crie listas de estímulos. Do último conjunto de estímulos, classificar estímulos em 8 blocos. Modalidade (imagem/palavra) deve ser bloqueada (4 blocos cada). Em cada bloco, certifique-se de um número igual de estímulos relacionados e não relacionados. Manualmente o pseudo-randomize listas de apresentação dentro de cada bloco que há não mais que 5 estímulos relacionados ou não relacionados em uma fileira, e pares ao lado do outro não são semanticamente relacionados. Evite julgamentos como “cenoura-brócolis”, “maçã-pera” imediatamente ao lado do outro. Programa a tarefa usando o E-Prime, ou outro software de apresentação de estímulo de escolha.Nota: As etapas descritas aqui são específicas para E-Prime e NetStation e será diferente se outro estímulo apresentação software ou software de aquisição de EEG é usado. Por favor consulte o manual do E-Prime21 e as extensões de E-Prime para NetStation tutorial23 para obter detalhes mais específicos sobre como programar um experimento de EEG neste pacote de software e como habilitar a comunicação entre E-Prime e NetStation. Programa de duas sessões de treinos para os blocos de imagem e palavra (4 pares de cada), a ser realizada antes do início dos testes experimentais. Uma tela de instrução do programa no início da sessão de treinos para ler: “você vai ver duas palavras apresentadas no ecrã um após o outro. Por favor, tente ficar o mais imóvel possível e não pisque enquanto as palavras estão sendo apresentadas. Depois que o par é apresentado, você verá uma cruz preta na tela. Quando você vê a cruz negra, por favor, indique se as palavras foram relacionadas ou não. Pressione o botão 1 se as palavras estão relacionadas. Pressione o botão 2 se as palavras não estão relacionadas. Pressione qualquer tecla para iniciar a sessão de prática”. Para cada um dos estímulos a palavra, clique duas vezes nos ícones TextDisplay na estrutura do experimento. Clique no ícone de propriedades no canto superior esquerdo. Na guia fonte, selecione o tamanho da fonte Courier New 28. Na guia geral, selecione ForeColor como preto e BackColor como branco para apresentar as palavras em fonte preta sobre um fundo branco.Nota: O tamanho de fonte específica pode precisar ser alterada dependendo do tamanho e resolução do monitor utilizado para apresentação. Ângulo visual horizontal das palavras deve ser entre 1 e 6 °. Para cada um dos estímulos a imagens, dê um duplo clique sobre os ícones de Slide na estrutura do experimento. Clique no ícone de propriedades no canto superior esquerdo. Na guia geral, selecione BackColor como branco para apresentar imagens em um fundo branco. Programar cada tentativa para apresentar os seguintes estímulos nesta ordem: uma fixação de pré-julgamento vermelha-Cruz (400 ms); estímulo 1 (1.000 ms); interstimulus intervalo (tela branca em branco 300 ms); estímulo 2 (1.000 ms); tela em branco (400 ms); intervalo de intertrial (fixação preta Cruz; aleatoriamente distorcidas entre 1.000-1.400 ms em intervalos de 100 ms, média de 1200 ms); Ver figura 1B. Para definir durações, clique duas vezes os ícones TextDisplay ou Slide na estrutura do experimento e aperte o botão de propriedades no canto superior esquerdo da janela. Defina a duração sob a aba de duração/entrada.Nota: A tela em branco é incluída antes do intervalo de intertrial para fornecer uma quebra visual entre o segundo estímulo e a Cruz preta e para fornecer um aviso sutil para o julgamento de próximo parentesco semântico. Programa um objeto TextDisplay, chamado “Break” depois de cada bloco é completou dizendo “fim do bloco, por favor, faça uma pausa” Inclua parâmetros para comunicação entre E-Prime e NetStation. Consulte as extensões de E-Prime para NetStation manual23 para obter instruções específicas sobre como incluir esta informação. Para cada objeto de exibição de texto “word1” ou “word2”, selecione o objeto na estrutura do experimento. Sob a janela de “Propriedades”, defina a marca como “WRD1” ou “WRD2”, respectivamente. Para cada objeto de Slide “picture1” ou “imagem2”, defina a marca como “PIC1” ou “PIC2”, respectivamente. Sob “sem referência E-objetos”, crie uma nova lista chamada “CellList”. Digite o número de células, como: 1 = imagens relacionadas; 2 = imagens independentes; 3 = palavra relacionada; 4 = palavra alheios. Dentro da lista de avaliação para cada bloco, incluir uma coluna chamada “CellNumber” e digite o número de células correspondente para cada julgamento de acordo com a condição e a modalidade. 3. EEG testes Nota: Os procedimentos específicos descritos aqui são para um sistema EGI. Procedimentos podem ser diferentes se forem utilizados outros sistemas. Prepare para os testes de EEG. Misture 2 colheres de chá (10 g) de cloreto de potássio, com 1 quarto (1 L) de água e 1 colher de sopa (15 mL) de xampu em um balde plástico transparente para criar a solução eletrolítica Circunferência da medida da cabeça do participante, passando pelo Ínion e nasion, para determinar o tamanho adequado de líquido. Selecione a rede de tamanho apropriada de acordo com a circunferência da cabeça do participante. Mergulhar os eléctrodos no eletrólito solução, garantindo que todas as esponjas são totalmente submersa e deixe de molho pelo menos 5 minutos. Aplica o líquido de EEG. Tenho o participante sente-se confortavelmente em uma cadeira, de frente para o experimentador. Explica ao participante que você estará colocando na net agora, então irá ajustá-lo e verificar o sinal antes de iniciar o teste. Coloque toalhas em volta dos ombros do participante. Instruir o participante fechar seus olhos e, em seguida, aplicar a rede a cabeça do participante. Ajuste da rede e aperte laços para assegurar um ajuste confortável para a cabeça do participante. Trabalhar através de todos os eletrodos para colocá-los contra o couro cabeludo. Use um movimento de varredura com o eletrodo para afastar o cabelo. Rewet esponjas usando uma pipeta, se necessário. Depois de tem sido sentar todos os eletrodos, verificar impedâncias. Recoloque ou rewet qualquer eletrodos com impedâncias acima 50 kiloohms (kΩ). Realizar o experimento de escorva semântica durante a gravação de EEG. Uma vez que a rede é aplicada, impedâncias foram verificadas, e o participante está pronto para começar, iniciar a tarefa de priming semântico. Reitere as instruções aos participantes antes do teste. Instrua os participantes para julgar se a palavra ou imagem estímulos estão relacionados ou independentes, pressionando um botão em um teclado ou o botão-caixa. Para evitar artefatos motor confundindo o sinal de EEG, instrua os participantes a esperar para fazer sua resposta até o segundo estímulo desapareceu da tela e a Cruz preta apareceu. Execute pelo menos uma vez a sessão de treinos para garantir que os participantes entendem a tarefa. Após cada 2 quarteirões, durante o intervalo, rewet eletrodos e verifique novamente impedâncias. 4. EEG pré-processamento NetStation aberto ferramentas.Nota: Os passos descritos aqui são específicos para pré-processamento em NetStation 5. Consulte o Manual do usuário 5 NetStation24 para obter mais detalhes sobre como usar ferramentas NetStation. Outros pacotes de pré-processamento podem incluir EEGlab, ERPlab, excursão ou outro software de escolha do experimentador. Observe que a ordem preferencial de pré-processamento etapas pode ser diferentes entre pacotes de software. Observação de um efeito não deve diferir de N400 baseado na escolha do pacote de análise. Filtre os dados. Na parte inferior da janela de ferramentas NetStation, crie uma nova ferramenta de filtragem, selecionando “Filtração” no menu suspenso ‘Criar’. Renomeie a ferramenta corretamente. Conjunto de filtro highpass para 0,1 Hertz (Hz) e o filtro lowpass para 50 Hz.Nota: O filtro highpass pode ser inferior a 0,1 Hz, mas não é aconselhável ultrapassar este limite, para evitar o risco de introdução de efeitos espúrios25. Pode ser usado um filtro lowpass tão baixo quanto 30 Hz. Salve a ferramenta e, em seguida, arrastar o arquivo de gravação de EEG original na caixa “Arquivos de entrada” na parte superior esquerda da janela e bateu “Executar”. Segmente os dados em ensaios. Criar uma nova ferramenta de “Segmentação” e nomeá-la adequadamente. Em “Categorias para criar”, bateu o sinal de mais para criar uma nova categoria e renomeá-lo “imagens relacionadas”. Arrastar o ícone de “Código” na caixa “Criar categoria com base em critérios” e defini-lo como “Código é PIC1” a fechadura para a apresentação do estímulo 1. Arrastar o ícone de “Código chave” na caixa “Criar categoria” e defini-lo como”chave código cel # 1″. Para incluir apenas corretos ensaios, arrastar o ícone de outro “código chave” na caixa “Criar categoria” e defini-lo como “Chave código eval é 1”. Na parte inferior da janela, defina o comprimento do segmento “Extend segmentar 100 ms antes e 2.300 ms depois”.Nota: Segmentos podem ser bloqueado para o aparecimento do estímulo primeiro ou segundo tempo. Se bloqueado ao primeiro estímulo, segmentos deverá abranger 100 ms antes de 2300 ms após (incluem a duração da apresentação de ambos os estímulos (1.000 ms cada) e mais tempo de intervalo entre estímulo (ISI) (300 ms)). Se bloqueado para o segundo estímulo, segmentos devem se estender para 1.000 ms após 100 ms antes. Clonar a categoria clicando no botão “Clone” e renomeá-lo “imagens independentes”. Defina o código para PIC1 e o código de chave cel # 2. Clonar a categoria e renomeá-lo “relacionados com a palavra”. Defina o código para WRD1 e o código de chave cel # 3. Clonar a categoria e renomeá-lo “não relacionada a palavra”. Defina o código para WRD1 e o código de chave cel # 4. Salve a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Execute a detecção de artefato. Criar uma nova ferramenta de “Detecção de artefato” e nomeá-la adequadamente. Em “Configurações de deteção de artefato”, bateu o sinal de adição na parte inferior da janela para adicionar uma nova configuração. Selecione “Más canais” no menu suspenso sob a “Operação”. Deixar todas as configurações padrão (max-min > 200 micro volts (MV); Todo segmento; Média móvel de 80 ms). Adicione uma nova configuração e selecione “Piscar de olhos” no menu suspenso “Operação”. Deixe todas as configurações padrão (max-min > 140 µV; tamanho de janela ms 640; média móvel de 80 ms). Adicione uma nova configuração e selecione “Eye Movement” no menu suspenso “Operação”. Deixe todas as configurações padrão (max-min > 55 µV; tamanho de janela ms 640; média móvel de 80 ms). Salve a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Abra o arquivo resultante em NetStation revisão e percorra cada julgamento pressionando os botões de seta no menu “Categorias” na barra lateral direita. Marcar ensaios como bom ou mau, atingindo os círculos verdes ou vermelhos, respectivamente. Quando terminar, feche o arquivo para salvar os resultados. Execute a substituição do canal ruim. Criar uma nova ferramenta de “substituição de canal ruim” e nomeá-la adequadamente. Não há necessidade de parâmetros para ser definido pelo usuário para esta ferramenta, para salvar a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Realize uma média de single-assunto para colapsar sobre julgamentos. Criar uma nova ferramenta de “Média” e nomeá-la adequadamente. Em “Uma média de configurações”, selecione “lidar com arquivos de fonte: juntos” e “lidar com assuntos: separadamente”. Salve a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Dados de referência para a média de referência26.Nota: A referência média é usada aqui porque EGI fornece denso-matriz EEG (128 e 256 canais). Tem sido sugerido que uma referência média ser usado com sistemas de gravação matriz densa26; outros estudos ERP de escorva semântica usando redes de 128 ou 256-canais têm usado a referência média6,,27,28. Outras opções de referência incluem a média de direita e esquerdas mastoids, o nariz ou o lóbulo da orelha,29. Não há melhor escolha do eletrodo de referência, e o experimentador deve observar que escolha o eletrodo de referência pode afectar o resultante de26,de formas de onda ERP29. Criar uma nova ferramenta de “Operações de montagem” e nomeá-la adequadamente. Selecione a rede apropriada no menu suspenso em “Lista de montagens para Layout do Sensor”. Selecione a “referência médio” e verifique se que a caixa “Excluir canais ruins de referência” está selecionada. Salve a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Realizar correção de linha de base usando os primeiros 100 ms do segmento10 , 28.Nota: Um período de base de 200 ms também pode ser usado29. Criar uma nova ferramenta de “Correção de linha de base” e nomeá-la adequadamente. Em “Configurações de correção de linha de base”, selecione “Selecione a linha de base de parte do segmento”, “selecionar linha de base em relação ao tempo de segmento = 0”, “linha de base começa 100 ms antes do tempo zero e é 100 ms de tempo”. Salve a ferramenta e, em seguida, arrastar o arquivo pré-processado mais recente na caixa “Arquivos de entrada” no topo esquerdo da janela do e bateu o “Executar”. Figura 1 : Exemplos experimentais e timeline. (A) exemplos de estímulos de imagem e palavra. (B) cronograma de apresentação do estímulo. Esta figura foi reimpresso com permissão da Coderre et al 6 Clique aqui para ver uma versão maior desta figura.

Representative Results

Se os estímulos foram adequadamente classificados em condições relacionadas e não relacionadas, um efeito de N400 deve ser observado para estímulos tanto a palavra e a imagem (Figura 2). Isto pode ser identificado como uma maior amplitude negativa em condições independentes em relação ao relacionados condições. Para estímulos de palavra, o efeito deve ocorrer de 300 – 500 ms sobre o couro cabeludo central ou centro-parietais6</…

Discussion

O presente trabalho tem relatado passos críticos no desenvolvimento de um paradigma ERP de escorva semântica com imagens e palavra estímulos para explorar os déficits de processamento semântico em indivíduos com ASD. Principais etapas incluem a criação de estímulos, a tarefa de programação e realização de análises e testes de EEG. A parte mais demorada deste procedimento é provável que seja a criação de estímulos, como isso requer cuidado correspondência entre e dentro de pares de estímulo, condiçõ…

Materials

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)