Summary
本文提出了一种利用高密度脑电图刺激腹腔和背网来研究微分皮质视觉诱发电位形态的协议。描述了具有和无时态抖动的可视对象和运动刺激范式。还概述了视觉唤起的电位形态分析。
Abstract
本文提出了一种使用128通道高密度脑电图(EEG)记录和分析皮质视觉唤起电位(CVEPs)的方法,以响应各种视觉刺激。所述刺激和分析的具体目的是检查复制先前报告的CVEP形态模式是否可行,这种模式由明显的运动刺激引起,旨在同时刺激腹腔和背腔中央视觉网络,使用对象和运动刺激,分别刺激腹腔和背视皮质网络。 提出了四种视觉范例:1. 具有一致时间表示的随机视觉对象。2. 具有不一致的时间表示(或抖动)的随机可视对象。 3. 通过相干中心点运动的径向场进行视觉运动,无抖动。 4. 通过具有抖动的相干中心点运动的径向场进行视觉运动。 这四个范例按每个参与者的伪随机顺序呈现。 引入抖动是为了了解可能与预期相关的效应如何影响对象启动和运动启动 CVEP 响应的形态。 详细描述了EEG数据分析,包括数据导出和输入到信号处理平台的步骤,不良通道识别和去除,工件抑制,平均CVEP形态的均等和分类基于组件峰值的延迟范围的模式类型。具有代表性的数据表明,方法论方法在引起不同对象开始和运动原形CVEP形态模式方面确实很敏感,因此,对于实现更大的研究目标可能有一些帮助。鉴于脑电图的高时间分辨率和高密度脑电图在源定位分析中可能的应用,该协议是研究不同的CVEP形态模式和产生其基础神经机制的理想选择。这些差异响应。
Introduction
脑电图 (EEG) 是一种工具,为皮质处理的研究提供了一种廉价且非侵入性的方法,特别是与功能磁共振成像 (fMRI)、正电子发射等皮质评估方法相比断层扫描 (PET) 和扩散张数成像 (DTI)1。EEG 还提供高时间分辨率,在使用 fMRI、PET 或 DTI2等测量值时无法实现。在检查中心时态函数时,高时间分辨率至关重要,以便获得与特定输入或事件处理相关的神经生理学机制的毫秒精度。 在中央视觉系统中,皮质视觉唤起电位(CVEPs)是研究大脑皮层中时间锁定神经过程的常用方法。 CVEP 响应在多次事件试验中被记录和平均,导致峰值分量(例如 P1、N1、P2)以特定的毫秒间隔出现。这些峰值神经反应的时序和振幅可以提供有关皮质处理速度和成熟的信息,以及皮质函数3、4、5的不足。
CVEP 特定于呈现给查看器的视觉输入类型。在CVEP范式中使用某些刺激,可以观察到不同视觉网络的功能,如心室流,涉及处理形式和颜色,或细胞和磁细胞输入6,7,8,和背流,主要处理运动或磁细胞输入9,10。这些网络产生的CVEPs不仅有助于更好地理解典型的神经生理机制,而且有助于有针对性地治疗临床人群中的非典型行为。例如,在背风和腹腔网络中,有阅读障碍的儿童都报告了延迟的CVEP分量,这表明在设计干预计划11时,这两个网络的视觉功能都应该被定位。 因此,通过脑电图记录的CVEP提供了一个强大的临床工具,通过该工具可以评估典型和非典型视觉过程。
在最近的一项研究中,高密度脑电图用于测量典型发育中儿童中明显的运动启动CVEP,目的是在整个发育中检查可变CVEP反应和相关视觉皮质发生器。参与者被动地观察明显的运动刺激12,13,14,15,包括形状变化和运动,旨在同时刺激背和腹流。结果发现,大约一半的子体以CVEP波形或形态来响应,由三个峰值(P1-N1-P2,模式A)组成。 这种形态学是在整个文献中观察到的经典CVEP反应。相反,另一半儿童呈现的形态模式由五个峰(P1-N1a-P2a-N1b-P2b,模式B)组成。据我们所知,这些形态形态的强健发生和比较在儿童或成人群体中之前没有在CVEP文献中讨论过,尽管在显性运动和运动启动的CVEPs14,16。此外,由于这些措施的时间分辨率较低,在使用其他皮质功能评估方法(如fMRI或PET)的研究中,这些形态差异不会很明显。
为了确定 CVEP 模式 A 和 B 中每个峰值的皮质发生器,进行了源定位分析,这是一种用于估计 CVEP 响应12、13中可能涉及的皮质区域的统计方法.对于每个峰值,无论形态模式如何,主要和高阶视觉皮质被确定为 CVEP 信号的来源。 因此,CVEP形态学背后的主要区别是,具有模式B的形态在加工过程中额外激活视觉皮质区域。由于这些类型的模式以前在文献中尚未识别,因此在 CVEP 模式 B 中附加视觉处理的目的仍不清楚。 因此,这一研究线的下一个目标是更好地了解差异CVEP形态的原因,以及这种模式是否与典型人群和临床人群的视觉行为有关。
理解为什么一些个体可能表现出一种CVEP形态与另一个,第一步是确定这些反应是内在的还是外在的。 换句话说,如果一个人在视觉刺激中表现出一种模式,他们会对所有刺激做出类似的模式吗？ 还是这种响应刺激依赖于视觉网络或网络？
为了回答这个问题,设计了两种被动视觉范例,旨在单独激活特定的可视网络。初步研究中提出的刺激作用旨在同时刺激背和腹流;因此,不知道一个或两个网络是否参与生成特定的波形形态。在目前的方法学方法中,旨在刺激腹腔流的范式由基本形状的正方形和圆形高度可识别的物体组成,从而引发对象形成CVEPs。旨在刺激背向流的范式包括通过一个径向场的相干中心点运动点的径向场以固定速度向固定点,从而引发运动启动的CVEP。
由于最初的研究,第二个问题是,差异VEP形态是否可能是由于参与者对即将到来的刺激13的预期。例如,研究表明,在目标刺激之前发生的自上而下皮质振荡活动可能在某种程度上预测后续的CVEP和行为反应17、18、19。在第一项研究中,明显的运动范式采用径向星和圆的非随机帧,其连续刺激间隔(ISI)为600 ms。由此产生的振荡活动影响后续CVEP形态12,13,19。
为了解决这个问题,当前协议中的可视对象和运动范例设计为同时具有相同时间值的一致 ISI 和具有不同时间值(即抖动)的随机 ISI。 使用这种方法,可以确定时间变化如何影响不同视觉网络中的 VEP 形态。总之,所述协议的目的是确定视觉对象和运动刺激是否对CVEP形态的变化敏感,以及刺激表达的时间变化是否会影响CVEP反应的特征,包括峰值延迟、振幅和形态。就本文件而言,目标是确定方法的可行性。据推测,视觉对象和运动都可能导致可变形态(即,模式 A 和 B 将在受试者之间观察到,以响应这两种刺激),并且时间变化会影响对象启动和运动启动 CVEP 组件。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
这里描述的所有方法都已获得德克萨斯大学奥斯汀分校人类研究机构审查委员会(IRB)的批准。
1. 刺激特性
- 使用通过标准化刺激库 (BOSS) 提供的开源图像创建对象刺激。该数据库由在整个视觉认知实验中使用的标准化图像组成。 下载四个图像(例如,ball02,Book01a,砖块,按钮03),识别率很高(高于75%),20,21。
-
使用改进版的 DotDemo 脚本创建运动刺激,该脚本可通过通过 MATLAB 操作的开源 Psychtoolbox-3 功能集以及 MATLAB 中提供的影片功能(请参阅补充文件)获得。
- 根据演示屏幕的大小和查看距离配置点字段参数。
- 输入影片帧数的 3600。
- 输入 80(厘米)表示显示器宽度。
- 以 5°/s 的速度输入点速。
- 输入 0.05 的点限制生存期分数。
- 输入点数的 200。
- 输入场环形的最小半径为 1°,最大半径为 15°。
- 输入每个点的宽度 0.2°。
- 输入固定点的半径 0.35°。
- 指定在黑色背景上使用白点。
- 以 .avi 格式导出影片。
2. 视觉范式设计
- 通过刺激-演示软件创建范例。使用 Courier 新尺寸 18 字体、粗体和在演示文稿屏幕居中生成固定十字。
-
通过在 500 ms 显示的白色背景上创建黑色固定十字,然后按随机顺序显示四个对象之一(球、书籍、砖块或按钮),设计无时态抖动(即一致的 ISI 值)的可视对象范例。
- 将每个对象呈现 600 ms (图 1A)。 显示所有对象 75 次,总共 300 次试验,范例持续时间为 5.5 分钟。
-
设计具有时态抖动的可视对象范例,以由白色背景上相同的黑色固定十字组成,显示周期为 500 或 1,000 毫秒,然后是四个对象之一,持续时间为 600 或 1000 ms(图 1B)。
- 使用刺激演示软件创建四个试验:持续时间为 500 ms 的固定十字,然后是 600 ms 的对象;持续时间为 500 ms 的固定十字,后跟 1,000 ms 的对象;持续时间为 1,000 ms 的固定十字,后跟 600 ms 的对象;和持续时间为 1,000 ms 的固定十字,后跟 1,000 毫秒的对象。
- 随机化这些试验。每次试验19次,最终进行304次试验,观看时间约为7.85分钟。
- 使用刺激演示软件创建四个试验:持续时间为 500 ms 的固定十字,然后是 600 ms 的对象;持续时间为 500 ms 的固定十字,后跟 1,000 ms 的对象;持续时间为 1,000 ms 的固定十字,后跟 600 ms 的对象;和持续时间为 1,000 ms 的固定十字,后跟 1,000 毫秒的对象。
-
通过生成以黑色背景为中心的白色固定十字(持续 500 毫秒),创建视觉运动范例,无需时间抖动,然后是视觉运动影片,该影片被截断以呈现约 1,000 ms(图 2A)。
- 重复此序列共 300 次,观看持续时间约为 7.5 分钟。
-
使用相同的固定十字,持续 500、750 或 1,000 ms 的间隔,创建具有时态抖动的视觉运动范例。
- 在每个固定交叉后,呈现持续时间约为 600 或 1,000 ms 的视觉运动影片(图 2B)。
- 创建六个试验:持续时间为 500 ms 的固定十字,然后是 600 毫秒的电影,持续时间为 750 毫秒的固定十字,然后是 600 毫秒的电影,持续时间为 1,000 毫秒的固定十字,然后是 600 毫秒的电影,一个持续时间为 500 ms 的固定十字,然后是 1000 ms 的电影,一个持续时间为 750 ms 的固定十字,然后是 1,000 ms 的电影,以及持续时间为 1,000 ms 的固定十字,然后是 1,000 ms 的电影。
- 随机化这些试验,每个试验显示50次。 共进行300次试验,观看时间约7.75分钟。
3. 参与者同意、案例历史和视力筛查
- 在抵达时迎接参与者。获得知情同意,向参与者出示参与研究表格的同意书。向学员解释同意书并回答出现的任何问题。
- 让学员填写一份病例历史记录表单,其中包括有关母语、手感、听力状态、视力状态以及参与者可能进行的其他诊断(例如,心理和神经学)的信息。不包括报告听力损失和/或神经诊断(如创伤性脑损伤)的参与者。 包括所有其他参与者。
- 护送学员走出实验室,使用 Snellen 图表完成视力筛查,以确定视力。让参与者站在离图表 20 英尺远的地方,首先覆盖他或她的左眼以确定右眼的视力,然后切换眼睛以确定左眼的视力。根据参与者可以重复至少一个以上字母数的最小文本行计算视觉敏锐度。
注:例如,如果参与者在 20/20 行上重复 8 个字母中的 5 个字母,则视觉敏锐度计算为该眼睛中的 20/20。 - 护送学员进入脑电图录音室。让学员坐在双壁磁屏蔽隔音室中心的指定椅子上。
4. 脑电图制备
- 以厘米为单位测量参与者的头部周长,并选择适当的 EEG 净尺寸。测量并标记头皮的中点(在鼻咽/内联中间和左右乳突之间),以放置参考电极。
- 准备与婴儿洗发水(5 mL)和氯化钾(11 g/10 cc)混合的温水(1 L)溶液,增加电极和头皮之间的电导率,导致电压阻抗降低,信噪比增加。
- 将 EEG 网络放入解决方案中。在将网浸入溶液中 5 分钟,然后放入参与者的头皮上。
- 打开刺激演示计算机和 EEG 采集计算机。
- 将毛巾或其他吸水材料放在参与者的脖子上,以防止溶液滴到他或她的衣服上。
- 将 EEG 网络连接到放大器。指示参与者在戴上 EEG 网络时闭上眼睛,以防止溶液滴入他或她的眼睛。
- 用双手牢牢抓住 EEG 网,并展开到参与者的头上。确保网对称地放置在头皮头上,参考电极位于测量的头皮中线点。拧紧下巴和眼网线,确保头皮和电极之间的安全连接。询问学员是否感到舒适,以及是否需要调整。
- 检查正确的电极阻抗值,平均目标为 10 kΩ。
- 要降低放置电极网后的阻抗值,请使用 1 mL 移液器将氯化钾溶液涂在具有高阻抗的头皮/电极上。继续此过程,直到实现电极上的足够阻抗值。
5. 脑电图录音
- 指示学员关注显示器上将出现的视觉刺激。观看距离约为 65 英寸。
- 使用伪随机数生成器确定四个可视范例的表示顺序。
- 开始可视化任务和 EEG 录制。
- 根据需要监控脑电图记录。如果正在进行的脑电图显示高运动性或 60 Hz 活动,请暂停实验以重新检查电极-双线连接。
- 对可视对象范例、具有时态抖动范例的视觉对象、视觉运动范例以及具有时态抖动范式的视觉运动重复步骤 5.3 和 5.4。
- 实验结束时,指示参与者闭上眼睛,以防止溶液在取下网时进入他或她的眼睛。首先松开下巴和眼网线,然后轻轻拉起下巴带,越过参与者的头部,确保缓慢拉住,以确保网不会缠绕在参与者的头发中。
- 断开 EEG 网络与放大器的连接。开始消毒过程,将脑电图盖放入装满水的桶中,并在水龙头下进行灌注。然后,在消毒桶中加入大约 2 升水,将 15 ml 消毒剂与水混合,从而创建消毒液溶液。
- 将网的传感器端浸入消毒剂中。设置计时器 10 分钟;前2分钟,连续跌落网起落。将净浸泡时间留至 10 分钟的剩余时间。
- 从消毒液中取出 EEG 网。将 EEG 网放入和从装有水和自来水的电极铲斗中冲洗。重复四次。 让网通风干燥。
6. 脑电图分析
- 使用 1 Hz 高通滤波器,在 MATLAB 中导出 EEG 文件以进行分析,每个试验(或事件)的分段为 100 ms 预刺激期和 500 ms 刺激后周期。
-
使用 EEGLAB 工具箱导入数据。
- 从下拉菜单中选择"文件"选项,然后单击"导入数据"。 从菜单中选择使用 EEGLAB 函数和插件。 下一步单击相应的导出文件格式。
- 通过从下拉菜单中选择"编辑"并选择通道位置,根据所使用的电极蒙太奇类型重新分配通道位置。 单击"查找位置"并选择椭圆以查找感兴趣的电极蒙太奇文件的路径。
- 将刺激前和刺激后时间分配给纪元开始和结束时间。在"开始时间"框中输入 -0.1 s 的值。
- 根据刺激前间隔进行基线校正数据。
-
使用 Z 得分阈值为 2.5 的概率识别和移除不良通道。
- 通过绘制所有电极,验证成功识别和去除坏通道。手动移除平均电压振幅超出 +/- 30 μV 范围的通道。
-
通过输入 -100 μV 和 +100 μV 的值来执行工件抑制。
注:此方法可有效去除在眼电极(126,127)记录的眼部活动。但是,对于某些参与者,可能需要手动移除在小电压振幅(即在 +/- 100 μV 范围内)进行的伪影。- 记下对整个段不利的通道(即,电压超出 +/-100 μV 范围),并且以红色突出显示。如果这些不良通道占被否决试验的 60% 或更多,请手动删除这些通道。根据需要多次重复此步骤。
- 按照前面所述的工件删除步骤进行操作。确保至少接受 100 次扫描。删除标记为拒绝的试用版。
- 绘制通道 75(相当于 Oz)或感兴趣的通道,以对形态模式进行分类。在绘制此通道之前,请确保执行刺激前基线校正。
- 如果 CVEP 形态特征为大约 100-115 ms (P1) 的大正峰值,然后是大约 140-180 ms (N1) 的负峰值和大约 165-240 ms (P2) 的正峰值,请选择模式 A。
- 如果 CVEP 形态特征为大约 100-115 ms (P1)的大正峰值,然后是大约 140-180 ms (N1a) 的负峰值,大约 180-240 ms (P2a) 的正峰值,则选择负峰值,然后在大约 100-115 ms (P2a) 时出现负峰值230-280 ms (N1b) 和正峰值,约为 260-350 ms (P2b)。
- 根据视觉上观察到的形态模式将单个数据集追加到一起,以创建组平均值。命名并保存新合并的数据集文件。
- 通过绘制感兴趣的通道,将附加文件作为平均值查看。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
图 3和图 4显示了 5 名年龄在 19-24 岁之间的参与者的代表性对象启动和运动启动 CVEP 结果,他们被动地查看了每个视觉范例。这种设计允许观察由视觉对象(带和无抖动)和视觉运动(有抖动和无抖动)引起的CVEP响应,根据每个条件在主体内部和之间。 参与者 CVEP 根据视觉刺激和大平均引起的形态模式进行分组,以创建平均 CVEP 模式。 在无时态抖动条件的对象(图3)中,发现两个参与者出现模式A,三个参与者出现模式B(图3A)。 同样,在具有时间抖动条件的对象(图3B)中,两个主题呈现模式A,三个对象带有模式B。 有趣的是,由于抖动范式,两个主题呈现了不同的模式(即,一个主题在抖动条件下以模式 B 呈现无抖动条件下呈现模式 A,另一个主题在抖动条件中呈现模式 B。在抖动条件下,没有模式 A 显示的抖动条件)。 也可以观察到抖动会影响每个对象设置 CVEP 模式的振幅和延迟(图3C,D)。
对于运动条件(图4),两个受试者展示了模式A形态,三个主体显示了模式B。 但是,与对象启动的 CVEP 相比,每个参与者的运动启动 CVEP 形态模式在抖动条件之间是一致的。 此外,模式 B 组平均值没有显示通常存在的多个峰值组件的明确证据。 这种缺乏微分形态的发生于两个运动范式中,没有和有时间抖动(图4A,B)。与物体的范式类似,运动范式中的抖动似乎会影响两种形态模式中的运动启动CVEP特性(图4C,D)。
图 1:无时序抖动和时态抖动的可视对象刺激范式示例。(A) 无时态抖动:固定十字表示为 500 毫秒,然后随机表示 BOSS 数据库中的四个对象之一(按钮、书籍、球、砖块)。 每个对象演示的持续时间为 600 毫秒。(B) 具有时间抖动:固定十字表示 500 或 1,000 ms,这些值在试验中随机显示,然后是 BOSS 数据库中的四个对象之一(按钮、书籍、球、砖块)。 每个对象呈现的随机值为 600 或 1000 ms。
图 2:无时序抖动和时态抖动的视觉运动刺激范式示例。(A) 无时态抖动:固定十字呈现 500 毫秒,然后是点向内向中心固定点(用白色箭头表示)的视觉运动电影,时间抖动:A固定十字表示 500、750 或 1,000 ms 的值,这些值在试验中是随机的。然后,为 600 或 1,000 ms 呈现视觉运动影片,这些值在试验中随机显示。请点击此处查看此图的较大版本。
图 3.代表性对象设置 CVEP 数据,无时态抖动。(A) 模式 A 形态(即 P1-N1-P2 响应)在两个参与者(实黑线)中观察到,以响应对象范式而不抖动。 模式B形态(即P1-N1a-P2a-N1b-P2b响应)在3个参与者中观察到(虚线红线),以响应对象范式而不抖动。 以微伏为单位的振幅在垂直轴上描述,时间以毫秒为单位在水平轴上表示。(B) 模式 在两个参与者(实黑线)中发现形态,由具有抖动的物体范式引起。 模式 B 形态在 3 个参与者(红色虚线)中发现,由抖动的对象范式引起。(C) 模式 同一三个参与者的形态比较,以响应无抖动的对象范例(纯黑线)和具有抖动的对象范式(红色虚线)。(D) 模式 B 形态比较在同一两个参与者中,由对象范式无抖动(实黑线)和具有抖动的对象范式(红色虚线)引起。请点击此处查看此图的较大版本。
图 4.代表性运动启动 CVEP 数据,无时态抖动。(A) 模式 A 形态(即 P1-N1-P2 响应)在两个参与者(实黑线)中观察到,以响应运动范式而不抖动。 模式B形态(即P1-N1a-P2a-N1b-P2b响应)在3个参与者中单独观察到(虚线红线),以响应运动范式而不抖动。但是请注意,在 CVEP 组大平均值中未观察到典型模式 B 形态。 以微伏为单位的振幅在垂直轴上描述,时间以毫秒为单位在水平轴上表示。(B) 模式 在两个参与者(实黑线)中发现形态,由抖动运动范式引起。 模式B形态在3个参与者(红色虚线)中单独发现,由抖动运动范式引起。同样,形态B形态在CVEP大平均中并不明显。(C) 模式同一三个参与者响应运动范式而不抖动(实黑线)和带抖动的运动范式(红色虚线)的形态比较。(D) 模式 B 形态比较在同一两个参与者中,由无抖动(实黑线)的运动范式和无抖动(红色虚线)引起。请点击此处查看此图的较大版本。
补充文件:请点击此处下载此文件。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
本方法学报告的目的是利用视觉对象和运动刺激来评估记录微分CVEP形态的可行性,这些刺激在被动观察任务中分别用于刺激腹腔和背流6 ,7,8, 有和无变化 ISIs (抖动)19.条件不是设计为直接比较,而是对变量CVEP形态是否存在于这两种情况下,以及该条件内的时间抖动是否影响形态的观察。通过 128 通道高密度 EEG 记录对象启动和运动启动 CVEP 响应并锁定视觉对象和运动刺激的启动时间,在四个范例中呈现。五名年轻人参与被动查看每个视觉范式,由此产生的CVEP反应在主观上被主观地分类,根据CVEP模式A(P1-N1-P2)形态学和CVEP模式B(P1-N1a-P2a-N1b-P2b)形态学,一种方法在以前的研究中,这种方法的基础是12,13。
代表性数据表明,所述视觉刺激对差异CVEP形态敏感。此外,抖动似乎会影响 CVEP 响应的特定特征,如延迟和振幅,而不是波形的整体形态。由于样本数量少,缺乏统计比较,因此无法得出进一步的结论。 因此,这些数据表明,实验设计对研究可变CVEP形态和相关视觉行为可能有用。未来的研究计划侧重于大幅增加参与者的数量,以验证由各种刺激引起的CVEP模式是一种内在现象还是外在现象,以及某些视觉皮质网络是否可能涉及比其他人在产生特定的形态。未来的研究还将包括视觉范式中的时间变化,以进一步评估对CVEP反应可能产生的预期影响,包括抖动值的更大变异性,因为当前方法中包括的抖动间隔有限可能无法完全消除可预测性。 最后,将对CVEP峰值组件进行源定位分析,以获取有关在生成CVEP形态模式中涉及的视觉皮质网络的定性信息,包括验证所呈现的刺激激活预期的可视网络。
尽管所述方法显示了研究对象发生和运动性CVEP形态的有效方法,但应注意关键步骤。 例如,在视觉刺激的创造中,亮度等因素必须一致并加以控制,因为这些低阶变化可能会影响 CVEP 特性22。在脑电图制备中,必须密切关注电极阻抗值。当前研究中使用的高密度 EEG 系统是一个高阻抗系统,这意味着 EEG 活动可以通过高达 50 kΩ 的电极阻抗值成功记录。然而,在我们的实验室中,我们的目标是将这些值保持在 20 kΩ 以下,理想情况下保持在 10 kΩ 左右。较低的阻抗值极大地影响了记录的整体质量,并可加快分析和增加接受的试验次数。 此外,监视主体状态也非常重要,特别是因为这些范式本质上是被动的。对于一些参与者来说,保持警觉可能是一个挑战,从而导致α振荡和眼部伪影,从而污染记录。在 EEG 分析中,在工件抑制之前去除不良电极通道至关重要,以确保在平均值中接受最大试验次数。试验次数越多,CVEP响应的信号噪声比越好。此外,源本地化分析需要大量的试验。在我们的实验室中,至少100个接受的试验是典型的视觉研究12,13,22。本研究中描述的EEG分析方法也可根据研究者的自由裁量权加以修改。成功进行脑电图分析的方法有很多种,所提供的方法已在我们的实验室中开发出来。EEGLAB 工具箱的创建者提供的各种教程可以回顾其他可能有用的方法。
虽然 EEG 方法确实有局限性,特别是在用于成像目的的空间分辨率方面2,但低成本、非侵入性方法和高时间分辨率的好处使其成为 CVEP 形态学调查的理想工具模式。例如,构成 CVEP 波形的特定峰值分量的延迟和振幅将不能用不同的方法识别,除非可能使用磁脑学 (MEG)。 此外,源定位分析,这是可能的高密度脑电图记录,已经发展到这样的水平,以估计皮质发生器的位置已被接受在众多研究12,13 23,24,25,26.如果空间定位仍然是研究人员关心的问题,可以使用多模式方法将脑电图的时间分辨率与其他测量(如fMRI27)的空间分辨率相结合。重要的是,在每个范例中收集大量的试验,以便将来进行源定位分析,这需要高 EEG 信噪比才能准确估计皮质发生器12、13、 23.
总体而言,所述方案对CVEP形态的观察和研究是有用和有效的。文献中也提出了类似的方法,但未如脑电图分析部分。未来的研究可能受益于更仔细地研究CVEP形态,因为不同的视觉过程已被证明是特定模式12,13的基础。虽然还需要做额外的工作来澄清由各种刺激和底层视觉功能引起的CVEP形态是否与视觉行为有关,但本试验研究中讨论的实验范例和脑电图分析提供了一个初步点从而更好地了解基本的视觉皮质过程。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
这项研究得到了德克萨斯大学奥斯汀穆迪通信学院助学金准备奖和德克萨斯大学奥斯汀分校研究特别研究资助副总裁办公室的支持。
Materials
| Name | Company | Catalog Number | Comments |
| E-Prime 2.0 | Psychology Software Tools, Inc | Used in data acquisition | |
| Net Amps 400 | Electrical Geodesics, Inc | Used in data acquisition | |
| Net Station Acquisition V5.2.0.2 | Electrical Geodesics, Inc | Used in data acqusition | |
| iMac (27 inch) | Apple | Used in data acquisition | |
| Optiplex 7020 Computer | Dell | Stimulus computer | |
| HydroCel GSN EEG net | Electrical Geodesics, Inc | Used in data acqusition | |
| 1 mL pipette | Electrical Geodesics, Inc | Used to lower impedances | |
| Johnson's Baby Shampoo | Johnson & Johnson | Used in impedance solution | |
| Potassium Chloride (dry) | Electrical Geodesics, Inc | Used in impedance solution | |
| Control III Disinfectant Germicide | Control III | Used in disinfectant solution | |
| 32 inch LCD monitor | Vizio | Used to present stimuli | |
| Matlab (R2016b) | MathWorks | Used in data analysis | |
| EEGlab v14.1.2 | Swartz Center for Computational Neuroscience, University of California, San Diego | https://sccn.ucsd.edu/eeglab/index.php | Used in data analysis |
| BOSS Database | Bank of Standardized Stimuli | https://sites.google.com/site/bosstimuli/ | Used in generation of visual object stimuli |
| Psychtoolbox-3 | Psychophysics Toolbox Version 3 (PTB-3) | http://psychtoolbox.org/ | Used in generation of visual motion stimuli |
References
- Lascano, A. M., Lalive, P. H., Hardmeier, M., Fuhr, P., Seeck, M. Clinical evoked potentials in neurology: A review of techniques and indications. Journal of Neurology, Neurosurgery, and Psychiatry. 88 (8), 688-696 (2017).
- Mehta, R. K., Parasuraman, R. Neuroergonomics: A review of applications to physical and cognitive work. Frontiers in Human Neuroscience. 7, 889 (2013).
- Kuba, M., Kubova, Z., Kremlacek, J., Langrova, J. Motion-onset VEPs: Characteristics, methods, and diagnostic use. Vision Research. 47 (2), 189-202 (2007).
- Tobimatsu, S., Celesia, G. G. Studies of human visual pathophysiology with visual evoked potentials. Clinical Neurophysiology. 117 (7), 1414-1433 (2006).
- Tremblay, E., et al. Delayed early primary visual pathway development in premature infants: High density electrophysiological evidence. PLoS One. 9 (9), e107992 (2014).
- Allison, T., Puce, A., Spencer, D. D., McCarthy, G. Electrophysiological studies of human face perception. I: Potentials generated in occipitotemporal cortex by face and non-face stimuli. Cerebral Cortex. 9, 415-430 (1999).
- Grill-Spector, K. The neural basis of object perception. Current Opinions in Neurobiology. 13, 159-166 (2003).
- Mitchell, T. V., Neville, H. J. Asynchronies in the development of electrophysiological responses to motion and color. Journal of Cognitive Neuroscience. 16, 1363-1374 (2004).
- Armstrong, B. A., Neville, H. J., Hillyard, S. A., Mitchell, T. V. Auditory deprivation affects processing of motion, but not color. Cognitive Brain Research. 14, 422-434 (2002).
- Donner, T. H., Siegel, M., Oostenveld, R., Fries, P., Bauer, M., Engel, A. K. Population activity in the human dorsal pathway predicts the accuracy of visual motion detection. Journal of Neurophysiology. 98, 345-359 (2007).
- Bonfiglio, L., et al. Defective chromatic and achromatic visual pathways in developmental dyslexia: Cues for an integrated intervention programme. Restorative Neurology and Neuroscience. 35 (1), 11-24 (2017).
- Campbell, J., Sharma, A. Visual cross-modal re-organization in children with cochlear implants. PLoS ONE. 11 (1), e0147793-e0147718 (2016).
- Campbell, J., Sharma, A. Distinct visual evoked potential morphological patterns for apparent motion processing in school-aged children. Frontiers in Human Neuroscience. 10 (71), 277 (2016).
- Doucet, M. E., Gosselin, F., Lassonde, M., Guillemot, J. P., Lepore, F. Development of visual-evoked potentials to radially modulated concentric patterns. Neuroreport. 16 (6), 1753-1756 (2005).
- Doucet, M. E., Bergeron, F., Lassonde, M., Ferron, P., Lepore, F. Cross-modal reorganization and speech perception in cochlear implant users. Brain. 129 (12), 3376-3383 (2006).
- Kubova, Z., et al. Difficulties of motion-onset VEP interpretation in school-age children. Documenta Ophthalmologica. 128, 121-129 (2014).
- Gould, I. C., Rushworth, M. F., Nobre, A. C. Indexing the graded allocation of visuospatial attention using anticipatory alpha oscillations. Journal of Neurophysiology. 105, 1318-1326 (2011).
- Hanslmayr, S., Aslan, A., Staudigl, T., Klimesch, W., Hermann, C. S., Bauml, K. H. Prestimulus oscillations predict visual perception performance between and within subjects. Neuroimage. 37, 1465-1543 (2007).
- Toosi, T., Tousi, E. K., Esteky, H. Learning temporal context shapes prestimulus alpha oscillations and improves visual discrimination performance. Journal of Neurophysiology. 118 (2), 771-777 (2017).
- Brodeur, M. B., Dionne-Dostie, E., Montreuil, T., Lepage, M. The Bank of Standardized Stimuli (BOSS), a new set of 480 normative photos of objects to be used as visual stimuli in cognitive research. PLoS One. 5 (5), e10773 (2010).
- Brodeur, M. B., et al. The Bank of Standardized Stimuli (BOSS): Comparison between French and English norms. Behavior Research Methods. 44, 961-970 (2012).
- Suttle, C., Harding, G. Morphology of transient VEPs to luminance and chromatic pattern onset and offset. Vision Research. 39 (8), 1577-1584 (1999).
- Campbell, J., Sharma, A. Cross-modal re-organization in adults with early stage hearing loss. PLoS One. 9 (2), e90594 (2014).
- Campbell, J., Sharma, A. Compensatory changes in cortical resource allocation in adults with hearing loss. Frontiers in Systems Neuroscience. 7, 71 (2013).
- Debener, S., Hine, J., Bleeck, S., Eyles, J. Source localization of auditory evoked potentials after cochlear implantation. Psychophysiology. 45 (1), 20-24 (2008).
- Gilley, P. M., Sharma, A., Dorman, M. F. Cortical reorganization in children with cochlear implants. Brain Research. 1239, 56-65 (2008).
- Neuner, I., Arruba, J., Felder, J., Shah, N. J. Simultaneous EEG-fMRI acquisition at low, high and ultra-high magnetic fields up to 9.4 T: Perspectives and challenges. Neuroimage. 15 (102), 71-79 (2014).
- Schulte-Korne, G., Bartling, J., Deimel, W., Remschmidt, H. Visual evoked potential elicited by coherently moving dots in dyslexic children. Neuroscience Letters. 357 (3), 207-210 (2004).
- Zhang, R., Hu, Z., Roberson, D., Zhang, L., Li, H., Liu, Q. Neural processes underlying the “same”- “different” judgment of two simultaneously presented objects—an EEG study. PLoS One. 8 (12), e81737 (2013).
