Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Yöntem makalesi

Asperger Sendromu Duygusal Yüzler Bilinçli ve Non-bilinçli Gösterimler

13.7K görüntüleme

⸱

DOI:

10.3791/53962

⸱

31 Temmuz 2016

 ,  ,  ,  ,  , 
1Institute of Statistical Science, Academia Sinica, 2Max Planck Institute for Human Cognitive and Brain Sciences, 3Department of Psychology, Fo Guang University, 4Department of Electrical Engineering, Fu Jen Catholic University, 5State Research Institute of Physiology and Basic Medicine, 6Novosibirsk State University, 7Imaging Research Center, Taipei Medical University

Bu makalede

Özet

EEG deneysel protokol Asperger sendromu olan hastalarda duygusal yüzleri bilinçli ve bilinçli olmayan temsilleri arasındaki etkileşimi açıklamak için tasarlanmıştır. teknik Asperger sendromlu hastaların duygusal yüzleri olmayan bilinçli temsil açıkları var, ama sağlıklı kontrollerle bilinçli temsil karşılaştırılabilir performansa sahip olduğunu göstermektedir.

Özet

Çeşitli beyin görüntüleme çalışmaları duygusal karşısında düşük uzaysal frekans içeriği ağırlıklı özellikle korkulu yüzleri 1-3 amigdala, pulvinar ve üstün kollikulusu aktive olduğunu ileri sürmüşlerdir. Bu bölgeler duyguların olmayan bilinçli algı limbik yapıyı oluşturan ve doğrudan ya da dolaylı 2 kortikal aktiviteyi modüle. Buna karşılık, duyguların bilinçli temsil yüzleri 3,4 ayrıntılara gönüllü dikkat yönlendirmek için ön singulat, prefrontal korteks ve somatosensoriyel kortekste daha belirgindir. Asperger sendromu (AS) 5,6 Normal dil becerileri ve entelektüel yeteneği ile müdahale etmeden, duyusal, duygusal ve iletişimsel yeteneklerini etkileyen bir atipik zihinsel rahatsızlık temsil eder. Çeşitli çalışmalarda yüz duygu tanıma için önemli sinir devresi fonksiyon kaybı kısmen sosyal iletişim hatası açıklayabilir buldukAS 7-9 olan hastalar. AS duygusal yüzleri bilinçli ve bilinçli olmayan temsilleri arasındaki etkileşimi açıklamak amacıyla, EEG deneysel protokol fotoğraf veya çizgi çizim yüzleri birinin duygusallığı değerlendirmesini içeren iki görevler ile tasarlanmıştır. Bir pilot çalışma AS ve IQ / cinsiyet uyumlu sağlıklı kontrol ile reaksiyon süreleri ve denenmiş hastalar arasında yüz duyguların atanan puanlar farklılıkları en aza indirmek yüz uyaranları seçme tanıtıldı. önceden test hastaların bilgi emotionality değerlendirilmesi için kullanılan puanlama sistemi geliştirmek için kullanılmıştır. Yüz duygular ve farklı mekansal frekans içeriği ile görsel uyaranlara içine araştırmaya katılanların demografik özelliklerine bağlı olarak tutarsız bulgular ulaşmıştır ve görev 2 gerektirir. Sağlıklı kontrollerle karşılaştırıldığında deneysel protokol faktörü kontrol ederek duygusal yüzleri işleme AS hastalarında açıkları açıklamak için tasarlanmıştırBöyle bir görev zorluğu, IQ ve cinsiyet gibi yüz duyguların tanınması ilgisiz s.

Giriş

Yüz duygu tanıma, sosyal iletişim yapan en önemli beyin süreçlerden biridir. Ruhsal bozuklukların çeşitli yüz duyguların 4-6 açık tespiti ile ilgili sorunlar ile ilgilidir. Bir yüzün bir fotoğraf yüksek uzaysal frekansta (HSF) veya düşük uzaysal frekans (LSF) içerik biri için filtre edilebilir mekansal bilgi spektrumunu içerir. LSF örneğin LSF içeriği 7 bütünsel yüzey olarak iri ya da daha az iyi tanımlanmış parçalar ile ilişkili ise HSF, örneğin bir yüz kenarları gibi bir görüntünün çok detaylı parça ile ilgilidir. Herhangi bir yüz tanıma görevi aynı anda bilinçli ve bilinçli olmayan süreçler 8-12 indükler ve non-bilinçli sürecin katılım 150-250 msn sonrası başlangıçlı aralık ya da daha önce 13 oluşur. Sağlıklı kontrollerde, olmayan bilinçli bir süreç daha hızlı bilinçli süreç 14,15 genellikle daha olduğunu. Çeşitli beyin görüntüleme çalışmaları olduğunu ileri sürmüşlerdirbir yüz uyaran (ya da motivasyonel önemli uyarıcı) olarak LSF ağırlıklı özellikle korkulu yüzleri 3,16 ile amigdala, pulvinar ve üstün kollikulusu harekete geçirir. Bu bölgeler duyguların olmayan bilinçli algı limbik yapıyı oluşturan ve doğrudan ya da dolaylı 1 kortikal aktiviteyi modüle. Buna karşılık, duyguların bilinçli temsil yüzüne 9,17,18 ayrıntılara gönüllü dikkat yönlendirmek için ön singulat, prefrontal korteks ve somatosensoriyel kortekste daha belirgindir.

Asperger sendromu (AS) 19,20, normal dil becerileri ve entelektüel yeteneği ile müdahale etmeden, duyusal, duygusal ve iletişimsel yeteneklerini etkileyen bir atipik zihinsel rahatsızlık temsil eder. Çeşitli çalışmalarda yüz duygu tanıma için önemli sinir devresi fonksiyon kaybı kısmen AS 21-25 sosyal iletişim hatası açıklayabilir bulduk.AS çocuklarda görülen davranış bozuklukları yaşamın 26 ilk üç yıl içinde teşhis edilebilir, bir dönem sırasında davranışlar üzerindeki gönüllü (veya bilinçli) kontrolü tamamen 27 gelişmemiştir. AS erişkinlerde, davranış bozuklukları dikkat Kural 28 ile telafi edilebilir. Belirli bir mekansal frekans aralığında işlem ayrıntıları zorluk farklı bilgi işleme aşamalarında bir kesinti gösterebilir. Şimdiye kadar, hiçbir çalışma doğrudan belirli mekansal frekans aralıklarında yüz uyaranları içeren yüz duygu tanıma sırasında uyarılmış potansiyelleri ve AS hastalarında osilatör aktiviteyi ele almıştır. Görev talepleri ve cinsiyet ve IQ gibi demografik etkileri kontrol ederek farklı mekansal frekans içeriği ile yüz uyaranlara işleme sırasında sağlıklı kontrollere göre AS hastalarında fonksiyonel yörüngeyi incelemek önemlidir.

Inter açıklık getirmek amacıylaDuygusal yüzleri bilinçli ve bilinçli olmayan temsilleri arasında oynamak, EEG deneysel protokol beyin karşılaştırmak için tasarlanmış AS ve IQ / cinsiyet eşleştirilmiş sağlıklı kontrol grubu ile hastalar arasında potansiyelleri ve salınımlı aktiviteyi uyarılmış. Pilot katılımcıların bir kohort AS hastalarında performansının değerlendirilmesini kolaylaştırmak amacıyla önceki deneysel uyaranlara ve bir puanlama sisteminin geliştirilmesine seçimi ile yardım için EEG deneyle işe alındı. protokol fotoğraf veya çizgi çizim yüzleri birinin duygusallığı değerlendirmesini içeren iki görevlerinden oluşur. İki grup arasındaki farklar ERP ve olay ile ilgili spektral tedirginlikler (ERSPs) hesaplanarak değerlendirilebilir. Bir sonraki bölümde, deneysel protokol detayları ana analiz sonuçlarının ardından pilot çalışmanın ve EEG veri işleme / analiz yöntemleri de dahil olmak üzere, ayrıntılarıyla edilir. Son olarak, kritik protokol adımları ve mevcut açısından önemiyöntemler tartışıldı. diğer duygusal bozukluklar da işaret edilmektedir ile sınırlama ve protokol olası uzatma hastalarında kullanmak için.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Etik Beyanı: insan katılımcıların Prosedürleri Academia Sinica, Tayvan insan katılımcı araştırma etiği komitesi / Kurumsal Değerlendirme Kurulu tarafından onaylanmıştır.

1. Uyarılar ve Deneysel Programı Hazırlama

  1. Üç yüz ifadeleri (kızgın, mutlu ve nötr) olarak kategorize 60'dan fazla duygusal yüz fotoğrafları 29 bir havuz hazırlayın. Katılımcılar fotoğraflardaki yüz özellikleri konsantre böylece Şekil 1A gösterildiği gibi siyah arka plan ile fotoğraf saç ve kulak parçalarını maskelemek için grafik yazılımı kullanın.
    1. grafik yazılımı bir fotoğrafı açın. eliptik bölgeyi çizmek ve kulakları ve çoğu saç elips düşmemesi böylece bölge boyutunu ayarlamak için seçim araç kutusunu kullanın.
    2. seçili bölgeyi ters çevirin. Fotoğrafın istenmeyen bölgesini kaldırmak ve siyah arka plan rengi ile değiştirmek için "Sil" düğmesine tıklayın.

figure-protocol-1
Şekil duygusal yüz uyaranların 1. örnekler. (A) saç ve kulakları siyah bir arka plan rengi dışarı maskeli edilmiş ve fotoğraf yüzleri (B) çizgi çizim grafik yazılımı ile (A) dan düzenlenir yüzleri. Yüzleri alt satırlara üstten sırasıyla nötr mutlu ve kızgın duygularını göstermek. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

  1. bir pilot çalışma oluşturun. fotoğraf havuzundan uygun uyaranlar seçilmesi pilot katılımcıları işe.
    Not: Pilot katılımcıları EEG deneyinde katılmamalıdır.
    1. 5 famil ardından görev talimatı sunan ilk bilgisayar ekranı ile başlayan uyaran sunum programı, yapılandırıniarization denemeleri. Bir yüz uyaran tarafından izlenen bir tespit haç ile her deneme, başlar ve bir duygusallık değerlendirme görevi ile. Yan Kodu bir örnek program için Dosya bakın.
      Not: gerçek bir pilot denemeler hemen havuzdan rastgele sırayla yüz fotoğraflarını seçerek alışma denemeler izleyin.
      1. talimat ekranlar ve merkezi bir göz sabitleme ekranında dahil, deneysel bir program oluşturun. Bir bilgisayar ekran boyutu 41 x 25.6 cm 2 çözünürlük 1680 x 1050 ile verilen, siyah arka plan rengi ile 18.3 x 24.4 cm 2 (genişlik x yükseklik) olması fotoğraf boyutunu yapılandırarak Şekil 2'de gösterildiği gibi yüz uyaran ekranını oluşturun. Yan Kodu bir örnek program için Dosya bakın.
      2. Şekil 3'te gösterildiği gibi. Programına emotionality değerlendirilmesi için bir skorlama sistemi oluşturmak ekranın merkezde devamlı bir ölçekte -100 ile +100 arasında bir yatay çizgi yerleştirin withoumerkez ve uç noktalar hariç, herhangi bir kene işaretlerini t. Katılımcılar serbestçe çok kızgın (-100) için sola puanlama imleci sürükleyerek ve çok mutlu sağa (100) bir fotoğraf yüz duygusallığını değerlendirmek ve GO butonuna basabilirsiniz gibi bu programı hazırlayın.
        Not: AS hastalar kolayca duygusallığı değerlendirmesi sırasında kene arasında imleci takılıyorum çünkü puanlama hattı herhangi bir kene işaretleri olmadan tasarlanmıştır. Bu nedenle, sürekli bir skala hastalar için tercih edilmektedir.
      3. Program bir katılımcının davranışsal sonuçlar (örneğin tepkime süresi ve duygusallık skorları) havuzundan fotoğraf seçmek için kriter olarak kullanılır kaydeden emin olun (adım 1.3.1 bakınız).
    2. Çaylak Pilot katılımcılar (5 kontrolü ve 5 AS Pilot katılımcılar). Gillberg 30 ve DSM-IV ölçütlerine göre 26 klinik hastaları teşhis ve Wechsler Yetişkin klinik türetilmiş kısa formu yönetmek Zeka Ölçeği (WAIS-III) 31. cinsiyet mümkün olduğunca yakın onların AS karşıtlarına kontrolleri eşleştirmek ve sözel / performans IQ puanları.
    3. her katılımcı için pilot çalışmada deneysel yordamı çalıştırın. duygusal yüz tanıma görevini tamamladıktan sonra, merkezi göz fiksasyon ve uyaran sunum süreleri makul süresi katılımcı AS her pilotun görüşme, görevin zorluğu, puanlama sistemi ve onun / onu tutmak için çalışmaların sayısını kullanarak kolaylığı Program EEG deney için yeniden olabilir hangi konsantrasyon, temelli (adım 1.3.2 bakınız)

figure-protocol-2
Şekil 2. programda bir yüz uyaranın bir ekran görüntüsü. Yüzün boyutu ekranın yüksekliğini uyacak şekilde yapılandırılmıştır. Boş alan siyah renk ile doldurulur./ 53962 / 53962fig2large.jpg "target =" _ blank "upload> bu rakamın daha büyük bir versiyonunu görmek için lütfen buraya tıklayınız.

figure-protocol-3
Şekil 3. duygusallık değerlendirilmesi için puanlama sisteminin bir ekran görüntüsü. Puanlama çubuğu hiçbir onay işareti sahip olacak şekilde tasarlanmıştır. Katılımcı bir yüz atanan puanı seçin ve görevi bitirmek için GO düğmesine basın fareyi sürükleyin gerekiyor. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

  1. Görev 1 Program: Session Fotoğrafı.
    1. en karşılaştırılabilir ortalama reaksiyon süreleri vermek, mutlu, kızgın ve nötr yüz ifadeleri (5 erkek ve 5 kadın ifadelerin her türü için karşı karşıya) için 10, her oluşan, havuz 30 fotoğraf arasından seçim ve 5 AS arasındaki duygusallık puan ortalamaları 5 kontrol pilotu katılımcılar.
    2. Optimal merkezi göz fiksasyon döneminde (yani, 1000 msn) olarak pilot hastaların geri bildirim dahil ederek deneysel bir program yapılandırmaları güncelleyin, yani rastgele atanan uyaran sunum (yani, 1000 msn), inter-uyaran aralığı (süresi skorlama sistemi (ve -aralarında 4 ve 7 sn) ve ölçek yani -100) 100. Programda 30 deneysel çalışmalarda önceki beş alışma denemeleri ekleyin.
      1. Deneysel programla ilişkili bir dış yapılandırma metin dosyası uyaranlara ve zaman aralıklarında sayısını değiştirin.
        Not: Metin dosyası yazılım mühendisleri müdahalesi olmadan farklı deneysel koşullar uyacak şekilde modifiye edilebilir.
      2. 30 Seçilen fotoğraflara tanıtım denemeleri için beş fotoğraf saymayın. EEG'ler ve veri analizi alışma çalışmalarda kaydedilen davranış verileri kullanmayın.
  2. Program fveya Görev 2: Session Hat çizimi.
    1. 35 fotoğraf her yüzün kenarlarını takip ederek Görev 1'de kullanılan (alışma çalışmalarda, deneysel çalışmalar için 30 için 5) hattı çekme resimleri oluşturun. Şekil 1B gösterildiği gibi siyah-beyaz ve hat-çizimler içine gri tonlu fotoğrafları değiştirmek için grafik yazılımı kullanın.
      Not: fotoğraf düzenleme için aşağıdaki adımları hat-çizimler yapmak için olası çözümlerden biridir.
      1. çoğunluk piksel orijinal gri skala yoğunluğu siyah veya beyaz düşer, böylece grafik yazılımı, fotoğrafın parlaklık / kontrast ayarlayın.
      2. yüksek uzaysal frekans kısmının sadece kontur korunur, böylece bir gri skala fotoğraf için "etkisi" "kroki etkisi" veya yazılım "filtre" menüsünü uygulayın ve kontur hatları dilatasyon artırmak için "sıkıntı etkisi" uygulamak .
      3. konturları geliştirmek için herhangi bir fırça aracını kullanın ve bir silgi aracını kullanınistenmeyen parçalar temizlemek. ileri ve geri orijinal fotoğraftan ve hat çekme meslektaşı arasındaki kontrol ederek önemli yüz özellikleri tutmak için emin olun.
    2. Görev 2 için bir program oluşturmak ve ilgili hat çizimleri ile Görev 1 35 fotoğraf yerine adım 1.3 Görev 1 programının bir kopyasını oluşturun.

2. EEG Kayıt Prosedürü

  1. hazırlıklar
    1. 10 sağlıklı kontrolleri ve AS yerel insan katılımcı araştırma etiği komitesi / Kurumsal Değerlendirme Kurulu yönergelerine göre EEG deneyler için 10 hastaları kapsıyor.
    2. Deneylerde AS ayrı öncesinde hastalara WAIS-III 31 kısa formu yönetmek ve toplumsal cinsiyet ve sözel / performans IQ puanları mümkün olduğunca yakından hastaları eşleşen kontrolleri bulmak.
  2. EEG Kayıt
    1. Bir ses verenlerden rahat bir sandalyede katılımcıyı Seatbilgisayar ekranı katılımcının önünde 60 cm olacak şekilde d (loş ışıklı) odası ve koltuk konumunu ayarlayın. deneysel prosedür hakkında bir eğitim sonrasında, katılımcı onun / onu ellilik bir kaç soru ile birlikte rıza formları doldurmak zorunda.
    2. EEG'ler kaydetmek için (altı yüz kas kanalları ile birlikte 122 10-10 sistem EEG ve bipolar VEOG, HEOG, EKG, EMG elektrotları da dahil olmak üzere) 132 Ag / AgCl elektrotlar ile EEG kapağı kullanın. 1000 Hz örnekleme hızında ham EEG'ler dijital ortama aktarmak için 0.1-100 Hz analog bant geçiren filtre ile iki 64-kanallı amplifikatörler Kapağı takın.
    3. Her katılımcının kafasına standart 128-kanallı EEG kapağını takınız. Elektrot "referans" ön / arka orta hat noktalarına (yani, INION mesafeye nasion orta) göre yer almaktadır "Taşlı" konumunda, yerleştirilir ve sol / sağ noktalara etiketli böylece kapağı ayarlayın (yani, sağ / sol tragis orta), E'ye göreEG uluslararası 10/10 sistemi.
    4. Yavaşça tüm elektrotların içine iletken jel enjekte etmek künt bir iğne kullanın. Kafa derisi ve elektrodun (yani, 5 kÊ altında empedans tutmak için) arasında iyi jel temas sağlamak için yavaş yavaş elektrodun içinde iğne ile karıştırın. Sürekli emin empedans ölçümü doğru olduğundan emin olmak için EEG kap üzerine "başvuru" ve "toprak" etiketli elektrotlarda jel temas durumunu kontrol edin.
      1. Genellikle EEG sistemi ile gider (örneğin bu çalışmada 4.5 TARAMA) EEG kayıt yazılımı tarafından desteklenen elektrot empedansı ekranını görüntüleyerek elektrot empedansı gözlemleyin. Ekranda, elektrotlar renklerde gösterilir ve farklı renk empedans düzeylerini göstermektedir vardır.
    5. bir HEOG bir gözü (pozitif site) ve canthus de elektrodu, ve diğer göz (negatif site), yukarıda bir VEOG elektrot ve l altında diğeri canthus ikinci elektrot yerleştirineft göz, baş ve sağ elin işaret parmağı ve kaş ve yanak çevresinde altı yüz elektrotlar arasındaki alanda sağ ve sol elleri ve bipolar EMG elektrotları arkasındaki iki kutuplu EKG elektrotlar.
    6. empedans daha yüksek 5 kÊ, ya da doğrudan tüm elektrotlarda ekran gösteren empedansı kurtarmak olan bir dizüstü bu kötü kanallar Tutanak. EEG veri işleme aşamasında kötü kanallar atarak bu gelecekteki referans kullanın.
    7. 12 dakika boyunca gözlerinizi kapatın için katılımcı talimat sonra rekor dinlenme devlet EEG. Bu süre zarfında, iki kat EEG kayıt yazılımı tarafından desteklenen ekranda anlık EEG akışı kalitesini kontrol edin.
      Not: gözler açık koşulu ile karşılaştırıldığında gözler kapalı durumda sırasında oksipital kanallarda dağıtılan açık alfa dalgaları olmalıdır. alfa dalgaları çok (kötü kanallar görmezden) gürültülü veya bozuk ise, 2.2.4 adım ve jel temas ayarlamak dönün.
    8. Katılımcıların genelinde bir karşı-dengeli amacıyla iki deneysel görevleri başlatın. kayıt yazılımı tarafından desteklenen ekranda kayıt simgesini tıklayarak kayıt EEG.
      1. Ekranda gösterilen görev talimatı okuduktan sonra, her katılımcıya 30 görev denemeleri takiben 5 alışma denemeler gerçekleştirmek var. fotoğraf ve hat-çizim görevleri için aynı prosedürü kullanın. Görev talimatında, mümkün olduğunca çabuk bir yüz uyaranın duygusallığı bir puan atamak için teşvik ediyoruz.
      2. ÖNEMLİ: Doğru olaylar zaman kilitli merkezi göz fiksasyon, yüz uyaran sunum başlangıcından gönderme ve duygusallık değerlendirilmesi sırasında kayıt yazılımı GO butonuna basarak yönelik adımlar 1.3.2 ve 1.4.2 hazırlanan programları kontrol edin. Bu başlangıç ​​kez sayısal olarak kodlanmış ve kayıt yazılımı tarafından desteklenen ekranda kontrol edilebilir.
        Not: katılımcı iki görev arasında bir mola verebilirsiniz. Hiçbir EEG yeniden yokturmolası sırasında Cording.
    9. Veri analizinde katılımcılar arasında ortak kayıt EEG kapaklar için (örneğin .3dd veya .dat dosyası) elektrotların 3D pozisyonlarını kaydeder ve bir dosyaya kaydetmek için bir sayısallaştırıcı (bu çalışmada örneğin Polhemus FASTRAK 3D tarayıcı) kullanın.
    10. EEG deneyden sonra, (örneğin, olumsuz duygulara sahip, neredeyse uykuya daldı) katılımcı EEG deney sırasında onun / onu davranışları ve duyguları üzerinde 35 soru envanter doldurun var ve deney katıldığınız için onlara ödeme sağlamaktadır.
    11. onun / onun saçlarını kurutmak / temizlemek için tuvalet katılımcı getirin.
    12. Temiz ve klinik talimatlara göre EEG kap sterilize edin.

3. İşleme EEG Veri

Not: Bu bölümde verilen yazılım komutları EEGLAB için özeldir.

  1. arayarak 1 Hz yüksek geçiren filtre ve 50 Hz low-pass filtre kullanılarak EEG sinyallerini filtrelemekpop_eegfilt.m fonksiyonu 32.
    Not: 50 Hz elektrik şebekesi frekansı vardır bazı ülkeler için 40 Hz'lik bir alçak geçirgen filtre kullanın
  2. Adım 2.2.6 kaydedilen elektrot empedansı kontrol ettikten sonra empedans daha yüksek 5 kÊ kötü kanalları atın. Her kanalda güç spektrum özelliklerinin görsel denetim (örneğin, maksimum değer, eğrilik, vs.) komşu kanalları ile karşılaştırıldığında çok farklı güç spektrumu ile bu kötü kanalları atın.
    1. Hesaplayın ve pop_spectopo.m işlevini 32 arayarak EEG sinyalinin güç spektrumunun arsa.
  3. -Re referans pop_reref.m işlevini çağırarak kötü kanalları olmadan beyin kanallarının ortalama EEG sinyallerini.
  4. 1.5 sn sonrası uyaranın başlangıcından -2.0 saniye öncesi aralıkları her biri uyaran kilitli dönemini içine Segment EEG. Bazal valu ortalamasını kaldırarak başlangıç ​​için (-2.0 uyaranın başlangıcından önce -1.2 sn) DoğruHer çağda gelen es.
    1. sırasıyla pop_epoch.m ve pop_rmbase.m işlevleri çağırır. önce merkezi göz fiksasyon süresi ve yüz uyaranın başlangıcından taban aralığını seçin.
  5. eserler içeren görünen Mark kötü dönemini. Göz yanıp kirlenmiş dönemini saklı tutarak kötü dönemini atın. Eserler ile dönemini genellikle gürültülü bakmak ya da tipik dönemleri ile karşılaştırıldığında son derece yüksek tepe değeri (örneğin daha yüksek 100 mV) var.
    1. yarı otomatik prosedür başlatmak için pop_rejmenu.m işlevini çağırın. Bir etkileşim penceresi görsel denetim yoluyla kullanıcı tarafından otomatik olarak seçilen kötü dönemini yeniden teyit etmek için dışarı çıkacaktır. Dönemini çoğunluğu göz yanıp ile kontamine olmasına rağmen, bu dönemini geçici adımda 3.8 bağımsız bileşen analizi (ICA) 33 daha sonra kaldırılması için rezerve edilebilir.
  6. Kötü kanalları ve kötü dönemini atıldıktan sonra, pop_runi kullanarak budanmış EEG verileri ICA çalıştırmakca.m işlev.
  7. Tahmini bağımsız bileşenlerin (IC) arasında, göz hareketleri / açıp kapayıncaya, kas aktivitesi, kalp atışı ve hat gürültüsü 32 kaynaklanan eserler tespit.
    Not: IC bir bileşenin puanları ve tüm referans kanalları (VEOG, HEOG, EKG ve yüz kanalları) olanlar arasında anlamlı derecede yüksek korelasyon (> 0.9 R2) bu bileşen esas eserler katkıda belirtir. eserler ile açıklanabilir tahmin IC puanları çoklu regresyon analizi kullanılarak temizlenebilir.
  8. artefakt ICs çıkarın ve matris ve eser temizlenmiş IC puanı matrisi karıştırma ICA ürünü ile türetilen temiz EEG'ler tahmin ediyoruz. daha fazla analiz için temiz EEG kaydedin.
    1. IC skor matrisi içinde referans VEOG, HEOG, EKG ve yüz kanallarından eser IC (> 0.9 R2) tahmin artıklarını tutun. pop_subcomp.m fonksiyonu ile diğer buluntu ICs çıkarın. fonksiyon eser temizlenmiş EEG'ler döndürür.

4. İstatistiksel Analiz

  1. (10) onbir homojen bölgeye bölme EEG kanalları ERP istatistiksel karşılaştırmalar sayısını azaltmak ve ERSP analizleri, yani sol (10 kanal), midline- (14), ve sağ frontal; Sol (13) ve sağ temporal (13); Sol (9), midline- (14) ve sağ merkezi (9); Sol (9), midline- (12) ve sağ oksipital paryetal (9), Şekil 4'te gösterildiği gibi. Bu bölgeler, korteks 34 fonksiyonel anatomisine göre tanımlandığı gibidir. Bu bölgelerde EEG sinyallerinin fonksiyonel homojenlik farklı deneyler 13,35,36 onaylanmıştır.

figure-protocol-4
Şekil 4. kanal bölümü. Kanallar onbir bölgeye ayrılmıştır. LF: sol-frontal (10 kanal), MF: orta hat-frontal (14), RF: sağ frontal (10), LT: sol temporal (13), RT: sağ temporal (13), LC: sol santral (9), MC: orta hat-orta (14), RC: sağ santral (9), LP: sol oksipital parietal (9), MP: orta hat-oksipital parietal (12), RP :. sağ oksipital parietal (9) bu rakamın daha büyük bir versiyonunu görmek için lütfen buraya tıklayınız.

  1. Adım 3.8 temiz EEG'ler yükleyin. aynı bölge içinde ERP ortalayarak kanal her kanalda dönemini genelinde sinyallerinin ortalamasını alarak ERP ve bölgesel ERP hesaplayın.
    Not: EEG EEGLAB olarak pop_loadset.m fonksiyonu kullanılarak yüklendiğinde, sinyaller, bir kanal-by-zaman-by-devirde bir dizi yapı değişkeni "EEG.data" depolanır.
    1. Matlab komut penceresinde, her kanal için dönemini genelinde EEG.data ortalamasını alarak kanal ERP hesaplamak (örneğin, channelERP = ortalama (EEG.dat, 3)). 4,1 (örneğin, Regi bölüme göre her bölgede bir kanal ERP ortalamasını alarak bölgesel ERP hesaplayınonalERP = ortalama (channelERP (indeks, :), 1), burada "index" belirli bir bölgedeki kanal indeksleri anlamına gelmektedir).
  2. Aynı bölgede kanal ERSPs ortalaması alınarak bölgesel ERSPs her kanalda sinyalleri Epoch (örneğin Dalgacık dönüşümü) bir zaman-frekans dönüşümü uygulayarak kanal ERSPs hesaplayın ve.
    1. zaman-frekans pop_newtimef.m işlevini çağırarak dönüşümü gerçekleştirmek.
      Not: Bu çalışmada, "dalgacık çevrimler" giriş [1, 0.5] ve "taban" olarak ayarlanır [-2.000--1.200] msn ayarlanır. Elde edilen kanal ERSPs bir frekans bazında zaman bazında kanal dizisi kaydedilir.
    2. Matlab komut penceresinde, 4.1'de bölüme göre her bölgede kanallar arasında ERSPs ortalamasını alarak bölgesel ERSP hesaplamak (örn regionalERSP = (channelERSP (ortalama::, indeks), 3), "channelERSP" çıkışı olduğu pop_newtimef.m işlevi ve "index" ag kanal endeksleri standlarıIven bölge).
  3. Farklı zaman aralıklarında değerlerin ortalaması alınarak hesaplanır (örneğin 50-150, 150-250, 250-350, 350-450 msn) bölgesel ERP için. (Örneğin 50-150, 150-250, 250-350, 350-450, 1-7 Hz 450-800 msn, ve 8-30 Hz 200-800 msn) bölgesel farklı zaman-frekans aralıklarında değerlerin ortalaması alınarak hesaplanır ERSPs.
  4. (Kontrol vs AS) görev (hat-çizim vs fotoğraf), bölge (onbir kafa derisi bölgeler) ve grubun ana etkilerini değerlendirmek için bölgesel ERP ve ERSPs ortalama değerleri istatistiksel yazılımların (örneğin IBM SPSS) 'de MANOVA uygulayın yanı sıra görev, bölge ve grup içinde etkileşim efektleri gibi.
    1. İstatistiksel analizde, bir değişken olarak cinsiyet (erkek vs kadın) düşünün ve cinsiyet etkisi sabit tutarak ana ve etkileşim etkileri tahmin ediyoruz.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Ortalama sözel ve performans IQ puanları kontrol için Tablo 1 ve ortalama tepki süreleri ve iki grup yüzleri duygusallığı atanan ortalama puanları ile birlikte gruplar OLARAK listelenmiştir. Tabloda, grup farklılıkları hiçbiri AS grubu sıfır (p <0.001), 13 yakın bir ortalama puanı hat-çizim görevi, nötr yüzler hariç istatistiksel olarak anlamlı ulaşır. İlginçtir, AS grubu bile hala cinsiyet, IQ ve yüz uyaranların deneysel kontrolü altında nötr yüzl...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Edebiyat EEG reaksiyonlarının 44 analizi ile otizm hastalarında yüz duyguların tanınması konusunda çalışmalar özellikleri ve yüksek ve düşük uzaysal frekans içeriğinin tanınması ile ilgili görsel uyaranlara 43 kullanarak. Bilgimiz için, ancak, farklı mekansal frekans içeriği ile duygu tanıma birleştiren beyin salınımlı aktivitesi üzerine mevcut çalışmaların eksikliği vardır. Bizim protokol AS sağlıklı kontrollere göre olan hastalarda duygusallık (pozitif, nötr ve negatif yüzleri) ve duyguların tanı...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların açıklayacak hiçbir şeyi yoktur.

Teşekkürler

Bu araştırma, M. Liou'ya MOST102-2410-H-001-044 ve MOST103-2410-H-001-058-MY2 ve A.N. Savostyanov'a RSF-14-15-00202 hibeleriyle desteklenmiştir. Rusya Bilim Vakfı'nın (RSF) desteği, deneysel yüz tanıma paradigmasının detaylandırılması için kullanıldı.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Synamps 2 / RT 128 kanallı EEG / EP / ERPNeuroscan
Quik-CapEEG 128 elektrotlarNeuroscan
JelQuik-Gel
FASTRAK 3D sayısallaştırıcıPolhemus ve nbsp;

Kaynaklar

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. , (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023(2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. , bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. , (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. , Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. , Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412(2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. , Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, , (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. , (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

Asperger SendromuDuygusal Y z lemeEEG DeneyiBilin li Bilin d TemsilN400 Bile eniAmigdala FonksiyonuUzamsal FrekansY zsel Duygu Tan maizgi izim G reviFoto raf G revi
Asperger Sendromu Duygusal Yüzler Bilinçli ve Non-bilinçli Gösterimler
Bize ulaşın
Kütüphaneye tavsiye et

Gizlilik

Kullanım Şartları

İlkeler

Telif hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.