Method Article

Stimulus-spesifik kortikal görsel uyarılmış potansiyel morfolojik desenler

DOI:

10.3791/59146

⸱

May 12th, 2019

 ,  ,  , 
1Department of Communication Sciences and Disorders, The University of Texas at Austin, 2Central Sensory Processes Laboratory, The University of Texas at Austin

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu yazıda, yüksek yoğunluklu EEG kullanarak ventral ve dorsal ağlar uyarılması yoluyla diferansiyel kortikal görsel uyarılmış potansiyel morfolojik desenleri araştırmak için bir protokol sunuyoruz. Görsel nesne ve hareket uyarıcı paradigmalar, ile ve temporal jitter olmadan, açıklanmıştır. Görsel uyarılmış potansiyel morfolojik analizler de özetlenmiştir.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu yazıda, 128-kanallı yüksek yoğunluklu Elektroensefalografi (EEG) kullanılarak çeşitli görsel uyaranlara yanıt olarak kortikal görsel uyarı potansiyelleri (CVEPs) kayıt ve analizi için bir metodoloji sunulur. Açıklanan uyaranların ve analizlerin belirli amacı, aynı anda hem ventral hem de dorsal merkezi teşvik etmek için tasarlanan belirgin bir hareket stimülasyon tarafından ortaya çıkarılan önceden bildirilen CVEP morfolojik desenleri çoğaltmak için uygulanabilir olup olmadığını incelemek için görsel ağlar, nesne ve hareket uyaranlara ayrı olarak ventral ve dorsal görsel kortikal ağları uyarmak için tasarlanmış kullanarak.  Dört görsel paradigmalar sunulmaktadır: 1. tutarlı temporal sunum ile randomize görsel nesneler. 2. tutarsız temporal sunum (veya Jitter) ile randomize görsel nesneler.  3. bir radyal alan aracılığıyla görsel hareket tutarlı merkezi nokta hareket jitter olmadan.  4. tutarlı merkezi nokta hareket ile jitter bir radyal alan aracılığıyla görsel hareket.  Bu dört paradigmalar her katılımcı için bir pseudo-Randomized sırada sunulur.  Jitter, beklentiyle ilgili etkilerinin, nesne başlangıcı ve hareket başlangıcı CVEP yanıtının morfolojisini nasıl etkileyebileceğini görmek için tanıtıldı.  EEG veri analizleri ayrıntılı olarak açıklanmıştır, sinyal işleme platformlarına veri ihracatı ve ithalatın adımları da dahil olmak üzere, kötü kanal tanımlama ve kaldırma, artifakı ret, ortalamalar ve ortalama CVEP morfolojik kategorilere ayırma bileşen zirveleri gecikme aralıklarına göre desen türü. Temsili veriler, metodolojik yaklaşımın diferansiyel nesne başlangıcı ve hareket başlangıçlı CVEP morfolojik desenlerini ortaya çıkartmada gerçekten hassas olduğunu gösterir ve bu nedenle, büyük araştırma amacını ele almak için yararlı olabilir. EEG 'nin yüksek temporal çözünürlüğü ve kaynak yerelleştirme analizlerinde yüksek yoğunluklu EEG 'nin olası uygulaması göz önüne alındığında, bu protokol, farklı CVEP morfolojik desenleri ve temel nöral mekanizmaların incelenmesi için idealdir Bu diferansiyel yanıtlar.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroensefalografi (EEG), özellikle fonksiyonel manyetik rezonans görüntüleme (fMRI), pozitron emisyonu gibi kortikal değerlendirme yöntemlerine kıyasla kortikal işlemin çalışmasına ucuz ve non-invaziv bir yaklaşım sunan bir araçtır. tomografi (PET) ve difüzyon tensör görüntüleme (DTI)1. EEG Ayrıca fMRI, PET veya DTı2gibi önlemleri kullanırken elde etmek mümkün olmayan yüksek zamansal çözünürlük sağlar. Yüksek temporal çözünürlük, belirli giriş veya olayların işlenmesi ile ilgili Nörofizyoloji mekanizmalarının milisaniyelik duyarlılığını elde etmek için merkezi temporal fonksiyon incelenirken önemlidir.  Merkezi görsel sistemde, kortikal görsel uyarılmış potansiyeller (CVEPs) serebral korteks zaman kilitli nöral süreçleri okuyan popüler bir yaklaşımdır.  CVEP yanıtları, belirli milisaniyelik aralıklarla doğan en yüksek bileşenlerle (örn. P1, N1, P2) sonuçlanan bir dizi olay denemeleri üzerinden kaydedilir ve ortalamalar. Bu yüksek nöral yanıtların zamanlaması ve genliği, kortikal proses hızı ve olgunlaşma ile ilgili bilgiler ve kortikal fonksiyon3,4,5' teki açıkları sağlayabilir.

CVEPs izleyiciye sunulan görsel giriş türüne özeldir. Bir cvep paradigması bazı uyaranlara kullanarak, ventral akış gibi farklı görsel ağlar fonksiyonunu gözlemlemek mümkündür, işleme form ve renk dahil, veya parvocelüler ve magnocellular giriş6,7, 8ve büyük ölçüde hareket veya magnocellular giriş9,10işleyen dorsal akışı. Bu ağlar tarafından oluşturulan CVEPs sadece davranış altta yatan tipik Nörofizyoloji mekanizmaları daha iyi anlamak değil, aynı zamanda klinik nüfusa atipik davranışlar hedeflenen tedavisinde yararlıdır. Örneğin, hem dorsal hem de ventral ağlardaki gecikmeli CVEP bileşenleri disleksi olan çocuklarda bildirilmiştir, bu da her iki ağda görsel fonksiyonun bir müdahale planı tasarlarken hedeflenmesini öneriyor11.  Böylece, EEG üzerinden kaydedilen CVEPs, hem tipik hem de atipik görsel süreçleri değerlendirmek için güçlü bir klinik araç sunar.

Son zamanlarda yapılan bir çalışmada, genellikle gelişmekte olan çocuklarda belirgin hareket başlangıcı CVEPs ölçmek için yüksek yoğunluklu EEG kullanılmıştır, değişken CVEP yanıtları ve geliştirme boyunca ilgili görsel kortikal jeneratörleri incelemek amacı ile. Katılımcılar, aynı anda dorsal ve ventral akışları uyarmak için tasarlanmış şekil değişimi ve hareket, oluşan belirgin hareket uyaranlara12,13,14,15, pasif olarak inceledi. Çocukların yaklaşık yarısı, üç zirveden (P1-N1-P2, pattern A) oluşan bir CVEP dalga şekli ya da morfoloji ile yanıtlandı.  Bu morfoloji literatür boyunca gözlenen klasik bir CVEP yanıttır. Buna karşılık, çocukların diğer yarısı beş zirvelerden oluşan bir morfolojik desen ile sunulan (P1-N1a-P2A-N1b-P2b, desen B). Bilgimize göre, bu morfolojik desenlerin güçlü oluşumu ve karşılaştırılması, daha önce çocuk veya yetişkin nüfusunda CVEP literatüründe tartışılmamış olsa da, değişken morfoloji hem belirgin hareket hem de hareket başlangıcı cveps14,16. Ayrıca, bu morfolojik farklılıklar, bu önlemlerin düşük temporal çözünürlüğü nedeniyle fMRI veya PET gibi diğer kortikal fonksiyonel değerlendirme yöntemlerini kullanarak araştırmalarda belirgin olmazdı.

Cvep desenleri A ve B 'de her zirvenin kortikal jeneratörlerini belirlemek için, cvep tepkisi ile ilgili en olası kortikal bölgeleri tahmin etmek için kullanılan istatistiksel bir yaklaşım olan kaynak yerelleştirme analizleri gerçekleştirildi12,13 . Her tepe için, morfolojik desen ne olursa olsun, birincil ve yüksek sıralı görsel korsinler CVEP sinyali kaynakları olarak tespit edildi.  Bu nedenle, bu temel fark CVEP morfoloji belirgin hareket tarafından ortaya çıkıyor temel farkı işleme sırasında görsel kortikal bölgeler ek kez etkinleştirmek desen B ile olmasıdır. Bu tür desenler daha önce literatürde tanımlanmadığından, CVEP desen B ile ilgili ek görsel işleme amacı belirsiz kalır.  Bu nedenle, bu araştırma hattında bir sonraki amaç, diferansiyel CVEP morfolojisinin nedenini daha iyi anlamayı ve bu tür kalıpların hem tipik hem de klinik nüfusa yönelik görsel davranışlarla ilgili olabilir.

Bazı bireylerin bir cvep morfolojisini diğerine karşı neden gösterebileceğini anlamanın ilk adımı, Bu yanıtların doğadaki içsel veya ekstrensek olup olmadığını belirlemektir.  Başka bir deyişle, bir bireysel bir görsel Stimulus yanıt olarak bir desen gösterir, onlar tüm uyaranlara benzer bir desen ile yanıt verecek?  Ya da bu tepki Stimulus-bağımlı, görsel ağ veya ağlar etkin belirli?

Bu soruya cevap vermek için iki pasif görsel paradigmalar tasarlanmış, belirli görsel ağları ayrı olarak etkinleştirmeyi amaçlamaktadır. İlk çalışmada sunulan uyarıcı aynı anda hem dorsal ve ventral akışları uyarmak için tasarlanmıştır; Bu nedenle, bir veya her iki ağ belirli dalga formu morfoloji üretme dahil olsaydı bilinmiyor. Geçerli metodolojik yaklaşımda, ventral akışı uyarmak için tasarlanan paradigma, karelerin ve çevrelerin temel şekillerinde yüksek derecede tanımlanabilir nesnelerden oluşur ve nesne başlangıcı CVEPs 'i ortaya çıkarır. Dorsal akışını uyarmak için tasarlanan paradigma, hareket başlangıcı CVEPs 'nin belirlenmesini sağlayacak şekilde, sabitleme noktasına doğru sabit bir hızda tutarlı merkezi nokta hareket noktaların radyal alanı aracılığıyla görsel hareket oluşur.

İlk çalışmanın bir sonucu olarak ortaya çıkan ikinci bir soru fark VEP morfoloji yaklaşan uyaranların katılımcı beklentisinin nedeniyle olabilir olup olmadığını13. Örneğin, araştırma, yukarıdan aşağı kortikal osilör aktivitesinin bir hedef uyarıcı öncesinde meydana gelen bir derece17,18,19sonraki cvep ve davranışsal tepkiler tahmin olabilir göstermiştir. İlk çalışmada belirgin hareket paradigması bir radyal yıldız ve daire tutarlı inter-Stimulus aralıkları (ISIS) ile 600 MS randomize olmayan çerçeveler istihdam. bu tasarım, yaklaşan Stimulus beklentisini ve tahminini teşvik etmiş olabilir, sonraki cvep morfoloji etkileyen kaynaklanan osiloloji etkinliği12,13,19.

Bu sorunu gidermek için, geçerli protokoldeki görsel nesne ve hareket paradigmaları, aynı temporal değerin hem tutarlı ISIS 'i hem de farklı temporal değerlerle (yani, Jitter) randomize ISIs ile tasarlanmıştır.  Bu yaklaşımı kullanarak, geçici varyasyonun farklı görsel ağlar içinde VEP morfolojisi nasıl etkileyebileceğini belirlemek mümkün olabilir. Tamamen, açıklanan protokolün amacı, görsel nesne ve hareket uyaranların CVEP morfolojisinde varyasyonlara duyarlı olup olmadığını ve uyaranın temporal varyasyonunun CVEP yanıtının özelliklerini etkileyip etkilemediğini belirlemektir, en yüksek gecikme, genlik ve morfoloji dahil. Geçerli kağıt amacı için, amaç metodolojik yaklaşım fizibilite belirlemektir. Bu hem görsel nesneler ve hareket değişken morfoloji (yani, desen A ve B her iki uyaranlara yanıt olarak konularda gözlemlenir) ve temporal varyasyon nesne başlangıcı ve Motion-başlangıçlı CVEP bileşenlerini etkileyecektir olabilir hipotez.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Burada açıklanan tüm yöntemler, Austin 'de Texas Üniversitesi 'nde ınsan araştırmaları için kurumsal Inceleme Kurulu (ıRB) tarafından onaylanmıştır.

1. stimuli özellikleri

  1. Standartlaştırılmış uyaranlara Bankası (Boss) üzerinden kullanılabilen açık kaynak görüntüleri kullanarak nesne uyarıcıları oluşturun. Bu veritabanı görsel bilişsel deneyler boyunca kullanılan standartlaştırılmış görüntülerden oluşur.  Yüksek kimlik oranı ile (örneğin, ball02, book01a, Brick, button03) dört görüntü indirin (% 75 yukarıda)20,21.
  2. MATLAB aracılığıyla işletilen açık kaynak Psychtoolbox-3 fonksiyon seti ile kullanılabilir DotDemo komut dosyası, değiştirilmiş bir sürümünü kullanarak hareket uyaranlara oluşturmak yanı sıra MATLAB kullanılabilir film işlevi (ek dosya bakın).
    1. Nokta alanı parametrelerini sunu ekranının boyutuna ve görüntüleme mesafesine göre yapılandırın.
    2. Film çerçevelerinin sayısı için 3600 girin.
    3. Monitör genişliği için 80 (cm cinsinden) girin.
    4. Nokta hızını 5 °/solarak girin.
    5. 0,05 bir nokta sınırlı ömür kesir girin.
    6. Nokta sayısı için 200 girin.
    7. Alan annulus en az yarıçapı 1 ° ve en fazla 15 ° olarak girin.
    8. Her noktanın genişliği için 0,2 ° girin.
    9. Sabitleme noktasının yarıçapı için 0,35 ° girin.
    10. Beyaz noktalardan siyah arka planda kullanıldığını belirtin.
    11. Filmi. avi biçiminde dışa aktarın.

2. görsel paradigma tasarımı

  1. Stimulus-sunum yazılımı ile paradigmalar oluşturun. Courier yeni boyutu 18 yazı tipi, kalın ve sunum ekranında ortalanmış ile düzeltme kesişmesi oluşturun.
  2. Görsel nesne paradigmasını temporal jitter olmadan tasarlayın (örn., tutarlı ısı değerleri) 500 MS için sunulan beyaz bir arka planda siyah bir sabitleme haç oluşturarak, ardından randomize sırada sunulan dört nesneden biri tarafından izlenir: top, kitap, tuğla veya düğme.
    1. Her nesneyi 600 MS (Şekil 1a) için sunun.  300 denemeler ve bir paradigma süresi 5,5 dk toplam için, 75 kez tüm nesneleri göster.
  3. Beyaz bir arka planda aynı siyah sabitleme haç oluşur, 500 veya 1.000 MS bir süre için gösterilen temporal jitter ile görsel nesne paradigma tasarım ve dört nesnelerden biri tarafından izlenen, 600 veya 1000 ms için kalıcı (Şekil 1B).
    1. Uyarıcı sunum yazılımını kullanarak dört deneme oluşturun: 500 MS süresi ile sabitleme haç, ardından 600 MS için bir nesne; 500 MS süresi ile bir sabitleme haç, ardından 1.000 MS için bir nesne; 1.000 MS süresi ile bir sabitleme haç, ardından 600 MS için bir nesne; ve 1.000 MS süresi ile bir sabitleme Haç 1.000 MS için bir nesne izledi.
      1. Bu denemeler randomize. Her deneme 19 kez Present, 304 denemeler içinde sonuçlanan ve yaklaşık 7,85 dakika bir izleme süresi ile sonuçlanan.
  4. Yaklaşık 1.000 MS (Şekil 2a) için mevcut kesilmiş görsel hareket filmi, ardından 500 MS için kalıcı, siyah bir arka planda ortalanmış bir beyaz sabitleme çapraz oluşturarak geçici jitter olmadan görsel hareket paradigması oluşturun.
    1. Yaklaşık 7,5 dakikada bir görüntüleme süresi için bu sırayı toplam 300 kez yineleyin.
  5. 500, 750 veya 1.000 MS aralıkları için kalıcı aynı sabitleme haç kullanarak temporal jitter ile görsel hareket paradigması oluşturun.
    1. Her sabitleme çapraz sonra, yaklaşık 600 veya 1.000 MS (Şekil 2B) bir süre ile görsel hareket filmi mevcut.
    2. Altı denemeler oluşturun: 500 MS süresi ile bir sabitleme haç, bir film tarafından izlenen 600 MS, bir sabitleme çapraz bir süre ile 750 MS, bir film tarafından izlenen 600 MS, bir sabitleme çapraz bir süre ile 1.000 MS, bir film izledi için 600 MS , bir sabitleme çapraz bir süre ile 500 MS için bir film izledi 1000 ms, bir sabitleme çapraz bir süre ile 750 MS için bir film izledi 1.000 MS ve bir sabitleme çapraz bir süre ile 1.000 MS için bir film izledi 1.000 MS.
      1. Her gösterilen 50 kez bu denemeler, rasgele.  Yaklaşık 7,75 dk bir görüntüleme süresi için, toplam 300 denemeler sunuyoruz.

3. katılımcı onayı, vaka tarihi ve vizyon taraması

  1. Varış sırasında katılımcıyı selamlayın. Katılımcının araştırma formuna katılım iznine sahip olmasını sağlayarak bilgilendirilmiş onay alın. Katılımcının onay formunu açıkla ve ortaya çıkan sorulara cevap ver.
  2. Katılımcının, ana dil, sözlük, işitme durumu, vizyon durumu ve katılımcının sahip olduğu diğer taniler (örn. psikolojik ve nörolojik) hakkında bilgi içeren bir vaka geçmişi formunu doldurmasını öneririz. İşitme kaybını ve/veya nörolojik tanılarını rapor eden katılımcıları dışlayın, örneğin travmatik beyin hasarı.  Diğer tüm katılımcıları dahil et.
  3. Görme keskinliğini belirlemek için bir Snellen grafiği kullanarak bir vizyon taraması tamamlamak için laboratuvarın katılımcıına eşlik edin. Katılımcının 20 metre uzaklığını grafikten uzaklaştırın ve sağ göz görme keskinliğini belirlemek için sol gözüne göz örterek başlayın ve ardından sol göz görme keskinliğini belirlemek için gözleri değiştirin. Katılımcıların toplam harf sayısından en az bir yarısını tekrarlayacağı metnin en küçük satırına göre görsel keskinliği hesaplayın.
    Not: Örneğin, katılımcı 20/20 satırında 8 harfin 5 ' i tekrarlarsa, görme keskinliği bu gözle 20/20 olarak hesaplanır.
  4. Katılımcıya EEG kayıt odasına eşlik edin. Katılımcı bir çift duvarlı manyetik korunan ses geçirmez standın merkezinde belirlenmiş sandalyede oturmak var.

4. EEG hazırlama

  1. Katılımcının baş çevresini santimetre cinsinden ölçün ve uygun EEG net boyutunu seçin. Referans elektrotunun yerleştirilmesi için derinin orta noktasını (nasion/inion ve sağ ve sol mastoidler arasında) ölçün ve işaretleyin.
  2. Bir çözüm hazırlamak sıcak su (1 L) bebek şampuanı ile karışık (5 mL) ve potasyum klorür (11 g/10 cc), hangi elektrotlar ve kafa derisi arasındaki elektrik iletkenliği artar, düşük voltaj emparansları yol ve daha yüksek sinyal-gürültü oranı.
  3. EEG ağını çözüme yerleştirin. Katılımcının kafa derisi üzerine yerleştirmeden önce 5 dakika için çözelti emmek net izin verin.
  4. Stimulus-sunum bilgisayarını ve EEG edinme bilgisayarını açın.
  5. Çözümün onun kıyafetlerine damlamasını önlemek için, katılımcının boynuna bir havlu veya başka bir emici malzeme yerleştirin.
  6. EEG ağını amplifikatöre bağlayın. Katılımcının onun gözlerinin içine damlama çözüm önlemek için EEG net koyarak gözlerini kapatmak için talimat.
  7. EEG ağını her iki elinizle sıkıca tutun ve katılımcının başının üzerine yerleştirin. Netinin kafa derisi kafası üzerinde simetrik olarak yerleştirildiğinden emin olun, referans elektrot ile ölçülmüş kafa derisi orta çizgi noktasında. Kafa derisi ve elektrotlar arasında güvenli bir bağlantı sağlamak için çene ve oküler net hatları sıkın. Katılımcıya rahat olup olmadığını ve herhangi bir şeyin ayarlanması gerekiyorsa isteyin.
  8. Ortalama 10 kΩ hedef ile uygun elektrot empedansı değerlerini kontrol edin.
  9. Elektrot ağı yerleşiminin ardından empedans değerlerini azaltmak için, potasyum klorür çözümünü yüksek empedansı olan kafa derisi/elektrotlar üzerine uygulamak için 1 mL pipet kullanın. Elektrotlar arasında yeterli emperif değerleri elde edene kadar bu işleme devam edin.

5. EEG kaydı

  1. Katılımcının monitörde görünecek görsel uyaranlara odaklanmasını isteyin. Görüntüleme mesafesi yaklaşık 65 inç 'dir.
  2. Dört görsel paradigmalar için sunum sırasını belirlemek için bir pseudorandom sayı jeneratör kullanın.
  3. Görsel görevleri ve EEG kaydını başlat.
  4. EEG kaydını gerektiği gibi izleyin. Devam eden EEG yüksek miyojenik veya 60 Hz etkinliğini gösteriyorsa, elektrokafa derisi bağlantısının yeniden denetleneceği deneyi duraklatın.
  5. Görsel nesne paradigması, geçici jitter paradigması, görsel hareket paradigması ve temporal jitter paradigması ile görsel hareket ile görsel nesne için 5,3 ve 5,4 arasındaki adımları yineleyin.
  6. Denemenin sonucunda, katılımcının, net çıkardıktan sonra onun gözlerine girmesine engel olmak için gözlerini kapatmasını isteyin. Başlamak çene ve oküler net hatları gevşeterek, daha sonra hafifçe çene kayışı yukarı ve katılımcının kafası üzerinden çekerek net çıkarın, yavaşça katılımcının saç karışık almak değil emin olmak için çekmek için yapmak.
  7. EEG ağını amplifikatörün bağlantısını kesin. Su ile dolu ve bir musluk altında durulama bir kova EEG kap yerleştirerek dezenfeksiyon işlemine başlayın. Daha sonra, dezenfektan kovaya yaklaşık 2 l su ekleyerek ve 15 ml dezenfektan suyu karıştırarak dezenfektan solüsyonu oluşturun.
  8. NET sensör ucunu dezenfektan içine daldırın. 10 dakika boyunca bir Zamanlayıcı ayarlayın; ilk 2 dakika için, sürekli net yukarı ve aşağı Dalma. 10 dakika kalanı için net sırılsıklam bırakın.
  9. EEG net dezenfektan çözeltisi çıkarın. EEG ağını su ile dolu elektrot kovasının içine ve dışına yerleştirin ve suyun altında durulayın. Dört kez tekrarlayın.  NET hava kuru izin verin.

6. EEG analizleri

  1. 1 Hz yüksek pass filtre, 100 ms pre-Stimulus ve 500 MS Post-Stimulus dönemleri her deneme (veya olay) etrafında segmentasyon kullanarak EEGLAB araç aracılığıyla MATLAB analizleri için EEG dosyaları ihracat.
  2. EEGLAB araç kutusunu kullanarak veri alma.
    1. Açılır menüden Dosya seçeneğini belirleyin ve verileri al'a tıklayın.  Menüden EEGLAB fonksiyonları ve eklentileri kullanarak seçin.  Uygun dışa aktarma dosyası biçimine sonraki tıklayın.
  3. Açılır menüden Düzenle 'yi seçerek ve Kanal konumları'nı seçerek kullanılan elektrot montajının türüne göre kanal konumlarını yeniden atayın.  Tıklayın Locs arayın ve ilgi elektrot montaj dosyasının yolunu bulmak için elipsleri seçin.
  4. Dönem başlangıcı ve bitiş saatlerini ön ve sonrası Stimulus kez atayın. Başlangıç saati kutusuna-0,1 s değerini girin.
  5. Ön Stimulus aralığına göre temel-doğru veri.
  6. 2,5 Z-score eşiğinde olasılık kullanarak kötü kanalları belirleyin ve kaldırın.
    1. Tüm elektrotları çizerek hatalı kanalların başarılı bir şekilde tanımlanmasını ve kaldırılmasını doğrulayın. +/-30 μV aralığının dışında ortalama voltaj genlikleri ile Kanalları elle kaldırın.
  7. -100 μV ve + 100 μV değerlerini girerek yapı ret işlemini gerçekleştirin.
    Not:     bu yöntem, oküler elektrotlar (126, 127) kaydedilen oküler aktivite kaldırılması etkilidir. Ancak, bazı katılımcılar için küçük voltajlı amplitüla (örn. +/-100 μV aralığında) meydana gelen artifakı ile denemeleri el ile kaldırmak gerekli olabilir.
    1. Tüm segmentler için kötü olan kanalları not alın (örn. +/-100 μV aralığının dışındaki gerilimler ile) ve kırmızı renkte vurgulanır. % 60 veya daha fazla reddedilen denemeler teşkil ederse, bu kötü kanalları el ile kaldırın. Bu adımı gerektiği kadar yineleyin.
    2. Daha önce açıklandığı gibi yapı kaldırma adımlarını izleyin. En az 100 süpürüsün kabul edildiğinden emin olun. Reddetme için işaretlenmiş denemeleri kaldırın.
  8. Grafik kanal 75 (oz eşdeğer), ya da ilgi kanal (ler), morfolojik desenleri kategorilere ayırmak için. Bu kanalı çizmeden önce ön Stimulus temel düzeltmesi gerçekleştirdiğinizden emin olun.
  9. Eğer CVEP morfoloji yaklaşık 100-115 MS (P1) büyük bir pozitif tepe ile karakterize ise desen A seçin, yaklaşık 140-180 MS (N1) ve pozitif zirve yaklaşık 165-240 ms (P2) bir negatif zirve izledi.
  10. CVEP morfolojisi yaklaşık 100-115 MS 'de (P1) büyük bir pozitif zirve ile karakterize ise B deseni seçin, yaklaşık 140-180 MS (N1a) negatif bir zirve izledi, yaklaşık 180-240 ms (P2A), daha sonra negatif bir zirve yaklaşık 230-280 MS (N1b) ve pozitif zirve yaklaşık 260-350 MS (P2b).
  11. Bir grup ortalamasını oluşturmak için görsel olarak gözlenen morfolojik desenine göre bireysel veri kümelerini birlikte ekleyin. Yeni birleştirilmiş veri kümesi dosyasını adlandırın ve kaydedin.
  12. İlgi kanal (lar) çizerek ortalama olarak eklenen dosyaları görüntüleyin.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Şekil 3 ve Şekil 4 , her görsel paradigmasını pasif olarak gören 19-24 yaş arası beş katılımcının temsili nesne başlangıcı ve hareket başlangıcı cvep sonuçlarını gösterir. Bu tasarım, her koşula göre hem içinde hem de konular arasında görsel nesneler (jitter ile ve olmadan) ve görsel hareket (jitter olmadan) tarafından ortaya çıkarılan CVEP yanıtlarının gözlem izin.  Katılımcı CVEPs, ortalama bir CVEP deseni oluşturmak için görsel uyaranların ve büyük ortalamanı...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu metodolojik raporun amacı, pasif görüntüleme görevlerinde ventral ve dorsal akışları teşvik etmek için özel olarak tasarlanmış görsel nesne ve hareket uyarıcıları kullanarak diferansiyel CVEP morfolojisinin kaydedilmesinde fizibilitesini değerlendirmek oldu6 ,7,8, ISIs (Jitter)19ile hem de varyasyon olmadan. Şartlar doğrudan kıyaslanacak şekilde tasarlanmamıştır, bunun yerine, değişken CVEP morfolojis...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarların ifşa etmesi gereken hiçbir şey yok.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu araştırma, Texas Üniversitesi 'nin Austin Moody Koleji Iletişim hibe hazırlık Ödülü ve Texas Üniversitesi 'nde Austin ofisi araştırma özel araştırma Grant Başkan Yardımcısı tarafından desteklenmektedir.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
E-Prime 2.0Psychology Software Tools, IncVeri toplamada kullanılır
Net Amps 400Electrical Geodesics, IncVeri toplamada kullanılır
Net Station Acquisition V5.2.0.2Electrical Geodesics, IncVeri toplamada kullanılır
iMac (27 inç)AppleVeri toplamada kullanılır
Optiplex 7020 BilgisayarDellStimulus computer
HydroCel GSN EEG netElectrical Geodesics, IncVeri alımında kullanılır
1 mL pipetElectrical Geodesics, IncEmpedansları düşürmek için kullanılır
Johnson's Bebek ŞampuanıJohnson & JohnsonEmpedans çözeltisinde kullanılır
Potasyum Klorür (kuru)Elektrik Jeodezikleri, IncEmpedans çözeltisinde kullanılır
Kontrol III Dezenfektan Mikrop ÖldürücüKontrol IIIDezenfektan çözeltisinde kullanılır
32 inç LCD monitör VizioUyaranları sunmak için kullanılır
Matlab (R2016b)MathWorksVeri analizinde kullanılır
EEGlab v14.1.2Swartz Center for Computational Neuroscience, University of California, San Diegohttps://sccn.ucsd.edu/eeglab/index.phpVeri analizinde kullanılır
BOSS VeritabanıStandartlaştırılmış Uyaran Bankasıhttps://sites.google.com/site/bosstimuli/Görsel nesne uyaranlarının oluşturulmasında kullanılır 
Psychtoolbox-3Psychophysics Toolbox Version 3 (PTB-3)http://psychtoolbox.org/Görsel hareket uyaranlarının oluşturulmasında kullanılır

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. 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).
  2. Mehta, R. K., Parasuraman, R. Neuroergonomics: A review of applications to physical and cognitive work. Frontiers in Human Neuroscience. 7, 889(2013).
  3. Kuba, M., Kubova, Z., Kremlacek, J., Langrova, J. Motion-onset VEPs: Characteristics, methods, and diagnostic use. Vision Research. 47 (2), 189-202 (2007).
  4. Tobimatsu, S., Celesia, G. G. Studies of human visual pathophysiology with visual evoked potentials. Clinical Neurophysiology. 117 (7), 1414-1433 (2006).
  5. Tremblay, E., et al. Delayed early primary visual pathway development in premature infants: High density electrophysiological evidence. PLoS One. 9 (9), e107992(2014).
  6. 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).
  7. Grill-Spector, K. The neural basis of object perception. Current Opinions in Neurobiology. 13, 159-166 (2003).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. Campbell, J., Sharma, A. Visual cross-modal re-organization in children with cochlear implants. PLoS ONE. 11 (1), e0147793-e0147718 (2016).
  13. 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).
  14. 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).
  15. 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).
  16. Kubova, Z., et al. Difficulties of motion-onset VEP interpretation in school-age children. Documenta Ophthalmologica. 128, 121-129 (2014).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Brodeur, M. B., et al. The Bank of Standardized Stimuli (BOSS): Comparison between French and English norms. Behavior Research Methods. 44, 961-970 (2012).
  22. Suttle, C., Harding, G. Morphology of transient VEPs to luminance and chromatic pattern onset and offset. Vision Research. 39 (8), 1577-1584 (1999).
  23. Campbell, J., Sharma, A. Cross-modal re-organization in adults with early stage hearing loss. PLoS One. 9 (2), e90594(2014).
  24. Campbell, J., Sharma, A. Compensatory changes in cortical resource allocation in adults with hearing loss. Frontiers in Systems Neuroscience. 7, 71(2013).
  25. Debener, S., Hine, J., Bleeck, S., Eyles, J. Source localization of auditory evoked potentials after cochlear implantation. Psychophysiology. 45 (1), 20-24 (2008).
  26. Gilley, P. M., Sharma, A., Dorman, M. F. Cortical reorganization in children with cochlear implants. Brain Research. 1239, 56-65 (2008).
  27. 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).
  28. 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).
  29. 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).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Cortical Visual Evoked PotentialHigh density EEGVisual Stimulus ParadigmsEEG Data AnalysisArtifact RejectionMorphological Pattern CategorizationElectrode Impedance MeasurementEEG Net PreparationSignal Processing PlatformsVisual Cortical Networks

Related Articles