Använda MazeSuite och funktionell Near Infrared spektroskopi för att studera Lärande i Spatial navigering

Published 10/08/2011
0 Comments
  CITE THIS  SHARE 
Neuroscience
 

Summary

MazeSuite är en komplett verktygslåda för att förbereda, presentera och analysera navigations och rumsliga experiment. Funktionell nära infraröd spektroskopi (fNIR) är en optisk hjärna avbildningsteknik som möjliggör icke-invasiv och portabel övervakning av cerebrala ändringar blodets syresättning. Detta dokument sammanfattar kollektiva användningen av MazeSuite och fNIR inom en kognitiv bearbetning lärande.

Cite this Article

Copy Citation

Ayaz, H., Shewokis, P. A., Curtin, A., Izzetoglu, M., Izzetoglu, K., Onaral, B. Using MazeSuite and Functional Near Infrared Spectroscopy to Study Learning in Spatial Navigation. J. Vis. Exp. (56), e3443, doi:10.3791/3443 (2011).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

MazeSuite är en komplett verktygslåda för att förbereda, presentera och analysera navigations och rumsliga experiment 1. MazeSuite kan användas för att utforma och redigera anpassade virtuella 3D-miljöer, spåra en deltagarnas beteende prestanda inom den virtuella miljön och synkronisera med externa enheter för fysiologiska och neuroimaging åtgärder, inklusive elektroencefalogram och ögonstyrning.

Funktionell nära infraröd spektroskopi (fNIR) är en optisk hjärnavbildning teknik som möjliggör kontinuerlig, non-invasiv, och portabel övervakning av förändringar i cerebrala blodets syresättning rör mänskliga hjärnfunktioner 2-7. Under det senaste årtiondet fNIR används för att effektivt övervaka kognitiva uppgifter såsom uppmärksamhet, arbetsminne och problemlösning 7-11. fNIR kan implementeras i form av en bärbar och minimalt påträngande enheten, den har kapacitet att övervaka hjärnaktivitet i ekologiskt giltiga miljöer.

12. Använda positronemissionstomografi (PET), Van Horn och hans kollegor fann att regionalt cerebralt blodflöde aktiverades i rätt frontalloben under kodning (dvs. första naiva prestanda) av rumslig navigering virtuella labyrinter medan det var lite för att ingen aktivering av frontal regioner efter praktiken och under lagring tester. Dessutom är effekterna av kontextuell störningar en lärande fenomen relaterat till organisation av praktiken, är uppenbara när individer förvärva flera uppgifter under olika praxis scheman 13,14. Hög kontextuell störningar (slumpvis träningsschema) skapas när uppgifter som kan dras redovisas i en icke-sekventiell, oförutsägbar ordning. Låg kontextuell störningar (blockeradträningsschema) skapas när uppgifter som kan dras redovisas i ett förutsägbart ordning.

Vårt mål här är två: för det första för att illustrera den experimentella processen protokoll, och användning av MazeSuite, och för det andra för att visa inställningarna och driftsättning av fNIR hjärnaktivitet övervakningssystem med kognitiv Optisk Brain Imaging (COBI) Studio 15. För att illustrera våra mål, är en delprov från en studie rapporteras att visa användningen av både MazeSuite och COBI Studio i ett enda experiment. Studien omfattar bedömningen av kognitiv aktivitet PFC under förvärv och inlärning av uppgifter dator labyrint för blockerade och slumpmässiga beställningar. Två högerhänta vuxna (en hane, en hona) utfört 315 förvärv, 30 retention och 20 försök överföring över fyra dagar. Design, implementering, datainsamling och faser analys av studien förklaras med avsikten att ge en riktlinje för framtida studier.

Protocol

Maze-Suite består av tre huvudsakliga användningsområden, ett redigeringsprogram för att konstruera labyrint miljöer (MazeMaker), en visualisering / rendering modul (MazeWalker) och slutligen en analys och sökväg visualisering verktyg (MazeAnalyzer). Följande avsnitt beskriver användning av MazeSuite och mer information finns i de tre kompletterande videor, en för varje MazeSuite modul.

1. Utforma labyrinter

Den MazeMaker tillämpning inom Maze-Suite tillåter dig att skapa tredimensionella (3D) miljöer genom att helt enkelt dra dem på en två-dimensionell (2D) duk från en fåglarnas ögon vy. Väggar och golv kan dras av musklick för att ange koordinater, och användarna kan importera 3D-objekt-filer eller redigera egenskaper för objekt i labyrinten som position, orientering, färg, textur och ljus.

Maze början och slut regioner kan tilldelas utöver andra avslutskriterier som en timeout-period. Sepate textmeddelanden kan också visas för att informera en deltagare för varje utgång skick. Under konstruktionsfasen kan labyrinter testas genom att använda "snabb kör" funktion inom MazeMaker.

För funktionella imaging studier är deltagarna oftast uppmanas att utföra en rad uppgifter med upprepade försök. För att underlätta detta test av upprepade försök, kan MazeMaker skapa filer maze lista, som sorteras listor med labyrinter och textmeddelanden för en experimentell session. Det är kritiskt att labyrinten listfilen för experimentet framställs och grundligt pilot testas före dagen för experimentet.

En översiktlig handledning för användning och utveckling av miljöer med MazeMaker finns i "Kompletterande video II - MazeMaker".

2. fNIR Setup och placera fNIR sensor-pad

Förbereda fNIR Box

  1. Det finns två kabelkontakter bakom fNIR rutan. Ett av slitsens är för USB-anslutning och den andra anslutningen är för nätsladden.
  2. Anslut boxen fNIR enheten via USB-kabeln till en dator eller bärbar dator som kommer att användas för datainsamling.
  3. Anslut nätadaptern till enheten och slå på strömbrytaren.
  4. Bandkabeln används för att ansluta sensordynan med fNIR rutan.
    1. Sensordynan hus ljuskälla (LED) och detektorer foto.
    2. Lysdioderna avger infrarött ljus vid 730nm och 850nm våglängder som absorberas huvudsakligen av syrefattigt-och syresatt-hemoglobin, respektive och därmed kan tränga genom biologisk vävnad.

Placera givaren-pad

  1. Be deltagaren att lyfta håret från pannan innan sensorns placering. Placera sensorn remsan strax ovanför ögonbrynen. Matcha mitten av sensorn med den vertikala symmetriaxeln som passerar också genom näsan
  2. Tryck sensornpad stadigt mot pannan och använd en klämma för att hålla ihop kablarna på baksidan av huvudet. Även om det inte är absolut nödvändigt, huvud-wrap eller tennis bandana rekommenderas att säkra sensordynan.
  3. Vid placering sensordynan på pannan, fast de två ändarna av flatkabeln till fNIR rutan. De bandkablar skall bifogas genom att matcha "jag" och "II" sidor av bandkabeln med motsvarande "I" och "II" kontakterna på enheten.

Starta COBI Studio programvara för datainsamling

  1. Klicka på kognitiv optisk Brain Imaging (COBI) Studio13 på skrivbordet för att öppna huvudfönstret.
  2. Programmet kommer med vissa förinställda inställningar för datainsamling och visualisering.
  3. Det är viktigt att kontrollera och bekräfta datainsamling parametrar och utlösa (markör synkronisering) på enhetsinställningar dialogen om det behövs.
  4. COBI Studio kan automatiskt namnge alla relaterade datafiler om "Experiment läge "aktiveras genom att använda" Nytt experiment "guiden.
  5. I datamappen kommer 3 typer av filer skapas: (* NIR.) För fNIR uppgifter (* mrk.) För markörer data och (* txt.) För en logg av försöket sessionen.

3. Köra experimentet: Rendering labyrinter

Anordningens inställning och starta fNIR datainsamling

  1. LED drivström definierar hur ljust varje LED lyser. Standardvärdet för LED-drivström är 20mA. Detta värde kan behöva ändra utifrån hudpigmentering och andra egenskaper hos deltagaren. Förslag på område för LED strömmen är mellan 5mA till 20mA
  2. Standardvärdet för första vinst för alla kanaler är 20. Föreslagna värden för vinst är 1,5,10,15,20.
  3. Klicka på "Start aktuella enheten" länken och undersöka signalkvaliteten. Om de råa intensitetsvärdena som visas i COBI strategi 4000 eller under 1000, klicka på "Stoppa enhet", och justera LED drivströmmen och enhetFörstärkning tills lämpliga värden erhålls. Vid låga signal förhållanden, öka LED drivström innan du ökar Device Gain. Enligt mättade signal förhållanden minskar enheten Gain innan reducera LED drivström. När signalkvaliteten är godtagbar, fortsätter du till steg 4.
  4. Starta Baseline. Detta kommer att samla 10 sekunder data och använda den som baslinjen i modifierad Beer-Lambert ekvationen inställd för att beräkna koncentrationen förändringar för oxi-och deoxi-hemoglobin 8.
  5. Låt Baseline komplett (kan ta 10-20 sekunder)
  6. Klicka på "Starta inspelningen". Detta kommer att börja spara alla data. Experiment protokoll bör starta efter detta.
  7. Försöksledaren kan välja att lägga till manuella markörer under experimentet sessionen för att beteckna vissa händelser genom att trycka på "lägg manuella markör" knappar med den manuella markören menyn i det nedre vänstra hörnet av skärmen.
  8. Starta Maze Suite för att presentera visuella stimuli.

USIng MazeWalker att göra labyrinter

  1. Kör MazeWalker från menyn Start> Maze Suite> MazeWalker
  2. Slå på markör synkronisering genom att välja "Aktivera Serial Port" från i menyn under Avancerat> Serial Port Options. Kontrollera att rätt COM-port adress är vald.
  3. Välj filen labyrint listan (som skapades av MazeMaker) och även välja namn för den nya loggfilen för denna session. Namn eller deltagare nummer kan registreras i Walker Field. Eventuellt AutoLog kan användas för att automatiskt spela in en tidsstämplad loggfil istället för att manuellt ange loggfilen.
  4. Klicka på "Start" för att starta processen. Beroende på videoinställningarna kan protokoll köra helskärm eller i fönsterläge.

4. Visualisera motivets väg

Med hjälp av MazeAnalyzer kan forskaren visualisera labyrinten och deltagarens väg från labyrinten och loggfiler. Dessutom en sammanfattande rapport medtotal väglängd och tid till slutförandet av varje labyrint produceras som ytliga beteendemässiga åtgärder. Loggfiler innehåller information i millisekund tidsupplösning om den väg som ett ämne reste liksom ämne syn vektor och interaktion med objekt.

En handledning video finns i "Kompletterande video I - MazeAnalyzer" och beskriver användningen av MazeAnalyzer grundläggande funktionalitet tillsammans med metoder för att producera de beteendemässiga mått som beskrivs i avsnittet Resultat.

5. Bearbeta fNIR data och analys

Noise Removal är det första steget för behandlingen av uppgifterna. Bullerkällor inkluderar 1) huvudrörelser 2) Fysiologiska signaler som hjärtfrekvens och andning och 3) Instrument och miljörelaterade buller.

Huvudrörelser kan orsaka fNIR detektorerna att flytta och förlora kontakt med huden, utsätta dem för: 1) omgivande ljus, 2) ljus som avges direkt frOM den fNIR källor, eller 3) ljus som reflekteras från huden, snarare än att reflekteras från vävnaden i cortex. Denna typ av rörelseartefakt är lätt att känna igen eftersom det orsakar plötsliga, stora spikar i fNIR data. En mer subtil artefakt av huvudrörelse beror på effekterna av tyngdkraften på det cerebrala blod. Snabb huvudrörelse kan orsaka att blodet att röra sig mot (eller bort från) det område som övervakas, snabbt ökande (eller minskande) blodvolym med en åtföljande skevhet av data. Eftersom dynamiken i denna typ av rörelseartefakt är långsammare än LED "pop" de kan förväxlas med den faktiska hemodynamiska responsen på grund av hjärnans aktivering. Därför tar bort rörelseartefakt från fNIR data är ett viktigt och nödvändigt steg om fNIR ska placeras ut som en hjärna övervakningsteknik i naturliga miljöer 16.

Fysiologiska signaler såsom hjärtfrekvens (över 0,5 Hz) och andning (över 0,2 Hz) är vid högre frekvensområden än Hemodynamic svar, sålunda kan de elimineras med användning av en linjär fas lågpassfilter FIR-filter med cut-off-frekvens mellan 0,1 0,15 Hz 9.

Instrument och omgivningsbuller kan ha sitt ursprung på grund av omgivande ljus som dagsljus (DC) och rummet ljus (60Hz) eller ljus från en datorskärm (60-75Hz). Det föreslås att det bästa sättet att eliminera denna typ av brus är att framställa den experimentella miljön och datainsamling i enlighet därmed. En analog lågpassfilter (kantutjämning filter) har genomförts i fNIR rutan för att eliminera vikning av högfrekvent brus på provtagning frekvensområde.

Det finns många avancerad brusreducering algoritmer tillgängliga som utnyttjar olika egenskaper hos signalen 17-20. Men om ett ämne eller session kan uteslutas om data är omöjliga (dvs mättad).


Figur 1.

De fNIR råa signaler ljusintensitet mätningar (se figur 1). Genom att mäta optisk densitet (OD) förändringar vid två våglängder, kan den relativa förändringen av oxi-Hb och deoxi-Hb mot tid kan erhållas med användning av den modifierade Beer-Lambert lag 21-23. OD vid en specifik ingång våglängd (λ) är logaritmen av kvoten av ingående ljusintensitet (I i) och utgång (detekteras) ljusintensitet (I out). OD är också relaterad till den koncentration (c) och extinktionskoefficient (e) av kromoforer, den korrigerade avståndet (d) mellan ljuskällan och detektorn, plus en konstant dämpning faktor (G).
Ekvation 1

Att ha samma I i vid två olika tidpunkter instanser och detekterat ljus intensitet under baslinjen (jag vila) och under utförandet av uppgiften (I-provning), skillnaden i OD för wavelength λ är
Ekvation 2

Mätning av OD vid två olika våglängder ger
Ekvation 3

Denna ekvation uppsättning kan lösas för koncentrationer om 2x2 matrisen är icke-singulär. Typiskt är de två våglängderna väljs i) inom 700-900nm, där absorptionen av oxi-Hb och deoxi-Hb är dominerande jämfört med andra vävnader kromoforer, och ii) under och över isosbestic punkten (~ 805nm där absorption spektrum av deoxi - och oxi-Hb korsar varandra) för att fokusera de förändringar i absorption till antingen deoxi-Hb eller oxi-Hb, respektive. Den fNIR instrument som används i denna studie använder 730nm och 850nm våglängder.

Slutligen, med hjälp av markörer (tidssynkronisering signaler) är perioder av baslinje / vila och uppgifter märkta och välja funktioner från syresättning data extraheras som menar min ochmax värden. COBI Studio sparar både råa mätningar ljusintensitet och beräknade värden syresättning (med modifierade öl Lambert lag) till textbaserade filer samt tidssynkronisering (markör)-filer. COBI Studio kan även användas för att tillämpa metoder Noise Removal såsom ändliga lågpassfilter eller bandpassfilter impulssvarsuppskattningar filter. Utgång filer kan exporteras till vanlig analysprogram som (Matlab, Excel, SPM och SPSS) eller dedikerad analysprogram som fnirSoft 24 för vidare bearbetning.

6. Representativa resultat:

fNIR Signal Exempel

Figurerna 2-5 förinställda fNIR råa signaler från en enda mätning plats med två våglängder komponenter (730nm och 850nm) redovisas separat. Figur 2 representerar en giltig och acceptabel signalkvalitet epok medan fig 3 och 4 är oacceptabla och måste kasseras. Figur 5 presenterar råsignalen som var kontaminerad med rörelseartefakt och måste rengöras eller skivaarded.

Figur 2
Figur 2. En bra fNIR rå signalsampel

Figur 3
Figur 3. En dålig fNIR råsignalen prov där 850nm kanal är mättad.

Figur 4
Figur 4. En dålig fNIR råsignalen prov där det finns hårdvaruproblem eller kabel anslutning frågan.

Figur 5
Figur 5. En dålig fNIR råsignalen prov där det finns rörelseartefakter.

Studie protokollet

Bedömningar av lärande bäst exemplifieras av retention (dvs minne) och överföring (dvs generaliserbarhet) tester. I vår studie var tre labyrinter (maze1, maze2 och maze3)praktiseras under förvärvet fasen för totalt 105 försök varje över tre dagar. De två villkor, slumpmässig praxis ordning (RND) och blockerade praxis ordning (BLK) sammanfattas i Figur 6. Två personer frivilligt för fyra dagars studie. Den 4: e dag, 10 kvarhållande försök genomförs för varje labyrint och labyrinter presenterades i slumpmässig ordning. Två nya labyrinter (maze4 och maze5) skapades som hade ytterligare korridorer och olika start-och slutpunkt än labyrinter som ursprungligen praktiseras. Ämnen avslutade tio försök för de två nya labyrinter. Dessa labyrinter utgör en överföring fas och presenterades i slumpvis ordning för alla. Överföringsfasen labyrinter användes för att bestämma i vilken utsträckning varje ämne kunde generalisera sitt lärande och praktik med förvärv labyrinter.

Figur 6
Figur 6. Representativt experiment protokoll kontur.

Studera Behavioral Resultat

Följande siffror 7 till 9, visar genomsnittliga funktionen värden (längd, total tid för färdigställande och hastighet) av patienterna över varje dag. Först är resultat från maze1, maze2 och maze3 anges för både RND och BLK praxis. Därefter maze4 och maze5 resultat listade för att jämföra slumpmässig kontra blockerade praxis resultat. Samtliga felstaplar är standardfel av medelvärdet (SEM).

Figur 7
Figur 7. Öva RND spatial förmåga sammanfattning för förvärv och behålla uppgifter, inklusive den totala väglängden, total tid för färdigställande och medelhastighet.

Figur 8
Figur 8. BLK praxis beteendemässiga prestanda sammanfattning för förvärv och behålla uppgifter, inklusive den totala väglängden, total tid för färdigställandeoch medelhastighet.

Figur 9
Figur 9. Behavioral prestanda jämförelse av BLK vs RND praxis för överföring uppgifter, inklusive den totala väglängden, total tid för färdigställande och medelhastighet.

Studie fNIR Resultat

Oxygenerade hemoglobinkoncentration förändringar från baseline genomsnitt över tidsförloppet för varje enskild labyrint med markör uppgifter från MazeWalker (anger början och slutet av varje labyrint). Större omfattning koncentration förändringar vidtas för att representera högre regionala hjärnans aktivering. En högre nivå av aktivering observerades under både lagring och överföring uppgifter för BLK praxis jämfört med RND öva. Under överföringen uppgifter har en högre nivå av aktivering sett under BLK praxis jämfört med RND praxis (se figur 10).

För BLK verksamhet som omfattas, överföraförsök krävs högre aktivering än att behålla prövningar. För RND verksamhet som omfattas, gjorde aktiveringsnivå skiljer sig inte för överföring och lagring uppgifter i motsats till BLK praktiken ämne (se figur 11).

Figur 10
Figur 10. Jämförelse av genomsnittlig oxi-Hb koncentration förändringar för BLK vs RND praxis för både lagring uppgifter (till vänster) och uppgifter överföring (till höger).

Figur 11
Figur 11. Jämförelse av genomsnittlig oxi-Hb koncentration förändringar behålla vs överföring uppgifter för både BLK (vänster) och RND (höger) praxis.

Discussion

Den prefrontala cortex (PFC) i den mänskliga hjärnan underlättar kognitiv kontroll över samordningen av tankar och handlingar i förhållande till interna mål. I synnerhet är den främre / dorsolaterala PFC kända för att förmedla högre kognitiva funktioner såsom ärendehantering, planering och rumslig navigering 25. fNIR är en bärbar, säker och icke-invasiv hjärnan övervakningsverktyg som har använts i kliniska, laboratorium och naturliga inställningar för att studera hjärnans aktivering. Detta förberedande studie visade användningen av Maze Suite och fNIR att studera neurodysfunktion aspekter av rumsliga navigering. I denna explorativa studie är MazeSuite plattform som används i samband med fNIR att studera neurodysfunktion aspekterna av geografisk navigering i dorsolaterala PFC och att visa en kombination av dessa två verktyg.

MazeSuite är en experimentell design, presentation och analys plattform. Det möjliggör skapandet och tillämpningen av enkla 3D miljöavtal med ett användarvänligt grafiskt gränssnitt och automatiskt registrerar beteendemässiga åtgärder för inom ämnet eller över föremål jämförelser. Under presentationen av MazeSuite miljöer, samtidigt tidssynkroniserade fNIR mätningar gjordes med en kommersiellt tillgänglig, bärbar, kontinuerligt system våg fNIR (Imager 1000, fNIR Devices, LLC) och COBI Studio 15. fNIR tidigare har etablerats som en säker och effektiv icke-invasiv hjärna övervakningsverktyg i kliniska, laboratorium och naturliga inställningar för att studera hjärnans aktivering 7,11 och används i denna studie för att undersöka kognitiva svar i samband med kontextuell påverkan under av rumsliga navigering uppgifter.

För att undersöka effekterna av praktiken order kontextuell störningar fick försökspersonerna presenteras med antingen en låg inblandning (BLK) eller hög interferens (RND) praktik ordning. Dessa distinkta praxis scheman användes för att testa effekten av lära multipel virtuella rumsliga navigering labyrint uppgifter över förvärv, lagring och överföring tester. De beteendemässiga resultat indikerar att både praxis order, finns det en monoton minskande trend i den totala tid som krävs för labyrint, vilket tyder på att som subjekt praktik, avslutade de var labyrint på kortare tid. Dessutom medelhastigheten med vilken ämnen som navigerat labyrint (maze hastighet) ökade med praktik. Dessa förbättringar i beteendet åtgärder över tid förväntas slutsatser av lärande. Mean oxi-Hb koncentration förändringar under praktiken prövningar indikerar att BLK praxis krävs högre hjärnaktivering jämfört med RND praxis ordning.

RND öva resulterat i snabbare färdigställande tid och kortare längder väg jämfört med BLK praxis för att både behålla och överföring, respektive. En minskande trend medelvärdet oxi-Hb för BLK och RND öva över kvarhållande försök indikerar minskad activitet i PFC. Denna slutsats förväntas som tidigare forskning har antytt att det är en minskning i aktiviteten av PFC under de senare stadierna av lärande 12,26.

Dessutom navigeringen för nya labyrinter under överföringen fasen krävs högre hjärnans aktivering för BLK verksamhet som omfattas jämfört med RND öva ämne. Med tanke på att den praxis ordning var olika för de uppgifter som redan lärt (dvs. maze1, maze2 och maze3), denna stratifierat slumpmässigt praxis för att den fråga som lärde uppgifterna i en sekventiell (BLK praxis) för kan ha varit tillräckligt ny för att kräva ytterligare insatser och kognitiva resurser för att utföra de uppgifter 12,26. Men för RND praktiken var överföringsfasen av neural aktivering inte högre än att behålla fasen. Dessa resultat bekräftar PET resultat med rumslig navigering av virtuella labyrinter som rapporterats av Van Horn och kollegor 12.

I Summari beskrev vi att använda MazeSuite i kombination med COBI Studio för en studie om effekterna av kontextuell påverkan i samband med öva ordning när man ska lära rumsliga navigering uppgifter. De fNIR metoder diskuteras här är inte begränsade till geografiska navigering uppgifter och kan användas för en mängd olika arbetsuppgifter i andra neuroradiologiska studier. Design, implementering, datainsamling och faser analys av studien förklaras med avsikten att ge en riktlinje för framtida studier.

Disclosures

fNIR Devices, tillverkar LLC det optiska hjärnavbildning instrument och licensierad IP och know-how från Drexel University. H. Ayaz, M. Izzetoglu, K. Izzetoglu och B. Onaral var inblandade i den tekniska utvecklingen och därmed erbjuds en mindre del i de nya startenheter fasta fNIR, LLC.

Acknowledgements

Finansieringen för detta arbete lämnades delvis av Commonwealth of Pennsylvania # 4100037709 underleverantörer # 240468 och Drexel University underleverantörer # 280773.

Materials

Name Company Catalog Number Comments
Maze Suite
fNIR Imager 1000

DOWNLOAD MATERIALS LIST

References

  1. Ayaz, H., Allen, S. L., Platek, S. M., Onaral, B. Maze Suite 1.0: a complete set of tools to prepare, present, and analyze navigational and spatial cognitive neuroscience experiments. Behav. Res Methods. 40, 353-359 (2008).
  2. Chance, B., Zhuang, Z., UnAh, C., Alter, C., Lipton, L. Cognition-activated low-frequency modulation of light absorption in human brain. Proceedings of the National Academy of Sciences of the United States of America. 90, 3770-3774 (1993).
  3. Villringer, A., Planck, J., Hock, C., Schleinkofer, L., Dirnagl, U. Near infrared spectroscopy (NIRS): a new tool to study hemodynamic changes during activation of brain function in human adults. Neuroscience letters. 154, 101-104 (1993).
  4. Hoshi, Y. Non-synchronous behavior of neuronal activity, oxidative metabolism and blood supply during mental tasks in man. Neuroscience letters. 172, 129-133 (1994).
  5. Strangman, G., Boas, D. A., Sutton, J. P. Non-invasive neuroimaging using near-infrared light. Biological psychiatry. 52, 679-693 (2002).
  6. Coyle, S., Ward, T. E., Markham, C. M. Brain-computer interface using a simplified functional near-infrared spectroscopy system. Journal of neural engineering. 4, 219-226 (2007).
  7. Ayaz, H. Optical brain monitoring for operator training and mental workload assessment. Neuroimage. (2011).
  8. Izzetoglu, M. Functional near-infrared neuroimaging. IEEE Trans Neural Syst Rehabil Eng. 13, 153-159 (2005).
  9. Izzetoglu, M., Bunce, S. C., Izzetoglu, K., Onaral, B., Pourrezaei, K. Functional brain imaging using near-infrared technology. IEEE Eng Med Biol Mag. 26, 38-46 (2007).
  10. Shalinsky, M. H., Kovelman, I., Berens, M. S., Petitto, L. A. Exploring Cognitive Functions in Babies, Children & Adults with Near Infrared Spectroscopy. J. Vis. Exp. (29), e1268-e1268 (2009).
  11. Izzetoglu, K. The evolution of field deployable fNIR spectroscopy from bench to clinical settings. Journal of Innovative Optical Health Sciences. 4, 1-12 (2011).
  12. Van Horn, J. D. Changing patterns of brain activation during maze learning. Brain Res. 793, 29-38 (1998).
  13. Shewokis, P. A. Memory consolidation and contextual interference effects with computer games. Perc Motor Skills. 97, 581-589 (2003).
  14. Magill, R. A., Hall, K. G. A review of the contextual interference effect in motor skill acquisition. Human Movement Science. 9, 241-289 (1990).
  15. Ayaz, H., Onaral, B. Analytical software and stimulus-presentation platform to utilize, visualize and analyze near-infrared spectroscopy measures Masters Degree thesis [dissertation]. Drexel University. (2005).
  16. Ayaz, H. Advances in Understanding Human Performance: Neuroergonomics, Human Factors Design, and Special Populations. Marek, T., Karwowski, W., Rice, V. 3, CRC Press Taylor & Francis Group. 21-31 (2010).
  17. Izzetoglu, M., Chitrapu, P., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using discrete Kalman filtering. Biomedical engineering online. 9, 16-16 (2010).
  18. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Appl Opt. 48, 280-298 (2009).
  19. Zhang, Q., Strangman, G., Ganis, G. Adaptive filtering to reduce global interference in non-invasive NIRS measures of brain activation: How well and when does it work? Neuroimage. 45, 788-794 (2009).
  20. Izzetoglu, M., Devaraj, A., Bunce, S., Onaral, B. Motion artifact cancellation in NIR spectroscopy using Wiener filtering. IEEE Trans Biomed Eng. 52, 934-938 (2005).
  21. Cope, M. The development of a near infrared spectroscopy system and its application for non invasive monitoring of cerebral blood and tissue oxygenation in the newborn infant. University College London. London. (1991).
  22. Elwell, C. Quantification of adult cerebral hemodynamics by near-infrared spectroscopy. Journal of Applied Physiology. 77, 2753-2753 (1994).
  23. Wyatt, J. Quantitation of cerebral blood volume in human infants by near-infrared spectroscopy. Journal of Applied Physiology. 68, 1086-1086 (1990).
  24. Ayaz, H. Functional Near Infrared Spectroscopy based Brain Computer Interface PhD thesis [dissertation]. Drexel University. (2010).
  25. Wood, J. N., Grafman, J. Human prefrontal cortex: processing and representational perspectives. Nat Rev Neurosci. 4, 139-147 (2003).
  26. Shadmehr, R., Holcomb, H. H. Neural correlates of motor memory consolidation. Science. 277, 821-825 (1997).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Video Stats