Mekansal Navigasyon Öğrenme Eğitim için Infrared Spektroskopisi civarında MazeSuite ve Fonksiyonel kullanma

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

Summary

MazeSuite hazırlama, sunma ve seyir ve mekansal deneyleri analiz için tam bir araç setidir. Fonksiyonel yakın kızılötesi spektroskopi (fNIR) serebral kan oksijenlenme değişikliklerin noninvaziv ve taşınabilir izleme sağlayan bir optik beyin görüntüleme tekniğidir. Bu kağıt bir bilişsel işleme öğrenme paradigması içinde MazeSuite ve fNIR kolektif kullanımını özetlemektedir.

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 hazırlama, sunma ve seyir ve mekansal deneyler 1 analiz için tam bir araç setidir. MazeSuite tasarlamak ve düzenlemek uyarlanmış 3 boyutlu sanal ortamlarda, sanal ortamda bir katılımcı davranış performansını izlemek ve EEG ve göz izleme gibi fizyolojik ve nörogörüntüleme tedbirler için harici cihazlar ile senkronize etmek için kullanılabilir.

Fonksiyonel yakın kızılötesi spektroskopi (fNIR) insan beyninin işlevlerini 2-7 ilişkili serebral kan oksijenlenme değişimlerinin, sürekli noninvaziv ve taşınabilir izleme sağlayan bir optik beyin görüntüleme tekniğidir. Son on fNIR fazla bellek ve 7-11 problem çözme çalışma, etkili, dikkat gibi bilişsel görevleri izlemek için kullanılır. fNIR bir takılabilir ve minimal müdahaleci cihaz formunda uygulanabilir;, ekolojik olarak geçerli bir ortamda beyin etkinliğini izlemek için kapasitesine sahiptir.

12 sırasında, ilk romanı görev performansı değişebilir prefrontal korteks (PFK) beyin aktivasyon örüntüleri içerir. Hiçbir aktivasyon orada küçük iken bölgesel serebral kan akımı sanal labirentine mekansal navigasyon kodlama (yani, ilk naif performans) sırasında sağ frontal lobda aktive olduğu bulunmuştur pozitron emisyon tomografisi (PET), Van Horn ve arkadaşları kullanma uygulama sonrası ve kalıcılık testleri sırasında frontal bölgelerde. Bireylerin farklı uygulama programları 13,14 altında çoklu görevler elde Dahası, bağlamsal girişim, uygulama organizasyonu ile ilgili bir öğrenme olgusunun, etkileri belirgindir. Öğrenilmesi gereken görevleri bir sıralı olmayan, öngörülemeyen sipariş verildiğinde, Yüksek içeriksel girişim (rastgele uygulama programı) oluşturulur. Düşük bağlamsal paraziti (blokeöğrenilmesi gereken görevler öngörülebilir bir sırayla sunulduğunda uygulama programı) oluşturulur.

Burada Amacımız iki yönlüdür: Önce Bilişsel Optik Beyin Görüntüleme (Cobi) Studio yazılımı 15 kullanarak fNIR beyin aktivitesi izleme sistemi kurulumu ve dağıtım göstermek için, deneysel protokol tasarım süreci ve MazeSuite kullanımı, ve ikinci göstermek için. Hedeflere örnek olarak, bir çalışma, bir alt örnek tek bir deney içinde MazeSuite ve Cobi Studio hem de kullanımını göstermek için sunulmaktadır. Çalışmanın bloke ve rastgele siparişler için bilgisayar labirent görevleri edinimi ve öğrenme sırasında Prefrontal korteksin bilişsel aktivite değerlendirmesini içerir. İki sağ elini yetişkin (bir erkek, bir kadın) dört gün boyunca 315 edinimi, 30 saklama ve 20 aktarma denemeleri yapılmıştır. Tasarım, uygulama, veri toplama ve araştırmanın analiz aşamaları ileride yapılacak çalışmalar için bir kılavuz sağlamak niyeti ile açıklanmıştır.

Protocol

Bir düzenleme programı labirent ortamlarda (MazeMaker), bir görselleştirme / resimleme modülü (MazeWalker), ve nihayet bir analiz ve yol görselleştirme aracı (MazeAnalyzer) oluşturmak için; Labirent-Suite üç ana uygulamalardan oluşur. Aşağıdaki bölümlerde MazeSuite kullanımı tanımlamak ve daha fazla ayrıntı için, her modül için tek MazeSuite üç ek video mevcuttur.

1. Tasarımı labirentine

Labirent-Suite içinde MazeMaker uygulaması, sadece bir kuş bakışı görünüme bir iki boyutlu (2D) tuval bunları çizerek üç boyutlu (3D) ortamları oluşturmasına olanak sağlar. Duvarlar ve zeminler koordinatları belirtmek için fare tıklaması ile çizilebilir ve kullanıcılar 3D nesne dosyalarını içe ya da pozisyon, yönelim, renk, doku ve ışıklar gibi labirent içindeki öğelerin özelliklerini düzenleyebilirsiniz.

Labirent başlangıç ​​ve bitiş bölgeleri böyle bir zaman aşımı gibi diğer çıkış kriterlere ek olarak tayin edilebilir. Separate metin mesajları da her çıkış koşulu için bir katılımcı bilgilendirmek için görüntülenebilir. Tasarım aşamasında, labirentine MazeMaker içindeki 'hızlı koşmak' fonksiyonu kullanılarak test edilebilir.

Işlevsel görüntüleme çalışmaları için, katılımcılar genellikle tekrarlanan denemeler ile bir dizi görevi gerçekleştirmek için istenir. Tekrarlanan denemelerin bu test kolaylaştırmak için, MazeMaker deneysel bir oturum için labirentine ve metin mesajları listeler sıralanır labirent liste dosyaları oluşturabilirsiniz. Bu deney için labirent listesi dosyası denemenin gün önce hazırlanmalı ve iyice pilot test önemlidir.

MazeMaker ortamlarda kullanımı ve geliştirilmesi için üstünkörü bir öğretici '- MazeMaker Tamamlayıcı videosu II' de verilmiştir.

2. fNIR Kurulum ve fNIR sensör-pad yerleştirerek

FNIR Kutusu Hazırlama

  1. FNIR kutusunun arkasında iki kablo konnektörleri vardır. Yuvanın birs USB bağlantısı içindir ve diğer bağlantı güç kablosu içindir.
  2. Veri toplama için kullanılan bir PC veya Laptop için USB kablo aracılığıyla fNIR cihaz kutusu bağlayın.
  3. Cihazın güç adaptörünü bağlayın ve anahtarı açmak.
  4. Şerit kablo fNIR kutusu ile sensör pad bağlamak için kullanılır.
    1. Sensör pad evler ışık kaynağı (LED) ve foto dedektörler.
    2. LED'ler sırasıyla, esas olarak deoksijenlenmedeki ve oksijenli-hemoglobin emilir ve böylece biyolojik doku nüfuz edebilir 730nm ve 850nm dalga boyunda kızıl ötesi ışık yayar.

Sensör-pad Yerleştirme

  1. Sensör yerleştirilmesinden önce alnındaki saçlarını kaldırmak için katılımcı değildir. Sadece kaş üzerinde sensör şerit yerleştirin. Burun içinden geçer, aynı zamanda dikey simetri ekseni ile algılayıcının merkezine maç
  2. Sensörünüalnına sıkıca pad ve başın arka kısmında bir araya kabloları tutmak için bir klip kullanabilirsiniz. Kesinlikle gerekli değil, baş-wrap veya tenis bandana sensör pad sabitlemek için tavsiye edilirken.
  3. Alnına sensör pad yerleştirerek üzerine fNIR kutusuna şerit kablonun iki ucunu takın. Şerit kablolar 'Ben' ve karşılık gelen 'Ben' ve cihaz üzerinde 'II' konnektörleri ile şerit kablonun 'II' taraf eşleştirerek eklenmelidir.

Veri toplama için Cobi Studio Yazılımı ile başlayan

  1. Ana penceresini açmak için masaüstü Bilişsel Optik Beyin Görüntüleme (Cobi) Studio13 simgesine tıklayın.
  2. Program veri toplama ve görselleştirme için belirli önceden yapılan ayarlarla gelecektir.
  3. Bu kontrol ve teyit veri toplama parametreleri ve gerekirse cihaz ayarlarını iletişim de (işaretleyici senkronizasyon) tetikleme önemlidir.
  4. Exper "eğer Cobi Studio otomatik olarak tüm ilgili veri dosyaları adlandırabilirsiniziment modu Yeni Deneme "sihirbaz" kullanılarak etkinleştirilir ".
  5. Deneme oturumu bir log (* txt.) Belirteç veriler için (* nir.) FNIR veriler için, (* mrk.) Ve: Veri klasörü, dosya 3 çeşit oluşturulur.

3. Deney Koşu: labirentine Rendering

Cihaz fNIR veri toplama ayarlanması ve başlangıç

  1. LED Drive Cari nasıl parlak her LED parlar tanımlar. LED Drive Şu an için varsayılan değeri 20mA olduğunu. Bu değer cilt pigmentasyonu ve katılımcı diğer özelliklerine göre değiştirmek zorunda kalabilirsiniz. LED akım için önerilen aralığı 20mA 5mA arasındaki
  2. Tüm kanallar için başlangıçta bir kazanç için varsayılan değer 20'dir. Kazanç için önerilen değerler 1,5,10,15,20 vardır.
  3. 'Başlat Geçerli aygıt' bağlantısını tıklayın ve sinyal kalitesini inceleyin. Ham yoğunluk değerleri Cobi yaklaşımı 4000 yılında gösterilen veya altında 1000; ise, 'Durdur Aygıt' ı tıklatın ve LED Sürücü Akım ve Cihaz ayarlayınUygun değerler elde edilinceye kadar kazanın. Düşük sinyal durumlarda, artan Cihaz Kazanç önce Şimdiki LED Drive artırın. Doymuş sinyal koşullar altında LED Sürücü Mevcut azaltmadan önce Aygıt Kazanç azaltır. Sinyal kalitesi kabul edilebilir olduğunda, Adım 4 ile devam edin.
  4. Baseline başlayın. Bu 10 saniye veri toplamak ve oksi-ve deoksi-hemoglobin 8 konsantrasyonu değişiklikleri hesaplamak için ayarlanmış bir modifiye Beer-Lambert denklemi temel olarak kullanacak.
  5. Baseline tam olsun (10-20 saniye sürebilir)
  6. 'Kaydı başlat' düğmesine tıklayın. Bu, tüm verileri kaydetmek başlayacaktır. Deney protokolü bundan sonra başlamalıdır.
  7. Experimenter ekranın sol alt köşesinde bulunan el işareti menüsünü kullanarak 'add manuel marker düğmelere basarak belirli olaylar göstermek için deney oturum boyunca el işaretleri eklemek için seçebilirsiniz.
  8. Görsel uyaranlara sunmak Labirent Suite başlatın.

USIlabirentine işlemek için ng MazeWalker

  1. Başlat az menüden MazeWalker Çalıştır> Labirent Suite> MazeWalker
  2. Gelişmiş altındaki menüde gelen 'Seri Port Enable'> Seri Port seçeneğini seçerek işareti senkronizasyonunu açma. Doğru COM bağlantı noktası adresi seçili olduğundan emin olun.
  3. Labirent listesi dosyası (MazeMaker tarafından oluşturulan) seçin, ve ayrıca bu oturum için yeni bir günlük dosyası için bir ad seçin. İsim veya katılımcı sayısı yürüteç alanında kaydedilebilir. İsteğe otolog otomatik yerine manuel günlük dosyası belirtmeden bir zaman damgalı günlük dosyasına kaydetmek için kullanılan olabilir.
  4. Click sürecini başlatmak için 'Başlat'ı. Video ayarlarına bağlı olarak, protokol tam ekran çalıştırabilir veya pencere modunda olabilir.

4. Öznenin yolu görselleştirme

MazeAnalyzer kullanarak, araştırmacı labirent ve günlük dosyalarından labirent ve katılımcının yolunu görselleştirmek olabilir. De dahil olmak üzere ek olarak, bir özet raporutoplam yol uzunluğu ve Her labirent tamamlanma süresini üstünkörü davranışsal tedbirler olarak üretilmektedir. Log dosyaları bir konu hem de öznenin bakış vektör ve nesnelerle etkileşim seyahat ettiği yol hakkında milisaniye çözünürlükte bilgileri içerir.

Bir öğretici videosu "Tamamlayıcı video ben - MazeAnalyzer 'sağlanır ve sonuçlar bölümünde açıklanan davranış ölçümleri üretmek için yöntemler birlikte MazeAnalyzer temel işlevselliği kullanımı anlatılmaktadır.

5. FNIR veri ve analiz İşleme

Gürültü giderme veri işleme için ilk adımdır. Gürültü kaynakları) Kafa Hareketi 2) 1 içerir, kalp hızı ve solunum ve 3) Alet ve çevre ile ilgili gürültü gibi fizyolojik sinyaller.

Baş hareketleri fNIR dedektörleri onları teşhir, cilt ile temasında kayması ve kaybetmenize neden olabilir: 1) ortam ışığı; 2) ışığı doğrudan fr yayılanom fNIR kaynakları; veya 3) Işık cilt yansıyan değil, korteks doku yansıyan olmaktan. Bu fNIR veri ani ve büyük çiviler neden çünkü hareket artefaktı Bu tip kolaylıkla tanınabilir. Kafasının hareketini bir daha ince obje serebral kan üzerinde yerçekimi etkisi nedeniyle. Hızlı baş hareketi kan verilerin eş zamanlı çarpıklaşması ile (ya da azalan) hızla artmaktadır, (veya uzak) doğru kan hacmi izlenmekte olan bölgede hareket etmesine neden olabilir. Hareket artefaktı bu tip dinamikler onlar beyin aktivasyonu nedeniyle gerçek hemodinamik yanıtı ile karışabilir LED "pop" daha yavaş olduğundan. FNIR doğal ortamlarda 16 bir beyin izleme teknolojisi olarak dağıtılan gerekiyorsa nedenle, fNIR verilerden hareket artefaktı kaldırarak önemli ve gerekli bir adımdır.

Bu tür kalp atım hızı (0,5 Hz üstünde) ve solunum (0.2 Hz üzerinde) Fizyolojik sinyaller s'den daha yüksek frekans aralıkları altındadıremodynamic tepkiler, bu yüzden, 0,1-0,15 Hz 9 arasındaki kesme frekansı olan bir doğrusal faz düşük-geçiş FIR filtresi kullanılarak ortadan kaldırılabilir.

Enstrüman ve çevresel gürültü böyle daylight (DC) ve oda ışığında (60Hz) veya bilgisayar monitörü (60-75Hz) gelen ışık gibi ortam ışığı nedeniyle kaynaklı olabilir. Bu, gürültü bu tür ortadan kaldırmak için en iyi yol göre deney ortamında ve veri toplama sistemi hazırlamak için olduğu öne sürülmektedir. Filtre Bir analog alçak geçiren (anti-aliasing filtre) frekans aralığı örnekleme üzerine yüksek frekanslı gürültü katlama ortadan kaldırmak için fNIR kutusunda uygulamaya konmuştur.

Sinyal 17-20 farklı özelliklerini kullanan birçok gelişmiş gürültü azaltma algoritmaları vardır. Verileri (örneğin doymuş) onarılmaz ise, bir konu veya oturumu dışlanabilir Ancak eğer.


Şekil 1.

FNIR ham sinyaller ışık yoğunluğu ölçümleri (Bakınız Şekil 1) vardır. İki dalga boylarındaki optik yoğunluk (OD) değişiklikleri ölçerek, göreli oksi-Hb ve deoksi-Hb değişimi zamana modifiye Beer-Lambert Kanunu 21-23 kullanılarak elde edilebilir. Belirli bir giriş dalga boyunda OD (λ) giriş ışık şiddeti (I) ve çıkış (tespit) ışık şiddeti (dışarı) logaritmik oranıdır. OD da konsantrasyon (c) ve yok olma katsayısı kromofor (e), ışık kaynağı ile detektör arasında düzeltilir mesafe (d), artı, bir sabit azalma faktörü (G) ile ilgilidir.
Denklem 1

İki farklı zaman örnekleri de aynı I olması ve temel (I rest) sırasında ve görev (I testi), wavelen için OD farkı performansı sırasında ışık yoğunluğu tespitGTH λ olduğu
Denklem 2

Iki farklı dalga boylarında OD Ölçme verir
Denklem 3

2x2 matris olmayan tekil ise, bu denklem grubu konsantrasyonlarda çözülebilir. Tipik olarak, iki dalga boyunda (~ 805nm deoksi emilim spektrumu aşağıda ve isosbestic noktasının üzerinde) diğer doku kromoforları, ve ii göre oksi-Hb ve deoksi-Hb emme baskın olduğu 700-900nm içinde i) seçilmiştir - ve oksi-Hb, sırasıyla deoksi-Hb ya da oksi-Hb birine emme değişiklikleri odaklama) birbirine çapraz. Bu çalışmada kullanılan fNIR alet 730nm ve 850nm dalga boylarını kullanmaktadır.

Son olarak, işaretleri (zaman senkronizasyon sinyalleri) kullanarak, taban / dinlenme ve görevlerin dönemleri etiketli ve oksijenasyon veri özellikleri seçmek öyle ki, demek min ve olarak ayıklanırmaksimum değerleri. Cobi Studio çiğ ışık şiddeti ölçümleri ve hesaplanan oksijenasyon değerleri (modifiye bira lambert kanunu kullanarak) metin tabanlı dosyaları yanı sıra, zaman senkronizasyonu (işaretleyici) dosyaları hem de kaydeder. Cobi Studio ayrıca sonlu dürtü yanıtı alçak geçiren veya band geçiren filtreler gibi gürültü giderme yöntemleri uygulamak için kullanılabilir. Çıktı dosyaları gibi yaygın analiz yazılımı (Matlab, Excel, SPM ve SPSS) veya daha ileri işlemler için böyle fnirSoft 24 gibi özel analiz yazılımı ihraç edilebilir.

6. Temsilcisi Sonuçlar:

fNIR Sinyal Örnekler

İki dalga boyu bileşenleri ile tek bir ölçüm konumu (730nm ve 850nm) Rakamlar 2-5 önayar fNIR ham sinyaller ayrı ayrı gösterilir. Şekil 2, Şekil 3 ve 4. kabul edilemez ise, geçerli ve kabul edilebilir bir sinyal devir temsil eder ve atılır gerekmektedir. Şekil 5 hareket artefaktı ile kontamine olmuş ham sinyal sunulur ve temizlenmeli veya disk gerekirarded.

Şekil 2,
Şekil 2. İyi fNIR ham sinyal örneği

Şekil 3
Şekil 3. A bad fNIR ham sinyal örneği 850nm kanal doymuş olduğu.

Şekil 4,
Şekil 4. Donanım sorunu veya kablo bağlantı sorunu var kötü bir fNIR ham sinyal örneği.

Şekil 5,
Şekil 5. Hareket eserler vardır kötü bir fNIR ham sinyal örneği.

Çalışma Protokolü

Öğrenme Değerlendirmeleri iyi retansiyonu (örneğin, bellek) ve transfer (yani, genellenebilirliğini) testleri ile örneklenmiştir. Çalışmamızda, üç labirentine (maze1, maze2 ve maze3) idi105 denemeleri üç gün boyunca her toplam satın alma aşamasında uygulanmaktadır. Iki koşulları; rasgele uygulama sırası (RND) ile bloke edilmiş uygulama düzeni (BLK) Şekil 6 'de özetlenmiştir. İki konularda dört günlük bir çalışma için gönüllü oldu. 4. gününde, 10 tutma denemeleri Her labirent için yapılmıştır ve labirentine rastgele sırayla sunuldu. İki roman labirentine (maze4 ve maze5) ek koridorları ve başlangıçta uygulanan labirentine farklı başlangıç ​​ve bitiş noktaları olduğu oluşturuldu. Denekler iki yeni labirentine her biri için on denemeler tamamlandı. Bu labirentine bir transfer adımını oluşturmuştur ve tüm rastgele sırayla sunuldu. Aktarım aşaması labirentine her konu edinimi labirentine ile öğrenme ve uygulama genelleme başardı ölçüde belirlemek için kullanılmıştır.

Şekil 6
Şekil 6. Örnek deney protokolüne anahat.

Davranış Araştırma Sonuçlarına

Aşağıdaki 7 ile 9 arasındaki rakamlar, her gün karşısında deneklerin ortalama özellik değerleri (yol uzunluğu, tamamlanma toplam süre ve hız) görüntüler. Birincisi, maze1, maze2 ve maze3 sonuçları hem RND ve BLK uygulama için listelenir. Sonraki, maze4 ve maze5 sonuçları bloke uygulama sonuçlarına karşı rastgele karşılaştırmak için listelenmiştir. Tüm hata çubukları ortalama (SEM) standart hata vardır.

Şekil 7
Şekil 7. RND toplam yol uzunluğu, tamamlama ve ortalama hızı toplam süresi dahil kazanma ve tutma görevler için davranışsal performans özeti uygulama.

Şekil 8,
Şekil 8. Toplam yol uzunluğu dahil kazanma ve tutma görevleri için BLK uygulamada davranışsal performans özeti, tamamlanma toplam süresive ortalama hız.

Şekil 9
Şekil 9. Toplam yol uzunluğu, tamamlama ve ortalama hızı toplam süreye dahil transferi görevler için Davranışsal performans BLK karşılaştırılması vs RND uygulamadır.

Eğitim fNIR Sonuçlar

Başlangıca Oksijenli hemoglobin konsantrasyonu değişiklikleri MazeWalker (başlangıç ​​ve her labirentin sonuna gösterir) alınan belirteç verilerini kullanarak her bireyin labirent zaman boyunca ortalaması alınmıştır. Büyük büyüklüğünü konsantrasyon değişiklikleri bölgesel beyin aktivasyonu daha yüksek düzeyde temsil etmek için alınır. Aktivasyonunun yüksek seviyedeki RND uygulamaya göre BLK uygulama için saklama ve aktarma görevlerini de gözlenmedi. RND uygulama (Şekil 10 bakınız) ile karşılaştırıldığında transferi görevleri sırasında, aktivasyon düzeyi yüksek BLK uygulaması altında görüldü.

BLK uygulama konusu için, aktarmakdenemeler tutma denemeleri kıyasla daha yüksek aktivasyon gereklidir. (Şekil 11 bakınız) BLK uygulamaya konu karşıt olarak RND uygulama konusu için, aktivasyon düzeyi transferi ve alıkoyma görevler için farklı değildi.

Şekil 10
Şekil 10. Hem tutma görevleri (solda) ve transfer görevleri (sağda) için BLK vs RND uygulama için ortalama oksi-Hb konsantrasyonu değişimlerinin karşılaştırılması.

Şekil 11
Şekil 11. BLK (solda) ve RND (sağda) pratikte hem de kalıcılık vs transferi görevler için ortalama oksi-Hb konsantrasyonu değişimlerinin karşılaştırılması.

Discussion

Insan beyninde prefrontal korteks (PFK) düşünceleri ve iç hedeflere ilişkin eylemlerin koordinasyonu üzerinde bilişsel kontrolü kolaylaştırır. Özellikle, dorsolateral anterior / PFC tür görev yönetimi, planlama ve mekansal navigasyon 25 gibi yüksek bilişsel fonksiyonları arabuluculuk bilinmektedir. fNIR beyin aktivasyonu çalışma klinik, laboratuar ve doğal ortamlarında kullanılan bir taşınabilir, güvenli ve noninvaziv beyin izleme aracıdır. Bu keşifsel çalışmada Labirent Suite ve mekansal navigasyon nörodavranışsal yönlerini incelemek için fNIR kullanımını göstermiştir. Işte bu çalışmada, MazeSuite platformun dorsolateral PFC mekansal seyir nörodavranışsal yönlerine okumak için ve bu iki araç kombinasyonu göstermek için fNIR ile birlikte kullanılır.

MazeSuite deneysel bir tasarım, sunum ve analiz platformudur. Basit 3D çevre oluşturulması ve uygulama sağlarBir kullanıcı dostu grafik arayüzü ile ments ve otomatik olarak konu içinde veya konu karşılaştırmalar genelinde için davranışsal tedbirler kaydeder. MazeSuite ortamlarının tanıtımı, eşzamanlı zamanın senkronize fNIR ölçümleri, piyasada bulunan, taşınabilir, sürekli dalga fNIR sistemi (Imager 1000, fNIR Cihazlar, LLC) ve Cobi Studio yazılımı 15 kullanılarak alınmıştır. Sırasında fNIR önce beyin aktivasyonu 7,11 çalışma için klinik, laboratuvar ve doğal ortamlarında güvenli ve etkili bir noninvaziv beyin izleme aracı olarak kurulmuştur ve mekansal navigasyon görevlerin sırasında bağlamsal girişimi ile ilişkili bilişsel yanıtları incelemektir bu çalışmada kullanılmıştır.

Uygulamada sipariş bağlamsal girişim etkilerini incelemek için, deneklerin düşük parazit (BLK) veya yüksek girişim (RND) uygulama için ya sunuldu. Bu farklı uygulama programları çoklu öğrenme etkisini test etmek için kullanılmıştırtoplama, saklama ve transfer testleri genelinde ple sanal mekansal gösterime labirent görevleri. Davranışsal sonuçlar hem uygulama siparişler için, konuların pratik olarak, onlar kısa süreler her labirent tamamlanmış düşündüren, labirent tamamlamak için gerekli toplam süre içinde monoton azalan bir eğilim olduğunu göstermektedir. Ayrıca, deneklerin labirent navigasyon hangi ile ortalama hız (labirent hızı) uygulaması ile artmıştır. Zaman içinde davranışsal tedbirler bu gelişmeler öğrenme çıkarımlar bekleniyor. Uygulamada denemeler sırasında oksi-Hb konsantrasyonu ortalama değişiklikler RND uygulama emri ile karşılaştırıldığında BLK pratikte yüksek beyin aktivasyonu gerekli olduğunu göstermektedir.

Saklama ve transfer, sırasıyla hem BLK uygulama sırasına göre RND hızlı bir tamamlanma süresi ve kısa yol uzunluklarında sonuçlandı uygulama. RND BLK için ortalama oksi-Hb gözlenen ve bir düşme eğilimi azalır ac belirten retansiyonu çalışmalar boyunca İnançPFK'de bilirlik. Önceki araştırma 12,26 öğrenme ilerleyen aşamalarında PFC aktivitesinde bir azalma olduğunu ileri sürdü gibi bu bulgu bekleniyor.

Ayrıca, aktarım aşamasında yeni labirentine gezinti RND konusu uygulamaya göre BLK uygulamaya tabi yüksek beyin aktivasyon gereklidir. Pratikte sipariş zaten, (yani, maze1, maze2 ve maze3) bir sıralı (BLK uygulamada) sırayla görevleri öğrendiğimiz konu için bu tabakalı rasgele uygulama amacıyla öğrenilen görevler için farklı olduğunu göz önüne alındığında gerektirecek yeterince romanı olmuş olabilir görevleri 12,26 gerçekleştirmek için ek çaba ve bilişsel kaynaklar. Bununla birlikte, RND uygulama için, sinir aktivasyon faz transferi tutma faz daha yüksek değildir. Bu bulgular Van Horn ve arkadaşları 12 tarafından bildirilen sanal labirentine mekansal navigasyon ile PET bulguları doğrulamıştır.

Summ yılındaary, biz mekansal seyrüsefer görevlerini öğrenme zaman sipariş uygulamaya ilişkin bağlamsal parazitlerin etkisi üzerine bir çalışma için Cobi Studio ile birlikte MazeSuite kullanımı nitelendirdi. Burada tartışılan yöntemler fNIR uzaysal gösterime görevleri ile sınırlı değildir ve başka beyin çalışmalarda çeşitli görevleri için de kullanılabilir. Tasarım, uygulama, veri toplama ve araştırmanın analiz aşamaları ileride yapılacak çalışmalar için bir kılavuz sağlamak niyeti ile açıklanmıştır.

Disclosures

fNIR Cihazlar, LLC Drexel Üniversitesi optik beyin görüntüleme cihazı ve lisanslı IP ve know-how üretmektedir. H. Ayaz, M. Izzetoglu, K. Izzetoglu ve B. Onaral teknoloji geliştirme yer almakta ve böylece yeni bir başlangıç ​​şirketi fNIR Cihazlar, LLC küçük bir pay teklif edildi.

Acknowledgements

Bu iş için Harçlar Pensilvanya # 240468 # 4100037709 taşeron ve Drexel Üniversitesi fason # 280773 Topluluğu kısmen sağlanmıştır.

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