Usando MazeSuite e Funcional espectroscopia no infravermelho próximo para o Estudo Aprendizagem em navegação espacial

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

Summary

MazeSuite é um conjunto de ferramentas completo para se preparar, apresentar e analisar experiências de navegação e espacial. Espectroscopia de infravermelho próximo funcional (fNIR) é uma técnica de imagem óptico cérebro que possibilita o monitoramento não-invasivo e portátil de mudanças oxigenação cerebral sangue. Este artigo resume o uso coletivo de MazeSuite e fNIR dentro de um paradigma processamento cognitivo de aprendizagem.

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 é um conjunto de ferramentas completo para se preparar, apresentar e analisar experiências de navegação e espacial 1. MazeSuite pode ser usado para projetar e editar adaptados ambientes virtuais 3D, pista de desempenho de um dos participantes de comportamento dentro do ambiente virtual e sincronizar com dispositivos externos de medidas fisiológicas e de neuroimagem, incluindo eletroencefalograma e rastreamento de olho.

Espectroscopia de infravermelho próximo funcional (fNIR) é uma técnica de imagem óptico cérebro que permite o monitoramento contínuo, não-invasivo, portátil e de mudanças na oxigenação do sangue cerebral relacionadas com as funções do cérebro humano 2-7. Ao longo dos fNIR última década é usado para controlar eficazmente as tarefas cognitivas como atenção, memória de trabalho e resolução de problemas 7-11. fNIR pode ser implementado na forma de um dispositivo wearable e minimamente invasivo, tem a capacidade de monitorar a atividade cerebral em ambientes ecologicamente válido.

Funções cognitivas avaliadas por meio do desempenho de tarefas envolvem padrões de ativação cerebral no córtex pré-frontal (PFC) que variam de o desempenho inicial romance tarefa, depois do treino e durante a retenção de 12. Utilizando tomografia por emissão de pósitrons (PET), Van Horn e seus colegas descobriram que o fluxo sanguíneo cerebral regional foi ativado no lobo frontal direito durante a codificação (ie, o desempenho ingênua inicial) da navegação espacial dos labirintos virtual enquanto houve pouca ou nenhuma ativação do regiões frontal depois do treino e durante os testes de retenção. Além disso, os efeitos da interferência contextual, um fenômeno de aprendizagem relacionadas com a organização da prática, são evidentes quando os indivíduos adquirem múltiplas tarefas em horários diferentes práticas 13,14. Alta interferência contextual (rotina de treino aleatório) é criado quando as tarefas a serem aprendidas são apresentados em uma ordem não seqüencial, imprevisível. Interferência contextual baixa (rotina de treino bloqueado) é criado quando as tarefas a serem aprendidas são apresentados em uma ordem previsível.

Nosso objetivo aqui é dupla: primeiro a ilustrar o processo de design experimental protocolo eo uso de MazeSuite e, segundo, para demonstrar a instalação e implantação do sistema de monitoramento fNIR atividade cerebral usando Cognitiva Cérebro Optical Imaging (COBI) Studio software 15. Para ilustrar os nossos objectivos, uma subamostra de um estudo é relatado para mostrar a utilização de ambos MazeSuite e Studio COBI em um único experimento. O estudo envolve a avaliação da atividade cognitiva do PFC durante a aquisição e aprendizagem de tarefas labirinto computador para pedidos bloqueados e aleatório. Dois destros adultos (um macho e uma fêmea) realizaram 315 aquisição, retenção de 30 e 20 ensaios de transferência em quatro dias. Design, implementação de aquisição de dados e análise fases do estudo foram explicados com a intenção de fornecer uma orientação para futuros estudos.

Protocol

Maze Suite-consiste em três aplicações principais: um programa de edição para construir ambientes de labirinto (MazeMaker), um módulo de visualização / renderização (MazeWalker) e, finalmente, uma análise e uma ferramenta de caminho de visualização (MazeAnalyzer). As seções seguintes descrevem o uso de MazeSuite e mais detalhes estão disponíveis em três vídeos complementares, um para cada módulo MazeSuite.

1. Labirintos projetar

A aplicação MazeMaker dentro Maze Suite-, permite a criação de três dimensões (3D) ambientes, simplesmente desenhando-os em uma tela bidimensional (2D) de ver um dos pássaros olho. Paredes e pisos podem ser tiradas por cliques do mouse para indicar as coordenadas, e os usuários podem importar arquivos objeto 3D ou editar propriedades de itens dentro do labirinto, tais como posição, orientação, cor, textura e luzes.

Regiões começam labirinto e no final pode ser atribuído, além de outros critérios de saída, como um período de tempo. Mensagens de texto em separado também podem ser exibidos para informar um participante para cada condição de saída. Durante a fase de design, labirintos podem ser testados usando a função "corrida rápida" dentro MazeMaker.

Para estudos de imagem funcional, os participantes são geralmente convidados a executar uma série de tarefas com ensaios repetidos. Para facilitar este teste de ensaios repetidos, MazeMaker pode criar arquivos de labirinto lista, que são classificados listas de labirintos e mensagens de texto para uma sessão experimental. É fundamental que o arquivo da lista labirinto para o experimento é preparado e bem-piloto testado antes do dia do experimento.

Um tutorial superficial para o uso e desenvolvimento de ambientes com MazeMaker é fornecido em 'Suplementar vídeo II - MazeMaker'.

2. Setup fNIR e colocar o sensor de fNIR-pad

Preparar o Box fNIR

  1. Existem dois conectores do cabo atrás da caixa fNIR. Um dos slots é para conexão USB ea conexão outro é para o cabo de alimentação.
  2. Conecte o caixa do dispositivo fNIR através do cabo USB a um PC ou laptop que será utilizado para aquisição de dados.
  3. Conecte o adaptador de energia para o dispositivo e ligue o interruptor.
  4. O cabo de fita é usada para conectar o pad sensor com a caixa fNIR.
    1. O sensor pad fonte de luz casas (LEDs) e detectores de fotos.
    2. Os LEDs emitem luz infravermelha em comprimentos de onda 730nm e 850nm que são absorvidos principalmente por desoxigenado e oxigenado-hemoglobina, respectivamente e, portanto, podem penetrar através do tecido biológico.

Colocar o Sensor-pad

  1. Peça ao participante para levantar seu cabelo fora da testa antes da colocação do sensor. Colocar a tira de sensor logo acima das sobrancelhas. Coincidir com o centro do sensor com o eixo vertical de simetria que passa também pelo nariz
  2. Pressione a tecla do sensor de firmeza contra a testa e usar um clipe para prender os cabos junto à parte de trás da cabeça. Embora não seja estritamente necessário, cabeça-wrap ou bandana de tênis é recomendado para proteger o bloco de sensor.
  3. Ao colocar o bloco sensor na testa, prenda as duas extremidades do cabo de fita para a caixa de fNIR. Os cabos de fita deve ser presa por correspondência o "eu" e os lados "II" do cabo de fita com o correspondente 'I' e 'II' conectores no dispositivo.

Iniciando o Software Studio COBI para coleta de dados

  1. Clique no Cognitiva Cérebro Optical Imaging (COBI) Studio13 ícone no desktop para abrir a janela principal.
  2. O programa virá com certas configurações pré-definidos para a recolha de dados e visualização.
  3. É importante verificar e confirmar os parâmetros de aquisição de dados e acionamento (sincronização marcador) na caixa de diálogo Configurações do dispositivo, se necessário.
  4. COBI Studio pode nomear automaticamente todos os arquivos de dados se o "Modo Experiment" é ativado, usando o "New Experiment" assistente.
  5. Na pasta de dados, 3 tipos de arquivos serão criados: (*. nir) para dados fNIR, (*. MRK) para dados marcador e (*. txt) de um log da sessão experimento.

3. Execução do experimento: Prestação dos labirintos

Dispositivo de partida e de aquisição de dados fNIR

  1. Atual Unidade LED define quão brilhante brilha cada LED. O valor padrão para atual Unidade LED é 20mA. Este valor pode ter que mudar com base na pigmentação da pele e outras características do participante. Intervalo sugerido para o atual LED está entre 5 mA a 20 mA
  2. O valor padrão para ganho inicial para todos os canais é de 20. Valores sugeridos para ganho são 1,5,10,15,20.
  3. Clique no link "Iniciar dispositivo atual", e examinar a qualidade do sinal. Se os valores de intensidade primas mostrado na abordagem COBI 4000 ou estão abaixo de 1000, clique em "Dispositivo Stop ', e ajustar a unidade de LED atual e DispositivoGanho até valores adequados são obtidos. Em circunstâncias de sinal baixo, aumente Unidade LED atual antes de Ganho de dispositivos cada vez maior. Em circunstâncias sinal saturado reduzir o ganho do dispositivo antes de reduzir a atual unidade LED. Uma vez que a qualidade do sinal é aceitável, continue para a Etapa 4.
  4. Iniciar Linha de Base. Isto irá recolher 10 segundos de dados e usá-lo como base em uma equação modificada Beer-Lambert set para calcular as mudanças de concentração para oxi e desoxi-hemoglobina 8.
  5. Deixe a linha de base completo (pode levar de 10-20 segundos)
  6. "Comece a gravar 'clique. Isso vai começar a salvar todos os dados. Protocolo de experimento deve começar depois disso.
  7. Experimentador pode optar por adicionar marcadores manuais durante toda a sessão experimental para designar determinados eventos, pressionando os botões de "marcador manual de adicionar 'usando o menu marcador manual localizado no canto inferior esquerdo da tela.
  8. Iniciar a Suite Maze apresentar estímulos visuais.

Usando MazeWalker para tornar labirintos

  1. Executar MazeWalker a partir do menu Iniciar em> Suite Maze> MazeWalker
  2. Ativar a sincronização marcador selecionando 'Ativar Porta Serial "do no menu em Avançado> Opções de porta serial. Garantir que o endereço da porta COM correta está selecionada.
  3. Selecione o arquivo da lista de labirinto (que foi criado por MazeMaker), e também selecionar o nome para o novo arquivo de log para essa sessão. Nome ou número de participantes pode ser gravado dentro de campo andador. Opcionalmente, o autolog pode ser usado para gravar automaticamente para um arquivo de log com carimbo de tempo ao invés de especificar manualmente o arquivo de log.
  4. Clique em 'Start' para iniciar o processo. Dependendo das configurações de vídeo, o protocolo pode ser executado em tela cheia ou em modo janela.

4. Visualizando caminho do sujeito

Usando MazeAnalyzer, o pesquisador pode visualizar o labirinto eo caminho do participante do labirinto e arquivos de log. Além disso, um relatório de síntese, incluindo comprimento total do caminho eo tempo para conclusão do labirinto cada são produzidos como superficial medidas comportamentais. Arquivos de log contêm informações em milissegundos resolução de tempo sobre o caminho que um sujeito viajado, bem como vector sujeito ver e interações com os objetos.

Um vídeo tutorial é fornecido em 'Suplementar de vídeo I - MazeAnalyzer "e descreve o uso de funcionalidades básicas MazeAnalyzer junto com métodos para produzir as métricas comportamentais descritos na seção de resultados.

5. Processamento dos dados e análise fNIR

Remoção de ruído é o primeiro passo para o processamento dos dados. Fontes de ruído incluem: 1) Movimento Cabeça 2) sinais fisiológicos, como freqüência cardíaca e respiração e 3 Instrumento) e relacionadas com o ambiente de ruído.

O movimento da cabeça pode causar os detectores fNIR a mudar e perder o contato com a pele, expondo-os: a luz ambiente 1), 2) a luz emitida diretamente das fontes fNIR; ou 3) a luz refletida da pele, ao invés de ser refletido a partir do tecido no córtex. Este tipo de artefato de movimento é facilmente identificável porque provoca repentina, grandes picos nos dados fNIR. Um artefato mais sutis de movimento da cabeça é devido aos efeitos da gravidade sobre o sangue cerebral. O movimento da cabeça rápida pode causar o sangue para se mover em direção (ou longe) a área que está sendo monitorado, aumentando rapidamente (ou diminuição) do volume sanguíneo com uma inclinação concomitante dos dados. Dado que a dinâmica deste tipo de artefato de movimento são mais lentos que LED "pop" podem ser confundidas com a verdadeira resposta hemodinâmica devido à ativação do cérebro. Assim, a remoção de artefatos de movimento a partir de dados fNIR é um passo importante e necessário se fNIR deve ser implementado como uma tecnologia de monitorização cerebral em ambientes naturais 16.

Sinais fisiológicos, como freqüência cardíaca (acima de 0,5 Hz) e respiração (mais de 0,2 Hz) estão em faixas de freqüência maior do que as respostas hemodinâmicas, assim, eles podem ser eliminados usando um linear fase filtro passa-baixa FIR com a freqüência de corte entre 0,1 a 0,15 Hz 9.

Instrumento e ruído ambiental pode ter origem devido à luz ambiente, como luz do dia (DC) e da luz ambiente (60Hz) ou a luz de um monitor de computador (60-75Hz). Sugere-se que a melhor maneira de eliminar este tipo de ruído é preparar o ambiente experimental e aquisição de dados em conformidade. Um passe analógico baixo do filtro (filtro anti-aliasing) foi implementado na caixa fNIR para eliminar dobrar de ruído de alta freqüência de amostragem em faixa de freqüência.

Existem vários algoritmos de redução de ruído avançada disponíveis que utilizam diferentes características do sinal 17-20. No entanto, se um assunto ou sessão pode ser excluída se os dados é irrecuperável (isto é saturada).


Figura 1.

Os sinais fNIR-primas são medições de intensidade de luz (veja a Figura 1). Ao medir a densidade óptica (OD) mudanças em dois comprimentos de onda, a variação relativa de oxi-Hb e desoxi-Hb versus tempo pode ser obtida usando o modificado Beer-Lambert Lei 21-23. OD no comprimento de onda de entrada específico (λ) é a razão logarítmica da intensidade da luz de entrada (I in) e saída (detectado) a intensidade da luz (I out). OD também está relacionado com a concentração (c) e coeficiente de extinção (e) de cromóforos, a distância corrigida (d) entre a fonte de luz e detector, além de um fator de atenuação constante (G).
Equação 1

Eu tendo a mesma em dois momentos diferentes do tempo e intensidade de luz detectada durante a linha de base (resto eu) e durante a execução da tarefa (teste I), a diferença no comprimento de onda λ de OD é
Equação 2

Medir o OD em dois diferentes comprimentos de onda dá
Equação 3

Este conjunto de equações pode ser resolvido para as concentrações se a matriz 2x2 é não-singular. Tipicamente, os dois comprimentos de onda são escolhidos i) no prazo de 700-900nm, onde a absorção de oxi-Hb e desoxi-Hb são dominantes em relação aos cromóforos outros tecidos, e ii) abaixo e acima do ponto de isosbestic (~ 805nm, onde espectros de absorção de desoxi - e oxi-Hb cruzam) para focar as mudanças na absorção para qualquer desoxi-Hb ou oxi-Hb, respectivamente. O instrumento fNIR utilizados neste estudo emprega comprimentos de onda 730nm e 850nm.

Finalmente, usando os marcadores (sinais de sincronização de tempo), os períodos de início / descansar e as tarefas são rotulados e selecionar os recursos a partir de dados de oxigenação são extraídos como min dizer, e os valores max. COBI Studio salva ambas as medições de luz crua intensidade e valores oxigenação calculado (usando uma versão modificada de cerveja lambert lei) para arquivos de texto com base, bem como a sincronização de tempo (marcador) arquivos. COBI Studio pode também ser usado para aplicar métodos de remoção de ruído, como resposta ao impulso finita low-pass ou band-pass filtros. Arquivos de saída podem ser exportados para o software de análise comuns, tais como (Matlab, Excel, SPSS e SPM) ou software de análise dedicada, como fnirSoft 24 para processamento posterior.

6. Resultados representante

Sinal Exemplos fNIR

Figuras 2-5 sinais fNIR pré-primas a partir de um local de medição única, com dois componentes de comprimento de onda (730nm e 850nm) apresentados separadamente. A Figura 2 representa uma época sinal válido e aceitável enquanto que a Figura 3 e 4 são inaceitáveis ​​e precisa ser descartado. A Figura 5 apresenta sinal bruto, que foi contaminado com artefato de movimento e precisa ser limpo ou descartado.

Figura 2
Figura 2. FNIR Um bom exemplo de sinal bruto

Figura 3
Figura 3. FNIR Um mau exemplo de sinal bruto em canal de 850nm está saturado.

Figura 4
Figura 4. FNIR Um mau exemplo de sinal bruto, onde há problema de hardware ou problema de conectividade por cabo.

Figura 5
Figura 5. Um mau sinal bruto fNIR amostra onde existem artefatos de movimento.

Protocolo de estudo

Avaliações de aprendizagem são mais bem exemplificado pela retenção (ie, memória) e (ie, generalização) transferência de testes. Em nosso estudo, três labirintos (maze1, maze2 e maze3) eram praticados durante a fase de aquisição para um total de 105 ensaios em cada três dias. As duas condições; ordem prática aleatória (RND) e ordem prática bloqueado (BLK) estão resumidos na Figura 6. Dois assuntos como voluntários para o estudo de quatro dias. No 4 º dia, 10 ensaios de retenção foram conduzidos para cada labirinto e os labirintos foram apresentados em uma ordem aleatória. Dois labirintos romance (maze4 e maze5) foram criados corredores que tinham adicionais e diferentes pontos de início e fim do que os labirintos originalmente praticada. Indivíduos completaram dez ensaios para cada um dos dois novos labirintos. Estes labirintos constituíam uma fase de transferência, e foram apresentados em uma ordem aleatória para todos. Os labirintos fase de transferência foram usados ​​para determinar a extensão em que cada sujeito foi capaz de generalizar a sua aprendizagem e prática com labirintos de aquisição.

Figura 6
Figura 6. Esboço de protocolo Representante experimento. </ P>

Resultados do Estudo do Comportamento

As figuras a seguir 7 a 9, exibir valores funcionalidade média (comprimento do caminho, o tempo total de conclusão, e velocidade) de indivíduos ao longo de cada dia. Em primeiro lugar, os resultados de maze1, maze2 e maze3 estão listadas tanto para RND e prática BLK. Em seguida, maze4 e maze5 resultados estão listados para comparar os resultados prática aleatória contra bloqueado. Todas as barras de erro são de erro padrão da média (SEM).

Figura 7
Figura 7. RND prática resumo do desempenho comportamental para aquisição e retenção de tarefas, incluindo comprimento total do caminho, o tempo total de conclusão e velocidade média.

Figura 8
Figura 8. Prática BLK resumo do desempenho comportamental para aquisição e retenção de tarefas, incluindo comprimento total do caminho, o tempo total de conclusão e velocidade média.

Figura 9
Figura 9. Comparação de desempenho comportamental de BLK vs RND prática para tarefas de transferência incluindo o comprimento total do caminho, o tempo total de conclusão e velocidade média.

FNIR Resultados do Estudo

Mudanças hemoglobina oxigenada de concentração da linha de base foram calculados sobre o curso de tempo de cada indivíduo labirinto usando dados marcador recebido MazeWalker (indica o início e final de cada labirinto). Mudanças maior concentração magnitude são tomadas para representar os níveis mais elevados de ativação cerebral regional. Um maior nível de ativação foi observada durante as tarefas tanto de retenção e transferência para a prática BLK comparação com RND prática. Durante as tarefas de transferência, um maior nível de ativação foi visto em prática BLK, em comparação com a prática RND (Veja figura 10).

Para o sujeito praticar BLK, ensaios de transferência necessária maior ativação em relação aos ensaios de retenção. Para o sujeito praticar RND, nível de activação não diferiram para tarefas de transferência e retenção em oposição à prática sujeita BLK (Veja figura 11).

Figura 10
Figura 10. Comparação da variação média oxi-Hb de concentração para BLK vs RND prática para ambas as tarefas de retenção (esquerda) e tarefas de transferência (à direita).

Figura 11
Figura 11. Comparação da variação média oxi-Hb de concentração para a retenção versus transferir tarefas para os BLK (esquerda) e RND prática (à direita).

Discussion

O córtex pré-frontal (PFC) no cérebro humano facilita o controle cognitivo sobre a coordenação dos pensamentos e ações em relação às metas internas. Em particular, o PFC anterior / dorsolateral é conhecida por mediar funções cognitivas superiores, tais como gerenciamento de tarefas, planejamento e navegação espacial 25. fNIR é um portátil, ferramenta de monitoramento seguro e não invasivo do cérebro que tem sido utilizado em ambientes clínicos, laboratoriais e naturais para estudar a ativação cerebral. Este estudo exploratório demonstraram o uso de Suite Maze e fNIR para estudar aspectos neurocomportamentais da navegação espacial. Neste estudo exploratório, a plataforma MazeSuite é usado em conjunto com fNIR para estudar os aspectos neurocomportamentais de navegação espacial no PFC dorsolateral e demonstrar a combinação dessas duas ferramentas.

MazeSuite é uma plataforma de apresentação de projeto e análise experimental. Ele permite a criação e aplicação de simples ambientes 3D com uma interface gráfica amigável e registra automaticamente as medidas comportamentais para dentro de assunto ou em comparações assunto. Durante a apresentação dos ambientes MazeSuite, simultânea sincronizado fNIR medições foram feitas usando um comercialmente disponível, portátil, sistema fNIR onda contínua (Imager 1000, Dispositivos fNIR, LLC) e COBI software Studio 15. fNIR anteriormente foi estabelecida como uma ferramenta de monitoramento seguro e eficaz em ambientes não-invasivos do cérebro clínicos, laboratoriais e naturais para o estudo da ativação cerebral 7,11 e é usado neste estudo para investigar as respostas cognitivas associadas com a interferência contextual durante tarefas de navegação espacial.

Para examinar os efeitos de interferência prática ordem contextual, os indivíduos foram presenteados com um baixo ou interferência (BLK) ou interferência de alta (RND) ordem prática. Estes esquemas prática distintos foram utilizados para testar o efeito de aprendizagem múltiplas tarefas virtuais labirinto espacial navegação entre testes aquisição, retenção e transferência. Os resultados comportamentais indicam que, para as ordens de prática, há uma tendência monótona decrescente no tempo total necessário para completar labirinto, sugerindo que temas como a prática, eles completaram cada labirinto em curtos períodos de tempo. Além disso, a velocidade média com que os sujeitos navegou o labirinto (velocidade labirinto) aumentou com a prática. Estas melhorias em medidas comportamentais ao longo do tempo são esperados inferências de aprendizagem. Significa mudanças oxi-Hb concentração durante provas práticas indicam que a prática BLK requerida maior ativação cerebral quando comparado com RND ordem prática.

RND prática resultou em menor tempo de conclusão e comprimentos de caminho mais curto quando comparado com a ordem prática BLK para a retenção e transferência, respectivamente. A tendência decrescente observada na média oxi-Hb para BLK e RND práticas em toda a retenção de ensaios, indicando atividade reduzida no PFC. Este achado é esperado como pesquisas anteriores sugerem que há uma redução na atividade do PFC durante os últimos estágios de aprendizagem 12,26.

Além disso, a navegação em labirintos novos durante a fase de transferência necessária maior ativação do cérebro para BLK prática sujeita prática em comparação com RND assunto. Dado que a ordem prática foi diferente para as tarefas já aprendeu (ie, maze1, maze2 e maze3), nesta ordem prática aleatória estratificada para o sujeito que aprendeu as tarefas em uma ordem (BLK prática) seqüencial pode ter sido suficientemente diferentes para requerer esforço adicional e recursos cognitivos para realizar as tarefas 12,26. No entanto, para a prática RND, a fase de transferência da ativação neural não foi maior do que a fase de retenção. Estes achados corroboram os resultados de PET com navegação espacial dos labirintos virtuais relatado por Van Horn e seus colegas 12.

Em resumo, descrevemos o uso de MazeSuite em combinação com COBI Studio para um estudo sobre os efeitos da interferência contextual relacionados à prática ordem quando aprendizado espacial tarefas de navegação. Os métodos fNIR discutido aqui não se limitam a tarefas de navegação espacial e pode ser usado para uma variedade de tarefas em outros estudos de neuroimagem. Design, implementação de aquisição de dados e análise fases do estudo foram explicados com a intenção de fornecer uma orientação para futuros estudos.

Disclosures

Dispositivos fNIR, LLC fabrica o instrumento de imageamento óptico cérebro e IP licenciados e know-how da Drexel University. H. Ayaz, M. Izzetoglu, K. e B. Izzetoglu Onaral estavam envolvidos no desenvolvimento de tecnologia e, assim, ofereceu uma participação minoritária na nova empresa de dispositivos de inicialização fNIR, LLC.

Acknowledgements

Financiamento para este trabalho foi fornecida em parte pelo Estado da Pensilvânia # 4100037709 # 240468 subcontratação e da Universidade de Drexel subcontratar # 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