Utilizando MazeSuite y funcional espectroscopia cercana al infrarrojo para estudiar el aprendizaje de la navegación espacial

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

Summary

MazeSuite es un completo conjunto de herramientas para preparar, presentar y analizar los experimentos de navegación y espacial. Funcionales espectroscopia de infrarrojo cercano (fNIR) es una técnica de imágenes cerebrales óptico que permite el monitoreo no invasivo y portátil de los cambios cerebrales oxigenación de la sangre. Este documento resume el uso colectivo de MazeSuite y fNIR dentro de un paradigma de procesamiento de aprendizaje cognitivo.

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 es un completo conjunto de herramientas para preparar, presentar y analizar los experimentos espaciales de navegación y 1. MazeSuite se puede utilizar para diseñar y editar adaptado entornos virtuales 3D, un seguimiento del rendimiento de los participantes de comportamiento dentro del entorno virtual y la sincronización con dispositivos externos de las medidas fisiológicas y de neuroimagen, como el electroencefalograma y seguimiento de los ojos.

Funcionales espectroscopia de infrarrojo cercano (fNIR) es una técnica de imágenes cerebrales óptico que permite la monitorización continua y no invasiva, portátil y de los cambios en la oxigenación de la sangre cerebral relacionada con las funciones del cerebro humano 2-7. En los fNIR última década se utiliza para controlar con eficacia las tareas cognitivas como la atención, la memoria de trabajo y la resolución de problemas 11.7. fNIR puede ser implementado en forma de un dispositivo portátil y mínimamente invasivo, tiene la capacidad de monitorear la actividad cerebral en ambientes ecológicamente válida.

Las funciones cognitivas evaluadas a través de la realización de tareas implican patrones de activación cerebral de la corteza prefrontal (PFC) que van desde el rendimiento de la novela tarea inicial, después de la práctica y en la retención de 12. Utilizando la tomografía por emisión de positrones (PET), Van Horn y sus colegas encontraron que el flujo sanguíneo cerebral regional se activó en el lóbulo frontal derecho durante la codificación (es decir, el rendimiento ingenuo inicial) de la navegación espacial de los laberintos virtuales, mientras que hubo poca o ninguna activación de la regiones frontales después de la práctica y durante las pruebas de retención. Además, los efectos de la interferencia contextual, un fenómeno de aprendizaje relacionados con la organización de la práctica, son evidentes cuando los individuos adquieren múltiples tareas en horarios diferentes prácticas 13,14. La interferencia de alta contextual (horario de la práctica al azar) se crea cuando las tareas que hay que aprender se presentan de manera no secuencial, orden impredecible. Baja interferencia contextual (horario bloqueado la práctica) se crea cuando las tareas que hay que aprender se presentan en un orden predecible.

Nuestro objetivo es doble: en primer lugar para ilustrar el proceso de diseño de protocolos experimentales y el uso de MazeSuite, y en segundo lugar, para demostrar la instalación e implementación del sistema de control de la actividad cerebral fNIR con óptica cognitiva del Cerebro (COBI) Studio 15. Para ilustrar nuestros objetivos, una sub-muestra de un estudio se informa que muestran el uso de ambos MazeSuite y Studio COBI en un solo experimento. El estudio consiste en la evaluación de la actividad cognitiva de la PFC en la adquisición y el aprendizaje de tareas laberinto computadora para pedidos bloqueados y al azar. Dos adultos diestros (un hombre y una mujer) realizó 315 adquisición, la retención de 30 y 20 ensayos de transferencia a través de cuatro días. Fases de diseño, implementación, adquisición de datos y el análisis del estudio fueron explicados con la intención de proporcionar una guía para futuros estudios.

Protocol

Laberinto-Suite consta de tres aplicaciones principales: un programa de edición para la construcción de entornos de laberinto (MazeMaker), un módulo de visualización / reproducción (los MazeWalker) y, finalmente, un análisis y una trayectoria de la herramienta de visualización (MazeAnalyzer). Las siguientes secciones describen el uso de MazeSuite y más detalles están disponibles en los tres videos complementarios, uno para cada módulo MazeSuite.

1. El diseño de laberintos

La aplicación MazeMaker en Laberinto-Suite, permite la creación de tres dimensiones (3D) ambientes con sólo sobre la base de dos dimensiones (2D) de lona a vista de pájaro. Las paredes y los pisos se pueden sacar por los clics del ratón para indicar las coordenadas, y los usuarios pueden importar archivos de objetos 3D o editar las propiedades de los elementos dentro del laberinto, como la posición, orientación, color, textura y las luces.

Regiones inicio laberinto y al final se le puede asignar, además de otros criterios de salida, como un período de tiempo de espera. Mensajes de texto por separado también se pueden mostrar para informar a un participante para cada condición de salida. Durante la fase de diseño, laberintos pueden ser probados mediante el uso de la función de "ejecución rápida" dentro de MazeMaker.

Para los estudios de imagen funcional, los participantes generalmente se les solicita llevar a cabo una serie de tareas con la repetición de pruebas. Para facilitar esta prueba de la repetición de pruebas, MazeMaker puede crear archivos laberinto lista, que se ordenan las listas de los laberintos y los mensajes de texto para una sesión experimental. Es muy importante que el archivo de lista laberinto para el experimento se prepara a fondo y puso a prueba antes de que el día del experimento.

Una explicación somera para el uso y desarrollo de entornos con MazeMaker se presenta en "suplementaria de vídeo II - MazeMaker.

2. fNIR la instalación y la colocación de la fNIR sensor-pad

Preparación de la Caja fNIR

  1. Hay dos conectores de cables detrás de la caja fNIR. Una de las ranuras es para la conexión USB y la otra conexión es para el cable de alimentación.
  2. Conecte la caja del dispositivo fNIR a través del cable USB a un PC o portátil que se utilizará para la adquisición de datos.
  3. Conecte el adaptador de corriente para el dispositivo y encienda el interruptor.
  4. El cable de cinta se utiliza para conectar la plataforma de sensores con la caja fNIR.
    1. La almohadilla de casas sensor de luz fuente (LED) y fotodetectores.
    2. Los LEDs emiten luz infrarroja en longitudes de onda 730nm y 850 nm que son absorbidos principalmente por desoxigenada y la hemoglobina oxigenada, respectivamente y por lo tanto pueden penetrar a través de los tejidos biológicos.

La colocación del sensor-pad

  1. Pida al participante para levantar el pelo de la frente antes de la colocación del sensor. Coloque la tira del sensor se encuentra por encima de las cejas. Coincidir con el centro del sensor con el eje de simetría vertical que pasa también a través de la nariz
  2. Pulse el pad sensor firmemente en contra de la frente y utiliza un clip para mantener los cables juntos en la parte posterior de la cabeza. Aunque no es estrictamente necesario, la cabeza-wrap o un pañuelo de tenis se recomienda para asegurar la plataforma de sensor.
  3. Al colocar el cojín del sensor en la frente, unir los dos extremos del cable plano a la caja de fNIR. Los cables planos se adjunta, haciendo coincidir el 'yo' y 'II' lados del cable de cinta con el correspondiente "yo" y "II" conectores en el dispositivo.

Inicio del software Studio COBI para la recolección de datos

  1. Haga clic en la cognitiva del cerebro óptico de imagen (COBI) Studio13 icono en el escritorio para abrir la ventana principal.
  2. El programa viene con ciertos ajustes predeterminados para la recolección de datos y visualización.
  3. Es importante comprobar y confirmar los parámetros de adquisición de datos y la activación (sincronización de marcadores) en el diálogo de configuración del dispositivo si es necesario.
  4. COBI Studio automáticamente el nombre de todos los archivos de datos relacionados con si el "modo de experimentación" se activa mediante el uso de la "nueva experiencia" asistente.
  5. En la carpeta de datos, 3 tipos de archivos se creará: (*. NIR) para los datos fNIR, (*. MRK) de datos de marcadores y (*. txt) para el registro de la sesión de experimentación.

3. La realización del experimento: la representación de los laberintos

Dispositivo de ajuste y puesta en fNIR de adquisición de datos

  1. LED de unidad actual define el brillo de cada LED brilla. El valor predeterminado de corriente LED de disco es de 20 mA. Este valor puede tener que cambiar sobre la base de la pigmentación de la piel y otras características de los participantes. Rango sugerido por la corriente del LED es de 5 mA a 20 mA
  2. El valor predeterminado de ganancia inicial para todos los canales es de 20. Los valores sugeridos para el aumento se 1,5,10,15,20.
  3. Haga clic en el enlace 'dispositivo de inicio actual ", y examinar la calidad de la señal. Si los valores de intensidad se muestra en la prima enfoque COBI 4000 o están por debajo de 1000, haga clic en "Dispositivo de parada ', y ajustar el LED de disco actual y de dispositivosGanancia hasta que los valores se adquieren. En circunstancias de baja señal, aumentar la unidad LED actual antes de ganancia de dispositivos cada vez mayor. En circunstancias señal saturada reducir la ganancia de dispositivos antes de la reducción de la actual unidad de LED. Una vez que la calidad de la señal es aceptable, continúe con el Paso 4.
  4. Comienzo previsto. Este recogerá 10 segundos de datos y usarlo como base en una versión modificada de la ecuación de Beer-Lambert establece para calcular los cambios de concentración de oxígeno y la hemoglobina desoxi-8.
  5. Vamos a completar la línea de base (puede tardar 10-20 segundos)
  6. "Inicie la grabación", haga clic. Esto va a ahorrar todos los datos. Protocolo experimental debe comenzar después de esto.
  7. Experimentador puede elegir agregar los marcadores manuales durante toda la sesión experimento para referirse a ciertos eventos pulsando los botones de 'marcador manual de añadir "con el menú marcador manual situado en la esquina inferior izquierda de la pantalla.
  8. Inicio de la Suite Laberinto de presentar estímulos visuales.

Utilizando MazeWalker para hacer laberintos

  1. Ejecutar en el menú de MazeWalker en Inicio> Suite Laberinto> MazeWalker
  2. Activación de la sincronización de marcadores, seleccione 'Habilitar puerto serie "en el en el menú en Opciones avanzadas> Opciones de puerto serie. Asegúrese de que la dirección del puerto COM correcto esté seleccionado.
  3. Seleccione el archivo de lista de laberinto (que fue creado por MazeMaker), y seleccione el nombre del archivo de registro nuevo para esta sesión. Nombre o el número de los participantes se pueden registrar en el campo andador. Opcionalmente, el AutoLog puede ser utilizado para registrar de forma automática un archivo de registro con marca de tiempo en lugar de especificar manualmente el archivo de registro.
  4. Haga clic en 'Inicio' para iniciar el proceso. Dependiendo de la configuración de vídeo, el protocolo puede ejecutar a pantalla completa o en modo ventana.

4. Visualizar la trayectoria del sujeto

Utilizando MazeAnalyzer, el investigador puede visualizar en el laberinto y la ruta de los participantes del laberinto y los archivos de registro. Además, un informe de síntesis, incluida la duración total de la ruta y el tiempo para completar el laberinto cada uno se producen como superficial medidas de comportamiento. Los archivos de registro contienen información en la resolución de tiempo de un milisegundo sobre el camino que un sujeto viajaba como vector de vista del sujeto y las interacciones con los objetos.

Un video tutorial se proporciona en "suplementaria de vídeo I - MazeAnalyzer" y describe el uso de la funcionalidad básica MazeAnalyzer, junto con los métodos para producir los indicadores de comportamiento descrito en la sección de resultados.

5. Procesamiento de los datos y el análisis fNIR

Eliminación de ruido es el primer paso para el procesamiento de los datos. Las fuentes de ruido son: 1) movimiento de la cabeza 2) señales fisiológicas como el ritmo cardíaco y la respiración y 3 para el instrumento) y el ruido ambiente relacionados.

Movimiento de la cabeza pueden causar los detectores fNIR a cambiar y perder el contacto con la piel, exponiéndolos a: 1) la luz ambiente, 2) la luz emitida directamente de las fuentes fNIR, o 3) la luz reflejada por la piel, en lugar de ser reflejada a partir de tejido en la corteza. Este tipo de artefactos de movimiento es fácilmente reconocible, ya que causa los picos repentinos y grandes en los datos fNIR. Un artefacto más sutiles de movimiento de la cabeza se debe a los efectos de la gravedad en la sangre cerebral. Movimientos rápidos de la cabeza puede causar que la sangre se mueve hacia (o desde) el área que está siendo monitoreado, el rápido aumento (o disminución) de volumen de sangre con una distorsión concomitante de los datos. Dado que la dinámica de este tipo de artefactos de movimiento son más lentos que el LED "pop" que puede confundirse con la respuesta real hemodinámico debido a la activación del cerebro. Por lo tanto, la eliminación de los artefactos de movimiento de datos fNIR es un paso importante y necesario si fNIR se va a implementar como una tecnología de monitorización cerebral en los ambientes naturales 16.

Señales fisiológicas como la frecuencia cardíaca (más de 0,5 Hz) y la respiración (más de 0,2 Hz) se encuentran en los rangos de frecuencia más alta que las respuestas hemodinámicas, por lo tanto, pueden ser eliminados mediante una fase lineal filtro de paso bajo FIR con frecuencia de corte de 0,1 a 0,15 Hz 9.

Instrumento y el ruido ambiental se originan debido a la luz ambiental, tales como la luz del día (DC) y la luz ambiente (60 Hz) o la luz de un monitor de ordenador (60-75Hz). Se sugiere que la mejor manera de eliminar este tipo de ruido es el de preparar el ambiente experimental y adquisición de datos en consecuencia. Un paso bajo analógico filtro (anti-aliasing) se ha implementado en el cuadro fNIR para eliminar plegamiento de ruido de alta frecuencia en rango de frecuencia de muestreo.

Hay muchos algoritmos de reducción de ruido avanzada disponible que utilizan las diferentes características de la señal de 17-20. Sin embargo, si un tema o una sesión se puede descartar si los datos son irrecuperables (es decir, saturado).


Figura 1.

Las señales de fNIR primas son mediciones de intensidad de luz (ver Figura 1). Mediante la medición de la densidad óptica (OD) los cambios en dos longitudes de onda, el cambio relativo de oxi-Hb y Hb desoxi-en función del tiempo se pueden obtener con la modificación de Beer-Lambert Ley 21-23. DO a una longitud de onda de entrada específica (λ) es la relación logarítmica de la intensidad de la entrada de luz (I in) y salida (detectado) intensidad de la luz (que fuera). OD también está relacionado con la concentración (c) y el coeficiente de extinción (e) de cromóforos, la distancia correcta (d) entre la fuente luminosa y el detector, además de un factor de atenuación constante (G).
La ecuación 1

Tener la misma que en dos casos diferentes de tiempo y la intensidad de la luz detectada durante la línea base (el resto I) y durante la ejecución de la tarea (prueba I), la diferencia en la longitud de onda λ OD es
La ecuación 2

La medición de la DO a dos longitudes de onda da
La ecuación 3

Este conjunto de ecuaciones se pueden resolver para las concentraciones de si la matriz de 2x2 no es singular. Por lo general, las dos longitudes de onda son elegidos i) a 700-900nm, donde la absorción de oxi-Hb y Hb-desoxi son dominantes en comparación con los cromóforos del tejido, y ii) a continuación y por encima del punto isosbestic (~ 805nm, donde los espectros de absorción de desoxi - y oxi-Hb se cruzan entre sí) para enfocar los cambios en la absorción de cualquiera de desoxi-Hb u oxi-Hb, respectivamente. El instrumento fNIR utilizados en este estudio emplea a longitudes de onda de 730nm y 850nm.

Finalmente, utilizando los marcadores (señales de sincronización de tiempo), los períodos de línea de base / descanso y las tareas están etiquetados y seleccionar las características de los datos de la oxigenación se extraen como la media, valores mínimo y máximo. COBI Studio ahorra mediciones brutas intensidad de la luz y calcula los valores de la oxigenación (mediante modificación de Lambert Beer ley) para archivos de texto, así como los archivos de sincronización de tiempo (marcador). COBI Studio también pueden utilizarse para aplicar los métodos de eliminación de ruido, como respuesta al impulso finita de paso bajo o filtros de paso de banda. Los archivos de salida pueden ser exportados a un software de análisis comunes, tales como (Matlab, Excel, SPSS y SPM) o el software de análisis específicos, tales como fnirSoft 24 para su posterior procesamiento.

6. Resultados representante

Ejemplos fNIR señal

Figuras 2-5 señales fNIR prima preestablecida desde una ubicación única medición con dos componentes de longitud de onda (730nm y 850 nm) que se muestran por separado. La Figura 2 representa una época señal válida y aceptable, mientras que la Figura 3 y 4 son inaceptables y debe ser desechado. La Figura 5 presenta la señal en bruto que estaba contaminada con artefactos de movimiento y necesita ser limpiado o desechado.

Figura 2
Figura 2. Una buena muestra de la señal fNIR primas

Figura 3
Figura 3. Una muestra fNIR mala señal en bruto en canal de 850 nm está saturado.

Figura 4
Figura 4. Un fNIR mala señal en bruto de la muestra, donde no hay problema de hardware o problema de conectividad por cable.

Figura 5
Figura 5. Una muestra fNIR mala señal en bruto, donde hay artefactos de movimiento.

Protocolo del estudio

La evaluación del aprendizaje son el mejor ejemplo de la retención (es decir, la memoria) y pruebas de transferencia (es decir, la generalización). En nuestro estudio, tres laberintos (maze1, maze2 y maze3) se practicaron durante la fase de adquisición de un total de 105 ensayos cada uno en tres días. Las dos condiciones, para la práctica aleatorio (RND) y el orden bloquearon la práctica (BLK) se resumen en la figura 6. Dos sujetos voluntarios para el estudio de cuatro días. En el 4 º día, 10 ensayos de retención se llevaron a cabo en cada laberinto y los laberintos fueron presentados en un orden aleatorio. Dos laberintos novela (maze4 y maze5) fueron creados que había corredores adicionales y diferentes puntos de inicio y finalización de los laberintos originalmente practicado. Los sujetos completaron diez ensayos para cada uno de los dos nuevos laberintos. Estos laberintos por una fase de transferencia, y se presentaron en un orden aleatorio a todos. Los laberintos de la fase de transferencia se utiliza para determinar el grado en que cada sujeto fue capaz de generalizar el aprendizaje y la práctica con la adquisición de los laberintos.

Figura 6
Figura 6. Contorno Representante protocolo experimental. </ P>

Resultados del estudio del comportamiento

Las siguientes figuras 7 a 9, muestran los valores promedio de características (longitud del camino, el tiempo total de ejecución, y la velocidad) de los sujetos a través de cada día. En primer lugar, los resultados de maze1, maze2 y maze3 se enumeran tanto para la práctica y RND BLK. A continuación, maze4 y maze5 resultados se presentan para comparar los resultados frente a la práctica al azar bloqueado. Todas las barras de error son el error estándar de la media (SEM).

Figura 7
Figura 7. RND práctica resumen de rendimiento de conducta para la adquisición y retención de tareas, incluida la duración total de la ruta, el tiempo total de realización y la velocidad media.

Figura 8
Figura 8. Resumen BLK práctica del funcionamiento de comportamiento para la adquisición y retención de tareas, incluida la duración total de la ruta, el tiempo total de realización y la velocidad media.

Figura 9
Figura 9. Comparación de los resultados del comportamiento de la RND BLK contra la práctica de las tareas de transferencia, incluida la duración total de la ruta, el tiempo total de realización y la velocidad media.

Resultados del estudio fNIR

Oxigenada cambios en la concentración de hemoglobina de línea de base se promediaron durante el tiempo de cada laberinto utilizando datos recibidos de MazeWalker marcador (indica el comienzo y el final de cada laberinto). Grandes cambios en la concentración magnitud pueden representar un mayor nivel de activación regional del cerebro. Un mayor nivel de activación se observó durante las dos tareas de retención y transferencia para la práctica BLK en comparación con la práctica RND. Durante las tareas de transferencia, un mayor nivel de activación se ha visto en la práctica BLK, en comparación con la práctica RND (ver figura 10).

Para el sujeto la práctica BLK, ensayos de transferencia requiere una mayor activación en comparación con los ensayos de retención. Para el sujeto la práctica RND, el nivel de activación no fue diferente para las tareas de transferencia y retención en comparación con sujetos práctica BLK (ver figura 11).

Figura 10
Figura 10. Comparación de los cambios en la concentración media de Hb de oxi-BLK vs RND la práctica, tanto para la retención de tareas (izquierda) y las tareas de transferencia (derecha).

Figura 11
Figura 11. Comparación de la media de los cambios de concentración de oxi-Hb para las tareas de mantenimiento frente a la transferencia, tanto para BLK (izquierda) y la práctica RND (derecha).

Discussion

La corteza prefrontal (PFC) en el cerebro humano facilita el control cognitivo sobre la coordinación de los pensamientos y acciones en relación con los objetivos internos. En particular, el PFC anterior / dorsolateral se sabe que median las funciones cognitivas superiores, tales como, administración de tareas de planificación y la navegación espacial 25. fNIR es una herramienta portátil, el cerebro control seguro y no invasivo que se ha utilizado en el ámbito clínico, de laboratorio y naturales para estudiar la activación cerebral. Este estudio exploratorio ha demostrado el uso de la Suite Laberinto y fNIR para estudiar los aspectos neuroconductuales de la navegación espacial. En este estudio exploratorio, la plataforma MazeSuite se utiliza en conjunción con fNIR para estudiar los aspectos neuroconductuales de la navegación espacial en la PFC dorsolateral y para demostrar que la combinación de estas dos herramientas.

MazeSuite es una plataforma experimental de diseño, presentación y análisis. Permite la creación y la aplicación de simples escenarios en 3D con una interfaz gráfica de usuario amigable y registra automáticamente las medidas de comportamiento para dentro de sujeto o sujetos en todas las comparaciones. Durante la presentación de los entornos de MazeSuite, simultánea sincronizado y mediciones fNIR fueron tomadas con un disponible en el mercado, el sistema portátil, continua fNIR onda (Imager 1000, dispositivos fNIR, LLC) y COBI software Studio 15. fNIR previamente se ha establecido como un método seguro y eficaz herramienta de monitorización cerebral no invasiva en el ámbito clínico, de laboratorio y naturales para el estudio de la activación cerebral 7,11 y se utiliza en este estudio para investigar las respuestas cognitivas asociadas con la interferencia contextual en las tareas de navegación espacial.

Para examinar los efectos de interferencia para la práctica del contexto, los sujetos se presentaron, ya sea con una baja interferencia (BLK) o la interferencia de alta (RND) para la práctica. Estos programas de prácticas distintas se utilizaron para probar el efecto del aprendizaje virtual de múltiples tareas espaciales laberinto de navegación a través de pruebas de la adquisición, retención y transferencia. Los resultados indican que el comportamiento de las órdenes de la práctica tanto, hay una tendencia monótona decreciente en el tiempo total necesario para completar laberinto, lo que sugiere que en la práctica los temas, que completó cada laberinto en períodos más cortos de tiempo. Además, la velocidad media con que los sujetos navegar el laberinto (la velocidad del laberinto) se incrementó con la práctica. Estas mejoras en las medidas de comportamiento a través del tiempo se espera que las inferencias de aprendizaje. La media de oxi-Hb cambios de concentración durante las pruebas de la práctica indican que la práctica BLK requiere una mayor activación cerebral en comparación con el fin de la práctica RND.

RND práctica resultó en tiempo de finalización más rápida y más corta longitud de camino en comparación con el fin de la práctica BLK, tanto para la retención y transferencia, respectivamente. Una tendencia descendente observada en el promedio de oxi-Hb y la práctica de BLK RND entre los ensayos que indica la retención de una menor actividad en el PFC. Este hallazgo se espera que investigaciones previas han sugerido que hay una reducción en la actividad de la PFC durante las últimas etapas de aprendizaje 12,26.

Por otra parte, la navegación en nuevos laberintos durante la fase de transferencia requiere una mayor activación cerebral de sujetos práctica BLK en comparación con la práctica RND tema. Dado que el fin de la práctica fue diferente para las tareas que ya han aprendido (es decir, maze1, maze2 y maze3), este orden estratificado aleatorio práctica para el sujeto que aprendió las tareas de manera secuencial (BLK práctica) para haber sido lo suficientemente novedoso para requerir un esfuerzo adicional y recursos cognitivos para realizar las tareas 12,26. Sin embargo, para la práctica RND, la fase de transferencia de la activación neural no fue mayor que la fase de retención. Estos resultados corroboran los hallazgos del PET con la navegación espacial de los laberintos virtuales reportados por Van Horn y sus colegas 12.

En resumen, hemos descrito el uso de MazeSuite en combinación con COBI Estudio para un estudio sobre los efectos de la interferencia contextual relacionada con la práctica para la hora de aprender tareas de navegación espacial. Los métodos fNIR discutido aquí no se limitan a las tareas de navegación espacial y se puede utilizar para una variedad de tareas en otros estudios de neuroimagen. Fases de diseño, implementación, adquisición de datos y el análisis del estudio fueron explicados con la intención de proporcionar una guía para futuros estudios.

Disclosures

Dispositivos fNIR, LLC fabrica el instrumento de imágenes cerebrales ópticas e IP con licencia y know-how de la Universidad de Drexel. H. Ayaz, Izzetoglu M., K. y Izzetoglu Onaral B. estuvieron involucrados en el desarrollo de la tecnología y por lo tanto ofrece una pequeña parte de los nuevos dispositivos de arranque firme fNIR, LLC.

Acknowledgements

La financiación de este trabajo fue proporcionado en parte por el Estado de Pennsylvania # 4100037709 # 240468 subcontratación y la Universidad 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