ソースイメージングを使用磁図と扁桃体の活性を検出する方法

Behavior
 

Summary

この記事では磁図(MEG)で扁桃体の活動を記録する方法について説明します。またこの記事では、意識せずにトレース恐怖条件付け、扁桃体を活性化するタスクを実施する方法について説明します。意識を操作するために使用してトレースバックワードマスキングコンディショナーパラダイムの設計1):これは、3つのトピックをカバーします。 2)記録の脳活動を脳磁図を用いたタスクの間。 3)皮質下構造体からの信号を回復するために、ソース·イメージングを使用する。

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to Detect Amygdala Activity with Magnetoencephalography using Source Imaging. J. Vis. Exp. (76), e50212, doi:10.3791/50212 (2013).

Please note that all translations are automatically generated.

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

Abstract

トレース恐怖条件付けでは、条件刺激(CS)が短い刺激無料期間(トレース間隔)1の後に表示されて無条件刺激(UCS)の発生を予測する。 CSとUCS時間的共起しないので、被験者はトレース間隔の間​​にそのCSの表現を維持しなければなりません。ヒトでは、学習のこのタイプは、トレース間隔2-4を埋めるために、刺激事態の認識を必要とします。しかし顔はCSとして使用する場合、被験者は、暗黙のうちにも、明示的な意識*のない状態で顔を恐れることを学ぶことができます。これにより、短い間隔中に、トレース "生物学的に関連した"刺激の特定の種類を維持することができる付加的な神経機構が存在し得ることを示唆している。扁桃体がトレース調節に関与し、かつ面に敏感であることを考えれば、この構造は、短い間隔中に、トレース面CSの表示を維持することが可能である。

5の発表が続く。マスクのプレゼンテーションは6-8目に見えないターゲットをレンダリングします。第二に、マスキングは、それが困難な多くの一般的なアプローチを使用してマスクされた刺激によって誘発神経の応答を調査することは非常に迅速かつ正確なタイミングが必要です。血液酸素化レベル依存(BOLD)応答はelectroenようなタイムスケールあまりに方法論のこのタイプの遅いし、リアルタイムの記録技術で解決するcephalography(EEG)と磁図は(MEG)深い源からの信号を回復困難を抱えている。

しかし、MEG信号9-11の神経源をローカライズするために使用される方法の最近の進歩があった。被験者の脳の高解像度MRI画像を収集することにより、個々の神経解剖学的構造に基づいてソースモデルを作成することができる。 "画像"にMEG信号源を、このモデルを使用すると、扁桃体および海馬*のような深い皮質下構造からの信号を回復することができる。

Protocol

意識を遮断するためにマスキング後方に使用してトレースコンディショニングパラダイムの設計

1。デザイン刺激

  1. 二つのグループのための刺激を設計します。
  2. 異なる個人から4ニュートラル式を選択してください。
  3. それぞれの顔の目の領域が同じ場所になるように顔を合わせます。
  4. 髪、耳、その他の周辺機能は、もはや表示されるように楕円形を使って顔をトリミング。
  5. 12あたり5サイクルよりも少ない情報をすべて削除して、ハイパスフィルターの画像を作成するために、MATLABでの信号処理ツールボックスを(実験を実行するために必要なソフトウェアについては、表1を参照)を使用します。
  6. 一緒にいくつかの中性式をマージして、画像に高空間周波数ノイズを追加することによってマスクを作成する。
  7. それらが等しい輝度を持っているように、すべての画像を正規化します。

2。プログラムプレゼンテーションを用いた実験

  1. プログラムは下記のパラメータを使用してプレゼンテーションのトレーニングとテストの段階( 図1を参照)。
  2. また、プレゼンテーションプログラムによって引き起こされる衝撃を提供するために、トレーニングおよびテスト中PSYLABデータ取得ソフトウェアパッケージで使用される独立したファイル(PCC)。
  3. ブロックあたりのCSあたり15試験と差トレース恐怖条件付けの4ブロック研修プログラムの場合。
  4. 各試行で30ミリ秒のCSSを提示。
  5. 各試行で970ミリ秒のためのマスクを提示。
  6. 各CS +裁判に、それはマスクでcoterminatesように、100ミリ秒のためにショックUCSを提示。
  7. それがランダムに4象限の1で表示されるように、CS /マスクの組み合わせの位置を変化させる。
  8. 変数試行間間隔を使用して1試験ごとに6±2秒を提示。
  9. テストセッションプログラム各面CSの5試験で再取得の1ブロック、および5つの新しい試験の顔、CSSの各々のために。 試験の試験中に皮膚コンダクタンス反応(SCRを)記録するあなたの能力を最大にするために、8秒間CSを提示。
  10. 各CS +裁判でそれがCS +とcoterminatesように、100ミリ秒のためにショックUCSを提示。
  11. 変数試行間間隔を使用して1試験ごとに20±4秒を提示。
  12. 両方のセッション中にUCS余命を報告するよう被験者に指示して、MRI / MEG互換性のある軸·デバイスを使用して応答を記録(ジョイスティック、スライダー、ダイヤル、セクション7を参照してください)​​。
  13. 参加者の底部に取り付けられた電極を用いたテストセッション中に記録のSCR(セクション9を参照してください)​​足を残しました。

磁図を用いたタスクの実行中に脳活動を記録する

3。 MEGスイート(図2を参照)でのトレーニングのために機器をセットアップします。

  1. 表2を参照してください標準DB25マルチコネクタリボンケーブルを使用してMEG·アクイジション·システムに刺激提示のコンピュータを接続します
  2. 2ビット絶縁アダプタと同期ケーブルに8ビットを使用してPSYLABスタンドアローンモニター(SAM)に刺激提示のコンピュータを接続します。
  3. 彼らはSAMに送信された場合刺激のプレゼンテーションをマークするために使用するトランジスタ - トランジスタ論理(TTL)パルスはMEGデータ内のアーチファクトを引き起こす可能性があります。これらのアーチファクトを回避するために、アイソレーションアダプタによってブロックビットだけを使用して刺激の開始をマークします。
  4. ユニットに付属のケーブルを使用してSAMに衝撃刺激(SHK1)を接続します。
  5. 導波管を通してシールド延長ケーブルを渡し、衝撃刺激に接続します。
  6. 標準のUSBケーブルを使用してPSYLABデータ収集ソフトを実行しているコンピュータに、SAMを接続します。
  7. 刺激提示コンピュータ(USB)とgameport-to-gameport/BNCスプリッタとゲームポートツーUSB適応を用いたMEG収集システム(BNC)にロータリーダイヤルを接続するえー。
  8. 部屋の中で予告することなく、センサーのデータを2分を記録します。

4。 MRIスイートでのテストのためのセットアップ機器

  1. 同期ケーブルを使用してSAMに刺激提示のコンピュータを接続します。
  2. ユニットに付属のケーブルを使用してSAMに衝撃刺激(SHK1)と皮膚コンダクタンスアンプ(SC5)を接続します。
  3. 導波管を通してSCRとショックにシールド延長ケーブルを渡し、それぞれのユニットに接続します。
  4. 標準のUSBケーブルを使用してPSYLABデータ収集ソフトを実行しているコンピュータに、SAMを接続します。
  5. USBアダプタにゲームポートを使用して刺激提示コンピュータにロータリーダイヤルを接続します。

5。 MEGスイートでのトレーニングのセットアップ件名(図3を参照)

  1. ガイドとしては、図3に模式図を用いて被検者に電極やセンサーを取り付けます。
  2. に使い捨て電極を取り付け対象者の右目の上下のモニタ瞬目。
  3. ただ心下被写体の左側に、ちょうど鎖骨下の右胸に心拍数を監視するために使い捨ての電極を取り付けます。
  4. 対象者の左肩の後ろへの参照として1使い捨て電極を取り付けます。
  5. ショックを管理する内果上右脛骨神経を介して対象者の右脚に2カップの電極を取り付けます。
  6. それぞれの目の上のもう1つはそれぞれの耳の後ろに1、被験者に4ヘッド位置インジケータ(HPI)コイルを取り付けます。
  7. デジタル化基準点を使用してHPIコイルに対する相対被検者の頭部の位置。
  8. Polhemus社システム、地図被検者の鼻根の位置、左右tragusの複数形を使用する。
  9. ポイントが対称であることを確認して、基準点を基準に、対象のデジタルヘッド位置を合わせます。
  10. 次のマップ、被験者のHPIコイルの位置。
  11. 最後に、桁被検者の頭皮に沿って50〜100点をIZE。
  12. MEG制度の対象を護衛して、適切なインターフェイスに電極やセンサーを接続してください。
  13. 使い捨て電極差し込みMEGシステムアンプにつながる。
  14. MEGシステムにHPIハーネスを差し込みます。
  15. ショック電極差し込みシールド延長ケーブルにつながる。
  16. 対象者の頭部がMEGのヘルメットの上部に触れているように椅子を上げます。
  17. 投影画像の焦点が合っているように画面を配置します。

6。ショック後処理

  1. 被験者は痛みを伴うが、許容として報告するレベルに衝撃を設定します。
  2. 0ミリアンペアポジション5ミリアンペア位置からダイヤルを回してアーム衝撃刺激を。
  3. PSYLABデータ収集ソフトパッケージから刺激コントロールウィンドウを使用して衝撃のいくつかのプレゼンテーションを管理します。
  4. 各プレゼンテーションには、上の対象速度衝撃の強さを持っている後0(すべてではない痛みを伴う時)から10(痛いけど許容)にスケール。
  5. 被写体が10としてそれを計算するまで徐々に衝撃の強度を高める。
  6. 主題詳細ウィンドウのパラメータ値]ボックスにスケールから値を記録し、衝撃がこのボックスに示される値で、実験中に投与されるであろう。

7。レスポンスデバイス

  1. 例えばプレゼンテーションのシナリオを使用して、ダイヤルの適切な使用に被写体に指示します。
  2. 指示: "あなたは近い将来に刺激の提示を受けることが確実であれば(100)右にずっとカーソルを移動し左にすべての方法(0)カーソルを移動して、確実な場合。あなたは、近い将来に刺激を受け取ることができませんことを。ミドル(50)にカーソルを移動し、あなたが近い将来に刺激を受けるかどうか分からない場合。 "

8。トレーニング中に記録MEG

  1. recorの2 kHzで生データのdは2分、被写体が開いた彼らの目にかかっている間。
  2. 前のトレーニングにPSYLABデータ収集ソフトウェアを用いた記録イベントコードおよびショック送出を開始する。
  3. コンピュータによってトリガされたとき、それは衝撃を送信するようPSYLABが適切PCCのコードを実行されていることを確認してください。
  4. 4トレーニングランの各々の間に2 kHzで生データを記録します。
  5. 視覚的にノイズの体系ソースのリアルタイムでデータを検査する方法として、オンラインで平均値を記録します。
  6. 馴化を評価するために、各実行後に衝撃の強さを評価するために、被写体を頼む。

9。 MRIスイートでのテストのためのセットアップ件名

  1. MEGスイートからMRIスイートの対象を護衛。
  2. ショック電極を取り付け、衝撃の強さを再較正。
  3. SCRを監視するために、被験者の左足の底に2カップの電極を取り付けます。
  4. 被写体がまだTを使用する方法を理解していることを確認してください彼は応答装置。
  5. 、MRIテーブルに被写体を置き、自分の頭を固定し、SCRおよびショック電極を接続すると、対応するシールドケーブルにつながる。
  6. 参加者はヘッドコイルの背後に配置画面を見ることができるように、ヘッドコイルに接続されているミラーを配置します。

10。テスト中にレコードのfMRI

  1. 高解像度の解剖学的画像(SPGR)を収集。
  2. 標準撮像パラメータを使用してテストセッション中に記録血液酸素化レベル依存応答(TR = 2秒、TE = 25ミリ秒、視野= 24センチメートルのfleld;フリップ角= 90°)。
  3. テストの後被験者は実験後のアンケートを完了しました。

皮質下の構造体からの信号を回復するために、ソース·イメージングを使用した。

11。行動とfMRIのデータを分析する

  1. 被験者は刺激を区別することができたかどうかを判断するためにUCS余命を使用します。
  2. 平均900ミリ秒のトレース間隔および各試験のために、前の900ミリ秒のベースライン期間のUCSの寿命データ。
  3. 被験者が刺激提示後にダイヤルを移動する方法を決定するトレース間隔の値からベースライン期間の値を減算します。
  4. 被験者全体でトライアル反復測定ANOVAによりCSタイプを実行します。
  5. 以前に公開されている標準の5,13-15を使用してテストセッションからの行動やfMRIのデータを分析。

12。前処理MRIボリューム

  1. セグメント化された皮質下のボリュームを作成し、皮質、外皮、外頭蓋骨の表面にFreesurfer 16を使用します。
  2. AFNI読める形式にボリュームとサーフェスに変換します。
  3. あなたはそれはあなたが各被験者のセグメンテーションフォルダに新しい 'MODEL'フォルダに必要なすべてのファイルをコピーするプログラムを初めて実行する - importsurfaces.cshを実行します。また、サーフィンを作成するために使用される 'importsurface.mrml'ファイルを作成します扁桃体と海馬のエースモデル。
  4. Slicer3とParaViewをを使用して表面に扁桃体と海馬のボリュームを作成し、変換します。
    1. 被写体の 'MODEL'ディレクトリからSlicer3 importsurface.mrmlを実行します。これは3dslicerにサーフェスとボリュームをロードします。
    2. 扁桃体と海馬のモデルを生成し、{}構造としてモデルを保存します。VTK。
    3. インポート。VTKファイルにParaViewを。
    4. フィルタ実行 "サーフェスの法線を生成します。"
    5. {}構造。プライ(ASCII)ファイルとしてエイミーとヒップのための表面法線をエクスポートします。
  5. ブレインストームに表面およびMRIボリュームをインポートします。
  6. これは、MATLABで読み取ることができ、tess_ {}構造のすべてをコピーするファイルにサーフェスを変換するマットファイルはデータベースディレクトリブレインストームに - 。再びimportsurfaces.csh実行。
  7. マットファイルはフォルダをブレーンストーミングする。すでにtess_ {}構造をコピーする前に、ブレインストームで主題を作成していることを確認します(ステップ14.1を参照してください)​​。
  8. Oデータベースを更新するようにしてくださいブレインストームにサーフェスを得るNCE。
  9. 基準点を特定することによって標準の空間にMRIボリュームをワープ。
  10. 手動でMRIと頭皮表面を合わせ、他のすべての面にワープを適用します。
  11. 2軟膜の面をマージし、15,000に頂点の総数を減らします。
  12. 2海馬の面をマージし、2,000に頂点の総数を減らします。
  13. 2扁桃面をマージし、1000頂点の総数を減らします。
  14. 、軟膜海馬と扁桃体の面をマージします。
  15. 扁桃体と海馬のために関心領域を(スカウト)を作成します。

13。ブレインストーム11を使用して前処理MEGの録音

  1. ブレインストームデータベースに新しい件名を作成します。
  2. 各トレーニングセッションのためにMEG記録ファイルをインポートします。
  3. 信号空間を用いた磁気シールドルーム(MSR)外部ソースに起因するアーチファクトを削除分離17。
  4. 心電図(ECG)と電気眼球図記録(EOG)チャネルで特定イベントから信号空間予測を使用して心拍や眼球運動によって生じるアーチファクトを削除します。
  5. 正しく識別心拍と瞬目のイベントをブレインストームことを確認するために録音を点検します。
  6. ノイズの他の可能なソースの録音を点検します。
  7. アーティファクトの体系ソースのオンライン平均値から作成された誘発データを検査。
    1. PSYLAB SAMユニットに送信した場合、刺激の開始をマークするために使用TTLパルスがレコーディングでアーチファクトを引き起こす可能性があることに注意してください。
    2. TTLパルスがSAMユニットに衝撃を管理し、2ビットのアイソレーションアダプタに8ビットを使用して、残りのパルスからユニットを分離するために必要な場合にのみ送信します。

14。ブレーンストーミングを用いた誘発反応を分析

  1. 対応するエポック(-200ミリ秒〜900ミリ秒)を識別するために、イベント·チャネルを使用して、実験試験のそれぞれに。
  2. ヘッドポイントを使用してMRI登録を絞り込む。
  3. 録音からノイズ共分散を計算します。
  4. 入力として皮質と重なる球法を用いて頭部モデルを計算する。
  5. 最小ノルム推定方法10を使用してソースを計算します。
  6. ソース上の分析を続ける。
  7. 個々の試験のためのバンドパスフィルタのソース(1 Hzから20 Hz)を。
  8. バンドパスフィルタのソースの絶対値を取ると、ベースラインの変動に基づいてzスコアにそれらの値を変換します。
  9. 空間的にソース(シグマ= 5 mm)を滑らかにします。
  10. 試験全体の平均源。
  11. 実験用のデフォルトの解剖に平均値を投影。
  12. さまざまな条件を越えソースにt検定を計算します。
  13. 家族単位の誤差を修正するために空間的および時間のしきい値を使用してフィルタ重要t検定結果。
  14. 大幅に活性化した領域を特定し、交流の時間経過をエクスポート各被験者のtivati​​on。
  15. 各時点における被験者の両端平均値の平均値と標準誤差を計算する。

15。ブレーンストーミングを用いたROIで時間周波数分解を行う

  1. 実験用のデフォルトの解剖への個々の臨床試験からの生データを投影。
  2. 特定し、誘発反応の分析から、または解剖学的機能アプリオリ仮説から関心領域を作成します。
  3. (;時間分解能[FWHM] = 3秒、周波数範囲= 10:90 Hzで、周波数分解能= 1 Hzの中心周波数= 1 Hz)を標準的なパラメータを使用して、それぞれの試験のためにあなたのROIからのデータの時間 - 周波数分解を計算する。
  4. 得られた時間 - 周波数分解マップは、zスコアに変換する。
  5. 平均各被験者の試験全体で結果のマップ。
  6. さまざまな条件を越えマップ上でt検定を実行します。

Representative Results

ここで説明する方法を用いて、我々の調査は、2つの主な結果につながっている:1)は、トレースコンディショナー中に視覚のCSの意識を操作することが可能であり、更に学習の証拠を示す。 2)それは、ソース撮像*を使用して、扁桃体からMEG信号を回復することができる。

第2節では、後方マスキングと視覚、CSSの意識を操作する方法を説明しました。 〜30ミリ秒のために表示されているマスク刺激にさらされると、被験者は、一般的に刺激提示5,6,8 *の気づいていない。この操作の成功を確認する1つの方法は、UCSの発生を予測する被験者の能力を測定することである。マスキング操作が成功した場合、被験者は正確にCSタイプ( 図4参照)に基づいて、UCSの発生を予測することができなければならない。

訓練のこのタイプのタイミングは直接ルを測定することは困難であるが、トレーニングセッション中arni​​ng。間接的に新旧の刺激5 *のマスクされていない後続の再取得テストセッションにさらすことにより、学習測定することができる。被験者はトレーニング段階の間に不測の事態を知ることができれば、彼らは新たな刺激に相対古い刺激に大きな振幅差(CS +> CS-)SCRを示すべきである。被験者は(; 図4を参照すなわち試験2-5)CS-UCS偶発に再暴露された後、我々はテスト段階の試験を見たとき、この効果はフィルタなし群で明らかである。

第8章では、マスクされたトレースコンディショニングセッション中MEGを記録する方法を説明しました。これらの録音を処理するためにソース·イメージングを使用すると、扁桃体18 *のような皮質下構造からMEG信号を回復することができる。被験者は、CSSが大きい扁桃応答( 図5)を示し、GAMフィルタリングされていない面(N = 9)を示す図示被験者高域濾波面(N = 9)よりミリアンペア振動( 図6)。また、これらの科目も後頭部顔領域( 図7及び補足ビデオ )のような顔処理領域のネットワーク内でより大きな反応を示しています。

図1
図1。回路図は、一般的なトレーニングセッションを描いた本のCS +の60試験及び60試験では、CS-、擬似ランダム順に、15試験それぞれの4つのブロックがあることなど。すぐにCS +試験に関する衝撃UCSとcoterminates 970ミリマスク、続いて30ミリ用のCSSを提示。

図2
図2。回路図depictingの典型的なコンディショニングの実験に使用されるこの設定はすることが可能となる設備:。軸を使用して1)プレゼンテーションソフトウェアを介して視覚刺激を提示し、2)、3)Psylabハードウェア(SAM)を経由して電気刺激UCSの管理記録のUCS余命プレゼンテーションコンピュータに接続されたデバイス(ダイヤル)、4)MEG·アクイジション·システム·インターフェースを介したMEGの録音と刺激プレゼンテーションや応答を同期します。

図3
図3。セクション5で説明さセンサーと基準点のそれぞれの位置を示すイラスト。付属のラインとドットは、標識されたセンサーとリードに対応しています。青い矢印は、MRI解剖ボリュームにMEGの記録を登録するために使用される基準点を表しています。パープルポイントsがさらにMEG-MRI重ね合わせを調整するために使用されるデジタル化された頭皮·ポイントを表しています。

図4
図4。典型的なコンディショニングの研究からの行動の結果。左のグラフはトレーニングセッションを越えUCS余命を示しては、フィルタなし、ろ過グループ間で崩壊した。被験者はマスキング手順は、CSS(; P = 0.16 F(1,17)= 2.19)を区別する能力をブロックすることを示唆、CS +とCS-60渡る試験のためUCS余命の同様のレベルを示していることに注意してください。右のグラフは、テストセッション中に差SCRを示しています。フィルタなしではなく、フィルタされたグループは新しい刺激(フィルタなし新/ Oよりオールド刺激に大きな差SCRを示しているように見えることに注意してくださいLD X CS + / CS-相互作用:F(1,7)= 5.94、P = 0.045;オールド/ニューX CS + / CS-インタラクションフィルター付き:F(1,7)= 1.13、P = 0.32)、その訓練を示唆これらの科目のためのCS-UCS団体のより良い再取得につながる。 (* p <0.05)であった。

図5
図5。典型的な空調実験からMEG結果。左の図は、扁桃体(オレンジ)、海馬(緑)、MEG信号源をモデル化するために使用される大脳皮質の3Dモデルを示しています。右のグラフは、MEGの録音からモデル化扁桃クラスタから活動を表す。暗い色の線がフィルタされた面によって誘発活動を表すながら、明るい色のラインは、フィルタなしの顔によって誘発活動を表す。 VErticalグレーの網掛けのセクションでは、フィルタなしの顔がフィルタされた面(F(1,17)> 3.44、P <0.05)よりも有意に大きい反応を呼び起こすの時間間隔を表す。 より大きい数字を表示するには、ここをクリックしてください

図6
図6。典型的な空調実験から扁桃体の時間周波数結果。左図扁桃(オレンジ)、海馬(緑)、MEG信号源をモデル化するために使用される大脳皮質の3Dモデルを示しています。右のグラフは、時間と周波数によって分解扁桃体から記録MEG信号を表す。暖色はunfiltere有意に多くの電力を示す分光器内の領域を表すdはフィルタリングされた顔よりも直面している。クール色は反対のことを表しています。ストライプのオーバーレイ領域は、グループ間で有意差を表す。 より大きい数字を表示するには、ここをクリックしてください

図7
図7。典型的な空調実験で後頭部顔領域の活性化を示す図。色は、対応する双極子でフィルタなし>フィルターするt検定の大きさを表しています。温かみのある色はフィルタリングされた顔よりもフィルタなし面に大きな応答を表しています。クール色はフィルタなしの顔よりもフィルタ処理面に大きな応答を表しています。

典型的なconditiで皮質応答を示す補足ビデオ。ビデオ実験oning。色が対応する双極子でフィルタなし>フィルターするt検定の大きさを表しています。温かみのある色はフィルタリングされた顔よりもフィルタなし面に大きな応答を表しています。クール色はフィルタなしの顔よりもフィルタ処理面に大きな応答を表しています。 補足ムービーを表示するには、ここをクリック

Discussion

本稿では、トレース·恐怖条件付けパラダイム中にターゲット、CSSの被験者の意識を操作する方法1)を説明します。 2)と意識せずにトレース恐怖条件付けの際扁桃体からのMEG信号を回復する。これらの方法を用いて、我々は、顔UCSを予測するために使用されるときに意識せずにトレース調節が可能であることを示すことができた。この結果は、知覚検出閾値*下回る提示場合でも顔が特別な処理を受けることを示唆している。この結論と一致して私たちは、広いスペクトルは、トレース間隔の間​​に強固な扁桃体の応答とガンマ振動のバーストを呼び起こす直面発見。この結果は、扁桃簡単なトレース間隔の間​​に面CSの表示を維持することができることを示唆している。

一緒に提示されているが、これらの2つの方法も同様に独立して使用することができる。例えば、ターゲットを操作するためにマスキング後方に使用することが可能であるvisibil挙動は意識意識5,6,8 *のレベル以下に処理感情手がかりによって影響を受ける可能性があり、他のパラダイムで性。また、それは他の皮質下の構造の3次元モデルを作成することが可能であり、それは他の領域の特定のタスクの間にこれらの構造体からの信号を回復することが可能である、ここで記述されたソースイメージング法を用いて。例えば、海馬の活動をモデル化するために、ソース·イメージングを用いることにより、空間ナビゲーションなどのタスクの間に海馬のソースからMEG信号を回復することが可能である。

ここで説明する方法は、心の中で二つの目標に設計されました:ターゲット刺激の1)ブロックの認識、2)及びMEGを用いた刺激誘発扁桃体の応答を検出する能力を最大化します。これらの設計上の制約は、それが困難な刺激事態の被験者の暗黙の知識を測定するために行う。たとえば、SCRは、数秒5,13のコースを上に解決しますが、CSSは唯一掲載されてい〜30ミリトレーニング中のため、衝撃は、まもなく(〜900ミリ秒)後に提示されます。これらの時間の制約を考えると、CRの発現は必然的にトレーニング中UCR式によって混同されます。このため、共線性のために、それは、その後のマスクされていないテストセッションを使用して刺激事態の被験者の知識をテストすることが必要である。 SCRは、実験1のコースを上に馴化する傾向があるので、実験の最後にテストセッションは最適ではありません。 MEGと信頼性の高い誘発反応を示すのに必要な試行回数を考えると、このSCRへの慣れは、トレーニングの行動の影響を検出するために、かなりの電力を減少します。今後の研究では、マスクされたCSSで恐怖条件付けの間にインデックス暗黙の学習へのより良い方法を見つけることに焦点を当てるべきである。これは、どちらかの訓練中に恐怖の代替指標を見つけることによって行う( すなわち瞳孔拡張19,20)または投与によりできる恐怖のより敏感な指標を見つけることができますトレーニングセッションの後stered。

Disclosures

著者らは、開示することは何もありません。

Acknowledgments

本研究では、国立精神衛生研究所(MH060668とMH069558)によってサポートされていました。

Materials

Name Company Catalog Number Comments
Software
Matlab Mathworks mathworks.com/products/matlab
Presentation Neurobehavioral Systems neurobs.com
Psylab Contact Precision Instruments psychlab.com
AFNI NIMH - Scientific and Statistical Computing Core afni.nimh.nih.gov/afni
Freesurfer Martinos Center for Biomedical Imaging surfer.nmr.mgh.harvard.edu/fswiki
MNE Martinos Center for Biomedical Imaging nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php
Brainstorm open-source collaboration neuroimage.usc.edu/brainstorm
3d Slicer open-source collaboration slicer.org
Paraview Kitware paraview.org
Table 1. Software used Software used.
Equipment
Physiological Monitoring System
Psylab stand alone monitor (x2) Contact Precision Instruments SAM
Skin conductance amplifier Contact Precision Instruments SC5
Shock stimulator (x2) Contact Precision Instruments SHK1
Additional Components
8-bit synchronization cable (x2) Contact Precision Instruments Included with SAM
8-bit to 2-bit isolation adapter N/A Custom
DB25 ribbon cable (x2) N/A Standard
Shielded extension cable (x3) Contact Precision Instruments CL41
Radiotranslucent cup electrodes for SCR and shock (x6) Biopac EL258-RT
Signa Gel Parker Laboratories 15-250
Response Device
Rotary dial with gameport connector (x2) N/A Custom
Gameport-to-gameport/BNC splitter N/A Custom
BNC cable N/A Standard
Gameport-to-USB adapter (x2) Rockfire RM203U
Additional Components for MEG Setup
HPI coils and wiring harness N/A Custom
HPI positioning system Inition Polhemus Isotrak
Table 2. Equipment used.

DOWNLOAD MATERIALS LIST

References

  1. Knight, D. C., Cheng, D. T., Smith, C. N., Stein, E. A., Helmstetter, F. J. Neural substrates mediating human delay and trace fear conditioning. Journal of Neuroscience. 24, 218-228 (2004).
  2. Knight, D. C., Nguyen, H. T., Bandettini, P. A. The role of awareness in delay and trace fear conditioning in humans. Cognitive, Affective, & Behavioral Neuroscience. 6, 157-162 (2006).
  3. Manns, J. R., Clark, R. E., Squire, L. R. Parallel acquisition of awareness and trace eyeblink classical conditioning. Learning & Memory. 7, 267-272 (2000).
  4. Weike, A. I. I., Schupp, H. T. T., Hamm, A. O. Fear acquisition requires awareness in trace but not delay conditioning. Psychophysiology. 44, 170-180 (2007).
  5. Balderston, N. L., Helmstetter, F. J. Conditioning with masked stimuli affects the timecourse of skin conductance responses. Behavioral Neuroscience. 124, 478-489 (2010).
  6. Flykt, A., Esteves, F., Öhman, A., Ohman, A. Skin conductance responses to masked conditioned stimuli: phylogenetic/ontogenetic factors versus direction of threat. Biological Psychology. 74, 328-336 (2007).
  7. Öhman, A., Carlsson, K., Lundqvist, D., Ingvar, M. On the unconscious subcortical origin of human fear. Physiology & Behavior. 92, 180-185 (2007).
  8. Whalen, P. J., et al. Masked presentations of emotional facial expressions modulate amygdala activity without explicit knowledge. Journal of Neuroscience. 18, 411 (1998).
  9. Huang, M. X., Mosher, J. C., Leahy, R. M. A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG. Physics in Medicine and Biology. 44, 423-440 (1999).
  10. Hämäläinen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Medical & Biological Engineering & Computing. 32, 35-42 (1994).
  11. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience. 2011, 879716-87 (2011).
  12. Rotshtein, P., Vuilleumier, P., Winston, J., Driver, J., Dolan, R. J. Distinct and convergent visual processing of high and low spatial frequency information in faces. Cerebral Cortex. 17, 2713-2724 (2007).
  13. Cheng, D. T., Richards, J., Helmstetter, F. J. Activity in the human amygdala corresponds to early, rather than late period autonomic responses to a signal for shock. Learning & Memory. 14, 485-490 (2007).
  14. Knight, D. C., Smith, C. N., Stein, E. A., Helmstetter, F. J. Functional MRI of human Pavlovian fear conditioning: patterns of activation as a function of learning. Neuroreport. 10, 3665-3670 (1999).
  15. Schultz, D. H., Helmstetter, F. J. Classical conditioning of autonomic fear responses is independent of contingency awareness. Journal of Experimental Psychology Animal Behavior Processes. 36, 495-500 (2010).
  16. Fischl, B., et al. Sequence-independent segmentation of magnetic resonance images. NeuroImage. 23, 69-84 (2004).
  17. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the Signal Space Separation Method. Brain Topography. 16, 269-275 (2004).
  18. Dumas, T., et al. MEG study of amygdala responses during the perception of emotional faces and gaze. 17th International Conference on Biomagnetism Advances in Biomagnetism-Biomag, (2010).
  19. Reinhard, G., Lachnit, H., König, S. Tracking stimulus processing in Pavlovian pupillary conditioning. Psychophysiology. 43, 73-83 (2006).
  20. Reinhard, G., Lachnit, H. Differential conditioning of anticipatory pupillary dilation responses in humans. Biological Psychology. 60, 51-68 (2002).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics