Comment détecter amygdale activité avec magnétoencéphalographie utilisant l'imagerie par Source

Behavior
 

Summary

Cet article décrit comment enregistrer l'activité amygdale avec la magnétoencéphalographie (MEG). En outre cet article va décrire comment mener trace conditionnement de la peur sans conscience, une tâche qui active l'amygdale. Il portera sur 3 thèmes: 1) Conception d'un paradigme de conditionnement de trace à l'aide de masquage en arrière pour manipuler la conscience. 2) l'activité cérébrale d'enregistrement au cours de la tâche en utilisant la magnétoencéphalographie. 3) En utilisant l'imagerie source de signal provenant de structures sous-corticales récupérer.

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

Dans trace conditionnement à la peur d'un stimulus conditionnel (CS) prédit la survenue du stimulus inconditionnel (UCS), qui est présenté après une brève période sans stimulation (intervalle de trace) 1. Parce que le CS et UCS ne pas co-produisent temporairement, le sujet doit maintenir une représentation de cette CS pendant l'intervalle de trace. Chez l'homme, ce type d'apprentissage nécessite la sensibilisation aux risques de relance afin de combler l'intervalle de trace 2-4. Cependant, quand un visage est utilisé comme CS, les sujets peuvent implicitement apprendre à craindre le visage, même en l'absence de prise de conscience explicite *. Cela donne à penser qu'il pourrait y avoir d'autres mécanismes neuronaux capables de maintenir certains types de stimuli "biologiquement pertinentes" pendant un intervalle de trace bref. Étant donné que l'amygdale est impliquée dans le conditionnement de trace, et est sensible aux visages, il est possible que cette structure peut maintenir une représentation d'un visage CS pendant un intervalle de trace bref.

5. La présentation du masque rend la cible invisible 6-8. Deuxièmement, le masquage nécessite une synchronisation très précise et rapide ce qui rend difficile d'enquêter sur les réponses neuronales évoquées par des stimuli masqués à l'aide de nombreuses approches communes. Niveau des réponses de sang d'oxygénation (BOLD) résoudre à un calendrier trop lent pour ce type de méthodologie et réel des techniques d'enregistrement de temps comme électroencéphalogrammecephalography (EEG) et la magnétoencéphalographie (MEG) ont des difficultés signal provenant de sources profondes récupération.

Cependant, il ya eu des progrès récents dans les méthodes utilisées pour localiser les sources de neurones du signal MEG 9-11. En collectant des images IRM de haute résolution du cerveau de l'objet, il est possible de créer un modèle de source basé sur l'anatomie de neurones individuels. En utilisant ce modèle de «l'image» des sources du signal MEG, il est possible de récupérer des signaux de structures sous-corticales profondes, comme l'amygdale et l'hippocampe *.

Protocol

Concevoir un paradigme pour le conditionnement de trace à l'aide de masquage en arrière pour bloquer la sensibilisation

1. Stimuli Design

  1. Concevoir les stimuli pour les deux groupes.
  2. Choisissez 4 expressions neutres provenant de différents individus.
  3. Aligner les faces de telle sorte que la région de l'oeil de chaque face est dans le même emplacement.
  4. Crop les faces à l'aide d'un ovale de sorte que les cheveux, les oreilles, et d'autres fonctions périphériques ne sont plus visibles.
  5. Utilisez la boîte à outils de traitement de signal dans Matlab (Voir le tableau 1 pour les logiciels nécessaires pour faire fonctionner l'expérience) pour créer des images filtrées passe-haut, en supprimant toutes les informations qui sont moins de 5 cycles par degré 12.
  6. Créer le masque par la fusion de plusieurs expressions neutres ensemble, et l'ajout de bruit de haute fréquence spatiale de l'image.
  7. Normaliser toutes les images afin qu'elles aient le même luminance.

2. Programme l'expérience en utilisant Présentation

  1. Programme des phases de test et de formation dans la présentation en utilisant les paramètres décrits ci-dessous (voir Figure 1).
  2. En outre, un programme de fichier séparé (PCC) qui sera utilisé par le logiciel d'acquisition de données PSYLAB lors de l'entraînement et de test, afin de délivrer le choc provoqué par la présentation.
  3. Pour le programme de la session de formation de 4 blocs de différentiel trace conditionnement de la peur avec 15 essais par CS, par bloc.
  4. A chaque essai présenter le CSS pour 30 msec.
  5. A chaque essai présenter le masque pour 970 msec.
  6. Sur chaque essai + CS présenter le choc UCS de 100 msec, de sorte qu'il coterminates avec le masque.
  7. Varier l'emplacement de la combinaison CS / masque de sorte qu'il apparaît de façon aléatoire dans une des quatre quadrants.
  8. Présenter 1 essai tous les 6 ± 2 sec utilisant un intervalle intertrial variable.
  9. Pour la session de contrôle programme 1 bloc de réacquisition avec 5 essais de chaque 5 essais chacun des deux nouveaux CS visage visage CS, et. Afin de maximiser votre capacité à enregistrer les réponses de conductance de la peau (SCRS) au cours des essais de test, présenter le CS pendant 8 secondes.
  10. Sur chaque essai + CS présenter le choc UCS de 100 msec, de sorte qu'il coterminates avec le CS +.
  11. Présenter 1 essai tous les 20 ± 4 secondes en utilisant un intervalle intertrial variable.
  12. Demander sujets à signaler espérance UCS pendant les deux sessions, et enregistrer leurs réponses à l'aide d'un dispositif d'axe compatible IRM / MEG (joystick, un curseur cadran; voir la section 7).
  13. SCR records au cours de la session de test en utilisant des électrodes attachées au fond des participants du pied gauche (voir section 9).

Enregistrement de l'activité cérébrale au cours de la tâche en utilisant la magnétoencéphalographie

3. Configurez équipement pour la formation au MEG Suite (voir la figure 2).

  1. Connectez l'ordinateur de la présentation du stimulus au système d'acquisition MEG aide d'un câble multi norme DB25 connecteur ruban (voir le tableau 2
  2. Connecter l'ordinateur de présentation de stimulus à l'autonome moniteur PSYLAB (SAM) en utilisant les 8 bits d'adaptateur d'isolement 2 bits et le câble de synchronisation.
  3. La logique des impulsions transistor-transistor (TTL) utilisés pour marquer les présentations de relance peuvent causer des artefacts dans les données MEG si elles sont envoyées à la SAM. Pour éviter ces artefacts, marquera le début des stimuli en utilisant uniquement les bits bloqués par l'adaptateur d'isolement.
  4. Connectez le stimulateur de choc (SHK1) à la SAM à l'aide du câble fourni avec l'appareil.
  5. Faire passer le câble d'extension blindé à travers le guide d'onde et le connecter au stimulateur de choc.
  6. Connectez le SAM à un ordinateur exécutant le logiciel d'acquisition de données PSYLAB aide d'un câble USB standard.
  7. Raccorder le bouton rotatif à l'ordinateur de présentation de stimulus (USB) et le système d'acquisition de MEG (BNC) en utilisant le diviseur et le port jeu gameport-to-gameport/BNC-USB adapterer.
  8. Enregistrer deux minutes de données capteurs sans que le sujet de la pièce.

4. Équipement de configuration pour un contrôle à l'IRM Suite

  1. Connectez l'ordinateur de la présentation du stimulus de la SAM en utilisant le câble de synchronisation.
  2. Connecter le stimulateur de chocs (SHK1) et l'amplificateur de conductance de la peau (SC5) pour la SAM en utilisant les câbles fournis avec l'unité.
  3. Faire passer les câbles de rallonge blindés pour SCR et choc à travers le guide d'onde et de les relier à leurs unités respectives.
  4. Connectez le SAM à un ordinateur exécutant le logiciel d'acquisition de données PSYLAB aide d'un câble USB standard.
  5. Connectez le cadran rotatif sur l'ordinateur de la présentation du stimulus utilisant le port jeu à l'adaptateur USB.

5. Sous réserve d'installation pour la formation au MEG Suite (voir la figure 3)

  1. Attacher électrodes et des capteurs à l'objet en utilisant le schéma de la figure 3 en tant que guide.
  2. Appliquez les électrodes jetablessurveiller les clignements des yeux au-dessus et en dessous de l'œil droit du sujet.
  3. Attacher électrodes jetables pour surveiller le rythme cardiaque à l'autre du sujet gauche juste en dessous du coeur et de la poitrine droite juste au-dessous de la clavicule.
  4. Fixer une électrode jetable comme une référence à l'arrière de l'épaule gauche du sujet.
  5. Fixez les deux électrodes de la Coupe de la jambe droite du sujet sur le nerf tibial juste au-dessus de la malléole interne pour administrer le choc.
  6. Fixez 4 têtes indicateur de position (HPI) bobines sur le sujet, un au-dessus de chaque œil et une derrière chaque oreille.
  7. Numérisez la position de la tête du sujet par rapport aux bobines HPI en utilisant des points repères.
  8. En utilisant le système Polhemus, carte la position du nasion du sujet, et à gauche et à droite tragi.
  9. Aligner la position de tête numérique de l'objet par rapport aux points de référence, en s'assurant que les points sont symétriques.
  10. Carte suivante de la position de bobines HPI du sujet.
  11. Enfin, chiffresiser 50-100 points le long du cuir chevelu du sujet.
  12. Escorter le sujet au système MEG et connectez les électrodes et les capteurs à l'interface appropriée.
  13. Branchez l'électrode jetable mène à l'amplificateur du système MEG.
  14. Branchez le faisceau de câblage HPI dans le système MEG.
  15. Branchez l'électrode de choc dans le câble d'extension blindé.
  16. Soulevez le fauteuil afin que la tête de l'objet est en contact avec le haut du casque MEG.
  17. Positionnez l'écran afin que l'image projetée soit au point.

6. Le traitement de choc

  1. Réglez le choc à un niveau que les rapports en question comme douloureux mais supportable.
  2. Bras le stimulateur de choc en tournant la molette de la position 0 mA, la position 5 mA.
  3. Administrer plusieurs présentations du choc à l'aide de la fenêtre de contrôle de relance du logiciel d'acquisition de données PSYLAB.
  4. Après chaque présentation ont le taux objet de l'intensité du choc sur unéchelle de 0 (pas du tout douloureux) à 10 (douloureux mais tolérable).
  5. Augmenter progressivement l'intensité du choc jusqu'au taux le sujet comme un 10.
  6. Notez la valeur de l'échelle dans la zone de valeur de paramètre dans la fenêtre Détails sujet, les chocs seront administrés au cours de l'expérience à la valeur indiquée dans cette case.

7. dispositif de réponse

  1. Demandez au sujet de l'utilisation appropriée du cadran à l'aide d'un exemple de scénario de présentation.
  2. Instructions:. "Déplacez le curseur tout le chemin à droite (100), si vous êtes absolument sûr que vous recevrez une présentation de la stimulation dans un proche avenir Déplacer le curseur tout le chemin à gauche (0) si vous êtes sûr que vous ne recevrez pas de stimulation dans un proche avenir. Déplacez le curseur au milieu (50) si vous n'êtes pas sûr si oui ou non vous allez recevoir la stimulation dans un proche avenir. "

8. MEG d'enregistrement lors de l'entraînement

  1. Record deux minutes de données brutes à 2 kHz, alors que le sujet repose les yeux ouverts.
  2. Avant de commencer la formation codes d'événement d'enregistrement et de délivrance d'un choc à l'aide du logiciel d'acquisition de données PSYLAB.
  3. Assurez-vous que PSYLAB exécute le code de bonne PCC pour qu'il envoie le choc lorsqu'elle est déclenchée par l'ordinateur.
  4. Enregistrer des données brutes à 2 kHz pendant chacune des quatre courses d'entraînement.
  5. Notez moyennes ligne comme un moyen d'inspecter visuellement les données en temps réel pour les sources systématiques de bruit.
  6. Demandez au sujet d'évaluer l'intensité du choc après chaque course pour évaluer l'accoutumance.

9. Objet de configuration pour un contrôle à l'IRM Suite

  1. Escorter le sujet de la suite MEG à la salle d'IRM.
  2. Rattacher les électrodes de choc et réétalonner l'intensité du choc.
  3. Fixez les deux électrodes de la coupe au fond du pied gauche de l'objet à surveiller SCR.
  4. Assurez-vous que le sujet comprend encore comment utiliser tappareil qu'il réponse.
  5. Placez le sujet sur la table IRM, assurer leur tête, et branchez le RCS et l'électrode de choc conduit à des câbles blindés correspondants.
  6. Positionner le miroir fixé à la bobine de la tête de sorte que le participant peut voir l'écran placé derrière la bobine de la tête.

10. IRMf d'enregistrement au cours des essais

  1. Recueillir des images anatomiques haute résolution (SPGR).
  2. niveau de sang-oxygénation Notez les réponses à charge pendant la session de test en utilisant des paramètres d'imagerie standards (TR = 2 sec; TE = 25 ms; fleld de vue = 24 cm; angle de bascule = 90 °).
  3. Après des tests ont fait l'objet compléter un questionnaire post expérimental.

En utilisant l'imagerie source de signal provenant de structures sous-corticales récupérer.

11. Analyser les données comportementales et IRMf

  1. Utilisez l'espérance UCS afin de déterminer si les sujets étaient capables de distinguer entre les stimuli.
  2. Moyenneles données sur l'espérance UCS pour le msec intervalle 900 et trace la période de référence de 900 msec précédent pour chaque essai.
  3. Soustraire la valeur de la période de référence de la valeur pour l'intervalle de trace afin de déterminer comment le sujet a bougé le cadran après la présentation du stimulus.
  4. Effectuer un type CS par procès mesures répétées ANOVA inter-sujets.
  5. Analyser les données comportementales et IRMf de la séance d'essais selon les normes publiées antérieurement 5,13-15.

12. Preprocess IRM Volume

  1. Utilisation Freesurfer 16 pour créer un volume sous-corticale segmenté, et les surfaces de l'écorce, de la peau externe, et le crâne extérieure.
  2. Convertir des volumes et des surfaces de format lisible AFNI.
  3. Exécuter importsurfaces.csh - la première fois que vous lancez le programme, il va copier tous les fichiers dont vous avez besoin dans le dossier d'un nouveau «modèle» dans le dossier de segmentation de chaque sujet. Il permettra également de créer un fichier 'importsurface.mrml' qui est utilisé pour créer le surfmodèles As de l'amygdale et l'hippocampe.
  4. Créer et convertir l'amygdale et l'hippocampe volumes en surfaces à l'aide Slicer3 et Paraview.
    1. Exécuter Slicer3 importsurface.mrml à partir du répertoire «modèle» du sujet. Cela va charger les surfaces et les volumes en 3dslicer.
    2. Générer des modèles de l'amygdale et l'hippocampe, enregistrer des modèles comme la structure {}. Vtk.
    3. Importez des fichiers. VTK dans paraview.
    4. Faites fonctionner l'épurateur "générer normales de la surface."
    5. Exporter normales de la surface pour Amy et Hipp que {} la structure des fichiers. Plis (ASCII).
  5. Importez les surfaces et les volumes IRM dans un remue-méninges.
  6. Exécuter importsurfaces.csh nouveau - cela va convertir les surfaces dans des fichiers qui peuvent être lus par Matlab et permet de copier tous les {} tess_ la structure des fichiers de tapis dans le répertoire de base de données remue-méninges..
  7. Assurez-vous que vous avez déjà créé le sujet dans un remue-méninges avant de copier la structure tess_ {}. Fichiers tapis de réfléchir dossier (voir l'étape 14.1).
  8. Once vous obtenez les surfaces en Brainstorm veillez à actualiser la base de données.
  9. Déformer le volume IRM dans l'espace norme en identifiant les points de référence.
  10. Aligner manuellement surface du cuir chevelu avec l'IRM, puis appliquer la chaîne de toutes les autres surfaces.
  11. Fusionner les deux surfaces de pie-mère et de réduire le nombre total de sommets pour 15 000.
  12. Fusionner les deux surfaces hippocampe et réduire le nombre total de sommets à 2000.
  13. Fusionner les deux surfaces amygdale et de réduire le nombre total de sommets à 1000.
  14. Fusionner les surfaces piales, l'hippocampe et l'amygdale.
  15. Créer des régions d'intérêt (scouts) pour l'amygdale et l'hippocampe.

13. Prétraiter les enregistrements MEG aide Remue-méninges 11

  1. Créer un nouveau sujet dans la base de données remue-méninges.
  2. Importez le fichier d'enregistrement MEG pour chaque session de formation.
  3. Supprimer les artefacts causés par des sources extérieures de la salle à blindage magnétique (MSR) en utilisant l'espace de signalséparation 17.
  4. Supprimer les artefacts causés par les battements cardiaques et les mouvements oculaires en utilisant les projections de l'espace des signaux d'événements identifiés sur l'électrocardiogramme (ECG) et électro-oculographie canaux (EOG).
  5. Inspectez les enregistrements pour s'assurer que Brainstorm rythme cardiaque correctement identifié et événements clignements des yeux.
  6. Inspectez les enregistrements pour d'autres sources possibles de bruit.
  7. Inspectez les données évoquées créées à partir des moyennes en ligne pour les sources systématiques d'artefact.
    1. Notez que les impulsions TTL utilisés pour marquer le début des stimuli peuvent provoquer des artefacts dans les enregistrements si elle est envoyée à l'unité SAM PSYLAB.
    2. Envoyer seulement des impulsions TTL nécessaire pour administrer le choc à l'unité SAM et isoler l'appareil à partir des impulsions restantes à l'aide de la 8-bit à l'adaptateur d'isolement 2 bits.

14. Analyser les réponses évoquées à l'aide de remue-méninges

  1. Utilisez la chaîne des événements pour identifier époques (-200 ms à 900 ms) correspondantpour chacun des essais expérimentaux.
  2. Affiner enregistrement IRM utilisant des points de la tête.
  3. Calculer la covariance du bruit à partir d'enregistrements.
  4. Calculer modèle de tête qui se chevauchent méthode des sphères avec cortex comme entrée.
  5. Calculer sources en utilisant la méthode estimation minimale norme 10.
  6. Poursuivre l'analyse des sources.
  7. sources de filtres passe-bande pour les essais individuels (1 Hz à 20 Hz).
  8. Prendre la valeur absolue de la passe-bande filtrés sources et convertir ces valeurs de z-scores en fonction de la variabilité du niveau de référence.
  9. Spatialement lisser les sources (sigma = 5 mm).
  10. Sources moyens dans les essais.
  11. Projeter les moyennes sur l'anatomie par défaut pour l'expérience.
  12. Calculer tests t sur les sources dans les différentes conditions.
  13. Résultats significatifs Filtre t-test à l'aide des seuils spatiales et temporelles pour corriger l'erreur famille Sage.
  14. Identifier les régions significativement activées et exporter le cours du temps de cavation pour chaque sujet.
  15. Calculer la moyenne et l'erreur standard de la moyenne dans toutes les disciplines à chaque point de temps.

15. Effectuer décompositions temps-fréquence sur le ROI en utilisant un remue-méninges

  1. Projeter les données brutes des essais individuels sur l'anatomie par défaut pour l'expérience.
  2. Identifier et créer des zones d'intérêt de l'analyse de la réponse évoquée ou d'anatomo-fonctionnelle des hypothèses a priori.
  3. Calculer décompositions temps-fréquence des données de votre ROI pour chaque essai en utilisant des paramètres standard (fréquence centrale = 1 Hz, le temps de résolution [FWHM] = 3 sec; gamme de fréquences = 10:90 Hz; résolution fréquence = 1 Hz).
  4. Convertir résultant cartes de décomposition temps-fréquence à z-scores.
  5. Moyenne des cartes obtenues à travers des essais pour chaque sujet.
  6. Effectuer des tests t sur les cartes dans les différentes conditions.

Representative Results

En utilisant les méthodes décrites ici, nos investigations ont abouti à deux grandes conclusions: 1) il est possible de manipuler la conscience visuelle de corticostéroïdes pendant le conditionnement de trace, et encore montrer des preuves de l'apprentissage. 2) Il est possible de récupérer les signaux MEG de l'amygdale en utilisant l'imagerie source *.

Dans la section 2, nous avons décrit comment manipuler la conscience du visuel CSS avec masquage en arrière. Lorsqu'ils sont exposés à un stimulus masqué qui est affiché pour ~ 30 ms, les sujets sont généralement pas au courant de la présentation du stimulus 5,6,8 *. Une façon de vérifier la réussite de cette manipulation est de mesurer la capacité des sujets de prédire la survenue de l'UCS. Si la manipulation de masquage est un succès, les sujets devraient être incapables de prédire avec précision l'apparition de l'UCS en fonction du type CS (voir la figure 4).

Bien que le calendrier de ce type de formation, il est difficile de mesurer directement leAVERTISSEMENT lors de la session de formation. Il est possible de mesurer indirectement apprentissage en les exposant à une séance d'essais de réacquisition démasqué ultérieure avec anciens et nouveaux stimuli 5 *. Si les sujets sont capables d'apprendre au sujet des risques pendant la phase de formation, ils devraient montrer plus d'ampleur différentiel (CS +> CS-) SCR à l'ancien stimuli relatifs aux nouveaux stimuli. Cet effet se manifeste dans le groupe non filtré quand on regarde les essais essais de phase après que les sujets ont été ré-exposés au CS-UCS éventualités (c. Trials 2-5; voir figure 4).

Dans la section 8, nous avons décrit comment enregistrer MEG pendant la masqué session de conditionnement de trace. En utilisant l'imagerie de la source à traiter ces enregistrements, il est possible de récupérer des signaux MEG de structures sous-corticales comme l'amygdale 18 *. Sujets présentés visage non filtré (N = 9) CS présentent les grandes réponses amygdale (figure 5) et le GAMoscillations Ma (figure 6) que les sujets indiqués visages filtrage passe-haut (N = 9). En outre, ces sujets montrent également des réponses plus importantes dans un réseau de zones de traitement pour le visage comme la zone du visage occipital (Figure 7 et complémentaire vidéo).

Figure 1
Figure 1. Schéma illustrant une séance d'entraînement typique. Présent 60 essais d'un CS + et 60 épreuves d'un CS-, afin pseudo-aléatoire, telle qu'il ya 4 blocs de 15 essais chacun. Présenter le CSS pour 30 ms, immédiatement suivie par un masque 970 msec que coterminates avec le choc UCS sur CS + essais.

Figure 2
Figure 2. Schéma depicting l'équipement utilisé dans une expérience typique de conditionnement Cette configuration permet de: 1.) présents stimuli visuels via le logiciel de présentation, 2) d'administrer une stimulation électrique UCS via le matériel Psylab (SAM), 3) enregistrer l'espérance UCS l'aide d'un axe appareil (sélecteur) relié à l'ordinateur de présentation, et 4) la synchronisation des présentations de relance et de réponses avec les enregistrements MEG via l'interface du système d'acquisition MEG.

Figure 3
Figure 3. Illustration montrant l'emplacement de chacun des capteurs et des points de référence décrites au chapitre 5. Points avec des lignes ci-jointes correspondent aux capteurs étiquetés et de prospects. Les flèches bleues représentent les points de référence utilisés pour enregistrer les enregistrements MEG avec le volume d'IRM anatomique. Point Violets représentent des points du cuir chevelu numérisés utilisés pour affiner le recalage MEG-IRM.

Figure 4
Figure 4. Résultats d'une étude de comportement typique de conditionnement. Le graphique de gauche montre l'espérance UCS à travers la session de formation, s'est effondré dans les groupes non filtrée et filtrée. Notez que les sujets montrent des niveaux similaires d'espérance UCS pour le CS-à travers les 60 essais CS + et, ce qui suggère que la procédure de masquage bloqué leur capacité à discriminer entre le CSS (F (1,17) = 2,19, p = 0,16). Le graphique de droite montre les thyristors différentiels au cours de la session de test. Notez que la non filtré, mais pas le groupe filtré semble montrer plus SCR différentielles aux anciens stimuli que les nouveaux stimuli (Unfiltered Neuf / Old x CS + / CS-interaction: F (1,7) = 5,94, p = 0,045; filtré New / Old x CS + / CS-interaction: F (1,7) = 1,13, p = 0,32), ce qui suggère que la formation conduit à une meilleure réacquisition des associations CS-UCS pour ces sujets. (* P <0,05).

Figure 5
Figure 5. MEG résultats d'une expérience typique de conditionnement. L'illustration de gauche montre les modèles 3D de l'amygdale (orange), l'hippocampe (vert), et le cortex cérébral utilisé pour modéliser les sources du signal MEG. Le graphique de droite représente l'activité d'un cluster amygdale modélisé à partir des enregistrements MEG. La ligne de couleur pâle représente l'activité évoquée par les visages non filtrés, tandis que la ligne foncée représente l'activité évoquée par les visages filtré. Vesections grisées rticale représentent des intervalles de temps où les visages non filtrés évoquer des réponses significativement plus que les visages filtrées (F (1,17)> 3,44, p <0,05). Cliquez ici pour agrandir la figure .

Figure 6
Figure 6. Amygdale temps résultats de fréquence à partir d'une expérience typique de conditionnement. L'illustration de gauche montre les modèles 3D de l'amygdale (orange), l'hippocampe (vert), et le cortex cérébral utilisé pour modéliser les sources du signal MEG. Le graphique de droite représente le signal MEG enregistré à partir de l'amygdale décomposé par le temps et la fréquence. Les couleurs chaudes représentent les régions du spectrographe qui montrent beaucoup plus de puissance pour unfiltereD face à des visages filtrés. Les couleurs froides représentent le contraire. Les régions où la superposition rayé représentent des différences significatives entre les groupes. Cliquez ici pour agrandir la figure .

Figure 7
Figure 7. Figure démontrant activation de surface de la face occipitale dans une expérience typique de conditionnement. Couleurs représentent l'ampleur du test-t non filtré> filtré à l'dipôle correspondant. Les couleurs chaudes représentent les réponses à grands visages non filtrés que de visages filtré. Les couleurs froides représentent les réponses à grands visages filtrées que les visages non filtrés.

Vidéo supplémentaire. Vidéo montrant réponses corticales dans une conditi typiqueoning expérience. Couleurs représentent l'ampleur du test-t non filtré> filtré à l'dipôle correspondant. Les couleurs chaudes représentent les réponses à grands visages non filtrés que de visages filtré. Les couleurs froides représentent les réponses à grands visages filtrées que les visages non filtrés. Cliquez ici pour voir le film supplémentaire .

Discussion

Dans cet article, nous décrivons les méthodes 1) pour manipuler la conscience des sujets de l'objectif CS au cours d'une trace conditionnement de la peur paradigme. 2) et de récupérer les signaux MEG de l'amygdale lors trace conditionnement de la peur sans conscience. En utilisant ces méthodes, nous avons pu montrer que le conditionnement de trace sans conscience n'est possible lorsque les visages sont utilisés pour prédire l'UCS. Ce résultat suggère que les visages reçoivent un traitement spécial, même lorsqu'ils sont présentés ci-dessous du seuil de détection perceptive *. Conformément à cette conclusion, nous avons constaté que large éventail face à susciter des réponses et des éclats d'oscillations gamma amygdale robustes pendant l'intervalle de trace. Ce résultat suggère que l'amygdale est capable de maintenir une représentation d'un visage CS pendant un intervalle de trace bref.

Bien que présentés ensemble, ces deux méthodes peuvent être utilisées de façon autonome ainsi. Par exemple, il est possible d'utiliser en arrière-cache pour manipuler cible visibiment dans d'autres paradigmes où le comportement peut être affectée par les signaux émotionnels transformés en dessous du niveau de conscience conscience 5,6,8 *. En outre, en utilisant l'approche d'imagerie source décrite ici, il est possible de créer des modèles 3D d'autres structures sous-corticales, et il peut être possible de récupérer des signaux de ces structures au cours d'autres tâches spécifiques de la région. Par exemple, en utilisant l'imagerie source pour modéliser l'activité hippocampique, il peut être possible de récupérer signaux MEG à partir de sources hippocampe lors de tâches comme la navigation spatiale.

Les méthodes décrites ici ont été conçus avec deux objectifs en tête: 1) la sensibilisation du bloc des stimuli cibles, 2) et de maximiser la capacité de détecter relance réponses amygdale évoqués à l'aide de MEG. Ces contraintes de conception, il est difficile de mesurer la connaissance implicite des sujets des contingences de relance. Par exemple, le SCRS résoudre au cours de plusieurs secondes 5,13, ​​mais le CS ne sont présentéspour ~ 30 ms pendant la formation, et le choc est présentée peu de temps après (~ 900 msec). Compte tenu de ces contraintes de temps, d'expression CR sera inévitablement compliquée par l'expression du DUC pendant la formation. En raison de cette colinéarité, il est nécessaire de tester les connaissances des sujets des contingences de relance en utilisant une session de test démasqué ultérieure. Cependant, une session de test à la fin de l'expérience n'est pas optimale car SCR ont tendance à s'habituer au cours de l'expérience 1. Compte tenu du nombre d'essais nécessaires pour montrer les réponses évoquées fiables avec MEG, cette accoutumance SCR diminue considérablement le pouvoir de détecter un effet comportemental de la formation. Les études futures devraient se concentrer sur la recherche de meilleures façons d'index apprentissage implicite lors conditionnement de la peur avec masqué CSS. Cela pourrait être fait soit en trouver un autre indice de la peur au cours de la formation (dilatation de la pupille 19,20) ou de trouver une mesure plus sensible de la peur qui peut être adminiSTERED après la session de formation.

Disclosures

Les auteurs n'ont rien à révéler.

Acknowledgments

Cette étude a été financée par le National Institute of Mental Health (MH060668 et MH069558).

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