Hvordan oppdage Amygdala aktivitet med magnetoencefalografi hjelp Source Imaging

Behavior
 

Summary

Denne artikkelen beskriver hvordan du tar opp amygdala aktivitet med magnetoencefalografi (MEG). I tillegg denne artikkelen vil beskrive hvordan gjennomføre spor frykt condition uten bevissthet, en oppgave som aktiverer amygdala. Det vil dekke tre temaer: 1) Å designe et spor condition paradigme hjelp bakover maskering å manipulere bevisstheten. 2) Opptak hjernens aktivitet under oppgaven ved hjelp magnetoencefalografi. 3) Bruk kilde bildebehandling for å gjenopprette signalet fra subcortical strukturer.

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

I spor frykt condition en betinget stimulus (CS) spår forekomsten av den ubetingede stimulus (UCS), som presenteres etter en kort stimulus friperiode (trace intervall) 1. Fordi CS og UCS ikke co-skje tidsmessig, må emnet opprettholde en representasjon av den CS under sporingen intervallet. Hos mennesker, krever denne typen læring bevissthet om stimulans situasjoner for å bygge bro over spor intervallet 2-4. Men når et ansikt brukes som CS, kan fagene implisitt lære å frykte ansiktet, selv i fravær av eksplisitt bevissthet *. Dette tyder på at det kan være ytterligere Nervemekanismene stand til å opprettholde visse typer "biologisk relevant" stimuli under et kort intervall spor. Gitt at amygdala er involvert i spor condition, og er sensitiv til flatene, er det mulig at denne struktur kan opprettholde en representasjon av et ansikt CS under et kort intervall spor.

fem. Presentasjonen av masken gjengir målet usynlig 6-8. Sekund, krever maskering svært rask og presis timing gjør det vanskelig å undersøke nevrale responser fremkalt av maskerte stimuli ved hjelp av mange felles tilnærminger. Blod-oksygenering nivå avhengige (BOLD) responser løse på en tidsskala for treg for denne type metodikk, og sanntidsopptak teknikker som electroencephalography (EEG) og magnetoencefalografi (MEG) har vanskeligheter utvinne signal fra dype kilder.

Imidlertid har det vært de siste fremskritt i de metodene som brukes for å lokalisere de nevrale kildene til MEG signal 9-11. Ved å samle høyoppløselige MRI-bilder av fagets hjernen, er det mulig å skape en kilde modell basert på individuell nevrale anatomi. Ved hjelp av denne modellen til "image" kildene til MEG signal, er det mulig å gjenopprette signalet fra dype subcortical strukturer, som amygdala og hippocampus *.

Protocol

Designe et spor condition paradigme hjelp bakover maskering å blokkere bevissthet

En. Design Stimuli

  1. Design stimuli for de to gruppene.
  2. Velg fire nøytrale uttrykk fra ulike individer.
  3. Juster flatene slik at øyet region av hvert ansikt er på samme sted.
  4. Beskjære ansiktene ved hjelp av en oval slik at håret, ørene, og andre ytre funksjoner er ikke lenger synlig.
  5. Bruk signalbehandling verktøykasse i Matlab (Se tabell 1 for programvare som er nødvendig for å kjøre eksperimentet) for å lage high-pass filtrert bilder, ved å fjerne all informasjon som er færre enn fem sykluser per grad 12.
  6. Lag masken ved å slå sammen flere nøytrale uttrykk sammen, og legge høy romlig frekvens støy i bildet.
  7. Normalisere alle bildene slik at de har lik lysstyrke.

2. Program forsøket ved hjelp Presentasjon

  1. Program trening og testing faser i Presentasjon med parameterne beskrevet nedenfor (se figur 1).
  2. I tillegg program en egen fil (PCC) som vil bli brukt av PSYLAB datainnsamling programvarepakke under trening og testing, for å levere sjokk utløst av presentasjon.
  3. For treningsøkten program fire blokker av differensial spor frykt condition med 15 forsøk pr CS, per blokk.
  4. På hvert forsøk presentere CSS for 30 millisekunder.
  5. På hvert forsøk presentere masken for 970 ms.
  6. På hver CS + trial presentere sjokk UCS etter 100 msek, slik at den coterminates med masken.
  7. Variere plasseringen av CS / maske kombinasjon slik at det tilfeldig vises i en av fire kvadranter.
  8. Presentere en rettssak hver 6 ± 2 sek ved hjelp av en variabel intertrial intervall.
  9. For testøkt program en blokk med reacquisition med fem studier av hvert ansikt CS, og fem forsøk hver på to nye ansikt CSS. For å maksimere din evne til å ta opp Hudledeevnen svar (SCR) under testing prøvelser, presentere CS for 8 sek.
  10. På hver CS + rettssaken presentere sjokk UCS for 100 millisekunder, slik at det coterminates med CS +.
  11. Presentere en rettssak hver 20 ± 4 sek ved hjelp av en variabel intertrial intervall.
  12. Instruere fag for å rapportere UCS forventet under begge øktene, og spille inn sine svar ved hjelp av en MR / MEG kompatibel aksen enhet (joystick, slider, dial, se kapittel 7).
  13. Record SCR under testing økten ved hjelp av elektroder festet til bunnen av deltakerne venstre fot (se kapittel 9).

Opptak hjernens aktivitet under oppgaven ved hjelp magnetoencefalografi

3. Oppsett Utstyr for trening på MEG Suite (Se figur 2).

  1. Koble stimulus presentasjon datamaskinen til MEG oppkjøpet systemet ved hjelp av en standard DB25 multikontakten bånd kabel (Se tabell 2
  2. Koble stimulus presentasjon datamaskinen til PSYLAB frittstående skjerm (SAM) med 8-bits til to-bits isolasjon adapter og synkroniseringen kabelen.
  3. De transistor-transistor logikk (TTL) pulser brukes til å markere stimulans presentasjoner kan forårsake artefakter i MEG data hvis de blir sendt til SAM. For å unngå disse gjenstandene, markerer utbruddet av stimuli ved hjelp av bare biter blokkert av isolasjon adapter.
  4. Koble sjokk stimulator (SHK1) til SAM ved hjelp av kabelen som følger med enheten.
  5. Passere den skjermede skjøteledning gjennom wave guide og koble den til sjokk stimulator.
  6. Koble SAM til en datamaskin som kjører PSYLAB datainnsamling programvare ved hjelp av en standard USB-kabel.
  7. Koble dreiebryteren stimulans presentasjon datamaskinen (USB) og MEG oppkjøpet system (BNC) med gameport-to-gameport/BNC splitter og spilleutgang-til-USB tilpasseeh.
  8. Spille inn to minutter av sensordata uten motivet i rommet.

4. Oppsett Utstyr for testing på MR Suite

  1. Koble stimulus presentasjon datamaskinen til SAM ved hjelp av synkronisering kabelen.
  2. Koble sjokk stimulator (SHK1) og hudledeevnen forsterker (SC5) til SAM med kablene som følger med enheten.
  3. Før de skjermede skjøteledninger for SCR og sjokk gjennom wave guide og koble dem til sine respektive enheter.
  4. Koble SAM til en datamaskin som kjører PSYLAB datainnsamling programvare ved hjelp av en standard USB-kabel.
  5. Koble dreiebryteren stimulans presentasjon datamaskinen ved hjelp spilleutgang til USB adapter.

5. Oppsett Emne for opplæring på MEG Suite (se figur 3)

  1. Fest elektroder og sensorer til motivet ved hjelp av skjematisk i figur 3 som en guide.
  2. Fest engangselektroder tilmonitor eyeblinks over og under motivets høyre øye.
  3. Fest engangselektroder å overvåke pulsen til motivets venstre side like under hjertet og til høyre brystet rett under kragebeinet.
  4. Fest en engangs-elektrode som en referanse til baksiden av pasientens venstre skulder.
  5. Fest to cup elektrodene til pasientens høyre ben over høyre tibial nerve ovenfor mediale malleolus å administrere sjokk.
  6. Fest 4 hode posisjon indikatoren (HPI) spoler til emnet, en over hvert øye og en bak hvert øre.
  7. Digitalisere posisjonen til forsøkspersonens hode i forhold til HPI spoler ved hjelp fiducial punkter.
  8. Bruke Polhemus system, kart plasseringen av motivets Pannetøtten, og venstre og høyre tragi.
  9. Juster motivets digital hode posisjon i forhold til de fiducial poeng, og pass på at punktene er symmetriske.
  10. Neste map posisjonen til fagets HPI spoler.
  11. Til slutt, sifferize 50-100 punkter langs motivets hodebunnen.
  12. Eskortere underlagt MEG systemet og kobler elektrodene og sensorer til den aktuelle grensesnittet.
  13. Plugg disponibel elektrode fører inn i MEG-systemet forsterkeren.
  14. Plugg HPI ledningsnettet inn i MEG-systemet.
  15. Plugg sjokk elektrode fører i den skjermede skjøteledning.
  16. Heve stolen slik at motivet hode berører toppen av MEG hjelm.
  17. Plasser skjermen slik at det projiserte bildet er i fokus.

6. Shock Opparbeiding

  1. Sett sjokk til et nivå som faget rapporter som smertefullt, men utholdelig.
  2. Arm sjokket stimulator ved å dreie skiven fra 0 mA posisjon 5 mA posisjon.
  3. Administrere flere presentasjoner av sjokket ved hjelp av stimuluskontroll vinduet fra PSYLAB datainnsamling programvarepakken.
  4. Etter hver presentasjon ha faget hastighet intensiteten av sjokk på enskala fra 0 (ikke i det hele tatt smertefull) til 10 (men smertefulle tålelig).
  5. Gradvis økning av intensiteten av sjokk inntil emnet priser det som en 10.
  6. Registrer verdien fra skalaen i parameterverdien boksen i faget detaljer vinduet; sjokk vil bli administrert under forsøket på verdien som er angitt i denne boksen.

7. Response Device

  1. Instruere emnet på riktig bruk av ekstern hjelp et eksempel Presentasjon scenario.
  2. Instruksjoner:. "Flytt markøren helt til høyre (100) Hvis du er helt sikker på at du vil få en presentasjon av stimulering i nær fremtid Flytt markøren helt til venstre (0) hvis du er sikker at du ikke vil motta en stimulering i nær fremtid. Flytt markøren til midten (50) hvis du er usikker på om du vil motta stimulering i nær fremtid. "

8. Record MEG under trening

  1. Record to minutter av rådata ved 2 kHz, mens faget hviler med øynene åpne.
  2. Før treningen begynner opptak event koder og sjokk levering ved hjelp av PSYLAB datainnsamling programvare.
  3. Vær sikker på at PSYLAB kjører riktig PCC-koden slik at den sender sjokk når den utløses av datamaskinen.
  4. Spille inn rådata på 2 kHz under hver av de fire trening går.
  5. Spille online gjennomsnitt som en måte å visuelt inspisere data i sanntid for systematiske kilder til støy.
  6. Spør underlagt vurdere intensiteten i sjokk etter hvert løp for å vurdere tilvenning.

9. Oppsett Emne for testing på MR Suite

  1. Eskortere emnet fra MEG suite til MR suite.
  2. Fest sjokk elektroder og kalibrere intensiteten av sjokk.
  3. Fest to cup elektrodene til bunnen av fagets venstre fot å overvåke silisiumlikerettere.
  4. Sørg for at faget fortsatt forstår hvordan du bruker tHan respons enhet.
  5. Plasser motivet på MR tabellen, sikre deres hode, og koble SCR og sjokk elektrode fører til tilsvarende skjermede kabler.
  6. Plasser speil festet til hodet spiral slik at deltakeren kan se skjermen plassert bak hodet spiral.

10. Record fMRI under testing

  1. Samle høyoppløselige anatomiske bilder (SPGR).
  2. Ta opp blod-oksygenering nivå avhengige reaksjoner under testing økten ved hjelp av standard bildebehandling parametere (TR = 2 sek; TE = 25 ms; fleld av view = 24 cm, flip vinkel = 90 °).
  3. Etter testing har faget fullføre en post eksperimentell spørreskjema.

Bruke kilde bildebehandling for å gjenopprette signalet fra subcortical strukturer.

11. Analyser Behavioral og fMRI data

  1. Bruk UCS forventet å bestemme om fag var i stand til å diskriminere mellom de stimuli.
  2. GjennomsnittligUCS Forventet data for 900 msek spor intervall og foregående 900 msek baseline periode for hvert forsøk.
  3. Trekke verdien for grunnlinjen perioden fra verdien for spor intervall for å avgjøre hvordan faget flyttet skiven etter at stimulus presentasjon.
  4. Utfør en CS typen ved prøving gjentatt tiltak ANOVA på tvers av fag.
  5. Analyser atferdsmessige og fMRI data fra testøkt brukte tidligere publiserte standarder 5,13-15.

12. Preprocess MR Volume

  1. Bruk Freesurfer 16 for å skape en segmentert subkortikal volum, og overflatene av hjernebarken, ytre hud, og ytre skallen.
  2. Konverter volumer og overflater til AFNI lesbart format.
  3. Kjør importsurfaces.csh - første gang du kjører programmet vil kopiere alle filene du trenger til en ny "modell"-mappen i hvert fag segmentering mappe. Det vil også skape en "importsurface.mrml 'fil som brukes til å lage surfess modeller av amygdala og hippocampus.
  4. Lag og konvertere amygdala og hippocampus volum i overflater ved hjelp Slicer3 og Paraview.
    1. Kjør Slicer3 importsurface.mrml fra fagets "modell" katalogen. Dette vil laste overflater og volumer i 3dslicer.
    2. Generere modeller av amygdala og hippocampus, lagre modeller som {struktur}. Vtk.
    3. Import. VTK filer til paraview.
    4. Kjør filtrere "generere overflaten normaler."
    5. Eksportere overflaten normaler for Amy og hipp som {struktur}. Ply (ascii-filer).
  5. Importere overflater og MRI volum i Brainstorm.
  6. Kjør importsurfaces.csh igjen - dette vil konvertere overflatene til filer som kan leses av Matlab og vil kopiere all tess_ {struktur} matte filene inn i Brainstorm database katalogen..
  7. Sørg for at du allerede har opprettet faget i Brainstorm før du kopierer tess_ {struktur}. Matte filer til Brainstorm mappe (Se trinn 14.1).
  8. ONCE du få flatene inn Brainstorm pass på å oppdatere databasen.
  9. Deformere MR volum i standard plass ved å identifisere de fiducial poeng.
  10. Manuelt justere hodebunnen overflaten med MR, deretter bruke warp til alle andre overflater.
  11. Slå sammen de to overflatene pial og redusere det totale antall hjørner til 15.000.
  12. Slå sammen de to overflatene hippocampus og redusere det totale antall hjørner til 2,000.
  13. Slå sammen de to overflatene amygdala og redusere det totale antall hjørner til 1000.
  14. Flette pial, hippocampus, og amygdala overflater.
  15. Lag regioner av interesse (speidere) for amygdala og hippocampus.

13. Preprocess MEG Recordings hjelp Brainstorm 11

  1. Lag nytt emne i Brainstorm database.
  2. Importere MEG innspillingen filen for hver treningsøkt.
  3. Fjern gjenstander forårsaket av kilder utenfor magnetisk skjermet rom (MSR) ved hjelp av signal plassseparasjon 17.
  4. Fjern gjenstander forårsaket av hjerteslag og øyebevegelser ved hjelp signal plass anslag fra hendelser som identifiseres på EKG (EKG) og electrooculography (EOG) kanaler.
  5. Inspisere opptakene for å sikre at Brainstorm korrekt identifisert hjerteslag og eyeblinks hendelser.
  6. Inspisere opptakene for andre mulige kilder til støy.
  7. Inspiser fremkalt data som er opprettet fra den elektroniske gjennomsnitt for systematisk kilder til gjenstand.
    1. Legg merke til at TTL pulser brukes til å markere starten av stimuli kan føre til artefakter i opptakene hvis de sendes til PSYLAB SAM-enheten.
    2. Sende bare TTL pulser nødvendig for å administrere sjokk til SAM-enheten og isolere enheten fra de gjenværende pulser ved hjelp av 8-bits til to-bits isolasjon adapter.

14. Analyser fremkalt Responses hjelp Brainstorm

  1. Bruke arrangementet kanal for å identifisere epoker (-200 ms til 900 ms) tilsvarendetil hver av de eksperimentelle forsøk.
  2. Avgrense MR registrering ved hjelp av hodet poeng.
  3. Beregn støy samvariasjon fra innspillinger.
  4. Beregn hodet modell med overlappende sfærer metode med cortex som input.
  5. Beregn kilder ved hjelp av minimum-norm estimat metode 10.
  6. Fortsett analyse på kilder.
  7. Båndpassfilteret kilder for individuelle studier (1 Hz til 20 Hz).
  8. Ta den absolutte verdien av band-pass filtrert kilder og konvertere disse verdiene til z-skårer basert på baseline variabilitet.
  9. Romlig glatte kildene (sigma = 5 mm).
  10. Gjennomsnittlig kilder på tvers av studier.
  11. Projisere gjennomsnitt på standard anatomi for forsøket.
  12. Beregn t-tester om kildene på tvers av de forskjellige forhold.
  13. Filter betydelige t-test resultater ved hjelp av romlige og tidsmessige terskler for å korrigere for familie-messig feil.
  14. Identifiser betydelig aktivert regioner og eksportere den tiden løpet av acaktiverings for hvert fag.
  15. Beregn gjennomsnitt og standard feil av gjennomsnittet på tvers av fag ved hvert tidspunkt.

15. Utfør Time-frekvens Dekomposisjonene på avkastning ved hjelp av Brainstorm

  1. Projisere rådata fra de enkelte studier bort på standard anatomi for forsøket.
  2. Identifisere og skape områder av interesse fra analysen av fremkalt respons eller fra anatomo-funksjonell a priori hypoteser.
  3. Beregn tid-frekvens dekomposisjonene av data fra avkastningen for hvert forsøk ved hjelp av standard parametere (central frekvens = 1 Hz; tidsoppløsning [FWHM] = 3 sek; frekvensområdet = 10:90 Hz; frekvensoppløsning = 1 Hz).
  4. Konverter resulterer tid-frekvens nedbrytningsprodukter maps til z-skårer.
  5. Gjennomsnittlig de resulterende kart over prøvelser for hvert fag.
  6. Utfør t-tester på kartene tvers av de ulike forhold.

Representative Results

Ved hjelp av metodene beskrevet her, har våre undersøkelser førte til to store funn: 1) Det er mulig å manipulere bevisstheten om visuell CSS løpet spor condition, og fortsatt viser tegn på læring. 2) Det er mulig å gjenopprette MEG signaler fra amygdala ved hjelp kilde bildebehandling *.

I kapittel 2 beskrev vi hvordan du kan manipulere bevisstheten om visuell CSS med bakover maskering. Når de utsettes for en maskert stimulus som vises for ~ 30 millisekunder, fagene er generelt uvitende om stimulus presentasjon 5,6,8 *. En måte å kontrollere hvor vellykket dette manipulasjon er å måle forsøkspersonenes evne til å forutsi forekomst av UCS. Hvis det maskerende manipulasjon er vellykket, bør fag være ute av stand til å nøyaktig forutsi forekomsten av UCS basert på CS type (se figur 4).

Selv om timing i denne type trening gjør det vanskelig å direkte måle learning under treningsøkten. Det er mulig å indirekte måle læring ved å utsette dem til et senere avslørt reacquisition testøkt med nye og gamle stimuli 5 *. Hvis fagene er i stand til å lære om de situasjoner under trening fase, bør de vise større magnitude differensial (CS +> CS-) SCR til de gamle stimuli i forhold til de nye stimuli. Denne effekten er tydelig i ufiltrert gruppen når vi ser på testfasen utprøvinger etter fagene har blitt re-eksponeres for CS-UCS situasjoner (dvs. Trials 2-5, se figur 4).

I § ​​8, beskrev vi hvordan du tar opp MEG løpet av maskerte spor conditioning økt. Bruke kilde bildebehandling for å behandle disse innspillingene, er det mulig å gjenopprette MEG signal fra subcortical strukturer som amygdala 18 *. Emner vist ufiltrert ansikt (N = 9) CSS vise større amygdala svar (figur 5) og gamma svingninger (figur 6) i forhold til pasienter vist høy-pass filtrert ansikter (N = 9). I tillegg er disse fagene viser også større responser i et nettverk av ansikt behandlingen regioner som occipital ansiktsområde (figur 7 og Supplemental Video).

Figur 1
Figur 1. Skjematisk skildrer en typisk treningsøkt. Present 60 studier av en CS + og 60 studier av en CS-i pseudotilfeldig rekkefølge, slik at det er 4 blokker med 15 forsøk hver. Presentere CSS for 30 millisekunder, umiddelbart etterfulgt av en 970 ms maske som coterminates med sjokk UCS på CS + studier.

Figur 2
Figur 2. Skjematisk depicting utstyret brukes i et vanlig condition eksperiment Dette oppsettet gjør det mulig å:. 1) presenterer visuelle stimuli via Presentasjon programvare, 2) forvalte en elektrisk stimulering UCS via Psylab hardware (SAM), 3) record UCS forventet å bruke en akse enhet (dial) festet til presentasjon datamaskinen, og 4) synkronisere stimulans presentasjoner og svar med MEG opptak via MEG oppkjøpet system grensesnitt.

Figur 3
Figur 3. Illustrasjon som viser plasseringen av hver av sensorene og fiducial punkter som er beskrevet i kapittel 5. Dots med tilhørende linjer tilsvarer merket sensorer og fører. Blå piler representerer fiducial punkter som brukes til å registrere MEG innspillinger med MR anatomiske volum. Lilla punkts representerer digitaliserte hodebunnen poeng som brukes til å ytterligere forbedre MEG-MR coregistration.

Figur 4
Figur 4. Atferdsmessige resultater fra en typisk condition studie. Grafen til venstre viser UCS forventet over treningsøkten, kollapset over den ufiltrerte og filtrert grupper. Legg merke til at fagene viser tilsvarende nivåer av UCS forventet for CS + og CS-over de 60 studiene, noe som tyder på at maskering prosedyren blokkert deres evne til å diskriminere mellom CSS (F (1,17) = 2.19, p = 0,16). Grafen til høyre viser de differensielle SCR under testing økten. Legg merke til at ufiltrert, men ikke Filtrert gruppe ser ut til å bli vist større differensiallikninger SCR til gamle stimuli enn de nye stimuli (Ufiltrert New / Old x CS + / CS-interaksjon: F (1,7) = 5.94, p = 0,045; Filtrert New / Old x CS + / CS-interaksjon: F (1,7) = 1,13, p = 0,32), noe som tyder på at opplæringen fører til bedre reacquisition av CS-UCS foreninger for disse fagene. (* P <0,05).

Figur 5
Figur 5. MEG resultater fra en typisk condition eksperiment. Figuren til venstre viser 3D-modeller av amygdala (oransje), hippocampus (grønn), og hjernebarken brukes til å modellere kildene til MEG signal. Grafen til høyre representerer aktivitet fra en amygdala klynge modellert ut fra MEG opptak. Den lyse linjen representerer aktiviteten fremkalt av Ufiltrerte ansikter, mens den mørke linjen representerer aktiviteten fremkalt av Filtrert ansikter. Vertical grå skyggelagte deler representerer tidsintervaller der Ufiltrerte ansikter fremkalle betydelig større respons enn Filtrert ansikter (F (1,17)> 3,44, p <0,05). Klikk her for å se større figur .

Figur 6
Figur 6. Amygdala tid frekvens resultater fra en typisk condition eksperiment. Figuren til venstre viser 3D-modeller av amygdala (oransje), hippocampus (grønn), og hjernebarken brukes til å modellere kildene til MEG signal. Grafen til høyre representerer MEG signal registreres fra amygdala brutt ned av tid og frekvens. Varme farger representerer regionene i spektrograf som viser betydelig mer kraft for unfiltered ansikter enn for filtrerte ansikter. Kule farger representerer det motsatte. Regioner med den stripete overlegg representerer betydelige forskjeller på tvers av gruppene. Klikk her for å se større figur .

Figur 7
Figur 7. Figur viser occipital ansiktsområde aktivering i et typisk eksperiment condition. Farger representerer størrelsen av den ufiltrerte> filtrert t-test ved den tilsvarende dipol. Varme farger representerer større respons på Ufiltrerte ansikter enn å Filtrert ansikter. Kule farger representerer større respons på Filtrert ansikter enn å Ufiltrerte ansikter.

Supplemental Video. Video viser kortikale responser i en typisk conditioning eksperiment. Fargene representerer omfanget av ufiltrert> filtrert t-test på den tilsvarende dipol. Varme farger representerer større respons på Ufiltrerte ansikter enn å Filtrert ansikter. Kule farger representerer større respons på Filtrert ansikter enn å Ufiltrerte ansikter. Klikk her for å vise supplerende filmen .

Discussion

I denne artikkelen beskriver vi metoder 1) å manipulere fagene bevissthet om målet css under sporing frykt condition paradigme. 2) og å gjenopprette MEG signal fra amygdala under spor frykt condition uten bevissthet. Ved hjelp av disse metodene, var vi i stand til å vise at spor condition uten bevissthet er mulig når ansiktene er brukt til å forutsi UCS. Dette resultatet tyder på at ansiktene får spesiell behandling selv når presentert under den perseptuelle deteksjonsgrensen *. I samsvar med denne konklusjonen vi funnet at bredt spekter ansikter fremkalle robuste amygdala reaksjoner og utbrudd av gamma svingninger under sporingen intervall. Dette resultatet tyder på at amygdala er i stand til å opprettholde en representasjon av et ansikt CS under et kort intervall spor.

Selv presenteres sammen kan disse to metodene brukes uavhengig også. For eksempel er det mulig å bruke bakover maskering for å manipulere target visibiltet i andre paradigmer hvor atferd kan påvirkes av emosjonelle signaler behandlet under nivået for bevisst oppmerksomhet 5,6,8 *. I tillegg, ved bruk kilden avbildning av fremgangsmåten som angitt her er det mulig å skape 3D-modeller av andre subkortikale strukturer, og det kan være mulig å gjenopprette signalet fra disse strukturene under andre region spesifikke oppgaver. For eksempel, ved å bruke kilde tenkelig å modellere hippocampus aktivitet, kan det være mulig å gjenopprette MEG signal fra hippocampus kilder under oppgaver som romlig navigering.

Metodene som beskrives her ble utformet med to mål i tankene: 1) blokk bevissthet om målet stimuli, 2) og maksimere evnen til å oppdage stimulans fremkalt amygdala svarene ved hjelp av MEG. Disse design begrensninger gjør det vanskelig å måle fagenes implisitt kunnskap om stimulans eventualiteter. For eksempel SCR løse i løpet av noen sekunder 5,13, ​​men er css bare presenteresfor ~ 30 ms under trening, og sjokket blir presentert kort tid etter (~ 900 millisekunder). Gitt disse tidspress, vil CR uttrykk bli uunngåelig tilbakevist av UCR uttrykk under trening. På grunn av denne colinearity, er det nødvendig å teste fagenes kjennskap de stimulerende eventualiteter ved hjelp av en etterfølgende umaskerte testøkt. Men en testøkt ved slutten av forsøket er ikke optimal fordi SCR-elementer har en tendens til å venne seg i løpet av eksperimentet 1.. Gitt antallet forsøk som trengs for å vise pålitelige fremkalt respons med MEG, vil dette SCR tilvenning avta betydelig makt til å oppdage et atferdsmessig effekt av treningen. Fremtidige studier bør fokusere på å finne bedre måter å indeksere implisitt læring i løpet av frykt condition med maskerte CSS. Dette kan gjøres enten ved å finne en alternativ indeks av frykt under trening (dvs. elev dilatasjon 19,20) eller finne en mer følsom mål på frykt som kan være administered etter treningsøkten.

Disclosures

Forfatterne har ikke noe å avsløre.

Acknowledgments

Denne studien ble støttet av National Institute of Mental Health (MH060668 og 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