Sådan Detect Amygdala Activity med magnetoencephalography hjælp Source Imaging

Behavior
 

Summary

Denne artikel beskriver, hvordan du optager amygdala aktivitet magnetoencephalography (MEG). Desuden denne artikel vil beskrive, hvordan man fører trace frygt condition uden bevidsthed, en opgave, som aktiverer amygdala. Det vil dække 3 emner: 1) Design af et spor condition paradigme hjælp baglæns maskering at manipulere bevidstheden. 2) Optagelse hjernens aktivitet i løbet af opgaven ved hjælp magnetoencephalography. 3) Ved hjælp source imaging at inddrive signal fra subkortikale 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 frygt condition en betinget stimulus (CS) forudsiger forekomsten af den ubetingede stimulus (UCS), som præsenteres efter en kort stimulus periode (trace interval) 1.. Fordi CS og UCS ikke samtidig ske timeligt skal emnet opretholde en repræsentation af at CS under trace interval. Hos mennesker kræver denne type læring bevidsthed om stimulus uforudsete for at bygge bro over spor intervallet 2-4. Men når et ansigt bruges som CS, kan emner implicit lære at frygte ansigt, selv i mangel af udtrykkelige bevidsthed *. Dette antyder, at der kan være yderligere neurale mekanismer, der kan opretholde visse former for "biologisk relevante" stimuli under en kort spor interval. Eftersom amygdala er involveret i spor konditionering, og er følsom over for ansigter, er det muligt, at denne struktur kan opretholde en repræsentation af et ansigt CS under en kort spor interval.

5.. Præsentationen af masken gør målet usynlige 6-8. For det andet, maskering kræver meget hurtig og præcis timing gør det vanskeligt at undersøge neurale reaktioner fremkaldt af maskerede stimuli anvender mange fælles tilgange. Blod-iltning niveau afhængige (BOLD) respons løser på en tidsplan for langsomt for denne type metode og realtids-optagelser teknikker som electroencephalography (EEG) og magnetoencephalography (MEG) har problemer bedring signal fra dybe kilder.

Dog har der været de seneste fremskridt i de anvendte metoder til at lokalisere de neurale kilder til MEG signal 9-11. Ved at samle høj opløsning MRI billeder af individets hjerne, er det muligt at skabe en kilde model baseret på individuel neurale anatomi. Brug af denne model til "image" kilderne af MEG-signalet, er det muligt at genvinde signal fra dybe subkortikale strukturer, ligesom amygdala og hippocampus *.

Protocol

Design af et spor condition paradigme hjælp baglæns maskering at blokere bevidstheden

1.. Design Stimuli

  1. Designe stimuli for de to grupper.
  2. Vælg 4 neutrale udtryk fra forskellige individer.
  3. Juster ansigter, så øjet område af hvert ansigt er på samme sted.
  4. Beskær ansigter ved hjælp af en oval, så håret, ører og andre perifere funktioner ikke længere er synlige.
  5. Brug signalbehandlingen værktøjskassen i Matlab (Se tabel 1 for nødvendige software til at køre eksperimentet) for at skabe high-pass filtrerede billeder, ved at fjerne alle oplysninger, der er færre end 5 cyklusser per grad 12..
  6. Opret masken ved at slå flere neutrale udtryk sammen, og tilføjer høj rumlig frekvens støj på billedet.
  7. Normalisere alle billeder, så de har samme luminans.

2.. Programmer Experiment hjælp Præsentation

  1. Program uddannelse og testfaser i præsentation ved hjælp af nedenstående parametre (se figur 1).
  2. Derudover. Program en separat fil (PCC), som vil blive anvendt af PSYLAB dataopsamlingssoftware emballagen under træning og test, for at give stødet udløst af Præsentation
  3. For træningen programmet 4 blokke differential spor frygt condition med 15 forsøg pr CS, per blok.
  4. På hvert forsøg præsentere CSS til 30 msek.
  5. På hvert forsøg præsentere maske for 970 millisekunder.
  6. På hver CS + forsøg præsentere chok UCS til 100 msek, således at det coterminates med masken.
  7. Variere placeringen af ​​CS / maske kombination, således at det tilfældigt forekommer i 1 ud af 4 kvadranter.
  8. Present 1 forsøg hver 6 ± 2 sek ved hjælp af en variabel intertrial interval.
  9. For test session program 1 blok af generhvervelse med 5 forsøg med hver flade CS og 5 forsøg hver af to nye ansigt CSS. For at maksimere din evne til at optage hud konduktans reaktioner (SCR) under testningen forsøg præsentere CS for 8 sek.
  10. På hver CS + forsøg præsentere chok UCS til 100 msek, således at det coterminates med CS +.
  11. Present 1 forsøg hver 20 ± 4 sekunder ved hjælp af en variabel intertrial interval.
  12. Instruer emner at rapportere UCS middellevetid under begge sessioner og registrere deres svar ved hjælp af en MRI / MEG kompatibel akse enhed (joystick, skyderen, dial, se afsnit 7).
  13. Optag SCR'er under test session med elektroder fastgjort til bunden af ​​deltagerne venstre fod (se afsnit 9).

Optagelse hjernens aktivitet under opgaven via magnetoencephalography

3.. Opsætning Udstyr til Uddannelse på MEG Suite (se figur 2).

  1. Slut stimulus præsentation computeren til MEG købet systemet ved hjælp af en standard DB25 multistik fladkabel (Se tabel 2
  2. Slut stimulus præsentation computeren til PSYLAB enkeltstående monitor (SAM) med 8-bit til 2-bit isolation adapteren og synkronisering kabel.
  3. De transistor-transistor logiske (TTL) pulser bruges til at markere stimulus præsentationer kan forårsage artefakter i MEG data, hvis de sendes til SAM. For at undgå disse artefakter, markerer starten på de stimuli, der kun bruger de bits blokeret af isolation adapter.
  4. Slut chok stimulator (SHK1) til SAM ved hjælp af kablet, der følger med enheden.
  5. Før det skærmede forlængerkabel gennem wave guide og tilslut det til det chok stimulator.
  6. Slut SAM til en computer, der kører PSYLAB datafangst software ved hjælp af et standard USB-kabel.
  7. Slut drejeknap på stimulus præsentation computer (USB) og MEG købet systemet (BNC) ved hjælp af gameport-to-gameport/BNC splitter og Gameport til USB tilpasseis.
  8. Optage to minutter af sensordata uden motivet i rummet.

4.. Opsætning Udstyr til prøvetagning ved MRI Suite

  1. Slut stimulus præsentation computeren til SAM hjælp synkroniseringskablet.
  2. Slut chok stimulator (SHK1) og huden ledningsevne forstærker (SC5) til SAM ved hjælp af de kabler, der fulgte med enheden.
  3. Pass skærmede forlængerkabler til SCR og chok gennem wave guide og forbinde dem til deres respektive enheder.
  4. Slut SAM til en computer, der kører PSYLAB datafangst software ved hjælp af et standard USB-kabel.
  5. Slut drejeknap til stimulus præsentation computer ved hjælp af porten til USB adapter.

5.. Opsætning Emne for Uddannelse på MEG Suite (se figur 3)

  1. Vedhæft elektroder og sensorer til emnet ved hjælp af skematiske i figur 3 som en vejledning.
  2. Vedhæfte engangs elektroder tilovervåge eyeblinks over og under fagets højre øje.
  3. Vedhæfte engangs elektroder til at overvåge puls til fagets venstre side lige under hjertet og til højre bryst lige under kravebenet.
  4. Sæt den ene engangs elektrode som en henvisning til bagsiden af ​​fagets venstre skulder.
  5. Fastgør to cup-elektroder til fagets højre ben over højre tibial nerve over den mediale malleolus at administrere stød.
  6. Vedhæft 4 head position indikatoren (HPI) bredbånd til emnet, en over hvert øje og en bag hvert øre.
  7. Digitalisere motivets placering hoved i forhold til HPI spoler hjælp fiducial point.
  8. Ved hjælp af Polhemus system kort position fagets nasion, og venstre og højre tragi.
  9. Juster motivets digitale hoved position i forhold til de referencemærker punkter, og sørg for, at de punkter er symmetriske.
  10. Næste kort position fagets HPI spoler.
  11. Endelig cifferize 50-100 punkter langs motivets hovedbund.
  12. Eskortere underlagt MEG-systemet og tilslut elektroderne og sensorer til den relevante interface.
  13. Sæt engangs elektrode fører ind i MEG-system forstærker.
  14. Sæt HPI ledningsnettet i MEG-systemet.
  15. Sæt chok elektroden fører ind i det skærmede forlængerkabel.
  16. Hæve stolen, så motivet hoved rører toppen af ​​MEG hjelmen.
  17. Placer skærmen, så det projicerede billede er i fokus.

6.. Shock Oparbejdningsfremgangsmåde

  1. Sæt chok til et niveau, at de er underlagt rapporter som smertefuldt, men tolerabel.
  2. Arm chok stimulator ved at dreje fra 0 mA position 5 mA position.
  3. Administrere flere præsentationer af chok ved hjælp af stimulus kontrol vinduet fra PSYLAB datafangst softwarepakke.
  4. Efter hver præsentation har emnet sats intensiteten af ​​chok på enskala fra 0 (ikke på alle smertefulde) til 10 (smertefuld men tolerabel).
  5. Gradvist øge intensiteten af ​​det chok, indtil motivet satser det som en 10.
  6. Optag værdien fra skalaen i parameterværdien boks i emnet detaljer vinduet stød vil blive administreret under eksperimentet med den værdi der er angivet i dette felt.

7.. Respons Device

  1. Instruer motivet på den korrekte brug af skiven ved hjælp af et eksempel Præsentation scenario.
  2. Instruktioner:. "Flyt markøren helt til højre (100), hvis du er helt sikker på at du vil modtage en præsentation af stimulation i den nærmeste fremtid Flyt markøren helt til venstre (0), hvis du er sikker at du ikke vil modtage en stimulation i den nærmeste fremtid. Flyt markøren til den midterste (50), hvis du er i tvivl om, hvorvidt du vil modtage stimulation i den nærmeste fremtid. "

8.. Optag MEG under træning

  1. Record to minutter rådata ved 2 kHz, mens motivet hviler med deres øjne åbne.
  2. Forud for uddannelsen starte optagelsen hændelseskoder og chok levering ved hjælp af PSYLAB datafangst software.
  3. Vær sikker på, at PSYLAB kører den korrekte PCC koden, så den sender stød, når udløst af computeren.
  4. Optag rådata ved 2 kHz i hver af de fire træningsgennemløb.
  5. Optag online gennemsnit som en måde at visuelt at undersøge data i realtid for systematiske støjkilder.
  6. Spørg underlagt bedømme intensiteten af ​​chok efter hver kørsel for at vurdere tilvænning.

9.. Opsætning Emne for prøvetagning ved MRI Suite

  1. Eskortere emnet fra MEG suite til MRI suite.
  2. Vedhæfte chok elektroder og kalibrere intensiteten af ​​stød.
  3. Vedhæfte to cup elektroder til bunden af ​​individets venstre fod til at overvåge SCR'er.
  4. Sørg for, at emnet stadig forstår at bruge than reaktion enhed.
  5. Placer emnet på MRI bordet, sikre deres hoved, og tilslut SCR og chok elektrode fører til de tilsvarende skærmede kabler.
  6. Placer spejlet fastgjort til hovedet spolen således at deltageren kan se skærmen placeres bag hovedet spole.

10.. Optag fMRI under afprøvning

  1. Saml høj opløsning anatomiske billeder (SPGR).
  2. Optag blod iltning niveau afhængige reaktioner under test session ved hjælp af standard imaging parametre (TR = 2 sek TE = 25 ms, fleld af view = 24 cm, flipvinkel = 90 °).
  3. Efter test har emnet fuldføre et indlæg eksperimentel spørgeskema.

Brug source imaging at inddrive signal fra subkortikale strukturer.

11.. Analyser Adfærdsmæssige og fMRI data

  1. Brug UCS forventede at afgøre, om emner kunne skelne mellem stimuli.
  2. GennemsnitligUCS forventede data for 900 msek trace interval og den forudgående 900 msek baseline periode for hver enkelt forsøg.
  3. Fratræk værdien for baseline perioden fra værdien for spor interval til at bestemme, hvordan emnet flyttet skiven efter at stimulus præsentation.
  4. Udfør en CS type ved retssagen gentagne foranstaltninger ANOVA på tværs af fag.
  5. Analyser adfærdsmæssige og fMRI data fra test session med tidligere offentliggjorte standarder 5,13-15.

12.. Preprocess MRI Volume

  1. Brug Freesurfer 16 at skabe en segmenteret subkortikale volumen, og overflader af cortex, ydre hud, og ydre kranium.
  2. Konverter volumener og flader til AFNI læsbart format.
  3. Kør importsurfaces.csh - første gang du kører programmet, vil kopiere alle de filer, du har brug for i en ny "model" mappe i hvert emne segmentering mappe. Det vil også skabe et "importsurface.mrml 'fil, der bruges til at oprette surface modeller amygdala og hippocampus.
  4. Opret og konvertere amygdala og hippocampus mængder til overflader ved hjælp Slicer3 og Paraview.
    1. Kør Slicer3 importsurface.mrml fra fagets "model" mappe. Dette vil indlæse overflader og volumener i 3dslicer.
    2. Generer modeller af amygdala og hippocampus, gem modeller som {struktur}. Vtk.
    3. Import. Vtk filer i paraview.
    4. Kør filtrere "generere overflade normaler."
    5. Eksport overflade normaler til Amy og Hipp som {struktur}. Lags (ascii) filer.
  5. Importer overflader og MRI volumen ind Brainstorm.
  6. Kør importsurfaces.csh igen - denne vil omdanne overfladerne til filer, der kan læses af Matlab og vil kopiere alle de tess_ {struktur} mat filer til Brainstorm database bibliotek..
  7. Sørg for, at du allerede har oprettet emnet i Brainstorm, før du kopierer tess_ {struktur}. Måtten filer at brainstorme mappe (se trin 14.1).
  8. Once du får overfladen til Brainstorm være sikker på at opdatere databasen.
  9. Warp MRI volumen i standard rum ved at identificere de referencemærker punkter.
  10. Manuelt tilpasse hovedbunden overflade med MRI, derefter anvende warp for alle andre overflader.
  11. Fusionere de to pial overflader og reducere det samlede antal af knuder til 15.000.
  12. Fusionere de to hippocampus overflader og reducere antallet af knuder til 2.000.
  13. Fusionere de to amygdala overflader og reducere antallet af knuder til 1.000.
  14. Fusionere de pial, hippocampus og amygdala overflader.
  15. Opret områder af interesse (spejdere) for amygdala og hippocampus.

13.. Preprocess MEG Recordings hjælp Brainstorm 11

  1. Opret nyt emne i Brainstorm databasen.
  2. Importer MEG optagelse fil for hver træningssession.
  3. Fjern artefakter forårsaget af kilder uden for magnetisk afskærmet rum (MSR) ved hjælp af signal pladsseparation 17..
  4. Fjern artefakter forårsaget af hjerteslag og øjenbevægelser hjælp signal plads fremskrivninger fra begivenheder er identificeret på elektrokardiografi (EKG) og electrooculography (EOG) kanaler.
  5. Efterse optagelserne at sikre, at Brainstorm korrekt identificeret hjerteslag og eyeblinks begivenheder.
  6. Undersøg optagelserne til andre mulige kilder til støj.
  7. Efterse fremkaldte data, der oprettes fra online gennemsnit for systematiske kilder artefakt.
    1. Bemærk at TTL pulser, der markerer starten på de stimuli kan forårsage artefakter i optagelserne, hvis sendt til PSYLAB SAM-enheden.
    2. Send kun TTL pulser nødvendig for at administrere chok for SAM-enhed og isolere enheden fra de resterende impulser ved hjælp af 8-bit til 2-bit isolation adapter.

14.. Analyser Evoked Responses hjælp Brainstorm

  1. Bruge begivenheden kanal at identificere epoker (-200 msek til 900 msek) svarendetil hver af de eksperimentelle forsøg.
  2. Forfine MRI registrering hjælp hoved punkter.
  3. Beregn støj kovarians fra optagelser.
  4. Compute head model ved hjælp overlappende kugler metoden med cortex som input.
  5. Beregn kilder ved hjælp af minimum-norm skøn metoden 10..
  6. Fortsæt analyse på kilder.
  7. Band-pass filter kilder til de enkelte forsøg (1 Hz til 20 Hz).
  8. Tag den absolutte værdi af båndpasfiltrerede kilder og konvertere disse værdier til Z-score er baseret på baseline variabilitet.
  9. Rumligt udjævne kilder (sigma = 5 mm).
  10. Gennemsnitlige kilder på tværs forsøg.
  11. Projekt gennemsnit på standard anatomi til eksperimentet.
  12. Beregn t-test på kilder på tværs af de forskellige forhold.
  13. Filter signifikante t-test resultater ved hjælp af rumlige og tidsmæssige grænser for at korrigere for familien-wise fejl.
  14. Identificer betydeligt aktiverede regioner og eksportere tidsforløbet af acvation for hvert emne.
  15. Beregn middelværdi og standardafvigelse af middelværdien på tværs af fag på hvert tidspunkt.

15.. Udfør Time-frekvens dekompositioner på ROI med Brainstorm

  1. Projekt de rå data fra de enkelte forsøg onto standard anatomi til eksperimentet.
  2. Identificere og skabe regioner af interesse fra analysen af fremkaldt reaktion eller fra anatomisk-funktionel a priori hypoteser.
  3. Beregn tids-/frekvenssøgefelter decompositions af data fra din ROI for hvert forsøg ved hjælp af standard parametre (central frekvens = 1 Hz; tidsopløsning [FWHM] = 3 sek frekvensområde = 10:90 Hz frekvens opløsning = 1 Hz).
  4. Konverter resulterende tids-/frekvenssøgefelter nedbrydningsprodukter maps til z-scores.
  5. Gennemsnitlig de resulterende kortene på tværs af forsøg for hvert emne.
  6. Udfør t-test på kortene på tværs af de forskellige betingelser.

Representative Results

Hjælp af de metoder der er beskrevet her, har vores undersøgelser førte til to hovedkonklusioner: 1) Det er muligt at manipulere bevidstheden af ​​visuel CSs under spor condition og stadig viser tegn på læring. 2) Det er muligt at genvinde MEG-signaler fra amygdala ved brug af source imaging *.

I afsnit 2 beskrev vi hvordan man kan manipulere bevidstheden af ​​visuel CSS med baglæns maskering. Når de udsættes for en maskeret stimulus, der vises for ~ 30 msek, emnerne er generelt uvidende om stimulus præsentation 5,6,8 *. En måde at kontrollere succes manipulation er at måle forsøgspersonernes evne til at forudsige forekomsten af ​​UCS. Hvis maskering manipulation er vellykket, bør personer være i stand til præcist at forudsige forekomsten af UCS baseret på CS typen (se figur 4).

Selvom timing i denne type uddannelse gør det vanskeligt direkte at måle leARNING under træningen. Det er muligt indirekte at måle indlæring ved at udsætte dem for en efterfølgende afsløret generhvervelse test session med nye og gamle stimuli 5 *. Hvis emner er i stand til at lære om de uforudsete under uddannelsen fase, bør de vise større størrelsesorden differential (CS +> CS-) SCR'er til de gamle stimuli i forhold til de nye stimuli. Denne effekt er tydelig i den ufiltrerede gruppe, når vi ser på testfase forsøg efter de emner er blevet re-eksponeret for CS-UCS uforudsete (dvs. Trials 2-5, se figur 4).

I afdeling 8, beskrev vi hvordan du optager MEG under maskerede spor condition session. Brug kilde billeddannelse til at behandle disse optagelser, er det muligt at genvinde MEG signal fra subkortikale strukturer som amygdala 18 *. Emner vist ufiltreret ansigt (N = 9) CSs udviser større amygdala responser (figur 5) og GAMma svingninger (fig. 6) end forsøgspersoner vist high-pass filtreret ansigter (N = 9). Desuden disse emner viser større respons i et netværk af ansigt forarbejdning regioner som occipital flade område (fig. 7 og Supplemental Video).

Figur 1
Figur 1. Skematisk skildrer et typisk træningspas. Nuværende 60 forsøg med en CS + og 60 forsøg af en CS-i pseudorandom rækkefølge, således at der er 4 blokke af 15 forsøg hver. Præsenter CSS til 30 msek, umiddelbart efterfulgt af en 970 msek maske, coterminates med chok UCS på CS + forsøg.

Figur 2
Figur 2. Skematisk depicting udstyr, der anvendes i en typisk condition eksperiment Denne opsætning gør det muligt at: 1). nuværende visuelle stimuli via præsentation software, 2) administrere en elektrisk stimulation UCS via Psylab hardware (SAM), 3) rekord UCS forventede anvendelse af en akse enhed (dial) knyttet til præsentationen computer, og 4) synkronisere stimulus præsentationer og reaktioner med MEG optagelser via MEG købet systemet interface.

Figur 3
Figur 3. Illustration, der viser placeringen af hver af sensorerne og referencemærker punkter beskrevet i afsnit 5.. Dots med vedhæftede linjer svarer til de mærkede sensorer og ledninger. Blå pile repræsenterer de referencemærker punkter, der bruges til at registrere MEG optagelser med MRI anatomiske volumen. Purple points repræsenterer digitaliserede hovedbund punkter, der bruges til yderligere at forfine MEG-MRI coregistration.

Figur 4
Figur 4.. Adfærdsmæssige resultater fra en typisk condition studie. Grafen til venstre viser UCS forventede hele træningen, kollapsede på tværs den ufiltrerede og filtrerede grupper. Bemærk, at emner viser tilsvarende niveauer af UCS middellevetid for CS + og CS-på tværs af de 60 forsøg tyder på, at maskering procedure blokerede deres evne til at skelne mellem CSS (F (1,17) = 2,19, p = 0,16). Grafen til højre viser den differentierede SCR'er under test session. Bemærk, at den ufiltrerede, men ikke den Filtreret gruppe ser ud til at være vise større differentiale SCR'er til de gamle stimuli end den nye stimuli (Ufiltreret Ny / Old x CS + / CS-interaktion: F (1,7) = 5.94, p = 0,045; Filtreret Nye / Gamle x CS + / CS-interaktion: F (1,7) = 1,13, p = 0,32), hvilket tyder på, at uddannelsen fører til en bedre generhvervelse af CS-UCS foreninger for disse emner. (* P <0,05).

Figur 5
Figur 5. MEG resultater fra en typisk condition eksperiment. Figuren til venstre viser de 3D-modeller af amygdala (orange), hippocampus (grøn) og hjernebarken bruges til at modellere kilder til MEG-signalet. Grafen til højre viser aktivitet fra en amygdala klynge modelleret ud fra MEG optagelser. Den lyse linje repræsenterer den aktivitet, fremkaldt af Ufiltrerede ansigter, mens mørk linje repræsenterer aktiviteten fremkaldt af Filtreret ansigter. Vertical gråskraverede sektioner repræsenterer tidsintervaller, hvor Ufiltrerede ansigter fremmane væsentligt større respons end Filtreret ansigter (F (1,17)> 3,44, p <0,05). Klik her for at se større figur .

Figur 6
Figur 6.. Amygdala time frekvens resultater fra en typisk condition eksperiment. Figuren til venstre viser 3D-modeller af amygdala (orange), hippocampus (grøn) og hjernebarken bruges til at modellere kilderne til MEG-signalet. Grafen til højre viser den MEG signal optaget fra amygdala opdelt efter tid og frekvens. Varme farver repræsenterer regioner i spektrografen der viser betydeligt mere magt til unfiltered ansigter end for filtrerede ansigter. Kølige farver repræsenterer det modsatte. Regioner med den stribede overlay repræsenterer betydelige forskelle på tværs af grupperne. Klik her for at se større figur .

Figur 7
Figur 7. Figur viser occipital ansigtet området aktivering i en typisk konditionering eksperiment. Farver repræsenterer størrelsen af den Ufiltreret> Filtreret t-test på tilsvarende dipol. Varme farver repræsenterer større reaktioner på Ufiltrerede ansigter end på Filtreret ansigter. Kølige farver repræsenterer større reaktioner på Filtreret ansigter end at Ufiltrerede ansigter.

Supplerende Video. Video der viser kortikale reaktioner i en typisk conditioning eksperiment. Farver repræsenterer størrelsen af ​​den Ufiltreret> Filtreret t-test på tilsvarende dipol. Varme farver repræsenterer større reaktioner på Ufiltrerede ansigter end på Filtreret ansigter. Kølige farver repræsenterer større reaktioner på Filtreret ansigter end at Ufiltrerede ansigter. Klik her for at se supplerende film .

Discussion

I dette papir beskriver vi metoder 1) at manipulere emner bevidsthed om målet CSs under en sporing frygt condition paradigme. 2) og for at inddrive MEG signal fra amygdala under trace frygt condition uden bevidsthed. Ved hjælp af disse metoder, vi var i stand til at vise, at spore condition uden bevidsthed er mulig, når ansigter bruges til at forudsige UCS. Dette resultat tyder på, at ansigterne får særlig behandling, selv når fremlagt under den perceptuelle detektionsgrænsen *. I overensstemmelse med denne konklusion fandt vi, at bredt spektrum ansigter fremkalde robuste amygdala reaktioner og byger af gamma svingninger under trace interval. Dette resultat antyder, at amygdala er i stand til at opretholde en repræsentation af et ansigt CS under en kort spor interval.

Selv præsenteres sammen, kan disse to metoder anvendes uafhængigt så godt. For eksempel er det muligt at bruge baglæns maskering at manipulere mål synlighedtet i andre paradigmer, hvor adfærd kan blive påvirket af følelsesmæssige signaler behandles under niveauet for bevidsthed 5,6,8 *. Desuden beskrives ved hjælp af kilden imaging tilgang her er det muligt at skabe 3D-modeller af andre subkortikale strukturer, og det kan være muligt at inddrive signal fra disse strukturer under de andre regioner specifikke opgaver. For eksempel, ved brug af source billedbehandling til model hippocampus aktivitet kan det være muligt genvinde MEG signal fra hippocampus kilder under opgaver som rumlig navigation.

De her beskrevne metoder er designet med to mål for øje: 1) blok bevidsthed om de mål stimuli, 2) og maksimere evnen til at detektere stimulus fremkaldt amygdala reaktioner ved hjælp af MEG. Disse design begrænsninger gør det svært at måle forsøgspersonernes implicit viden af ​​stimulus uforudsete udgifter. For eksempel løse SCR'er løbet af flere sekunder 5,13, ​​men er CSS præsenteres kunfor ~ 30 msek under uddannelsen og chokket præsenteres kort efter (~ 900 ms). I betragtning af disse tidspres, vil CR ekspression uundgåeligt forvirret af UCR udtryk under træningen. På grund af denne colinearitets er det nødvendigt at teste fagenes viden de stimulerende uforudsete hjælp af en efterfølgende afsløret test session. Men en test session i slutningen af eksperimentet er ikke optimal, fordi SCR'er tendens til at vænne løbet af eksperimentet 1.. I betragtning af antallet af retssager, der er nødvendige for at vise pålidelige fremkaldt reaktioner med MEG, vil dette SCR tilvænning falde betydeligt magt til at detektere en adfærdsmæssig effekt af træningen. Fremtidige undersøgelser bør fokusere på at finde bedre måder at indeksere implicit læring under frygt condition med maskerede CSS. Dette kan gøres ved enten at finde en alternativ indeks af frygt i løbet af uddannelsen (dvs. udvidelse af pupillerne 19,20), eller find en mere følsom måling af frygt for, at kan være administreret efter træningen.

Disclosures

Forfatterne har ikke noget at afsløre.

Acknowledgments

Denne undersøgelse blev støttet af 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