Младенческая Слуховые Обработка и мероприятий, связанных с Мозговые колебания

Behavior
 

Cite this Article

Copy Citation | Download Citations

Musacchia, G., Ortiz-Mantilla, S., Realpe-Bonilla, T., Roesler, C. P., Benasich, A. A. Infant Auditory Processing and Event-related Brain Oscillations. J. Vis. Exp. (101), e52420, doi:10.3791/52420 (2015).

Please note that all translations are automatically generated.

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

Abstract

Быстрая обработка слуховой и способности обнаружения акустических изменение сыграть решающую роль в разрешении человека детей, чтобы эффективно обрабатывать тонкие спектральные и временные изменения, которые характерны для человеческого языка. Эти способности закладывают основу для эффективного овладения языком; позволяющие детей, чтобы отточить в на звуки родного языка. Инвазивные процедуры на животных и кожи головы записанные потенциалов от взрослых человека предполагают, что одновременное, ритмической активности (колебания) между и внутри регионов мозга являются основой для сенсорного развития; определения разрешение, с которым поступающие стимулы обрабатываются. В это время мало что известно о колебательной динамики в развитии человеческого младенца. Тем не менее, данные животное нейрофизиологии и взрослых ЭЭГ обеспечивают основу для сильной гипотезы, что быстрое слуховой обработки у младенцев опосредуется колебательной синхронности в дискретных частотных диапазонах. Для того, чтобы расследовать это, 128-канальный, с высоким Densiответы ти ЭЭГ 4-месячных младенцев к изменению частоты в пар тонов, представленной в двух состояниях ставки (быстрое: 70 мсек ISI и управления: 300 мс ISI) были рассмотрены. Чтобы определить диапазон частот и величины активности, слуховые вызванные средние реагирования были впервые совмещались с учетом возрастных шаблонов мозга. Далее, основные компоненты реакции были идентифицированы и локализованы с помощью двух дипольной модели мозговой активности. Одноместный суда анализ колебательной мощности показали надежную индекс обработки изменения частоты вспышками Theta группы (3 - 8 Гц) активности в правой и левой слуховой коре, с левой активации более заметным в Rapid состоянии. Эти методы были получены данные, которые не только одними из первых сообщили, навеянные колебания анализов у ​​новорожденных, но и, что немаловажно, продукт хорошо, установленном способа записи и анализа чистый, тщательно собраны, младенческой ЭЭГ и ССП. В этой статье мы опишем наш метод Infant ЭЭГ чистая приложение, запись, динамический анализ ответа мозга и показательные результаты.

Introduction

По широкому спектру нарушений развития, становится все более и более ясно, что ключ к раннему выявлению и в конечном счете восстановления заключается в понимании ранних механизмы, которые вступают в игру, как развивающийся мозг собирает функциональные сети. Таким образом, существует повышенный интерес в понимании временной динамики нейронных моделей, которые влияют познания. В частности, конкретные когнитивные функции, которые будут по-разному соотносится с колебательной активности в определенных полосах частот (например, циклические колебания одноклеточные или мембранные населения потенциалов) 1. Предыдущие исследования установили, что колебательные динамика играют решающую роль в деятельности зависит от самоорганизации развивающихся сетей 2-4, контролировать возбудимость нейронов 5,6 и интегрировать сенсорные входы 7,8. Колебательная активность мозга считается метаболически полезным 9,10, повышения эффективности прАриети сенсорных функций обработки и координации функций более высокого уровня, таких как познания и языка. Тем не менее, систематическое исследование роли нервной синхронии через возраста и связей с поведенческими последствиями в человеческих младенцев до сих пор не достигнуто. Важным шагом к этой цели, чтобы достичь более глубокого понимания возникновения и созревания временной динамики и механизмов, которые поддерживают колебательных развития познавательных процессов, включая раннего языка.

Важнейшим компонентом развития языковой способности точно обрабатывать и классифицировать акустические сигналы, которые быстро изменяются: часто на порядок, как мало, как десятки миллисекунд. Например, акустические динамики слов "папа" и "плохо" акустически отличаются только в течение первых 40 мс слога, но два очень разных смыслов и ассоциаций. Предыдущие исследования показывают созревания траекторию receptiве способность к акустической и языковых различий. Уже в возрасте 2 месяцев, младенцы показать способность различать быстрые изменения частоты (например, <100 мс); предполагая, что "железо" для обнаружения разницы между двумя акустически подобных слогов на месте. В течение следующих нескольких месяцев, младенцы могут различать более мелкие различия, развивать восприятие категорическое, и проявляют корковой специализацию звуков родного языка слогов 11-14. Потому что комплекс восприятие звука зависит от функции основных механизмов обработки, он думал, что дефицит в способности быстро воспринимать изменения акустических различий - даже для простых звуков, таких как тонах - может быть ранние признаки 15 позднего обесценение языка.

Предыдущая работа с Чоудхури и Benasich в этой лаборатории решительно поддерживает эту гипотезу, показывая, что способность младенца обрабатывать оченьбыстрые изменения в простых звуков (например, тонов) может предсказать 3- и 4-летний язык и познавательные способности 16,17. Эти данные убедитесь, что ответы мозга на предварительно языковых детей может обеспечить количественно показатель слуховой обработки и прогресса в развитии. Изучение и методы, представленные здесь исследовать ключевые аспекты основной механизм этой взаимосвязи. Несколько направлений исследований в настоящее время показывают, что пик задержки и амплитуда волн ERP возникают из суммирования spectrotemporal динамики ЭЭГ колебаний нескольких генераторов 18-23. Spectrotemporal анализ также позволяет разделение фазовой информации и сила. Фазовой автоподстройки активность отражает часть нейронов ответ, который вызванной стимул. Этот тип информации подобно тому, что может быть извлечено из ERP, так отклики по отношению к усредненной по времени автоподстройки случае. Тем не менее, сроки некоторых нейронной активности может отличаться от испытания к испытанию. В ERP анализа, Тхис деятельность "усредняется"; Однако при анализе изменений мощности от опыта к опыту, эта информация может быть восстановлена ​​и проанализированы. Таким образом, spectrotemporal анализ фазы и мощности может дать дополнительную информацию о нейронной ответ, по отношению к обычным ERP. Что касается развития ребенка, есть немало свидетельств, что колебания способствуют развитию нейронных цепей в моделях на животных, но 2,3 эти механизмы только начинают исследовать в человеческой популяции. Работа с этой лаборатории показали, тета и гамма колебательный коррелирует специализации родного языка в 6 месяцев 24. Это подчеркивает функциональность колебательных иерархий в зачаточном состоянии.

Глобальный гипотеза, основанная на доказательствах, представленных выше, является то, что синхронность вызванных колебаниями в слуховой коре поддерживает развитие мозга младенца. Как первый шаг в тестировании этой гипотезы, в "базовой221; обработки в раннем детстве был получен; а именно, 4-месяцев от возраста, который в настоящее время считается, предшествовать "восприятия сужение» для родного языка специализации 25,26. Соответственно, мы провели один следственный анализ частоты на ЭЭГ младенцев данных, записанных во время пассивного прослушивания, чтобы передать-вариант и шаг-инвариантной тон пары, представленные в «чудака парадигмы", состоящий из двух условий ставок (состояние управления: 300 мс интервал между стимулом; Быстрое Состояние: 70 мс между стимулом интервал).

Здесь мы проиллюстрируем этот метод, используя стимулы из исследований, посвященных быстрой слуховой обработки. В этих исследованиях, в "чудаком" парадигмы, был использован для оценки активности нейронов к непредсказуемым, но узнаваемые события. В этой парадигме, ответ мозга к непредсказуемым или "нечетные" стимулы часто называемых «Deviant" ответов, в то время как ответ на предсказуемой стимула, представлены MOSт время, как правило, называется "Стандартный" ответ мозга. Ответы на раздражители, представленных в чудаком парадигмы могут быть автоматически вызвало без целенаправленного внимания, делая это парадигма проста в использовании с очень маленьких детей. Все звуковые раздражители представлены с помощью свободного поля выступающих на интервалы, которые варьируются в зависимости от исследования. Как упоминалось ранее, в настоящем исследовании звуков, которые были использованы индекс быстрого слухового обработки (РПД) способности: то есть, звучит, содержащих десятки-о-миллисекунд акустического изменения 16,17,27,28. Следует отметить, что многие другие виды стимулирования полезны для тестирования нейрофизиологические дискриминации, в том числе согласного-гласного (CV) звуки, а также извращенцы, отражающие изменения в частоте или длительности, используя в качестве Gap, и / или по возрастанию или убыванию частоты Лапы. Наконец, мы также рекомендуем записи спонтанной ЭЭГ во время "тихого игры", в которой нет звуковой раздражитель не представлена. Затем эти данные могут бытьиспользуется для измерения колебательный муфту и согласованности в отсутствие повторной стимуляции.

Запись ЭЭГ от населения младенческой представляет набор уникальных вызовов. Например, сотрудничество с размещением электродов и оставив их на месте в течение всего срока эксперимента, минимизируя движение, чтобы предотвратить артефакты ЭЭГ, и держать ребенка заниматься и отвлекаться тихими игрушки все представляют проблемы. Кроме того, детские данные не легко поддаются простых приложений протоколов, разработанных с взрослой / старых данных детей. Во многих случаях отношения между компонентами, наблюдаемых в детской ЭЭГ и связанных с событиями потенциалов (ССП) не так ясна и не всегда карту на то, что принято у взрослых. Хотя исследования развития имеет мощный потенциал для понимания генезиса типичных и неупорядоченной функции мозга, запись надежные и интерпретируемые ответы мозга от человеческих младенцев требуется ахкайф уровень владения техническим и межличностных сферах. Эти проблемы, однако, могут быть преодолены и надежные ЭЭГ и ERP данные могут быть записаны от младенцев различных возрастов, используя различные парадигмы. Здесь мы опишем общий метод анализа использования в продаже ERP-записи и программное обеспечение для анализа в сочетании со свободным, открытым исходным кодом пакета ERP анализа, который работает в среде MATLAB 29.

Применение методов анализа колебательных младенческой записей реагирования мозга позволяет разведку более механистических вопросам развития нейронов синхронности в отношении овладения языком и предполагаемых механизмов, лежащих в основе, когда, что синхронность нарушена. Связанные усилия, использующие другие стимулы, такие как речь слоги 24 и анализа спонтанных или "отдыхает" колебаний 1 в продольном анализов или в сочетании с ранних учебных парадигм, предлагают окна в тemporal, пространственные и спектральные динамика типичных и неупорядоченных траекторий развития. Он надеется, что эти усилия будут увеличить наше понимание основ развития слухового и пластичности, и помочь в идентификации и реабилитации стратегий нарушениями развития языка.

Protocol

Вся работа с человека субъектов требуется одобрение Экспертный совет и надзор. Методы, описанные здесь, когда используется в исследованиях, были рассмотрены и утверждены человека субъектов программу защиты через Рутгерса искусств и наук институциональной наблюдательного совета (IRB).

1. Подготовка

  1. График ребенка в течение 1 часа тестирования в звуковой ослабленных и электрически-экранированного камеры. Протокол исследования представлены в этой статье, производится репрезентативных данных включает в себя 20 - 30 мин тестирования ЭЭГ.
  2. Выделяют три человек в испытательной сессии: один "основной тестер", один "чистый ассистент" и один "артист".
  3. Для высокой плотности младенческой ЭЭГ, использовать по крайней мере за вычетом 64-канальный. Для репрезентативных данных, представленных здесь, используется чистая датчик 128-канальный.

2. Чистые Применение

  1. Настройте следующие поставки в записи ChamBER: Кобан самоклеящаяся пленка лента, рулетка, маркировка ручки, 2 полотенца, и пипетки. Калибровка звучит на уровень тестирования (например, дБ SPL, HL, и т.д.).
  2. Сделайте раствор электролита (дистиллированная вода, хлорид калия и детский шампунь) задолго до того, предполагаемый срок семья прибытие. Чтобы гарантировать, что чистый, не слишком холодное на голову младенца, теплые 8 унций воды, чтобы быть добавлены к раствору непосредственно перед применением.
  3. Когда семья приезжает, получить согласие с IRB утвержденным формам.
  4. В испытательной камере, сидеть на коленях младенца воспитателя, и есть артист начинают играть с младенцем. Если это первый визит, объяснить чистую процедуру подачи заявки.
  5. Измерьте окружность головы младенца в самом широком месте головы и выбрать чистый размер основанный на этом измерении. Для получения наилучшего соответствия, выбрать меньший размера сети, если окружность находится недалеко от минимального размера для одного возраста. Погрузитесь выбранную сеть в Electrolyte решение.
  6. Измерьте Насьон-на-затылочного бугра и отметьте кожу головы на ½ от общего измерения. Сделайте то же самое для измерения уха до уха. Итоговая оценка Cz (вершина).
  7. Удалите излишки раствора из сети, поместив его на сухое полотенце. Есть чистая помощник инвертировать сеть и понять электрод Cz; проведение сеть так, что основной тестер может позиционировать свои пальцы в передней части сети.
  8. Переверните сеть и положите сетку на детской голове, как движется чистая помощник антарктических и цветные передние темы (соединяющие Насьон электрод и антарктических) за пределами сети.
  9. Отрегулируйте чистую позицию на голове младенца, размещение Cz на вершину головы отметки. Положение / выровнять каждый из электродов, начиная от задней и работающих по направлению к передней, убедившись, что там под прямым углом между каждым электродом и поверхностью головки.
  10. Соберите провода, настроить антарктических, безопасные провода с Кобан ленты и вставьте в чистой Conneт е р.
  11. Измерьте сопротивление электрода с порогом <50 кОм, или в соответствии с инструкциями системы. Если некоторые электроды имеют высокое сопротивление, повторно смочите электрод с пипеткой электролита заполнены и осторожно двигаться волосы из-под электрода.

3. Стимулы Презентация и ЭЭГ запись

  1. Нынешние слуховые стимулы в свободной области с динамиками на одинаковом расстоянии от головы ребенка.
    ПРИМЕЧАНИЕ: репрезентативное исследование параметров стимула были следующие: 70 мс тон-пары с основной частотой либо 800 или 1200 Гц и 15 гармоник (6 дБ скатывания на октаву) представлены в двух блоках (70 или 300 мс международных Интервал стимул). Низкие высокой пары (800 Гц - 1200 Гц) представлены как извращенцев (15% = 125 испытаний) среди низких низкой (800 Гц - 800 Гц) стандартов (85% = 708 испытаний).
  2. Запишите ЭЭГ в соответствии с аппаратными и программными инструкциями. Используйте следующие параметры для репрезентативных данных: SAMPлин ставка: 250 Гц, НЧ-аппаратный фильтр: 100 Гц, эллиптические, Фильтр высоких частот: 0,1 Гц, Авто: установите Найквиста, усиление совета: 1.
  3. Обеспечить спокойную, тихую, мягко привлекательный среду для ребенка во время записи. Участвовать младенца, играя в соответствующие возрасту тихий видео или тихими игрушки (например, удар пузыри, точки на фотографии в книгах, кукольный играть). Обеспечение уход с наушниками для прослушивания музыки избегает непреднамеренного вмешательства воспитателя с детской ответ. Если ребенок беспокоен, влияя на ЭЭГ, пауза стимул презентации и записи ЭЭГ до спокойной обстановке не могут быть восстановлены.
  4. После эксперимент завершен, аккуратно извлеките сеть и высушите волосы младенца и голову.
  5. Сохранить и резервного копирования исходные данные, нефильтрованное ЭЭГ перед закрытием программы в конце сессии тестирования.

4. Обработка данных - ФКЗ

Осмотрите необработанные данные ЭЭГ и отвергать сегментс с высокой амплитудой артефакта.
ПРИМЕЧАНИЕ: Не принимать каналы с высокой амплитудой и интерполировать. Максимальный процент отклоненных каналов должен быть установлен на 30%. Альтернативные методы (например, МКА, РСА, также Ссылки 30) могут быть использованы для уменьшения или отклонить артефакты, присутствующие в данных.

  1. Фильтрация данных с заранее установленными параметрами, которые согласуются с корковой активности. Для младенцев, использовать полосовой фильтр автономную 1 - 15 Гц.
  2. Сегмент непрерывные данные, чтобы создать вокруг эпохи "Время" (0 стимул начало) в соответствии с инструкциями программного обеспечения. Для сегментации, включают в себя достаточное время предварительного стимул для создания базовой активности и пост-стимул время, чтобы захватить весь ответ.
  3. Отклонить шумные эпохи в соответствии с соответствующими критериями отторжения (например, +/- 200 мкВ для детей). Установите максимальный процент отклоненных эпох на 30%.
  4. Нормальное эпох для каждого человека и каждое условие и объединить их в среднемS в соответствии с группой и условия грандиозных средних.
  5. Если количество эпох, содержащихся в каждом среднем варьируется в зависимости от субъектов, вес количество эпох, так что субъекты с более / менее эпох одинаково ценными.
    1. К весу общего среднего, вычисления индивидуального среднем от каждого состояния в п раз сигнала, где N равно числу эпох, которые включают в среднем, затем делится на общее количество эпох для всех субъектов. Этот метод дает каждому пробную равный вес в конечном среднем.

Обработка данных 5. - Источник Локализация

Для младенцев данных, совместно зарегистрировать каждый индивидуальный и большой средний файл ERP с любой шаблон MR соответствующих возрасту или индивидуального MR сканирования (обратитесь к предыдущим публикациям 31,32).
ПРИМЕЧАНИЕ: В процессе совместного регистрации, электродные позиции и реконструированный глава зарегистрированы в одной системе координат. Могут быть использованы Гранд средниеопределить дипольный модель.

Расчетный количество и расположение основных источников для установки на данных. Для слуховой парадигме, использовать два диполей с свободное место и вращения.
ПРИМЕЧАНИЕ: оценка Источник затем автоматически направляется через минимизации функции затрат, которая взвешенная комбинация из 4 критериев остаточных подходят для получения "наилучшего" место для временного окна интерес.

  1. Убедитесь, что соответствующие возрасту параметры используются для толщины кожи головы, толщина черепа, ширина субарахноидальное пространство и костной проводимости, как эти факторы быстро изменить в процессе разработки. Для репрезентативных данных, параметры: череп: 1,5 мм; головы: 2,5 мм; субарахноидальное пространство: 1,7 мм; костной проводимости: 0,0581.
  2. Начиная с большом среднем ERP, выбрать временное окно интерес, соответствующей пику. Консервативные параметры, как правило, +/- 20 мс вокруг пика интереса 31.
  3. Проверьте "благость Fiт "для дипольного решения с использованием программного обеспечения выходов остаточной дисперсии. Это количество сигнала, что остается необъясненным на данном временном окне подгонки по текущей модели дипольного. Регулировка временного окна, чтобы минимизировать остаточную дисперсию. Используйте распределенного источника модель (Clara), чтобы проверить решение в расширенном регионе деятельности.
  4. Сохраните решение диполь-источника и сигналов для каждого состояния и пика.
  5. Повторите процедуру для каждого отдельного средней файла.
  6. Для статистического анализа расположения источника, используйте значения пиковой латентности, амплитуде и место координаты в X (медиальная-боковая), Y (передне-задней), и Z (выше-ниже) направления для каждого диполя от каждого отдельного файла среднего решение. В случае, представленном здесь, 2X2 Повторное меры ANOVA (Стимул (стандарт, девиантное) Х полушарие (левый, правый) для амплитуды и латентности источников может быть полезно посмотреть на прочность и сроков генераторов. ИсточникКоординаты могут быть оценены таким же образом (для обзора, 31,32).

6. Обработка данных - частотно-временной анализ в пространстве источника

  1. Применить диполь модели решение сырой, нефильтрованное, непрерывного данных ЭЭГ.
    1. Применение исходного раствора (сохраняется на шаге 5.6.) В файле сырых данных ЭЭГ в качестве виртуального электрода монтажа.
      Примечание: использование дипольной модели в этом случае применяется фиксированный пространственный фильтр на поверхности канала записи (датчик) пространство для преобразования непрерывного высокой плотности ЭЭГ в виртуальный монтаж 2-источника (источников мозга пространстве).
  2. Преобразование времени домен сигнал одного источника пробную во временную частотной области (рис 1).
    Примечание: В настоящее время несколько подходов может быть использован для преобразования одного пробные данные в частотно-временной области, в том числе вейвлет-анализа и применения преобразования Гильберта для отфильтрованных данных. В то время как сравнение этих методовза рамки данной статьи, несколько опубликованных статей подробно описаны эти методы 33-36. Анализ частотно-временной помощью сложную процедуру демодуляции найти в коммерчески доступного программного обеспечения когерентности 37, вычисляет мгновенную амплитуду огибающей и фазы каждой активности головного мозга в зависимости от частоты и времени 37-39. Это производит меры мгновенных сдвигов питания (Временная эволюция спектра, TSE) и фазовой синхронизации (Интер-испытательный фазовой синхронизации, ITPL).
    1. Используйте следующие параметры: 1 Гц широкие частотные бункеров от 2 до 80 Гц и 50 мс временного разрешения от -1,500 до 1,500 мс. Временное окно эпоха должна быть достаточно длинной, чтобы фильтрацию или обработку по самой низкой желаемой частоты без каких артефактов 40,41.
  3. Представьте частотные пики активности в ЭЭГ, чтобы избежать интерпретации возможных побочных артефактов, связанных с круговой или RОкрыленный колебания 41,42.
  4. Выполните тестирование перестановок и кластерный анализ, чтобы определить, регионы значимых различий между группами условий и 24,43.

Representative Results

Детей Событийный Потенциалы

Детей ССП, как правило, больше, чем у взрослых ССП, и может иметь меньше или больше пиков активации, по отношению к зрелой ответов, в зависимости от возраста 44. Здесь мы покажем, представительства общего среднего ответов из двадцати трех 4-месячные младенцы 43 (рисунок 2). Чудак парадигмы позволяет определить, может ли мозг младенца признают разницу между двумя событиями. В представительных результатов, тон-вариант, девиантное ответ (DEV, 800-1,200Hz, красная линия) вызывает дополнительный пик активации, относительно инвариантных пар тонов (ЗППП, 800-800Hz, черная линия). Этот вывод очевиден в обоих скорости управления (300 мс ISI, слева) и высокая скорость (70 мс ISI, справа) условия. Пример ответы от электродов Fz (фронтальный средней линии), С3 (Центральной, справа) и С4 (центральная, левая) показаны. Компьютерная разница волна (Девиантное минусСтандартный) также показан в серых линий. Дополнительный пик активации предполагает, что мозг младенца в этом возрасте могут различать разницу между тонами на обоих презентаций скорости.

Детей сигналов источника

Активность источника с небольшим остаточной дисперсии должны следовать ERP пики, означающий "хорошую подгонку" между исходными данными и источником локализованной преобразованные данные. В репрезентативных данных, мы показываем расположение двух-дипольного лучшее соответствие исходной модели в детской грандиозного средней ERP на ЗППП (тон-инвариантной) состояние более распределенной модели CLARA (Рисунок 3). Вычисление ясно показывает левый и правый слуховой активации в условиях управления и скоростью.

Пики активности от двух дипольной модели (рисунок 4) соответствует ответ ERP очень хорошо. Пик времени и морфология ERP сигналов, показано Iн панель (я), соответствовать времени и морфологию исходных сигналов, показанных на панели (II) (для более подробной информации см исходной статьи, 43). Источник сигналов этого эксперимента объясняется 97,9% дисперсии в деятельности на волосистой части головы электродов. Статистический анализ пиков задержки исходных показали, что правое полушарие активность была быстрее, чем слева в обоих условиях, а ответы в быстром темпе были ниже в обоих полушарий, чем в состоянии управления. Полушария различия не наблюдались с использованием данных ERP, предполагая, что методы локализации источника позволило извлекать дополнительную информацию из ответов.

Детей Событийный колебания

В общем, время-частота анализов взрослого и животных данные показывают, что стимулы вызывают 1 / F модель нейронной синхронности (например., Уменьшения мощности при увеличении частоты). В репрезентативных данных, вызванные слуховым тодна пара, мы показываем, что младенцы также выразить эту модель (рисунок 5). Здесь начала стимула вызывает синхронные всплески тета (5-6 Гц), бета (20-25 Гц) и гамма (35-45 Гц) власти в правой и левой слуховые области мозга.

Модели на животных и взрослых эксперименты показывают, что колебательное синхронность, и, в частности низким до середины колебаний (например., 1-8 Гц) являются основными причинами вызванных потенциалов 45. Анализ мгновенных сдвигов питания (Временная эволюция спектра, TSE) в детских колебаний от нашей предыдущей публикации 43 показали большую индуцированный мощность на тон вариант в тета-диапазоне (6-8 Гц), по отношению к инвариантной тона. Этот эффект наблюдался в обоих условиях ставки, особенно на правой слуховой области в состоянии контроля скорости (рис 6). Презентация Быстрая скорость дали более симметричны деятельность, предлагая расширенную левую корковой инвolvement во слуховой обработки быстро происходящих стимулов и, в частности, во время обработки акустических изменений.

Фигура 1
Рисунок 1. Этапы частотно-временной метод частотно-временной анализ анализ. Иллюстрируется с помощью большой средний (п = 12) данные из 4-месячных младенцев в течение мсек состоянии тона ISI 70. Стимул приступы показаны красными стрелками в под временной оси. Шаги анализа: (1) Усредненные ССП, как показано на Cz электрода, создаются для каждого канала (2) Источник расположение ERP генераторов, показанных на эскиз головы, получается с использованием 2-дипольной модели в данных отображенный на. младенческой шаблон МРТ. (3) Индивидуальные и грандиозные средние сигналы источника получены из подгонки левых и правых диполей. Детей модели головы показывают карты напряжение, соответствующее выбранной пика (в глучей). (4) источник монтаж применяется к данным канала кожи головы 128, и амплитуды вычисляются и сохраняются для двух каналов источника. (5) Условия для проведения мероприятий, связанных с колебаниями рассчитываются одноместных испытаний и в среднем за период реакции. Пожалуйста, Нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Рисунок 2
Рисунок 2. связанные с событиями потенциалов морфологию. Гранд средние (п = 23), чтобы быстро (70 мс ISI) и управления (300 мс ISI) ответов ставки до стандартной (STD, черные линии) и девиантное (DEV, красные линии) пар тон приведены в лобной линии и центральной левого и правого электродов. Негатив откладывается до. Стимул приступы показаны красными стрелками в под оси времени на Fz. Р1 отображается на панели Fz с черной стрелкой. Разница WAVе (ответ на DEV минус ответ на ЗППП) показано в серых линий (адаптировано из 43). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Рисунок 3
Рисунок 3. Источник результаты локализации. Два диполя модель источника "лучше всего подходят", накладываясь на распределенной деятельности с исходной модели. Ясно левой и правой деятельность может рассматриваться на левой и правой височной областей лепестков. (Взято из 43). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Рисунок 4
Рисунок 4. Событийный Потенциал и исходного сигнала сравнения. (Я) Пример ФКЗ от фронтальной ЛЕФ т и правый электроды (F3 и F4) наблюдались пики активации в тон пары с инвариантной и вариантных основных частот (STD DEV и, соответственно). Изменение частоты вызывает большие пики ~ 400 мс (DEV, красная линия), по сравнению с когда частоты остаются неизменными (ЗППП, черный). (II) задержки пиков активации похожа на исходный локализованные дипольного деятельности, предполагая, хороший матч между ERP и анализа исходного сигнала. Большой пик на 400 мс особенно заметно в правом полушарии с исходных данных, локализованные. Для простоты, только ответы на состоянии быстрыми темпами показаны, однако подобное совпадение наблюдалось также между ERP и источника сигналов для ответов в состоянии управления скоростью. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

фигура 5 "SRC =" / файлы / ftp_upload / 52420 / 52420fig5.jpg "/>
Рисунок 5. пула TSE карты выражается процентов спектральной изменения в течение эпохи -1 до 1 сек времени для левого и правого генераторов. (Я) тонов в 300 событий, связанных с колебаниями мс ISI состояние вызывают в когерентных частотных диапазонах вокруг начала стимула (например., -1140 мс и 0 мс). Долго стимулом эпоха используется для того, чтобы визуализировать больше данных и обеспечить достаточно длинный образец для частоты разложения. Правая панель показывает усредненный спектр над начального пика обработки (150 - 300 мс). Усредненный спектр показывает общее 1 / F спектр с дискретными пиков синхронности в определенных частотных диапазонах. (II) Аналогичная картина наблюдается и для 70 мс ISI состоянии. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Палатка "FO: держать-together.within-страницу =" всегда "> Рисунок 6
Рисунок 6. Время-частотный анализ колебаний событий, связанных с в 4 месячных младенцев. Изменение колебательной мощности показана эволюция спектра inTemporal (TSE) общего среднего участков для 4-месячных младенцев в контроле (А) и высокая скорость (B) условия. Черные полосы на оси х иллюстрации тон начало и продолжительность. Левый и правый активность источника указывается в левом верхнем углу каждого графика. Первый ряд: (I) Ответы на тон пары с инвариантной частоты (ЗППП), показать изменения мощности в диапазоне дельта-тета. Средний ряд: (II) Ответы на тональных пар с изменением частоты в сигнал второй (DEV) обладают повышенной дельта-тета мощности на второй тон, по отношению к STD ответов, в частности, в правой слуховой области в состоянии управления. Третий ряд: разница между STD участки и DEVответы показывают правильное латерализованых увеличение мощности в стоимость управления (A.III) и разницу двустороннего питания в быстром темпе (B.III). Значительные различия между ЗППП и ответ DEV в частотно-временной области, приведены в черным контуром. (Взято из 43). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Discussion

Метод исследования описан здесь описывается, как способствовать более глубокому пониманию динамики и spectrotemporal анатомического расположения высокой плотности слуховых вызванных ЭЭГ-и ERP ответов мозга у детей. Есть четыре важных шагов в рамках этого протокола, которые облегчают анализ. Во-первых, собственно чистая приложений и позиционирования с минимальным воспитателя и младенческой бедствия является основой для записи ЭЭГ чистый в не-седативные парадигм. Правильное измерение головы и чистая Выбор размера, а также использование чистой помощника и искусств в процессе приложения является ключом к реализации этого шага. Во-вторых, важно, чтобы создать спокойную, тихую и игривый атмосферу для семьи во время сессии тестирования, условия способствовали первичной тестер, чистой помощником и конферансье, который входит в зацепление с младенцем в тихом игры. В-третьих, для анализа данных, важно, что модели соответствующие возрасту МРТ головы можно использовать для локализации источника. Размер головы, бопе и кожи и цереброспинальной пространство должно быть точным для своего возраста тестируемого, чтобы получить наиболее точные результаты локализации. Наконец, для корковых ответов в целом, это также важно, что высокой плотности чистой использоваться (например., По крайней мере, 64 каналов данных) в целях оптимизации шансы на получение низкого артефактов записи.

Одним из ограничений этого метода является то, что источником локализация данных ЭЭГ не золотой стандарт для сайта тестов деятельности. Следует иметь в виду, что вперед модель локализации, даже с лучшими моделями головы и измерения все еще ​​оценивает местоположения деятельности. Таким образом, важно разработать эксперимент таким образом, что информация, касающаяся активности источника может быть сопоставлены между экспериментальных условиях или групп. Кроме того, тестирование младенец в целом и, в частности, продольного исследования может быть чревато неполных или отсутствующих наборов данных. Пути решения этой проблемы являются) поддерживать гelationships с участвующими семей; б) оптимизировать тихий, спокойный атмосферу записи для ребенка и воспитателя; и в) при условии переоценить бассейн. В наших руках, с опытным детской команде, мы добились с малым падением напряжения и минимальные ставки потери данных. В продольном образце 211 детских сеансов записи с 57 участниками мы показываем хранения данных 98,6% (например., 208 сессий, которые привели к пригодных данных) и 10% отсева (например., 6 участников были не в состоянии продолжать после начала Эксперимент). Преимущество ЭЭГ сравнению с другими способами, такими как МЭГ и НИРС, что подкорково предвзятым активность доступен с различными полосами с фильтром. Кроме того, это легче контролировать для движения в качестве электродов путешествовать с головой.

После того, как этот протокол освоено, экспериментальные приложения младенческой ЭЭГ и динамики колебательных изобилии. Понятно, что мы должны сначала понять, как правило, развивается корковой netwoРКС с целью выявления лиц, которые организовали нетипично. Это указывает на необходимость создания модели, в которой целостность начале слуховых механизмов обработки (в том числе колебаний) играет роль в генерации и пластичности звука представления, как слуховые впечатления включены и, в идеале, узнал. Согласно этой модели, нелингвистические дефициты обработки могут быть связаны с симптомами лет, а в некоторых случаях десятилетий, прежде чем произойдет формальный диагноз.

Будущие исследования необходимы, чтобы понять дальнейшие подробности, в том числе функции колебательной динамики частоты диапазона конкретных, фазовой связи кросс-частоты и региональных тормозных / возбуждающим моделей по всей раннего развития. Кроме того, подкорковой деятельности и испытаний в различных состояниях, таких как сон, необходимо дать более полную картину типичного развития. Мы считаем, исследования в этой технике обеспечит важное понимание процесса по whicДинамика "neurotypical" и атипичные колебательные H организовать и взаимодействовать с новыми когнитивных и языковых способностей.

Acknowledgments

Авторы выражают благодарность поддержку этого исследования по Соломона центра Элизабет Х. для развития нервной системы исследований и NSF гранта # SMA-1041755 с временной динамики Learning Center, в NSF науки Learning Center. Особая благодарность также за счет семей, которые принимали участие, и членов исследований лаборатории младенчества для практических и интеллектуальных взносов. Особая благодарность Ярмо Hämäläinen для разработки протокола локализации источника и к Назим Чоудхури за ее интеллектуального вклада.

Materials

Name Company Catalog Number Comments
EEG Amplifiers EGI 1301281
Sensor Nets  EGI C-GSN-128-1011-110 Sizes of nets vary with age, by month
EEG Recording Software Net Station 4604200
Presentation Computer Dell 4608161
Presentation Software Eprime 13102456-50
Baby bottle warmer Avent Target or any baby store
Electrolyte solutuion (Potassium Chloride dry) EGI A-A-CC-KLL-1000-000
Coban self-adherent wrap tape Coban 595573
Measuring tape Target or any baby store
Washable Markers Target or any baby store
Pipettes  Comes with EGI amplifier setup
Analysis Computer Dell
Analysis Software I BESA 3955054 v5.3
Analysis Software II Brain Voyager 3955054
Analysis Software III EEGLAB/ERPLAB/ MassUnivariate Toolbox Freeware MatLAB v2007b
Analysis Software IV BESA Statistics 3956341

DOWNLOAD MATERIALS LIST

References

  1. Gou, Z., Choudhury, N., Benasich, A. A. Resting frontal gamma power at 16, 24 and 36 months predicts individual differences in language and cognition at 4 and 5 years. Behavioural brain research. 220, 263-270 (2011).
  2. Uhlhaas, P. J., Roux, F., Rodriguez, E., Rotarska-Jagiela, A., Singer, W. Neural synchrony and the development of cortical networks. Trends in cognitive sciences. 14, 72-80 (2010).
  3. Singer, W. Development and plasticity of cortical processing architectures. Science. 270, 758-764 (1995).
  4. Singer, W. Mechanisms of experience dependent self-organization of neuronal assemblies in the mammalian visual system. Archivos de biologia y medicina experimentales. 16, 317-327 (1983).
  5. Lakatos, P., et al. An oscillatory hierarchy controlling neuronal excitability and stimulus processing in the auditory cortex. Journal of neurophysiology. 94, 1904-1911 (2005).
  6. Jacobs, J., Kahana, M. J., Ekstrom, A. D., Fried, I. Brain oscillations control timing of single-neuron activity in humans. The Journal of neuroscience. 27, 3839-3844 (2007).
  7. Schroeder, C. E., Lakatos, P. Low-frequency neuronal oscillations as instruments of sensory selection. Trends Neurosci. 32, 9-18 (2009).
  8. Schroeder, C. E., Lakatos, P., Kajikawa, Y., Partan, S., Puce, A. Neuronal oscillations and visual amplification of speech. Trends in cognitive sciences. 12, 106-113 (2008).
  9. Basar, E. Oscillations in 'brain-body-mind'-A holistic view including the autonomous system. Brain Res. 1235, 2-11 (2008).
  10. Buzsaki, G. Large-scale recording of neuronal ensembles. Nature. 7, 446-451 (2004).
  11. Aslin, R. N. Discrimination of frequency transitions by human infants. The Journal of the Acoustical Society of America. 86, 582-590 (1989).
  12. Eilers, R. E., Morse, P. A., Gavin, W. J., Oller, D. K. Discrimination of voice onset time in infancy. The Journal of the Acoustical Society of America. 70, 955-965 (1981).
  13. Irwin, R. J., Ball, A. K., Kay, N., Stillman, J. A., Rosser, J. The development of auditory temporal acuity in children. Child development. 56, 614-620 (1985).
  14. Jusczyk, P. W., Pisoni, D. B., Walley, A., Murray, J. Discimination of relative onset time of two-component tones by infants. The Journal of the Acoustical Society of America. 67, 262-270 (1980).
  15. Bishop, D. V. M., Hardiman, M. J., Barry, J. G. Auditory Deficit as a Consequence Rather than Endophenotype of Specific Language Impairment Electrophysiological Evidence. Plos One. 7, e35851 (2012).
  16. Benasich, A. A., et al. The infant as a prelinguistic model for language learning impairments: Predicting from event-related potentials to behavior. Neuropsychologia. 44, 396-411 (2006).
  17. Choudhury, N., Benasich, A. A. Maturation of auditory evoked potentials from 6 to 48 months: prediction to 3 and 4 year language and cognitive abilities. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 122, 320-338 (2011).
  18. Lakatos, P., et al. Timing of pure tone and noise-evoked responses in macaque auditory cortex. Neuroreport. 16, 933-937 (2005).
  19. Shah, A. S., et al. Neural dynamics and the fundamental mechanisms of event-related brain potentials. Cerebral cortex. 14, 476-483 (2004).
  20. Fries, P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends Cogn Sci. 9, 474-480 (2005).
  21. Buzsaki, G. Rhythms of the Brain. Oxford University Press. New York. (2006).
  22. Buzsaki, G., Draguhn, A. Neuronal oscillations in cortical networks. Science. 304, 1926-1929 (2004).
  23. Whittingstall, K., Logothetis, N. K. Frequency-band coupling in surface EEG reflects spiking activity in monkey visual cortex. Neuron. 64, 281-289 (2009).
  24. Ortiz-Mantilla, S., Hämäläinen, J. A., Musacchia, G., Benasich, A. A. Enhancement of gamma oscillations indicates preferential processing of native over foreign phonemic contrasts in infants. The Journal of neuroscience : the official journal of the Society for Neuroscience. 33, 18746-18754 (2013).
  25. Palmer, S. B., Fais, L., Golinkoff, R. M., Werker, J. F. Perceptual narrowing of linguistic sign occurs in the 1st year of life. Child. 83, 543-553 (2012).
  26. Werker, J. F., Tees, R. C. Speech perception as a window for understanding plasticity and commitment in language systems of the brain. Dev Psychobiol. 46, 233-251 (2005).
  27. Benasich, A. A. Impaired processing of brief, rapidly presented auditory cues in infants with a family history of autoimmune disorder. Developmental neuropsychology. 22, 351-372 (2002).
  28. Benasich, A. A., Tallal, P. Infant discrimination of rapid auditory cues predicts later language impairment. Behavioural brain research. 136, 31-49 (2002).
  29. Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Front Hum. Neurosci. 8, 213 (2014).
  30. Delorme, A., Sejnowski, T., Makeig, S. Enhanced detection of artifacts in EEG data using higher-order statistics and independent component analysis. NeuroImage. 34, (4), 1443-1449 (2007).
  31. Hämäläinen, J. A., Ortiz-Mantilla, S., Benasich, A. A. Source localization of event-related potentials to pitch change mapped onto age-appropriate MRIs at 6 months of age. NeuroImage. 54, 1910-1918 (2011).
  32. Ortiz-Mantilla, S., Hämäläinen, J. A., Benasich, A. A. Time course of ERP generators to syllables in infants: A source localization study using age-appropriate brain templates. NeuroImage. 59, 3275-3287 (2012).
  33. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
  34. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of neuroscience. 134, 9-21 (2004).
  35. Delorme, A., et al. ERICA: new tools for advanced EEG processing. Computational intelligence and neuroscience. 2011, 130714 (2011).
  36. Makeig, S. Auditory event-related dynamics of the EEG spectrum and effects of exposure to tones. Electroencephalography and clinical neurophysiology. 86, 283-293 (1993).
  37. Hoechstetter, K., et al. BESA source coherence: a new method to study cortical oscillatory coupling. Brain topography. 16, 233-238 (2004).
  38. Papp, N., Ktonas, P. Critical evaluation of complex demodulation techniques for the quantification of bioelectrical activity. Biomedical sciences instrumentation. 13, 135-145 (1977).
  39. Yoon, H., Yeom, W., Kang, S., Hong, J., Park, K. A multiple phase demodulation method for high resolution of the laser scanner. The Review of scientific instruments. 80, 056106 (2009).
  40. Wang, Z., Maier, A., Leopold, D. A., Logothetis, N. K., Liang, H. Single-trial evoked potential estimation using wavelets. Comput Biol Med. 37, (4), 463-473 (2007).
  41. Kramer, M. A., Tort, A. B., Kopell, N. J. Sharp edge artifacts and spurious coupling in EEG frequency comodulation measures. J Neurosci Methods. 170, (2), 352-357 (2008).
  42. Kriegeskorte, N., Simmons, W. K., Bellgowan, P. S., Baker, C. I. Circular analysis in systems neuroscience: the dangers of double dipping. Nat Neurosci. 12, (5), 535-540 (2009).
  43. Musacchia, G., et al. Oscillatory support for rapid frequency change processing in infants. Neuropsychologia. 51, 2812-2824 (2013).
  44. Boer, T., Scott, L. S., Nelson, C. A. Infant EEG and Event-Related Potentials.Studies in Developmental Psychology. Hann, M. Psychology Press. Washington D.C. 5-39 (2007).
  45. Basar, E., Schurmann, M., Demiralp, T., Basar-Eroglu, C., Ademoglu, A. Event-related oscillations are 'real brain responses' - wavelet analysis and new strategies. Int J Psychophysiol. 39, 91-127 (2001).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics