Infant elaborazione uditiva e oscillazioni cerebrali eventi correlati

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

Elaborazione uditiva rapida e capacità di change detection acustiche giocano un ruolo critico nel permettere neonati umani di elaborare in modo efficiente la multa spettrale e cambiamenti temporali che sono caratteristici del linguaggio umano. Queste abilità gettare le basi per l'acquisizione del linguaggio efficace; bambini permettendo di perfezionare in suoni della loro lingua madre. Procedure invasive negli animali e potenzialità registrato cuoio-da adulti umani suggeriscono che simultanea, attività ritmica (oscillazioni) tra e all'interno di regioni cerebrali sono fondamentali per lo sviluppo sensoriale; determinare la risoluzione con cui gli stimoli in arrivo vengono analizzati. In questo momento, poco si sa su dinamiche oscillatori nello sviluppo del bambino. Tuttavia, i dati neurofisiologia animale e adulti EEG forniscono la base per una forte ipotesi che la rapida elaborazione uditiva nei neonati è mediato da sincronia oscillatorio in bande di frequenza discrete. Per investigare questo, 128 canali, alta densiSono state esaminate le risposte ty EEG di 4 mesi di età i bambini a variazione di frequenza a coppie di tono, presentato in due condizioni di tasso (300 msec ISI rapida del sito:: 70 msec ISI e Controllo). Per determinare la banda di frequenza e l'ampiezza delle attività, evocati uditivi medie risposta erano prima co-registrato con i modelli cerebrali adatti alla loro età. Successivamente, i principali componenti della risposta sono stati identificati e localizzati utilizzando un modello a due dipolo di attività cerebrale. Single-processo di analisi del potere oscillatorio ha mostrato un indice affidabile di cambiamento trasformazione di frequenza in esplosioni di banda Theta (3-8 Hz) attività in entrambi corteccia uditiva destra e sinistra, con l'attivazione di sinistra più prominente nella condizione Rapid. Questi metodi hanno prodotto dati che non sono solamente alcune delle prime riportato oscillazioni evocate analisi in neonati, ma sono anche, soprattutto, il prodotto di un metodo consolidato di registrazione e l'analisi pulito, meticolosamente raccolti, infantile EEG e ERP. In questo articolo, si descrive il nostro metodo per infant applicazione EEG rete, registrazione, analisi della risposta del cervello dinamica e risultati rappresentativi.

Introduction

Attraverso un ampio spettro di disordini dello sviluppo, sta diventando sempre più chiaro che la chiave per la diagnosi precoce e, in definitiva bonifica consiste nel capire i primi meccanismi che entrano in gioco, come lo sviluppo del cervello assembla reti funzionali. Quindi, vi è un aumento di interesse nella comprensione delle dinamiche temporali dei modelli neurali che la cognizione impatto. In particolare, le funzioni cognitive specifiche da differenziale correlati con l'attività oscillatoria bande di frequenza specifiche (ad esempio, le fluttuazioni cicliche singola cella o membrana popolazione potenziali) 1. Precedenti studi hanno dimostrato che le dinamiche oscillatori svolgono un ruolo cruciale nella auto-organizzazione attività-dipendente delle reti di sviluppo 2-4, controllano l'eccitabilità neuronale 5,6 e integrare input sensoriali 7,8. Attività cerebrale oscillatorio è pensato per essere metabolicamente favorevole 9,10, aumentando l'efficienza di avariety di funzioni di elaborazione sensoriale e il coordinamento delle funzioni di livello superiore, come la conoscenza e il linguaggio. Tuttavia, un'indagine sistematica sul ruolo della sincronia neurale attraverso l'età e collegamenti con esiti comportamentali nei neonati umani deve ancora essere compiuta. Un passo importante verso questo obiettivo è quello di raggiungere una più profonda comprensione della nascita e maturazione delle dinamiche temporali ei meccanismi oscillatori che supportano lo sviluppo di processi cognitivi tra cui precoce delle lingue.

Una componente fondamentale di sviluppo del linguaggio è la capacità di elaborare in modo accurato e classificare i segnali acustici che cambiano rapidamente: spesso l'ordine di non più di decine di millisecondi. Ad esempio, le dinamiche acustiche del parole "papà" e "cattivi" differiscono acusticamente solo nei primi 40 msec della sillaba, ma i due hanno significati e associazioni molto diverse. Precedenti studi mostrano una traiettoria di maturazione di receptive capacità per le differenze acustiche e linguistiche. Già nel 2 mesi di età, i bambini mostrano la capacità di discriminare frequenza cambia rapidamente (ad esempio, <100 msec); suggerendo che il "hardware" per rilevare la differenza tra le due sillabe acusticamente simili è a posto. Nei prossimi mesi, i neonati possono discriminare le differenze sempre più piccoli, sviluppare la percezione categoriale, e mostrano la specializzazione corticale per i suoni delle sillabe madrelingua 11-14. Perché complesso percezione del suono si basa sulla funzione di meccanismi di trattamento di base, si ritiene che il deficit nella capacità di percepire in rapida evoluzione differenze acustiche - anche per i suoni semplici come i toni - possono essere indicatori precoci 15 di impairment lingua più tardi.

Lavoro precedente da Choudhury e Benasich in questo laboratorio sostiene con forza questa ipotesi, mostrando che la capacità di un bambino di elaborare moltorapidi cambiamenti semplici suoni (ad esempio, toni) in grado di prevedere a 3 e 4 anni il linguaggio e le capacità cognitive 16,17. Questi dati verificare che le risposte cerebrali dei neonati pre-linguali possono fornire un indicatore quantificabile di elaborazione uditiva e del progresso dello sviluppo. Lo studio e metodi qui presentati sondare gli aspetti chiave del meccanismo alla base di questo rapporto. Diverse linee di ricerca ora indicano che il picco di latenza e ampiezza delle onde ERP nascono dalla somma delle dinamiche spectrotemporal in EEG oscillazioni di più generatori 18-23. Analisi Spectrotemporal permette anche la separazione di fase e potere informazioni. Attività fase bloccata riflette la parte della risposta neuronale evocata dallo stimolo. Questo tipo di informazioni è simile a quello che può essere estratto dal ERP, poiché le risposte vengono mediate riguardante un evento di tempo-locked. Tuttavia, i tempi di alcune attività neuronale può variare da prova a prova. Nell'analisi ERP, thil'attività s è "media out"; tuttavia in analisi delle variazioni di potenza da prova a prova, queste informazioni possono essere recuperato e analizzato. Pertanto, l'analisi spectrotemporal di fase e potenza può dare ulteriori informazioni sulla risposta neuronale, rispetto al tradizionale ERP. Per quanto riguarda lo sviluppo infantile, vi sono considerevoli prove che le oscillazioni contribuiscono allo sviluppo di circuiti neurali in modelli animali 2,3 ma questi meccanismi stanno solo iniziando a indagare nella popolazione umana. Lavoro da questo laboratorio ha dimostrato theta e gamma oscillatorio correla di specializzazione lingua madre a 6 mesi 24. Ciò evidenzia la funzionalità delle gerarchie oscillatori nell'infanzia.

L'ipotesi globale, sulla base delle prove presentate sopra, è che la sincronia delle oscillazioni evocate in corteccia uditiva sostiene lo sviluppo del cervello del bambino. Come primo passo nel testare questa ipotesi, un "basale221; di trasformazione nella prima infanzia è stato ottenuto; vale a dire, a 4 mesi, di età, che è attualmente pensato per precedere "restringimento percettivo" per la lingua nativa di specializzazione 25,26. Di conseguenza, abbiamo effettuato analisi della frequenza single-processo su dati EEG infantile registrati durante l'ascolto passivo di pece-variante e pitch-invariante coppie toni presentati in un "paradigma oddball" composto da due condizioni tariffarie (condizione di controllo: 300 msec intervallo inter-stimolo; Condizioni Rapid: 70 msec inter-stimolo intervallo).

Qui illustriamo questo metodo utilizzando stimoli provenienti da studi incentrati sulla rapida elaborazione uditiva. In questi studi, un "paradigma oddball", è stato utilizzato per valutare l'attività neuronale di imprevedibile, ma gli eventi riconoscibili. In questo paradigma, la risposta del cervello alle risposte "devianti" imprevedibili o stimoli "dispari" vengono spesso chiamati, considerando che la risposta per lo stimolo prevedibile, mos presentatot del tempo, è di solito chiamata la risposta del cervello "Standard". Le risposte a stimoli presentati in un paradigma di oddball possono essere suscitato automaticamente senza attenzione focalizzata, rendendo questo paradigma facile da usare con bambini molto piccoli. Tutti gli stimoli uditivi sono rappresentati mediante i diffusori in campo libero a intervalli, che variano a seconda dello studio. Come accennato in precedenza, in questo studio i suoni che sono stati utilizzati indici rapidi elaborazione uditiva (RAP) abilità: cioè, suoni contenenti decine di millisecondi di cambiamento acustica 16,17,27,28. Si può osservare che molti altri tipi di incentivi sono utili per testare la discriminazione neurofisiologico, tra cui consonante-vocale (CV) suona così come devianti che riflettono i cambiamenti nella frequenza e durata, con un Gap interposto, e / o di ascendenti o discendenti sweep di frequenza. Infine, si consiglia anche la registrazione EEG spontaneo durante la "giocare tranquillo", in cui viene presentato alcun stimolo uditivo. Questi dati possono poi essereutilizzato per misurare accoppiamento oscillatorio e coerenza in assenza di stimolazione ripetuta.

Registrazione attività EEG da una popolazione infantile pone una serie di sfide uniche. Ad esempio, la cooperazione con il posizionamento degli elettrodi e lasciando in posizione per tutta la durata dell'esperimento, minimizzando il movimento di evitare artefatti EEG, e mantenere il bambino impegnata e distratto con giocattoli silenziosi rappresentano tutti sfide. Inoltre, i dati infantili non facilmente si prestano ad applicazioni semplici di protocolli sviluppati con adulti / dati bambino più grande. In molti casi la relazione tra i componenti osservati nei neonati EEG e potenziali evento-correlati (ERP) non è così chiara né la mappa sempre a ciò che è accettato nell'adulto. Mentre la ricerca evolutiva in possesso di un potente potenziale per comprendere la genesi della funzione tipica e disordinata del cervello, registrando risposte cerebrali affidabili e interpretabili da neonati umani richiede ahil livello di conoscenza della lingua igh entrambi i regni tecnici e interpersonali. Queste sfide, tuttavia, possono essere superate e dati EEG e ERP affidabili possono essere registrati da bambini di età diverse utilizzando una varietà di paradigmi. Qui si descrive un metodo generale di analisi utilizzando commercialmente disponibile registrazione ERP e software di analisi in combinazione con un pacchetto gratuito open-source ERP analisi che funziona nell'ambiente MATLAB 29.

L'applicazione dei metodi di analisi oscillatori per lattanti registrazioni di risposta del cervello permette l'esplorazione di altre domande meccanicistici di sviluppo sincronia neuronale in materia di acquisizione del linguaggio e dei meccanismi sottostanti putativi quando che la sincronia è compromessa. Sforzi correlati con altri stimoli, come la parola sillabe 24, e l'analisi di spontanei o "riposo" oscillazioni 1 nel analisi longitudinali o in combinazione con paradigmi di formazione iniziali, sono dotate di finestre in temporal, spaziale, e la dinamica spettrali di traiettorie tipiche e disordinate di sviluppo. Si spera che questi sforzi aumenteranno la nostra comprensione delle basi dello sviluppo uditivo e plasticità, e aiutare nella identificazione e bonifica strategie per disturbi del linguaggio di sviluppo.

Protocol

Tutto il lavoro con soggetti umani richiede l'approvazione Institutional Review Board e la supervisione. Metodi qui riportati, quando utilizzato nella ricerca, sono stati esaminati e approvati dai soggetti umani programma di protezione attraverso la Rutgers Arti e delle Scienze Institutional Review Board (IRB).

1. Preparazione

  1. Pianificare il bambino per 1 ora di test in una camera di suono attenuato e elettricamente schermato. Il protocollo dello studio presentato in questo articolo che ha prodotto i dati rappresentativi comprende 20 - 30 min di test EEG.
  2. Allocare tre persone per sessione di test: un "tester primaria", un "assistente di rete" e un "intrattenitore".
  3. Per l'alta densità infante registrazione EEG, utilizzare almeno una rete 64 canali. Per i dati rappresentativi qui presentati, è stato utilizzato un sensore di rete 128 canali.

2. Applicazione Net

  1. Impostare le seguenti forniture nel cham di registrazioneber: Coban avvolgere nastro auto-aderente, metro a nastro, pennarello, 2 asciugamani, e pipette. Calibrare suoni livello test (ad esempio, dB SPL, HL, etc.).
  2. Rendere la soluzione elettrolitica orario di arrivo famiglia (acqua distillata, cloruro di potassio e shampoo per bambini) ben prima stima. Per garantire che la rete non è troppo fredda sulla testa del bambino, caldi 8 once di acqua da aggiungere alla soluzione appena prima dell'applicazione.
  3. Quando la famiglia arriva, ottenere il consenso con forme IRB approvato.
  4. Nella camera di prova, sedersi il bambino sulle ginocchia del caregiver, e hanno l'intrattenitore iniziare a giocare con il bambino. Se è la prima visita, spiegare la procedura di rete dell'applicazione.
  5. Misurare la circonferenza della testa del bambino nel punto più largo della testa e scegliere la dimensione rete in base a questa misura. Per ottenere la soluzione migliore, scegliere una rete di piccole dimensioni, se la circonferenza è vicino alla dimensione minima per una età. Immergere la rete scelta nelle elecsoluzione troni.
  6. Misura nasion-to-inion e segnare il cuoio capelluto a ½ della misura totale. Fare lo stesso per la misurazione orecchio a orecchio. Il voto finale è Cz (vertice).
  7. Rimuovere la soluzione in eccesso dalla rete ponendolo su un asciugamano asciutto. Avere l'assistente rete invertire la rete e cogliere l'elettrodo Cz; tenendo la rete in modo che il tester primario può posizionare le dita sulla parte anteriore della rete.
  8. Capovolgere la rete sopra e posizionare la rete sulla testa infantile come assistente rete sposta il sottogola e filettature colorate (che collega l'elettrodo nasion e sottogola) al di fuori della rete.
  9. Regolare la posizione netta sulla testa del bambino, ponendo Cz alla boa del vertice del cuoio capelluto. Posizione / allineare ciascuno degli elettrodi a partire dal retro e di lavoro verso la parte anteriore, assicurandosi che vi è un angolo retto fra ciascun elettrodo e la superficie della testa.
  10. Raccogliere i cavi, regolare il sottogola, fili sicure con nastro Coban, e collegare il conne retector.
  11. Misurare l'impedenza dell'elettrodo con una soglia di <50 KOhms, o secondo le istruzioni del sistema. Se alcuni elettrodi sono ad alta impedenza, ri-immergere l'elettrodo con una pipetta elettrolita pieno e muovere delicatamente i capelli da sotto l'elettrodo.

3. Gli stimoli Presentazione e EEG registrazione

  1. Presenti stimoli uditivi in ​​campo libero con altoparlanti equidistanti dalla testa del bambino.
    NOTA: Lo studio rappresentativo parametri di stimolo sono stati i seguenti: 70 msec tono coppie con una frequenza fondamentale di una 800 o 1.200 Hz e 15 armoniche (6 dB di roll-off per ottava) sono presentate in due blocchi (70 o 300 msec internazionali intervallo stimolo). Le coppie a basso alto (800 Hz - 1.200 Hz) sono presentate come devianti (15% = 125 studi) tra (800 Hz - 800 Hz) a basso-basso standard (85% = 708 prove).
  2. Registrare il EEG secondo le istruzioni hardware e software. Utilizzare i seguenti parametri per i dati rappresentativi: Sampling rate: 250 Hz, filtro passa-basso Hardware: 100 Hz, ellittico, filtro passa-alto: 0,1 Hz, Auto: consente di Nyquist, aumento di bordo: 1.
  3. Fornire un ambiente calmo, tranquillo, leggermente coinvolgente per il bambino durante la registrazione. Coinvolgere il bambino giocando un video di silenzio consono alla sua età o con i giocattoli tranquilli (ad esempio, le bolle colpo, scegliere le immagini nei libri, spettacolo di marionette). Fornire il caregiver con gli auricolari per ascoltare la musica evita interferenze badante involontario con la risposta infantile. Se il bambino è irrequieto, impatto sul EEG, mettere in pausa la presentazione dello stimolo e la registrazione EEG fino a quando un ambiente tranquillo può essere ripristinato.
  4. Dopo l'esperimento, rimuovere delicatamente la rete e asciugare i capelli del bambino e la testa.
  5. Salvare e il backup dei dati di EEG, non filtrati grezzi prima di chiudere i programmi, alla fine della sessione di test.

4. Elaborazione Dati - ERP

Ispezionare visivamente i dati EEG grezzi e rifiutare segmentos con artefatto alta ampiezza.
NOTA: Rifiuta canali con elevata ampiezza e interpolare. Per cento massimo di canali respinti dovrebbe essere fissata al 30%. Metodi alternativi (ad esempio, ICA, PCA, Riferimenti 30) può essere impiegato per ridurre o rifiutare manufatti presenti nei dati.

  1. Filtrare i dati con i parametri prestabiliti che rientri attività corticale. Per i bambini, utilizzare un filtro passa-banda off-line di 1 - 15 Hz.
  2. Segmentare i dati in continuo per creare epoche intorno "Tempo 0" (stimolo esordio) secondo le istruzioni del software. Per la segmentazione, includere sufficiente tempo di pre-stimolo per stabilire l'attività e post-stimolo tempo basale di catturare l'intera risposta.
  3. Rifiutare epoche rumorosa secondo un adeguato criteri di scarto (ad esempio, +/- 200 mV per bambini). Set percentuale massima di epoche respinti al 30%.
  4. La media dei epoche per ogni individuo e ogni condizione e combinarli medias secondo gruppo e la condizione per le grandi medie.
  5. Se il numero di epoche contenute in ogni media varia tra i soggetti, di peso il numero di epoche in modo che i soggetti con più / meno epoche sono valutate in modo uguale.
    1. Al peso media complessiva, calcolare la media individuale di ciascun condizione n volte la forma d'onda, dove n corrisponde al numero di epoche che compongono la media, poi diviso per il numero totale di epoche per tutti i soggetti. Questo metodo fornisce ogni prova lo stesso peso nella media finale.

Elaborazione 5. I dati - Localizzazione origine

Per i dati infantile, co-registrare ogni file ERP media individuale e grande sia con un modello di MR consono alla sua età o una scansione MR individuale (vedi precedenti pubblicazioni 31,32).
NOTA: Nel processo di co-registrazione, le posizioni degli elettrodi e la testa ricostruita vengono registrati in un unico sistema di coordinate. Grandi media possono essere utilizzatiper definire il modello di dipolo.

Stimare il numero e la posizione delle sorgenti sottostanti ad essere montati ai dati. Per un paradigma uditivo, utilizzare due dipoli con posizione libera e la rotazione.
NOTA: stima sorgente viene quindi guidato automaticamente attraverso una minimizzazione di una funzione di costo che è una combinazione ponderata di 4 criteri atti residue per ottenere il "best fit" posizione per la finestra temporale di interesse.

  1. Assicurarsi parametri appropriati all'età sono utilizzati per lo spessore del cuoio capelluto, spessore cranio, larghezza dello spazio e osso subaracnoideo conducibilità questi fattori cambiano rapidamente durante lo sviluppo. Per i dati rappresentativi, i parametri sono: cranio: 1,5 millimetri; cuoio capelluto: 2,5 millimetri; spazio subaracnoideo: 1,7 millimetri; osso conducibilità: 0,0581.
  2. A partire da un grande ERP media, scegliere una finestra temporale di interesse corrispondente a un picco. Parametri conservatori sono in genere +/- 20 ms intorno al picco di interesse 31.
  3. Controllare la "bontà di fit "per la soluzione dipolo utilizzando le uscite software di varianza residua. Questa è la quantità di segnale che rimane inspiegabile sulla finestra temporale data di adattamento del modello di dipolo corrente. Regolare la finestra temporale di minimizzare la varianza residua. Utilizzare un modello di origine distribuito (CLARA) per verificare la soluzione all'interno della regione di attività esteso.
  4. Salvare la soluzione dipolo-source e forme d'onda per ogni condizione e di picco.
  5. Ripetere la procedura per ogni file media individuo.
  6. Per l'analisi statistica della posizione di origine, valori d'uso di latenza di picco, ampiezza e coordinate di posizione in X (medio-laterale), Y (anteriore-posteriore) e Z (superiore-inferiore) le indicazioni per ogni dipolo da ciascun file media individuale soluzione. Nel caso qui presentato, misure 2X2 ripetuta ANOVA (Stimulus (standard, devianti) X Emisfero (sinistra, destra) per l'ampiezza e la latenza delle fonti può essere utile guardare la forza e la tempistica dei generatori. Fontecoordinate possono essere valutati nello stesso modo (per la revisione, 31,32).

6. Elaborazione Dati - Analisi Tempo-Frequenza a Spazio sorgente

  1. Applicare la soluzione modello di dipolo alla, non filtrato, i dati EEG continuo crudo.
    1. Applicare la soluzione di origine (salvato nel passaggio 5.6.) Per il file di dati EEG crudo come un elettrodo di montaggio virtuale.
      NOTA: L'uso del modello dipolo in questo modo si applica un filtro spaziale fissa sulla superficie di registrazione del canale (spazio sensore) per trasformare il continuo EEG ad alta densità in un montaggio 2-sorgente virtuale (cervello spazio di origine).
  2. Trasformare il segnale di origine a una cronometro-dominio nel tempo-frequenza-dominio (Figura 1).
    NOTA: Attualmente, diversi approcci possono essere utilizzati per trasformare i dati singola prova nel dominio tempo-frequenza, compresa l'analisi wavelet e l'applicazione di una trasformata di Hilbert di dati filtrati. Mentre un confronto di questi metodi èal di fuori del campo di applicazione di questo articolo, numerosi articoli pubblicati hanno accuratamente descritto questi metodi 33-36. L'analisi tempo-frequenza utilizzando la procedura di demodulazione complessa trovato in un programma software coerenza disponibile in commercio 37, calcola l'ampiezza istantanea inviluppo e la fase di ogni attività cerebrale in funzione della frequenza e del tempo 37-39. Questo produce misure di turni di potenza istantanea (Temporal Spectral Evolution, TSE) e la fase di bloccaggio (Locking fase inter-trial, ITPL).
    1. Utilizzare i seguenti parametri: 1 Hz bin di frequenza larghe 2-80 Hz e 50 msec risoluzione temporale da -1.500 a 1.500 msec. La finestra temporale epoca dovrebbe essere abbastanza lungo per consentire il filtraggio o la trasformazione alla frequenza desiderata più basso senza incorrere in artefatti 40,41.
  3. Visualizzare i picchi di frequenza di attività nel EEG per evitare interpretazione possibile spurio artefatto legati o circolare roscillazioni esaltati 41,42.
  4. Eseguire test permutazione e cluster analysis per determinare le regioni di differenze significative tra le condizioni e gruppi di 24,43.

Representative Results

Potenziali evento-correlati Infant

ERP infantili sono generalmente più grandi ERP adulti, e possono avere meno o più picchi di attivazione, relativa a maturare risposte, a seconda del 44 anni. Qui vi mostriamo rappresentativi risposte Grandi Media di ventitre a 4 mesi di età i bambini 43 (Figura 2). Il paradigma oddball ci permette di determinare se il cervello del bambino può riconoscere la differenza tra due eventi. Nei risultati rappresentativi, il tono-variante, risposta devianti (DEV, 800-1,200Hz, linea rossa) suscita un ulteriore picco di attivazione, relative alle coppie di toni invarianti (STD, 800-800Hz, linea nera). Questo risultato è evidente in entrambi i tassi di controllo (300 msec ISI, a sinistra) e Rapid Tasso (70 msec ISI, destra) condizioni. Esempi di risposte da elettrodi Fz (linea mediana frontale), C3 (centrale, a destra) e C4 (centrale, a sinistra) sono indicati. L'onda differenza calcolata (meno DeviantStandard) è anche mostrato in linee grigie. L'ulteriore picco di attivazione suggerisce che il cervello infantile a questa età può discriminare la differenza tra i toni a entrambe le presentazioni tasso.

Le forme d'onda di origine infantile

Attività Sorgente con poca varianza residua dovrebbe seguire i picchi ERP, a significare una "buona misura" tra i dati originali e la fonte localizzata dati trasformati. Nei dati rappresentativi, mostriamo la posizione dei due-dipolo modello di origine migliore adattamento del grande ERP media infantile al STD (tono-invariante) condizione sul modello distribuito CLARA (Figura 3). Il calcolo mostra chiaramente attivazione uditiva sinistra e destra in condizioni di controllo e Rapid Tasso.

Picchi di attività dal modello a due dipolo (Figura 4) corrisponde alla risposta ERP molto bene. I tempi di picco e la morfologia delle forme d'onda ERP, mostrati iPannello n (i), abbinare i tempi e la morfologia delle forme d'onda di origine come da tabella (ii) (per maggiori dettagli, vedere l'articolo originale, 43). Le forme d'onda di origine di questo esperimento hanno spiegato 97,9% della varianza nelle attività nei elettrodi sul cuoio capelluto. L'analisi statistica dei latenze dei picchi di origine ha mostrato che l'attività dell'emisfero destro era più veloce della sinistra in entrambe le condizioni, e le risposte del tasso rapida erano più avanti in entrambi gli emisferi che nella condizione di controllo. Differenze emisferiche non sono state osservate utilizzando i dati ERP, il che suggerisce che le tecniche di localizzazione di origine hanno consentito il recupero di ulteriori informazioni alle risposte.

Oscillazioni eventi correlati Infant

In generale, tempo-frequenza analisi degli adulti e dei dati sugli animali mostrano che gli stimoli evocano un modello 1 / f di sincronia neuronale (ad es., La potenza diminuendo sempre più spesso). Nei dati rappresentativi, evocata da uditivo tuna coppia, ci mostrano che i bambini esprimono anche questo modello (Figura 5). Qui, dello stimolo suscita esplosioni sincrone di theta (5-6 Hz), beta (20-25) Hz e gamma (35-45 Hz) Potenza in sia a destra e nelle regioni uditive sinistro del cervello.

I modelli animali ed esperimenti adulti suggeriscono che la sincronia oscillatorio, in particolare basso a oscillazioni media frequenza (ad es., 1-8 Hz) sono tra i principali potenziali evocati 45. Analisi dei turni di potenza istantanea (Temporal Spectral Evolution, TSE) a oscillazioni infantili del nostro precedente pubblicazione 43 ha mostrato una maggiore potenza indotta al tono variante nella banda theta (6-8 Hz), rispetto al tono invariante. Questo effetto è stato osservato in entrambe le condizioni di tasso, in particolare nella regione uditiva destra nella condizione tasso di controllo (Figura 6). Presentazione tasso Rapid prodotto un'attività più simmetria bilaterale, suggerendo una maggiore sinistra inv corticaleolvement durante l'elaborazione uditiva degli stimoli che si verificano rapidamente e, in particolare, durante la lavorazione cambiamento acustico.

Figura 1
Figura 1. Passi di metodo di analisi tempo-frequenza tempo-frequenza di analisi. È illustrato con grande media (n = 12) dei dati da 4 mesi di età i bambini durante il 70 msec condizione di tono ISI. Insorgenze di stimolo sono mostrati in frecce rosse sotto l'asse del tempo. Passi di analisi: (1) una media di ERP, mostrato in elettrodo Cz, vengono creati per ogni canale (2) posizione di origine dei generatori di ERP, mostrati in una testa sketch, si ottiene utilizzando un modello 2-dipolo nei dati mappato su una. modello infantile MRI. (3) individuale e grandi forme d'onda media di origine sono ottenuti dal fit di Sinistra e Destra dipoli. Modelli infantile testa mostrano le mappe di tensione corrispondente al picco selezionata (in gray). (4) Il montaggio sorgente viene applicato ai dati 128 cuoio capelluto canale e ampiezze vengono calcolati e salvati per i due canali sorgente. (5) oscillazioni eventi correlati sono calcolati da-prove singole e media per il periodo di risposta. favore clicca qui per vedere una versione più grande di questa figura.

Figura 2
Figura 2. evento-correlati potenziale morfologia. Grandi Medie (n = 23) per Rapid (70 msec ISI) e di controllo (300 msec ISI) le risposte dei tassi a standard (STD, linee nere) e devianti (DEV, linee rosse) coppie di toni sono mostrate in linea mediana frontale e centrale sinistro e destro elettrodi. La negatività è tracciata su. Insorgenze di stimolo sono mostrati in frecce rosse sotto l'asse dei tempi di Fz. P1 è mostrato nel pannello Fz con una freccia nera. La wav differenzae (risposta alla risposta DEV meno di STD) è mostrato in linee grigie (adattato da 43). Clicca qui per vedere una versione più grande di questa figura.

Figura 3
Figura risultati della localizzazione 3. Fonte. Due-dipolo "best fit" modello di origine viene visualizzato sovrapposto attività distribuita dal modello di origine. Cancella sinistra e l'attività destra si possono vedere sulle regioni del lobo temporale sinistro e destro. (Tratto da 43). Cliccate qui per vedere una versione più grande di questa figura.

Figura 4
Figura 4. potenziale evento-correlato e Source Waveform confronto. (I) Esempio ERP da lef frontale t e destro elettrodi (F3 e F4) mostrano picchi di attivazione per tonificare coppie con frequenze fondamentali invarianti e varianti (STD e DEV, rispettivamente). Un cambiamento nella frequenza suscita grandi picchi ~ 400 msec (DEV, linea rossa), relative al quando le frequenze sono invariate (STD, nero). (Ii) La latenza picchi di attivazione è simile per l'attività dipolo fonte-localizzata, suggerendo una buona corrispondenza tra ERP e l'analisi della forma d'onda sorgente. La grande picco a 400 msec è particolarmente evidente nell'emisfero destro con i dati di origine-localizzato. Per semplicità, solo le risposte alla condizione di Rapid Tasso sono mostrati, ma un incontro simile è stata anche osservata tra ERP e di origine forme d'onda per le risposte nella condizione di controllo Rate. Cliccate qui per vedere una versione più grande di questa figura.

figura 5 "src =" / files / ftp_upload / 52420 / 52420fig5.jpg "/>
Mappe Figura 5. pool TSE sono espressi in termini di percentuale cambiamento spettrale su un'epoca di -1 a 1 sec di tempo per i generatori a destra ea sinistra. (I) Toni nei 300 msec ISI condizione suscitare oscillazioni evento-correlati in bande di frequenza coerenti intorno stimolo esordio (ad es., -1140 msec e 0 msec). Una lunga epoca stimolo viene utilizzato per visualizzare più dei dati e per fornire un campione sufficiente per la decomposizione di frequenza. Pannello di destra mostra lo spettro medio sopra il picco di elaborazione iniziale (150-300 msec). Lo spettro medio mostra uno spettro globale 1 / f con picchi discreti di sincronia nelle bande di frequenza specifiche. (Ii) Un modello simile è stato osservato per il 70 msec condizione di ISI. Clicca qui per vedere una versione più grande di questa figura.

tenda "fo: keep-together.within-page =" always "> Figura 6
Figura 6. analisi tempo-frequenza delle oscillazioni evento-correlati in 4 mesi di età i bambini. Cambiare in potenza oscillante è mostrato atemporale spettrale Evolution (TSE) grandi appezzamenti medi di 4 mesi di età i bambini nel controllo (A) e Rapid Tasso (B) condizioni. Barre nere su l'asse x illustrano insorgenza tono e durate. Attività fonte Left e Right è indicato in alto a sinistra di ogni grafico. Prima fila: (i) le risposte alle coppie di tono con frequenza invariante (STD) mostrano variazioni di potenza nella gamma delta-theta. Fila centrale: (ii) le risposte alle coppie tono con una variazione di frequenza del secondo tono (DEV) mostra una maggiore potenza delta-theta al secondo segnale, rispetto al STD risposte, in particolare nella regione uditivo destro nella condizione di controllo. Trame differenza tra STD e DEV: terza filarisposte evidenziano un aumento destra lateralizzata al potere nella Rate Control (A.III) e la differenza di potenza bilaterale nel Rapid Rate (B.III). Differenze significative tra STD e la risposta DEV nel dominio tempo-frequenza sono mostrati in contorno nero. (Tratto da 43). Cliccate qui per vedere una versione più grande di questa figura.

Discussion

Il metodo di ricerca descritto qui descritto come facilitare una più profonda comprensione delle dinamiche spectrotemporal e posizione anatomica di alta densità uditive evocata EEG e ERP risposte del cervello nei neonati. Ci sono quattro passaggi critici all'interno di questo protocollo che facilitano l'analisi. In primo luogo, la corretta applicazione rete e di posizionamento con badante minima e disagio infantile è il fondamento per la registrazione EEG pulito in paradigmi non sedato. Misura della testa corretta e selezione netto dimensioni nonché l'uso di un assistente rete e intrattenitore durante il processo di applicazione è la chiave per realizzare questo passaggio. In secondo luogo, è importante stabilire un ambiente calmo, tranquillo e allegro per la famiglia durante la sessione di test, una condizione facilitata dal tester primaria, assistente rete e l'intrattenitore, che si impegna il bambino nel gioco tranquillo. In terzo luogo, per l'analisi dei dati, è fondamentale che modelli di testa MRI adeguate all'età essere usati per la localizzazione sorgente. La dimensione della testa, bospazio ne e la pelle e cerebrospinale deve essere accurata per l'età testato per ottenere i risultati della localizzazione più precisi. Infine, per le risposte corticali, in generale, è anche fondamentale che venga utilizzata una rete ad alta densità (ad es., Almeno 64 canali di dati) in modo da ottimizzare le possibilità di ottenere registrazioni bassa artefatti.

Un limite di questa tecnica è che la localizzazione fonte di dati EEG non è il gold standard per il sito di prove di attività. Si deve tenere presente che il modello in avanti di localizzazione anche con i migliori modelli di testa e le misure sono ancora stime del luogo di attività. Pertanto, è fondamentale progettare l'esperimento in modo tale che le informazioni riguardanti attività della sorgente può essere confrontata tra condizioni sperimentali o gruppi. In aggiunta, il test infantile in generale e in particolare, studio longitudinale può essere pieno di insiemi di dati incompleti o mancanti. Le soluzioni a questo problema sono a) mantenere relationships con le famiglie partecipanti; b) ottimizzare la sua atmosfera tranquilla registrazione calma per il bambino e il caregiver; c) sopravvalutare la piscina soggetto. Nelle nostre mani, con un team pediatrico esperto, abbiamo raggiunto a basso dropout e minimi tassi di perdita di dati. In un campione longitudinale di sessioni di registrazione 211 infantili con 57 partecipanti mostriamo conservazione dei dati 98,6% (ad es., 208 sessioni che hanno portato i dati utilizzabili) e un tasso di abbandono del 10% (ad es., 6 partecipanti sono stati in grado di continuare dopo l'inizio della esperimento). Un vantaggio di EEG rispetto ad altre tecniche, quali MEG e NIRS, è che l'attività subcorticale parziale è accessibile con diverse bande di filtro. Inoltre, è più facile da controllare per movimento come elettrodi viaggiano con la testa.

Una volta che questo protocollo è padroneggiata, le applicazioni sperimentali della dinamica EEG e oscillatori neonati sono abbondanti. E 'chiaro che dobbiamo prima capire sviluppo tipico netwo corticaleRKS, al fine di individuare quelli che sono atipicamente organizzati. Questo suggerisce la necessità per la creazione di un modello in cui l'integrità dei primi meccanismi di elaborazione uditiva (compresi oscillazioni) gioca un ruolo nella generazione e plasticità di rappresentazione sonora come esperienze uditive sono incorporati e, idealmente, apprese. Secondo questo modello, i deficit di elaborazione non linguistici può essere associata a sintomi anni, o in alcuni casi decenni, prima che si verifichi diagnosi formale.

Sono necessari studi futuri per comprendere ulteriori dettagli, tra cui la funzione della dinamica oscillatori di frequenza specifica banda, giunto fase di cross-frequenza e modelli inibitori / eccitatorio regionali in sviluppo precoce. Inoltre, l'attività subcorticale e test in diversi stati, come il sonno, sono necessari per dare un quadro più completo di sviluppo tipico. Crediamo che la ricerca con questa tecnica fornirà informazioni importanti nel processo per whicdinamica 'neurotipico' e oscillatori atipico h organizzano e interagiscono con capacità cognitive e linguistiche emergenti.

Acknowledgments

Gli autori ringraziano il supporto di questa ricerca da parte del Solomon Centro Elizabeth H. per la ricerca dello sviluppo neurologico e NSF sovvenzione # SMA-1041755 per le dinamiche temporali di Learning Center, un Science NSF di Learning Center. Un ringraziamento speciale anche per le famiglie che hanno partecipato, e ai membri del dell'Infanzia studi di laboratorio per i loro contributi pratici e intellettuali. Un ringraziamento speciale a Jarmo Hämäläinen per lo sviluppo del protocollo di localizzazione di origine e di Naseem Choudhury per il suo apporto intellettuale.

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