Spädbarn ljudbearbetning och evenemang relaterade hjärn Oscillations

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

Snabb ljudbearbetning och akustiska förändring upptäckt förmågor spela en avgörande roll i att låta spädbarn för att effektivt behandla fina spektrala och temporala förändringar som är karakteristiska för mänskligt språk. Dessa förmågor lägga grunden för en effektiv språkinlärning; tillåter barn att slipa på ljudet av sitt modersmål. Ingrepp i djur och hårbotten inspelade potentialer från vuxna människor tyder på att samtidig, rytmisk aktivitet (svängningar) mellan och inom områden i hjärnan är grundläggande för sensorisk utveckling; bestämma upplösningen med vilken inkommande stimuli analyseras. Vid denna tid, lite är känt om oscillerande dynamik i mänsklig barnets utveckling. Men djur neurofysiologi och vuxna EEG-data utgör grunden för en stark hypotes som snabb ljudbearbetning hos spädbarn förmedlas genom oscillerande synkront i diskreta frekvensband. För att undersöka detta, 128-kanal, hög Density EEG svaren från 4-månader gamla spädbarn till frekvensändring i tonen par, presenteras i två hastighetsförhållanden (Rapid: 70 ms ISI och kontroll: 300 ms ISI) undersöktes. För att bestämma frekvensband och omfattningen av verksamheten, auditiva framkallade genomsnitt svars var första co-registrerade med åldersanpassade hjärn mallar. Därefter tillsattes de huvudsakliga komponenterna i svaret identifieras och lokaliseras med användning av en två-dipol modell av hjärnaktivitet. Single-rättegången analys av oscillerande makt visade en robust index för frekvensändring behandling i skurar av Theta-bandet (3-8 Hz) aktivitet i både höger och vänster auditiva cortex, med vänster aktivering mer framträdande i Rapid skick. Dessa metoder har producerat data som inte bara är en del av den första rapporterade framkallade svängningar analyser hos spädbarn, men är också viktigt, produkten av en väl etablerad teknik för att registrera och analysera ren, minutiöst samlas, spädbarn EEG och ERP. I den här artikeln beskriver vi vår metod för jagnfant EEG netto ansökan, inspelning, dynamisk hjärnan responsanalys, och representativa resultat.

Introduction

Över ett brett spektrum av utvecklingsstörning, blir det allt tydligare att nyckeln till tidig upptäckt och slutligen sanering ligger i att förstå de tidiga mekanismer som spelar in som den växande hjärnan monterar funktionella nätverk. Således finns det ett ökat intresse för att förstå de temporala dynamiken i neurala mönster som påverkar kognition. I synnerhet specifika kognitiva funktioner som ska differentiellt korrelerad med oscillerande aktivitet i specifika frekvensband (t.ex. cykliska svängningar encelliga eller befolkningsmembranpotentialer) 1. Tidigare studier har visat att oscillerande dynamik spelar en avgörande roll i verksamheten beroende självorganisering utvecklings nätverk 2-4, kontrollera neuronala retbarhet 5,6 och integrera sinnesintryck 7,8. Oscillerande hjärnans aktivitet tros vara metaboliskt fördelaktigt 9,10, öka effektiviteten i AVariety av sensoriska bearbetningsfunktioner och samordning av funktioner på högre nivå, såsom kognition och språk. Men systematisk undersökning av den roll som neurala synkront över ålder och kontakter med beteende utfall i spädbarn har ännu inte åstadkommas. Ett viktigt steg mot detta mål är att uppnå en djupare förståelse av framväxten och mognaden av de temporala dynamik och oscillerande mekanismer som stödjer utveckling av kognitiva processer, inklusive tidig språkinlärning.

En viktig del av språkutvecklingen är förmågan att korrekt bearbeta och kategorisera akustiska signaler som förändras snabbt: ofta i storleksordningen så lite som tiotals millisekunder. Till exempel, de akustiska dynamiken i orden "pappa" och "dåliga" skiljer sig akustiskt bara under de första 40 ms av stavelsen, men de två har mycket olika betydelser och associationer. Tidigare studier visar en mognads bana receptive förmåga till akustiska och språkliga skillnader. Så tidigt som 2 månader, spädbarn visa förmåga att diskriminera snabba frekvensändringar (t.ex. <100 ms); vilket tyder på att den "hårdvara" för detektering av skillnaden mellan två akustiskt liknande stavelser är på plats. Under de närmaste månaderna, kan barn skilja allt mindre skillnader, utveckla kategoriska uppfattning, och uppvisar kortikala specialisering för ljudet av infödda språk stavelser 11-14. Eftersom komplexa ljud uppfattning bygger på funktionen av grundläggande bearbetningsmekanismer, är det tänkt att brister i förmågan att uppfatta snabbt föränderliga akustiska skillnader - även för enkla ljud som toner - kan vara tidiga indikatorer 15 av senare språkstörning.

Tidigare arbete från Choudhury och Benasich i detta laboratorium stöder starkt denna hypotes, visar att ett spädbarns förmåga att bearbeta mycketsnabba förändringar i enkla ljud (t.ex. toner) kan förutsäga 3- och 4-åriga språk och kognitiva förmågor 16,17. Dessa uppgifter kontrollera att hjärnan svaren från pre-språkiga barn kan ge en mätbar indikator på ljudbearbetning och utvecklande framsteg. Studien och metoder som presenteras här sond viktiga aspekter av den underliggande mekanismen för denna relation. Flera linjer av forskning visar nu att topp latens och amplitud av ERP vågor uppstår från summeringen av spectrotemporal dynamik i EEG svängningar av flera generatorer 18-23. Spectrotemporal analys gör det också möjligt att separera fasen och effektinformation. Faslåsta aktivitet speglar den del av neuronala svar som framkallas av stimulans. Denna typ av information är liknande vad som kan extraheras från ERP, eftersom svar medelvärdes relativt en tidslåst händelse. Emellertid kan tidpunkten för vissa neuronal aktivitet varierar från prov till prov. I ERP analys, this verksamhet "jämnas ut"; emellertid i analysen av effektändringar från prov till prov, kan denna information utvinnas och analyseras. Därför kan spectrotemporal analys av fas och makt att ge ytterligare information om neuronala svar, i förhållande till den konventionella ERP. När det gäller barnets utveckling, det finns betydande bevis för att svängningar bidra till utvecklingen av nervbanor i djurmodeller 2,3 men dessa mekanismer har bara börjat undersökas i den mänskliga befolkningen. Arbeta från detta laboratorium har visat theta och gamma oscillerande korrelerar av modersmål specialisering på 6 månader 24. Detta belyser funktionalitet oscillerande hierarkier i spädbarnsåldern.

Den globala hypotes, baserat på de bevis som presenterats ovan, är att synkront av framkallade svängningar i auditiva cortex stöder barnets hjärnans utveckling. Som ett första steg i att testa denna hypotes, en "baslinje221; bearbetning i tidig barndom erhölls; nämligen 4-månaders-of-age, som för närvarande tros föregå "perceptuell förträngning" för modersmål specialisering 25,26. Därför genomförde vi en enda rättegång frekvensanalys om modersmjölk EEG-data som registrerats under passivt lyssnande pitch-variant och pitch-invariant tonen par presenteras i en "kuf paradigm" som består av två räntevillkor (kontrolltillstånd: 300 msek mellan stimulus intervall; Snabb villkor: 70 ms mellan stimulus-intervall).

Här visar vi den här metoden använder stimuli från studier som fokuserar på snabb ljudbearbetning. I dessa studier, en "kuf paradigm", användes för att bedöma neuronal aktivitet till oförutsägbara, men påtagliga händelser. I detta paradigm, hjärnan svar på oförutsägbara eller "udda" stimuli ofta kallas "avvikande" svar, medan svaret för förutsägbara stimulans presenterade most av tiden, brukar kallas "Standard" hjärna svar. Svar på stimuli som presenteras i en kuf paradigm kan automatiskt framkallas utan fokuserad uppmärksamhet, vilket gör detta paradigm lätt att använda med mycket unga barn. Alla auditiva stimuli presenteras via gratis-fält talare vid intervaller, som varierar beroende på studien. Som tidigare nämnts, i den aktuella studien ljud som index snabba ljudbearbetning (RAP) förmågor användes: det vill säga, det låter som innehåller tiotals-of-millisekunder akustisk förändring 16,17,27,28. Det kan noteras att många andra typer stimulans är användbara för att testa neurofysiologisk diskriminering, inklusive konsonant-vokal (CV) låter liksom avvikare som återspeglar förändringar i frekvens eller varaktighet, med ett mellanliggande Gap, och / eller stigande eller fallande frekvenssvep. Slutligen rekommenderar vi också spela in spontana EEG under "tyst play", där ingen auditiva stimulus presenteras. Dessa uppgifter kan sedan varaanvänds för att mäta oscillerande koppling och konsekvens i frånvaro av upprepad stimulering.

Inspelning EEG-aktivitet från ett spädbarn befolkning utgör en uppsättning unika utmaningar. Exempelvis samarbete med placering av elektroderna och lämnar dem på plats under hela experimentet, vilket minimerar rörelsen för att förhindra EEG artefakter, och hålla barnet i ingrepp och distraherad med tysta leksaker samtliga representerar utmaningar. Dessutom behöver spädbarn uppgifterna inte lätt lämpar sig för enkla tillämpningar av protokoll som utvecklats med vuxna / äldre barn uppgifter. I många fall är förhållandet mellan komponenter som observerats i spädbarn EEG och händelserelaterade potentialer (ERP) inte lika entydig och inte heller alltid karta på vad som accepteras i den vuxna. Medan utvecklingsforskning har en kraftfull potential för att förstå uppkomsten av typiska och oordnad hjärnfunktion, inspelning tillförlitliga och tolkningsbara hjärn svar från spädbarn kräver ahög kunskaper i både tekniska och interpersonella världarna. Dessa utmaningar kan dock övervinnas och tillförlitliga EEG och ERP-data kan spelas in från spädbarn i olika åldrar med hjälp av olika paradigm. Här beskriver vi en generell analysmetod utnyttjar kommersiellt tillgängliga ERP inspelning och analys i kombination med en fri, öppen källkod ERP analys paket som fungerar i MATLAB miljön 29.

Tillämpningen av oscillerande analysmetoder som spädbarn hjärnan svars inspelningar medger utforskning av mer mekanistiska frågor om neuronala synkront utveckling i förhållande till språkinlärning och förmodade bakomliggande mekanismer när det synkront äventyras. Relaterade ansträngningar som använder andra stimuli, såsom tal stavelser 24, och analys av spontana eller "vilande" svängningar 1 i längsgående analyser eller i kombination med tidig utbildning paradigm, har fönster i temporal, rumsliga och spektrala dynamiken i typiska och oordnade utvecklingsbanor. Förhoppningen är att dessa ansträngningar kommer att öka vår förståelse av grunderna för hörsel utveckling och plasticitet, samt underlätta identifiering och saneringsstrategier för utvecklingsspråkstörning.

Protocol

Allt arbete med mänskliga försöks kräver Institutional Review Board godkännande och tillsyn. Metoder som redovisas här, när de används i forskning, har granskats och godkänts av de mänskliga ämnen Protection Program genom Rutgers Arts and Sciences Institutional Review Board (IRB).

1. Förberedelse

  1. Schema barnet i en timme av testning i en ljud dämpas och elektriskt skärmad kammare. Studieprotokollet presenteras i denna artikel som producerade representativ data inkluderar 20 - 30 minuter av EEG-testning.
  2. Fördela tre personer per testsession: en "primär testare", en "netto assistent" och en "underhållare".
  3. För hög densitet spädbarn EEG inspelning, använd åtminstone en 64-kanals net. För representativa uppgifter som presenteras här, var en 128-kanals sensor nät som används.

2. Net Application

  1. Ställ in följande leveranser i inspelnings chamber: Coban självhäftande wrap band, måttband, märkpenna, 2 handdukar och pipetter. Kalibrera låter provning nivå (t.ex. dB SPL, HL, etc.).
  2. Gör elektrolytlösningen (destillerat vatten, kaliumklorid och baby schampo) i god tid innan uppskattad familje ankomsttid. För att säkerställa att nätet inte är för kallt på barnets huvud, att varma 8 uns av vatten tillsättas till lösningen strax före applicering.
  3. När familjen anländer, inhämta samtycke med IRK-godkända former.
  4. I testkammaren, sitter barnet på vårdaren knä, och har underhållare börja spela med barnet. Om det är det första besöket, förklarar nettoansökningsförfarandet.
  5. Mät barnets huvud omkrets vid den bredaste punkten av huvudet och väljer den nettostorlek baserad på denna mätning. För att få bästa passform, välja en mindre storlek netto om omkretsen ligger nära den minsta storleken för en ålder. Sänk den valda netto i eltrolyten lösning.
  6. Mät nasion till Inion och markera hårbotten vid ½ av den totala mätningen. Gör samma sak för örat till örat mätning. Slutbetyget är Cz (vertex).
  7. Ta bort överflödig lösning från nätet genom att placera den på en torr handduk. Har netto assistent invertera nätet och ta tag i Cz elektroden; hålla nätet så att den primära testaren kan placera sina fingrar på framsidan av nätet.
  8. Vänd på nätet och placera nätet på barnet huvudet som netto assistent flyttar hakbandet och färgade främre trådar (som förbinder nasion elektroden och hakrem) utanför nätet.
  9. Justera nettopositionen på spädbarnets huvud, placera Cz på vertex hårbotten märket. Position / rikta var och en av elektroderna börjar bakifrån och arbetar framåt och se till att det finns en rät vinkel mellan varje elektrod och huvudytan.
  10. Samla trådarna, justera hakrem, säkra ledningar med Coban tejp, och koppla in nätet connector.
  11. Mät elektrod impedans med ett tröskelvärde av <50 KOhms, eller enligt systeminstruktioner. Om vissa elektroder har hög impedans, åter dra elektroden med en elektrolyt fyllda pipett och rör försiktigt håret underifrån elektroden.

3. Stimuli Presentation och EEG-inspelning

  1. Nuvarande auditiva stimuli i fritt fält med högtalare på samma avstånd från barnets huvud.
    OBS! Representativ studie stimulansparametrar var följande: 70 msek tone-par med en grundfrekvens av antingen 800 eller 1200 Hz och 15 övertoner (6 dB roll-off per oktav) presenteras i två block (70 eller 300 msek internationella stimulans intervall). De låga höga par (800 Hz - 1200 Hz) presenteras som avvikare (15% = 125 prövningar) bland låg låg (800 Hz - 800 Hz) standarder (85% = 708 prövningar).
  2. Anteckna EEG enligt hårdvaru- och mjukvaruinstruktioner. Använd följande parametrar för den representativa uppgifter: SampLing Hastighet: 250 Hz, låg-pass Hårdvara filter: 100 Hz, elliptisk, hög-passfilter: 0,1 Hz, Auto: inställd på Nyquist, styrelseledamot vinst: 1.
  3. Ge en lugn, lugn, milt engagerande miljö för barnet under inspelning. Engagera barnet genom att spela en åldersanpassad tyst video eller med tysta leksaker (t.ex., blåsa bubblor, peka på bilder i böcker, marionett play). Ge vårdgivaren med hörlurar för att lyssna på musik undviker oavsiktlig vårdgivare interferens med barnet svar. Om barnet är rastlös, påverkar EEG, pausa stimulans presentation och EEG inspelning tills en lugn miljö kan återställas.
  4. Efter experimentet är klar, försiktigt bort nätet och torka barnets hår och huvud.
  5. Spara och säkerhetskopiera de råa, ofiltrerade EEG-data innan du stänger av programmen i slutet av testsessionen.

4. Data Processing - ERP

Inspektera rå EEG-data och avvisa segments med hög amplitud artefakt.
OBS: Avvisa kanaler med hög amplitud och interpolera. Högsta procent av avvisade kanaler bör fastställas till 30%. Alternativa metoder (t.ex. ICA, PCA, se även referens 30) kan användas för att minska eller avvisa artefakter som finns i data.

  1. Filtrera data med förutbestämda parametrar som medger med kortikal aktivitet. För spädbarn, använd en off-line-bandpassfilter av 1-15 Hz.
  2. Segment de kontinuerliga data för att skapa epoker runt "Time 0" (stimulans debut) enligt mjukvaruinstruktioner. För segmentering, innefattar tillräcklig pre-stimulus tid att etablera baslinjen aktivitet och efter stimulans tid att fånga hela svaret.
  3. Avvisa högljudda epoker enligt ett lämpligt förkastningskriterier (t.ex. +/- 200 μV för spädbarn). Ange maximal procent av avvisade epoker på 30%.
  4. Medelvärdet epokerna för varje individ och varje villkor och kombinera dessa i genomsnittS enligt grupp och villkor för stora genomsnitt.
  5. Om antalet epoker finns i varje genomsnitt varierar mellan individer, vikta antalet epoker, så att patienter med fler / färre epoker värderas lika.
    1. Att vikta den stora genomsnittet, beräkna den individuella genomsnitt från varje tillstånd som n gånger vågformen, där n är lika med antalet epoker som utgör den genomsnittliga, divideras sedan med det totala antalet epoker för alla ämnen. Denna metod ger varje försök lika stor vikt i den slutliga genomsnittet.

5. Data Processing - Source Lokalisering

För spädbarn uppgifter, co-registrera varje individ och storslagna genomsnittliga ERP-fil med antingen en åldersanpassad MR mall eller en enskild MR (se tidigare publikationer 31,32).
OBS: I co-registreringsprocessen, är elektrodpositioner och rekonstruerade huvud som registrerats i ett enda koordinatsystem. Grand medelvärden kan användasatt definiera dipolen modellen.

Uppskatta antal och placering av underliggande källor att monteras på uppgifterna. För en auditiv paradigm, använda två dipoler med gratis plats och rotation.
OBS: Käll uppskattning därefter automatiskt styras genom en minimering av en kostnadsfunktion som är en viktad kombination av fyra återstående passform kriterier för att erhålla den "bästa passning" plats till tidsfönster av intresse.

  1. Se till att åldersanpassade parametrar används för hårbotten tjocklek, skalle tjocklek, bredd subaraknoidalrummet och ben ledningsförmåga eftersom dessa faktorer förändras snabbt under utveckling. För representativa uppgifter, parametrar är: skull: 1,5 mm; hårbotten: 2,5 mm; subaraknoidalrummet: 1,7 mm; ben ledningsförmåga: 0,0581.
  2. Börjar med en stor genomsnittlig affärssystem, väljer ett tidsfönster av intresse motsvarar en topp. Konservativa parametrar är typiskt +/- 20 msek runt toppen av intresse 31.
  3. Kontrollera "godhet fit "för dipolen lösning med hjälp av programvaran utgångarna på residualvariansen. Detta är den mängd signal som förblir oförklarad på den givna tidsfönster på passning av den nuvarande dipol modell. Justera tidsfönstret för att minimera rest varians. Använd en distribuerad källmodell (CLARA) för att kontrollera lösning inom den utvidgade verksamheten regionen.
  4. Spara dipol-source-lösning och vågformer för varje tillstånd och topp.
  5. Upprepa proceduren för varje individ genomsnittliga filen.
  6. För statistisk analys av källplatsen, bruksvärden på topp latens, amplitud och positionskoordinater i X (medial-lateral), Y (anterior-posterior), och Z (överlägsen sämre) anvisningar för varje dipol från varje enskild genomsnittliga fil lösning. I det fall som presenteras här, 2X2 Upprepade mätningar ANOVA (Stimulus (standard, avvikande) X halvklotet (vänster, höger) för amplituden och latens av källorna kan vara bra att titta på styrka och timing av generatorerna. Sourcekoordinater kan utvärderas på samma sätt (för granskning, 31,32).

6. databehandling - Time-frekvensanalys i Source Space

  1. Applicera dipolen modellen lösning på den råa, ofiltrerade, kontinuerlig EEG-data.
    1. Applicera källa lösning (sparade i steg 5.6.) Till den råa EEG datafil som en virtuell elektrod montage.
      OBS: Användning av dipolen modellen på detta sätt applicerar en fast rymdfilter på ytan kanalen inspelning (sensorutrymme) för att omvandla den kontinuerliga hög densitet EEG till en virtuell 2-källa montage (hjärna källa utrymme).
  2. Omvandla den tidsdomänenkelprovkällsignal i tids-frekvensdomän (Figur 1).
    OBS: För närvarande kan flera metoder användas för att omvandla en enda rättegång data i tidsfrekvensdomänen, inklusive wavelet analys och tillämpning av en Hilbert omvandla filtrerade data. Även en jämförelse mellan dessa metoder ärutanför ramen för denna artikel, har flera publicerade artiklar ingående beskrivit dessa metoder 33-36. Analysen tids-frekvens användning av den komplexa demodulering förfarande hittas i en kommersiellt tillgänglig koherens programvara 37, beräknar den momentana envelopamplituden och fasen för varje hjärnaktivitet som en funktion av frekvens och tid 37-39. Detta ger mått på momentana effekt skift (Temporal Spectral Evolution, TSE) och fas-låsning (Inter-rättegången faslåsning, ITPL).
    1. Använd följande parametrar: 1 Hz breda frekvensfack 2-80 Hz och 50 msek tidsupplösning från -1500 till 1500 msek. Den epoktidsfönster bör vara tillräckligt lång för att tillåta filtrering eller behandling på lägsta önskade frekvens utan att ådra sig artefakter 40,41.
  3. Visualisera frekvens toppar av aktivitet i EEG för att undvika tolkning av eventuell falsk artefakt relaterade eller cirkulär rupprymd oscillationer 41,42.
  4. Utför permutation tester och klusteranalys för att bestämma områden av betydande skillnader mellan villkor och grupper 24,43.

Representative Results

Spädbarn Händelserelaterade Potentials

Modersmjölks ERP är i allmänhet större än vuxna ERP, och kan ha färre eller flera toppar av aktivering, i förhållande till mogna responser, beroende på ålder 44. Här visar vi representativa Grand genomsnittliga svar från tjugo tre 4-månader gamla spädbarn 43 (Figur 2). Den udda paradigmet tillåter oss att bestämma huruvida barnets hjärna kan känna igen skillnaden mellan två händelser. I representativa resultat, tonen-varianten, avvikande svar (DEV, 800-1,200Hz, röd linje) framkallar en ytterligare topp på aktivering, i förhållande till de oföränderliga tonen par (STD, 800-800Hz, svart linje). Detta konstaterande är uppenbart i både kontrollfrekvens (300 ms ISI, vänster) och hög hastighet (70 ms ISI, höger) villkor. Exempel svar från elektroderna Fz (Frontal mittlinjen), C3 (Central, höger) och C4 (Central, vänster) visas. Den beräknade skillnaden våg (Deviant minusStandard) visas även i grå linjer. Den extra toppen av aktivering tyder på att barnet hjärnan i den här åldern kan skilja skillnaden mellan tonerna både ränta presentationer.

Infant käll vågformer

Källa aktivitet med lite residualvariansen bör följa ERP toppar, vilket innebär en "bra passning" mellan den ursprungliga data och källan lokaliserade transformerade data. I representativa uppgifter, visar vi placeringen av källmodell barnet slagna genomsnittliga ERP två-dipol passar bäst till STD (ton-invariant) tillstånd över CLARA distribuerad modell (Figur 3). Beräkningen visar tydligt vänster och höger hörsel aktivering i Control and snabba förhållanden.

Peaks of aktivitet från två-dipol modell (Figur 4) motsvarade ERP svaret mycket väl. Topp timing och morfologi av ERP-vågformer, som visas in panel (i), matcha tidpunkten och morfologi av käll vågformer som visas i panelen (ii) (för mer information, se ursprungliga artikeln, 43). Källa vågformer från detta experiment förklarade 97,9% av variansen i aktiviteten under hårbotten elektroderna. Statistisk analys av källtopp latenser visade att högra hjärnhalvan aktiviteten var snabbare än den vänstra i båda tillstånden, och svar i snabb takt var senare på båda halvkloten än i kontroll skick. Hemisfären skillnader observerades inte med hjälp av ERP-data, vilket tyder på att källlokaliseringsmetoder möjliggjorde hämtning av ytterligare information från svaren.

Spädbarn Händelserelaterade Svängningar

I allmänhet, analyserar tidsfrekvensen för vuxna och djurdata visar att stimuli framkalla en 1 / f mönster av neuronala synkront (t.ex.., Minskar kraften med ökande frekvens). I representativa uppgifter, som framkallas av hörsel tett par, visar vi att barn uttrycker också detta mönster (Figur 5). Här framkallar stimulans debut synkrona skurar av theta (5-6 Hz), beta (20-25) Hz och gamma (35-45 Hz) makten i både höger och vänster hörsel regioner i hjärnan.

Djurmodeller och vuxna experiment tyder på att oscillerande synkroni, särskilt låga till mitten av frekvens svängningar (t.ex.., 1-8 Hz) är viktiga bidragsgivare till framkallade potentialer 45. Analys av momentana effekt skift (Temporal Spectral Evolution, TSE) i modersmjölks svängningar från vår tidigare publikation 43 visade större inducerad ström till varianten tonen i theta-bandet (6-8 Hz), i förhållande till den invarianta tonen. Denna effekt observerades i båda hastighetsförhållanden, särskilt under den högra hörsel regionen i Kontrollfrekvens tillstånd (Figur 6). Snabb takt presentation gav en mer bilateralt symmetrisk aktivitet, vilket tyder på förbättrad vänster kortikal involvement under auditiv bearbetning av snabbt förekommande stimuli och särskilt under akustisk förändring bearbetning.

Figur 1
Figur 1. Steg för tidsfrekvenstidsfrekvensanalys analysmetod. Illustreras med hjälp av stora genomsnittliga (n = 12) Uppgifter från 4 månader gamla spädbarn under 70 ms ISI tonen skick. Stimulans inträden visas i röda pilarna nedanför tidsaxeln. Stegen för analys: (1) var i genomsnitt ERP, visad i Cz elektroden, skapas för varje kanal (2) Källa lokalisering av ERP generatorer, visade i en skiss huvud, erhålles genom att använda en 2-dipol modellen i data som avbildas på en. spädbarn MRI mall. (3) Individuell och grand genomsnittliga käll vågformer erhålls från passningen av vänster och höger dipoler. Spädbarn huvud modeller visar spännings kartor som motsvarar den valda topp (igray). (4) Källan montage appliceras på de 128 kanaler hårbotten data och amplituder beräknas och sparas för de två källkanalerna. (5) Händelserelaterade svängningar beräknas från enstaka-studier och i genomsnitt över svarsperioden. Vänligen Klicka här för att se en större version av denna siffra.

Figur 2
Figur 2. händelserelaterade potential morfologi. Grand Genomsnitt (n = 23) till Rapid (70 ms ISI) och kontroll (300 ms ISI) ränta svar på standard (STD, svarta linjer) och avvikande (DEV, röda linjer) tonen par visas i frontlinjen och centrala vänster och höger elektroder. Negativitet plottas upp. Stimulans inträden visas i röda pilarna nedanför tidsaxeln vid Fz. P1 visas i FZ panelen med en svart pil. Skillnaden WAVe (svar på DEV minus svar på STD) visas i grå linjer (Anpassad från 43). Klicka här för att se en större version av denna siffra.

Figur 3
Figur 3. Källa lokaliseringsresultat. Två dipol "bästa passform" källkod visas överlagras på distribuerad aktivitet från källkod. Rensa vänster och höger aktivitet kan ses över vänster och höger tinningloben regioner. (Anpassad från 43). Klicka här för att se en större version av denna siffra.

Figur 4
Figur 4. Händelserelaterade Potential och Source Wave jämförelse. (I) Exempel ERP från front lef t och höger elektroder (F3 och F4) visar toppar aktivering att tona par med oföränderliga och variant grundfrekvenser (STD och DEV, respektive). En förändring i frekvens framkallar större toppar ~ 400 msek (DEV, röd linje), i förhållande till när frekvenserna är oförändrade (STD, svart). (Ii) latens toppar aktiverings är likartad för källan-lokaliserad dipol aktivitet, vilket tyder en bra match mellan ERP och analys källa vågform. Den stora toppen vid 400 ms är särskilt märkbar i den högra hjärnhalvan med käll lokaliserade uppgifter. För enkelhetens skull är endast svaren till snabba visade tillståndet, men en liknande match observerades också mellan ERP och käll vågformer för svaren i kontrollfrekvensen skick. Klicka här för att se en större version av denna siffra.

siffra 5 "src =" / filer / ftp_upload / 52420 / 52420fig5.jpg "/>
Kartor Figur 5. Pooled TSE uttrycks i termer av procent spektral förändring över en epok av -1 till 1 sekund av tid för vänster och höger generatorer. (I) toner i 300 ms ISI skick framkalla händelserelaterade svängningar i sammanhängande frekvensband runt stimulus debut (t ex., -1140 ms och 0 ms). En lång stimulans epok används för att visualisera mer av uppgifter och för att ge en tillräckligt lång prov för frekvens nedbrytning. Höger panel visar den genomsnittliga spektrum över den första bearbetningen toppen (150-300 ms). Den genomsnittliga spektrum visar en total 1 / f-spektrum med diskreta toppar synkront vid specifika frekvensband. (Ii) Ett liknande mönster har observerats för 70 ms ISI skick. Klicka här för att se en större version av denna siffra.

tält "fo: keep-together.within-page =" always "> Figur 6
Figur 6. Tidsfrekvensanalys av händelserelaterade svängningar i 4 månader gamla spädbarn. Förändring av oscillerande makt visas inTemporal Spectral Evolution (TSE) stora genomsnittliga tomter för 4 månader gamla spädbarn i kontroll (A) och snabb takt (B) förhållanden. Svarta barer på x-axeln visar tonen debut och varaktighet. Vänster och höger källa aktivitet visas i det övre vänstra hörnet på varje kurva. Första raden: (i) Svar på tonen par med invariant frekvens (STD) visar effektändringar i deltat-theta sortiment. Mellersta raden: (ii) Svar på tonen par med en frekvensändring i den andra tonen (DEV) visar förbättrade delta-theta effekt på andra tonen, i förhållande till STD svar, särskilt i höger hörsel regionen i kontroll skick. Tredje raden: Skillnad tomter mellan STD och DEVSvaren visar en rätt lateralized effektökning i kontrollfrekvensen (A.III) och bilaterala effektskillnad i snabb takt (B.III). Väsentliga skillnader mellan STD och DEV svar i tidsfrekvensdomänen visas i svart kontur. (Anpassad från 43). Klicka här för att se en större version av denna siffra.

Discussion

Forskningen här beskrivna metoden beskriver hur man underlätta en djupare förståelse av spectrotemporal dynamik och anatomiska läge med hög densitet hörselframkallade EEG och ERP hjärnsvar hos spädbarn. Det finns fyra viktiga steg i detta protokoll som underlättar analys. För det första är korrekt netto ansökan och positionering med minimal vårdgivare och spädbarn nöd grunden för inspelning rena EEG i icke-drogad paradigm. Korrekt mätning huvud och netto storlek val samt användningen av netto assistent och underhållare under ansökningsprocessen är nyckeln till att uppnå detta steg. För det andra är det viktigt att fastställa en lugn, lugn och lekfull stämning för familjen under testsessionen, ett tillstånd som underlättas av den primära testare, netto assistent och underhållare, som engagerar barnet i lugn lek. För det tredje, för analys av data, är det viktigt att åldersanpassade MRI huvudmodeller användas för käll lokalisering. Huvudet storlek, bone och hud och ryggmärgs utrymme måste vara korrekt för testas för att få de mest exakta lokaliseringsresultat ålder. Slutligen, för kortikala svar i allmänhet, är det också viktigt att en hög densitet nät användas (till exempel., Minst 64 datakanaler) i syfte att optimera chanserna att få låg artefakt inspelningar.

En begränsning med denna teknik är att källan lokalisering av EEG-data som inte är den gyllene standarden för platsen för aktivitetstester. Man måste komma ihåg att den framtida modellen för lokalisering även med de bästa huvudmodeller och mätningar är fortfarande uppskattar aktivitets plats. Därför är det viktigt att utforma experimentet på ett sådant sätt att information om käll aktivitet kan jämföras över experimentella förhållanden eller grupper. Dessutom kan spädbarn tester i allmänhet och i synnerhet, longitudinell studie vara förenat med ofullständiga eller saknas dataset. Lösningar på detta problem är att a) upprätthålla relationships med deltagande familjer; b) optimera en lugn, lugn inspelning atmosfär för barnet och vårdgivare; och c) överskattar ämnet poolen. I våra händer, med en erfaren barn laget, har vi uppnått låg dropout och minimal förlust hastigheter. I en longitudinell urval av 211 spädbarn inspelningar med 57 deltagare visar vi 98,6% lagring av uppgifter (t.ex.., 208 sessioner som resulterade i användbara data) och en droppe i förtid 10% (t ex., 6 deltagare kunde fortsätta efter att ha påbörjat experiment). En fördel med EEG framför andra tekniker, såsom MEG och NIRS, är att subcortically partisk aktivitet är tillgänglig med olika filterband. Dessutom är det lättare att styra för rörelse som elektrod reser med huvudet.

När detta protokoll behärskar, de experimentella tillämpningar av spädbarn EEG och oscillerande dynamik är riklig. Det är klart att vi först måste förstå typiskt utveckla kortikala netwoRKS i syfte att identifiera dem som atypiskt organiseras. Detta tyder på att det är nödvändigt för att skapa en modell där integriteten hos tidiga auditiva mekanismer bearbetning (inklusive svängningar) spelar en roll i genereringen och plasticitet av ljud representation som hörsel erfarenheter införlivas och helst lärde. Enligt denna modell kan nonlinguistic bearbetnings underskott vara associerade med symptom år, eller i vissa fall årtionden, innan formell diagnos inträffar.

Det behövs Framtida undersökningar för att förstå ytterligare information, inklusive funktion av frekvens-bandspecifika oscillerande dynamik, kors frekvens fas koppling och regionala hämmande / excitatoriska mönster över tidig utveckling. Dessutom subkortikala aktivitet och testning i olika stater, såsom sömn, behövs för att ge en mer fullständig bild av typiska utveckling. Vi tror att forskning med denna teknik kommer att ge viktig insyn i processen genom which 'neurotypiska' och atypisk oscillerande dynamik organisera och interagera med nya kognitiva och språkkunskaper.

Acknowledgments

Författarna erkänner tacksamt stöd för denna forskning vid Elizabeth H. Solomon Center för Neuropsykiatriska forskning och NSF bidrags # SMA-1041755 till Temporal Dynamics of Learning Center, en NSF Science of Learning Center. Ett särskilt tack också till följd av familjerna som deltog, och till ledamöterna i barndom Laboratoriestudier för deras praktiska och intellektuella bidrag. Ett särskilt tack till Jarmo Hämäläinen för utveckling av käll lokalisering protokollet och till Naseem Choudhury för hennes intellektuella ingång.

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