मानव शिशुओं स्वतंत्र रूप से व्यवहार कर में सामाजिक बातचीत के दौरान आशय की मल्टीमॉडल तंत्रिका डीकोडिंग के लिए एक उपन्यास प्रायोगिक और विश्लेषणात्मक दृष्टिकोण

1Laboratory for Noninvasive Brain-Machine Interface Systems, Department of Electrical and Computer Engineering, University of Houston, 2Department of Biomedical Engineering, University of Houston, 3Department of Biology and Biochemistry, University of Houston
Published 10/04/2015
0 Comments
  CITE THIS  SHARE 
Behavior
 

Summary

Cite this Article

Copy Citation

Cruz-Garza, J. G., Hernandez, Z. R., Tse, T., Caducoy, E., Abibullaev, B., Contreras-Vidal, J. L. A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants. J. Vis. Exp. (104), e53406, doi:10.3791/53406 (2015).

Please note that all translations are automatically generated.

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

Abstract

Introduction

मौलिक मानव क्षमताओं में से एक रणनीतिक लक्ष्यों और पुरस्कार की सेवा में जानने के लिए और क्रिया (कार्रवाई उत्पादन) तैनात करने की क्षमता है, उचित सामाजिक प्रतिक्रियाओं का उत्पादन करने के क्रम में सामाजिक भागीदारों (कार्रवाई समझ) के लक्ष्यों को गिरफ्तार करने की क्षमता है, और क्षमता अवलोकन और नकली 1 के माध्यम से दूसरों से सीखने के लिए। इन संज्ञानात्मक मोटर क्षमताओं के तंत्रिका आधार तथाकथित दर्पण न्यूरॉन सिस्टम के लिए, कम से कम हिस्से में, जिम्मेदार ठहराया गया है; एक एक कार्रवाई प्रदर्शन किसी से देखता है और जब एक कार्रवाई करता है जब सोचा है कि एक प्रणाली लिप्त होने के लिए। हालांकि, दर्पण न्यूरॉन सिस्टम और कार्रवाई समझ के बीच संभावित कड़ी अभी तक अच्छी तरह से एक समझ नहीं है। मानव शिशुओं में इस दर्पण न्यूरॉन सिस्टम के उद्भव और विकास का अध्ययन इरादे और सुक्ष्म गति डेटा के लिए सहसंबद्ध मस्तिष्क की गतिविधियों की मल्टी मॉडल डाटा अधिग्रहण की तकनीकी सीमाओं) एक के द्वारा बाधा उत्पन्न की गई है, ख) अप्राकृतिक (जैसे, एक वीडियो टेप में दिखाया गया एक एजेंट के साथ सामाजिक संपर्क, electroencephalographic दौरान कलाकृतियों को कम करने के लिए एक अभी भी मुद्रा बनाए रखने के लिए की जरूरत है (ईईजी) रिकॉर्डिंग, आदि) कर रहे हैं कि प्रयोगात्मक प्रोटोकॉल द्वारा थोपे गए, और ग) संचार / भाषा अवरोधों युवा शिशुओं / बहुत निर्देश दे और व्यवहार को मान्य करने के अनुसंधानकर्ता की क्षमताओं को सीमित कि toddlers जब परीक्षण।

बदलती तंत्रिका और प्राकृतिक व्यवहार में व्यवहार गतिशीलता का एक बेहतर समझ के लिए, हम छोटे बच्चों में लक्ष्य उन्मुख और सामाजिक व्यवहार में उभर के तंत्रिका substrates के समय हल अध्ययन की अनुमति देता है कि एक उपन्यास प्रयोगात्मक और विश्लेषणात्मक दृष्टिकोण विकसित किया है। विशेष रूप से, हम एक प्रयोगकर्ता के साथ बातचीत के दौरान स्वतंत्र रूप से व्यवहार कर रही शिशुओं से रिकॉर्ड मस्तिष्क गतिविधि और आंदोलन करने के लिए एक ईईजी आधारित मोबाइल ब्रेन इमेजिंग (Mobi) दृष्टिकोण 2 तैनात किया है। जड़त्वीय माप इकाइयों (Imus) सोम के लिए इस्तेमाल किया गयाItor का विषय है और प्रयोगकर्ता के कीनेमेटीक्स।

ईईजी तकनीक और जड़त्वीय सेंसर एक प्रयोगकर्ता / अभिनेता के साथ एक अलिखित बातचीत में 'शिशुओं कार्रवाई नकली और लक्ष्य उन्मुख व्यवहार से जुड़े तंत्रिका पैटर्न और सक्रियण अध्ययन करने के लिए इस्तेमाल किया गया। ऐसे पहुंच-समझ के रूप में कार्रवाई, प्रस्ताव तक पहुँचते हैं, बाकी का निरीक्षण, और पता लगाने के नकली में शामिल संज्ञानात्मक मोटर प्रक्रियाओं के सभी भाग रहे हैं। इसके अलावा, हम जिससे मस्तिष्क भर न्यूरोनल धाराओं के spatiotemporal गतिशीलता के अध्ययन, व्यवहार कार्य के दौरान मस्तिष्क के भीतर बिजली क्षमता का जनरेटर स्थानीयकरण करने के लिए स्रोत के आकलन का उपयोग करें। इसी प्रकार हम आकलन और सेंसर (ईईजी) और / या स्रोत रिक्त स्थान में तंत्रिका गतिविधि में कार्रवाई प्रासंगिक spatio- लौकिक पैटर्न की पहचान करके इन व्यवहार कार्यों का पूर्वानुमान को मापने के लिए मशीन सीखने एल्गोरिदम तैनात। घालमेल पारंपरिक ERD / नेताओं, स्रोत और डिकोडिंग विश्लेषण एक अधिक व्यापक और शहरी प्रदानइस तरह के व्यवहार के तंत्रिका आधार की ताल विवरण।

इस सेटअप हमें Mobi दृष्टिकोण 2,3 के लाभ का फायदा उठाने और शिशु और वे स्वाभाविक रूप से प्रतिबंध के बिना हो ही प्रयोगकर्ता के बीच सामाजिक संबंधों का अध्ययन करने की अनुमति दी।

प्रोटोकॉल, समय से इस विषय में वह / वह छोड़ देता है, पूरा करने के लिए लगभग 1 घंटा लगता है समय के लिए आता है। इस तरह के बालों की लंबाई और इस विषय के सहयोग जैसे कारकों के आधार पर 25 मिनट - आईएमयू / ईईजी सेटअप समय और इलेक्ट्रोड स्थान अधिग्रहण 15 से भिन्न होता है। उपकरण के प्रारंभ और विन्यास 10 मिनट तक कहते हैं, और परीक्षण सत्र के लगभग 15 मिनट तक रहता है। Hypoallergenic जेल से शिशु के सिर की सफाई सहित Imus और ईईजी टोपी, का हटाया, 5-10 मिनट लगते हैं।

Protocol

निम्नलिखित प्रोटोकॉल की जांच की और ह्यूस्टन विश्वविद्यालय में संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया था। सभी शिशु विषयों 'माता-पिता या अभिभावकों को पढ़ने, प्राप्त किया, और भागीदारी करने से पहले एक सहमति पत्र पर हस्ताक्षर किए। शिशुओं एक आयु उपयुक्त खिलौना चुना है, जबकि माता-पिता को नि: शुल्क पार्किंग और अध्ययन में उनकी भागीदारी के लिए मुआवजे के रूप में एक $ 20 उपहार कार्ड प्राप्त किया।

भर्ती की शिशु विषयों निम्नलिखित मानदंड पर खरे उतरे: 6 से 24 महीने के बीच 1) आयु। 2) शिशु, स्वस्थ था सामान्य वृद्धि और विकास के लिए किया था, और प्रसव के मुद्दों, मस्तिष्काघात, दौरे, स्ट्रोक, या विकलांग सीखने का कोई इतिहास था। परीक्षण से एक शिशु के बाहर होता है कि कुछ सामान्य विकास विकलांग के उदाहरण कामयाब विफलता, कुपोषण, और गर्भावस्था के दौरान मां द्वारा शराब या नशीले पदार्थों का उपयोग कर रहे हैं।

खोपड़ी ईईजी के माध्यम से बहुविध तंत्रिका गतिविधि के साथ रिकॉर्डिंग के लिए एक सरल प्रवाह आरेख औरस्वतंत्र रूप से व्यवहार कर रही शिशुओं में Imus चित्रा 1 में प्रस्तुत किया है।

1. अवगत सहमति

  1. माता-पिता प्रयोगात्मक शो रूम और संक्षेप में उन्हें प्रयोग का उद्देश्य समझाओ।

2. स्काल्प ईईजी तैयारी

  1. नोट: ईईजी प्रणाली का इस्तेमाल किया (तालिका 1) हटाने योग्य इलेक्ट्रोड के साथ एक सक्रिय इलेक्ट्रोड प्रणाली के होते हैं। मुक़ाबला स्तरों एल ई डी का उपयोग कर इलेक्ट्रोड पर संकेत कर रहे हैं।
  2. सेमी में शिशु के सिर परिधि को मापने। सिर के पीछे में भौहें पर और पश्चकपाल प्रमुखता के आसपास यह गुजर रहा है, सिर के व्यापक हिस्से के चारों ओर एक टेप को मापने रखें।
    नोट: सिर परिधि मापने एक उचित आकार ईईजी टोपी के चयन के लिए आवश्यक है। तालिका 1 में वर्णित शिशु आबादी के लिए विशेष आकार रहे हैं।
  3. द्वारा निर्दिष्ट के रूप में एक उचित आकार ईईजी टोपी (1 टेबल) पर जगह इलेक्ट्रोड10-20 अंतरराष्ट्रीय प्रणाली। टोपी सिर पर इलेक्ट्रोड के उचित स्थान सुनिश्चित करता है।
    नोट: यह शिशु अध्ययन स्थान के लिए आता है समय से तैयार टोपी है करने के लिए बेहतर है। सिर के आकार के बारे में जानकारी समय से पहले माता-पिता से प्राप्त, या ऑनलाइन उपलब्ध [http://www.cdc.gov/growthcharts/html_charts/hcageinf.htm] तालिकाओं का उपयोग अनुमानित किया जा सकता है। सिर माप शोधकर्ता सन्निकटन के अनुरूप नहीं है, तो एक नई टोपी तैयार रहना चाहिए। कई टोपियां और इलेक्ट्रोड उपलब्ध हैं, तो कई टोपियां तैयारी के समय को कम करने के लिए अग्रिम में स्थापित किया जा सकता है।
  4. माता पिता के लिए बीच बढ़िया तालमेल प्रक्रिया समझाने। उन्हें एक इलेक्ट्रोड के लिए जेल लागू करते हैं और उन्हें अपनी त्वचा पर सुई महसूस होने के लिए इस्तेमाल किया कुंद सुई और सिरिंज दिखाएं। बीच बढ़िया तालमेल प्रक्रिया पर जाने के लिए एक डेमो ईईजी इलेक्ट्रोड और खोपड़ी टोपी का प्रयोग करें।
  5. खोपड़ी की सतह के midsagittal विमान के साथ INION को nasion से दूरी को मापने। Scal फिट करने के लिए आगे बढ़ेंशिशु के पीछे से पी टोपी।
  6. सिर के शीर्ष के साथ Cz इलेक्ट्रोड संरेखित करें। पंक्ति में है और nasion और INION के बीच की दूरी के माथे पर पर लगभग 10% FP1 और FP2 इलेक्ट्रोड केंद्र के लिए आगे बढ़ें। सिर के midsagittal विमान के साथ संतुलित रूप से खोपड़ी टोपी संरेखित करें। यकीन है कि मध्य इलेक्ट्रोड [AFz, FZ, FCz, cz, CPZ, PZ, Poz, आस्ट्रेलिया] बनाओ nasion और INION के साथ गठबंधन कर रहे हैं। जब किया, ठोड़ी के नीचे चाबुक की मार से टोपी सुरक्षित है।
    नोट: वह / वह ईईजी टोपी के साथ लगाया जा रहा है, जबकि शिशु विचलित। एक उम्र उचित वीडियो सामान्यतः सेटअप के दौरान शिशुओं विचलित करने के लिए प्रयोग किया जाता है।
  7. नियंत्रण बॉक्स के संदर्भ में, जमीन, और रिकॉर्डिंग इलेक्ट्रोड कनेक्ट करें। नियंत्रण बॉक्स से प्रतिबाधा संकेतक चालू करें।
  8. जमीन और संदर्भ इलेक्ट्रोड के साथ शुरू, 60 kΩ नीचे प्रत्येक इलेक्ट्रोड उपायों का मुक़ाबला जब तक खोपड़ी और इलेक्ट्रोड के बीच अंतरिक्ष में इलेक्ट्रोलाइट जेल इंजेक्षन करने के लिए एक छोटा सा सिरिंज का उपयोग करें। यह इंडस्ट्रीज़ हैइलेक्ट्रोड पर एक पीले या हरे रंग की रोशनी से icated। ईईजी इलेक्ट्रोड तैयारी पर आगे की जानकारी 4 में उपलब्ध हैं।
    नोट: बीच बढ़िया तालमेल प्रक्रिया के दौरान, शिशु विभिन्न कारणों (जिज्ञासा, भय, बँट ध्यान) के लिए उसकी / उसके सिर कदम हो सकता है। इसलिए यह दूसरी प्रयोगकर्ता या अभिभावक शिशु को विचलित करने के लिए जारी की सिफारिश की है। कारण इस विषय की अप्रत्याशित आंदोलन करने के लिए सुई के साथ शिशु के चेहरे से टकराने के जोखिम से बचने के लिए शिशु के सिर के पीछे से सीरिंज का प्रयोग करें।
  9. यूएसबी कनवर्टर करने के लिए एक फाइबर ऑप्टिक का उपयोग कर एक यूएसबी पोर्ट के माध्यम से मेजबान पीसी के लिए एम्पलीफायरों कनेक्ट करें।
    नोट: चित्रा 2A ईईजी टोपी और आईएमयू स्थापन के साथ शिशु विषय सेटअप पता चलता है। इस विषय के लिए भार से मुक्त गतिशीलता प्रदान करने, इलेक्ट्रोड केबल और नियंत्रण बॉक्स के ऊपर आयोजित कर रहे हैं कि सूचना है। चित्रा 2 बी 10-20 लेबलिंग प्रणाली निम्नलिखित ईईजी टोपी के इलेक्ट्रोड स्थानों में से एक स्थलाकृतिक दृश्य प्रदर्शित करता है।

3. Imus तैयारी

  1. आईएमयू सॉफ्टवेयर खोलें। चित्रमय इंटरफेस पर "नया" पर क्लिक करें।
  2. तब Imus विन्यस्त करने के लिए संवाद बॉक्स में "कॉन्फ़िगर" पर क्लिक करें। 128 हर्ट्ज के लिए नमूना आवृत्ति सेट करें।
  3. सिर, छाती, और शिशु के बाएँ और दाएँ कलाई पर Imus सुरक्षित।
    नोट: चित्रा 2A देखें। समानांतर में, Imus साथ प्रयोग की कलाई फिट बैठते हैं। सुनिश्चित करें कि Imus जड़त्वीय माप त्रुटियों को कम करने के लिए शरीर को अच्छी तरह से सुरक्षित हैं।
  4. पट्टियों का उपयोग, कलाई के पृष्ठीय पक्ष पर कलाई Imus जगह है। एक दोहन का उपयोग कर छाती के केंद्र के पास उदर की सतह पर छाती आईएमयू रखें।
  5. यह ठोड़ी के बाईं ओर के पास इतना है कि खोपड़ी टोपी की ठोड़ी पट्टियों के लिए सिर आईएमयू संलग्न। वे ऊपर उन्मुख एलईडी प्रकाश के साथ, जावक का सामना करना पड़ता है, ताकि Imus स्थिति।
    नोट: Imus प्रत्येक के बारे में 22 ग्राम वजन है, और उनके छोटे आकार और हल्के वजन मीटर में बाधा की संभावना नहींovement। एक अतिरिक्त प्रयोगकर्ता कदम 2.8 में वर्णित कारणों के लिए शिशु को विचलित करने की जरूरत हो सकती है।

4. वीडियो कैद और डेटा धाराओं के तुल्यकालन

  1. प्लेस वीडियो कैमरा (18) शिशु (12), अभिनेता (14), और एलईडी ट्रिगर (13) सभी कर रहे हैं स्पष्ट रूप से दिखाई दे सकें। चित्रा 4 देखें।
    नोट: वीडियो रिकॉर्डिंग दृश्य एनोटेशन और प्रयोगकर्ता से चालू होने वाले व्यवहार के विभाजन, साथ ही रिकॉर्डिंग सत्र की शुरुआत और अंत की पुष्टि की अनुमति देने के लिए उपयोग किया जाता है।
  2. ईईजी करने के लिए ट्रिगर इनपुट / आउटपुट बाड़े (7) कनेक्ट (5) और Imus (4)। चित्रा 3 देखें।
    नोट: (7), 3 चित्र में दिखाया एक कस्टम इनपुट / आउटपुट बाड़े, एक रिकॉर्डिंग से सभी रिकॉर्ड डेटा धाराओं (ईईजी, Imus, और वीडियो) और इस प्रकार का उपयोग घटना मार्करों aligning के लिए डिजाइन किया गया था (जैसे कि वीडियो के रूप में) या विश्लेषण सहायता एक और रिकॉर्डिंग (जैसे ईईजी या त्वरण के रूप में)। यह एक का उपयोग करके पूरा किया है, जब उदास, (एक डीबी -25 समानांतर बंदरगाह के माध्यम से) ईईजी (ग्राउंड के लिए + V) ट्रिगर नाड़ी एक सक्रिय कम भेज देंगे कि एक क्षणिक pushbutton, और वीडियो (एक मिनी दीन-6 कनेक्टर के माध्यम से) आईएमयू (द्वारा वीडियो कैमरे के दृश्य) एक साथ रिकॉर्डिंग में तैनात एक प्रकाश उत्सर्जक डायोड (एलईडी) रोशन। एक 7404 आईसी तर्क invertor चिप एलईडी बिजली की जरूरत वोल्टेज क्षमता प्रदान करने, एक उच्च राज्य (+ V) नाड़ी के लिए कम-राज्य (भूमि) को बदलने के लिए इस्तेमाल किया गया था।
  3. ट्रिगर pushbutton और डेटा संग्रह कंप्यूटर के बहुत पास में एक प्रयोगकर्ता है। प्रयोगकर्ता, ट्रिगर ऑपरेटिंग प्रयोग भर में डेटा की गुणवत्ता की निगरानी, ​​और डेटा को बचाने के प्रभार में है।

परीक्षण पर्यावरण 5. तैयारी

  1. चित्रा 4 देखें।

6. डेटा संग्रह

  1. "मुक़ाबला का चयन करके नियंत्रण सॉफ्टवेयर का उपयोग कर ईईजी इलेक्ट्रोड की प्रारंभिक प्रतिबाधा मूल्यों रिकॉर्ड"टैब, रेडियो बटन पर क्लिक" प्रतिबाधा पर "(स्थिर करने के लिए इलेक्ट्रोड प्रतिबाधा मूल्यों के बारे में 5 मिनट रुको), और क्लिक" चेक सहेजें प्रतिबाधा "रेडियो बटन impedances को बचाने के लिए। चित्रा 5 देखें।
  2. कोई फिल्टर ईईजी डेटा संग्रह के दौरान लागू कर रहे हैं।
  3. ईईजी रिकॉर्डर कार्यक्रम में, ईईजी डेटा recoding शुरू करने के लिए तो "खेल" "मॉनिटर" पर क्लिक करें। चित्रा 6 देखें।
  4. आईएमयू सॉफ्टवेयर में, आईएमयू डेटा रिकॉर्डिंग शुरू करने के लिए संवाद बॉक्स में "स्ट्रीम" और फिर "रिकार्ड" पर क्लिक करें। 7 चित्रा देखें।
  5. तीन चलाता है (तृतीय) इनपुट / आउटपुट बाड़े (7) पर pushbutton का उपयोग करके प्रयोग की शुरुआत का संकेत करने के लिए लागू करें। जबकि रिकॉर्डिंग 1 मिनट के लिए शिशु आराम करते हैं। यह प्रारंभिक आधारभूत डेटा प्रदान करता है।
  6. प्रयोग करते हैं और जरूरत के रूप में शिशु विषय टूट लेने के लिए अनुमति देते हैं। प्रत्येक प्रयोग परीक्षण एक मोड़ ले रही है काम के होते हैं जहां अभिनेता शोएक वस्तु का उपयोग कर शिशु के लिए एक एक्शन (आमतौर पर, लेकिन हमेशा नहीं, एक खिलौना), एक नकली प्रतिक्रिया आरंभ करने के प्रयास में शिशु के लिए यह गुजरता है, और अंत में वापस शिशु से वस्तु प्राप्त करता है।
    नोट: यह आदान-प्रदान आम तौर पर 4-5 परीक्षण के लिए या शिशु वस्तु में आगे कोई ब्याज से पता चलता है जब तक दोहराया है।
  7. सत्र के माहौल को देखते हुए, वीडियो रिकॉर्डिंग का उपयोग कर डेटा संग्रह के बाद प्रत्येक व्यवहार के सभी समय व्याख्या।
  8. ईईजी इलेक्ट्रोड के अंतिम प्रतिबाधा मूल्यों रिकॉर्ड। कदम 6.1 देखें।
  9. ईईजी इलेक्ट्रोड 3 डी स्कैनर और सॉफ्टवेयर और अपनी इसी सॉफ्टवेयर का उपयोग कर ईईजी इलेक्ट्रोड के 3 डी स्थानिक निर्देशांक digitize।
  10. 3 डी स्कैनिंग सॉफ्टवेयर शुरू करो। "फाइल" और "नया कार्यक्षेत्र" का चयन करने के लिए जाओ। कार्यक्षेत्र का पहला टैब में इलेक्ट्रोड स्थिति फाइल लोड और भंडारण टैब में आवश्यक जानकारी प्रदान करते हैं।
  11. स्कैनिंग उपकरण पट्टी में, स्टार "पर क्लिक करेंटी स्कैनिंग "। टोपी पर बदलते प्रकाश पैटर्न का पालन करके इलेक्ट्रोड स्थानों स्कैन करने के लिए, कम से लगभग 30 सेमी शिशु के सिर से, 3 डी स्कैनर का प्रयोग करें। स्कैनिंग पूरा हो जाए, सॉफ्टवेयर स्वचालित रूप से परिणाम की बचत होगी।
    नोट: सिर के पीछे, केबल की वजह से शिशु के सिर के छोटे आकार के लिए इलेक्ट्रोड पर एल ई डी ब्लॉक कर सकते हैं। सॉफ्टवेयर उपयोगकर्ता परिणामों से समझौता किए बिना स्कैन से कुछ इलेक्ट्रोड को दूर करने के लिए अनुमति देता है। यदि आवश्यक हो तो स्कैन से पश्चकपाल इलेक्ट्रोड निकालें।

7. व्यवहार विभाजन

  1. प्रयोग सत्र की वीडियो रिकॉर्डिंग का निरीक्षण किया और ट्रिगर झपकाए एलईडी समय जब मार्क (यानी, प्रयोग शुरू होता है और समाप्त होता है), और जब कदम 6.6 के शुरू और अंत में पहले उल्लेख व्यवहार के किसी भी।

8. स्रोत इमेजिंग

  1. नोट: स्रोत इमेजिंग सही रूप से जनरेटर की पहचान कर सकते हैंईईजी मस्तिष्क के भीतर क्षमता और यह आम तौर पर आगे और उलटा समस्या 5 के हल के लिए होते हैं।
  2. इस तरह के जीवन 6.7 के पहले दो वर्षों के लिए (महीने में) उम्र के एक समारोह के रूप में औसत एमआरआई टेम्पलेट्स शामिल हैं जो neurodevelopmental एमआरआई डेटाबेस के रूप में सार्वजनिक डोमेन डेटाबेस से उच्च संकल्प टी 1 भारित चुंबकीय अनुनाद छवि (एमआरआई) के आंकड़ों के मोल।
    नोट: इस अध्ययन शिशुओं की ही आयु उपयुक्त आगे सिर मॉडल का उपयोग करता है और एमआरआई टेम्पलेट का चयन करते हैं, इसलिए सेक्स के बारे में जानकारी खाते में नहीं लिया जाता है)।
  3. Neurodevelopmental एमआरआई डेटाबेस 8 से एमआरआई संस्करणों के रूप में (यानी, ग्रे बात, सफेद पदार्थ, खोपड़ी, आंतरिक या बाहरी खोपड़ी) सिर डिब्बों में शामिल है कि सीमा तत्व मॉडल (कार्यलय) के लिए स्रोत संस्करणों मोल।
  4. पूर्व प्रक्रिया कार्यलय एमआरआई मात्रा करी 7, या इसी तरह के ब्रेन इमेजिंग सॉफ्टवेयर पैकेज में मस्तिष्क और सिर डिब्बों की सतह निकालने के द्वारा एक यथार्थवादी सिर मॉडल प्राप्त करने के लिए।
  5. एमआरआई भारित टी 1 आयात करें। मैन्युअल ऐसे वाम / अधिकार पूर्व auricular अंक और ब्रेन इमेजिंग सॉफ्टवेयर के भीतर nasion, या इसी तरह के पैकेज के रूप में तीन विश्वस्त बिंदुओं की पहचान।
  6. एमआरआई के अंतरिक्ष और एमआरआई पर संकेत विश्वस्त अंक फिटिंग द्वारा विषय के अंतरिक्ष और ब्रेन इमेजिंग सॉफ्टवेयर या इसी तरह के पैकेज का उपयोग कर कदम 6.9-6.11 में 3 डी स्कैनर के साथ प्राप्त fiducials के बीच कठोर ज्यामितीय परिवर्तन प्राप्त करने के लिए ईईजी और एमआरआई अंतरिक्ष सह रजिस्टर।
  7. आगे मॉडल का समाधान।
    नोट: आगे समस्या सिर की और सिर मात्रा 9,10 की विद्युत चालकता संपत्तियों की ज्यामिति का प्रतिनिधित्व करता है कि एक सिर मॉडल की परिभाषा शामिल है।
  8. उलटा समस्या का समाधान
    नोट: उलटा समस्या एक स्थान, शक्ति और सिग्नल प्रोसेसिंग तकनीक 11 का उपयोग करके खोपड़ी ईईजी संकेतों से मस्तिष्क के एक सूत्र के एक समय के पाठ्यक्रम अनुमान करने के लिए कोशिश करता है।
  9. निरंतर खंडकार्य शुरू होने से आसपास के परीक्षणों में ईईजी डेटा (जैसे।, नकली, अवलोकन खंडों) 2 सेकंड की लंबाई के पूर्व और बाद कार्य शुरू होने के क्षेत्रों के साथ। प्रत्येक परीक्षण में "बुरा चैनल" और अन्य artifactual परीक्षणों के रूप में उच्च प्रतिबाधा के साथ चैनलों को पहचानें। पूर्व प्रक्रिया विरूपण साक्ष्य अस्वीकृति के लिए ईईजी डेटा आईसीए का उपयोग कर और artifact मुक्त चैनलों पड़ोसी की औसत के साथ बुरा चैनलों का पुनर्निर्माण किया। 12,13,14।
  10. सबसे अच्छा संभव स्रोत स्थानों की पहचान करने के लिए पूरे दिमाग पर खोज करता है कि एक स्वचालित अनुकूलन एल्गोरिथ्म के लिए एक निवेश के रूप में आगे मॉडल का प्रयोग करें।
  11. नेत्रहीन होने का अनुमान स्रोतों का विश्लेषण और सबसे आपकी अपेक्षा प्रयोग की प्रकृति से पूर्व ज्ञान पर आधारित है कि मैच के समाधान को लेने और उन्हें ध्यान से व्याख्या।
    नोट: इस कदम की वजह से उलटा समस्या के बुरे समक्ष रखी प्रकृति के लिए एक सबसे पक्षपाती है, वह यह है कि सूत्रों के विभिन्न विन्यास में एक ही सतह क्षमता में हो सकता है। इसलिये, यह एक दिया सिर मॉडल और उलटा विधि अच्छी तरह से काम करता है कि सत्यापित करने के लिए एक मानसिक स्वास्थ्य की जांच करने के लिए सहायक हो सकता है।
  12. एक ज्ञात नकली द्विध्रुवीय स्थानीयकरण, एक मानसिक स्वास्थ्य की जांच करते हैं। अर्थात्, दिया सिर मॉडल जगह के लिए एक ज्ञात विन्यास के साथ द्विध्रुवीय है, और इस द्विध्रुवीय के लिए नकली voltages प्राप्त करने के लिए आगे समस्या का समाधान।
  13. यह नकली द्विध्रुव रिटर्न सुनिश्चित करने के लिए, एक ही सिर मॉडल पर इन voltages के साथ उलटा समस्या का समाधान।
    नोट: ये विवेक की जाँच के शुरू में सटीकता की एक उच्च डिग्री करने के लिए रखा द्विध्रुव लौट जाना चाहिए।

Representative Results

चित्रा 8 प्रदर्शित करता है का विषय है और प्रयोगकर्ता के बीच बातचीत के दौरान रिकॉर्ड एक 16 सेकंड समय खिड़की के लिए Imus से नमूना ईईजी और त्वरण डेटा। ईईजी डेटा 100 हर्ट्ज पर फिर से जांचा गया था और उसके बाद बैंड पास एक 3 आदेश, शून्य चरण बटरवर्थ फिल्टर का उपयोग कर [1-40 हर्ट्ज] फ़िल्टर किया। उच्च प्रतिबाधा मूल्यों (जेड> 60 kΩ), और परिधीय चैनलों के साथ चैनल, 12,15 खारिज कर दिया गया था। Imus 128 हर्ट्ज पर नौ संकेतों दर्ज: चुंबकीय प्रवाह, कोणीय वेग, और रैखिक त्वरण तीन कार्तीय कुल्हाड़ियों में। यहाँ हम गुरुत्वाकर्षण मुआवजा (जीसी) त्वरण की भयावहता को दिखा। गुरुत्वाकर्षण के कारण त्वरण का प्रभाव एक वैश्विक फ्रेम 16 में आईएमयू उन्मुखीकरण भविष्यवाणी करने के लिए एक Kalman फिल्टर लगाने से मुआवजा दिया गया था। डाटा वीडियो रिकॉर्डिंग (7.1 चरण) के दृश्य निरीक्षण द्वारा खंडित किया गया था। बिंदीदार खड़ी रेखा घटना के समाप्त होने के प्रतिनिधित्व के रूप में खड़ी ठोस लाइनों, ब्याज की एक व्यवहार की शुरुआत का संकेत मिलता है।

8 चित्रा में दिखाया गया ईईजी डेटा में मौजूद है। इस प्रयोगात्मक प्रोटोकॉल में डेटा संग्रह करने के लिए स्वेच्छापूर्ण दृष्टिकोण आँख झपकाए, आँख आंदोलनों, गति और electromyographic कलाकृतियों के लिए अतिसंवेदनशील ईईजी का आंकड़ा है। डेटा डेल्टा-बैंड (1-4Hz) को विवश करने के लिए एक 3 आदेश शून्य चरण बटरवर्थ बैंड पास फिल्टर का उपयोग करके preprocessed, और मतलब घटाकर और मानक विचलन से विभाजित करके मानकीकृत किया गया। उच्च आयाम कलाकृतियों साक्ष्य उपस्पेस निकालना (एएसआर) विधि 17 का उपयोग कर स्वचालित रूप से हटा दिया गया। इसके अतिरिक्त, परिधीय चैनलों myoelectric विरूपण साक्ष्य प्रदूषण को कम करने के प्रयास में डेटा विश्लेषण से बाहर रखा गया है। Frontalis और temporalis मांसपेशियों में संकुचन परिधीय स्थानों पर सबसे प्रमुखता ईईजी संकेत के साथ विलय: frontalis संकुचन पूर्वकाल स्थानों में पता चलता है, और temporalis संकुचन पार्श्व ललाट और tempor में पता चलता हैअल स्थानों 15।

इस प्रोटोकॉल के साथ एकत्र डेटा की प्रकृति का निरीक्षण करने के लिए, ईईजी डेटा हिस्टोग्राम चित्रा 9 ए में 9 चित्रा में प्लॉट किए जाते थे, यह तीन स्थानिक प्रतिनिधि इलेक्ट्रोड से मानकीकृत संकेत के डेटा वितरण का वर्णन है। ईईजी डेटा का विश्लेषण व्यवहार के लिए एक बहुविध वितरण से पता चलता है। चित्रा 9B में पृथुशीर्षत्व मूल्यों डेटा की आसान दृश्य निरीक्षण के लिए बार रेखांकन के रूप में प्रस्तुत कर रहे हैं।

वर्गीकरण के कम सेट का एक मॉडल (गाऊसी मिश्रण परीक्षण /, प्रत्येक ईईजी चैनल के समय आधारित lags निकालने प्रत्येक वर्ग (स्थानीय फिशर विभेदक विश्लेषण (LFDA)) 18 वर्ष की स्थानीय तितर बितर संरक्षण, जबकि dimensionality कम करने, और प्रशिक्षण के द्वारा प्रदर्शन किया गया था मॉडल (GMMs)) 19। प्रशिक्षण / परीक्षण के नमूने बेतरतीब ढंग से 20 पुनरावृत्तियों (यानी, पार सत्यापन) किसी भी ov को रोकने के लिए खत्म हो नमूना थेनमूने का आकार er-fitting.Training/testing खारिज कर दिया चैनल (यानी, प्रतिबाधा अधिक से अधिक से अधिक 60 किलोहर्ट्ज़), प्रयोग सत्र की लंबाई की संख्या को देखते हुए और परीक्षणों और व्यवहार की संख्या बदलती रहती व्यक्त किया। हालांकि, प्रत्येक वर्ग (व्यवहार) के लिए इस्तेमाल किया प्रशिक्षण और परीक्षण नमूनों की संख्या कम से कम आबादी वाले वर्ग के 50% के अनुरूप हैं। एक उदाहरण के रूप में, प्रत्येक वर्ग के परीक्षण के सेट आकार 10 चित्र में दिखाया शिशु डेटा के लिए 1069 नमूने हैं। सभी पूर्व प्रसंस्करण और वर्गीकरण कदम MATLAB प्रोग्रामिंग वातावरण के तहत अभिकलन थे एन = है।

11 चित्रा एक कदम-दर-कदम तरीके से इस अध्ययन में प्रदर्शन किया ईईजी स्रोत के आकलन के लिए पूरी प्रक्रिया को दर्शाया गया है। हर कदम के बारे में अधिक जानकारी के लिए भी धारा 8 में संक्षेप।

"रीच-प्रस्ताव के दौरान चित्रा 12 शो म्यू ताल (5-9 हर्ट्ज) (डी) में तुल्यकालन (ERD / यूरेशिया) से संबंधित घटना के परिणामों और द्विध्रुवीय स्रोतों1; कार्य। नेताओं और ERD संदर्भ अंतराल (घटना से पहले लिया एक खंड) की तुलना में घटना (तक पहुँचने और प्रस्ताव कार्य) के दौरान अंतराल होता है, जो एक आवृत्ति बैंड शक्ति में कमी या वृद्धि के प्रतिशत के रूप में गणना की गई। यह आंकड़ा भी शिशु और अभिनेता के दोनों कलाई से कार्य के दौरान प्राप्त गुरुत्वाकर्षण मुआवजा परिमाण त्वरण से पता चलता है। एक द्विध्रुवीय विश्लेषण के लिए ईईजी संकेतों पृष्ठभूमि शोर को खत्म करने के लिए स्वतंत्र घटक विश्लेषण (आईसीए) के प्रयोग से विघटित कर रहे थे। स्रोत के आकलन के लिए एक निश्चित संगीत एल्गोरिथ्म 5 के माध्यम से आईसीए preprocessing के बाद म्यू लय में प्रदर्शन किया गया था। जैसी कि उम्मीद थी, सूत्रों का कहना है विषय वस्तु काबू करने के लिए अपने बाएं हाथ का उपयोग कर रहा था, जबकि सही प्राथमिक मोटर क्षेत्र से अधिक स्थानीयकृत किया गया।

actiCAP ईईजी 64 इलेक्ट्रोड cap- *
उत्पाद का नाम कंपनी मात्रा
BrainAmp एम्पलीफायर ब्रेन उत्पाद, GmbH 2
ब्रेन उत्पाद, GmbH 10
actiCAP नियंत्रण बॉक्स ब्रेन उत्पाद, GmbH 1
मस्तिष्क विजन रिकॉर्डर सॉफ्टवेयर ब्रेन उत्पाद, GmbH 1
actiCAP नियंत्रण बॉक्स सॉफ्टवेयर ब्रेन उत्पाद, GmbH 1
CapTrak ब्रेन उत्पाद, GmbH 1
CapTrak सॉफ्टवेयर ब्रेन उत्पाद, GmbH 1
दूधिया आंदोलन की निगरानी APDM, इंक 6
दूधिया डॉकिंग स्टेशन APDM, इंक 6
दूधिया वायरलेस एक्सेस प्वाइंट APDM, इंक 1
मोशन स्टूडियो सॉफ्टवेयर APDM, इंक 1
ट्रिगर बॉक्स रिवाज 1
वीडियो कैमरा कोर्ट W850M, पैनासोनिक कंपनी 1
* ईईजी टोपियां शिशुओं के लिए निम्नलिखित सिर परिधि आकारों में आते हैं: 42, 44, 46, 48, 50 सेमी। इस प्रोटोकॉल के लिए, प्रत्येक आकार के 2 टोपी के एक शेयर की सिफारिश की है।

तालिका 1 उपकरण।

चित्र 1
1. प्रवाह चित्र चित्रा। प्रयोग की स्थापना के (ए) प्रवाह आरेख। (बी) के आंकड़ों के संग्रह सत्र का प्रवाह आरेख। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र 2
चित्रा 2. विषय रोंetup और डेटा संग्रह के लिए तैयार है। (ए) ईईजी टोपी पहने विषय के ललाट देखने के लिए, और चार Imus। (बी) के 10-20 मानक इलेक्ट्रोड पोजीशनिंग सिस्टम का उपयोग कर 64 चैनल ईईजी टोपी के स्थलाकृतिक प्रतिनिधित्व। एक को देखने के लिए यहां क्लिक करें यह आंकड़ा का बड़ा संस्करण।

चित्र तीन
चित्रा 3. डाटा संग्रह उपकरण और परीक्षण के कमरे। (ए) डाटा संग्रह उपकरण सेटअप: ईईजी नियंत्रण बॉक्स (1), ईईजी टोपी (2), ट्रिगर (3), वायरलेस आईएमयू डेटा रिसीवर (4), ईईजी एम्पलीफायरों (5), खिलौना बॉक्स (6), ट्रिगर पुश बटन (7), डाटा अधिग्रहण लैपटॉप (8), Imus डॉकिंग स्टेशन (9)। (बी) ईईजी टोपी, सक्रिय इलेक्ट्रोड और नियंत्रण बॉक्स के ऊपर बंद। (सी) Imus और वायरलेस रिसीवर के ऊपर बंद, trigge आर पुश बटन, ईईजी एम्पलीफायरों, और डेटा संग्रह लैपटॉप। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 4
प्रयोगात्मक सेटिंग की चित्रा 4. योजनाबद्ध प्रतिनिधित्व। ईईजी नियंत्रण बॉक्स धारक (10)। विषय के अभिभावक कुर्सी (11) पर बैठता है, प्रयोगकर्ता कुर्सी (14) पर बैठता है और डेटा की निगरानी व्यक्ति कुर्सी (17) पर बैठता है। प्रयोगात्मक स्थापना के बाकी दिखाया गया है:। इंटरेक्शन टेबलटॉप (12), ट्रिगर (13), खिलौना बॉक्स (15), डाटा अधिग्रहण तालिका (16), वीडियो कैमरा प्लेसमेंट (18) इस का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें आंकड़ा।

"Src =" / फ़ाइलें / ftp_upload / 53406 / 53406fig5.jpg "/>
चित्रा ईईजी नियंत्रण सॉफ्टवेयर 5. स्क्रीनशॉट। तीरों कदम 6.1 और में वर्णित सॉफ्टवेयर में महत्वपूर्ण प्रतीक को इंगित 6.8। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 6
ईईजी रिकॉर्डिंग सॉफ्टवेयर की चित्रा 6 स्क्रीनशॉट। तीरों कदम 6.2 और 6.3 में वर्णित सॉफ्टवेयर में महत्वपूर्ण प्रतीक को इंगित। लाइव-स्ट्रीमिंग कच्चे डेटा का एक वर्ग दिखाया गया है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

पीजी "/>
चित्रा Imus सॉफ्टवेयर 7. स्क्रीनशॉट। लाल बक्से कदम 6.4 में वर्णित सॉफ्टवेयर में महत्वपूर्ण प्रतीक प्रकाश डाला। (ए) मुख्य कमांड विंडो। (बी) विन्यास खिड़की। (सी) रिकॉर्डिंग खिड़की। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

आंकड़ा 8
चित्रा एक प्रतिनिधि प्रायोगिक सत्र से 8. नमूना डेटा। (ए) ईईजी और त्वरण डेटा दिखाए जाते हैं, दोनों बैंड पास [1-40Hz] फ़िल्टर किया। सत्र के दौरान कम प्रतिबाधा (जेड <60 kΩ) के साथ ईईजी इलेक्ट्रोड प्रदर्शित कर रहे हैं। ठोस खड़ी रेखा व्यवहार शुरुआत का संकेत मिलता है (बी) अभी भी व्यवहार में लगे हुए शिशु के निरूपण के फ्रेम का विश्लेषण किया:।, निरीक्षण रीच-समझ, रीच-प्रस्ताव, imitaते, अन्वेषण, आराम करो। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

9 चित्रा
पहचान छह व्यवहार के लिए ईईजी आयाम चित्रा 9. नमूना histograms। ए) दिखाया गया डेटा एक 20 महीने पुराने शिशु के साथ एक सत्र में दर्ज तीन इलेक्ट्रोड (CP2, FC5, POZ) से कच्चे डेटा से मेल खाती है। histograms घटनाओं की संख्या सबसे ज्यादा करने के लिए पहुंचा रहे हैं और प्रत्येक हिस्टोग्राम की पृथुशीर्षत्व प्रत्येक भूखंड के अधिकार पर दिखाया गया है। प्रत्येक व्यवहार के लिए नमूना डेटा के व्यवहार के अधिकांश। बी के लिए बहुविध वितरण) पृथुशीर्षत्व सूचना है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।


चित्रा 10 ईईजी स्वतंत्र रूप से व्यवहार कर रही शिशुओं 12 में व्यवहार कार्रवाई भविष्यवाणी की है। एक 20 महीने पुराने शिशु के लिए वर्गीकरण सटीकता के लिए एक नमूना भ्रम मैट्रिक्स दिखाया गया है। समग्र डिकोडिंग सटीकता नीचे-दाएं कोने पर प्रदर्शित किया जाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 11
चित्रा 11. स्रोत स्थानीयकरण। एक संरचनात्मक एमआरआई और एक कार्यात्मक ईईजी डेटा का उपयोग कर एक शिशु द्विध्रुवीय स्रोत स्थानीयकरण के लिए आवश्यक कदम। इस अंजीर का एक बड़ा संस्करण देखने के लिए यहां क्लिक करेंUre।

चित्रा 12
चित्रा 12. रीच प्रस्ताव कार्य विश्लेषण प्रोफ़ाइल। ईईजी की औसत वैश्विक फील्ड पावर म्यू बैंड (5-9 हर्ट्ज), शिशु के अंग आंदोलन प्रक्षेप पथ में) "रीच-प्रस्ताव" काम। बी प्रदर्शन कर एक शिशु की ए) फोटो और अभिनेता; भव्य सभी चैनलों। सी) "आंदोलन शुरू होने 'और' आंदोलन समापन" की दो घटनाओं के लिए स्थानीय द्विध्रुवीय स्रोतों से घटना से संबंधित वर्णक्रमीय गड़बड़ी औसत। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Discussion

वर्णित प्रोटोकॉल वे वास्तविक समय में एक प्रयोगकर्ता के साथ बातचीत कर रहे हैं, जबकि स्वतंत्र रूप से व्यवहार कर रही शिशुओं से डेटा एकत्र करने के लिए एक पद्धति प्रस्तुत करता है। यह एक साथ सामरिक शरीर स्थानों में Imus साथ विज्ञान सम्बन्धी डेटा रिकॉर्डिंग करते हुए तंत्रिका गतिविधि पर कब्जा करने के लिए मोबाइल ब्रेन इमेजिंग प्रौद्योगिकी (खोपड़ी ईईजी) कार्यरत हैं। प्रयोग सत्र भी एक वीडियो कैमरा के द्वारा दर्ज की गई है। तीन डेटा रिकॉर्डिंग सिस्टम एक कस्टम ट्रिगर प्रणाली का उपयोग कर सिंक्रनाइज़ कर रहे हैं।

वह / वह स्वतंत्र रूप से प्रयोग सत्र के दौरान बढ़ रहा है के रूप में ईईजी और आईएमयू सिस्टम अधीन करने के लिए पैसे की कमी कर रहे हैं। सही ढंग से कीनेमेटीक्स पर कब्जा करने में सक्षम हो Imus सुरक्षित रूप से पैसे की कमी किए जाने की जरूरत है। विषय से भरा स्वेच्छापूर्ण गतिशीलता सुनिश्चित करने के उपकरण के रूप में संभव के रूप में न्यूनतम दखल हो गया है; इस प्रकार धारक का उपयोग ईईजी के इलेक्ट्रोड केबल और ईईजी नियंत्रण बॉक्स का समर्थन है। प्रयोगकर्ता तो लगभग 15 मिनट के लिए शिशु के साथ सूचना का आदान प्रदान। infaNT बातचीत के दौरान व्यवहार की एक उम्र पर निर्भर प्रदर्शनों की सूची को प्रकाश में लाना होगा। ये निरीक्षण, का पता लगाने, आराम, तक पहुँचने-समझ तक पहुँचने के प्रस्ताव शामिल हैं, और नकल। हालांकि, कुछ शिशुओं के कारण थकान, आराम, या तनाव की कमी के सत्र में सहयोग करने के लिए तैयार नहीं होगा। बच्चे उसे / उसे से नकारात्मक प्रतिक्रियाओं की घटना को रोकने के लिए सबसे गतिशील और सक्रिय है जब प्रयोग अनुसूची करने के लिए सुनिश्चित करें।

प्रयोग की प्रकृति सत्र के दौरान दर्ज आंकड़ों की गुणवत्ता के लिए जोखिम प्रस्तुत करता है। इसलिए, यह रिकॉर्डिंग सत्र शुरू करने से पहले सभी कनेक्शन और डेटा की गुणवत्ता का परीक्षण करने के लिए, और सत्र के दौरान लगातार उन पर नजर रखने के लिए महत्वपूर्ण है। डेटा ईईजी सिस्टम गुणवत्ता डेटा रिकॉर्डिंग नहीं है, तो सॉफ्टवेयर रोकने के लिए और सभी कनेक्शनों हाल चलाना। सॉफ्टवेयर शुरु या लैपटॉप के लिए वापस उपकरण जोड़ने से पहले, रिकॉर्डिंग हार्डवेयर की निकटता से सभी संभव शोर सूत्रों का कहना है (यानी, बिजली आपूर्ति) को हटा दें। ईईजी हार्डवेयर बिजली के शोर सूत्रों के करीब रखा है, तो पर्यावरण शोर उठा सकता है कि संकेत एम्पलीफायरों भी शामिल है। आईएमयू रिसीवर के लिए, रिसीवर और प्रयोग और शिशु के बीच दृष्टि की लाइन में कोई हस्तक्षेप नहीं है सुनिश्चित करें।

इस प्रयोगात्मक सेटअप खोपड़ी की सतह पर बिजली की गतिविधि को मापने के द्वारा उच्च अस्थायी समाधान तंत्रिका डेटा प्रदान करता है। हाल के अध्ययनों से इस प्रस्तावित डेटा संग्रह दृष्टिकोण तंत्रिका को बेहतर ढंग से समझने के लिए ले जा सकता है, सुझाव है कि अर्थपूर्ण आंदोलनों 20 के लिए वर्गीकरणीय जानकारी की पहचान करने के लिए, पूरे शरीर कीनेमेटीक्स के साथ मिलकर इन संकेतों के उपयोग की व्यवहार्यता, और कार्यात्मक आंदोलनों 21,22 दिखा दिया है शिशुओं में नकली का आधार है।

मस्तिष्क की गतिशीलता 13,20,21 के लिए लागू शक्तिशाली मशीन सीखने एल्गोरिदम विशेषता हाल ही में योगदान अधिक प्राकृतिक एसई में सतह क्षमता का अध्ययन करने के लिए एक से बढ़ टूलकिट निर्माण कर रहे हैंttings। इस प्रस्तावित सेटअप अनुसंधान के सवालों के लिए संभावनाओं की एक स्पेक्ट्रम 2,22 संबोधित किया जाना है। विशेष रूप से, यह विषयों की एक बड़ी जनसंख्या के आधार पर शिशुओं की संज्ञानात्मक मोटर विकास के तंत्रिका आधार को समझने के) एक पर ध्यान केंद्रित अनुसंधान के लिए लागू किया जा सकता है; ख) भेजे गए व्यवहार कार्रवाई के भविष्य कहनेवाला होना चाहिए जो 'कार्रवाई और संदर्भ' में बच्चे की मंशा के तंत्रिका आधार समझ; ग) विकासशील मस्तिष्क में व्यक्तित्व और परिवर्तनशीलता को चिह्नित करने के लिए आम और अद्वितीय तंत्रिका पैटर्न बढ़ाता; और डी) नकली और सीखने की प्रक्रिया के उद्भव का अध्ययन। इन लक्ष्यों को जानकारीपूर्ण मस्तिष्क उत्पन्न क्षमता और आंदोलन या मांसपेशी कलाकृतियों 12,20,23 में दोनों सांख्यिकीय अमीर डेटा के साथ सौदा कर सकते हैं कि मशीन सीखने एल्गोरिदम की तैनाती करना पड़ेगा।

इस अध्ययन शिशु ईईजी डेटा का उपयोग cortical स्रोतों और बिजली के क्षेत्र में क्षमता का अनुमान लगाने के लिए प्रयास करता है। की वजह सेऐसे शिशु सिर चालकता मूल्यों और cortical बात की मोटाई में ज्ञान की कमी के रूप में तकनीकी कठिनाइयों, सिर मॉडल की सटीक मॉडलिंग एक मुश्किल काम है। आगे की पढ़ाई के शिशुओं 24 में noninvasive क्षेत्रीय ऊतक चालकता के अनुमान के लिए आवश्यक हैं। शिशु एमआरआई डेटा के cortical सतह विभाजन की वजह से विकासशील मानव मस्तिष्क 25 की छवियों में पाया गरीब विपरीत करने के लिए एक अतिरिक्त चुनौती प्रस्तुत करता है। भविष्य के अनुसंधान इन कठिनाइयों को संबोधित करने की जरूरत है और शिशु विकास और व्यवहार के विभिन्न neurophysiological संबद्ध अनुमान है।

अंत में, प्रस्तावित प्रयोगात्मक प्रोटोकॉल और विधियों ऐसे संभावित आत्मकेंद्रित स्पेक्ट्रम विकार (एएसडी) के साथ शिशुओं के रूप में विकास विकलांग के साथ उन लोगों के अध्ययन में तैनात किया जा सकता है। इस तरह के एक आवेदन में, यह दो समूहों (नियंत्रण और एएसडी) को चिह्नित करने के लिए एक नियंत्रण समूह और उपयुक्त विकासात्मक आकलन शामिल करने के लिए वांछनीय होगा। परीक्षा के लिएमिसाल, एक अध्ययन समूह आत्मकेंद्रित नैदानिक ​​अवलोकन अनुसूची 26 के साथ मूल्यांकन शिशु भाई बहन (एएसडी के लिए) सभी उच्च जोखिम से मिलकर सकता है, लक्षण गंभीरता 27 और प्रारंभिक अध्ययन 28 से मुलेन तराजू सामान्य संज्ञानात्मक क्षमता को चिह्नित करने के लिए। उपलब्ध, प्रसार भारित एमआरआई स्कैन भी 29 उच्च वांछनीय होगा।

Acknowledgements

इस काम के बाल स्वास्थ्य और मानव विकास (NICHD) पुरस्कार # P01 HD064653-01 की यूनिस कैनेडी श्राइवर राष्ट्रीय संस्थान द्वारा समर्थित किया गया। सामग्री केवल लेखकों की जिम्मेदारी है और जरूरी NICHD या स्वास्थ्य के राष्ट्रीय संस्थान के आधिकारिक विचारों का प्रतिनिधित्व नहीं करता है।

Materials

Name Company Catalog Number Comments
BrainAmp Amplifier Brain Products, Gmbh
actiCAP EEG cap- 64 electrodes* Brain Products, Gmbh
actiCAP Control Box Brain Products, Gmbh
Brain Vision Recorder software v1.20.0601 Brain Products, Gmbh
actiCAP Control Box software v1.2.5.2 Brain Products, Gmbh
CapTrak Brain Products, Gmbh
CapTrak software v1.0.0 Brain Products, Gmbh
Opal movement monitor APDM, Inc
Opal docking station APDM, Inc
Opal wireless access point APDM, Inc
Motion Studio software v1.0.0.201503302222 APDM, Inc
Trigger box Custom
Video camera HC-W850M, Panasonic Co.
*The EEG caps come in the following head circumference sizes for infants: 42, 44, 46, 48, 50cm. For this protocol, a stock of 2 caps of each size is recommended. 

DOWNLOAD MATERIALS LIST

References

  1. Woodward, A. L., Gerson, S. A. Mirroring and the development of action understanding. Phil. Trans. R. Soc. B. 369, (1644), (2014).
  2. Makeig, S., Gramann, K., Jung, T. -P., Sejnowski, T. J., Poizner, H. Linking brain, mind and behavior. Int J Psychophysiol. 73, (2), 95-100 (2009).
  3. Gramann, K., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Rev. Neurosci. 22, (6), 593-608 (2011).
  4. GmbH Brain Products. actiCAP Operating Instructions. Version 006, Author. Munich, Germany. (2013).
  5. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. J Neuroeng Rehabil. 5, (25), (2008).
  6. Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Dev Psychobiol. 54, (1), 77-91 (2012).
  7. Richards, J. E. Neurodevelopmental MRI Database. Available from: http://jerlab.psych.sc.edu/NeurodevelopmentalMRIDatabase (2010).
  8. Fuchs, M., Wagner, M., Kastner, J. Boundary element method volume conductor models for EEG source reconstruction. Clin. Neurophysiol. 112, 1400-1407 (2001).
  9. Song, J., et al. Anatomically Accurate Infant Head Models for EEG Source Localization. J Phys Conf Ser. 434, (1), (2013).
  10. Roche‐Labarbe, N., et al. High‐resolution electroencephalography and source localization in neonates. Hum Brain Mapp. 29, (2), 167-176 (2008).
  11. Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115, (10), 2195-2222 (2004).
  12. Hernandez, Z. R., Cruz-Garza, J., Tse, T., Contreras-Vidal, J. L.Decoding of intentional actions from scalp electroencephalography (EEG) in freely-behaving infants. Conf Proc IEEE Eng Med Biol Soc. 2115-2118 (2014).
  13. Bulea, T. C., Prasad, S., Kilicarslan, A., Contreras-Vidal, J. L. Sitting and Standing Intention Can be Decoded from Scalp EEG Recorded Prior to Movement Execution. Front Hum Neurosci. 8 (2014).
  14. Cuevas, K., Cannon, E. N., Yoo, K., Fox, N. A. The infant EEG mu rhythm: methodological considerations and best practices. Developmental Review. 34, (1), 26-43 (2014).
  15. Goncharova, I. I., McFarland, D. J., Vaughan, T. M., Wolpaw, J. R. EMG contamination of EEG: spectral and topographical characteristics. Clin. Neurophysiol. 114, (9), 1580-1593 (2003).
  16. Marins, J. L., Yun, X., Bachmann, E. R., McGhee, R. B., Zyda, M. J. An extended Kalman filter for quaternion-based orientation estimation using MARG sensors. Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems. 4, 2003-2011 (2001).
  17. Mullen, T., et al. Real-time modeling and 3D visualization of source dynamics and connectivity using wearable EEG. Conf Proc IEEE Eng Med Biol Soc. 2184-2197 (2013).
  18. Sugiyama, M. Dimensionality reduction of multimodal labeled data by local fisher discriminant analysis. J. Mach. Learn. Res. 8, 1027-1061 (2007).
  19. Li, W., Prasad, S., Fowler, J. E., Bruce, L. M. Locality-preserving dimensionality reduction and classification for hyperspectral image analysis. IEEE Trans. Geosci. Remote Sensing. 50, 1185-1198 (2012).
  20. Cruz-Garza, J. G., Hernandez, Z. R., Nepaul, S., Bradley, K. K., Contreras-Vidal, J. L. Neural decoding of expressive human movement from scalp electroencephalography (EEG). Front Hum Neurosci. 8, (188), (2014).
  21. Kilicarslan, A., Prasad, S., Grossman, R. G., Contreras-Vidal, J. L. High accuracy decoding of user intentions using EEG to control a lower-body exoskeleton. Conf Proc IEEE Eng Med Biol Soc. 5606-5609 (1109).
  22. Gramann, K., Jung, T. -P., Ferris, D. P., Lin, C. -T., Makeig, S. Toward a new cognitive neuroscience: modeling natural brain dynamics. Front Hum Neurosci. 8, (444), (2014).
  23. Bulea, T. C., Kilicarslan, A., Ozdemir, R., Paloski, W. H., Contreras-Vidal, J. L. Simultaneous scalp electroencephalography (EEG), electromyography (EMG), and whole-body segmental inertial recording for multi-modal neural decoding. J Vis Exp. 26, (77), (2013).
  24. Odabaee, M., et al. Neonatal EEG at scalp is focal and implies high skull conductivity in realistic neonatal head models. NeuroImage. 96, 73-80 (2014).
  25. Knickmeyer, R. C., et al. A structural MRI study of human brain development from birth to 2 years. J Neurosci. 28, 12176-12182 (2008).
  26. Lord, C., Rutter, M., DiLavore, P. C., Risi, S. Autism Diagnostic Observation Schedule. Psychological Services. Los Angeles, Calif, Western. (2000).
  27. Gotham, K., Pickles, A., Lord, C. Standardizing ADO S scores for a measure of severity in autism spectrum disorders. J Autism Dev Disord. 39, 693-705 (2009).
  28. Mullen, E. M. Mullen Scales of Early Learning. AGS Edition, AGS Publishing. Circle Pines, Minn. (1995).
  29. Wolff, J. J., Gu, H., Gerig, G., et al. IBIS Network. Differences in white matter fiber tract development present from 6 to 24 months in infants with autism. Am J Psychiatry. 169, (6), 589-600 (2012).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Video Stats