在阿斯伯格综合症情绪面孔的自觉和不自觉的交涉

JoVE Journal
Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

脑电图实验方案旨在澄清情绪面孔的有意识和无意识表示之间的相互作用患者阿斯伯格综合征。该技术表明,患者阿斯伯格综合症有情绪面孔的不自觉的表现赤字,但在与健康对照组有意识的表现相当的性能。

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Chien, V. S. C., Tsai, A. C., Yang, H. H., Tseng, Y. L., Savostyanov, A. N., Liou, M. Conscious and Non-conscious Representations of Emotional Faces in Asperger's Syndrome. J. Vis. Exp. (113), e53962, doi:10.3791/53962 (2016).

Please note that all translations are automatically generated.

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

Abstract

几个神经影像学研究表明,在一个情感面低空间频率内容主要激活杏仁核,枕,和上丘尤其是可怕的面孔1-3。这些区域构成在情绪非意识知觉边缘结构和直接或间接2调节皮质活动。与此相反,情绪的意识表示是前扣带,前额叶皮层,并且在面3,4-引导自愿注重细节躯体感觉皮层更加明显。阿斯伯格综合症(AS)5,6代表是影响感官,情感和交际能力,没有正常的语言能力和智力干扰非典型的精神困扰。一些研究发现,在神经回路功能缺损面部情感识别重要的是可以部分地解释社会交往失败AS患者7-9。为了阐明在AS情绪面孔的有意识和无意识表示之间的相互作用,脑电图实验协议被设计与涉及任一照片或画线面的情绪评价两个任务。试点研究介绍了选择面对刺激,最大限度地减少与AS和IQ /性别匹配的健康对照组的反应时间并分配到预测试的患者之间的面部情感分数的差异。从预测试患者信息是用于开发用于情绪评价评分系统。研究面部情绪和不同空间频率内容的视觉刺激已达取决于参与者的人口特征差异的结果和任务要求2。实验方案旨在澄清AS病人赤字加工情绪面孔时,与正常对照组相比,通过控制因素Ş无关识别面部情绪,比如任务难度,智商和性别。

Introduction

面部情感识别是一家从事社会交往中最重要的大脑过程之一。各种精神障碍都涉及到面部的情绪4-6明确的检测问题。一个面的照片包含可被过滤为任一高空间频率(HSF)或低空间频率(LSF)内容的空间信息的频谱。 HSF涉及的图像的非常详细的部分,如一个面的边缘,而LSF涉及较粗或更少明确定义的部分,如一个整体脸LSF内容物7。任何脸部识别任务同时诱导意识和非意识过程8-12,和非意识的过程的参与150-250毫秒后发病间隔甚至更早13发生。在健康对照中,非意识的过程一般比自觉的过程14,15更快。一些神经影像学研究表明,在面部的刺激(或动机上显著刺激)的LSF主要激活杏仁核,丘脑枕,和上丘尤其是可怕的面孔3,16。这些区域构成在情绪非意识知觉边缘结构和直接或间接地1调节皮质活动。与此相反,情绪意识表示是前扣带,前额叶皮层,并且在面对9,17,18导向自愿注重细节躯体感觉皮层更加明显。

阿斯伯格综合症(AS)19,20表示影响感官,情感和交际能力,没有正常的语言能力和智力干扰非典型的精神困扰。一些研究发现,在神经回路功能缺损面部情感识别重要的是可以部分解释社会交往失败的AS 21-25。在儿童观察行为障碍可诊断前三年的生活26,在这一期间,他们在自愿的行为(或意识)控制没有完全开发27。在成人中,行为障碍可以通过注意第28条补偿。在一定的空间频率范围内难以处理的细节可以指示在不同的信息处理阶段中断。到目前为止,还没有研究直接涉及特定的空间频率范围的脸刺激情绪认知期间讨论的诱发电位和AS病人振荡的活动。当通过控制任务的需求和人口的效果,如性别和IQ处理具有不同的空间频率内容的面部刺激过程中与健康对照相比检查患者的AS功能轨迹是重要的。

为了澄清间情绪面孔的自觉和不自觉的表示之间发挥,脑电图实验方案的设计比较脑诱发患者之间的电位和振荡活动与AS和IQ /性别匹配的健康对照。参加试点的队列是为了促进业绩的评价AS患者脑电图实验与实验刺激和评分系统的开发选择援助之前招募。该协议包括涉及任一照片或画线面的情绪评价两个任务。两组之间的差异可以通过计算事件相关电位和事件相关谱扰动(ERSPs)进行评估。在接下来的部分中,实验方案的细节阐述,包括试点研究和脑电图数据处理/分析方法,接着由主分析结果。最后,在协议中的关键步骤和其相对于现有的意义讨论的方法。限制和协议的可能延长患者使用其他情绪障碍也指出。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

伦理学声明:涉及人类受试者的程序已批准由人类参与研究伦理委员会/机构审查委员会中央研究院,台湾。

1.刺激和实验程序准备

  1. 准备的60多情绪正面照片29分为三个面部表情(愤怒,快乐,中性)的游泳池。使用图形软件在与黑色背景的照片,以屏蔽掉的头发和耳朵的部件, 如图1A所示 ,使参与者能够集中精力在照片的面部特征。
    1. 打开图形软件的照片。使用选择工具箱绘制一个椭圆区域,并调整该区域的大小,使耳朵和最头发不会在椭圆下降。
    2. 倒置选定的区域。点击“删除”以删除照片中不需要的区域,并与黑色的背景色更换。

图1
图1.情感的脸刺激的例子。(A)照片的面孔,其中头发和耳朵已经在黑色的背景色被屏蔽掉,和(B)线绘图从(A)在图形编辑软件进行编辑的面孔。这些面分别显示中性,快乐,和愤怒的情绪从上下行。 请点击此处查看该图的放大版本。

  1. 创建试点研究。招收飞行员学员从照片库中选择合适的刺激。
    注:飞行员参与者不得参与脑电图实验。
    1. 配置与第一台电脑屏幕上呈现的任务指令开始刺激演示程序,其次是5法米尔iarization试验。开始定影横每次试验,接着一个面刺激,并通过一个情绪评估任务。见补充编码文件的示例程序。
      注:真正的先导试验立即从池中随机的顺序选择正面照片按照熟悉试验。
      1. 创建一个实验计划,包括指令屏幕和一个中央眼睛注视屏幕。生成面刺激屏幕, 如图2所示,通过配置照片尺寸为18.3点¯x24.4厘米2(宽×高)与黑色背景颜色,给定计算机屏幕大小41点¯x25.6厘米2 1680点¯x1050的分辨率。见补充编码文件的示例程序。
      2. 创建用于在程序情绪评价记分系统, 如图3所示放置一个水平线在连续尺度在屏幕的中心,从-100到+100 withouŧ任何勾号标记,除了中央和端点。准备程序,参与者可以自由地得分光标拖动到左侧很生气(-100),并为很开心的权利(+100)评价照片脸的情感,并按下GO按钮。
        注:得分线的设计没有任何刻度的标记,因为AS患者很容易陷入情绪评估期间将蜱的光标。因此,连续的比例优选为患者。
      3. 确保程序记录一个参与者的行为的结果( 例如 ,反应时间和情感分数),其被用作标准从池中选择照片(见步骤1.3.1)。
    2. 招募飞行员的参与者(5个控制和5个试点参与者)。诊断根据Gillberg 30和DSM-IV标准的26例患者的临床和管理韦氏成人的临床衍生简短形式智力量表(WAIS-III)31。尽可能地匹配控制,以他们作为同行性别,并在言语/性能智商。
    3. 运行在每个单独参与者试点研究的实验程序。在完成情绪人脸识别任务后,采访每个导频的AS参与者在中心眼固定和刺激呈现周期的合理的持续时间,任务的难度,便于使用的评分系统和试验用于保持他/她的最大数量的浓度的基础上,该程序可以被重新配置为脑电图实验(见步骤1.3.2)

图2
图2.在程序的面刺激的屏幕截图。脸部的大小被构造以适应屏幕的高度。空区域用黑色填充。上传/ 53962 / 53962fig2large.jpg“目标=”_空白“>点击此处查看该图的放大版本。

图3
图3.情绪评估评分系统的屏幕截图。计分栏设计为无刻度标记。参与者需要拖动鼠标来选择分配给面子得分和按下GO按钮以完成任务。 请点击此处查看该图的放大版本。

  1. 计划任务1:照片会话。
    1. 从池30照片选择,包括每10快乐,愤怒,和中性表情(5男5女面临着每种类型的表达式),即给予最可比的平均反应时间和平均5 AS之间情感分数5个控制试点的参与者。 从试点的病人加入反馈,如优化中心眼固定期间( 1000毫秒)更新实验方案配置,刺激呈现( 1000毫秒),刺激间隔( 随机分配的持续时间评分系统(的-between 4和7秒),和规模 -100〜100)。添加之前在方案30实验试验的5熟悉试验。
      1. 改变与实验程序相关联的外部配置文本文件的刺激和时间间隔的数目。
        注:文本文件可以被修改,以适应不同的实验条件下,无需软件工程师的干预。
      2. 不要指望对熟悉审判5张照片选取的30的照片。不要使用脑电图和数据分析记录在熟悉审判行为数据。
  2. 节目f或任务2:线条绘制会议。
    1. 创建的35张照片(5熟悉试验中,30为实验性试验)通过追踪每个面的边缘在任务1中使用的画线图象。使用图形软件来修改灰度照片成黑色和白色线图, 如图1B所示
      注意:下面的照片编辑步骤是用于制造线图的可能的解决方案之一。
      1. 在图形软件,调节照片的亮度/对比度,使得在大多数像素的原始灰度强度落在黑色或白色。
      2. 申请中的“效应”“草图效应”或软件的“过滤器”菜单中的灰度照片,以便只有高空间频率部分的轮廓被保留,并且应用“遇险效应”,以增加的轮廓线的扩张。
      3. 使用任何画笔工具来增强轮廓和使用橡皮擦工具清理不需要的部分。确保通过检查来回原始照片和画线之间的对应,保持重要的面部特征。
    2. 使在步骤1.3以创建任务2的程序,并与相应的线路附图替换在任务1 35照片任务1的程序的副本。

2.脑电图记录过程

  1. 准备工作
    1. 招募10名健康对照和10例AS根据当地人力参与研究伦理委员会/机构审查委员会的指导方针脑电图实验。
    2. 辖WAIS-III 31的短形式向患者单独AS之前的实验,找出谁尽可能地满足患者的性别和口头/性能智商的控件。
  2. 脑电图记录
    1. 座椅舒适的椅子参与者在一个健全的绝缘这样电脑屏幕是在参与者面前60厘米D(昏暗)室,并调整座椅的位置。对实验过程的教程后,有参与者填写了知情同意书,在他/她的霸道几个问题一起。
    2. 使用EEG帽带132的Ag / AgCl电极(包括122 10-10系统脑电图,和双极VEOG,HEOG,心电图,肌电图的电极,具有六个面部肌肉渠道一起)记录脑电图。盖连接到具有0.1〜100赫兹的模拟带通滤波器2个64信道放大器在1000赫兹的采样率进行数字化原始脑电图。
    3. 符合标准的128通道脑电帽每个参与者的头上。调整帽使得电极标记为“参考”被放置在“直拉”的位置,其位于相对于前部/后部中线地标( 鼻根到INION距离的中间),以及左/右地标( ,左/右tragis的中间),根据电子如国际10/10系统。
    4. 轻轻地用钝针注入凝胶传导到所有的电极。与针慢慢电极内部搅拌,以确保头皮和电极( ,保持低于5千欧的阻抗)之间有良好的凝胶接触。不断检查凝胶接触的条件在标以“参考”和“地”的EEG帽,以确保阻抗测量是正确的电极。
      1. 通过查看脑电图记录软件支持的电极阻抗屏幕观察电极阻抗( 例如,扫描4.5在本研究中),通常与EEG系统进入。在屏幕上,电极示于颜色,不同的颜色表示阻抗的电平。
    5. 放置在一只眼睛(正位点)的眦1 HEOG电极,和在另一只眼睛(负位点),大于1 VEOG电极和另一个第l以下的眦的第二电极EFT眼,在左边和右边的手,和双极肌电电极在该地区的拇指和右手的食指,和周围的眉毛和面颊的六个面电极之间的背面双极EKG电极。
    6. 记录在笔记本那些坏信道,其中所述阻抗高于5千欧,或直接保存在屏幕示出阻抗在所有电极。以此作为将来在脑电数据处理阶段丢弃坏信道的参考。
    7. 指示参与者闭上眼睛12分钟后记录静息态脑电图。在此期间,双重检查由脑电记录软件支持的屏幕上显示的即时EEG流的质量。
      注:应该用眼睛开放条件相比,眼睛闭合状态下分布于枕部渠道清晰α波。如果α波是太嘈杂(忽略坏信道)或扭曲,返回到步骤2.2.4和调整凝胶接触。
    8. 跨越参与者反平衡才能启动两个实验任务。通过单击录音软件支持在屏幕上录制图标记录脑电图。
      1. 阅读屏幕上显示的任务指令后,有每个参与者执行5熟悉试验中,其次是30任务试验。同时用于照片和画线任务相同的步骤。在任务指令,鼓励参与者尽快分配比分脸刺激情绪。
      2. 重要提示:检查步骤1.3.2和1.4.2准备正确发送事件时间锁定到中央眼注视,面刺激呈现的发作,以及情绪的评价过程中按下GO按钮录音软件的程序。那些起效时间被编码为数字,并且可以通过记录软件支持的屏幕上检查。
        注:参加者可以休息一会在这两个任务之间。没有脑电图重在休息的时候盘带。
    9. 使用数字转换器( Polhemus的FASTRAK 3D扫描仪在这项研究中)来记录电极的3D位置,并将其保存在一个文件中( .3dd或.dat文件),用于数据分析跨参与者共同注册脑电图帽。
    10. 脑电图实验后,让参与者填写他/她的行为和感情问题35库存脑电图实验过程中( 例如 ,有负面情绪,几乎陷入休眠),并为参与实验的为他们提供付款。
    11. 使与会者到洗手间清洗/干他/她的头发。
    12. 根据临床说明书清洗,消毒脑电帽。

3.加工脑电数据

注:本节提供的软件命令特定于EEGLAB。

  1. 用1赫兹的高通滤波器和50Hz的低通滤波器通过调用过滤EEG信号pop_eegfilt.m功能32。
    注意:使用40赫兹的低通滤波器对于一些国家有50赫兹电网频率
  2. 检查记录的步骤2.2.6电极阻抗后丢弃坏信道具有阻抗高于5千欧。丢弃那些坏信道具有非常不同的功率谱,在每个信道由功率谱特征目视检查( 例如 ,最大值,曲率等)相 ​​邻信道进行比较。
    1. 计算并通过调用函数pop_spectopo.m 32绘出脑电信号的功率谱。
  3. 再引用通过调用函数pop_reref.m的平均脑渠道不坏信道的EEG信号。
  4. 段成脑电图刺激锁定的时代,每一个从-2.0秒前1.5秒后刺激发病范围。通过去除基线VALU的平均正确的基线(-2.0到刺激发病前-1.2秒)从每个历上课。
    1. 调用pop_epoch.m和pop_rmbase.m功能,分别为。中央眼固定周期和面刺激的发病前选择的基准的时间间隔。
  5. 马克坏的时代,似乎包含文物。扬弃时代同时保留通过眨眼污染时期。与文物的时期通常看起来嘈杂或有典型的时代相比非常高的峰值( 高于100μV)。
    1. 调用pop_rejmenu.m功能推出半自动程序。交互窗口会弹出由通过目测用户重新确认自动选择的不好的时期。虽然多数历元由眨眼污染,这些历元可以暂时保留通过独立分量分析(ICA)33在步骤3.8以后除去。
  6. 丢弃坏信道和坏的时期后,在使用pop_runi剪掉的脑电数据运行ICAca.m功能。
  7. 其中估算的独立的组件(ICS),确定自眼球运动/眨眼,肌肉活动,心跳,线路噪音造成32假象。
    注:组件的IC成绩和那些所有参考通道(VEOG,HEOG,心电图,和面部通道)之间的显著很高的相关性(R 2> 0.9),表示该部件主要贡献的文物。由文物解释估计IC分数可以采用多元回归分析进行清理。
  8. 除去伪影的IC,并估计这是由在ICA的混合矩阵和工件清洗集成电路得分矩阵的乘积获得的清洁脑电图。保存清洁脑电图进行进一步的分析。
    1. 远离在IC得分矩阵参考VEOG,HEOG,心电图和面部渠道预测神器集成电路(R 2> 0.9)的残差。由pop_subcomp.m功能删除其他神器集成电路。该函数返回神器清洗脑电图。

    4.统计分析

    1. 分区脑电图通道为11均匀区域,以减少统计比较的数量在ERP和ERSP分析,即左(10信道),midline-(14),和右额叶(10);左(13)和右颞(13);左(9),midline-(14)和右中央(9);左(9),midline-(12)和右枕顶叶(9), 如图4。这些区域根据皮层34的功能解剖限定。在这些区域脑电信号的功能同质化已经在不同的实验13,35,36得到验证。

    图4
    图4.通道分区。该信道被划分为11的区域。 LF:左额叶(10通道),MF:中线额叶(14),RF:右额叶(10),LT:左颞(13),RT:右颞(13),LC:左中部(9),MC:中线中部(14),RC:右中心(9),LP:左枕顶(9),MP:中线枕顶(12),RP :右顶枕部(9) 点击此处查看该图的放大版本。

    1. 装入干净的脑电图步骤3.8。在同一区域内平均计算的ERP在每个通道均跨越时代的信号通道ERP和ERP地区。
      注意:当脑电图使用在EEGLAB的pop_loadset.m函数加载,信号被存储在结构变量“EEG.data”在通道中逐个时间逐历元阵列。
      1. 在Matlab命令窗口,通过在历元平均EEG.data为每个信道计算的信道的ERP( 例如 ,channelERP =平均(EEG.dat,3))。按照4.1( 例如 ,REGI分区通过平均每个区域内的通道计算的ERP地区ERPonalERP =平均值(channelERP(索引,:),1),其中,“指数”表示在给定的区域中的信道索引)。
    2. 通过施加一个时间-频率变换( 例如小波变换),以划时代的每个信道信号在同一区域平均信道ERSPs计算信道ERSPs,和区域ERSPs。
      1. 执行时频通过调用函数pop_newtimef.m变换。
        注意:在此研究中,“子波周期”项设置为[1,0.5]和“基准”设定为[-2000至-1200]毫秒。所得通道ERSPs将被储存在一个频率逐时间逐通道阵列。
      2. 在Matlab命令窗口,根据在4.1分区由每个区域内各渠道平均ERSPs计算区域ERSP( 例如 ,regionalERSP =平均(channelERSP(:,:,索引),3),其中“channelERSP”是输出从pop_newtimef.m功能,和“索引”代表在股份公司的信道索引伊芬区域)。
    3. 在不同的时间间隔计算出的平均值( 例如 50〜150,150-250,250-350,350-450毫秒)区域的ERP。在不同的时间频率间隔计算出的平均值( 例如 50〜150,150-250,250-350,350-450,450-800毫秒在1-7赫兹和200-800毫秒在8-30赫兹),区域ERSPs。
    4. 统计软件( IBM SPSS)应用MANOVA地区的ERP和ERSPs的平均值来评估任务(照片与线图),区域(此处为十头皮地区),并且组主效应(AS与控制) ,以及任务,区域,和群之间的相互作用的影响。
      1. 在统计分析中,考虑到性别(男性与女性)作为协变量,并通过举办性别影响评估不变的主要和互动效应。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

平均口头和性能智商列于表1的控制和AS的平均反应时间和分配给两组面情绪平均分数沿基。在表中,没有一个组间差异实现除了在线描绘任务,其中的基团具有接近零(P <0.001)13的平均得分的中立面统计学意义。有趣的是,AS组仍然有稍长的反应时间比对照组在应对愤怒和幸福的笑脸,和更短的反应时间,甚至性别,智商和面部的刺激实验控制下响应中性面孔。阿斯伯格综合征被发现与在杏仁核损伤及其相关边缘结构37-39,已知是参与情绪存储器除了中性情感40,41。这些边缘结构与非意识的过程相关联的数目字患者可能发挥的行为反应解释了重要的作用具有AS。

表格1
表1.行为上韦氏成人智力量表-Ⅲ的分数,反应时间,并分配到面对的照片和线绘图任务刺激平均情感分数的数据,该表是表1中曾等人的修改版本13

正如图5所示,在对照组中的N400部件宣告在额叶,颞和枕叶顶叶区域在这两个照片和线绘图任务,但这种成分的振幅是在该行绘制任务小。在AS群组中,N400是在中线额区可见,但在照片中的任务的其他区域不可见的,BECOMES在线条绘制任务的所有额叶区域可见。该变异数分析任务逐组相互作用效果是在350-450毫秒后发病间隔(p = 0.019)显著。两组也显示在照片任务42早期感知显著的差异,并有在该线描绘任务可比的ERP型态;也就是说,该任务逐组相互影响也是在50-150毫秒后发病间隔(p = 0.035)显著。照片和画线面达到250-550的区间毫秒的时间和枕顶叶地区最大的ERP差异。

图5
图5. ERP的阴谋。在右额叶ERP地块,在控制权的时间和右枕顶叶区域(蓝色)和AS(红色)集团在(A)和照片(B)线绘制任务。脑电图频道位置是在每个图的上部左手侧所示。纵轴表示了ERP电压(μV),横轴表示以毫秒的时间。此图是图2的曾雅妮等人修改后的版本13 ,请点击这里查看本图的放大版本。

如在图67,在对照组中增量/ THETA同步显示在这两个任务的50-800毫秒后发病间隔,发音。枕骨顶叶区域显示最强同步,随后由中央和颞区,然后由额叶区域在早期50-350毫秒的时间间隔,和后350毫秒的区域差异消失。枕顶叶区域也表明在200-800毫秒间隔最强的α/β不同步。在GE橙花,照片上有三角形/ THETA同步线图的叠加效应,但是线路图纸诱导更强的α/β不同步。在AS组有更多的可比性三角洲/ THETA同步作为线条绘制任务,对照组,并与照片相关的脸上没有明显的叠加效应。该MANOVA任务逐组互动效应是在50-150,250-350,350-450和后期毫秒间隔发病显著(P = 0.043分别为0.003和0.015)。的组效果也是在150-250,250-350,和350-450毫秒间隔显著(p值=分别0.033,0.011和0.022)。当针对其他头皮区域相比的AS组显示在150-250毫秒间隔在枕部顶叶区域更强的增量/ THETA同步以及在350-450毫秒时间间隔的中线的区域。在AS群组中的α/β失步是在类似于对照组(和稍强)这两个任务,但是这两个任务之间的差别往往是在AS群组中较小。的变异数分析组和任务逐组的影响在高频振荡统计学意义。

图6
图6. ERSP地块在照片的任务。ERSP地块为(A)的控制和(B)如照片任务组。红色表示功率增加(同步),和蓝色表示与基线相比功率降低(失步)。此图是图3的曾国藩等人的修改版。13 ,请点击这里查看本图的放大版本。

图7
图7.在T ERSP地块他画线的任务。对于(A)的控制和(B),如线条绘制任务组ERSP地块。此图是图3的曾国藩等人的修改版。13 ,请点击这里查看本图的放大版本。

而ERP的研究结果表明在早期感知(50-150毫秒)和情绪面孔以后语义识别(350-450毫秒)在照片任务组差异。当与对照组比较,AS组具有在照片任务和在该行绘制任务略大P1振幅较小P1波幅。在这两个任务之间的P1的幅度差异可能反映AS患者的照片和线图43感知的独特性。的N400被示出强烈受到情感内容,熟悉和全局/局部特征的面孔44。在我们的研究中,在额叶和颞区的N400(350-450毫秒)是对照组的高度可见的,但在照片任务在AS群组中几乎不可见。在情绪认知,在N400可以解释为寻找一个脸和它的语义解释(发怒,中性和高兴)之间的联系的过程。在对照组中,在350-450毫秒时间间隔的两个任务之间的ERP的差是与由其他人的研究结果一致。杏仁核更为活跃,以完整的恐惧面或只含LSF内容3,45可怕的面孔。作为最LSF内容从行附图除去,与对照组这些发现表明N400是在枕头顶部小得多,并与在照片任务相比在时间区域几乎不可见。

因为...线图电子信息处理依赖于较少的杏仁核的不自觉的功能,AS患者出现情绪面部识别过程中更具有可比性的ERP模式在后来的(350-450毫秒)阶段的健康对照。有趣的是,AS组可以正确地完成情绪评估任务,而无需在照片任务可见光N400。这是合理通过杏仁核,以假设信息处理及其相关边缘结构中触发N400,其可以在患者影响的信息处理的效率具有AS,但对它们的响应精度没有影响的振幅起到至关重要的作用。

它已经显示,情绪人脸识别接合三角形/ THETA振荡8早期和晚期的变化,这被认为是刺激估计46-48期间与皮质-边缘突起相关的大脑活动。德LTA / THETA同步更比有意识的脸部识别46个非意识有关。在ERSPs研究结果进一步表明,AS组在情绪人脸识别的早期和后期三角洲/ THETA节奏弱得多同步。这是合理的假设,较弱的增量/ THETA同步反映情绪表情的非有意识的处理的干扰和在边缘皮层投影患者为失败。三角洲/ THETA同步是在中线正面稍微更加明显,中线相对AS组中的其他头皮地区在这两个任务的350-450毫秒后发病的时间间隔中部和中线枕顶叶区域。这些中线区域密切相关的情感意义18意识表示的皮层结构。

由于认知或意识的途径仍然是介导通过为丘脑边缘结构,例如,我们可以推测,在AS组依赖于有意识的途径比在应对图片和线图中的不自觉的途径更多。在对照组中,增量/ THETA功率达到了顶枕区最强的时间锁定在照片任务稍后阶段刺激发病,并增加额叶区域。增量/ THETA功率在线路绘图任务的空间分布变得更接近的AS组。我们推测,对照组接合在照片任务的有意识和无意识的途径,并依赖于该行绘制任务的自觉通路。

当两个任务之间进行比较ERSPs,对照组还建议对增量/ THETA同步LSF内容在250-450毫秒后发病间隔累加效应,独立的大脑区域和机制电子商务通过面部情绪licited。在脸上的LSF内容似乎放在信息流,它可以通过自愿注意力很容易被绕过细节在脸恒定负载,如由AS患者谁可以在照片任务成功评价面部情感建议。强大的alpha和beta振荡已经被称为与注意力相关的大脑皮层,语义长期记忆,以及刺激49,50认知功能评估过程的指标。在人脸识别任务,α/β不同步反映的有意注意的水平的视觉刺激,并与面部情绪15,18,51的认知评价有关。在这项研究中,没有证据支持在高频振荡,除了地区差异任务或群体效应(α和β),比较顶枕区及其他地区之间的差异时。阿尔法不同步反映出的关注和从抑制过程的复杂任务52释放,而测试振荡情感有关的任务53,54很少观察到。在AS群组中测试失步通常比在两个任务在对照组更强,但该组的区别是无关紧要的。该ERSPs表明,AS组有弱得多三角洲/ THETA权力,但稍强α/β功率与对照组相比。我们推测,AS患者可直接向重视在利用视觉刺激的认知评价中也面临着一些重要的细节,以弥补感官和情感的赤字。

综上所述,面部情感健康对照组的认可导致有意识和无意识过程9,18,51。两个任务之间的反应时间的差异往往比那些在AS群组中的对照组的大。我们推测这种健康控制接合自觉的过程比非意识多一个在响应线图和在响应照片发挥这两个过程,而AS患者只依靠在应对这两种类型的表面的自觉的过程。

补充编码文件 示例程序 请点击此处下载此文件。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

文学性的识别面部情绪的自闭症患者脑电图反应44的分析研究,并在识别高,低空间频率内容使用的视觉刺激43。据我们所知,然而,缺乏对大脑活动的振荡现有工作相结合的情感识别具有不同空间频率的内容。我们的协议是朝着估算AS患者与健康对照相比,情绪(正,中性和负面)和对识别的情绪的空间频率信息(照片和线图)的影响的第一个步骤。我们在空间,时间和频率域脑电图反应的分析允许用于分离情感和认知功能的程度为AS病症的科学理解。在这项研究中,实验协议提供了一种方法,无关TH因素降至最低情感电子识别;也就是说,分配给面的情绪反应时间和分数是由一个精心设计的试验性研究保持为两组之间尽可能相似。参与者还匹配在这两个试点研究和脑电图实验智商和性别。而在AS以前脑电图研究都集中在P1和N170 55,在这项研究中的协议使得在证明在AS组和对照组之间的N400成分的显著差的贡献。

埃克曼的情绪面孔与其它数据库( 例如 ,一些知名验证台湾的情感面)相比,面临的健康对照引发更强的低频振荡。强烈建议进行试点研究脑电图验证实验脑电图前患者和健康对照用情感的脸刺激。 AS患者使用在眼周区域的56 HSF信息有困难。在这个原因,选择埃克曼的脸刺激包含情感表达被暴露/未暴​​露的牙齿或紧锁/平滑的眉毛识别。研究其他类型的患者,而替换的协议中使用的刺激可能会考虑其他的人脸特征。评分系统必须被设计成便于执行情绪评估任务,这可以通过面谈中试研究招募的患者得到解决的患者;也就是说,不只是中央点和结束点的任何刻度标记的有序连续体,根据从导频患者反馈设计的。在评分系统的端点的标签可以被修改,例如,友好与有害,必须进行选择以最大化特别是在控制的情绪反应。

在文献中,如发现与在杏仁核损伤和其相关的边缘结构37-39,其涉及存储器和检索信息相关的情绪,前概念为中性的情感40,41。此外,杏仁核是在拍摄的面部3的LSF内容敏感。在协议的两个任务是根据在与成人的赤字现有​​的研究结果设计的,刺激记分系统被加专为这部分人群的患者。其他成人患者的协议的临床应用具有类似类型的损害,如孤独症谱系障碍57,可以在面刺激轻微修改和评分系统进行。

应当指出的是,协议不适用于临床诊断的儿童年龄小于7岁,其有意识(或自愿)控制的行为可能没有完全开发26的。此外,该技术不会产生患者的精神病合并症以下脑损伤,肿瘤或其他违反脑血流的明确的诊断结果。几个研究已经发现在月经周期58,59期间侵略和女性荷尔蒙的变化之间的关系。这也是众所周知的乙醇或麻醉药品的管理改变了情绪反应60。这些类型的变化可能会引起脑电反应在健康对照和AS患者的情绪刺激的波动。因此,不建议在月度周期或月经前的痛苦时综合症,或在酒精或毒品中毒患者应用协议女性。对情绪的自觉和不自觉的途径神经影像学研究可以应用协议人口统计学匹配的健康对照和AS患者通过改变程度的粗糙和中立的情绪面对刺激。

AS患者属于比较高的特质焦虑组13,36和他们的眼睛闪烁和运动伪影可能会很严重。理想的是甲肝解决任何科学或临床问题,然后取出脑文物Ë经验丰富的数据处理和有效的算法。实验方案代表对研究的精力投入到大脑中的情感的自觉和不自觉的表现。该协议已经通过招募IQ /性别匹配的对照和AS患者的脑电图实验验证。反应时间和响应精度是额外补充的心理和行为的诊断。该技术在实验过程中是独立的参加者的主观情绪的,并且因此,允许期间和之后的心理或药物治疗追踪病人的状态的动力学。该技术可应用于其它种类的情感病理学,如焦虑症,抑郁症,倦怠综合征和情感违反在创伤后应激的患者。鼓励在使用行吟诗人的协议进一步修改- [R社会和情感障碍组。而对照组和患者采访一个精心设计的试点研究,将有助于与该协议的修改版本验证。

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
Synamps 2/RT 128-channel EEG/EP/ERP Neuroscan
Quik-CapEEG 128 electrodes Neuroscan
Gel Quik-Gel
FASTRAK 3D digitizer Polhemus 

DOWNLOAD MATERIALS LIST

References

  1. Tamietto, M., De Gelder, B. Neural bases of the non-conscious perception of emotional signals. Nat Rev Neurosci. 11, 697-709 (2010).
  2. Harms, M. B., Martin, A., Wallace, G. L. Facial Emotion Recognition in Autism Spectrum Disorders: A Review of Behavioral and Neuroimaging Studies. Neuropsychol Rev. 20, 290-322 (2010).
  3. Vuilleumier, P., Armony, J. L., Driver, J., Dolan, R. J. Distinct spatial frequency sensitivities for processing faces and emotional expressions. Nat Neurosci. 6, 624-631 (2003).
  4. Phan, K. L., Wager, T., Taylor, S. F., Liberzon, I. Functional neuroanatomy of emotion: A meta-analysis of emotion activation studies in PET and fMRI. Neuroimage. 16, 331-348 (2002).
  5. Kano, M., et al. Specific brain processing of facial expressions in people with alexithymia: an (H2O)-O-15-PET study. Brain. 126, 1474-1484 (2003).
  6. Williams, L. M., et al. Fronto-limbic and autonomic disjunctions to negative emotion distinguish schizophrenia subtypes. Psychiat Res-Neuroim. 155, 29-44 (2007).
  7. Goffaux, V., et al. From coarse to fine? Spatial and temporal dynamics of cortical face processing. Cereb Cortex. (2010).
  8. Balconi, M., Lucchiari, C. EEG correlates (event-related desynchronization) of emotional face elaboration: A temporal analysis. Neurosci Lett. 392, 118-123 (2006).
  9. Balconi, M., Lucchiari, C. Consciousness and emotional facial expression recognition - Subliminal/Supraliminal stimulation effect on n200 and p300 ERPs. J Psychophysiol. 21, 100-108 (2007).
  10. Balconi, M., Pozzoli, U. Face-selective processing and the effect of pleasant and unpleasant emotional expressions on ERP correlates. Int J Psychophysiol. 49, 67-74 (2003).
  11. Balconi, M., Pozzoli, U. Event-related oscillations (EROs) and event-related potentials (ERPs) comparison in facial expression recognition. J Neuropsychol. 1, 283-294 (2007).
  12. Balconi, M., Pozzoli, U. Arousal effect on emotional face comprehension Frequency band changes in different time intervals. Physiol Behav. 97, 455-462 (2009).
  13. Tseng, Y. L., Yang, H. H., Savostyanov, A. N., Chien, V. S., Liou, M. Voluntary attention in Asperger's syndrome: Brain electrical oscillation and phase-synchronization during facial emotion recognition. Res Autism Spectr Disord. 13, 32-51 (2015).
  14. Goffaux, V., Rossion, B. Faces are" spatial"--holistic face perception is supported by low spatial frequencies. J Exp Psychol Hum Percept Perform. 32, 1023 (2006).
  15. Knyazev, G. G., Bocharov, A. V., Levin, E. A., Savostyanov, A. N., Slobodskoj-Plusnin, J. Y. Anxiety and oscillatory responses to emotional facial expressions. Brain Res. 1227, 174-188 (2008).
  16. Adolphs, R. Recognizing emotion from facial expressions: psychological and neurological mechanisms. Behav Cogn Neurosci Rev. 1, 21-62 (2002).
  17. Acar, Z. A., Makeig, S. Neuroelectromagnetic Forward Head Modeling Toolbox. J Neurosci Methods. 190, 258-270 (2010).
  18. Balconi, M. Neuropsychology of facial expressions. The role of consciousness in processing emotional faces. Neuropsychol Trends. 11, 19-40 (2012).
  19. Gross, T. F. The perception of four basic emotions in human and nonhuman faces by children with autism and other developmental disabilities. J Abnorm Child Psychol. 32, 469-480 (2004).
  20. Behrmann, M., Thomas, C., Humphreys, K. Seeing it differently: visual processing in autism. Trends in cognitive sciences. 10, 258-264 (2006).
  21. Holroyd, S., Baron-Cohen, S. Brief report: How far can people with autism go in developing a theory of mind? J Autism Dev Disord. 23, 379-385 (1993).
  22. Duverger, H., Da Fonseca, D., Bailly, D., Deruelle, C. Theory of mind in Asperger syndrome. Encephale. 33, 592-597 (2007).
  23. Wallace, S., Sebastian, C., Pellicano, E., Parr, J., Bailey, A. Face processing abilities in relatives of individuals with ASD. Autism Res. 3, 345-349 (2010).
  24. Weigelt, S., Koldewyn, K., Kanwisher, N. Face identity recognition in autism spectrum disorders: a review of behavioral studies. Neurosci Biobehav Rev. 36, 1060-1084 (2012).
  25. Wilson, C., Brock, J., Palermo, R. Attention to social stimuli and facial identity recognition skills in autism spectrum disorder. J Intellect Disabil Res. 54, 1104-1115 (2010).
  26. American_Psychiatric_Association. The Diagnostic and Statistical Manual of Mental Disorders: DSM 5. bookpointUS. (2013).
  27. Dahlgee, S., Gilberg, C. Symptoms in the First two years of Life. A Priliminary. Population Study of Infantile Autism European archives of Psychiatry and Neurology. Sciences. (1989).
  28. Basar-Eroglu, C., Kolev, V., Ritter, B., Aksu, F., Basar, E. EEG, auditory evoked potentials and evoked rhythmicities in three-year-old children. Int J Neurosci. 75, 239-255 (1994).
  29. Ekman, P., Friesen, W. V. Pictures of Facial Affect. Consulting Psychologist Press. (1976).
  30. Gillberg, C. Autism and Asperger's Syndrome. Cambridge University Press. 122-146 (1991).
  31. Chiang, S. K., Tam, W. C., Pan, N. C., Chang, C. C., Chen, Y. C., Pyng, L. Y., Lin, C. Y. The appropriateness of Blyler's and four subtests of the short form of the Wechsler Adult Intelligence Scale-III for chronic schizophrenia. Taiwanese J Psychiatr. 21, 26-36 (2007).
  32. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134, 9-21 (2004).
  33. Makeig, S., Bell, A. J., Jung, T. P., Sejnowski, T. J. Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst. 8, 145-151 (1996).
  34. Başar, E. Brain Function and Oscillations: Volume I: Brain Oscillations. Principles and Approaches. Springer Science & Business Media. (2012).
  35. Tsai, A. C., et al. Recognizing syntactic errors in Chinese and English sentences: Brain electrical activity in Asperger's syndrome. Res Autism Spectr Disord. 7, 889-905 (2013).
  36. Savostyanov, A. N., et al. EEG-correlates of trait anxiety in the stop-signal paradigm. Neurosci Lett. 449, 112-116 (2009).
  37. Ashwin, C., Baron-Cohen, S., Wheelwright, S., O'Riordan, M., Bullmore, E. T. Differential activation of the amygdala and the 'social brain' during fearful face-processing in Asperger Syndrome. Neuropsychologia. 45, 2-14 (2007).
  38. Kevin, K. Y., Cheung, C., Chua, S. E., McAlonan, G. M. Can Asperger syndrome be distinguished from autism? An anatomic likelihood meta-analysis of MRI studies. J Psychiatry Neurosci. 36, 412 (2011).
  39. Piggot, J., et al. Emotional attribution in high-functioning individuals with autistic spectrum disorder: A functional imaging study. J Am Acad Child Adolesc Psychiatry. 43, 473-480 (2004).
  40. Ilyutchenok, R. Y. Emotions and conditioning mechanisms. Integr Physiol Behav Sci. 16, 194-203 (1981).
  41. Kleinhans, N. M., et al. fMRI evidence of neural abnormalities in the subcortical face processing system in ASD. Neuroimage. 54, 697-704 (2011).
  42. Toivonen, M., Rama, P. N400 during recognition of voice identity and vocal affect. Neuroreport. 20, 1245-1249 (2009).
  43. Deruelle, C., Rondan, C., Gepner, B., Tardif, C. Spatial frequency and face processing in children with autism and Asperger syndrome. J Autism Dev Disord. 34, 199-210 (2004).
  44. Bentin, S., Deouell, L. Y. Structural encoding and identification in face processing: ERP evidence for separate mechanisms. Cogn Neuropsychol. 17, 35-55 (2000).
  45. Vuilleumier, P., Pourtois, G. Distributed and interactive brain mechanisms during emotion face perception: evidence from functional neuroimaging. Neuropsychologia. 45, 174-194 (2007).
  46. Basar, E., Guntekin, B., Oniz, A. Principles of oscillatory brain dynamics and a treatise of recognition of faces and facial expressions. Prog Brain Res. 159, 43-62 (2006).
  47. Basar, E., Schmiedt-Fehr, C., Oniz, A., Basar-Eroglu, C. Brain oscillations evoked by the face of a loved person. Brain Res. 1214, 105-115 (2008).
  48. Başar, E. Brain Function and Oscillations: Volume II: Integrative Brain Function. Neurophysiology and Cognitive Processes. Springer Science & Business Media. (2012).
  49. Anokhin, A., Vogel, F. EEG alpha rhythm frequency and intelligence in normal adults. Intelligence. 23, 1-14 (1996).
  50. Klimesch, W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev. 29, 169-195 (1999).
  51. Knyazev, G. G., Slobodskoj-Plusnin, J. Y., Bocharov, A. V. Event-Related Delta and Theta Synchronization during Explicit and Implicit Emotion Processing. Neuroscience. 164, 1588-1600 (2009).
  52. Klimesch, W., Sauseng, P., Hanslmayr, S. EEG alpha oscillations: The inhibition-timing hypothesis. Brain Res Rev. 53, 63-88 (2007).
  53. Knyazev, G. G., Slobodskoj-Plusnin, J. Y. Behavioural approach system as a moderator of emotional arousal elicited by reward and punishment cues. Pers Individ Dif. 42, 49-59 (2007).
  54. Balconi, M., Brambilla, E., Falbo, L. Appetitive vs. defensive responses to emotional cues. Autonomic measures and brain oscillation modulation. Brain Res. 1296, 72-74 (2009).
  55. Dakin, S., Frith, U. Vagaries of visual perception in autism. Neuron. 48, 497-507 (2005).
  56. Curby, K. M., Schyns, P. G., Gosselin, F., Gauthier, I. Face-selective fusiform activation in Asperger's Syndrome: A matter of tuning to the right (spatial) frequency. Poster presented at Cogn Neurosci, New York, (2003).
  57. American_Psychiatric_Association. Diagnostic and statistical manual of mental disorders. (1994).
  58. Dougherty, D. M., Bjork, J. M., Moeller, F. G., Swann, A. C. The influence of menstrual-cycle phase on the relationship between testosterone and aggression. Physiol Behav. 62, 431-435 (1997).
  59. Van Goozen, S. H., Wiegant, V. M., Endert, E., Helmond, F. A., Van de Poll, N. E. Psychoendocrinological assessment of the menstrual cycle: the relationship between hormones, sexuality, and mood. Arch Sex Behav. 26, 359-382 (1997).
  60. Winward, J. L., Bekman, N. M., Hanson, K. L., Lejuez, C. W., Brown, S. A. Changes in emotional reactivity and distress tolerance among heavy drinking adolescents during sustained abstinence. Alcohol Clin Exp Res. 38, 1761-1769 (2014).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics