语义启动事件相关电位 (ERP) 研究自闭症频谱障碍词汇语义和视觉语义处理

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

本文介绍了一个语义启动 ERP 任务, 利用内模对图片和文字, 以调查语义处理的个体自闭症频谱障碍 (ASD)。

Cite this Article

Copy Citation | Download Citations

Coderre, E. L. A Semantic Priming Event-related Potential (ERP) Task to Study Lexico-semantic and Visuo-semantic Processing in Autism Spectrum Disorder. J. Vis. Exp. (134), e57217, doi:10.3791/57217 (2018).

Please note that all translations are automatically generated.

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

Abstract

自闭症患者 (ASD) 在理解语言的含义或语义处理方面具有典型的缺陷。然而, 一些证据表明, 非语言刺激的语义处理是完整的, 这表明语义缺陷可能是语言特有的。为了恰当地描述具有 ASD 的个人的语义处理缺陷, 需要对内模语言 (例如,书面词) 和非语言 (例如,图片) 进行比较。本文描述了在脑电图 (EEG) 数据并发记录过程中使用语义启动范式的方法。脑电图提供了一种动态测量的大脑活动, 这是非常适合描述微妙的差异, 在语义处理, 可能无法观察到的行为水平。语义启动范式提供了一个主要的图片或单词 (例如,狗), 后面跟着一个目标图片或与之相关的 (例如, cat) 或无关的 (例如,铅笔) 到素数的单词。因此, 这种范式可以用来评估不同模式下的语义处理, 并比较词汇的语义和视觉语义处理能力, 以及它们与 TD 个人之间的区别。讨论了在创造刺激、进行脑电图测试和分析脑电图数据方面所涉及的具体步骤。具有代表性的结果说明了与不相关的对相比, 与语义相关的素数目标对后, 事件相关电位 (ERP) 的 N400 分量如何减少。对条件、模式和组之间的 N400 的比较可以提供语义处理成功的估计, 从而可以用来描述患有 ASD 或其他临床人群的个体的语义缺陷。

Introduction

认知心理学的研究人员长期以来一直对人们如何理解语言的含义感兴趣。语言处理包括从字母和单词识别、语义处理到句法分析等一系列提高复杂性的步骤。语义处理指的是获取刺激的含义, 无论是单词、图片还是声音。在初始词识别的早期步骤之后, 词的意义或语义的访问是语言处理的关键步骤。语义集成是指将刺激的意义与理解它们的关系相结合的过程, 对更高层次的语言处理 (如理解句子) 至关重要。句子中每个单词的含义不仅需要被访问, 而且每个单词的含义都需要整合起来, 形成对句子意义或 "主旨" 的连贯理解。

患有自闭症频谱紊乱 (ASD) 的个体在语言理解上往往有显著的缺陷1。有证据表明, 这些困难源于语义处理和集成方面的缺陷2,3,4。然而, 其他研究表明, 在非语言的材料 (例如,视觉或听觉) 模式下3,5,6 中, 有 ASD 的个人不显示语义处理缺陷..这些发现表明, ASD 的语义处理缺陷可能限于语言 (即,书面或口语) 模式。因此, 对比不同模式的方法可以洞察语义处理缺陷是特定于域的, 还是表示普遍的处理方式。本文的目的是描述在并发电生理记录中使用语义启动任务来比较不同模式之间语义处理的方法。

语义启动范式在研究语义处理如何影响低级词汇识别78方面有着悠久的历史。在传统的语义启动任务中, 会出现一个质数 (例如, cat), 后跟一个与语义相关的目标词 (例如,狗) 或与素数无关的 (书)。这样的任务通常是在词法决策任务的上下文中完成的, 这样, 参与者就会被要求确定目标单词是否为真词。其他范式可能让参与者对目标词执行语义分类任务, 或者判断这两种刺激是否相关。不管具体的任务是什么, 数十年的证据都证明, 反应时间 (RTs) 比那些与之无关的词在语义上与素数相关的单词更快。

这种 "语义启动效应" 归因于理论帐户中的许多机制7,8。其中, 启动效应是由语义网络中的自动传播激活引起的, 从而使素数词的词义检索激活了其他语义相关词的含义, 包括目标词。这样就减少了目标词的语义激活所需的时间。第二种理论机制是预期, 即在看到素数时, 参与者产生预期的潜在目标集。然后可以更快地识别包含在该集合中的目标词。最后, 还有人假设了语义匹配后词法机制的存在, 这就确立了素数和目标词之间的语义关系的存在。无论作用的具体机制如何, 语义启动都是语义处理和集成的一个有用的指标。这种范式也不限于词汇刺激, 也可以用来调查非语言刺激的语义启动, 如图片9以及跨模式语义启动 (例如,单词和图片之间的)3

语义启动效应在心理语言学文献中得到了很好的研究, 并对素数目标关系的类型、素数和目标表示的时间以及许多其他操作8进行了研究。这一效应的电生理相关性也有很好的特点10。脑电图 (eeg) 是一种通过测量头皮上的电活动变化来记录神经活动的方法。EEG 是语义启动范式的一种有用的方法论选择, 因为它具有很好的时间分辨能力 (按毫秒顺序, ms), 因此, 即使在没有行为效应或反应。

事件相关电位 (ERPs) 是对特定刺激或行为产生的脑电图的时间锁定变化。根据响应的时间和极性, ERP 的不同部分反映了认知处理的不同方面。N400 组件是一个已建立良好的语义处理和语义集成的标记11,12 (虽然有几个其他解释存在10,13)。当语义集成更容易 (例如, 当语义启动范式中的素数和目标与语义相关时) 相比, N400 振幅减少 (如两个词无关)。重要的是, 相关和无关条件之间的振幅差异 ("N400 效果") 不是特定于语言的。在非语言模式中也观察到 N400 效果, 例如响应对语义相关和无关的图片或环境声音14,15,16,17。因此, N400 是一种有用的 ERP 组件, 用于当前范式, 因为它可以作为语义处理和集成能力的一种独立于模式的估计。

与 ASD 的个人显示减少或缺席的语义启动效果和 N400 效果响应的语言刺激2,3,4, 建议在语义处理方面的障碍。在响应视觉语义和音频语义刺激356、支持对语言刺激有选择性地损害语义处理的断言时, 发现了这样的影响。然而, 以前的大多数研究比较模式都采用了交叉模式启动, 这样, 主要目标对包含了词汇刺激。考虑到 ASD 的个人在语言刺激的语义处理方面有缺陷, 这种交叉模式的刺激可能会影响结果。要真正研究语言的语义处理是否有选择性地削弱了 ASD 的个体, 必须使用内模对词法和非词汇刺激。在最近的一项研究中, Coderre et6提供了对内模词和图片语义启动的第一个直接比较, 用于调查与 ASD 有关的成人 (18-68 岁) 的语义处理缺陷。与 ASD 和典型开发 (TD) 的参与者观看了对图片和文字, 并被要求判断刺激是否相关。在这个语义启动任务, 他们的大脑活动记录使用脑电图。通过比较组和模式之间的 N400 效果, 该范式提供了对 ASD 个体语义处理性质的洞察。

本文的目的是描述 Coderre et所采用的语义启动 ERP 方法。6. 虽然这一范式最初是为了研究成人与 ASD 的语义处理, 但对于任何希望探索词汇语义和视觉语义处理的神经相关性的实验者来说, 都可能是有用的, 无论是在 TD个人或特定临床人群。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

这里描述的所有方法都是由约翰霍普金斯大学的机构审查委员会批准的, 在那里进行了原始研究6

1.Creating 刺激

  1. 创建一个初始列表的具体名词, 其中主要目标对将作出。
    1. 从选定的语料库 (如 Subtlex19) 中, 选择大约500个具体名词, 并为每个单词获取感兴趣的变量 (例如,频率, 长度, 具体值, imageability,)。
      注: 其他主体, 如医学研究理事会 (MRC) 心理语言学数据库18或语料库的当代美国英语20, 也可以使用。Subtlex 在最初的研究中被使用, 因为这个数据库只是一个大的 Excel 文件, 因此很容易允许搜索刺激生成。其他主体具有不同的图形界面, 并且可能要求用户将特定的文本字符串输入到输入框中, 并检查所请求的兴趣变量。
  2. 在刺激之间进行潜在语义分析 (LSA) 建立语义关联
    1. 选择 LSA 方法或工具。科罗拉多大学博尔德 (http://lsa.colorado.edu/) 提供了一个有用的在线工具。
      1. 从主着陆点, 点击矩阵比较。
      2. 输入要比较的单个单词, 用空行隔开。
      3. 单击 "提交文本"。
    2. 使用电子表格, 在每个单词之间创建一个 LSA 值的矩阵。
  3. 根据 LSA (图 1A) 将刺激分为相关和无关的条件。
    1. 手动为 "相关" 条件选择200个具有高 LSA 值 (大约0.5 或更高) 的字对。
    2. 手动选择低 LSA 值 (大约0.1 或更低) 的200个字对 "无关" 条件。
      注意: 实验者可能需要手动检查单词对, 以确保语义关系对类别有意义。某些字对可能具有较高的 LSA 评级, 但语义关联可能不会立即明显的参与者。同样, 有些可能具有较低的 LSA 评级, 但可能在语义上与其他方面相关。
    3. 创建相关的和不相关的对时, 请手动将单词与在文献中注意到的有关的频率、长度和任何其他变量匹配 (例如,关联78的方向) 或对具体研究的兴趣。在感兴趣的变量上尽可能地匹配单词 (例如,在1-2log10 频率单位内; 在1-2 个字母或音节以内)。
  4. 将刺激分为 word 和图片模式 (图 1A)。
    1. 在电子表格中的刺激文件中, 添加另一列 "条件"。
    2. 在 "条件" 列中, 将相关对的标签100和100的不相关对作为 "图片" 条件。将其他剩余的刺激标记为 "word" 条件。
  5. 获取图片刺激。
    注: 图片刺激可以从联机源 (例如, Google 图像搜索) 或其他可供实验者使用的来源获得。
    1. 选择2–3图片以表示每个单词。
    2. 通过让一个或多个独立评分员 (例如,学生, 没有参与刺激开发的研究助理) 来执行初始的先导测试, 可以决定哪一张图片最能代表这个概念。
      1. 使用照片查看器程序立即打开所有可能的图片文件, 然后大声朗读该单词, 并要求评分员选择最具代表性的图片。记录每个评分员对每个单词的回答。
      2. 对于每个单词, 请确定大多数评分人选择最佳代表概念的图片, 并将此文件用作该词的刺激。如果不存在多数, 请选择不同的图片数组, 然后重复步骤1.5。
    3. 使用 GIMP (或其他照片编辑程序的选择), 缩放图片都是相同的大小 (大约400像素或3–5英寸高度或宽度)。
      注意: 图片的精确尺寸可能会因显示器的刺激大小而有所不同。刺激的水平和视觉角度应介于7和13°之间。
  6. 执行先导测试
    1. 先导测试词和图片对通过问3–4独立评分员 (例如,学生, 研究助理谁没有参与刺激发展), 以评分每对相关或无关。
      1. 在电子质数 (或其他刺激方案的选择) 中进行实验, 在屏幕上同时显示两个单词, 无论是一个以上的还是并排的。通过按下按钮 (例如, 1 相关, 2 无关), 让参与者对相关或无关的单词进行速率测试。有关如何对此软件包中的实验进行编程的详细信息, 请参阅电子质数手册21
        注: 先导测试可以在实验室进行实验测试, 或在任何运行刺激演示程序的计算机上进行。不需要特别的房间。
      2. 重复试点测试 (与新的独立评分人谁没有看到的刺激), 直到一组单词和图片获得可靠的评级相关和无关。获取总共100个相关的单词对、100个不相关的单词对、100个相关的图片对和100个无关的图片对。
        注意: 有人建议, 使用 N400 成分调查临床人群认知的调查者收集的每种试验类型的至少40个可用试验, 以得出一个可靠的效果22。预计在数据清理过程中某些试验将会丢失, 应增加范例中包含的试验数目。在以前的工作中, 使用此特定范式6, 每个试用类型的100个试验都足够多, 以确保对个人和组基础的强健 N400 效果。由于 N400 组件在单词和图片之间是相似的10, 因此建议在模式之间保持一致的试用类型的估计数目。
      3. 为练习单元保留额外的8对 (4 个字, 4 张图片) (请参见步骤 2.2.1below)

2. 任务规划

  1. 创建刺激列表。
    1. 从最后一组刺激, 排序刺激到8块。模式 (图片/单词) 应该被阻止 (每个4块)。
    2. 在每个区块内, 确保相同数量的相关和无关的刺激。
    3. 在每个块内手动伪随机显示列表, 这样在一行中不存在超过5个相关的或无关的刺激, 而彼此相邻的配对在语义上并不相关。避免试验, 如 "胡萝卜-花椰菜", "苹果梨", 立即在对方旁边。
  2. 使用电子质数或其他刺激演示软件选择任务。
    注意: 此处描述的步骤特定于 E 素数和 NetStation, 如果使用另一种刺激演示软件或 EEG 采集软件, 则会有所不同。有关如何在该软件包中编程脑电图实验以及如何启用电子质数和 NetStation 之间的通信的更具体细节, 请参阅电子质数手册21和 NetStation 教程23的 e 素数扩展。
    1. 为图片和单词块 (每个4对) 编写两个练习单元, 在实验测试开始之前进行。
    2. 在练习单元开始时程序一个指令屏幕阅读: "你会看到一个接一个地出现在屏幕上的两个单词。请尽量坐在尽可能安静, 不要眨眼, 而这些话正在提出。在显示对后, 您将在屏幕上看到一个黑色十字。当你看到黑色十字时, 请注明这些单词是否相关。如果单词是相关的, 按按钮1。如果单词不相关, 按按钮2。按任意键启动练习单元。
    3. 对于每个词的刺激, 双击 TextDisplay 图标的实验结构。单击左上方的 "属性" 图标。在 "字体" 选项卡下, 选择 "信使新字体大小 28"。在 "常规" 选项卡下, 选择 "ForeColor 为黑色" 和 "背景色为白色" 以在白色背景上显示黑色字体中的单词。
      注意: 特定字号可能需要修改, 具体取决于用于演示的显示器的大小和分辨率。文字的水平视角应介于1和6°之间。
    4. 对于每一个图片的刺激, 双击幻灯片图标的实验结构。单击左上方的 "属性" 图标。在 "常规" 选项卡下, 选择 "背景色为白色" 以在白色背景上显示图片。
    5. 按此顺序对每个试验进行以下刺激: 一个红色的预试固定交叉 (400 毫秒);刺激 1 (1000 毫秒);interstimulus 间隔 (空白白屏; 300 毫秒);刺激 2 (1000 毫秒);空白屏幕 (400 毫秒);intertrial 间隔 (黑色固定交叉; 随机抖动1,000–1,400 毫秒之间的100毫秒间隔, 平均1200毫秒);请参见图 1B。要设置工期, 请双击实验结构中的 TextDisplay 或幻灯片图标, 然后点击窗口左上的 "属性" 按钮。在 "工期/输入" 选项卡下设置工期。
      注: 空白屏幕在 intertrial 间隔之前包括在第二个刺激和黑色十字架之间提供视觉突破, 并为即将到来的语义关联判断提供微妙的提示。
    6. 程序一个 TextDisplay 对象称为 "中断" 后, 每个区块完成说 "块的结束, 请休息"
  3. 包括电子素数和 NetStation 之间的通信参数。有关如何包含此信息的特定说明, 请参见 NetStation 手册23的电子质数扩展。
    1. 对于每个 "word1" 或 "word2" 文本显示对象, 请在实验结构中选择对象。在 "属性" 窗口下, 分别将标记设置为 "WRD1" 或 "WRD2"。
    2. 对于每个 "picture1" 或 "picture2" 幻灯片对象, 分别将标记设置为 "PIC1" 或 "PIC2"。
    3. 在 "未引用的电子对象" 下, 创建一个名为 "CellList" 的新列表。输入单元格数为: 1 = 图片相关;2 = 图片无关;3 = 词相关;4 = 词无关。在每个块的试验列表中, 包括一个名为 "CellNumber" 的列, 并根据条件和方式为每个试验输入相应的单元格编号。

3. 脑电图检测

注: 此处描述的具体步骤为艾吉系统。如果使用其他系统, 则过程可能会有所不同。

  1. 准备脑电图测试。
    1. 混合2茶匙 (10 克) 氯化钾与1夸脱 (1 升) 水和1汤匙 (15 毫升) 的婴儿洗发水在一个明确的塑料桶, 以创建电解质溶液
    2. 测量参与者头部的周长, 通过 inion 和 nasion, 确定适当的网径。根据参与者的头部周长选择合适的大小网。
    3. 将电极浸入电解液中, 确保所有海绵完全浸没, 并让浸泡至少5分钟。
  2. 应用脑电图网。
    1. 让参与者舒适地坐在椅子上, 面对实验者。向参加者解释, 你将把网现在, 然后将调整它和检查信号之前开始测试。
    2. 在参与者的肩膀周围放置毛巾。指导参与者闭上眼睛, 然后将网络应用到参与者的头部。调整网, 收紧领带, 确保与参与者的头部保持舒适的配合。
    3. 通过所有电极工作, 使其与头皮的座椅。使用与电极的清扫运动, 以移动头发。如有必要, Rewet 海绵使用吸管。
    4. 一旦所有电极都已就位, 检查阻抗。重新拔插或 rewet 50 kiloohms 以上阻抗的任何电极 (kΩ)。
  3. 在脑电图记录过程中运行语义启动实验。
    1. 一旦网络应用, 阻抗已经被检查, 参与者准备开始, 开始语义启动任务。
    2. 在测试前重申对参与者的指导。通过按键盘或按钮盒上的按钮, 指示参与者判断单词或图片刺激是否相关或无关。为了避免电机工件混淆脑电图信号, 指示参与者等待作出反应, 直到第二个刺激消失在屏幕和黑色十字出现。
    3. 至少运行一次练习单元, 以确保参与者了解任务。
    4. 每隔2个街区, 在休息期间, rewet 电极和重新检查阻抗。

4. 脑电图预处理

  1. 打开 NetStation 工具。
    注意: 此处描述的步骤特定于 NetStation 5 中的预处理。有关如何使用 NetStation 工具的详细信息, 请参阅 NetStation 5 用户手册24 。其他预处理包可能包括 EEGlab、ERPlab、FieldTrip 或实验者选择的其他软件。请注意, 预处理步骤的首选顺序可能在软件包之间有所不同。N400 效应的观察不应根据分析包的选择而不同。
  2. 筛选数据。
    1. 在 "NetStation 工具" 窗口的底部, 通过在 "创建" 下拉菜单中选择 "筛选" 来创建新的筛选工具。适当地重命名该工具。
    2. 将高通过滤器设置为0.1 赫兹 (Hz) 和低通滤波器为50赫兹。
      注: 高通过滤器可以低于0.1 赫兹, 但不建议超过此截止, 以避免引入杂散效果25的风险。可使用低到30赫兹的高通滤波器。
    3. 保存该工具, 然后将原始脑电图记录文件拖动到窗口左上的 "输入文件" 框中, 然后点击 "运行"。
  3. 将数据分割成试验。
    1. 创建一个新的 "细分" 工具, 并适当地命名它。
    2. 在 "要创建的类别" 下, 点击加号创建新类别并将其重命名为 "图片相关"。将 "代码" 图标拖动到 "基于条件创建类别" 框中, 并将其设置为 "代码为 PIC1", 以时间锁定方式显示刺激1。将 "键代码" 图标拖动到 "创建类别" 框中, 并将其设置为 "密钥代码 # 为 1"。
      1. 若要只包含正确的测试, 请将另一个 "密钥代码" 图标拖到 "创建类别" 框中, 并将其设置为 "关键代码 eval 为 1"。
    3. 在窗口的底部, 将线段长度设置为 "100 毫秒前扩展段和2300毫秒后"。
      注: 段可能是时间锁定的开始的第一次或第二次刺激。如果锁定在第一个刺激, 段应该延长100毫秒之前到2300毫秒 (包括两种刺激 (每一个1000毫秒) 加上刺激间隔 (ISI) 时间的表示持续期 (三军情报局))。如果锁定在第二个刺激, 段应延长100毫秒之前, 1000 ms。
    4. 通过点击 "克隆" 按钮克隆该类别, 并将其重命名为 "图片无关"。将代码设置为 PIC1 和密钥代码2。
    5. 克隆该类别并将其重命名为 "相关单词"。将代码设置为 WRD1 和密钥代码3。
    6. 克隆该类别并将其重命名为 "不相关的单词"。将代码设置为 WRD1 和密钥代码4。
    7. 保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。
  4. 执行工件检测。
    1. 创建一个新的 "工件检测" 工具并正确命名它。
    2. 在 "工件检测设置" 下, 点击窗口底部的加号添加新设置。在 "操作" 下的下拉菜单中选择 "坏通道"。保留所有默认设置 (最大分钟 > 200 毫伏 (µV);整个部分;移动平均80毫秒)。
    3. 添加新设置并从 "操作" 下拉菜单中选择 "眼睛闪烁"。保留所有默认设置 (最大分钟 > 140 µV; 窗口大小 640 ms; 移动平均值80毫秒)。
    4. 添加新设置并从 "操作" 下拉菜单中选择 "眼球移动"。保留所有默认设置 (最大分钟 > 55 µV; 窗口大小 640 ms; 移动平均值80毫秒)。
    5. 保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。
    6. 在 NetStation 检查中打开生成的文件, 然后通过在右侧栏上的 "类别" 菜单下的箭头按钮来滚动每个试用版。分别击打绿色或红色圆圈, 将试验标记为好或坏。完成后, 关闭文件以保存结果。
  5. 执行错误的通道更换。
    1. 创建新的 "坏通道更换" 工具并正确命名它。用户不需要为此工具设置任何参数, 因此请保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。
  6. 对试验进行单学科平均的折叠。
    1. 创建一个新的 "平均" 工具, 并适当地命名它。在 "平均设置" 下, 选择 "处理源文件: 一起" 和 "处理主题: 分别"。
    2. 保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。
  7. 引用数据到平均引用26
    注意: 这里使用平均引用, 因为艾吉提供密集阵列脑电图 (128 和256通道)。有人建议将平均参考用于稠密阵列记录系统26;其他语义启动 ERP 研究使用128通道或256通道网已使用平均参考6,27,28。其他参考选项包括右侧和左 mastoids、鼻子或耳垂29的平均值。没有最佳的参考电极选择, 实验者应该注意到参考电极的选择可能会影响到最终的 ERP 波形26,29
    1. 创建一个新的 "蒙太奇操作" 工具, 并正确命名它。
    2. 从 "传感器布局列表蒙太奇" 下的下拉菜单中选择适当的网络。选择 "平均引用" 并确保选中 "排除来自引用的错误通道" 框。保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。
  8. 使用线段的前100毫秒10执行基线更正, 28.
    注意: 200 毫秒的基线周期也可以使用29
    1. 创建新的 "基线更正" 工具并正确命名它。
    2. 在 "基线更正设置" 下, 选择 "从段的一部分选择基线", "选择与段时间有关的基线" = 0, "基线在时间零之前开始100毫秒, 是100毫秒"。
    3. 保存该工具, 然后将最新的预处理文件拖到窗口左上方的 "输入文件" 框中, 然后点击 "运行"。

Figure 1

图 1: 实验示例和时间轴.(A) 图片和单词刺激的示例。(B) 刺激演示的时间线。此数字已在 Coderre et 等的许可下重印。6请单击此处查看此图的较大版本.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

如果刺激被适当地归类为相关的和不相关的条件, 则应该同时观察单词和图片刺激 (图 2) 的 N400 效果。与相关条件相比, 这在无关条件下可识别为较大的负振幅。对于 word 刺激, 该效果应发生在中央或中心壁头皮的 300–500 ms6,10。对于图片刺激, 效果可能略早或更正面分布9,15,16

统计分析可以通过比较相关和无关条件之间的平均振幅来检验 N400 效应的意义。这可以在一个电极或多个电极上执行。该效应的空间范围可以通过在统计模型中包括电极点和/或偏侧来评估。质量单变量统计 (参见例如 Groppe et30的详细信息) 可用于评估效果的准确时间, 或建立感兴趣的时间窗口以供进一步分析。(请注意, 如果执行了多个分析, 则需要调整结果以更正多个比较。Groppe et ) 描述的质量单变量统计方法。30包含此类更正的几个选项。

对于使用这种语义启动 ERP 范式研究临床人群语义处理的研究者来说, 从 TD 控制组收集数据也很重要。对照组应显示描述的 N400 效果, 包括图片和单词条件。然而, 临床人群可能会显示减少或缺席的 N400 影响的一个或两个条件 (图 3)。为了确定 N400 效应的大小是否与对照组和临床人群不同, 在统计模型中可以将分组作为主体因子。在临床人群中, 明显较小的 N400 效应表明语义处理有困难。不同的时间或头皮分布的效果也可能表明处理差异组之间。

虽然上面描述的代表性结果是在组级别, 但根据对 N400 效果的大多数研究, 这个组件是相当健壮的, 并且经常可以在单主题级别3132上观察到。特别是对于那些患有 ASD 的患者来说, 关于单个个体的语义处理能力的信息可能是非常可取的。然而, 调查人员应该知道, 患有 ASD 的人的脑电图数据可能比 TD 个人33 (虽然见参考34) 有内在的噪音, 这可能会排除某些参与者的可靠的单主题效果。对于有兴趣评估单学科效果的调查人员, 可以执行置换测试来评估单个个体中影响的统计意义。简而言之, 在这种方法中, 您将执行许多 (例如, 5000) 迭代, 在各个试验之间排列条件标签 (相关/无关)。对于每个置换, 条件然后进行统计学比较。每个置换的统计数据都用来创建一个无效的测试统计分布, 而观测到的测试统计数据则被比较得出一个重要的结果。

Figure 2
图 2: 代表 N400 对每对中的第二个刺激 (A) 单词条件和 (B) 图片条件的响应。数据平均超过一组 20 TD 成人 (从 Coderre et . 中采集的数据。6). 使用平均引用执行预处理。顶部面板: 典型的 ERP 波形在电极 Cz 显示一个更大的振幅到无关的条件相比, 相关条件在大约400毫秒 (负数被绘制)。底部板: 与不相关的差异的地形图, 平均在一个窗口从 400–500 ms (精确分布可能改变以参考选择)。对于地形图, 图的顶端表示头部的前方。请单击此处查看此图的较大版本.

Figure 3
图 3: N400 在电极 Cz 上的单词条件的影响的代表组差异.数据平均超过一组 20 TD 成人和20名成人与 ASD (从 Coderre 的数据从et6). 使用平均引用执行预处理。临床组, 如有 ASD 的人, 可能会显示一个较小的 N400 效应, 对词语的反应, 这表明困难的词汇语义处理。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

本文报道了在开发具有图像和文字刺激的语义启动 ERP 范式的关键步骤, 以探索具有 ASD 的个体的语义处理缺陷。主要步骤包括创建刺激, 规划任务, 并进行脑电图测试和分析。这个过程中最耗时的部分可能是刺激的产生, 因为这需要在刺激对、条件和模式之间仔细匹配, 例如长度、频率和语义关联。因此, 有必要进行大量的先导测试, 以确保最终的刺激方案是适当的。

尽管此处包含的建议以及此方法基于6的以前的工作, 测试成人有无 ASD (年龄 18–68), 但这种范式很容易扩展到儿童或青少年群体。事实上, 其他研究也使用了类似的语义启动脑电图范式的儿童与无 ASD, 比较语义处理跨模式3。在修改不同年龄段和发展阶段时, 需要考虑到若干因素。例如, 刺激集可以限制在更高频率的单词上, 以确保所有的孩子都知道所有刺激的含义 (见下段)。还可以对测试范式进行其他修改, 以确保儿童或青少年参与者获得足够的数据质量, 如包括更多的休息, 提供奖励, 或在完成一大块刺激后显示简短的视频。

这里描述的方法和以前的工作有几个因素值得注意。首先, 以前的工作6是在一组成人中进行的, 这些成年人的语言和智力功能平均高于平均水平。这种范式的一个局限性是, 它只能与熟悉所呈现的单词或图片的个人一起使用。以前的工作表明, 如果词法项超出了个人的词汇范围3235, 则不会出现 N400 效果。因此, 重要的是, 参与者要么有平均以上的口头和阅读能力, 或注意, 以确保在实验中使用的所有刺激都属于个人的词汇范围。在后一种情况下, 这可能涉及管理一个词汇测试后, 脑电图会话测试个人的知识所使用的所有单词的实验。对于个人不知道的词语, 可以从进一步分析中删除这些试验。不幸的是, 由于智力残疾和语言能力受损是与 ASD136的个人共同发生的, 因此这些语言和阅读能力的要求将意味着, 个人谁也有智力残疾或低于平均水平的语言能力将无法参与。今后应考虑进一步修改模式, 以便对这些受严重影响的个人进行测试。

值得注意的是, 此处描述的方法不考虑素数和目标之间的不同类型的语义关系。一些研究发现, 语义启动效应的大小是由关系类型 (例如,关联与 "纯", 向前 vs 向后, 介导 vs 直接)8所调制的。在目前的方法中, 这些不同类型的素数目标关系是不考虑的。然而, 对于有兴趣探索其影响的研究人员来说, 这可能是刺激创造的另一个步骤。

同样值得注意的是, 此处描述的方法指示参与者在任务中进行语义关联判断。此任务的显式性质可能会导致可能影响结果的策略。例如, 要求参与者注意刺激之间的语义关系可以减轻组效果6。未来的研究使用这个范式将修改它, 包括一个隐含的语义处理设计, 例如, 参与者按一个按钮每次显示动物的词或简单地观看的文字和图片出现在屏幕上。在没有显式任务3的情况下, 语义启动 N400 效果被观察到, 因此这种类型的操作仍应产生可观察到的效果, 并且还可以揭示隐含语义启动中的组差异。

数十年的研究已经建立了语义启动范式, 作为研究语义处理的一种宝贵方法。这项任务在不同模式下的可靠性使得研究词汇语义和视觉语义处理可能会有何不同尤为重要。这种之间的模式比较是特别有用的某些临床人群, 如 ASD, 其中语义启动赤字可能限于语言领域。通过对语义启动效应和群体与方式之间的 N400 效应的比较和对比, 调查人员可以确定 ASD 语义处理中所谓的缺陷是否仅限于语言领域, 还是代表更全球语义障碍。

将语义启动范式扩展到脑电图, 也为语义处理背后的神经机制提供了有价值的洞察力, 并且可以提供行为响应无法捕获的附加信息。由于 EEG 所获得的时空信息量, 这种方法在语义处理上的差异可能比行为响应所观察到的更微妙。例如, 在以前的研究中, 使用此范式, Coderre et6发现, 与以前的文献相比, ASD 组在响应词刺激时 N400 效果;然而, 这种效应的时间和地形的细微差异表明, 两组人使用不同的认知机制进行语义处理。总之, 一个语义启动 ERP 任务的文字和图片, 可以帮助研究领域一般的语义处理, 无论是在 TD 个人和临床人口。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者没有什么可透露的。

Acknowledgments

这一范式的发展得到了治疗性认知神经科学基金和本杰明和 Adith 米勒家族养老、老年痴呆症和自闭症研究的支持。

Materials

Name Company Catalog Number Comments
EEG system Electrical Geodesics, Inc. (EGI) Geodesic EEG system (GES) 400 system: Net Amps 400 amplifier, NetStation 5.3, 128-channel HydroCel Geodesic Sensor nets
Potassium chloride Electrical Geodesics, Inc. (EGI)
Plastic bucket Electrical Geodesics, Inc. (EGI) EGI provides a plastic bucket for mixing electrolyte but any clean container can be used
Baby shampoo Johnson's
GNU Image Manipulation Program (GIMP)

DOWNLOAD MATERIALS LIST

References

  1. Tager-Flusberg, H., Paul, R., Lord, C. Language and communication in autism. Handbook of Autism and Pervasive Developmental Disorders. 335-364 (2005).
  2. Kamio, Y., Robins, D., Kelley, E., Swainson, B., Fein, D. Atypical Lexical/Semantic Processing in High-Functioning Autism Spectrum Disorders without Early Language Delay. Journal of Autism and Developmental Disorders. 37, 1116-1122 (2007).
  3. McCleery, J. P., Ceponiene, R., Burner, K. M., Townsend, J., Kinnear, M., Schreibman, L. Neural correlates of verbal and nonverbal semantic integration in children with autism spectrum disorders. Journal of Child Psychology and Psychiatry. 51, (3), 277-286 (2010).
  4. Dunn, M. A., Gaughan, H. Jr, Kreuzer, J., Kurtzberg, D. Electrophysiologic correlates of semantic classification in autistic and normal children. Developmental Neuropsychology. 16, (1), 79-99 (1999).
  5. Kamio, Y., Toichi, M. Dual access to semantics in autism: is pictorial access superior to verbal access? Journal of Child Psychology and Psychiatry. 41, (7), 859-867 (2000).
  6. Coderre, E. L., Chernenok, M., Gordon, B., Ledoux, K. Linguistic and Non-Linguistic Semantic Processing in Individuals with Autism Spectrum Disorders: An ERP Study. Journal of Autism and Developmental Disorders. 47, (3), 795-812 (2017).
  7. Neely, J. H. Semantic priming effects in vidual word recognition: A selective review of current findings and theories. Basic processes in reading: Visual word recognition. 11, 264-336 (1991).
  8. McNamara, T. P. Semantic priming: Perspectives from memory and word recognition. (2005).
  9. McPherson, W. B., Holcomb, P. J. An electrophysiological investigation of semantic priming with pictures of real objects. Psychophysiology. 36, 53-65 (1999).
  10. Kutas, M., Federmeier, K. D. Thirty years and counting: Finding meaning in the N400 component of the event-related brain potential (ERP). Annual Review of Psychology. 62, 621-647 (2011).
  11. Kutas, M., Hillyard, S. Reading Senseless Sentences: Brain Potentials Reflect Semantic Incongruity. Science. 207, (4427), 203-205 (1980).
  12. Lau, E. F., Phillips, C., Poeppel, D. A cortical network for semantics: (de)constructing the N400. Nature Reviews Neuroscience. 9, (12), 920-933 (2008).
  13. Brouwer, H., Fitz, H., Hoeks, J. Getting real about Semantic Illusions: Rethinking the functional role of the P600 in language comprehension. Brain Research. 1446, 127-143 (2012).
  14. Barrett, S. E., Rugg, M. D. Event-Related Potentials and the Semantic Matching of Pictures. Brain and Cognition. 201-212 (1990).
  15. Hamm, J. P., Johnson, B. W., Kirk, I. J. Comparison of the N300 and N400 ERPs to picture stimuli in congruent and incongruent contexts. Clinical Neurophysiology. 212, 1339-1350 (2002).
  16. Ganis, G., Kutas, M., Sereno, M. I. The search for "common sense": an electrophysiological study of the comprehension of words and pictures in reading. Journal of Cognitive Neuroscience. 8, (2), 89-106 (1996).
  17. Nigam, A., Hoffman, J. E., Simons, R. F. N400 to Semantically Anomalous Pictures and Words. Journal of Cognitive Neuroscience. 4, (1), 15-22 (1992).
  18. Coltheart, M. The MRC psycholinguistic database. Quarterly Journal of Experimental Psychology. 33A, 497-505 (1981).
  19. Brysbaert, M., New, B. Moving beyond Kucera and Francis: A critical evaluation of current word frequency norms and the introduction of a new and improved word frequency measure for American English. Behavior Research Methods. 41, (4), 977-990 (2009).
  20. Davies, M. The Corpus of Contemporary American English: 450 million words, 1990-present. (2009).
  21. Zuccolotto, A. P., Roush, R. E., Eschman, A., Schneider, W. E-Prime 2.0 Getting Started Guide. (2012).
  22. Duncan, C. C., et al. Event-related potentials in clinical research: Guidelines for eliciting, recording, and quantifying mismatch negativity, P300, and N400. Clinical Neurophysiology. 120, (11), 1883-1908 (2009).
  23. Tools, P. S. E-Prime Extensions for Net Station 2.0 User Manual. (2014).
  24. Electrical Geodesics Inc. Net Station 5 User Manual. (2017).
  25. Tanner, D., Morgan-Short, K., Luck, S. J. How inappropriate high-pass filters can produce artifactual effects and incorrect conclusions in ERP studies of language and cognition. Psychophysiology. 52, (8), 997-1009 (2015).
  26. Dien, J. Issues in the application of the average reference: Review, critiques, and recommendation. Behavior Research Methods, Instruments, and Computers. 30, (1), 34-43 (1998).
  27. Dien, J., Franklin, M. S., May, C. J. Is "Blank" a suitable neutral prime for event-related potential experiments? Brain and Language. 97, 91-101 (2006).
  28. Franklin, M. S., Dien, J., Neely, J. H., Huber, E., Waterson, L. D. Semantic priming modulates the N400, N300, and N400RP. Clinical Neurophysiology. 118, (5), 1053-1068 (2007).
  29. Luck, S. J. An Introduction to the Event-Related Potential Technique. The MIT Press. Cambridge, Massachusetts. (2005).
  30. Groppe, D. M., Urbach, T. P., Kutas, M. Mass univariate analysis of event-related brain potentials/fields I: A critical tutorial review. Psychophysiology. 48, 1711-1725 (2011).
  31. Tanner, D., Van Hell, J. G. ERPs reveal individual differences in morphosyntactic processing. Neuropsychologia. 56, 289-301 (2014).
  32. D'Arcy, R. C. N., et al. Electrophysiological assessment of language function following stroke. Clinical Neurophysiology. 114, (4), 662-672 (2003).
  33. Pérez Velázquez, J. L., Galán, R. F. Information gain in the brain's resting state: A new perspective on autism. Frontiers in Neuroinformatics. 7, (37), 1-10 (2013).
  34. Davis, G., Plaisted-Grant, K. Low endogenous neural noise in autism. Autism. 19, (3), 351-362 (2015).
  35. Ledoux, K., Coderre, E. L., Bosley, L., Buz, E., Gangopadhyay, I., Gordon, B. The concurrent use of three implicit measures (eye movements, pupillometry, and event-related potentials) to assess receptive vocabulary knowledge in normal adults. Behavior Research Methods. 48, (1), 285-305 (2016).
  36. Matson, J. L., Shoemaker, M. Intellectual disability and its relationship to autism spectrum disorders. Research in Developmental Disabilities. 30, (6), 1107-1114 (2009).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics