意味的プライミング事象関連電位 (ERP) タスク自閉症スペクトラム障害で閉セマンティック ・視意味的処理を勉強するには

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

本稿では、写真と言葉のモダリティ内でペアを使用して自閉症スペクトラム障害 (ASD) を持つ個人にセマンティックな処理を調査する意味的プライミング ERP タスクについて説明します。

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

自閉症スペクトラム障害 (ASD) を持つ個人はある意味処理や言語の意味を理解することで特徴的な赤字です。ただし、いくつかの証拠は、非言語的刺激の意味的処理が意味赤字言語固有なることを示唆し、そのままであることを示します。適切にセマンティックな処理、ASD、内-モダリティの言語 (例えば単語を書いて) 比較と赤字を特徴付ける・非言語的刺激 (例えば写真) が必要です。本稿では、このような方法論を利用する意味的プライミングの脳波 (EEG) データの同時録画中にについて説明します。脳波は、行動レベルで見ることができない意味処理の微妙な違いを特徴づけるために適しては、脳活動の動的な測定を提供します。意味プライミング プライム画像またはターゲット画像またはいずれかの単語が後に続く単語 (例えば犬) 関連 (例えば猫) パラダイム プレゼントや素数 (鉛筆など) とは無関係します。このパラダイムは、異なるモダリティ間でセマンティックな処理を評価し、ASD とどのように彼らは TD 個人から異なる場合があります個人で閉セマンティック ・視意味的処理能力を比較するため使用できます。脳波検査と脳波データの解析を実行する刺激を作成する特定の手順を説明します。代表的な結果は、どの事象関連電位 (ERP) の N400 成分は減少次意味的関連プライム対象ペア関係のないペアと比較して示しています。条件、モダリティ、グループの N400 の比較は意味処理の成功の見積もりを提供することができ、意味赤字 ASD やその他の臨床人口を持つ個人を特徴付けることにより使用できます。

Introduction

認知心理学の研究者は、人々 が言語の意味を理解する方法に興味を持ってきた。言語処理には、構文解析に、セマンティックな処理の文字と単語の認識から、複雑さの増加のステップのシーケンスが含まれます。意味処理と刺激の意味へのアクセスを指し、単語、画像、または音のこと。最初の単語認識、単語の意味、またはセマンティクスのアクセスの初期手順は、言語処理の重要なステップです。意味的統合の関係を理解する刺激の意味を統合するプロセスを指します、上位レベル言語理解文章など処理のため非常に重要です。文の各単語の意味は常にアクセスする必要があるだけ、個々 の単語の意味は文の意味、または「要旨」の首尾一貫した理解を形成するために統合する必要があります。

自閉症スペクトラム障害 (ASD) を持つ個人頻繁言語理解1で大幅な赤字があります。これらの難しさは由来意味処理と統合2,3,4の欠損を示唆しているいくつかの証拠があります。しかし、他の研究は、非言語 (例えば、視覚や聴覚) の教材が提示されての場合は、ASD の個人によって意味処理の赤字が表示されませんを示唆しているモダリティ3,5,6.このような示唆 ASD の意味処理障害言語 (すなわち、書面または音声) に制限されるモダリティ。など、異なるモダリティを対照的アプローチ意味処理の赤字がドメイン固有または広汎性処理スタイルを示す範囲への洞察力があります。本稿の目的は、同時電気生理学的記録中に意味的プライミング課題を用いた異なるモダリティ間の意味処理を比較するための方法論を説明することです。

意味的プライミングの手法研究調査方法意味処理の影響低レベル単語認識78に長い歴史があります。伝統的な意味的プライミング タスクで首相の言葉は提案する (例えば猫) に続いてターゲットはいずれかの単語 (例えば犬) の関連または素数 (書籍など) とは無関係します。このようなタスクは、参加者はターゲット単語が実際の単語であるかどうかを決定するよう求めるなど、しばしば語彙判断課題のコンテキストで行われます。他のパラダイムは、参加者対象単語の意味的分類タスクを実行または 2 つの刺激を関連するかどうかを判断があります。特定のタスクに関係なく、証拠の数十年は反応時間 (RTs)、意味的に関連あるものに比較して総理に関連するターゲットの言葉が高速を確立しています。

この「意味的プライミング効果」は、理論的なアカウント7,8メカニズム数に起因していますいます。セマンティック ネットワークを介して拡散活性化自動プライミング効果である首相の単語の意味の検索対象の語句を含む、その他の意味的に関連の言葉の意味によってアクティブ化されるようであります。これは、ターゲット単語の意味の活性化のために必要な時間を短縮します。2 番目の理論的メカニズムは、参加者が首相の言葉を見た時、仮説を期待、予想される潜在的なターゲットのセットを生成することです。このセットに含まれているターゲットの言葉より迅速に認識されます。最後に、他はプライムとターゲットの単語の間の意味的関係の存在を確立するポスト語彙意味マッチングのメカニズムの存在を仮定しました。効果の基になる特定のメカニズムに関係なく意味的プライミングは、セマンティックな処理と統合の有用な指標をすることができます。このパラダイムは、また語彙刺激に限定されないとクロス モーダル意味的プライミング (例えば言葉と写真の間)3と同様、写真9のような非言語刺激の意味的プライミングの調査にも使用できます。

意味的プライミング効果心理言語学的文献でよく研究されているし、プライム対象関係、プライムとターゲットのプレゼンテーションのタイミングおよび他の多くの操作8の種類に関して調査されました。この効果の電気生理学的相関特徴10も。脳波 (EEG) は、電気的活動を頭皮で測定の変更を介して神経活動を記録する方法です。時間分解能が非常に良い (ミリ秒) の順序および条件またはの不在でもグループの意味的処理における微妙な違いを提供することができますので、脳波は意味的プライミングの方法論の役に立つ選択行動の効果や反応。

事象関連電位 (Erp) は、特定の刺激や行動への応答で発生する脳波の時間ロックの変化です。タイミングと応答の極性によって、ERP のさまざまなコンポーネントは認知処理のさまざまな側面の反射です。(ただし、他のいくつかの解釈が存在する10,13)、N400 成分はセマンティックな処理と意味論的統合11,12の確立されたマーカーです。意味的統合が (とき総理と意味的プライミングのターゲットは意味的に関連して) など容易にセマンティック統合は難しく (2 つの単語が関連しないとき) などの場合と比較して、N400 振幅が減少します。重要なは、関連とは無関係の条件 (すなわち、 「N400 効果」) の振幅差は言語に固有ではありません。N400 効果は、意味的関連とは無関係の写真または環境音14,15,16,17のペアに対応など、非言語モダリティを観察します。N400 は、有用な ERP 成分現在のパラダイムの目的のため意味処理と統合能力のモダリティに依存しない見積もりとして使用することができますので。

個人 ASD を減少または不在の意味的プライミング効果と言語刺激2,3,4、に応えて N400 効果意味的処理における障害を示唆しています。視意味への応答でこのような効果が発見されている、オーディオ意味刺激3,5,6、融資申請サポートそのセマンティックな処理言語刺激の選択的障害。ただし、語彙刺激プライム ターゲットのペアを含むようなモダリティを比較する前の調査はクロス モーダル プライミングを使用しています。提案が ASD の個人は、言語刺激の意味的処理における赤字をあることを考えると、このようなクロス モーダル刺激は結果を影響している可能性があります。本当に言語の意味処理が ASD の個人選択的に損なわれたかどうか調べるために、語彙と語彙非刺激モダリティ内でペアを使わなければなりません。最近の研究は、Coderre et al.6には、単語および映像の意味的プライミングを ASD の大人 (年齢 18-68) の赤字を意味処理を調査するモダリティ内の最初の直接比較が用意されていました。ASD の参加者、通常開発 (TD) 参加者写真と単語のペアを閲覧、刺激が関連するかどうかを判断するように求めていた。この意味的プライミング タスク中に脳波、脳の活動を記録しました。グループとモダリティ間の N400 効果を比較すると、このパラダイムは、ASD と個人における意味処理の性質に洞察力を提供しました。

本稿の目的は、意味的プライミング Coderreによって採用する ERP 方法を記述することです。6それがいずれかの TD、語彙意味視意味処理に関わる神経基盤の探索に、実験者の役立つことがありますこのパラダイムは ASD の大人の意味処理を勉強する最初実装されますが、。個人または特定の臨床人口で。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

ここで説明するすべての方法は、制度的レビュー ボードのジョンズ ・ ホプキンス大学、元研究6が実行されたによって承認されました。

1. 刺激を作成します。

  1. プライム-ターゲットのペアを行うコンクリートの名詞の最初のリストを作成します。
    1. Subtlex19など選択したコーパスから約 500 コンクリート名詞を選択し、各単語の興味(例えば頻度、長さ、具体性、心像性等)の変数を取得します。
      注: 医学研究評議会 (MRC) の心理言語学的データベース18など現代アメリカ英語のコーパス20、他のコーパスを使用もできます。このデータベースは、大きな Excel ファイルだけそれにより簡単に刺激信号生成を検索できますので、Subtlex は元の研究に使用されました。他のデータマイニングはグラフィカルなインタ フェースが異なります、ユーザーが入力ボックスに特定の文字列を入力し、要求されている興味の変数を確認する必要があります。
  2. 意味的関連性を確立する刺激の間潜在意味解析 (LSA) で実行します。
    1. LSA メソッドまたはツールを選択します。便利なオンライン ツールは、コロラド大学ボルダー校 (http://lsa.colorado.edu/) によって提供されます。
      1. 主なリンク先のサイトから行列の比較をクリックします。
      2. 空白行で区切られた、比較する個々 の単語を入力します。
      3. テキストを送信する] をクリックします。
    2. スプレッドシートを使用して、各単語と他のすべての LSA 値のマトリクスを作成します。
  3. LSA (図 1A) に基づく関連とは無関係の条件刺激に分割します。
    1. LSA の値が大きい (約 0.5 以上)「関連」の条件で 200 単語ペアを手動で選択します。
    2. LSA の値が低い (約 0.1 または低く)「関係」の条件で 200 単語ペアを手動で選択します。
      注: 実験者は、カテゴリーの意味的関係にかなっていることを確認する word ペアを手動で調べる必要があります。いくつかの単語のペアが、LSA の高評価があるかもしれない意味的関連性を参加者にすぐできない場合があります。同様に、いくつかは LSA の低評価がありますが、他の方法で意味的に関連があります。
    3. 関連とは無関係のペアを作成するときは、頻度、長さ、および他の変数文学 (例えば協会7,8方向) に関連すると指摘されている、またはの上の単語を手作業で一致させる特定の調査の目的。単語を (例えば、 1 2log10 周波数単位内; 1-2 文字または音節内で) 興味の変数でできるだけ密接に一致します。
  4. 単語および映像のモダリティ (図 1A) に刺激を分割します。
    1. スプレッドシートの刺激ファイル内で「状態」の別の列を追加します。
    2. 「状態」列に「絵」の条件として関連ペアの 100 と無関係なペアの 100 をラベルします。"Word"の条件として他の残りの刺激にラベルを付けます。
  5. 画像刺激を取得します。
    注: オンライン情報源 (例えば、 Google イメージ検索) や実験者に利用可能な他のソースからは、刺激画を入手可能性があります。
    1. 2-3 各単語を表す画像を選択します。
    2. 1 つを持っていることによって初期のパイロット テストを実行または複数の独立した評価者 (例えば学生、刺激の開発に関与されていない研究助手) を決める最高画像を表す概念。
      1. 写真ビューアー プログラムを使用して、一度にすべての潜在的な画像ファイルを開くし、単語を声を出して読む最も代表的な画像を選択する評価者を求めます。すべての単語のための各評価者の応答を記録します。
      2. 単語ごとに、評価者の大半が、概念を表すベストに選ば刺激としてこのファイルを使用して、その単語の絵を識別します。大半が存在しない場合は、写真の異なるアレイを選択し、手順 1.5。
    3. GIMP (または別の写真の選択のプログラムを編集) を使用して、すべてにスケール画像の同じサイズ (約 400 ピクセルまたは 3-5 インチの高さまたは幅) あります。
      注: 写真の正確なサイズは、刺激提示されるモニターのサイズによって異なる場合があります。刺激の水平および視覚角度は 7 ~ 13 ° にする必要があります。
  6. パイロット テストを実行します。
    1. 3-4 の独立評価者 (例えば学生、刺激の開発に関与されていない研究助手) を尋ねることによってテストの単語および映像のペアをパイロットとして関連または非関連の各ペアを評価します。
      1. E プライム (または選択した他の刺激プレゼンテーション プログラム) 画面を一度にいずれかの上記の他またはサイド バイ サイドの両方の単語を提示するに実験をプログラムします。ボタンを押すと関連と無関係な単語を評価する参加者に依頼する (例えば1、2 は関係ありません)。このソフトウェア パッケージで実験をプログラムする方法の詳細については E プライム マニュアル21を参照してください。
        メモ: パイロット テスト ラボの実験的テストが行われる、または刺激のプレゼンテーション プログラムを実行しているコンピューターにかかります。特別室は不要です。
      2. 単語のセットまで (と人刺激を見たことがない新しい独立評価者) パイロット テストを繰り返し、および関連のない信頼性の高い評価と写真を取得します。100 の関連する単語のペア、100 の無関係な単語のペア、100 の関連画像のペア、および 100 の無関係な画像のペアの合計を取得します。
        注: それ示唆されている N400 コンポーネントを使用して臨床集団で認知を調査する調査官が22信頼性の高い効果を引き出すために試用版の種類あたり 40 利用可能な試験の最小値を収集します。データのクリーニング プロセス中にいくつかの試験が失われることを期待して、パラダイム、試行回数を増やしてください。前の仕事でこの特定のパラダイムを使用して6試用版の種類あたり 100 回の試行だった両方個々 の堅牢な N400 効果とグループ単位を確保するため十分以上。N400 成分は言葉と写真10の間に似ているのでこれは推定モダリティ間で一貫して保たれるトライアルの種類の数をお勧めします。
      3. 練習セッションの追加 8 ペア (4 単語、4 画像) を保持 (ステップ 2.2.1below を参照してください)

2. タスクのプログラミング

  1. 刺激リストを作成します。
    1. 刺激の最終セットから 8 ブロックに刺激を並べ替えます。モダリティ (画像/ワード) (4 ブロック) がブロックされる必要があります。
    2. 各ブロック内で、および関連のない刺激の等しい数を確認します。
    3. 手動で擬似-各ブロック内のプレゼンテーションのリストをランダムに連続で以上 5 の関連または非関連の刺激があります、隣同士のペアが意味的に関連がないように。「リンゴ梨」お互いのすぐ隣に「ニンジン ブロッコリー」など試験を避けるため。
  2. E-素数、または選択の他の刺激のプレゼンテーション ソフトウェアを使用してタスクをプログラムします。
    注: ここに記載されている手順 E プライムと NetStation に固有し、異なる場合別刺激呈示ソフトウェアまたは脳波集録ソフトウェアが使用されます。このソフトウェア パッケージで脳波実験をプログラムする方法と E プライムと NetStation 間の通信を有効にする方法 E プライム マニュアル21と E プライム用 NetStation チュートリアル23特定の詳細についてを参照してください。
    1. プログラム実験テストを開始する前に実行する絵と単語ブロック (4 ペア各) の 2 つの演習。
    2. 命令画面を読む練習会の初めにプログラム:「他の後一つ画面に表示 2 つ単語が表示されます。まだ可能な限り座ってくださいし、言葉がの表示中は点滅しません。ペアが表示された後、画面に黒い十字が表示されます。黒い十字が表示されたらかどうか、言葉が関連するかどうを指定してください。言葉を関連している場合は、ボタン 1 を押します。言葉が関連していない場合は、ボタン 2 を押します。演習セッションを開始する任意のキーを押します"。
    3. 単語ごとに、実験構造の TextDisplay アイコンをダブルクリックします。左上の [プロパティ] アイコンをクリックします。[フォント] タブで、[には、Courier New フォント サイズ 28 を選択します。黒の ForeColor を選択 [全般] タブと白の背景に黒のフォントの単語を提示する白と BackColor。
      注: 特定のフォント サイズは、サイズおよびプレゼンテーションに使用するモニターの解像度によって修正する必要があります。言葉の水平視角は 1 ~ 6 ° する必要があります。
    4. 画像刺激ごとに、実験構造でスライドのアイコンをダブルクリックします。左上の [プロパティ] アイコンをクリックします。[全般] タブ、白い背景の上の写真を提示する白と BackColor を選択します。
    5. この順序で次の刺激を提示する各試行プログラム: 赤公判前固定クロス (400 ms);刺激 1 (1,000 ミリ秒)。刺激の間隔 (空白の画面; 300 ms);刺激 2 (1,000 ミリ秒)。空白の画面 (400 ms);試行間間隔 (黒固定クロス; ランダムに 100 ミリ秒間隔で 1,000-1,400 ms ジッターによりモード、1200 ms の平均)図 1 bを参照してください。期間を設定するには、実験構造で TextDisplay またはスライドのアイコンをダブルクリックして、ウィンドウの左上のプロパティ ボタンを押します。期間/入力] タブの下で期間を設定します。
      注: 空白の画面は、2 番目の刺激と黒い十字視覚休憩を提供するために、今後の意味的関連性判断の微妙なプロンプトを提供する試行間間隔の前に含まれています。
    6. 各ブロックが完了すると言って、「ブレーク」と呼ばれる TextDisplay オブジェクトをプログラム"エンド ブロックの休憩を取ってください」
  3. E プライムと NetStation 間の通信パラメーターを含めます。この情報を含める方法の NetStation マニュアル23特定の指示のための E プライム拡張子を表示します。
    1. 「Word1」または「word2」テキスト表示オブジェクトの実験構造でオブジェクトを選択します。「プロパティ」ウィンドウで"WRD1"または"WRD2"としてそれぞれタグを設定します。
    2. 「画像 1」または「画像 2」のスライド オブジェクトの「写真 1」または「PIC2」としてそれぞれタグを設定します。
    3. 下「未参照 E-のオブジェクト」、"CellList"と呼ばれる新しいリストを作成します。として携帯電話番号を入力してください: 1 = 関連画像2 = 画像は無関係。3 = 単語単語に関連;4 関係のない単語を =。ブロックごとに試用版のリスト内で"CellNumber"と呼ばれる列を含めるし、状況とモダリティ別に各試験の対応するセル番号を入力します。

3. 脳波テスト

注: ここで説明した特定の手順は、EGI システムです。他のシステムを使用している場合、手順が異なる場合があります。

  1. 脳波のテストを準備します。
    1. 1 クォート (1 L) の水と大さじ 1 杯 (15 mL) ベビー用のシャンプーの電解質溶液を作成する透明なプラスチックのバケツと塩化カリウムのミックス 2 杯 (10 g)
    2. イニオンとネットの適切なサイズを決定する頭骨を通過、参加者の頭の円周を測定。参加者の頭囲によると適切なサイズのネットを選択します。
    3. 電解液に電極を浸し、すべてスポンジが完全に水没している確保するソリューションと少なくとも 5 分間浸してみましょう。
  2. Net の脳波を適用します。
    1. 快適実験者に直面して、椅子に座っている参加者があります。あなたが今、ネットを履きしがそれを調整、テストを開始する前に、信号を確認を参加者に説明します。
    2. 参加者の肩にタオルを配置します。参加者はすぐに彼らの目を指示するし、参加者の頭にネットを適用します。ネットを調整し、参加者の頭にぴったりフィットを確保するため関係を強化します。
    3. 頭皮に対してそれらを収容するすべての電極を介して動作します。電極と抜本的な動きを使用すると、髪を離れて移動します。必要に応じて、ピペットを使用してスポンジを装します。
    4. すべての電極が装着されると、一度は、インピー ダンスを確認します。インピー ダンス 50 kiloohms (kΩ) 上で任意の電極を装し直すか。
  3. 脳波記録中に意味的プライミング実験を実行します。
    1. ネットを適用すると、インピー ダンスをチェック、参加者が開始、意味的プライミングのタスクを開始する準備ができて。
    2. テストする前に参加者に説明を繰り返します。単語や画像刺激が関連またはキーボードまたはボタン] ボックスのボタンを押すと無関係かどうかを判断するための参加者に指示します。脳波信号を交モーターのアーティファクトを避けるためには、2 番目の刺激が画面から消えたし、黒のクロスが登場するまで、彼らの応答を確認するを待つ参加者に指示します。
    3. 少なくとも 1 回の演習を実行すると、参加者がタスクを理解していることを確認します。
    4. 休憩中のすべての 2 ブロックの後装電極とインピー ダンスを再確認します。

4. 脳波前処理

  1. オープン NetStation ツールです。
    注: ここで説明する手順は、NetStation 5 の前処理に固有です。NetStation ツールを使用する方法の詳細については、取扱説明書 5 NetStation24を参照してください。その他のプリプロセッサのパッケージには、EEGlab、ERPlab、フィールドト リップ、実験者の選択の他のソフトウェアなどがあります。前処理の手順の順序はソフトウェア ・ パッケージが異なる場合があります注意してください。効果の違いはありません、N400 の観察は、分析パッケージの選択に基づいています。
  2. データをフィルター処理します。
    1. NetStation ツール ウィンドウの下部には、'作成' ドロップ ダウン メニューの「フィルタ リング」を選択して新しいフィルタ リング ツールを作成します。適切なツールの名前を変更します。
    2. 50 Hz に 0.1 ヘルツ (Hz) にハイパス フィルターとローパス フィルターを設定します。
      注: ハイパス フィルターは 0.1 Hz よりも低くすることができますが、スプリアス効果25を導入するリスクを避けるために、このカットオフを超えないように勧めしません。30 Hz と低いローパス フィルターを使用できます。
    3. ツール、しドラッグ上部の「入力ファイル」ボックス元の脳波記録ファイル ウィンドウの左と"実行"のヒットを保存します。
  3. 試験データを分割します。
    1. 新しい「セグメンテーション」ツールを作成し、それに適切な名前します。
    2. 「を作成するカテゴリ」の下で新しいカテゴリを作成して、「画像関連」に名前を変更するには、プラス記号をヒットします。「作成カテゴリの基準に基づいて」ボックスに「コード」アイコンをドラッグして、刺激 1 のプレゼンテーションに時間ロックに「コードは PIC1」として設定。「作成カテゴリ」ボックスに「キーコード」アイコンをドラッグし、「cel # キー コードは 1」としてそれを設定します。
      1. 正しい試験だけを含める、「作成カテゴリ」ボックスに別「キーコード」アイコンをドラッグし、「キー コードの eval は 1」としてそれを設定します。
    3. ウィンドウの下部に「拡張は前に、と後の 2,300 の ms の 100 ms をセグメント」セグメントの長さを設定します。
      注: セグメント最初または 2 番目のいずれかの刺激の発症に時間ロックされている可能性があります。セグメントが最初の刺激にロックされている場合、2300 ms 後に前に 100 ms を (プラスの刺激間間隔 (ISI) 時間 (300 ms) 両方の刺激 (1,000 ミリ秒) の発表時間を含む) を拡張してください。2 番目の刺激にロックされている場合、セグメント拡張後 1,000 ms 100 ms 前にしてください。
    4. 「クローン」ボタンを押すことでカテゴリを複製し、、"画像関連"名前を変更します。PIC1 とキーコード cel # 2 にコードを設定します。
    5. カテゴリを複製し、「関連語」に名前を変更します。WRD1、キー コードのセル # 3 にコードを設定します。
    6. カテゴリを複製し、それ「無関係な単語」名前を変更します。WRD1、キー コードのセル # 4 コードを設定します。
    7. ツール、しドラッグしての上部の「入力ファイル」ボックス最新のプリプロセス済みファイル ウィンドウの左側に"実行"ヒットを保存します。
  4. アーチファクト歪み検出を実行します。
    1. 新しい「アーチファクト歪み検出」ツールを作成し、それに適切な名前。
    2. 「アーティファクト検出設定」の下で新しい設定を追加するウィンドウの下部にあるプラス記号をヒットします。「操作」下のドロップ ダウン メニューから"悪いチャンネル"を選択します。すべての既定の設定 (最大値-最小値 > 200 ローパワー (μ V);すべてのセグメント80 ms の移動平均) です。
    3. 新しい設定を追加し、「操作」のドロップ ダウン メニューから「まばたき」を選択します。すべて (最大値-最小値 > 140 μ; ウィンドウ サイズ 640 ms 80 ms の移動平均)、既定の設定のままにします。
    4. 新しい設定を追加し、「操作」のドロップ ダウン メニューから「眼球運動」を選択します。すべて (最大値-最小値 > 55 μ; ウィンドウ サイズ 640 ms 80 ms の移動平均)、既定の設定のままにします。
    5. ツール、しドラッグしての上部の「入力ファイル」ボックス最新のプリプロセス済みファイル ウィンドウの左側に"実行"ヒットを保存します。
    6. NetStation レビューし、すべての試験をスクロールで右サイドバーの「カテゴリ」メニューの下の矢印ボタンを押すことで生成されたファイルを開きます。緑または赤の円をそれぞれ押すことで良くも悪くも試験をマークします。完了したら、結果を保存するファイルを閉じます。
  5. 悪いチャネル交換を実行します。
    1. 新しい「悪いチャネル交換」ツールを作成し、それに適切な名前します。このツールのユーザーが設定、ので、ツールを保存し、上部の「入力ファイル」ボックス最新のプリプロセス済みファイルをドラッグする必要はありませんパラメーター ウィンドウの左、「実行」を押します。
  6. 一つの主題は試験を巡る崩壊する平均を実行します。
    1. 新しい「平均」ツールを作成し、それに適切な名前します。「平均の設定」の下で選択"ソース ファイルを処理: 一緒に"と"処理科目: 個別に」。
    2. ツール、しドラッグしての上部の「入力ファイル」ボックス最新のプリプロセス済みファイル ウィンドウの左側に"実行"ヒットを保存します。
  7. 平均参照26にデータを参照します。
    注: 江木高密度アレイ EEG (128 と 256 チャンネル) を提供するため、平均の参照はここで使用します。高密度アレイ記録システム26; 平均参照を使用することが示唆されています。128 または 256 チャネルのネットを用いたその他の意味的プライミング ERP 研究は、平均参照6,27,28を使用しています。参照の他の選択肢には、右と左の突起、鼻、耳たぶ29の平均が含まれます。参照電極の最適な選択肢はなく、実験者は、参照電極の選択は、ERP 波形の26,29に影響を与える可能性があります注意してください。
    1. 新しい「モンタージュ操作」ツールを作成し、、それに適切な名前。
    2. 「センサーのレイアウトのリストのモンタージュ」の下のドロップ ダウン メニューから該当のネットを選択します。「平均リファレンス」を選択し、"参照から悪いチャンネルを除外」ボックスが選択されていることを確認します。ツール、しドラッグしての上部の「入力ファイル」ボックス最新のプリプロセス済みファイル ウィンドウの左側に"実行"ヒットを保存します。
  8. セグメント10の最初の 100 ms を使用して実行のベースライン補正, 28
    注: 200 ms のベースラインの期間の使用29はすることができます。
    1. 新しい「ベースライン補正」ツールを作成し、それに適切な名前します。
    2. 「セグメントの部分からベースラインを選択する」を選択「ベースライン補正設定」の下で"セグメントのタイムから選択の基準 = 0" と「基準時間ゼロの前に 100 ms を開始、100 ms の長い」.
    3. ツール、しドラッグしての上部の「入力ファイル」ボックス最新のプリプロセス済みファイル ウィンドウの左側に"実行"ヒットを保存します。

Figure 1

図 1: 実験例とタイムライン。絵と単語刺激の (A) の例です。(B) 刺激提示のタイムライン。この図は、Coderreの許可を得て転載されています6この図の拡大版を表示するのにはここをクリックしてください

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

および関連のない条件に刺激が適切にソートされている場合、単語および映像の刺激 (図 2) の N400 効果が守らなければなりません。これは、無関係な条件の関連を比較される条件により否定的な振幅として識別できます。単語刺激の効果は中心または中心・頭頂頭皮6,10以上 300-500 ms から発生する必要があります。画像刺激効果がわずかに以前ありますか詳細は正面9,15,16を分散します。

統計解析テスト関連と無関係な条件の平均の振幅を比較することによって N400 効果の意義があります。これは単一電極以上複数の電極を実行する可能性があります。効果の空間的な広がりが統計的に電極部位や左右差を含めることによって評価されます。大量の一変量の統計 (例えば Groppeを見なさい効果の正確なタイミングを評価したり、さらなる分析のための興味の時間枠を確立する詳細については30 ) を使用できます。(複数の解析が実行される場合の結果を多重比較補正を調整する必要があることに注意してください。Groppeによって記述された質量単変量統計的手法30は、このような修正のためのいくつかのオプションを含む) と。

この意味的プライミング ERP パラダイムを使用して臨床集団における意味処理を研究する研究者、また TD 制御グループからデータを収集することが重要です。コントロール グループは、絵と単語の条件の記述されている N400 効果が表示されます。ただし、臨床人口減少を示すかもしれないまたは不在の N400 効果 1 つまたは両方の条件 (図 3)。コントロールと臨床集団間 N400 効果の大きさが異なるかどうかを確認するのにグループが統計モデルにおける被験者間要因として含めることができます。臨床人口の非常に小さい N400 効果意味的処理の難しさを示しています。効果のタイミングや頭皮の分布の違いは、グループの処理の違いを可能性もあります。

上記代表的な結果は、N400 効果に関する研究の大半に沿って、グループ レベルこのコンポーネントはかなり堅牢であり、一つの主題レベル31,32頻繁に観察することができます。ASD の個人など臨床人口の特に単一の個々 の意味処理能力については、非常に望ましいかもしれない。捜査官があります、ただし、TD 個人33よりも本質的に騒々しい脳波データを ASD の個人があります (が参照34を参照してください)、これは特定の参加者の信頼性の高い一つの主題の影響を妨げることがあります。一つの主題の影響を評価する研究者の単一の個々 の効果の統計的有意性を評価するために順列テストを実行できます。簡単に言えば、そのような方法で多く (例えば5,000) 反復条件 (関連/無関係) ラベルはそれぞれの試験の間 permuted 1 つ実行します。それぞれの順列について、条件は統計的にと比較されます。各順列から統計を使用 null 意義結果を導出する観察された検定統計量を比較するテスト統計分布を作成します。

Figure 2
図 2: (A) の各ペアの 2 番目の刺激への応答の代表 N400 効果単語の条件および (B) 画像の条件。20 TD 大人 (Coderreから取得されたデータのグループのデータを平均します。6). 平均参照を使用して前処理を行った。トップ パネル: 電極 Cz 約 400 ms 関連の状態と比較して無関係な条件に大きな振幅を示す代表 ERP 波形 (負がプロットされます)。パネルを下: 400-500 ms からウィンドウを平均した、無関係な関連の違いの地形のプロット (参照の選択と正確な分布が変わります)。地形のプロット図の上部は頭の前面を示します。この図の拡大版を表示するのにはここをクリックしてください

Figure 3
図 3: 電極 Cz 単語条件の N400 効果の代表的なグループ違い。データの ASD (Coderreから撮影データの 20、20 TD 大人のグループの平均は6). 平均参照を使用して前処理を行った。ASD と個人などの臨床グループは、閉意味的処理の難しさを示唆している単語に対して小さい N400 効果を示すかもしれない。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

本稿は、ASD と個人の意味処理赤字の探索に絵と単語の刺激の意味的プライミングを ERP の開発に重要なステップを報告しています。主要な手順には、刺激を作成、タスクをプログラミングおよび脳波テストと分析を実行することが含まれます。この手順の最も時間のかかる部分は、刺激の組み合わせ、条件、および変数の長さ、頻度、および意味的関連性などに関するモダリティ内と間と一致する注意してください必要があります刺激を作成する可能性があります。そのため、パイロット テストのかなりの量が必要になります最後の刺激セットが適切であることを確認します。

提案がここに含まれる、事前の動作このメソッドが6の基づいて、大人 (年齢 18-68)、ASD とのテストこのパラダイムは子供や思春期の個体数に簡単に拡張できます。確かに、他の研究は、似たような意味的プライミング脳波を使用している児および3モダリティ間意味処理を比較する ASD のパラダイム。いくつかの考慮事項は、さまざまな年齢層と発達段階を変更する場合を考慮する必要があります。たとえば、刺激セットは、すべての子供が (次の段落を参照してください) すべての刺激の意味を知っているように高周波言葉に制限可能性があります。その他の変更は、子またはより改などのインセンティブを提供している、刺激のブロックの完了時に短いビデオを見せてなど思春期の参加者から適切なデータ品質を確保するテスト パラダイムを行うことができます。

ここで説明した方法と前の仕事についていくつかの要因に注意しています。まず、前の仕事6は、上記平均言語と知的機能に平均を持っていた大人のグループで行われました。このパラダイムの 1 つの制限は、ことは、単語または表示されている写真に精通している個人をそれだけ使用できますです。前の仕事は、語彙項目が個々 の語彙範囲32,35外側 N400 効果が発生しないことを示しています。そのため参加者も平均以上に平均言語・読解能力、または実験で使用されるすべての刺激は、個々 の語彙の範囲内で落ちることように注意ことを持つことが重要です。後者の場合これは次の実験で使用された単語のすべての個々 の知識をテストする脳波セッション語彙テストを管理するが含まれます。個人は知らない言葉、場合これらの試験は、さらに分析から削除でした。残念ながら、知的障害者と障害者の言語スキルは ASD1,36を持つ個人で一般的な共起であるので言語の能力を読んでこれらの要件、ことを意味も持つ人知的障害または平均以下言語能力は参加することができません。これらのより深刻な影響を受ける個人のテストを可能にするパラダイムにさらに変更を将来的に考慮されなければなりません。

ここで説明する方法は、プライムとターゲット間の意味関係のさまざまな種類を考慮されないことに注意してくださいすることが重要です。いくつかの研究は、意味的プライミング効果の大きさは関係の種類によって変調を発見した (例えば、 「純粋な」、前方対対連想は直接対後方、媒介)8。現在の手法ではこれら各種プライムとターゲットの関係は考慮されません。しかし、研究者がその効果を探究することに興味がある、これは刺激の作成で追加手順にあります。

また、参加者、タスク中に意味的関連性判断をすることをここで説明したメソッドに指示に注目すべきです。このタスクの明確な性質は、結果に影響を与えることができる戦略を引き起こす可能性があります。例えば、刺激間の意味関係に注意を払う参加者を求めてグループ効果6を軽減できませんでした。このパラダイムを使用して今後の研究暗黙の意味処理デザインを含めるように変更されます、たとえばどの参加者のボタンをするたびに動物単語は、単に言葉と写真の画面に表示を見たり。意味的プライミング N400 効果は、このタイプの操作はまだ観察可能な効果を得られるように、明示的なタスク3の不在で観察されているし、も暗黙の意味的プライミングのグループの相違を明らかにします。

研究の数十年は意味処理を勉強する貴重な方法として意味的プライミングの手法を確立しています。異なるモダリティ間でこのタスクの信頼性は、特に勉強の貴重などの語彙意味と視意味処理が異なる場合があります。このようなモダリティ間比較は意味的プライミング赤字が言語のドメインを制限することがあります、ASD など特定の臨床集団で特に役立ちます。比較と対照的な意味的プライミング効果とグループとモダリティ間の N400 効果、捜査官を称する赤字 ASD の意味的処理における言語のドメインに制限されていますまたはよりの代表者かどうか確立できます。グローバルの意味的機能不全。

脳波に意味的プライミングの拡張モジュールも意味処理の神経機構に関する貴重な洞察を提供し、行動応答をキャプチャできない追加の情報を提供することができます。脳波で得られた時空の情報量、ためこのメソッドは、行動反応の観察がより意味的処理におけるより多くの微妙な違いを明らかにするかもしれない。例えば、以前の研究ではこのパラダイム、Coderreを使用してください。6でことがわかった、N400 の効果が発生した前の文献と対照をなして、単語刺激への応答で ASD グループしかし、タイミングと地形効果の微妙な違いは、2 つのグループは、セマンティックな処理に別の認知メカニズムを使用していたことを示唆しました。合計では、言葉と写真と意味的プライミング ERP タスクは、ドメイン全般意味処理、TD 個人と臨床人口の両方を勉強するため便利です。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

著者は、何を開示します。

Acknowledgments

このパラダイムの開発は、治療の認知神経科学基金、ベンジャミン、老化、アルツハイマー病、自閉症の研究の Adith ミラー家族基金によって支えられました。

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