Un Priming semantico Event-related in compito di potenziale (ERP) per studiare l'elaborazione Lexico-semantico e Visuo-semantico nella disturbo dello spettro autistico

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

Questo articolo descrive un'attività ERP di priming semantico utilizzando coppie all'interno-modalità di immagini e parole per indagare l'elaborazione semantica in individui con disturbo dello spettro autistico (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

Gli individui con disturbo dello spettro autistico (ASD) hanno caratteristici deficit nella comprensione del significato della lingua, o l'elaborazione semantica. Tuttavia, alcune evidenze indicano che l'elaborazione semantica di stimoli non linguistico è intatto, suggerendo che il deficit semantico possono essere specifici della lingua. Per caratterizzare in modo appropriato i deficit di elaborazione semantica in individui con ASD, confronto di entro-modalità linguistiche (ad es., parole scritte) e non linguistica stimoli (ad esempio, immagini) è richiesto. Questo articolo descrive tale metodologia che si avvale di un paradigma di priming semantico durante la registrazione simultanea di dati elettroencefalografici (EEG). EEG fornisce una misura dinamica dell'attività cerebrale che ben si adatta a caratterizzare le sottili differenze di elaborazione semantica che potrebbero non essere osservabile a livello comportamentale. La semantica priming paradigma presenta un'immagine privilegiata o parola (es. cane) seguita da una foto di destinazione o una parola che sia correlati (ad es., gatto) o estranei (ad es., matita) al primo. Questo paradigma può così essere usato per valutare l'elaborazione semantica attraverso diverse modalità e per confrontare la capacità di elaborazione visuo-semantica e lessico-semantiche in individui con ASD e come potrebbero differire da individui di TD. I passaggi specifici coinvolti nella creazione di stimoli, eseguendo il test di EEG e analisi dei dati di EEG sono discussi. Risultati rappresentativi illustrano come il componente N400 del potenziale evento-correlati (ERP) è ridotte semanticamente correlate primo bersaglio coppie seguenti rispetto a coppie indipendenti. Comparazioni di N400 tra gruppi, le modalità e le condizioni in grado di fornire stime del successo di elaborazione semantica e quindi possono essere utilizzati per caratterizzare i deficit semantici in individui con ASD o altre popolazioni cliniche.

Introduction

Ricercatori in psicologia cognitiva sono stati a lungo interessati a come la gente capisce il significato del linguaggio. Elaborazione del linguaggio comporta una sequenza di fasi di crescente complessità, da lettera e parola di riconoscimento, per l'elaborazione semantica, per l'analisi sintattica. L'elaborazione semantica si intende l'accesso il significato di uno stimolo, sia esso una parola, un'immagine o suono. Dopo gli esordi del riconoscimento iniziale, accesso di significato di una parola, o semantica, è una tappa cruciale nell'elaborazione del linguaggio. Integrazione semantica si riferisce al processo di integrazione il significato degli stimoli per capire le loro relazioni ed è cruciale per il livello superiore di elaborazione quali frasi di comprensione del linguaggio. Non solo il significato di ogni parola in una frase deve necessariamente essere letta, ma i significati di ogni singola parola devono essere integrate per formare una coerente comprensione del significato della frase, o "succo".

Gli individui con disturbo dello spettro autistico (ASD) hanno spesso i deficit significativi in lingua comprensione1. C'è una certa prova che suggerisce che queste difficoltà derivano da deficit nell'elaborazione semantica e integrazione2,3,4. Tuttavia, altri studi hanno suggerito che gli individui con ASD non mostrano deficit di elaborazione semantica quando materiali sono presentati in non-linguistiche (ad es., visivo o uditivo) modalità3,5,6 . Tali risultati suggeriscono che i deficit di elaborazione semantica in ASD possono essere limitati alla linguistica (cioè, scritto o parlato) modalità. Come tale, gli approcci che differenti modalità di contrasto possono fornire la comprensione nella misura in cui deficit di elaborazione semantica sono specifici del dominio o indicativo di uno stile di elaborazione pervasiva. Lo scopo di questa carta è di descrivere una metodologia per il confronto di elaborazione semantica tra diverse modalità utilizzando un task di priming semantico durante la simultanea registrazione elettrofisiologica.

Il paradigma di priming semantico ha una lunga storia nella ricerca studiando come semantica elaborazione influenze livello inferiore parola riconoscimento7,8. Nei compiti di priming semantico tradizionale, una parola privilegiata è presentata (ad es., gatto) seguita da una destinazione di parola che sia semanticamente correlate (ad es. cane) o estranei (ad es., libro) al primo. Tale attività avviene spesso nel contesto di un'operazione di decisione lessicale, tale che i partecipanti sono chiamati a determinare se la parola obiettivo è una parola vera o no. Altri paradigmi possono avere partecipanti eseguire un'attività di categorizzazione semantica della parola target o giudicare se i due stimoli sono collegati o no. Indipendentemente dal fatto il compito specifico, decenni di prove hanno stabilito che i tempi di reazione (RTs) sono più veloci a obiettivo parole semanticamente correlate al primo rispetto a quelli che non sono correlate.

Questo "effetto di priming semantico" è stato attribuito a una serie di meccanismi teorici conti7,8. Uno è che l'effetto di innesco è dovuto l'attivazione automatica di diffusione attraverso la rete semantica, tale che il recupero del significato della parola privilegiata attiva il significato di altre parole semanticamente correlate, tra cui la parola obiettivo. Quindi questo riduce il tempo necessario per l'attivazione semantico della parola obiettivo. Un secondo meccanismo teorico è che di aspettativa, che postula che dopo aver visto la parola privilegiata, i partecipanti generano un set previsto di potenziali bersagli. Parole target che sono inclusi in questo set sono quindi riconosciuti più rapidamente. Infine, gli altri hanno postulato l'esistenza di un meccanismo post-lessicale della corrispondenza semantica, che stabilisce l'esistenza di una relazione semantica tra la parola di primo e di destinazione. Indipendentemente dal meccanismo specifico alla base dell'effetto, priming semantico può essere un utile indice di elaborazione semantica e integrazione. Questo paradigma non è limitato agli stimoli lessicali e può essere utilizzato anche per indagare il priming semantico di stimoli non-lingua come immagini9 come pure cross-modale priming semantico (per esempio, tra parole e immagini)3.

Effetti di priming semantico sono state ben studiati nella letteratura psicolinguistica e sono stati studiati per quanto riguarda il tipo di relazioni primo bersaglio, la tempistica della presentazione primo e destinazione e molte altre manipolazioni8. I correlati elettrofisiologici di questo effetto sono stati ben caratterizzati10. L'elettroencefalografia (EEG) è un metodo di registrazione attività neurale via i cambiamenti nell'attività elettrica misurata al cuoio capelluto. EEG è una scelta utile di metodologia per un paradigma di priming semantico, perché ha molto buona risoluzione temporale (dell'ordine di millisecondi, ms) e può quindi fornire sottili differenze di elaborazione semantica tra condizioni o gruppi anche in assenza di effetti comportamentali o risposte.

Potenziali evento-correlati (ERP) sono cambiamenti di tempo-bloccata nel EEG che sorgono in risposta a uno stimolo specifico o il comportamento. A seconda dei tempi e la polarità della risposta, diversi componenti dell'ERP sono riflettenti di diversi aspetti di elaborazione cognitiva. Il componente N400 è un indicatore ben consolidato di elaborazione semantica e integrazione semantica11,12 (anche se esistono diverse altre interpretazioni10,13). L'ampiezza di N400 è ridotta quando integrazione semantica è più facile (ad esempio quando la perfezione e la destinazione in un paradigma di priming semantico sono semanticamente correlate) rispetto a quando integrazione semantica è più difficile (ad esempio quando due parole sono indipendenti). D'importanza, la differenza di ampiezza tra condizioni correlate e non correlate (vale a dire, il "effetto N400") non è specifica del linguaggio. N400 effetti sono osservati anche in modalità non-lingua, come ad esempio in risposta a coppie di immagini semanticamente correlate e non correlate o suoni ambientali14,15,16,17. La N400 è così un utile componente ERP ai fini del paradigma attuale perché può essere utilizzato come una modalità indipendente dalla stima delle capacità di elaborazione e integrazione semantica.

Individui con ASD Visualizza ridotti o assenti effetti di priming semantico e N400 in risposta al linguaggio stimoli2,3,4, suggerendo i danni in elaborazione semantica. Tali effetti sono stati trovati in risposta a visuo-semantico e stimoli audio-semantico3,5,6, sostenendone l'affermazione che l'elaborazione semantica è selettivamente alterata per stimoli di lingua. Tuttavia, la maggior parte degli studi precedente, confrontando le modalità sono utilizzati cross-modal di innesco, tale che la coppia primo-destinazione contiene uno stimolo lessicale. Data la proposta che gli individui con ASD hanno deficit nell'elaborazione semantica di stimoli di lingua, tali stimoli cross-modali possono aver influito risultati. Per veramente di studiare se l'elaborazione semantica della lingua in modo selettivo è alterata in individui con ASD, coppie all'interno-modalità di stimoli lessicali e non lessicali devono essere utilizzate. In uno studio recente, Coderre et al. 6 fornito il primo confronto diretto di priming semantico all'interno-modalità di parola e nell'immagine per indagare i deficit di elaborazione semantica negli adulti (età 18-68) con ASD. Ai partecipanti con ASD e con sviluppo tipico (TD) hanno visto coppie di immagini e parole e ci hanno chiesto di giudicare se gli stimoli sono stati correlati o non. Durante questa operazione di priming semantico, la loro attività cerebrale è stata registrata utilizzando EEG. Confrontando gli effetti N400 tra i gruppi e le modalità, questo paradigma fornito la comprensione nella natura dell'elaborazione semantica in individui con ASD.

Lo scopo di questa carta è di descrivere il priming semantico metodologia ERP impiegato da Coderre et al. 6. anche se questo paradigma è stato inizialmente implementato per studiare l'elaborazione semantica in adulti con ASD, può risultare utile per qualsiasi sperimentatori che desiderano esplorare le componenti neurali di elaborazione lexico-semantico e visuo-semantico, entrambi in TD individui o in popolazioni cliniche specifiche.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Tutti i metodi descritti qui sono stati approvati da istituzionale Review Board di Johns Hopkins University, dove è stato effettuato l'originale di Studio6 .

1. creazione di stimoli

  1. Creare un elenco iniziale di nomi concreti da cui dovrà avvenire il primo bersaglio coppie.
    1. Da un corpus selezionato come Subtlex19, selezionare circa 500 nomi concreti e ottenere le variabili di interesse (ad es., frequenza, lunghezza, concretezza, immaginabilità, ecc.) per ogni parola.
      Nota: Altri corpora, come il Consiglio di ricerca medica (MRC) Database psicolinguistiche18 o Corpus di inglese americano contemporaneo20, può anche essere utilizzato. Subtlex è stato utilizzato nello studio originale perché questo database è solo un grande file di Excel e quindi facilmente consente la ricerca per la generazione di stimolo. Altri corpora dispone di diverse interfacce grafiche e potrebbe richiedere all'utente di immettere una stringa di testo specifico in una casella di input e controllare le variabili di interesse richiesto.
  2. Eseguire l'analisi semantica latente (LSA) tra stimoli per stabilire il relatedness semantico
    1. Selezionare metodo di LSA o strumento. Un utile strumento online è fornito da Colorado University Boulder (http://lsa.colorado.edu/).
      1. Il sito di atterraggio principale, fare clic su matrice di confronto.
      2. Inserire singole parole da confrontare, separati da una riga vuota.
      3. Fare clic su Invia testi.
    2. Utilizzando un foglio di calcolo, creare una matrice di valori LSA tra ogni parola e ogni altro.
  3. Dividere gli stimoli in condizioni correlate e basate su LSA (Figura 1A).
    1. Selezionare manualmente 200 coppie di parole con alti valori LSA (circa 0,5 o superiore) per la condizione "correlato".
    2. Selezionare manualmente 200 coppie di parole con bassi valori LSA (circa 0.1 o inferiore) per la condizione di "indipendente".
      Nota: Lo sperimentatore potrebbe essere necessario esaminare manualmente coppie di parole per assicurare che la relazione semantica ha un senso per la categoria. Alcune coppie di parole possono avere voti alti LSA ma il relatedness semantico potrebbe non essere immediatamente evidente ai partecipanti. Allo stesso modo, alcuni possono avere valutazioni basse LSA ma può essere semanticamente correlati in altri modi.
    3. Durante la creazione di coppie correlate e non correlate, abbinare manualmente parole su frequenza, lunghezza e tutte le altre variabili che sono stati notati per essere rilevanti nella letteratura (per esempio, la direzione di associazione7,8) o che sono di interesse per lo studio specifico. Corrispondenza parole quanto più possibile sulle variabili di interesse (ad es., all'interno delle unità di frequenza 1-2log10; entro 1-2 lettere o sillabe).
  4. Dividere gli stimoli in parola e nell'immagine modalità (Figura 1A).
    1. All'interno del file di stimolo nel foglio di calcolo, è necessario aggiungere un'altra colonna della "condizione".
    2. Nella colonna "condizione", etichetta 100 delle coppie correlate e 100 delle coppie indipendenti come condizione di "foto". Etichettare gli altri stimoli rimanenti come condizione di "parola".
  5. Ottenere gli stimoli foto.
    Nota: Stimoli foto possono essere ottenuti da fonti online (ad esempio, ricerche di immagine del Google) o da altre fonti disponibili allo sperimentatore.
    1. Selezionare le immagini di 2 – 3 per rappresentare ogni parola.
    2. Eseguire il test pilota iniziale avendo uno o più indipendenti valutatori (ad es., studenti, assistenti di ricerca che non sono stati coinvolti nello sviluppo di stimolo) decidono quale immagine meglio rappresenta il concetto.
      1. Aprire tutti i file di immagine potenziali in una volta usando un programma di visualizzazione di foto, poi leggere ad alta voce la parola e chiedi il rater per scegliere l'immagine più rappresentativa. Registra le risposte di ogni rater per ogni parola.
      2. Per ogni parola, individuare l'immagine che la maggior parte dei valutatori selezionati come meglio rappresenta il concetto e utilizza questo file come lo stimolo per quella parola. Se non esiste nessuna maggioranza, selezionare una matrice diversa delle immagini e ripetere il passaggio 1.5.
    3. Utilizzando GIMP (o un altro programma di scelta di fotoritocco), immagini di scala a tutti essere delle stesse dimensioni (circa 400 pixel o 3 – 5 pollici di altezza o larghezza).
      Nota: La dimensione precisa delle immagini può variare a seconda delle dimensioni del monitor saranno presentati stimoli. Angolo orizzontale e visiva degli stimoli deve essere compresa tra 7 e 13 °.
  6. Eseguire test pilota
    1. Pilota di prova coppie parola e nell'immagine chiedendo 3 – 4 valutatori indipendenti (ad esempio, studenti, assistenti di ricerca che non sono stati coinvolti nello sviluppo di stimolo) per ogni coppia di votare come correlati o non correlati.
      1. Programmare l'esperimento in E-Prime (o altro programma di presentazione dello stimolo di scelta) di presentare entrambe le parole sullo schermo in una sola volta, uno sopra l'altro o fianco a fianco. Chiedere ai partecipanti di valutare le parole come correlati o non correlati premendo un pulsante (ad esempio, 1 per 2 correlate, per non correlati). Vedere il manuale E-Prime21 per ulteriori informazioni su come programmare un esperimento in questo pacchetto software.
        Nota: Test pilota può avvenire in laboratorio dove la sperimentazione avrà luogo, o a qualsiasi computer che esegue il programma di presentazione dello stimolo. Nessuna stanza speciale è richiesta.
      2. Ripetere il test pilota (con nuovi valutatori indipendenti che non hanno visto gli stimoli) fino a un insieme di parole e immagini si ottiene con le valutazioni affidabili di correlate e non correlate. Ottenere un totale di 100 coppie di parole correlate, 100 coppie di parole indipendenti, 100 coppie di immagini correlate e 100 coppie di immagini indipendenti.
        Nota: È stato suggerito che gli investigatori utilizzando il componente N400 per indagare la cognizione in popolazioni cliniche raccolgono un minimo di 40 prove utilizzabili per ogni tipo di prova per suscitare un effetto affidabile22. Anticipando che alcune sperimentazioni verranno persi durante il processo di pulizia dei dati, il numero di prove incluse nel paradigma deve essere aumentato. Nel lavoro precedente utilizzando questo paradigma specifico 6, 100 prove per ogni tipo di prova era più che sufficiente per garantire effetti N400 robusti su entrambi un individuo e gruppo base. Perché il componente N400 è simile tra parole e immagini10, questo stimato numero di tipi di prova è consigliabile essere garantita la coerenza tra le modalità.
      3. Conservare un ulteriore 8 paia (4 parole, 4 immagini) per una sessione di pratica (vedi passo 2.2.1below)

2. attività programmazione

  1. Creare liste di stimoli.
    1. Dal set finale di stimoli, ordinare gli stimoli in 8 blocchi. Modalità (parola/immagine) deve essere bloccato (4 blocchi ciascuno).
    2. All'interno di ogni blocco, garantire un numero uguale di stimoli correlati e non correlate.
    3. Manualmente pseudo-casuale presentazione elenchi all'interno di ogni blocco tale che ci sono non più di 5 stimoli correlati o non correlati in una riga, e coppie vicino a vicenda non sono semanticamente correlate. Evitare prove come "carota-broccoli", "mela-pera" immediatamente uno accanto a altro.
  2. Programmare l'attività utilizzando E-Prime, o altri software di presentazione dello stimolo di scelta.
    Nota: Passaggi descritti qui sono specifiche E-Prime e NetStation e sarà diversa se un altro software di presentazione dello stimolo o software di acquisizione di EEG è utilizzato. Consultare il manuale E-Prime21 e le estensioni di E-Prime per NetStation tutorial23 per dettagli più specifici su come programmare un esperimento di EEG in questo pacchetto di software e come abilitare la comunicazione tra E-Prime e NetStation.
    1. Programma due sessioni di prove per i blocchi di immagine e parola (4 coppie), da eseguire prima dell'inizio della sperimentazione.
    2. Una schermata di istruzioni di programma all'inizio della sessione pratica di leggere: "si vedrà due parole presentate sullo schermo uno dopo l'altro. Si prega di provare a sedersi ancora possibile e non lampeggiano mentre le parole vengono presentate. Dopo la coppia è presentata, si vedrà una croce nera sullo schermo. Quando vedete la croce nera, si prega di indicare se le parole erano collegate o no. Premere il tasto 1 se le parole sono correlate. Premere il tasto 2 se le parole non sono correlate. Premere un tasto qualsiasi per avviare la sessione di pratica."
    3. Per ciascuno degli stimoli parola, fare doppio clic sulle icone nella struttura esperimento TextDisplay. Fare clic sull'icona proprietà in alto a sinistra. Nella scheda carattere, selezionare dimensione carattere Courier New 28. Nella scheda generale, selezionare ForeColor come nero e BackColor come bianco per presentare le parole in caratteri neri su sfondo bianco.
      Nota: La dimensione del carattere specifico potrebbe essere necessario essere modificato a seconda della dimensione e la risoluzione del monitor utilizzato per la presentazione. Angolo di visuale orizzontale delle parole dovrebbe essere tra 1 e 6 °.
    4. Per ciascuno degli stimoli foto, fare doppio clic sulle icone diapositiva nella struttura esperimento. Fare clic sull'icona proprietà in alto a sinistra. Nella scheda generale, selezionare BackColor come bianco di presentare immagini su sfondo bianco.
    5. Programma ogni prova di presentare gli stimoli seguenti in questo ordine: una fissazione pre-trial rossa Croce (400 ms); stimolo 1 (1.000 ms); intervallo di interstimulus (schermata bianca vuota 300 ms); stimolo 2 (1.000 ms); schermata vuota (400 ms); intervallo di intertrial (fissazione nera Croce; casualmente stato tra 1.000 – 1.400 ms in intervalli di 100 ms, medio 1200 ms); vedere Figura 1B. Per impostare le durate, fare doppio clic le icone TextDisplay o diapositiva nella struttura esperimento e premere il pulsante Proprietà in alto a sinistra della finestra. Impostare la durata sotto la scheda di ingresso/durata.
      Nota: La schermata vuota è incluso prima dell'intervallo intertrial per fornire una pausa visiva tra il secondo stimolo e la croce nera e per fornire un prompt di sottile per il giudizio imminente relatedness semantico.
    6. Programmare un oggetto di TextDisplay chiamato "Pausa" dopo ogni blocco è completato dicendo "fine del blocco, si prega di prendere una pausa"
  3. Includere i parametri per la comunicazione tra E-Prime e NetStation. Vedere le estensioni E-Prime per NetStation manuale23 per istruzioni specifiche su come includere queste informazioni.
    1. Per ogni oggetto di visualizzazione del testo "parola1" o "parola2", selezionare l'oggetto nella struttura di esperimento. Sotto la finestra "Proprietà", impostare il Tag come "WRD1" o "WRD2", rispettivamente.
    2. Per ogni oggetto diapositiva "picture1" o "Foto2", impostare il Tag come "PIC1" o "Fig2", rispettivamente.
    3. Sotto "senza riferimenti E-oggetti", creare un nuovo elenco denominato "Modo". Immettere i numeri di cellulare come: 1 = foto correlata; 2 = foto indipendente; 3 = parola correlata; 4 = parola non correlato. All'interno dell'elenco prova per ogni blocco, includono una colonna denominata "CellNumber" e immettere i numeri di cellulare corrispondenti per ogni prova secondo condizioni e modalità.

3. EEG test

Nota: Le specifiche procedure qui descritte sono per un sistema EGI. Modalità possono essere diverse se si usano altri sistemi.

  1. Prepararsi per il test di EEG.
    1. Mescolare 2 cucchiaini (10 g) di cloruro di potassio con 1 quarto (1 L) di acqua e 1 cucchiaio (15 mL) di shampoo per bambini in un secchio in plastica trasparente per creare soluzione elettrolitica
    2. Misurare la circonferenza della testa del partecipante, passando per l'inion e nasion, per determinare la dimensione di rete appropriata. Selezionare la rete dimensione appropriata secondo la circonferenza cranica del partecipante.
    3. Immergere gli elettrodi nell'elettrolita soluzione, garantendo che tutte le spugne sono completamente sommerse e lasciate macerare per almeno 5 minuti.
  2. Applicare EEG netto.
    1. Sono partecipante sedersi comodamente su una sedia, lo sperimentatore di fronte. Spiegare al partecipante che si sarà essere mettendo la rete ora, quindi regolarlo e controllare il segnale prima di iniziare il test.
    2. Posizionare gli asciugamani intorno alle spalle del partecipante. Istruire il partecipante nelle vicinanze i loro occhi, quindi applicare net alla testa del partecipante. Regolare la rete e stringere legami per garantire una perfetta aderenza alla testa del partecipante.
    3. Lavoro attraverso tutti gli elettrodi per farli sedere contro il cuoio capelluto. Utilizzare un movimento con l'elettrodo per allontanare i capelli. Asciughino spugne utilizzando una pipetta, se necessario.
    4. Una volta che tutti gli elettrodi sono stati seduti, verifica impedenze. Riposizionare o asciughino eventuali elettrodi con impedenze sopra 50 kiloohm (kΩ).
  3. Esecuzione di priming semantico esperimento durante la registrazione di EEG.
    1. Una volta che la rete è applicata, impedenze sono state controllate e il partecipante è pronto per iniziare, avviare l'operazione di priming semantico.
    2. Ribadire le istruzioni ai partecipanti prima del test. Chiedere ai partecipanti di giudicare se gli stimoli di parola o immagine sono correlati o non correlati premendo un tasto sulla tastiera o sul pulsante-casella. Per evitare artefatti motori segnale EEG di confondimento, istruire i partecipanti ad aspettare a fare la loro risposta fino a quando il secondo stimolo è scomparso dallo schermo e la traversa nera è apparso.
    3. Eseguire la sessione di pratica almeno una volta per assicurarsi che i partecipanti comprendano l'attività.
    4. Dopo ogni 2 isolati, durante la pausa, asciughino elettrodi e ricontrollare impedenze.

4. EEG pre-elaborazione

  1. Strumenti di NetStation aperta.
    Nota: I passaggi descritti qui sono specifici di pre-elaborazione in NetStation 5. Vedere il NetStation 5 manuale24 per maggiori dettagli su come utilizzare gli strumenti NetStation. Altri pacchetti pre-elaborazione possono includere EEGlab, ERPlab, FieldTrip o altri software di scelta dello sperimentatore. Nota che l'ordine preferito di passaggi di pre-elaborazione può differire tra pacchetti software. Osservazione di un effetto non dovrebbe differire di N400 basata sulla scelta del pacchetto di analisi.
  2. Filtrare i dati.
    1. Nella parte inferiore della finestra NetStation strumenti, creare un nuovo strumento di filtraggio selezionando "Filtro" nel menu a discesa 'Crea'. Rinominare lo strumento in modo appropriato.
    2. Impostare il filtro passa-alto a 0,1 Hertz (Hz) e il filtro passa basso a 50 Hz.
      Nota: Il filtro passa-alto può essere inferiore a 0,1 Hz, ma non è consigliabile superare questa frequenza di taglio, per evitare il rischio di introdurre effetti spuri25. Può essere utilizzato un filtro passa-basso basso quanto 30 Hz.
    3. Salvare il tool, quindi trascinare il file originale di registrazione EEG nella casella "File di Input" nella parte superiore sinistra della finestra e premere "Esegui".
  3. Segmentare i dati in prove.
    1. Creare un nuovo strumento di "Segmentazione" e il nome in modo appropriato.
    2. Sotto "Categorie a creare", ha colpito il segno più per creare una nuova categoria e rinominarlo "foto correlata". Trascinare l'icona di "Codice" nella casella "Crea categoria sulla base di criteri" e impostarlo come "Codice è PIC1" tempo-lock per la presentazione dello stimolo 1. Trascinare l'icona "Chiave codice" nella casella "Crea categoria" e impostarlo come "codice chiave cel # è 1".
      1. Per includere soltanto le prove corrette, trascinare un'altra "chiave codice" icona nella casella "Crea categoria" e impostarlo come "Chiave codice eval è 1".
    3. Nella parte inferiore della finestra, impostare la lunghezza del segmento "Estendi segmentare 100 ms prima e 2.300 ms dopo".
      Nota: Segmenti possono essere tempo-bloccata all'insorgenza dello stimolo sia primo o secondo. Se bloccato per il primo stimolo, segmenti dovrebbero estendere 100 ms prima a 2300 ms dopo (per includere durata di presentazione di due stimoli (1.000 ms ogni) più tempo di intervallo Inter-stimolo (ISI) (300 ms)). Se bloccato allo stimolo secondo, segmenti dovrebbero estendere 100 ms prima a 1.000 ms dopo.
    4. Clonare la categoria premendo il pulsante "Clone" e rinominarlo "foto estraneo". Impostare il codice a PIC1 e il codice chiave cel # 2.
    5. Clonare la categoria e rinominarlo "parola correlato". Impostare il codice di WRD1 e il codice chiave cel # 3.
    6. Clonare la categoria e rinominarlo "parola estraneo". Impostare il codice di WRD1 e il codice chiave cel # 4.
    7. Salvare il tool, quindi trascinare il file pre-elaborato più recente nella casella "File di Input" nella parte superiore sinistra della finestra e colpita "Run".
  4. Eseguire il rilevamento di artefatto.
    1. Creare un nuovo strumento di "Rilevamento artefatto" e il nome in modo appropriato.
    2. Sotto "Impostazioni di rilevamento artefatto", ha colpito il segno più nella parte inferiore della finestra per aggiungere una nuova impostazione. Selezionare "Canali Bad" dal menu a discesa sotto "Operazione". Lasciare tutte le impostazioni predefinite (min-max > 200 µV (µV); Tutto il segmento; Media mobile di 80 ms).
    3. Aggiungere una nuova impostazione e selezionare "Occhio Blink" dal menu a discesa "Operazione". Lasciare tutte le impostazioni predefinite (min-max > 140 µV; dimensione finestra 640 ms; media mobile di 80 ms).
    4. Aggiungere una nuova impostazione e selezionare "Eye Movement" dal menu a discesa "Operazione". Lasciare tutte le impostazioni predefinite (max-min > 55 µV; dimensione finestra 640 ms; media mobile di 80 ms).
    5. Salvare il tool, quindi trascinare il file pre-elaborato più recente nella casella "File di Input" nella parte superiore sinistra della finestra e colpita "Run".
    6. Aprire il file risultante in NetStation recensione e scorrere attraverso ogni prova premendo i pulsanti freccia sotto il menu "Categorie" sulla barra laterale di destra. Contrassegnare prove come buono o cattivo di colpire i cerchi verdi o rossi, rispettivamente. Al termine, chiudere il file per salvare i risultati.
  5. Eseguire la sostituzione del canale male.
    1. Creare un nuovo strumento di "Bad Channel Replacement" e il nome in modo appropriato. Nessuna necessità di parametri di essere impostato dall'utente per questo strumento, quindi salvare lo strumento, quindi trascinare il file pre-elaborato più recente nella casella "Input file" nella parte superiore sinistra della finestra e colpita "Run".
  6. Eseguire una media di singolo-oggetto per comprimere nel corso di prove.
    1. Creare un nuovo strumento di "Media" e il nome in modo appropriato. "Una media di impostazioni", selezionare "gestire i file di origine: insieme" e "gestire soggetti: separatamente".
    2. Salvare il tool, quindi trascinare il file pre-elaborato più recente nella casella "File di Input" nella parte superiore sinistra della finestra e colpita "Run".
  7. Dati di riferimento per la media di riferimento26.
    Nota: Il riferimento medio viene utilizzato qui perché EGI fornisce matrice densa EEG (128 e 256 canali). È stato suggerito che media di riferimento utilizzabile con sistemi di registrazione di matrice densa26; altri studi ERP di priming semantico utilizzando reti a 128 o 256 canali hanno utilizzato il riferimento medio6,27,28. Altre scelte di riferimento includono i media di destra e sinistra mastoids, il naso o il lobo dell'orecchio29. Non c'è scelta ottima dell'elettrodo di riferimento, e lo sperimentatore dovrebbe notare che la scelta fra l'elettrodo di riferimento potrebbe influenzare la risultante ERP forme d'onda26,29.
    1. Creare un nuovo strumento di "Operazioni di montaggio" e il nome in modo appropriato.
    2. Selezionare la rete appropriata dal menu a discesa sotto "Elenco montaggi per sensore Layout". Selezionare "Media di riferimento" e assicurarsi che sia selezionata la casella "Escludi canali cattivi da riferimento". Salvare il tool, quindi trascinare il file pre-elaborato più recente nella casella "File di Input" nella parte superiore sinistra della finestra e colpita "Run".
  8. Esegui correzione di linea di base utilizzando i primi 100 ms del segmento10 , 28.
    Nota: Un periodo basale di 200 ms può anche essere usato29.
    1. Creare un nuovo strumento di "Correzione della linea di base" e il nome in modo appropriato.
    2. Sotto "Impostazioni di correzione di base", selezionare "Seleziona la linea di base da parte del segmento", "Select basale rispetto al tempo di segmento = 0" e "Baseline inizia 100 ms prima del tempo zero ed è 100 ms lunga".
    3. Salvare il tool, quindi trascinare il file pre-elaborato più recente nella casella "File di Input" nella parte superiore sinistra della finestra e colpita "Run".

Figure 1

Figura 1 : Esempi sperimentali e timeline. (A) esempi di stimoli immagine e parola. (B) Timeline di presentazione dello stimolo. Questa figura è stata ristampata con il permesso di Coderre et al. 6 Clicca qui per visualizzare una versione più grande di questa figura.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Se gli stimoli sono stati ordinati in modo appropriato in condizioni correlate e non correlate, deve essere osservato un effetto di N400 per stimoli sia di parola e di immagine (Figura 2). Questo è identificabile come una maggior ampiezza negativa in circostanze indipendenti rispetto alle relative condizioni. Per stimoli di parola, l'effetto dovrebbe verificarsi da 300 – 500 ms sopra centrale o centro-parietale del cuoio capelluto6,10. Per stimoli di foto, l'effetto potrebbe essere leggermente precedente o più frontalmente distribuito9,15,16.

Analisi statistiche possono testare il significato dell'effetto N400 confrontando l'ampiezza media tra condizioni correlate e non correlate. Questo può essere eseguito presso un singolo elettrodo o sopra gli elettrodi multipli. L'estensione spaziale dell'effetto può essere valutata includendole tra elettrodo sito e/o lateralità di modelli statistici. Statistica univariata massa (Vedi ad esempio Groppe et al. 30 per i dettagli) può essere utilizzato per valutare il momento esatto dell'effetto o stabilire finestre temporali di interesse per ulteriori analisi. (Si noti che se vengono eseguite le analisi multiple, risultati dovranno essere regolati per correggere per i confronti multipli. Il metodo di statistica univariata massa descritto da Groppe et al. 30 comprende diverse opzioni per tali correzioni).

Per gli investigatori usando questo paradigma ERP di priming semantico per studiare l'elaborazione semantica in popolazioni cliniche, è importante anche raccogliere dati da un gruppo di controllo di TD. Il gruppo di controllo dovrebbe mostrare gli effetti descritti N400 per condizioni di immagine e di parola. Tuttavia, popolazioni cliniche può mostrare ridotte o assente N400 effetti a una o entrambe le condizioni (Figura 3). Per determinare se la grandezza dell'effetto N400 differisce tra controlli e popolazioni cliniche, il gruppo può essere incluso come un fattore tra soggetti i modelli statistici. Un effetto significativamente minore N400 in una popolazione clinica indicherebbe la difficoltà con l'elaborazione semantica. Differenze nella distribuzione timing o cuoio capelluto dell'effetto possono anche indicare le differenze di trattamento tra i gruppi.

Anche se i risultati rappresentativi sopra descritti sono a livello di gruppo, in linea con la maggior parte delle ricerche sull'effetto N400, questo componente è abbastanza robusto e spesso può essere osservato su un singolo-oggetto livello31,32. Soprattutto per popolazioni cliniche quali individui con ASD, informazioni sulla capacità di elaborazione semantica di un singolo individuo potrebbero essere altamente desiderabile. Gli investigatori dovrebbero essere consapevoli, tuttavia, che gli individui con ASD possono avere dati EEG intrinsecamente più rumorosi oltre TD individui33 (anche se vedere riferimento34), che può precludere affidabili singolo-oggetto effetti in taluni partecipanti. Per i ricercatori interessati a valutare gli effetti di singolo-oggetto, test di permutazione può essere eseguita per valutare la significatività statistica di effetti all'interno di un singolo individuo. Brevemente, in tale metodo uno sarebbe eseguire molti (ad esempio, 5.000) iterazioni in quale condizione etichette (correlate di estranei) sono permutate tra prove individuali. Per ogni permutazione, le condizioni quindi sono confrontate statisticamente. Le statistiche da ogni permutazione sono utilizzate per creare una distribuzione null di statistiche del test, con cui viene confrontato il risultato statistico della prova osservati per derivare un risultato di importanza.

Figure 2
Figura 2 : Condizioni e condizioni di foto (B) di word rappresentante N400 effetti in risposta allo stimolo secondo in ciascuna coppia per (A). Dati sono calcolato in media su un gruppo di 20 TD adulti (dati prelevati da Coderre et al. 6). pre-elaborazione è stata eseguita utilizzando una media di riferimento. Pannello superiore: forme d'onda rappresentante ERP a elettrodo Cz mostrando una maggiore ampiezza di circostanze indipendenti rispetto alle condizioni correlate alle circa 400 ms (negativo viene tracciata fino). Pannelli di fondo: trame topografiche della differenza estranei-correlati, calcolato in media su una finestra da 400 – 500 ms (distribuzione precisa può cambiare con la scelta di riferimento). Piazzole topografica, la parte superiore della figura indica la parte anteriore della testa. Clicca qui per visualizzare una versione più grande di questa figura.

Figure 3
Figura 3 : Le differenze di gruppo rappresentativo in effetti N400 per condizioni di parola all'elettrodo Cz. Dati sono in media più di un gruppo di 20 TD adulti e 20 adulti con ASD (dati prelevati da Coderre et al. 6). pre-elaborazione è stata eseguita utilizzando una media di riferimento. Gruppi clinici, quali individui con ASD, possono mostrare un effetto minore N400 in risposta alle parole, che suggerisce le difficoltà con l'elaborazione lexico-semantica.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Il presente libro è segnalata fasi critiche nello sviluppo di un paradigma ERP di priming semantico con immagine e parola stimoli per esplorare i deficit di elaborazione semantica in individui con ASD. Passaggi principali includono gli stimoli di creazione, l'attività di programmazione e l'esecuzione EEG test e analisi. La parte più lunga di questa procedura rischia di essere la creazione di stimoli, in quanto ciò richiede attenta corrispondenza tra e all'interno di coppie di stimolo, condizioni e modalità su variabili come la lunghezza, la frequenza e il relatedness semantico. Come tale, una notevole quantità di test pilota saranno probabilmente necessari per garantire che il set di stimolo finale sia appropriato.

Nonostante i suggerimenti inclusi qui, e il preventivo lavoro che questo metodo è basata fuori6, testato adulti con e senza ASD (età 18-68), questo paradigma potrebbe essere facilmente esteso per bambino o popolazione adolescenziale. Infatti, altri studi hanno utilizzato il priming semantico simile EEG paradigmi in bambini con e senza ASD per confrontare l'elaborazione semantica tra le modalità3. Parecchie considerazioni avrebbero bisogno di essere presi in considerazione quando si modificano per diverse età e fasi di sviluppo. Ad esempio, il set di stimolo potrebbe essere limitato alle parole di alto-frequenza per garantire che tutti i bambini conoscere i significati di tutti gli stimoli (Vedi paragrafo successivo). Altre modifiche potrebbero essere fatto anche al paradigma test per garantire la qualità di dati adeguati da bambino o adolescente partecipanti, ad esempio con più pause, offrendo incentivi o per visualizzare video breve al completamento di un blocco di stimoli.

Diversi fattori riguardanti il metodo qui descritto e il lavoro precedente sono importanti da notare. In primo luogo, il lavoro anteriore6 è stato effettuato in un gruppo di adulti che avevano media superiore alla media lingua e funzioni intellettuali. Una limitazione di questo paradigma è che può essere utilizzato solo con gli individui che hanno familiari con le parole o le immagini viene presentati. Lavoro precedente ha dimostrato che gli effetti N400 non si verificano se l'elemento lessicale è di fuori vocabolario gamma32,35 dell'individuo. Pertanto è importante che i partecipanti o hanno le abilità verbali e lettura media a superiore alla media, o che la cura è presa per assicurarsi che tutti gli stimoli utilizzati nell'esperimento cadano all'interno della gamma di vocabolario dell'individuo. In quest'ultimo caso, ciò potrebbe comportare la somministrazione di un test di vocabolario dopo la sessione di EEG prova la conoscenza dell'individuo di tutte le parole utilizzate nell'esperimento. Nel caso di parole che l'individuo non sa, queste prove potrebbero essere rimossi da un'ulteriore analisi. Purtroppo, perché la disabilità intellettiva e competenze linguistiche alterata sono un co-avvenimento comune in individui con ASD1,36, questi requisiti per la lingua e le abilità di lettura significherà che gli individui che hanno anche disabilità intellettive o abilità linguistiche sotto la media non sarà in grado di partecipare. Ulteriori modifiche al paradigma che permetterà per la prova di questi individui più gravi dovrebbero essere considerate in futuro.

È importante notare che il metodo qui descritto non considera diversi tipi di relazioni semantiche tra le prime e la destinazione. Alcuni studi hanno trovato che la grandezza dell'effetto priming semantico è modulata dal tipo di rapporto (ad es., associativo vs "puro", avanti vs indietro, mediata vs diretta)8. Nella metodologia attuale, questi vari tipi di relazioni primo bersaglio non sono considerati. Tuttavia, per i ricercatori interessati ad esplorare i loro effetti, questo potrebbe essere un ulteriore passaggio nella creazione di stimolo.

È inoltre notabile che il metodo qui descritto indica i partecipanti di esprimere un giudizio di relatedness semantico durante l'attività. La natura esplicita di questo compito può indurre strategie che potrebbero influire sui risultati. Per esempio, chiedendo ai partecipanti di prestare attenzione alle relazioni semantiche tra stimoli potrebbe attenuare gli effetti di gruppo6. Utilizzando questo paradigma di ricerca futura verrà modificato per includere un design di elaborazione semantica implicita, ad esempio in cui i partecipanti premere un pulsante ogni volta che una parola animale è presentato o semplicemente guardare le parole e le immagini che appaiono sullo schermo. Priming semantico N400 effetti sono stati osservati in assenza di esplicita attività3, quindi questo tipo di manipolazione deve ancora produrre effetti osservabili e possono anche rivelare le differenze del gruppo nel priming semantico implicito.

Decenni di ricerche hanno stabilito il paradigma di priming semantico come un modo prezioso di studiare l'elaborazione semantica. L'affidabilità di questo compito attraverso diverse modalità rende particolarmente prezioso per studiare come lexico-semantico ed elaborazione visuo-semantiche può differire. Tale confronto tra modalità è particolarmente utile in determinate popolazioni cliniche come ASD, in cui i deficit di priming semantico possono essere limitati ai domini in lingua. Confrontando e contrastanti effetti di priming semantico e N400 effetti tra i gruppi e le modalità, gli investigatori possono stabilire se il presunto deficit in elaborazione semantica in ASD sono limitate al dominio linguistico o sono rappresentativi di una più disfunzione semantica globale.

L'estensione del paradigma priming semantico per EEG inoltre fornisce informazioni preziose nei meccanismi neurali alla base di elaborazione semantica e può fornire informazioni aggiuntive che non è possibile acquisire le risposte comportamentali. A causa del volume di informazioni spaziali e temporali che si ottiene con EEG, questo metodo può rivelare più sottili differenze di elaborazione semantica rispetto a quanto dovrebbe essere osservato con risposte comportamentali. Per esempio, nello studio precedente utilizzando questo paradigma, Coderre et al. 6 che ha trovato un N400 effetto accadere nel gruppo ASD in risposta a stimoli di parola, in contrasto con la letteratura precedente; Tuttavia, sottili differenze nella definizione dei tempi e topografia dell'effetto ha suggerito che i due gruppi erano utilizzando diversi meccanismi cognitivi per l'elaborazione semantica. In somma, un compito ERP di priming semantico con parole e immagini possa essere utile per studiare l'elaborazione semantica dominio-generale, sia in individui di TD e in popolazioni cliniche.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

L'autore non ha nulla di divulgare.

Acknowledgments

Sviluppo di questo paradigma è stato sostenuto dal fondo di Neuroscienze Cognitive terapeutico e Benjamin e orjon Miller famiglia Endowment su invecchiamento, Alzheimer e ricerca sull'autismo.

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