मैग्नेटोएन्सेफेलोग्राफी के साथ वस्तु धारणा पर पूर्व-उत्तेजक स्रोत-स्तर प्रभाव का पता लगाना

Neuroscience
 

Summary

यह आलेख वर्णन करता है कि कैसे एक प्रयोग है कि चुंबकीय मस्तिष्क विज्ञान (एमईजी) का उपयोग कर वस्तु धारणा पर पूर्व उत्तेजना स्रोत स्तर प्रभावों का पता लगाने की अनुमति देता है स्थापित करने के लिए. यह प्रोत्साहन सामग्री, प्रयोगात्मक डिजाइन, एमईजी रिकॉर्डिंग, और डेटा विश्लेषण को शामिल किया गया।

Cite this Article

Copy Citation | Download Citations

Rassi, E., Fuscà, M., Weisz, N., Demarchi, G. Detecting Pre-Stimulus Source-Level Effects on Object Perception with Magnetoencephalography. J. Vis. Exp. (149), e60120, doi:10.3791/60120 (2019).

Please note that all translations are automatically generated.

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

Abstract

पूर्व उत्तेजना दोलनीय मस्तिष्क गतिविधि आगामी धारणा को प्रभावित करती है. इस पूर्व-उत्तेजना गतिविधि की विशेषताओं से यह अनुमान लगाया जा सकता है कि क्या लगभग थ्रेसहोल्ड उद्दीपक को माना जाएगा या नहीं, लेकिन क्या वे यह भी भविष्यवाणी कर सकते हैं कि विभिन्न प्रत्यक्ष-क्रियात्मक विषय-वस्तु के साथ दो प्रतिस्पर्धी उद्दीपकों में से एक को कौन सा माना जाता है? अस्पष्ट दृश्य उत्तेजनाओं, जो एक समय में दो संभव तरीकों में से एक में देखा जा सकता है आदर्श इस सवाल की जांच करने के लिए उपयुक्त हैं. मैग्नेटोएन्सेफेलोग्राफी (एमईजी) एक न्यूरोफिजियोलॉजिकल माप तकनीक है जो मस्तिष्क की गतिविधि के परिणामस्वरूप उत्सर्जित चुंबकीय संकेतों को रिकॉर्ड करती है। एमईजी के मिलीसेकंड अस्थायी संकल्प के रूप में छोटे रूप में दर्ज डेटा के 1 सेकंड के रूप में दोलनात्मक मस्तिष्क राज्यों की एक विशेषता के लिए अनुमति देता है. अस्पष्ट उत्तेजना शुरुआत से पहले 1 सेकंड के आसपास एक खाली स्क्रीन प्रस्तुत इसलिए एक समय खिड़की जिसमें एक जांच कर सकते हैं कि क्या पूर्व उत्तेजना दोलनात्मक गतिविधि आगामी धारणा की सामग्री पूर्वाग्रहों प्रदान करता है, के रूप में प्रतिभागियों द्वारा संकेत दिया' रिपोर्ट. एमईजी का स्थानिक संकल्प उत्कृष्ट नहीं है, लेकिन सेंटीमीटर पैमाने पर मस्तिष्क गतिविधि के स्रोतों को स्थानीय बनाने के लिए पर्याप्त है। एमईजी गतिविधि के स्रोत पुनर्निर्माण तो ब्याज के विशिष्ट क्षेत्रों के दोलन गतिविधि के बारे में hypotheses परीक्षण के लिए अनुमति देता है, साथ ही समय और आवृत्ति ब्याज के क्षेत्रों के बीच कनेक्टिविटी हल. वर्णित प्रोटोकॉल दृश्य धारणा पर सहज, चल रहे मस्तिष्क गतिविधि के प्रभाव की एक बेहतर समझ में सक्षम बनाता है.

Introduction

मस्तिष्क की अवस्थाएँ पूर्ववर्ती उद्दीपक प्रस्तुति उस प्रकार को प्रभावित करती हैं जिसके उद्दीपकों को प्रत्यक्षण1,2,3,4से संबद्ध तंत्रिका अनुक्रियाओं के रूप में भी माना जाता है . उदाहरण के लिए, जब एक उत्तेजना अवधारणात्मक सीमा के करीब एक तीव्रता के साथ प्रस्तुत किया जाता है (के पास थ्रेसहोल्ड), पूर्व उत्तेजना तंत्रिका दोलन शक्ति, चरण, और कनेक्टिविटी को प्रभावित कर सकते हैं कि क्या आगामी उत्तेजना माना जाएगा या नहीं माना जाताहै 5 6,7,8,9,10. ये पूर्व-उत्तेजक संकेत धारणा के अन्य पहलुओं को भी प्रभावित कर सकते हैं, जैसे अवधारणात्मक वस्तु सामग्री।

लोगों को अस्पष्ट छवि के साथ प्रस्तुत करना , जिसकी व्याख्या दो में से एक तरीके से की जा सकती है , वस्तु धारणा11की जांच करने का एक आदर्श तरीका है . इसका कारण यह है कि प्रत्यक्षण की व्यक्तिपरक विषय-वस्तु दो वस्तुओं में से एक हो सकती है, जबकि वास्तविक उद्दीपक अपरिवर्तित रहता है। इसलिए एक परीक्षण जिस पर लोगों को उत्तेजना के अन्य संभव व्याख्या बनाम perceiving की सूचना के बीच दर्ज मस्तिष्क संकेतों में अंतर का आकलन कर सकते हैं. रिपोर्टों को देखते हुए, एक भी जांच कर सकते हैं कि क्या उत्तेजना शुरुआत से पहले मस्तिष्क राज्यों में कोई मतभेद थे.

मैग्नेटोएन्सेफेलोग्राफी (एमईजी) एक कार्यात्मक न्यूरोइमेजिंग तकनीक है जो मस्तिष्क में विद्युत धाराओं द्वारा उत्पादित चुंबकीय क्षेत्र को रिकॉर्ड करती है। जबकि रक्त-ऑक्सीजन स्तर निर्भर (BOLD) प्रतिक्रियाओं सेकंड के एक timescale पर हल, एमईजी millisecond संकल्प प्रदान करता है और इसलिए बहुत तेजी से timescales पर होने वाले मस्तिष्क तंत्र की जांच की अनुमति देता है. एमईजी का एक संबंधित लाभ यह है कि यह रिकॉर्ड किए गए डेटा की छोटी अवधि से मस्तिष्क राज्यों की विशेषता की अनुमति देता है, जिसका अर्थ है प्रयोगात्मक परीक्षणों को इस तरह छोटा किया जा सकता है कि कई परीक्षण एक प्रयोगात्मक सत्र में फिट हो जाते हैं। इसके अलावा, एमईजी आवृत्ति-डोमेन विश्लेषण के लिए अनुमति देता है जो दोलन गतिविधि को उजागर कर सकता है।

अपने उच्च लौकिक संकल्प के अलावा, एमईजी अच्छा स्थानिक संकल्प प्रदान करता है। स्रोत पुनर्निर्माण तकनीक12के साथ, एक स्रोत अंतरिक्ष के लिए सेंसर स्तर डेटा परियोजना कर सकते हैं. यह तो हितों के निर्दिष्ट क्षेत्रों की गतिविधि के बारे में hypotheses परीक्षण सक्षम बनाता है. अंत में, जबकि सेंसर अंतरिक्ष में संकेत अत्यधिक सहसंबद्ध हैं और इसलिए सेंसर के बीच कनेक्टिविटी सही मूल्यांकन नहीं किया जा सकता है, स्रोत पुनर्निर्माण ब्याज के क्षेत्रों के बीच कनेक्टिविटी के आकलन के लिए अनुमति देता है क्योंकि यह कम कर देता है स्रोत संकेतों के बीच सहसंबंध13| इन कनेक्टिविटी अनुमान ों को समय और आवृत्ति डोमेन दोनों में हल किया जा सकता है।

इन लाभों को देखते हुए, एमईजी आदर्श ब्याज के निर्दिष्ट क्षेत्रों में वस्तु धारणा पर पूर्व उत्तेजना प्रभाव की जांच करने के लिए अनुकूल है. वर्तमान रिपोर्ट में हम इस तरह के एक प्रयोग और एमईजी अधिग्रहण सेट-अप, साथ ही स्रोत पुनर्निर्माण को लागू करने और दोलन गतिविधि और कनेक्टिविटी का आकलन करने के तरीके को कैसे डिज़ाइन करें, यह वर्णन करेंगे।

Protocol

वर्णित प्रोटोकॉल साल्ज़बर्ग विश्वविद्यालय में मानव अनुसंधान नैतिकता समिति के दिशा निर्देशों का पालन करता है, और हेलसिंकी की घोषणा के अनुसार है.

1. प्रोत्साहन सामग्री तैयार करें

  1. डाउनलोड रुबिन चेहरे की एकछवि / यह आधे प्रतिभागियों को दिखाया जाएगा।
  2. मूल काले और सफेद बाइनरी रुबिन छवि को उलटा करने के लिए Matlab कमांड का उपयोग करें - मूल छवि (काले पृष्ठभूमि के बजाय सफेद पृष्ठभूमि) के संबंध में फ़्लिप काले और सफेद रंग के साथ एक दूसरा रूबिन चेहरा / यह प्रतिभागियों के दूसरे आधे को दिखाया जाएगा.
  3. बेतरतीब ढंग से रूबिन छवि के पिक्सल के ब्लॉक scrambling द्वारा एक मुखौटा बनाएँ. स्पष्ट समोच्च सुविधाओं को छिपाने के लिए पर्याप्त छोटे हैं कि वर्ग ब्लॉकों में छवि विभाजित करें, उदाहरण के लिए 2% और मूल छवि के आकार के 5% के बीच (5 द्वारा 5 पिक्सल 250 द्वारा 250 की एक छवि से बाहर), तो बेतरतीब ढंग से मुखौटा बनाने के लिए उन्हें फेरबदल.
  4. एक सफेद पृष्ठभूमि पर एक काला निर्धारण क्रॉस बनाएँ, इस तरह है कि निर्धारण पार रूबिन छवि (दृश्य कोण के 5 डिग्री से कम) से छोटा है।

2. एमईजी और उत्तेजना उपकरण सेट अप करें

  1. प्रोत्साहन प्रस्तुति कंप्यूटर प्रोजेक्टर से कनेक्ट करें। (डेटा के लिए) एक यूएसबी optoisolated एक्सटेंशन के माध्यम से DLP एलईडी प्रोजेक्टर नियंत्रक कनेक्ट करें, और एक डिजिटल दृश्य इंटरफ़ेस (DVI) केबल (उत्तेजनाओं के लिए).
  2. इसे भेजने और ट्रिगर्स प्राप्त करने देने के लिए प्रोत्साहित प्रस्तुति कंप्यूटर के लिए MEG अधिग्रहण कंप्यूटर से कनेक्ट करें। एकीकृत उद्दीपक प्रस्तुति प्रणाली के डिजिटल इनपुट/आउटपुट(डीओओ) प्रणाली (बटन ों और ट्रिगर्स, 2x मानक D24 कनेक्टर्स) को ऑप्टोएलेटेड बीएनसी ब्रेकआउट बॉक्स पर एमईजी कनेक्टर में प्लग करें।
  3. 1 kHz पर खाली कमरे एमईजी डेटा के 1 मिनट रिकॉर्ड करें।
  4. अधिग्रहण कंप्यूटर पर वास्तविक समय में सभी संकेतों visualizing द्वारा 102 विभिन्न स्थितियों पर 102 magnetometers और 204 ऑर्थोगोनली रखा planar gradiometers से संकेतों की निगरानी.

3. एमईजी प्रयोग के लिए प्रतिभागी तैयार करें

नोट: एमईजी डेटा अधिग्रहण का विवरण पहले15वर्णित किया गया है।

  1. सुनिश्चित करें कि प्रतिभागी हेलसिंकी की घोषणा के अनुसार सूचित सहमति को समझता है और उन्हें उस फॉर्म पर हस्ताक्षर करता है जिसमें व्यक्तिगत डेटा के प्रसंस्करण के लिए सहमति का एक विवरण भी शामिल है।
  2. प्रतिभागी को गैर-चुंबकीय वस्त्र प्रदान करें और सुनिश्चित करें कि उनके शरीर में या उनके शरीर पर कोई धातु की वस्तुएं नहीं हैं। प्रतिभागियों से यह सुनिश्चित करने के लिए एक और अनाम प्रश्नावली भरने के लिए कहें, और यह कि प्रतिभागी के पास न्यूरोलॉजिकल विकारों जैसे कोई अन्य बहिष्करण मानदंड नहीं है, और अन्य व्यक्तिगत डेटा जैसे हाथ और आराम के स्तर को दस्तावेज़ में दस्तावेज़ करना है।
  3. प्रतिभागी को गैर-फेरोमैग्नेटिक (लकड़ी) कुर्सी पर बैठाइए। चिपकने वाला प्लास्टर के साथ सिर करने के लिए 5 सिर की स्थिति सूचक (HPI) कुंडल संलग्न, एक आंख के ऊपर दो, दूसरी आंख के ऊपर एक, और प्रत्येक कान के पीछे एक.
  4. डिजिटलीकरण प्रणाली के ट्रैकर सेंसर को प्रतिभागी के सिर पर मजबूती से रखें और अधिकतम स्थिरता के लिए चश्मे ंको को ठीक करें।
    नोट: एक 3 डी digitizer इस्तेमाल किया गया था (सामग्रीकीतालिका).
  5. शारीरिक स्थलों, बाएँ और दाएँ पूर्व-कर्णिक अंक और nasion digitize, और सुनिश्चित करें कि बाएँ और दाएँ पूर्व auricular अंक सममित हैं. ये fiducials 3 डी निर्देशांक फ्रेम को परिभाषित.
  6. 3D डिजिटाइज़र स्टाइलस का उपयोग करके 5 HPI कुंडली पदों को डिजिटाइज़ करें।
  7. खोपड़ी के साथ 300 अंक तक Digitize और सिर के आकार के कवरेज को अधिकतम. चुंबकीय अनुनाद (एमआर) छवियों पर खोपड़ी के अच्छी तरह से परिभाषित क्षेत्रों को कवर, पीठ पर आयन और मोर्चे पर nasion के ऊपर, साथ ही नाक पुल.
    नोट: इन बिंदुओं को बेहतर व्यक्तिगत स्रोत पुनर्निर्माण के लिए एक शारीरिक छवि के साथ सह-पंजीकरण के लिए इस्तेमाल किया जाएगा।
  8. ट्रैकर सेंसर के साथ चश्मा निकालें।
  9. ऊपर डिस्पोजेबल इलेक्ट्रोड संलग्न करें (सुपरसिलरी चाप) और नीचे (युग्मज जंभिका हड्डी के लिए मध्य) ऊर्ध्वाधर आंख आंदोलनों पर नजर रखने के लिए सही आंख।
  10. क्षैतिज आंख की बाईं ओर और सही आंख के दाईं ओर डिस्पोजेबल इलेक्ट्रोड संलग्न करें (युग्मज जंभिका हड्डी के लिए पृष्ठीय) क्षैतिज आंख आंदोलनों पर नजर रखने के लिए।
  11. दिल की दर पर नजर रखने के लिए दिल के नीचे और सही कॉलरबोन के नीचे डिस्पोजेबल इलेक्ट्रोड संलग्न करें।
    नोट: आँखें और दिल के संकेत अपेक्षाकृत मजबूत हैं, इसलिए डिस्पोजेबल इलेक्ट्रोड के प्रतिबाधा की जाँच आवश्यक नहीं है।
  12. गर्दन के नीचे एक जमीन के रूप में एक डिस्पोजेबल इलेक्ट्रोड संलग्न करें।
  13. एमईजी परिरक्षित कमरे में प्रतिभागी को एस्कॉर्ट करें और उन्हें एमईजी कुर्सी पर बैठने के लिए निर्देश दें।
  14. HPI तारों दोहन और एमईजी प्रणाली में डिस्पोजेबल इलेक्ट्रोड प्लग.
  15. कुर्सी इस तरह उठाएँ कि प्रतिभागी का सिर एमईजी हेलमेट के शीर्ष को छूता है और सुनिश्चित करें कि प्रतिभागी इस स्थिति में सहज है।
  16. परिरक्षित कमरे के लिए दरवाजा बंद करो और अंदर और परिरक्षित कमरे के बाहर intercom प्रणाली के माध्यम से भागीदार के साथ संवाद.
  17. 1 kHz पर आराम राज्य एमईजी डेटा रिकॉर्डिंग करते समय 5 मिनट के लिए एक खाली स्क्रीन (एक केंद्रीय निर्धारण पार के लिए छोड़कर खाली) पर निष्क्रिय घूरना करने के लिए प्रतिभागी को निर्देश। प्रयोग के दौरान नमूना दर 1 kHz पर रखें.
  18. कार्य आवश्यकताओं के सहभागी को निर्देश दें और उन्हें 20 अभ्यास परीक्षण करें.
    नोट: उदाहरण के निर्देश: "हर समय स्क्रीन के केंद्र में अपने निर्धारण रखें. एक क्रॉस दिखाई देगा, और क्रॉस गायब होने के बाद, आप एक तले हुए छवि के बाद एक छवि देखेंगे। जैसे ही तले हुए छवि गायब हो जाता है, पीले बटन पर क्लिक करें यदि आप चेहरे और हरे बटन देखा था अगर आप एक फूलदान देखा था।
  19. प्रतिभागियों में प्रतिक्रिया बटन वैकल्पिक करें (उदा., चेहरे के लिए दाएँ, फूलदान के लिए छोड़ दिया, या इसके विपरीत).
    नोट: प्रतिक्रिया बटन का रंग कोई फर्क नहीं पड़ता।

4. साइक्टूलबॉक्स 16 का उपयोग करके प्रयोग प्रस्तुत करें

  1. प्रतिभागियों को निर्देश प्रदर्शित करें, उन्हें बता रहा है जो बटन प्रेस करने के लिए जब वे चेहरे देखते हैं और जो बटन प्रेस करने के लिए जब वे एक फूलदान देखते हैं.
  2. 4 घटनाओं जो इस क्रम में सभी परीक्षणों के लिए लागू होगा के साथ एक एकल परीक्षण बनाएँ: निर्धारण पार, रुबिन छवि, मुखौटा, और प्रतिक्रिया संकेत (चित्र 1).
  3. प्रत्येक परीक्षण की शुरुआत में, 1 s और 1.8 s के बीच एक चर समय अवधि के लिए निर्धारण क्रॉस प्रदर्शित करें।
  4. उस समय अवधि के अंत में, निर्धारण क्रॉस निकालें और 150 ms के लिए रूबिन छवि प्रदर्शित करें।
  5. 150 ms के अंत में, रुबिन छवि को हटाने और 200 एमएस के लिए मुखौटा प्रदर्शित करते हैं.
  6. 200 एमएस के अंत में, मुखौटा निकालें और प्रतिभागियों को 2 s की अधिकतम प्रतिक्रिया समय सीमा के साथ प्रतिक्रिया करने के लिए संकेत करने के लिए एक प्रश्न प्रदर्शित करें।
  7. प्रोग्राम प्रतिसाद अवधि इस तरह है कि यदि प्रतिभागी 2 s के भीतर प्रतिसाद देते हैं, तो अगला परीक्षण (एक निर्धारण क्रॉस से प्रारंभ) तब शुरू होता है जब वे ऐसा करते हैं. अन्यथा, 2 s के बाद अगला परीक्षण प्रारंभ करें।
  8. सभी 4 घटनाओं के समय के साथ ही प्रतिक्रिया पसंद और उसके समय को बचाओ.
  9. प्रतिभागियों के लिए कुछ समय के लिए आराम करने के लिए एक अनुदेश प्रदर्शित करने से पहले एक ही परीक्षण संरचना 100 बार दोहराएँ। यह एक प्रयोगात्मक ब्लॉक का गठन किया.
  10. ब्लॉक संरचना दोहराएँ 4 बार 400 परीक्षणों की कुल के लिए.

5. मॉनिटर एमईजी संकेत और प्रयोग के दौरान भागीदार

  1. वीडियो के माध्यम से भागीदार की निगरानी करें।
  2. प्रत्येक ब्लॉक की शुरुआत में, कार्य शुरू होने से पहले, एमईजी डेटा को मापने शुरू करें और एमईजी के संबंध में प्रतिभागियों के सिर की स्थिति की प्रारंभिक स्थिति को रिकॉर्ड करें। उपयोग किए गए एमईजी सिस्टम में, प्रारंभ करने के लिए GO क्लिक करें. जब कोई संवाद पूछता है कि क्या HPI डेटा को छोड़ा या रिकॉर्डिंग में जोड़ा जाना है, तो HPI coils संकेत का निरीक्षण करें, और उस प्रारंभिक शीर्ष स्थिति को रिकॉर्ड करने के लिए स्वीकार करें क्लिक करें. उसके बाद, एमईजी डेटा रिकॉर्ड करना प्रारंभ करने के लिए अपुष्ट रिकॉर्ड करें क्लिक करें।
  3. यदि प्रयोग के दौरान किसी भी बिंदु पर प्रतिभागी प्रयोग को रोकना चाहता है, तो प्रयोग को समाप्त करें और एमईजी प्रणाली से सभी सेंसरों को अनप्लग करने और प्रतिभागी को कुर्सी से मुक्त करने के लिए परिरक्षित कमरे के अंदर जाएं।
  4. उन्हें अधिग्रहण कंप्यूटर पर वास्तविक समय में visualizing द्वारा एमईजी संकेतों की निगरानी.
  5. ब्लॉकों के बीच में, वक्ता प्रणाली के माध्यम से भागीदार के साथ संवाद करने के लिए सुनिश्चित करें कि वे अच्छी तरह से कर रहे हैं और जारी रखने के लिए तैयार है, और उन्हें निर्देश उनके अंगों को स्थानांतरित करने के लिए अगर वे चाहते हैं, लेकिन उनके सिर नहीं.
  6. ब्लॉक के बीच में, उस ब्लॉक के अधिग्रहीत एमईजी संकेतों को सहेजें।
  7. प्रयोग के अंत के बाद, परिरक्षित कमरे के अंदर जाओ, एमईजी प्रणाली से सभी सेंसर अनप्लग करें, और कुर्सी से भागीदार जारी.
  8. परिरक्षित कमरे से बाहर भागीदार एस्कॉर्ट और उन्हें या तो उनके चेहरे और शरीर से सभी सेंसर खुद को अलग करने के लिए विकल्प प्रदान करते हैं, या उनके लिए सेंसर अलग.
  9. भागीदार का धन्यवाद और उन्हें मौद्रिक मुआवजा प्रदान करते हैं।

6. पूर्व प्रक्रिया और खंड एमईजी संकेतों

  1. सतत एमईजी संकेतों से बाहरी शोर को निकालने के लिए डिफ़ॉल्ट पैरामीटर मानों के साथ Maxfilter प्रोग्राम (एमईजी निर्माता द्वारा प्रदान) में लागू सिग्नल स्थान पृथक्करण एल्गोरिथ्म का उपयोग करें।
  2. Fieldtrip उपकरण बॉक्स17 फ़ंक्शन ft-preprocessing का उपयोग कर निरंतर डेटा के लिए एक 0.1 हर्ट्ज उच्च-पास फ़िल्टर लागू करें।
    नोट: सभी बाद में रिपोर्ट कार्यों के साथ उपसर्ग 'ft'' Fieldtrip उपकरण बॉक्स का हिस्सा हैं.
  3. प्रत्येक परीक्षण पर प्रोत्साहन प्रस्तुति से पहले 1 सेकंड निकालने के द्वारा एमईजी डेटा खंड।
  4. प्रत्येक परीक्षण पर प्रतिभागियों के व्यवहार प्रतिक्रियाओं के अनुसार इन युगों को एक 'चेहरा' या 'वास' परीक्षण प्रकार लेबल असाइन करें।
  5. नेत्रहीन परीक्षण ों और चैनलों का निरीक्षण करने की पहचान करने के लिए और शोर या कलाकृतियों से अधिक दिखा उन लोगों को दूर करने के लिए, कलाकृतियों की प्रकृति की परवाह किए बिना, ft-rejectvisual का उपयोग कर.
  6. zScore पर क्लिक करके और 3या अतिरिक्त विचरण के साथ परीक्षण के मूल्य से अधिक परीक्षण और चैनलों का चयन var क्लिक करने के बाद दिखा outliers को हटाने के द्वारा 3 से ऊपर z-स्कोर के साथ परीक्षण और चैनलों को अस्वीकार करें। इस प्रक्रिया से पहले या बाद में सभी परीक्षणों के लिए एमईजी संकेत का निरीक्षण करें।

7. स्रोत पुनर्निर्माण

  1. Fieldtrip में कार्यान्वित बीमफॉर्मिंग प्रक्रिया में सामान्य रैखिक विवश न्यूनतम विचरण12 स्थानिक फ़िल्टर प्राप्त करने के लिए स्रोत स्थानीयकरण करने के लिए दोनों परीक्षण प्रकार शामिल करें।
  2. बैंड-पास 1 और 40 हर्ट्ज के बीच इस मामले में, ब्याज की आवृत्तियों के लिए युगांत डेटा फिल्टर।
  3. सहप्रसरण मैट्रिक्स की गणना करने के लिए ब्याज के समय का चयन करें, इस मामले में 1 सेकंड prestimulus अवधि.
    नोट: परिणामी डेटा खंड (-1 से 0 s और 1 से 40 हर्ट्ज के बीच चयनित) डेटा इनपुट की आवश्यकता होती है जो सभी निम्न चरणों में उपयोग किए जाते हैं।
  4. मस्तिष्क और खोपड़ी को अलग-अलग संरचनात्मक एमआर छवियों से बाहर खंड के साथ ft-volumesegment. यदि उपलब्ध नहीं है, तो एक मानक T1 का उपयोग करें (सांख्यिकीय पैरामीट्रिक मानचित्रण से [SPM] उपकरण बॉक्स) मॉन्ट्रियल न्यूरोलॉजी संस्थान (MNI, मॉन्ट्रियल, क्यूबेक, कनाडा) मस्तिष्क स्कैन के बजाय.
  5. प्रत्येक भागीदार के लिए एक यथार्थवादी एकल खोल सिर मॉडल का उपयोग कर बनाएँ ft[prepare]headmodel.
  6. अलग-अलग एमआर छवियों पर, छवि पर उनके स्थान पर क्लिक करके fiducial स्थलों का पता लगाने के लिए एक मोटे सह पंजीकरण के साथ ft-volumerealign आरंभ करने के लिए.
  7. एक बेहतर सह पंजीकरण के लिए खोपड़ी के साथ सिर आकार अंक संरेखित करें।
  8. MNI टेम्पलेट मस्तिष्क के आधार पर 1.5 सेमी संकल्प पर एक व्यक्ति 3 डी ग्रिड तैयार ft-prepare-sourcemodel के साथ प्रत्येक भागीदार के मस्तिष्क की मात्रा में morphed.
  9. एमईजी चैनलों और ग्रिड स्थानों के लिए आगे के मॉडल की गणना के साथ ft-prepare]leadfield. केवल एक इष्टतम द्विध्रुव अभिविन्यास के लिए लीडफील्ड की गणना करने के लिए कॉन्फ़िगरेशन नियतकर्ता का उपयोग करें।
  10. प्रत्येक परीक्षण के सहप्रसरण मैट्रिक्स की गणना और यह सभी परीक्षणों में औसत.
  11. आगे के मॉडल का उपयोग कर स्थानिक फिल्टर की गणना और ft-sourceanalysis के साथ औसत सहप्रसरण मैट्रिक्स.
  12. ग्रिड में प्रत्येक स्रोत स्थान के लिए और प्रत्येक परीक्षण के लिए समय श्रृंखला प्राप्त करने के लिए LCMV फिल्टर करने के लिए सेंसर स्तर के संकेत गुणा.

8. ब्याज के क्षेत्र में पूर्व उत्तेजना दोलन शक्ति का विश्लेषण

  1. ब्याज के एक क्षेत्र को परिभाषित (आरओआई), उदाहरण के लिए पिछले साहित्य से18 (यहाँ fusiform चेहरा क्षेत्र [FFA]; MNI निर्देशांक: [28 -64 -4] मिमी).
  2. आभासी सेंसर है कि स्थानिक रूप से ROI से मेल खाती है बाहर एकल, ft-selectdata का उपयोग कर.
  3. स्प्लिट चेहरा और फूलदान परीक्षण ft-selectdata का उपयोग कर।
  4. ROI पर एक आवृत्ति विश्लेषण करें, दो परीक्षण प्रकारों से डेटा पर अलग से, ft-freQanalysis का उपयोग कर.
  5. एक तेजी से फूरिये ट्रांसफ़ॉर्म करने के लिए mtmfft करने के लिए विधि विकल्प सेट करें।
  6. एक Hann फ़ंक्शन टेपर का उपयोग करने के लिए hanning करने के लिए टेपर विकल्प सेट करें।
  7. ब्याज की आवृत्तियों को 1 हर्ट्ज से 40 भ्भ् तक परिभाषित कीजिए।
  8. जटिल फूरियर स्पेक्ट्रम से बिजली मूल्यों को निकालने के लिए पाउ करने के लिए आउटपुट विकल्प सेट करें।
  9. प्रतिभागियों में स्पेक्ट्रम औसत और ब्याज की आवृत्तियों के एक समारोह के रूप में जिसके परिणामस्वरूप भव्य औसत शक्ति मूल्यों की साजिश रचने से पहले प्रत्येक भागीदार के लिए प्रक्रिया को दोहराएँ.

9. ब्याज के क्षेत्रों के बीच पूर्व उत्तेजना कनेक्टिविटी का विश्लेषण

  1. एक (या अधिक) ROI निर्धारित करें जिसके साथ पहले से चयनित ROI कनेक्ट होने के लिए hypothesized है, उदाहरण के लिए पिछले साहित्य18 से (यहाँ V1; MNI निर्देशांक: [12 -88 0]).
  2. चरण दोहराएँ 8.2 और 8.3.
  3. दोनों ROIs पर समय आवृत्ति विश्लेषण प्रदर्शन (एक ही डेटा संरचना के भीतर 2 चैनल या 'वर्चुअल सेंसर' के रूप में प्रतिनिधित्व), अलग से दो परीक्षण प्रकार से डेटा पर, ft-freQanalysis का उपयोग कर.
  4. आवृत्ति डोमेन में गुणा पर आधारित एक multitaper समय आवृत्ति रूपांतरण को कार्यान्वित करने के लिए mtmconvol करने के लिए विधि सेट करें।
  5. टेपर विकल्प को dpss के लिए एक असतत प्रोलेट गोफेराडल दृश्यों समारोह टेपर का उपयोग करने के लिए सेट करें।
  6. ब्याज की आवृत्तियों को 8 हर्ट्ज से 13 भ्भ् तक परिभाषित कीजिए।
  7. 200 एमएस और 4 हर्ट्ज के लिए smoothing पैरामीटर करने के लिए समय खिड़की की चौड़ाई सेट करें।
  8. एकल परीक्षणों के समय आवृत्ति अनुमान वापस करने के लिए हाँ करने के लिए keeptrials विकल्प सेट करें।
  9. जटिल फूरिये स्पेक्ट्रम वापस करने के लिए चार के लिए उत्पादन सेट करें।
  10. ft]connectivity analysis का उपयोग करके परिणामी समय आवृत्ति डेटा पर कनेक्टिविटी विश्लेषण करें.
  11. सहका् , 19 के काल्पनिक भाग को वापस करने केलिए कोह और जटिल क्षेत्र के लिए विधि निर्धारित करें .
  12. आवृत्तियों और प्रतिभागियों में सामंजस्य स्पेक्ट्रम औसत और समय के एक समारोह के रूप में जिसके परिणामस्वरूप भव्य औसत काल्पनिक सामंजस्य मूल्यों की साजिश रचने से पहले प्रत्येक भागीदार के लिए प्रक्रिया को दोहराएँ.

10. सांख्यिकीय चेहरे और फूलदान पूर्व उत्तेजना शक्ति या सामंजस्य स्पेक्ट्रम की तुलना

  1. प्रत्येक विषय से पूर्व-उत्तेजक शक्ति या सामंजस्य डेटा को 2 शर्तों में से प्रत्येक के भीतर, एक Matlab चर में एक Matlab चर में जोड़ना, विकल्प के साथ ft-freQgrand औसत का उपयोग करते हुए हाँकरने के लिए व्यक्तिगत सेट रखें।
  2. एक क्लस्टर-आधारित क्रमपरिवर्तन परीक्षण20 की तुलना 2 जिसके परिणामस्वरूप चर ft-freQstatistics का उपयोग कर निष्पादित करें।
  3. विधि विकल्प को मोतेकार्लोपर सेट करें।
  4. आवृत्ति विकल्प सेट करने के लिए [8 13] और हाँकरने के लिए avgoverfreq सेट .
  5. 0.05 के लिए क्लस्टरअल्फा सेट और अल्फाके लिए सही पूंछ सेट .
  6. आंकड़ा विकल्प को ft[statfun]depsamplesTपर सेट करें।
  7. 20 दो के बाद 20 लोगों की पहली पंक्ति के साथ एक डिजाइन मैट्रिक्स बनाएँ, और 1 से 20 दो बार दोहराया लगातार संख्या की एक दूसरी पंक्ति. डिजाइन विकल्प के लिए इस डिजाइन मैट्रिक्स पास.
    नोट: डिजाइन मैट्रिक्स 20 के ब्लॉक में विभाजित है क्योंकि डेटा 20 प्रतिभागियों से एकत्र किए गए थे.
  8. ivar विकल्प को 1 और uvar विकल्प को 2 पर सेट करें.

Representative Results

हमने प्रतिभागियों को संक्षिप्त और बार-बार रुबिन चेहरा/वैस भ्रम प्रस्तुत किया और प्रतिभागियों से प्रत्येक परीक्षण के बाद उनके प्रत्यक्षण (चेहरा या फूलदान?) की रिपोर्ट करने के लिए कहा (चित्र 1)। प्रत्येक परीक्षण एक खाली स्क्रीन के कम से कम 1 s से पहले किया गया था (निर्धारण पार के साथ); यह ब्याज की पूर्व उत्तेजना अंतराल था.

हमने पूछा कि क्या ब्याज के क्षेत्रों में पूर्व-उत्तेजक दोलनीय शक्ति या ब्याज के क्षेत्रों के बीच पूर्व-उत्तेजक संपर्क ने आगामी अस्पष्ट प्रोत्साहन की प्रत्यक्ष रिपोर्ट को प्रभावित किया है। इसलिए, पहले चरण के रूप में, हमने अपने डेटा को स्रोत स्थान पर प्रक्षेपित किया ताकि हम प्रासंगिक ROIs से सिग्नल निकाल सकें.

पिछले साहित्य जांच चेहरे और दोनों अस्पष्ट21 और स्पष्ट22 उत्तेजनाओं के साथ वस्तु धारणा के आधार पर, हम FFA हमारे ROI होने के लिए निर्धारित किया. हम बाद में कम आवृत्ति का विश्लेषण किया (1-40 हर्ट्ज) FFA स्रोत संकेत के वर्णक्रमीय घटकों और 'के रूप में' परीक्षण के रूप में रिपोर्ट परीक्षणों से वर्णक्रमीय अनुमान विपरीत 'वास' के रूप में रिपोर्ट परीक्षणों से उन लोगों के साथ. एक क्लस्टर आधारित क्रमपरिवर्तन परीक्षण, आवृत्तियों पर क्लस्टरिंग 1-40 हर्ट्ज, परीक्षण पर वर्णक्रमीय शक्ति विषम जहां लोगों को चेहरे बनाम फूलदान की सूचना दी, 2 परीक्षण प्रकार के बीच कोई महत्वपूर्ण अंतर से पता चला. फिर भी, वर्णनात्मक रूप से, शक्ति स्पेक्ट्रम 8-13 हर्ट्ज की सीमा में अपेक्षित दोलनीय अल्फा बैंड चोटी से पता चला, और 13-25 हर्ट्ज की सीमा में एक कम हद तक बीटा बैंड गतिविधि (चित्र 2)।

पूर्व-उत्तेजक वर्णक्रमीय शक्ति में कोई अंतर नहीं पाए जाने के बाद, हमने अगली जांच की कि क्या परीक्षण प्रकारों के बीच पूर्व-उत्तेजक संपर्क में अंतर था। FFA के अलावा, हम V1 निर्धारित करने के लिए हमारी दूसरी रॉय दृष्टि में अपनी सर्वव्यापी भागीदारी के कारण हो. शक्ति विश्लेषण के परिणामों के आधार पर, हम ब्याज की हमारी आवृत्तियों होने के लिए आवृत्तियों 8-13 हर्ट्ज निर्धारित किया. हम समय और आवृत्ति हमारे दो ROIs के बीच सामंजस्य का काल्पनिक हिस्सा हल की गणना, अलग से चेहरे और फूलदान परीक्षणों के लिए, और ब्याज की आवृत्तियों भर में परिणाम औसत. यह उपाय मस्तिष्क क्षेत्रों के बीच दोलनात्मक चरण के तुल्यकालन को दर्शाता है और एमईजी पुनर्निर्माण स्रोतों में मात्रा चालन प्रभावों के विरुद्ध रूढ़िवादी रूप से नियंत्रण19,इसलिए यह कार्यात्मक युग्मन का आकलन करने के लिए पसंद की विधि थी। एक क्लस्टर आधारित क्रमपरिवर्तन परीक्षण, समय अंक -1 से 0 एस पर क्लस्टरिंग, परीक्षण पर V1 और FFA के बीच काल्पनिक सामंजस्य के विपरीत जहां लोगों को चेहरे बनाम फूलदान की सूचना दी, पता चला कि चेहरा परीक्षण फूलदान परीक्षणों की तुलना में मजबूत पूर्व उत्तेजना कनेक्टिविटी था, उत्तेजना प्रारंभ होने से पहले लगभग 700 एमएस (चित्र 3)।

Figure 1
चित्र 1 : उदाहरण परीक्षण संरचना और कच्चे डेटा. नीचे पैनल: एक परीक्षण एक निर्धारण पार के प्रदर्शन के साथ शुरू होता है. 1 से 1.8 s के बाद, रुबिन उत्तेजना 150 एमएस के लिए प्रकट होता है 200 एमएस के लिए एक मुखौटा के बाद एक प्रतिक्रिया स्क्रीन तो प्रतिभागियों को 'चेहरा' या 'vas' के साथ प्रतिक्रिया करने के लिए संकेत प्रकट होता है. शीर्ष पैनल: एक उदाहरण भागीदार से मल्टी चैनल कच्चे डेटा, समय उत्तेजना शुरुआत करने के लिए बंद कर दिया और परीक्षणों में औसत. यह पूर्व-उत्तेजना विश्लेषण विंडो (-1 से 0 s; गुलाबी में हाइलाइट किए गए) में डेटा को हाइलाइट करने के लिए एक योजनाबद्ध है, जो विश्लेषण के लिए लक्ष्य अंतराल होगा। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्र 2 : FFA में स्पेक्ट्रल पावर. चेहरे और फूलदान परीक्षणों पर स्रोत-स्थानीयकृत एफएफए संकेतों से स्पेक्ट्रल पावर अनुमान। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्र 3 : V1 और FFA के बीच कनेक्टिविटी. स्रोत के बीच सामंजस्य का काल्पनिक हिस्सा-स्थानीयकृत V1 और चेहरे और फूलदान परीक्षणों पर एफएफए संकेतों, 8-13 हर्ट्ज की आवृत्ति रेंज में, शेड्ड क्षेत्रों के भीतर विषय डिजाइन23के लिए मतलब के मानक त्रुटि का प्रतिनिधित्व करते हैं. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Discussion

एक अद्वितीय प्रोत्साहन प्रस्तुत करना जिसे समय के साथ एक से अधिक वस्तु के रूप में व्याख्या की जा सकती है, लेकिन किसी भी समय केवल एक वस्तु के रूप में, वस्तु धारणा पर पूर्व-उत्तेजक प्रभावों की जांच करने की अनुमति देता है। इस तरह से एक कथित वस्तुओं के व्यक्तिपरक रिपोर्ट करने के लिए पूर्व उत्तेजना मस्तिष्क राज्यों से संबंधित करने में सक्षम है. एक प्रयोगशाला की स्थापना में, अस्पष्ट छवियों जो दो तरीकों में से एक में व्याख्या की जा सकती है, जैसे रुबिन फूलदान भ्रम, एक इष्टतम मामला है जो दो परीक्षण प्रकार के बीच मस्तिष्क गतिविधि के सीधा विरोधाभासों के लिए अनुमति देता है प्रदान करते हैं: उन कथित एक ही रास्ता (जैसे, 'चेहरा' ) और उन दूसरे तरीके से माना जाता है (उदा., 'vas').

इन उद्दीपकों को संक्षेप में प्रस्तुत करना (लत्;200 एमएस) यह सुनिश्चित करता है कि लोग किसी दिए गए परीक्षण पर उद्दीपक की दो संभावित व्याख्याओं में से केवल एक को देखते और बाद में रिपोर्ट करते हैं। प्रतिभागियों में उत्तेजना के काले फूलदान/सफेद चेहरे और सफेद फूलदान/काले चेहरे के बीच प्रतिसंतुलन (यादृच्छिक रूप से बारी-बारी) बाद के विश्लेषण पर निम्न स्तर ीय प्रोत्साहन सुविधाओं के प्रभाव को कम कर देता है। उत्तेजना के तुरंत बाद एक मुखौटा प्रस्तुत करने के बाद छवियों के गठन और प्रतिभागियों की प्रतिक्रियाओं पूर्वाग्रह से रोकता है. क्योंकि उत्तेजना शुरुआत के बाद की अवधि का विश्लेषण ब्याज की नहीं है, उत्तेजना और मुखौटा की कम आवृत्ति सुविधाओं के बीच कोई मिलान की आवश्यकता है. अंत में, प्रतिभागियों में प्रतिक्रिया बटन बारी (उदाहरण के लिए, फूलदान के लिए छोड़ दिया, चेहरे के लिए सही है, या इसके विपरीत) विरोधाभासों में फैक्टरिंग से मोटर तैयारी के कारण गतिविधि रोकता है.

MEG के millisecond संकल्प को देखते हुए, एक पूर्व उत्तेजना अंतराल के रूप में कम के रूप में 1 s ऐसे वर्णक्रमीय शक्ति और कनेक्टिविटी के रूप में उपायों का अनुमान लगाने के लिए पर्याप्त है. प्रत्येक परिणामी परीक्षण की छोटी अवधि को देखते हुए, परीक्षणों की एक बड़ी संख्या में एक प्रयोगात्मक सत्र में समायोजित किया जा सकता है, एक उच्च संकेत करने के लिए शोर अनुपात सुनिश्चित करने जब परीक्षणों में एमईजी संकेतों औसत.

वस्तु धारणा24,25के दौरान ब्याज की विशिष्ट श्रेणी-संवेदी क्षेत्रों को सक्रिय दिखाया गया है। उदाहरण के लिए, एफएफए व्यापक रूप से चेहरे धारणा22में शामिल होने की सूचना है. विशिष्ट स्रोतों से उत्पन्न मापित गतिविधि के प्रभावों की जाँच करने के लिए, कोई भी एमईजी डेटा का स्रोत-पुनर्निर्माण कर सकता है. स्रोतों के बीच कनेक्टिविटी की जांच करने के लिए, स्रोत पुनर्निर्माण आवश्यक है। स्रोत डेटा विश्लेषण की सुविधा के लिए, एकल परीक्षण स्रोत स्तर डेटा 'वर्चुअल सेंसर' द्वारा प्रस्तुत किया जा सकता है. इस तरह से डेटा का प्रतिनिधित्व करने से स्रोत स्थान और सेंसर स्थान में ठीक उसी तरह एकल-परीक्षण स्रोत डेटा का विश्लेषण करने में सक्षम होता है (अर्थात, समान विश्लेषण फ़ंक्शंस का उपयोग करना, उदाहरण के लिए Fieldtrip उपकरण बॉक्स का उपयोग करना). यह तो एक सरल तरीके से हितों के निर्दिष्ट क्षेत्रों की गतिविधि के बारे में hypotheses परीक्षण सक्षम बनाता है.

जबकि पूर्व-उत्तेजना दोलनशक्ति शक्ति को अवधारणात्मक सीमा के पास उत्तेजना का पता लगाने को प्रभावित करने के लिए दिखाया गया है (कथित बनाम नहीं माना जाता है), क्या यह देखा जाता है की सामग्री को प्रभावित करता है कम जाना जाता है. यहाँ हम परीक्षण जिस पर लोगों के चेहरे बनाम फूलदान की सूचना के बीच FFA में पूर्व उत्तेजना दोलन शक्ति विपरीत, और कोई सांख्यिकीय मतभेद पाया. हम बाद में परीक्षण किया है कि क्या V1 और FFA के बीच कनेक्टिविटी आगामी अवधारणात्मक रिपोर्ट को प्रभावित करती है, और पाया कि चेहरा परीक्षण 700 एमएस के आसपास अल्फा आवृत्ति रेंज में V1 और FFA के बीच बढ़ाया कनेक्टिविटी से पहले थे उत्तेजना शुरुआत से पहले. कि हम अल्फा शक्ति में कोई प्रभाव नहीं मिला, बल्कि अल्फा बैंड में कनेक्टिविटी में, पता चलता है कि जबकि पूर्व उत्तेजना अल्फा शक्ति उत्तेजना का पता लगाने को प्रभावित कर सकता है7,8,यह जरूरी वस्तु वर्गीकरण को प्रभावित नहीं करता है. इसलिए हमारे परिणाम बताते हैं कि वस्तु धारणा से पहले दोलनात्मक गतिशीलता और वस्तु धारणा पर उनके बाद के प्रभाव की अधिक पूर्ण समझ के लिए, केवल ब्याज के क्षेत्रों में दोलनात्मक शक्ति का विश्लेषण पर्याप्त नहीं है। बल्कि, ब्याज के क्षेत्रों के बीच संपर्क को ध्यान में रखा जाना चाहिए, क्योंकि इन कनेक्शनों की संख्या में चल रहे उतार-चढ़ाव बाद धारणा18पूर्वाग्रह कर सकते हैं। अंत में, MEG के कम से अधिक इष्टतम स्थानिक संकल्प के बावजूद, हमारे प्रोटोकॉल दर्शाता है कि एक स्पष्ट रूप से ब्याज के क्षेत्रों की पहचान करने और उनके संबंधों की जांच करने में सक्षम है. MEG विद्युत मस्तिष्कविज्ञान (EEG) का स्थान ले सकता है क्योंकि यह बेहतर स्थानिक संकल्प प्रदान करता है, और यह बेहतर अस्थायी संकल्प प्रदान करता है, क्योंकि समारोह एमआरआई supersede कर सकते हैं। इसलिए, स्रोत पुनर्निर्माण के साथ संयुक्त एमईजी आदर्श तेजी से और स्थानीयकृत तंत्रिका प्रक्रियाओं की जांच करने के लिए उपयुक्त है।

Disclosures

लेखकों को खुलासा करने के लिए कुछ भी नहीं है.

Acknowledgments

यह काम FWF ऑस्ट्रियाई विज्ञान कोष द्वारा समर्थित किया गया था, मन इमेजिंग: कनेक्टिविटी और उच्च संज्ञानात्मक समारोह, डब्ल्यू 1233-G17 (ई.आर.) और यूरोपीय अनुसंधान परिषद अनुदान WIN2CON, ERC StG 283404 (N.W.). लेखकों को इस प्रोटोकॉल के लिए योगदान के लिए नादिया एमलर-वोगेल, निकोलस Peatfield, और Manfred Seifter के समर्थन को स्वीकार करना चाहते हैं.

Materials

Name Company Catalog Number Comments
Data analysis sowftware Elekta Oy, Stockholm, SWEDEN NM23321N Elekta standard data analysis software including MaxFilter release 2.2 
Data analysis workstation Elekta Oy, Stockholm, SWEDEN NM20998N MEG recoding PC and software
Head position coil kit Elekta Oy, Stockholm, SWEDEN NM23880N 5 Head Position Indicator (HPI) coils 
Neuromag TRIUX Elekta Oy, Stockholm, SWEDEN NM23900N 306-channel magnetoencephalograph system
Polhemus Fastrak 3D Polhemus, VT, USA 3D head digitization system
PROPixx VPixx Technologies Inc., QC, CANADA VPX-PRO-5001C Projector and data acquisition system
RESPONSEPixx VPixx Technologies Inc., QC, CANADA VPX-ACC-4910 MEG-compatible response collection handheld control pad system
Screen VPixx Technologies Inc., QC, CANADA VPX-ACC-5180 MEG-compatible rear projection screen with frame and stand
VacuumSchmelze AK-3 VacuumSchmelze GmbH & Co. KG, Hanau, GERMANY NM23122N Two-layer magnetically-shielded room
Software Version
Fieldtrip Open Source FTP-181005 fieldtriptoolbox.org
Matlab MathWorks, MA, USA R2018b mathworks.com/products/matlab
Psychophysics Toolbox Open Source PTB-3.0.13 psychtoolbox.org

DOWNLOAD MATERIALS LIST

References

  1. Arieli, A., Sterkin, A., Grinvald, A., Aertsen, A. Dynamics of ongoing activity: explanation of the large variability in evoked cortical responses. Science. 273, (5283), 1868-1871 (1996).
  2. Boly, M., et al. Baseline brain activity fluctuations predict somatosensory perception in humans. Proceedings of the National Academy of Sciences of the United States of America. 104, (29), 12187-12192 (2007).
  3. Rahn, E., Başar, E. Prestimulus EEG-activity strongly influences the auditory evoked vertex response: a new method for selective averaging. The International Journal of Neuroscience. 69, (1-4), 207-220 (1993).
  4. Supèr, H., van der Togt, C., Spekreijse, H., Lamme, V. A. F. Internal state of monkey primary visual cortex (V1) predicts figure-ground perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 23, (8), 3407-3414 (2003).
  5. Frey, J. N., et al. The Tactile Window to Consciousness is Characterized by Frequency-Specific Integration and Segregation of the Primary Somatosensory Cortex. Scientific Reports. 6, 20805 (2016).
  6. Leonardelli, E., et al. Prestimulus oscillatory alpha power and connectivity patterns predispose perceptual integration of an audio and a tactile stimulus. Human Brain Mapping. 36, (9), 3486-3498 (2015).
  7. Leske, S., et al. Prestimulus Network Integration of Auditory Cortex Predisposes Near-Threshold Perception Independently of Local Excitability. Cerebral Cortex. 25, (12), New York, NY. 4898-4907 (2015).
  8. Weisz, N., et al. Prestimulus oscillatory power and connectivity patterns predispose conscious somatosensory perception. Proceedings of the National Academy of Sciences of the United States of America. 111, (4), 417-425 (2014).
  9. Busch, N. A., Dubois, J., VanRullen, R. The phase of ongoing EEG oscillations predicts visual perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 29, (24), 7869-7876 (2009).
  10. Mathewson, K. E., Gratton, G., Fabiani, M., Beck, D. M., Ro, T. To see or not to see: prestimulus alpha phase predicts visual awareness. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 29, (9), 2725-2732 (2009).
  11. Blake, R., Logothetis, N. K. Visual competition. Nature Reviews Neuroscience. 3, (1), 13-21 (2002).
  12. Van Veen, B. D., van Drongelen, W., Yuchtman, M., Suzuki, A. Localization of brain electrical activity via linearly constrained minimum variance spatial filtering. IEEE Transactions on Biomedical Engineering. 44, (9), 867-880 (1997).
  13. Bastos, A. M., Schoffelen, J. -M. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Frontiers in Systems Neuroscience. 9, 175 (2015).
  14. Rubin, E. Synsoplevede Figurer. Gyldendalske Boghandel. Copenhagen. (1915).
  15. Balderston, N. L., Schultz, D. H., Baillet, S., Helmstetter, F. J. How to detect amygdala activity with magnetoencephalography using source imaging. Journal of Visualized Experiments. (76), e50212 (2013).
  16. Kleiner, M., et al. What's new in psychtoolbox-3. Perception. 36, (14), 1-16 (2007).
  17. Oostenveld, R., Fries, P., Maris, E., Schoffelen, J. -M. FieldTrip: Open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Computational Intelligence and Neuroscience. 2011, 156869 (2011).
  18. Rassi, E., Wutz, A., Mueller-Voggel, N., Weisz, N. Pre-stimulus feedback connectivity biases the content of visual experiences. BioRxiv. (2019).
  19. Nolte, G., et al. Identifying true brain interaction from EEG data using the imaginary part of coherency. Clinical Neurophysiology: Official Journal of the International Federation of Clinical Neurophysiology. 115, (10), 2292-2307 (2004).
  20. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164, (1), 177-190 (2007).
  21. Hesselmann, G., Kell, C. A., Eger, E., Kleinschmidt, A. Spontaneous local variations in ongoing neural activity bias perceptual decisions. Proceedings of the National Academy of Sciences of the United States of America. 105, (31), 10984-10989 (2008).
  22. Kanwisher, N., McDermott, J., Chun, M. M. The fusiform face area: a module in human extrastriate cortex specialized for face perception. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience. 17, (11), 4302-4311 (1997).
  23. Morey, R. D. Confidence Intervals from Normalized Data: A correction to Cousineau. Tutorials in Quantitative Methods for Psychology. 4, (2), 61-64 (2008).
  24. Miller, E. K., Nieder, A., Freedman, D. J., Wallis, J. D. Neural correlates of categories and concepts. Current Opinion in Neurobiology. 13, (2), 198-203 (2003).
  25. Kreiman, G., Koch, C., Fried, I. Category-specific visual responses of single neurons in the human medial temporal lobe. Nature Neuroscience. 3, (9), 946-953 (2000).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics