Påvisning af præ-stimulus kilde-niveau effekter på objekt perception med magnetoencephalography

Neuroscience
 

Summary

I denne artikel beskrives det, hvordan du konfigurerer et eksperiment, der gør det muligt at registrere præ-stimulus-påvirkninger på kildeniveau på objekt opfattelsen ved hjælp af magnetoencephalography (MEG). Det dækker stimulus materiale, eksperimentel design, MEG optagelse, og dataanalyse.

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

Præ-stimulus oscillerende hjerneaktivitet påvirker kommende perception. Egenskaberne ved denne præ-stimulus aktivitet kan forudsige, om en nær-tærskel stimulus vil blive opfattet eller ikke opfattes, men kan de også forudsige, hvilken en af to konkurrerende stimuli med forskellige perceptuelle indhold opfattes? Tvetydige visuelle stimuli, som kan ses på en af to mulige måder ad gangen, er velegnet til at undersøge dette spørgsmål. Magnetoencephalography (MEG) er en neurofysiologisk måleteknik, som registrerer magnetiske signaler, der udsendes som følge af hjernens aktivitet. Den millisekund temporale opløsning af MEG giver mulighed for en karakterisering af oscillatoriske hjernen stater fra så lidt som 1 sekund af indspillede data. Præsenterer en tom skærm omkring 1 sekund før den tvetydige stimulus debut derfor giver et tidsvindue, hvor man kan undersøge, om præ-stimulus oscillatoriske aktivitet bias indholdet af kommende perception, som angivet af deltagernes Rapporter. Den rumlige opløsning af MEG er ikke fremragende, men tilstrækkelig til at lokalisere kilder til hjerneaktivitet på centimeter skalaen. Kilde rekonstruktion af MEG aktivitet giver derefter mulighed for at teste hypoteser om den oscillatoriske aktivitet i specifikke regioner af interesse, samt tids-og frekvens-løst forbindelse mellem regioner af interesse. Den beskrevne protokol giver en bedre forståelse af indflydelsen af spontan, igangværende hjerneaktivitet på visuel perception.

Introduction

Hjernen stater forud stimuli præsentation indflydelse den måde stimuli opfattes såvel som de neurale svar i forbindelse med perception1,2,3,4. For eksempel, når en stimulus er præsenteret med en intensitet tæt på perceptuelle tærskel (nær-tærskel), præ-stimulus neurale oscillerende magt, fase, og tilslutningsmuligheder kan påvirke, om den kommende stimulus vil blive opfattet eller ikke opfattes5 ,6,7,8,9,10. Disse præ-stimulus-signaler kan også påvirke andre aspekter af opfattelsen, såsom perceptuelle objekt indhold.

Præsentere folk med et tvetydigt billede, som kan tolkes på en af to måder er en ideel måde at sonde objekt perception11. Dette skyldes, at det subjektive indhold af opfattelsen kan være en af to objekter, mens den faktiske stimulus forbliver uændret. Man kan derfor vurdere forskellene i indspillet hjernen signaler mellem forsøg, som folk rapporterede opfatte en versus den anden mulige fortolkning af stimulus. I betragtning af rapporterne, kan man også undersøge, om der var nogen forskelle i hjernen stater forud for stimulus debut.

Magnetoencephalography (MEG) er en funktionel Neuroimaging teknik, der registrerer magnetiske felter produceret af elektriske strømme i hjernen. Mens blodet-iltning Niveauafhængige (fed) svar løse på en tidshorisont på sekunder, MEG giver millisekund opløsning og derfor giver mulighed for at undersøge hjernen mekanismer, der opstår på meget hurtige tidshorisonter. En beslægtet fordel af MEG er, at det gør det muligt at karakterisere hjernen stater fra korte perioder af indspillede data, hvilket betyder eksperimentelle forsøg kan afkortes sådan, at mange forsøg passer ind i en eksperimentel session. Desuden giver MEG mulighed for frekvens-domæne analyser, som kan afdække oscillatoriske aktivitet.

Ud over sin høje tidsmæssige opløsning, MEG tilbyder god rumlig opløsning. Med kilde rekonstruktion teknikker12, kan man projicere sensor-niveau data til kilde plads. Dette gør det muligt at afprøve hypoteser om aktiviteten i bestemte områder af interesse. Endelig, mens signaler i sensor-rum er meget korreleret, og derfor forbindelsen mellem sensorer ikke kan vurderes præcist, kilde genopbygning giver mulighed for vurdering af konnektivitet mellem regioner af interesse, fordi det reducerer sammenhænge mellem kilde signaler13. Disse tilslutnings estimater kan løses i både tids-og frekvens domæner.

I betragtning af disse fordele er MEG velegnet til at undersøge præ-stimulus-effekter på objekt opfattelsen i bestemte områder af interesse. I denne rapport vil vi illustrere, hvordan man udformer et sådant eksperiment, og at der oprettes en MEG-erhvervelse, samt hvordan man anvender kilde genopbygning og vurderer den oscillatoriske aktivitet og konnektivitet.

Protocol

Den beskrevne protokol følger retningslinjerne fra den etiske komité for human forskning ved universitetet i Salzburg og er i overensstemmelse med Helsingfors-erklæringen.

1. Forbered stimulus materiale

  1. Download et billede af Rubin Face/vase illusion14. Dette vil blive vist til halvdelen af deltagerne.
  2. Brug MATLAB-kommandoen ~ til at invertere det originale sorte og hvide binære Rubin-billede for at skabe et andet Rubin ansigt/vase negativt billede med de sorte og hvide farver vendt med hensyn til det oprindelige billede (hvid baggrund i stedet for sort baggrund). Dette vil blive vist til den anden halvdel af deltagerne.
  3. Opret en maske ved tilfældigt at scrambling blokke af pixels i Rubin-billedet. Opdel billedet i firkantede blokke, der er små nok til at skjule indlysende kontur funktioner, for eksempel mellem 2% og 5% af størrelsen af det originale billede (5 af 5 pixels ud af et billede af 250 ved 250), og bland dem tilfældigt for at oprette masken.
  4. Lav en sort fikserings kors på en hvid baggrund, således at fikserings korset er mindre end Rubin-billedet (mindre end 5 ° visuel vinkel).

2. opsætning af MEG-og stimulerings udstyr

  1. Tilslut stimulus-præsentationscomputeren til projektoren. Tilslut DLP LED projektor controlleren via en USB optoisolerede udvidelse (for data), og et digitalt visuelt interface (DVI) kabel (for stimuli).
  2. Tilslut MEG erhvervelse computer til stimulus præsentation computer til at lade det sende og modtage udløsere. Tilslut det digitale input/output (DIO) system (knapper og udløsere, 2x standard D24 stik) af det integrerede stimulus-præsentationssystem i MEG-stikket på optoisolerede BNC breakout box.
  3. Optag 1 minut af tomme rum MEG data på 1 kHz.
  4. Overvåge signalerne fra 102 magnetometre og 204 ortogonalt placerede planar gradiometre på 102 forskellige positioner ved at visualisere alle signaler i realtid på erhvervelse computer.

3. Forbered deltageren til MEG eksperiment

Bemærk: detaljer om MEG-dataindsamlingen er tidligere beskrevet15.

  1. Sørg for, at deltageren forstår det informerede samtykke i overensstemmelse med Helsingfors-erklæringen, og få dem til at underskrive formularen, som også indeholder en erklæring om samtykke til behandling af personoplysninger.
  2. Giv deltageren et ikke-magnetisk tøj og sørg for, at de ikke har metalgenstande i eller på deres kroppe. Bed deltagerne om at udfylde et andet anonymt spørgeskema for at sikre dette, og at deltageren ikke har andre udelukkelseskriterier, såsom neurologiske lidelser, og til at dokumentere andre personoplysninger såsom handthed og hvileniveau.
  3. Sæt deltageren på en ikke-ferromagnetisk (træ) stol. Fastgør 5 hoved positionsindikator (HPI) Coils til hovedet med klæbende, to over det ene øje, den ene over det andet øje, og en bag hvert øre.
  4. Placer sporings sensoren på digitaliserings systemet fast på deltagerens hoved, og fastgør den til briller for maksimal stabilitet.
    Bemærk: der blev brugt en 3D-digitizer (tabel over materialer).
  5. Digitaliserer de anatomiske landemærker, venstre og højre præ-aukulære punkter og nasion, og sørg for venstre og højre præ-aukulære punkter er symmetriske. Disse fiducials definerer 3D-koordinat rammen.
  6. Digitaliser 5 HPI-spole positionerne ved hjælp af en 3D-digitizer-stylus.
  7. Digitalisere op til 300 point langs hovedbunden og maksimere dækningen af hovedet form. Dække de veldefinerede områder af hovedbunden på magnetisk resonans (MR) billeder, over fra på ryggen og nasion på forsiden, samt næsebroen.
    Bemærk: disse punkter vil blive brugt til medregistreringen med et anatomisk billede for bedre individuel kilde rekonstruktion.
  8. Fjern brillerne med tracker-sensoren.
  9. Fastgør engangs elektroderne over (superciliary Arch) og under (medial til den zygomatiske maxillær knogle) det højre øje for at overvåge lodrette øjenbevægelser.
  10. Fastgør engangs elektroderne til venstre for det venstre øje og til højre for det højre øje (dorsal til den zygomatiske maxillær knogle) for at overvåge horisontale øjenbevægelser.
  11. Fastgør engangs elektroderne under hjertet og under det højre kraveben for at overvåge hjertefrekvensen.
    Bemærk: øjnene og hjerte signalerne er relativt robuste, så det er ikke nødvendigt at kontrollere impedansen af engangs elektroder.
  12. Fastgør en engangs elektrode som en jord under halsen.
  13. Eskortere deltageren til MEG afskærmede rum og instruere dem til at sidde i MEG stolen.
  14. Tilslut HPI-ledningsnettet og engangs elektroderne i MEG-systemet.
  15. Løft stolen således, at deltagerens hoved rører toppen af MEG hjelm og sørg for deltageren er komfortabel i denne position.
  16. Luk døren til det afskærmede rum, og kommuniker med deltageren gennem intercom-systemet i og uden for det afskærmede rum.
  17. Instruer deltageren i passivt at stirre på en tom skærm (Tom med undtagelse af et centralt fikserings Kors) i 5 minutter, mens du optager hvile tilstands-MEG-data ved 1 kHz. Hold prøveudtagnings hastigheden på 1 kHz under hele eksperimentet.
  18. Instruer deltageren i opgave kravene, og bed dem om at udføre 20 øvelses forsøg.
    Bemærk: eksempel instruktioner: "Hold din fiksering i midten af skærmen på alle tidspunkter. Et kryds vises, og efter at korset forsvinder, vil du se et billede efterfulgt af et forvrænget billede. Så snart det kodede billede forsvinder, skal du klikke på den gule knap, hvis du havde set ansigter og den grønne knap, hvis du havde set en vase. "
  19. Skift responsknapperne på tværs af deltagere (f. eks. højre for ansigter, venstre for vase eller omvendt).
    Bemærk: farven på responsknapper betyder ikke noget.

4. Præsenter eksperimentet med Psychtoolbox16

  1. Vis instruktioner til deltagerne, hvilket fortæller dem, hvilken knap der skal trykkes, når de ser ansigter, og hvilken knap der skal trykkes, når de ser en vase.
  2. Opret et enkelt forsøg med 4 begivenheder, som vil gælde for alle forsøg i denne rækkefølge: fikserings Kors, Rubin billede, maske og respons prompt (figur 1).
  3. I begyndelsen af hvert forsøg vises fikserings korset for en variabel tidsperiode mellem 1 s og 1,8 s.
  4. I slutningen af denne periode skal fikserings korset fjernes, og Rubin-billedet vises for 150 MS.
  5. I slutningen af 150 MS skal du fjerne Rubin-billedet og vise masken for 200 MS.
  6. I slutningen af 200 MS, fjerne masken og vise et spørgsmål for at bede deltagerne til at reagere med en maksimal svarfrist på 2 s.
  7. Programmer svar perioden sådan, at hvis deltagerne reagerer inden for 2 s, begynder det næste forsøg (begyndende med et fikserings Kors), når de gør det. Ellers starte næste prøveperiode efter 2 s.
  8. Gem timingen af alle 4 begivenheder samt svar valg og dens timing.
  9. Gentag den samme prøve struktur 100 gange, før du viser en instruktion for deltagerne at hvile kortvarigt. Dette udgør en eksperimentel blok.
  10. Gentag blokstrukturen 4 gange for i alt 400 forsøg.

5. Overvåg MEG signal og deltager under eksperimentet

  1. Overvåg deltageren via video.
  2. I begyndelsen af hver blok, før opgaven starter, begynde at måle MEG data og registrere den oprindelige position af deltagernes hovedposition med hensyn til MEG. I det anvendte MEG-system skal du klikke på til start. Når en dialog spørger, om HPI-dataene skal udelades eller føjes til optagelsen, skal du inspicere HPI-spole signalet og klikke på Acceptér for at optage den oprindelige hovedposition. Derefter skal du klikke på Optag RAW for at starte optagelsen af Meg-data.
  3. Hvis deltageren på noget tidspunkt i løbet af eksperimentet ønsker at standse eksperimentet, afslutte eksperimentet og gå ind i det afskærmede rum for at frakoble alle sensorer fra MEG-systemet og løslade deltageren fra stolen.
  4. Overvåg MEG-signalerne ved at visualisere dem i realtid på anskaffelses computeren.
  5. I mellem blokke, kommunikere med deltageren gennem højttalersystemet for at sikre, at de er godt og klar til at fortsætte, og instruere dem til at flytte deres lemmer, hvis de ønsker, men ikke deres hoved.
  6. I mellem blokke, gemme de erhvervede MEG signaler af denne blok.
  7. Når eksperimentet er, skal du gå ind i det afskærmede rum, frakoble alle sensorer fra MEG-systemet og løslade deltageren fra stolen.
  8. Eskorter deltageren ud af det afskærmede rum og Tilbyd dem valget mellem at løsrive alle sensorer fra deres ansigt og krop selv eller fjerne sensorerne for dem.
  9. Takke deltageren og give dem økonomisk kompensation.

6. pre-Process og segment MEG signaler

  1. Brug algoritmen til signal plads separation implementeret i Maxfilter-programmet (leveret af MEG-producenten) med standardparameterværdier for at fjerne ekstern støj fra de kontinuerlige MEG-signaler.
  2. Anvend et 0,1 Hz High-Pass-Filter på de kontinuerlige data ved hjælp af Fieldtrip Toolbox17 -funktionen ft_preprocessing.
    Bemærk: alle efterfølgende rapporterede funktioner, der er præfikset med ' FT_ ', er en del af Fieldtrip Toolbox.
  3. Segmentere MEG data ved at udtrække den 1 sekund forud for stimulus præsentation på hvert forsøg.
  4. Tildel disse epoker en "Face"-eller "vase"-prøvetype etiket i henhold til deltagernes adfærdsmæssige svar på hvert forsøg.
  5. Visuelt inspicere forsøg og kanaler for at identificere og fjerne dem, der viser overstiger støj eller artefakter, uanset karakteren af artefakter, ved hjælp af ft_rejectvisual.
  6. Afvis forsøg og kanaler med z-scorer over 3 ved at klikke på zscore og vælge forsøg og kanaler, der overskrider værdien af 3 eller forsøg med overskydende varians ved at fjerne afvigende værdier, som vises efter at have klikket var. Undersøg MEG-signalet for alle prøverne før eller efter denne procedure.

7. kilde genopbygning

  1. Medtag begge prøvetyper for at udføre kilde lokaliseringen for at opnå almindelig lineært begrænset minimum afvigelse12 rumlige filtre i beamforming-proceduren implementeret i fieldtrip.
  2. Band-pass filtrerer de epoched data til frekvenserne af interesse, i dette tilfælde mellem 1 og 40 Hz.
  3. Vælg tidspunktet for interesse for at beregne Kovarians matrixen, i dette tilfælde den 1 anden forstimulerings periode.
    Bemærk: de resulterende datasegmenter (valgt mellem-1 til 0 s og 1 til 40 Hz) bruges i alle de følgende trin, der kræver data input.
  4. Segment hjernen og hovedbunden ud af individuelle strukturelle MR billeder med ft_volumesegment. Hvis det ikke er muligt, skal du bruge en standard T1 (fra den statistiske parametriske kortlægning [SPM] Toolbox) Montreal Institute of Neurology (MNI, Montreal, Quebec, Canada) Brain Scan i stedet.
  5. Opret for hver deltager en realistisk single-Shell hoved model ved hjælp af ft_prepare_headmodel.
  6. På individuelle MR billeder, finde de fiducial landemærker ved at klikke på deres placering på billedet for at indlede en grov Co-registrering med ft_volumerealign.
  7. Juster hovedform punkterne med hovedbunden for en finere Co-registrering.
  8. Forbered en individuel 3D-gitter ved 1,5 cm opløsning baseret på MNI skabelon hjernen morphed i hjernen volumen af hver deltager med ft_prepare_sourcemodel.
  9. Beregn Forward-modellen for MEG-kanalerne og gitter placeringerne med ft_prepare_leadfield. Brug Configuration fixedori til at beregne leadfeltet for kun én optimal dipol-retning.
  10. Beregn Kovarians matrixen for hvert forsøg, og gennemsnit den på tværs af alle forsøg.
  11. Beregn de fysiske filtre ved hjælp af Forward-modellen og den gennemsnitlige Kovarians matrix med ft_sourceanalysis.
  12. Multiplicer sensor-level-signalet med LCMV-filtrene for at hente tidsserierne for hver kildeplacering i gitteret og for hvert forsøg.

8. Analysér præ-stimulus oscillerende Power i region af interesse

  1. Definer en region af interesse (ROI), for eksempel fra tidligere litteratur18 (her fusiform ansigtsområde [FFA]; MNI-koordinater: [28 -64 -4] mm).
  2. Enkelt ud den virtuelle sensor, der rumligt svarer til ROI, ved hjælp af ft_selectdata.
  3. Split ansigt og vase forsøg med ft_selectdata.
  4. Udfør en frekvens analyse på ROI, separat på data fra de to prøvetyper, ved hjælp af ft_freqanalysis.
  5. Indstil metoden option til mtmfft til at udføre en hurtig Fourier transformation.
  6. Indstil taper mulighed for at Hanning at bruge en Hann funktion taper.
  7. Definer hyppigheden af interesse fra 1 Hz til 40 Hz.
  8. Indstil output-indstillingen til Pow for at udtrække effektværdier fra Complex Fourier Spectra.
  9. Gentag proceduren for hver deltager før gennemsnittet af spektrene på tværs af deltagerne og afbilde de resulterende Grand-gennemsnitlige effektværdier som en funktion af hyppigheden af interesse.

9. Analysér præ-stimulus-forbindelse mellem regioner af interesse

  1. Definer en (eller flere) ROI, som den tidligere valgte ROI er en hypotese at være forbundet, for eksempel fra tidligere litteratur18 (her v1; MNI-koordinater: [12 -88 0]).
  2. Gentag trin 8,2 og 8,3.
  3. Udfør tidsfrekvens analyse på begge ROIs (repræsenteret som 2 kanaler eller ' virtuelle sensorer ' inden for samme datastruktur), separat på dataene fra de to prøvetyper, ved hjælp af ft_freqanalysis.
  4. Indstil metoden til mtmconvol for at implementere en multi koner tidsfrekvens transformation baseret på multiplikation i frekvens domænet.
  5. Indstil taper-indstillingen til DPSs for at bruge en diskret spinde sfænoidal sekvens funktion koner.
  6. Definer hyppigheden af interesse fra 8 Hz til 13 Hz.
  7. Indstil bredden af tidsvinduet til 200 MS og udjævningen parameter til 4 Hz.
  8. Angiv indstillingen keeptrials til Ja for at returnere tidsfrekvens estimaterne for de enkelte forsøg.
  9. Indstil outputtet til Fourier for at returnere komplekset Fourier Spectra.
  10. Udfør en forbindelses analyse af de resulterende tidsfrekvens data ved hjælp af ft_connectivityanalysis.
  11. Indstil metoden til COH og det komplekse felt til imag for at returnere den imaginære del af sammenhængen19.
  12. Gentag proceduren for hver deltager, før du gennemsnit sammenhængen Spectra på tværs af frekvenser og deltagere og afbilde resulterende Grand-gennemsnit imaginære sammenhængs værdier som en funktion af tid.

10. statistisk sammenligning af ansigt og vase præ-stimulus effekt eller kohærens Spectra

  1. Kombiner pre-stimulus Power eller kohærens data fra hvert emne, inden for hver af de 2 betingelser, i en MATLAB variabel ved hjælp af ft_freqgrandaverage med indstillingen keepindividual indstillet til Ja.
  2. Udfør en klyngebaseret permutation-test20 sammenligning af de 2 resulterende variabler ved hjælp af ft_freqstatistics.
  3. Indstil metoden option til motecarlo.
  4. Indstil frekvens indstillingen til [8 13], og Indstil avgoverfreq til Ja.
  5. Indstil clusteralpha til 0,05, og Indstil korrekttail til Alpha.
  6. Angiv indstillingen statistik til ft_statfun_depsamplesT.
  7. Opret en design matrix med en første række på 20 efterfulgt af 20 Twos, og en anden række af fortløbende tal fra 1 til 20 gentages to gange. Send denne design matrix til design muligheden.
    Bemærk: design matrixen er inddelt i blokke på 20, fordi dataene blev indsamlet fra 20 deltagere.
  8. Angiv indstillingen Ivar til 1 og indstillingen uvar til 2.

Representative Results

Vi præsenterede Rubin ansigt/vase illusion til deltagerne kort og gentagne gange og bad deltagerne om at rapportere deres Percept (ansigt eller vase?) efter hvert forsøg (figur 1). Hvert forsøg var forud for mindst 1 s af en blank skærm (med fikserings Kors); Dette var den præ-stimulus interval af interesse.

Vi spurgte, om præ-stimulus oscillerende magt i regioner af interesse eller præ-stimulus-forbindelse mellem regioner af interesse påvirket den perceptuelle rapport om den kommende tvetydige stimulus. Derfor, som et første skridt, vi projicerede vores data til kilde plads, således at vi kunne udtrække signaler fra de relevante ROIs.

Baseret på tidligere litteratur undersøger ansigt og objekt perception med både tvetydige21 og utvetydige22 STIMULI, vi bestemt FFA at være vores Roi. Vi analyserede efterfølgende lavfrekvente (1-40 Hz) spektral komponenter af FFA kilde signal og kontrast de spektral estimater fra forsøg rapporteret som ' ansigt ' med dem fra forsøg rapporteret som ' vase '. En klyngebaseret permutation test, klyngedannelse over frekvenserne 1-40 Hz, kontrasterende spektral effekt på forsøg, hvor folk rapporterede ansigt vs vase, afslørede ingen væsentlige forskelle mellem de 2 prøvetyper. Ikke desto mindre, beskrivende, Power Spectra viste den forventede oscillerende Alpha band Peak i intervallet 8-13 Hz, og i mindre grad beta-band aktivitet i intervallet 13-25 Hz (figur 2).

Efter at have fundet nogen forskelle i præ-stimulus spektral effekt, vi næste undersøgt, om der var forskelle i præ-stimulus-forbindelse mellem prøve typerne. Ud over FFA, vi fast besluttet v1 at være vores andet ROI på grund af sin allestedsnærværende engagement i vision. Baseret på resultaterne af Power analyse, vi fastsatte frekvenser 8-13 Hz at være vores frekvenser af interesse. Vi beregnede tids-og frekvens-løst imaginære del af sammenhængen mellem vores to ROIs, separat for ansigt og vase forsøg, og gennemsnitligt resultatet på tværs af frekvenser af interesse. Denne foranstaltning afspejler Synchrony af oscillatoriske fase blandt hjerneregioner og konservativt kontrol mod volumen ledning effekter i MEG rekonstruerede kilder19, så det var den metode til at vurdere funktionel kobling. En klynge-baseret permutation test, klyngedannelse over tid-punkter-1 til 0 s, kontrasterende imaginære sammenhæng mellem v1 og FFA på forsøg, hvor folk rapporterede ansigt vs vase, afslørede, at ansigt forsøg havde stærkere præ-stimulus tilslutningsmuligheder sammenlignet med vase forsøg, ca. 700 MS før stimulus debut (figur 3).

Figure 1
Figur 1 : Eksempel på prøve struktur og rå data. Bundpanel: en prøve starter med visning af et fikserings Kors. Efter 1 til 1,8 s, Rubin stimulus vises for 150 MS efterfulgt af en maske for 200 MS. et svar skærmbillede vises derefter for at bede deltagerne om at reagere med ' Face ' eller ' vase '. Toppanel: multi-Channel rå data fra et eksempel deltager, tids låst til stimulus debut og gennemsnit på tværs af forsøg. Dette er en skematisk at fremhæve data i præ-stimulus-analysevinduet (-1 s til 0 s; fremhævet med pink), som vil være målintervallet for analyse. Venligst klik her for at se en større version af dette tal.

Figure 2
Figur 2 : Spektral effekt i FFA. Spektral effekt skøn fra kilde-lokaliseret FFA signaler på ansigt og vase forsøg. Venligst klik her for at se en større version af dette tal.

Figure 3
Figur 3 : Konnektivitet mellem v1 og FFA. Imaginære del af sammenhængen mellem kilde-lokaliseret v1 og FFA signaler på ansigt og vase forsøg, i frekvensområdet på 8-13 Hz. nedtonede områder repræsenterer standardfejl i middelværdien for motiver inden for23. Venligst klik her for at se en større version af dette tal.

Discussion

Præsenterer en unik stimulus, som kan tolkes som mere end ét objekt over tid, men som kun ét objekt på et givet tidspunkt, giver mulighed for at undersøge præ-stimulus effekter på objekt perception. På denne måde er man i stand til at relatere præ-stimulus hjernen stater til subjektive rapporter om de opfattede objekter. I et laboratorium indstilling, tvetydige billeder, som kan tolkes på en af to måder, såsom Rubin vase illusion, giver en optimal sag, der giver mulighed for ligetil kontraster af hjernens aktivitet mellem to prøvetyper: dem, der opfattes én måde (f. eks ' ansigt ' ) og dem, der opfattes på den anden måde (f. eks. "vase").

Præsentere disse stimuli kort (< 200 MS) sikrer, at folk ser og efterfølgende rapportere kun en af de to mulige fortolkninger af stimulus på en given retssag. Modvægt (tilfældigt vekslende) mellem den sorte vase/hvide ansigter og hvid vase/sort ansigter versioner af stimulus på tværs af deltagere reducerer indflydelsen af lav-niveau stimulus funktioner på den efterfølgende analyse. Præsenterer en maske umiddelbart efter stimulus forhindrer efter billeder fra formning og forspænde deltagernes svar. Fordi analysere perioden efter stimulus debut er ikke af interesse, ingen matchning mellem lavfrekvente funktioner af stimulus og maske er påkrævet. Endelig forhindrer vekslende responsknapper på tværs af deltagere (f. eks. venstre for vase, højre for ansigtet eller omvendt) aktivitet på grund af motorisk forberedelse fra factoring til kontrasterne.

På grund af den millisekund opløsning af MEG er et præ-stimulus-interval på så kort som 1 s tilstrækkeligt til at anslå foranstaltninger som spektral effekt og tilslutningsmuligheder. I betragtning af den korte varighed af hver af de resulterende forsøg, kan et stort antal forsøg blive indkvarteret i en eksperimentel session, hvilket sikrer et højt signal-til-støj-forhold, når der gennemsnitlige MEG signaler på tværs af forsøg.

Specifikke kategori følsomme områder af interesse har vist sig at være aktive under objekt perception24,25. For eksempel, FFA er almindeligt rapporteret at være involveret i ansigtet perception22. For at undersøge virkningerne af den målte aktivitet, som stammer fra specifikke kilder, kan man kilde-rekonstruere MEG data. For at undersøge forbindelsen mellem kilderne er kilde genopbygning nødvendig. For at gøre det lettere at analysere kildedata kan data på kildeniveau repræsenteres af "virtuelle sensorer". Hvis du repræsenterer dataene på denne måde, kan du analysere enkelt prøve kildedata på nøjagtig samme måde i kilde plads og sensor plads (det vil være ved hjælp af de samme analysefunktioner, f. eks. ved hjælp af værktøjskassen Fieldtrip). Dette gør det muligt at afprøve hypoteser om aktiviteten i bestemte områder af interesse på en ligetil måde.

Mens præ-stimulus oscillerende magt har vist sig at påvirke stimulus detektion nær perceptuelle tærskel (opfattes vs ikke opfattes), om det påvirker indholdet af, hvad der ses er mindre kendt. Her vi kontrast præ-stimulus oscillerende magt i FFA mellem forsøg, som folk rapporterede ansigt vs vase, og fandt ingen statistiske forskelle. Vi testede efterfølgende, om forbindelsen mellem v1 og FFA påvirker den kommende perceptuelle rapport, og fandt, at Face forsøg var forud for forbedrede tilslutningsmuligheder mellem v1 og FFA i alfa frekvensområdet omkring 700 MS forud for stimulus debut. At vi fandt ingen effekt i Alpha magt, men snarere i konnektivitet i Alpha band, tyder på, at mens præ-stimulus Alpha magt kan påvirke stimulus afsløring7,8, det ikke nødvendigvis påvirke objekt kategorisering. Vores resultater viser derfor, at for en mere fuldstændig forståelse af den oscillatoriske dynamik forud objekt perception og deres efterfølgende indflydelse på objekt perception, blot at analysere oscillerende magt i regioner af interesse er ikke tilstrækkelig. Der skal snarere tages hensyn til konnektivitet mellem regioner af interesse, da de igangværende udsving i styrken af disse forbindelser kan fordomme efterfølgende perception18. Til trods for den mindre optimale rumlige opløsning af MEG viser vores protokol, at man er i stand til klart at identificere områder af interesse og undersøge deres forhold. MEG kan afløse Electroencephalography (EEG), fordi det giver overlegen rumlig opløsning, og kan afløse funktion MRI, fordi det giver overlegen tidsmæssig opløsning. Derfor er MEG kombineret med kilde rekonstruktion ideelt egnet til at undersøge hurtige og lokaliserede neurale processer.

Disclosures

Forfatterne har intet at afsløre.

Acknowledgments

Dette arbejde blev støttet af FWF østrigske videnskabs fond, billeddannelse sindet: konnektivitet og højere kognitiv funktion, W 1233-G17 (til skadestuen) og det Europæiske Forskningsråd Grant WIN2CON, ERC StG 283404 (til N.W.). Forfatterne vil gerne anerkende støtte fra Nadia Müller-Voggel, Nicholas Peatfield, og Manfred Seifter for bidrag til denne protokol.

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