Неинвазивное обнаружение связанной с языком префронтальной высокой гамма-активности с помощью МЭГ с формированием луча

  1. участники В этом исследовании приняли участие пятнадцать здоровых японских добровольцев (21–26 лет;...
  2. измерения
  3. Бимформер и групповой статистический анализ
  4. Виртуальные датчики и частотно-временной анализ
  5. Доступность данных

участники

В этом исследовании приняли участие пятнадцать здоровых японских добровольцев (21–26 лет; 1 мужчина и 14 женщин). Эдинбургские тесты по инвентаризации 34 , которые были выполнены до исследования, выявили, что все участники были правши. Ни один из участников не имел неврологических или психических заболеваний, и их поля зрения были нормальными или скорректированными до нормальных. В соответствии с Хельсинкской декларацией мы объяснили цель и возможные последствия этого исследования всем участникам и получили информированное согласие до их участия в исследовании. Комитет по этике Университетской больницы Осаки утвердил протокол исследования.

задача

Мы использовали задачу генерации глагола и задачу чтения без вывода сообщений. В обеих задачах контрольные стимулы и японские семантические слова (визуальные стимулы), состоящие из трех японских символов хирагана или катакана, отображались в течение 3000 мс. Каждое слово было одно мономорфное и односложное трехмора японское слово (например, Мы использовали задачу генерации глагола и задачу чтения без вывода сообщений : утка или : дыня) выбрана из стандартного эталона японских лексических свойств 35 , 36 , Рандомизированные пиксельные изображения следующего слова, которое будет представлено, использовались в качестве контрольных стимулов. В интервале отдыха между каждым управляющим стимулом и семантическим стимулом слова в центре проекционного экрана отображался маленький красный круг фиксации. 1 , 3 ,

В задании по созданию глагола участникам было предложено молча прочитать каждое представленное слово один раз сразу после представления слова, а затем вспомнить глагол, связанный с этим словом. В задании по чтению без слов участники были проинструктированы о том, чтобы молча прочитать каждое из представленных слов только один раз. В общей сложности 100 различных слов были представлены последовательно, и один и тот же набор из 100 слов был использован в обеих задачах (дополнительный рис. S1 ). Порядок представленных слов был случайным как для заданий, так и для участников. Задача, которая была представлена ​​первой (то есть задача создания глагола или задача чтения без вывода сообщений), также была рандомизирована среди участников.

измерения

160-канальная система MEG с цельной головкой, оснащенная градиентометрами коаксиального типа (MEG vision NEO; RICOH, Токио, Япония), использовалась в комнате с магнитным экранированием. Участники лежали в лежачем положении на кровати с головой в центре. Визуальные словесные стимулы отображались на проекционном экране в 325 мм от глаза участника с использованием системы визуального представления (Presentation; Neurobehavioral Systems, Беркли, Калифорния, США); для дисплея использовался жидкокристаллический проектор (LVP-HC6800; Mitsubishi Electric Corporation, Токио, Япония).

Данные анатомической магнитно-резонансной томографии (МРТ) были получены с использованием магнитно-резонансного сканера 3,0 Т с 8-канальной катушкой с цельной головкой (Signa Excite HDxt 3.0 T; GE Healthcare, Chicago, IL, USA). Трехмерную лицевую поверхность каждого участника сканировали (FastSCAN Cobra; aranz medical, Крайстчёрч, Новая Зеландия), чтобы связать данные МЭГ с индивидуальными данными МРТ. Во время записи MEG к скальпу были прикреплены пять катушек-маркеров для регулировки положения и ориентации датчиков MEG на голове. Данные трехмерной поверхности лица были наложены на анатомическую поверхность лица, рассчитанную по данным МРТ.

Сигналы МЭГ были зарегистрированы в сети с помощью фильтра нижних частот 200 Гц с частотой дискретизации 1000 Гц. Для устранения шума линии переменного тока был использован режекторный фильтр на частоте 60 Гц. Участников попросили не двигать телом и смотреть в центр дисплея, не двигая глазами, чтобы уменьшить шум, связанный с мышечной активностью. 3 , 10 ,

Бимформер и групповой статистический анализ

Данные МЭГ были проанализированы с помощью метода формирования луча, который является методом узкополосной адаптивной пространственной фильтрации. 17 , При анализе пространственной фильтрации интересующее распределение нейронных сигналов в мозге строится на основе взвешенной суммы сигналов, записанных датчиками MEG SQUID при изменении локального ритма мозга. Взвешенная сумма позволяет получить необработанный выходной сигнал из зоны, в которой он находится; таким образом, сигнал из интересующей области может отображаться отдельно, тогда как сигнал из других местоположений подавляется 37 , Дифференциальные оценки мощности источника периода управления и периода интереса (POI) для выбранной полосы частот и временного окна были рассчитаны как значения псевдо-T 1 , Распределение псевдо-Т значений было наложено на отдельные анатомические МРТ, совместно зарегистрированные с данными МЭГ. Положительные и отрицательные значения указывают на ERS и ERD соответственно. ERS и ERD представляют собой колебательные изменения определенной полосы частот и отражают нейронную активность, соответствующую определенной функции. 38 , 39 , Для отдельных участников исследования ERS в высокой гамма-полосе были рассчитаны как имеющие положительные значения псевдо-T. Мы проверили, наблюдались ли локальные максимальные значения в левой MFG для каждого участника. Затем мы наложили псевдо-T значения больше 0,1 на стандартный мозг MNI.

Анализ формирователя луча создал объем, покрывающий весь мозг участника с размером вокселя 5 × 5 × 5 мм. Значительные различия между активным состоянием и состоянием контроля были рассчитаны в следующих полосах частот: альфа (8–13 Гц), бета (13–25 Гц), низкая гамма (25–50 Гц) и высокая гамма (50–100). Гц). Для всех частотных диапазонов контрольный период был установлен от 200 до 0 мс перед каждым началом стимула, а активное состояние определялось как временное окно в 200 мс после каждого начала стимула. Для диапазона высокой гаммы время начала активного временного окна последовательно перемещалось с шагом в 50 мс от 0 мс до 800 мс после появления стимула с перекрытием 150 мс; таким образом, 17 активных состояний были созданы для каждого стимула (дополнительный рис. S2 ). Для других полос частот начало активного временного окна последовательно перемещалось с шагом в 200 мс от 0 мс до 1000 мс после появления стимула без наложения; Таким образом, 6 активных состояний были созданы для каждого стимула.

Был проведен групповой статистический анализ для исключения анатомических различий между участниками; таким образом, общие области мозга, активированные этими задачами, могут быть определены. Статистическая значимость ERS / ERD для всех участников была проверена с помощью статистического параметрического картирования 8 (SPM8; Wellcome Trust Center для Neuroimaging, Лондон, Великобритания). Функциональные изображения каждого участника были нормализованы с использованием шаблона MRI-T1 в SPM8. Анатомическая МРТ каждого участника была привязана к одной и той же ориентации и расположена так, чтобы соответствовать стандартным координатам стандартного мозга MNI. Анализ уровня вокселей проводили с помощью теста перестановки (1024 перестановок) с использованием статистического непараметрического картирования 5 (SnPM 5; Эндрю Холмс и Томас Николс, Ковентри, Великобритания) после сглаживания дисперсии с 20-мм гауссовым ядром. Эти групповые статистические карты были подвергнуты порогу p <0,05 (исправлено) и наложены на матричный мозг с использованием программного обеспечения MRIcron (Университет психологии Ноттингемской школы, Ноттингем, Великобритания). BA, где статистическое значение воксела было значительным, определяли путем преобразования координат MNI в координаты Talairach 40 , Результаты, которые появились за пределами коры, были исключены. Мы применили поправку Бонферрони для множественных сравнений и использовали статистический пороговый уровень скорректированного р <0,05.

Виртуальные датчики и частотно-временной анализ

После оценки пространственно-временных пиков задач ERS и ERD с использованием группового статистического анализа виртуальный датчик генерировал нейромагнитные сигналы индивидуума, соответствующие пикам групповых статистических карт. Сигналы от целевого вокселя проецировались исключительно виртуальным датчиком, поскольку остаточный шум был удален, а сигналы из других частей мозга или внекраниальной среды были подавлены. 3 , Колебательные изменения в местах пиков, обнаруженных в групповом анализе, были показаны путем применения частотно-временного анализа к этим сигналам у каждого участника. Эти анализы были выполнены с использованием программного обеспечения FieldTrip ( http://www.fieldtriptoolbox.org ). Базовая линия находилась в диапазоне от -200 до 0 мс до начала стимула, а POI варьировалась от 0 до 1500 мс после начала стимула. Частотный диапазон от 2 до 102 Гц был разделен каждые 2 Гц, а спектральные амплитуды были рассчитаны в ячейках 4 Гц. Величины высокого гамма-диапазона в 650 мс и 950 мс во время каждой задачи были извлечены для каждого участника, и прямое сравнение между задачей генерации глагола и задачей чтения в режиме без вывода сообщений было выполнено с помощью парного t-критерия (с двумя хвостами).

Доступность данных

Все данные, полученные или проанализированные в этом исследовании, можно получить у соответствующего автора по обоснованному запросу после дополнительных этических разрешений в отношении предоставления данных отдельным учреждениям.

Популярное
ЕСЛИ ВЫ ЗАТОПИЛИ СОСЕДЕЙ | Республиканская служба государственного строительного и жилищного надзора Республики Бурятия
  ВАЖНО!!! Вы не обязаны оплачивать, либо ремонтировать больше, чем было испорчено в результате залива!!! Если соседи отказываются предоставить Вам доступ к помещению, существует вероятность,

Независимая экспертиза после залива квартиры — цены + опыт


Как оспорить судебную экспертизу дтп
Можно ли оспорить судмедэкспертизу пострадавшего по ДТП Оспаривать можно все, но для этого нужно иметь веские доказательства. Вы можете провести самостоятельную оценку выводов экспертизы, не попадайтесь

Что делать при заливе квартиры
Главная Ответы адвоката Лишние деньги, как правило, полезны. Качественный бланк поможет в преодолении неудобств при сочинении официального обращения. Это откроет путь сэкономить на найме юриста.

Независимая автоэкспертиза после ДТП: как проходит оценка стоимости ремонта авто
Всем привет, Илья Кулик на связи. Последствием практически каждого ДТП является повреждение имущества, в первую очередь, автотранспорта. Для получения компенсации за ущерб важно правильно оценить его размер.

Независимая оценка ущерба от залива квартиры
1 Залив в 1 – 2 помещениях: несущественные повреждения 5000 р 2 Залив в 2 – 3 помещениях: повреждения (потолок, стены, пол) 6 000  р 3 Залив во всех

Независимая оценка ущерба квартиры после залива
Содержание Что такое независимая экспертиза квартиры и когда она необходима? От чего зависит цена экспертизы после залива квартиры — 3 основных фактора Фактор 1. Количество залитых помещений Фактор

Возмещение материального ущерба при ДТП: образец искового заявления в суд о взыскании и возмещении ущерба и морального вреда с виновника в результате ДТП
Нанесение материального ущерба – неизбежный исход любого ДТП. После аварии у пострадавшей стороны возникает вопрос, как добиться от виновника происшествия возмещения материального вреда. О том,

Чем помогает независимая экспертиза квартиры после залива
Залив квартирыНезависимая экспертиза квартиры после залива проводится для документального подтверждения всех разрушений и поломок, произведенных водой после проникновения ее в жилые помещения по вине

Оценка ущерба — 7 шагов по проведению экспертизы ущерба + опыт!
Как правильно провести экспертизу материального ущерба? В чем особенности определения стоимости страхового ущерба по ОСАГО? Как выбрать независимого эксперта для оценки? Всем привет! С вами Денис

Счетчики