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.