This protocol presents a novel methodology for the neural decoding of intent from freely-behaving infants during unscripted social interaction with an actor. Neural activity is acquired using non-invasive high-density active scalp electroencephalography (EEG). Kinematic data is collected with inertial measurement units and supplemented with synchronized video recording.
Understanding typical and atypical development remains one of the fundamental questions in developmental human neuroscience. Traditionally, experimental paradigms and analysis tools have been limited to constrained laboratory tasks and contexts due to technical limitations imposed by the available set of measuring and analysis techniques and the age of the subjects. These limitations severely limit the study of developmental neural dynamics and associated neural networks engaged in cognition, perception and action in infants performing “in action and in context”. This protocol presents a novel approach to study infants and young children as they freely organize their own behavior, and its consequences in a complex, partly unpredictable and highly dynamic environment. The proposed methodology integrates synchronized high-density active scalp electroencephalography (EEG), inertial measurement units (IMUs), video recording and behavioral analysis to capture brain activity and movement non-invasively in freely-behaving infants. This setup allows for the study of neural network dynamics in the developing brain, in action and context, as these networks are recruited during goal-oriented, exploration and social interaction tasks.
En af de fundamentale menneskelige evner er evnen til at lære og implementere tiltag (aktion produktion) strategisk i tjeneste af mål og belønninger, evnen til at pågribe målene for arbejdsmarkedets parter (aktion forståelse) for at producere passende sociale reaktioner, og evnen at lære af andre gennem observation og imitation 1. Det neurale grundlag af disse kognitiv-motoriske evner er blevet tilskrevet, i det mindste delvis, at det såkaldte spejl neuron system et system, der menes at være engageret, når man ser en person, der udfører en handling, og når man udfører handlingen. Men der kan være sammenhæng mellem spejlet neuron systemet og handling forståelse endnu ikke godt forstået 1. Studere fremkomsten og udviklingen af dette spejl neuron system, i menneskelige spædbørn er blevet hæmmet af a) de tekniske begrænsninger erhvervelse af hjernens aktivitet multimodal data korrelerede til forsæt og finkornet køredataB) de begrænsninger, som forsøgsprotokoller, der er unaturlige (f.eks, social interaktion med en agent afbildet i et videobånd, behovet for at opretholde en stadig kropsholdning for at minimere artefakter under elektroencefalografiske (EEG) optagelser, etc.), og c) kommunikation / sprogbarrierer ved test unge spædbørn / småbørn, der i høj grad begrænser forskerens evner til at give instruktioner og validere adfærd.
For en bedre forståelse af varierende neurale og adfærdsmæssige dynamik i naturlige adfærd, udviklede vi en ny eksperimenterende og analytisk tilgang, der gør det muligt for tidsopløst undersøgelse af de neurale substrater for nye målrettede og sociale adfærd hos små børn. Konkret indsat vi en EEG baserede mobile hjernescanning (Mobi) tilgang 2 til rekord hjernens aktivitet og bevægelse fra frit opfører spædbørn i samspil med en eksperimentator. Inerti måleenheder (Imus) blev anvendt til at monMonitor er underlagt og eksperimentatorens kinematik.
EEG-teknologi og inerti sensorer blev brugt til at studere neurale mønstre og aktiveringer forbundet til spædbørn 'handling efterligning og målrettet adfærd i en unscripted samspil med en eksperimentator / skuespiller. Handlinger såsom rækkevidde-greb, nå-tilbud, observere, hvile, og udforske er alle en del af de kognitive-motoriske involveret i imiteret processer. Derudover bruger vi kilde estimering at lokalisere generatorerne af elektriske potentialer i hjernen i løbet af de adfærdsmæssige opgaver og derved studere spatiotemporale dynamik neuronale strømninger i hele hjernen. Ligeledes vi implementere machine learning algoritmer til at vurdere og måle forudsigeligheden af disse adfærdsmæssige tiltag ved at identificere action-relevant spatio-temporale mønstre i den neurale aktivitet i sensoren (EEG) og / eller kilde rum. Integration traditionelle ERD / ERS, kilde og afkodning analyse giver en mere omfattende UDVIKLINGStal beskrivelse af det neurale grundlag for en sådan adfærd.
Denne opsætning gav os mulighed for at udnytte fordelene ved Mobi tilgang 2,3 og studere de sociale interaktioner mellem spædbarnet og eksperimentatoren som de naturligt forekommer uden restriktioner.
Protokollen fra det tidspunkt, hvor emnet ankommer til den tid, han / hun forlader, tager ca. 1 time at fuldføre. IMU / EEG setup tid og elektrode placering købet af varierer fra 15 til 25 minutter, afhængigt af faktorer som hårlængde og samarbejde af emnet. Initialiseringen og konfiguration af udstyret tilføjer op til 10 min, og testsession varer cirka 15 minutter. Fjernelse af imus og EEG cap, herunder rengøring lederen af spædbarnet fra hypoallergen gel, tager 5-10 min.
Den beskrevne protokol præsenterer en metodologi til at indsamle data fra frit opfører spædbørn, mens de interagerer med en eksperimentator i realtid. Den beskæftiger mobilteknologi hjernescanning (hovedbund EEG) til at fange neurale aktivitet samtidig optager kinematisk data med Imus på strategiske kroppen steder. Forsøget session er også optaget af et videokamera. De tre dataregistreringssystemer synkroniseres ved hjælp af en brugerdefineret trigger-system.
EEG og IMU-system er spændt fast til emnet, som han / hun frit bevæger sig under eksperimentet session. De imus skal sidde fastspændt for at kunne fange kinematik præcist. For at sikre fuld ubegrænset mobilitet emnet, udstyret skal være så minimalt indgribende som muligt; således anvendelse af holderen til støtte EEG elektrode kabler og EEG styreboksen. Eksperimentatoren interagerer derefter med spædbarnet i ca. 15 minutter. InfAnt vil fremkalde et aldersbetinget repertoire af adfærd under interaktion. Disse omfatter hvile, nå-greb, nå-tilbud, udforske, observere og efterligne. Dog vil nogle spædbørn være uvillige til at samarbejde i sessionen på grund af træthed, manglende komfort, eller stress. Sørg for at planlægge eksperimentet, når barnet er mest dynamiske og aktive for at forhindre forekomsten af negative svar fra ham / hende.
Arten af eksperimentet indebærer risici for kvaliteten af de registrerede data i hele sessionen. Derfor er det afgørende at teste alle de forbindelser og datakvalitet, før du starter indspilningen, og til at overvåge dem konstant under sessionen. Hvis dataene EEG systemet ikke optager kvalitetsdata, stop softwaren og afmontere alle tilslutninger. Før genstart af software eller tilslutning af udstyr, tilbage til den bærbare computer, skal du fjerne alle mulige støjkilder (dvs. strømforsyninger) fra nærhed af optagelsen hardware. EEG-hardware omfatter signal forstærkere, der kan afhente ekstern støj hvis de placeres tæt på elektriske støjkilder. For IMU-modtageren, skal du sørge for der er ingen indblanding i sigtelinje mellem modtageren og eksperimentet og spædbarn.
Denne forsøgsopstilling giver høj tidsmæssig opløsning neurale data ved at måle elektrisk aktivitet på overfladen af hovedbunden. Nylige undersøgelser har vist muligheden for at udnytte disse signaler, sammen med hele kroppen kinematik, at identificere klassificeres information til udtryksfulde bevægelser 20, og funktionelle bevægelser 21,22, hvilket tyder på, at denne foreslåede dataindsamling tilgang kunne føre til en bedre forståelse af den neurale baggrund af imitation hos spædbørn.
Seneste bidrag byder kraftfuld maskine-learning algoritmer anvendes på hjernen dynamik 13,20,21 er ved at opbygge en voksende toolkit til at studere overfladen potentialer i mere naturligt setillinger. Denne foreslåede setup giver et spektrum af muligheder for forskningsspørgsmål, der skal behandles 2,22. Det kan især anvendes til forskning fokuseret på a) at forstå neurale grundlag af kognitiv motorisk udvikling hos spædbørn baseret på en stor population af individer; b) at forstå den neurale grundlag af barnets hensigt i 'handling og kontekst «, som bør være prædiktiv for den indkommende adfærdsmæssige handling; c) kvantificering fælles og unikke neurale mønstre for at karakterisere individualitet og variabilitet i udviklingslandene hjernen; og d) at studere fremkomsten af efterligning og læreprocesser. Disse mål indebærer indsættelsen af machine learning algoritmer, der kan håndtere statistisk rig data både informative hjerne-stammer potentialer og bevægelse eller muskel artefakter 12,20,23.
Denne undersøgelse forsøger at estimere kortikale kilder og elektrisk felt potentialer ved hjælp af spædbarn EEG-data. På grund afde tekniske vanskeligheder, såsom manglende viden i spædbarn hoved ledningsevneværdier og tykkelsen af kortikal sag, nøjagtig modellering af hovedet modellen er en vanskelig opgave. Er behov for yderligere undersøgelser for invasive regionale estimater væv ledningsevne hos spædbørn 24. Kortikale overflade segmentering af spædbarn MRI data udgør en yderligere udfordring grundet dårlig kontrast findes i billeder af den udviklende menneskelige hjerne 25. Fremtidig forskning er nødvendig for at løse disse problemer og anslå forskellige neurofysiologiske korrelater til spædbarn udvikling og adfærd.
Endelig kunne den foreslåede eksperimentelle protokol og metoder skal sættes i studiet af dem med udviklingsforstyrrelser såsom spædbørn med sandsynlig autisme spektrum forstyrrelse (ASF). I en sådan anvendelse, vil det være ønskeligt at inkludere en kontrolgruppe og egnede udviklingsmæssige vurderinger til at karakterisere de to grupper (kontrol og ASD). Til eksamenpel kunne en studiegruppe består af alle high-risiko (for ASF) spædbarn søskende vurderes med Autisme Diagnostic Observation Schedule 26, at symptom sværhedsgrad 27 og Mullen Scales of Early Learning 28 karakterisere generelle kognitive evner. Hvis tilgængelige, diffusions-vægtet MR-scanninger også ville være meget ønskeligt 29.
The authors have nothing to disclose.
Dette arbejde blev støttet af Eunice Kennedy Shriver National Institutes of Child Health & Human Development (NICHD) Award # P01 HD064653-01. Indholdet er alene forfatternes ansvar og repræsenterer ikke nødvendigvis de officielle udsigt over NICHD eller National Institutes of Health.
BrainAmp Amplifier | Brain Products, Gmbh | ||||
actiCAP EEG cap- 64 electrodes* | Brain Products, Gmbh | ||||
actiCAP Control Box | Brain Products, Gmbh | ||||
Brain Vision Recorder software v1.20.0601 | Brain Products, Gmbh | ||||
actiCAP Control Box software v1.2.5.2 | Brain Products, Gmbh | ||||
CapTrak | Brain Products, Gmbh | ||||
CapTrak software v1.0.0 | Brain Products, Gmbh | ||||
Opal movement monitor | APDM, Inc | ||||
Opal docking station | APDM, Inc | ||||
Opal wireless access point | APDM, Inc | ||||
Motion Studio software v1.0.0.201503302222 | APDM, Inc | ||||
Trigger box | Custom | ||||
Video camera | HC-W850M, Panasonic Co. | ||||
*The EEG caps come in the following head circumference sizes for infants: 42, 44, 46, 48, 50cm. For this protocol, a stock of 2 caps of each size is recommended. |