Mit MazeSuite und Functional Near Infrared Spectroscopy man Lernen in Spatial Navigation

Unser Ziel in dieser Präsentation ist zweifach. Erstens, den Prozess der experimentellen Protokollgestaltung und die Verwendung von May Suite zu veranschaulichen, und zweitens, die Einrichtung und Anwendung des FNIR-Systems zur Gehirnaktivitätsüberwachung zu demonstrieren. Mit May Suite können angepasste 3D-Umgebungen entworfen und bearbeitet sowie die Verhaltensleistung eines Teilnehmers verfolgt werden.

Um dies zu veranschaulichen, wird eine Teilstichprobe aus einer Studie beschrieben, die zeigt, wie sowohl die May-Suite als auch FNIR in einem einzigen Experiment verwendet werden können. Die Studie beinhaltet die Bewertung der kognitiven Aktivität des dorsolateralen präfrontalen Cortex während des Erwerbs und Lernens von Computer-Mace-Aufgaben bei blockierter und zufälliger Übungsreihenfolge. FNIR ist eine optische Methode zur Gehirnüberwachung, die nahinfrarotes Licht verwendet, um Veränderungen der hämodynamischen Reaktionen im Cortex zu verfolgen.

Die nichtinvasive Überwachung der zerebralen Hämodynamik und Sauerstoffversorgung wurde erstmals 1977 von Jobsesy und Kollegen demonstriert. Diese Technologie ermöglicht die Entwicklung tragbarer, sicherer, kostengünstiger, nichtinvasiver und minimal störender Überwachungssysteme, die zur Messung der Gehirnaktivität in natürlichen Umgebungen eingesetzt werden können. Unter mobilen und feldtauglichen Bedingungen kann nahinfrarotes Licht im Bereich von 700 bis 900 Nanometern einige Zentimeter in das Gewebe eindringen.

Wenn Licht in das Gewebe eindringt, wird es entweder absorbiert oder gestreut. Die Absorption beruht auf chromophoren, lichtabsorbierenden Molekülen wie Hämoglobin und Wasser; die Streuung erfolgt an strukturellen Bestandteilen des Gewebes, wie Zellmembranen und Schichten. Eine typische FNIR-Messung umfasst eine Messeinheit mit Lichtquellen und Detektoren.

Wenn eine Lichtquelle aktiviert wird, wird Licht über die Kopfhaut eingeleitet, dringt in diese ein und breitet sich in alle Richtungen im Gewebe aus, wobei es an Intensität verliert. Ein Teil des Lichts gelangt aufgrund mehrfacher sequenzieller Streuung wieder an die Oberfläche zurück und wird vom Detektor registriert. Die Photonen, die den Detektor erreichen, durchlaufen tatsächlich ein bananenförmiges Volumen. Messungen am Detektor liefern Informationen über diesen Bereich zwischen Lichtquelle und Detektor. Ein solches Paar wird als Oid bezeichnet; die Eindringtiefe, mit anderen Worten die Krümmung der Banane, ist eine Funktion des Abstands zwischen Lichtquelle und Detektor.

Deshalb ist die Geometrie des FNIR-Sensors entscheidend für die Konstruktion. Je nach Art der Messungen für kognitive Aufgaben und Messungen aus dem präfrontalen Cortex beträgt der optische Abstand gewöhnlich 2,5 Zentimeter bis drei Zentimeter. In dieser Studie haben wir FNIR-Geräte des Modells 1000 verwendet.

Dies basiert auf den Designs von Chance und Kollegen aus den 1990er Jahren und wurde weiterentwickelt am Optical Brain Imaging Lab der Drexel University. Dieses Instrument verwendet keine Lichtleitfasern oder Lichtleiter, um die Optoden mit der Haut zu verbinden. Daher ist es einfacher aufzubauen, komfortabler für lange Sitzungen und weniger anfällig für Bewegungsartefakte.

Dieser Sensor ist jedoch speziell für die Erfassung kortikaler Aktivitäten des dorsolateralen präfrontalen Kortex konzipiert, der sich unter der Stirn befindet, und kann aufgrund von Interferenzen durch Haare nicht in anderen Kopfbereichen eingesetzt werden. Die im Studie verwendete FNIR-Sensorplatte enthält vier Leuchtdioden, die inkohärentes Licht bei 730 Nanometern und 850 Nanometern emittieren. Es gibt 10 Photodetektoren, und durch sequenzielle Aktivierung der LEDs sowie Nutzung der umgebenden Detektoren ergeben sich 16 Messpositionen.

Bei jedem Scan werden Boxen abgetastet. Dies beinhaltet die Lichtintensitätsmessung von zwei verschiedenen Wellenlängen sowie eine Dunkelmessung für Umgebungslicht, was insgesamt drei Kanäle pro Messstelle ergibt. Somit werden beim Scan insgesamt 48 Kanäle aufgezeichnet. Das Sensorsystem wird seitlich auf der Stirn des Probanden platziert.

Man sollte sich auf der linken Seite des Probanden befinden und Seite zwei. Auf der rechten Seite des Probanden sollte der Sensor direkt über den Augenbrauen platziert werden und vertikal mittig ausgerichtet sein. Die gedachte vertikale Symmetrielinie verläuft durch die Mittellinie der Stirn und anschließend durch die Nase.

Die Mittellinie der Sensorpads stimmt mit der Mittellinie von Stirn und Nase überein. Sobald das Sensorpad positioniert ist, werden die Kabel an beiden Seiten nach hinten gezogen und am Hinterkopf verbunden. Nachdem das Kabel mit der Klammer befestigt wurde, ist es entscheidend, zu überprüfen, ob das Sensorpad korrekt mit der Haut gekoppelt ist und ob keine Unebenheiten oder Lücken zwischen den Optoden und der Haut bestehen.

Eine gute Möglichkeit, eine korrekte Kopplung zu überprüfen, besteht darin, leicht Druck auf das Sensorfeld auszuüben und zu fühlen, ob sich die Position unter Druck verändert. Manchmal kann ein Stirnband, ein elastisches Band oder ein festes Tuch, wie beispielsweise ein Tennisarmband oder eine Bandana, über dem FNIR-Sensor angebracht werden, um die Kopplung der Optoden mit der Haut zu sichern. Nachdem die Position des Sensors festgelegt wurde, sollten die Signale an allen Kanälen überprüft werden, indem die Datenaufnahme gestartet wird. Zunächst sollte das Sensorfeld mit der Steuerbox der FNIR-Hardware verbunden werden.

Das Gerät sollte über ein USB-Kabel mit dem Computer verbunden werden, und beide Systeme sollten eingeschaltet sein. Als Nächstes starten Sie Kobe Studio auf dem Computer, indem Sie auf die Verknüpfung im linken Bereich klicken, und anschließend auf den Link „Start aktuelles Gerät“ klicken. Wenn die Einstellungen korrekt sind, zeigt der Nachrichtenbereich an, dass das Gerät gestartet wurde, und es werden Grafiken mit den neu erfassten Signalen angezeigt.

Die Signalpegel hängen von den Einstellungen des LED-Stroms und der Verstärkung ab. Eine gute Faustregel ist, diese Parameter über 700 Millivolt und unter 4.000 Millivolt zu halten. Außerdem sollten die Signale stabil sein.

Zu starke Variationen und Spitzen können auf eine unsachgemäße Sensoranbindung oder Probleme mit Kabeln oder der Hardware hinweisen. In einigen Fällen können ein oder zwei seitliche Kanäle – Kanal 1 und 2 auf der linken sowie 15 und 16 auf der rechten Seite – über Haaren platziert sein, wodurch ihre Signale zu schwach ausfallen. Sie können dennoch fortfahren und diese Kanäle später bei der Analyse ausschließen.

Möglicherweise müssen Sie die Einstellungen je nach Proband anpassen, da aufgrund unterschiedlicher optischer Eigenschaften der individuellen Haut starke individuelle Unterschiede auftreten können. Um die Geräteeinstellungen zu ändern, klicken Sie zuerst auf „Aktuelles Gerät anhalten“. Klicken Sie dann im linken Bereich auf „Geräteeigenschaften“.

Wechseln Sie zum Reiter „Datenerfassungseinstellungen“ im Dialogfeld. Wenn Sie zunächst die Signalwerte erhöhen möchten, erhöhen Sie den LED-Stromwert. Eine Erhöhung des LED-Stromwerts bedeutet, dass die LEDs heller leuchten werden.

Wenn Sie zuerst die Signalpegel kalibrieren möchten, verringern Sie die Verstärkung. Der anfängliche Verstärkungswert wird für alle Voxel verwendet. Nachdem Sie die Werte eingestellt haben, klicken Sie auf Speichern und anschließend auf Start.

Aktuelles Gerät, um die Datenaufnahme mit neu eingestellten Parametern zu starten. Es ist außerdem üblich und nützlich, Markierungen zu verwenden, um bestimmte Ereignisse während Experimente zu identifizieren. Es gibt zwei Arten von Markierungen: manuelle und automatische. Manuelle Markierungen werden durch Klicken auf Schaltflächen im Hauptfenster von K erzeugt und sind zeitgestempelt sowie gemeinsam mit den FNIR-Daten gespeichert.

Automatische Markierungen werden von einem externen Gerät oder einer Computer-Software empfangen, während das Gerät angehalten ist. Gehen Sie zu den Geräteeinstellungen im linken Bereich und aktivieren Sie im Reiter „Synchronisierungseinstellungen“ die Option „Auf Markierungen lauschen“. Die serielle Schnittstelle ist eine empfohlene Methode für die Übertragung von Markierungen.

Überprüfen Sie, ob die serielle Portnummer auf eine gültige Portnummer des Computers eingestellt ist. Anschließend können Stimulationssoftware wie ePrime oder May Suite Marker durch Werte senden, die zeitgestempelt empfangen und gemeinsam mit den FNIR-Daten auf diesem Computer gespeichert werden. Roh-FNIR-Signale sind Zeitsignale, die Lichtintensität darstellen.

Störgeräusche in den Daten können vor oder nach der Umwandlung der rohen Lichtintensitätswerte in Sauerstoffsättigungswerte entfernt werden. Die physiologisch irrelevanten Daten, wie Atmung, Herzpulsation und Geräuschstörungen, müssen aus den rohen fNIR-Messungen eliminiert werden. Die dem Herzschlag zugeordnete Komponente weist gewöhnlich ein Maximum bei etwa oder über 0,5 Hertz auf, während die Atmung zwischen 0,2 Hertz und 0,4 Hertz liegt, um diese physiologischen Artefakte zu beseitigen.

Es werden endliche Impulsantwort- und lineare Phasen-Tiefpassfilter verwendet. Die Signale können ebenfalls durch Bewegungsartefakte gestört sein. Wenn sich die Lichtquellen oder Detektoren des fNIR-Sensors von ihrer ursprünglichen Anbringungsstelle verschieben oder durch Kopfbewegungen den Hautkontakt verlieren, können unerwartete plötzliche Ausschläge oder Spitzen in den fNIR-Messungen auftreten.

Außerdem kann der Detektor, falls die Kopplung der Lichtquelle mit der Haut verloren geht, entweder sehr niedrige Werte aufzeichnen, da kein Licht zu ihm gelangen kann, oder extreme hohe Intensitäten und vorübergehende Sättigung aufgrund des reflektierten Lichts von der Hautoberfläche. Ähnliche Sättigungseffekte können auftreten, wenn der Detektor verrutscht und den Kontakt zur Haut verliert. Eindringendes Umgebungslicht kann durch Kopfbewegungen zusätzlich zu Änderungen des auf das Sensorkissen oder die Lichtquellen und Detektoren ausgeübten Drucks führen.

Diese Veränderungen können dazu führen, dass mehr Photonen in das Gewebe eindringen, wodurch die detektierte Lichtintensität vorübergehend variiert wird. Neben der bloßen visuellen Überprüfung der Daten auf mögliche Bewegungsartefakte gibt es eine zunehmende Zahl an Algorithmen zur Erkennung und Entfernung von Bewegungsartefakten, um den Prozess zu automatisieren und Subjektivität auszuschließen. Algorithmen zur Artefaktentfernung in der Literatur reichen von einfachen Tiefpass- und VAM-Passfiltern über Wavelet-Analysen, unabhängige oder Hauptkomponentenanalysen bis hin zu optimalen Filterverfahren wie adaptiven Wiener- und Cowman-Filtern. Bei kontinuierlichen Wellensystemen werden rohe fNIR-Signale mithilfe des modifizierten Lambert-Beer-Gesetzes in relative Sauerstoffkonzentrationsänderungen umgewandelt.

Die optische Dichte bei einer bestimmten Eingangswellenlänge ist das logarithmische Verhältnis der Eingangs- zur Ausgangslichtintensität. Die optische Dichte hängt außerdem mit der Konzentration und dem Absorptionskoeffizienten des Chromophors, dem korrigierten Abstand zwischen Lichtquelle und Detektor sowie einem konstanten Dämpfungsfaktor zusammen, wobei die Eingangslichtintensität zu zwei verschiedenen Zeitpunkten gleich ist. Die Differenz der optischen Dichte kann ausschließlich in Abhängigkeit von den detektierten Lichtintensitätswerten ausgedrückt werden. Üblicherweise werden zwei Wellenlängen gewählt: eine im Bereich von 700 bis 900 Nanometern, in dem die Absorption von Oxyhämoglobin und Desoxyhämoglobin im Vergleich zu anderen Gewebeschromophoren dominant ist, und zwei – eine unterhalb und eine oberhalb der isosbästischen Stelle, die bei etwa 805 Nanometern liegt, wo sich die Absorptionsspektren von Desoxy- und Oxyhämoglobin schneiden.

Diese Gleichung kann zur Berechnung von Konzentrationen verwendet werden, wenn die 2×2-Matrix nicht signifikant ist. Nachdem die relativen Änderungen der Werte für oxygeniertes und desoxygeniertes Hämoglobin berechnet wurden, besteht der nächste Schritt darin, Merkmale basierend auf dem verwendeten experimentellen Protokoll und der kognitiven Aufgabe zu extrahieren.

Die Merkmalsextraktion wird am häufigsten verwendet, um die Datenmenge zu reduzieren und Vergleiche zwischen verschiedenen kognitiven Aufgaben, Versuchsgruppen und anatomischen Lokalisationen mithilfe der statistischen Analyse zu ermöglichen. Zu den gebräuchlichsten Merkmalen gehören der Maximal-, Minimal-, Mittel- oder Medianwert des oxygenierten und des desoxygenierten Hämoglobins sowie die Reaktionszeit, also die verstrichene Zeit bis zum Erreichen des Minimums oder Maximums. Diese Merkmale können innerhalb einer hervorgerufenen hämodynamischen Antwort auf einen bestimmten kognitiven Reiz extrahiert werden, die entweder durch Einzelversuchs-Paradigmen oder durch Datenabschnitte (Epochen) beziehungsweise Datenblöcke entsprechend bestimmten Bedingungen gewonnen wird, wie sie in Blockversuchs-Designs und -Paradigmen implementiert sind.

May Suite besteht aus drei Komponenten, die jeweils auf eine bestimmte Phase des Experiments abzielen: Planung, Durchführung und Analyse. Mit Maze Maker kann der Nutzer einfach eine 3D-Umgebung für jede Phase des experimentellen Protokolls entwerfen.

Einfache Umgebungen können innerhalb von Momenten erstellt werden. Zunächst wird der Bodenbereich definiert und dann mit dem Wandwerkzeug die Grenzen des Labyrinths festgelegt. Anschließend wird eine Startposition für das Versuchsobjekt und schließlich der Ausgangsbereich platziert.

Nach dem Speichern kann das Schnellstart-Tool verwendet werden, um die Umgebung unmittelbar zu testen. Komplexere Umgebungen können erstellt werden, um den Anforderungen eines bestimmten experimentellen Designs gerecht zu werden. Umgebungen können durch die Einführung interaktiver Objekte, Beleuchtungssteuerungen und Texturierung angepasst werden.

Mit dem Maze List Builder können Mel-Dateien erstellt und gespeichert werden, die bestimmte Kombinationen von Labyrinthen und Benachrichtigungen für die Verwendung als experimentelle Verfahren kombinieren. Masis Funktionalität kann genutzt werden, um spezifische experimentelle Designstufen zu realisieren, die entweder mit zunehmender oder zufälliger Schwierigkeit als Storyboard oder als Kontroll- gegenüber Experimentierstufen angeordnet sind. Einzelne Versuchsdurchläufe des Experiments werden mithilfe des Maze-Walker-Programms durchgeführt.

Das Ändern der Einstellungen in Maze Walker ermöglicht es Nutzern, die Bedingungen des Experiments weiter zu spezifizieren. Die Steuerung kann so geändert werden, dass Eingaben von verschiedenen Geräten wie Tastatur, Maus und Joystick akzeptiert werden. Externe Geräte können eine bidirektionale Kommunikation mit Maze Walker aufbauen, um Informationen zu sammeln oder Änderungen in der Umgebung auszulösen.

Die Gerätekommunikation kann über TCP/IP oder ein serielle Kabel erfolgen und ermöglicht die Schnittstelle zu einer Vielzahl von Geräten, einschließlich EEG-fMRI und fNIR. Während der Sitzungen protokollierte mais Walker die Bewegungen der Versuchsperson sowie alle während der Sitzung auftretenden Ereignisse. Mit dem Maze Analyzer-Programm können MACE-Dateien zusammen mit einem aufgezeichneten Benutzerpfad zur Überprüfung angezeigt werden.

Unterschiedliche Pfade können überlagert werden, um die Analyse zu unterstützen, und statistische Informationen über verschiedene Durchläufe können berechnet werden. Zusätzlich können die gesammelten Daten nach Excel oder MATLAB exportiert werden, um weitere Verarbeitungsschritte durchzuführen. Unser kognitives Repertoire umfasst eine breite Palette an Funktionen und Fähigkeiten, auf die mithilfe verschiedener Aufgaben zugegriffen werden kann, einschließlich virtueller räumlicher Navigation, Labyrinthen und Muster kortikaler Aktivierung im Frontallappen, die sich von der anfänglichen Leistung bei einer neuen Aufgabe nach dem Üben und während der Retention unterscheiden.

Mithilfe der FNIR und unter Fokussierung auf den präfrontalen Kortex nutzen wir die Funktion des PFC, insbesondere die exekutive Funktion, die Regulation kognitiver Funktionen in Aktion, die Aktivierung des PFC während Problemlösungsaufgaben sowie die Inanspruchnahme höherer Strukturen beim Halten mehrerer Informationen im Arbeitsgedächtnis. Die Organisation des Übens beim Erlernen mehrerer ähnlicher Aufgaben stellt ein Lernphänomen dar, das als Kontextinterferenz-Effekt bezeichnet wird. Effekte der Kontextinterferenz zeigen sich, wenn Personen mehrere Aufgaben nach unterschiedlichen Übungsplänen erwerben.

Hohe kontextuelle Interferenz entsteht, wenn die zu erlernenden Aufgaben in einer nicht sequenziellen, unvorhersehbaren Reihenfolge präsentiert werden. Bei der Blockpraxis mit niedriger kontextueller Interferenz werden die zu erlernenden Aufgaben in einer vorhersehbaren Reihenfolge präsentiert. Jeder Proband absolvierte 315 Erwerbungsversuche, jeweils 105 Versuche für jeden der drei Irrgärten an drei Tagen: Montag, Mittwoch und Freitag.

Am folgenden Montag, 72 Stunden nach der Erwerbung, wurden 30 Retentions- und 20 Transferdurchläufe in zufälliger Reihenfolge durchgeführt. Die Aktivität des präfrontalen Cortex wurde während aller Phasen für 16 Optostellen überwacht. Als abhängige Maße unter Verwendung von fNIR wurden relative Änderungen der mittleren oxygenierten Hämoglobinkonzentration sowie verhaltensbezogene Maße der Gesamtzeit, Weglänge und durchschnittlichen Geschwindigkeit für die Labyrinthe erfasst.

Die Verhaltensergebnisse zeigen, dass bei beiden Übungsreihenfolgen ein monoton abnehmender Trend bei der Labyrinthzeit, der Gesamtzeit, die erforderlich ist, um das Labyrinth zu durchlaufen, zu beobachten ist, was darauf hindeutet, dass die Teilnehmer das Labyrinth mit zunehmender Übung in kürzerer Zeit abschlossen – ein Ergebnis, das bei verhaltensbezogenen Lernbewertungen erwartet wird. Zusätzlich nimmt die Labyrinthgeschwindigkeit, also die durchschnittliche Geschwindigkeit, mit der die Teilnehmer das Labyrinth durchlaufen, mit der Übung zu. Auch hier ist eine Verbesserung der verhaltensbezogenen Messgrößen im Zeitverlauf zu erwarten, da dies als Indikator für das Lernen aus diesen Ergebnissen abgeleitet werden kann.

Es gibt einen direkten Vergleich des zufälligen versus blockweisen Trainings für jede Transferaufgabe bei der einfacheren Transferaufgabe. Dabei schnitt das blockweise Training besser ab als das zufällige Training. Bei der schwierigeren Transferaufgabe, Labyrinth fünf, war jedoch das zufällige Training dem blockweisen Training in Bezug auf den mittleren Sauerstoffgehalt überlegen.

Änderungen der Hämoglobinkonzentration während der Übungsphasen deuten darauf hin, dass die blockierte Reihenfolge im Vergleich zur zufälligen Reihenfolge eine stärkere Hirnaktivierung erforderte. Außerdem war bei einem Vergleich innerhalb einer Übungsreihenfolge für das Lernen in blockierter Reihenfolge eine neue Aufgabe, wie in der Transferphase, mit einer höheren Hirnaktivierung verbunden, da die Übungsreihenfolge für bereits gelernte Aufgaben unterschiedlich war.

Für den Teilnehmer, der die Aufgabe in einer blockierten Reihenfolge erlernt hat, mag diese stratifizierte zufällige Übungsreihenfolge ausreichend neuartig gewesen sein, um zusätzliche Anstrengung und kognitive Ressourcen für die Aufgabenausführung erforderlich zu machen. Darüber hinaus war beim zufälligen Übungsdesign die Übertragungsphase der neuronalen Aktivierung nicht höher als die Retentionsphase. Zusammenfassend demonstrierte diese explorative Studie die Anwendung von May Suite und FNIR zur Untersuchung neuroverhaltensbezogener Aspekte des Lernens bei der räumlichen Orientierung.

May Suite ermöglicht die Erstellung und Anwendung einfacher 3D-Umgebungen über eine benutzerfreundliche grafische Oberfläche und zeichnet automatisch Verhaltensmaße für within-subject- oder across-subject-Vergleiche auf. FNIR ist ein tragbares, sicheres und nicht-invasives Gehirnüberwachungsverfahren, das in klinischen Labor- und natürlichen Umgebungen zur Untersuchung der Gehirnaktivierung eingesetzt wurde. Wir hoffen, dass diese Präsentation hilfreich war, um diese Werkzeuge zu erläutern.

Viel Erfolg bei Ihren Experimenten.