Alzheimer hastalığı olan hastalarda olaya ilişkin potansiyeller kullanarak Episodik Bellek Özellikleri incelenmesi

Aşağıdaki deneyin genel amacı, amnestik hafif bilişsel bozukluğu ve Alzheimer hastalığı olan hastalarda resimlerin ve kelimelerin tanınmasıyla ilişkili beyin fizyolojisindeki farklılıkları anlamaktır. Bu, Alzheimer hastaları resimler ve kelimeler için tanıma belleği kararları verirken, kafa derisi elektriksel aktivitesini ölçmek için EEG kullanılarak gerçekleştirilir.

Bunu gerçekleştirmek için, denek elektrot yerleşimine, DEG kurulumuna ve kafa derisi hazırlığına hazırlanmalıdır. Uzamsal lokalizasyon verileri özel bir 3D dijitalleştirici kullanılarak elde edilmelidir. Ardından, ham EEG verileri kaydedilirken davranışsal bellek görevleri yürütülmelidir.

Ardından, resim ve kelime hafızasıyla ilgili olayla ilişkili potansiyelleri incelemek için, ham EEG verileri son işlemden geçirilmeli ve ERP dalga formları şeklinde ortalanmalıdır. Her bir durum için bu ortalanmış ERP'ler daha sonra durumlar arasında istatistiksel olarak karşılaştırılabilir. Bu çalışmada elde edilen sonuçlar, Alzheimer hastalığı olan hastalar için resimlerin hafıza aşinalığının veya kavramsal işlemesinin, kelimelerin aksine, sağlıklı yaşlı yetişkinlerle karşılaştırıldığında bozulmadan kaldığını göstermektedir. Bu, uyaran başlangıcından yaklaşık 300 ila 500 milisaniye sonra meydana gelen erken frontal ERP eski-yeni etkisi incelenerek gerçekleştirilir.

Merhaba, ben Vanderbilt Üniversitesi Nöroloji Bölümü'nde yardımcı doçent ve Bellek Bozuklukları Araştırma Laboratuvarı Direktörü Brandon Ally. Merhaba, ben Aaron Hussey ve Bellek Bozuklukları Araştırma Laboratuvarı'nın laboratuvar yöneticisiyim. Bugün size Alzheimer hastalığı olan hastalarda beyin fizyolojisini anlamak için kullanılan bazı deneysel metodolojileri göstereceğiz.

Bu yöntem, bu hastalarda belleğin hangi yönlerinin sağlam kaldığı gibi temel soruları yanıtlamamıza yardımcı olabilir ve bugün Aaron bize metodolojiyi gösterecek. Bu protokole başlamak için öncelikle, deney sırasında kullanılacak EEG ekipmanının burada uygun şekilde kurulması gerekir. ERP verileri elde etmek için aktif elektrotlu 128 kanallı bios semi active two veri toplama sistemi, active two elektrot başlığıyla birlikte kullanılacaktır; pilin tam şarjlı olduğundan ve amplifikatöre bağlı olduğundan emin olun.

Şimdi, şırınga jeli, şerit metre, çeşitli boyutlarda EEG başlıkları, alkollü pamuklar, yüz elektrot yapışkanları ve elektrot kablolarını sabitlemek için cırt cırtlı bantlar dahil olmak üzere katılımcı hazırlığı için gerekli tüm malzemeleri toplayın. Deneye hazır hale getirmek için yapışkanları beş yüz elektroduna yerleştirin. Ardından, hem uyaran sunum bilgisayarını hem de veri toplama bilgisayarını açın ve yazılımı kurun.

Bu protokolde, uyaranların sunulması ve davranışsal veri biyoslarının elde edilmesi için ePrime yazılımı kullanılacaktır. Amplifikatörün veri toplama bilgisayarına uygun tetikleme kodlarını gönderdiğinden emin olmak için ham EEG verilerini toplamak amacıyla Semi-active görünümü kullanılacaktır. Bunu yapmak için önce, katılımcı kabinindeki amplifikatörü herhangi bir elektrot veya kablo takılı değilken açın.

Ardından, veri toplama bilgisayarındaki yazılımı açın ve veri toplamayı başlatın, ancak kaydetmeyin. Sonrasında, uyaran sunumu bilgisayarına geçin. Deney dosyasını açın ve paradigmayı çalıştırın.

Deney dosyasına programlanan tetikleme kodları artık veri toplama yazılım programında görünmelidir. Katılımcı geldiğinde, öncelikle tüm çalışma prosedürlerini açıklayın ve güvenlik endişelerini giderin; ardından deneğin protokolü tam olarak anladığından emin olmak için yazılı onam alın. Protokolü kendi kelimeleriyle tekrar anlatmalarını isteyin.

Katılımcının deney odasında, orta yükseklikte, sert sırtlı ahşap bir sandalyeye rahatça oturmasını sağlayın. Ardından, katılımcının uyaran ekranına olan görüş hattının deney için standart mesafede olduğunu teyit etmek için ölçüm yapın. Burada kullanılan mesafe 48 inches'dır.

Ardından, hangi EEG başlığının kullanılması gerektiğini belirlemek için katılımcının baş çevresini ölçün. Daha sonra, EEG başlığının uygun şekilde oturmasını ve kayıtların doğru alınmasını sağlamak için katılımcıdan tüm takılarını veya saç aksesuarlarını çıkarmasını isteyin. Ayrıca, katılımcı gözlük kullanıyorsa, bunları bu aşamada çıkarması en iyisidir.

Alkolle ıslatılmış bir pamuk yardımıyla, yüz elektrotlarının yerleştirileceği bölgelerdeki katılımcı cildini temizleyin. Her bir mastoid üzerine birer adet, her bir şakak üzerine birer adet ve sol gözün hemen altına bir adet elektrot yerleştirilecektir. Ardından, her bir yüz elektroduna az miktarda iletken jel sürün.

Ardından etiketin arkasındaki koruyucuyu çıkarın ve bunları katılımcının üzerine yerleştirin. Elektrodun yerinde sabit kalmasını sağlamak için hafifçe bastırın. Artık katılımcı, gerekirse gözlüklerini tekrar takabilir.

Ardından EEG başlığını katılımcının başına yerleştirin ve çene altındaki kayışı bağlayın. Sonra, nasiondan iniona kadar olan mesafeyi santimetre cinsinden ölçün. Orta noktayı bulmak için bu ölçümü 0,5 ile çarpın ve önden arkaya doğru bu noktaya A1 elektrodunu yerleştirin.

Ardından, bir kulaktaki preauriküler noktadan diğer kulağa olan mesafeyi ölçün. Bu ölçümün orta noktası, elektrot A'nın yanlardan yerleştirileceği noktadır. Daha sonra, denekler arasındaki kafatası şekli değişkenliğini kontrol etmek ve gelecekte mümkün olursa MRI verileriyle ortak kayıt yapmak amacıyla, katılımcının başındaki elektrot konumlarının üç boyutlu bir temsilini elde edeceğiz.

Burada, palus Patriot Digitizer konumlandırıcı ile öncelikle yerleştirme vericisini, fazla kabloyu sabit tutmak için çene kayışının altına sıkıştırarak, deneğin sol kulağının arkasındaki kapağın altına yerleştirin. Ardından alıcıyı, katılımcının başının altına, vericiden yaklaşık altı inç uzaklıktaki bir konuma, ahşap bir sandalyeye sabitleyin. Şimdi dijitalleştirme yazılımını açın ve yazılımın yönlendirmesi doğrultusunda kalemle elektrot konumlarının ölçümlerini yapın.

MR Locator yazılımı kullanılarak elektrot konumlarının 3 boyutlu bir baş modeli artık oluşturulabilir. Ardından, ham EEG verilerinin lokalizasyonu hariç işlemler gerçekleştirilir. Katılımcı için oluşturulan 3 boyutlu baş modeli bilgisayar ekranında doğrulandıktan sonra, bone üzerindeki elektrot yuvalarını iletken jel ile doldurun.

Ardından, elektrotları aktif iki başlığın önceden belirlenmiş her bir konumuna yerleştirin. Bu aşamada, yaşlı katılımcılara ara verilmesi en doğrusudur. Bu durum, özellikle odaklanmayı ve deneysel göreve yönelik sürdürülebilir dikkati korumak için sık sık aralara ihtiyaç duyabilecek Alzheimer hastalığı olan hastalar için geçerlidir.

Aradan sonra, kabloları ve yüz elektrotlarını amplifikatöre bağlayın. Ardından, elektrotların ofset seviyeleri veri toplama sisteminde kontrol edilmelidir. Bilgisayar aracılığıyla ofset seviyelerinin 25 microvolt sınırları içerisinde olduğu doğrulayın.

Tüm direnç seviyeleri kabul edilebilir düzeye geldiğinde ve tüm elektrotlar artefaktlardan arındığında, deney başlatılmaya hazırdır. Bu deneyde, ham EEG verilerini toplamak ve görüntülemek için bios yarı aktif kullanım yazılımı kullanılır. Başlamak için davranışsal veri sunum dosyasını yükleyin ve katılımcı numarasını girin.

Deneysel yazılım, katılımcının yanıtlarını kaydeder ve otomatik olarak bir veri dosyası oluşturur. Deney sona erdiğinde, katılımcının ekran monitörünün merkezinden 48 inç uzaklıkta oturduğundan emin olun. Deney yüklendiğinde, davranışsal talimatları katılımcı ile birlikte okuyun ve doğrulayın.

Şimdi veri toplama bilgisayarında ham EEG verilerini kaydetmeye başlayın. Ardından uyaran sunumunu başlatın. Uyaran sunum bilgisayarında.

Yaşlı yetişkinlerle veya bilişsel bozukluğu olan hastalarla çalışacak ve buradaki buton kutusu aracılığıyla yanıtları girecek bir araştırmacı hazır bulundurun. Bu deney, katılımcıya bir dizi resim veya kelimenin sunulacağı çalışma aşamasıyla başlar; davranışsal görev sırasında katılımcıyı izleyin ve ara verme ihtiyacını değerlendirin. Tüm davranışsal uyaranlar sunulduğunda, ham EEG veri dosyasını kaydettiğinizden emin olun.

Ardından, katılımcıya yeniden bir dizi resim veya kelimenin sunulacağı test aşaması için önceki adımlar tekrarlanacaktır. Test aşamasında, sunulan maddelerin yarısı önceki çalışma aşamasından, diğer yarısı ise yeni maddelerden oluşacaktır. Katılımcılar, cevaplarını araştırmacıya yüksek sesle bildirerek maddelerin eski mi yoksa yeni mi olduğunu belirleyecektir. Araştırmacı daha sonra, veri sonrası işlemeye başlamak için katılımcının yanıtını buton kutusu aracılığıyla girecektir.

Analiz tamamlanmadan önce, ham verilerin öncelikle hazırlanması ve sinyaldeki gürültü ile artefaktların giderilmesi için dijital olarak filtrelenmesi gerekir. İlk olarak EMSE Suite 5.3 yazılımı kullanılır. Sonsuz impuls yanıtlı ve bant geçiren filtreler gibi zamansal filtreler uygulanmalıdır.

Ardından, veriler baş üzerindeki bir noktaya referanslanmalıdır; burada ortak ortalama referans seçilir. Sonrasında, veriler uzamsal olarak filtrelenmeli ve hatalı kanallar ilişkilendirilmelidir. Verilerin görsel incelemesini gerçekleştirin ve uygun filtreleri kullanın.

Son olarak, göz kırpma ve göz hareketi artefaktlarını düzeltmek için oküler artefakt düzeltme yöntemleri uygulanmalıdır. Burada, çok hafif Alzheimer hastalığı olan hastalar ve sağlıklı yaşlı kontrollerde, kelimelerin ve resimlerin başarılı bir şekilde geri çağrılmasıyla ilişkili frontal ERP aktivitesini görüyoruz. Bu görüntüler, tipik olarak kavramsal işleme veya bellek aşinalığı ile ilişkilendirilen 300 ila 500 milisaniyelik zaman aralığında alınmıştır.

Resimler için benzer frontal eski-yeni etkisine, ancak gruplar arasında kelimeler için azalmış bir etkiye dikkat edin. Böylece, eski ve yeni tepkiler için beyin yanıtlarını analiz etmeyi bitirdikten sonra, Alzheimer hastalığı olan hasta gruplarıyla sağlıklı yaşlı yetişkinleri karşılaştırmak için kolayca istatistikler yapabilirsiniz. Bu tekniği uygularken, hastaların hareket etme ve çok konuşma eğiliminde olduklarını ve bunun sinyalde istenmeyen artefaktlar oluşturduğunu hatırlamak önemlidir.

Bu nedenle, istenmeyen artefaktlar sebebiyle bazı denemeleri dışlamak zorunda kalmanız durumunda, güvenilir istatistikler yapabilmek için yeterli sayıda deneme eklemeyi hatırlamanız önemlidir. İzlediğiniz için teşekkürler.