Informasi

Bagaimana tanggapan fMRI terhadap rangsangan pendengaran diukur?

Bagaimana tanggapan fMRI terhadap rangsangan pendengaran diukur?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Bagaimana eksperimen fMRI dapat dilakukan yang mengukur respons terhadap rangsangan pendengaran (misalnya musik) ketika peralatan mengeluarkan suara yang keras, jahat, dan mengganggu? Apakah ada tomografi MRI yang lebih tenang sementara itu, atau haruskah rangsangan (ditransfer oleh earphone) lebih keras daripada suara mesin? Bagaimana mengukur efek bisikan?


Saya dapat menemukan artikel ini lebih awal, tetapi seiring berjalannya waktu, saya tidak menemukannya. Tapi mungkin itu berisi sebagian besar dari apa yang bisa dikatakan untuk pertanyaan ini:

Jonathan E. Peellej, Tantangan metodologis dan solusi dalam pencitraan resonansi magnetik fungsional pendengaran, Front Neurosci. 2014; 8: 253


Respons saraf terhadap rangsangan alami dan model-cocok mengungkapkan perhitungan yang berbeda di korteks pendengaran primer dan nonprimer

Afiliasi Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, Cambridge, Massachusetts, Amerika Serikat, Zuckerman Institute of Mind, Brain and Behavior, Columbia University, New York, New York, Amerika Serikat, Laboratoire des Sytèmes Perceptifs, Département d'Études Cognitives, ENS, PSL University, CNRS, Paris Prancis

Konseptualisasi Peran, Akuisisi Pendanaan, Investigasi, Metodologi, Sumber Daya, Perangkat Lunak, Pengawasan, Penulisan – draf asli, Penulisan – tinjauan & pengeditan

Afiliasi Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, Cambridge, Massachusetts, Amerika Serikat, Program in Speech and Hearing Biosciences and Technology, Harvard University, Cambridge, Massachusetts, Amerika Serikat, McGovern Institute for Brain Research, Massachusetts Institut Teknologi, Cambridge, Massachusetts, Amerika Serikat


BAHAN DAN METODE

Delapan subyek sehat (dua laki-laki dan enam perempuan, 19-32 tahun) berpartisipasi dalam penelitian ini, dan satu subyek berpartisipasi dua kali pada hari yang berbeda. Sembilan percobaan dilakukan secara total. Subyek memberikan informed consent, yang telah disetujui oleh Institutional Review Board dari University of Minnesota. Semua eksperimen fMRI dilakukan pada sistem magnet bore 4T/90 cm (Siemens, Erlangen, Jerman) dengan konsol Varian INOVA (Varian Inc., Palo Alto, CA, USA). Sebuah kumparan permukaan RF loop tunggal (diameter 10 cm) digunakan. Gerakan kepala dibatasi oleh dudukan berlapis busa. Pada awal percobaan, gambar MR anatomi aksial, sagital, dan koronal diakuisisi oleh konvensional T1-Metode TurboFLASH tertimbang (22). Berdasarkan gambar-gambar ini, tujuh gambar koronal yang menutupi sebagian besar celah calcarine di V1 dipilih untuk memperoleh data fMRI menggunakan GE-EPI dengan parameter berikut: FOV = 20 × 20 cm 2 , matriks = 64 × 64 dalam bidang, TE = 22 ms, TR = 1,35 s, ketebalan irisan = 5 mm, 50 ms untuk memperoleh setiap irisan gambar, dan total 350 ms untuk memperoleh setiap kumpulan gambar multislice.

Untuk mempelajari interferensi kebisingan akustik pada aktivitas korteks visual, paradigma tugas berpasangan-stimulus dirancang. Dalam paradigma tugas ini (lihat Gambar 1), suara gradien yang dihasilkan selama setiap akuisisi kumpulan data fMRI multislice digunakan sebagai stimulus utama, dan cahaya yang berkedip mengikuti suara digunakan sebagai stimulus sekunder, dengan penundaan variabel sebesar ISI antara dua rangsangan. Kotak-kotak LED merah (12,8 cm × 5,9 cm) digunakan untuk menghasilkan stimulasi kedip visual singkat (17 ms). Subyek berbaring terlentang di magnet dan melihat tampilan kotak-kotak melalui cermin yang ditempatkan di dudukan yang dirancang khusus di atas mata mereka selama penelitian fMRI. Mereka diinstruksikan untuk memusatkan mata mereka pada bagian tengah layar selama penelitian fMRI. Telah ditunjukkan bahwa efek refraktori saraf di korteks visual manusia selama stimulasi visual berulang menghilang ketika penundaan yang relatif lama (≥1 detik) antara rangsangan visual berulang diterapkan (18). Oleh karena itu, komplikasi efek refraktori saraf di V1 dihilangkan dalam penelitian ini dengan menggunakan TR panjang 1,35 detik (setara dengan pencitraan TR). Selain itu, desain tugas yang mirip dengan desain tugas blok konvensional untuk meningkatkan efisiensi waktu rata-rata gambar diizinkan dan diterapkan dalam penelitian ini. Prosedur eksperimen diilustrasikan pada Gambar. 2. Enam run (run 1-6) dilakukan di setiap percobaan fMRI. Setiap proses terdiri dari tujuh periode kontrol (masing-masing 40 set gambar) yang disisipkan dengan enam periode tugas (tugas A–F, masing-masing 10 set gambar). Enam nilai ISI yang berbeda (50, 100, 200, 300, 500, dan 700 ms) digunakan dalam enam periode tugas, masing-masing, dalam urutan acak semu dalam setiap proses.

Desain tugas digunakan dalam paradigma stimulus berpasangan. Suara akustik pemindai digunakan sebagai stimulus utama, dan satu lampu berkedip digunakan sebagai stimulus sekunder, dengan jeda (ISI) di antaranya. Tujuh irisan EPI yang menutupi korteks visual primer diperoleh, menghasilkan setiap suara akustik pemindai (batang menetas), dan akuisisi gambar ini diulang 10 kali dalam setiap periode tugas.

Prosedur eksperimental untuk setiap eksperimen fMRI. Setiap blok tugas mewakili 10 presentasi stimulus. Untuk analisis intensitas BOLD, piksel aktif umum untuk tugas D, E, F, A, B, dan C dihasilkan untuk menjalankan 1. Berdasarkan data dari piksel yang diaktifkan umum ini, enam kursus waktu dihasilkan untuk tugas D, E, F, A, B, dan C, masing-masing. Prosedur serupa diselesaikan untuk run 2-6. Akibatnya, untuk setiap percobaan, enam kursus waktu diperoleh secara total untuk setiap tugas. Kuantifikasi akhir untuk setiap tugas didasarkan pada rata-rata enam kali kursus. Untuk analisis jumlah piksel yang diaktifkan, volume gambar yang sesuai dirata-ratakan dalam enam proses (berjalan 1–6) untuk tugas A. Peta yang diaktifkan di V1 dibuat berdasarkan volume gambar rata-rata ini, dan jumlah piksel yang diaktifkan untuk tugas A dihitung berdasarkan peta yang dihasilkan ini. Prosedur serupa diselesaikan untuk tugas B-F.

Dua parameter — intensitas sinyal BOLD dan jumlah piksel yang diaktifkan — dianalisis untuk menyelidiki efek kebisingan akustik pada aktivasi korteks visual. Analisis data dilakukan dengan menggunakan paket perangkat lunak STIMULATE (MRR, University of Minnesota).

Analisis intensitas sinyal BOLD didasarkan pada piksel aktif umum di V1 dari keenam tugas untuk setiap proses. Berdasarkan kriteria ini, untuk setiap proses (misalnya, lari 1 pada Gambar 2), region of interest (ROI) teraktivasi umum di korteks visual dihasilkan dari piksel yang melewati signifikansi statistik untuk keenam tugas (misalnya, tugas D, E, F, A, B, dan C), menggunakan metode korelasi silang periode dengan koefisien korelasi silang 0,4. Kursus waktu fMRI untuk setiap tugas dan dua periode kontrol yang berdekatan kemudian dihasilkan berdasarkan ROI yang diaktifkan umum ini (misalnya, enam kursus waktu dihasilkan untuk tugas D, E, F, A, B, dan C, masing-masing, dalam proses 1) . Untuk setiap percobaan, enam kursus waktu dihasilkan untuk setiap tugas (misalnya, tugas A) secara total dari enam putaran (berjalan 1–6), yang kemudian dirata-ratakan untuk tugas itu. Intensitas sinyal BOLD dikuantifikasi sebagai integral dari sinyal BOLD dengan garis dasar periode kontrol dikurangi dari rata-rata kursus waktu untuk setiap tugas. Hasilnya dinyatakan sebagai normalisasi intensitas BOLD rata-rata untuk keenam tugas.

Untuk jumlah piksel yang diaktifkan, analisis untuk setiap tugas (misalnya, tugas A) didasarkan pada piksel yang diaktifkan dari tugas tunggal itu (yaitu, tugas A). Oleh karena itu, semua volume gambar yang sesuai dari tugas yang sama pertama-tama dirata-ratakan dalam gambar k-ruang di enam putaran, dan kemudian peta aktivasi dibuat untuk setiap tugas berdasarkan volume gambar rata-rata menggunakan metode korelasi silang dengan koefisien korelasi silang yang sama sebesar 0,4. Akibatnya, enam peta aktivasi dihasilkan untuk enam tugas berbeda di setiap percobaan fMRI. Jumlah piksel yang diaktifkan kemudian dihitung berdasarkan peta aktivasi yang dihasilkan untuk setiap tugas. ROI yang menutupi celah calcarine di korteks visual ditentukan berdasarkan gambar anatomi yang diperoleh sebelum percobaan fMRI. Hanya piksel aktif yang terletak di dalam ROI yang dihitung. Jumlah piksel yang diaktifkan juga dinormalisasi ke jumlah rata-rata piksel yang diaktifkan untuk keenam tugas tersebut.


Isi

Pencitraan resonansi magnetik fungsional (MRI fungsional atau fMRI) adalah prosedur pencitraan resonansi magnetik (MRI) spesifik yang mengukur aktivitas otak dengan mendeteksi perubahan terkait dalam aliran darah. Lebih khusus lagi, aktivitas otak diukur melalui sinyal BOLD frekuensi rendah di otak. [11]

Prosedurnya mirip dengan MRI tetapi menggunakan perubahan magnetisasi antara darah kaya oksigen dan darah miskin oksigen sebagai ukuran dasarnya. Ukuran ini sering dirusak oleh noise dari berbagai sumber dan karenanya prosedur statistik digunakan untuk mengekstrak sinyal yang mendasarinya. Aktivasi otak yang dihasilkan dapat disajikan secara grafis dengan kode warna kekuatan aktivasi di seluruh otak atau wilayah tertentu yang dipelajari. Teknik ini dapat melokalisasi aktivitas ke dalam milimeter tetapi, menggunakan teknik standar, tidak lebih baik daripada dalam jendela beberapa detik. [12]

FMRI digunakan baik dalam penelitian, dan pada tingkat lebih rendah, dalam pengaturan klinis. Hal ini juga dapat dikombinasikan dan dilengkapi dengan ukuran lain dari fisiologi otak seperti EEG dan NIRS. [13] [14] Arteri spin pelabelan fMRI dapat digunakan sebagai pendekatan pelengkap untuk menilai fungsi otak istirahat. [15]

Respon aliran darah fisiologis sangat menentukan sensitivitas temporal, seberapa baik neuron yang aktif dapat diukur dalam BOLD fMRI. Parameter resolusi waktu dasar adalah laju pengambilan sampel, atau TR, yang menentukan seberapa sering irisan otak tertentu tereksitasi dan dibiarkan kehilangan magnetisasinya. TR dapat bervariasi dari yang sangat pendek (500 ms) hingga yang sangat lama (3 detik). Khusus untuk fMRI, respons hemodinamik diasumsikan berlangsung lebih dari 10 detik, meningkat secara berlipat ganda (yaitu, sebagai proporsi nilai saat ini), memuncak pada 4 hingga 6 detik, dan kemudian menurun secara berlipat ganda. Perubahan dalam sistem aliran darah, sistem vaskular, mengintegrasikan respons terhadap aktivitas saraf dari waktu ke waktu. Karena respons ini merupakan fungsi kontinu yang mulus, pengambilan sampel dengan TR yang lebih cepat hanya membantu memetakan fluktuasi yang lebih cepat seperti sinyal pernapasan dan detak jantung. [16]

Sementara fMRI berusaha untuk mengukur aktivitas saraf di otak, sinyal BOLD dapat dipengaruhi oleh banyak faktor fisiologis lain selain aktivitas saraf. Misalnya, fluktuasi pernapasan dan siklus kardiovaskular mempengaruhi sinyal BOLD yang diukur di otak dan oleh karena itu biasanya dicoba untuk dihilangkan selama pemrosesan data fMRI mentah. Karena sumber kebisingan ini, ada banyak ahli yang mendekati gagasan fMRI keadaan istirahat dengan sangat skeptis selama penggunaan awal fMRI. Baru-baru ini para peneliti menjadi yakin bahwa sinyal yang diukur bukanlah artefak yang disebabkan oleh fungsi fisiologis lainnya. [17]

Konektivitas fungsional keadaan istirahat antara wilayah otak yang berbeda secara spasial mencerminkan sejarah berulang pola koaktivasi di dalam wilayah ini, sehingga berfungsi sebagai ukuran plastisitas. [18]

Pada tahun 1992, Bharat Biswal memulai pekerjaannya sebagai mahasiswa pascasarjana di The Medical College of Wisconsin di bawah arahan penasihatnya, James S. Hyde, dan menemukan bahwa otak, bahkan selama istirahat, berisi informasi tentang organisasi fungsionalnya. Dia telah menggunakan fMRI untuk mempelajari bagaimana berbagai daerah otak berkomunikasi saat otak sedang istirahat dan tidak melakukan tugas aktif apa pun. Meskipun pada saat itu, penelitian Biswal sebagian besar diabaikan dan dikaitkan dengan sumber sinyal lain, teknik neuroimaging istirahatnya kini telah banyak direplikasi dan dianggap sebagai metode yang valid untuk memetakan jaringan otak fungsional. Memetakan aktivitas otak saat istirahat menyimpan banyak potensi untuk penelitian otak dan bahkan membantu dokter mendiagnosis berbagai penyakit otak. [3]

Percobaan oleh laboratorium ahli saraf Marcus Raichle di Fakultas Kedokteran Universitas Washington dan kelompok lain menunjukkan bahwa konsumsi energi otak meningkat kurang dari 5% dari konsumsi energi dasarnya saat melakukan tugas mental yang terfokus. Eksperimen ini menunjukkan bahwa otak terus aktif dengan aktivitas tingkat tinggi bahkan ketika orang tersebut tidak terlibat dalam pekerjaan mental yang terfokus (keadaan istirahat). Laboratoriumnya terutama difokuskan untuk menemukan dasar dari aktivitas istirahat ini dan dikreditkan dengan banyak penemuan inovatif. Ini termasuk independensi relatif aliran darah dan konsumsi oksigen selama perubahan aktivitas otak, yang memberikan dasar fisiologis fMRI, serta penemuan Jaringan Mode Default yang terkenal. [19]

Pengeditan Fungsional

Konektivitas fungsional adalah konektivitas antara daerah otak yang berbagi sifat fungsional. Lebih khusus lagi, ini dapat didefinisikan sebagai korelasi temporal antara peristiwa neurofisiologis yang jauh secara spasial, yang dinyatakan sebagai penyimpangan dari independensi statistik di seluruh peristiwa ini dalam kelompok dan area saraf terdistribusi. [20] Ini berlaku untuk studi keadaan istirahat dan keadaan tugas. Sementara konektivitas fungsional dapat merujuk ke korelasi lintas subjek, lari, blok, uji coba, atau titik waktu individu, konektivitas fungsional status istirahat berfokus pada konektivitas yang dinilai di seluruh titik waktu BOLD individu selama kondisi istirahat. [21] Konektivitas fungsional juga telah dievaluasi menggunakan rangkaian waktu perfusi yang diambil sampelnya dengan fMRI perfusi berlabel spin arteri. [22] MRI konektivitas fungsional (fcMRI), yang dapat mencakup fMRI keadaan istirahat dan MRI berbasis tugas, suatu hari nanti dapat membantu memberikan diagnosis yang lebih definitif untuk gangguan kesehatan mental seperti gangguan bipolar dan juga dapat membantu dalam memahami perkembangan dan perkembangan pasca- gangguan stres traumatis serta mengevaluasi efek pengobatan. [23] Konektivitas fungsional telah disarankan untuk menjadi ekspresi dari perilaku jaringan yang mendasari fungsi kognitif tingkat tinggi sebagian karena tidak seperti konektivitas struktural, konektivitas fungsional sering berubah pada urutan detik seperti dalam kasus konektivitas fungsional dinamis.

Jaringan mode default Sunting

Jaringan keadaan istirahat lainnya Sunting

Mengedit data

Ada banyak program untuk memproses dan menganalisis data fMRI keadaan istirahat. Beberapa program yang paling umum digunakan termasuk SPM, AFNI, FSL (khususnya Melodic for ICA), CONN, C-PAC, dan Connectome Computation System (CCS).

Metode analisis Sunting

Ada banyak metode untuk memperoleh dan memproses data rsfMRI. Metode analisis yang paling populer berfokus pada komponen independen atau pada wilayah korelasi.

Analisis komponen independen Sunting

Analisis regional Sunting

Metode lain untuk mengkarakterisasi jaringan keadaan istirahat termasuk korelasi parsial, koherensi dan koherensi parsial, hubungan fase, jarak warping waktu dinamis, pengelompokan, dan teori grafik. [35] [36] [37]

Keandalan dan reproduktifitas Edit

Pencitraan resonansi magnetik fungsional keadaan istirahat (rfMRI) dapat menggambarkan fluktuasi frekuensi rendah dalam aktivitas otak spontan, mewakili alat populer untuk konektivitas fungsional skala makro untuk mengkarakterisasi perbedaan antar individu dalam fungsi otak normal, asosiasi pikiran-otak, dan berbagai gangguan. Ini menunjukkan keandalan dan reproduktifitas untuk ukuran yang diturunkan dari rfMRI yang umum digunakan dari penghubung fungsional otak manusia. Metrik ini memiliki potensi besar untuk mempercepat identifikasi biomarker untuk berbagai penyakit otak, yang menyerukan perlunya menangani keandalan dan reproduktifitas di tempat pertama. [38]

FMRI dengan EEG Edit

Banyak ahli pencitraan merasa bahwa untuk mendapatkan kombinasi terbaik dari informasi spasial dan temporal dari aktivitas otak, baik fMRI maupun elektroensefalografi (EEG) harus digunakan secara bersamaan. Teknik ganda ini menggabungkan kemampuan EEG yang terdokumentasi dengan baik untuk mengkarakterisasi keadaan otak tertentu dengan resolusi temporal yang tinggi dan untuk mengungkapkan pola patologis, dengan kemampuan fMRI (yang baru ditemukan dan kurang dipahami dengan baik) untuk menggambarkan dinamika darah melalui seluruh otak dengan resolusi spasial yang tinggi. Hingga saat ini, EEG-fMRI terutama dilihat sebagai teknik fMRI di mana EEG yang diperoleh secara sinkron digunakan untuk mengkarakterisasi aktivitas otak ('keadaan otak') sepanjang waktu yang memungkinkan untuk memetakan (melalui pemetaan parametrik statistik, misalnya) hemodinamik terkait. perubahan. [39]

Nilai klinis dari temuan ini adalah subjek dari penyelidikan yang sedang berlangsung, tetapi penelitian terbaru menunjukkan keandalan yang dapat diterima untuk studi EEG-fMRI dan sensitivitas yang lebih baik pada pemindai lapangan yang lebih tinggi. Di luar bidang epilepsi, EEG-fMRI telah digunakan untuk mempelajari respons otak terkait peristiwa (dipicu oleh rangsangan eksternal) dan memberikan wawasan baru yang penting tentang aktivitas otak dasar selama istirahat, terjaga dan tidur. [40]

FMRI dengan TMS Sunting

Stimulasi magnetik transkranial (TMS) menggunakan medan magnet kecil dan relatif tepat untuk merangsang daerah korteks tanpa prosedur invasif yang berbahaya. Ketika medan magnet ini merangsang area korteks, aliran darah fokal meningkat di tempat stimulasi serta di tempat yang jauh yang secara anatomis terhubung ke lokasi yang distimulasi. Positron emission tomography (PET) kemudian dapat digunakan untuk mencitrakan otak dan perubahan aliran darah dan hasilnya menunjukkan daerah yang sangat mirip dari jaringan konfirmasi konektivitas yang ditemukan dalam studi fMRI dan TMS juga dapat digunakan untuk mendukung dan memberikan informasi yang lebih rinci tentang daerah yang terhubung . [41]

Potensi jebakan saat menggunakan rsfMRI untuk menentukan integritas jaringan fungsional adalah kontaminasi sinyal BOLD oleh sumber gangguan fisiologis seperti detak jantung, pernapasan, [42] [43] dan gerakan kepala. [44] [45] [46] [47] Faktor-faktor pengganggu ini sering kali dapat membiaskan hasil dalam penelitian di mana pasien dibandingkan dengan kontrol sehat ke arah efek yang dihipotesiskan, misalnya koherensi yang lebih rendah mungkin ditemukan di jaringan default pada pasien kelompok, sedangkan kelompok pasien juga lebih banyak bergerak selama pemindaian. Juga, telah ditunjukkan bahwa penggunaan regresi sinyal global dapat menghasilkan korelasi buatan antara sejumlah kecil sinyal (misalnya, dua atau tiga). [48] ​​Untungnya, otak memiliki banyak sinyal. [49]

Penelitian menggunakan fMRI keadaan istirahat memiliki potensi untuk diterapkan dalam konteks klinis, termasuk digunakan dalam penilaian berbagai penyakit dan gangguan mental. [50]

Kondisi penyakit dan perubahan konektivitas fungsional keadaan istirahat Sunting

    : penurunan konektivitas [51] : konektivitas abnormal [52] : perubahan konektivitas [53][54] dan efek pengobatan antidepresan: konektivitas abnormal [55][56][57][58] dan efek penstabil mood: konektivitas abnormal dan sifat jaringan [59][60][61][62] : jaringan terganggu [63] (ADHD): perubahan "jaringan kecil" dan perubahan talamus [64] : gangguan sistem otak dan jaringan motorik [51] : gangguan dan penurunan /peningkatan konektivitas [65] : perubahan konektivitas [66] : peningkatan/penurunan konektivitas [67] : perubahan konektivitas [68][69] : perubahan konektivitas dalam sirkuit kortikolimbik dan korteks insular[70]

Jenis lain dari aplikasi klinis saat ini dan masa depan untuk fMRI keadaan istirahat termasuk mengidentifikasi perbedaan kelompok dalam penyakit otak, memperoleh informasi diagnostik dan prognostik, studi longitudinal dan efek pengobatan, pengelompokan dalam keadaan penyakit heterogen, dan pemetaan pra-operasi dan intervensi penargetan. [71] Karena pengukuran keadaan istirahat tidak memiliki tuntutan kognitif (bukan eksperimen psikologis termasuk tugas), orang dengan gangguan kognitif juga dapat diukur dengan mudah.


Respon Otak Neonatus terhadap Stimuli Pendengaran yang menyimpang dan Kaitannya dengan Kecemasan Sifat Ibu

Respons berlebihan terhadap rangsangan yang tidak terduga atau "menyimpang" selama masa bayi dan anak usia dini merupakan penanda risiko awal untuk gangguan kecemasan. Namun, penelitian belum menggambarkan daerah otak tertentu yang mendasari respons neonatus terhadap rangsangan menyimpang menjelang lahir dan hubungannya dengan risiko gangguan kecemasan. Para penulis menggunakan MRI fungsional berbasis tugas (fMRI) untuk menggambarkan respons neonatal terhadap rangsangan yang menyimpang dan hubungannya dengan kecemasan sifat ibu.

Metode:

Para penulis menggunakan fMRI untuk mengukur aktivitas otak yang ditimbulkan oleh rangsangan pendengaran yang menyimpang pada 45 neonatus yang sedang tidur (usia rata-rata, 27,8 hari 60% wanita 64% Afrika Amerika). Pada 41 bayi, respons saraf terhadap rangsangan menyimpang diperiksa dalam kaitannya dengan kecemasan sifat ibu pada Inventaris Kecemasan Sifat-Negara, faktor risiko keluarga untuk kecemasan keturunan.

Hasil:

Neonatus memanifestasikan respons saraf yang kuat dan luas terhadap rangsangan menyimpang yang menyerupai pola yang ditemukan sebelumnya pada orang dewasa. Kecemasan sifat ibu yang lebih tinggi terkait dengan respons yang lebih tinggi dalam beberapa wilayah otak, termasuk insula anterior kiri dan kanan, korteks prefrontal ventrolateral, dan beberapa area dalam korteks cingulate anterior. Daerah ini tumpang tindih dengan daerah otak yang sebelumnya terkait dengan gangguan kecemasan dan penyakit kejiwaan lainnya pada orang dewasa.

Kesimpulan:

Arsitektur saraf yang peka terhadap rangsangan menyimpang berfungsi dengan kuat pada bayi baru lahir. Respons yang berlebihan dari beberapa komponen sirkuit saat lahir dapat menandakan risiko kecemasan dan gangguan kejiwaan lainnya.


METODE

Generasi Stimulus

Bunyi ujaran berupa konsonan tak bersuara yang terdiri dari plosif (/t/, /k/), frikatif (/f/) dan afrikat (/t∫/ fonem di awal “keju”). Plosif (/t/, /k/) adalah non-kontinyu yaitu, diproduksi secara alami dengan aliran udara tak bersuara pasca-penghalang pendek. Bunyi mulut nonspeech terdiri dari empat bunyi klik ingresif: klik gigi (/|/), klik pasca-alveolar (/!/), klik lateral (/∥/) dan klik bilabial (/⊙/). Masing-masing, ini mirip dengan suara “tutting” (umumnya ditulis sebagai “tsk-tsk” atau “tut-tut”), “clop,” seperti pada suara clip-clop yang dibuat saat meniru kuda yang berlari, -up", suara klik yang dibuat untuk menunjukkan "pergi" atau "pergi lebih cepat" (misalnya, saat di atas kuda), dan suara "ciuman". Ini semua diproduksi oleh penutur asli bahasa Inggris British. Tiga puluh token dari setiap suara digunakan dalam percobaan, dan setiap token hanya disajikan sekali (Gambar 1).

Ucapan, klik ingressive, dan suara SCN berbagi amplop amplitudo yang serupa. Contoh token dari ucapan, suara klik ingressive, dan kondisi SCN yang digunakan dalam percobaan. Bagian atas menunjukkan versi bentuk gelombang suara, sedangkan bagian tengah menunjukkan struktur spektrotemporalnya dalam bentuk spektogram. Bagian bawah menunjukkan amplop amplitudo, yang menggambarkan amplitudo rata-rata suara dari waktu ke waktu. Perhatikan bahwa ketiga token memiliki amplop amplitudo yang sama dan bahwa token SCN memiliki struktur spektral yang jauh lebih sederhana daripada suara ucapan dan klik (seperti yang ditunjukkan dalam spektogram).

Ucapan, klik ingressive, dan suara SCN berbagi amplop amplitudo yang serupa. Contoh token dari ucapan, suara klik ingresif, dan kondisi SCN yang digunakan dalam percobaan. Bagian atas menunjukkan versi bentuk gelombang suara, sedangkan bagian tengah menunjukkan struktur spektrotemporalnya dalam bentuk spektogram. Bagian bawah menunjukkan amplop amplitudo, yang menggambarkan amplitudo rata-rata suara dari waktu ke waktu. Perhatikan bahwa ketiga token memiliki amplop amplitudo yang sama dan bahwa token SCN memiliki struktur spektral yang jauh lebih sederhana daripada suara ucapan dan klik (seperti yang ditunjukkan dalam spektogram).

Suara direkam menggunakan perekam solid state (Edirol, R-09HR, Roland, Hosoe-cho, Hamamatsu, Jepang) pada 24 bit, 96 kHz, dan disimpan sebagai file .wav. File suara dinormalisasi dengan amplitudo puncak yang sama di Praat (Boersma & amp Weenink, 2010). Suara dilakukan oleh penutur asli Inggris yang menghasilkan 30 token untuk setiap kategori ucapan dan suara klik ingresif. Versi SCN (Schroeder, 1968) digunakan sebagai rangsangan dasar, dan ini dihasilkan dengan mengalikan bentuk gelombang asli dengan kebisingan pita lebar antara 50 Hz dan 10 kHz.

Pengujian Perilaku

Stimulus diuji sebelumnya untuk memastikan bahwa subjek dapat mengkategorikan suara dengan benar sebagai ucapan atau bukan ucapan. Delapan subjek (lima laki-laki, usia rata-rata = 25,7 tahun) mendengarkan rangkaian suara yang sama yang digunakan di bagian fMRI dari eksperimen ini sebelum diminta untuk memutuskan apakah rangkaian suara tersebut adalah suara wicara atau non-ucapan (total 60 percobaan, 30 pidato , dan uji coba 30 klik). Dalam pretest kedua, percobaan diulang dengan eksemplar individu dari setiap pidato dan suara ingressive (80 percobaan total, masing-masing dari delapan suara diuji 10 kali). Dalam kedua pengujian, token yang sama tidak pernah disajikan lebih dari sekali.

Mata pelajaran

Dua puluh dua subyek tangan kanan yang sehat (rata-rata = 26,9 tahun, 11 pria) berpartisipasi dalam penelitian ini. Semuanya adalah penutur asli bahasa Inggris, dan kami mengecualikan subjek yang memiliki pengalaman dengan bahasa klik (misalnya, mereka yang pernah tinggal di Afrika Selatan). Semua memberikan persetujuan sesuai dengan pedoman yang disetujui oleh Komite Etika Universitas College London, yang memberikan persetujuan etika lokal untuk penelitian ini.

Sistem Siemens 1,5-T dengan kumparan kepala 32 saluran digunakan untuk memperoleh 183 T2*-data EPI berbobot (3 × 3 × 3 mm 3 , waktu pengulangan = 10.000 mdtk, waktu akuisisi = 3 dtk, waktu gema = 50 mdtk, balik = 90°) menggunakan kontras BOLD. Penggunaan koil kepala 32 saluran telah terbukti secara signifikan meningkatkan rasio signal-to-noise untuk fMRI di bidang 1,5-T (Parikh et al., 2011 Fellner et al., 2009). Sebuah protokol pemindaian jarang digunakan untuk mengelola rangsangan pendengaran tanpa adanya kebisingan pemindai. Dua volume fungsional pertama dibuang untuk menghilangkan efek T1 imbang. T resolusi tinggi1 gambar volume anatomis (160 irisan sagital, ukuran voxel = 1 mm 3 ) juga diperoleh untuk setiap subjek. Selama percobaan utama, subjek berbaring terlentang di pemindai dalam kegelapan dan diminta untuk menutup mata dan mendengarkan suara yang diputar untuk mereka. Tidak ada tugas yang terlibat untuk menghindari segala bentuk motor priming yang mungkin memerlukan tugas respons, seperti menekan tombol (Gambar 2).

Persepsi ucapan dan suara klik ingresif dikaitkan dengan peningkatan aktivitas di daerah pendengaran. Persepsi suara bicara dibandingkan dengan suara klik ingresif (A, putih) dikaitkan dengan peningkatan aktivitas BOLD di STG tengah kiri dan posterior (P < .005, ambang batas cluster = 30). Persepsi suara bicara dibandingkan dengan SCN dikaitkan dengan aktivitas signifikan di daerah yang sama tetapi meluas ke anterior di belahan kiri (A, hitam) [Pidato vs. SCN: 58 48 19, 44 6 11, 62 14 4, 60 34 6 Ucapan vs. Klik Ingressive: 66 16 0, 60 20 2, 68 36 8, 22 32 32]. Aktivasi ini terletak di dalam korteks yang diidentifikasi sebagai peka bicara oleh pelokalisir ucapan independen yang dijalankan (A, garis putih). Mendengarkan suara klik ingressif dibandingkan dengan suara bicara dikaitkan dengan aktivitas signifikan di daerah prefrontal dan korteks oksipitoparietal kanan (B, hitam). [Klik agresif vs. SCN: 50 60 28, 32 34 8, 32 20 10, 42 26 50, 28 8 40, 64 36 8 Klik agresif vs. Ucapan: 22 32 42, 30 58 0, 44 28 24, 40 10 46, 26 64 14, 44 64 38]. Baik perbandingan suara klik dengan suara ucapan atau SCN tidak menunjukkan aktivitas signifikan di daerah motorik mulut yang diidentifikasi oleh motor localizer run independen (B, garis putih). (C) Aktivitas umum selama persepsi kedua jenis suara dibandingkan dengan SCN di STG kanan (P < .005). Data ini menunjukkan sebagian jaringan yang terpisah untuk pemrosesan ucapan dan suara klik ingresif dimana suara ucapan diproses secara istimewa di STG tengah kiri dan suara klik ingresif dikaitkan dengan peningkatan aktivitas di area pendengaran medial posterior kiri yang diketahui terdiri dari bagian dari jalur "bagaimana" dorsal . Sebaliknya ada aktivitas yang tumpang tindih di korteks temporal superior kanan untuk kedua kelas suara. (D) Daerah di mana ada respon preferensial untuk berbicara di lobus temporal dorsolateral bilateral, dengan aktivasi yang lebih luas di sebelah kiri. Aktivasi ini diidentifikasi dengan kontras [1 0,01 0,99, untuk Ucapan > Klik > SCN, ditampilkan dalam warna putih]. Kontras yang sama untuk klik [Klik > Ucapan > SCN] tidak mengungkapkan efek apa pun di area pendengaran yang sensitif terhadap ucapan di korteks temporal kiri (hitam).

Persepsi ucapan dan suara klik ingresif dikaitkan dengan peningkatan aktivitas di daerah pendengaran. Persepsi suara bicara dibandingkan dengan suara klik ingresif (A, putih) dikaitkan dengan peningkatan aktivitas BOLD di STG tengah kiri dan posterior (P < .005, ambang batas cluster = 30). Persepsi suara bicara dibandingkan dengan SCN dikaitkan dengan aktivitas signifikan di daerah yang sama tetapi meluas ke anterior di belahan kiri (A, hitam) [Pidato vs. SCN: 58 48 19, 44 6 11, 62 14 4, 60 34 6 Ucapan vs. Klik Ingressive: 66 16 0, 60 20 2, 68 36 8, 22 32 32]. Aktivasi ini terletak di dalam korteks yang diidentifikasi sebagai peka bicara oleh pelokalisir ucapan independen yang dijalankan (A, garis putih). Mendengarkan suara klik ingressif dibandingkan dengan suara bicara dikaitkan dengan aktivitas signifikan di daerah prefrontal dan korteks oksipitoparietal kanan (B, hitam). [Klik agresif vs. SCN: 50 60 28, 32 34 8, 32 20 10, 42 26 50, 28 8 40, 64 36 8 Klik agresif vs. Ucapan: 22 32 42, 30 58 0, 44 28 24, 40 10 46, 26 64 14, 44 64 38]. Baik perbandingan suara klik dengan suara ucapan atau SCN tidak menunjukkan aktivitas signifikan di daerah motorik mulut yang diidentifikasi oleh motor localizer run independen (B, garis putih). (C) Aktivitas umum selama persepsi kedua jenis suara dibandingkan dengan SCN di STG kanan (P < .005). Data ini menunjukkan sebagian jaringan yang terpisah untuk pemrosesan ucapan dan suara klik ingresif dimana suara ucapan diproses secara istimewa di STG tengah kiri dan suara klik ingresif dikaitkan dengan peningkatan aktivitas di area pendengaran medial posterior kiri yang diketahui terdiri dari bagian dari jalur "bagaimana" dorsal . Sebaliknya ada aktivitas yang tumpang tindih di korteks temporal superior kanan untuk kedua kelas suara. (D) Daerah di mana ada respon preferensial untuk berbicara di lobus temporal dorsolateral bilateral, dengan aktivasi yang lebih luas di sebelah kiri. Aktivasi ini diidentifikasi dengan kontras [1 0,01 0,99, untuk Ucapan > Klik > SCN, ditampilkan dalam warna putih]. Kontras yang sama untuk klik [Klik > Ucapan > SCN] tidak mengungkapkan efek apa pun di area pendengaran yang sensitif terhadap ucapan di korteks temporal kiri (hitam).

Sounds for the main run and instructions for the localizer run were presented using MATLAB with the Psychophysics Toolbox extension (Brainard, 1997), via a Denon amplifier (Denon UK, Belfast, UK) and electrodynamic headphones (MR Confon GmbH, Magdeburg, Germany) worn by the participant. Instructions were projected from a specially configured video projector (Eiki International, Inc., Margarita, CA) onto a custom-built front screen, which the participant viewed via a mirror placed on the head coil.

Each trial was a train of four different speech or click sounds, lasting 3 sec (e.g., /t/–/k/–/t∫/–/f/). The order of sounds was randomized within trial and the ordering of sound category (speech, nonspeech, SCN) was randomized across trials. Across the whole experiment, none of the 30 recorded tokens of each speech/mouth sound were repeated. A ±500 msec onset jitter was used. This main run lasted approximately 30 min.

We carried out a separate localizer run to identify in each subject the cortical regions responsible for executing mouth movements and for speech perception. This employed a block design using a continuous acquisition protocol (repetition time = 3 sec). Subjects were cued via instructions on a screen to execute mouth movements (alternating lip and tongue movements) or to listen to sentences taken from the BKB list (Bench, Kowal, & Bamford, 1979). The baseline condition was silent rest. Each block lasted 21 sec and was repeated four times. This localizer scan lasted approximately 11 min.

Preprocessing and Analyses

Functional data were analyzed using SPM8 (Wellcome Department of Imaging Neuroscience, London, UK) running on Matlab 7.4 (Mathworks, Inc., Sherborn, MA). All functional images were realigned to the first volume by six-parameter rigid body spatial transformation. Functional and structural (T1-weighted) images were then normalized into standard space using the Montreal Neurological Institute (MNI) template. Functional images were then coregistered to the T1 structural image and smoothed using a Gaussian kernel of FWHM at 8 mm. The data were high-pass filtered at 128 Hz. First-level analysis was carried out using motion parameters as regressors of no interest at the single-subject level. A random-effects model was employed in which the data were thresholded at P < .005. Voxelwise thresholding was carried out at 30 voxels to limit potential Type I errors.

Individual contrasts were carried out to investigate the BOLD response to each condition minus the silent rest or SCN, Speech versus Clicks and Clicks versus Speech. Ini T contrasts were taken up to a second level model. A null conjunction was used to identify significantly active voxels common to more than one condition by importing contrasts at the group level (e.g., Speech > SCN and Clicks > SCN at a threshold of P < .005, cluster threshold of 10). Significant BOLD effects were rendered on a normalized template.

A set of four 10-mm spherical ROIs were created from peak coordinates identified from separate motor and auditory localizer runs. These ROIs lay within left and right superior temporal gyri (STG) and within left and right mouth primary motor cortex (−60 −24 6, 72 −28 10, −53 −12 34, 64 0 28). Mean parameter estimates were extracted for speech and clicks compared with SCN. These are seen in Figure 3.

An additional set of 8-mm spherical ROIs were created from coordinates reported in two previous studies (Pulvermuller et al., 2006 Wilson & Iacoboni, 2006). These studies both reported significant activity in premotor regions during the perception of speech sounds (−62 −4 38, 56 −4 38, −54 −3 46, −60 2 25 Figure 4B). A diameter of 8 mm was chosen here to replicate the analyses done in these previous experiments. In these regions, mean parameter estimates were extracted for speech and clicks compared with SCN.

Finally, two cluster ROIs in ventral sensorimotor cortices were generated by the contrast of all sounds (speech, nonspeech, and SCN) over silent rest. This contrast identified a peak in ventral primary sensorimotor cortex in both hemispheres (Figure 4A). To allow statistical analyses of these data (Kriegeskorte, Simmons, Bellgowan, & Baker, 2009 Vul, Harris, Winkleman, & Pashler, 2008), ROIs were created in an iterative “hold-one-out” fashion (McGettigan et al., 2011), in which the cluster ROIs for each individual participant were created from a group contrast of [All Sounds vs. Rest inclusively masked by the motor localizer] (masking threshold P < .001, cluster threshold = 30) from the other 21 participants. Mean parameter estimates were extracted for speech, clicks, and SCN compared with silent rest.

Left auditory areas preferentially encode speech sounds, but there is no speech specific activity in primary motor cortices. Parameter estimates for speech and ingressive click sounds compared with SCN were calculated within four ROIs generated from peak coordinates from an independent localizer. A and B display the left and right speech ROIs generated from the comparison of listening to sentences against a silent rest condition (FWE = 0.05, cluster threshold = 30) with the parameter estimates displayed below. C and D show the left and right mouth motor ROIs generated from alternating lip and tongue movements compared with silent rest (FWE = 0.05, cluster threshold = 30). Speech sounds were associated with significantly increased activity in left auditory cortex compared with ingressive click sounds. There was nonsignificant difference in levels of activity in right auditory cortex or in the mouth motor regions. In all three of these regions, there was a nonsignificant increase in activity for ingressive click sounds over SCN compared with speech sounds over SCN. Error bars indicate SEM.

Left auditory areas preferentially encode speech sounds, but there is no speech specific activity in primary motor cortices. Parameter estimates for speech and ingressive click sounds compared with SCN were calculated within four ROIs generated from peak coordinates from an independent localizer. A and B display the left and right speech ROIs generated from the comparison of listening to sentences against a silent rest condition (FWE = 0.05, cluster threshold = 30) with the parameter estimates displayed below. C and D show the left and right mouth motor ROIs generated from alternating lip and tongue movements compared with silent rest (FWE = 0.05, cluster threshold = 30). Speech sounds were associated with significantly increased activity in left auditory cortex compared with ingressive click sounds. There was nonsignificant difference in levels of activity in right auditory cortex or in the mouth motor regions. In all three of these regions, there was a nonsignificant increase in activity for ingressive click sounds over SCN compared with speech sounds over SCN. Error bars indicate SEM.

Auditory-sensitive sensorimotor regions do not discriminate between speech and ingressive click sounds. The whole-brain contrast of all sounds compared with rest revealed significant activity in bilateral auditory cortices and ventral sensorimotor cortices (A, transparent white). Using this contrast, masked inclusively by the motor localizer (A, black), cluster ROIs were generated in both left and right hemispheres (A, white). Mean parameter estimates were extracted for these two regions using an interactive “leave-one-out” approach (see Methods), and these are displayed in the bottom left. The only significant comparison was that of [Speech > Rest] compared with [SCN > Rest] [Speech > Rest] compared with [Clicks > SCN] was not significantly different. To investigate whether there may be regions in premotor cortex that are specifically activated during the perception of speech compared with other sounds, we then generated 8-mm spherical ROIs on the basis of the coordinates reported in two previous studies Wilson and Iacoboni (2006) represented in B by solid white circles (−62 −4 38 and 56 −4 38), and Pulvermuller et al. (2006) represented by dotted white lines in the left hemisphere involved in movement and perception of lip and tongue movements (−54 −3 46 and −60 2 25, respectively). Mean parameter estimates for these five regions are plotted below for speech sounds compared with SCN and for ingressive clicks compared with SCN. There were no significant differences in any of these regions between the mean response to speech sounds and ingressive clicks demonstrating that activity in these areas is not specific to speech sounds. This was also the case for all subpeaks identified by the motor localizer. Error bars indicate SEM.

Auditory-sensitive sensorimotor regions do not discriminate between speech and ingressive click sounds. The whole-brain contrast of all sounds compared with rest revealed significant activity in bilateral auditory cortices and ventral sensorimotor cortices (A, transparent white). Using this contrast, masked inclusively by the motor localizer (A, black), cluster ROIs were generated in both left and right hemispheres (A, white). Mean parameter estimates were extracted for these two regions using an interactive “leave-one-out” approach (see Methods), and these are displayed in the bottom left. The only significant comparison was that of [Speech > Rest] compared with [SCN > Rest] [Speech > Rest] compared with [Clicks > SCN] was not significantly different. To investigate whether there may be regions in premotor cortex that are specifically activated during the perception of speech compared with other sounds, we then generated 8-mm spherical ROIs on the basis of the coordinates reported in two previous studies Wilson and Iacoboni (2006) represented in B by solid white circles (−62 −4 38 and 56 −4 38), and Pulvermuller et al. (2006) represented by dotted white lines in the left hemisphere involved in movement and perception of lip and tongue movements (−54 −3 46 and −60 2 25, respectively). Mean parameter estimates for these five regions are plotted below for speech sounds compared with SCN and for ingressive clicks compared with SCN. There were no significant differences in any of these regions between the mean response to speech sounds and ingressive clicks demonstrating that activity in these areas is not specific to speech sounds. This was also the case for all subpeaks identified by the motor localizer. Error bars indicate SEM.


Sadato, N. et al. Alam 380, 526–528 (1996).

Weeks, R. et al. J. Neurosci. 20, 2664–2672 (2000).

Kujala, T. et al. Trends Neurosci 23, 115–120 (2000).

Cox, R. W. Komputer dan Penelitian Biomedis 29, 162–173 (1996).

Talairach, J. & Tournoux, P. Co-Planar Stereotaxic Atlas of the Human Brain (Thieme Medical, New York, 1988).

Christman, S. Cerebral Asymmetries in Sensory and Perceptual Processing (Elsevier Science B.V., 1997).

Westbury, C. F. et al. otak. korteks 9, 392–405 (1999).

Rademacher, J. et al. gambar saraf 13, 669–683 (2001).

Martinez, A. et al. Nat. ilmu saraf. 2, 364–369 (1999).

Gandhi, S. P. et al. Prok. Natal akad. Sci. Amerika Serikat 96, 3314–3319 (1999).

Petitto, L.A. et al. Prok. Natal akad. Sci. Amerika Serikat 97, 13961–13966 (2000).

Nishimura, H. et al. Alam 397, 116 (1999).

Calvert, G. A. et al. Sains 276, 593–596 (1997).

Neville, H. J. Ann. NY Acad. Sci. 608, 71–91 (1990).

Baumgart, F. et al. Alam 400, 724–726 (1999).


Metode

Mata pelajaran

All subjects were privately owned pet dogs (for details see Supplementary Table S1). The sample of subjects used for the behavioural preference test (Experiment 3) consisted of 24 dogs. Twenty of those had been used for the fMRI task (Experiment 1), and 15 for the eye-tracking test (Experiment 2).

Dog–human relationship

To evaluate the intensity and probable quality of the dog–human relationship, we conducted a caregivers’ survey (N = 15 14 females, 1 male) to assess the dogs’ age at the time when they have adopted them and how many hours per day the caregiver and the familiar person (N = 15 6 females, 9 males) on average actively spent with the dog during the week and on the weekends (see Supplementary Table S1a).

Ethical statement

All reported experimental procedures were reviewed and approved by the institutional ethics and animal welfare committee in accordance with the GSP guidelines and national legislation (ETK-21/06/2018, ETK-31/02/2019, ETK-117/07/2019) based on a pilot study at the University of Vienna (ETK-19/03/2016-2, ETK-06/06/2017). The dogs’ human caregivers gave written consent to participate in the studies before the tests were conducted. Additionally, informed consent was given for the publication of identifying images (see Fig. 4, S2 Supplementary Movie S1, S2) in an online open-access publication.

The portrait of a subjects’ caregiver shown with neutral (middle), happy (left) and angry expression (right). The respective video is shown in Supplementary Movie S1, S2.

Stimuli

We created short (3 s) videos showing human faces that are changing emotional facial expressions (see Fig. 4), transforming (morphing) from neutral to either happy or angry expression (see Movie S1, S2). The face pictures were taken from the human caregiver of each dog, a familiar person, and a stranger (for details, see Supplementary Material).

Experiment 1: fMRI task

Before the experiment, dogs had received extensive training by a professional dog trainer to habituate to the scanner environment (sounds, moving bed, ear plugs etc. see 108 ). For data acquisition, awake and unrestrained dogs laid down in prone position on the scanner bed with the head inside the coil, but could leave the scanner at any time using a custom-made ramp. The dog trainer stayed inside the scanner room throughout the entire test trial (run) outside of the dog’s visual field. Data acquisition was aborted if the dog moved extensively, or left the coil. After the scan session, the realignment parameters were inspected. If overall movement exceeded 3 mm, the run was repeated in the next test session. To additionally account for head motion, we calculated the scan-to-scan motion for each dog, referring to the frame wise displacement (FD) between the current scan t and its preceding scan t-1. For each scan exceeding the FD threshold of 0.5 mm, we entered an additional motion regressor to the first-level GLM design matrix 115,116 . On average, 3.3% (run 1) and 9.8% (run 2) scans were removed (run 1:

26/270 scans). If more than 50% of the scans exceeded the threshold, the entire run was excluded from further analyses. This was the case for one run (56%/151 scans). We truncated a run for one dog to 190 scans due to excessive motion because the dog was not available for another scan session.

The task alternated between the morph videos (500 × 500 pixels) and a black fixation cross in the centre of the screen that served as visual baseline (3–7 s jitter, mean = 5 s white background) each run started and ended with 10 s of visual baseline. The presentation order of the morph videos was randomized, but the same human model × emotion combination (i.e., angry stranger) was never directly repeated. The task was split into two runs with a duration of 4.5 min (270 volumes) each, but with a short break in-between if dogs completed both runs within one session. One run contained 60 trials (30 per emotion 20 trials per human model). Scanning was conducted with a 3 T Siemens Skyra MR-system using a 15-channel human knee-coil. Functional volumes were acquired using an echo planar imaging (EPI) sequence (multiband factor: 2) and obtained from 24 axial slices in descending order, covering the whole brain (interleaved acquisition) using an echo planar imaging (EPI) sequence (multiband factor: 2) with a voxel size of 1.5 × 1.5 × 2 mm 3 and a 20% slice gap (TR/TE = 1000 ms/38 ms, field of view = 144 × 144 × 58 mm 3 ). An MR-compatible screen (32 inch) at the end of the scanner bore was used for stimulus presentation. An eye-tracking camera (EyeLink 1000 Plus, SR Research, Ontario, Canada) was used to monitor movements of the dogs during scanning. The structural image was acquired in a prior scan session with a voxel size of 0.7 mm isotropic (TR/TE = 2100/3.13 ms, field of view = 230 × 230 × 165 mm 3 ). Data analysis and statistical tests are described in the Supplementary Material.

Experiment 2: Eye-tracking task

The eye-tracking task consisted of two tests (Experiment 2a and b) of four trials each, with at least seven days between them. In each trial the morph video of the human caregiver was presented together with either a stranger (Experiment 2a) or a familiar person (Experiment 2b). Both videos were shown with the same, either happy (two trials) or angry (two trials), facial expression. The location (left, right) of the caregiver as well as the emotion (happy, angry) was counterbalanced across the four trials of each test. The dogs went through a three-point calibration procedure first and then received two test trials in a row. At the beginning of each trial the dog was required to look at a blinking white trigger point (diameter: 7.5 cm) in the centre of the screen to start the 15-s (5 × 3 s) stimulus presentation. After a 5–10 min break, this sequence was repeated once. The dogs were rewarded with food rewards at the end of each two-trial block. Data analysis and statistical tests are described in the Supplementary Material.

Experiment 3: Behavioural preference task

The behavioural preference tests consisted of the measuring of the dogs’ movement patterns inside a rectangular arena facing two videos that were presented simultaneously on two computer screens. The screens were placed opposite to the arena entrance, at a distance of 165 cm on the floor, 135 cm apart from each other (for more details, see Supplementary Material). The dog entered the arena centrally through a tunnel with a trap door and could then move freely for the whole duration of stimulus presentation (10 × 3 s, continuous loop). Like in Experiment 2, the experiment consisted of two tests (Experiment 3a and b) of four trials each, with 1-min breaks between trials and at least seven days between the two experiments. The morph videos were shown in the exact same order and on the same sides (left, right) as in Experiment 2. After each trial, the experimenter called the dog back and went to the corridor outside the test room until the onset of the next trial. The dog was rewarded with a few pieces of dry food at the end of each experiment.

First, we manually cut out the period of stimuli presentation (30 s test trial) from the experiment recordings and then analysed the obtained videos with K9-Blyzer, a software tool which automatically tracked the dog and detected its body parts to analyse the potential behavioural preferences of the dogs towards the different displayed stimuli. Based on the dogs’ body part tracking data (head location, tail and centre of mass in each frame), the system was configured to produce measurements of specified parameters (areas of interest, dogs’ field of view, dog-screen distance) related to the dogs’ stimuli preference. We specified six parameters related to the right and left side/ screen preference (mapped to caregiver, stranger, familiar person), which are described in Supplementary Table S2. The details of the data analysis and statistical values are also provided in the Supplementary Material section.


Tonton videonya: 3-3 METHODS II: fMRI 19mins (Agustus 2022).