Опросник и проективная цветовая ассоциация в физиологических реакциях на разный эмоциональный заряд (PARC)

Процедура Цель и процедура исследования будут объяснены всем участникам. Их физиологические реакции (церебральный кровоток, электрическая активность мозга, вариабельность сердечного ритма и реакция проводимости кожи) на визуальные словесные и графические стимулы будут измеряться в Лаборатории мультимодальной и функциональной визуализации (MAFIL). Измерение длится около 35 минут, общее время, проведенное в MAFIL, составляет ок. 60 минут. После измерения физиологических реакций участников просят заполнить онлайн-заявку на метод CA и онлайн-анкету в течение следующих 24 часов. И приложение метода CA, и онлайн-опросник ориентированы на то, чтобы фиксировать восприятие участниками словесных и графических стимулов с использованием различных методов измерения, то есть цветовой ассоциации и метода опроса. В среднем эта задача занимает около 20 минут для каждого метода. Следует отметить, что разный временной период измерения физиологических реакций и восприятия стимулов участниками обусловлен необходимостью фиксировать только активацию мозга, связанную с восприятием стимулов, а не с ответами на онлайн-анкету и применением метода КА.

При всех видах измерений, т. е. физиологических реакций, методе КА и опроснике, респондентам предъявляются одни и те же 145 стимулов. Это 115 слов (три набора по 35 слов с положительным, нейтральным и отрицательным содержанием) и 30 картинок (два набора по 15 фотографий с положительным и отрицательным содержанием). Комбинирование стимулов разного содержания обеспечивает большую вариативность реакций, что поддерживает надежность и релевантность результатов. Содержание стимулов оценивали в соответствии с национальной нормой метода CA для слов и Международной системы аффективных изображений для изображений. Следует отметить, что участники подвергались воздействию 21 стимула дважды во время измерения физиологических реакций для проверки устойчивости физиологических реакций. Порядок стимулов одинаков для всех участников, а стимулы объединяют слова и картинки независимо от их содержания.

Участники Выборка будет состоять из 101 человека в возрасте от 18 до 64 лет, 23 из которых повторят всю процедуру дважды, чтобы можно было вовремя проверить надежность результатов. Участников набирает агентство маркетинговых и медийных исследований.

Измерение Физиологические реакции В ходе исследования будут измеряться и сравниваться физиологические реакции на словесные и графические стимулы. Для записи данных будут использоваться четыре метода измерения: функциональная магнитно-резонансная томография (фМРТ), поверхностная электроэнцефалография черепа, ЭЭГ, частота сердечных сокращений и кожно-гальваническая реакция (КГР), представляющие электродермальную активность тела.

Функциональная магнитно-резонансная томография (фМРТ) будет использоваться для количественной оценки мозгового кровотока. Измерения будут проводиться с помощью МРТ-сканера Siemens Prisma 3T (Siemens Medical Solutions USA, Inc.) с 64-канальной катушкой для головы и шеи Syngo версии VE11c в сопровождении стандартного сканирования Anatomical T1 MPRAGE. Получение фМРТ с мультиэхом MB-EPI на основе последовательностей CMRR EPI с TR = 700 мс и TE = 15/34/53 мс при 1570 сканированиях. Используются коэффициент GRAPPA PAT 2 и ускорение среза (множитель MB), установленные на 6. Размер записываемого вокселя 3х3х3 мм при толщине среза 3 мм. Количество осевых срезов составляет 48 (поперечных) в плоскости FoV=192 мм, а установка угла поворота составляет 45°.

Частотно-временной анализ будет выполняться на основе косвенных измерений нейронной активности ЭЭГ. Измеряемым параметром будет мощность колебаний в каждой частотной полосе скальповой ЭЭГ, измеренная каждым датчиком. Неинвазивная электрическая активность мозга будет измеряться с помощью EGI высокой плотности с использованием усилителя серии Net Amps GES400 и сети геодезических датчиков 256 HydroCel (GSN) на поверхности черепа с частотой дискретизации 1 кГц.

Вариабельность сердечного ритма (HRV) будет измеряться косвенным измерением реакции вегетативной нервной системы. Измеряемым параметром будет период сердечного цикла, считанный с кривой ЭКГ. Данные ЭКГ будут собираться как дополнительный канал во время сбора данных ЭЭГ (система EGI) с частотой дискретизации 1 кГц. Канал ЭКГ будет измеряться как биполярное отведение с одним электродом, расположенным под левой ключицей, а другим электродом с левой стороны грудной клетки.

Электродермальную активность измеряют как косвенное измерение реакции симпатической вегетативной нервной системы. Измеряемым параметром будет кожно-гальваническая реакция (КГР). КГР измеряли между указательным и средним пальцами ведущей руки с помощью биполярного MR BrainAmp ExG (Brain Products GmbH) с частотой дискретизации 5 кГц.

ЖК-монитор, совместимый с МРТ (жирный экран MR 24 из исследовательской системы Кембриджа), будет использоваться в качестве интерфейса для отображения словесных и графических стимулов во время измерения физиологических реакций на них. Субъект увидит изображение на МРТ-сканере благодаря зеркалу, установленному над отверстиями катушки головы, поставляемому производителем МРТ-сканера. Каждый из 145 стимулов будет отображаться в течение 5 секунд для исследуемого субъекта.

Предварительная обработка физиологических данных Для последующей статистической обработки измеренные данные будут скорректированы и предварительно обработаны. Это дает возможность использовать их для оценки возможностей опросника и метода КА отражать физиологические и нейрофизиологические реакции организма на раздражители.

Измеренные данные фМРТ будут скорректированы (коррекция движения) в соответствии со средним эхо-сигналом. В оптимальном случае будут объединены мультиэхо-изображения (ME) с использованием средневзвешенного значения на основе tSNR (временное отношение сигнал-шум) и TE (время эхо-сигнала). Пространственная нормализация применяется в стандартном анатомическом шаблоне (пространство MNI), а пространственное сглаживание выполняется с помощью ядра Гаусса, FWHM=5 мм. Проверка качества будет выполняться путем анализа движения на основе метрики покадрового смещения. Кроме того, проверка положительных достоверных данных выполняется путем пространственного охвата мозга на основе инструмента Mask Explorer 2.12. Предварительная обработка выполняется в программе SPM12.

Данные ЭЭГ представляют собой частотно-временную декомпозицию данных (частотно-временной анализ) отдельно для каждого электрода. Данные будут трехмерными, где временное измерение имеет границы 0-5 с, частотное измерение имеет границы 4-40 Гц, а третье измерение представлено отдельными датчиками. Во-первых, учитывая объем данных, будет использоваться сжатие записей ЭЭГ. Измерение частоты будет разделено на 33 ячейки (логарифмические), а ось времени разделена на 5 ячеек (по 1 секунде в каждой). Третье измерение не будет сжато. Таким образом, каждая ячейка будет содержать число, которое указывает на конкретный сегмент 1s в данном электроде для данной узкой полосы частот. Предварительная обработка ЭЭГ будет выполняться в программном обеспечении MATLAB, набор инструментов Brain Vision Analyzer 2.0. Артефакты градиента и импульса будут удалены с помощью полосы пропускания IIR Butherworth в диапазоне 1–40 Гц. Кроме того, глазные артефакты будут удалены с помощью разложения ICA, соответствующего глазному артефакту. Впоследствии будет выполнена обратная реконструкция сигнала без артефактных составляющих. Записи будут сегментированы в соответствии с моментом появления стимула с длиной сегмента 5 секунд (сегмент от 0 до 5 секунд относительно стимула). 52 датчика будут исключены из анализа, поскольку датчики расположены на щеках, чуть выше глаз, вокруг ушей и в последнем ряду на шее. Для каждого сегмента частотно-временной анализ будет рассчитываться с использованием функции cwt в MATLAB R2017a, и берется абсолютное значение коэффициентов Cont. Суммарная мощность сигнала (Ptot) будет рассчитываться для каждого сегмента. Сегменты с Ptot>1,5*медиана(Ptot) будут отмечены как артефакты. Порог будет установлен произвольно, чтобы разумно отфильтровать сегменты с плохим сигналом. Среднее значение будет рассчитываться за каждую секунду, что соответствует сжатию матрицы во временной области. Результатом будет матрица для каждого сегмента размером 33x5x204x166, где имеется 33 интервала по частоте, 5 интервалов по времени, 204 электрода и 166 стимулов.

Данные ЭКГ будут предварительно обработаны в программе Brain Vision Analyzer 2.0 (продукты мозга) для программного обеспечения MATLAB. Артефакты градиента будут удалены с помощью полосовой фильтрации IIR 1–20 Гц с полуавтоматическим обнаружением зубца R. Данные сегментированы в соответствии с началом появления стимула. Длина сегмента составит 6 с. Средняя длина интервала R-R (далее R-R) будет рассчитываться для каждого сегмента. Для каждого пробанда в отдельности в ходе выполнения задачи будет выполняться коррекция дрейфа R-R. Полиномиальная функция третьего порядка моделируется на форме волны R-R, и из нее вычитается расчетный тренд медленных изменений. Впоследствии R-R будет преобразован в частоту сердечных сокращений (ЧСС) в единицах импульсов в минуту.

Данные кожно-гальванической реакции также будут предварительно обработаны в программном обеспечении MATLAB, LEDALAB Toolbox (http://ledalab.de). Артефакты градиента и остаточные артефакты градиента будут удалены с помощью медианного фильтра с дополнительным фильтром пропускания IIR с частотой среза 1 Гц (медиана по 20 образцам).

Метод CA Метод CA (метод цветовых ассоциаций) представляет собой комбинированный проективный метод, основанный на принципах двух общепризнанных психологических концепций: цветового теста Люшера и словесных ассоциаций. Метод КА связывает знание основных принципов ассоциаций в сознании человека с измерением цветовых предпочтений и сочетает в себе их преимущества. Сосредоточение внимания на ассоциативных механизмах, которые практически идентичны у разных людей, позволяет использовать его для всех людей, независимо от уровня их знаний или рационального мышления.

Анкета Наконец, участников попросят выразить свое восприятие словесных и графических стимулов с помощью анкеты. Для каждого из 145 стимулов им будет предложено «оценить, как [отображаемое] слово / изображение влияет на вас, используя числовую шкалу от 1 до 7, где число 1 представляет полностью негативное восприятие, а число 7 представляет полностью положительное восприятие. '.

Статистический анализ В этом исследовании будут применяться два основных подхода к статистическому анализу. Общие линейные модели будут использоваться для анализа данных МРТ (с использованием программного обеспечения SPM12). Модели исследуют активность мозга в зависимости от положительности стимулов, аппроксимированных ответами на вопросы анкеты и категориями метода CA. Групповой анализ будет рассчитываться с помощью моделей случайных эффектов SPM12 с учетом пола и возраста. Один выборочный t-критерий, парный t-критерий и гибкая факторная модель (ANOVA) будут использоваться для оценки данных в соответствии с индивидуальными целями. Пороговый уровень p=0,05 (с поправкой на FEW) будет использоваться для всех результатов.

Статистический анализ взаимосвязи между методом CA, категориями анкет, частотой сердечных сокращений и проводимостью кожи будет выполняться на основе агрегированных данных. Сначала будет рассчитана средняя частота сердечных сокращений и проводимость кожи для категорий наиболее негативных, нейтральных и позитивных стимулов для каждого человека. Впоследствии эти агрегированные значения будут проанализированы с помощью непараметрического рангового критерия Крускала-Уоллиса и критерия множественного сравнения Данна, чтобы выявить, воплощают ли/какие категории статистически значимые различия по сравнению с другими. Эти тесты будут использоваться в случае порядкового характера данных или нарушения допущений для параметрических тестов; в противном случае будут использоваться ANOVA и тест Турции. Та же процедура будет использована для анализа взаимосвязи между методом СА и вопросником. Кроме того, в дальнейшем этот анализ будет пополняться корреляционным анализом с использованием коэффициента корреляции Пирсона или Спирмена в зависимости от характеристик анализируемых данных.