Finding the right control: The mismatch negativity under investigation

Ruhnau, Herrmann, & Schroger (2011). Finding the right control: The mismatch negativity under investigation, Clinical Neurophisiology, in Press.の話です．大雑把にまとめると，

• MMNはoddballパラダイムの高頻度音（standard)と低頻度音（deviant)との差によって求められる．
• ところが，standardは高頻度なので，neural refractrinessが増大する．結果として，N1振幅が減衰するが，N1潜時とMMN潜時は（特にfrequent MMNにおいては）重複するので，これは正確なMMNにならない．
• そこで，deviant音と同頻度でランダムな周波数を提示すれば（random条件），このときのdeviant音と同じ周波数の音(control)とdeviant音は，refractorinessの程度は等しくなるし物理的にも同一の音なのでばっちり比較できるはずである，というのがこれまでの話
• ところが（２回目），random条件はその周辺の周波数分布がoddballよりも広いので，結果としてrefractorinessは一致しない．しかも，oddballパラダイムでは，"高頻度音がある"というわりと明瞭なルールがあるが，random条件では"繰り返しはない"という抽象的なルールしかない．結果として，random条件はN1が増大しやすい．
• そこで，cascadic条件を設定する．言葉で説明するのは大変なので，見れる人はFig.1を見てください．ようするに，目指す周波数音に向けた上昇-下降系列を作るということ．
• cascadic条件の利点は，直前に提示される音は周波数的にはかなりdeviantに近接しているので，これによる不応性の状態はoddballに近づくであろうということと，明瞭なルールがある（上昇して下降する）こと．
• Fig.3を見れば，deviant N1とcascadic N1だけに有意な差がないことが見て取れる．

ということになりましょうか．

それで，問題はP1なわけです．見れる人はFig.2を見て頂くとして，見た目だけだと，振幅はdeviant > random = standard > cascadicに見えます．では，deviantとcascadicのP1振幅の違いは何によって生じるか？

ちょっと考えた説明はこんな感じです．

• oddballパラダイム（つまりdeviant P1の話）では，standardが繰り返し提示されるので，sensory gatingはstandard周波数に「のみ」かけられる．deviant周波数はほぼgatingされない．
• 一方，cascadicの方では，standard周波数に変動性と規則性があるので，inputされた周波数の周辺ないし/および"次に予想される"周波数にもgatingがなされる．

ところが，この説明はうまくないところがあって，

• だったら，standard P1が最小になるべきではないか？（standard周波数に頑健なgatingがされるから）
• そして，random P1はdeviantと等しくなるべきではないか？(次にどの周波数が入力されるかわからないので，gatingしようがない）

この矛盾を解消するために，次の説明を導入してみます．

• oddballは実はcascadicに比べて，"規則性"がない．なぜならば，cascadicは完全に規則に従った入力があるが，oddballはいつdeviantが来るかわからないから．そうすると，予測（記憶？）に従った入力は強力に抑制しておけば良くて，deviantが来るかも，という一種の確率的な不安定性があるstandaardではstandard音の抑制は多少低下する．
• random条件では，何がくるかがわからないんで，入力周波数を均等に抑制する．

これで行けるでしょうか？まだおかしいところがあるかもしれませんが，じゃあ上記の事項がとりあえず全部成立するとすれば，P1に関しては，入力された周波数情報とその規則性（言い換えれば，次の入力の確率分布？）に応じたかなり複雑な抑制機構が働いているような気がするんですよね．

そうであれば，N1にしても，たまたま（といっていいのかなあ…）振幅は一致しているけれども，その背景にある不応性を成立させる機構は違うような気がするんですよね．ううーん．気がするだけ．

メモ：N1潜時に関与しそうなもの

年齢
加齢にともなってN1b (正中線上で記録される（ことが多い）のでCentral N1とか，やや潜時の早いN1)潜時短縮がある．加齢とともに中心化する（かも？）という知見もある（Gomes et al. 2001)
加齢にともなってN1c(側頭上の電極で記録されるのでLateral N1とか，やや潜時の遅いN1)潜時延長（というか消失？）がある．振幅も減衰する．加齢にともなうトポの変化はない？
M100も加齢にともなって潜時短縮がある．右半球だけ？（Roberts et al. 2010)
パラダイム
注意条件：多分ある．調べる．
少なくともISI(SOA)．注意条件と関係する？短いSOAでは子どもはN1bを示さない（N1cは出る）．
知的発達
MRはN1bの振幅増大-延長を示す(Bruneau, 1999)．だけど"低機能"自閉症はそうでもないんだよなー．よくわからん．加齢とどっちが主要因？パラレル？

これに自閉症が絡むとよけいややこしくなる．

宿題：これ．

[学振？][科研費]実験参加者に謝金を払うには

大体どれかを忘れてしまうのでメモ．相変わらず北大ローカルというか渡辺向けの記事です．

• 謝金関係のxlsファイルは，北大のサイト内検索でそれぞれ調べると出てこなくはないが，オフィシャルには多分ダウンロードページはない？（低温研の共同研究のページになくはないが，無くしたら素直に会計担当からファイルをもらおう．
• 必要なのは事前届出書，業務確認表，支払依頼書，口座登録の４つ．
事前届出書
実験１週間前には出した方が良い．
実験の内容(簡単なタイトル)，実施予定日,実施総時間(予定），実施場所，参加者の所属・職名または学年，氏名（フリガナ），住所，および支払い予定額を記載する．住所を聞いておくのを忘れがち．
業務確認表
実験当日に書いてもらう
印鑑が必要（サイン可のようだ）．
事前に内容をプリントして印刷するのは望ましくない（ダメ）とのこと．基本的には参加者に書いてもらう．
支払依頼書 　　
実験終了後に出す
もう新しい情報は必要ないと思いきや，参加者の生年月日が必要なので注意．
　　
口座登録
いつでも
口座を登録するので，口座情報が必要．参加者に聞くのを忘れないようにする．
• 提出が遅れたりギリギリの提出でも大丈夫は大丈夫なので諦めないで．反省文を会計の人に書かせる羽目になるので，自分の評判が悪くなるから次から気をつけよう（それ以前に遅れないようにしよう．すみません）
• 多分書いた謝金額から税金（10%?)が引かれて参加者の手に渡ることになるので，そこらへんは気をつけて伝えたりする．普通の大学生は確定申告をすれば戻ってくる？

なにか忘れていることがあれば随時足します.

Brunet-Lézine-R

Gomot et al. (2011) Candidate electrophysiological endophenotypes of hyper-reactivity to change in autism.を読んでてでてきたBrunet-Lézine-Rなんですけど，これフランス語なんですよね…．googleのトップヒットがこれ(pptx)なんですが，読めない…．

ただ，もともとワロンが言い出した（ワロンってあのワロン？）らしいということと，４つの下位検査(locomotion et de contrôle postural(運動と姿勢のコントロール）,verbaux（言語）,coordination oculomotrice（眼球運動の調整）,adaptation sociale（社会的適応）)からなるらしいこと，そしてQD(developmental quotient, 発達指数)としてスコアが算出されることがわかればいいのかなーというところ．

Graphはわるくない

もともとこの記事のタイトルは"Graphの怪"だったのですが，Graphのトリガ検出方法が今回の現象に悪い方にマッチしただけで，Graphは悪くありませんでした．伏して謝罪します．

（北大医歯学総合棟の）NeuromagのAcquisition上では，イベントナンバは次のように記録されます．出力（１０進法）→トリガ番号（２進法）→イベントナンバの順に記載します．

• 1→000001→1
• 2→000010→2
• 3→000011→7
• 4→000100→3
• 5→000101→8
• 6→000110→9
• 7→000111→10
• 8→001000→4
• 9→001001→11
• 10→001010→12
• 11→001011→13
• 12→001100→14
• 13→001101→15
• 14→001110→16
• 15→001111→17
• 16→010000→5
• 17-31→010001-011111→18-32
• 32→100000→6

なぜこんなことになっているかというと，トリガラインが1-6まであるからです（STI001-006)．ちょっとややこしいのは，最終的に記録されるトリガ値は，最初に指定した１０進数と一致します．内部的には，所与の値を2^STI00Xの(下１桁乗-1)してSTI014に送っているようです．（STI001は2^0で１，STI002は2^1で２…乗する）

それはそれとして，表題の件ですが，今回，1-12番までのトリガを使って実験をしたのですが，なぜか"8"が異常な値を示すんですよね．今のところわかったことを書いておきます．なお，渡辺はトリガ検出には，STI014をpickし，widget>math>unaryを呼び出し，pick(STI014)とこのunaryを結んで，unaryに[function:feql, argument:(trigger-number（１とか）)]としています．

８「以上」のトリガ値を使うと，unary[function:feql,argument:(8)]に異常値が出る（ようだ）．条件が，８以上のトリガを使ったときかどうかはちゃんと検証していない．

９以上のトリガ値については，正常に挙動している（ようだ）．

unary[function:threshold argument:8]とすると，８「以上」のトリガ値を持つトリガの個数は正しく拾える．また，unary[function:threshold argument:8.01]とすると，8.01以上のトリガ値を持つトリガの個数を正しく拾える．では，ということで，この二つのunaryを，binary[function:fsub argument:nil]に繋ぐと，異常な値が出力される．

(今回のケースでいうと）unary[function:threshold argument:8]を，unary[function:threshold argument:9],unary[function:threshold argument:10],unary[function:threshold argument:11],unary[function:threshold argument:12],とそれぞれbinary[function:fsub argument:nil]で繋ぐともしかすると正常な値が出るかもしれないけど試していない．

BESAではちゃんと８が拾える．つまり，トリガ出力-記録の問題ではなさそう．Graph固有？

今のところ解決策は，BESAかmatlabでどうにかする，というくらいです．何か分かればまた書きます．

追記：rawdataを見てみたら，たとえば10のトリガに対して，トリガの立ち下がりのところで，一瞬だけ「８」が出ているケースがあることがわかりました．トリガ出力の問題かなあ…あるいは，Megacqの問題の可能性はまだありますが．少し時間があればまた見てみます．

追追記：上記の方法でのトリガ検出は、schmittトリガ的な挙動であるようです。
参考：wikipedia;シュミットトリガ
ようするに、しきい値(feqlで指定したvalue)を越えたときから下がるまでを一つのトリガ単位としているということ。謎は解けたが問題は解決しなかった。