From face perception neuroscience to identification of fuctional imaging markers in neuropsychiatric disorders

Abstract

A perceção de rostos é um dos aspetos básicos para as interações sociais. Desde muito cedo, aprendemos a interagir com outras pessoas, expressando várias emoções e sentimentos que podem ser vistos pelas expressões nos rostos das pessoas. Estudar os correlatos neurais do reconhecimento de emoção é meio caminho andado para ajudar as pessoas com dificuldades neste importante domínio cognitivo e afetivo.Estudos neurofisiológicos anteriores relativos às respostas do cérebro às emoções conduzem a resultados controversos e muitas vezes não replicáveis. Teremos duas tarefas principais para este trabalho.A primeira tarefa é tentar replicar alguns estudos já feitos na área de reconhecimento de emoções e tentar encontrar algumas diferenças estatísticas entre três emoções (Triste, Neutra e Feliz) para o N170.O segundo objetivo desta tese é compreender e explicar os motivos pelos quais alguns estudos levam a resultados controversos e não replicáveis. Supondo que a tarefa seja realizada de maneira adequada, um dos motivos para isso é a utilização de métodos diferentes no pré-processamento dos dados.A nossa tarefa utilizou 10 sujeitos (4 mulheres, 6 homens), onde cada sujeito fez 4 execuções de EEG e cada corrida teve cerca de 6 minutos de registo. A tarefa consistia em mostrar uma face neutra ao sujeito e após um GAP mostrar a instrução. A instrução era um rosto com uma emoção olhando para um dos lados. Depois disso, eles deviam completar uma sacada ou anti-sacada.Depois de obter os dados, usamos diferentes métodos de pré-processamento: 1) interpolação; 2) Re-referência; 3) filtros, correção de linha de base e rejeição de épocas e 4) Análise de Componentes Independentes (ICA).Para o primeiro objetivo, poderíamos replicar alguns estudos anteriores e encontramos diferenças estatísticas entre as diferentes emoções para o N170.Para o segundo objetivo concluímos que todo método de pré-processamento tem influência significativa nos resultados, dando diferentes amplitudes e latências para ERP’s. Também recomendamos que, para um resultado mais confiável, usemos todos os métodos de pré-processamento mencionados neste documento.

The perception of faces is one of the basic aspects for social interactions. From very young age we learned to interact with others by expressing various emotions and feelings that can be seen by expressions in people’s faces. Studying the neural correlates of emotion recognition is halfway to help people with difficulties in this important cognitive and affective domain. Previous neurophysiological studies concerning brain responses to emotions lead controversial and often nonreplicable results. We will have two main tasks for this work.The first task is to try to replicate some studies already made in the area of emotion recognition and try to find some statistical differences between three emotions (Sad, Neutral and Happy) for the N170.The second objective of this thesis is to understand and explain the reasons why some studies lead to controversial results and nonreplicable results. Assuming that the task is done properly, one of the reasons for that is the use of different methods in the pre-processing data. Our task used 10 subjects (4 females, 6 males), where each subject done 4 EEG runs and each run had around 6 minutes of recording. The task consisted in showing a neutral face to the subject and after a GAP show the instruction. The instruction was a face with an emotion looking to on side. After that they should complete a saccade or an anti-saccade. After getting the data we used different methods of pre-processing: 1) interpolation; 2) Re-reference; 3) filters, baseline correction and epochs rejection and 4) Independent Component Analysis (ICA).For the first objective we could replicate some previous studies and we found statistical differences between the different emotions for the N170.For the second objective we concluded that every method of pre-processing has significant influence in the results, giving different amplitudes and latencies for ERP’s. We also recommend that for a more reliable result we should use every method of pre-processing that we refer on this paper.