Summary
हम चुंबक और (एमईजी / ईईजी) Electroencephalography, संरचनात्मक चुंबकीय अनुनाद इमेजिंग (एमआरआई) के द्वारा कब्जा कर लिया जानकारी के साथ संयुक्त, cortical श्रवण ध्यान के साथ जुड़े नेटवर्क की गतिशीलता नक्शा करने के लिए उपयोग.
Protocol
1. संरचनात्मक डाटा अधिग्रहण और प्रसंस्करण
- एक आकर्षण संस्कार से तैयार तेजी से ढाल गूंज (MPRAGE) इस विषय के एमआरआई स्कैन मोल. यह जो विशिष्ट स्कैनिंग प्रोटोकॉल का उपयोग किया जाता है के आधार पर 5-10 मिनट लग सकता है.
- दो अतिरिक्त तेजी से कम कोण (फ्लैश) शॉट एमआरआई स्कैन (फ्लिप कोण = 5 ° और 30 °) मोल अगर ईईजी डेटा उलटा इमेजिंग विश्लेषण के लिए उपयोग किया जाता है, के रूप में फ्लैश दृश्यों मानक MPRAGE 1 दृश्यों से अलग ऊतक विपरीत प्रदान.
- Cortical सतह पुनर्निर्माण और व्यक्तिगत एम / ईईजी द्विध्रुवीय स्रोत अंतरिक्ष सेट FreeSurfer सॉफ्टवेयर (तालिका देखें) 2, 3 का उपयोग करें.
- इस स्रोत अंतरिक्ष ग्रे / सफेद पदार्थ MPRAGE स्कैन से खंडों सीमा के लिए विवश है. प्रत्येक गोलार्द्ध लगभग 100,000 संभावित कोने है, ~ 1 मिमी स्थान पर है. द्विध्रुवीय आयाम आकलन के लिए (नीचे देखें), 7 मिमी, जो ~ गोलार्द्ध प्रति 3,000 dipoles पैदावार का एक ग्रिड रिक्ति का उपयोग करें.
- फिर से संगठित करनात्वचा, बाहरी खोपड़ी और MNE (तालिका देखें) और FreeSurfer का उपयोग MPRAGE और फ्लैश छवियों से भीतरी खोपड़ी सतहों. इन सतहों का उपयोग करने के लिए एक सीमा तीन परत तत्व मॉडल (BEM) उत्पन्न करने के लिए.
2. एम / ईईजी डाटा अधिग्रहण
- एम / ईईजी रिकॉर्डिंग के लिए विषय की तैयारी.
- लियू एट अल 4 electrooculogram और संदर्भ इलेक्ट्रोड तैयारी के रूप में के रूप में अच्छी तरह से विषय के विश्वस्त स्थलों, सिर स्थिति सूचक (HPI) coils और ईईजी इलेक्ट्रोड के डिजिटलीकरण की जानकारी के लिए देखें.
- एक बार विषय एमईजी में बैठा है, सिर HPI coils का उपयोग कर स्थिति उपाय.
- रिकॉर्डिंग शुरू. श्रवण और दृश्य stimuli की प्रस्तुति शुरू करें.
- कई हार्डवेयर और सॉफ्टवेयर समाधान प्रोत्साहन प्रस्तुति (जैसे, प्रस्तुति, ई प्रधानमंत्री) प्रदर्शन करने के लिए उपलब्ध हैं. हम दृश्य है के लिए श्रवण उत्तेजना प्रस्तुति और ट्रिगर करने के लिए एक टकर डेविस टेक्नोलॉजीज RZ6 5 Psychtoolbox साथ मुद्रांकन, का उपयोग करेंtimulus प्रस्तुति, दोनों MATLAB द्वारा नियंत्रित है. श्रवण और दृश्य स्क्रीन करने के लिए संलग्न एक माइक्रोफोन और photodiode का उपयोग latencies परीक्षण, और बाद में वहाँ सुनिश्चित करना है कोई नमूदार (जो अपने मूल प्रस्ताव प्रस्तुति प्रोजेक्टर की स्थापना की जरूरत हो सकती है) घबराना प्रयोग समय अखंडता को सुनिश्चित करने में मदद करता है से पहले है.
- विषय और एक ऑप्टिकल बटन बॉक्स के माध्यम से श्रवण दृश्य उत्तेजनाओं को प्रतिक्रिया करते हुए व्यवहार कार्य प्रदर्शन.
- बंद लाइन के विश्लेषण के लिए सभी उत्तेजनाओं, प्रयोगात्मक मानकों और डेटा फ़ाइलों को बचाओ.
3. एम / ईईजी एमआरआई स्कैन और डाटा प्रोसेसिंग के साथ सह पंजीकरण
- MNE सॉफ्टवेयर का उपयोग करना, digitizer डेटा और विषय खंगाला एमआरआई सिर मॉडल लोड. विश्वस्त सह पंजीकरण की प्रक्रिया को शुरू करने के लिए और स्वचालित संरेखण प्रक्रिया का उपयोग करने के लिए समन्वय परिवर्तन (2 चित्रा) को पूरा करने के लिए आगे बढ़ें स्थलों उठाओ.
- स्रोत सपा में प्रत्येक द्विध्रुवीय के स्थान से संबंधितप्रत्येक सेंसर के स्थान के साथ इक्का, दर्ज HPI डेटा गठबंधन (2.2 देखें) BEM तीन परत के साथ एक आगे समाधान की गणना (1.4 देखने के)
- सभी रिकॉर्ड एम / ईईजी डेटा का निरीक्षण और चैनलों कि असाधारण उच्च विचरण है या पूरी तरह से फ्लैट की पहचान. बुरा चैनल के रूप में इन चैनलों का सेट.
- संकेत अंतरिक्ष 6 का प्रक्षेपण या अन्य शोर में कमी तकनीक (जैसे संकेत अंतरिक्ष 7 जुदाई के रूप में) का उपयोग करने के लिए परियोजना के लिए या बाहर अलग स्थानिक क्षेत्र पैटर्न परिवेश पर्यावरण के क्षेत्र संदूषण या आंख झपकाए और हृदय कलाकृतियों के साथ जुड़े लोगों के रूप में इस तरह के अन्य अवांछनीय शारीरिक संकेतों से उत्पन्न (3 चित्रा).
- समय डोमेन artifact (उदाहरण के लिए, एक चैनल के spiking की वजह से असामान्य रूप से उच्च आयाम संकेतों युक्त epochs हटाने) को हटाने और आवृत्ति डोमेन artifact हटाने (जैसे., 50 या 60 हर्ट्ज रेखा आवृत्ति फिल्टर बैंड पायदान) लागू करने के लिए आगे बढ़ाने के लिए संकेत करने वाली शोर अनुपात.
- पहचानें एक आधारभूत अवधि में जो विषय किसी भी कार्य प्रदर्शन नहीं कर (जैसे एमएस 200, प्रत्येक परीक्षण की शुरुआत से पहले की अवधि). इन आधारभूत epochs की एक औसत उत्पन्न क्रम में एक शोर अनुमान (सहप्रसरण मैट्रिक्स के रूप में भी जाना जाता है) प्राप्त करने के लिए.
- ब्याज की epochs (उदाहरण के लिए, केवल सही व्यवहार प्रतिक्रियाओं के साथ epochs एकत्रित) को पहचानें और प्रयोगात्मक विरोधाभासों (जैसे, के साथ जुड़े विषय विपरीत hemifield उनके श्रवण ध्यान बंद होने के रूप में मूल रूप से cued epochs के लिए शर्तों को परिभाषित "स्विच" हालत विषय बनाम मूल hemifield पर ध्यान बनाए रखने हालत "पकड़ो"). परिभाषित हालत में से प्रत्येक के लिए एक औसत प्रतिक्रिया उत्पन्न करता है.
- इन औसत आधारभूत सही कर सकते हैं या निर्भर करता है (8 देखें) प्रयोगात्मक मानकों पर नहीं, यहाँ दिखाया डेटा आधारभूत सही.
- सहप्रसरण मैट्रिक्स (3.5) और गणना आगे समाधान (3.2) का मिश्रण करने के लिए प्राप्त करने केcortically विवश न्यूनतम आदर्श उलटा ऑपरेटर है कि स्रोत अंतरिक्ष में द्विध्रुवीय वर्तमान अनुमानों के संवेदक माप से संबंधित वितरित.
- आप या तो लगभग विवश कर सकते हैं या cortical सामान्य दिशा 9 द्विध्रुवीय अभिविन्यास तय.
- एक "मस्तिष्क फिल्म" प्रत्येक प्रयोगात्मक हालत (4 चित्रा) के लिए वितरित द्विध्रुवीय अनुमान (यानी, समय में स्रोत अंतरिक्ष में प्रत्येक द्विध्रुवीय स्थान पर मौजूदा अनुमान) उत्पन्न करता है.
- अपने प्रयोगात्मक डिजाइन के अस्थायी विशेषताओं पर निर्भर करता है, तुम बिन वर्तमान गैर अतिव्यापी अस्थायी खिड़कियों का उपयोग का अनुमान है की औसत से अपने समय में डेटा कर सकते हैं.
4. सांख्यिकीय के निष्कर्ष एक आम कोआर्डिनेट सतह आधारित प्रणाली के आधार पर
- प्रत्येक विषय के लिए एक आम (औसत) cortical स्थान पर "मस्तिष्क फिल्मों" Morph एक समन्वय सतह आधारित प्रणाली है कि बेहतर व्यक्ति sulcal gy aligns के आधार परral पैटर्न 3. यह हमें या तुलना करने के लिए सभी विषयों भर में औसत cortical गतिविधियों की अनुमति देता है. (5 चित्रा).
- वहाँ कई अलग अलग सांख्यिकी निष्कर्ष दृष्टिकोण हैं. हम यहाँ तीन संभव दृष्टिकोण पर प्रकाश डाला जाएगा. दृष्टिकोण है कि सॉफ्टवेयर पैकेज में लागू नहीं कर रहे हमारे उदाहरण में कस्टम सॉफ्टवेयर का उपयोग कर हम MATLAB गैर पैरामीट्रिक क्लस्टरिंग spatio-अस्थायी क्रमचय का परीक्षण करने के उपयोग करने के लिए लिखा जा सकता है. घंटे (गैर पैरामीट्रिक क्लस्टरिंग, 4.5), इन आंकड़ों के उच्च dimensionality (अंतरिक्ष समय x विषय x) के बावजूद, इन तरीकों के सभी सेकंड में मानक आधुनिक डेस्कटॉप कंप्यूटर हार्डवेयर (4.3 दृष्टिकोण आरओआई) का उपयोग कर किया जा सकता है.
- क्षेत्र के हित के दृष्टिकोण (आरओआई)
- आप anatomically ROI ज़्यादा से ज़्यादा को परिभाषित कर सकते हैं (उदाहरण के लिए, स्वत: parcellation 1 एल्गोरिथ्म द्वारा परिभाषित किया गया है) और / या कार्यात्मक (जैसे, एक कार्यात्मक लोकलाइजिंग कार्य रिकॉर्डिंग से एक जाओ / कोई एनीमेशन कार्य जाओ oculomoto की पहचान के रूप में इस तरह के,नि.) क्षेत्रों.
- आप एक विशिष्ट समय के हित में है कि अपने प्रयोगात्मक प्रतिमान (जैसे, ध्वनि उत्तेजनाओं की शुरुआत से पहले और बाद में एक समय तुरंत अवधि) के लिए उपयुक्त है आगे के लिए अपने विश्लेषण विवश कर सकते हैं. तुम भी अन्य सांख्यिकीय समय श्रृंखला विश्लेषण के साथ जुड़े निष्कर्ष का उपयोग कर सकते हैं.
- पूरे मस्तिष्क Bonferroni या (एफडीआर) झूठी डिस्कवरी दर सुधार
- रोजगार Bonferroni या एफडीआर सुधार अगर आप पूरे मस्तिष्क, विश्लेषण समय की आवश्यकता होती है.
- एक सांख्यिकीय मानचित्र प्रत्येक द्विध्रुवीय स्थान पर है और हर समय बिंदु या लगभग सामान्य रूप से वितरित डेटा के लिए भीतर विषयों एनोवा टी परीक्षण के रूप में उपयुक्त परीक्षण आँकड़े, का उपयोग कर उत्पन्न करता है. उदाहरण के लिए, z-स्कोर गतिशील निश्चित द्विध्रुवीय 10 स्रोतों के लिए MNE अनुमान के सांख्यिकीय पैरामीटर मानचित्रण से इस्तेमाल किया जा सकता है जब correlations के अनुमान में (जैसे रूढ़िवादी सुधार ग्रीनहाउस Geisser के रूप में) के लिए एक सुधार के साथ रखा.
- Bonferroni लिएसुधार तुलना की संख्या (समय बिंदुओं की संख्या से गुणा dipoles की संख्या) से विभाजित 0.05 की एक महत्व स्तर पर थ्रेशोल्डिंग महत्वपूर्ण अंतरिक्ष समय अंक प्राप्त करते हैं. एक कम रूढ़िवादी दृष्टिकोण के लिए, एफडीआर पी मूल्य 11 सुधार का उपयोग करें.
- गैर पैरामीट्रिक spatiotemporal क्लस्टरिंग
- इस विधि (12 का एक सरल विस्तार के आधार पर) का उपयोग करने के लिए बड़े, लगातार स्थानिक और लौकिक सक्रियण के क्षेत्रों जबकि Bonferroni सुधार से कम रूढ़िवादी जा रहा है, और कम करने के लिए परिवार वार त्रुटि दर को नियंत्रित करने के लिए एफडीआर की तुलना में मैं सांख्यिकीय त्रुटि टाइप प्रवण .
- क्योंकि इस दृष्टिकोण क्रमचय का उपयोग करता है या मोंटे कार्लो resampling तकनीकों यह डेटा की सामान्य की मान्यताओं पर भरोसा नहीं करता, और केवल यह मान लिया गया है कि हालत लेबल रिक्त परिकल्पना के तहत विनिमेय हैं. हालांकि इसे और अधिक computationally पिछले दो दृष्टिकोण से गहन है, यह अभी भी एक घंटे में कर सकते हैं प्रदर्शन किया जाएकल मशीन आधुनिक डेस्कटॉप कंप्यूटर हार्डवेयर का उपयोग.
- प्रत्येक द्विध्रुवीय स्थान और हर बार एक टी - परीक्षण के रूप में उपयुक्त परीक्षण आँकड़े, का उपयोग बिंदु पर एक सांख्यिकीय मानचित्र उत्पन्न करता है.
- थ्रेसहोल्ड एक प्रारंभिक महत्व सीमा पर इस नक्शे, जैसे पी <.05.
- क्लस्टर इन ख्यात महत्वपूर्ण अंक spatio-अस्थायी निकटता के आधार पर, जैसे. 5 एमएस और एक दूसरे के 5 मिमी geodesic दूरी के भीतर महत्वपूर्ण अंक एक ही क्लस्टर में डाल रहे हैं. प्रत्येक परिणामस्वरूप hypervolume या कुल महत्व (जैसे क्लस्टर में अंक की टी स्कोर का योग) का उपयोग क्लस्टर स्कोर.
- एक मानक resampling क्रमचय (या मोंटे कार्लो बड़े डेटासेट, उदाहरण के लिए resampling एन> 10 विषयों की संख्या गणना पर बचाने के लिए) प्रदर्शन एक अधिकतम आंकड़ा (क्रमचय परीक्षण उदाहरण के लिए 12 देखें) के साथ परीक्षण. संक्षेप में, विषयों की एक यादृच्छिक सबसेट (कहीं भी 0 से N विषयों को चुनने) के लिए, शर्तों बेन relabelसांख्यिकीय मानचित्र प्राप्त करने से पहले की तुलना में छ, नए सांख्यिकीय मानचित्र पर क्लस्टरिंग प्रदर्शन, और कि relabeling के लिए अधिक से अधिक क्लस्टर स्कोर प्राप्त करने के. 2 permutations एन के लिए नई यादृच्छिक relabelings पर इस प्रक्रिया का प्रदर्शन करने के लिए प्राप्त करने के लिए अधिक से अधिक आंकड़े के एक वितरण, 2 सभी एन संभव relabelings प्रदर्शन क्रमचय परीक्षण पैदावार और से कम 2 एन relabelings के एक यादृच्छिक सबसेट का उपयोग पैदावार एक मोंटे कार्लो (या यादृच्छिक ) क्रमचय परीक्षण.
- एक दिया अधिकतम क्लस्टर आकार कि मूल क्लस्टर के तुलना में अधिक से अधिक थे समय के अनुपात का निर्धारण मूल क्लस्टर (मूल लेबलिंग से) के महत्व प्राप्त है, उदा. समूहों है कि अधिकतम परिगणन विद्या - संबंधी समूहों की 95% से भी बड़ा थे महत्वपूर्ण घोषित किया जा सकता है.
- एमईजी वितरित स्रोत इमेजिंग में सांख्यिकी निष्कर्ष पर एक में गहराई से चर्चा के लिए, 13 देखें.
- इस विधि (12 का एक सरल विस्तार के आधार पर) का उपयोग करने के लिए बड़े, लगातार स्थानिक और लौकिक सक्रियण के क्षेत्रों जबकि Bonferroni सुधार से कम रूढ़िवादी जा रहा है, और कम करने के लिए परिवार वार त्रुटि दर को नियंत्रित करने के लिए एफडीआर की तुलना में मैं सांख्यिकीय त्रुटि टाइप प्रवण .
- परिणामस्वरूप डेटा फ़ाइलों vi हो सकता है natively MNE सॉफ्टवेयर द्वारा उपयोग spatio-अस्थायी cortical का अनुमान है, अर्थात् एसटीसी फ़ाइलों की दुकान स्वरूपों का उपयोग करने सहित कई मायनों में sualized. इन लेबल्स उत्पादन किया जा सकता है कि महत्वपूर्ण क्षेत्रों को इसी के साथ - साथ, MATLAB और अजगर के लिए प्रदान की गई MNE toolboxes का उपयोग कर उत्पन्न किया जा सकता है.
5. प्रतिनिधि परिणाम
6 चित्रा प्रतिनिधि व्यवहार चित्रा 4 में उल्लिखित प्रतिमान का उपयोग कर परिणाम का एक सेट से पता चलता है. गैर पैरामीट्रिक spatiotemporal क्लस्टरिंग प्रक्रिया (4.5) का उपयोग करना, सही FEF के लिए महत्वपूर्ण हो सकता है जब एक विषय के एक मानक कार्य (चित्रा 6 बाएं) की तुलना में एक पुनरभिविन्यास कार्य प्रदर्शन है पाया जाता है. आरओआई दृष्टिकोण (4.3) का उपयोग, सही FEF के समय पाठ्यक्रम दिखाया गया है, समय की अवधि के साथ है कि इन दोनों स्थितियों में काफी अलग हैं.
/ p_upload/4262/4262fig1.jpg ">
चित्रा 1 एक "मस्तिष्क फिल्म" न्यूनतम आदर्श द्विध्रुवीय का अनुमान है (cf., लियू एट अल में चित्रा 1, 2010) cortically विवश पैदा करने के लिए कार्यप्रवाह.
चित्रा 2 MNE सॉफ्टवेयर के लिए एक विषय के एमआरआई अंतरिक्ष सह ordinate पर ईईजी चैनलों और HPI स्थानों सह पंजीकरण की सुविधा के लिए इस्तेमाल किया.
चित्रा 3 पहले और एसएसपी का उपयोग करने (नारंगी में प्रकाश डाला) हृदय और आँख - झपकाए (नीले, हरे प्रकाश डाला) कलाकृतियों और lowpass लाइन आवृत्ति हटाने फ़िल्टरिंग हटाने के बाद. एमईजी डेटा का बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .
चित्रा 4 एक विषय के देशी cortical और एक प्रयोगात्मक प्रतिमान (नोट में दृश्य - श्रव्य प्रस्तुति (श्रवण 600 एमएस और -600 एमएस पर एक दृश्य प्रस्तुत प्रोत्साहन में प्रस्तुत उत्तेजनाओं के साथ) के समय के स्थान पर "मस्तिष्क फिल्म ': यह हो जाएगा. अंतिम फिल्म क्लिप में एक फिल्म के रूप में प्रस्तुत)
5 चित्रा एक काल्पनिक ROI ज़्यादा से ज़्यादा एक विषय देशी cortical स्थान पर बाद एक आम cortical स्थान पर morphed मैप के बीच तुलना.
चित्रा 6 प्रतिनिधि क्लस्टर spatio-लौकिक और समय बेशक दो प्रयोगात्मक condi के साथ जुड़े.माहौल का परीक्षण किया.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
आदेश में हासिल कर ली एमईजी / ईईजी डेटा से प्रांतस्था पर द्विध्रुवीय सक्रियण का अनुमान लगाने के लिए, हम एक व्युत्क्रम समस्या है, जो एक अद्वितीय स्थायी समाधान नहीं है जब तक उचित और anatomically और physiologically ध्वनि बाधाओं को लागू कर रहे हैं को हल करने की जरूरत है. संरचनात्मक अलग - अलग विषयों के लिए एमआरआई का उपयोग कर और हमारे आकलन कसौटी के रूप में न्यूनतम आदर्श अपनाने अर्जित बाधा का उपयोग किया जा रहा है, हम एक व्युत्क्रम cortical वर्तमान स्रोत का अनुमान है कि सेंसर माप के साथ सहमत में आ सकते हैं. इस दृष्टिकोण श्रवण 14 केवल प्रसंस्करण भी नहीं लेकिन ऐसे दृश्य 15 और 16 प्रसंस्करण भाषा के रूप में अन्य डोमेन के अध्ययन में उपयोगी साबित हुआ है.
वहाँ कई अन्य उलटा दृष्टिकोण हैं. (उदाहरण के लिए, बराबर वर्तमान द्विध्रुवीय मॉडलिंग) स्थानीयकरण या इमेजिंग (जैसे, MNE, तकनीक beamforming): हालांकि, इन सभी तरीकों को दो श्रेणियों में संक्षेप किया जा सकता है. इसके अलावा, प्रत्येक उलटा दृष्टिकोण अपनी टीआरएdeoff (एक में गहराई से चर्चा के लिए 17 देखें). उदाहरण के लिए, वर्तमान अनुमान यहाँ प्रस्तुत दृष्टिकोण का उपयोग जरूरी अंतरिक्ष में इसकी वजह से बाधा न्यूनतम आदर्श वितरित किया जा. यह अनुमान न्यूनतम आदर्श दृष्टिकोण अच्छी तरह से कार्य है कि एक वितरित cortical नेटवर्क की भर्ती के लिए उपयुक्त है. उत्तेजनाओं कि ऑडिशन में उन है कि द्विपक्षीय श्रवण प्रांतस्था (जैसे, N1m और नकारात्मकता संबंधित 18 जागरूकता) में और उसके चारों ओर स्थानीयकृत माना जाता है के रूप में इस तरह के केन्द्र स्रोत गतिविधि, पैदा करने के लिए जल्दी प्रतिक्रिया मानचित्रण, भी सह - बाधाओं fMRI का उपयोग करके सुधार किया जा सकता है 14.
वर्णक्रमीय डोमेन विश्लेषण, उदाहरण के लिए, अलग cortical ध्यान में शामिल प्रांतस्था भर में लय, की भूमिका की जांच भी aforementioned उलटा तकनीक के किसी भी उपयोग करने के बाद किया जा सकता है. इसके अलावा, विश्लेषण के इस प्रकार आसानी से पता br में अलग - अलग क्षेत्रों के बीच कार्यात्मक कनेक्टिविटी से संबंधित सवालों के लिए बढ़ाया जा सकता हैऐन.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
ब्याज की कोई संघर्ष की घोषणा की.
Acknowledgments
लेखकों के लिए उनके सहायक टिप्पणियों के लिए धन्यवाद देना चाहूंगा Matti एस Hämäläinen, Lilla Zöllei और तीन गुमनाम समीक्षक. धन स्रोतों: R00DC010196 (AKCL); T32DC000018 (EDL); T32DC005361 (रूट).
Materials
| Name | Company | Catalog Number | Comments |
| 306-channel Vectorview MEG system | Eleka-Neuromag Ltd, | ||
| 1.5-T Avanto MRI scanner | Siemens Medical Solutions | ||
| FreeSurfer | http://freesurfer.net/ | ||
| MNE software | http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | ||
| EEG electrodes | Brain Products, Easycap GmbH | ||
| 3Space Fastrak system | Polhemus | ||
| Optical button box (FIU-932) | Current Designs |
References
- Fischl, B. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14, 11-22 (2004).
- Dale, A., Sereno, M. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Liu, H. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), e1668 (2010).
- Brainard, D. H.
- Uusitalo, M. A., Ilmoniemi, R. J. Signal-space projection method for separating MEG or EEG into components. Med. Biol. Eng. Comput. 35, 135-140 (1997).
- Taulu, S., Simola, J., Kajola, M. Applications of the signal space separation method. IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).
- Urbach, T. P., Kutas, M. Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling. Biological Psychology. 72, 333-343 (2006).
- Lin, F. -H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. Distributed current estimates using cortical orientation constraints. Human Brain Mapping. 27, 1-13 (2006).
- Dale, A. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26, 55-67 (2000).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12, 419-446 (2003).
- Nichols, T. E., Holmes, A. P. Nonparametric permutation tests for functional neuroimaging: a primer with examples. Human Brain Mapping. 15, 1-25 (2001).
- Pantazis, D., Leahy, R. M. Statistical Inference in MEG Distributed Source Imaging. MEG: An Introduction to Methods. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 245-272 (2010).
- Ahveninen, J. Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise. Proceedings of the National Academy of Sciences. , 1-6 (2011).
- Sharon, D. The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex. Neuroimage. 36, 1225-1235 (2007).
- Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study. NeuroImage. 48, 590-600 (2009).
- Baillet, S. The Dowser in the Fields: Searching for MEG Sources. MEG: An Introduction to Methods. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 83-123 (2010).
- Gutschalk, A., Micheyl, C., Oxenham, A. J. Neural correlates of auditory perceptual awareness under informational masking. PLoS Biology. 6, e138 (2008).
