مقالة منهجية

تحليل النشاط العصبي والاتصال باستخدام بيانات التخطيط الدماغي داخل الجمجمة مع برنامج الحركة الوطنية الصومالية

DOI:

10.3791/58187

⸱

أكتوبر 30, 2018

 ,  ,  ,  ,  ,  ,  ,  , 
1Kokoro Research Center, Kyoto University, 2Brain Activity Imaging Center, Advanced Telecommunications Research Institute International, 3Department of Neurodevelopmental Psychiatry, Habilitation and Rehabilitation, Graduate School of Medicine, Kyoto University, 4National Epilepsy Center, 5Shizuoka Institute of Epilepsy and Neurological Disorders, 6Department of System Neuroscience, Sapporo Medical University, 7Faculty of Human Health Science, Graduate School of Medicine, Kyoto University

* These authors contributed equally

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

نقدم اثنين من البروتوكولات التحليلية التي يمكن استخدامها لتحليل البيانات المخ داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM): تحليل الخرائط وقت التردد حدودي الإحصائية للنشاط العصبي، ودينامية السببية نماذج من ردود فعل للربط فيما بين الأقاليم وداخلها.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قياس نشاط العصبية والاتصال المرتبطة بالوظائف المعرفية في عالية الدقة المكانية والزمانية هدف هام في علم الأعصاب المعرفي. يمكن مباشرة لتسجيل النشاط العصبي الكهربائية داخل الجمجمة المخ (EEG) وينطوي على إمكانية فريدة لتحقيق هذا الهدف. تقليديا، تم تطبيق متوسط تحليل لتحليل بيانات التخطيط الدماغي داخل الجمجمة؛ ومع ذلك، العديد من التقنيات الجديدة متوفرة يصور العصبية اتصال النشاط وفيما بين الأقاليم وداخلها. هنا، نحن نقدم اثنين من البروتوكولات التحليلية طبقنا مؤخرا لتحليل بيانات التخطيط الدماغي داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM): فعل الوقت التردد SPM تحليل للنشاط العصبي والنمذجة الديناميكية المسببة للاستجابات ل الربط فيما بين الأقاليم وداخلها. نحن تقرير تحليلنا للبيانات التخطيط الدماغي داخل الجمجمة أثناء مراقبة وجوه كنتائج تمثيلية. وكشفت النتائج أن المغزلي والقفويه أدنى (الرقابة الداخلية) وأظهرت النشاط غاما-الفرقة في المراحل المبكرة جداً (110 مللي ثانية) ردا على وجوه، وكل من الرقابة الداخلية واللوزة أظهرت السريع فيما بين الأقاليم وداخلها الاتصال باستخدام أنواع مختلفة من الذبذبات. هذه البروتوكولات التحليلية لديها القدرة على تحديد الآليات العصبية الكامنة وراء الوظائف المعرفية مع ارتفاع الملامح المكانية والزمانية.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

قياس نشاط العصبية والاتصال المرتبطة بالوظائف المعرفية في عالية الدقة المكانية والزمانية واحد من الأهداف الأساسية لعلم الأعصاب المعرفي. غير أن تحقيق هذا الهدف ليس من السهل. هو أسلوب شعبية واحد يستخدم لتسجيل النشاط العصبي الفنية التصوير بالرنين المغناطيسي (التصوير بالرنين المغناطيسي). على الرغم من أن التصوير بالرنين المغناطيسي الوظيفي يوفر العديد من المزايا، مثل عالية دقة مكانية على مستوى ملليمتر وتسجيل غير الغازية، وهو عيب واضح من التصوير بالرنين المغناطيسي الوظيفي قرارها الزمانية منخفضة. وباﻹضافة إلى ذلك، التدابير الفنية التصوير بالرنين المغناطيسي الدم الأكسجين-المستوى-تعتمد على إشارات، والتي تعكس النشاط العصبي الكهربائي غير مباشر فقط. الطرق الكهربية شعبية، بما في ذلك المخ (EEG) وماجنيتونسيفالوجرافي (MEG)، بقرارات مؤقتة عالية على الصعيد ميلي ثانية. ومع ذلك، لديهم قرارات المكاني منخفضة نسبيا، لأنها تسجل الإشارات الكهربائية/المغناطيسية في فروة الرأس ويجب حل المشاكل الصعبة معكوس لتصوير نشاط الدماغ.

ويمكن تسجيل EEG داخل الجمجمة مباشرة النشاط العصبي الكهربائية العالية الزمانية (مللي ثانية) والمكانية (سنتيمتر) القرارات1. وهذا التدبير يمكن أن توفر فرصاً قيمة لفهم النشاط العصبي، والاتصال، وعلى الرغم من أنها قيود واضحة (مثلالمناطق القابلة للقياس تقتصر على المعايير السريرية). وقد طبقت عدة دراسات التخطيط الدماغي داخل الجمجمة التحليل المتوسط التقليدي لتصوير النشاط العصبي. على الرغم من أن متوسط تحليل حساسية الكشف عن التنشيط الفرقة تأمين الوقت والتردد المنخفض، فإنه لا يمكن الكشف عن تأمين المرحلة غير و/أو تنشيط عالية التردد (مثلاً، الفرقة غاما). وبالإضافة إلى ذلك، لم تم تحليل اقتران العصبية الوظيفية في العمق في الأدب على تسجيلات التخطيط الدماغي داخل الجمجمة. العديد من التقنيات الجديدة قد وضعت مؤخرا لتصوير العصبية اتصال النشاط وفيما بين الأقاليم وداخلها في تسجيلات التصوير بالرنين المغناطيسي والتخطيط الدماغي/ميج الوظيفية، التي يمكن تطبيقها على تحليل بيانات التخطيط الدماغي داخل الجمجمة.

وهنا، نقدم البروتوكولات التحليلية المطبقة لدينا مؤخرا لتحليل بيانات التخطيط الدماغي داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM). أولاً، تكشف فيه، والذي تردد، يمكن تنشيط مناطق الدماغ، وأجرينا وقت التردد SPM تحليل2. هذا التحليل تتحلل المجالات الوقت والتردد في وقت واحد باستخدام تحويل المويجات مستمر، وعلى نحو مناسب بتصحيح نسبة الخطأ فاميليويسي (إنشاء) في خرائط الوقت-تواتر استخدام نظرية الحقل عشوائي. وثانيا، للكشف عن كيفية التواصل مناطق الدماغ، طبقنا النمذجة السببية الديناميكية (DCM) من ردود فعل4. DCM تمكن تحقيق الاتصال الفعال (أي، التأثيرات السببية والاتجاه بين مناطق الدماغ5). على الرغم من أن DCM اقترح أصلاً كأداة لتحليل بيانات التصوير بالرنين المغناطيسي الوظيفي5، قد مددت DCM ردود فعل لتحليل الأطياف السلطة اختلاف الوقت من الإشارات الكهربية4. هذا التحليل يسمح تصوير لكل اتصال العصبية فيما بين الأقاليم وداخلها. وقد اقترح العديد من الدراسات العصبية أن العمليات الحسابية داخل المنطقة المحلية والاتصالات بين المناطق البعيدة المدى تستخدم أساسا ذبذبات غاما--النطاق وثيتا، على التوالي، وتفاعلاتها (مثلاً، انترينمينتس) ويمكن تنعكس ثيتا-غاما التردد عبر اقتران3،6،،من78. ويركز هذا التقرير على بروتوكول البيانات التحليلية؛ لمحة عامة عن خلفية المعلومات9،10 وتسجيل البروتوكولات11 من التخطيط الدماغي داخل الجمجمة، يرجى الرجوع إلى الأدب.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

دراستنا أقرته لجنة الأخلاقيات المؤسسية المحلية.

1. المعلومات الأساسية

ملاحظة: يمكن تطبيق البروتوكولات التحليلية لأنواع مختلفة من البيانات دون أية قيود فيما يتعلق بالمشاركين محددة، أو أقطاب أو أساليب مرجعية، أو مواقع القطب. في هذا المثال، قمنا باختبار ستة مرضى يعانون من الصرع البؤري عقاقيري مستعصية على الحل. نحن اختبار المرضى الذين قد لا توجد بؤر الصرع في المناطق ذات الاهتمام.

  1. تسجيل بيانات التخطيط الدماغي داخل الجمجمة خلال التجربة المعرفية في أقطاب المستهدفة.
    1. زرع أقطاب عمق استخدام الأسلوب المناظير باستخدام الأشعة12.
    2. استخدام الأقطاب الكهربائية البلاتينية له (القطر: 2.3 مم) وعمق البلاتين الأقطاب الكهربائية (القطر: 0.8 ملم) في نفس الوقت قياس نشاط القشرية وسوبكورتيكال، على التوالي.
    3. وضع أقطاب المرجعية على سطح جمجمة منطقة خط الوسط الأمامية الظهرية مع جهات اتصال أقطاب تواجه بعيداً عن الجمجمة لتجنب تفعيل التكامل المرجعي12.
    4. تضخيم البيانات، تصفية الإنترنت (تمرير الفرقة: 0.5 – 300 هرتز)، وعينه في 1,000 هرتز.
    5. لتسجيل واحصائيا إزالة القطع الأثرية المرتبطة بحركات العين، بالإضافة إلى ذلك سجل اليكتروكولوجرامس. حدد أقطاب المستهدف على أساس المصالح النظرية. وبالإضافة إلى ذلك، تستخدم بيانات التصوير المقطعي والتصوير بالرنين المغناطيسي الفردية للتحقق من مواقع القطب.
  2. عينة و preprocess بيانات التخطيط الدماغي للمحاكمة داخل الجمجمة (الشكل 1).
    ملاحظة: يمكن تطبيق البروتوكولات التحليلية لأنواع مختلفة من البيانات بدون أي قيود على طول بيانات محددة أو طرق تجهيزها.
    1. هنا، أخذ عينة من البيانات خلال 3,000 ms (التحفيز المسبق: 1,000 ms؛ وما بعد التحفيز: 2,000 ms) لكل محاكمة.
    2. لأن المشاركين هنا أظهرت انخفاضا غير عادي السعة العالية النشاط في بعض المحاكمات، ربما تتعلق بالصرع، تستبعد هذه المحاكمات الخارجة باستخدام عتبات محددة مسبقاً (> 800 μV و > 5 SD). قد يلزم الأخرى خطوات تجهيزها، بما في ذلك التفتيش البصري، وتحليل المكونات المستقلة، تبعاً لأهداف تجريبية والظروف.
  3. تحويل تنسيق أصلي نظام التخطيط الدماغي إلى تنسيق SPM المستندة إلى MATLAB (انظر دليل SPM12 12.1 و 12-2).
    ملاحظة: معظم تنسيقات البيانات التخطيط الدماغي يمكن مباشرة استيرادها إلى برنامج الحركة الوطنية الصومالية بتحديد التحويل في واجهة محرر دفعي SPM وتعيين كافة معلمات الإدخال المطلوب. طريقة أخرى ممكنة لاستخدام برنامج نصي مثال "spm_eeg_convert_arbitrary_data.m" في الدليل الفرعي example_scripts رجل/دليل البرنامج SPM. هذا البرنامج النصي يوفر طريقة ملائمة لتحويل إلى ملف ASCII أو ملف الشروط المتفق عليها تبادلياً التي يمكن تصديرها بكثير من نظام التخطيط الدماغي مع تنسيق الحركة الوطنية الصومالية.

2-وقت التردد SPM التحليل

  1. إعداد SPM12 (http://www.fil.ion.ucl.ac.uk/spm/) واستخدام M/EEG التحليلية القائمة13 (الشكل 2).
  2. أداء تحليل الوقت – التردد SPM2 عن طريق تحديد "تحليل الوقت التردد" في القائمة ملخص لواضعي السياسات لمعالجة البيانات التخطيط الدماغي داخل الجمجمة لكل تجربة استخدام التحلل المويجات المستمر مع المويجات Morlet استناداً إلى معايير محددة مسبقاً ( 3 الشكل).
    ملاحظة: التحويلات المويجات تكشف التطور الزماني للمكونات الطيفية باللف داخل الجمجمة بيانات التخطيط الدماغي مع المويجات متعددة الترددات14.
    1. هنا، إجراء تحلل المويجات استخدام المويجات Morlet سبعة-دورة لعصر أسرة (-1000 – 2,000 ms) ونطاق الترددات 4 – 300 هرتز.
    2. تحديد المويجات الأم وعدد الدورات استناداً إلى دراسة سابقة15. علما بأن عدد الدورات في المويجات يتحكم بقرارات الوقت – التردد، ويوصي بأن تكون أكبر من 5 لضمان تقدير الاستقرار13.
    3. تحديد النطاقات الزمنية وتواتر استناداً إلى مصلحة البحوث.
  3. المحاصيل الخرائط الزمنية – التردد الناتجة تلقائياً عن طريق تحديد "اقتصاص" في قائمة الجسيمات العالقة لإزالة تأثيرات الحافة. هنا، المحاصيل الخرائط الزمنية – التردد إلى-200 – 500 مللي ثانية.
  4. القيام بتحويل البيانات (اختياري) وتصحيح خط الأساس عن طريق تحديد "إعادة مقياس الوقت التردد" في قائمة الجسيمات العالقة للخرائط الوقت – التردد تصور التغييرات المتصلة بالحدث السلطة أفضل وتحسين الحياة الطبيعية للبيانات.
    ملاحظة: هنا، خرائط الوقت – التردد تم تحويل سجل وخط الأساس (-200-0 مللي ثانية)-تصحيح.
  5. تحويل الخرائط الزمنية – التردد في ثنائي الأبعاد (2D) الصور عن طريق تحديد "Convert2Images" في قائمة الجسيمات العالقة.
    1. السلس باستخدام نواة ضبابي بقيمة كامل عرض المعرفة مسبقاً (فوم) نصف-الحد أقصى للتعويض عن التباين بين الموضوع وتتفق مع الافتراضات النظرية الميدانية العشوائية المستخدمة في الاستدلال الإحصائي2،13 .
      ملاحظة: هنا، كانت ممهدة الخرائط الزمنية – التردد مع نواة غاوسي فوم من 96 مرض التصلب العصبي المتعدد في مجال الوقت و 12 هرتز في مجال التردد استناداً إلى دراسة سابقة2.
  6. الدخول في 2D الصور في النموذج الخطي العام عن طريق تحديد "تحديد المستوى 1" في قائمة الجسيمات العالقة.
  7. تقدير النموذج الخطي العام عن طريق تحديد "نموذج تقدير" في قائمة الجسيمات العالقة.
  8. إجراء الاستدلالات الإحصائية على البيانات الوقت – التردد SPM {T} استناداً إلى نظرية الحقل عشوائي2 عن طريق تحديد "النتائج" في قائمة الجسيمات العالقة. الكشف عن تشغيلها بشكل كبير الوقت – تردد مجموعات مع عتبات محددة مسبقاً (ربما تصحيح لمقارنات متعددة).
    ملاحظة: هنا، على عتبة حد ف < 0.05، الذي تم إنشاء صوبه لمقارنات متعددة، مع ارتفاع عتبة ف < استخدمت 0.001 (غير المصححة).

3-DCM ردود فعل

  1. إعداد SPM12 (http://www.fil.ion.ucl.ac.uk/spm/) واستخدام M/EEG التحليلية القائمة13 (الشكل 4).
    1. بدء تحليل DCM بواسطة النقر فوق الزر "DCM" في قائمة الجسيمات العالقة. تنشيط DCM لردود فعل عن طريق تحديد "دائرة الهجرة والجنسية" في مربع القائمة. استيراد بيانات التخطيط الدماغي داخل الجمجمة معالجة بواسطة النقر فوق "البيانات الجديدة" في DCM للقائمة M/EEG.
  2. تحديد الإطار الزمني للفائدة، وشروط للفائدة، وتناقضات الشروط المحددة (وهذا تعريف المدخلات التحوير التي استخدمت فيما بعد في مواصفات الشبكة)، نافذة التردد للفائدة، وعدد الدورات المويجات في DCM للقائمة M/EEG ( الشكل 5).
    1. استخدام دورة خمسة Morlet المويجات (4 – 100 هرتز في الخطوات 1-هرتز) وتعيين الإطار الزمني إلى 1 – 500 مللي ثانية.
    2. تحديد دورة المويجات وفقا للإعداد الافتراضي. علما بأن التوصية البرمجيات هي قيمة أكبر من 5 لضمان تقدير الاستقرار13. تم تحديد النطاقات الزمنية – التردد استناداً إلى اهتمامنا للبحث. لاحظ أن إطار زمني مع ± إضافية 512 مللي استخدمت تلقائياً أثناء عملية حسابية لإزالة تأثيرات الحافة.
  3. استناداً إلى إطار DCM4،5، تعريف (1) القيادة المدخلات، التي تمثل المدخلات الحسية على الدول العصبية؛ (2) اتصالات الجوهرية، التي تجسد التواصل الأساس بين الدول العصبية واتصالات الذاتي؛ وآثار مودولاتوري (3) على اتصالات الذاتية عن طريق التلاعب التجريبية لنماذج فارغة والمفترضة. أيضا تعريف نوع التحوير الخطي (داخل التردد) أو غير الخطية (بين التردد).
    1. تعيين اتصالات (الخطية وغير الخطية) الأصيلة والقيادة المدخلات والمدخلات التحوير في DCM للقائمة M/EEG.
    2. قم بتعديل الإعدادات الافتراضية لبعض المعلمات ذات الصلة (مثلاً، التحفيز قبل بداية الوقت والمدة) إذا لزم الأمر. تقدير النماذج عن طريق تحديد "عكس DCM" في DCM للقائمة M/EEG. وبعد ذلك حدد حفظ النتائج ك img لحفظ التردد التردد مودولاتوري اقتران الصور المعلمة.
  4. إجراء آثار عشوائية بايزي نموذجية مختارة (خدمات إدارة المباني) تحليل17 بواسطة النقر فوق "خدمات إدارة المباني" في DCM للقائمة م/التخطيط الدماغي لتحديد النموذج الأمثل الشبكة. استخدام النموذج المتوقع الاحتمالات و/أو الاحتمالات اكسسيدانسي كتدابير التقييم.
  5. جعل استنتاجات فيما يتعلق بأنماط التردد عبر اتصالات مودولاتوري استخدام معلمات النموذج الفائز باستخدام قائمة الجسيمات العالقة (راجع الخطوة 2).
    1. عن طريق تحديد "Convert2Images" في قائمة الجسيمات العالقة على نحو سلس الصور المعلمة اقتران مودولاتوري.
    2. إجراء تحليل النموذج الخطي العام عن طريق تحديد "تحديد مستوى 2" في قائمة الجسيمات العالقة.
    3. حساب القيم SPM {T} 2D عن طريق تحديد "النتائج" في قائمة الجسيمات العالقة.
      ملاحظة: تم في فوم هنا، في 8 هرتز استناداً إلى دراسة سابقة4. تم تحديد قيم كبيرة اكسبلوراتوريلي باستخدام عتبة ارتفاع ف < 0.05 (غير المصححة).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

باستخدام بروتوكول المعروضة هنا، قمنا بتحليل بيانات التخطيط الدماغي داخل الجمجمة ردا على وجوه18،19. ونحن تسجيل البيانات من ستة مرضى أثناء العرض السلبي من وجوه، والفسيفساء، والمنازل في تستقيم ومقلوب التوجهات. وكشف التناقضات وجوه تستقيم مقابل الفسيفساء تستقيم ووجوه تستقيم مقابل منازل تستقيم تأثير الوجه (أي نشاط الدماغ الخاصة بالوجه بالنسبة للكائنات الأخرى). على النقيض تستقيم يواجه مقابل مقلوب الوجو...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

البروتوكولات التحليلية لبيانات التخطيط الدماغي داخل الجمجمة باستخدام البرمجيات SPM عرض هذه الوثيقة بالعديد من المزايا مقارنة مع التصوير بالرنين المغناطيسي الوظيفي. أولاً، يمكن تصور البروتوكولات التنشيط العصبية في عالية دقة زمنية. ولذلك، تشير النتائج عما إذا كان يرتبط المعرفي للتنشيط العصبية تنفذ على مراحل التجهيز المبكر أو المتأخر. في هذا المثال، تم تحديد تأثير الوجه خلال المراحل المبكرة جداً (أي، 110 مللي ثانية) لتجهيز مرئي. وبالإضافة إلى ذلك، توفر المقارنة بين الملامح الزمنية للنشاط العصبي المتصلة بالوظائف الن...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الكتاب ليس لها علاقة بالكشف عن.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

هذه الدراسة كانت تدعمها أموال من شركة بينيسي، "جمعية اليابان" "برنامج تمويل تعزيز العلوم" (JSPS) "الباحثين" الرائدة في "العالم الجيل القادم" (LZ008)، المنظمة "تعزيز البحوث" في "الاضطرابات النمائية"، وكاكينهي JSPS (15 ك 04185؛ 18 ك 03174).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology - Paris. 97 (4-6), 613-628 (2003).
  2. Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
  3. Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
  4. Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
  5. Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. Neuroimage. 19 (4), 1273-1302 (2003).
  6. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
  7. Tort, A. B., et al. Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task. Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).
  8. Voytek, B., et al. Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks. Frontiers in Human Neuroscience. 4, 191(2010).
  9. Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
  10. Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
  11. Hill, N. J., et al. Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping. Journal of Visualized Experiments. (64), 3993(2012).
  12. Herrmann, C. S., Rach, S., Vosskuhl, J., Strüber, D. Time-frequency analysis of event-related potentials: A brief tutorial. Brain Topography. 27 (4), 438-450 (2014).
  13. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961(2011).
  14. Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
  15. Kilner, J., Bott, L., Posada, A. Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain. European Journal of Neuroscience. 21, 2547-2554 (2005).
  16. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  17. Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. Bayesian model selection for group studies. Neuroimage. 46 (4), 1004-1017 (2009).
  18. Sato, W., et al. Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing. Cortex. 60, 52-68 (2014).
  19. Sato, W., et al. Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing. Human Brain Mapping. 38 (2), 4511-4524 (2017).
  20. Bartlett, J. C., Searcy, J., Abdi, H. What are the routes to face recognition? Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).
  21. Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
  22. Pitcher, D., Walsh, V., Duchaine, B. The role of the occipital face area in the cortical face perception network. Experimental Brain Research. 209 (4), 481-493 (2011).
  23. Latini, F. New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle. Neurosurgical Review. 38 (1), 179-189 (2015).
  24. Davies-Thompson, J., Andrews, T. J. Intra- and interhemispheric connectivity between face-selective regions in the human brain. Journal of Neurophysiology. 108 (11), 3087-3095 (2012).
  25. Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
  26. Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
  27. Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
  28. Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
  29. Pigorini, A., et al. Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform. Journal of Neuroscience Methods. 198 (2), 236-245 (2011).
  30. Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654(2016).
  31. Aru, J., et al. Untangling cross-frequency coupling in neuroscience. Current Opinion in Neurobiology. 31, 51-61 (2015).
  32. Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources. PLoS One. 11 (12), e0167351(2016).
  33. Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
  34. Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
  35. Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413(2017).
  36. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  37. Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
  38. Friston, K. J., et al. Dynamic causal modelling revisited. NeuroImage. , (2017).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

Intracranial EEGSPM SoftwareTime Frequency AnalysisDynamic Causal ModelingNeural ActivityConnectivity AnalysisInferior Occipital GyrusAmygdala ConnectivityWavelet DecompositionBayesian Model Selection

مقالات ذات صلة