需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

利用立体定向脑电图研究大脑深部皮层及皮层下结构的功能：来自前扣带皮层的启示

12.4K 次观看

⸱

DOI：

10.3791/52773

⸱

2015年4月15日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Neurosurgery, Columbia University Medical Center, New York Presbyterian Hospital, 2Department of Neurology, Columbia University Medical Center, New York Presbyterian Hospital, 3Columbia University Medical Center, New York Presbyterian Hospital, 4School of Medicine, King's College London

本文内容

摘要

立体定向脑电图（SEEG）是癫痫外科手术中用于定位癫痫发作起源灶的一种手术技术，同时也为研究脑功能提供了独特的机会。本文阐述了如何利用SEEG在人类受试者中研究认知过程。

摘要

立体定向脑电图（Stereotactic Electroencephalography, SEEG）是一种用于定位药物难治性癫痫患者癫痫灶的技术。该方法通过将多个深部电极长期植入脑内，而这些区域通常无法通过硬膜下栅状电极放置来覆盖。因此，SEEG为研究脑功能提供了独特的机会。本文中，我们展示了如何利用SEEG研究背侧前扣带回皮层（dorsal anterior cingulate cortex, dACC）在认知控制中的作用。我们详细描述了SEEG的操作流程，包括电极的外科植入过程。同时，我们介绍了在受试者执行行为任务时，记录其局部场电位（local field potential, LFP）数据所需的设备组成与操作步骤。在所提供的示例中，受试者完成一项认知干扰任务，我们展示了如何从参与决策过程的关键脑区——背侧前扣带回皮层的电极记录并分析神经信号。最后，我们进一步提出了该方法在研究人类认知过程中的其他潜在应用方向。

引言

癫痫是一种常见的神经系统疾病，其特征是随时间反复多次发作，占全球疾病负担的1%1。约20%至30%的患者使用抗癫痫药物无法控制发作2,3。对于这些药物难治性患者，通常需要考虑癫痫手术治疗4,5。是否进行手术的决策依赖于准确定位致痫灶，这是制定手术方案的前提。最初通常采用无创技术来确定致痫灶的侧化和定位。例如，脑电图（EEG）通过记录放置在头皮上的电极所检测到的皮层电活动，通常可提供有关致痫灶位置的充分信息。此外，磁共振成像（MRI）能够显示明确的病灶，例如海马硬化，这是最常见的药物难治性癫痫类型——内侧颞叶癫痫（MTLE）的典型病理表现。

然而，非侵入性检查常常无法确定癫痫发作灶。在这种情况下，需要采用颅内电极进行有创的皮层电图（ECoG）检查，以精确定位病灶并指导进一步的手术治疗6。ECoG 是一种神经生理学技术，通过将电极直接放置在脑组织表面来记录脑电活动。可在脑表面放置网格状或条带状的表面（硬膜下）电极，该过程需要开颅手术（移除骨瓣）并广泛切开硬脑膜。这些表面电极可被置于推测的癫痫发作起始区域。电极的远端经皮肤小切口引出，并连接至癫痫监测单元（EMU）中的记录设备。在 EMU 中，通过持续的视频监控和 ECoG 记录来观察患者的临床发作情况。该技术可用于长时间（数天至数周）记录大脑皮层较大区域上的发作期及发作间期的电活动。尽管这些颅内记录在临床上对于研究癫痫灶及其传播具有重要价值，同时也为我们提供了机会，能够在人类受试者执行特定行为任务时，研究其认知功能与神经生理机制。

利用硬膜下网格电极进行的皮层脑电图（ECoG）已被用于研究皮层功能的多个方面，包括感觉和语言处理。作为众多实例之一，Bouchard et al 在腹侧感觉运动皮层（即被确认为人类言语感觉运动皮层的区域）中揭示了口语音节形成过程中口部肌肉的时间协调性7。此外，通过放置硬膜下网格电极进行ECoG记录，也被用于研究人类在嘈杂人群中选择性关注特定声音的神经机制，即所谓的“鸡尾酒会效应”8,9。ECoG记录表明，存在两个不同的神经振荡频带能够动态追踪语音流：低频相位和高频伽马波幅波动；同时存在两个不同的处理位点——一个“调制”位点可同时追踪多个说话者，另一个“选择”位点则仅追踪被关注的说话者5。

另一种新兴的ECoG应用是将硬膜下电极植入用于脑机接口（BCIs），该技术可“解码”神经元活动，以驱动外部设备输出。这一技术有望使患有严重脑或脊髓损伤的患者能够与外界交流并操控假肢10,11。

尽管硬脑膜下电极网格置入技术极大地促进了我们对大脑皮层浅表区域的理解，并有助于识别皮层癫痫灶，但该技术需要开颅手术，伴随相应的风险，且通常仅限于研究大脑的外表面。立体定向脑电图（SEEG）是一种能够评估深部癫痫灶12的技术。该技术在法国和意大利已有长期应用历史，目前在美国的应用也日益增多13。SEEG 通过颅骨上微小（数毫米）的钻孔，将多根电极（通常为 10–16 根）深入植入脑实质内。与硬脑膜下电极网格相比，SEEG 的优势包括创伤更小、在需要时可方便地检测双侧大脑半球，以及能够构建癫痫发作传播的三维图谱。此外，这些电极能够识别既往难以通过表面电极发现的深部癫痫灶。该技术还为研究人类深部皮层结构（如边缘系统、中央顶叶皮层、中央颞叶皮层和眶额皮层）的神经生理学与功能提供了机会，而这些结构在以往很难在人体中直接进行研究。

本文展示了如何利用立体脑电图（SEEG）研究背侧前扣带皮层（dACC）的认知功能。dACC 是一个被广泛研究的脑区，但同时也是理解最为不足的区域之一。作为人类认知的重要脑区，dACC 很可能在应对环境持续变化所施加的需求时，参与决策的动态神经加工过程14。在灵长类15,16和人类17中的研究表明，dACC 能够整合特定行为潜在的风险与回报，尤其是在存在多个同时发生的冲突性需求的情况下18-21，并根据先前行为及其结果来调节这些决策14,22,23。

多源干扰任务（MSIT）是一种类似斯特鲁普（Stroop）的行为任务，常用于研究背侧前扣带皮层（dACC）中的冲突处理。MSIT任务通过募集由dACC调控的多个信息处理领域的神经元，从而激活dACC24,25。该任务通过检测决策、目标检测、新异性检测、错误检测、反应选择以及刺激/反应竞争等特征，特异性地激活dACC。此外，MSIT任务引入了多个维度的认知干扰，本研究利用这些干扰，通过立体脑电图（SEEG）来探究dACC神经元对同时出现的冲突性刺激的反应。

访问受限。请登录或开始试用以查看此内容。

方案

确保对每位患者进行评估，以确认其是否适合参与该研究项目，并根据当地机构审查委员会（IRB）的程序，对符合条件的患者获取参与研究的知情同意。

1. SEEG 与研究的患者选择

  1. 立体脑电图（SEEG）的患者选择
    注：癫痫患者必须由包括癫痫专家、神经心理学家和神经外科医生在内的多学科团队进行临床评估。
    1. 确保患者患有药物难治性局灶性癫痫，定义为至少经过两种充分疗程的抗癫痫药物治疗后仍无反应。
    2. 确保无创技术未能准确定位致痫灶。
    3. 经多学科团队确认，患者不适合仅使用硬膜下栅格电极进行检查。
    4. 经多学科团队确认，临床怀疑存在深部癫痫起始区。
  2. 研究任务的患者选择
    1. 确保受试者年龄在13至65岁之间。
    2. 获得患者本人的知情同意或同意声明（若年龄低于18岁，还需获得其父母或监护人的同意）。
    3. 确保受试者能够集中注意力完成任务，并配合测试过程。

2. 准备与植入技术

  1. 术前进行容积T2加权成像及增强容积T1加权MRI检查，并根据制造商的操作规程将图像传输至立体定向导航软件中。
    1. 根据MRI影像及临床对癫痫灶的怀疑区域规划深部电极的靶点。
      注：所提供的示例基于BrainLab导航软件，因此特定于该系统。然而，任何立体定向导航软件均可用于规划深部电极的路径和放置位置。
    2. 在立体定向导航软件的“立体定向规划”功能中，将目标点定义为感兴趣的解剖区域。
    3. 例如，选择前扣带皮层背侧部（dACC）作为感兴趣靶区。为定义其轨迹，点击“新建轨迹”，然后点击“靶点”并选择dACC。通过在三个平面（轴向、冠状和矢状）上观察dACC，并在每个平面中点击dACC的中心，将靶点置于dACC的中央。
      1. 在立体定向导航软件的“立体定向规划”功能中，定义头皮上的进入点。
    4. 例如，选择头皮上看起来通向dACC最短路径的一点。点击“进入点”，并在头皮上选择该点作为进入点。
    5. 点击并拖动“靶点”和“进入点”以调整已定义的轨迹，避免皮层及皮层下血管结构以及任何可能的功能性脑区。
    6. 对所有计划的深部电极靶点重复上述步骤（图1）。
    7. 于手术当日早晨收治患者，送入手术室，并在全身麻醉下进行诱导26,27。
    8. 使用颅骨螺钉将Cosman-Roberts-Wells（CRW）立体定向头架固定于患者头部。
    9. 在头架就位的情况下获取容积CT扫描图像。
    10. 通过“加载与导入”功能将容积CT和MRI图像载入立体定向导航软件中。
    11. 点击立体定向导航软件中的“定位”功能。
    12. 通过点击立体定向导航软件所标识出的包含头架的所有图像，然后按下“分配定位器”按钮，完成CRW头架的定位。
    13. 点击立体定向导航软件中的“AC/PC定位”功能。
    14. 根据前连合与后连合的解剖位置进行识别。
    15. 通过立体定向导航软件中的“设定AC/PC系统”功能，标定前连合与后连合。
    16. 点击立体定向导航软件中的“图像融合”功能。
    17. 在立体定向导航软件中合并CT与MRI图像28,29。点击“融合”标签下的配对容积CT和MRI图像，然后点击“自动融合”。
      注：此操作将MRI图像置于立体定向坐标框架内。
    18. 点击立体定向导航软件中的“立体定向规划”功能，并确认步骤2.1.2至2.1.6中已规划的路径。
    19. 在“立体定向功能”标签下选择容积CT作为立体定向参考。
    20. 点击图标栏中的“打印”图标，打印每条深部电极路径的最终立体定向坐标30,31。
  2. 植入技术
    1. 完成CT扫描后，将患者送回手术室。
    2. 采用常规无菌方法准备并铺巾手术区域32,33。
    3. 确保手术室内配备X光透视机，并与其他手术区域一同铺巾覆盖。
    4. 根据步骤2.1.20中打印出的立体定向坐标，在头架上设置第一条深部电极的坐标。
      注：立体定向坐标以三个平面表示：外侧（x）、垂直（y）和前后（z）。例如，右侧dACC靶点的打印坐标为前后+48.2 mm、外侧6.6 mm、垂直+2.2 mm。随后将头架调整至相应坐标。
    5. 将导向块向下延伸至皮肤表面，用记号笔在头皮上标记骨窗位置。根据立体定向坐标固定导向块，因此无需依靠解剖标志来标记切口位置。
    6. 在标记的切口处注射2–3 ml 含1:100,000肾上腺素稀释液的0.5%布比卡因。
    7. 使用手术刀在标记的切口处切开头皮直至颅骨。
    8. 使用单极电凝，配合带涂层的钝头探针进行真皮层及深层组织的止血，以尽量减少皮肤或皮下组织血管的出血。
    9. 在切口中央使用2.1 mm钻头钻取骨窗。
    10. 使用坚硬的钝头探针切开硬脑膜。将锚定螺栓旋入颅骨。将预先测量好的导引探针穿过锚定螺栓，为电极建立通路。
    11. 小心地将电极推进至预计算的深度。拧紧锚定螺栓帽以固定电极。
    12. 对所有深部电极重复此过程。
    13. 将X光透视机置于患者头部下方及周围，在正位（AP）和侧位两个平面上获取透视图像，以确认所有电极的放置路径是否恰当。
    14. 将电极连接至临床脑电图（EEG）系统，以验证阻抗是否合适。
    15. 使患者从麻醉中苏醒，转运至恢复室，随后转入癫痫监测单元（EMU）。
    16. 在癫痫监测单元中，通过闭路视频监测观察临床发作，并通过颅外脑电图（ECoG）监测癫痫的电生理证据。

3. 行为任务与数据采集

  1. 行为任务
    1. 在专门用于运行行为学软件的计算机上打开行为学软件。
      注意：所提供的说明基于 MonkeyLogic，这是一个用于呈现和执行时间精确的心理物理学任务的 MATLAB 工具箱34,35 因此，该程序特定于该行为学软件平台。本程序在Matlab 2010a版本上运行，并需要“Data Acquisition Toolbox”。然而，任何能够呈现视觉刺激并记录电生理数据的行为学软件平台均可使用。
    2. 设置用于运行MSIT任务的条件文件，以包含四种试验类型，且每种类型的出现频率相等。
      注意：MSIT任务要求向受试者呈现由0到3之间的三个数字组成的提示，其中两个数字为“干扰项”，彼此相同，另一个数字为“目标项”，与干扰项不同。
      1. 指导受试者通过按下按钮盒上相应的按钮来识别“目标”。如果目标为“1”，则按下左侧按钮；如果目标为“2”，则按下中间按钮；如果目标为“3”，则按下右侧按钮。“0”不对应任何可按的按钮。图2).
    3. 按下“设置条件”按钮，并选择先前步骤中设定的条件文件集。
      注意：在决策过程中会引发冲突的两种认知干扰类型。当干扰项为可能的（1、2 或 3，而非 0）按钮选择时，发生侧翼干扰试验（Flanker interference trials）例如，121），而当目标数字的空间位置与反应位置不同时，则发生空间干扰试验（例如， 200，其中尽管目标数字位于左侧位置，但中间按钮才是正确反应）。根据这两种干扰类型的有无，共有四种试验类型。
    4. 在显示框中点击“Test”以测试行为显示显示器。显示器应显示测试视觉刺激 2 - 3 秒。
    5. 通过三条标准BNC电缆，将受试者接口设备（按钮盒）连接到用于记录电生理数据的计算机上的数据采集板的模拟输入端口。
    6. 将按钮盒连接至电源。
    7. 通过一条分为9个分支的带状电缆，将数据采集板连接至512通道神经信号处理器。其中8个分支分别连接至端口0 - 7 连接到数据采集板的数字 I/O 部分，而 9th 丝带线连接到数据采集板数字PFI部分的端口0。
      注意：该带状线向神经信号处理器发送8位数字标记（端口0 - 7，数字I/O）和一个选通脉冲（端口0，数字PFI）。
    8. 在神经信号处理器软件中设置所需的采样率。
      1. 在此示例中，将期望的采样率设置为每秒 50,000 个样本，并在线混叠并下采样至每秒 1,000 个样本。根据具体任务目标调整采样率。亚毫秒级精确计时需要极高的采样率。
    9. 通过光纤电缆将放大器连接到神经信号处理器。
    10. 通过光纤电缆将神经信号处理器连接到数据流设备和神经数据采集计算机中的光学PCI卡。
  2. 数据采集
    1. 使用包含512通道神经信号处理器的研究设备，用于处理和滤波来自深部电极的已数字化、预放大的电信号。
      注意：尽管系统具备512个通道用于信号处理，但在临床应用中，电极数量通常不超过15至20个。因此，我们建议尽可能多地记录电极数据，因为数据量和空间分辨率不会成为问题。
    2. 将设备运送到患者病房，将行为监测器放置在患者前方的便携式桌面上，并使用标准DVI线缆连接至运行行为软件的行为控制计算机。
    3. 将记录装置放置在患者病床的后方或侧边，以尽可能减少干扰。
    4. 将科研系统连接至分离科研记录与临床系统的分路盒。
    5. 控制记录参数 使用神经信号处理器软件34,35.
      注：该系统可实现对行为事件的亚毫秒级控制34,35神经数据与行为数据之间的同步可以通过编码任务事件的模拟脉冲或数字标记来实现。这两种信号均可通过数据采集板的数字或模拟输出端口，发送至神经信号处理器的模拟或数字输入端口。
    6. 将受试者界面设备（按钮盒）交给患者，并给予任务指导。
    7. 点击“运行”以执行任务。
    8. 让患者完成2组，每组150次试验。

4. 数据分析

  1. 一个可开放使用的软件包，用于可视化电生理数据。
    注意：以下说明针对 Matlab 2010a 版本，但任何能够可视化和处理电生理数据的软件均可使用。
  2. 打开包含试验阶段原始电生理数据的 .edf 文件。
  3. 可视化该阶段的颅内脑电图（SEEG）信号，以确保无明显伪迹，例如癫痫样放电或运动伪迹（图 3A）。
  4. 将行为任务中的时间脉冲叠加到原始局部场电位（LFP）轨迹上（图 3B），以说明模拟脉冲如何界定试验结构。
  5. 利用时间脉冲，将每次试验的 SEEG 轨迹与提示呈现对齐（图 3C）。
  6. 剔除离群值（>4 个标准差）和含有伪迹的轨迹（图 3D）。
  7. 将所有对齐后的试验保存为矩阵形式，用于后续分析（图 3E 中显示了堆叠的 20 次试验）。
  8. 对多次试验的 LFP 活动进行平均，以降低噪声、伪迹或与所呈现刺激无关的脑电活动的影响，并增强目标信号（图 3F）。
  9. 使用多窗谱分析法生成原始的、按试验平均的时频谱图36-38。
    注意：时频分析可用于研究单次或多次试验中特定的时频动态特性。该方法能够揭示神经元振荡在不同时段的频率变化。
  10. 将每次试验的信号以零填充至最接近的 2 的幂次，以避免边缘效应。
  11. 在整个信号持续时间内，每隔 10 ms 应用一个 800 ms 的滑动窗，使用 5 个前导锥形窗（tapers）和 9 的时间-带宽积，以生成时频谱图（图 4A）。
  12. 将时频谱图的对数值乘以 10 并进行归一化，以更好地显示高频信息。
    注意：时频谱图可通过理论频率分布进行归一化（即 每个频率值取负二次方）（图 4B），也可通过某段基线活动的平均频谱（图 4C）或通过将各频率带的数值减去其均值并除以其标准差的方式进行归一化（图 4D）。该处理方法允许在任务特异性变化背景下，同时考察原始和归一化形式的特定频段随时间的变化。例如，高频伽马波段激活（70 - 150 Hz）（如 图 3E 所示）被认为反映了电极周围局部神经元群体的局部兴奋性活动39,40。

访问受限。请登录或开始试用以查看此内容。

结果

一旦患者被选定进行立体定向脑电图（SEEG）电极植入，将接受容积T2加权和T1增强MRI扫描。随后，利用容积MRI序列的立体定向导航规划SEEG电极的植入路径（图1）。该技术可记录大脑皮层深部结构（如背侧前扣带皮层，浅橙色路径，图1）的局部场电位，而这些区域无法通过常规的头皮电极记录获得。术后在癫痫监测单元（EMU）中，患者执行多源干扰任务（图2），以激活背侧前扣带皮层（dACC）神经元。在完成足够数量的试验后，对来自dACC区域SEEG电极的局部场电位数据进行预处理，以将LFP数据与任务提示呈现时间对齐，便于后续有意义的分析（图3）。此外，在时间对齐后，可对LFP数据进行平均，以比较不同类型试验间的平均电生理反应差异（图3F）。随后，采用多锥谱分析方法生成时频谱图，以研究不同频段随时间的变化情况（图4）。由于头皮脑电图（EEG）研究已表明dACC活动涉及多个不同频段，因此时频分析是关联dACC电生理变化与行为表现的重要方法。

...

访问受限。请登录或开始试用以查看此内容。

讨论

本文采用立体定向脑电图（SEEG）研究人类在执行决策任务时背侧前扣带皮层（dACC）内局部神经元群体的活动。先前的研究利用术中微电极记录技术研究了 dACC 中单个神经元的活动14，并表明 dACC 的活动受到先前活动的调节。微电极研究能够分析单个神经元的动作电位活动。SEEG 测量的是局部场电位（LFPs），其反映的是大量神经元突触电位的总和。因此，SEEG 可以同时检测多个脑区的群体神经元活动。

在使用SEEG等临床技术来研究科学问题时，首先必须确保手术方案与研究计划相一致。需要解决的临床问题是确定患者的癫痫发作起始区，这一点始终具有优先性。由于手术方案由临床需求决定，因此并非在每个病例中都能对相同的研究问题进行探究。为此，我们设计了一系列任务，旨在回答不同的科学问题，并可根据电极所探测的脑区，灵活地适应患者的手术方案。

本研究利用立体脑电图（SEEG）局部场电位（LFP）数据，探究背侧前扣带皮层——这一位于内侧前额叶区域的深部皮层结构——在目标导向行为中的认知控制作用，该脑区在人类中难以进行研究。L...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

作者没有致谢或财务披露。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
触发 I/O 电缆Natus Medical Inc.5029PS2 转 BNC 电缆
用于模拟脉冲的 BNC 电缆可从大多数电子商店订购。
带浪涌保护和电池备份的电源插座Tripp LiteSMART500RT1U UPC电源及备用电源
国家仪器多功能数据采集卡 NI PCIe-6382 DAQ 卡National InstrumentsPCIe-6382 w/ BNC 2090A用于行为控制接口的 PCI 卡
定制按钮盒——人机接口设备可使用任何带三个按钮的人机接口设备。也可使用键盘上的三个按键。
Xltek 128 通道临床颅内脑电图监测系统 EMU128FSNatus Medical Inc.002047c临床记录系统
用于视觉刺激呈现的受试者显示器及相关电缆DellU2212HMc大多数显示器均可满足需求。
安装有 DAQ 卡并运行行为学软件的个人计算机SuperlogicsSL-2U-PD-Q87SLQ-BA用于记录神经数据的计算机
显示器主电源线通常随显示器附带，也可在任意电子商店购买。
在 MATLAB 2010A 上运行的 Monkey Logic 软件可从 MonkeyLogic 官网免费获取
配备数据采集工具箱的 MATLAB 2010a 软件MathworksMATLAB 软件
sEEG 电极 AD TECH 或 PMTAD TECH2102-##-101铂金探头，直径（0.89 mm、1 mm、1.1 mm），未绝缘长度 2.3 mm；目录编号中的 ## 表示电极上的触点数量（08、10、12 或 16）
Cabrio 连接器PMT2125-##-01目录编号中的 ## 表示电极上的触点数量（08、10、12 或 16）
Tucker Davis Technologies 放大器Tucker Davis TechnologiesPZ5神经数据前置放大器
Tucker Davis Technologies 处理器Tucker Davis TechnologiesRZ2神经信号处理器
Tucker Davis Technologies 数据流设备Tucker Davis TechnologiesRS4数据流传输与存储设备
用于连接 TDT 系统的光纤电缆Tucker Davis TechnologiesF05用于连接 Tucker Davis Technologies 产品的光纤电缆
用于数字标记的带状电缆和快接串行连接器可从大多数电子商店订购。
用于运行 TDT RPvdsEx 和 OpenEx 软件的个人计算机SuperlogicsSL-2U-PD-Q87SLQ-BA用于行为控制的计算机
带脚轮的 Middle Atlantic 服务器机柜Middle Atlantic ProductsPTRK-21用于存放所有研究设备的服务器机箱
Tucker Davis Technologies 分路盒，用于分离临床与科研记录信号Tucker Davis Technologies该分路盒为半定制设备。研究人员应咨询主管神经科医生，以确保科研与临床记录的分离不会干扰临床诊疗。
配备必要电缆的研究人员显示器DellU2212HMc大多数显示器均可满足需求。
按钮盒电源——5 伏，2 安培可在任意电子商店购买。
TDT 光学接口 PCI 卡Tucker Davis TechnologiesP05

参考文献

  1. Murray, C. J., Lopez, A. D., Jamison, D. T. The global burden of disease in 1990: summary results, sensitivity analysis and future directions. Bulletin of the World Health Organization. 72, 495(1994).
  2. Berg, A. T. Understanding the delay before epilepsy surgery: who develops intractable focal epilepsy and when. CNS Spectr. 9, 136-144 (2004).
  3. Hauser, W. A. Epilepsy: frequency, causes and consequences. , Demos Press. (1990).
  4. Wiebe, S., Blume, W. T., Girvin, J. P., Eliasziw, M. A Randomized, Controlled Trial of Surgery for Temporal-Lobe Epilepsy. New England Journal of Medicine. 345, 311-318 (2001).
  5. Fisher, R. Electrical stimulation of the anterior nucleus of thalamus for treatment of refractory epilepsy. Epilepsia. 51, 899-908 (2010).
  6. Zumsteg, D., Wieser, H. G. Presurgical evaluation: current role of invasive EEG. Epilepsia. 41, Suppl 3. S55-S60 (2000).
  7. Bouchard, K. E., Mesgarani, N., Johnson, K., Chang, E. F. Functional organization of human sensorimotor cortex for speech articulation. Nature. 495, 327-332 (2013).
  8. Zion Golumbic, E. M. Mechanisms underlying selective neuronal tracking of attended speech at a 'cocktail party'. Neuron. 77, 980-991 (2013).
  9. Mesgarani, N., Chang, E. F. Selective cortical representation of attended speaker in multi-talker speech perception. Nature. 485, 233-236 (2012).
  10. Leuthardt, E. C., Miller, K. J., Schalk, G., Rao, R. P. N., Ojemann, J. G. Electrocorticography-based brain computer Interface-the seattle experience. Neural Systems and Rehabilitation Engineering, IEEE Transactions on. 14, 194-198 (2006).
  11. Leuthardt, E. C., Schalk, G., Wolpaw, J. R., Ojemann, J. G., Moran, D. W. A brain-computer interface using electrocorticographic signals in humans. Journal of neural engineering. 1, 63-71 (2004).
  12. Talairach, J. New approach to the neurosurgery of epilepsy. Stereotaxic methodology and therapeutic results. 1. Introduction and history. Neurochirurgie. 20, Suppl 1. 1-240 (1974).
  13. Gonzalez-Martinez, J. Stereotactic placement of depth electrodes in medically intractable epilepsy. Journal of neurosurgery. 120, 639-644 (2014).
  14. Sheth, S. A. Human dorsal anterior cingulate cortex neurons mediate ongoing behavioural adaptation. Nature. 488, 218-221 (2012).
  15. Hayden, B. Y., Platt, M. L. Neurons in anterior cingulate cortex multiplex information about reward and action. The Journal of neuroscience : the official journal of the Society for Neuroscience. 30, 3339-3346 (2010).
  16. Hayden, B. Y., Pearson, J. M., Platt, M. L. Fictive Reward Signals in the Anterior Cingulate Cortex. Science. 324, 948-950 (2009).
  17. Williams, Z. M., Bush, G., Rauch, S. L., Cosgrove, G. R., Eskandar, E. N. Human anterior cingulate neurons and the integration of monetary reward with motor responses. Nature neuroscience. 7, 1370-1375 (2004).
  18. Botvinick, M., Nystrom, L. E., Fissell, K., Carter, C. S., Cohen, J. D. Conflict monitoring versus selection-for-action in anterior cingulate cortex. Nature. 402, 179-181 (1999).
  19. Carter, C. S., Van Veen, V. Anterior cingulate cortex and conflict detection: an update of theory and data. Cognitive, Affective, & Behavioral Neuroscience. 7, 367-379 (2007).
  20. Botvinick, M. M., Cohen, J. D., Carter, C. S. Conflict monitoring and anterior cingulate cortex: an update. Trends in cognitive sciences. 8, 539-546 (2004).
  21. Veen, V., Carter, C. S. The anterior cingulate as a conflict monitor: fMRI and ERP studies. Physiology & Behavior. 77, 477-482 (2002).
  22. Kennerley, S. W., Walton, M. E., Behrens, T. E. J., Buckley, M. J., Rushworth, M. F. S. Optimal decision making and the anterior cingulate cortex. Nat Neurosci. 9, 940-947 (2006).
  23. Brown, J. W., Braver, T. S. Learned predictions of error likelihood in the anterior cingulate cortex. Science. 307, 1118-1121 (2005).
  24. Bush, G., Shin, L. M., Holmes, J., Rosen, B. R., Vogt, B. A. The Multi-Source Interference Task: validation study with fMRI in individual subjects. Mol Psychiatry. 8, 60-70 (2003).
  25. Bush, G., Shin, L. M. The Multi-Source Interference Task: an fMRI task that reliably activates the cingulo-frontal-parietal cognitive/attention network. Nature protocols. 1, 308-313 (2006).
  26. Candelaria, L. M., Smith, R. K. Propofol infusion technique for outpatient general anesthesia. J Oral Maxillofac Surg. 53, 124-128 (1995).
  27. Shafer, A., Doze, V. A., Shafer, S. L., White, P. F. Pharmacokinetics and pharmacodynamics of propofol infusions during general anesthesia. Anesthesiology. 69, 348-356 (1988).
  28. Cohen, D. S., Lustgarten, J. H., Miller, E., Khandji, A. G., Goodman, R. R. Effects of coregistration of MR to CT images on MR stereotactic accuracy. J Neurosurg. 82, 772-779 (1995).
  29. Ken, S. Quantitative evaluation for brain CT/MRI coregistration based on maximization of mutual information in patients with focal epilepsy investigated with subdural electrodes. Magn Reson Imaging. 25, 883-888 (2007).
  30. Niemann, K., Naujokat, C., Pohl, G., Wollner, C., von Keyserlingk, D. Verification of the Schaltenbrand and Wahren stereotactic atlas. Acta neurochirurgica. 129, 72-81 (1994).
  31. Nowinski, W. L. Anatomical targeting in functional neurosurgery by the simultaneous use of multiple Schaltenbrand-Wahren brain atlas microseries. Stereotact Funct Neurosurg. 71, 103-116 (1998).
  32. Hopper, W. R., Moss, R. Common breaks in sterile technique: clinical perspectives and perioperative implications. AORN J. 91, 350-364 (2010).
  33. Mangram, A. J., Horan, T. C., Pearson, M. L., Silver, L. C., Jarvis, W. R. Guideline for prevention of surgical site infection. Hospital Infection Control Practices Advisory Committee. Infect Control Hosp Epidemiol. 20, 250-278 (1999).
  34. Asaad, W. F., Eskandar, E. N. A flexible software tool for temporally-precise behavioral control in Matlab. Journal of Neuroscience Methods. 174, 245-258 (2008).
  35. Asaad, W. F., Eskandar, E. N. Achieving behavioral control with millisecond resolution in a high-level programming environment. Journal of Neuroscience Methods. 173, 235-240 (2008).
  36. Bokil, H., Andrews, P., Kulkarni, J. E., Mehta, S., Mitra, P. P. Chronux: A platform for analyzing neural signals. Journal of Neuroscience Methods. 192, 146-151 (2010).
  37. Bokil, P. M. aH. Observed Brain Dynamics. , Oxford University Press. (2008).
  38. Chronux. , Available from: http://chronux.org (2014).
  39. Miller, K. J. Broadband Spectral Change: Evidence for a Macroscale Correlate of Population Firing Rate. The Journal of Neuroscience. 30, 6477-6479 (2010).
  40. Buzsáki, G., Anastassiou, C. A., Koch, C. The origin of extracellular fields and currents — EEG, ECoG, LFP and spikes. Nat Rev Neurosci. 13, 407-420 (2012).
  41. Carter, C. S. Anterior cingulate cortex, error detection, and the online monitoring of performance. Science. 280, 747-749 (1998).
  42. Botvinick, M., Nystrom, L. E., Fissell, K., Carter, C. S., Cohen, J. D. Conflict monitoring versus selection-for-action in anterior cingulate cortex. Nature. 402, 179-181 (1999).
  43. Holroyd, C. B., Coles, M. G. The neural basis of human error processing: reinforcement learning, dopamine, and the error-related negativity. Psychological review. 109, 679-709 (2002).
  44. Shenhav, A., Botvinick, M. M., Cohen, J. D. The expected value of control: an integrative theory of anterior cingulate cortex function. Neuron. 79, 217-240 (2013).
  45. Roesch, M. R., Olson, C. R. Neuronal Activity Related to Reward Value and Motivation in Primate Frontal Cortex. Science. 304, 307-310 (2004).
  46. Croxson, P. L. Quantitative Investigation of Connections of the Prefrontal Cortex in the Human and Macaque using Probabilistic Diffusion Tractography. The Journal of Neuroscience. 25, 8854-8866 (2005).
  47. Rushworth, M. F. S., Behrens, T. E. J., Rudebeck, P. H., Walton, M. E. Contrasting roles for cingulate and orbitofrontal cortex in decisions and social behaviour. Trends in Cognitive Sciences. 11, 168-176 (2007).
  48. Kawasaki, H. Single-neuron responses to emotional visual stimuli recorded in human ventral prefrontal cortex. Nat Neurosci. 4, 15-16 (2001).
  49. Wang, S. Neurons in the human amygdala selective for perceived emotion. Proceedings of the National Academy of Sciences. 111, E3110-E3119 (2014).
  50. Milad, M. R., Rauch, S. L. The role of the orbitofrontal cortex in anxiety disorders. Annals of the New York Academy of Sciences. 1121, 546-561 (2007).
  51. Milad, M. R., Rauch, S. L. Obsessive-compulsive disorder: beyond segregated cortico-striatal pathways. Trends Cogn Sci. 16, 43-51 (2012).
  52. Raichle, M. E. A default mode of brain function. Proceedings of the National Academy of Sciences of the United States of America. 98, 676-682 (2001).
  53. David, N. Neural representations of self versus other: visual-spatial perspective taking and agency in a virtual ball-tossing game. Journal of cognitive neuroscience. 18, 898-910 (2006).
  54. Kjaer, T. W., Nowak, M., Lou, H. C. Reflective self-awareness and conscious states: PET evidence for a common midline parietofrontal core. NeuroImage. 17, 1080-1086 (2002).
  55. Kircher, T. T. The neural correlates of intentional and incidental self processing. Neuropsychologia. 40, 683-692 (2002).
  56. Addis, D. R., McIntosh, A. R., Moscovitch, M., Crawley, A. P., McAndrews, M. P. Characterizing spatial and temporal features of autobiographical memory retrieval networks: a partial least squares approach. NeuroImage. 23, 1460-1471 (2004).
  57. Gilboa, A., Winocur, G., Grady, C. L., Hevenor, S. J., Moscovitch, M. Remembering our past: functional neuroanatomy of recollection of recent and very remote personal events. Cerebral cortex (New York, N.Y. : 1991). 14, 1214-1225 (2004).
  58. Cavanna, A. E., Trimble, M. R. The precuneus: a review of its functional anatomy and behavioural correlates. Brain: a journal of neurology. 129, 564-583 (2006).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

背侧前扣带皮层局部场电位多锥谱分析认知干扰任务深部电极植入电生理信号记录数据采集系统行为任务设置时频分析
利用立体定向脑电图研究大脑深部皮层及皮层下结构的功能：来自前扣带皮层的启示
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。