本文描述了实时脑电图触发的经颅磁刺激技术，用于研究和调控人类大脑网络。
本文内容
摘要
摘要
刺激对大脑的影响不仅取决于刺激参数，还取决于刺激发生时大脑活动的动态状态。脑电图（EEG）与经颅磁刺激（TMS）相结合，构建实时依赖脑状态的刺激系统，可用于研究脑活动动态、皮层兴奋性与可塑性诱导之间的关系。本文展示了一种新开发的方法，该方法利用实时数据分析系统，将脑刺激的时机与持续进行的脑电振荡相位同步。在人类运动皮层实施这种基于实时脑电触发的经颅磁刺激时，若将TMS与感觉运动区µ-α节律（8–14 Hz）在头皮表面呈现的脑电负向波峰同步，已观察到不同的皮质脊髓兴奋性和可塑性效应。该方法的应用表明，关于瞬时脑状态的实时信息可用于高效诱导神经可塑性。此外，该方法实现了个性化的脑电同步脑刺激，可能推动更有效的治疗性脑刺激方案的发展。
引言
经颅磁刺激（TMS）是一种成熟的非侵入性脑刺激方法 ，能够以高时空精度特异性调节正在进行的脑网络动态，并研究皮质-皮质和皮质-脊髓神经通路1。当刺激初级运动皮层（M1）时，神经反应可量化为运动诱发电位（MEPs）以及TMS诱发的脑电位。MEPs可通过靶肌肉的肌电图（EMG）记录，其幅值反映了刺激初级运动皮层时的皮质脊髓兴奋性2。
尽管非侵入性脑刺激作为一种科学研究工具，在健康受试者和患者中具有研究和调节脑网络的独特潜力，但经颅磁刺激（TMS）研究仍存在显著的试次间以及个体内和个体间反应变异3,4,5。具体而言，在研究皮质脊髓兴奋性和可塑性的TMS实验中，运动诱发电位（MEP）反应以及诱导的类似长时程增强（LTP）或长时程抑制（LTD）的可塑性均表现出高度的内在变异性，即使在刺激参数得到严格控制的情况下也是如此3,4。然而，来自动物研究的证据表明，所观察到的反应变异性并非源于"随机噪声"，而是与刺激时刻大脑状态的波动有关6。因此，通过将TMS与脑电图（EEG）结合，采用实时依赖于脑状态的刺激范式（即EEG触发的TMS），可利用瞬时波动的脑状态来优化刺激时机7,8,9,10。
多项研究已利用与经颅磁刺激（TMS）兼容的脑电图（EEG）系统，将正在进行的神经振荡的瞬时相位与神经元兴奋性关联起来11,12。现代脑电放大器能够处理TMS产生的强电磁伪迹，并且EEG与TMS联合使用的实验方案日益成熟13,14 ，同时已有较为完善的TMS相关脑电伪迹的回顾性去除方法15,16。虽然通过EEG评估的刺激前脑状态对TMS诱发反应的影响，可通过随机施加TMS刺激并在事后进行分类分析来评估17,18，但若需在预定义的脑状态下重复施加TMS，则必须依赖实时脑电触发的TMS技术11,19。
本文采用一种定制的毫秒级分辨率的脑电图（EEG）触发经颅磁刺激（TMS）系统，将TMS脉冲与持续脑振荡的预设相位同步，证明了与µ-α节律的正向EEG偏转相比，其负向EEG偏转对应更高的皮层兴奋性状态（导致更大的运动诱发电位（MEP）振幅）11。本论文中，我们介绍了一种用于实施实时EEG触发TMS方案以研究人类脑网络的方法8,11,12,20。
方案
以下部分所述的所有实验程序均经机构伦理委员会批准，符合《赫尔辛基宣言》的指导原则，所有参与者在入组研究前均签署了书面知情同意书。
1. 研究参与者
- 受试者招募
- 根据预定义的纳入标准招募研究参与者。依据经颅磁刺激（TMS）安全指南21，筛查是否存在禁忌症，例如体内植入医疗设备（如心脏起搏器），或存在神经系统或精神疾病，以及是否使用作用于神经系统的药物。
- 对于需要进行磁共振成像（MRI）的研究，应根据放射学安全标准22评估潜在受试者是否存在MRI禁忌症。进行功效分析，以确保研究样本量足以满足统计分析需求。
- 可选地，预先筛选在所选脑电图（EEG）导联方式提取的信号中表现出显著目标振荡的受试者，以提高相位检测的准确性。
注意： 在本实验中，采用以C3为中心的拉普拉斯导联（C3相对于周围电极CP1、CP5、FC1和FC5的平均值 ）提取受试者静息且睁眼状态下的感觉运动µ节律。预先筛选在α频段（8–14 Hz）内具有单一峰值、且该峰值在源电流密度（CSD）功率谱中占总功率>25%的受试者。该标准确保振荡幅度相对于背景噪声足够大（良好的信噪比[SNR]），从而使算法能够足够准确地估计触发信号的瞬时相位，并提高观察到显著兴奋性效应的可能性11,12,28,29,30。
- 受试者信息
- 向受试者提供与研究相关的知情同意书，并提供纸质版的经颅磁刺激（TMS）和磁共振成像（MRI）安全筛查问卷。
注意： 这些文件及研究方案，以及个人数据（如问卷数据）和可识别的人类数据（如MRI数据）的使用，必须事先获得伦理委员会（机构审查委员会）的批准。 - 要求受试者填写TMS和MRI安全筛查问卷。获取其参与研究及计划数据使用的书面知情同意。
- 收集人口统计学数据。
- 使用标准化量表（如爱丁堡利手量表）23评估受试者的利手情况。
- 向受试者介绍实验装置和刺激流程。确保每位参与者熟悉TMS的感觉并能良好耐受。
- 在TMS实验开始前，为每位受试者采集MRI图像。需要获取全脑解剖结构磁共振图像，包括头皮顶部和解剖标志（即双侧耳屏），这些将在本方案后续步骤中作为神经导航的基准点。
- 根据研究方案的具体要求安排实验会话（例如，实验之间需考虑"洗脱期"）。
注意： 在多会话比较不同条件的研究方案中，理想情况下，受试者应在每周的相同时间与相同日期前来参与实验。 - 指导受试者在预定实验会话前避免摄入酒精、尼古丁或咖啡因。受试者应在实验前一晚保持正常睡眠，且不应处于异常疲劳状态。
- 向受试者提供与研究相关的知情同意书，并提供纸质版的经颅磁刺激（TMS）和磁共振成像（MRI）安全筛查问卷。
2. 实验准备
- 支持实时数据流的脑电图系统
- 使用与经颅磁刺激（TMS）兼容的脑电图（EEG）/肌电图（EMG）放大器，以处理TMS脉冲引起的电压尖峰。
注意： 放大器系统需要以恒定的低延迟提供原始数据流<5 毫秒）以供实时处理器进行后续处理。本实验采用24位80通道生物信号放大器进行脑电图（EEG）和肌电图（EMG）记录。 - 将 EEG/EMG 放大器系统设置为低通滤波（例如，截止频率为 0.16 Hz），并将生物信号数据从放大器前置级的采样率下采样至 5 kHz。
- 确保放大器系统通过实时用户数据报协议（UDP）以 ≤1 毫秒的固定时间间隔，将包含相关通道的数据包定期发送至实时处理器。采用高采样频率（例如 5 kHz）以采集肌电（EMG）反应，并最大限度减少脑电图（EEG）数据的滤波延迟。
- 使用与经颅磁刺激（TMS）兼容的脑电图（EEG）/肌电图（EMG）放大器，以处理TMS脉冲引起的电压尖峰。
- 兼容脑电图的经颅磁刺激设备
- 使用可由外部触发、具有固定且最小延迟，并能最大限度减少同步脑电图（EEG）记录中伪迹的经颅磁刺激（TMS）设备（例如，TMS线圈电缆引起的EEG线路噪声、脉冲后充电伪迹）。
- 确保经颅磁刺激（TMS）刺激器（包括线圈及线圈电缆）与脑电图（EEG）记录系统之间的距离最大化，以减少电干扰（至少1 m）。在条件允许的情况下，关闭风扇、电机等电磁干扰源。此外，应合理布设和排列EEG和肌电图（EMG）记录导线，使常见干扰相互抵消。
- 实时脑电图数据处理系统
注意： 实时脑电图数据流通过一个实时数字信号处理系统进行采集和分析，当满足预设条件时，该系统会触发经颅磁刺激（TMS）设备。此类系统由我们实验室自主开发。11 实施一种类似于Chen等人所采用的相位检测算法24 并包含以下步骤。- 分析一段500毫秒长的滑动窗口数据（图1a），以估计目标脑振荡的瞬时相位，从而根据相位特异性触发TMS刺激器。
- 对感兴趣频率范围内的信号进行带通滤波（例如，感觉运动µ-α节律的9至14 Hz）； 图1b）。可考虑将滤波器参数调整为目标振荡的个体峰值频率。
- 移除任何因滤波边缘效应而失真的数据。注意，更强的滤波器虽然效果更显著，但其边缘效应也更大。
- 使用自回归模型向前预测信号（Yule-Walker，阶数30）； 图1c).
- 对所得数据窗口应用希尔伯特变换，得到解析信号，然后通过取相应时间点上复数的幅角来确定信号的瞬时相位。
- 使用短时汉宁窗快速傅里叶变换（FFT），从数据的滑动时间窗中估算感兴趣频段（例如 9–14 Hz）内的脑电功率谱。
- 当相位和功率均达到预设标准（例如负向波峰、最低功率阈值）时，通过实时系统生成数字输出（TTL）脉冲，以触发经颅磁刺激（TMS）设备。
- 神经导航系统
- 为了监测线圈位置，并在单次及多次会话中实现准确且一致的经颅磁刺激（TMS）靶向定位，请使用神经导航系统。
注意： 使用立体红外相机系统精确地 在三维空间中定位安装于受试者头部和刺激线圈上的反射性追踪器，可在完成校准和磁共振成像配准后，实现线圈相对于个体脑解剖结构的精确定位。对于单次实验研究，且仅计划分析经颅磁刺激（TMS）的肌电图（EMG）反应而不分析脑电图（EEG）反应时，使用标准脑模板代替个体化磁共振成像进行导航已足够。 - 在每位受试者实验开始前，将个体结构磁共振成像数据导入导航系统软件中。
- 为了监测线圈位置，并在单次及多次会话中实现准确且一致的经颅磁刺激（TMS）靶向定位，请使用神经导航系统。
- 实验控制计算机
- 使用一台实验控制计算机，该计算机连接至脑电图（EEG）系统、经颅磁刺激（TMS）设备、实时处理设备以及神经导航系统。
注意： 脑电图（EEG）软件用于控制脑电图放大器系统，设置参数，并启动和停止脑电图数据存档。经颅磁刺激（TMS）设备 可通过遥控工具箱远程控制以调节刺激参数（强度、电流方向等）25. - 远程控制实时设备以设置所需的触发条件。
注意： 神经导航系统可进行远程控制，例如用于定位不同的线圈位置。 - 将上述所有内容整合到一个实验控制脚本中，以实现对实验条件和控制流程的自动化。
- 使用一台实验控制计算机，该计算机连接至脑电图（EEG）系统、经颅磁刺激（TMS）设备、实时处理设备以及神经导航系统。
- 脑电图记录电极
- 确保备有符合经颅磁刺激（TMS）兼容要求、电极布局符合实验设计且尺寸不同的脑电图（EEG）记录帽。测量受试者的头围，并准备相应尺寸的记录帽。
- 将脑电图准备所需的材料置于手边（例如，研磨凝胶、导电凝胶、带无菌钝头针头的注射器等）。
- 肌电图记录电极
- 准备好表面肌电图电极、导线以及皮肤准备所需的材料。
3. 进行实验
- 初步准备
- 确保所需文件齐全（研究知情同意书已签署），且参与者自上一次实验以来未出现任何不良反应。
- 让受试者以舒适的半躺姿势就座，以尽量减少实验过程中头部的移动。使用真空枕包裹颈部和头部下方，可在不引起额外肌肉紧张（例如颏托可能引起的紧张）的情况下支撑受试者的头部。
- 脑电图与肌电图准备
- 将合适尺寸的脑电图帽戴在受试者头部，并正确调整帽的位置。避免下巴下方过紧，以减少可能污染脑电图信号的颅部和颈部肌肉活动26.
- 在脑电图记录软件中注册受试者信息。
- 根据实验室特定方案准备脑电图电极（例如，先涂抹磨砂凝胶，再涂抹导电凝胶）。
- 检查脑电图电极阻抗是否低于 5 kΩ。
- 为防止经颅磁刺激（TMS）线圈移动导致导电凝胶干燥或涂抹到邻近电极上，应用塑料薄膜包裹脑电图（EEG）帽。随后，在塑料薄膜上方佩戴网状帽以固定导线位置，减少脑电伪迹的变异性，并使用胶带加固，以提高多层结构的稳定性。
- 在清洁并轻微磨砂处理皮肤后，将表面肌电图电极放置于目标肌肉上方（例如，采用肌腹-肌腱组合方式，对右侧拇短展肌进行双极记录）。
注意： 此处采用右手拇短展肌的双极记录，电极布局为肌腹-肌腱导联。肌电图电极的放置位置至关重要，因为表面电极通常会记录到下方多个肌肉的电活动。 - 通过轻敲几个脑电电极以产生伪迹，验证头部上实际的脑电传感器与脑电系统记录的信号轨迹是否正确对应。作为合理性检查，确认当受试者闭眼时枕叶α波增强。
- 目视检查正在进行的脑电图（EEG）和肌电图（EMG）信号，以识别伪迹（如工频干扰、肌电活动）或不良电极。
- 确保受试者在整个实验过程中保持清醒并睁眼，以避免枕叶α振荡污染信号。
- 神经导航的准备
- 用足够的胶带将反射式头部追踪器固定在受试者头部，以确保整个实验过程中装置的稳定性。
- 使用指针工具将头部模型与相应的解剖标志点（如鼻根点、双侧耳甲根部、眼外眦）进行共配准。
- 将线圈追踪器连接至刺激线圈，并对线圈进行校准。
- 将指针置于头表不同位置，验证神经导航系统显示器上所示位置的准确性。
- 精确定位用于与个体MRI共配准的EEG传感器位置。
- 基线脑电图
- 向受试者演示典型的脑电图伪迹（例如吞咽、咀嚼、眨眼），并指导其在整个实验过程中尽量避免这些行为。同时，要求其避免咬紧牙关、打哈欠或说话。
- 要求受试者睁眼注视一个固定点，并进行一段睁眼状态下的静息态脑电图短时记录。
- 如有必要，可在执行任务期间记录额外的脑电活动，用于实时滤波的计算。
- 寻找运动神经元 "热点" 静息运动阈值的测定
- 找到电机 "热点" 即刺激位置，指在哪个位置上方 单脉冲TMS可在多次试验中引出形态良好且振幅相对稳定的MEP，同时在神经导航系统中保存相应的线圈位置（包括线圈方向和角度）。
- 通过在运动皮层上施加单脉冲经颅磁刺激（TMS），逐步增加刺激强度，直至在超过50%的试验中诱发出的运动诱发电位（MEP）峰-峰振幅大于50 µV，以此确定静息运动阈值（RMT）21.
- 如有条件，可使用基于序贯测试（PEST）的自动化脚本进行参数估计，例如采用最大似然策略27 该方法还可根据单次反应的观测变异性在线估算RMT的置信区间，通常需要约30次强度自适应变化的测试脉冲，以获得可靠的RMT估计值。
- 如果这不是第一次实验，需将线圈位置与之前的位置进行比较，并将获得的静息运动阈值（RMT）与之前的RMT进行比较，以验证一致性。
- 如有需要，可采用标准操作程序确定主动运动阈值（AMT）或1 mV峰-峰MEP波幅的刺激强度21.
- 最终参与者准备
- 可选地，使用真空枕固定受试者的头部。
- 可选地，通过耳塞输送掩蔽噪声（当计划分析经颅磁刺激诱发的脑电位时）。否则，为受试者提供耳塞和耳机以进行听力保护。
- 可选地，使用机械臂将线圈固定在所需位置并进行校准。
- 实验前数据质量验证
- 检查实时处理器是否正在接收来自脑电图（EEG）系统的数据。
- 检查从目标脑电空间滤波器（例如，C3中心拉普拉斯导联）获得的信号是否存在明显伪迹。
- 目视确认脑电图信号质量，检查是否存在不良电极、过度的工频干扰及肌电伪迹，并在实验过程中根据需要调整脑电系统软件的时间窗口和幅值缩放，以便持续进行视觉监测。
- 主要实验环节
- 除非实验程序中通过远程控制调节刺激器强度，否则应手动将刺激强度设置为所需数值（例如，静息运动阈值的110%）。
- 启动实验程序，以随机顺序在目标振荡的不同相位施加脉冲。
- 实验过程中，需监测触发条件阈值（伪迹检测阈值、预神经支配阈值、最小功率等）。
注意： 刺激将在不规则的时间间隔触发，因为实时处理器正在等待触发条件的出现。然而，应设置条件使得大多数刺激在可预测的时间间隔内发生（例如，在上一次脉冲后 2-3 秒内），并避免过长的暂停（例如，在本例中） >5 秒）的情况应予以避免，因为新奇性会导致更大的诱发反应。- 或者，使用事后分层法剔除间隔过长的试验。
- 为了获得足够的统计功效以区分特定阶段的刺激效应，需采集足够数量的试验数据。
注意： 我们通常为每种条件选择80到120个交错的试验20. - 记录各次实验的开始和结束时间，并记录任何异常情况。
结果
在人类初级运动皮层中应用实时脑电图（EEG）触发的经颅磁刺激（TMS），揭示了不同的皮质脊髓兴奋性和可塑性效应。根据上述方案，在随机顺序的三种触发条件下（正峰、负峰和随机相位），同步TMS与内源性感觉运动μ节律的持续脑电振荡相位，实施了实时EEG-TMS。采用拉普拉斯脑电蒙太奇方法，通过将C3脑电电极参考至四个周围电极（FC1、FC5、CP1和CP5）的平均值，提取感觉运动μ节律。图2a显示了在TMS脉冲前400 ms内，三种预定义条件下的平均刺激前EEG信号。从右手肌肉记录到的平均诱发运动诱发电位（MEP）如图2b所示。这些结果表明，与EEG μ节律的正向偏转相比，其负向偏转对应更高的皮层兴奋性状态（导致更大的MEP波幅），且所观察到的皮质脊髓兴奋性效应具有较低的试次间变异性，如图2c所示。
图 1：基于脑状态的脑电相位触发经颅磁刺激。 通过实时数字信号处理系统，逐样本采集位于左侧感觉运动皮层C3电极为中心的五通道拉普拉斯导联方式记录的头皮脑电原始数据。(a) 算法每2 ms对一段500 ms的滑动窗脑电数据进行处理。(b) 经带通滤波及边缘伪迹去除后的信号。(c) 基于自回归预测模型从前一段数据窗口计算得到的前向预测信号（红色轨迹）。在时间零点（“当前时刻”）的相位通过希尔伯特变换进行估计，频谱功率则由该数据窗口估算得出。当达到预设的相位和频谱振幅条件时，触发经颅磁刺激仪。在左侧初级运动皮层施加经颅磁刺激，可在右手肌肉中诱发出通过表面肌电图记录的运动诱发电位（MEPs）。请点击此处查看该图的放大版本。
图 2: 一名接受左侧M区实时EEG触发TMS的代表性受试者的数据1，靶向该过程的阶段 10 Hz 传感器运动 μ-节律 每次施加一百个刺激，按照三种相位触发条件（正峰、负峰和随机相位）分别结合恒定的最低10 Hz谱功率阈值条件，以随机顺序进行，刺激间间隔约为3秒。采用拉普拉斯脑电图导联方式提取感觉运动 µ-通过将EEG电极C3与周围四个电极（FC1、FC5、CP1和CP5）的平均值进行参照，来提取节律。a三种条件下TMS脉冲前400 ms的平均刺激前EEG信号。b) 记录右侧拇短展肌运动诱发电位（MEP）的平均肌电图（EMG）波形，每种条件各一图。c) 不同触发条件下各试验随时间变化的运动诱发电位（MEP）峰-峰振幅（单位：微伏）。请注意，负相位峰值条件下的 MEP 振幅最大，正相位峰值条件下最小，随机相位条件下介于两者之间。 (d各条件下的平均MEP振幅以均值±标准误的形式用误差线表示。需注意，图中所选参与者的效果尤为明显，仅为示意之用，该效应量不能代表组内平均情况。 请点击此处以查看此图的放大版本。
讨论
基于脑状态的脑电触发经颅磁刺激（EEG-triggered TMS）是一种在后续脑刺激效应的有效性和一致性方面具有独特前景的新型方法8,9,31。该方法的主要优势在于，可特异性地针对功能相关的内源性脑状态触发经颅磁刺激（TMS）脉冲，从而诱导出变异性更小、持续时间更长的脑反应11。与非脑状态依赖的TMS相比，在人初级运动皮层（M1）感觉运动µ节律的负相位（即皮质脊髓兴奋性增强的状态，图2）进行实时脑电触发的重复性TMS，可显著增强类似长时程增强（LTP-like）的可塑性（表现为运动诱发电位MEP振幅的长期增加）11,20。除了科学研究价值之外，将实时脑电-TMS技术应用于前额叶背外侧皮层（DLPFC）等皮层区域，有望提升当前治疗性脑刺激方案的有效性。
在本研究中，我们介绍了实现实时 EEG-TMS 的方法学步骤。使用该方法进行实验的基本要求有两点：第一，使用支持 TMS 的 EEG 系统，并具备实时数字输出功能；第二，采用实时信号处理技术，结合相位检测算法24，通过空间滤波器（例如以 C3 为中心的拉普拉斯滤波器）从记录的 EEG 信号中提取目标脑节律（如感觉运动 µ 节律），并在预设条件（即目标脑节律的相位和功率）满足时触发刺激。该算法的性能与准确性在很大程度上依赖于 EEG 记录的信噪比（SNR）20。因此，本方案中的 EEG 准备步骤至关重要，需确保获得高信噪比，以实现 TMS 的精确触发；此外，若某些个体中目标振荡在 EEG 上表现不充分，则可能需要对受试者进行预先筛选。此外，建议使用线圈机械支撑臂和真空枕固定受试者的头部，以尽量减少因线圈对电极施加压力变化而引起的伪迹。
关于实时 EEG-TMS 方法在实验范式中的应用，所关注的脑节律选择可能有所不同。因此，建议调整滤波参数，以促进目标脑活动的识别。近年来，已提出多种空间滤波方法，用于最优提取功能相关的脑状态（例如，在通道空间中19、使用电流源密度13、使用局部空间滤波器11,28，以及使用个体化滤波器，如空间-频谱分解29）。然而，迄今为止，尚无明确的方法能够从头皮 EEG 信号（传感器空间）中提取真实的脑振荡相位（源空间）。未来有必要开展研究，评估头皮信号与源空间信号之间的一致性，以提高实时 EEG 算法的精确性。
在本方案中，我们重点关注8-14 Hz的躯体感觉运动μ节律，以演示该振荡瞬时相位对皮质脊髓兴奋性的影响，但其他振荡（如β、θ或极慢振荡）也可能发挥作用。原则上，该方法可用于靶向任何能够以足够信噪比分离出的振荡相位，包括多个叠加振荡（例如α波的负相周期与同时发生的γ波正相峰值）。
实时脑电图-经颅磁刺激（EEG-TMS）实验的一个主要局限在于，其对脑源的时空分辨率在很大程度上依赖于伪迹的出现情况以及刺激的一致性。因此，该实验方案的关键前提是对算法性能进行监控（即确保刺激仅在检测到神经活动而非伪迹活动时触发）。此外，使用神经导航技术对刺激线圈进行最佳且一致的定位（尤其是在涉及背外侧前额叶皮层（DLPFC）等刺激位点的实验范式中）有助于减少因线圈位置变化导致的反应变异性。还需注意的是，另一个局限是需要配备特定选择和配置的脑电图/肌电图（EEG/EMG）、经颅磁刺激（TMS）及实时处理设备，同时要求实验人员具备准备和实施此类实验的经验，以最大限度地减少可能掩盖即时脑状态效应的外部反应变异性来源。
综上所述，我们展示了一种用于开展实时脑电-经颅磁刺激（EEG-TMS）实验的标准方案，并提出了一种新方法，即利用感兴趣的内源性脑状态（即预先选定的目标内源性脑振荡的相位和功率）来触发脑刺激。未来采用实时EEG-TMS方法的进一步研究将有助于方法学的改进，并推动用于研究和调控人类脑网络的有效实验方案的建立。
披露
C.Z. 和 P.C.G. 的部分经费来自德国联邦经济和能源部的 EXIST 科研转化资助项目（资助号：03EFJBW169）。C.Z. 还兼任非营利性医学创新基金会（Stiftung für Medizininnovationen，德国图宾根）的兼职员工；该基金会的一家子公司正在生产本文所使用的真实时间处理器（Medical Innovations Incubator GmbH，德国图宾根）。
致谢
C.Z. 感谢图宾根大学医学院临床科学家项目的支持。U.Z. 感谢德国研究基金会（资助号 ZI 542/7-1）的支持。T.O.B. 感谢德国研究基金会（资助号 BE 6091/2-1）的支持。J.O.N. 感谢芬兰科学院（决策编号 294625 和 306845）的支持。作者感谢图宾根大学开放获取出版基金的支持。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 脑电图和肌电图记录系统 | |||
| 脑电图/肌电图放大器 | NeurOne with Real-time Digital Out, Bittium Biosignals Ltd., Finland | ||
| 经颅磁刺激设备 | MAG & More Research 100, MAG & More GmbH, Munich, Germany | ||
| 软件 | Mathworks Simulink Real-Time (Mathworks Ltd, USA) | ||
| 包含反光头部追踪器、定位指针工具和头部追踪器的立体红外摄像神经导航系统 | |||
| 连接脑电图系统、经颅磁刺激仪、实时设备和神经导航系统的实验控制计算机 | |||
| 脑电图电极、肌电图电极、注射器、磨砂膏和导电凝胶 | |||
| 塑料薄膜和胶带 |
参考文献
- Hallett, M. Transcranial magnetic stimulation: a primer. Neuron. 55 (2), 187-199 (2007).
- Barker, A. T., Jalinous, R., Freeston, I. L. Non-invasive magnetic stimulation of human motor cortex. Lancet. 1 (8437), 1106-1107 (1985).
- Lopez-Alonso, V., Cheeran, B., Río-Rodríguez, D., Fernandez-del-Olmo, M. Inter-individual variability in response to non-invasive brain stimulation paradigms. Brain Stimulation. 7 (3), 372-380 (2014).
- Muller-Dahlhaus, J. F., Orekhov, Y., Liu, Y., Ziemann, U. Interindividual variability and age-dependency of motor cortical plasticity induced by paired associative stimulation. Experimental Brain Research. 187 (3), 467-475 (2008).
- Ziemann, U., Siebner, H. R. Inter-subject and inter-session variability of plasticity induction by non-invasive brain stimulation: Boon or bane? Brain Stimulation. 8 (3), 662-663 (2015).
- Arieli, A., Sterkin, A., Grinvald, A., Aertsen, A. Dynamics of ongoing activity: explanation of the large variability in evoked cortical responses. Science. 273 (5283), 1868-1871 (1996).
- Thut, G., Ives, J. R., Kampmann, F., Pastor, M. A., Pascual-Leone, A. A new device and protocol for combining TMS and online recordings of EEG and evoked potentials. Journal of Neuroscience Methods. 141 (2), 207-217 (2005).
- Zrenner, C., Belardinelli, P., Müller-Dahlhaus, F., Ziemann, U. Closed-Loop Neuroscience and Non-Invasive Brain Stimulation: A Tale of Two Loops. Frontiers in Cellular Neuroscience. 10, 92(2016).
- Bergmann, T. O. Brain State-Dependent Brain Stimulation. Frontiers in Psychology. 9, 2108(2018).
- Matthews, P. B. The effect of firing on the excitability of a model motoneurone and its implications for cortical stimulation. Journal of Physiology. 518 (Pt 3), 867-882 (1999).
- Zrenner, C., Desideri, D., Belardinelli, P., Ziemann, U. Real-time EEG-defined excitability states determine efficacy of TMS-induced plasticity in human motor cortex. Brain Stimulation. 11 (2), 374-389 (2018).
- Stefanou, M. I., Desideri, D., Belardinelli, P., Zrenner, C., Ziemann, U. Phase Synchronicity of mu-Rhythm Determines Efficacy of Interhemispheric Communication Between Human Motor Cortices. Journal of Neuroscience. 38 (49), 10525-10534 (2018).
- Berger, B., Minarik, T., Liuzzi, G., Hummel, F. C., Sauseng, P. EEG oscillatory phase-dependent markers of corticospinal excitability in the resting brain. BioMed Research International. 2014, 936096(2014).
- Keil, J., et al. Cortical brain states and corticospinal synchronization influence TMS-evoked motor potentials. Journal of Neurophysiology. 111 (3), 513-519 (2014).
- Rogasch, N. C., et al. Analysing concurrent transcranial magnetic stimulation and electroencephalographic data: A review and introduction to the open-source TESA software. NeuroImage. 147, 934-951 (2017).
- Herring, J. D., Thut, G., Jensen, O., Bergmann, T. O. Attention Modulates TMS-Locked Alpha Oscillations in the Visual Cortex. Journal of Neuroscience. 35 (43), 14435-14447 (2015).
- Romei, V., et al. Spontaneous fluctuations in posterior alpha-band EEG activity reflect variability in excitability of human visual areas. Cerebral Cortex. 18 (9), 2010-2018 (2008).
- Sauseng, P., Klimesch, W., Gerloff, C., Hummel, F. C. Spontaneous locally restricted EEG alpha activity determines cortical excitability in the motor cortex. Neuropsychologia. 47 (1), 284-288 (2009).
- Bergmann, T. O., et al. EEG-guided transcranial magnetic stimulation reveals rapid shifts in motor cortical excitability during the human sleep slow oscillation. Journal of Neuroscience. 32 (1), 243-253 (2012).
- Schaworonkow, N., Triesch, J., Ziemann, U., Zrenner, C. EEG-triggered TMS reveals stronger brain state-dependent modulation of motor evoked potentials at weaker stimulation intensities. Brain Stimulation. 12 (1), 110-118 (2019).
- Rossi, S., Hallett, M., Rossini, P. M., Pascual-Leone, A. Safety of TMS Consensus Group. Safety, ethical considerations, and application guidelines for the use of transcranial magnetic stimulation in clinical practice and research. Clinical Neurophysiology. 120 (12), 2008-2039 (2009).
- Kanal, E., et al. ACR guidance document for safe MR practices: 2007. American Journal of Roentgenology. 188 (6), 1447-1474 (2007).
- Oldfield, R. C. The assessment and analysis of handedness: The Edinburgh inventory. Neuropsychologia. 9 (1), 97-113 (1971).
- Chen, L. L., Madhavan, R., Rapoport, B. I., Anderson, W. S. Real-time brain oscillation detection and phase-locked stimulation using autoregressive spectral estimation and time-series forward prediction. IEEE Transactions on Biomedical Engineering. 60 (3), 753-762 (2013).
- Habibollahi Saatlou, F., et al. An open-source MATLAB toolbox for external control of transcranial magnetic stimulation devices. Brain Stimulation. 11 (5), 1189-1191 (2018).
- Lioumis, P., Zomorrodi, R., Hadas, I., Daskalakis, Z. J., Blumberger, D. M. Combined Transcranial Magnetic Stimulation and Electroencephalography of the Dorsolateral Prefrontal Cortex. Journal of Visualized Experiments. (138), e57983(2018).
- Mishory, A., et al. The maximum-likelihood strategy for determining transcranial magnetic stimulation motor threshold, using parameter estimation by sequential testing is faster than conventional methods with similar precision. The Journal of Electroconvulsive Therapy (ECT). 20 (3), 160-165 (2004).
- Thies, M., Zrenner, C., Ziemann, U., Bergmann, T. O. Sensorimotor mu-alpha power is positively related to corticospinal excitability. Brain Stimulation. 11 (5), 1119-1122 (2018).
- Schaworonkow, N., et al. μ-Rhythm Extracted With Personalized EEG Filters Correlates With Corticospinal Excitability in Real-Time Phase-Triggered EEG-TMS. Frontiers in Neuroscience. 12, 954(2018).
- Hjorth, B. An on-line transformation of EEG scalp potentials into orthogonal source derivations. Electroencephalography and Clinical Neurophysiology. 39 (5), 526-530 (1975).
- Bergmann, T. O., Karabanov, A., Hartwigsen, G., Thielscher, A., Siebner, H. R. Combining non-invasive transcranial brain stimulation with neuroimaging and electrophysiology: Current approaches and future perspectives. NeuroImage. 140, 4-19 (2016).
重印与许可
