方法文章

药物难治性癫痫患儿术前评估中的电磁源成像

4K 次观看

⸱

DOI：

10.3791/66494

⸱

2024年9月20日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Neuroscience Research Center, Jane and John Justin Institute for Mind Health, Cook Children’s Health Care System, 2Department of Bioengineering, University of Texas at Arlington, 3Burnett School of Medicine, Texas Christian University

本文内容

摘要

脑磁图（MEG）与高密度脑电图（HD-EEG）很少被同时记录，尽管二者可提供相互验证且互补的信息。本文展示了同步记录MEG与HD-EEG的实验设置，以及分析这些数据的方法，旨在定位药物难治性癫痫患儿的致痫区和功能重要脑区。

摘要

对于药物难治性癫痫（DRE）患儿，实现无发作依赖于精确定位并切除（或损毁/断开）癫痫发生区（EZ），同时保护功能重要脑区。因此，开发一种可靠且无创的定位方法，为临床提供可用于定位EZ的有用信息，对于取得成功的手术效果至关重要。电生理源成像（ESI）和磁源成像（MSI）在这些患者的术前评估中应用日益广泛，已在癫痫发生区及功能重要脑区的定位方面展现出良好前景。此外，将ESI与MSI整合为单一解决方案，即电磁源成像（EMSI），基于同步的高密度脑电图（HD-EEG）和脑磁图（MEG）记录，其源定位准确性已证明高于任一单独模态。尽管这些结果令人鼓舞，此类技术目前仅在少数三级癫痫中心开展，同步记录尤为罕见，在儿童群体中的应用仍显不足。本研究展示了同步采集MEG与HD-EEG数据的实验设置，以及分析这些数据的方法框架，旨在定位DRE患儿的激惹区、发作起始区及功能重要脑区。更具体而言，本文呈现了以下实验设置：（i）在睡眠期间记录并定位发作间期和发作期癫痫样放电活动；（ii）在视觉运动任务以及听觉和躯体感觉刺激过程中，记录视觉、运动、听觉和躯体感觉诱发电位，并绘制相应的功能重要脑区（即视觉、运动、听觉和躯体感觉区）图谱。此外，详细介绍了数据分析流程，包括使用等效电流偶极子（ECD）和动态统计参数映射（dSPM）方法进行EMSI以及单独的ESI和MSI分析的具体步骤。

引言

癫痫是最常见且致残性最强的神经系统疾病之一，其特征是反复发作且无诱因的癫痫发作，发作类型可为局灶性或全面性。尽管已有多种有效的药物治疗方案（例如抗癫痫药物 [ASMs]），但约有 20–30% 的患者无法控制癫痫发作，属于药物难治性癫痫（DRE）1。对于这些患者，癫痫手术是消除癫痫发作最有效的治疗方法；若能完全切除（或损毁/断开）致痫区（EZ）——即产生癫痫发作所必不可少的最小脑区——则可实现手术成功2。在保留功能区皮层的前提下，准确界定并切除（或损毁/断开）致痫区，是确保术后无癫痫发作的关键因素。为了确定是否适合手术，多学科团队会使用多种无创诊断工具来界定不同的皮层区域（即：激惹区、癫痫发作起始区 [SOZ]、功能缺损区和致痫病变区），这些区域可作为致痫区的间接近似指标3。当上述方法均无法明确识别致痫区时，则需进行颅内脑电图（iEEG）的术外监测。iEEG 的作用在于精确定位癫痫发作起始区（即临床癫痫发作产生的脑区），并绘制功能区脑图谱。然而，由于该技术具有侵入性4,5,6、空间覆盖范围有限，且需要明确的术前定位假设7，因而存在严重局限性。因此，实际的癫痫发作起始区焦点及其范围可能被遗漏，导致手术失败。此外，iEEG 的解读需要在住院期间记录多次典型的临床癫痫发作，这增加了并发症的风险（如感染和/或出血）5。因此，亟需开发可靠且无创的定位方法，以提供具有临床价值的信息，整体改善儿童药物难治性癫痫的术前评估。

近几十年来，电和磁源成像（ESI 和 MSI）在药物难治性癫痫（DRE）患者术前评估中的应用日益广泛，用于界定致痫区以及功能性脑区。特别是，ESI 和 MSI 可通过无创记录手段（如高密度脑电图（HD-EEG）和脑磁图（MEG））重建神经源活动，从而辅助外科手术规划或颅内脑电图（iEEG）电极的放置。ESI 和 MSI 可用于定位发作间期癫痫样放电（IEDs）（如棘波和尖波）或发作期（癫痫发作）活动。此外，还可用于定位参与感觉、运动、听觉和认知功能的不同功能性脑区。通过对电生理事件（如 IEDs 和癫痫发作）进行重建，可分别识别激惹区（即 IEDs 起源的脑区）和癫痫发作起始区（SOZ），这两者被认为是定位致痫区（EZ）的有效替代指标。对功能关键皮层（即对特定皮层功能不可或缺的脑区）3的定位则有助于绘制功能关键区相对于计划切除范围的位置和范围，从而预先降低癫痫手术可能带来的功能缺损风险8,9,10,11。多项研究探讨了 ESI 和/或 MSI 在癫痫术前评估中的临床效用，结果表明这些技术在致痫区定位方面具有良好的应用前景12,13,14,15,16,17,18,19。例如，Mouthaan 等人14基于 11 项前瞻性与回顾性癫痫研究的无创数据进行了广泛的荟萃分析，报告称这些源定位技术总体上可高灵敏度（82%）但低特异性（53%）地识别致痫区。其他研究也表明，在磁共振成像（MRI）结果正常的癫痫患者中，MSI 和 ESI 能够准确地将癫痫灶定位在切除区域内19,20,21。这些定位结果对于因临床或影像学检查结果不明确而无法接受癫痫手术的患者尤为重要。综上所述，ESI 和 MSI 在 DRE 患者致痫区及功能性脑区的术前定位中具有重要价值。

尽管这些发现令人鼓舞，但目前仅有少数三级癫痫中心能够常规开展此类技术，且在儿科人群中的应用往往不足。此外，高密度脑电图（HD-EEG）与脑磁图（MEG）很少被同步记录，而两者实际上可提供相互验证且互补的信息。MEG 对位于脑回表面、具有切向方向的浅表源敏感，但对径向定位的源或位于脑深部区域的源则不敏感。22,23,24,25,26此外，与脑电图（EEG）相比，MEG 具有更高的空间分辨率（毫米级）16,22,25与脑电图信号不同，脑磁图信号无需参考电极，且基本不受脑组织不同电导率（即脑膜、脑脊液、颅骨和头皮）的影响。25,27 提供由大脑产生的磁场的无失真测量。另一方面，EEG能够检测所有方向的源，但其空间分辨率低于MEG，且更容易受到伪迹干扰26,28由于对源定位和深度的敏感性互补，约30%的癫痫样放电活动（如痫样放电，IEDs）只能在脑磁图（MEG）中记录到，而无法在脑电图（EEG）中检测到，且 反之亦然26,29,30,31,32与允许长时间记录的脑电图（EEG）不同，脑磁图（MEG）在捕捉临床发作方面具有挑战性，因为其记录时间受限，通常不足以记录大多数患者的发作期事件。此外，与发作相关头部运动引起的伪迹常常会干扰MEG记录的质量。29,33,34,35另一方面，与脑电图（EEG）相比，脑磁图（MEG）记录速度更快、操作更简便，尤其适用于儿童，因为无需在儿童头部安放传感器。35.

硬件技术的进步使得能够同时记录覆盖整个头部的高密度脑磁图（MEG）和高密度脑电图（HD-EEG）数据，传感器数量超过550个。此外，现代脑电图技术的发展已将高密度脑电图的准备时间缩短至不到15分钟36。这对于行为配合困难、无法长时间保持静止的儿科人群尤为重要。同时，软件技术的进步使得脑电图源成像（ESI）与脑磁图源成像（MSI）能够整合为一种联合解决方案，即电磁源成像（EMSI），该方法基于同步采集的高密度脑电图与脑磁图数据进行分析。多项理论与实证研究报道，EMSI在源定位准确性方面优于单独使用任一模态13,30,31,37,38,39,40,41。Sharon 等人.37采用不同的源定位方法重建对感觉刺激的脑活动，发现与单独使用ESI或MSI相比，EMSI的定位结果始终更接近功能性磁共振成像 (fMRI)——后者作为无创性精确定位准确性的参考标准。作者认为，这种改进的定位能力源于用于求解逆问题的传感器数量增加，以及两种成像模态不同的敏感性模式37。类似地，Yoshinaga 等人.31对局灶性难治性癫痫患者同步采集的脑电图和脑磁图数据进行偶极子分析，结果显示EMSI提供了单独使用任一模态无法获得的信息，并成功指导了一例患者的癫痫手术定位。在一项前瞻性盲法研究中，Duez 等人.13发现，与单独使用ESI或MSI相比，EMSI显著提高了无发作概率（即更高的优势比），定位准确性达到或超过52%，与激惹区和癫痫发作起始区（SOZ）的一致性分别达到或超过53%和36%。我们团队最近的一项研究42表明，EMSI在定位估计精度和手术预后预测性能方面均优于单独使用ESI或MSI，其相对于切除区域和癫痫发作起始区的定位误差分别约为8 mm和15 mm。尽管这些结果令人鼓舞，但目前仍缺乏针对药物难治性癫痫（DRE）儿童人群的EMSI方法学研究框架。

本研究展示了同步进行脑磁图（MEG）和高密度脑电图（HD-EEG）记录的实验装置，以及用于分析这些数据的方法学框架，旨在定位药物难治性癫痫（DRE）儿童的痫样放电区、癫痫发作起始区（SOZ）和功能重要脑区。具体而言，本文介绍了以下实验设置：（i）在睡眠期间记录并定位发作间期和发作期痫样放电活动；（ii）在视觉运动任务中记录视觉、运动、听觉和体感诱发电位，并绘制相应的功能重要脑区（即视觉、运动、听觉和体感皮层），以及进行听觉和体感刺激。此外，还详细介绍了数据处理流程，包括采用等效电流偶极子（ECD）和动态统计参数映射（dSPM）方法进行电磁源成像（EMSI）、个体化电生理源成像（ESI）和脑磁图源成像（MSI）的具体步骤。

方案

本文所采用的实验程序已获得北德克萨斯地区机构审查委员会（编号：2019-166；主要研究者：Christos Papadelis）的批准。以下部分将描述我们实验室所遵循的实验方案，即通过同步进行的脑磁图（MEG）和高密度脑电图（HD-EEG）记录，对儿童药物难治性癫痫患者进行非侵入性源定位，以确定痫样放电（IEDs）、发作起始区以及事件相关诱发反应（即视觉、运动、听觉和体感诱发反应）的源区位置。国际临床神经生理学联合会43 和美国临床脑磁图学会44 已为临床常规记录与分析自发性 MEG 和 EEG 数据制定了“最低标准”。本文所述 HD-EEG 记录的操作流程仅适用于基于海绵电极的 EEG 系统。每位受试者的整体准备过程约为 2–3 小时，其中包括约 1.5 小时的实际记录时间。

1. MEG 系统的准备

  1. 在受试者到达之前，先进行几分钟的空室 MEG 记录，以获取背景噪声水平和磁性伪迹，并检查所有 MEG 传感器是否正常工作。
  2. 使用 MEG 传感器调谐程序，确保所有 MEG 传感器的平均白噪声值介于 2 至 5 fT/√Hz（对于梯度计为 fT/cm√Hz）之间。

2. 受试者准备

  1. 确保受试者对环境感到舒适。对于年幼的儿童，允许其探索记录室（包括磁屏蔽室[MSR]），并查看将用于数据采集的测试设备。
    1. 使用筛选知情同意书向受试者展示并提供指导说明。如有需要，针对不同年龄组使用专门设计的词汇、玩具和游戏向年幼儿童解释实验流程。询问受试者（或受试者家长）在就诊前约2小时内是否发生过癫痫发作。
      注意：筛查知情同意书包含对检测的描述及其安全性、检测目的，以及对研究的整体说明。
  2. 从受试者身上移除任何金属和/或磁性物品，并为受试者提供医院提供的合适衣物（如医院病号服、刷手服）。此外，要求受试者脱鞋，以防止磁性粉尘进入磁屏蔽室（MSR）。如果存在无法移除的其他铁磁性物体，例如牙科填充物或植入式医疗设备，应使用消磁器（即去磁器）去除可能在MEG记录期间引起干扰或导致高噪声水平的残余磁性伪迹。在确认所有磁性噪声源均已清除后，让受试者坐在木椅上，并调整至舒适姿势，以便进行后续测量操作。
    注意：消磁器不得直接用于任何植入式电子设备（例如起搏器、神经调控设备）。
  3. 测量受试者的头围以选择合适的EEG网状电极尺寸（通常为32–34 cm至58–61 cm）。使用软尺的厘米刻度，将软尺从受试者的鼻根处开始，经枕外隆凸上方约1 cm处绕头一周，再返回鼻根处，测量头围。
    注：鼻根点是位于两眼之间的颅骨测量点，而枕外隆突点是枕外隆突的顶端。
    1. 选择适合受试者头围的合适网罩尺寸，将其浸泡于由1夸脱温自来水、1汤匙电解质（如氯化钾）和1汤匙婴儿洗发水混合配制的溶液中，至少浸泡5分钟（最长不超过10分钟）。浸泡过程中，确保将网罩翻转，使海绵朝外，搭扣完全松开，并将传感器充分浸没在盛有溶液的塑料桶内。
      注意：为确保网状电极的放大器不接触溶液并始终保持干燥，应用毛巾包裹所选网状电极的插头，如有需要，可将其放置在靠近盛有塑料桶的水槽旁的椅子或支架上。
  4. 使用微孔纸胶带将五个磁线圈作为头部位置指示器（HPI）线圈固定在受试者头皮的已知位置：前额两侧靠近发际线处各一个，两侧乳突骨各一个，头顶一个。
    注意：HPI线圈通过发射已知的磁场来定义头部相对于MEG系统内超导量子干涉装置（SQUIDs）的位置，这些磁场可在扫描期间被定位。HPI线圈的数量取决于MEG系统，通常为3至5个。
  5. 使用胶带安放额外电极以记录心率（心电图，ECG）、眼动或眨眼（眼电图，EOG）及肌肉活动（肌电图，EMG）；这些电极的放置也有助于监测受试者的健康状态。
    1. 在受试者胸部右侧和左侧锁骨下方分别放置两个心电图（ECG）电极以记录心跳，同时在右眼上方和下方分别放置两个眼电图（EOG）电极以记录垂直方向的眼球运动或眨眼。
      1. 为测量视觉运动任务期间的肌肉活动，还需用酒精棉片擦拭受试者的手指，以增强胶带在皮肤上的黏附性，并在每只手上用胶带固定总共两对一次性杯状电极：分别置于第一 dorsal interosseous（FDI）和拇短展肌（abductor pollicis brevis, APB）。
      2. 在粘贴所有这些电极之前，先将导电膏放入电极杯内，直至略微超出杯口，以降低皮肤阻抗，并确保黏附性与导电性的最佳结合。
    2. 对于触觉刺激，将薄的弹性膜直接贴附于双手三个手指的远端掌侧部位（即拇指[D1]、中指[D3]和小指[D5]）。通过刚性塑料管连接气流刺激装置，以压缩空气脉冲充胀弹性膜。刺激间隔设为1.5秒。 ± 0.5 秒，采用伪随机顺序。将触觉刺激器的压力调整为 50 psi。
  6. 在受试者仍坐在远离任何金属物体的木椅上时，使用数字化仪确定颅骨解剖标志点、五个头部定位线圈（HPI coils）以及其他头部形状点的三维（3D）位置。在头部数字化过程中，应要求受试者舒适就座，目视正前方，并尽可能保持静止，因为微小的移动可能影响定位的准确性。
    1. 将参考接收器穿过塑料护目镜（即一侧附有参考立方体的眼镜）佩戴在受试者头部，并调节卡扣以确保参考框架固定于受试者头部，在整个测量过程中必须保持相对静止。
    2. 通过主触笔接收器定位解剖学标志点（即鼻根点及左/右耳前点）和头部定位线圈（HPI线圈）的位置，并均匀采集额外的头皮点（至少100个，理想情况下接近约500个），以提高头部表面高质量重建的精度。
      注意：解剖学标志点定义了受试者的坐标系。数字化仪使用一个发射器（通常安装在受试者后方的木椅背部）和两个接收器（即触笔和参考接收器），生成传感器在三维空间中的坐标。
    3. 数字化完成后，将触笔接收器置于距离受试者和发射器约15 cm处，采集一个随机点以结束数字化过程。
      注意：此数字化过程的最后一步可能与其他商业产品有所不同。
  7. 在应用 EEG 网帽前，让受试者坐在 EEG 放大器附近的椅子上，并在其胸部和肩部放置毛巾，以吸收网帽安装过程中可能滴落的液体。从塑料桶中取出 EEG 网帽，将其翻转使海绵朝内，然后轻轻包裹在一条毛巾中，以吸收多余的混合溶液。
    1. 受试者坐在椅子上，并被告知在此步骤中保持双眼闭合，将双手伸入网状电极帽内，用手指将其撑开，最后将其戴在受试者头部。
    2. 在不移动头部定位线圈（HPI coils）位置的情况下，用手指调整受试者头部上的伸展网帽，确保参考电极和鼻根电极分别准确地位于头皮中心和受试者双眼之间，待网帽位置正确后，最后固定下巴带。
  8. 使用脑电图阻抗仪，确保所有头皮电极的阻抗均处于0-50 kΩ范围内。Ω 范围（数值） ˂5 kΩ 建议采取这些措施）以防止任何信号失真。为降低头皮-电极阻抗，应使用木制棉签清除电极与头皮之间的受试者毛发，或在必要时使用一次性塑料移液管向电极的海绵中添加更多导电混合液，以确保每个电极与头皮之间具有良好的机械和电气接触。
    1. 当所有阻抗均理想地达到50 kΩ时Ω断开放大器，并准备对受试者进行脑电电极数字化。
      注意：在磁屏蔽室外进行脑电电极的数字化，并确保受试者周围留有足够的空间以方便扫描操作。
  9. 使用手持式光学扫描仪确定 EEG 电极的三维位置。在此过程中，要求受试者舒适地坐着，并目视正前方，除非另有指示。
    1. 首先，打开光学扫描软件，选择与记录过程中使用的 EEG 传感器布局相匹配的传感器模板，然后启动扫描过程。
    2. 扫描过程中，将扫描仪保持在距离 EEG 网一定距离处（通常约为 45 cm），使扫描仪的扫描孔垂直于传感器表面，沿弧形轨迹从头部顶部（头颅中心）缓慢移动到底部（沿颈部的最后一排传感器），以记录所有传感器的物理位置。
      注意：光学扫描仪可对受试者头部的脑电图（EEG）电极位置进行数字化处理，并将其转换为三维坐标文件；该设备通常配备两个发射红外（IR）光源的光学传感器。每个被扫描的位置通常会在三维传感器云中显示。三维传感器云用于反馈传感器位置的扫描、探查与对齐，而二维传感器图则用于反馈这些传感器位置的标注。脑电图电极位置的扫描过程通常需要5至10分钟，包括对基准点的探查。然而，扫描时间有时可能取决于光学扫描仪在检测电极位置时的性能。
  10. 当所有 EEG 电极扫描完成（至少 95%）后，使用无线光学探针探测标记点（即鼻根点及左右耳前点）和四个对齐传感器（即前、左、右对齐节点和 REF 节点），以将 3D 传感器点云与选定的传感器模板对齐。
    注意：对准传感器的编号基于 EEG 传感器网的配置。
    1. 探测标记点时，将光学探针的尖端置于受试者皮肤上目标标记点的中心位置，并确保扫描仪的扫描孔对准探针上的反射盘。同样，将光学探针的尖端置于目标配准传感器的中心位置，以探测配准传感器。
  11. 当所有传感器均完成扫描和探查后，根据实际的EEG网在3D传感器云图和2D传感器图上核对各传感器的位置与标签，以检查并必要时纠正可能存在的错误；若扫描过程中未出现错误，则导出3D坐标.txt文件，并将其转换为所需格式。
    注意：3D电极坐标通常以.txt格式存储，可通过光学扫描仪软件转换为多种格式（如.xml、.sfp、.elp或.nsi）。
  12. 完成脑电电极数字化过程（步骤2.9–2.11）后，准备受试者转移至磁屏蔽室内，以进行静息/睡眠状态数据采集（步骤2.13）、视运动任务（步骤2.14）、听觉刺激（步骤2.15）和体感刺激（步骤2.16）。
  13. 对于静息/睡眠状态的数据采集，将 MEG 系统的机架设置为仰卧位（图1A）并调整非磁性且兼容的检查床，使可拆卸的头托与杜瓦瓶底部的头盔状开口对齐。将床调整至正确位置后，将床的制动阀置于关闭锁定状态。在床面铺上床单或毯子，并在可拆卸头托上放置一小块泡沫垫作为枕头，以固定头部并提高记录过程中的舒适度。
    注意：杜瓦瓶是一种充满液氦的低温储存容器，其底部通过一个头盔状开口布置有传感器阵列，该开口设计为可环绕受试者头部。该头盔适用于头围59–61 cm的受试者。机架是支撑杜瓦瓶的机械系统，可根据测量体位（即坐位或仰卧位）调节其高度和角度。
    1. 将受试者转移至磁屏蔽室内，协助其坐在床边并躺下。在受试者身体上覆盖多条毯子以保持体温，同时确保电极导线易于接触；轻轻系好安全带（或升起床栏，如有），并向受试者说明此步骤旨在防止其在睡眠期间翻身跌落。必要时，可在颈部下方放置卷起的毛巾以提供颈肩部支撑。
    2. 松开床的制动阀，轻轻移动受试者的头部。受试者头部置于杜瓦瓶头盔形开口下方的可拆卸头枕上，调整至头部接触头盔内壁为止。为提高信噪比（SNR），应尽量使受试者头部贴近头盔。
    3. 将HPI线圈、ECG和EOG电极插入MEG系统相应的接口面板，将EEG网状电极连接至屏蔽室内放大器单元，并通过屏蔽室外采集工作站检测头部坐标测量值，以评估受试者头部在杜瓦瓶下方的位置是否合适。
    4. 在受试者同意的情况下，降低磁屏蔽室（MSR）内灯光强度，以帮助促进放松和入睡。当受试者感到放松和舒适后，指导其闭眼休息或在记录过程中入睡。向受试者说明，在整个记录期间，将通过安装在 MSR 墙壁上的射频屏蔽彩色摄像机在 MSR 外的显示器上对其进行实时观察。
  14. 对于视觉运动任务，将MEG系统的机架设置为直立位置（图1B）并将MEG座椅调整至受试者头部位于机架下方，靠近杜瓦底部的头盔状开口处。调整座椅至正确位置后，将座椅的制动阀置于关闭锁定位置（"0").
    1. 将受试者转移至磁屏蔽室内。协助其坐在非磁性且兼容的椅子上，并调整至舒适放松的体位。在受试者身体上覆盖多条毯子以保持其在记录期间的体温，同时确保电极导线易于接触；放置可移动桌板，以便受试者在执行任务时可将双手置于其上。必要时，在受试者膝下放置毛巾，以帮助维持坐姿，防止身体下滑。
      注意：由于受试者在进行视觉运动任务时可能会放松，导致头部位置低于初始位置，因此每次任务结束后，应通过升降踏板（若有）小心抬高座椅，或在座椅上放置毛巾或毯子，使受试者的头部再次接触头盔内壁。必要时，可在受试者头后方额外放置毛巾或毯子，不仅以提高舒适度，也有助于帮助受试者尽量保持头部直立。为避免在记录过程中移动杜瓦瓶，视觉运动刺激也可选择在仰卧位进行。
    2. 受试者就位后，将HPI线圈、心电图（ECG）、眼电图（EOG）、第一背侧骨间肌（FDI）和正中神经（APB）电极插入MEG设备右侧面板，将脑电帽（EEG net）连接至磁屏蔽室（MSR）内的放大器单元，并通过升降踏板（若有）小幅调节座椅高度，或在座椅上添加毛巾或毛毯，直至受试者头部轻轻接触头盔内壁（通过MSR外部采集工作站监测头部坐标数值进行确认）。
    3. 将投影屏幕放置在受试者前方，用于通过位于磁屏蔽室外的投影仪镜像系统投射视觉刺激图 1B，并向受试者说明在记录过程中需执行的视动任务。具体指导受试者仅在视觉刺激（例如图像）出现在屏幕时，分别用右手或左手的示指轻敲桌面。确保受试者理解该任务或能够舒适地独立完成；如有需要，可与受试者一起反复练习数次，以帮助其熟悉任务流程。
      注意：如果在仰卧位进行视觉运动刺激实验，需在受试者面部上方一定距离处放置一面镜子，以反射来自投影仪的视觉刺激。
    4. 在关闭磁屏蔽室（MSR）门之前，询问受试者独自待在室内是否感到舒适；如果受试者表示不适，则由团队中的一名成员或其父母在记录期间留在磁屏蔽室内。此外，应向受试者保证，整个记录过程中其状态将在磁屏蔽室外的监视器上被持续观察。
  15. 对于听觉刺激，采用步骤2.14中描述的设置，将投影屏幕置于受试者前方。协助受试者佩戴耳机（或耳塞），通过耳机传递声音触发信号（例如调制的啁啾声）。
    1. 指导受试者注视屏幕上呈现的刺激（例如，黑色背景上的绿色点），同时聆听声音触发信号。如有需要，可进行一次训练以帮助受试者更好地理解实验流程。在关闭磁屏蔽室（MSR）门之前，重复此前所述的安全操作规程。
  16. 对于躯体感觉刺激，使用步骤 2.14 中描述的装置。询问受试者希望在面前的投影屏幕上观看什么视频（或电影）。
    1. 指导受试者保持放松，睁眼观看选定的视频，尽量保持静止，并在记录过程中忽略施加于手指的触觉刺激。向受试者说明，其每只手的手指指尖将分别感受到轻微的轻敲刺激。若受试者感到不适，可进行一次训练 session 以使其安心。
      注意：注视视觉目标是一种成熟的技术，用于减少可能影响记录质量并使受试者在数据采集期间偏离触觉刺激的生物性伪迹。

3. 数据采集

注意：同步 MEG 和 EEG 数据的采集在中国台湾库克儿童医疗中心（CCMC）的 MEG 设施中进行。有关 MEG 在患有癫痫的儿科患者中临床应用的更多细节，可参见其他文献8,27,45。

  1. 使用全头 MEG 系统（传感器覆盖面积：1,220 cm2）记录 MEG 信号，该系统由 306 个通道组成，分为 102 个相同的三传感器单元，每个单元包含一个磁力计和两个正交平面梯度计。设置至少 1 kHz 的采样频率。
    注意：单线圈磁力计测量垂直于 MEG 头盔表面的磁场分量。平面梯度计由一对相距较近的磁力计构成“8”字形线圈配置，测量其所在位置之间磁场的差异（即“8”字两个环路之间的差值），也称为空间梯度。与磁力计相比，平面梯度计对深部脑源的敏感性较低，但通过抑制环境噪声，对浅表脑源的检测更为稳健。这 306 个通道浸没在液氦中并冷却至 -296 °C（4.2 K），以使其成为超导体。
  2. 使用非磁性 256 通道 EEG 网，其 Ag/AgCl 电极传感器均匀分布在头皮、脸颊和颈后部，同步记录 EEG 信号。设置至少 1 kHz 的采样频率。
  3. 关闭磁屏蔽室（MSR）门以开始记录。通过语音对讲系统与受试者沟通，确认其是否感到独自在 MSR 内舒适。通过视频持续监测受试者情况，遇紧急情况立即进入 MSR。
    注意：若受试者感到不适或大型 MSR 门令其畏惧，可允许团队中一人或其父母在记录期间留在 MSR 内，坐在靠近受试者的木椅上；进入房间前务必移除所有金属物品。
  4. 每次记录前，通过语音对讲系统指导受试者在开始任务前保持静止约 30 秒。对于视觉运动任务，还需通过对讲系统告知受试者在首次记录中将使用哪一侧的食指（右或左）。
    1. 在受试者保持静止期间，按下 MEG 数据采集系统中 HPI 测量对话框的测量按钮，测量注入 HPI 线圈电流所产生的磁场，并确定头部测量位置相对于 MEG 传感器阵列的位置；因此确认受试者已正确就位（头部 |z 坐标| ˂ 75 mm），并记录每次会话的三维测量值。
    2. 若受试者头部与头盔之间仍有空隙，可重新进入 MSR，通过升降踏板（如有）调节椅子高度，或在椅子上放置毛巾或毯子，或通过互相对讲指导受试者将头部更靠近头盔（若受试者为坐姿），最后再次检查头部测量位置。对于静息/睡眠记录，重新进入 MSR 并将床移近头盔，以减小头-头盔之间的空间间隙。
  5. 当受试者相对于 MEG 头盔位置正确并准备开始时，按照精确顺序（见步骤 3.5.1）开始第一次记录会话（持续时间约 10 分钟），以实现 MEG 和 EEG 的准确同步（见步骤 3.12）。
    注意：为确保高质量记录，首次记录至关重要，用于捕捉因受试者移动或外部环境引起的伪迹。如有需要，可重新进入 MSR 调整通道连接或受试者在 MEG 椅上的位置。建议在记录期间记录任何异常伪迹或事件，以便后续必要时复查。
    1. 按下 EEG 数据采集软件中的记录按钮以开始 EEG 记录。按下 MEG 数据采集软件中的记录按钮以开始 MEG 记录。最后，按下刺激计算机软件中的开始按钮，以显示视觉刺激或传递听觉刺激。
      注意：运行视觉（或听觉）刺激软件的刺激计算机连接至 MSR 外的投影镜系统，该系统可根据记录类型开启或关闭。在静息/睡眠记录期间，由于受试者处于静息或睡眠状态，系统关闭；但运行刺激计算机上的视觉刺激软件有助于计时每次记录会话。在视觉运动任务以及听觉和躯体感觉刺激期间，系统开启，使受试者能够观察投影在面前屏幕上的刺激或视频，同时软件运行。本研究中选择的总刺激包括：（i）视觉运动任务中 107 个刺激（即 85 张叠加在棋盘格背景上的图像和 22 个棋盘格背景），每个刺激间隔约 4 秒；（ii）听觉刺激中 200 个调制啁啾声，刺激间间隔为 3 秒；（iii）躯体感觉刺激中每个手指（即 D1、D3 和 D5）200 个触觉刺激，按半随机序列呈现，刺激间间隔约 1.5 秒。
  6. 停止记录时，先按下 MEG 数据采集软件中的停止按钮，再按下 EEG 数据采集软件中的停止按钮。每次记录会话结束后，通过互相对讲与受试者沟通，安抚其情绪；若无需在 MSR 内调整通道连接或位置，则继续下一会话。
    1. 对于视觉运动任务，每次会话选择不同的视觉刺激，以保持受试者在记录期间的积极性和兴趣。
  7. 对于视觉运动或静息/睡眠数据，总共记录约 1 小时的同步 MEG 和 EEG 数据，包含 5-6 次会话。然而，每位受试者的会话次数可能有所不同。此外，分别记录约 20 分钟（每次约 10 分钟，共 1-2 次）和约 14 分钟（每次约 7 分钟，共 1-2 次）的同步 MEG 和 EEG 数据，用于听觉和躯体感觉刺激数据。
    注意：在本研究中，MEG 和 EEG 数据在记录结束时自动分别以 .fif 和 .mff 格式存储于 CCMC 的 IT 存储系统中。
  8. 记录结束后，进入 MSR 协助受试者从椅子或床上起身，并请其在 MSR 外的椅子上坐下，以移除 EEG 网和电极。
    1. 指导受试者闭眼直至另有指示，并协助其通过完全松开下巴带并用双手轻轻拉出 EEG 网（从前额向后脑方向）直至完全剥离。此过程中确保移除 EEG 网时不拉扯受试者头发。此外，协助受试者轻轻移除先前粘贴在皮肤上的剩余电极（即在视觉运动任务中使用的 ECG、EOG 和 EMG）。
  9. 移除 EEG 网和电极后，告知受试者（及其父母）所有程序已全部完成。
  10. 受试者离开房间后，仔细清洁光学扫描仪（按用户手册说明），并将其存放于保护箱内。
    1. 使用医院批准的过氧化氢湿巾或消毒喷雾及纸巾清洁和消毒记录过程中使用的所有设备表面（如椅子、床、桌子），将使用过的毯子和毛巾放入医院提供的容器中，并丢弃所有使用过的胶带。
    2. 将测量工具存放于储物柜中，并用木制棉签在流动自来水下清洁装有导电膏的电极杯内部。
    3. 为冲洗 EEG 网，用干净温水注满水槽中的塑料桶，并重复以下步骤共四次。
      1. 将 EEG 网浸入水中，轻轻搅动 10-20 秒（或在桶内外上下浸没约 25 次）。
      2. 将桶中水排空，重新注入干净温水。
    4. 为消毒 EEG 网，将塑料桶中注入由 2 夸脱温水和 1 汤匙消毒剂组成的消毒液，将 EEG 网浸泡其中 10 分钟。排空消毒液后，重复冲洗和排水过程三次，以彻底清除 EEG 网上的残留溶液。
    5. 在冲洗或消毒过程中，将浸没的 EEG 网从桶中取出，用干净干燥的毛巾擦去多余水分，并悬挂在水槽附近存放。
  11. 为抑制 MEG 数据中的内部和外部磁干扰以及测量/运动伪迹，对原始 MEG .fif 文件应用信号空间分离的时间扩展方法（tSSS）。
    注意：时空麦克斯韦滤波（tSSS）适用于抑制位于 MEG 传感器阵列内部或非常靠近阵列的干扰源，即内部干扰。
  12. 在进行同步 MEG 和 EEG 记录时，将两个采集设备的坐标系统相对于受试者头部的解剖标志进行空间对齐（图 2A），并校正由于可能的不同采样率引起的信号间线性时钟漂移（图 2B）。
    注意：在记录过程中，MEG 和 EEG 信号也可能因按下 开始 和 结束 按钮的可能延迟以及触发信号发送至 MEG 和 EEG 数据采集软件时发生的内部时钟漂移而随时间产生缓慢偏移。为确保这些信号之间的精确同步，开发了一段基于 Python 的内部代码，该代码利用数据采集期间发送至两个系统的触发事件作为共同触发信号。该代码包含 MNE-Python 软件库中的三个函数：两个函数用于读取 MEG 和 EEG 信号，一个函数用于从信号中提取触发事件信息，如通道名称和时间戳（即事件发生日期和时间）。各信号中触发事件发生时间的差异（即 delta）定义了随时间变化的线性时钟漂移（图 2B）。开发代码的详细描述见后续步骤（见 3.12.1-3.12.4）。
    1. 使用各信号中首次触发事件之间的时间差作为偏移值（即从两个信号之一中裁剪的部分），以对齐记录。
      注意：mne.io.read_raw_fif 和 mne.io.read_raw_egi 函数将 MEG 和 EEG 记录转换为二维数组格式，而 mne.find_events 函数从原始信号中提取事件信息。
    2. 首次触发对齐后，计算皮尔逊相关系数以评估信号间的相关程度；建议 p-值 < 1 x 10-6 以确保完美对齐。
      注意：scipy 库中的 pearsonr 函数估算 MEG 和 EEG 信号之间的皮尔逊相关系数及其相关性的 p-值。
    3. 为验证此相关性准确性，通过对两个信号进行一次多项式拟合来估算漂移率，并使用多项式函数系数表示的差异程度在多项式拟合的 x 轴上重采样信号（图 2B）。
      注意：numpy 库中的 polyfit 函数将 MEG 和 EEG 信号拟合到多项式函数中；该函数返回一个表示两个信号间差异程度的系数。mne.resample 函数根据多项式函数的系数对 MEG 和 EEG 信号进行重采样。
    4. 重采样完成后，比较各信号中最后一个触发事件的时间戳，并移除 MEG 和 EEG 信号中不共有的时间窗口。最后，合并同步的 MEG 和 EEG 信号，创建一个包含 MEG 和 EEG 传感器的单一记录，用于后续分析。
      注意：mne.add_channels 函数合并两个信号以创建单一记录。
  13. 在每次约 1.5 小时的记录结束时，分别使用 5-6 次（每次约 10 分钟）、1-2 次（每次约 10 分钟）和 1-2 次（每次约 7 分钟）的同步 MEG 和 EEG 记录会话，用于视觉运动（及静息/睡眠）、听觉和躯体感觉刺激数据的分析。
    注意：理想情况下，受试者需进行三次右手手指敲击和三次左手手指敲击的视觉运动记录。

4. 数据分析

  1. 激惹区的定位
    1. 使用受试者 MRI 的皮层重建流程生成三维皮层表面 FreeSurfer，这是一个用于处理、分析和可视化人类脑部磁共振图像的开源神经影像学工具46.
    2. 导入重建的解剖结构 Brainstorm，这是一个专用于 MEG 和 EEG 数据可视化与处理的 MATLAB 开源应用程序47，以可视化皮层重建结果。从 Brainstorm在导入的 MRI 上设定标志点（即鼻根点、左/右耳前点、前/后联合及半球间裂），以定义受试者坐标系。
    3. 导入同步的 MEG 和 HD-EEG 信号 Brainstorm 使用MRI配准流程将MEG和EEG传感器在MRI图像上进行配准，以调整其与数字化标志点的对齐。如有必要，将EEG传感器投影至皮层表面。
    4. 打开同步 MEG 和 HD-EEG 记录，目视检查原始数据以剔除不良通道。此外，应用信号空间投影（SSP）伪迹校正技术 Brainstorm 以剔除记录中的生物性伪迹（如心跳、眨眼）。
    5. 根据电源线干扰情况，对同步采集的 MEG 和 HD-EEG 数据应用陷波滤波（50 或 60 Hz）和带通滤波（1–70 Hz）。
    6. 选择包含频繁痫样放电（如尖波和棘波）的非癫痫发作期活动且运动伪迹最少（尽可能）的数据片段。
      注意：IED 是一种短暂的波形，其特征为 <70 ms 时间演化， >50 µV 波幅，以及在 1-70 Hz 频率范围内可从背景活动中清晰区分的尖锐波形48. 图 3A 显示了同时记录的MEG和HD-EEG信号中频繁出现的痫样放电（IEDs）的示例片段，这些放电在两种记录中均可见。
    7. 使用标准显示设置（每页10秒），标记在MEG和EEG记录中均出现的每个IED的负向波峰图 3A），以及各自单一模态的结果。在标记每个痫样放电前，应分别检查MEG和EEG的场电位分布图和电位分布图。
      注意：应检查每个痫样放电（IED）上升阶段中除峰值外其他时间点的电压分布，以排除可能存在的传播性癫痫样活动49. 关于如何使用 Brainstorm 可在其他地方找到（https://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy）。
    8. 计算一个定义为三层（即头皮、颅内层和颅外层）几何结构的逼真头部模型，图3B），使用 OpenMEEG BEM（对称边界元法）软件 Brainstorm使用MRI容积作为源空间（源点网格，空间分辨率为5 mm）。
      注：OpenMEEG BEM 软件采用对称边界元法计算一个真实的前向模型，该模型由头皮（即空气-头皮界面）、外颅骨（即头皮-颅骨界面）和内颅骨（即颅骨-脑界面）构成。作为替代方案，有限元法（FEM）可用于求解前向问题，因其能够实现对头部容积导体的个体化真实表征。头部组织的电导率值通常参考文献设定，可能因受试者年龄不同而有所差异。50. 为利用有限元法（FEM）求解正向模型，使用 DUNEuro FEM 软件计算定义为三层至五层（即白质、灰质、脑脊液、颅骨和皮肤）的几何结构真实头模型， Brainstorm47,50,51有关使用有限元法（FEM）估计前向模型的更多细节，可参见其他资料（https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro）。 
    9. 分别使用MEG、EEG以及联合MEG和EEG传感器阵列，采用无约束等效电流偶极子（ECD）方法定位所选发作间期尖波的潜在发生源。为定位这些偶极子源，通过空房间MEG记录计算噪声协方差，或将其设为单位矩阵。
      注意：若痫样放电（IEDs）的信噪比（SNR）较低，可考虑对电压分布相似的平均 IEDs 进行源定位，作为替代方法12.
    10. 执行偶极子扫描方法，该方法可在 Brainstorm 在先前标记的每个痫样放电（IED）峰值处，选择全脑容积内最显著的源偶极子。仅选择拟合优度较高的源偶极子 >60% 并估计其聚类度，定义为每个偶极子中心 15 mm 范围内存在的偶极子数量（图3C).
      注：有关等效电流偶极子（ECD）聚类性的更多细节可参见其他文献52.
  2. 癫痫发作起始区的定位
    1. 使用受试者 MRI 数据，通过皮层重建流程生成三维皮层表面 FreeSurfer46.
    2. 导入重建的解剖结构 Brainstorm47 以可视化皮层重建结果。在导入的 MRI 上设置定义受试者坐标系的基准点。
    3. 导入包含发作事件的同步 MEG 和 HD-EEG 信号 Brainstorm 并使用 MRI 配准过程将 MEG 和 EEG 传感器在 MRI 上进行配准，以调整其与数字化标记点的对齐。如有必要，将 EEG 传感器投影到皮层表面。
      注意：如果受试者在记录过程中发生癫痫发作，需回顾记录期间所做的笔记，以确定发作事件记录于哪一时间段。
    4. 打开同步 MEG 和 HD-EEG 记录，目视检查原始数据以剔除不良通道。应用软件中提供的 SSP 伪迹校正技术进行处理。 Brainstorm47 以剔除记录中的生物性伪迹（如心跳、眨眼）。
    5. 对同步采集的 MEG 和 HD-EEG 数据应用陷波滤波（根据电源线干扰选择 50 或 60 Hz）和带通滤波（1–70 Hz）。
    6. 根据记录笔记，确定癫痫发作的起始时间及其终止时间（如已注明），并在信号上标记这些事件，以识别包含发作期痫样放电的正确数据段。癫痫发作起始的示例如下所示： 图4 分别用于 MEG 和 HD-EEG。
      注意：当受试者在进行 MEG 采集过程中发生癫痫发作时，需有医务人员立即提供协助并实施紧急救治。因此，包含发作期事件的那些数据片段的持续时间可能较短。
    7. 使用标准显示设置（每页10秒），在MEG和EEG以及各自单独模态上，标记发作期间出现的每次癫痫样放电簇（如重复性棘波、尖波或棘-慢波复合波）的负向波峰。每次标记波峰前，分别查看MEG和EEG的脑磁图与电位分布图。图4A).
      注意：根据发作起始部位，癫痫发作被分为全面性发作和局灶性发作。尽管发作类型依赖于癫痫综合征，但癫痫发作是一种持续至少10秒的现象，其特征为重复性电放电，频率、幅度和形态可能有所不同。
    8. 使用 OpenMEEG BEM 软件计算针对 MEG 和 EEG 传感器的三层（即头皮、颅内层和颅外层）真实头部模型 Brainstorm使用 MRI 体积作为源空间（源点网格，空间分辨率为 5 mm）。
      注意：为了使用有限元法（FEM）求解正向模型，需利用 DUNEuro FEM 软件计算真实头模型，该模型定义为包含三层至五层（即白质、灰质、脑脊液、颅骨和皮肤）的几何模型，该软件可在 Brainstorm47,50,51有关使用有限元法（FEM）估计前向模型的更多细节，可参见其他资料（https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro）。 
    9. 分别使用MEG、EEG以及联合MEG和EEG传感器阵列，采用无约束等效电流偶极子（ECD）方法定位所选发作期放电的潜在发生源。为定位这些偶极子源，通过空房间MEG记录计算噪声协方差矩阵，或将其设为单位矩阵。
    10. 执行偶极子扫描方法 Brainstorm 在先前标记的每个发作期波形峰值处，选择全脑容积内最显著的源偶极子。仅选择拟合优度较高的源偶极子 >60% 并估计其聚集性（将偶极子与其偶极子中心的距离设为 15 mm）52.
  3. 功能脑区的定位
    1. 使用视觉运动任务以及听觉和躯体感觉刺激期间记录的信号，执行前述步骤4.2.1–4.2.3。
    2. 打开同步的 MEG 和 HD-EEG 记录，目视检查原始数据以剔除不良通道。针对每个记录会话，分别应用 SSP 伪迹校正技术 Brainstorm47 以剔除记录中的生物性伪迹（如心跳、眨眼）。此外，丢弃或标记为 "不良时间段" 所有因伪迹污染而无法用于进一步分析的数据片段。
    3. 对同步的 MEG 和 HD-EEG 数据应用陷波滤波（根据电源线干扰选择 50 或 60 Hz）和带通滤波（1–100 Hz）。
    4. 为定位运动皮层，打开从FDI和APB电极记录的肌电图（EMG）信号，分别针对右手和左手，通过在FDI双电极上选择不同于基线的第一个肌肉激活峰，手动标记受试者的敲击事件。每次记录会话均需单独执行此步骤。 Brainstorm47.
      注意：使用 筛选 仅用于可视化标签 Brainstorm 并选择有助于准确标记敲击过程中肌电活动峰点的频率范围（例如，高通：30 Hz；低通：300 Hz；陷波：60 Hz）。事件的命名需在各次记录中保持一致；例如，受试者进行右手（或左手）手指敲击时的事件可命名为 "Tap_right" （或 "左侧轻敲"此步骤使我们能够对在所有记录会话中发生的同类事件进行统一分析。
    5. 从每次记录中导入无伪迹片段上的事件，所选参数如下：视觉刺激：时间窗口为[-200; +500] ms，包含刺激开始前[-200; 0] ms的基线期；敲击事件：时间窗口为[-1500; +1000] ms，包含视觉刺激开始前[-1500; -1000] ms的基线期；调制啁啾声：时间窗口为[-500; +1000] ms，包含刺激开始前[-500; 0] ms的基线期；触觉刺激：时间窗口为[-100; +500] ms，包含刺激开始前[-100; 0] ms的基线期。
    6. 当特定任务的所有实验会话事件导入后，应用平均参考导联法以提高 EEG 数据的信噪比，并对刺激进行平均以获取事件相关场和事件相关电位。对于运动任务（即手指敲击）和触觉刺激，该步骤分别针对右手和左手执行。
      ​注：面板 A 和 B 的 图5, 图6, 图7，以及 图8 分别展示MEG和EEG的视觉、运动、听觉和体感诱发电位及其相应的磁场和电位拓扑图。特定任务的总刺激次数严格取决于完成的实验次数；对于运动任务，该次数还取决于正确完成的敲击任务次数。
    7. 对于视觉、运动、听觉或体感诱发电位和磁场，使用 OpenMEEG BEM 软件中的三层层（即头皮、颅内壁和颅外壁）真实头模型，计算 MEG 和 EEG 传感器的传导模型。 Brainstorm使用三维皮层表面作为源空间。
      注意：为了使用有限元法（FEM）求解正向模型，需利用 DUNEuro FEM 软件计算真实感头模型，该模型定义为三层至五层（即白质、灰质、脑脊液、颅骨和皮肤）的几何模型，该软件可在 Brainstorm47,50,51有关使用FEM估计前向模型的更多细节，可参见其他资料（https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro）。 
    8. 对于每个事件诱发的场和电位，使用 dSPM 方法计算平均事件的皮层源，dSPM 在 Brainstorm 分别为MEG、EEG以及联合MEG和EEG传感器阵列设置工具箱。使用每个任务特有的刺激前基线期来设定噪声协方差矩阵（见步骤4.3.5）。
    9. 根据任务的不同，提取在相关功能脑区（初级视觉皮层 V1、初级运动皮层 M1、初级听觉皮层 A1 或初级体感皮层 S1）所观察到的最大皮层源，这些区域可通过图谱定义，或通过在该位置重建虚拟传感器（即感兴趣区域，ROI）来确定图5C, 图6C, 图7C，以及 图8C).
    10. 在参与的脑功能区（V1、M1、A1 或 S1）的事件诱发电场和电位源上，采用线性尺度（频率范围：1:1:100 Hz）进行 Morlet 小波时频分解。
      注意：为了估计与刺激 onset 时程和相位锁定的诱发振荡，需先对 MEG/EEG 信号在事件上进行平均，然后进行时频分析53,54.
    11. 使用事件相关扰动法对皮层源图进行标准化处理，该方法可在 Brainstorm 以相对于基线对其进行归一化处理（参见步骤 4.3.5），每种事件分别进行图 5D, 图6D, 图 7D，以及 图 8D).
      注意：使用事件相关扰动对源图进行标准化是一种针对时频功率图的归一化方法，用于估算相对于基线期平均值的百分比偏差。有关该标准化过程的更多细节可参见 elsewhere (https://neuroimage.usc.edu/brainstorm/Tutorials/TimeFrequency#Normalized_time-frequency_maps)。 
  4. 验证
    1. 通过植入皮层下网格电极和/或深部电极获取术外iEEG记录。颅内电极的数量、类型和放置位置由多学科癫痫团队根据术前评估中无创诊断检查结果综合形成的临床假设共同决定。
      注意：作为术前评估的一部分，通过数字脑电图系统以1,024 Hz的采样率连续数天记录颅外脑电图（iEEG）。
    2. 根据每位受试者可用的临床信息，由癫痫专家确定癫痫发作起始区（SOZ）。
      注意：癫痫发作起始区（SOZ）定义为出现首个明确癫痫电发作放电的脑区，该放电不同于在临床定义的癫痫发作起始之前或同时发生的背景活动。所有记录到该癫痫电发作放电的通道均被视为SOZ接触点，即使所捕获的癫痫发作起源于不同的脑区。
    3. 在颅内脑电图（iEEG）记录到的发作期事件期间，标记每个颅内电极上出现的癫痫样放电簇的峰值，并使用等效电流偶极子（ECD）方法对这些发作期事件进行源定位，具体步骤如4.1.7–4.1.10所述。
    4. 将iEEG定位结果与临床定义的SOZ（作为源定位结果的金标准）进行比较。

结果

从库克儿童医疗系统（CCHCS）简和约翰·贾斯汀心理健康研究所癫痫门诊招募患有药物难治性癫痫（DRE）的儿科患者。本文展示了三位代表性患者的资料：（i）一名10岁女性，（ii）一名13岁男性，以及（iii）一名10岁女性。

病例1：一名10岁女性因自3岁起出现癫痫发作而入院。尽管已使用8种抗癫痫药物（ASMs），患者仍每日发作。初期发作表现为眼球偏斜（侧别不明确）及行为停滞。随后，患者每日出现持续约30秒的癫痫发作，表现为发作性噘嘴（“警帽征”，chapeau de gendarme sign）、头向左侧偏转以及双侧上肢强直性僵硬（以右侧为主）。长程视频脑电图（EEG）显示两簇非对称性强直性发作，头向左侧偏转，继之以左上肢抬起。睡眠中亦观察到三次强直性发作，伴有广泛性快速多棘波与慢波阵发，间歇性睁眼、上视及左或右上肢抬高。这些多棘波与慢波在左侧中颞叶区域最为显著。脑部MRI显示以下多灶性皮质发育不良：（i）左侧顶叶（中央后回）局灶性皮质发育不良（FCD）伴跨层征（transmantle sign，II型FCD）；（ii）右侧顶枕交界区FCD；（iii）左侧颞极FCD。正电子发射断层扫描（PET）显示左侧顶叶、左侧颞叶及右侧顶枕交界区呈低代谢，与MRI上信号异常区域（即FCD病灶）相对应。患者诊断为难治性癫痫，发作半相定型表现为“警帽征”后继发上肢强直，提示可能起源于内侧额叶或岛叶/颞叶区域。建议行广泛双侧立体定向脑电图（sEEG）探查，靶区包括额叶、扣带回、岛叶及各发育不良区域。在颅内脑电图（iEEG）监测期间，患者出现典型发作，表现为“警帽征”后继发右侧或左侧上肢强直性抬高或屈曲，脑电图起始广泛，以双侧前岛叶区域最为显著。多灶性发作间期放电（IEDs）主要见于双侧前颞叶及背外侧额叶皮层，包括双侧岛叶。基于iEEG记录所进行的电刺激成像（ESI）进一步确认了癫痫发作起始区（SOZ）的位置，临床定义为双侧背外侧额叶皮层及前岛叶区域。

作为术前评估的一部分，对同步采集的脑磁图（MEG）和高密度脑电图（HD-EEG）数据进行了源定位分析。MEG 和 HD-EEG 记录显示双侧额颞区频繁出现痫样放电（IEDs）。图3A 展示了 MEG 和 HD-EEG 数据中一次典型 IED 的示例；两种模态的地形图场电位分布均提示可能的源位于右侧额颞区域。电生理源成像（ESI）结果显示偶极子呈弥散分布，涉及双侧额颞区及顶叶区域。磁源成像（MSI）结果显示偶极子集中在右侧额颞叶，位置靠近右侧岛叶。联合电磁源成像（EMSI）结果显示双侧额颞区存在局灶性偶极子簇，这与基于颅内脑电图（iEEG）金标准所进行的 ESI 结果一致，并证实了临床观察结果（图3C）。通过 EMSI 估计的这些偶极子与 iEEG 定义的癫痫发作起始区（SOZ）之间的平均距离为 9.81 mm（中位数：11.18；标准差：2.37）。

病例2：一名13岁男性因难治性癫痫入院，该患者自9岁起开始出现癫痫发作。发作起始表现为先兆，随后出现向左的头眼偏斜，有时意识保留，伴有左侧头部局灶性阵挛，持续约30秒，每周发作数次。曾尝试多种抗癫痫药物（ASMs），但均未能控制发作。长期视频脑电图（EEG）监测显示右侧后颞区棘波，以及右侧半球频繁的棘-慢波放电，累及中颞、额颞、颞顶和中央顶区皮层。患者共记录到6次电-临床发作，表现为行为改变、头眼向左偏斜伴左上肢伸展，有时伴有左上肢阵挛性活动；另有3次发作进展为双侧强直阵挛性发作。发作起始部位主要位于右侧中颞叶，并向右侧额颞叶区域扩散。脑部MRI显示右侧大脑半球广泛皮层发育畸形（以岛盖区为主），伴有右侧大脑半球轻度容积缩小及右侧侧脑室代偿性扩大。患者被诊断为起源于右侧大脑半球的难治性癫痫，倾向于在弥漫性皮层发育不良区域内的颞叶及岛盖区起始。为明确病变累及范围，进行了立体定向脑电图（stereo-EEG）检查，电极植入右侧颞叶、岛盖区、岛叶及顶枕皮层。在颅内脑电图（iEEG）监测期间捕捉到多次电-临床局灶性起始发作，发作起始最显著区域位于右侧额颞叶的较大范围区域。基于iEEG数据进行的癫痫源成像（ESI）将这些发作更精确地定位于一个较局限的区域，包括右侧颞叶（靠近右侧中颞回）及岛盖区。

作为术前评估的一部分，在同步进行脑磁图（MEG）和高密度脑电图（HD-EEG）检查期间，患者共经历了两次癫痫发作：一次发生在数字化过程中坐在木椅上时，另一次发生在正式记录期间，其发作起始在MEG和HD-EEG上均可清晰观察到（图4A）。发作起始时刻的拓扑场图和电位图显示，癫痫发作起始的潜在发生源可能位于右侧中颞叶，如图4A所示。对发作事件的源定位分析中，电生理源成像（ESI）与磁生理源成像（MSI）呈现出不同的结果：ESI显示偶极子主要集中于右侧额颞叶及中央顶叶区域，而MSI显示偶极子高度聚集，主要位于右侧颞叶（图4B），并在额颞皮层区域存在额外的散在偶极子。通过整合这两种方法的结果，联合源成像（EMSI）揭示出发作起始灶定位于颞叶，该结果与颅内脑电图（iEEG）金标准下的ESI结果一致（图4B）。特别地，EMSI所得定位结果与iEEG监测所定义的致痫区（SOZ）之间的平均距离为12.21 mm（中位数：13.62 mm；标准差：2.37 mm）。

病例3：一名15岁女性患者，患有局灶性特发性癫痫，因癫痫发作入院。该患者自13岁起出现癫痫发作，但回顾性分析提示可能早在8至9岁时即已发病，当时因反复、刻板的颈部运动被诊断为抽动症。患者表现为短暂的向左头部倾斜，有时进展为伴有过度运动行为的局灶性意识障碍性癫痫发作（即继发全面性强直-阵挛发作），并伴有夜间惊厥性发作。曾尝试多种抗癫痫药物（ASMs）治疗，但未能实现完全的发作控制。在长程视频脑电图（EEG）监测期间，患者出现局灶性电-临床发作，并继发全面性扩散，发作起源于左侧后颞叶；同时记录到多次短暂的局灶性运动性发作，表现为向左头部倾斜；另有一次细微的脑电图发作，起源于左侧中央顶区皮层。脑MRI未发现急性颅内异常，但显示存在Chiari I型畸形。头部正电子发射断层扫描-计算机断层扫描（PET-CT）检查结果为阴性。建议进一步检查，包括发作期单光子发射CT（SPECT）、同步脑磁图（MEG）与高密度脑电图（HD-EEG）、颈椎X线片、头颈部磁共振血管成像（MRA），以及最终对左侧大脑半球进行立体定向脑电图（sEEG）探查。

作为评估的一部分，患者接受了同步的脑磁图（MEG）和高密度脑电图（HD-EEG）记录，以定位重要的脑功能区，例如初级视觉、运动、听觉和体感皮层。首先，患者完成了一项视觉-运动任务，随后进行听觉和体感刺激。视觉刺激诱发的首个皮层反应在刺激开始后约70 ms出现，该反应在MEG和HD-EEG中均可观测到（图5A）。图5B分别展示了MEG和HD-EEG在视觉刺激过程中所涉及皮层区域的场拓扑图和电位图。在HD-EEG中，覆盖枕叶脑区的电极通道显示出极性变化，而在相同区域的MEG则表现出更为复杂的场分布（图5B）。采用dSPM进行源定位分析，发现在此时间点，Desikan-Killiany图谱中的以下脑区存在局灶性皮层活动：（i）MSI的楔叶；（ii）ESI的外侧枕叶皮层；以及（iii）EMSI的楔叶和外侧枕叶皮层（图5C）。对视觉皮层反应进行时频分析，结果显示MSI（约30–50 Hz）、ESI（约40–50 Hz）和EMSI（约30–50 Hz）在伽马频段均出现事件相关同步化（ERS）（图5D）。在运动诱发反应中，运动起始期间对侧M1区的μ节律活动受到抑制（图6A）。在图6B中，我们分别展示了MEG和HD-EEG在运动任务期间激活脑区的场拓扑图和电位图。MEG场图显示对侧中央脑区的磁通入和磁通出发生明显变化，提示可能存在位于对侧M1区的局灶性源发生器（图6B）。HD-EEG电位图在相同区域显示出局灶性极性变化，其电位方向垂直于磁场（图6B）。在执行敲击任务时，MSI、ESI和EMSI在Desikan-Killiany图谱中的对侧中央前回均观测到最大源激活峰值，如图6C所示。在预期即将进行敲击运动期间出现的运动相关皮层反应中，MSI（约20–30 Hz）和EMSI（约20–40 Hz）在β和γ频段出现ERS，ESI在γ频段（约30–50 Hz）出现ERS，文献中将此现象称为μ节律抑制（图6D）55,56。听觉刺激诱发的MEG和HD-EEG反应分别在刺激开始后约80 ms和120 ms出现最大正向峰值（图7A）。在图7B中，我们分别展示了MEG和HD-EEG在听觉刺激过程中所涉及皮层区域的场拓扑图和电位图。在MEG和HD-EEG中，覆盖左侧颞叶脑区的传感器均显示出明显的极性变化，具有清晰定义的负极和正极；这些相互垂直的磁场和电位图可能提示V1区存在一个局灶性源发生器（图7B）。对平均听觉诱发场和电位进行源定位分析，结果显示MSI、ESI和EMSI在Desikan-Killiany图谱中的横颞回和颞上回后部均出现最大皮层激活（图7C）。对听觉诱发反应进行时频分析，结果显示MSI（约40–60 Hz）和EMSI（约35–50 Hz）在γ频段出现ERS，ESI在β和γ频段（约25–60 Hz）出现ERS（图7D）。最后，MEG和HD-EEG分别在刺激开始后约60 ms和50 ms观测到对触觉刺激的首个皮层活动（图8A）。在图8B中，我们分别展示了MEG和HD-EEG在体感刺激过程中激活脑区的场拓扑图和电位图。MEG场图显示，覆盖对侧顶叶区域的传感器中磁通量发生明显极性变化和显著改变，而HD-EEG电位图在相同区域的极性变化较不明显，且正极强度强于负极。这些相互垂直的磁场和电位图可能提示S1区存在一个局灶性皮层发生器。对平均体感诱发反应采用dSPM进行源分析，结果显示在Desikan-Killiany图谱的对侧中央后回，MSI、ESI和EMSI在该时间点均出现最大皮层源活动（图8C）。在对触觉刺激的反应中，还观测到MSI（约15–40 Hz）和EMSI（约20–40 Hz）在β和γ频段出现ERS，ESI在γ频段（约30–40 Hz）出现ERS（图8D）。

MEG脑成像装置；佩戴传感器阵列的受试者；神经科学研究；数据采集。
图1：CCHCS实验室中同步进行MEG与高密度EEG的实验装置示意图。（A）高密度EEG（256通道）与MEG（306个传感器）系统，其中MEG设备的机架调整为仰卧位（90°，水平位置），以便使用非磁性MEG兼容床进行静息态或睡眠状态下的记录。技术人员正在为受试者（一名9岁女孩）准备记录过程，同时确保其安全与舒适。（B）使用非磁性MEG兼容座椅，将高密度EEG与MEG系统设置为坐姿记录模式。技术人员正在为受试者准备记录，并确保其在屏幕前的正确位置，以便在视觉运动任务期间投射视觉刺激。请点击此处查看该图的放大版本。

MEG与高密度EEG联合记录示意图；同步测量中的漂移分析及传感器对准。
图2：使用不同采集系统同步记录MEG与高密度EEG数据的技术要点。（A）MEG与高密度EEG传感器的空间对准（共配准），即将两者对齐至同一坐标系（由受试者头部坐标定义），图中为一名代表性受试者（9岁女孩）。受试者的头部坐标由以下标志点表示：鼻根点（绿色）、左/右耳前点（分别为红色和蓝色）。图中显示了306个MEG传感器（蓝色）——包括102个磁强计和204个平面梯度计——以及头部位置指示线圈（HPI线圈，品红色）；所有传感器均对齐至同一坐标系，同时显示256个高密度EEG通道（粉红色）。（B）左侧面板：代表性受试者（9岁女孩）MEG与高密度EEG系统间数据采样发生的线性漂移（即delta，以黑线表示）。Delta定义为同一触发信号发送至MEG与EEG系统的时间差的绝对值，其值随时间持续增加：从低值（delta = 0 ms）到高值（delta = 197 ms）。图中用蓝色虚线表示通过多项式函数估计并用于信号校正的线性漂移；经校正后的漂移（delta ~0 ms，随时间保持稳定）表示MEG与EEG系统间的时间同步，以红色虚线表示。右侧面板：显示对发送至MEG与EEG系统的最后一个触发信号估计的时间偏移（delta = 197 ms）的图示。请点击此处查看该图的放大版本。

MEG与HD-EEG同步记录的发作间期棘波图；包含源定位与前向模型。
图3：MEG与HD-EEG数据中的发作间期癫痫样放电（IEDs）。（A）一名10岁女性（病例1）频繁出现IEDs，其MEG与HD-EEG同步记录的时间片段（10秒）。为便于可视化，从中选取了306个MEG传感器和256个EEG电极的一部分。在子图中分别展示了MEG和HD-EEG在IED峰值时刻的磁场拓扑图和电位分布图。（B）MEG与HD-EEG传感器（黄色）在被试个体三维头部及皮层表面（蓝色）上的共配准位置。采用基于术前MRI重建的三层面真实边界元法（BEM）头部模型，包括头皮（灰色）、外颅骨（黄色）和内颅骨（粉色）。（C）基于等效电流偶极子（ECD）方法对IEDs进行源定位聚类分析的结果，显示在被试个体的术前MRI上，包括ESI、MSI、EMSI以及iEEG上的ESI（金标准）52。偶极子聚类程度的热图显示拟合优度>60%的区域，颜色从低值（蓝色）到高值（红色）变化。通过iEEG数据进行ESI所确定的癫痫发作起始区被视为金标准（橙色和绿色圆圈）。请点击此处查看该图的放大版本。

MEG 与高密度脑电图中的癫痫发作起始分析；通过等效电流偶极子聚类进行源定位；MRI 结果。
图 4：MEG 与高密度脑电图（HD-EEG）数据中的癫痫发作起始。（A）一名13岁男性患者（病例2）在癫痫发作起始时同步记录的 MEG 与 HD-EEG 数据片段（10 秒，红色箭头指示发作起始时刻）。为便于可视化，从中选取了306个 MEG 传感器和256个 EEG 电极的一个子集。发作起始时刻的 MEG 和 HD-EEG 场电位拓扑图分别以内嵌图形式显示。（B）利用等效电流偶极子（ECD）方法在发作起始时刻进行源定位聚类分析的结果，显示于该受试者术前 MRI 图像上，包括 ESI、MSI、EMSI 以及 iEEG 上的 ESI（金标准）52。偶极子聚类热图显示拟合优度 >60% 的区域，颜色由低（蓝色）到高（红色）表示。通过 iEEG 数据进行 ESI 分析所确定的癫痫发作起始区被视为金标准（蓝色圆圈）。请点击此处查看该图的放大版本。

视觉诱发电位；MEG、高密度脑电图示意图；激活、时频分析；神经科学研究。
图 5：来自 MEG 和高密度脑电图（HD-EEG）数据的视觉诱发电场和电位。（A）显示了一名15岁女性在-100 ms至300 ms时间区间内MEG（上图）和高密度脑电图（下图）的平均视觉诱发电位响应。（B）分别显示了初级视皮层的MEG和高密度脑电图的场电位拓扑图和电位分布图。（C）利用动态统计参数映射（dSPM）方法，分别对磁源成像（MSI）、电源成像（ESI）和联合磁电成像（EMSI）估计出的Desikan-Killiany图谱中的脑区（即楔叶和外侧枕叶皮层）皮层激活最大振幅的源激活图。显示了源激活的热图（dSPM标准化z分数）。（D）在-100 ms至300 ms时间窗内，对初级视皮层的视觉诱发电位响应进行Morlet小波时频分解所得到的时频图。显示了时频功率的热图，其数值以标准化数据相对于基线[-200; 0] ms均值的偏差百分比表示。请点击此处查看该图的高清版本。

运动诱发电位反应；MEG/高密度EEG图、拓扑图、激活图、时频分析。
图6：来自MEG和高密度EEG数据的运动诱发电场与电位。（A）显示了一名15岁女性在左手食指敲击任务中，MEG（上图）和高密度EEG（下图）在-100至300 ms时间区间内的平均运动诱发电位反应。肌电图（EMG）信号（中图）显示了-100 ms至300 ms时间区间内的运动起始时刻（紫色箭头）；该信号经30–300 Hz频段滤波（陷波滤波：60 Hz）。（B）分别显示了MEG和高密度EEG的初级运动皮层拓扑电场与电位图。（C）分别采用动态统计参数映射（dSPM）方法估计MSI、ESI和EMSI在Desikan-Killiany图谱对侧中央前回处皮层激活的最大振幅，其源激活图一并显示。热图表示源激活强度（dSPM归一化z分数），并叠加中央沟（黑线）。（D）采用Morlet小波时频分解方法，在初级运动皮层的运动诱发电位反应上获得-300 ms至500 ms时间窗的时频图。热图显示时频功率，以归一化数据相对于基线[-1500; -1000] ms均值的偏差百分比表示。请点击此处查看此图的放大版本。

MEG 和 HD-EEG 听觉反应；地形图、激活图、时频分析图。
图 7：来自 MEG 和 HD-EEG 数据的听觉诱发电场和电位。（A）显示了一名15岁女性在-100 ms至300 ms时间区间内的MEG（上图）和HD-EEG（下图）平均听觉诱发电反应。（B）分别显示了MEG和HD-EEG的初级听觉皮层的电场地形图和电位图。（C）利用动态统计参数映射（dSPM）方法，分别对MSI、ESI和EMSI在Desikan-Killiany图谱的横颞回及颞上回后部估计出皮层激活最大振幅的源激活图。显示了源激活的热图（dSPM标准化z分数）。（D）使用Morlet小波时频分解方法，在-100至300 ms时间窗内对初级听觉皮层的听觉诱发电反应进行分析得到的时频图。显示了时频功率的热图，其值以标准化数据相对于基线[-500; 0] ms均值的偏差百分比表示。请点击此处查看该图的放大版本。

体感诱发电反应；MEG、高密度脑电图（HD-EEG）图谱；拓扑图、激活图、时频图。
图8：基于MEG与高密度脑电图（HD-EEG）数据的体感诱发电场与电位。（A）一名15岁女性受试者在左侧手指刺激后，于-100至300 ms时间窗内，MEG（上图）与HD-EEG（下图）记录的平均体感诱发电反应。（B）分别显示MEG与HD-EEG在初级体感皮层的场强与电位拓扑图。（C）采用动态统计参数映射（dSPM）方法，分别对MSI、ESI与EMSI估算出的Desikan-Killiany图谱对侧中央后回处皮层激活的最大振幅源定位图。热图显示源激活强度（dSPM标准化z分数），并叠加中央沟（黑线）。（D）在初级体感皮层，对体感诱发电反应采用Morlet小波时频分解方法，在-100 ms至300 ms时间窗内获得的时频图。热图显示时频功率，以标准化数据相对于基线期[-100; 0] ms均值的偏差百分比表示。请点击此处查看该图的放大版本。

讨论

本研究展示了在儿童癫痫持续状态（DRE）患者静息/睡眠、执行任务或接受刺激时，同步记录脑磁图（MEG）和高密度脑电图（HD-EEG）的实验设置，并提出了一种利用联合源成像（EMSI）以及个体化的MEG源成像（MSI）和EEG源成像（ESI）来定位激惹区、癫痫发作起始区（SOZ）和功能重要脑区的方法学框架。我们进一步提供了技术建议，用于整合来自不同商用设备的MEG与HD-EEG数据，这些设备各自具有独特的特性。我们展示了三个病例的数据，以增强EMSI在定位致痫区和功能重要脑区方面的临床实用性。研究结果表明，EMSI的效果优于单独使用任一模态的结果，这很可能归因于MEG与EEG信号在联合分析中互补特性的叠加效应，也可能得益于用于数据记录的传感器数量增加（>550个传感器）。特别是，EMSI以非侵入方式定位了激惹区和SOZ，其结果与颅内脑电图（iEEG）金标准下的ESI结果一致，证实了临床观察结果。

本研究所提出的方法包括以下关键步骤：（i）对药物难治性癫痫患儿，采集高质量的同步脑磁图（MEG）与高密度脑电图（HD-EEG）数据（即高信噪比），传感器空间采样密度高（>550个传感器），覆盖全脑，记录包括发作间期和发作期活动，以及视觉、运动、听觉和体感诱发电场与电位的数据（步骤3.1–3.2）；（ii）对使用不同采集系统记录的MEG与HD-EEG信号进行时间同步与空间共配准（步骤3.12）；（iii）仔细进行数据预处理，并分别选取包含发作间期活动（步骤4.1.1–4.1.7）、发作起始活动（步骤4.2.1–4.2.7）以及事件相关反应（步骤4.3.1–4.3.6）的数据片段；（iv）采用可靠的源定位方法（例如结合聚类分析的等效偶极子模型ECDs和dSPM），精确进行致痫区、发作起始区（SOZ）以及感兴趣功能脑区的源定位（分别对应步骤4.1.8–4.1.9、4.2.8–4.2.9以及4.3.7–4.3.9）。

进行同步 MEG 和高密度 EEG 记录时最关键的步骤是实现两种采集系统所记录数据的空间同步（坐标系之间的对齐）和时间同步（线性时钟漂移的校正）。这种同步对于准确识别在 MEG 和高密度 EEG 信号中同时发生的间歇期、发作期以及视觉/运动/听觉/触觉事件至关重要。这些事件的时间点选择错误可能会影响源定位结果，并识别出并不一定参与这些事件产生的脑区。

MEG 系统通常提供兼容的 32、64 和 128 导 EEG 系统，集成于产品中，用于同步进行 MEG 和 EEG 测量。在这种情况下，无需通过发送公共触发信号来实现数据的时间同步。同样，目前大多数 EEG 系统均可与所有 MEG 系统兼容。尽管硬件技术已有上述进展，但仅有少数癫痫中心在术前评估中常规开展同步 MEG 与高密度 EEG（HD-EEG）记录。本文充分利用了这种集成能力，结合了 306 导 MEG 与 256 导 EEG 系统，使用覆盖受试者头部的 >550 个传感器同步记录脑活动。迄今为止，可用于 MEG、HD-EEG 和颅内 EEG（iEEG）数据高级分析的软件仍较少（例如 Brainstorm、CURRY、EEGLab、FieldTrip、MNE 或 NUTMEG）。因此，未来研究有必要利用新的神经影像分析软件对所提出的方法学进行验证。最后，将磁源成像（MSI）与电源成像（ESI）整合为统一解决方案（EMSI），增加了数据分析的计算复杂性。

所述方法存在一些局限性，需在今后的研究中加以解决。我们手动选取了两名代表性患者在MEG和高密度EEG数据中同时出现的痫样放电事件（IEDs），而忽略了仅在其中一种信号（MEG或EEG）中出现的间歇期痫样放电。手动选取放电事件可能耗时较长且具有主观性，而过去几十年开发的用于检测IEDs的自动化方法可简化这一过程。57,58,59然而，仍建议通过视觉检查对每个痫样放电（IED）进行仔细分析和精确识别。此外，我们采用痫样放电区（SOZ）作为癫痫发生区（EZ）的近似指标。但SOZ并不总能预测手术预后效果。60,61,62,63因此，未来的研究可将手术结果作为确定癫痫灶（EZ）更精确边界的标准依据13,14,15,16,17,19,20尽管可以通过同步使用 MEG 和 EEG 成功捕获癫痫发作，并利用适当的源定位技术进行定位44,64在临床实践中，记录此类发作事件相对罕见，尤其是正在服用抗癫痫药物（ASMs）的门诊患者。这主要是由于脑磁图（MEG）记录时间有限，以及发作期间常出现大幅度的身体运动（例如患者头部滑出杜瓦瓶），这些运动可能产生生物伪迹，严重影响源定位结果。在最近的一篇综述中，Stefan 等人. 报道了在不同研究中，7%至24%的患者在进行MEG记录期间出现癫痫发作，记录时间从平均30分钟至最长5.7小时不等65. 在CCMC，过去约两年内接受同步MEG和HD-EEG记录的89例患者中，有18例（20.2%）捕捉到发作期事件。然而，这18例患者中仅有8例（44.4%）成功完成分析。当发作间期MEG记录显示正常或结果不明确时，发作期MEG或HD-EEG可用于高精度定位癫痫灶（EZ）。但此类记录的技术和操作要求需予以充分考虑。此外，通过EMSI对功能区皮层进行定位的代表性数据尚未与任何功能脑区定位的金标准（如无创性fMRI或术中皮层电刺激）进行比较。因此，未来的研究可将EMSI与fMRI相结合，开发一种多模态无创成像工具，以提高对药物难治性癫痫（DRE）患儿功能区脑区的定位准确性。该方法还可进一步拓展至其他功能脑区的定位，例如语言功能区。在DRE患者的术前评估中，语言功能的定位至关重要，有助于判断患者是否适合手术、规划手术切除范围，并预防术后永久性功能缺损。66多项非侵入性研究显示，使用MEG进行语言定位所获得的结果与有创的Wada试验具有较高的一致性，而Wada试验通常被视为识别优势语言半球的金标准。67,68,69,70最近一项研究提出了一种多模态方法，该方法结合多种技术（即皮层电刺激定位、高伽马波段皮层脑电图、功能性磁共振成像和经颅磁刺激），可为术前语言功能区定位提供相互验证和互补的信息71尽管具有这些优势，由于年龄相关的认知、智力和语言障碍，儿童患者中的语言区定位仍然具有挑战性。因此，在不久的将来应开发更多适合不同年龄段且对儿童友好的任务范式和实验设置。本研究中，我们使用的软件尚未获得用于临床目的的认证，尽管这些工具已被证明具有重要价值和有效性，但在报告用于临床手术前评估的结果时，仍需考虑其潜在的责任问题。本文描述了仅使用基于海绵电极的高密度脑电图（HD-EEG）系统进行记录的操作流程。在临床和科研实践中，基于导电胶的脑电电极系统也被广泛使用。虽然这类系统可提供信噪比更高的脑电记录，但其准备时间较长（约40–60分钟），因此在儿科应用中适用性较低。此外，一些实验室在进行脑磁图（MEG）记录时采用低密度导电胶脑电系统，这类系统在准备时间方面优于高密度脑电系统，但由于覆盖全头皮的电极数量较少，其空间分辨率显著降低12,16,72,73.

目前，癫痫患者致痫区的定位仍主要依赖于颅内脑电图（iEEG）监测。此外，对于重要功能脑区的精确定位方法尚不明确，且现有的脑磁图（MEG）实验室所采用的实验装置并不适合儿科患者，而高密度脑电图（HD-EEG）在该领域的应用也非常有限。准确识别这些脑区有助于术前评估，并优化针对病灶切除或iEEG电极植入的手术规划。迄今为止，已有若干研究探讨了脑电源成像（ESI）或脑磁源成像（MSI）在药物难治性癫痫（DRE）及局灶性癫痫患者术前评估中的作用，用于定位癫痫区（EZ）12,13,14,15,16,17,18,19 以及体感皮层等重要功能区41。少数研究表明，相较于单独使用MSI或ESI，联合脑磁-电源成像（EMSI）在源定位精度和预后预测性能方面表现更优13,31,42。尽管有上述研究进展，MEG与EEG同步记录仍极少开展，且MSI和ESI技术仅在全球少数癫痫中心得以应用。据我们所知，本研究是首个为儿童癫痫患者提供同步采集与分析MEG和HD-EEG数据的方法指导，并开展EMSI以无创识别激惹区、发作起始区（SOZ）以及重要功能脑区（包括初级视觉、运动、听觉和体感皮层）的研究。

在此，我们对两名药物难治性癫痫（DRE）患者（病例1和病例2）同步采集的非侵入性数据中检测到的发作间期棘波和发作期事件进行了EMSI分析，得到的源定位误差分别约为9 mm和12 mm（相对于癫痫发作起始区SOZ），与既往研究结果一致。42令人印象深刻的是，该方法实现的定位精度可与颅内记录结果（即基于颅内脑电图数据的癫痫源成像）相媲美，所定位的偶极子簇集区域与临床观察所确定的致痫脑区高度一致。图3C 和 图4B）。利用来自第三位具有DRE的代表性患者（病例3）的非侵入性数据，我们还对视觉、运动、听觉和体感诱发活动进行了EMSI分析，发现相应功能脑区（即视觉、运动、听觉和体感皮层）存在显著的源激活模式（图5C, 图6C, 图7C, 和 图8C).

我们的结果源于脑磁图（MEG）和脑电图（EEG）两种模态所获取的互补信息的融合，这种融合可能提高定位的准确性。众所周知，EEG能够反映所有颅内电流，而MEG主要对切向源敏感，对深部脑区源不敏感29,74。本研究结果表明，结合MEG和EEG因此可以克服各自模态的局限性，提供更优的定位结果，并识别出单独使用EEG源成像（ESI）或MEG源成像（MSI）时可能遗漏的致痫区和功能重要脑区。此外，我们提出了一种替代性的无创方法，即在术前评估期间未接受功能磁共振成像（fMRI）检查的患者中，利用EMSI来定位功能重要脑区。

使用无创技术（如同步进行的脑磁图MEG和脑电图EEG）对致痫区及功能重要脑区进行定位，是药物难治性癫痫（DRE）患儿术前评估中的关键步骤，旨在完全切除或断开癫痫灶（EZ）的同时保护功能皮层区域。本研究所提出的方法学详细描述了同步MEG与EEG数据的采集与分析流程，不仅支持其在癫痫术前评估中的应用，还可用于认知神经科学领域，以探究正常发育儿童及健康成人健康大脑的生理功能，以及与癫痫或其他神经系统疾病相关的脑形态与功能改变。未来针对致痫脑网络的研究还可进一步评估：利用同步MEG与高密度EEG（HD-EEG）数据通过EMSI无创估算的网络枢纽（即高度连接的脑区），是否比仅使用MSI和/或ESI方法估算的结果能更准确地定位DRE患儿的EZ75,76,77。此外，通过EMSI估算的癫痫样放电及涟波（即高频振荡，>80 Hz）的时空传播模式的无创映射，有助于更深入理解癫痫样活动传播的病理生理机制，并可无创评估此类传播的起始发生器——这是EZ的一个精确生物标志物78,79。本方案还可通过分析MEG与EEG传感器阵列对不同方向源信号的敏感性，进一步研究MEG与EEG系统之间的互补性。此类分析可为同步进行MEG与HD-EEG时脑电生理特性的研究提供新的见解。

披露

作者声明无利益冲突。

致谢

本工作由国家神经疾病与中风研究所（R01NS104116；R01NS134944；主要研究者：Christos Papadelis）资助。

材料

本文使用的材料清单
姓名公司目录编号评论
AIRSTIM 设备SD InstrumentsN/ASDI AIRSTIM 系统是一种替代电击的非条件刺激手段
婴儿洗发水 Johnson'sN/A婴儿洗发水对眼睛的温和程度堪比纯净水，专为轻柔清洁婴儿’娇嫩的头发和头皮而设计。 
Control III 消毒清洁液Maril Products, Inc.http://www.controlthree.com/专为医院配制的消毒剂和杀菌溶液
Elekta NeuromagTRIUXNM24132A一种综合性生物电磁测量系统，配备306通道神经磁强计，用于功能性脑研究
FASTRAKPolhemus 技术NS-7806FASTRAK 采用交变电磁技术，可提供精确的位置和方向数据，几乎无延迟。通过单一磁源，FASTRAK 可同时为最多四个传感器提供数据。磁源发射电磁场，处于有效范围内的传感器可被完整追踪其六自由度（6DOF）运动。系统设置简单直观，无需用户校准。
Genuine Grass 可重复使用杯状脑电电极Natus Medical, Inc.N/A每枚 Genuine Grass 脑电电极均经过严格机械和电气测试，确保长久使用寿命，实现无与伦比的记录清晰度和可靠性
Geodesic 传感器网Electrical Geodesics, Inc.S-MAN-200-GSNR-001包含32至256个电极，可置于人头部以采集高密度阵列脑电图数据
GeoScan 传感器数字化系统Electrical Geodesics, Inc.8100550-03手持式扫描仪及软件，用于三维电极位置注册
Natus Xltek NeuroWorksNatus Medical, Inc.https://natus.com/Natus NeuroWorks 平台简化了常规脑电图检测、动态脑电图、长期监测、重症监护病房监测及科研研究中的数据采集、监控与管理流程
Natus NeuroWorks 脑电图软件Natus Medical, Inc.https://natus.com/neuro/neuroworks-eeg-software/NeuroWorks 脑电图软件简化了脑电图检测数据的采集、监控、趋势分析和管理过程，使医护人员能够节省时间，专注于提供最佳诊疗服务
ROSA ONE BrainZimmer Biomethttps://www.zimmerbiomet.com/en/products-and-solutions/zb-edge/robotics/rosa-brain.htmlROSA ONE Brain 是一种机器人解决方案，可协助外科医生通过颅骨上的微小钻孔规划并执行复杂的神经外科手术 
Ten20 导电膏Weaver and companyN/ATen20 含有适当的黏附性与导电性平衡成分，可使电极稳固贴合，同时允许电信号有效传导

参考文献

  1. Oldham, M. S., Horn, P. S., Tsevat, J., Standridge, S. Costs and clinical outcomes of epilepsy surgery in children with drug-resistant epilepsy. Pediatr Neurol. 53 (3), 216-220 (2015).
  2. Willie, J. T., et al. Real-time magnetic resonance-guided stereotactic laser amygdalohippocampotomy for mesial temporal lobe epilepsy. Neurosurgery. 74 (6), 569-584 (2014).
  3. Rosenow, F., Lüders, H. Presurgical evaluation of epilepsy. Brain. 124, Pt 9 1683-1700 (2001).
  4. Önal, Ç, et al. Complications of invasive subdural grid monitoring in children with epilepsy). J Neurosurg. 98 (5), 1017-1026 (2003).
  5. Hader, W. J., et al. Complications of epilepsy surgery-a systematic review of focal surgical resections and invasive EEG monitoring. Epilepsia. 54 (5), 840-847 (2013).
  6. Meng, Y., et al. Risk factors for surgical site infection after intracranial electroencephalography monitoring for epilepsy in the pediatric population. J Neurosurg Pediatr. 22 (1), 31-36 (2018).
  7. Jobst, B. C., et al. Intracranial EEG in the 21st Century. Epilepsy Curr. 20 (4), 180-188 (2020).
  8. Schwartz, E. S., et al. Magnetoencephalography for pediatric epilepsy: how we do it. AJNR Am J Neuroradiol. 29 (5), 832-837 (2008).
  9. Michel, C. M., et al. Electric source imaging of human brain functions. Brain Res Rev. 36 (2-3), 108-118 (2001).
  10. Michel, C. M., He, B. EEG source localization. Handb Clin Neurol. 160, 85-101 (2019).
  11. Michel, C. M., Brunet, D. EEG source imaging: A practical review of the analysis steps. Front Neurol. 10, 325(2019).
  12. Plummer, C., et al. Interictal and ictal source localization for epilepsy surgery using high-density EEG with MEG: a prospective long-term study. Brain. 142 (4), 932-951 (2019).
  13. Duez, L., et al. Electromagnetic source imaging in presurgical workup of patients with epilepsy: A prospective study. Neurology. 92 (6), e576-e586 (2019).
  14. Mouthaan, B. E., et al. Diagnostic accuracy of interictal source imaging in presurgical epilepsy evaluation: A systematic review from the E-PILEPSY consortium. Clin Neurophysiol. 130 (5), 845-855 (2019).
  15. Pellegrino, G., et al. Clinical yield of magnetoencephalography distributed source imaging in epilepsy: A comparison with equivalent current dipole method. Hum Brain Mapp. 39 (1), 218-231 (2018).
  16. Tamilia, E., et al. Assessing the localization accuracy and clinical utility of electric and magnetic source imaging in children with epilepsy. Clin Neurophysiol. 130 (4), 491-504 (2019).
  17. Coito, A., et al. Interictal epileptogenic zone localization in patients with focal epilepsy using electric source imaging and directed functional connectivity from low-density EEG. Epilepsia Open. 4 (2), 281-292 (2019).
  18. Singh, J., Ebersole, J. S., Brinkmann, B. H. From theory to practical fundamentals of electroencephalographic source imaging in localizing the epileptogenic zone. Epilepsia. 63 (10), 2476-2490 (2022).
  19. Brodbeck, V., et al. Electrical source imaging for presurgical focus localization in epilepsy patients with normal MRI. Epilepsia. 51 (4), 583-591 (2010).
  20. Santalucia, R., et al. Clinical added value of interictal automated electrical source imaging in the presurgical evaluation of MRI-negative epilepsy: A real-life experience in 29 consecutive patients. Epilepsy Behav. 143, 109229(2023).
  21. Schneider, F., et al. Magnetic source imaging in non-lesional neocortical epilepsy: additional value and comparison with ICEEG. Epilepsy Behav. 24 (2), 234-240 (2012).
  22. Hämäläinen, M., Hari, R., Ilmoniemi, R. J., Knuutila, J., Lounasmaa, O. V. Magnetoencephalography-theory, instrumentation, and applications to noninvasive studies of the working human brain. Rev Mod Phys. 65, 413-497 (1993).
  23. Baillet, S., Mosher, J. C., Leahy, R. M. Electromagnetic brain mapping. IEEE Signal Process Mag. 18 (6), 14-30 (2001).
  24. Fuchs, M., Kastner, J., Tech, R., Wagner, M., Gasca, F. MEG and EEG dipole clusters from extended cortical sources. Biomed Eng Lett. 7 (3), 185-191 (2017).
  25. Singh, S. P. Magnetoencephalography: Basic principles. Ann Indian Acad Neurol. 17, Suppl 1 S107-S112 (2014).
  26. Ahlfors, S. P., Han, J., Belliveau, J. W., Hämäläinen, M. S. Sensitivity of MEG and EEG to source orientation. Brain Topogr. 23, 227-232 (2010).
  27. Kim, H., Chung, C. K., Hwang, H. Magnetoencephalography in pediatric epilepsy. Korean J Pediatr. 56 (10), 431-438 (2013).
  28. Gorjan, D., Gramann, K., De Pauw, K., Marusic, U. Removal of movement-induced EEG artifacts: Current state of the art and guidelines. J Neural Eng. , (2022).
  29. Barkley, G. L., Baumgartner, C. MEG and EEG in epilepsy. J Clin Neurophysiol. 20 (3), 163-178 (2003).
  30. Ebersole, J. S., Ebersole, S. M. Combining MEG and EEG source modeling in epilepsy evaluations. J Clin Neurophysiol. 27 (6), 360-371 (2010).
  31. Yoshinaga, H., et al. Benefit of simultaneous recording of EEG and MEG in dipole localization. Epilepsia. 43 (8), 924-928 (2002).
  32. Baumgartner, C. Controversies in clinical neurophysiology. MEG is superior to EEG in the localization of interictal epileptiform activity: Con. Clin Neurophysiol. 115 (5), 1010-1020 (2004).
  33. Barkley, G. L. Controversies in neurophysiology. MEG is superior to EEG in localization of interictal epileptiform activity: Pro. Clin Neurophysiol. 115 (5), 1001-1009 (2004).
  34. Braeutigam, S. Magnetoencephalography: Fundamentals and established and emerging clinical applications in radiology. ISRN Radiol. 2013, 529463(2013).
  35. Papadelis, C., et al. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Pediatr Epilepsy. 2 (1), 73-85 (2013).
  36. Fiedler, P., Fonseca, C., Supriyanto, E., Zanow, F., Haueisen, J. A high-density 256-channel cap for dry electroencephalography. Hum Brain Mapp. 43 (4), 1295(2022).
  37. Sharon, D., Hämäläinen, M. S., Tootell, R. B. H., Halgren, E., Belliveau, J. W. The advantage of combining MEG and EEG: comparison to fMRI in focally-stimulated visual cortex. Neuroimage. 36 (4), 1225(2007).
  38. Pataraia, E., Lindinger, G., Deecke, L., Mayer, D., Baumgartner, C. Combined MEG/EEG analysis of the interictal spike complex in mesial temporal lobe epilepsy. Neuroimage. 24 (3), 607-614 (2005).
  39. Ahmed Mahmutoglu, M., Rupp, A., Baumgärtner, U. Simultaneous EEG/MEG yields complementary information of nociceptive evoked responses. Clin Neurophysiol. 143, 21-35 (2022).
  40. Aydin, Ü, et al. Combined EEG/MEG can outperform single modality EEG or MEG source reconstruction in presurgical epilepsy diagnosis. PLoS One. 10 (3), e0118753(2015).
  41. Bast, T., et al. Combined EEG and MEG analysis of early somatosensory evoked activity in children and adolescents with focal epilepsies. Clin Neurophysiol. 118 (8), 1721-1735 (2007).
  42. Chikara, R. K., et al. Electromagnetic source imaging predicts surgical outcome in children with focal cortical dysplasia. Clin Neurophysiol. 153, 88-101 (2023).
  43. Hari, R., et al. IFCN-endorsed practical guidelines for clinical magnetoencephalography (MEG). Clin Neurophysiol. 129 (8), 1720-1747 (2018).
  44. Bagić, A. I., Knowlton, R. C., Rose, D. F., Ebersole, J. S. American Clinical Magnetoencephalography Society Clinical Practice Guideline 1: Recording and analysis of spontaneous cerebral activity. J Clin Neurophysiol. 28 (4), 348-354 (2011).
  45. Papadelis, C., Chen, Y. H. Pediatric magnetoencephalography in clinical practice and research. Neuroimaging Clin N Am. 30 (2), 239-248 (2020).
  46. De Macedo Rodrigues, K., et al. A FreeSurfer-compliant consistent manual segmentation of infant brains spanning the 0-2 year age range. Front Hum Neurosci. 9, 21(2015).
  47. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Comput Intell Neurosci. 2011, 879716(2011).
  48. Kane, N., et al. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clin Neurophysiol Pract. 2, 170-185 (2017).
  49. Lantz, G., et al. Propagation of interictal epileptiform activity can lead to erroneous source localizations: a 128-channel EEG mapping study. J Clin Neurophysiol. 20 (5), 311-319 (2003).
  50. Vorwerk, J., et al. A guideline for head volume conductor modeling in EEG and MEG. Neuroimage. 100, 590-607 (2014).
  51. Schrader, S., et al. DUNEuro-A software toolbox for forward modeling in bioelectromagnetism. PLoS One. 16 (6), e0252431(2021).
  52. Ntolkeras, G., et al. Presurgical accuracy of dipole clustering in MRI-negative pediatric patients with epilepsy: Validation against intracranial EEG and resection. Clin Neurophysiol. 141, 126-138 (2022).
  53. David, O., Kilner, J. M., Friston, K. J. Mechanisms of evoked and induced responses in MEG/EEG. Neuroimage. 31, 1580-1591 (2006).
  54. Pantev, C. Evoked and induced gamma-band activity of the human cortex. Brain Topogr. 7 (4), 321-330 (1995).
  55. Fox, N. A., et al. Assessing human mirror activity with EEG mu rhythm: A meta-analysis. Psychol Bull. 142 (3), 291-313 (2016).
  56. Genzer, S., Ong, D. C., Zaki, J., Perry, A. Mu rhythm suppression over sensorimotor regions is associated with greater empathic accuracy. Soc Cogn Affect Neurosci. 17 (9), 788-801 (2022).
  57. Janmohamed, M., et al. Moving the field forward: detection of epileptiform abnormalities on scalp electroencephalography using deep learning-clinical application perspectives. Brain Commun. 4 (5), 218(2022).
  58. Bagheri, E., Jin, J., Dauwels, J., Cash, S., Westover, M. B. A fast machine learning approach to facilitate the detection of interictal epileptiform discharges in the scalp electroencephalogram. J Neurosci Methods. 326, 108362(2019).
  59. Thomas, J., et al. Automated detection of interictal epileptiform discharges from scalp electroencephalograms by convolutional neural networks. Int J Neural Syst. 30 (11), 2050030(2020).
  60. Zijlmans, M., Zweiphenning, W., van Klink, N. Changing concepts in presurgical assessment for epilepsy surgery. Nat Rev Neurol. 15 (10), 594-606 (2019).
  61. Akiyama, T., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52 (10), 1802-1811 (2011).
  62. Duncan, J. S., Winston, G. P., Koepp, M. J., Ourselin, S. Brain imaging in the assessment for epilepsy surgery. Lancet Neurol. 15 (4), 420(2016).
  63. Jacobs, J., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann Neurol. 67 (2), 209-220 (2010).
  64. Ricci, L., et al. Virtual implantation using conventional scalp EEG delineates seizure onset and predicts surgical outcome in children with epilepsy. Clin Neurophysiol. 139, 49-57 (2022).
  65. Stefan, H., Rampp, S. Interictal and Ictal MEG in presurgical evaluation for epilepsy surgery. Acta Epileptologica. 2, 11(2020).
  66. Jahangiri, F. R., Chima, G. S., Pearson, M., Jackson, J., Siddiqui, A. A. Mapping of the language cortex. Cureus. 13 (5), e14960(2021).
  67. Merrifield, W. S., Simos, P. G., Papanicolaou, A. C., Philpott, L. M., Sutherling, W. W. Hemispheric language dominance in magnetoencephalography: sensitivity, specificity, and data reduction techniques. Epilepsy Behav. 10 (1), 120-128 (2007).
  68. Wheless, J. W., et al. Magnetoencephalography (MEG) and magnetic source imaging (MSI). Neurologist. 10 (3), 138-153 (2004).
  69. Breier, J. I., Simos, P. G., Zouridakis, G., Papanicolaou, A. C. Lateralization of activity associated with language function using magnetoencephalography: a reliability study. J Clin Neurophysiol. 17 (5), 503-510 (2000).
  70. Pataraia, E., Baumgartner, C., Lindinger, G., Deecke, L. Magnetoencephalography in presurgical epilepsy evaluation. Neurosurg Rev. 25 (3), 141-159 (2002).
  71. Babajani-Feremi, A., et al. Language mapping using high gamma electrocorticography, fMRI, and TMS versus electrocortical stimulation. Clin Neurophysiol. 127 (3), 1822-1836 (2016).
  72. Brodbeck, V., et al. Electroencephalographic source imaging: a prospective study of 152 operated epileptic patients. Brain. 134, Pt 10 2887-2897 (2011).
  73. Sohrabpour, A., et al. Effect of EEG electrode number on epileptic source localization in pediatric patients. Clin Neurophysiol. 126 (3), 472-480 (2015).
  74. Laohathai, C., et al. Practical fundamentals of clinical MEG interpretation in epilepsy. Front Neurol. 12, 722986(2021).
  75. Corona, L., et al. Mapping functional connectivity of epileptogenic networks through virtual implantation. Proceedings of the Annu Int Conf IEEE Eng Med Biol Soc. 2021, 408-411 (2021).
  76. Corona, L., et al. Non-invasive mapping of epileptogenic networks predicts surgical outcome. Brain. 146 (5), 1916-1931 (2023).
  77. Rijal, S., et al. Functional connectivity discriminates epileptogenic states and predicts surgical outcome in children with drug resistant epilepsy. Sci Rep. 13 (1), 9622(2023).
  78. Tamilia, E., et al. Noninvasive mapping of ripple onset predicts outcome in epilepsy surgery. Ann Neurol. 89 (5), 911-925 (2021).
  79. Matarrese, M. A. G., et al. Spike propagation mapping reveals effective connectivity and predicts surgical outcome in epilepsy. Brain. 146 (9), 3898-3912 (2023).

重印与许可

标签

高密度脑电图脑磁图MEG致痫区定位发作间期癫痫样放电发作期癫痫样放电等效电流偶极子动态统计映射
药物难治性癫痫患儿术前评估中的电磁源成像
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。