Name: 动态皮层活动影像的并发脑电图与功能 MRI 记录及积分分析 (视频) | JoVE Journal
Uploaded: 2018-06-30T12:30:00.000+00:00
Duration: 11 min 28 s
Description: 学习同步脑电图与功能磁共振成像记录技术，用于神经科学中动态皮层活动的高时空分辨率分析。该方法整合多模态数据以提升无创神经影像的精度，助力癫痫及神经认知障碍研究。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作部分由美国国立卫生研究院（NIH）DK082644 项目和休斯顿大学资助。

本文所述方案的设计与实施均遵循休斯顿大学和休斯顿卫理公会研究所各自机构审查委员会制定的所有关于人类研究伦理的指导原则。
1. 同步 EEG/fMRI 记录
<ol>
	<li>从参与者处获得知情同意。向参与者说明研究的目的和流程，以及在同步进行脑电图（EEG）/功能磁共振成像（fMRI）数据记录过程中的重要安全措施。</li>
	<li>在磁共振成像（MRI）扫描室外部准备脑电帽并检查阻抗。
	<ol>
		<li>为受试者佩戴合适尺寸的被动式、与磁共振兼容的脑电帽。按照国际10–20系统电极定位法放置电极10。</li>
		<li>在脑电记录软件中检查接地电极和参考电极的阻抗。为此，请点击软件用户界面中的“阻抗”选项卡，并选择相应的电极类型（见图1）。 
		注：此处的具体操作说明针对本研究使用的软件（见材料表），其他系统可能需要相应调整。</li>
		<li>对于每个电极，使用注射器将电解质凝胶注入电极内，然后用棉签涂抹凝胶，以确保电极与皮肤良好接触。
		<ol>
			<li>随着阻抗下降，使用相应的软件持续监测阻抗值（根据设备设置情况，必要时调整阻抗量程），以准确监控阻抗水平（见图1）。持续操作直至所有电极的阻抗均低于10 kΩ，以确保获得高质量信号。 
			注：根据本研究所列和使用的材料，在磁共振环境中，任何电极阻抗超过50 kΩ均被视为不安全11。此限值可能因所选脑电帽的设计和磁共振参数设置而异，因此请咨询设备制造商和磁共振技术人员，以确保实验设置的安全性。</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>同步脑电图/功能磁共振成像硬件设置。
	<ol>
		<li>完成脑电帽准备后，让受试者在如图2所示的硬件配置下进入磁共振扫描仪。 
		注：图中某些细节可能因所用系统不同而有所变化。</li>
		<li>设置实验范式显示系统。使用位于观察室内的显示器，该显示器位于面对磁共振扫描仪前端的玻璃窗后方（见图2）。使用头线圈视觉反射镜，使受试者在平躺状态下无需移动头部或眼睛即可看到显示器屏幕。</li>
		<li>在计算机屏幕上显示示例图像，以确保受试者能够舒适地观看屏幕，并确认实验范式能正常显示。根据需要调整硬件或软件设置。</li>
	</ol>
	</li>
	<li>实验范式（见 图3）。
	<ol>
		<li>指导受试者保持静止，并进行初始的T1加权解剖磁共振扫描。如有可能，使用视野范围从小脑底部延伸至头顶、包括颅骨和皮肤的扫描参数。</li>
		<li>开始记录脑电数据（见图4）。</li>
		<li>同时点击相应按钮，启动磁共振数据采集，并在呈现软件中启动目标实验范式。检查脑电数据记录情况，以确保信号质量，并在需要时确认标记已正确记录。
		<ol>
			<li>使用本研究描述的设置时，首先在呈现软件中点击 &#34;Run&#34;，输入受试者编号和试验编号。确认设置后，实验范式将自动启动。 
			注：本研究所采用的范式包含10次试验，通过视觉刺激诱发情绪驱动的运动反应。每次试验中，受试者首先注视绿色屏幕休息50秒，随后呈现一幅令人不悦（对应惊讶、愤怒或厌恶情绪）或非不悦（对应快乐或中性情绪）的面部图像12，持续10秒。每类图像各呈现5次，顺序随机。当受试者识别出令人不悦的面部图像时，需挤压一个球体，并持续按压直至图像消失。</li>
			<li>建议使用梯度回波平面成像（GR-EPI）序列进行功能磁共振数据采集；可根据设备和实验范式进行个性化调整。 
			注：本研究所用序列参数包括：回波时间（TE）= 35 ms；重复时间（TR）= 1,500 ms；层厚 = 5 mm；翻转角 = 90°；像素间距：2.75 mm × 2.75 mm。可能需要使用略长于实验范式显示时间的磁共振序列，以确保完整记录整个范式而不发生截断。</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
2. 结构磁共振成像数据分析与前向模型生成
<ol>
	<li>使用 Freesurfer 图像分析套件对受试者的 T1 加权解剖 MRI 体积数据进行全脑分割及多种表面的重建13,14. 
	注意：FreeSurfer 将生成一个包含所有分割结果的文件夹。</li>
	<li>根据（https://martinos.org/mne/dev/manual/appendix/bem_model.html）提供的说明，生成一个特定于受试者的三层边界元法（BEM）几何模型15 使用可用的图形用户界面（GUI）确保各层之间无重叠。
	<ol>
		<li>打开 Freeview 应用程序。点击 &#34;文件&#34; >> &#34;加载表面&#34;. 导航至 Freesurfer 文件夹中的 Subjects 目录。打开 &#34;BEM&#34; 文件夹。打开 &#34;分水岭&#34; 文件夹。加载此处找到的四个文件（“outer_skin_surface”、“outer_skull_surface”、“brain_surface”和“inner_skull_surface”）。</li>
		<li>移动切片选择滑块，观察黄色表层是否存在重叠。如果出现重叠，请仔细检查MRI数据是否存在解剖结构缺陷或错误，并使用图形用户界面（GUI）绘图工具对各层进行修正。
		<ol>
			<li>通过点击 Freeview 应用程序中的按钮加载原始 MRI 数据 &#34;文件&#34; >> &#34;上样体积&#34;. 导航至受试者文件夹并打开该文件 &#34;磁共振成像&#34; 文件夹。然后单击 &#34;原始&#34; 目录并打开其中的结构磁共振成像数据（应为.mgz或.nii格式）。点击 &#34;好的&#34;.</li>
			<li>观察头部的灰度图像。查看脑部周围不同的灰色和黑色层次，确保这些层次无任何间隙或不规则之处。使用 &#34;颜色选择器&#34; 工具并从待校正图层中选择一个体素。</li>
			<li>切换到 &#34;自由手绘体素编辑&#34;，然后单击图像进行绘制。使用此功能填补 MRI 图像中的任何缺陷。对出现缺陷的所有层和 MRI 层面执行校正。 
			注意： &#34;Polywire&#34; 和 &#34;Livewire&#34; 体素编辑工具也可替代使用 &#34;徒手&#34;.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>根据软脑膜表面的几何结构生成源空间。</li>
	<li>执行受试者特异的脑电图传感器校准（例如，使用 Freesurfer 头部模型叠加将平移和旋转配准至 MRI 空间（图5)。保存转化结果。
	<ol>
		<li>打开 MNE_analyze 应用程序。点击 &#34;文件&#34; >> &#34;加载表面&#34;导航至包含受试者数据的文件夹，并加载软脑膜表面。</li>
		<li>点击 &#34;文件&#34; >> &#34;加载数字化仪数据并选择感兴趣的 EEG 文件（应包含数字化仪数据）。点击 &#34;查看&#34; >> &#34;显示查看器&#34;. 当查看器图形用户界面出现后，单击 &#34;选项&#34; 并确保 &#34;头皮&#34; 和 &#34;数字化仪数据&#34; 选项选定后，电极以红色显示，基准点以黄色显示。</li>
		<li>在主窗口（而非查看器）中选择 &#34;调节&#34; >> &#34;坐标对齐&#34;使用“坐标对齐图形界面”，通过箭头和L/R按钮在查看器中移动和旋转脑电图（EEG）电极。根据需要进行充分调整。对齐完成后，单击 &#34;在“坐标对齐图形用户界面”底部点击“保存…”以保存对齐结果。 
		注意：通常需要电极在整个头皮上均匀分布，并与解剖标记点良好对齐。</li>
	</ol>
	</li>
	<li>使用 MNE 软件，通过提供受试者特异的 BEM 模型、源空间和 EEG 传感器变换来生成正向模型15.</li>
</ol>
3. 功能磁共振成像数据分析
<ol>
	<li>使用广义线性模型（GLM）方法对个体被试进行第一水平的fMRI统计分析，以获得感兴趣任务的BOLD激活图。根据需要进行多重比较校正。16，使用 Freesurfer 群体分析流程中内置的基于聚类的方法。</li>
	<li>如有需要，对所有受试者进行组水平分析，以获得标准空间（MNI 或 Talairach）中所有受试者的 BOLD 激活图。 
	注：牛津大学功能磁共振脑成像中心（FMRIB）软件库（FSL）17 功能神经影像分析（AFNI）18 两种软件包均支持在由Freesurfer生成的相同表面上进行fMRI数据的分析，便于后续处理。</li>
	<li>使用 tksurfer 可视化工具，通过加载 fMRI 激活图（包括个体水平和组水平）并设置所需的 FDR 校正阈值，进行感兴趣区域（ROI）识别19 (p &#60;0.05 在此处被使用。 
	&#8203;注意：从个体水平激活图中识别出的感兴趣区域（ROI）将作为后续源定位分析中基于fMRI的个体特异性空间先验信息。
	<ol>
		<li>利用灰质层上的fMRI激活图，使用连通标签算法提取表面斑块。 
		注意：本示例中使用了 Dulmage-Mendelsohn 分解。</li>
		<li>根据预定义脑图谱的标注进一步细分这些脑区，使得任何覆盖多个区域的活动区域均被分割。 
		注意：此处使用的图谱为 DKT40 图谱20 （可从 Freesurfer 获取）21图谱可根据实验偏好进行专门选择或选用。</li>
	</ol>
	</li>
	<li>将获取的组水平感兴趣区域（目前位于标准空间）投影回每位受试者的个体源空间。在完成个体受试者的结构磁共振成像分割（步骤 2.1）后，个体空间与标准空间之间的坐标变换信息包含在位于以下路径的 lh.sphere.reg 和 rh.sphere.reg 文件中 &#34;表面&#34; 受试者 Freesurfer 输出文件夹中的文件夹。 
	注意：所有受试者将共享同一组感兴趣区域（ROI），但各自拥有独立的模型。参见 图6 fMRI结果示例及由此生成的感兴趣区域。</li>
</ol>
4. 脑电图数据分析
注意：本节中的细节可能特定于所使用的软件（详见材料表中的说明）。若使用不同的软件包，请参考相应的文档。
<ol>
	<li>通过模板减法校正扫描仪梯度伪影。为此，请点击 &#34;磁共振校正&#34; 按钮在 &#34;特殊信号处理&#34; 菜单，并在脑电图分析软件的图形用户界面中选择适当的参数（参见 图7）。将适当的参数输入所选的扫描序列和实验设计中。 
	注意：主要参数包括：磁共振成像扫描的重复时间（TR）、扫描类型（交错式或连续式）、磁共振成像体积标记（或梯度检测方法和梯度触发）、用于校正的通道以及伪影模板。</li>
	<li>通过模板减法去除心冲击伪影。为此，请单击 &#34;CB校正&#34; 按钮在 &#34;特殊信号处理&#34; 菜单，并在分析软件的图形用户界面中选择适当的参数。 
	注意：此处所需的参数包括最小和最大心率、伪迹模板、ECG 通道、模板相关性以及用于校正的通道。</li>
	<li>应用滤波。在分析图形用户界面（GUI）顶部，点击 IIR 滤波按钮，位于 &#34;数据过滤&#34;例如，在0.05 Hz处应用高通滤波，在40 Hz处应用低通滤波，并在电源线频率（60 Hz）处应用陷波滤波，滚降斜率为48 dB/Hz。 
	注意：在使用截止频率为 40 Hz 的低通滤波器后，60 Hz 陷波滤波器并非绝对必要，但仍被采用以防范因滤波器边缘滚降而可能残留的电源线频率干扰。</li>
	<li>在分析图形用户界面中执行眼动伪迹校正：选择 &#34;转化&#34; >> &#34;伪迹剔除/抑制&#34; >> &#34;眼屈光矫正 ICA&#34;.</li>
	<li>根据事件时间标记，将 EEG 数据按照指定的刺激前和刺激后时间分割为若干片段。为此，请选择， &#34;转化&#34; >> &#34;片段分析功能&#34; >> &#34;分割&#34;，然后选择感兴趣的标记物和时间段。 
	&#8203;注意：应根据研究范式及感兴趣的预期脑活动来选择分割长度。</li>
	<li>执行手动或半自动伪迹剔除：选择 &#34;转化&#34; >> &#34;伪迹剔除/减弱&#34; >> &#34;伪迹剔除&#34;当系统提示时，在图形用户界面（GUI）的三个标签页中定义伪影的判别标准，并按照 GUI 上的指示继续操作。
	<ol>
		<li>在“检查方法”选项卡中，选择选择 &#34;自动地&#34;, &#34;半自动地&#34;，或 &#34;手动选择伪影&#34; （建议使用半自动模式）。然后选择 &#34;标记&#34; 或 &#34;去除伪影&#34;，并指明校正是否针对单个通道。</li>
		<li>在“通道选择”选项卡中，选择将用于校正伪影的通道。</li>
		<li>在“条件”选项卡中，选择识别工件的依据。根据实验需求进行相应选择。点击 &#34;好的&#34; 在选定标准后，将根据所选条件识别和/或剔除伪影。</li>
	</ol>
	</li>
	<li>进行基线校正和试验平均（如适用）。
	<ol>
		<li>进行基线校正：选择 &#34;转化&#34; >> &#34;片段分析功能&#34; >> &#34;基线校正&#34;. 要对分割后的数据进行平均：选择 &#34;转化&#34; >> &#34;片段分析功能&#34; >> &#34;平均值&#34;.</li>
	</ol>
	</li>
</ol>
5. 时空fMRI约束——EG源成像
<ol>
	<li>定义窗口大小和窗口重叠大小（默认设置为 40 ms 的窗口大小，重叠 50%（20 ms））。</li>
	<li>选择特定于受试者的 ROI 集（在步骤 3 中获得）作为空间先验集。对于每个 EEG 段，算法将估计一组空间先验子集的权重，以最大化模型证据，并据此计算源协方差矩阵。</li>
	<li>利用所得的源协方差矩阵，对正在分析的 EEG 段进行源定位，得到源电流密度结果。</li>
	<li>对所有 EEG 段执行步骤 5.2 和 5.3，并在必要时通过平均重叠部分，将所有时间段的电流密度结果汇总为一条完整的电流密度时间进程。 
	&#8203;注意：此步骤将生成在步骤 2.3 中定义的每个源点上的皮层活动电流密度时间进程（该数量通常达数千个）（图 8）。</li>
	<li>提取每个 ROI 内具有代表性的电流密度时间进程。
	<ol>
		<li>选择将 ROI 内多个源点的时间进程汇总为单一信号时间进程的首选方法：平均值、第一特征变差量（eigenvariate）、等。</li>
	</ol>
	</li>
	<li>对所有受试者重复步骤 5.1 至 5.5。</li>
</ol>

<ol><li>Belanger, M., Allaman, I., Magistretti, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+energy+metabolism%3A+focus+on+astrocyte-neuron+metabolic+cooperation%5BTitle%5D)+AND+%22Cell+Metab%22%5BJournal%5D)">Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation.</a> Cell Metab. 14 (6), 724-738 (2011).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+underpinnings+of+the+BOLD+functional+magnetic+resonance+imaging+signal%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The underpinnings of the BOLD functional magnetic resonance imaging signal.</a> J Neurosci. 23 (10), 3963-3971 (2003).</li>
<li>Michel, C. M., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15351361">EEG source imaging.</a> Clin Neurophysiol. 115 (10), 2195-2222 (2004).</li>
<li>Ramon, C., Schimpf, P. H., Haueisen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+head+models+on+EEG+simulations+and+inverse+source+localizations%5BTitle%5D)+AND+%22Biomed+Eng+Online%22%5BJournal%5D)">Influence of head models on EEG simulations and inverse source localizations.</a> Biomed Eng Online. 5, 10(2006).</li>
<li>Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Error+bounds+for+EEG+and+MEG+dipole+source+localization%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol%22%5BJournal%5D)">Error bounds for EEG and MEG dipole source localization.</a> Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).</li>
<li>Hamalainen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Med Biol Eng Comput. 32 (1), 35-42 (1994).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ijbem.org/volume1/number1/pdf/ijbem_a75-86.pdf">Review of methods for solving the EEG inverse problem.</a> International journal of bioelectromagnetism. 1 (1), 75-86 (1999).</li>
<li>Rosa, M. J., Daunizeau, J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-fMRI+integration%3A+a+critical+review+of+biophysical+modeling+and+data+analysis+approaches%5BTitle%5D)+AND+%22J+Integr+Neurosci%22%5BJournal%5D)">EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches.</a> J Integr Neurosci. 9 (4), 453-476 (2010).</li>
<li>Nguyen, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+Source+Imaging+Guided+by+Spatiotemporal+Specific+fMRI%3A+Toward+an+Understanding+of+Dynamic+Cognitive+Processes%5BTitle%5D)+AND+%22Neural+Plast%22%5BJournal%5D)">EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes.</a> Neural Plast. 2016, 10(2016).</li>
<li>Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ten-twenty+electrode+system+of+the+International+Federation.+The+International+Federation+of+Clinical+Neurophysiology%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol+Suppl%22%5BJournal%5D)">The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology.</a> Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).</li>
<li>Mullinger, K. J., Castellone, P., Bowtell, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Best+current+practice+for+obtaining+high+quality+EEG+data+during+simultaneous+FMRI%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Best current practice for obtaining high quality EEG data during simultaneous FMRI.</a> J Vis Exp. (76), (2013).</li>
<li>Ekman, P., Friesen, W. V. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEkman%2C+P+%22Pictures+of+Facial+Affect%22">Pictures of Facial Affect</a>. , Consulting psychologists Press. (1976).</li>
<li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> Neuroimage. 9 (2), 179-194 (1999).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> Neuroimage. 9 (2), 195-207 (1999).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MNE+software+for+processing+MEG+and+EEG+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">MNE software for processing MEG and EEG data.</a> Neuroimage. 86, 446-460 (2014).</li>
<li>Hagler, D. J., Saygin, A. P., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Smoothing+and+cluster+thresholding+for+cortical+surface-based+group+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data.</a> Neuroimage. 33 (4), 1093-1103 (2006).</li>
<li>Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">Fsl.</a> Neuroimage. 62 (2), 782-790 (2012).</li>
<li>Cox, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((AFNI%3A+software+for+analysis+and+visualization+of+functional+magnetic+resonance+neuroimages%5BTitle%5D)+AND+%22Comput+Biomed+Res%22%5BJournal%5D)">AFNI: software for analysis and visualization of functional magnetic resonance neuroimages.</a> Comput Biomed Res. 29 (3), 162-173 (1996).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimage. 15 (4), 870-878 (2002).</li>
<li>Klein, A., Tourville, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((101+labeled+brain+images+and+a+consistent+human+cortical+labeling+protocol%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">101 labeled brain images and a consistent human cortical labeling protocol.</a> Front Neurosci. 6, 171(2012).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cereb Cortex. 14 (1), 11-22 (2004).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> J Neurosci Methods. 134 (1), 9-21 (2004).</li>
<li>Iannetti, G. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simultaneous+recording+of+laser-evoked+brain+potentials+and+continuous%2C+high-field+functional+magnetic+resonance+imaging+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans.</a> Neuroimage. 28 (3), 708-719 (2005).</li>
<li>Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+FMRI+environment+artifacts+from+EEG+data+using+optimal+basis+sets%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Removal of FMRI environment artifacts from EEG data using optimal basis sets.</a> Neuroimage. 28 (3), 720-737 (2005).</li>
</ol>

作者无任何利益冲突需要披露。

我们在此展示了使用时空fMRI约束源分析方法进行EEG/fMRI整合分析所需的必要步骤。EEG和fMRI已成为无创脑活动成像的基本方法，尽管它们在各自的空间和时间分辨率方面面临局限。虽然已有方法致力于充分利用两种技术的优势，但目前的fMRI约束EEG源定位方法通常依赖于简单的fMRI约束条件，这些条件可能受到偏倚和串扰的影响，从而限制空间定位的准确性例如如果真实活动发生在MRI图谱之外，静态约束将导致真实源信号被削弱，而在邻近的MRI激活区域则会出现虚假峰值。同样，若在MRI激活区域内存在由误差或噪声引起的活动，则会被错误地增强，如同其为真实活动。时空fMRI约束方法试图通过在双层分层贝叶斯模型中使用可变的fMRI约束来改进这一问题。电流源活动通过脑电图（EEG）数据以滑动时间窗的方式进行估计。首先将fMRI激活图划分为多个子图，每个子图作为皮层源可能的空间先验。从中选择性地使用一部分空间先验作为约束条件来求解EEG逆问题。因此，EEG与fMRI数据以空间和时间特异的方式实现整合。该方法有效地将传统的fMRI激活图替换为一组可依据EEG数据证据进行灵活应用的兴趣区域，从而形成一种数据驱动的方法，减少偏差与误差。...

脑电图（EEG）和功能磁共振成像（fMRI）可被视为具有互补特性的神经影像学技术。fMRI 以较大的时间尺度捕捉脑活动，其血流动力学信号通过较低的时间分辨率（以秒为单位）间接反映潜在的神经元活动1,2。相比之下，EEG 能以极高的时间分辨率（毫秒级）直接测量大脑动态的电生理活动，但空间分辨率较差3,4。这些特性促使研究者开发多模态方法，以优化各单一技术的优势5。同步使用 EEG 和 fMRI 可将 EEG 出色的时间分辨率与 fMRI 高精度的空间定位能力相结合，从而克服单一模态 fMRI 或 EEG 所存在的局限性。
脑电图（EEG）与功能磁共振成像（fMRI）整合的方法始于基于fMRI的EEG源定位6,7。该技术利用fMRI提供的空间信息来提高EEG源定位的准确性，但其存在一个缺陷，即应用fMRI作为&#34;硬约束&#34;可能引入潜在的空间偏差——将fMRI获得的空间信息视为绝对真实。这带来了两个必须解决的重大问题6-8。首先，必须考虑到，使用静态的血氧水平依赖（BOLD）对比图可能会无意中增强位于该图范围内的错误活动，同时抑制图范围外的真实活动。其次，来自BOLD激活图之外区域的信号串扰可能会影响结果中真实活动的表现，或导致虚假活动的出现。尽管如此，利用fMRI的高空间分辨率提供先验空间信息仍被视为一种理想方案5，因为这可以在解剖和功能两个层面约束EEG逆问题的建模过程。
本文展示了一种时空fMRI约束的脑电图（EEG）源成像方法，该方法通过基于分层贝叶斯模型计算fMRI先验信息的最优子集，解决了EEG与fMRI之间的时间不匹配问题9。fMRI先验信息通过数据驱动的方式，从EEG数据中特定感兴趣时间窗内提取，从而生成随时间变化的fMRI约束。该方法利用EEG的高时间分辨率来计算皮层活动的电流密度分布，同时结合fMRI的高空间分辨率，以时间可变且空间选择性的方式提供信息，从而精确成像动态神经活动。

<table><tbody><tr><td>BrainAmp MR Plus</td><td>Brain Products</td><td></td><td>用于脑电图记录的放大器，适用于磁共振环境</td></tr><tr><td>BrainAmp ExG MR&amp;nbsp;</td><td>Brain Products</td><td></td><td>用于辅助传感器（肌电图）的放大器，适用于磁共振环境</td></tr><tr><td>BrainAmp Power Pack</td><td>Brain Products</td><td></td><td>为磁共振环境中的放大器供电</td></tr><tr><td>带状电缆</td><td>Brain Products</td><td></td><td>连接电源包与放大器</td></tr><tr><td>SyncBox</td><td>Brain Products</td><td></td><td>同步磁共振扫描仪时钟与脑电放大器时钟</td></tr><tr><td>BrainCap MR</td><td>Brain Products</td><td></td><td>被动电极64通道脑电帽，适用于磁共振环境</td></tr><tr><td>BrainVision Recorder</td><td>Brain Products</td><td></td><td>脑电数据记录软件（步骤1.2–1.4.2）</td></tr><tr><td>BrainVision Analyzer 2.0</td><td>Brain Products</td><td></td><td>脑电分析软件（步骤4.1–4.6）</td></tr><tr><td>USB 2 适配器（又称BUA）</td><td>Brain Products</td><td></td><td>放大器与数据采集计算机之间的接口</td></tr><tr><td>光纤电缆</td><td>Brain Products</td><td></td><td>连接磁共振扫描仪内的脑电帽与记录计算机</td></tr><tr><td>SyncBox 扫描仪接口</td><td>Brain Products</td><td></td><td>同步磁共振扫描仪时钟与脑电放大器时钟</td></tr><tr><td>触发电缆</td><td>Brain Products</td><td></td><td>用于将扫描仪/实验范式触发信号发送至记录计算机</td></tr><tr><td>ABRALYT HiCl 脑电电极凝胶</td><td>EasyCap</td><td></td><td>适用于磁共振环境中被动电极的研磨型脑电凝胶</td></tr><tr><td>Ingenia 3.0T 磁共振系统</td><td>Philips</td><td></td><td>3.0 T 磁共振成像系统</td></tr><tr><td>Patriot 数字化仪</td><td>Polhemus</td><td></td><td>用于脑电通道位置数字化&amp;nbsp;</td></tr><tr><td>MATLAB r2014a</td><td>MathWorks</td><td></td><td>DBTN算法的编程平台（步骤3.3–3.4 和 5.1–5.7）</td></tr><tr><td>面部表情图片集</td><td>Paul Eckman Group</td><td></td><td>一系列具有情绪效价的面部图像，用作刺激材料</td></tr><tr><td>E-Prime 2.0</td><td>Psychology Software Tools, Inc</td><td></td><td>刺激呈现软件（步骤1.4.3）</td></tr><tr><td>双极皮肤肌电电极</td><td>Brain Products</td><td></td><td>用于检测肌肉活动</td></tr><tr><td>POLGUI</td><td></td><td></td><td>用于数字化的MATLAB软件</td></tr><tr><td>Freesurfer</td><td></td><td></td><td>用于步骤2.1–2.4以及步骤3.1–3.2的软件</td></tr><tr><td>MNE</td><td></td><td></td><td>用于步骤2.5的软件</td></tr></tbody></table>

同步脑电图与功能磁共振成像记录及整合分析用于动态皮层活动成像

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

脑电图（EEG）和功能磁共振成像（fMRI）是识别脑活动的两种基本的非侵入性方法。多模态方法旨在结合 EEG 的高时间分辨率与 fMRI 的空间精确性，但该方法的复杂性目前仍需改进。本文所述方案介绍了一种近期开发的时空 fMRI 约束 EEG 源成像方法，该方法通过动态招募 fMRI 亚区域来校正源偏差并提高 EEG-fMRI 源定位精度。该过程首先采集同步 EEG 与 fMRI 扫描获得的多模态数据，构建三维皮层模型，并对 EEG 和 fMRI 数据进行独立处理。随后，根据位置及周围区域将处理后的 fMRI 激活图划分为多个先验信息。这些先验信息被用于两层分层贝叶斯算法中的 EEG 源定位。对于每个感兴趣的时间窗口（由操作者定义），fMRI 激活图中的特定片段将被识别为活跃状态，以优化一个称为模型证据的参数。这些片段将作为对识别出的皮层活动的软约束，通过减少串扰并避免在其他条件性活跃的 fMRI 区域中出现错误激活，从而提高多模态成像方法的特异性。该方法生成皮层活动图和时间进程曲线，可作为最终结果，或作为进一步分析的基础（相关性分析、因果性分析， 等等。尽管该方法在模态上存在一定的局限性（无法检测到脑电图不可见的源），但它与大多数主流处理软件广泛兼容，适用于大多数神经影像学研究。

脑电图源定位的基础层面涉及正向问题和逆向问题的求解。图5C展示了构建和求解正向问题所需的各个组成部分。利用受试者特异性的T1图像，对脑、颅骨和皮肤三层结构进行分割并生成网格，这些层作为输入用于构建边界元模型（BEM）。类似地，从结构MRI中分割出受试者的灰质层，并用于构建源空间。脑电传感器的位置通过一系列刚性几何变换共配准到头部模型上。构建完成后，该正向模型可表示源自源空间任意位置的电活动如何在头皮上各脑电传感器位置产生相应的电位测量值。
fMRI 能够以优异的空间分辨率和准确性提供大脑功能活动的三维图像。传统的 fMRI 分析采用广义线性模型（GLM）方法，以识别由特定任务显著激活的大脑体素。该分析的典型结果是一幅 fMRI 激活图：即一幅突出显示激活体素的单一脑图，可投影至灰质表面，如图6<str...

本文介绍了一种脑电图-功能磁共振成像（EEG-fMRI）多模态成像方法，即时空fMRI约束的脑电图源成像方法。该方法采用条件激活的功能磁共振成像子图（或先验信息），以提高脑电图源定位的空间特异性，并减少错误结果。

脑电图（EEG）和功能磁共振成像（fMRI）是两种用于识别大脑活动的基本无创方法……

该方法有助于回答神经科学领域中的关键问题，例如确定多个脑区之间的时间关系，或探索复杂认知过程的详细神经通路。该技术的主要优势在于，能够以特定的空间和时间方式整合多模态脑电图（EEG）与功能数据，从而提高功能神经成像的分辨率和准确性。该技术的应用前景涵盖对癫痫及神经认知障碍的理解。因为该方法提高了无创神经影像学在空间和时间上的准确性。尽管该方法可用于研究视觉运动和情绪处理系统，也可应用于其他系统，如感觉运动整合、语言和记忆处理。对该方法进行可视化演示至关重要，因为同步记录脑电图（EEG）和功能磁共振成像（fMRI）数据的步骤较难掌握。此外，由于该过程需要专用的设施、设备和信号处理方法。开始此操作时，将一个尺寸合适的被动式磁共振成像兼容的脑电图帽放置在受试者头部，并按照国际10-20系统定位电极。在脑电图记录软件中，检查接地电极和参考电极的阻抗。为此，请点击软件用户界面上的阻抗选项卡，并选择电极类型。接着，使用注射器将电解质凝胶注入每个电极中。然后使用棉签涂抹凝胶，以确保皮肤与电极之间的良好接触。脑电帽准备就绪后，让受试者移至磁共振扫描仪。在观察室内的显示器上设置实验范式显示界面。使用头部线圈观察镜，使受试者在平躺时无需移动头部或眼睛即可观看显示器屏幕。在计算机屏幕上显示一个示例图像，以确保受试者能够舒适地看到屏幕内容，并确认实验范式能够正常显示。根据需要进行必要的硬件或软件调整。随后，指导受试者保持静止，并进行初始的T1加权解剖MRI扫描。如果可能，使用视野范围从小脑底部到头顶的扫描区域，包括颅骨和皮肤。现在，开始记录脑电图（EEG）数据。同时点击相应的按钮，以开始 MRI 记录并在呈现软件上启动感兴趣的实验范式。检查 EEG 数据记录，确保信号质量，并确认是否已记录所需的标记。为分析结构 MRI 数据，使用现有的图形用户界面（GUI）确保各层之间无重叠。接下来，打开 FreeView 应用程序。点击文件，然后选择加载表面。浏览至自由脑谱文件夹中该受试者的目录。然后，打开 bem 文件夹，接着打开 watershed 文件夹。加载四个文件：外皮肤表面、外颅骨表面、脑表面和内颅骨表面。随后，移动切片选择滑块，观察黄色表面层是否存在重叠。如果出现重叠，请仔细检查 MRI 数据是否存在解剖结构缺陷或错误，并使用图形用户界面中的绘图工具明确分层。随后，在 FreeView 应用程序中点击“文件”，然后选择“加载体积”，以加载原始 MRI 数据。导航至受试者文件夹并打开 mri 文件夹。然后单击原始目录，打开结构 MRI 数据，再单击“确定”。接下来，查看头部的灰度图像，观察大脑周围不同层次的灰色和黑色区域。确保这些层次无任何间隙或不规则之处。使用颜色选择工具从待校正的层中选取体素。切换到自由手绘体素编辑模式，然后在图像上单击进行绘制。使用此方法填补 MRI 图像中的任何缺陷。对出现缺陷的所有层和 MRI 切片执行校正。随后，使用 FreeSurfer 头部模型叠加，将受试者特异的 EEG 传感器对齐到 MRI 空间。然后保存该变换。打开 MNE Analyze 应用程序。单击“文件”，然后选择“加载表面”。浏览至包含受试者数据的文件夹，并加载pial表面。单击“文件”，然后单击“加载数字化仪数据”，并选择感兴趣的EEG文件。单击“查看”并选择“显示查看器”。查看器图形用户界面出现后，单击“选项”，确保已选中头皮和数字化仪数据选项。此处电极以红色显示，定位标记点以黄色显示。在主窗口中，选择“调整”，然后选择“坐标对齐”。使用坐标对齐图形界面，通过箭头和左右按钮在查看器中移动和旋转脑电图电极。根据需要进行充分调整。完成配准后，点击坐标配准图形用户界面（GUI）底部的“保存”按钮以保存配准结果。对于脑电图（EEG）数据分析，通过点击特殊信号处理菜单中的“MR校正”按钮，并在EEG分析软件GUI中选择适当参数，利用模板减法进行扫描仪梯度伪迹校正。为通过模板减法去除心球机械伪迹，请点击特殊信号处理菜单中的“CB校正”按钮，并在分析软件GUI中选择适当参数。然后，在数据滤波下应用滤波。在分析图形用户界面（GUI）顶部选择IIR滤波按钮。例如，应用0.05赫兹的高通滤波、40赫兹的低通滤波，并在电源线频率处应用滚降为48分贝/赫兹的陷波滤波器。为了进行眼电伪迹校正，依次选择“转换”、“伪迹剔除与降低”，然后选择“眼电校正ICA”。接下来，通过选择“转换”、“分段分析功能”，再选择“分段”，根据事件时间标记前后的指定时间将脑电图（EEG）数据分割为若干片段。随后，选择感兴趣的时间标记及感兴趣的时间段。随后，通过选择“转换”中的“伪迹去除”下的“手动或半自动伪迹去除”来执行手动或半自动伪迹剔除。当系统提示时，在图形用户界面的三个选项卡中定义伪迹的判断标准，并按指示进行操作。在“检查方法”选项卡中，选择自动、半自动或手动方式识别伪迹。然后选择标记或去除伪影，并指定校正是否针对单个通道。接下来在通道选择选项卡中，选择将进行伪影校正的通道。在“条件”选项卡中，选择用于识别伪影的依据。选择条件后点击“确定”，系统将根据所选条件识别和/或排除伪迹。如需进行基线校正，请选择“变换”，然后选择“分段分析功能”和“基线校正”。如需对分段数据进行平均，请选择“变换”，然后选择“分段分析功能”，再选择“平均”。首先，将感兴趣的 EEG 片段按预定义的时间窗长度和重叠大小分割为较短的时间窗。同时，将 fMRI 激活图划分为多个感兴趣区域，用作 EEG 源分析的空间先验信息。在每个时间窗内，将选择一组适当的空间先验信息用于源定位。将这些结果结合起来，可得到所关注的整个 EEG 事件过程中皮层活动的最终时间序列。此处显示的是重建的大脑活动，上方为采用新型时空特异性 fMRI 约束的 EEG 源成像结果，下方为常用的时不变 fMRI 约束源成像结果。对于一名代表性受试者在执行视觉运动激活范式过程中的多个时间点，展示了重建的大脑活动图像。新方法的定位结果更加集中，并且与预期的脑区吻合得更好。此处通过使用不同的窗口大小来检验该方法的稳健性。注意，较小的窗口大小结果相对稳定，而较大的窗口大小则显示出差异较大的结果。一旦掌握，同步进行 EEG 和 fMRI 数据采集大约需要三小时，若操作得当，数据分析可在两到三天内完成。在实施该流程时，务必注意在数据记录过程中检查时钟同步和触发信号。在分析过程中，还应关注捕获目标活动所需的各项参数。通过该方案，可进行脑电图（EEG）和功能磁共振成像（fMRI）数据分析，以及全脑连接性分析，以研究认知任务期间大脑中潜在的连接结构或神经活动。该技术的发展为功能神经影像学领域的研究人员提供了新途径，使其能够探索复杂认知加工过程中高度动态的大脑活动，并深入研究与神经系统疾病相关的神经通路的细微变化。观看本视频后，您应能够充分理解如何同步进行脑电图与功能磁共振成像记录，并掌握基于空间-时间fMRI约束的脑电图社会性分析的基本方法。为了以高空间时间分辨率和高精度重建脑活动，切记在磁共振成像（MRI）环境中操作参与者和设备时，必须持续关注安全问题。不得将任何未明确允许的金属物品带入MRI室，所有电极阻抗应保持在50库仑以下。

concurrent-eeg-functional-mri-recording-integration-analysis-for

Research

科研

JoVE Journal

Biology

生物学

动态皮层活动影像的并发脑电图与功能 MRI 记录及积分分析

我们采用脑磁图（MEG）和脑电图（EEG）来绘制参与简单感觉刺激处理的脑区。...

同步 MEG 与 EEG 的功能定位映射

我们开发了一种在啮齿类动物大脑中同时进行功能性磁共振成像和电生理记录的方法，为研究神经活动与血氧水平依赖性（BOLD）磁共振成像信号之间的关系提供了平台。...

同步进行啮齿类动物脑部的fMRI与电生理记录

我们介绍一种从接受有创癫痫监测的患者中采集皮层脑电图信号以用于研究目的的方法。我们展示了如何使用BCI2000软件平台进行数据采集、信号处理和刺激呈现。具体而言，我们演示了SIGFRIED——一种基于BCI2000的实时功能性脑图谱绘制工具。...

记录人类颅内脑电图（ECoG）信号用于神经科学研究与实时功能性皮层定位

我们采用脑磁图和脑电图（MEG/EEG），结合磁共振成像（MRI）获取的解剖学信息，来绘制与听觉注意相关的皮层网络动态图谱。...

利用同步脑磁图/脑电图与基于解剖约束的最小范数估计绘制皮层动态：以听觉注意为例

同步脑电图（EEG）与功能磁共振成像（fMRI）是一种强大的神经影像学工具。然而，MRI扫描仪内部为EEG数据记录提供了困难的环境，且在扫描仪内使用EEG设备时必须考虑安全性。本文介绍了一种优化的EEG-fMRI数据采集方案。...

同步进行fMRI期间获取高质量脑电图数据的最佳现行实践

本文介绍了一种在功能性磁共振成像（fMRI）揭示的脑区激活引导下，同步采集经颅磁刺激（TMS）期间脑电图（EEG）数据并进行分析的方法。同时描述了TMS伪迹去除及事件相关电位提取的方法，以及实验范式设计和实验设置中的注意事项。...

从经功能性磁共振成像引导的经颅磁刺激期间记录的脑电图数据中提取视觉诱发电位

静息态功能连接磁共振成像已发现，包括因大脑皮层发育畸形所致癫痫在内的多种神经精神疾病患者均存在异常。经颅磁刺激联合脑电图可证实，癫痫患者在功能连接异常的脑区表现出皮层过度兴奋性。...

一种基于多模态成像与刺激的癫痫患者脑连接相关兴奋性评估方法

我们介绍了两种可使用统计参数映射（Statistical Parametric Mapping,...

使用SPM软件分析颅内脑电图数据中的神经活动与脑连接

本文提供了一种简单易行的方案，通过使用 readily available...

在同步脑电图与功能性磁共振成像期间可靠获取脑电图数据

本文详细介绍了可在临床和研究环境中使用的脑电图与功能磁共振成像同步记录（EEG-fMRI）操作流程。同时包含了用于临床评估的脑电图处理步骤，以消除成像伪影。本研究以癫痫发作间期为例进行说明。...

癫痫临床评估中同步脑电图与功能磁共振成像的设备设置及伪迹去除

一种结合多种磁共振成像（MRI）数据模态指导下的个性化经颅磁刺激与脑电图（TMS-EEG）皮层网络定位的新方案。...

神经影像引导的经颅磁刺激–脑电图用于实时皮层网络定位

学习同步脑电图与功能磁共振成像记录技术，用于神经科学中动态皮层活动的高时空分辨率分析。该方法整合多模态数据以提升无创神经影像的精度，助力癫痫及神经认知障碍研究。

同步脑电图与功能磁共振成像记录及整合分析用于动态皮层活动成像

探索更多视频