Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Methodenartikel

Ein Multimodal Imaging- und Stimulations-basierte Verfahren zur Bewertung der Connectivity-bezogenen Erregbarkeit des Gehirns bei Patienten mit Epilepsie

10.4K Aufrufe

⸱

DOI:

10.3791/53727

⸱

13. November 2016

 ,  ,  ,  , 
1Department of Neurology, Harvard Medical School, 2Department of Neurology, Beth Israel Deaconess Medical Center, 3Berenson-Allen Center for Noninvasive Brain Stimulation, Beth Israel Deaconess Medical Center, 4Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, 5Department of Neurology, Massachusetts General Hospital

In diesem Artikel

Zusammenfassung

Die MRT mit funktioneller Konnektivität im Ruhezustand hat Anomalien bei Patienten mit einer Vielzahl von neuropsychiatrischen Störungen identifiziert, einschließlich Epilepsie aufgrund von Fehlbildungen der kortikalen Entwicklung. Die transkranielle Magnetstimulation in Kombination mit dem EEG kann zeigen, dass Patienten mit Epilepsie in Regionen mit abnormaler Konnektivität eine kortikale Übererregbarkeit aufweisen.

Zusammenfassung

Funktionelle Konnektivität im Ruhezustand MRT (rs-fcMRT) ist eine Technik, die die Konnektivität zwischen verschiedenen Gehirnregionen auf der Grundlage von Korrelationen im Laufe der Zeit in dem von der Blutsauerstoffversorgung abhängigen Signal identifiziert. rs-fcMRT wurde ausgiebig eingesetzt, um Anomalien in der Gehirnkonnektivität bei verschiedenen neurologischen und psychiatrischen Erkrankungen zu identifizieren. Der Zusammenhang zwischen rs-fcMRT-Konnektivitätsanomalien, der Elektrophysiologie des Gehirns und dem Krankheitszustand ist jedoch unbekannt, zum Teil, weil die kausale Bedeutung von Veränderungen der funktionellen Konnektivität in der Pathophysiologie der Krankheit nicht nachgewiesen wurde. Die transkranielle Magnetstimulation (TMS) ist eine Technik, die elektromagnetische Induktion nutzt, um nicht-invasiv fokale Veränderungen der kortikalen Aktivität hervorzurufen. In Kombination mit der Elektroenzephalographie (EEG) kann die TMS verwendet werden, um die Reaktion des Gehirns auf äußere Störungen zu beurteilen. In dieser Arbeit stellen wir ein Protokoll zur Kombination von rs-fcMRT, TMS und EEG zur Verfügung, um die physiologische Bedeutung von Veränderungen der funktionellen Konnektivität bei Patienten mit neuropsychiatrischen Erkrankungen zu bewerten. Wir liefern repräsentative Ergebnisse aus einer zuvor veröffentlichten Studie, in der rs-fcMRT verwendet wurde, um Regionen mit abnormaler Konnektivität bei Patienten mit Epilepsie aufgrund einer Fehlbildung der kortikalen Entwicklung, der periventrikulären nodulären Heterotopie (PNH), zu identifizieren. Die Stimulation bei Patienten mit Epilepsie führte zu einer abnormalen TMS-evozierten EEG-Aktivität im Vergleich zur Stimulation der gleichen Stellen bei übereinstimmenden gesunden Kontrollpatienten, mit einem abnormalen Anstieg der späten Komponente des TMS-evozierten Potenzials, was mit kortikaler Übererregbarkeit übereinstimmt. Diese Anomalie war spezifisch für Regionen mit abnormaler funktioneller Konnektivität im Ruhezustand. Die Analyse der elektrischen Quelle bei einem Probanden mit zuvor aufgezeichneten Anfällen zeigte, dass der Ursprung der abnormalen TMS-evozierten Aktivität mit der Anfalls-Onset-Zone übereinstimmte, was auf das Vorhandensein eines epileptogenen Schaltkreises hindeutet. Diese Ergebnisse zeigen, wie rs-fcMRT, TMS und EEG zusammen genutzt werden können, um die physiologische Bedeutung einer abnormalen Gehirnkonnektivität bei menschlichen Krankheiten zu identifizieren und zu verstehen.

Einleitung

Transkranielle Magnetstimulation (TMS) ist ein Mittel, nicht-invasiv Regionen Kortex durch elektromagnetische Induktion zu stimulieren. In TMS, eine große, aber räumlich begrenzten magnetischen Fluß verwendet, um ein elektrisches Feld in einer Ziel kortikalen Bereich zu induzieren und dadurch die Aktivität des zugrunde liegenden Nervengewebe modulieren. TMS zu motorischen Kortex führt zu motorisch evozierte Potenziale, die peripher über Elektromyographie (EMG) gemessen werden kann. Wenn in Paaren oder Triplets von Impulsen angelegt, kann TMS verwendet werden , um die Aktivität spezifischer intrakortikale GABAergen und glutamatergen Schaltungen 1-3, zu beurteilen und somit das Gleichgewicht der Erregung und Hemmung in vivo in menschlichen Patienten zu bewerten. In Epilepsie gesagt haben TMS Studien gezeigt , dass kortikale Übererregbarkeit bei Patienten mit Epilepsie vorliegt 4,5 und normalisieren kann mit erfolgreichen Antiepileptikum Therapie und damit als Reaktion auf Medikamente vorhersagen 6. Darüber hinaus TMS Maßnahmen der kortikalen exzeigen Zitierbarkeit bei Patienten Zwischenwerten mit einem einzelnen Anfall 7 und bei Geschwistern von Patienten , die sowohl mit idiopathischer generali und erworbenen fokalen Epilepsien 8. Diese Ergebnisse legen nahe, dass TMS Maßnahmen der kortikalen Erregbarkeit erlauben können uns Endophänotypen für Epilepsie zu identifizieren. Allerdings sind die Sensitivität und Spezifität dieser Maßnahmen beschränkt, wahrscheinlich weil TMS-EMG kann nur mit Stimulation der motorischen kortikalen Schaltungen und viele Patienten mit Epilepsie haben Anfallsherde außerhalb des motorischen Kortex beurteilt werden.

Elektroenzephalographie (EEG) bietet die Möglichkeit, direkt auf die zerebrale Reaktion auf TMS zu messen, und kann verwendet werden zerebrale Reaktivität in weiten Bereichen Neocortex zu beurteilen. Studien TMS mit EEG - Integration (TMS-EEG) haben gezeigt , dass TMS Aktivitätswellen erzeugt , die in der gesamten Hirnrinde 9,10 und dass hallen sind reproduzierbar und zuverlässig 11-13. Durch die Ausbreitung der evozierten Aktivität Auswertungin verschiedenen Verhaltenszustände und in verschiedenen Aufgaben, TMS-EEG wurde kausal zu sondieren die dynamische effektive Konnektivität des menschlichen Gehirns Netzwerke 10,14-16 verwendet. TMS-EEG Maßnahmen haben erhebliche Abweichungen bei Erkrankungen von Schizophrenie 17 bis ADHS 18 hin gezeigt, und bei Störungen des Bewusstseins wie Wachkoma 19. Darüber hinaus haben mehrere Gruppen EEG Korrelate des gekoppelten-Puls TMS-EMG - Metriken identifiziert, die bei Patienten mit Epilepsie 20,21 abnormal sind. Von besonderer Relevanz, frühere Studien haben auch vorgeschlagen , dass abnorme Stimulation evozierten EEG - Aktivität bei Patienten mit Epilepsie 22-25 zu sehen ist.

Ein weiteres Mittel zur Bewertung Schaltkreise im Gehirn ist über Ruhezustand funktionelle Konnektivität MRI (rs-fcMRI), eine Technik , die die Zusammenhänge im Laufe der Zeit in der Blutoxydation pegelabhängig (BOLD - Signal) aus verschiedenen Hirnregionen 26 auswertet. Studien unter Verwendung vonrs-fcMRI haben gezeigt , dass das menschliche Gehirn in verschiedene Netzwerke von zusammenwirkenden Regionen organisiert ist 26-29, dass neuropsychiatrische Erkrankungen in bestimmten großen verteilten neuronalen Netze identifiziert durch rs-fcMRI 30, und dass die Gehirnnetzwerken identifiziert via RS- auftreten kann fcMRI sind häufig abnormal bei neuropsychiatrischen Krankheitszuständen 31,32. Im Hinblick auf die mögliche klinische Anwendungen hat rs-fcMRI mehrere Vorteile gegenüber herkömmlichen aufgabenbasierten fMRI - Anwendung 33, einschließlich einer geringeren Abhängigkeit von Thema Zusammenarbeit und Besorgnis über variable Leistung. Folglich hat es eine Explosion von Studien rs-fcMRI Veränderungen in verschiedenen Krankheitsstadien zu erforschen vor kurzem gewesen. Allerdings ist eine der Einschränkungen der rs-fcMRI ist die Schwierigkeit bei der Bestimmung, ob und wie die Korrelationen (oder anticorrelations) in der BOLD-Signal an die elektrophysiologischen Wechselwirkungen betreffen, die die Grundlage der neuronalen Kommunikation bilden. Ein verwandtes Problem ist, dass es often unklar, ob die RS-fcMRI Veränderungen in verschiedenen Krankheitszuständen gesehen haben physiologische Bedeutung. Insbesondere in Bezug auf Epilepsie, ist es unklar, ob Anomalien in rs-fcMRI sind allein auf interiktalen epileptiformer Transienten oder existieren unabhängig von solchen elektrophysiologischen Anomalien; simultane EEG-fMRI benötigt wird , um zwischen diesen Möglichkeiten 34 bewerten zu helfen.

Als TMS verwendet werden kann vorübergehender oder anhaltender Veränderungen in den Aktivierungen der verschiedenen kortikalen Regionen zu produzieren, liefern TMS-Studien ein Mittel von kausal die Bedeutung der verschiedenen Ruhezustand fMRI Konnektivitätsmuster zu bewerten. Ein Ansatz ist rs-fcMRI verwenden therapeutische Stimulation Bemühungen in verschiedenen Krankheitszuständen zu führen; es könnte erwartet werden, dass TMS Regionen gezielt, die Bereiche funktionell verbunden sind bekannt in verschiedenen Krankheitszuständen beteiligt zu sein ist wahrscheinlicher, als ohne eine solche functio Regionen gezielte TMS therapeutisch wirksam zu seinnal - Konnektivität, und in der Tat haben mehrere Studien vorläufige Beweise für diese 35,36 gefunden. Ein anderer Ansatz würde bedeuten TMS-EEG mit bis kausal die physiologische Bedeutung der verschiedenen Ruhezustand fcMRI Muster beurteilen. Insbesondere kann man die Hypothese zu testen, dass Regionen, die abnormal funktionelle Konnektivität in einem bestimmten Krankheitszustand zeigen eine andere Reaktion auf die Stimulation bei Patienten als bei gesunden Probanden zeigen sollte, und dass diese physiologische Anomalien speziell vorhanden sind (oder vor allem) mit Stimulation des abnorm verbunden Region.

Um die oben veranschaulichen, stellen wir ein Beispiel für eine kürzlich durchgeführte Studie , in der rs-fcMRI, TMS und EEG kombiniert wurden kortikale Übererregbarkeit bei Patienten mit Epilepsie aufgrund der Entwicklung des Gehirns Anomalie periventrikuläre knotige Heterotopie (PNH) 37 zu erkunden. Patienten mit PNH vorhanden klinisch mit adolescent- oder Erwachsenenalter Epilepsie, Leseschwäche und normale intelligence und haben abnorme Knötchen der grauen Substanz neben den lateralen Ventrikel auf 38,39 Neuroimaging. Frühere Studien haben gezeigt , dass diese periventrikuläre Knötchen heterotoper grauen Substanz sind strukturell und funktionell im Neokortex 40,41 auf diskrete Foci verbunden ist , und dass epileptische Anfälle aus neokortikalen Regionen, heterotope graue Substanz stammen können, oder beide gleichzeitig 42, was darauf hindeutet , dass epileptogenesis in diese Patienten ist ein Schaltungs Phänomen. Durch die Verwendung von Ruhezustands-fc-MRI TMS-EEG führen, haben wir gezeigt, dass Patienten mit aktiver Epilepsie durch PNH Nachweis kortikaler Übererregbarkeit haben, und dass diese Übererregbarkeit erscheint auf Regionen mit abnormaler funktionelle Verbindung zu den tiefen Knötchen zu beschränken.

Das Protokoll wird in zwei getrennten Sitzungen durchgeführt. Während der ersten Sitzung, strukturelle und Ruhezustand Blut-Sauerstoffversorgung pegelabhängig (BOLD) Kontrast MR-Sequenzen erfasst(Für Patienten) oder nur strukturelle MRI-Sequenzen (für den gesunden Kontrollen). Zwischen dem ersten und zweiten Sitzungen wird Ruhezustand funktionelle Konnektivität Analyse der kortikalen Ziele für die Patienten und die MNI-Koordinaten für diese Ziele erreicht werden zu definieren. Die entsprechenden kortikalen Ziele (basierend auf MNI-Koordinaten) werden dann für jeden gesunden Kontrollperson identifiziert. In der zweiten Sitzung wird die TMS-EEG-Daten erhalten.

In dem Beispiel in diesem Papier gegeben wurden funktionelle Konnektivität MRI Analysen 43,44 mit einem hauseigenen Software - Toolbox und die MRI - Software durchgeführt. Neuro-navigierte TMS wurde mit einem transkraniellen Magnet Stimulator mit Echtzeit-MRT Neuronavigation durchgeführt. EEG wurde mit einem 60-Kanal-TMS-kompatiblen System aufgezeichnet, die Schaltung eine Abtast-Halte-Verstärker nutzt Sättigung durch TMS zu vermeiden. EEG - Daten wurden unter Verwendung von benutzerdefinierten Skripten analysiert und die EEGLAB Toolbox 45 (Version 12.0.2.4b) läuft in MATLAB R2012b.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Das hier beschriebene Protokoll wurde von den Institutional Review Boards des Beth Israel Deaconess Medical Center und dem Massachusetts Institute of Technology genehmigt.

1. Auswahl Betreff

  1. Patientenauswahl für die Forschung Protokoll.
    1. Identifizieren Patienten mit aktiver Epilepsie (Krampfanfälle innerhalb des letzten Jahres) oder eine Geschichte der Fern Epilepsie (vor Anfällen, aber ohne Anfälle in den letzten fünf Jahren entweder an oder aus Medikamenten) und periventrikuläre knotige Heterotopie auf strukturelle Bildgebung des Gehirns.
    2. Ausschließen Patienten ohne Vorgeschichte von Krampfanfällen. Auch ausschließen Patienten mit alternativen möglichen Ursachen für Anfälle (zB eine Geschichte von traumatischen Hirnverletzung, Schlaganfall, Meningoenzephalitis) oder mit EEG - Ergebnisse stehen im Einklang mit einer alternativen Diagnose (zB idiopathischer generalisierter Epilepsie, mesialen Temporallappen - Epilepsie).
    3. Ausschließen Patienten mit zusätzlichen neurologischen oder psychiatrischen disease, oder mit jeder anderen instabilen medizinischen Zustand. Auch ausschließen Patienten mit einer Vorgeschichte von vor der Gehirnchirurgie, die Unfähigkeit , MRI, kürzlich illegale Substanz oder übermässiger Alkoholkonsum zu tolerieren oder einen bestimmten MRI 46 oder TMS 47 Kontraindikation.
  2. Gesunde Kontrolle unterliegen Auswahl.
    1. Für jeden PNH Patienten (in unserer früheren veröffentlichten Studie 37, 8 Patienten, im Alter von 20 - 43 Jahre bedeuten 30.25; 3 männlich, 5 weiblich), identifizieren eine alters- und geschlechts gleichaltrigen gesunden Kontrolle.
    2. Ausschließen Personen mit irgendwelchen in der neurologischen oder psychiatrischen Erkrankungen oder Psychopharmaka, einem anderen ungeeigneten medizinischen Zustand, eine Geschichte von vor der Gehirnchirurgie, die Unfähigkeit zu tolerieren MRI, illegale Substanz oder übermässiger Alkoholkonsum oder andere spezifische MRI oder TMS Kontraindikation.

2. Die Erzeugung der Stimulation Ziele

  1. Mit Hilfe eines 3T-MRT-System erwerben, hochauflösende strukturelle Ganzhirnschnitten mit einem T1-weighted-Sequenz. Verwenden Sie die folgenden Erfassungsparameter: 128 Scheiben pro Platte, eine 256 x 256 - Matrix, Sichtfeld (FOV) 256 mm, Schichtdicke 1,33 mm mit 0,63 mm Zwischenschicht Lücke, Voxelgröße 1 x 1 x 1,33 mm 3, Wiederholungszeit (TR 2530) ms, Inversionszeit 1100 ms, Echozeit (TE) 3,39 ms, Flipwinkel 7 °.
  2. Mit Hilfe eines 3T-MRT-System erwerben Ruhezustand Funktionsaufnahmen eine Echo-Planar-Sequenz empfindlich auf Blut-Sauerstoffversorgung pegelabhängig (BOLD) Kontrast mit. Während des Scans durchführen anweisen die Patienten offen, ohne dass eine bestimmte Aufgabe ausführt leise mit den Augen zu ruhen. Verwenden Sie die folgenden Erfassungsparameter: FOV 256 mm, Voxelgröße 2,0 x 2,0 x 2,0 mm, TR 6000 ms, TE 30 ms, Flipwinkel 90 °, Erfassungszeit 6,4 min.
  3. Mit MRICroN Software 44, identifizieren jede einzelne Region knotige Heterotopie (entweder für jeden einzelnen Knoten oder eine untrennbare zusammenhängende Gruppe von Knoten) 46. Verwenden Sie das Zeichenstift-Werkzeug manuell er skizzierenterotopia Regionen von Interesse (ROIs), Schicht für Schicht in der axialen Ebene auf T1-gewichteten Strukturbilder.
  4. Verwenden Sie die CONN funktionelle Konnektivität Software - Toolbox 48,49 bis vier aufeinanderfolgenden Schritten in Ruhezustand Funktionsdatenverarbeitung ausführen: Setup, Vorverarbeitung, Analyse und Ergebnisse.
    1. Für Setup Menüoptionen verwenden, um ein neues Projekt zu starten und Basisexperiment Informationen eingeben. Legen Sie die Funktionsaufnahmen, neu ausgerichtet und Co-registriert an die anatomischen Bilder für jedes Thema.
    2. Legen Sie die Strukturbilder. Last Heterotopie ROI-Dateien in Schritt 2.3 erstellt. Geben Sie die Details der experimentellen Bedingungen; da dies-Ruhezustand, eine einzige Bedingung mit Beginn 0 Sekunden und Dauer gleich der gesamten Dauer jeder Sitzung ein. Die Toolbox wird die Heterotopie ROI BOLD Zeitreihen extrahieren. Prüfen Sie auf mögliche Inkonsistenzen.
    3. Für Preprocessing, verwirrende Quellen von BOLD Variation umfassen Atmungs-induzierte Modulationen des Haupt magnetische Feld und Herz-Pulsationen, sowie Thema Bewegung. Entfernen confounders über die integrierte Hauptkomponente basierende Methode , die Zeitreihendaten von Regionen unwahrscheinlich ist im Zusammenhang mit neuronaler Aktivität, wie Ventrikel und große Schiffe, zu identifizieren physiologischen Rauschprozesse 50 analysiert. Vorschau auf die Gesamtabweichung von jedem der möglichen Verwechselung Quellen erläutert. Tragen Sie eine Bandpassfrequenzfilter (0,01 Hz HINWEIS: Die Toolbox wird standardmäßig die Quellen möglicher Störfaktoren, einschließlich BOLD-Signal aus der weißen Substanz und Liquor und Neuausrichtung Parameter (je Bewegung).
    4. Für die Analyse und Ergebnisse, die Quellen von Interesse, da die Heterotopie ROIs identifizieren. unter Verwendung von Schwellenwerten für die Korrelationskoeffizienten eine Vorschau der Konnektivitäts Korrelationsmaß (eher als Regression), und anzuzeigen.
      1. Für jedes Thema, erstellen Sie sehend-to-Voxel-Konnektivität Karten jeden diskreten Bereich heterotoper grauer Substanz als Samen ROI verwendet wird, um die Korrelation zwischen dem durchschnittlichen BOLD-Signal Zeitreihe des ROI und jedem anderen Gehirn Voxel zu demonstrieren.
      2. Führen Sie Second-Level-Analysen für zwischen-Subjekt oder zwischen Source Kontrasten (optional). Zeigen Sie die Ergebnisse mit Höhe (Voxel-Ebene) und Umfang (Cluster-Ebene) Schwellenwerte; unkorrigiert und falsche Entdeckung frequenzkorrigierten p-Werte gezeigt.
  5. Verwenden Sie MRICroN Software manuell zwei Ziele von Interesse skizzieren, ein verbundenes Ziel und eine nicht-verbundene Ziel, für TMS, mit dem Zeichenstift - Werkzeug 43. Mit Hilfe der Funktion "Overlay" überlagern die funktionelle Konnektivität Karten oben auf die Strukturbilder für jedes Thema erstellt.
    1. Sicherzustellen, dass die Zielregion eine Region der Hirnrinde, die wesentlichen funktionalen Verbindung zu der grauen Substanz heterotopia hat wie oben beschrieben. Stellen Sie sicher, dass die nicht-verbundenen Teererhalten, ist eine ähnliche Größe Region, die nicht signifikant funktionelle Verbindung zu jedem heterotopia ROI nicht nachweisen und ist mindestens 2,5 cm von dem angeschlossenen Ziel auf der kortikalen Oberfläche zu minimieren, um das Risiko von Nachbarschaftsstimulationseffekte während TMS entfernt.
    2. Wählen Ziele , so dass die Wahrscheinlichkeit von großen TMS-induzierte Artefakte gering 51. Insbesondere vermeiden Targets in den lateral temporal oder frontopolaren Regionen auszuwählen, da diese wahrscheinlich große Muskelkontraktion und / oder Augenbewegungsartefakten zu erzeugen, die die frühen TMS-EEG - Signal 51 verdunkeln kann. Speichern Sie die skizzierten Ziele als neue Ziel ROIs.
  6. Bestimmen Sie die MNI für jedes Ziel-ROI in jedem Fach koordiniert. Dann nutzen Sie diese Koordinaten, die gleich zwei Zielstellen in jedem Fach des gleichaltrigen gesunden Kontrollperson zu identifizieren.

3. TMS-EEG Versuchsaufbau

  1. Laden Struktur Scans (in der Regel hochauflösenden T1-weighted volumetrische 3D-Bilder) in die Neuronavigation System.
  2. Mit Hilfe der Neuronavigation Software, markieren Sie die gewünschten Ziele auf den Bildern. Markieren Sie auch externe anatomische Marker (die nasion, bilaterale tragus), die für Koregistrieren und Neuronavigation während der Stimulationssitzung verwendet wird. Bei Verwendung eines EEG - Kappe mit drehbaren Elektroden und Elektrodendrähte, orient Drähte senkrecht zur Längsachse der TMS - Spule 52.
  3. Kontaktieren Sie das Thema vor der experimentellen Sitzung ihn daran zu erinnern oder sie nicht zu verwenden Anlagen oder andere Haarpflegeprodukte (Shampoo ist akzeptabel) am Tag des TMS-EEG-Sitzung, zu vermeiden, alkoholische Getränke am Abend vor der TMS-EEG-Sitzung, und seine üblichen täglichen Koffeinkonsum vor der TMS-Sitzung zu trinken.

4. Experimentelle Session

  1. Bestätigen Sie, dass das Thema geht TMS Sicherheitskriterien, idealerweise über einen strukturierten Fragebogen 53. Bestätigen Sie, dass das Thema nicht Nachteile habenume alkoholische Getränke nach dem Stand der Nacht, trinken nicht wesentlich mehr oder weniger als seine üblichen täglichen Koffeinkonsum, haben over-the-counter Schlafmittel nicht verbrauchen, die kortikale Erregbarkeit (wie Diphenhydramin) der vorherigen Nacht ändern, und erhielt eine typische Nachtruhe (wie Schlafentzug kann kortikalen Erregbarkeit 54 erhöhen).
  2. Bitten Sie das Motiv in einem bequemen Stuhl zu sitzen.
  3. Montieren Sie die EEG-Kappe auf dem Thema und bereiten die Elektroden.
    1. Messen Sie den Kopf des Subjekts und wählen Sie eine EEG-Kappe von geeigneter Größe zu helfen, niedrige Elektrodenimpedanz ermöglichen.
    2. Reinigen Sie die Haut unter jeder Elektrode eine Baumwollspitze Applikator und Alkohol.
    3. Hinzufügen leitfähiges Gel an jede Elektrode. Sie nicht zu viel Gel hinzufügen, dass es zwischen den Elektroden austritt, so dass eine Brücke schaffen kann und zu gemeinsamen Signal zwischen verschiedenen Elektroden führen.
    4. Falls erforderlich, einen guten Kontakt zwischen der Kopfhaut zu gewährleisten, dem Gel und dem electrode, versuchen Sie auf jeder Elektrode nach unten drücken, nachdem das Gel hinzugefügt wird. Zur Minimierung der Artefakte Aufladen sicher, dass das Gel nicht außerhalb des Elektrodenhalter verteilt. Homogen reduziert die Leitfähigkeit Ebenen Aufnahme Artefakte zu minimieren.
    5. Platzieren der Referenz- und Erdungselektroden so weit von der Stimulationsspule als möglich, die Möglichkeit von TMS-induzierte Elektroden Artefakt zu minimieren, die gesamte Aufnahme verunreinigen. Es ist bevorzugt, diese Elektroden oberhalb Knochenstrukturen zu platzieren, in vermutlich "inaktiven" Zonen mit minimalem kortikale Aktivität.
      HINWEIS: Selbst in Untersuchungen , bei denen die Zielpositionen variabel sind, sind frontopolaren Regionen unwahrscheinlich als Ziele gewählt werden , da TMS auf diese Regionen in großen Augenbewegungen führen, die Kontraktion der frontalis und Gesichtsmuskeln 51, und häufig Kopfschmerzen und Kopfschmerzen; Folglich wird die TMS-EEG-Signals während der Stimulation dieser Bereiche häufig durch große Artefakte verdeckt.
    6. Sündece diese Regionen daher unwahrscheinlich sind als Ziele für die Stimulation gewählt werden, verwenden, um die Stirn zur Platzierung der Referenz- und Erdungselektroden. Legen sie innerhalb weniger Zentimeter voneinander Gleichtaktrauschen zu minimieren.
      HINWEIS: In Situationen, in denen alle Stimulationszielen in einer Hemisphäre sind, würde die kontralaterale mastoid eine andere Option.
    7. Überprüfen Elektrode Impedanzen wie folgt; stecken Sie die EEG-Ausgangskabel in die "Impedanz" Buchse des Aufzeichnungssystems EEG, dann drücken Sie die "Maßnahme Impedanzen" Knopf auf dem EEG-System. Sicherzustellen, dass die Elektrodenimpedanz nicht größer als 5 kOhm ist.
  4. Bereiten Sie die EMG-Elektroden auf der kontralateralen Seite (verwenden erste Rücken interosseum oder abductor pollicis brevis Muskeln, nutzen die gleiche Muskel über Themen in einer einzigen Studie).
  5. Geben Sie dem Thema Ohrstöpsel zu minimieren Risiko von Hörverlust und Tinnitus.
    HINWEIS: Eine weitere Möglichkeit wäre, Kopfhörer zu verwenden, spielen White Rauschen oder farbiges Rauschen (mit spektralen Eigenschaften denen des TMS Klick entspricht) während des Aufnahmeprozesses, bei einem Volumen ausreichend zu maskieren die auditorischen Klick erzeugt durch TMS; Dies würde den zusätzlichen Vorteil haben das Potential confound von TMS-induzierten Gehör Minimierung evozierte Potentiale 10,55. Zu beachten ist, ist eine dünne Schicht aus Schaumstoff zwischen der Spule und der Kopfhaut auch notwendig, um die Minimierung der Gehör Potential hervorgerufen.
  6. Platzieren Sie die Infrarot-Detektoren auf den Kopf des Patienten, um sicherzustellen, dass die Detektoren in einer Art und Weise angeordnet sind Risiko einer Bewegung während der experimentellen Sitzung zu minimieren.
  7. Coregister den Kopf des Patienten mit den MRT-Bildern durch die Position der vorgewählten externen anatomischen Fiducial-Marker (Abschnitt 3.2) zum Thema Identifizierung unter Verwendung des Zeigers, die mit dem Neuro Ausrüstung enthalten ist.
  8. Machen das Thema mit Stimulation durch einen Impuls an anderer Stelle der Anwendung ( zum Beispiel das Thema der Arm) oder durch ein Tief bei der Anwendungtensity Stimulationsimpulses (zB 5% max Stimulator Output) auf die Kopfhaut.
  9. Bestimmen Sie den Ruhemotorschwelle (die minimale Intensität, dass ein Motor-evozierte Potential von mindestens 50 & mgr; V in der Größe auf 5/10 Studien produziert). Ein derartiges Verfahren ist die relative Frequenzverfahren 56, ist wie folgt.
    1. Bestimmen Sie den Speicherort des motorischen Kortex auf der Hemisphäre ipsilateral die unter den fMRI-Konnektivität basierten Zielen. Wenn Neuronavigation verwendet wird, ist dies in der Regel im Bereich der "Omega" in den Gyrus praecentralis. Winkel der Spule senkrecht zur Gyrus, mit der Griff okzipital zeigt.
    2. Beginnen Stimulation mit einer Intensität , die Unterschwellen werden soll (beispielsweise 35% maximale Stimulator Output).
    3. Erhöhen Sie Ausgabe Stimulationsintensität in Schritten von 5% max Stimulator bis TMS konsequent MEPs evoziert mit Amplituden> 50 & mgr; V in jedem Versuch.
    4. verringern Stimulationsintensität dann in Schritten von 1% maximum Stimulator ausgegeben, bis weniger als 5 positive Antworten von 10 aufgezeichnet.
      HINWEIS: Diese Stimulationsintensität plus 1 als Motorschwelle definiert. Alternativ verwenden adaptive Schwellen Techniken 57 Motorschwelle mit weniger Stimuli zu identifizieren.
  10. Für die Stimulation der Zielgebiete, stellen Sie die TMS Intensität auf den gewünschten Wert (zB 120% Motor Schwelle ruht).
    HINWEIS: In Fällen, in denen es große regionale Schwankungen in der Kopfhaut-cortex Abstand (beispielsweise bei Patienten mit Frontallappen Atrophie), eine solche Technik in unterschwelligen Stimulation führen kann. Alternativ dazu mit entsprechenden Neuro Systeme, Online - Schätzungen des induzierten elektrischen Feldes durchgeführt wird , die Intensität der Stimulation kann auch bei einer bestimmten Amplitude des berechneten induzierten elektrischen Feldes eingestellt werden (in V / m) an der kortikalen Oberfläche 58.
  11. Gelten Einzelimpulse von TMS zu jedem der Zielbereiche unter Verwendung von(- 6 sec, mit einem Abstand von mindestens 3 sec zu vermeiden kumulativen Effekte 59 beispielsweise alle 4) die Neuronavigationssoftware mit einem variablen Intervall zwischen den Impulsen kortikale Plastizität und unterliegen Erwartungseffekte zu minimieren. Zur Maximierung der Konsistenz, der Winkel der Spule senkrecht zur Längsachse der zugrunde liegenden Gyrus, wobei der Griff posterolateral spitz.

5. EEG Datenvorverarbeitung und Analyse

HINWEIS: TMS-EEG-Daten enthält normalerweise große Artefakte Stimulationsbezogene, insbesondere wenn stimulierenden weg von der Mittellinie / Scheitelpunkt oder mit hoher Stimulationsintensitäten und signifikante Vorverarbeitung notwendig sein kann sauber analysierbare Daten zu erhalten. Independent Component Analysis (ICA) ist ein Verfahren , das zur Entfernung von TMS Artefakte verwendet worden ist, und kann unter Verwendung öffentlich zugänglicher Werkzeugkästen (zB EEGLAB 45) auf der MATLAB Plattform angewendet werden. Ein validierten Ansatz 60 ist als FollOWS, beschreibt die Analyse von Daten, die die Eximia EEG-System gesammelt werden:

  1. Importieren Sie die Daten in EEGLAB
    1. Klicken Sie auf "Datei", "Importieren von Daten", "Verwenden von EEGLAB Funktionen und Plug-ins", "Aus der EDF / EDF + / GDF-Dateien (BIOSIG Toolbox)".
  2. Extrahieren Sie Ereigniszeiten
    1. Klicken Sie auf "Datei", "Import Event-Info", "Aus Datenkanal". Füllen Sie "Ereigniskanal" 1 "Preprocessing-Transformation (data = 'X')" X> 0,1, "Transition Länge (1 = perfekte Kanten) 0. Stellen Sie sicher," Löschen Ereigniskanal (n)? "Und" Löschen Sie alte Ereignisse , wenn überhaupt? "Kontrollkästchen aktiviert sind.
  3. Segment die Daten in Epochen um den Puls TMS zentriert, von 1 Sekunde vor dem Puls bis 2 Sekunden nach. Um dies zu tun, wählen Sie "Extras", "Extract Epochen". Wenn der TMS Impuls das einzige Ereignis-Typ ist, "Time-Sperrereignistyp (en)" Feld kann leer gelassen werden. Für "Epoch Grenzen [beginnen, end] in Sekunden "eingeben [-1 2].
  4. Bewertung von EEG - Daten visuell (wählen Sie "Plot", "Kanaldaten (Scroll)".) Entfernen Sie schlechte Kanäle (zB Kanäle ohne Signal oder mit kontinuierlicher übermäßigen Artefakt). Um dies zu tun, klicken Sie auf "Bearbeiten", "Daten auswählen". Im "Kanalbereich" geben Sie die Nummer (n) des Kanals gelöscht werden (oder klicken Sie auf die Toggle-Box auf der rechten Seite und wählen Sie die Kanäle über ihren Namen, dann "OK" drücken), stellen Sie sicher, dass die "on- > entfernen Sie diese "Kontrollkästchen aktiviert ist, und drücken Sie dann auf" Ok ".
  5. Eingestellt , die Potentiale in allen Elektroden auf Null von der Zeit des Impulses , bis das EEG - Signal auf ungefähr eine Größenordnung des neuronalen Signals (beispielsweise durch Ausschneiden von Daten größer ist als 150 & mgr ; V), oder einer späteren festen Zeitpunkt zurückgekehrt ist ( zB 40 ms) , um sicherzustellen , dass die großen TMS Artefakte nicht verzerren die ICA - Trennung. 61 Dieser Schritt benötigt , um in Matlab Skript.
  6. Führen Sie eine erste Runde der ICA, und entfernen Sie die 1 bis 2 Komponenten die große TMS-induzierte anfängliche Muskelaktivierung darstellt.
    1. Führen Sie ICA die FastICA Methode mit der "symmetrischen Ansatz" verwenden und die "tanh" Kontrastfunktion die folgende Befehlszeile: "EEG = pop_runica (EEG, 'icatype', 'fastica", "Ansatz", "sym", "g ',' tanh '); ".
      HINWEIS: Führen Sie ICA separat für jeden Standort, da die durch die Stimulation erzeugte Artefakt als Funktion der Stimulationsstelle variieren.
    2. Identifizieren Sie Komponenten im Einklang mit TMS Artefakt, indem Sie "Extras", "Daten ablehnen mit ICA", "Entfernen von Komponenten auf der Karte". Die topographischen Karten von allen ICA-Komponenten werden dann aufgetragen werden. Klicken Sie auf die Nummer für jede Komponente Komponente Details zu plotten (Karte vergrößern In der topographischen Verteilung, das Aktivitätsprofil über Studien, und das Frequenzspektrum).
      HINWEIS: Die TMS Puls Artefakt Kompoponenten (in der Regel 1 - 2) kann der extrem großen Amplitude der Bauteilaktivierung unmittelbar nach dem Puls und der anschließenden glatten exponentiellen Abfall an den Ort der Stimulation lokalisiert durch die dipolare topographische Handlung erkannt werden.
    3. Löschen Sie die artifactual Komponenten von "Tools", "Entfernen Komponenten", und geben Sie die entsprechenden Komponentennummern in das Feld "Komponente (n) aus den Daten zu entfernen" wählen. In der "Bestätigung" Feld, das erscheint, drücken Sie auf "Übernehmen" nach den ERPs die Überprüfung, die nach dem Löschen der ausgewählten Komponente (drücken Sie "Plot ERPs") und nach der Überprüfung Single-Studie Effekte (Presse "Plot einzelne Studien") zur Folge haben. HINWEIS: Dieser Schritt vor sollte abgeschlossen Filterung alle Filter Artefakte aus der TMS-induzierte Muskelartefakte zu minimieren, die oft mehrere Millivolt sein kann.
  7. Interpoliert die fehlenden Daten (während der Null-gepolstert Zeitperiode). Dieser Schritt wird need getan werden, ein Matlab-Skript.
  8. Bandpaß und / oder Notch - Filter die Daten (optional, oder könnte zu einem späteren Zeitpunkt durchgeführt werden, zum Beispiel nach der zweiten Runde der ICA - Artefakt - Entfernung).
    HINWEIS: Wenn die mit hoher Amplitude TMS-Artefakt nicht ausreichend entfernt worden ist, die zeitliche Glättungseffekt eines Hochpassfilters auf zeitliche Dispersion von Artefakt führen. Darüber hinaus Plätschern der Durchlaßbereich durch Tiefpassfilter erzeugt prominent läuten Artefakt in der "sauberen" Teil des resultierenden gefilterten EEG-Signals führen kann.
  9. Re Verweis auf Average Referenz (optional, oder könnte zu einem späteren Zeitpunkt durchgeführt werden, zum Beispiel nach der Interpolation der fehlenden Kanäle).
  10. Entfernen Sie einzelne Epochen mit großer Amplitude Artefakte, erhebliche Muskelaktivität oder andere wichtige Artefakte.
    1. Für halbautomatische Artefaktunterdrückung, wählen Sie "Extras", "Ablehnen Daten Epochen", "Daten ablehnen (alle Methoden)".
    2. Unter "Find unwahrscheinlich data "eingeben 3.5 im Bereich für" Single-Channel-Limit (std. dev.) und 3 im Bereich für "Alle Kanäle Limit (std. dev.)", dann drücken Sie die Schaltfläche "Berechnen" unmittelbar unter. Dies identifiziert Epochen, die unwahrscheinliche Daten basierend auf der Verteilung von Werten in Daten Epochen enthalten.
    3. Unter "Suchen abnormal Verteilungen", geben Sie 5 im Feld für "Single-Channel-Limit (std. Dev.)" Und 3 im Bereich für "Alle Kanäle Limit (std. Dev.)", Dann drücken Sie die Schaltfläche "Berechnen" unmittelbar darunter. Dies identifiziert Epochen als Artefakte auf der Grundlage der Kurtosis der Daten enthält.
    4. So weisen Epochen mit ungewöhnlich hohen oder niedrigen Werten unter "Finde abnormale Werte", geben Sie 100 in das Feld für "Obere Grenze (n) (uv)" und -100 im Bereich für "Untere Grenze (n) (uv)" (obwohl andere Grenzwerte können bei Kindern, bei denen EEG Amplituden sind in der Regel höher ist erforderlich). Geben Sie Elektrodennummern Spannung dreschen anwendenolding im Feld "Elektrode (n)"; zu vermeiden, alle Epochen mit Augenblinzen Ablehnung, nicht enthalten frontopolaren (und / oder EOG) Kanäle. Dann drücken Sie "Calc / Plot.".
    5. Blättern Sie durch markierte Epochen und unmark Epochen, die auf die Epoche Artefakte durch einen Rechtsklick nicht enthalten. Mark zusätzliche Epochen, die bedeutende Artefakte, die durch Linksklick auf die Epoche enthalten. Nach der Bestätigung, dass alle Epochen Artefakte sind markiert, klicken Sie auf "UPDATE MARKS" Button enthält.
    6. So speichern Sie die Epochen zum Löschen markiert, klicken Sie auf "Schließen (halten Zeichen)" und dann Datei speichern ( "Datei", "Speichern der aktuellen Datensatz als").
      1. So löschen Sie dann die relevanten Epochen, wählen Sie "Extras", "Daten Epochen abweisen", "Ablehnen markiert Epochen". Klicken Sie "Ja" auf nachfolgende Bestätigungsdialogfeld. Speichern resultierende Datenmenge.
  11. Führen Sie eine zweite Runde von ICA und Entfernen von Komponenten zu zerfallen entsprechendenArtefakte, blink Artefakte, Muskelartefakte und Elektrodenrauschartefakte.
    HINWEIS: Das Entfernen von Komponenten im Einklang mit auditiv-evozierte Potentiale betrachtet werden kann, obwohl diese Komponenten auch Komponenten mit dem Stimulationsimpuls die unmittelbar im Zusammenhang evozierte neuronale enthalten können (was auch Peaks bei gleichen Zeitpunkte). Eine bessere Möglichkeit, die TMS-evozierten Potentiale durch die TMS "Klick" induziert würde zu minimieren, und somit die Notwendigkeit für ICA-basierten Entfernungs beseitigen, wäre Rauschen auszuführen Maskieren als 4,5 vorstehend im Abschnitt beschrieben wurde, wenn tolerierbaren von den Probanden.
    1. Führen Sie ICA die FastICA Methode mit der "symmetrischen Ansatz" verwenden und die "tanh" Kontrastfunktion, wie in 5.6.1 oben beschrieben.
    2. Bewerten Bauteileigenschaften wie in 5.6.2 oben beschrieben.
    3. Mark Komponenten , die mit Rest TMS Zerfall Artefakte 62.
      HINWEIS: Identifizieren Sie diese basierend auf Timing (maximal unmittelbar nach dem Puls), Morphologie (einen langsamen Zerfall mit overshoot, dann langsame Erholung über zehn bis einigen hundert Millisekunden) und die Lage (in der Nähe der Stimulationsstelle). ICA-Komponenten können auch organisiert werden, um erklärter Varianz in absteigender; da das TMS Artefakt ziemlich groß ist, wird es typischerweise in den ersten Komponenten dargestellt und typischerweise repräsentieren nicht mehr als 1 bis 5 Komponenten.
    4. Verwenden des Plugins ADJUST 62 für EEGLAB, markieren Sie Komponenten im Einklang mit Blink - Artefakte.
      HINWEIS: Identifizieren Sie diese basierend auf dem Standort (maximale frontopolaren), Zeitverlauf (lange Perioden mit relativ minimale Aktivität, gefolgt von kurzen Perioden intensiver Aktivierung), Spektren (hohe Leistung bei niedrigen Frequenzen) und Morphologie (triphasic).
    5. Mark Komponenten im Einklang mit Muskelartefakte 62.
      HINWEIS: Diese basiert Identifizieren auf spektralen Merkmale (signifikante Leistung bei Beta-Frequenzen und höher), zeitliche Verteilung (sehr unregelmäßig / zackig), räumliche Verteilung (maximal entlang der Kopfhaut Peripherie) und Zeitbereichs-Aktivität(Stachelig).
    6. Mark Komponenten im Einklang mit Kanalrauschen auf Basis von räumlichen Verteilung (isoliert auf 1 oder 2 Kanäle) und zeitliche Verteilung (oft sehr kränklich, eine hohe Aktivität auf wenige Studien, oder sehr langsam große Amplitudenschwankungen) mit dem Plugin ADJUST 62 für EEGLAB.
    7. Entfernen Sie markierte Komponenten wie in 5.6.4 oben. Interpoliert Kanäle fehlen und führen nachfolgende Analysen auf diese Daten.
      HINWEIS: Vorsicht ist erforderlich, wenn Kanäle interpoliert werden. Insbesondere dann , wenn ein wesentlicher Anteil (beispielsweise 10%) der Kanäle oder wenn benachbarte Kanäle interpoliert werden, ist die resultierende Datenmenge unzuverlässig sein können, insbesondere wenn die zugrundeliegende Gehirnaktivität eine hohe Ortsfrequenz.
  12. Legen Sie eine andere Datensatz mit allen gewünschten Kanäle in EEGLAB. Dann bringen Sie die Datenmenge, die Sie wünschen, um die Interpolation auf in den Vordergrund auszuführen, indem "Datensätze", auswählen und dann auf der entsprechenden Datensatzes klicken.
  13. Wählen Sie "Extras"; "Interpolieren Elektroden". Im resultierenden Dataset, wählen Sie "Verwenden Sie alle Kanäle aus anderen Daten-Set". Für "Interpolationsmethode", wählen Sie "Spherical" und drücken Sie dann auf "Ok".

6. Beurteilen Sie für Nachweis kortikaler Übererregbarkeit

  1. Berechnen Sie die globale Mittelfeldpotential (GMFP) 63 für jedes Fach und Stimulationsstelle als Funktion der Zeit, unter Verwendung der folgenden Gleichung:
    figure-protocol-1
    wobei K die Anzahl der Elektroden ist, V i (t) die Spannung an der Elektrode gemessen i zum Zeitpunkt t, und V mean (t) ist die mittlere Spannung an den Elektroden zum Zeitpunkt t.
  2. Segment die Daten in "frühen" Zeitperioden , wenn TMS-evozierten Aktivität , die normalerweise in gesunden Individuen vorhanden ist ( zum Beispiel 100 bis 225 ms) und späten Zeitperioden, wenn anormale verzögert(- 700 ms zB 225) Aktivität kann mit Epilepsie bei Patienten beobachtet werden. Berechnen Sie die Fläche unter der Kurve (AUC) des GMFP (AUC-GMFP) während jeder Zeitperiode.
    HINWEIS: Da die absolute Größe der evozierten Reaktion kann aufgrund von Faktoren stark zwischen den Individuen variieren unabhängig von kortikale Physiologie (zB Schädeldicke, Kopfhaut-Cortex Entfernung, individuelle Anatomie des Gehirns) , die dennoch zwischen den Gruppen ( zum Beispiel , weil Patienten mit Epilepsie kann variieren kann auf Antiepileptika sein), sind rohe Amplituden von begrenztem Nutzen in der TMS-evozierten Potentiale zu bewerten. Zur Isolierung, ob Patienten mit Epilepsie haben abnorm TMS-evozierten Aktivität erhöht, die Größe der AUC-GMFP während der späteren Zeitperioden von der Größe der AUC-GMFP während der "frühen" Zeitperioden zu normalisieren.
  3. Vergleichen Sie die normalisierte AUC-GMFP für jede Epilepsie Patienten, dass durch die Stimulation der gleichen Region erreicht, dass Patienten und gleichaltrigen gesunden control. Ein größerer Wert (Verhältnis> 1) in der Epilepsie Patienten anzeigt, dass die Epilepsie Patienten Erregbarkeit erhöht.

7. Quelle Schätzung der evozierte elektrische Aktivität

  1. Rekonstruieren der kortikalen Oberfläche für das Thema der Freesurfer 64 - Paket.
    1. Führen Sie Befehl "Gene FreeSurfer Output". Führen Sie Befehl "Gene Oberflächen". Führen Sie Befehl "Create Quelle Space". Importieren Sie digitalisierte Elektrodenstellen aus der Neuro Software und richten Elektroden MNE Analysieren Software (MNE Version 2.7.0) 65,66; wenn einzelne Elektrodenstellen nicht verfügbar sind, Daten von einem Subjekt mit einem ähnlichen ungefähre Kopfgröße ausreichen.
    2. Führen Sie Befehl "mne_analyze". Klicken Sie auf "Datei", "Load Digitalisierer Daten" (.FIF). Klicken Sie auf "Datei", "Load Surface". Wählen Sie den Pfad zu MRI Freesurfer Wiederaufbau Daten.
    3. Klicken Sie auf "Ansicht", "Show Viewer ". Klicken Sie auf" Anpassen "," Koordinatenabgleich ". Klicken Sie auf" LAP ". Klicken Sie auf LAP Lage im" Viewer-Fenster ". Wiederholen Sie dies für" Nasion "und" RAP ".
    4. Klicken Sie auf "Align Mit Fiducials". Klicken Sie auf "X", "Y", "Z" Feld Pfeile manuell Ausrichtung adjust koordinieren. Klicken Sie auf "Save Default" in "Koordinatenabgleich" Fenster -trans-Datei zu speichern.
  2. Bestimmen Sie die Vorwärts-Lösung eine geeignete Methode unter Verwendung (zB Boundary-Element - Modellierung , wie in der MNE 65,66 Software implementiert). Um dies zu tun, Befehl "MNE leite Solution" laufen.
  3. Identifizieren Sie die Zeitpunkte der Spitzen in der GMFP für Quellenanalyse. Um dies zu tun, Befehl "MNE_Browse_Raw" für .FIF Datei ausführen.
    1. Klicken Sie auf "Anpassen", Filter ", um Filter Änderungen vornehmen. Klicken Sie auf" Anpassen "," Waage "maßstabs Änderungen vornehmen. Klicken Sie auf" Anpassen "," Selection &# 34; Montage Auswahl zu ändern.
    2. Klicken Sie auf Zeitpunkt in Rohspannung Daten. Klicken Sie auf "Windows", "Show Annotator". Klicken Sie auf "Mark", um Code gewählte Zeitpunkt mit entsprechender Anzahl und kommentieren. Überschreiben Kommentarfeld, wenn anwendbar.
    3. Im Durchschnitt Feld geben Sie Anmerkungsnummer. Klicken Sie auf "Average". Klicken Sie auf "Windows", "verwalten Durchschnitt". Klicken Sie auf "Speichern unter" und den Namen .FIF Datei.
  4. Mit dem Mittelwert (über Studien) zu den jeweiligen Zeitpunkten Potential evozierten, die Berechnung der Stromquelle Lösung eine geeignete inverse Operator (zB als Minimum - Norm - Schätzung in der MNU - Software implementiert). Dazu Befehl "MNE Inverse Operator" laufen.
  5. Anwenden eines Spannungsschwelle auf die resultierenden Bilder, um die Source-Region der evozierten Peaks zu identifizieren.
    1. Klicken Sie auf "Windows", "Start MNE Analyze". Klicken Sie auf "Datei", "Öffnen". Wählen Sie Zeit-punkt Durchschnitt .FIF Datei in Feld "Dateien". Wählen Sie inverse .FIF Datei in "Inverse Operator" Feld.
    2. Klicken Sie auf "Datei", "Load Surface". Wählen Sie den Pfad zu MRI Wiederaufbau Daten. Wählen Sie "Pial" in "Verfügbare Oberflächen" Feld.
    3. Klicken Sie auf "Anpassen", schätzt "in" MNE Analyze "Fenster. Die Skala der linken Maustaste in anpassen" Wert Histogramm "Feld Schwellenwertverteilung. Klicken Sie auf Histogramm colormap Schwellenwerte anzupassen.
    4. Klicken Sie auf "img" in "MNE Analyze" Feld. Wählen Sie ".tif", "Speichern".

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Resting-State - funktionelle Konnektivität fMRI kann verwendet werden , um Bereiche der Hirnrinde zu identifizieren , die hohe funktionelle Konnektivität mit den heterotopen periventrikuläre grauen Substanz Knötchen (Abbildung 1) zeigen, und Kontrollregionen ohne solche Konnektivität. Um zu bestimmen, ob eine solche abnormale funktionelle Konnektivität physiologische Bedeutung hat, kann der kortikalen Region mit korrelierten Ruhezustand Aktivität wie die "verbunden&...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Resting-State - funktionelle Konnektivität MRI verwendet wurde Netzwerk - Konnektivität im menschlichen Gehirn zu identifizieren, und Änderungen der Konnektivität zu identifizieren , die 26,31,32 in verschiedenen Krankheitszuständen auftreten. Doch wie fMRI funktionelle Konnektivität auf die Identifizierung Korrelationen im BOLD-Signal basiert und als Änderungen Blutoxydation eine nicht-triviale Beziehung zu Grunde liegenden neuronalen Aktivität, die kausale Bedeutung und physiologische Relevanz dieser Befund...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

MMS, SWG, CJC und BSC haben nichts offenzulegen. APL ist Mitglied des wissenschaftlichen Beirats von Nexstim, Neuronix, Starlab Neuroscience, Neuroelectrics und Neosync und als Erfinder in mehreren erteilten und angemeldeten Patenten zur Echtzeitintegration der transkraniellen Magnetstimulation (TMS) mit Elektroenzephalographie (EEG) und Magnetresonanztomographie (MRT) aufgeführt.

Danksagungen

Die Autoren danken Emily L. Thorn, B.A., für ihre Unterstützung bei der Quellenschätzung der evozierten elektrischen Aktivität. MMS wurde durch einen KL2/Catalyst Medical Research Investigator Training Award von Harvard Catalyst/The Harvard Clinical and Translational Science Center (National Center for Research Resources und National Center for Advancing Translational Sciences, National Institutes of Health Award KL2 TR001100) unterstützt. CJC wurde durch einen Zuschuss der National Institutes of Health (5K12NS066225) unterstützt. APL wurde teilweise durch Zuschüsse der Sidney R. Baer Jr. Foundation, der National Institutes of Health (R01 HD069776, R01 NS073601, R21 MH099196, R21 NS082870, R21 NS085491, R21 HD07616) und Harvard Catalyst/The Harvard Clinical and Translational Science Center (NCRR und NCATS, NIH UL1 RR025758) unterstützt. BSC wurde vom National Institute of Neurological Disorders and Stroke (R01 NS073601) unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
3T MRT-Scanner
MRT-Funktionskonnektivitätssoftware
MRT-BildbetrachtungssoftwareMRICron
Transkranieller Magnetischer StimulatorNexstimeXimia StimulatorKann Stimulatoren anderer Anbieter verwenden, z. B. , Magventure, Magstim
MRT-NeuronavigationssystemNexstimNBS v3.2.1Alternatives MRT-Neuronavigationssystem, z.B. , Brainsight, Localite
TMS-kompatibles EEG-SystemNexstimEximia EEG-Alternativen: Brain Products, Synamps, ANT
MatlabMathworksR2012bAlternativen: Octave
EEGLab
Minimum Norm Estimate (MNE) Software
FreeSurfer

Referenzen

  1. Florian, J., Müller-Dahlhaus, M., Liu, Y., Ziemann, U. Inhibitory circuits and the nature of their interactions in the human motor cortex a pharmacological TMS study. J. Physiol. 586 (2), 495-514 (2008).
  2. Rotenberg, A. Prospects for clinical applications of transcranial magnetic stimulation and real-time EEG in epilepsy. Brain Topogr. 22 (4), 257-266 (2010).
  3. Cash, R. F. H., Ziemann, U., Murray, K., Thickbroom, G. W. Late cortical disinhibition in human motor cortex: a triple-pulse transcranial magnetic stimulation study. J. Neurophysiol. 103 (1), 511-518 (2010).
  4. Badawy, R. A. B., Curatolo, J. M., Newton, M., Berkovic, S. F., Macdonell, R. A. L. Changes in cortical excitability differentiate generalized and focal epilepsy. Ann. Neurol. 61 (4), 324-331 (2007).
  5. Silbert, B. I., Heaton, A. E., et al. Evidence for an excitatory GABAA response in human motor cortex in idiopathic generalised epilepsy. Seizure. 26, 36-42 (2015).
  6. Badawy, R. A. B., Macdonell, R. A. L., Berkovic, S. F., Newton, M. R., Jackson, G. D. Predicting seizure control: cortical excitability and antiepileptic medication. Ann. Neurol. 67 (1), 64-73 (2010).
  7. Badawy, R. A. B., Vogrin, S. J., Lai, A., Cook, M. J. On the midway to epilepsy: is cortical excitability normal in patients with isolated seizures? Int. J. Neural Syst. 24 (2), 1430002(2014).
  8. Badawy, R. A. B., Vogrin, S. J., Lai, A., Cook, M. J. Capturing the epileptic trait: cortical excitability measures in patients and their unaffected siblings. Brain J. Neurol. 136 (Pt 4), 1177-1191 (2013).
  9. Komssi, S., Kähkönen, S., Ilmoniemi, R. J. The effect of stimulus intensity on brain responses evoked by transcranial magnetic stimulation. Hum. Brain Mapp. 21 (3), 154-164 (2004).
  10. Massimini, M., Ferrarelli, F., Huber, R., Esser, S. K., Singh, H., Tononi, G. Breakdown of cortical effective connectivity during sleep. Science. 309 (5744), 2228-2232 (2005).
  11. Lioumis, P., Kicić, D., Savolainen, P., Mäkelä, J. P., Kähkönen, S. Reproducibility of TMS-Evoked EEG responses. Hum. Brain Mapp. 30 (4), 1387-1396 (2009).
  12. Casali, A. G., Casarotto, S., Rosanova, M., Mariotti, M., Massimini, M. General indices to characterize the electrical response of the cerebral cortex to TMS. NeuroImage. 49 (2), 1459-1468 (2010).
  13. Casarotto, S., Romero Lauro, L. J., et al. EEG responses to TMS are sensitive to changes in the perturbation parameters and repeatable over time. PloS One. 5 (4), e10281(2010).
  14. Morishima, Y., Akaishi, R., Yamada, Y., Okuda, J., Toma, K., Sakai, K. Task-specific signal transmission from prefrontal cortex in visual selective attention. Nat. Neurosci. 12 (1), 85-91 (2009).
  15. Shafi, M. M., Westover, M. B., Fox, M. D., Pascual-Leone, A. Exploration and modulation of brain network interactions with noninvasive brain stimulation in combination with neuroimaging. Eur. J. Neurosci. 35 (6), 805-825 (2012).
  16. Kugiumtzis, D., Kimiskidis, V. K. Direct Causal Networks for the Study of Transcranial Magnetic Stimulation Effects on Focal Epileptiform Discharges. Int. J. Neural Syst. 25 (5), 1550006(2015).
  17. Radhu, N., Garcia Dominguez, L., et al. Evidence for inhibitory deficits in the prefrontal cortex in schizophrenia. Brain J. Neurol.. 138 (Pt 2), 483-497 (2015).
  18. Bruckmann, S., Hauk, D., et al. Cortical inhibition in attention deficit hyperactivity disorder: new insights from the electroencephalographic response to transcranial magnetic stimulation. Brain J. Neurol. 135 (Pt 7), 2215-2230 (2012).
  19. Rosanova, M., Gosseries, O., et al. Recovery of cortical effective connectivity and recovery of consciousness in vegetative patients. Brain J. Neurol. 135 (Pt 4), 1308-1320 (2012).
  20. Daskalakis, Z. J., Farzan, F., Barr, M. S., Maller, J. J., Chen, R., Fitzgerald, P. B. Long-interval cortical inhibition from the dorsolateral prefrontal cortex: a TMS-EEG study. Neuropsychopharmacol. Off. Publ. Am. Coll. Neuropsychopharmacol. 33 (12), 2860-2869 (2008).
  21. Farzan, F., Barr, M. S., et al. The EEG correlates of the TMS-induced EMG silent period in humans. NeuroImage. , (2013).
  22. Valentin, A., Arunachalam, R., et al. Late EEG responses triggered by transcranial magnetic stimulation (TMS) in the evaluation of focal epilepsy. Epilepsia. 49 (3), 470-480 (2008).
  23. Del Felice,, Fiaschi, A., Bongiovanni, A., L, G., Savazzi, S., Manganotti, P. The sleep-deprived brain in normals and patients with juvenile myoclonic epilepsy: a perturbational approach to measuring cortical reactivity. Epilepsy Res. 96 (1-2), 123-131 (2011).
  24. Julkunen, P., Säisänen, L., Könönen, M., Vanninen, R., Kälviäinen, R., Mervaala, E. TMS-EEG reveals impaired intracortical interactions and coherence in Unverricht-Lundborg type progressive myoclonus epilepsy (EPM1). Epilepsy Res. 106 (1-2), 103-112 (2013).
  25. Kimiskidis, V. K., Koutlis, C., Tsimpiris, A., Kälviäinen, R., Ryvlin, P., Kugiumtzis, D. Transcranial Magnetic Stimulation Combined with EEG Reveals Covert States of Elevated Excitability in the Human Epileptic Brain. Int. J. Neural Syst. 25 (5), 1550018(2015).
  26. Fox, M. D., Raichle, M. E. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat. Rev. Neurosci. 8 (9), 700-711 (2007).
  27. Greicius, M. D., Krasnow, B., Reiss, A. L., Menon, V. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc. Natl. Acad. Sci. U. S. A. 100 (1), 253-258 (2003).
  28. Fox, M. D., Snyder, A. Z., Vincent, J. L., Corbetta, M., Van Essen, D. C., Raichle, M. E. The human brain is intrinsically organized into dynamic, anticorrelated functional networks. Proc. Natl. Acad. Sci. U. S. A. 102 (27), 9673-9678 (2005).
  29. De Luca, M., Beckmann, C. F., De Stefano, N., Matthews, P. M., Smith, S. M. fMRI resting state networks define distinct modes of long-distance interactions in the human brain. NeuroImage. 29 (4), 1359-1367 (2006).
  30. Seeley, W. W., Crawford, R. K., Zhou, J., Miller, B. L., Greicius, M. D. Neurodegenerative diseases target large-scale human brain networks. Neuron. 62 (1), 42-52 (2009).
  31. Greicius, M. Resting-state functional connectivity in neuropsychiatric disorders. Curr. Opin. Neurol. 21 (4), 424-430 (2008).
  32. Zhang, D., Raichle, M. E. Disease and the brain's dark energy. Nat. Rev. Neurol. 6 (1), 15-28 (2010).
  33. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 19(2010).
  34. Centeno, M., Carmichael, D. W. Network Connectivity in Epilepsy: Resting State fMRI and EEG-fMRI Contributions. Front. Neurol. 5, 93(2014).
  35. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol. Psychiatry. 72 (7), 595-603 (2012).
  36. Fox, M. D., Buckner, R. L., Liu, H., Chakravarty, M. M., Lozano, A. M., Pascual-Leone, A. Resting-state networks link invasive and noninvasive brain stimulation across diverse psychiatric and neurological diseases. Proc. Natl. Acad. Sci. U. S. A. 111 (41), E4367-E4375 (2014).
  37. Shafi, M. M., Vernet, M., et al. Physiological consequences of abnormal connectivity in a developmental epilepsy: Cortical Connectivity. Ann. Neurol. 77 (3), 487-503 (2015).
  38. Chang, B. S., Ly, J., et al. Reading impairment in the neuronal migration disorder of periventricular nodular heterotopia. Neurology. 64 (5), 799-803 (2005).
  39. Battaglia, G., Granata, T. Periventricular nodular heterotopia. Handb. Clin. Neurol. 87, 177-189 (2008).
  40. Chang, B. S., Katzir, T., et al. A structural basis for reading fluency: white matter defects in a genetic brain malformation. Neurology. 69 (23), 2146-2154 (2007).
  41. Christodoulou, J. A., Walker, L. M., et al. Abnormal structural and functional brain connectivity in gray matter heterotopia. Epilepsia. 53 (6), 1024-1032 (2012).
  42. Tassi, L., Colombo, N., et al. Electroclinical, MRI and neuropathological study of 10 patients with nodular heterotopia, with surgical outcomes. Brain J. Neurol. 128 (Pt 2), 321-337 (2005).
  43. Rorden, C., Brett, M. Stereotaxic display of brain lesions). Behav. Neurol. 12 (4), 191-200 (2000).
  44. Rorden, C., Karnath, H. -O., Bonilha, L. Improving lesion-symptom mapping. J. Cogn. Neurosci. 19 (7), 1081-1088 (2007).
  45. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Methods. 134 (1), 9-21 (2004).
  46. Dill, T. Contraindications to magnetic resonance imaging: non-invasive imaging. Heart Br. Card. Soc. 94 (7), 943-948 (2008).
  47. Rossi, S., Hallett, M., Rossini, P. M., Pascual-Leone, A. Safety, ethical considerations, and application guidelines for the use of transcranial magnetic stimulation in clinical practice and research. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 120 (12), 2008-2039 (2009).
  48. Whitfield-Gabrieli, S., Nieto-Castanon, A. Conn: a functional connectivity toolbox for correlated and anticorrelated brain networks. Brain Connect. 2 (3), 125-141 (2012).
  49. Chai, X. J., Castañòn, A. N., Ongür, D., Whitfield-Gabrieli, S. Anticorrelations in resting state networks without global signal regression. NeuroImage. 59 (2), 1420-1428 (2012).
  50. Behzadi, Y., Restom, K., Liau, J., Liu, T. T. A component based noise correction method (CompCor) for BOLD and perfusion based fMRI. NeuroImage. 37 (1), 90-101 (2007).
  51. Mutanen, T., Mäki, H., Ilmoniemi, R. J. The effect of stimulus parameters on TMS-EEG muscle artifacts. Brain Stimulat. 6 (3), 371-376 (2013).
  52. Sekiguchi, H., Takeuchi, S., Kadota, H., Kohno, Y., Nakajima, Y. TMS-induced artifacts on EEG can be reduced by rearrangement of the electrode's lead wire before recording. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 122 (5), 984-990 (2011).
  53. Keel, J. C., Smith, M. J., Wassermann, E. M. A safety screening questionnaire for transcranial magnetic stimulation. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 112 (4), 720(2001).
  54. Huber, R., Mäki, H., et al. Human cortical excitability increases with time awake. Cereb. Cortex N. Y. N. 1991. 23 (2), 332-338 (2013).
  55. Ter Braack, E. M., de Vos, C. C., van Putten, M. J. A. M. Masking the Auditory Evoked Potential in TMS-EEG: A Comparison of Various Methods. Brain Topogr. 28 (3), 520-528 (2015).
  56. Groppa, S., Oliviero, A., et al. A practical guide to diagnostic transcranial magnetic stimulation: report of an IFCN committee. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 123 (5), 858-882 (2012).
  57. Clin Neurophysiol, S. uppl 56, 13-23 (2003).
  58. Rosanova, M., Casali, A., Bellina, V., Resta, F., Mariotti, M., Massimini, M. Natural frequencies of human corticothalamic circuits. J. Neurosci. Off. J. Soc. Neurosci. 29 (24), 7679-7685 (2009).
  59. Rothwell, J. C., Hallett, M., Berardelli, A., Eisen, A., Rossini, P., Paulus, W. Magnetic stimulation: motor evoked potentials. The International Federation of Clinical Neurophysiology. Electroencephalogr. Clin. Neurophysiol. Suppl. 52, 97-103 (1999).
  60. Rogasch, N. C., Thomson, R. H., et al. Removing artefacts from TMS-EEG recordings using independent component analysis: importance for assessing prefrontal and motor cortex network properties. NeuroImage. 101, 425-439 (2014).
  61. Hernandez-Pavon, J. C., Metsomaa, J., et al. Uncovering neural independent components from highly artifactual TMS-evoked EEG data. J. Neurosci. Methods. 209 (1), 144-157 (2012).
  62. Mognon, A., Jovicich, J., Bruzzone, L., Buiatti, M. ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology. 48 (2), 229-240 (2011).
  63. Lehmann, D., Skrandies, W. Reference-free identification of components of checkerboard-evoked multichannel potential fields. Electroencephalogr. Clin. Neurophysiol. 48 (6), 609-621 (1980).
  64. NeuroImage, 62 (2), 774-781 (2012).
  65. Hämäläinen, M. S., Sarvas, J. Realistic conductivity geometry model of the human head for interpretation of neuromagnetic data. IEEE Trans. Biomed. Eng. 36 (2), 165-171 (1989).
  66. Gramfort, A., Luessi, M., et al. MNE software for processing MEG and EEG data. NeuroImage. 86, 446-460 (2014).
  67. Nikouline, V., Ruohonen, J., Ilmoniemi, R. J. The role of the coil click in TMS assessed with simultaneous EEG. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 110 (8), 1325-1328 (1999).
  68. Gosseries, O., Sarasso, S., et al. On the Cerebral Origin of EEG Responses to TMS: Insights From Severe Cortical Lesions. Brain Stimulat. 8 (1), 142-149 (2015).
  69. Premoli, I., Castellanos, N., et al. TMS-EEG signatures of GABAergic neurotransmission in the human cortex. J. Neurosci. Off. J. Soc. Neurosci. 34 (16), 5603-5612 (2014).
  70. Farzan, F., Barr, M. S., et al. Evidence for gamma inhibition deficits in the dorsolateral prefrontal cortex of patients with schizophrenia. Brain J. Neurol. 133 (Pt 5), 1505-1514 (2010).
  71. Wang, J. X., Rogers, L. M., et al. Targeted enhancement of cortical-hippocampal brain networks and associative memory. Science. 345 (6200), 1054-1057 (2014).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Tags

Funktionelle Konnektivität im RuhezustandTranskranielle MagnetstimulationElektroenzephalografie-AufzeichnungHirnerregbarkeit bei EpilepsieBewertung der kortikalen HyperexzitabilitätTMS-evozierte EEG-Aktivitätfunktionelle Konnektivitäts-MRTneuronavigationsgesteuerte StimulationIndependent Component AnalysisLokalisierung der anfallbeginnenden Zone
Ein Multimodal Imaging- und Stimulations-basierte Verfahren zur Bewertung der Connectivity-bezogenen Erregbarkeit des Gehirns bei Patienten mit Epilepsie
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.