Method Article

Gleichzeitige EEG und funktionelle MRT-Aufnahme und Integration Analyse für dynamische kortikale Aktivität Imaging

DOI:

10.3791/56417

⸱

June 30th, 2018

 ,  ,  ,  , 
1Department of Biomedical Engineering, Cullen College of Engineering, University of Houston, 2Department of Neurosurgery, Houston Methodist Hospital and Research Institute, 3Guangdong Provincial Work Injury Rehabilitation Center

* These authors contributed equally

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Eine EEG-fMRT multimodale bildgebende Methode, bekannt als die raumzeitlichen fMRI eingeschränkt EEG Quelle bildgebendes Verfahren, wird hier beschrieben. Die vorgestellte Methode beschäftigt bedingt aktiv fMRI Sub-Maps oder Prioren, EEG Quelle Lokalisierung in einer Art und Weise zu führen, das verbessert die räumliche Spezifität und fehlerhafte Ergebnisse begrenzt.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroenzephalographie (EEG) und funktionelle Kernspintomographie (fMRI) sind zwei der grundlegenden nicht-invasive Methoden zur Identifizierung von Hirnaktivität. Multimodale Methoden haben sich bemüht, die hohe zeitliche Auflösung des EEG mit der räumlichen Präzision der fMRT kombinieren, aber die Komplexität dieses Ansatzes ist derzeit verbesserungsbedürftig. Die hier vorgestellten Protokoll beschreibt die neu entwickelte raumzeitliche fMRI eingeschränkt EEG Quelle bildgebendes Verfahren, die soll Quelle Verzerrungen zu korrigieren und verbessern von EEG-fMRT Quelle Lokalisierung durch die dynamische Einstellung von fMRI Unterregionen. Der Prozess beginnt mit der Sammlung von multimodalen Daten aus gleichzeitiger EEG und fMRI Scans, die Generation der kortikalen 3D-Modelle und unabhängige EEG und fMRI-Verarbeitung. Die verarbeiteten fMRT-Aktivierung-Karten werden dann in mehrere Prioren, je nach ihrer Lage und Umgebung aufgeteilt. Diese werden als Prioren in einem zweistufigen hierarchische Bayes Algorithmus für EEG Quelle Lokalisierung genommen. Für jedes Fenster von Interesse (definiert durch den Betreiber) werden bestimmte Segmente der fMRT-Aktivierung-Karte als aktiv bekannt als Modell Beweis Parameter optimieren identifiziert werden. Diese werden als weiche Einschränkungen auf die identifizierten kortikale Aktivität, erhöhen die Spezifität der multimodalen bildgebendes Verfahren durch Übersprechen zu verringern und die Vermeidung von fehlerhaften Tätigkeit in anderen Regionen bedingt aktive fMRI verwendet werden. Die Methode generiert kortikale Karten von Aktivität und mal-Kurse, die als Endergebnisse oder als Grundlage für weitere Analysen (Analyse der Korrelation, Kausalität, etc.) während der Methode verwendet ist etwas begrenzt durch seine Modalitäten (es wird nicht zu finden EEG-invisible Quellen), es ist weitgehend kompatibel mit den meisten großen Processing-Software, und eignet sich für die meisten Neuroimaging-Studien.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroenzephalographie (EEG) und funktionelle Kernspintomographie (fMRI) können als Neuroimaging Modalitäten mit ergänzenden Funktionen betrachtet werden. FMRI fängt Hirnaktivität mit großem zeitlichen Umfang, wie hämodynamische Signale indirekt die zugrunde liegenden neuronale Aktivität mit einem schlechten Zeitauflösung (in der Größenordnung von Sekunden)1,2 Messen. Im Gegensatz dazu misst EEG direkt die dynamische elektrophysiologische Aktivität des Gehirns mit sehr hoher zeitlicher Auflösung (Millisekunde Ebene), aber schlechte räumliche Auflösung3,4. Diese Eigenschaften führten zu multimodale Ansätze entwickelt, um die günstigen Aspekte von jeder einzelnen Methode5optimieren. Gleichzeitige Verwendung von EEG und fMRI ermöglicht hervorragende Zeitauflösung von EEG kombinierbar mit die hohe räumliche Genauigkeit der fMRT zur Überwindung der Grenzen unimodalen fMRI oder EEG zugeordnet.

Methoden für EEG und fMRI Integration beginnen mit fMRI informiert EEG Quelle Lokalisierung6,7. Diese Technik nutzt fMRI abgeleitet räumliche Informationen zur Verbesserung der EEG Quelle Lokalisierung, ein Nachteil ist jedoch die potenzielle räumliche Verzerrung verursacht durch die Anwendung von fMRT als "harte Einschränkung" — fMRI abgeleitet räumlicher Informationen gilt eine absolute Wahrheit. Dies stellt zwei große Probleme, die versöhnt6–8sein müssen. Zunächst ist davon auszugehen, dass die Verwendung einer statischen Karte Blut Sauerstoff Ebene abhängige (BOLD) Kontraste versehentlich eine fehlerhafte Tätigkeit, die in es, fällt verstärken kann bei der Dämpfung wahre Tätigkeit außerhalb. Zweitens kann Übersprechen aus Quellen außerhalb der KÜHNEN Aktivierung Karte beeinflussen die Darstellung der wahre Tätigkeit innerhalb der Ergebnisse oder fehlerhafte Aktivität verursachen. Trotz dieser beschränkt die Nutzung der hohen räumlichen Auflösung von fMRT bieten räumliche Vorkenntnisse eine günstige Lösung5, bleibt wie die Modellierung des EEG inverse Problems sein kann sowohl in der anatomischen und funktionellen Sinne.

In diesem Beitrag zeigen wir eine räumlich-zeitliche fMRI eingeschränkt EEG Quelle imaging-Ansatz, der die Frage der zeitlichen Diskrepanz zwischen EEG und fMRI befasst sich mit der Berechnung der optimalen Teilmenge der fMRT Prioren basierend auf einem hierarchischen Bayes Modell9. FMRT-Prioren werden in einer datengesteuerten Weise aus bestimmten Windows von Interesse in den EEG-Daten berechnet Zeitvariant fMRI Zwängen führen. Der vorgeschlagene Ansatz nutzt die hohe Zeitauflösung des EEG, eine Stromdichte Zuordnung der kortikalen Aktivität, durch die hohe räumliche Auflösung der fMRT in einer zeitlich und räumlich selektive Weise, die präzise Dynamik neuronaler Bilder informiert zu berechnen Aktivität.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die hier vorgestellten Protokoll wurde entworfen und nach allen Richtlinien für ethische Forschung am Menschen als Satz her durch die jeweiligen institutionellen Review Boards von der University of Houston und Houston Methodist Research Institute durchgeführt.

(1) gleichzeitige EEG/fMRT-Aufnahme

  1. Einwilligung des Teilnehmers. Erklären Sie die Teilnehmer der Zweck und das Verfahren der Studie sowie die wichtige Sicherheitsmaßnahmen für die gleichzeitige EEG/fMRT-Daten Aufnahmevorgang.
  2. Bereiten Sie die EEG-Kappe und überprüfen Sie Impedanz außerhalb des MRT Raums zu.
    1. Legen Sie eine entsprechend dimensionierte, passive, MRI-kompatiblen EEG-Kappe auf dem Kopf der. Platzieren Sie die Elektroden nach 10 – 20 internationale Kennzeichnung System10.
    2. Überprüfen Sie auf der EEG-Recording-Software die Impedanz der Boden und Referenz Elektroden. Um dies zu tun, klicken Sie auf die Registerkarte "Impedanz" und wählen Sie die Elektrode auf die Benutzeroberfläche der Software (siehe Abbildung 1).
      Hinweis: Eine genaue Anleitung hier sind spezifisch für die hierin verwendete Software (siehe Tabelle der Materialien), und möglicherweise an andere Systeme angepasst werden müssen.
    3. Verwenden Sie für jede Elektrode eine Spritze, die Elektrode Elektrolyt Gel zuzuführen, dann verwenden Sie ein Wattestäbchen, um verteilt das Gel um Haut-Elektroden-Kontakt zu gewährleisten.
      1. Da die Impedanz sinkt, weiterhin die Werte mithilfe der entsprechenden Software zu überwachen (passen Sie die Impedanz Skalierung nach Bedarf, je nach Setup) Impedanz Niveau ordnungsgemäß zu überwachen (siehe Abbildung 1). Weiter bis alle Elektroden Impedanz-Werte unter 10 kΩ um ein hochwertiges Signal zu gewährleisten.
        Hinweis: Pro die Materialien aufgelistet und hier verwendete, unsichere gilt es, jede Elektrode mit einer Impedanz über 50 kΩ in Herr-Umwelt11haben. Dies kann je nach Ausführung der gewählten GAP und MRI-Einstellungen ändern, so konsultieren Sie bitte mit dem Gerätehersteller und MRI Technologen, damit die Sicherheit des experimentellen Aufbaus.
  3. Gleichzeitige EEG/fMRT-Hardware-Setup.
    1. Sobald die EEG Kappe Vorbereitung erledigt ist, haben Sie das Thema zog nach dem MRT mit der Hardware-Konfiguration in Abbildung 2beschrieben.
      Hinweis: Einige Details der Figur können je nach System im Einsatz ändern.
    2. Die experimentellen Paradigma Anzeige einrichten. Verwenden Sie einen Monitor befindet sich im Beobachtungsraum, hinter dem Glasfenster mit Blick auf die vor der MRT (siehe Abbildung 2). Verwenden Sie einen Kopf Spule anzeigen Spiegel um zu Themen den Bildschirm anzeigen, ohne zu bewegen ihren Kopf oder Augen liegend zu ermöglichen.
    3. Zeigen Sie ein Beispiel-Bild auf den Bildschirm, um sicherzustellen, dass Themen bequem den Bildschirm sehen können, und das Paradigma korrekt angezeigt wird. Alle erforderlichen Hard- oder Software-Anpassungen zu machen.
  4. Experimentellen Paradigma (siehe Bild 3).
    1. Weisen Sie an, das Thema zu bleiben, und führen Sie eine erste T1-gewichteten anatomischen MRT-Untersuchung. Verwenden Sie nach Möglichkeit ein Sichtfeld, der an die Spitze des Kopfes, einschließlich der Schädel und die Haut von der Unterseite des Kleinhirns erreicht.
    2. Die Aufnahme der EEG-Daten (siehe Abbildung 4).
    3. Klicken Sie gleichzeitig auf die entsprechenden Schaltflächen, um die MRT Aufnahme und initiieren das Paradigma der Verzinsung der Präsentations-Software. Überprüfen Sie die EEG-Datenaufzeichnung um die Signalqualität zu gewährleisten und bei Bedarf entsprechende Markierungen werden aufgezeichnet wird.
      1. Bei der Einrichtung beschrieben hier zuerst klicken Sie auf "Ausführen" in der Präsentations-Software und geben Sie den Betreff Anzahl und Prüfungsnummer. Das Paradigma wird nach der Bestätigung dieser Einstellungen einleiten.
        Hinweis: Die hier eingesetzte Paradigma bestand aus 10 Studien, in denen eine emotional motivierte motorische Reaktion durch visuelle Reize hervorgerufen wurde. Für jeden Versuch Probanden wurden gebeten, zunächst 50 ruhen beobachten einen Greenscreen, woraufhin das Bild von einem unangenehmen (Bilder, Überraschung, Wut oder Ekel entspricht) oder nicht unangenehm (Bilder, Glück oder Neutralität entspricht)12 stehen s wurde präsentiert 10 S. fünf Bilder aus jeder Kategorie wurden in einer randomisierten Reihenfolge vorgestellt, und Probanden wurden gebeten, drücken Sie eine Kugel auf ein Gesicht als unangenehm zu identifizieren, und den Druck zu halten, bis es verschwunden.
      2. Verwenden Sie eine Steigung erinnerte Echo Planar Imaging (GR-EPI) Folge für die fMRT-Aufnahme (empfohlen); passen Sie die Ausrüstung und Paradigma an.
        Hinweis: Die Reihenfolge, die hierin verwendeten enthalten: Echo Zeit (TE) = 35 ms; Wiederholzeit (TR) = 1.500 ms; Schneiden Sie Dicke = 5 mm; Flip-Winkel = 90°; Pixelabstand: 2,75 x 2,75 mm. Es möglicherweise notwendig, eine MRT-Sequenz zu verwenden, die dauert etwas länger als das Display des Paradigmas selbst, um sicherzustellen, dass das volle Paradigma ohne Clipping aufgezeichnet wird.

(2) strukturellen MRT-Daten-Analyse und vorwärts Modellgeneration

  1. Gelten Sie vollständige Segmentierung und Rekonstruktion der verschiedenen Oberflächen aus das Thema T1-gewichteten anatomischen MRT Lautstärke mit Freesurfer Bild Analyse Suite13,14.
    Hinweis: Ein Ordner mit allen Segmentierung Ausgänge wird durch Freesurfer erzeugt werden.
  2. Erzeugen Sie ein fachspezifisches 3-Schicht Boundary-Element-Methode (BEM) geometrisches Modell folgen, die die Anweisungen (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 die verfügbaren grafischen Benutzeroberfläche (GUI) zu verwenden Stellen Sie sicher, daß es keine Überschneidungen in den Schichten.
    1. Öffnen Sie die DVB-t Anwendung. Klicken Sie auf "Datei" >> "Oberfläche laden". Navigieren Sie zu den Themen-Verzeichnis im Ordner "Freesurfer". Öffnen Sie den Ordner "BEM". Öffnen Sie den Ordner "Watershed". Laden Sie die vier Dateien finden Sie hier ('Outer_skin_surface', 'Outer_skull_surface', 'Brain_surface' und 'Inner_skull_surface').
    2. Bewegen Sie die Slice-Auswahl-Schieberegler und Überschneidungen in den gelben Oberflächenschichten suchen. Wenn Überschneidungen auftritt, überprüfen Sie die MRT-Daten für anatomische Defekte oder Fehler und verwenden Sie die GUI Zeichenwerkzeuge, um die Schichten zu klären.
      1. Die Originaldaten der MRT in der DVB-t-Anwendung zu laden, indem Sie auf "Datei" >> "Ladevolumen". Navigieren Sie zu dem Thema Ordner und öffnen Sie den Ordner "MRT". Dann klicken Sie auf das "Orig" Verzeichnis und öffnen Sie die strukturellen MRT-Daten dort zu finden (in.mgz or.nii Format sein sollte). Klicken Sie auf "OK".
      2. Sehen Sie das Graustufenbild des Kopfes. Schauen Sie sich die verschiedenen Schichten des grau und schwarz um das Gehirn herum. Stellen Sie sicher, dass diese Ebenen nicht keine Lücken oder Unregelmäßigkeiten haben. Verwenden Sie das Tool "Farbauswahl" und wählen Sie ein Voxel aus der Ebene korrigiert werden.
      3. Wechseln Sie zu der "Freihand Voxel bearbeiten", und klicken Sie um auf das Bild zu zeichnen. Hiermit können Sie um alle Mängel in der MRI-Bild zu füllen. Führen Sie die Korrektur für alle Schichten und MRI Scheiben, wo Mängel auftreten.
        Hinweis: die "Polywire" und "Livewire" Voxel Bearbeitungs-Tools kann auch anstelle der "Freehand" verwendet werden.
  3. Erzeugen Sie die Quelle-Raum, basierend auf der Geometrie der pial Oberfläche.
  4. Führen Sie fachspezifische EEG Sensor Ausrichtung (z.B., Translation und Rotation) auf den MRT-Raum mit Freesurfer Kopf Modell Overlay (Abbildung 5). Speichern Sie die Transformation.
    1. Öffnen Sie die MNE_analyze-Anwendung. Klicken Sie auf "Datei" >> "Last Oberfläche". Navigieren Sie zu dem Ordner mit den Thema Daten und laden Sie die pial Oberfläche.
    2. Klicken Sie auf "Datei" >> "Digitizer-Daten laden und wählen Sie die EEG-Datei von Interesse (sollten Digitizer Daten enthalten). Klicken Sie auf "Ansicht" >> "Show Viewer". Sobald der Betrachter GUI angezeigt wird, klicken Sie auf "Optionen" und stellen Sie sicher, dass die "Kopfhaut" und "Digitizer Datenoptionen" gewählt. Hier Elektroden werden in rot, mit treuhändische Punkte in gelb angezeigt.
    3. Im Hauptfenster (nicht des Betrachters), wählen Sie "Anpassen" >> "Koordinierung der Ausrichtung". Mit dem "koordinieren Ausrichtung GUI", Pfeil und L/R Tasten zu verschieben und drehen die EEG-Elektroden im Viewer verwenden. Passen Sie so viel wie nötig. Sobald die Ausrichtung abgeschlossen ist, klicken Sie auf "Save..." am unteren Rand "koordinieren Ausrichtung GUI' um die Ausrichtung zu speichern.
      Hinweis: In der Regel ist eine gleichmäßige Verteilung der Elektroden in die Kopfhaut mit guten treuhändische Ausrichtung erforderlich.
  5. Generieren Sie das vorwärts Modell indem das fachspezifische BEM Modell, den Quelle-Raum und die EEG-Sensor-Transformation mit MNE Software15.

3. funktionelle MRT-Daten-Analyse

  1. Durchführen der ersten Ebene (einzelne Subjekt) fMRT statistische Analyse mit der allgemeine lineare Modell (GLM) Methode um Fett Aktivierung erwerben Karten für die Aufgaben von Interesse. Korrigieren Sie für multiple Vergleiche als notwendig16, mit dem Cluster-basierte Ansatz, der in der Freesurfer Gruppenanalyse Pipeline integriert ist.
  2. Führen Sie Gruppenebene Analyse zu allen Themen, auf Wunsch die KÜHNEN Aktivierung Karte für alle Themen im Standardraum (MNI oder Talairach) zu erwerben.
    Hinweis: Universität von Oxford Centre for Funktionelle MRI Gehirn (FMRIB)-Software-Bibliothek (FSL)17 und Analyse der funktionellen Neuroimages (AFNI)18 Pakete, die sowohl für die Analyse von fMRI-Daten auf den gleichen Flächen erzeugte ermöglichen Freesurfer, so dass sie bequem für die spätere Analyse.
  3. Die Tksurfer-Visualisierungs-Tool verwenden, um Region of Interest (ROI) Identifikation durchführen, indem laden die fMRT-Aktivierung-Karte (sowohl Individuum und Gruppe-Ebene) und Einstellung der gewünschten FDR korrigiert Schwelle19 (p < 0,05 dient hier ).
    Hinweis: Der ROIs aus einzelnen-Ebene-Aktivierung Karten identifiziert werden als fachspezifische fMRI abgeleitet räumliche Prioren für nachfolgende Quelle Lokalisierung dienen.
    1. Extrahieren Sie mit Hilfe der fMRT-Aktivierung-Karte auf der grauen Schicht, Füllflächen mit Hilfe eines Algorithmus verbunden-Kennzeichnung.
      Hinweis: Dulmage-Mendelsohn Zersetzung wurde in diesem Beispiel verwendet.
    2. Weiter unterteilen Sie die Patches anhand der Kennzeichnung eines vordefinierten Gehirn-Atlas, so dass jeder Fleck der Tätigkeit für mehrere Regionen aufgeteilt ist.
      Hinweis: Die hier verwendete Atlas war DKT40 Atlas20 (ab Freesurfer)21. Atlanten spezialisiert oder ausgewählt, basierend auf experimentellen Präferenzen.
  4. Projekt der erworbenen Gruppenebene ROIs (die derzeit in normalen Leerzeichens) zurück zu den einzelnen Räumen der jedes Thema. Nach dem Ausführen des einzelnen Subjekts strukturelle MRI Segmentierung (Schritt 2.1), Koordinatentransformationen zwischen Subjekt und Standardraum in den Dateien lh.sphere.reg und rh.sphere.reg vorgesehen sind, im "Surf" Ordner "" zum Thema Freesurfer Ausgabeordner.
    Hinweis: Alle Fächer dabei dasselbe set des ROIs, sondern in ihren eigenen spezifischen Modell teilt. Siehe Abbildung 6 Beispiele für die fMRT-Ergebnisse und daraus resultierende ROIs.

4. EEG Datenanalyse

Hinweis: Angaben in diesem Abschnitt möglicherweise spezifisch für die verwendete Software (siehe Tabelle der Materialien für weitere Details). Entnehmen Sie bitte der entsprechenden Dokumentation verwenden verschiedene Software-Pakete.

  1. Durchführen Sie Scanner gradient Artefakte Korrektur durch Vorlage Subtraktion. Dazu klicken Sie auf die Schaltfläche "Herr Korrektur" "im Menü"Spezielle Signal Processing", und wählen Sie die entsprechenden Parameter in der EEG-Analyse-Software GUI (siehe Abbildung 7). Geben Sie die entsprechenden Parameter der gewählten Scanner Sequenz und experimentelles Design.
    Hinweis: Primäre Parameter umfassen: Wiederholzeit (TR) für die MRI Scan, Scan Typ (interleaved oder kontinuierlich), MRI Volume Marker (oder Farbverlauf Nachweismethode und gradient Trigger), Kanäle für Korrektur und artefaktvorlage.
  2. Cardioballistic Artefakte durch Subtraktion der Vorlage zu entfernen. Hierzu klicken Sie auf die Schaltfläche "CB-Korrektur" "im Menü"Spezielle Signal Processing", und wählen Sie die entsprechenden Parameter in der Analysesoftware GUI.
    Hinweis: Parameter notwendig hier sind minimale und maximale Herzfrequenz, artefaktvorlage, EKG-Kanal, Vorlage Korrelation und Kanäle für die Korrektur.
  3. Gelten Sie Filtration. Wählen Sie die Schaltfläche für die IIR Filtration an der Spitze der Analyse GUI unter "Daten-Filtration". Beispielsweise gelten Hochpassfilter bei 0,05 Hz Tiefpass-40 Hz und ein Notchfilter mit der Stromleitung Frequenz (60 Hz), mit einem Roll-off von 48 dB/Hz.
    Hinweis: Nach der Anwendung eines Tiefpass-Filters bei einem cutoff-Frequenz von 40 Hz, 60 Hz-Notch-Filter ist nicht unbedingt erforderlich, aber wird eingesetzt als Schutz gegen passiven Stromleitung Frequenzen, die aufgrund der Roll-off am Filter Kanten überlebt haben könnten.
  4. Okuläre Artefakt Korrektur, am Anfang der Analyse GUI durchführen: Wählen Sie "Transformation" >> "Artefakt Ablehnung/Reduction" >> "Ocular Korrektur ICA".
  5. Die EEG-Daten in Epochen anhand des angegebenen Pre- und Post-Reiz, in Bezug auf die Event-Timing-Marker zu segmentieren. Um dies zu tun, wählen Sie "Transformation" >> "Segment-Analyse-Funktionen" >> "Segmentierung", dann wählen Sie die Markierung von Interesse und das Zeitsegment von Interesse.
    Hinweis: Segmentierung Längen sollte gewählt werden, entsprechend dem Paradigma und erwarteten Hirnaktivität von Interesse.
  6. Ausführen von manuellen oder halbautomatischen Artefakt Ablehnung: Wählen Sie "Transformation" >> "Artefakt Ablehnung/Reduction" >> "Artefakt Ablehnung". Wenn Sie aufgefordert werden, legen Sie Kriterien für Artefakte innerhalb der drei Registerkarten des GUI und fahren Sie wie auf dem GUI angewiesen.
    1. Wählen Sie im Register "Prüfmethode" wählen Sie "automatisch", "halbautomatisch" oder "manuell wählen Sie Artefakte" (semi-automatischer Modus wird empfohlen). Dann wählen Sie aus "mark" oder "Artefakte entfernen" und geben Sie an, ob die Korrekturen für einen einzigen Kanal.
    2. Wählen Sie im Register "Kanalwahl" Kanäle, die für Artefakte behoben werden.
    3. Wählen Sie im Register "Kriterien" die Basis durch die Artefakte identifiziert werden. Treffen Sie die Auswahl hier auf experimentelle Bedürfnisse zugeschnitten. Klicken Sie auf "OK" nach der Auswahl der Kriterien und Artefakte werden identifiziert und/oder entsprechend der Auswahl abgelehnt.
  7. Führen Sie Basislinienkorrektur und Studie im Durchschnitt (falls zutreffend).
    1. Basislinienkorrektur durchführen: Wählen Sie "Transformation" >> "Segment-Analyse-Funktionen" >> "Basislinienkorrektur". Die segmentierten Daten durchschnittlich: Wählen Sie "Transformation" >> "Segment-Analyse-Funktionen" >> "Durchschnitt".

(5) raumzeitlichen fMRI Einschränkungen — EG-Source Imaging

  1. Definieren Sie Fenstergröße und Fenster überlappend Größe (die Standardeinstellung Anrufe für eine Fenstergröße von 40 ms mit 50 % (20 ms) überlappen).
  2. Wählen Sie den fachspezifischen ROIs (in Schritt 3 erhalten) wie die räumliche vor. Für jedes Segment des EEG schätzt der Algorithmus dann einen Satz von Gewichten für die Teilmenge der räumlichen Prioren, die maximiert der Modell-Beweis, und die Quelle-Kovarianz-Matrix entsprechend berechnet.
  3. Mit der daraus resultierenden Quelle Kovarianzmatrix, führen Sie Quelle Lokalisierung für die EEG-Segment wird analysiert, nachgeben der Quelle Stromdichte Ergebnisse aus.
  4. Führen Sie Schritte 5.2 und 5.3 für alle EEG-Segmente und bei Bedarf fassen Sie die Stromdichte Ergebnisse für alle Zeitabschnitte in eine komplette Stromdichte Zeitverlauf durch Mittelung des überlappenden Teils.
    Hinweis: Dieser Schritt führt in eine Stromdichte Zeitverlauf kortikale Aktivität an jeder Quelle Stelle im Schritt 2.3 definiert (diese Zahl ist in der Regel in der Größenordnung von mehreren Tausend) (Abbildung 8).
  5. Extrahieren Sie den repräsentativen Stromdichte Zeitverlauf an jedem des ROIs.
    1. Wählen Sie die bevorzugte Methode für die Zusammenfassung der Zeit-Kurse von mehrere Quellpunkte innerhalb einer ROI in einen einzigen Signal-Zeit-Kurs: durchschnittliche, erste Eigenvariate, etc.
  6. Wiederholen Sie die Schritte 5.1 bis 5.5 für alle Fächer.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

EEG-Quelle-Lokalisierung auf der untersten Ebene umfasst das vorwärts- und inverse Problem zu lösen. Zu bauen und das vorwärts Problem lösen benötigten Komponenten sind in Abbildung 5Cdargestellt. Mit einem fachspezifischen T1 Bild, drei Schichten – Gehirn, Schädel und Haut – segmentiert und vernetzt waren. Diese Schichten war die Eingaben für das BEM Modell generieren. Ebenso wurde das Thema graue Angelegenheit Schicht aus der strukturellen ...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wir haben hier gezeigt, die notwendigen Schritte, die räumlich-zeitliche fMRI eingeschränkt Quelle Analysemethode für EEG/fMRT Integration Analyse zu verwenden. EEG und fMRI haben gut als die grundlegenden Methoden für nicht-invasiv imaging Hirnaktivität, etabliert obwohl sie Schwierigkeiten in ihrem jeweiligen räumlichen und zeitlichen Auflösungen konfrontiert. Während Methoden entwickelt wurden, um die günstigen Eigenschaften der einzelnen kapitalisieren, berufen aktuelle fMRI eingeschränkt EEG Quelle Lokalisierung Met...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts preisgeben.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Arbeit wurde teilweise von NIH DK082644 und der University of Houston unterstützt.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
BrainAmp MR PlusBrain ProductsVerstärker für die EEG-Aufzeichnung, MR-kompatibel
BrainAmp ExG MR Brain ProductsVerstärker für Hilfssensoren (EMG), MR-kompatibel
BrainAmp Power PackBrain-ProdukteStromversorgung von Verstärkern in der MR-Umgebung
FlachbandkabelBrain ProductsVerbindet das Power Pack mit Verstärkern
SyncBoxBrain-ProdukteSynchronisieren Sie den Takt des MR-Scanners mit dem Takt des EEG-Verstärkers
BrainCap MRBrain Products64-Kanal-EEG-Kappe mit passiven Elektroden, MRT-kompatibel
BrainVision RecorderBrain ProductsEEG-Datenaufzeichnungssoftware (Schritte 1.2-1.4.2)
BrainVision Analyzer 2.0Brain ProductsEEG-Analysesoftware (Schritte 4.1-4.6)
USB 2 Adapter (auch bekannt als BUA)Brain ProductsSchnittstelle zwischen den Verstärkern und dem Datenerfassungscomputer
GlasfaserkabelBrain ProductsVerbindet die EEG-Kappe im MRT-Scanner mit dem Aufzeichnungscomputer
SyncBox Scanner InterfaceBrain-ProdukteSynchronisieren Sie die Uhr des MRT-Scanners mit der Uhr des EEG-Verstärkers
Trigger-KabelBrain-ProdukteWird verwendet, um Scanner-/Paradigmen-Trigger an den Aufzeichnungscomputer zu senden
ABRALYT HiCl EEG-ElektrodengelEasyCapAbrasives EEG-Gel für passive Elektroden in MR-Umgebungen
Ingenia 3.0T MRT-SystemPhilips3.0 T MRT-System
Patriot DigitizerPolhemusDigitalisierung der EEG-Kanallokalisierung 
MATLAB r2014aMathWorksProgrammierbasis für den DBTN-Algorithmus (Schritte 3.3-3.4 und 5.1-5.7)
Bilder von GesichtsaffektenPaul Eckman GroupEine Reihe von emotional valenten Gesichtern, die als Stimuli verwendet werden
E-Prime 2.0Psychology Software Tools, IncPräsentationssoftware (Schritt 1.4.3)
Bipolare Haut-EMG-ElektrodeGehirn ProdukteZur Erkennung Muskelaktivität.
POLGUIMATLAB Software für die Digitalisierung
FreesurferSoftware, die in den Schritten 2.1-2.4 und 3.1-3.2
MNESoftware, die in Schritt 2.5 verwendet wird
verwendet wird.

References

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

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EEG fMRI IntegrationCortical Activity ImagingfMRI Constrained EEGConcurrent EEG fMRIEEG Source LocalizationMultimodal NeuroimagingSpatial Temporal AnalysisFunctional MRI ProcessingEEG Data AnalysisBrain Activity Mapping

Related Articles