Artículo de método

Interictales oscilaciones de alta frecuencia detectada con magnetoencefalografía simultánea y electroencefalografía como biomarcador de Epilepsia Pediátrica

DOI:

10.3791/54883

⸱

6 de diciembre de 2016

 ,  ,  ,  ,  ,  , 
1Fetal-Neonatal Neuroimaging and Developmental Science Center, Division of Newborn Medicine, Department of Medicine, Boston Children's Hospital, Harvard Medical School, 2Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Harvard Medical School, 3Division of Epilepsy Surgery, Department of Neurosurgery, Boston Children's Hospital, Harvard Medical School, 4Division of Epilepsy and Clinical Neurophysiology, Department of Neurology, Boston Children's Hospital, Harvard Medical School

En este artículo

Resumen

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

Las oscilaciones de alta frecuencia (HFO) han surgido como biomarcadores prequirúrgicos para la identificación de la zona epileptógena en pacientes pediátricos con epilepsia resistente a fármacos. Se presenta una metodología no invasiva para la grabación, la detección y localización de HFO con electroencefalografía cuero cabelludo simultánea (EEG) y magnetoencefalografía (MEG).

Resumen

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

Crucial para el éxito de la cirugía de la epilepsia es la disponibilidad de un robusto biomarcador que identifica la zona epileptógena (EZ). Las oscilaciones de alta frecuencia (HFO) han surgido como posibles marcadores biológicos pre-quirúrgicos para la identificación de la EZ, además de interictales Las descargas epileptiformes (IED) y la actividad ictal. A pesar de que son prometedores para localizar el EZ, que aún no son adecuados para el diagnóstico o seguimiento de la epilepsia en la práctica clínica. principales barreras permanecen: la falta de una definición formal y global para HFO; la consiguiente heterogeneidad de enfoques metodológicos utilizados para su estudio; y las dificultades prácticas para detectar y localizar de forma no invasiva de ellas grabaciones del cuero cabelludo. A continuación, presentamos una metodología para la grabación, la detección y localización de HFO interictales de pacientes pediátricos con epilepsia refractaria. Presentamos datos representativos de HFO detectan de forma no invasiva desde el cuero cabelludo EEG y MEG interictal de dos niñossometerse a una cirugía.

Los generadores subyacentes de HFO se localizaron mediante la resolución del problema inverso y su localización se comparó con la Zona de crisis de inicio (SOZ), ya que se define por las epileptólogos. Tanto para los pacientes, interictales epileptógena descargas (IEDs) y HFO fueron localizados con imágenes fuente en lugares concordantes. Para un paciente, los datos de EEG intracraneales (iEEG) también estaban disponibles. Para este paciente, se encontró que el HFO localización fue concordante entre los métodos invasivos y no invasivos. La comparación de iEEG con los resultados de las grabaciones del cuero cabelludo sirve para validar estos hallazgos. A nuestro leal saber y entender, este es el primer estudio que se presenta la localización de la fuente de HFO cuero cabelludo de las grabaciones simultáneas EEG y MEG compararon los resultados con las grabaciones invasoras. Estos hallazgos sugieren que HFO pueden ser detectados y localizados de forma no invasiva con el cuero cabelludo EEG y MEG fiable. Llegamos a la conclusión que la localización no invasiva de intericTal HFO podría mejorar significativamente la evaluación prequirúrgica de pacientes pediátricos con epilepsia.

Introducción

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

Epilepsia pediátrica es un trastorno neurológico común con una tasa de prevalencia de 4 - 6 por cada 1.000 niños 1. Puede tener un impacto importante en el desarrollo de los niños de 2 y puede afectar significativamente su vida adulta. Los estudios de seguimiento a largo plazo para la epilepsia de inicio infantil indican que aproximadamente el 30% de los pacientes con epilepsia intratable médicamente convertirse en 3-6, y por lo general requieren cirugía de resección de epilepsia. En muchos de estos pacientes, la cirugía de la epilepsia conduce a una reducción significativa en la frecuencia de las crisis y, a menudo a la ausencia de crisis. Para tener éxito, la cirugía de la epilepsia debe alcanzar un estado libre de ataques con un mínimo o ningún déficit funcionales. Esto requiere una cuidadosa delimitación de la zona epileptógena (EZ) 7, la "zona de la corteza que es indispensable para la generación de las crisis epilépticas" 8. El EZ no se puede medir directamente; su ubicación se calcula sobre la base de los datos concordantes de una multitud de pruebas thaT Identificar otras zonas corticales. Invasivo electroencefalografía intracraneal (iEEG) sirve como el estándar de oro para la localización de la zona de inicio de la crisis (SOZ), la región donde se generan convulsiones y se originan en las grabaciones ictal. Sin embargo iEEG es costoso, depende de la cooperación del niño, conlleva un cierto riesgo de infección y sangrado 9, y pueden inducir daño neurológico adicional durante la implantación 10. Por otra parte, las grabaciones pueden llevar a conclusiones erróneas ya que grandes áreas del cerebro se quedan sin explorar. Por lo tanto, un biomarcador prequirúrgica robusta que ayuda en la identificación de la EZ es necesario para el éxito del tratamiento de la epilepsia quirúrgica.

HFO patológicas (80 - 500 Hz respectivamente) 11,12 han surgido en la última década como un biomarcador para la identificación del tejido epileptógena que pueden mejorar el diagnóstico prequirúrgico y el resultado quirúrgico de pacientes con epilepsia 13. Informes de uso de microelectrodos combinados con electrodos de profundidad EEG mostraron la presencia de HFO en pacientes con epilepsia. También se encontraron HFO usando macroelectrodes estándar durante el ictal e interictal períodos. Estudios recientes han demostrado que HFO identifican el SOZ con mayor sensibilidad y especificidad en comparación con la zona irritativa 14,15, la zona que genera los IED, y que la eliminación quirúrgica del tejido de generación de HFO se correlaciona con mejores resultados que la eliminación de la SOZ o la zona irritativa 15. HFO se clasifican comúnmente como ondulaciones (80 - 250 Hz) o de ondas rápidas (250 - 500 Hz respectivamente). Ondas rápidas han sido más estrechamente vinculados a la actividad patológica y de la localización de la SOZ 16, pero las investigaciones de registros intracraneales humanos indican que ambas ondas y las ondas rápidas aumentan en las regiones epileptógenas 17.

A pesar de estos resultados prometedores, HFO aún no son adecuados para el diagnóstico o seguimiento dela epilepsia en la práctica clínica. barreras primarias siguen siendo: (i) la falta de una definición formal y global para HFO; (Ii) la consiguiente heterogeneidad del metodológica enfoques utilizados para su estudio; y (iii) las dificultades prácticas para detectar y localizar de forma no invasiva de ellas grabaciones del cuero cabelludo. Este último deriva del hecho de que los electrodos están muy lejos de la fuente de la señal, la señal pueden ser borrosas por el ruido de fondo y la actividad muscular, y la señal pueden estar distorsionados por el cuero cabelludo o las fontanelas y suturas en el cráneo, especialmente en pacientes infantiles. Además, es difícil distinguir entre HFO normales y anormales 18,19 ya que ambas ondas y ondas rápidas están presentes incluso en el tejido cerebral humano normal 20. Los primeros estudios informaron HFO en el cuero cabelludo EEG sólo en un pequeño - porción (0,2 3,4%) de los pacientes con epilepsia 21-23. Sin embargo, estudios recientes han demostrado que HFO se pueden detectar de manera no invasiva con EEG cuero cabelludo. Ictally, HFOs se han reportado en la aparición de los espasmos epilépticos en niños (50 - 100 Hz 24, 40 a 120 Hz 25), así como en el inicio de las convulsiones tónicas en el síndrome de Lennox-Gastaut (50 - 100 Hz) 26. HFO interictal (70 - 200 Hz) se observaron por primera vez en el cuero cabelludo EEG en niños con estado epiléptico eléctrico del sueño inducido por 27. Entonces, HFO interictales - Se identificaron 80 (200 Hz) en el EEG del cuero cabelludo de los pacientes con epilepsia focal con tasas más altas en el interior del SOZ 28. Curiosamente, HFO fueron más frecuentes en los pacientes con un alto número de descargas epileptiformes interictal (AEI), y se encontró que ser más específico que los IED para el SOZ 29, destacando la relación de HFO con epileptogenicidad.

MEG parece presentar ventajas significativas en comparación con EEG cuero cabelludo para la detección no invasiva y localización de HFO: (i) la actividad de alta frecuencia en MEG es menos susceptible de EEG a la contaminación de musculosoactividad 30-31, (ii) las señales MEG no están distorsionados por la conductividad cráneo y menos distorsionadas que EEG por regiones no fusionadas del hueso craneal como la fontanela o sutura, y (iii) redes de sensores MEG han densidad más alta en comparación con EEG que siempre mira el problema de la sal tiende un puente entre los electrodos cuando la cabeza es pequeña, como con los niños. La evidencia de construcciones fantasma que simulan HFO generadores sugirió que HFO pueden ser detectados y localizados con una alta precisión de localización (2-3 mm) con MEG 32. Varios estudios recientes informaron HFO en las señales MEG registrados a partir de pacientes con epilepsia en la banda de frecuencias 33-38 ondulación. El análisis tiempo-frecuencia ha demostrado que los datos de MEG contienen componentes de alta frecuencia relacionadas con el EZ 33-36. Sin embargo, sólo unos pocos estudios han identificado HFO interictales como eventos visibles sobresaliendo de la señal de fondo en el dominio del tiempo, como suelen realizarse con iEEG 37-38. Van Klink et al. 37 detectaron HFO en la banda de ondulación utilizando canales virtuales construidos con técnicas de conformación de haz en base a la información espacial obtenida de los IED. Von Ellenrieder et al. 38 HFO detectaron señales en MEG de los sensores físicos de forma independiente de los IED y utilizaron la máxima entropía en el método de la media (MEM) para localizar sus fuentes y para investigar su correlación con el EZ. Rampp et al. (2010) también detectó oscilaciones de alta gamma epilépticos con MEG, que eran pico de enganche o pico-independiente, y localizada esta actividad con el análisis fuente-norma mínimo 39. Ellos encontraron que las características de estas oscilaciones rápidas (es decir, la aparición clara de la media de banda total y máxima amplitud de las oscilaciones) están altamente asociados con el SOZ. HFO también se detectaron con MEG durante la actividad ictal en pacientes pediátricos con espasmos epilépticos 40. Sin embargo, MEG presenta algunas limitaciones distintas en comparación con el cuero cabelludo EEG: (i) es insensitive a fuentes que tienen una orientación radial con respecto al centro de la cabeza, (ii) que no permite grabaciones de larga duración que aumentan la posibilidad de detectar y registrar eventos ictal, y (iii) sus sensores no puede ajustarse a la forma de la cabeza de cada individuo desde la matriz del casco y el sensor dentro del casco están todos fijados en forma. Por lo tanto, la configuración ideal que maximiza la posibilidad de detectar y localizar la actividad epileptogénica es mediante la combinación de información tanto de EEG y MEG cuero cabelludo.

En este estudio, nuestro objetivo es ilustrar la metodología que seguimos para la detección no invasiva de HFO interictales mediante el uso de registros simultáneos de cuero cabelludo EEG y MEG de pacientes pediátricos con epilepsia resistente a fármacos. Presentamos la configuración de las grabaciones y la tubería de análisis de datos utilizando un método semi-automatizado que hemos desarrollado para la detección de eventos HFO en los datos de MEG y EEG simultáneos. Por último, también presentamos la localización de lasubyace generadores de HFO cuero cabelludo, obtenidos por la solución del problema inverso, y compararla con la SOZ ya que esto fue definido por los epileptólogos.

Protocolo

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

Declaración de Ética: Los procedimientos experimentales que aquí han sido aprobados por la Junta de Revisión Institucional (IRB) del Hospital General de Massachusetts, Boston, MA, EE.UU.. En la siguiente sección se describirá el protocolo experimental para la detección y localización de la fuente no invasiva utilizando HFO EEG y MEG cuero cabelludo. La preparación del paciente es mínima, y ​​el examen es generalmente bien tolerado. La sesión completa dura alrededor de 2 - 3 h con las grabaciones reales que duran alrededor de 60 minutos.

1. Preparación del paciente

  1. Asegúrese de que el niño se sienta cómodo con el medio ambiente.
    NOTA: Deje que los niños pequeños a explorar el entorno de prueba y para ver el equipo de prueba. Análisis al paciente respecto a la seguridad y el consentimiento mediante el uso de un formulario de evaluación. Preguntar al paciente (o sus padres / ella) si él / ella tuvo una convulsión clínica dentro de las últimas 2 h.
  2. Retire todos los materiales metálicos / magnéticos y proporcionar ropa hospitalaria publica para el paciente. Quitar los zapatosya que son frecuentemente magnético. Compruebe si el sujeto está libre de objetos magnéticos mediante la medición de señales MEG durante unos minutos. Use un desmagnetizador para reducir los artefactos de los materiales implantados, como trabajos dentales.
    NOTA: El desmagnetizador no debe aplicarse si hay alguna posibilidad de que los objetos ferromagnéticos están dentro del cuerpo.
  3. Medir la circunferencia de la cabeza máxima para seleccionar el tamaño adecuado tapa de EEG para el niño. Utilice una cinta métrica y mantenerlo a la Nasion. A continuación, medir alrededor de la cabeza alrededor de la circunferencia máxima (~ 1 cm por encima el unión).
  4. Coloque la tapa EEG en la cabeza de acuerdo con la Internacional 10 - 20 sistema. Limpiar la piel donde se encuentra cada electrodo y aplicar la pasta / gel para cada electrodo.
    NOTA: Más detalles con respecto a los registros de EEG de cuero cabelludo en los niños se proporcionan en otro lugar 41.
    1. Coloque los electrodos de tierra y de referencia en la cabeza. Conectar electrodos adicionales para la medición horizontal y vertical electrooculografía (EOG), electrocardiograma (ECG), la electromiografía (EMG) y los electrodos EEG adicionales en las localizaciones que cubren las regiones temporales (T1 / T2).
      NOTA: El EOG, ECG, EMG y ayudan a la identificación de los movimientos oculares, la contaminación magneto cardiografía, la actividad muscular, y también para supervisar el estado del paciente.
  5. Asegúrese de que los canales de EEG tienen un buen contacto con el cuero cabelludo por el posicionamiento de los sensores de forma individual. gire suavemente cada sensor de lado a lado para mover el pelo fuera del camino. Medir todas las impedancias de los electrodos con un ohmímetro EEG con el fin de estar por debajo de 10 kOhm.
  6. Coloque cuatro bobinas HPI en la cabeza: dos detrás de los lóbulos de las orejas y dos en la frente en lugares simétricos aproximados.
    NOTA: Las bobinas HPI ayudar a localizar la posición relativa de la cabeza del paciente con respecto a la ubicación de los sensores de MEG en el espacio 3D. El número de bobinas HPI puede variar dependiendo del proveedor del sistema de MEG.
  7. obtener elubicación de las bobinas HPI y los electrodos de EEG utilizando un digitalizador.
    NOTA: El digitalizador registra las coordenadas de un sensor en el espacio 3D. El sensor se coloca en la punta de un lápiz. Las ubicaciones de las bobinas HPI deben ser conocidas con respecto a la anatomía de cabeza y de las ubicaciones de los sensores de MEG.
  8. Obtener las ubicaciones de los puntos de referencia fiduciales incluyendo puntos preauricular izquierda / derecha y Nasion utilizando el digitalizador. Digitalizar puntos adicionales (aproximadamente 300 puntos) para obtener precisa forma de la cabeza.
  9. Trasladar al paciente a la sala de pantalla magnética (MSR) 42, donde se encuentra el sistema de MEG.
    NOTA: El MSR es un entorno protegido que minimiza la interferencia de MEG grabaciones de fuentes electromagnéticas externas (es decir, líneas eléctricas, señales de radiofrecuencia desde dispositivos portátiles, dispositivos eléctricos y computadoras, los campos magnéticos de mover objetos magnetizados tales como automóviles, ascensores, y los trenes ). Se compone de tres capas anidadas.Cada capa está hecha de una capa de aluminio puro más una capa ferromagnética de alta permeabilidad (es decir, mu-metal, una aleación que consiste principalmente de níquel y hierro).
  10. Tender al paciente en la cama, poner su / su cabeza en el casco MEG, y aplicar los cojines apropiados / esponjas debajo de la cabeza del paciente para una mayor comodidad.
  11. Conectar el IPH, los cables del EEG, EOG, el ECG, EMG, y los electrodos adicionales a la máquina de grabación. Ajustar la posición de la cabeza del paciente en el escáner asegurar que se encuentra lo más profundo posible en el casco.

2. Adquisición de Datos

  1. MEG y EEG
    NOTA: la adquisición de datos de MEG / EEG se realiza basándose en el método descrito en un estudio previo 42. Más detalles sobre el uso clínico de la epilepsia pediátrica MEG en el se pueden encontrar en otras partes 43,44.
    1. Registro MEG señala con un sistema de MEG-toda la cabeza.
      NOTA: El sistema de MEG emplea sensores de película delgada de dos tipos (planarGradiómetros y magnetómetros) integrados en 102 elementos sensores. Cada elemento contiene un magnetómetro que consta de una sola bobina, y dos gradiómetros planas ortogonales que constan de una configuración de bobina de tipo "figura de ocho". El magnetómetro mide el flujo magnético perpendicular a su superficie y los gradiómetros de medir la diferencia entre los dos bucles de la "ocho", o el gradiente espacial. El sistema cuenta con 204 MEG Gradiómetros planas y 102 magnetómetros (306 sensores en total). MEG sistemas de diferentes proveedores tienen número y tipos de bobinas (es decir, gradiómetros axiales) diferente.
    2. Grabar simultáneamente señales EEG usando una tapa del electrodo 70 canales no magnético con Ag / AgCl electrodos de anillo sinterizado y electrodos adicionales en T1 / T2 42. Utilizar un montaje de referencia común.
    3. Cierre la puerta del MSR. Comunicarse con el paciente a través de un sistema de intercomunicación para comprobar si él / ella se siente cómodo. Pedir a los padres a permanecer inside el MSR durante la grabación si el niño se siente incómodo para quedarse solo.
    4. Iniciar las grabaciones haciendo clic en el botón "Ir" en el software de adquisición de MEG. Utilice una alta velocidad de muestreo de 1 KHz (o más). Utilice un filtro de paso bajo de respuesta al impulso infinita (IIR) de 6º orden a 400 Hz. Compruebe en línea todas las señales registradas. Fijar los canales MEG malos mediante el uso de un sintonizador de sensor.
      NOTA: Los canales de Bad MEG se definen sensores (Gradiómetros o magnetómetros) que tienen un nivel relativamente alto de ruido blanco (por encima de 2 a 5 pies / √Hz de magnetómetros) o sensores que registran el ruido electromagnético ambiental espuria. Esto se hace generalmente ocurre cuando los sensores están expuestos a fuerte (con relación a las señales medidas) campos magnéticos y las partes específicas de las bobinas de "atrapar" el flujo magnético destruir la superconductividad. Un sintonizador de sensor se utiliza entonces que el calor de la bobina mediante la aplicación de una corriente eléctrica a través de él. Este procedimiento se denomina ajuste y se utiliza cuandoel nivel de ruido blanco del sensor está por encima de un umbral específico (es decir, 2-5 fT / √Hz). Algunos sistemas MEG no tienen sintonizadores de sensores.
    5. Medir la posición de la cabeza del paciente haciendo clic en el botón "Medir" en el software de adquisición de MEG. Si la cabeza del paciente no está bien cubierto por el conjunto sensorial, pedir al paciente a mover su / su cabeza más profundamente en el casco.
      NOTA: Esta maniobra activa las bobinas 4 HPI mediante la aplicación de señales eléctricas transitorias oscilatorios través de las bobinas que generan campos magnéticos artificiales. Estos campos son detectados por los sensores de MEG, por lo tanto se determina la posición de la cabeza. El procedimiento puede variar entre los diferentes proveedores de MEG.
    6. Registro de MEG, EEG, y grabaciones periféricos haciendo clic en el botón "Grabar" en el software de adquisición de MEG (es decir, ECG, EOG, EMG y) durante ~ 60 min.
      NOTA: Los datos se almacenan en un archivo .FIF en las matrices redundantes de discos independientes (RAID).El tipo de archivo es diferente para otros proveedores de MEG.
    7. Cuando termina la grabación, abra el MSR, desconectar los cables, y sacar al paciente de la sala de MSR. Retire todas las cintas, electrodos, bobinas HPI, y la tapa de EEG suavemente. Proporcionar lavado de cabeza para el paciente.
    8. Después de que se completó la adquisición, grabar las señales magnéticas de la MSR vacío sin que el paciente. Iniciar las grabaciones haciendo clic en el botón "Ir" en el software de adquisición de MEG. MEG datos de registro de 2 minutos utilizando los mismos parámetros que en el paso 2.1.4.
      NOTA: Estos datos son utilizados para estimar el ruido electromagnético ambiental.
  2. RM
    1. Adquirir datos de resonancia magnética anatómicos con secuencias de eco de gradiente de adquisición rápida de magnetización preparado (MPRAGE; TE = 1,74 ms, TR = 2,520 ms, voxel size = 1 × 1 × 1 mm) con un escáner 3T alta resolución. Los detalles sobre el protocolo de exploración de resonancia magnética se pueden encontrar en otro lugar 45.
      NOTA: No realizamos la imagen de resonancia magnéticael mismo día de la sesión de MEG a fin de evitar artefactos en las grabaciones de MEG debido a la magnetización de posibles implantes metálicos del paciente, tales como de las obras dentales.

3. Identificación de la actividad interictal

  1. Abra los datos mediante una lluvia de ideas 46, que está documentado y libremente disponible para su descarga en línea bajo la licencia GNU público en general.
  2. Seleccionar porciones visualmente de los datos de EEG con actividad interictal que ocurre al menos 2 h aparte de convulsiones clínicas.
    NOTA: La Figura 1 presenta una parte de los datos de EEG y MEG con IEDs frecuentes.
    1. Identificar empíricamente los IED bien definidos en las señales de EEG: esto incluye espigas (20 - 70 m) y ondas agudas (70 - 200 ms) 47-48.
      NOTA: El significado clínico de ambos tipos de IED en la localización del foco epiléptico es equivalente.
    2. Trate de identificar (si es posible) fragmentos de las grabaciones con: (i) un mínimo motien los artefactos, (ii) más de 3 - 4 IEDs por pantalla de 10 s, y (iii) de ondas lentas del sueño no REM que suele presentar un elevado número de HFO 49.

figure-protocol-1
Figura 1: los IED en EEG y MEG señales. Porción del cuero cabelludo registrado simultáneamente EEG y MEG señales con IEDs frecuentes. 1 s de la sección destacado que contiene una onda aguda se presenta en los paneles de la derecha en una pantalla extendida escala de tiempo. Los puntos rojos indican la cima de los IED. Haga clic aquí para ver una versión más grande de esta figura.

  1. El uso de una lluvia de ideas, mostrar los datos con la configuración de pantalla estándar (10 s / página). Ir a la ficha Filtro y poner los siguientes parámetros de la pantalla de filtro: filtro de paso alto: 1 Hz, filtro de paso bajo: 80 Hz, filtro de muesca: 50 °r 60 Hz (de acuerdo con la frecuencia de la línea de alimentación). Inspeccionar los datos e identificar porciones de datos con los IED.
    NOTA: sólo partes de la señal con los IED se escaneará en busca de HFO (paso 3.4). Los filtros seleccionados son sólo para la visualización; que no se han aplicado a los datos. Con el fin de aplicar estos filtros de forma permanente a los datos, utilice un paso de banda del filtro Butterworth (4º orden) siguiendo las instrucciones del sitio web de Brainstorm (http://neuroimage.usc.edu/brainstorm/).
  2. Marca el pico de cada IED se produce en tanto los datos de EEG y MEG (ver manchas rojas en la Figura 1).
    NOTA: Más detalles sobre el uso de artefactos explosivos improvisados ​​que marca una lluvia de ideas se pueden encontrar en otro lugar (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

4. Detección semi-automatizada de HFO en simultánea del cuero cabelludo EEG y MEG Data

NOTA: Aquí se describe un método semi-automatizado para detectar HFO, que incluye una detección automatizada (paso 4.1; Figure 2), seguido de un examen visual de los HFO detectado automáticamente (paso 4.3). Con el fin de evitar las oscilaciones espurias de transitorios pronunciados como ondas verdaderos y para asegurar que los HFO no se deben a un fenómeno de filtrado, seguimos las últimas sugerencias en la literatura relevante: se requiere el HFO tener un número mínimo de 4 oscilaciones desde se ha observado que la respuesta de impulso del filtro tiene un menor número de oscilaciones que el número seleccionado de ciclos 50, se utilizó el filtro de respuesta finita al impulso (FIR) para minimizar el efecto y el fenómeno de "Gibbs" 50 de llamada, que requieren los eventos HFO candidatos ser inspeccionados visualmente también por un experto para comprobar si los HFO también fueron superpuestos visible en los IED 50,51, y que requiere una isla aislada para ser observado en la llanura de tiempo-frecuencia debido a un evento agudo y una oscilación tienen diferentes firmas: un verdadero HFO está representado por un pico aislado en el tiempo-frequenparcela cy (restringido en frecuencia, como "isla") situado en la banda de 80 a 500 Hz, mientras que un evento transitorio genera una burbuja alargada, extendida en la frecuencia 50,52,53.

figure-protocol-2
Figura 2: Diagrama esquemático de las etapas de algoritmo. El algoritmo funciona en dos etapas: la primera de ellas identifica HFO candidatos de cada señal del EEG en el dominio del tiempo (columnas centrales izquierda y); el segundo uno clasifica los eventos candidatos detectados previamente con el fin de distinguir HFO reales de artefactos en el dominio de tiempo-frecuencia (columna derecha). Haga clic aquí para ver una versión más grande de esta figura.

  1. Detección automática HFO
    NOTA: La Figura 2 describe el diagrama de flujo de la detección automáticade HFO en cada señal del EEG. El objetivo del método desarrollado es el de reducir la carga para el experto en EEG de marcar eventos HFO en cada canal EEG usando una pantalla de 2 s / página que se recomienda para la inspección visual de HFO. Un HFO se definió como un evento dentro de la banda de frecuencia de rizado (80 - 250 Hz), que tiene al menos 4 de oscilaciones sinusoidales como la morfología de pie entre el fondo circundante 54 (paso 4.1.1), y que aparece como un corto vivido evento con un pico espectral aislada en una distinta alta frecuencia 14 (paso 4.1.2).
    1. La detección de HFO candidatos en el dominio del tiempo
      1. De paso de banda (BP) filtrar las señales de EEG entre 80 y 250 Hz, lo que restringe el contenido de frecuencia de las señales a la banda de onda de interés.
        NOTA: Se recomienda el uso de un filtro FIR para minimizar el efecto de llamada y el fenómeno "Gibbs" 55, y el filtrado digital de fase cero para evitar la distorsión de fase.
      2. Calcularla envolvente de la señal BP utilizando la transformación de Hilbert. Calcular la media y la desviación estándar (SD) de la envolvente de más de 10 s ventanas centradas en cada punto de la serie de tiempo de deslizamiento. Estimar la media global y SD usando el valor de la mediana sobre todas las ventanas (con el fin de obtener valores que sean robustos a la posible presencia de partes de la señal con muchas HFO y alta SD).
      3. Se calcula la puntuación z del sobre y marcar un candidato HFO cada vez que la puntuación z es mayor que el umbral mínimo, igual a 3 56.
      4. Definir los puntos de inicio y finalización del evento detectado como los cruces ascendentes y descendentes de la mitad del umbral. Considere los HFO con un intervalo de entre eventos de menos de 30 ms como una sola HFO. Calcular el número de picos en la señal de la PA entre la partida HFO y puntos finales, y descartar eventos con menos de 4 picos. Además, desechar los eventos con una puntuación z mayor que 12.
        NOTA: Modificar la máximaum umbral de puntuación z de acuerdo a la amplitud de los artefactos que pueden producirse en sus grabaciones. Los eventos con un bajo número de oscilaciones pueden ser causados por efectos de filtrado en 57,58, mientras que los eventos con muy alta amplitud puede ser debido a los artefactos musculares o de electrodos.
    2. Rechazar posibles artefactos en el dominio de tiempo-frecuencia.
      NOTA: Este paso es necesario distinguir HFO reales de los sucesos que pueden ser provocados por otros de actividad y de filtrado de artefactos del EEG, cuyo contenido de frecuencia no se limita a la banda de frecuencias de interés. Se basa en la suposición de que un verdadero HFO aparece como un evento de corta duración con un pico espectral aislado a una frecuencia distinta de arriba 80 Hz, en contraste con un evento transitorio que genera una burbuja alargada extendida en frecuencia 59. La Figura 3 ilustra un ejemplo de un HFO detectado que muestra la BP se filtra la señal EEG (panel superior), su envoltura (panel central), y el correspondening plano tiempo-frecuencia (panel inferior), durante el período de [-0.5, 0.5] s alrededor del pico HFO. La pantalla del plano tiempo-frecuencia se limita 80 a 150 Hz porque no se observó actividad prominente para frecuencias superiores a 150 Hz.
      1. Transformar todos los eventos HFO candidatos en el espacio de tiempo-frecuencia utilizando la transformación de Morlet en el rango de frecuencias de 1 Hz a la frecuencia más alta de interés, es decir, 250 Hz (frecuencia central = 1 Hz, ancho completo-A-media máxima = 3 s).
      2. Analizar los espectros de potencia instantánea de la representación tiempo-frecuencia sobre cada punto de la duración del evento de tiempo. Para cada espectro de energía, siga los criterios automáticos descritos por Burnos et al. 56 para detectar el pico en la banda de alta frecuencia y para verificar si es claramente distinta de la cumbre más próxima en el rango de frecuencia más baja. Desechar HFO que no muestran un espectro de potencia con un pico aislado de alta frecuencia en al menos el 90% de lapuntos de tiempo.
  2. Ordenar todos los eventos detectados por HFO su presencia temporal en todos los canales. Agrupar todas las HFO consecutivos cuya duración se superpone. Mantener sólo los grupos de HFO que participen al menos dos canales de EEG para su posterior análisis.
    NOTA: El algoritmo solicita los HFO a ocurrir en al menos 2 canales a fin de evitar la captura de artefactos aleatorios no esenciales, que pueden parecerse a los de HFO reales y ocurrir en las derivaciones de EEG individuales. Dos HFO consecutivos se consideran como la superposición cuando la hora de inicio de la segunda HFO precede a la hora de inicio de la primera.

figure-protocol-3
Figura 3: HFO evento detectado por el algoritmo. Panel superior: la BP filtrada (80 - 150 Hz) de la señal del EEG (en mV) de un canal (F8 - T8) de paciente 1. Panel central: la envolvente de la señal de BP (z-score). El pico de la envolvente (asterisco rojo) indica la fecha del cenit HFO (línea roja punteada vertical). Los asteriscos azules marcan los cruces ascendentes y descendentes de la mitad del umbral (línea azul punteada), que indican el inicio y final los puntos de tiempo de los HFO (líneas de puntos verticales de color azul). Panel inferior: el plano de análisis tiempo-frecuencia. Tenga en cuenta el pico aislado en la banda de frecuencia de ondulación (~ 100 Hz) alrededor del pico de la HFO. Haga clic aquí para ver una versión más grande de esta figura.

  1. revisión visual de eventos HFO
    NOTA: Una parte de la revisión visual se basa en las directrices propuestas por Andrade-Valenca et al. 28 y Zelmann et al. 60.
    1. Alinear verticalmente 2 pantallas de ordenador; uno para la inspección de EEG y una para la inspección de las señales de MEG. Visualizar los eventos detectados tanto en la (2 s / página) y ampliado s típicoscale (10 s / página) que muestran, respectivamente, el 80 - 250 Hz y 1 - 40 Hz BP filtra las señales.
    2. No haga caso de eventos cooccurring con artefactos musculares o de electrodos en el EEG sin filtrar y MEG, así como eventos con gran variabilidad de la frecuencia, morfología irregular, o grandes variaciones de amplitud.
    3. Observar las señales de EMG y EOG durante la detección de los HFO y descartar cualquier evento que se cree que corresponden a EOG o actividad muscular. Considerar sólo los HFO que se superponen con EEG / MEG IEDs (detectado en el paso 3.3) ya que son más susceptibles de ser cierto HFO 15,28,56.
      NOTA: Este método ofrece una alta especificidad a costa de una baja sensibilidad; por lo tanto, proporciona la confianza de que los HFO identificados son de origen cortical.
    4. Mantener sólo eventos HFO que se producen en ambas señales de EEG y MEG, al mismo tiempo.

5. Fuente de localización de artefactos explosivos improvisados ​​y HFO

  1. Localizar los generadores en el pico de la MEG IEDs, Marcado en el paso 3.3, utilizando los dipolos corriente equivalente (ECD). Utilice el software estimaciones de Norma Mínima que está disponible gratuitamente (http://martinos.org/mne/stable/index.html). Considere solamente picos de bondad de ajuste (GOF)> 80% y el momento dipolar Q <500 nA - m. Superposición de la ubicación ECD en la resonancia magnética de cada paciente.
    NOTA: La entropía máxima en la media (MEM) es un método alternativo atractivo que determina la localización y extensión de las fuentes 61.
  2. Localización de la fuente HFO tanto en EEG y MEG usando la onda de máxima entropía en el método de la media (wMEM) (según lo propuesto por von Ellenrieder et al 38).
    NOTA: El MEM es una técnica eficaz que ha sido utilizado con éxito para determinar la localización y extensión de las fuentes de actividad epiléptica 62-64. El wMEM es una extensión de MEM que ha sido desarrollado para la localización de la actividad oscilatoria según se evaluó con simulaciones realistas 65. Se descompone la señal en un disbase wavelet creta antes de realizar MEM localización de la fuente en cada cuadro de tiempo-frecuencia. Por lo tanto, wMEM está particularmente bien adaptado para localizar HFO.
    1. Segmento de la resonancia magnética y la obtención de la superficie cortical utilizando FreeSurfer 66-67.
    2. Resolver el problema hacia adelante EEG / MEG con el método de elementos de contorno (BEM) para un modelo de 3 capas utilizando OpenMEEG 68.
    3. Volver a muestrear las señales a 640 Hz con el fin de asegurar que la segunda escala de la transformada wavelet discreta corresponde a la banda de frecuencia de interés.
    4. Estimar la matriz de covarianza de ruido en el espacio de datos de forma independiente para cada HFO, basado en el fondo en la banda de onda en una ventana de 150 ms inmediatamente antes de cada HFO. Realizar la localización de la fuente para cada HFO en la banda de ondulación y media a lo largo de la duración de HFO. Nota: El mapa resultante se compone de un valor de activación cortical asociado a cada vértice de la teselación cortical.
    5. Normalizar cada mapa con el fin de tener un máximovalor de activación igual a 1 para cada HFO.
    6. Calcular el promedio de los valores de activación en todos los HFO en cada vértice. Aplicar un umbral de 60% de la activación máxima con el fin de mostrar los mapas finales sobre la superficie cortical.

6. Validación

  1. Intracraneal EEG (iEEG):
    1. Adquirir iEEG extra-operatorio mediante el empleo de rejillas subdurales y / o electrodos profundos estereotáctica guiada. Guiar la colocación de los electrodos sobre la base de los resultados de pruebas de evaluación prequirúrgica anteriores y las hipótesis clínicas a tratar, que es específico para cada paciente.
      NOTA: intracraneal EEG se registra con un sistema de EEG digital utilizando una frecuencia de muestreo 2 kHz, como parte de la evaluación prequirúrgica. Rejillas subdurales suelen ser la mejor opción si la topografía de la zona cortical convulsión es importante resolver, y si la cartografía de la corteza elocuente es fundamental (por ejemplo, con un área de cerca de primar epileptógenay la corteza motora, donde los límites exactos se pueden estimar mediante cartografía de estimulación y análisis del EEG ictal intracraneal).
  2. Definición de la SOZ:
    1. Identificar el SOZ como se define por un epileptólogo experto en base a la información clínica disponible para cada paciente.
      NOTA: El SOZ se define como el área que muestra la propagación temprana y rápida de cambio iEEG (descarga ictal) a partir de la línea de base antes de o concomitante con el inicio clínico. Todos los canales implicados en el comienzo de la descarga electrográfico ictal, por lo general los primeros 5 s, se consideraron como el SOZ. En pacientes en los que las convulsiones se originan desde más de un área independiente el uno del otro, todos los contactos dentro de las diferentes SOZs son considerados como contactos SOZ. El experto es ciego a los resultados de la localización fuente de HFO en el momento de definir el SOZ. La información clínica también incluye: hallazgos ictal e interictal iEEG, lesión visible en la RM, ictal y el cuero cabelludo EEG interictalrecomendaciones.
  3. Identificación de los canales de HFO:
    1. Detectar los HFO en cada electrodo intracraneal como se describe en 4.1. Utilizar el método de Kittler para determinar el umbral basado en el histograma del número de HFO de todos los canales, a continuación, aplicar bootstrapping y calcular la media como el último umbral 69. Por último, identificar los canales con una tasa de HFO encima del umbral.
  4. Compara la localización HFO con el SOZ identificado en 6.2 como el estándar de oro para los resultados de la localización de origen.

Resultados

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

Los pacientes pediátricos con epilepsia refractaria fueron reclutados de la Clínica de Epilepsia del Hospital Infantil de Boston (Boston, EE.UU.). A continuación, se presentan los datos representativos de 2 pacientes: una niña de 15 años de edad, con encephalomalacia de la arteria cerebral media derecha (MCA) región (paciente 1), y un niño de 11 años de edad, con el parietal izquierdo / encephalomalacia temporal superior ( paciente 2). Los datos fueron recolectados como parte de su estudio diagnóstico prequirúrgico para la cirugía. MEG grabaciones simultáneas y EEG se realizaron en el Centro Athinoula A. Martinos de Imágenes Biomédicas.

Tanto para los pacientes, HFO se identificaron en la banda de frecuencia de rizado (80 - 150 Hz) que se produce tanto en EEG y MEG y IEDs suprayacentes. La Figura 4 presenta los 10 s de cuero cabelludo simultánea datos de EEG y MEG con actividad interictal (paneles superiores) del paciente 1. La misma figura también informa de unan tiempo prolongado porción de la escala (2 s) de las señales, que muestra el HFO detectadas en el dominio del tiempo (paneles intermedios) y en el plano tiempo-frecuencia (panel inferior). Este paciente mostró una tasa de 8,8 HFO / min. Para mayor claridad, la pantalla del plano tiempo-frecuencia se limita 80 a 150 Hz porque no se observó actividad prominente para frecuencias superiores a 150 Hz. En el caso 1, la detección automática identifica 248 HFO eventos dentro de 8.65 min de grabaciones. Después de la revisión visual de los eventos detectados, 76 se mantuvieron eventos que se considera que es HFO reales, obteniendo una tasa de 8,8 HFO / min.

figure-results-1
Figura 4: HFO superpuestos en los IED detecta a partir del cuero cabelludo EEG y MEG. Panel superior: los IED de 1 paciente detectados desde el cuero cabelludo EEG (izquierda) y MEG (derecha). 10 s de datos filtrados 1-70 Hz. El panel medio: visualización de la escala de tiempo extendido (2 s) de los datos de EEG y MEG resaltado con fondo gris en el panel superior. Los datos se filtraron a 80 a 150 Hz. Panel inferior: plano tiempo-frecuencia de 2 representativas EEG y MEG canales. Haga clic aquí para ver una versión más grande de esta figura.

La Figura 5 presenta los resultados de HFO de localización para el paciente 1 tanto de EEG y MEG cuero cabelludo. Ambas técnicas localizan los HFO en la vecindad de la lesión en una ubicación cercana a la derecha unión temporo-parietal. MEG y EEG presentan resultados ligeramente diferentes de localización: la actividad MEG se encuentran más anterior en comparación con EEG y más cerca del límite posterior de la lesión. La distancia entre los dos máximos de la actividad wMEM para el MEG y EEG era 15,0 mm. HFO localizatiTambién en la era adyacente a la zona irritativa, ya que fue definido por el MEG. La distancia euclidiana entre los ECD promediados y la actividad máxima wMEM fue de 18,7 mm para el MEG y 28,0 mm para el EEG cuero cabelludo. Para el caso 2, se identificaron 8 min de los datos durante el sueño de ondas lentas no-REM con el IED y artefactos mínimos que hemos utilizado para el análisis de HFO.

El número de HFO cuero cabelludo fue significativamente menor que en el paciente 1 que muestra una velocidad de 0,4 HFO / min. La Figura 6 presenta los resultados de la localización de la fuente HFO cuero cabelludo para MEG y el cuero cabelludo EEG, los IEDs localizados por MEG usando ECD, y la ubicación de los HFO detectados por iEEG. La distancia entre el 2 máximos de la actividad wMEM para el MEG y EEG fue de 16,4 mm. La distancia entre los ECDs promediados y la actividad máxima wMEM era 10,9 mm para el MEG y 24,1 mm para el EEG. La zona identificada HFO no invasiva mediante el cuero cabelludo EEG y MEG se sitúa en el mismo lugar donde los HFO eran identified invasiva con iEEG. Los electrodos con el mayor número de HFO eran LA51, LA52, LA53 y, como se muestra en la Figura 6, cuya localización era concordante con la actividad HFO localizada de forma no invasiva.

figure-results-2
Figura 5: La localización de HFO y artefactos explosivos improvisados. HFO zona localizada mediante el uso de la wMEM con MEG y EEG del paciente 1 superpuesto en la RM del paciente (izquierda). El mapa HFO representa el promedio de los valores de activación de umbral normalizados a 60% de la actividad máxima. IEDs localizados por ECD con MEG (derecha). Las ubicaciones y orientaciones de los ECD se indican en cian. El triángulo púrpura indica la ubicación de los ECD promediados (46 ECDs), y el rectángulo rojo la ubicación de la ECD de IEDs promediados (28 IEDs). Para el cálculo del promedio de los IED, se identificaronpicos con morfología similar. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-3
Figura 6: La concordancia espacial entre la zona localizada HFO no invasiva con el cuero cabelludo EEG y MEG, la Zona irritativa, y la Zona HFO localizado invasiva con iEEG. Paneles superiores: localización de HFO de paciente 2 con EEG cuero cabelludo (izquierda) y MEG (centro), y la localización de la IED con MEG (derecha) superpuestos en la RM del paciente. El mapa HFO representa el promedio de los valores de activación de umbral normalizados a 60% de la actividad máxima. círculos y barras cian indican las ubicaciones y orientaciones de la ECD. El triángulo violeta indica la ubicación de los ECD promediados (30 ECD), y el rectángulo rojo tque la ubicación de la ECD de IED promediados (21 IEDs). Paneles inferiores: La localización de HFO en iEEG (izquierda) y 2 s de grabaciones de canales con la tasa más alta de HFO. electrodos implantados se muestran en la RM del paciente. La ubicación de electrodo se obtiene mediante co-registrar el post implantado la tomografía computarizada (TC) y las imágenes de RM. Los electrodos con la mayor tasa de HFO están resaltados en el mapa de la red implantado en la corteza del paciente. Haga clic aquí para ver una versión más grande de esta figura.

Los resultados representativos presentados aquí indican el uso potencial de la técnica descrita en el ámbito clínico para la identificación no invasiva y localización de HFO durante la evaluación pre-quirúrgica de los pacientes pediátricos con epilepsia médicamente refractaria. Tanto para los pacientes, fueron HFO localized concordantes para el cuero cabelludo EEG y MEG (ver Figura 5). Diferencias localización de pocos mm pueden atribuirse a la capacidad de localización superior de alta densidad MEG en comparación con EEG cuero cabelludo 70, o pueden representar diferentes generadores subyacentes 71. La localización también fue concordante con la zona irritativa, ya que fue definido por el MEG (ver Figura 5 - panel derecho). En el paciente 2, los datos de iEEG también estaban disponibles. La zona HFO localizada de forma no invasiva con el cuero cabelludo EEG y MEG fue concordante con la zona definida HFO invasiva con iEEG (véase la Figura 6). Los resultados del método propuesto puede guiar la colocación de rejillas durante la cirugía de la epilepsia para la identificación potencial de la EZ.

Discusión

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

pruebas convergentes de estudios en animales y humanos han demostrado que los HFO son un nuevo biomarcador potencial para el tejido epiléptico. A pesar de esta evidencia, HFO tienen un uso muy limitado en la práctica clínica para el diagnóstico o seguimiento de la epilepsia, principalmente debido a: (i) no existe una definición formal y global para HFO; (Ii) los diferentes grupos de investigación utilizan una metodología diferente para la grabación y el análisis de los datos; (Iii) la detección no invasiva de HFO con técnicas de neuroimagen es un reto; y (iv) el proceso de revisión de HFO es lento y poco práctico, sobre todo para EEG multicanal o grabaciones MEG con un alto número de sensores. En un esfuerzo por proporcionar una metodología global estandarizada que promueve el uso sistemático de HFO en la práctica clínica, la metodología que se sigue en el Hospital Infantil de Boston para el registro no invasivo, la detección y localización de HFO interictales de pacientes pediátricos con epilepsia se presenta. representativTambién se presentan los resultados de los e HFO detectados con el cuero cabelludo EEG y MEG simultánea de dos niños con epilepsia resistente a fármacos.

Los pasos críticos en el protocolo

La metodología propuesta incluye los siguientes pasos críticos: (i) la realización de EEG y MEG grabaciones simultáneas de la actividad interictal de pacientes pediátricos alta relación señal-ruido (SNR) con epilepsia resistente a fármacos (pasos 2.1.1 y 2.1.2 ); (Ii) el pre-procesamiento cuidadoso y la selección de los datos con descargas interictales (pasos 3.1 y 3.2); (Iii) el examen visual de los eventos HFO identificadas con alta especificidad (pasos 4.3.1, 4.3.2, y 4.3.3); y (iv) la localización fiable de las HFO utilizando un método de localización apropiado (paso 5.2).

El paso más crítico en este protocolo es la revisión visual de los eventos HFO identificados por el detector automático. Un examen riguroso de los HFO detectado automáticamente es crucial de desprenderse de HFO de origen no cerebrales. Sin embargo, la fatiga o distracción del revisor humano durante la inspección visual de EEG multicanal y datos MEG pueden conducir a errores, reduciendo la especificidad del proceso de detección.

Modificaciones y solución de problemas

Evitamos el uso de la proyección del espacio de señal (SSP) y los métodos de señal de separación de espacio (SSS) 72,73 a fin de garantizar que no había ninguna distorsión de la actividad HFO de su aplicación. Estos métodos son a menudo utilizados por la mayoría de los usuarios del proveedor de MEG particular, para suprimir las interferencias externas y para corregir los movimientos de la cabeza 72. Son necesarios más estudios con el fin de asegurar que la aplicación de estos métodos no afectan ni distorsiona la actividad HFO o no producen efectos falsos que pueden parecerse a los HFO humanos. modificaciones menores del umbral mínimo de la puntuación z de la envolvente de la señal (paso 4.1.1.3) y el umbral de corriente alternapueden ser necesarios valores tivación (paso 5.2.6) para mejorar la sensibilidad del algoritmo en la detección de HFO y restringir la localización de la zona de HFO en una zona más focal.

Las limitaciones de la técnica

El método descrito presenta limitaciones que deben ser abordados en futuros estudios. En primer lugar, no se considera HFO se producen sólo en las señales EEG o MEG, y que no incluye la detección automática de HFO en las señales de MEG, lo que implica que algunos real baja SNR MEG HFO podría escapar de la inspección visual 74. Además, la sensibilidad y especificidad del método propuesto para detectar las HFO y su capacidad de localizar con gran precisión deben ser validados con grabaciones simultáneas de cuero cabelludo EEG, MEG, y iEEG 75. Nuestros datos han demostrado que ECD individuales indicaron una zona irritativa extendida comparación con la zona HFO focal. Sin embargo, cuando se promediaron los ECD, entonces la locatio dipolon estaba bastante cerca de la zona de HFO tanto para los pacientes. Nuestros datos son indicativos de la especificidad de los 2 métodos que muestra una posible mayor especificidad de la zona de HFO para epileptogenicidad (particularmente para paciente 2 para los que la zona de HFO se superponen con el SOZ) en comparación con la zona irritativa, aunque las conclusiones seguras no se pueden extraer a partir de una pequeña cohorte de pacientes tales. Más importante, la localización de las fuentes de HFO no implica directamente la localización de la EZ que es responsable de las convulsiones. Nuestros resultados deben ser validados con el resultado de la cirugía de la epilepsia que tenemos la intención de hacerlo en un futuro estudio. Por último, para registrar los datos de EEG, se utilizó un sistema de 70 canales. Sin embargo, en la mayoría de los centros se utiliza el valor de EEG clínica estándar que registra los datos de 19 electrodos colocados de acuerdo con el 10 - 20 del sistema. Más sistemas de EEG pediátricos avanzados con mucho mayor número de canales (hasta 256) están disponibles actualmente en el mercado. El uso de estos sistemas puede mejorar aún más tque la localización exactitud de la zona HFO detectada con EEG cuero cabelludo.

Importancia de la técnica con respecto a los métodos existentes / alternativos

A nuestro leal saber y entender, este es el primer estudio que informa de la localización no invasiva de HFO interictales con EEG y MEG simultánea, y también investiga la concordancia de los resultados de la localización con los de registros intracraneales. La grabación no invasiva, la detección y localización de HFO es un reto. Esto se debe a HFO son señales muy débiles generados por pequeñas regiones del cerebro del orden de 16,76 milímetros cúbicos y, además obstaculizado por el ruido y el cerebro actividad de fondo. Un estudio reciente propone que HFO registran de forma no invasiva con EEG cuero cabelludo representan la suma de la actividad de múltiples focal espacialmente distribuida y fuentes coherentes 60. Hasta ahora, pocos estudios 28,29,37,38,60 lograron demostrar que los HFO se pueden detectar de forma no invasiva utilizando scalp EEG y MEG; aún menos localizada esta actividad por la solución del problema inverso 37-38.

Aquí, la evidencia de HFO interictales se presentan que se han detectado con el cuero cabelludo EEG y MEG simultánea de dos pacientes pediátricos con epilepsia. HFO se localizaron mediante el uso de un marco previamente descrito 38. Los datos representativos sugieren que la localización no invasiva de HFO interictales es factible mediante el uso de técnicas de imagen de origen realizadas en cualquiera de EEG cuero cabelludo o MEG grabaciones, suponiendo que se utilice una técnica de localización apropiado. Esto está de acuerdo con un estudio previo que utiliza una construcción fantasma parecido HFO generadores, lo que indica que los HFO pueden ser detectados y localizados de forma no invasiva con precisión con MEG 32.

La detección y el etiquetado de los HFO interictales se realiza tradicionalmente a través de la inspección visual de los datos de EEG expertos humanos. Aunque este enfoque es a menudo regarded como el patrón oro, que presenta serias limitaciones ya que tiene poca fiabilidad entre revisores 77,78, y no es aplicable a grandes conjuntos de datos de EEG y MEG con un alto número de sensores. Es crucial para la aplicación de HFO en la práctica clínica es el desarrollo de algoritmos que detectan los HFO automáticamente de grabaciones del cuero cabelludo reduciendo la necesidad de intervención humana. La identificación visual de HFO del cuero cabelludo es de hecho bastante difícil debido a: (i) la baja SNR de HFO en el cuero cabelludo; (Ii) las tasas más bajas de HFO en las grabaciones del cuero cabelludo en comparación con los intracraneales, lo que implica el análisis de los tiempos de grabación más largos; y (iii) el gran número de canales de análisis, en particular en alta densidad EEG o MEG. Se han propuesto varios algoritmos para la detección automática y semi-automática de HFO en la última década 54. Detectores anteriores se basaban en los umbrales en el dominio del tiempo, con el fin de identificar los eventos que se pueden distinguir de la actividad de fondo en curso 49,80. Los avances recientes sugieren también la incorporación de información desde el dominio de la frecuencia, en el supuesto de que un HFO debe aparecer como un evento de corta duración con un pico espectral aislado en una 50,56,81 frecuencia distinta. métodos semi-automatizados parecen ser el enfoque más adecuado para la aplicación de HFO en la práctica clínica. Estos métodos implican 2 etapas: (i) de detección automática inicial de eventos que tiene una alta sensibilidad, y (ii) un examen visual de eventos por un experto, que tiene una alta especificidad. Este enfoque proporciona una mayor especificidad en comparación con los métodos totalmente automatizados y se asegura de que los acontecimientos revisados ​​finales son HFO reales de origen cerebral.

Aquí, se presenta un método semi-automatizado que permite la detección de HFO desde el cuero cabelludo interictal registros de EEG y MEG. El método propuesto se extiende descrito anteriormente técnicas para la detección de HFO de EEG cuero cabelludo 60 mediante la incorporación en los criterios de identificación de dos de importacióncaracterísticas de hormigas: (i) el análisis tiempo-frecuencia automática de los eventos de fueloil pesado; y (ii) la concurrencia temporal de los acontecimientos HFO en ambas grabaciones MEG y EEG.

Las aplicaciones futuras o direcciones después de dominar esta técnica

La localización fiable de HFO con métodos de neuroimagen no invasivas, tales como el cuero cabelludo EEG y MEG, es crítica. Dominar, mejoramiento, y validar el protocolo propuesto proporcionará a los médicos con un biomarcador fiable, no invasiva grabable para la identificación de la EZ. El desarrollo de un biomarcador de este tipo tiene el potencial de reducir los requisitos de supervisión a largo plazo y registros intracraneales invasoras que conducen a una mejora significativa en el procedimiento de evaluación prequirúrgica en pacientes pediátricos. Que no sólo ayudaría a identificar el tejido epileptógena para la cirugía, sino que también permiten el diagnóstico diferencial definitivo de la epilepsia de la crisis sintomáticas agudas, lo que requiere un completamente difealquilar enfoque de tratamiento, y de las convulsiones no epilépticas ahorradores de la necesidad de un seguimiento a largo plazo en algunos pacientes. Además, esto podría permitir la evaluación de la eficacia de las intervenciones terapéuticas sin esperar a que se produzca otro ataque.

Divulgaciones

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

Los autores no tienen nada que revelar.

Agradecimientos

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

Este trabajo cuenta con el apoyo del Programa de Becas de Investigación de la Fundación de Epilepsia y la Sociedad Americana de Epilepsia y la Beca de Desarrollo Profesional del Profesorado de la Facultad de Medicina de Harvard, Oficina de Desarrollo del Profesorado.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Sistema VectorView MEGElekta-Neuromag, FinlandiaSistema MEG
Sala con blindaje magenticoImedco, Hagendorf, SuizaMSR de tres capas
Elekta-Neuromag, FinlandiaSistema de EEG de 70 canales
Digitalizador 3DPolhemus, Colchester, VT
Sistema de EEG

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Cowan, L. D., Bodensteiner, J. B., Leviton, A., Doherty, L. Prevalence of the Epilepsies in Children and Adolescents. Epilepsia. 30 (1), 94-106 (1989).
  2. Stores, G. School-children with Epilepsy at Risk for Learning and Behaviour Problems. Dev. Med. Child Neurol. 20 (4), 502-508 (1978).
  3. Sillanpää, M., Schmidt, D. Prognosis of seizure recurrence after stopping antiepileptic drugs in seizure-free patients: A long-term population-based study of childhood-onset epilepsy. Epilepsy Behav. 8 (4), 713-719 (2006).
  4. Geerts, A., et al. Course and outcome of childhood epilepsy: a 15-year follow-up. Dutch study of epilepsy in childhood. Epilepsia. 51 (7), 1189-1197 (2010).
  5. Engel, J. Etiology as a risk factor for medically refractory epilepsy: A case for early surgical intervention. Neurology. 51 (5), 1243-1244 (1998).
  6. Kwan, P., Brodie, M. Early Identification of Refractory Epilepsy. N. Eng. J. Med. 342 (5), 314-319 (2000).
  7. Datta, A., Loddenkemper, T. The Epileptogenic Zone. In: Wyllie, E. Wyllie's treatment of epilepsy Principles & Practice 5th Ed. , Wolters Kluwer/Lippincott Williams & Wilkins . Philadelphia. 818-827 (2011).
  8. Rosenow, F. Presurgical evaluation of epilepsy. Brain. 124 (9), 1683-1700 (2001).
  9. Önal, Ç, Otsubo, H., et al. Complications of invasive subdural grid monitoring in children with epilepsy. J. Neurosurg. 98 (5), 1017-1026 (2003).
  10. Jacobs, J., Zijlmans, M., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann. Neurol. 67 (2), 209-220 (2010).
  11. Bragin, A., Engel, J., Wilson, C., Fried, I., Buzsáki, G. High-frequency oscillations in human brain. Hippocampus. 9 (2), 137-142 (1999).
  12. Bragin, A., Engel, J., Wilson, C., Fried, I., Mathern, G. Hippocampal and Entorhinal Cortex High-Frequency Oscillations (100-500 Hz) in Human Epileptic Brain and in Kainic Acid-Treated Rats with Chronic Seizures. Epilepsia. 40 (2), 127-137 (1999).
  13. Zijlmans, M., Jiruska, P., Zelmann, R., Leijten, F., Jefferys, J., Gotman, J. High-frequency oscillations as a new biomarker in epilepsy. Ann. Neurol. 71 (2), 169-178 (2012).
  14. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  15. Jacobs, J., LeVan, P., Chander, R., Hall, J., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (80-500 Hz) are an indicator of seizure onset areas independent of spikes in the human epileptic brain. Epilepsia. 49 (11), 1893-1907 (2008).
  16. Bragin, A., Mody, I., Wilson, C. L., Engel, J. Local generation of fast ripples in epileptic brain. J Neurosci. 22 (5), 2012-2021 (2002).
  17. Worrell, G. A., Gardner, A. B., et al. High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain. 131 (4), 928-937 (2008).
  18. Engel, J. Jr, Bragin, A., Staba, R., Mody, I. High-frequency oscillations: What is normal and what is not? Epilepsia. 50 (4), 598-604 (2009).
  19. Traub, R. Fast Oscillations and Epilepsy. Epilepsy Curr. 3 (3), 77-79 (2003).
  20. Blanco, J., Stead, M., et al. Unsupervised Classification of High-Frequency Oscillations in Human Neocortical Epilepsy and Control Patients. J. Neurophysiol. 104 (5), 2900-2912 (2010).
  21. Rodin, E., Smid, N., Mason, K. The grand mal pattern of Gibbs, Gibbs and Lennox. Electroencephalogr Clin Neurophysiol. 40 (4), 401-406 (1976).
  22. Nealis, J. G., Duffy, F. H. Paroxysmal beta activity in the pediatric electroencephalogram. Ann Neurol. 4 (2), 112-116 (1978).
  23. Halasz, P., Terzano, M., Parrino, L., Bodizs, R. The nature of arousal in sleep. J. Sleep. Res. 13 (1), 1-23 (2004).
  24. Kobayashi, K., Oka, M., et al. Very Fast Rhythmic Activity on Scalp EEG Associated with Epileptic Spasms. Epilepsia. 45 (5), 488-496 (2004).
  25. Inoue, T., Kobayashi, K., Oka, M., Yoshinaga, H., Ohtsuka, Y. Spectral characteristics of EEG gamma rhythms associated with epileptic spasms. Brain. Dev. 30 (5), 321-328 (2008).
  26. Kobayashi, K., Jacobs, J., Gotman, J. Detection of changes of high-frequency activity by statistical time-frequency analysis in epileptic spikes. Clin Neurophysiol. 120 (6), 1070-1077 (2009).
  27. Kobayashi, K., Watanabe, Y., Inoue, T., Oka, M., Yoshinaga, H., Ohtsuka, Y. Scalp-recorded high-frequency oscillations in childhood sleep-induced electrical status epilepticus. Epilepsia. 51 (10), 2190-2194 (2010).
  28. Andrade-Valenca, L. P., Dubeau, F., Mari, F., Zelmann, R., Gotman, J. Interictal scalp fast oscillations as a marker of the seizure onset zone. Neurology. 77 (6), 524-531 (2011).
  29. Melani, F., Zelmann, R., Dubeau, F., Gotman, J. Occurrence of scalp-fast oscillations among patients with different spiking rate and their role as epileptogenicity marker. Epilepsy Res. 106 (3), 345-356 (2013).
  30. Claus, S., Velis, D., Lopes da Silva, F., Viergever, M., Kalitzin, S. High frequency spectral components after Secobarbital: The contribution of muscular origin-A study with MEG/EEG. Epilepsy Res. 100 (1-2), 132-141 (2012).
  31. Zimmermann, R., Scharein, E. MEG and EEG show different sensitivity to myogenic artifacts. Neurol Clin Neurophysiol. 78, (2004).
  32. Papadelis, C., Poghosyan, V., Fenwick, P., Ioannides, A. MEG's ability to localise accurately weak transient neural sources. Clin Neurophysiol. 120 (11), 1958-1970 (2009).
  33. Miao, A., Xiang, J., et al. Using ictal high-frequency oscillations (80-500Hz) to localize seizure onset zones in childhood absence epilepsy: A MEG study. Neuroscience Lett. 566, 21-26 (2014).
  34. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  35. Tenney, J. R., Fujiwara, H., et al. Low- and high-frequency oscillations reveal distinct absence seizure networks. Ann Neurol. 76 (4), 558-567 (2014).
  36. Xiang, J., et al. Frequency and spatial characteristics of high-frequency neuromagnetic signals in childhood epilepsy. Epileptic Disord. 11 (2), 113-125 (2009).
  37. van Klink, N., Hillebrand, A., Zijlmans, M. Identification of epileptic high frequency oscillations in the time domain by using MEG beamformer-based virtual sensors. Clin Neurophysiol. 127 (1), 197-208 (2016).
  38. von Ellenrieder, N., Pellegrino, G., et al. Detection and Magnetic Source Imaging of Fast Oscillations (40-160 Hz) Recorded with Magnetoencephalography in Focal Epilepsy Patients. Brain Topogr. 29 (2), 218-231 (2016).
  39. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  40. Ramachandrannair, R., Ochi, A., et al. Epileptic spasms in older pediatric patients: MEG and ictal high-frequency oscillations suggest focal-onset seizures in a subset of epileptic spasms. Epilepsy Res. 78 (2-3), 216-224 (2008).
  41. Bathelt, J., O'Reilly, H., de Haan, M. Cortical source analysis of high-density EEG recordings in children. J Vis Exp. (88), e51705(2014).
  42. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hämäläinen, M. Functional Mapping with Simultaneous MEG and EEG. M. J Vis Exp. (40), e1668(2010).
  43. Papadelis, C., Harini, C., Ahtam, B., Doshi, C., Grant, E., Okada, Y. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Ped Epilepsy. 2, 73-85 (2013).
  44. Gaetz, W., Gordon, R. S., Papadelis, C., Fujiwara, H., Rose, D. F., Edgar, J. C., Schwartz, E. S., Roberts, T. P. L. Magnetoencephalography for Clinical Pediatrics: Recent Advances in Hardware, Methods, and Clinical Applications. J Pediatr Epilepsy. 4 (4), 139-155 (2015).
  45. Prabhu, S., Mahomed, N. Imaging of intractable paediatric epilepsy. SA Journal of Radiology. 19 (2), 1-10 (2015).
  46. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Comput Intell Neurosci. , 879716(2011).
  47. Bagic, A. I., Knowlton, R. C., Rose, D. F., Ebersole, J. S. American Clinical Magnetoencephalography Society Clinical Practice Guideline 1: Recording and Analysis of Spontaneous Cerebral Activity. J Clin Neurophysiol. 0 (0), 1-7 (2011).
  48. Noachtar, S., Binnie, C., Ebersole, J., Mauguière, F., Sakamoto, A., Westmoreland, B. A glossary of terms most commonly used by clinical electroencephalographers and proposal for the report form for the EEG findings. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 21-41 (1999).
  49. Staba, R. J., Wilson, C. L., Bragin, A., et al. High-frequency oscillations recorded in human medial temporal lobe during sleep. Ann'Neurol. 56 (1), 108-115 (2004).
  50. Benar, C. G., Chauviere, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on "false" ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  51. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  52. Jmail, N., Gavaret, M., et al. A comparison of methods for separation of transient and oscillatory signals in EEG. J Neurosci Methods. 199 (2), 273-289 (2011).
  53. Wang, S., Wang, I. Z., et al. Ripple classification helps to localize the seizure-onset zone in neocortical epilepsy. Epilepsia. 54 (2), 370-376 (2013).
  54. Worrell, G. A., Jerbi, K., Kobayashi, K., Lina, J. M., Zelmann, R., Le Van Quyen, M. Recording and analysis techniques for high-frequency oscillations. Prog Neurobio. 98 (3), 265-278 (2012).
  55. Gibbs, J. W. Fourier's series. Nature. 59, 606(1899).
  56. Burnos, S., Hilfiker, P., et al. Human Intracranial High Frequency Oscillations (HFOs) Detected by Automatic Time-Frequency Analysis. PLoS ONE. 9 (4), (2014).
  57. Jacobs, J., LeVan, P., Châtillon, C., Olivier, A., Dubeau, F., Gotman, J. High frequency oscillations in intracranial EEGs mark epileptogenicity rather than lesion type. Brain. 132 (4), 1022-1037 (2009).
  58. Urrestarazu, E., Chander, R., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (100-500 Hz) in the intracerebral EEG of epileptic patients. Brain. 130 (9), 2354-2366 (2007).
  59. Amiri, M., Lina, J. M., Pizzo, F., Gotman, J. High Frequency Oscillations and spikes: Separating real HFOs from false oscillations. Clin Neurophysiol. 127 (1), 187-196 (2015).
  60. Zelmann, R., Lina, J. M., Schulze-Bonhage, A., Gotman, J., Jacobs, J. Scalp EEG is not a Blur: It Can See High Frequency Oscillations Although Their Generators are Small. Brain Topogr. 27 (5), 683-704 (2014).
  61. Chowdhury, R. A., Lina, J. M., Kobayashi, E., Grova, C. MEG source localization of spatially extended generators of epileptic activity: comparing entropic and hierarchical bayesian approaches. PLoS One. 8 (2), e55969(2013).
  62. Chowdhury, R. A., Merlet, I., Birot, G., Kobayashi, E., Nica, A., Biraben, A., Wendling, F., Lina, J. M., Albera, L., Grova, C. Complex patterns of spatially extended generators of epileptic activity: Comparison of source localization methods cMEM and 4-ExSo-MUSIC on high resolution EEG and MEG data. Neuroimage. , 175-195 (2016).
  63. Pellegrino, G., Hedrich, T., Chowdhury, R., Hall, J. A., Lina, J. M., Dubeau, F., Kobayashi, E., Grova, C. Source localization of the seizure onset zone from ictal EEG/MEG data. Hum Brain Mapp. 37 (7), 2528-2546 (2016).
  64. Grova, C., Aiguabella, M., Zelmann, R., Lina, J. M., Hall, J. A., Kobayashi, E. Intracranial EEG potentials estimated from MEG sources: A new approach to correlate MEG and iEEG data in epilepsy. Hum Brain Mapp. 37 (5), 1661-1683 (2016).
  65. Lina, J. M., Chowdhury, R. A., Lemay, E., Kobayashi, E., Grova, C. Wavelet-based localization of oscillatory sources from magnetoencephalography data. IEEE Trans Biomed Eng. 61 (8), 2350-2364 (2014).
  66. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis, I: segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
  67. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis, II: inflation, flattening, a surface-based coordinate system. Neuroimage. 9, 195-207 (1999).
  68. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomed Eng OnLine. 9 (1), (2010).
  69. Akiyama, T., McCoy, B., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52 (10), 1802-1811 (2011).
  70. Leahy, R. M., Mosher, J. C., Spencer, M. E., Huang, M. X., Lewine, J. D. A study of dipole localization accuracy for MEG and EEG using a human skull phantom. Electroencephalogr Clin Neurophysiol. 107 (2), 159-173 (1989).
  71. Hunold, A., Haueisen, J., Ahtam, B., Doshi, C., Harini, C., Camposano, S., Warfield, S. K., Grant, P. E., Okada, Y., Papadelis, C. Localization of the epileptogenic foci in tuberous sclerosis complex: a pediatric case report. Front Hum Neurosci. 8 (175), (2014).
  72. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the signal space separation method. Brain Topogr. 16 (4), 269-275 (2004).
  73. Taulu, S., Simola, J. Spatiotemporal signal space separation method for rejecting nearby interference in MEG measurements. Phys Med Biol. 51 (7), 1759-1768 (2006).
  74. Bénar, C. G., Chauvière, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on false ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  75. Dubarry, A. S., Badier, J. M., et al. Simultaneous recording of MEG, EEG and intracerebral EEG during visual stimulation: from feasibility to single-trial analysis. Neuroimage. 99, 548-558 (2014).
  76. Chrobak, J. J., Buzsaki, G. High-frequency oscillations in the output of the hippocampal-entorhinal axis of the freely behaving rat. J Neurosci. 19 (9), 3056-3066 (1996).
  77. Abend, N. S., Gutierrez-Colina, A., et al. Interobserver Reproducibility of Electroencephalogram Interpretation in Critically Ill Children. J Clin Neurophysiol. 28 (1), 15-19 (2011).
  78. Benbadis, S. R., LaFrance, W. C., Papandonatos, G. D., Korabathina, K., Lin, K., Kraemer, H. C. Interrater reliability of EEG-video monitoring. Neurology. 73 (11), 843-846 (2009).
  79. von Ellenrieder, N., Andrade-Valença, L., Dubeau, F., Gotman, J. Automatic detection of fast oscillations (40-200Hz) in scalp EEG recordings. Clin Neurophysiol. 123 (4), 670-680 (2012).
  80. Zelmann, R., Mari, F., Jacobs, J., Zijlmans, M., Dubeau, F., Gotman, J. A comparison between detectors of high frequency oscillations. Clin Neurophysiol. 123 (1), 106-116 (2011).
  81. Birot, G., Kachenoura, A., Albera, L., Bénar, C., Wendling, F. Automatic detection of fast ripples. J Neurosci Methods. 213 (2), 236-249 (2013).

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Descargas epileptiformes interictalesEEG y MEG simult neoslocalizaci n de la fuentezona epileptog nicazona de inicio de las crisisEEG intracranealentrop a m xima de waveletbiomarcador no invasivo

Artículos relacionados