Article de méthode

EEG Mu rythme dans le développement typique et atypique

DOI :

10.3791/51412

⸱

9 avril 2014

 ,  , 
1Department of Psychiatry, University of Washington, 2Department of Educational Psychology, University of Washington

Dans cet article

Résumé

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

Évaluation du rythme EEG mu fournit une méthodologie unique pour examiner l'activité cérébrale et lorsqu'il est combiné avec des analyses basées comportemental, peut être un outil puissant pour élucider certains aspects de la cognition sociale, tels que l'imitation, dans les populations cliniques.

Résumé

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

L'électroencéphalographie (EEG) est une méthode efficace, efficace, et non invasive d'évaluation et enregistrement de l'activité cérébrale. Compte tenu de l'excellente résolution temporelle, EEG peut être utilisé pour examiner la réponse neuronale liée à des comportements spécifiques, états, ou des stimuli externes. Un exemple de cet utilitaire est l'évaluation du système des neurones miroirs (MNS) chez l'homme à travers l'examen du rythme EEG mu. Le rythme EEG mu, l'activité oscillatoire dans la gamme de fréquence 8-12 Hz enregistrées par des électrodes situées au centre, est supprimée lorsqu'un exécute individuels, ou tout simplement observe, but actions dirigées. En tant que tel, il a été proposé pour tenir compte de l'activité des MNS. Il a été émis l'hypothèse que le dysfonctionnement dans le système des neurones miroirs (MNS) joue un rôle contributif dans les déficits sociaux de troubles du spectre autistique (TSA). Les MNS peuvent ensuite être examinés de manière non invasive dans les populations cliniques en utilisant EEG mu rythme atténuation comme un indice de son activité. La prot décritocol offre un moyen d'examiner les fonctions cognitives sociales théoriquement liés aux MNS dans les individus avec un développement typique et atypique, comme TSA.

Introduction

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

L'électroencéphalographie (EEG) est une méthode efficace, efficace, et non invasive d'évaluation et enregistrement de l'activité cérébrale. Comme les neurones feu dans le cerveau, la tension qui en résulte peut être amplifié, enregistré, et représenté graphiquement. La résolution temporelle de l'EEG permet l'analyse de même de brèves modifications de la configuration d'oscillation du cerveau, ainsi que l'analyse de la réponse du cerveau à des stimuli spécifiques.

En dépit d'être la plus ancienne technique d'imagerie du cerveau, datant de la fin du 19 e siècle, l'EEG a encore applicabilité large. Bien que l'imagerie par résonance magnétique fonctionnelle (IRMf) a une excellente résolution spatiale, il a la résolution temporelle relativement pauvre. Ceci constitue une limitation majeure de l'évaluation IRMf compte tenu de la vitesse incroyable à laquelle les processus se produisent dans le cerveau. EEG a la capacité d'évaluer l'activité électrique du cerveau à l'échelle de la milliseconde, fournissant i potentielnSight dans les phases de traitement du cerveau.

L'évolution des technologies ont également élargi l'applicabilité de l'EEG. Une augmentation de la densité des systèmes d'enregistrement a permis le développement de techniques de localisation de la source, d'atténuer certaines des limites de l'EEG concernant la résolution spatiale. En outre, les systèmes modernes ont réduit le participant le temps d'installation de manière significative, permettant l'évaluation des populations auparavant inaccessibles, comme infantile et des échantillons cliniques 1-3,28-30.

Compte tenu de l'excellente résolution temporelle, EEG peut être utilisé pour examiner la réponse neuronale liée à des comportements spécifiques, états, ou des stimuli externes. Un exemple de cet utilitaire est l'évaluation du système des neurones miroirs (MNS) chez l'homme. Les neurones miroirs ont été identifiés à l'origine chez les singes à l'aide unique d'enregistrement des neurones 4, attestant d'un groupe deneurones qui ont répondu à la fois à l'exécution et l'observation des actions motrices. Ce procédé d'enregistrement direct de placer les électrodes dans le cerveau est rarement utilisée chez l'homme, et que dans des cas cliniques graves. EEG a fourni une méthode pour évaluer les MNS en surveillant le rythme EEG mu. Ce motif d'oscillation dans la plage de 8 à 12 Hz a été montré pour atténuer la puissance d'EEG en réponse à l'exécution et à l'observation des actions motrices, similaire à la configuration de l'activation observée chez les singes 7.5. De même, la stimulation des régions putatives du cerveau MNS par stimulation magnétique transcrânienne (par exemple, le frontal gyrus inférieur) abolit EEG mu rythme 8 et suppression de rythme EEG mu en corrélation avec les signaux BOLD de l'IRMf dans les régions miroir de neurones putatifs dans les sujets 9, fournir un soutien supplémentaire que ce rythme indices, au moins en partie, l'activité MNS. Évaluation du rythme EEG mu a permis une évaluation non invasive de neurone miroir acteivité chez l'homme.

EEG fournit une méthodologie unique pour examiner l'activité cérébrale et lorsqu'il est combiné avec des analyses basées comportemental, il peut être un outil puissant pour élucider certains aspects de la cognition sociale, tels que l'imitation, dans les populations cliniques. En outre, l'applicabilité de l'EEG pour une utilisation avec les populations souffrant de déficiences cognitives ou linguistiques permet de mieux comprendre les capacités des personnes pour qui les autres techniques d'imagerie ou paradigmes comportementaux peuvent être utiliser moins de succès. Le protocole décrit fournit un moyen d'examiner les fonctions cognitives sociales théoriquement liés au système des neurones miroir chez les personnes atteintes développement typique et atypique, comme le trouble du spectre autistique.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

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

Le protocole suivant est conforme aux lignes directrices de la commission d'examen institutionnel de l'Université de Washington.

1. Évaluation électrophysiologique

  1. Préparation de la session
    1. Préparation de la salle: lieu manipulandum (voir la figure 1), un bloc de bois avec un capteur fixé, qui envoie un marqueur horodaté au logiciel d'acquisition quand il est saisi, sur la table dans saisissant portée du participant. Activer le logiciel d'acquisition EEG et commencer "nouvelle session" (figure S1).
    2. Préparation net: solution chaude de l'eau distillée (1 L), le chlorure de potassium (1 cuillère à soupe), et du shampoing pour bébé (1 cuillère à café) à 104 ° C. Faire tremper 128 électrode dense réseau système EEG dans la solution saline chauffée.
    3. préparation des participants: veiller à ce que le participant est assis confortablement environ 75 cm de l'écran de présentation du stimulus et entièrement en vue de la caméra vidéoère. Trouver et marquer le sommet sur la tête du participant avec un marqueur de la peau. Mesurer le vertex en trouvant l'intersection du point médian entre le nasion et l'inion et le point médian entre preauriculars.
    4. Net: Placez le bouchon EEG sur la tête du participant de telle sorte que l'électrode de sommet est placé directement au-dessus de la marque de sommet. Vérifiez impédances et veiller à ce que les impédances sont en dessous du seuil approprié pour le système EEG utilisé (figure S2).
    5. Démarrer une session vidéo taping.
  2. Configuration de l'enregistrement: signal de référence à l'électrode de sommet. filtre analogique entre 0,1 et 100 Hz, le signal amplifier, de numériser et de 500 échantillons / s.
  3. présentation de stimulation: présente participant avec 3 conditions: observer, exécuter et de repos, adapté du paradigme développé par Muthukumaraswamy et ses collègues 5.
    1. Respecter condition: Demandez participant à s'asseoir tranquillement et regarderune vidéo d'une personne saisissant le manipulandum. Chaque essai doit durer 6 sec. Durée de la vidéo pré-enregistré pour les essais d'observer avec précision pour garantir que la portée observé se produit exactement à 3 sec. Surveillance de l'attention visuelle des participants au cours de la tâche, et marquer des essais au cours de laquelle ils ne participent pas à l'écran pour être éliminée au cours de post-traitement.
    2. Exécuter état: Demandez participant à s'asseoir tranquillement avec repos de la main droite juste en dessous de la manipulandum et, après avoir entendu un signal auditif préenregistrée, d'imiter la benne de manipulandum de la condition clip observer. Chaque essai doit durer 6 sec. Assurez-vous que le signal auditif est présenté exactement 3 secondes par préenregistrement une piste sonore qui maintient une constante chronométré exécuter repère et l'intervalle entre les essais. Utiliser un capteur sur le manipulandum pour enregistrer avec précision le temps que la compréhension du participant se produit (figure S3).
    3. État de repos: Demandez participant à s'asseoir quieTLY les yeux ouverts et observer passivement une petite croix sur le moniteur de relance. Fiche EEG continu pendant l'état de repos pendant 3 min.
    4. Pour les deux observer et exécuter conditions, présents blocs aléatoires de dix essais, pour un total de quarante essais par condition. Assurez-vous que l'image de la manipulandum reste à l'écran tout au long des blocs observer et exécuter, y compris entre les essais. Administrer l'état de repos à la fin des conditions observer et exécuter.
  4. Traitement des données
    1. Après la collecte de données, vérifiez impédances. Notez tout changement à des niveaux d'impédance. Terminer l'enregistrement du logiciel d'acquisition.
    2. Post-traitement: le signal Rereference EEG à la moyenne. Segment données EEG continu dans quarante essais 6 sec pour chaque condition (figure S4).
    3. Effectuer la détection d'artefact automatisé. Utiliser des algorithmes automatisés pour inspecter segments pour des artefacts de mouvement en identifiant amplitudes moyennes rapides exceeding 200 mV, différentiel amplitudes moyennes supérieures à 100 mV, et la variance zéro dans un essai donné (Figure S5).
    4. Effectuer la détection manuelle d'artefact par inspection visuelle des données et de confirmer un avis vidéo de la session à supprimer tous les essais dans l'état d'observation contaminé par un artefact de mouvement et tous les essais dans l'état d'exécution contaminé par un artefact de mouvement sans rapport avec le geste de la main. Exclure essais avec artefact important de l'analyse. Jeter les essais qui ont été signalées lors de l'acquisition comme pas assisté. Examiner et noter taux de rejet d'essai pour chaque groupe de diagnostic en cours d'analyse.
  5. L'analyse des données
    1. Par Muthukumaraswamy et al. Cinq, segments essais nettoyés dans deux époques sec consistant en une seconde de données avant de l'emprise, et une seconde après que les deux états observer (tel que marqué par la cellule photo-électrique) et exécuter (comme indiqué par le capteur de manipulandum). Segment cpenché 2 époques sec de l'état de repos.
    2. Transformée de Fourier rapide (FFT) de chaque segment. Sélectionnez un groupe de huit électrodes sur chaque hémisphère entourant les positions C3 et C4 standard pour les analyses statistiques (ci-après Muthukumaraswamy et al. 5 et Bernier et al. 3) (figure 2). Pour chaque condition, la moyenne de la puissance dans les essais inclus pour calculer des spectres de puissance.
    3. Calculer l'atténuation mu par l'examen de la puissance moyenne pendant l'exécution soit d'une observation ou d'action du moteur, par rapport à la puissance moyenne pendant la condition de repos, à travers la gamme de 8 à 13 Hz. Utilisez le journal de ce rapport pour déterminer le degré d'atténuation. Remarque: une valeur négative représente une atténuation lors de l'exécution ou de l'observation, tandis qu'une valeur positive représente une augmentation. Cette méthode prend en compte la variabilité entre les individus, et la non-normalité des valeurs exprimées sous forme de rapport.
      Note: Ce protocole a été développé en utilisant un réseau dense système EEG 128-électrode avec la version du logiciel Net Station 4.1. Bien que les étapes de base sont similaires à travers les systèmes EEG, protocoles d'acquisition et d'analyse peuvent varier.

2. Caractérisation échantillon

  1. Identifiez population potentielle du patient pour la participation de paradigme à travers les registres de recherche, listes de participants précédents, ou des références de cliniques de la région et les cliniciens.
  2. Écran participants potentiels pour la probabilité d'atteindre les critères de diagnostic pour construction clinique (par exemple de troubles du spectre autistique) et d'identifier les critères d'exclusion, tels que la présence d'un traumatisme crânien, tumeur, l'histoire de la saisie, ou l'utilisation de médicaments anti-convulsivant ou d'un barbiturique qui peut fausser la signal électrophysiologique.
  3. Confirmer le statut de diagnostic de la population des patients grâce à l'utilisation d'instruments de diagnostic standard d'or (par exemple Autism Diagnostic Interview-ReVISED (ADI-R 11) et le diagnostic Observation Schedule-Generic autisme (ADOS-G, 12) administrés par le clinicien expert à la suite du Manuel diagnostique et statistique - 5 e édition (DSM-5) critères 13.
  4. Identifiez échantillon témoin apparié sur les variables pertinentes d'intérêt, tels que l'âge, le sexe, la capacité cognitive, etc

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

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

Adultes typiques, les enfants et les nourrissons ont constamment démontré rythme mu pendant conjointement l'exécution et l'observation des actions à travers une variété de paradigmes et stimuli 5, 14-30. Atténuation dans cette bande de fréquence est toujours localisée entre les électrodes centrales (figure 3) qui indique que ce n'est pas la réduction du pouvoir d'alpha qui est enregistré à d'autres régions du cuir chevelu. De même, l'atténuation dans cette fréquence lo...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

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

Le succès de l'acquisition, le traitement et l'analyse des données électrophysiologiques liés au rythme mu et l'application de populations cliniques nécessite 1) l'application d'outils méthodologiques EEG, 2) la détection d'artefact attention et la réduction des données, 3) l'identification précise du rythme mu, et 4) la caractérisation précise de la population clinique et l'identification de groupes de contrôle appropriés.

Méthodol...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

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

Les auteurs déclarent aucun intérêt financier concurrents.

Remerciements

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

Ce travail a été soutenu par une subvention de la Fondation Simons (SFARI n 89638 RB).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Système EEG géodésiqueEGIN/ATout système EEG, et pas seulement les systèmes basés sur EGI, est applicable à l’étude
décrite Logiciel MATLAB MATLABN/ATout logiciel mathématique et statistique capable de travailler avec des matrices est applicable
Logiciel NetstationEGIN/ATout logiciel d’acquisition EEG est applicable à l’étude décrite
ManipulandumcustomN/ATout objet co-enregistré avec un logiciel d’acquisition de données pour signaler une prise en main réussie

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kuhl, P. K., Coffey-Corina, S., Padden, D., Dawson, G. Links between social and linguistic processing of speech in preschool children with autism: behavioral and electrophysiological. 8, (2005).
  2. McPartland, J., Dawson, G., Webb, S. J., Panagiotides, H., Carver, L. J. Event-related brain potentials reveal anomalies in temporal processing of faces in autism spectrum disorder. J. Child Psychol. Psychiatry. 45, 1235-1245 (2004).
  3. Bernier, R., Dawson, G., Webb, S., Murias, M. EEG mu rhythm and imitation impairments in individuals with autism spectrum disorder. Brain Cogn. 64, 228-237 Forthcoming.
  4. Rizzolatti, G., Fadiga, L., Gallese, V., Fogassi, L. Premotor cortex and the recognition of motor actions. Brain Res. Cogn. Brain. 3, 131-141 (1996).
  5. Muthukumaraswamy, S. D., Johnson, B. W., McNair, N. A. Mu rhythm modulation during observation of an object-directed grasp. Brain Res. Cogn. Brain Res. 19, 195-201 Forthcoming.
  6. Pineda, J. A. The functional significance of mu rhythms: translating "seeing" and "hearing" into "doing". Brain Res. Brain Res. Rev. 50, 57-68 (2005).
  7. Vanderwert, R. E., Fox, N. A., Ferrari, P. F. The mirror mechanism and mu rhythm in social development. Neurosci. Lett. 540, 15-20 (2013).
  8. Keuken, M. C., et al. The role of the left inferior frontal gyrus in social perception: an rTMS study. Brain Res. , 1383-13196 (2011).
  9. Braadbaart, L., Williams, J. H., Waiter, G. D. Do mirror neuron areas mediate mu rhythm suppression during imitation and action observation. Int. J. Psychophysiol. , 99-105 (2013).
  10. Rogers, S., Cook, I., Greiss-Hess, L. Mature Imitation Task. Unpublished coding manual. , M.I.N.D. Institute, University of California - Davis. Forthcoming.
  11. Lord, C., Rutter, M., Le Couteur, A. Autism Diagnostic Interview-Revised: a revised version of a diagnostic interview for caregivers of individuals with possible pervasive developmental disorders. J. Autism Disord. 24, 659-685 (1994).
  12. Lord, C., et al. The autism diagnostic observation schedule-generic: a standard measure of social and communication deficits associated with the spectrum of autism. J. Autism Dev. Disord. 30, 205-223 (2000).
  13. American Psychiatric Association (APA). Diagnostic and statistical manual of mental. disorders, Edition. , Forthcoming.
  14. Gastaut, H. J., Bert, J. EEG changes during cinematographic presentation; moving picture activation. of the EEG. Electroencephalogr. Clin. Neurophysiol. 6, 433-444 (1954).
  15. Muthukumaraswamy, S. D., Johnson, B. W. Changes in rolandic mu rhythm during observation of a precision grip. Psychophysiology. 41, 152-156 (2004).
  16. Chatrian, G. E., Petersen, M. C., Lazarte, J. A. The blocking of the rolandic wicket rhythm and some central changes related to movement. Electroencephalogr. Clin. Neurophysiol. 11, 497-510 (1959).
  17. Pfurtscheller, G., Neuper, C., Andrew, C., Edlinger, G. Foot and hand area mu rhythms. Int. J. Psychophysiol. 26, 121-135 (1997).
  18. Arroyo, S., et al. Functional significance of the mu rhythm of human cortex: an electrophysiologic study with subdural electrodes. Electroencephalogr. Clin. Neurophysiol. 87, 76-87 (1993).
  19. Babiloni, C., et al. Human cortical electroencephalography (EEG) rhythms during the observation of simple aimless movements: a high-resolution EEG study. Neuroimage. 17, 559-572 (2002).
  20. Babiloni, C., et al. Human movement-related potentials vs desynchronization of EEG alpha rhythm: a high-resolution EEG study. Neuroimage. 10, 658-665 (1999).
  21. Babiloni, C., et al. Transient human cortical responses during the observation of simple finger movements: a high-resolution EEG study. Hum. Brain. 20, 148-157 (2003).
  22. Cochin, S., Barthelemy, C., Lejeune, B., Roux, S., Martineau, J. Perception of motion and qEEG activity in human adults. Electroencephalogr. Clin. Neurophysiol. 107, 287-295 (1998).
  23. Cochin, S., Barthelemy, C., Roux, S., Martineau, J. Observation and execution of movement: similarities demonstrated by quantified electroencephalography. Eur. J. Neurosci. 11, 1839-1842 (1999).
  24. Cochin, S., Barthelemy, C., Roux, S., Martineau, J. Electroencephalographic activity during perception of motion in childhood. Eur. J. Neurosci. 13, 1791-1796 (2001).
  25. Martineau, J., Cochin, S. Visual perception in children: human, animal and virtual movement activates different cortical areas. Int. J. Psychophysiol. 51, 37-44 (2003).
  26. Lepage, J. F., Theoret, H. EEG evidence for the presence of an action observation-execution matching system in children. Eur. J. Neurosci. 23, 2505-2510 (2006).
  27. Marshall, P. J., Bar-Haim, Y., Fox, N. A. Development of the EEG from 5 months to 4 years of age. Clin. Neurophysiol. 113, 1199-1208 (2002).
  28. Southgate, V., Johnson, M. H., El Karoui, I., Csibra, G. Motor system activation reveals infants' on-line prediction of others' goals. Psychol. Sci. 21, 355-359 (2010).
  29. Nystrom, P., Ljunghammar, T., Rosander, K., von Hofsten, C. Using mu rhythm desynchronization to measure mirror neuron activity in infants. Dev. Sci. 14, 327-335 (2011).
  30. Southgate, V., Johnson, M. H., Osborne, T., Csibra, G. Predictive motor activation during action observation in human infants. Biol. , 769-772 (2009).
  31. Oberman, L. M., et al. EEG evidence for mirror neuron dysfunction in autism spectrum disorders. Brain Res. Cogn. Brain Res. 24, 190-198 (2005).
  32. Martineau, J., Cochin, S., Magne, R., Barthelemy, C. Impaired cortical activation in autistic children: is the mirror neuron system involved. Int. J. Psychophysiol. 68, 35-40 (2008).
  33. Oberman, L. M., Ramachandran, V. S., Pineda, J. A. Modulation of mu suppression in children with autism spectrum disorders in response to familiar or unfamiliar stimuli: the mirror neuron hypothesis. Neuropsychologia. 46, 1558-1565 (2008).
  34. Raymaekers, R., Wiersema, J. R., Roeyers, H. EEG Study of the Mirror Neuron System in Children with High Functioning Autism. Brain Res. , 113-121 (2009).
  35. Fan, Y. T., Decety, J., Yang, C. Y., Liu, J. L., Cheng, Y. Unbroken mirror neurons in autism spectrum disorders. J. Child Psychol. Psychiatry. 51, 981-988 (2010).
  36. Bernier, R., Aaronson, B., McPartland, J. The role of imitation in the observed heterogeneity in EEG mu rhythm in autism and typical development. Brain Cogn. 82, 69-75 (2013).
  37. Pfurtscheller, G., Lopesda Silva,, H, F. Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin. Neurophysiol. 110, 1842-1857 (1999).
  38. Marshall, P. J., Young, T., Meltzoff, A. N. Neural correlates of action observation and execution in 14‐month‐old infants: An event‐related EEG desynchronization study. Dev. Sci. , 474-480 (2011).
  39. Marshall, P. J., Meltzoff, A. N. Neural mirroring systems: Exploring the EEG mu rhythm in human infancy. Dev. Cogn. Neurosci. , 110-123 (2011).
  40. Oberman, L., McCleery, J., Hubbard, E., Bernier, R., Pineda, J. Developmental changes in mu suppression to observed actions in individuals with autism spectrum disorders. Soc. Cogn. Affective Neurosci. 8, 300-304 Forthcoming.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Syst me des neurones miroirstrouble du spectre de l autismeatt nuation du rythme muobservation de l action motriceEEG haute densittransform e rapide de Fourierfonction cognitive socialesuppression de la fr quence muneurosciences cliniques

Articles connexes