Cartographie dynamique corticales à l'aide MEG / EEG simultanés et anatomique contrainte minimum-norm Budget: un exemple L'attention auditive

L’objectif global de cette procédure est de cartographier la dynamique corticale sous-jacente à différents états cognitifs humains. Pour ce faire, il suffit de capturer d’abord des données magnétographiques et électroencéphalographiques ou MEG et EEG en abrégé, pendant qu’un sujet effectue une tâche comportementale. La deuxième étape consiste à obtenir des données anatomiques à l’aide de séquences IRM pertinentes.

Ensuite, le co-enregistrement est effectué pour établir une correspondance spatiale entre les emplacements des capteurs MEG et EEG avec les informations anatomiques. La dernière étape consiste à utiliser une approche d’imagerie inverse pour cartographier les activités cérébrales de l’individu sur l’espace cortical. En fin de compte, l’inférence statistique basée sur un système de coordonnées de surface commun est utilisée pour découvrir des modèles temporels spatiaux significatifs qui distinguent un état cognitif d’un autre.

Eric Lawson et Ross Maddox feront la démonstration d’une procédure. Pour les postdocs de mon laboratoire, commencez ce protocole en obtenant des images IRM structurelles du sujet. Tout d’abord, acquérir une IRM structurelle à l’aide d’un écho à gradient rapide préparé par magnétisation ou d’une rage MP ou d’une séquence similaire.

Cette séquence peut prendre de cinq à 10 minutes selon la résolution de balayage spécifique et le protocole d’imagerie utilisé si les données EEG seront utilisées pour l’analyse d’imagerie inverse. Acquérez également deux balayages IRM rapides en contre-plongée ou au flash. Ces séquences flash offrent un contraste tissulaire différent des séquences de rage MP standard.

Une fois l’imagerie terminée, utilisez MNE et un logiciel de surfeur gratuit pour reconstruire la peau, l’extérieur du crâne et les surfaces internes du crâne à partir des images MP rage et flash. Ensuite, utilisez ces surfaces pour générer un modèle d’élément limite à trois couches ou bem avant l’expérience MEG. Testez d’abord les latences auditives et visuelles pour garantir l’intégrité du synchronisme.

Utilisez un microphone et une photo DDE fixée à l’écran, puis assurez-vous qu’il n’y a pas de gigue observable. Cela peut nécessiter de régler le projecteur de présentation sur sa résolution native. Ensuite, préparez le sujet pour l’enregistrement, en vous référant à l’article vidéo précédent de luital pour plus de détails sur la préparation de l’électrogramme et de l’électrode de référence, ainsi que sur la numérisation des repères fiduciaires du sujet, des bobines indicatrices de position de la tête et des électrodes EEG.

Une fois que le sujet est confortablement assis dans la MEG, mesurez la position de la tête, à l’aide de l’indicateur de position de la tête ou des bobines HPI, puis commencez l’enregistrement et commencez la présentation des stimuli auditifs et visuels. Remarque : Les mesures HPI peuvent également être prises en continu. Le sujet doit répondre aux stimuli auditifs et visuels via une boîte de boutons optiques tout en effectuant une tâche comportementale audiovisuelle.

Ici, le sujet signale le rayon et le doigt provenant de l’hémifield comme étant mis en file d’attente par le repère visuel. Parfois, les sujets sont visuellement incités à porter leur attention sur l’hémichamp controlatéral au milieu de l’essai. Pour étudier la commutation de l’attention auditive, de nombreuses solutions matérielles et logicielles sont disponibles pour effectuer la présentation de stimulus.

Ici, Tucker Davis Technologies RZ six est utilisé pour la présentation des stimuli auditifs et l’estampillage de déclenchement avec la boîte à outils psych pour la présentation des stimuli visuels, tous deux contrôlés par matlab. Pour commencer le traitement des données, co-enregistrez les données EEG dans l’IRM structurel à l’aide du logiciel MNE, comme illustré ici, chargez d’abord les données du numériseur dans le modèle de tête IRM reconstruit du sujet. Ensuite, choisissez des points de repère fiduciaires pour lancer le processus de co-enregistrement, puis utilisez la procédure d’alignement automatique pour terminer la transformation des coordonnées.

Ensuite, pour relier l’emplacement de chaque dipôle dans l’espace source avec l’emplacement de chaque capteur. Combinez les données de l’indicateur de position de la tête enregistrées pour calculer une solution directe avec le modèle d’élément de limite à trois couches afin d’augmenter encore le rapport signal/bruit des données. Appliquez la suppression des artefacts dans le domaine temporel, par exemple en supprimant les epics contenant des signaux d’amplitude anormalement élevée en raison du pic d’un canal.

Appliquez également la suppression des artefacts du domaine fréquentiel, tels que le filtrage des bandes à 50 ou 60 hertz, l’utilisation de la projection de l’espace du signal ou d’autres techniques de réduction du bruit, telles que la séparation de l’espace du signal pour projeter ou séparer les modèles de champ spatial de la contamination du champ environnemental ambiant, ou d’autres signaux physiologiques indésirables tels que ceux associés aux clignements d’yeux et aux artefacts cardiaques. Générez maintenant un film cérébral de l’estimation du dipôle distribué étant l’estimation actuelle à chaque emplacement dipolaire dans l’espace source dans le temps pour chaque condition expérimentale. Selon les caractéristiques temporelles du plan expérimental, les données peuvent être courbées dans le temps en faisant la moyenne des estimations actuelles à l’aide de fenêtres temporelles non chevauchantes pour poursuivre la transformation de l’analyse.

Le cerveau précédemment créé filme pour chaque sujet sur un espace cortical commun basé sur un système de coordonnées basé sur la surface qui aligne de manière optimale les motifs sicaux individuels de jarral. Cela permet de comparer ou de faire la moyenne des activités corticales entre les sujets. Pour utiliser une approche de région d’intérêt, les ROI peuvent être définis anatomiquement, par exemple, par un algorithme de parcellisation automatique et/ou fonctionnellement en enregistrant une tâche de localisation fonctionnelle telle qu’une tâche de section go no-go pour identifier les régions oculo-motrices l’analyse peut être davantage limitée à un moment d’intérêt spécifique qui est approprié au paradigme expérimental utilisé, Par exemple, limité à une période de temps immédiatement avant et après l’apparition des stimuli sonores.

D’autres inférences statistiques associées à l’analyse de séries chronologiques peuvent également être utilisées en utilisant le paradigme comportemental décrit ci-dessus. Ici, nous voyons des résultats représentatifs en utilisant la procédure de clustering spatio-temporel non paramétrique. Le champ oculaire frontal droit s’avère significatif lorsqu’un sujet individuel effectue une tâche de réorientation par rapport à une tâche standard.

À l’aide de l’approche ROI, l’évolution temporelle du champ oculaire frontal droit est montrée ainsi que la période pendant laquelle ces deux conditions sont significativement différentes. Après avoir regardé cette vidéo, vous devriez avoir une bonne idée de la façon d’utiliser M-E-G-E-E-G et l’IRM pour cartographier la dynamique corticale dans différentes tâches comportementales. En utilisant des approches statistiques appropriées, vous pouvez découvrir différents modèles temporels spatiaux qui distinguent les états cognitifs.

Merci d’avoir regardé et bonne chance pour les expériences.