Comment détecter amygdale activité avec magnétoencéphalographie utilisant l'imagerie par Source

L'objectif général de cette procédure est de détecter l'activité de l'amygdale au cours de l'apprentissage à l'aide de la MAGNÉTOENCÉPHALOGRAPHIE, ou MEG. Cela est réalisé en concevant d'abord une tâche d'apprentissage implicite de la peur qui active l'amygdale. La deuxième étape consiste à enregistrer l'activité cérébrale pendant la tâche à l'aide de la MEG.

Ensuite, identifier les surfaces du cortex et de l'amygdale à l'aide de coupes IRM anatomiques à haute résolution. La dernière étape consiste à utiliser les surfaces du cortex et de l'amygdale pour modéliser les sources neuronales du signal MEJ. En fin de compte, les modèles d'imagerie de source peuvent être utilisés pour montrer l'activation neuronale dans l'amygdale pendant l'apprentissage sans conscience.

Ainsi, le principal avantage de cette technique par rapport aux méthodes existantes telles que l'IRMf est que les signaux MEG sont enregistrés en temps réel et peuvent être utilisés pour étudier des processus neuronaux rapides ou transitoires. Bien que cette méthode puisse être utilisée pour étudier la fonction de l'amygdale, elle peut également servir à analyser le fonctionnement d'autres régions sous-corticales. Commencez par relier l'ordinateur de présentation des stimuli au système d'acquisition MEG à l'aide d'un câble ruban standard DB 25 à connecteur multiple.

Ensuite, connectez l'ordinateur de présentation des stimulis au moniteur autonome ou SAM. En utilisant l'adaptateur d'isolation de huit bits à deux bits et le câble de synchronisation, les impulsions logiques transistor-transistor utilisées pour marquer la présentation des stimulis peuvent provoquer des artefacts dans les données MEG si elles sont envoyées au SAM. Pour éviter ces artefacts, marquez le début des stimulis en utilisant uniquement les bits bloqués par l'adaptateur d'isolation, comme indiqué ici.

Le stimulateur de choc est ensuite relié au SAM. Ensuite, faites passer un câble d'extension blindé à travers le guide d'onde et connectez-le au stimulateur de choc. Le SAM doit alors être connecté à un ordinateur exécutant le logiciel d'acquisition de données slab.

Connectez le cadran rotatif à l'ordinateur de présentation des stimulations et au système d'acquisition MEG à l'aide du séparateur BNC de port de jeu vers port de jeu et de l'adaptateur de port de jeu vers USB. Fixez les électrodes et les capteurs sur le sujet en utilisant le schéma illustré ici. Une fois le montage correctement effectué, numérisez la position de la tête du sujet par rapport aux bobines HPI en utilisant des points fiduciaux.

Ensuite, numérisez 50 à 100 points le long du cuir chevelu du sujet. Accompagnez le sujet jusqu'au système MEG et connectez les électrodes et les capteurs à l'interface appropriée. Surélevez le siège afin que la tête du sujet touche le haut du casque MEG et positionnez l'écran de manière à ce que l'image projetée soit nette.

Ensuite, réglez le choc à un niveau que le sujet décrit comme douloureux mais tolérable. Enfin, expliquez au sujet l'utilisation correcte du cadran à l'aide d'un exemple de scénario de présentation. Commencez par charger le logiciel d'acquisition des données pour démarrer l'enregistrement des codes d'événement et la délivrance du choc.

La séance d'entraînement est programmée au préalable et se compose de quatre blocs de conditionnement différentiel de la peur avec trace, comportant 15 essais par condition, stimulus ou CS par bloc, comme indiqué ici lorsque tout est prêt. Commencez quatre essais d'entraînement et enregistrez les données brutes à deux kilohertz. Pendant chacun, inspectez visuellement les données en temps réel afin d'identifier les sources systématiques de bruit.

Après chaque essai, demandez au sujet d'évaluer l'intensité du choc afin d'évaluer l'habituation. Après avoir terminé les essais, utilisez FreeSurfer pour créer un volume sous-cortical segmenté ainsi que les surfaces du cortex, de la peau externe et du crâne externe. Ensuite, créez et convertissez les volumes de l'amygdale et de l'hippocampe en surfaces.

À l'aide de Slicer trois et de ParaView, l'étape suivante consiste à créer un nouveau sujet dans la base de données Brainstorm. Importez le volume IRM dans Brainstorm et déformez le volume dans l'espace standard en identifiant les points fiduciaux, importez les surfaces et alignez manuellement la surface du cuir chevelu avec l'IRM. Une fois terminé.

Appliquez cette transformation à toutes les autres surfaces. Fusionnez les surfaces du cortex, de l'hippocampe et de l'amygdale. Enfin, créez des régions d'intérêt pour l'amygdale et l'hippocampe.

Une fois créés, importez le fichier d'enregistrement MEG pour chaque séance d'entraînement. Le logiciel d'acquisition MEG utilise une séparation de l'espace des signaux pour éliminer les artefacts provoqués par des sources situées à l'extérieur de la chambre magnétiquement blindée. Veillez à utiliser les fichiers corrigés, souvent présents dans un dossier marqué SSS, afin d'analyser les réponses évoquées.

Tout d'abord, utilisez le canal d'événement pour identifier les épisodes correspondant à chacun des essais expérimentaux. Supprimez les artefacts provoqués par les battements cardiaques et les mouvements oculaires à l'aide de projections dans l'espace du signal à partir des événements identifiés sur les canaux d'électrocardiographie et d'électro-oculographie. Ensuite, affinez l'enregistrement IRM à l'aide des points crâniens.

Calculez la covariance du bruit à partir des enregistrements en utilisant la méthode des sphères superposées avec l'entrée du cortex, calculez le modèle de tête, calculez les sources à l'aide de la méthode d'estimation par norme minimale, puis poursuivez l'analyse sur les sources. Ensuite, appliquez un filtrage passe-bande aux sources pour chaque essai individuel. Prenez la valeur absolue des sources filtrées passe-bande et convertissez ces valeurs en cotes Z selon la variabilité de base, lissez spatialement les sources puis faites la moyenne des sources sur les essais.

Projetez ces moyennes sur l'anatomie par défaut pour l'expérience. Ensuite, calculez des tests T sur les sources selon les différentes conditions. Filtrez les résultats significatifs du test T à l'aide de seuils spatiaux et temporels afin de corriger l'erreur au niveau de la famille.

Identifier les régions activées de manière significative et exporter le cours temporel de l'activation pour chaque sujet. Enfin, calculer la moyenne et l'erreur standard de la moyenne à travers les sujets à chaque point temporel. Premièrement, projeter les données brutes issues des essais individuels sur l'anatomie par défaut de l'expérience. Calculer des décompositions en temps-fréquence sur les données provenant de régions d'intérêt anatomiques et fonctionnelles.

Convertir les cartes résultantes de la décomposition en temps-fréquence en score Z et faire la moyenne des cartes obtenues à travers les essais pour chaque sujet. Enfin, effectuer un test T sur les cartes entre les différentes conditions. Les résultats présentés ici sont des résultats comportementaux issus d'une étude typique de conditionnement. Le graphique de gauche montre que les sujets présentent des niveaux d'attente similaires au cours des 60 essais, ce qui suggère que la procédure de masquage a entravé leur capacité à discriminer entre les stimuli conditionnés.

Le graphique à droite montre les réponses différentielles pendant la séance de test. Remarquez que le groupe non filtré présente des réponses plus importantes aux stimuli anciens par rapport aux nouveaux, suggérant que l'entraînement conduit à une meilleure réacquisition par rapport au groupe filtré. Cet exemple montre les résultats MEG d'une expérience typique de conditionnement.

Le modèle 3D à gauche montre l'amygdale en orange et l'hippocampe en vert. Le graphique à droite représente l'activité provenant d'un groupe d'amygdale. La ligne de couleur claire représente l'activité provoquée par des visages non filtrés, tandis que la ligne plus foncée représente l'activité provoquée par des visages filtrés.

Ce graphique représente le signal MEG enregistré à partir de l'amygdale, décomposé selon le temps et la fréquence. Les couleurs chaudes indiquent les régions du spectrogramme qui montrent une puissance significativement plus élevée pour les visages non filtrés par rapport aux visages filtrés. Les couleurs froides représentent les régions opposées, et la superposition rayée indique des différences significatives entre les groupes.

Cette figure montre l'activation de la zone occipitale du visage. Dans une expérience typique de conditionnement, les couleurs chaudes représentent des réponses plus importantes aux visages non filtrés qu'aux visages filtrés. Suite à cette procédure.

D'autres méthodes, comme l'analyse de cohérence, peuvent être utilisées afin de répondre à des questions supplémentaires liées à la communication neuronale. Après avoir visionné cette vidéo, vous devriez bien comprendre comment utiliser l'imagerie de source pour détecter les réponses neuronales et les structures cérébrales sous-corticales.