Name: Corticale Analyse de la source de haute densité EEG Recordings chez les enfants (Vidéo) | JoVE Journal
Uploaded: 2014-06-30T15:00:00.000+00:00
Duration: 9 min 32 s
Description: Découvrez l'analyse des sources corticales à partir d'enregistrements EEG haute densité chez l'enfant. Cette méthode utilise des modèles d'éléments frontières et l'estimation de la norme minimale pour identifier les générateurs neuronaux.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Nous tenons à remercier M. John Richards, Université de Caroline du Sud, pour nous accorder l&#39;accès à la base de données de développement IRM et des discussions utiles. Nous tenons également à remercier nos bailleurs de fonds de charité de Great Ormond Street Children, UCL Impact et grands défis.

<ol><li>Michel, C. M., Murray, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+the+utilization+of+EEG+as+a+brain+imaging+tool%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Towards the utilization of EEG as a brain imaging tool.</a> NeuroImage. 61 (2), 371-385 (2012).</li>
<li>Brodbeck, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+microstates+of+wakefulness+and+NREM+sleep%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">EEG microstates of wakefulness and NREM sleep.</a> NeuroImage. 62 (3), 2129-2139 (2012).</li>
<li>Sanchez, C. E., Richards, J. E., Almli, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-specific+MRI+templates+for+pediatric+neuroimaging%5BTitle%5D)+AND+%22Developmental+Neuropsychology%22%5BJournal%5D)">Age-specific MRI templates for pediatric neuroimaging.</a> Developmental Neuropsychology. 37 (5), 379-399 (2012).</li>
<li>Umutlu, L., Ladd, M. E., Forsting, M., Lauenstein, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((7+Tesla+MR+Imaging%3A+Opportunities+and+Challenges%5BTitle%5D)+AND+%22RoFo+%3A+Fortschritte+auf+dem+Gebiete+der+Rontgenstrahlen+und+der+Nuklearmedizin%22%5BJournal%5D)">7 Tesla MR Imaging: Opportunities and Challenges.</a> RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin. 186 (2), 121-129 (2014).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bold+claims+for+optogenetics%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Bold claims for optogenetics.</a> Nature. 468 (7323), (2010).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+we+can+do+and+what+we+cannot+do+with+fMRI%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">What we can do and what we cannot do with fMRI.</a> Nature. 453 (7197), 869-878 (2008).</li>
<li>Roche-Labarbe, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+electroencephalography+and+source+localization+in+neonates%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">High-resolution electroencephalography and source localization in neonates.</a> Human Brain Mapping. 29 (2), 167-176 (2008).</li>
<li>Johnson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interactive+Specialization%3A+A+domain-general+framework+for+human+functional+brain+development%5BTitle%5D)+AND+%22Developmental+cognitive+neuroscience%22%5BJournal%5D)">Interactive Specialization: A domain-general framework for human functional brain development.</a> Developmental cognitive neuroscience. 1, 7-21 (2010).</li>
<li>Nelson, C. A., McCleery, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+Event-Related+Potentials+in+the+Study+of+Typical+and+Atypical+Development%5BTitle%5D)+AND+%22Journal+of+the+American+Academy+of+Child+%26+Adolescent+Psychiatry%22%5BJournal%5D)">Use of Event-Related Potentials in the Study of Typical and Atypical Development.</a> Journal of the American Academy of Child & Adolescent Psychiatry. 47 (11), (2008).</li>
<li>Michel, C. M., Murray, M. M., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+source+imaging%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">EEG source imaging.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 115 (10), 2195-2222 (2004).</li>
<li>Bathelt, J., O'Reilly, H., Clayden, J. D., Cross, J. H., de Haan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+brain+network+organisation+of+children+between+2+and+5years+derived+from+reconstructed+activity+of+cortical+sources+of+high-density+EEG+recordings%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Functional brain network organisation of children between 2 and 5years derived from reconstructed activity of cortical sources of high-density EEG recordings.</a> NeuroImage. 82, 595-604 (2013).</li>
<li>David, O., Cosmelli, D., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+different+measures+of+functional+connectivity+using+a+neural+mass+model%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Evaluation of different measures of functional connectivity using a neural mass model.</a> NeuroImage. 21 (2), 659-673 (2004).</li>
<li>Grech, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+on+solving+the+inverse+problem+in+EEG+source+analysis%5BTitle%5D)+AND+%22Journal+of+NeuroEngineering+and+Rehabilitation%22%5BJournal%5D)">Review on solving the inverse problem in EEG source analysis.</a> Journal of NeuroEngineering and Rehabilitation. 5 (1), 25 (2008).</li>
<li>Wendel, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG%2FMEG+source+imaging%3A+methods%2C+challenges%2C+and+open+issues%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEG/MEG source imaging: methods, challenges, and open issues.</a> Computational Intelligence and Neuroscience. 2009, 13 (2009).</li>
<li>Richards, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Localizing+cortical+sources+of+event-related+potentials+in+infants%27+covert+orienting%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">Localizing cortical sources of event-related potentials in infants' covert orienting.</a> Developmental Science. 8 (3), 255-278 (2005).</li>
<li>Hauk, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Keep+it+simple%3A+a+case+for+using+classical+minimum+norm+estimation+in+the+analysis+of+EEG+and+MEG+data%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data.</a> NeuroImage. 21 (4), 1612-1621 (2004).</li>
<li>Pascual-Marqui, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Low+resolution+brain+electromagnetic+tomography+%28LORETA%29+functional+imaging+in+acute%2C+neuroleptic-naive%2C+first-episode%2C+productive+schizophrenia%5BTitle%5D)+AND+%22Psychiatry+Research%22%5BJournal%5D)">Low resolution brain electromagnetic tomography (LORETA) functional imaging in acute, neuroleptic-naive, first-episode, productive schizophrenia.</a> Psychiatry Research. 90 (3), 169-179 (1999).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Standardized+low-resolution+brain+electromagnetic+tomography+%28sLORETA%29%3A+technical+details.+Methods+and+findings+in+experimental+and+clinical+pharmacology%5BTitle%5D)+AND+%2224+Suppl+D%22%5BJournal%5D)">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods and findings in experimental and clinical pharmacology.</a> 24 Suppl D. , 5-12 (2002).</li>
<li>Phillips, C., Rugg, M. D., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Systematic+regularization+of+linear+inverse+solutions+of+the+EEG+source+localization+problem%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Systematic regularization of linear inverse solutions of the EEG source localization problem.</a> NeuroImage. 17 (1), 287-301 (2002).</li>
<li>Yao, J., Dewald, J. P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+different+cortical+source+localization+methods+using+simulated+and+experimental+EEG+data%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Evaluation of different cortical source localization methods using simulated and experimental EEG data.</a> NeuroImage. 25 (2), 369-382 (2005).</li>
<li>Tandonnet, C., Burle, B., Hasbroucq, T., Vidal, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatial+enhancement+of+EEG+traces+by+surface+Laplacian+estimation%3A+Comparison+between+local+and+global+methods%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Spatial enhancement of EEG traces by surface Laplacian estimation: Comparison between local and global methods.</a> Clinical Neurophysiology. 116 (1), 18-24 (2005).</li>
<li>Tenke, C. E., Kayser, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generator+localization+by+current+source+density+%28CSD%29%3A+implications+of+volume+conduction+and+field+closure+at+intracranial+and+scalp+resolutions%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">Generator localization by current source density (CSD): implications of volume conduction and field closure at intracranial and scalp resolutions.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 123 (12), 2328-2345 (2012).</li>
<li>Brainard, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+psychophysics+toolbox%5BTitle%5D)+AND+%22Spatial+vision%22%5BJournal%5D)">The psychophysics toolbox.</a> Spatial vision. , (1997).</li>
<li>Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What%27s+new+in+Psychtoolbox-3%5BTitle%5D)+AND+%22Perception%22%5BJournal%5D)">What's new in Psychtoolbox-3.</a> Perception. , (2007).</li>
<li>Tottenham, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+NimStim+set+of+facial+expressions%3A+judgments+from+untrained+research+participants%5BTitle%5D)+AND+%22Psychiatry+Research%22%5BJournal%5D)">The NimStim set of facial expressions: judgments from untrained research participants.</a> Psychiatry Research. 168 (3), 242-249 (2009).</li>
<li>Chaste, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adjusting+head+circumference+for+covariates+in+autism%3A+Clinical+correlates+of+a+highly+heritable+continuous+trait%5BTitle%5D)+AND+%22Biological+Psychiatry%22%5BJournal%5D)">Adjusting head circumference for covariates in autism: Clinical correlates of a highly heritable continuous trait.</a> Biological Psychiatry. 74 (8), 576-584 (2013).</li>
<li>Delorme, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%2C+SIFT%2C+NFT%2C+BCILAB%2C+and+ERICA%3A+New+tools+for+advanced+EEG+processing%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEGLAB, SIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG processing.</a> Computational Intelligence and Neuroscience. 2011, 130714 (2011).</li>
<li>Nolan, H., Whelan, R., Reilly, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((FASTER%3A+Fully+Automated+Statistical+Thresholding+for+EEG+artifact+Rejection%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection.</a> Journal of Neuroscience Methods. 192 (1), 152-162 (2010).</li>
<li>Kilner, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bias+in+a+common+EEG+and+MEG+statistical+analysis+and+how+to+avoid+it%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Bias in a common EEG and MEG statistical analysis and how to avoid it.</a> Clinical Neurophysiology. , (2013).</li>
<li>DeBoer, T., Scott, L. S., Nelson, C. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((12+ERPs+in+Developmental+Populations%5BTitle%5D)+AND+%22Event-related+Potentials%3A+A%22%5BJournal%5D)">12 ERPs in Developmental Populations.</a> Event-related Potentials: A. , (2005).</li>
<li>Sanchez, C. E., Richards, J. E., Almli, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neurodevelopmental+MRI+brain+templates+for+children+from+2+weeks+to+4+years+of+age%5BTitle%5D)+AND+%22Developmental+Psychobiology%22%5BJournal%5D)">Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age.</a> Developmental Psychobiology. 54 (1), 77-91 (2011).</li>
<li>Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brainstorm%3A+A+user-friendly+application+for+MEG%2FEEG+analysis%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Brainstorm: A user-friendly application for MEG/EEG analysis.</a> Computational Intelligence and Neuroscience. 2011, 879716 (2011).</li>
<li>Haan, M., Johnson, M. H., Halit, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+face-sensitive+event-related+potentials+during+infancy%3A+a+review%5BTitle%5D)+AND+%22International+Journal+of+Psychophysiology%22%5BJournal%5D)">Development of face-sensitive event-related potentials during infancy: a review.</a> International Journal of Psychophysiology. 51, 45-58 (2003).</li>
<li>Earp, B. D., Everett, J. A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+N170+face+specific%3F+Controversy%2C+context%2C+and+theory%5BTitle%5D)+AND+%22Neuropsychological+Trends%22%5BJournal%5D)">Is the N170 face specific? Controversy, context, and theory.</a> Neuropsychological Trends. 13 (1), 7-26 (2013).</li>
<li>Taylor, M. J., McCarthy, G., Saliba, E., Degiovanni, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ERP+evidence+of+developmental+changes+in+processing+of+faces%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">ERP evidence of developmental changes in processing of faces.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 110 (5), 910-915 (1999).</li>
<li>Ment, L. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Longitudinal+brain+volume+changes+in+preterm+and+term+control+subjects+during+late+childhood+and+adolescence%5BTitle%5D)+AND+%22PEDIATRICS%22%5BJournal%5D)">Longitudinal brain volume changes in preterm and term control subjects during late childhood and adolescence.</a> PEDIATRICS. 123 (2), 503-511 (2009).</li>
<li>Courchesne, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impairment+in+shifting+attention+in+autistic+and+cerebellar+patients%5BTitle%5D)+AND+%22Behavioral+Neuroscience%22%5BJournal%5D)">Impairment in shifting attention in autistic and cerebellar patients.</a> Behavioral Neuroscience. 108 (5), 848-865 (1994).</li>
<li>Litvak, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+and+MEG+data+analysis+in+SPM8%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEG and MEG data analysis in SPM8.</a> Computational Intelligence and Neuroscience. (2011), (2011).</li>
<li>Daunizeau, J., David, O., Stephan, K. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+causal+modelling%3A+A+critical+review+of+the+biophysical+and+statistical+foundations%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Dynamic causal modelling: A critical review of the biophysical and statistical foundations.</a> NeuroImage. 58 (2), 312-322 (2011).</li>
</ol>

Les frais de publication de cet article ont été parrainés par électrique géodésiques, Inc.

Le présent article décrit l&#39;enregistrement et l&#39;analyse des EEG haute densité pour la reconstruction des générateurs corticaux utilisant des modèles d&#39;éléments de frontière fondée sur l&#39;âge des modèles d&#39;IRM moyens appropriés et la profondeur pondérée estimation de norme minimale dans un paradigme ERP standard, adapté aux enfants. Dans ce paradigme, des photos de visages et des visages brouillés sont présentés. Différents auteurs ont utilisé ce paradigme pour étudier le développement de mécanismes de...

Le président Barack Obama a décrit le cerveau humain comme la prochaine frontière de la découverte scientifique de haute importance pour la santé et l&#39;économie 3 (http://www.whitehouse.gov/share/brain-initiative). Toutefois, comme dans tout autre domaine dans les sciences naturelles, les neurosciences dépend de progrès dans les méthodes et techniques d&#39;analyse de progrès. Deux outils non invasifs couramment utilisés dans les études sur le fonctionnement du cerveau chez l&#39;homme sont l&#39;imagerie par résonance magnétique (IRM) et l&#39;électroencéphalographie (EEG). Ces outils exploitent des propriétés physiques différentes et fournir différentes perspectives sur le fonctionnement du cerveau avec des avantages et des inconvénients. L&#39;IRM utilise les propriétés magnétiques des molécules d&#39;eau à l&#39;intérieur des champs magnétiques pour obtenir des images de tissus vivants. L&#39;objet doit être placé dans un aimant d&#39;intensité de champ élevée. Le mouvement du participant est restreint durant cette procédure et le participant doit tolérer le bruit causé par les changements rapides dans le champ magnétiquedomaine. En plus des images structurelles, l&#39;IRM fournit également la possibilité de mesurer les changements dans l&#39;oxygénation du sang pour étudier le fonctionnement du cerveau (IRM). En résumé, l&#39;IRM offre une résolution spatiale relativement élevée allant jusqu&#39;à 0,5 mm 3 avec des champs élevés modernes scanners et des paramètres optimisés 4. En revanche, la résolution temporelle de l&#39;IRMf est limitée à la cinétique lente de la réponse BOLD, qui reflète seulement indirectement la dynamique temporelle élevés de l&#39;activité neuronale 5,6. D&#39;autre part, l&#39;EEG mesure les variations de l&#39;activité électrique provoquées par l&#39;activité de neurones par l&#39;intermédiaire d&#39;électrodes placées sur le cuir chevelu. Les progrès récents de la technologie EEG permettent une application rapide et facile des capteurs pour les enregistrements ambulatoires à court terme ou à long terme et fixe ainsi que. Parce que l&#39;EEG est moins restrictive, il est également la méthode de choix pour certaines populations de participants qui ne tolèrent pas l&#39;environnement IRM bien comme pédiatrique et certainpopulations gériatriques et psychiatriques. Les propriétés de l&#39;EEG montrent un motif inverse de ceux de l&#39;IRM: la résolution temporelle est très élevé avec une précision d&#39;une milliseconde, mais la résolution spatiale est limitée. Des courants électriques passent à travers les différents tissus entre leur générateur et les électrodes d&#39;EEG sur la surface du cuir chevelu. Cela conduit à un mélange et étalement spatial de l&#39;activité de la source connue sous l&#39;effet du volume de conduction. Par conséquent, l&#39;activité mesurée par les électrodes sur la surface du cuir chevelu reflète l&#39;activité à partir de multiples sources qui peuvent être éloignés de la position de l&#39;électrode sur la tête de 1,7. Beaucoup de travail au cours des dernières années a été consacrée à la fusion de l&#39;IRM et EEG afin de tirer parti de leurs atouts respectifs. Une ligne de travail est consacrée à l&#39;acquisition simultanée de l&#39;EEG et IRM dans les études fonctionnelles. Une autre approche consiste à utiliser les informations spatiales fournies par l&#39;IRM structurelle pour tenir compte du volume conduction effet grâce à la modélisation biophysique. L&#39;utilisation de l&#39;information structurale pour la reconstruction de source d&#39;enregistrements EEG est particulièrement utile pour des études impliquant une population pédiatrique. L&#39;enquête de l&#39;évolution de la fonction cérébrale est essentielle pour comprendre comment les compétences cognitives complexes sont construits au-dessus de précurseurs simples 8. Ces enquêtes permettent de mettre en évidence des changements dans les substrats neuronaux et des propriétés de réponse qui sont en corrélation avec les changements dans la performance comportementale. Toutefois, l&#39;enquête de la fonction du cerveau et la cognition au cours du développement pose également des défis spécifiques. En particulier, la possibilité pour les études d&#39;IRM fonctionnelle est limitée car les jeunes enfants et les nourrissons doivent soit être endormi ou sous sédation pour obtenir des données d&#39;IRM sans artefacts de mouvement et de l&#39;impact négatif sur le bien-être des participants. En outre, l&#39;EEG est perçu comme moins risqué et invasif par les parents, ce qui rend le recrutement des participants à la recherche plus facile. Tar conséquent, l&#39;EEG est la méthode de choix pour de nombreuses enquêtes sur le fonctionnement du cerveau chez les jeunes enfants. Progrès méthodologiques dans les systèmes EEG permettent l&#39;application des matrices d&#39;électrodes à haute densité avec 128 canaux ou plus en quelques minutes. Facilité d&#39;application et un confort de port sont suffisantes pour permettre même enregistrement EEG dans les plus jeunes enfants. Cependant, souvent, les chercheurs ne sont pas seulement intéressés à la dynamique temporelle des réponses à des stimuli particuliers, mais aimeraient également de comparer les substrats neuronaux qui interviennent dans les réponses. Une hypothèse qui prévaut dans le niveau de canal analyse ERP comparant différents groupes d&#39;âge, c&#39;est que les mêmes substrats neuronaux de répondre, mais que le moment ou l&#39;amplitude de la réponse varie selon les âges 9. Cuir chevelu topographie similaire est souvent utilisé comme un indicateur de l&#39;activité neurale sous-jacente similaire. Cependant, de nombreuses configurations de sources différentes peuvent conduire à des topographies du cuir chevelu similaires 10. En appliquant l&#39;estimation de la source, ce Uncertitude peut être réduite et quantifié. L&#39;indépendance des observations est essentiel pour les comptes du réseau de la fonction cérébrale: si les sources sont mélangés, les corrélations seront biaisées vers la connectivité locale plus élevée. reconstruction de source peut être appliqué pour réduire ce biais 11. Inversement, les différences dans le calendrier et la phase peuvent être utilisées pour l&#39;analyse de la connectivité, mais ces modèles mathématiques nécessitent des hypothèses qui sont difficiles à évaluer en données non simulées 12. En résumé, l&#39;estimation de la source fournit des informations supplémentaires à l&#39;EEG de niveau de canal et l&#39;analyse des ERP basée sur la connaissance de l&#39;anatomie et les propriétés biophysiques des tissus. Différents algorithmes ont été conçus pour trouver des solutions au problème inverse. Ces algorithmes sont en gros en deux catégories: paramétriques et non paramétriques 13. Modèles paramétriques supposent une ou plusieurs dipôles qui peuvent varier dans l&#39;emplacement, l&#39;orientation et la force. En revanche, les modèles paramétriques contai nonna grand nombre de dipôles avec emplacement et l&#39;orientation fixe. Dans ces modèles, l&#39;activité électrique du cuir chevelu est expliquée comme une combinaison des activations dans les dipôles fixes 10,13,14. Non paramétrique, modèles de sources distribuées peuvent être basées sur la connaissance de l&#39;anatomie et de la conductivité dans les différents médias. Modèles d&#39;éléments de frontière intègrent les valeurs de conductivité pour les principaux tissus de la tête avec différentes coques pour le cerveau, le liquide céphalo-rachidien, et le crâne. Ceci est basé sur l&#39;hypothèse que la conductivité est essentiellement constante à l&#39;intérieur de chaque compartiment, mais que des modifications marquées se produit à la limite entre les différents compartiments. Modèles éléments finis sont basés sur la poursuite de la segmentation des examens IRM dans la matière grise et blanche pour que les valeurs de conductivité peuvent être affectés à chaque voxel 15. En termes pratiques, modèles non paramétriques sont particulièrement utiles pour la reconstruction de source dans des tâches cognitives complexes, dans lequel le nombre de zones concernées peutpas connu 10. Modèles d&#39;éléments de frontière sont les plus largement utilisés dans la littérature actuelle, probablement parce que les plus précises modèles éléments finis présentent des demandes de calcul comparable élevés. En outre, il existe une variabilité interindividuelle considérable dans la matière grise et blanche de sorte que MEF devrait être basée sur l&#39;IRM individuels. Les modèles non paramétriques exigent une deuxième étape pour adapter le cuir chevelu activité mesurée aux prédictions du modèle de l&#39;avant. Encore une fois, des approches différentes avec différents avantages et inconvénients ont été discutés dans la littérature (voir Michel et al. 2004 pour un aperçu). Les algorithmes les plus couramment utilisés sont basés sur l&#39;estimation de la norme minimale (MNE), ce qui correspond le cuir chevelu activité mesurée à une distribution de courant dans le modèle de l&#39;avant avec l&#39;intensité globale plus faible 16. MNE est biaisé vers des sources faibles et superficielles. Profondeur algorithmes MNE pondérés essaient de réduire le biais de surface en introduisant pondérationmatrices fondées sur des hypothèses mathématiques 10. L&#39;approche LORETA largement utilisé se fonde également sur ​​pondérée MNE, mais minimise en outre le Laplacien de sources, ce qui conduit à des solutions plus douces 17,18. LORETA a été trouvé pour les meilleures performances pour les sources individuelles dans les études de simulation 19,20. Cependant, LORETA peut conduire à plus de lissage des solutions. Profondeur pondérée MNE est préférable que les sources sont inconnues ou plusieurs sources sont susceptibles d&#39;être présents 13, 16. En comparant les résultats de différents algorithmes d&#39;évaluer l&#39;influence de différentes hypothèses du modèle est recommandé. En résumé, la reconstruction de la source grâce à des méthodes de modélisation a été limité pour les enfants jusqu&#39;à récemment. C&#39;est parce que la plupart des logiciels d&#39;analyse EEG s&#39;appuie sur des modèles de tête basée sur l&#39;anatomie adulte qui limite considérablement l&#39;exactitude des solutions à la source chez les enfants 2,8. L&#39;accès pas cher à la puissance de calcul et la fourniture delogiciel convivial pour la reconstruction de la source permettent de surmonter ces limitations. Application de l&#39;estimation de la source à l&#39;EEG présente deux avantages importants par rapport à des analyses fondées sur des observations du niveau de canal seulement: amélioration de la résolution et de l&#39;indépendance des observations spatiales. estimation de la source ne peut pas être instructif dans certains cas: une bonne couverture de la tête est nécessaire de distinguer les sources. Systèmes à haute densité avec 128 électrodes ou plus sont recommandés 10,15; une couverture clairsemée agira comme un filtre spatial menant à plus grande activation de la source de propagation ou de faux résultats négatifs 10. En outre, la reconstruction de source basé sur la méthode décrite dans cet article a été signalé pour les générateurs corticaux. Par conséquent, il est moins approprié pour tester des hypothèses sur des substrats sous-corticales ou sous-corticales interactions corticales. Enfin, l&#39;analyse de la source doit être fondée sur des hypothèses préalables détaillées sur les substrats corticaux,prenant la littérature existante d&#39;autres modalités d&#39;imagerie en compte. Des techniques de filtrage spatial peuvent également être utilisés pour améliorer la résolution spatiale du signal EEG en réduisant mélange spatial au niveau du cuir chevelu. Des méthodes alternatives pour réduire l&#39;influence des effets de volume de conduction sans modélisation de la tête sont utilisés, par exemple, le filtrage de Laplace 21 ou actuelle analyse de la densité Source 22. Cependant, ces méthodes ne fournissent pas plus d&#39;informations sur les générateurs de neurones que les effets du volume de conduction ne sont pas seulement limitées à des capteurs à proximité spatiale 1. Dans les sections suivantes, l&#39;article décrit comment des expériences pour l&#39;enquête de cerveau et la fonction cognitive chez les enfants de 2 ans sont conçus au bébé Lab Londres. Ensuite, l&#39;acquisition de données EEG de haute densité systèmes de basse impédance avec enfants est discutée. Ensuite, EEG prétraitement et d&#39;analyse sur le niveau du canal est présenté. Lastly, l&#39;article porte sur le traitement de données d&#39;IRM de structure pour une reconstruction de source corticale et l&#39;analyse des signaux de niveau de la source.

<table><tbody><tr><td>Réseau de capteurs EEG haute densité (128 ou 256 canaux)</td><td>HydroCel Geodesic Sensor Net 128</td><td>Electrical Geodesic Inc., Oregon, US</td><td></td></tr><tr><td>Amplificateur EEG à haute impendance</td><td>NetAmps 200</td><td>Electrical Geodesic Inc., Oregon, États-Unis</td><td></td></tr><tr><td>Ordinateur d’acquisition de données&nbsp ;</td><td>PowerMac G4</td><td>Apple Inc, Californie, États-Unis</td><td></td></tr><tr><td>Ordinateur de présentation Stimulus</td><td>Optiplex 745</td><td>Dell Computers Inc., Texas, États-Unis</td><td></td></tr><tr><td>Logiciel de présentation Stimulus</td><td>MATLAB R2012b avec PsychToolBox</td><td>Brainard et al. 1997</td><td></td></tr><tr><td>Logiciel d’enregistrement EEG</td><td>NetStation 4.5.1</td><td>Electrical Geodesic Inc., Oregon, États-Unis</td><td></td></tr><tr><td>Analyse EEG logiciel</td><td>MATLAB R2012b</td><td>The Mathworks Inc.</td><td></td></tr><tr><td></td><td>EEGLAB</td><td>Delorme et al. 2004</td><td></td></tr><tr><td></td><td>BrainStorm</td><td>Sylvain et al. 2001</td><td></td></tr><tr><td>Logiciel de traitement IRM</td><td>FreeSurfer</td><td>Fischl et al. 2004</td><td></td></tr><tr><td></td><td>OpenMEEG</td><td>Gramfort et. al. 2010</td><td></td></tr><tr><td colspan="4">Delorme, A., et Makeig, S. EEGLAB : une boîte à outils open source pour l’analyse de la dynamique de l’EEG d’un seul essai, y compris l’analyse indépendante des composants. Journal of Neuroscience Methods, 134(1), 9&ndash ; 21 (2004).</td></tr><tr><td colspan="4">Sylvain, B., John, C., Dimitrios, P., & Richard, M. Brainstorm : Une application conviviale pour l’analyse MEG / EEG. Intelligence computationnelle et neurosciences, 1&ndash ; 13 (2011).</td></tr><tr><td colspan="4">Fischl, B. et al. Parcellation automatique du cortex cérébral humain. Cortex cérébral, 14(1), 11&ndash ; 22 (2004).</td></tr><tr><td colspan="4">Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. OpenMEEG : logiciel open source pour la bioélectromagnétisme quasi-statique. BioMedical Engineering OnLine, 9(1), 45, (2010).</td></tr><tr><td colspan="4">Brainard, D. H. La boîte à outils de la psychophysique. Vision spatiale, (1997).</td></tr></tbody></table>

corticale analyse de la source de haute densité eeg recordings chez les enfants

Cortical Source Analysis of High-Density EEG Recordings in Children

EEG est traditionnellement décrite comme une technique de neuro-imagerie à haute résolution spatiale et temporelle faible. Les progrès récents dans la modélisation biophysique et traitement du signal permettent d&#39;exploiter l&#39;information d&#39;autres modalités d&#39;imagerie comme l&#39;IRM structurelle qui fournissent une haute résolution spatiale pour surmonter cette contrainte 1. Ceci est particulièrement utile pour les enquêtes qui exigent une haute résolution dans le temporel ainsi que le domaine spatial. En outre, en raison de l&#39;application facile et à faible coût des enregistrements EEG, EEG est souvent la méthode de choix lorsque l&#39;on travaille avec les populations, comme les jeunes enfants, qui ne tolèrent pas l&#39;IRM fonctionnelle scanne bien. Toutefois, afin d&#39;enquêter sur ce qui substrats neuronaux sont impliqués, des informations anatomiques de l&#39;IRM structurelle est encore nécessaire. La plupart des logiciels d&#39;analyse EEG travaillent avec des modèles de tête standards qui sont basés sur l&#39;anatomie adulte. La précision de ces modèles lorsqu&#39;il est utilisé pour les enfants est limitée 2, parce que le composition et la configuration spatiale de la tête tissus changements de façon spectaculaire sur le développement 3. Dans le présent article, nous présentons un aperçu de nos récents travaux en utilisant des modèles de tête sur la base de différents IRM structurelles ou des modèles spécifiques de la tête d&#39;âge pour reconstruire les générateurs corticaux de haute densité EEG. Cet article décrit comment les enregistrements EEG sont acquises, traitées et analysées avec les populations pédiatriques au bébé Lab Londres, y compris l&#39;installation de laboratoire, la conception des tâches, EEG prétraitement, traitement IRM, et le niveau du canal EEG et l&#39;analyse des sources.

Conception expériences ERP pour les nourrissons et les enfants est souvent difficile, en raison de leur capacité limitée à tolérer de longues expériences répétitives 30. Ce problème est encore aggravé lorsque l&#39;expérimentateur prévoit d&#39;appliquer une reconstruction de source, car la reconstruction de source précise, il faudra un signal élevé bruit 1. Figure 1 affiche un protocole expérimental pour l&#39;étude des mécanismes de traitement du visage qui peuvent être utilisés ...

Au cours des dernières années, il ya eu un intérêt croissant pour l&#39;estimation des sources corticales du cuir chevelu mesurées activité électrique pour des expériences en neurosciences cognitives. Cet article décrit comment EEG haute densité est acquis et comment les enregistrements sont traités pour l&#39;estimation de la source corticale chez les enfants dès l&#39;âge de 2 ans au bébé Lab Londres.

Corticale Analyse de la source de haute densité EEG Recordings chez les enfants

EEG is traditionally described as a neuroimaging technique with high temporal and low spatial resolution. Recent advances in biophysical modelling and ...

L’objectif global de l’expérience suivante est d’estimer les générateurs neuronaux de l’EEG mesuré du cuir chevelu chez des participants pédiatriques. Ceci est réalisé en enregistrant des EEG à haute densité avec des enfants et en utilisant des procédures expérimentales appropriées dans un deuxième temps. Un modèle de surface est calculé sur la base de données d’imagerie par résonance magnétique, soit une IRM structurelle individuelle, soit un modèle d’élément de limite qui associe différents compartiments à des valeurs de conductivité pour la reconstruction de la source.Ensuite, l’emplacement des canaux EEG est coenregistré avec le modèle inverse. Afin de calculer les générateurs probables des changements de tension mesurés du cuir chevelu, on obtient des résultats qui montrent la contribution des sources corticales sur la base des données EEG mesurées et des prédictions du modèle de tête. Le principal avantage de cette technique par rapport aux méthodes existantes telles que l’analyse au niveau des canaux est que la contribution probable de plusieurs zones corticales à une composante potentielle liée à un événement peut être évaluée.Nous avons d’abord eu l’idée d’utiliser cette méthode lorsque nous avons voulu évaluer la structure du réseau des zones corticales à l’aide d’enregistrements EEG à l’état de repos. La démonstration visuelle de cette méthode est essentielle car elle est adaptée aux enfants. L’enregistrement de l’EEG est difficile à apprendre car les procédures d’enregistrement standard doivent être adaptées pour les enfants Pour commencer ce protocole.Tout d’abord, assurez-vous que l’enfant est à l’aise avec l’environnement de test. Pour ce faire, laissez les jeunes enfants s’asseoir sur les genoux de leur gardien ou dans un siège d’enfant confortable. Laissez également l’enfant voir et sentir le filet de capteurs avant de l’appliquer sur la tête de l’enfant.S’il y a un filet supplémentaire, demandez au parent d’en essayer un ou d’en placer un sur une poupée ou un nounours en peluche afin de garder les enfants à l’aise. Pendant la préparation de l’EEG, laissez l’enfant écouter de la musique. Regardez un dessin animé adapté à son âge ou distrayez-le à l’aide d’un autre expérimentateur.Mesurez ensuite la circonférence maximale de la tête de l’enfant pour sélectionner la bonne taille de filet. Utilisez un ruban à mesurer et tenez-le sur le nasion. Mesurez ensuite la tête autour de la circonférence maximale d’environ un centimètre au-dessus de l’éon.Ensuite, identifiez le sommet de la tête à l’intersection de la distance médiane entre nasion et eon, ainsi que la gauche et la droite par point auriculaire. Marquez ce point avec un stylo chinois pour vous assurer que le canal Vertex est correctement positionné lors de l’application du filet. Appliquez maintenant un filet de capteur qui a été trempé, une solution d’électrolyte, et assurez-vous que les canaux clés sont alignés avec les repères anatomiques.Assurez-vous ensuite que les canaux ont un bon contact avec le cuir chevelu. En positionnant les capteurs individuellement. Tournez doucement chaque capteur d’un côté à l’autre pour écarter les cheveux.Ensuite, mesurez les gains et les impédances des canaux. Cliquez sur démarrer pour commencer l’enregistrement dans la station réseau, le logiciel d’enregistrement EEG et démarrer la mesure de gain et d’impédance. Si la mesure ne démarre pas automatiquement, utilisez l’amplificateur d’étalonnage et le bouton de mesure des impédances nettes.Vérifiez le logiciel d’enregistrement pour les canaux dont l’impédance est supérieure à 50 000 ohms, qui apparaîtront en rouge. Appliquez une solution d’électrolyte supplémentaire à l’aide d’une pipette pour réduire les impédances des canaux. Vérifiez également l’affichage EEG pour les canaux qui affichent une activité à haute fréquence.Malgré une faible impédance ou une activité nettement inférieure à celle des canaux environnants, ces canaux peuvent avoir un contact lâche avec le cuir chevelu et nécessiter un ajustement. Une fois que tous les canaux sont satisfaisants, exécutez l’expérience EEG appropriée après l’expérience EEG. Tout d’abord, prétraitez les données pour détecter les artefacts.Puis segment A : une IRM anatomique précédemment acquise avec un logiciel de surfeur gratuit. Configurez l’environnement shell pour inclure un surfeur libre pour dot bash rc. Incluez la commande vue ici dans le fichier RC dot bash.Ensuite, définissez le répertoire de l’objet, qui est le dossier. La sortie sera écrite à l’aide de la commande vue ici. Importez ensuite les segments dans un logiciel de brainstorming et utilisez les outils d’affichage pour vérifier s’il n’y a pas de segmentation incorrecte, comme des sphères qui se chevauchent ou des compartiments anatomiquement improbables.Inspectez visuellement la segmentation en cliquant avec le bouton droit de la souris et en sélectionnant afficher pour estimer d’abord l’activité de la source, démarrez l’application de brainstorming, puis créez un nouveau protocole et ajoutez un nouveau sujet au protocole. Importez ensuite les données EEG du participant et importez un fichier de chaîne. Vérifiez que les modèles d’éléments de frontière et les canaux s’alignent comme prévu en cliquant avec le bouton droit de la souris sur le fichier du canal du sujet et en accédant à l’enregistrement et à la vérification de l’IRM.Notez que si les sphères du modèle se chevauchent ou si les canaux se trouvent à l’intérieur des modèles d’éléments de frontière, la reconstruction de la source produira des résultats incorrects. Ajustez l’alignement à l’aide de l’option d’édition dans le menu de segmentation MRI. Ensuite, calculez la matrice de bruit Covance à partir de la ligne de base de chaque épique en choisissant la matrice de bruit Covance et calculez à partir de l’enregistrement.Calculez ensuite le modèle source en sélectionnant Calculer le modèle source. Calculez la solution inverse à l’aide de l’estimation de la norme minimale pondérée en profondeur en sélectionnant la source de calcul et l’estimation de la norme minimale. Répétez ces étapes pour tous les participants à l’étude.Ensuite, faites la moyenne de l’activité de la source sur les essais par participant en faisant glisser les enregistrements vers le menu du processus et en sélectionnant moyenne et par condition. Sujet moyen. Comparez la condition en sélectionnant les processus et en faisant glisser chaque condition dans une fenêtre.Sélectionnez ensuite le test T en fonction de la conception de l’étude pour effectuer plusieurs comparaisons. Définissez les seuils d’amplitude et de surface dans l’affichage de la carte statistique résultante dans le menu des statistiques. Calculez maintenant la réponse liée à l’événement pour une région d’intérêt.Pour les retours sur investissement basés sur la parcellisation. Chargez la parcelisation du surfeur libre en faisant un clic droit sur la surface du cortex dans le menu d’anatomie et en sélectionnant importer les étiquettes. Naviguez dans le fichier correspondant et chargé.Sélectionnez ensuite une région d’intérêt dans le volet d’exploration du menu des données fonctionnelles. Obtenez l’activité liée à l’événement de la région d’intérêt en faisant glisser les fichiers vers la fenêtre de traitement et en sélectionnant Extraire la série chronologique Scout. Dans le menu des sources.Notez que plusieurs régions d’intérêt peuvent être sélectionnées simultanément et que la série chronologique peut être exportée pour un traçage et une analyse plus approfondis. Les résultats présentés ici sont basés sur un enregistrement avec un garçon de 6 ans. Cette figure montre les réponses potentielles liées aux événements au niveau du canal aux stimuli du visage et du visage brouillé.La réponse montre généralement une déviation plus négative entre 130 et 220 millisecondes après le début du stimulus du côté droit pour les visages par rapport aux visages brouillés. Nous voyons ici la comparaison statistique de l’activité source projetée sur la base d’un modèle standard de tête adulte et d’un modèle de tête adapté à l’âge. Dans les deuxième et troisième rangées, la carte des couleurs illustre la taille de l’effet, le rouge indiquant une activité plus élevée dans l’état des visages et le bleu indiquant une activité plus élevée dans l’état des visages brouillés.Et enfin, cette figure montre les réponses potentielles liées à l’événement source du gyrus fusiforme droit en réponse aux visages et aux visages brouillés sur la base de la reconstruction de la source d’un enregistrement. Utilisation d’un modèle d’élément de limite adapté à l’âge avec estimation de la norme minimale Une fois maîtrisée, cette technique peut être réalisée en quelques heures à partir de l’analyse de la source si elle est effectuée correctement En suivant cette procédure. D’autres méthodes telles que la fréquence-temps, la décomposition peuvent être effectuées afin de répondre à des questions supplémentaires sur la contribution des oscillateurs neurologiques dans différentes bandes de fréquences.Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’estimer les générateurs corticaux des enregistrements EEG à haute densité chez les participants pédiatriques.

cortical-source-analysis-of-high-density-eeg-recordings-in-children

Research

Recherche

JoVE Journal

Behavior

Comportement

Électroencéphalographie tableau dense est en plus utilisé pour l'étude sociale des fonctions cognitives chez les nourrissons et les adultes. Nous présentons ici une méthodologie établie qui représente une amélioration significative sur les méthodologies conventionnelles pour étudier l'EEG chez les nourrissons et les adultes.

Enquêter cognition sociale chez les nourrissons et les adultes en utilisant électroencéphalographie réseau dense ( D EEG)

L’électroencéphalographie à haute densité (dEEG) est de plus en plus utilisée pour étudier le développement et la plasticité du cerveau dans les premières années de la vie. Nous présentons ici une application de techniques d’analyse sophistiquées qui s’appuient sur l’enregistrement EEG traditionnel pour comprendre la dynamique oscillatoire du traitement auditif rapide dans le cerveau du nourrisson.

Traitement auditif des nourrissons et des oscillations cérébrales liées à des évènements

Cette vidéo présente les procédures de préparation, d’enregistrement et d’analyse de source d’EEG à haute résolution sur des rats sous sédation avec un modèle préclinique particulier d’épilepsie focale dans des conditions non invasives.

Cerveau Imaging Source dans des modèles précliniques de Rat épilepsie focale utilisant haute résolution EEG Recordings

Stéréotaxique électroencéphalographie (SEEG) est une technique opératoire utilisé dans la chirurgie de l'épilepsie pour aider à localiser la saisie foyers. Il offre également une occasion unique d'étudier le fonctionnement du cerveau. Ici, nous décrivons comment la SEEG peut être utilisée pour étudier les processus cognitifs chez les sujets humains.

Étude de la fonction de Deep corticale et structures sous-corticales Utilisation stéréotaxique électroencéphalographie: Leçons du cortex cingulaire antérieur

Oscillations à haute fréquence (HFO) ont émergé en tant que biomarqueurs préchirurgicaux pour l'identification de la zone épileptogène chez les patients pédiatriques atteints d'épilepsie réfractaire au traitement médical. Une méthodologie pour l'enregistrement non invasive, la détection et la localisation de HFO avec le cuir chevelu simultanée électroencéphalographie (EEG) et la magnétoencéphalographie (MEG) est présenté.

Intercritiques Oscillations détectés haute fréquence avec simultanée magnétoencéphalographie et électroencéphalographie comme Biomarker d&#39;épilepsie pédiatrique

Instructions pour la construction à faible coût et l’implantation chirurgicale d’un montage électroencéphalographique transcrânien chronique à haute densité chez la souris sont fournies. Les techniques d’enregistrement, d’extraction et de traitement du signal sont également décrites.

Haute densité électroencéphalographie Acquisition dans un modèle Rongeur Utilisation de faible coût et Open-source Ressources

Ici, nous montrons comment appliquer intégrée à l’amplitude de l’électroencéphalographie pour surveiller la fonction cérébrale chez les nouveau-nés.

Application d’un moniteur d’EEG Amplitude intégré (fonction cérébrale moniteur) pour nouveaux-nés

Un EEG-IRMf multimodal méthode, dite de la source EEG spatio-temporelle sont limitées IRMf imagerie méthode, l’imagerie est décrite ici. La méthode présentée emploie des cartes sous IRMf conditionnellement-active ou prieurs, pour guider la localisation des sources EEG d’une manière qui améliore la spécificité spatiale et limite des résultats erronés.

Simultanées EEG et IRM fonctionnelle enregistrement et analyse d’intégration pour l’imagerie dynamique activité corticale

Dans cet article, nous présentons un protocole pour étudier les modèles morphologiques potentiels évoqués visuels cortical différentiels par la stimulation des réseaux ventral et dorsal utilisant l'EEG de haute densité. Des paradigmes visuels d'objet et de stimulus de mouvement, avec et sans nervosité temporelle, sont décrits. Des analyses morphologiques potentielles évoquées visuelles sont également décrites.

Modèles morphologiques potentiels d'evoked Visual

Les techniques standard d'analyse de l'EEG offrent un aperçu limité de la fonction du système nerveux. La dérivation de modèles statistiques de connectivité corticale offre une capacité beaucoup plus grande d'étudier la dynamique du réseau sous-jacente. L'évaluation fonctionnelle améliorée ouvre de nouvelles possibilités pour le diagnostic, le pronostic, et la prévision de résultat dans les maladies de système nerveux.

Modélisation statistique de la connectivité corticale à l'aide d'électroencéphalogrammes non invasifs

La magnétoencéphalographie (MEG) et l’électroencéphalographie à haute densité (HD-EEG) sont rarement enregistrées simultanément, bien qu’elles fournissent des informations de confirmation et complémentaires. Ici, nous illustrons le dispositif expérimental d’enregistrement simultané de la MEG et de l’HD-EEG et la méthodologie d’analyse de ces données visant à localiser les zones cérébrales épileptogènes et éloquentes chez les enfants atteints d’épilepsie résistante aux médicaments.

Imagerie de source électromagnétique dans l’évaluation préchirurgicale d’enfants atteints d’épilepsie résistante aux médicaments

Découvrez l'analyse des sources corticales à partir d'enregistrements EEG haute densité chez l'enfant. Cette méthode utilise des modèles d'éléments frontières et l'estimation de la norme minimale pour identifier les générateurs neuronaux.

Corticale Analyse de la source de haute densité EEG Recordings chez les enfants

Explorer plus de vidéos