Name: Simultanées EEG et IRM fonctionnelle enregistrement et analyse d’intégration pour l’imagerie dynamique activité corticale (Vidéo) | JoVE Journal
Uploaded: 2018-06-30T12:30:00.000+00:00
Duration: 11 min 28 s
Description: Découvrez l'intégration simultanée de l'EEG et de l'IRM fonctionnelle pour améliorer la localisation des sources cérébrales avec une précision spatiale et temporelle optimale. Cette méthode avancée permet d'étudier les processus cognitifs complexes et les voies neuronales impliquées dans l'épilepsie et les troubles neurocognitifs.

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

Ce travail a été soutenu en partie par DK082644 NIH et l’Université de Houston.

Le protocole présenté ici a été conçu et exécuté conformément à toutes les directives pour l’éthique de la recherche humaine tel qu’établi par le Conseil de révision institutionnels respectifs de l’Université de Houston et l’Institut de recherche de méthodiste de Houston.
1. enregistrement EEG/IRMf
<ol><li>Obtenir le consentement éclairé du participant. Expliquer le participant le but et la procédure de l’étude, ainsi que les mesures de sécurité importantes pour les processus d’enregistrement de données EEG/IRMf simultanées.</li>
	<li>
Préparer le cap de l’EEG et vérifier l’impédance en dehors de la salle MRI-scanner.
	<ol>
<li>Placer un capuchon d’EEG Fluxsol, passif, MRI-compatible sur la tête du sujet. Placer les électrodes selon les 10 – 20 international étiquetage system10.</li>
		<li>Sur le logiciel d’enregistrement EEG, vérifiez l’impédance des électrodes de référence et au sol. Pour ce faire, cliquez sur l’onglet « impédance » et sélectionnez le type d’électrode sur l’interface-utilisateur du logiciel (voir Figure 1). Remarque : Les instructions exactes ici sont spécifiques au logiciel utilisé dans les présentes (voir Table des matières) et peut devoir être adapté à d’autres systèmes.</li>
		<li>Pour chacune des électrodes, utiliser une seringue pour injecter le gel électrolyte dans l’électrode, puis utilisez un coton-tige pour écarter le gel afin d’assurer le contact entre l’électrode de la peau.<ol>
<li>Diminution de l’impédance, continuer à surveiller les valeurs en utilisant le logiciel approprié (ajuster l’échelle de l’impédance comme nécessaire, en fonction de la configuration) pour surveiller le niveau de l’impédance correctement (voir Figure 1). Continuez jusqu'à ce que toutes les électrodes atteignent des niveaux d’impédance inférieure à 10 kΩ afin d’assurer un signal de haute qualité. Remarque : Par les matériaux énumérés et utilisé ici, il est considéré comme dangereux d’avoir une électrode avec un niveau d’impédance au-dessus de 50 kΩ dans M.-environnement11. Cela peut changer selon la conception de la PAC choisie et les paramètres de MRI, donc s’il vous plaît consulter le fabricant de l’équipement et les technologues de MRI pour assurer la sécurité de l’installation expérimentale.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Installation du matériel EEG/IRMf simultanée.
	<ol>
<li>Une fois la préparation du cap EEG faite, avoir l’objet déplacé au M.-scanner avec l’installation du matériel décrite à la Figure 2. Remarque : Certains détails de la figure peuvent changer, selon le système en cours d’utilisation.</li>
		<li>Configurer l’affichage de paradigme expérimental. Utiliser un moniteur situé dans la salle d’observation, derrière la vitre, face à l’avant du scanner-M. (voir Figure 2). Utiliser un miroir de Regarde un tête de bobine pour permettre des sujets afficher l’écran du moniteur sans bouger la tête ou des yeux en position couchée.</li>
		<li>Afficher un exemple d’image sur l’écran de l’ordinateur pour s’assurer que les sujets peuvent afficher confortablement l’écran ainsi que le paradigme s’affiche correctement. Apporter les modifications nécessaires de matériel ou logiciel.</li>
	</ol>
</li>
	<li>
Modèle expérimental (voir Figure 3).
	<ol>
<li>Instruire le sujet à rester immobile et effectuer une initiale pondérées en T1 anatomique par IRM. Si possible, utilisez un champ de vision qui atteint le fond du cervelet jusqu’au sommet de la tête, y compris le crâne et la peau.</li>
		<li>Commencez à enregistrer les données EEG (voir Figure 4).</li>
		<li>Cliquez simultanément sur les boutons appropriés pour commencer l’enregistrement de MRI et initier le paradigme d’intérêt sur le logiciel de présentation. Vérifier l’enregistrement de données EEG afin d’assurer la qualité du signal et, si vous le souhaitez, marqueurs appropriées sont enregistrés.<ol>
<li>Lorsque vous utilisez la configuration décrite ici, tout d’abord cliquez sur « Exécuter » dans le logiciel de présentation et entrez le numéro de l’objet et du procès. Le paradigme va lancer après avoir confirmé ces paramètres. Remarque : Le paradigme employé ici se composait de 10 essais dans lequel une réponse motrice émotionnellement motivée a été évoquée par le biais de stimulus visuel. Pour chaque essai, les sujets devaient d’abord reposer pendant 50 s, regardant un écran vert, après quoi l’image d’un désagréable (images correspondant à la grande surprise, la colère ou dégoût) ou n’est pas désagréable (images correspondant au bonheur ou à la neutralité) face à12 a été présenté pour 10 s. cinq images de chaque catégorie ont été présentés dans un ordre aléatoire, et sujets devaient appuyer sur un ballon en identifiant un visage comme désagréable et maintenez la pression jusqu'à ce qu’il a disparu.</li>
			<li>Utilisez une séquence a rappelé le Gradient Echo imagerie planaire (GR-EPI) pour l’enregistrement de l’IRMf (recommandé) ; personnaliser en fonction de l’équipement et le paradigme. Remarque : La séquence utilisée ici inclus : temps d’écho (TE) = 35 ms ; Temps de répétition (TR) = 1 500 ms ; Découper l’épaisseur = 5 mm ; Flip Angle = 90 ° ; Espacement de pixels : 2,75 x 2,75 mm. Il peut être nécessaire d’utiliser une séquence de MRI qui dure un peu plus de l’affichage du paradigme elle-même, afin de s’assurer que le paradigme complet est enregistré sans écrêtage.</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. structures de données IRM analyse et génération de modèle vers l’avant
<ol><li>Appliqueàcompterdu segmentation complète et reconstruction de surfaces différentes pondérées en T1 anatomiques MRI volume du sujet utilisant la Freesurfer image analyse suite13,14. Remarque : Un dossier contenant toutes les sorties de segmentation est généré par Freesurfer.</li>
	<li>
Générer un disciplinaire 3-couche limite élément méthode (BEM) modèle géométrique qui suit les instructions fournies à (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 utilisent l’Interface d’utilisateur graphique (GUI) disponible à s’assurer qu’il n’y a pas de chevauchement dans les couches.
	<ol>
<li>Ouvrez l’Application Freeview. Cliquez sur « Fichier » >> « Charger la Surface ». Accédez au répertoire dans le dossier Freesurfer sujets. Ouvrez le dossier « BEM ». Ouvrez le dossier « Bassin versant ». Charger les quatre fichiers trouvés ici (« outer_skin_surface », « outer_skull_surface », « brain_surface » et « inner_skull_surface »).</li>
		<li>Déplacez les curseurs de sélection de tranche et recherchez les chevauchements dans les couches de surface jaunes. En cas de chevauchement, vérifiez les données de l’IRM pour les erreurs ou défauts anatomiques et utiliser l’interface graphique, outils de dessin pour clarifier les couches.<ol>
<li>Charger les données originales de MRI dans l’application de la TNT en cliquant sur « Fichier » >> « Volume de charge ». Naviguez jusqu’au dossier objet et ouvrez le dossier « IRM ». Puis cliquez sur le répertoire « orig » et ouvrir les données structurales de MRI qui s’y trouvées (devrait être in.mgz or.nii format). Cliquez sur « OK ».</li>
			<li>Visualiser l’image en niveaux de gris de la tête. Regardez les différents niveaux de gris et de noir autour du cerveau. Veiller à ce que ces couches n’ont pas des lacunes ou des irrégularités. Utilisez l’outil « Pipette » puis sélectionnez un voxel dans le calque à corriger.</li>
			<li>Basculez vers l’Edit « Voxel à main levée » et cliquez pour dessiner sur l’image. Cela permet de combler tous les défauts de la qualité de l’image. Effectuer la correction pour toutes les couches et les tranches de MRI, où se produisent des défauts. Remarque : le voxel « Polywire » et « Livewire » outils d’édition peut également être utilisé à la place de la « Freehand ».</li>
		</ol>
</li>
	</ol>
</li>
	<li>Générer l’espace source basée sur la géométrie de la surface de la pie-mère.</li>
	<li>
Effectuer un alignement de capteurs EEG spécifiques (p. ex., translation et rotation) à l’espace de MRI à l’aide de la superposition de tête modèle Freesurfer (Figure 5). Enregistrer la transformation.
	<ol>
<li>Ouvrez l’application MNE_analyze. Cliquez sur « Fichier » >> « Surface de charge ». Accédez au dossier qui contient les données d’objet et charge la surface pial.</li>
		<li>Cliquez sur « Fichier » >> « Load Data numériseur et sélectionnez le fichier EEG d’intérêt (doit contenir des données de numériseur). Cliquez sur « Affichage » >> « Show Viewer ». Une fois que le spectateur GUI s’affiche, cliquez sur « Options » et s’assurer que le « cuir chevelu » et « Données numériseur » options sont sélectionnées. Électrodes ici figurent en rouge, avec des points de repères en jaune.</li>
		<li>Dans la fenêtre principale (pas la visionneuse), sélectionnez « Ajuster » >> « Coordonner l’alignement ». Avec le « GUI de la coordonnée d’alignement », utilisez les touches fléchées et L/R pour déplacer et faire pivoter les électrodes de l’EEG dans la visionneuse. Réglez autant que nécessaire. Une fois que l’alignement est fait, cliquez sur « Enregistrer... » au bas de la « GUI d’alignement coordonner » pour sauver l’alignement. Remarque : En règle générale, une répartition égale des électrodes dans le cuir chevelu avec bon alignement fiducial est nécessaire.</li>
	</ol>
</li>
	<li>Générer le modèle vers l’avant en fournissant le modèle BEM thématiques, l’espace source et la transformation de capteurs EEG à l’aide de MNE logiciel15.</li>
</ol>3. functional MRI Data Analysis
<ol><li>Effectuer le premier niveau l’analyse statistique IRMf (sujet individuel) utilisant la méthode de modèle linéaire général (GLM) pour acquérir "BOLD" activation des cartes pour les tâches d’intérêt. Corriger les comparaisons multiples comme nécessaire16, à l’aide de l’approche axée sur le cluster qui est intégré dans le pipeline de groupe-analyse Freesurfer.</li>
	<li>Effectuer une analyse de groupe et niveau sur tous les sujets, si vous le souhaitez, d’acquérir la carte d’activation "BOLD" pour tous les sujets dans l’espace standard (INM ou Talairach). NOTE : L’Université d’Oxford Centre for IRM fonctionnelle du cerveau (FMRIB) Software Library (FSL)17 et paquets de18 analyse de Neuroimages fonctionnelle (AFNI) tous les deux permettent l’analyse des données IRMf sur les mêmes surfaces générées par FreeSurfer, ce qui les rend pratique pour analyse ultérieure.</li>
	<li>
Utilisez l’outil de visualisation de tksurfer pour effectuer l’identification de la région d’intérêt (ROI) de chargement de la carte d’activation IRMf (niveau individuel et au niveau groupe) et en définissant le seuil désirée FDR-corrigé19 (p < 0,05 est utilisé ici ). NOTE : La ROIs identifiée à partir des cartes individuelles d’activation servira de prieurs spatiales dérivée de l’IRMf thématiques pour la localisation des sources ultérieures.<ol>
<li>À l’aide de la carte d’activation IRMf sur la couche de matière grise, extrait de patchs de surface en utilisant un algorithme de marquage connecté. Remarque : La décomposition Dulmage-Mendelsohn a été utilisée dans cet exemple.</li>
		<li>Plus loin, subdiviser les correctifs basées sur l’étiquetage d’un atlas du cerveau prédéfinis, afin qu’un patch d’activité couvrant plusieurs régions est divisé. Remarque : L’atlas utilisé ici a été le DKT40 atlas20 (disponible chez Freesurfer)21. Atlas peuvent être spécialisés ou choisis, selon les préférences expérimentales.</li>
	</ol>
</li>
	<li>La ROIs de groupe et niveau acquise (qui sont actuellement dans l’espace standard) vers les espaces de source individuelle de chaque sujet du projet. Après avoir effectué la segmentation de MRI structurale du sujet individuel (étape 2.1), les transformations de coordonnées entre le sujet et l’espace standard sont fournies dans les fichiers lh.sphere.reg et rh.sphere.reg, trouvé dans le dossier « surf » du sujet FreeSurfer dossier de sortie. Remarque : Tous les sujets seront partageront ainsi le même ensemble de ROIs, mais dans leur propre modèle spécifique. Voir la Figure 6 pour des exemples des résultats IRMf et ROIs qui en résulte.</li>
</ol>4. analyse de données EEG
Remarque : Les détails dans cette section peuvent être spécifiques au logiciel utilisé (voir Table des matières pour plus de détails). Veuillez vous reporter à la documentation appropriée si l’utilisation de différents logiciels.
<ol><li>Effectuer la correction des artefacts gradient scanner par soustraction de modèle. Pour ce faire, cliquez sur le bouton « Monsieur Correction » dans le menu « Spécial Signal Processing » et sélectionnez les paramètres appropriés dans le logiciel d’analyse EEG GUI (voir Figure 7). Entrez les paramètres appropriés pour la séquence de scanner choisi et la conception expérimentale. Remarque : Les paramètres primaires incluent : temps de répétition (TR) pour MRI scan, scan type (entrelacé ou continue), marqueurs de volume de MRI (ou méthode de détection dégradé et déclencheur dégradé), canaux pour la correction et modèle de l’artefact.</li>
	<li>Supprimer les artefacts cardioballistic par soustraction de modèle. Pour ce faire, cliquez sur le bouton « CB Correction » dans le menu « Spécial Signal Processing » et sélectionnez les paramètres appropriés dans le logiciel d’analyse de GUI. Remarque : Paramètres nécessaires ici incluent fréquence cardiaque minimale et maximale, modèle d’artefact, channel ECG, corrélation modèle et canaux pour correction.</li>
	<li>Appliquer la filtration. Cliquez sur le bouton pour la filtration de l’IIF en haut de l’analyse de GUI, sous « Data Filtration ». Par exemple, appliquer passe-haut à 0,05 Hz, passe-bas à 40 Hz et un filtre-à la fréquence de la tension secteur (60 Hz), avec un roll-off de 48 dB/Hz. NOTE : Après l’application d’un filtre passe-bas avec une fréquence de coupure de 40 Hz, 60 Hz-Filtre à sillon n’est pas strictement nécessaire, mais est employé comme une garantie contre toute fréquences lignes électriques résiduels qui peuvent avoir survécu en raison de la benne à bords de filtre.</li>
	<li>Effectuer la correction des artefacts oculaires, sur le dessus de l’analyse de GUI : sélectionnez « Transformation » >> « rejet/réduction des artefacts » >> « Oculaire Correction ICA ».</li>
	<li>Segmenter les données EEG en époques basés sur la durée spécifiée avant et après stimulation, en ce qui concerne les marqueurs de synchronisation d’événement. Pour ce faire, sélectionnez, « Transformation » >> « Fonctions d’analyse du Segment » >> « Segmentation », puis sélectionnez le marqueur d’intérêt et la tranche de temps d’intérêt. NOTE : Longueurs de Segmentation doivent être choisies en fonction du paradigme et activité cérébrale attendue d’intérêt.</li>
	<li>
Effectuer le rejet de l’artefact manuels ou semi-automatiques : sélectionnez « Transformation » >> « rejet/réduction des artefacts » >> « Rejet de l’artefact ». Lorsque vous êtes invité, définir des critères pour les artefacts dans les trois onglets de l’interface graphique et continuez en suivant les instructions sur l’interface graphique.
	<ol>
<li>Dans l’onglet « Méthode d’Inspection », sélectionnez choisir « automatiquement », « semi-automatique » ou « sélectionner manuellement les artefacts » (mode semi-automatique est recommandé). Puis sélectionner « marquer » ou « supprimer les artefacts » et indiquer si les corrections sont pour un seul canal.</li>
		<li>Dans l’onglet « Sélection de canal », sélectionner les canaux qui seront corrigées pour les artefacts.</li>
		<li>Dans l’onglet « Critères », sélectionnez la base par laquelle on cernera des artefacts. Effectuez des sélections ici pour répondre à des besoins expérimentaux. Cliquez sur « OK » après avoir sélectionné les critères, et artefacts seront identifiés et/ou rejetées conformément à l’encontre des sélections.</li>
	</ol>
</li>
	<li>
Effectuer la correction de la ligne de base et le procès en moyenne (le cas échéant).
	<ol>
<li>Pour effectuer la correction de base : sélectionner « Transformation » >> « Fonctions d’analyse de Segment » >> « Correction de base ». En moyenne les données segmentées : sélectionnez « Transformation » >> « Fonctions d’analyse de Segment » >> « Moyenne ».</li>
	</ol>
</li>
</ol>5. spatio-temporelle IRMf contraintes — EG Source d’imagerie
<ol><li>Définir la taille de la fenêtre et la fenêtre qui se chevauchent de taille (la valeur par défaut définissant les appels pour une taille de fenêtre de 40 ms avec 50 % (20 ms) se chevauchent).</li>
	<li>Sélectionnez le jeu de ROIs disciplinaires (obtenu à l’étape 3) comme l’ensemble spatial préalable. Pour chaque segment de l’EEG, l’algorithme estimera ensuite un ensemble de poids pour le sous-ensemble des prieurs spatiales qui maximise la preuve du modèle et calcule la matrice de covariance de source en conséquence.</li>
	<li>À l’aide de la matrice de covariance de source qui en résulte, effectuer les localisation des sources pour le segment EEG analysé, donne la source des résultats de densité de courant.</li>
	<li>Effectuez les étapes 5.2 et 5.3 pour tous les segments de l’EEG et, si nécessaire, résument les résultats de densité de courant pour tous les segments de temps en temps une densité de courant complet par la partie recouverte en moyenne. Remarque : Cette étape donne une densité de courant temporelle de l’activité corticale à chaque stade de la source définie à l’étape 2.3 (ce nombre est normalement de l’ordre de plusieurs milliers) (Figure 8).</li>
	<li>
Extrait de l’évolution temporelle représentant densité de courant à chacun de la ROIs.
	<ol>
<li>Sélectionnez le mode préféré pour résumer les temps-cours des multiples points de source dans un retour sur investissement dans un seul signal temps-cours : moyenne, premier eigenvariate, etc.
</li>
	</ol>
</li>
	<li>Répétez les étapes 5.1 à 5.5 pour tous les sujets.</li>
</ol>

<ol><li>Belanger, M., Allaman, I., Magistretti, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+energy+metabolism%3A+focus+on+astrocyte-neuron+metabolic+cooperation%5BTitle%5D)+AND+%22Cell+Metab%22%5BJournal%5D)">Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation.</a> Cell Metab. 14 (6), 724-738 (2011).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+underpinnings+of+the+BOLD+functional+magnetic+resonance+imaging+signal%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The underpinnings of the BOLD functional magnetic resonance imaging signal.</a> J Neurosci. 23 (10), 3963-3971 (2003).</li>
<li>Michel, C. M., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15351361">EEG source imaging.</a> Clin Neurophysiol. 115 (10), 2195-2222 (2004).</li>
<li>Ramon, C., Schimpf, P. H., Haueisen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+head+models+on+EEG+simulations+and+inverse+source+localizations%5BTitle%5D)+AND+%22Biomed+Eng+Online%22%5BJournal%5D)">Influence of head models on EEG simulations and inverse source localizations.</a> Biomed Eng Online. 5, 10(2006).</li>
<li>Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Error+bounds+for+EEG+and+MEG+dipole+source+localization%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol%22%5BJournal%5D)">Error bounds for EEG and MEG dipole source localization.</a> Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).</li>
<li>Hamalainen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Med Biol Eng Comput. 32 (1), 35-42 (1994).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ijbem.org/volume1/number1/pdf/ijbem_a75-86.pdf">Review of methods for solving the EEG inverse problem.</a> International journal of bioelectromagnetism. 1 (1), 75-86 (1999).</li>
<li>Rosa, M. J., Daunizeau, J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-fMRI+integration%3A+a+critical+review+of+biophysical+modeling+and+data+analysis+approaches%5BTitle%5D)+AND+%22J+Integr+Neurosci%22%5BJournal%5D)">EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches.</a> J Integr Neurosci. 9 (4), 453-476 (2010).</li>
<li>Nguyen, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+Source+Imaging+Guided+by+Spatiotemporal+Specific+fMRI%3A+Toward+an+Understanding+of+Dynamic+Cognitive+Processes%5BTitle%5D)+AND+%22Neural+Plast%22%5BJournal%5D)">EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes.</a> Neural Plast. 2016, 10(2016).</li>
<li>Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ten-twenty+electrode+system+of+the+International+Federation.+The+International+Federation+of+Clinical+Neurophysiology%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol+Suppl%22%5BJournal%5D)">The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology.</a> Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).</li>
<li>Mullinger, K. J., Castellone, P., Bowtell, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Best+current+practice+for+obtaining+high+quality+EEG+data+during+simultaneous+FMRI%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Best current practice for obtaining high quality EEG data during simultaneous FMRI.</a> J Vis Exp. (76), (2013).</li>
<li>Ekman, P., Friesen, W. V. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEkman%2C+P+%22Pictures+of+Facial+Affect%22">Pictures of Facial Affect</a>. , Consulting psychologists Press. (1976).</li>
<li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> Neuroimage. 9 (2), 179-194 (1999).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> Neuroimage. 9 (2), 195-207 (1999).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MNE+software+for+processing+MEG+and+EEG+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">MNE software for processing MEG and EEG data.</a> Neuroimage. 86, 446-460 (2014).</li>
<li>Hagler, D. J., Saygin, A. P., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Smoothing+and+cluster+thresholding+for+cortical+surface-based+group+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data.</a> Neuroimage. 33 (4), 1093-1103 (2006).</li>
<li>Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">Fsl.</a> Neuroimage. 62 (2), 782-790 (2012).</li>
<li>Cox, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((AFNI%3A+software+for+analysis+and+visualization+of+functional+magnetic+resonance+neuroimages%5BTitle%5D)+AND+%22Comput+Biomed+Res%22%5BJournal%5D)">AFNI: software for analysis and visualization of functional magnetic resonance neuroimages.</a> Comput Biomed Res. 29 (3), 162-173 (1996).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimage. 15 (4), 870-878 (2002).</li>
<li>Klein, A., Tourville, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((101+labeled+brain+images+and+a+consistent+human+cortical+labeling+protocol%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">101 labeled brain images and a consistent human cortical labeling protocol.</a> Front Neurosci. 6, 171(2012).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cereb Cortex. 14 (1), 11-22 (2004).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> J Neurosci Methods. 134 (1), 9-21 (2004).</li>
<li>Iannetti, G. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simultaneous+recording+of+laser-evoked+brain+potentials+and+continuous%2C+high-field+functional+magnetic+resonance+imaging+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans.</a> Neuroimage. 28 (3), 708-719 (2005).</li>
<li>Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+FMRI+environment+artifacts+from+EEG+data+using+optimal+basis+sets%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Removal of FMRI environment artifacts from EEG data using optimal basis sets.</a> Neuroimage. 28 (3), 720-737 (2005).</li>
</ol>

Les auteurs n’ont rien à divulguer.

Nous avons montré ici les mesures nécessaires pour utiliser la méthode d’analyse spatio-temporelle IRMf contraint source pour l’analyse d’intégration EEG/IRMf. EEG et l’IRMf ont devenu bien établis que les méthodes fondamentales d’imagerie non invasive de l’activité cérébrale, bien qu’ils éprouvent des difficulté à leurs résolutions spatiales et temporelles respectives. Tandis que les méthodes ont été développées pour capitaliser sur les propriétés de chacun, sous contrainte IRMf EEG source localization méthodes actuelle...

Électroencéphalographie (EEG) et l’imagerie de résonance magnétique fonctionnelle (IRMf) peuvent considérer que la neuro-imagerie modalités avec des fonctionnalités complémentaires. IRMf capte l’activité cérébrale avec grande échelle temporelle, comme des signaux hémodynamiques mesurent indirectement l’activité neuronale sous-jacente avec une faible résolution temporelle (de l’ordre secondes)1,2. En revanche, EEG mesure directement l’activité électrophysiologique dynamique du cerveau avec une très haute résolution temporelle (niveau de milliseconde), mais la faible résolution spatiale de3,4. Ces propriétés ont conduit à des approches multimodales conçus pour optimiser les aspects favorables de chaque méthode individuelle5. Utilisation simultanée de l’EEG et l’IRMf permet l’excellente résolution temporelle d’EEG à combiner avec la haute précision spatiale de l’IRMf pour surmonter les limitations associées à l’IRMf unimodale ou EEG.
Méthodes d’intégration EEG et IRMf commencent par IRMf-informé EEG source localisation6,7. Cette technique utilise des informations spatiales dérivées IRMf afin d’améliorer la localisation des sources EEG, cependant, un inconvénient est le biais spatial potentiel causé par l’application de l’IRMf comme « dur-contrainte » — information spatiale dérivée de l’IRMf est considéré comme un vérité absolue. Cela pose deux questions importantes qui doivent être conciliés6–8. Tout d’abord, il faut considérer que l’utilisation d’une carte statique de niveau d’oxygène du sang dépendant (BOLD) contrastes peut renforcer par inadvertance toute activité erronée qui relève, tandis que l’amortissement véritable activité en dehors de celui-ci. Deuxièmement, diaphonie provenant de sources qui se produisent à l’extérieur de la carte d’activation "BOLD" peut influencer la présentation de l’activité réelle dans les résultats ou déclencher des activités erronée. Malgré cela, l’utilisation de la haute résolution spatiale de l’IRMf de fournir une connaissance préalable spatiale reste une solution favorable5, comme la modélisation du problème inverse EEG peut être contraint tous les deux dans les sens anatomiques et fonctionnels.
Dans cet article, nous démontrons une source EEG spatio-temporelle sont limitées IRMf imagerie approche qui résout le problème de décalage temporel entre les EEG et l’IRMf en calculant le sous-ensemble optimal de fMRI a priori basé sur un hiérarchique bayésien modèle9. IRMf-prieurs sont calculées d’une manière pilotés par les données de windows particuliers d’intérêt dans les données de l’EEG, conduisant à des contraintes de temps-variante IRMf. L’approche proposée utilise la haute résolution temporelle de l’EEG pour calculer une cartographie de la densité de courant de l’activité corticale, informée par la haute résolution spatiale de l’IRMf de manière temps-variante, spatialement sélective avec précision les images dynamiques neurale activité.

<table><tbody><tr><td>BrainAmp MR Plus</td><td>Brain Products</td><td></td><td>Amplificateurs pour l’enregistrement EEG, compatibles IRM</td></tr><tr><td>BrainAmp ExG MR&nbsp ;</td><td>Brain Products</td><td></td><td>Amplificateur pour capteur auxiliaire (EMG), compatible avec l’IRM</td></tr><tr><td>BrainAmp</td><td>Power Pack Brain Products</td><td></td><td>Fournit de l’énergie aux amplificateurs dans l’environnement MR</td></tr><tr><td>Câbles plats</td><td>Brain Products</td><td></td><td>Connecte le bloc d’alimentation aux amplificateurs</td></tr><tr><td>SyncBox</td><td>Brain Products</td><td></td><td>Synchronise l’horloge du scanner MR avec l’horloge de l’amplificateur EEG</td></tr><tr><td>BrainCap MR</td><td>Brain Products</td><td></td><td>Casque EEG à électrode passive à 64 canaux, compatible IRM</td></tr><tr><td>Enregistreur</td><td>Brain Products</td><td></td><td>Logiciel d’enregistrement de données EEG (étapes 1.2-1.4.2)</td></tr><tr><td>Analyseur BrainVision 2.0</td><td>Logiciel d’analyse EEG Brain Products (étapes 4.1-4.6)</td><td></td>Adaptateur USB 2 (également connu sous le nom de BUA)Brain Products Interface entre les amplificateurs et l’ordinateur d’acquisition de données <td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td>Câbles à fibres optiques</td><td>Brain Products</td><td></td><td>Connecte le capuchon EEG du scanner MR à l’ordinateur d’enregistrement</td></tr><tr><td>Interface du scanner SyncBox Produits</td><td>cérébraux</td><td></td><td>Synchroniser l’horloge du scanner MR avec l’horloge de l’amplificateur EEG</td></tr><tr><td>Câble de déclenchement Brain</td><td>Products</td><td></td><td>Utilisé pour envoyer les déclencheurs de scanner/paradigme à l’ordinateur d’enregistrement</td></tr><tr><td>ABRALYT HiCl EEG Electrode Gel</td><td>EasyCap</td><td></td><td>Gel EEG abrasif pour électrode passive dans un environnement IRM</td></tr><tr><td>Système IRM Ingenia 3.0T</td><td></td><td>Système IRM</td>Philips <td></td> 3.0 T</tr><tr><td>Numériseur Patriot Numérisation</td> de <td>l’emplacement du canal EEG Polhemus</td><td></td><td></td>&nbsp ;</tr><tr><td>MATLAB r2014a</td><td>MathWorks</td><td></td><td>Base de programmation pour l’algorithme DBTN (étapes 3.3-3.4 et 5.1-5.7)</td></tr><tr><td>Images de l’affect facial</td><td>Paul Eckman Group</td><td></td><td>Une série de visages émotionnellement valents utilisés comme stimuli</td></tr><tr><td>E-Prime 2.0</td><td>Psychology Software Tools, Inc</td><td></td><td>Logiciel de présentation (étape 1.4.3)</td></tr><tr><td>Électrode EMG de peau bipolaire</td><td>Produits</td><td></td> cérébraux <td>Utilisé pour détecter activité musculaire.</td></tr><tr><td>POLGUI</td><td></td><td></td><td>MATLAB Logiciel de numérisation</td></tr><tr><td>Freesurfer</td><td></td><td></td><td>Logiciel utilisé aux étapes 2.1 à 2.4 et étapes 3.1 à 3.2</td></tr><tr>Logiciel<td>MNE</td><td></td><td></td><td>utilisé à l’étape 2.5</td></tr></tbody></table>

simultanées eeg et irm fonctionnelle enregistrement et analyse d’intégration pour l’imagerie dynamique activité corticale

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

Électroencéphalographie (EEG) et l’imagerie de résonance magnétique fonctionnelle (IRMf) sont deux des méthodes fondamentales non invasives permettant d’identifier l’activité cérébrale. Méthodes multimodales ont cherché à combiner la haute résolution temporelle de l’EEG avec la précision spatiale d’IRMf, mais la complexité de cette approche est actuellement besoin d’amélioration. Le protocole présenté ici décrit la récemment développés spatio-temporelle IRMf sont limitées EEG source d’imagerie méthode qui vise à corriger les biais de source et d’améliorer la localisation des sources EEG-IRMf grâce au recrutement dynamique des sous-régions de l’IRMf. Le processus commence par la collecte de données multimodales de simultanées EEG et l’IRMf scans, la génération de modèles 3D de corticales et EEG indépendant et IRMf traitement. Les cartes d’activation IRMf transformés sont ensuite divisés en plusieurs prieurs, selon leur emplacement et les environs. Celles-ci sont considérées comme a priori dans un algorithme de hiérarchique bayésienne de deux niveaux pour la localisation des sources EEG. Pour chaque fenêtre d’intérêt (défini par l’opérateur), des segments spécifiques de la carte d’activation IRMf seront identifiés comme étant active pour optimiser un paramètre connu comme preuve de modèle. Ceux-ci serviront des contraintes souples sur l’activité corticale identifiée, augmentant la spécificité de la multimodal méthode d’imagerie en réduisant la diaphonie et en évitant les activités erronée dans d’autres régions de l’IRMf conditionnellement active. La méthode génère des cartes corticales de l’activité et temps-cours, qui peuvent être pris comme résultat final, ou utilisé comme une base pour de nouvelles analyses (analyses de corrélation, causalité, etc.) tandis que la méthode est quelque peu limité par ses modalités de fonctionnement (il ne trouverez pas EEG-invisible sources), il est largement compatible avec la plupart des logiciels de transformation majeure et convient à la plupart des études de neuroimagerie.

EEG source localisation au niveau de base implique la résolution du problème avant et inverse. Les composants requis pour construire et résoudre le problème avant sont illustrés dans la Figure 5C. Vous utilisez une image de T1 disciplinaire, trois couches — cerveau, le crâne et la peau — ont été segmentés et maillé. Ces couches servi comme entrées pour générer le modèle BEM. De même, couche gris-matière du sujet a été segmenté de l’IRM struct...

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

Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are two of the fundamental noninvasive methods for identifying brain ...

Cette méthode peut aider à répondre à des questions clés dans le domaine des neurosciences, telles que la détermination de la relation temporelle entre plusieurs régions du cerveau ou l’exploration de la voie neuronale détaillée de processus cognitifs complexes. Le principal avantage de cette technique est qu’elle permet d’intégrer des données EEG et fonctionnelles multimodales de manière spécifique dans l’espace et dans le temps afin d’améliorer la résolution et la précision de la neuroimagerie fonctionnelle. Les implications de cette technique s’étendent à la compréhension de l’épilepsie et des troubles neurocognitifs.Parce que la méthode améliore la précision spatiale et temporelle de la neuroimagerie non invasive. Bien que cette méthode puisse être utilisée pour fournir des informations aux systèmes de traitement moteur visuel et émotionnel, elle peut également être appliquée à d’autres systèmes, tels que l’intégration sensorimotrice, le langage et le traitement de la mémoire. La démonstration visuelle de cette méthode est essentielle, car les étapes simultanées d’enregistrement des données EEG et IRMf peuvent être difficiles à apprendre.Aussi en raison de la nécessité d’instal

concurrent-eeg-functional-mri-recording-integration-analysis-for

Research

Recherche

JoVE Journal

Biology

Biologie

Nous utilisons la magnétoencéphalographie (MEG) et l'électroencéphalographie (EEG) pour cartographier les zones du cerveau impliquées dans le traitement de simples stimuli sensoriels.

Cartographie fonctionnelle avec MEG et EEG simultanée

Nous avons développé une méthode pour l'imagerie simultanée par résonance magnétique fonctionnelle et l'enregistrement électrophysiologique dans le cerveau de rongeurs, en fournissant une plateforme pour l'étude de la relation entre l'activité neuronale et le niveau d'oxygénation du sang dépendantes (BOLD) du signal IRM.

IRMf simultanées et l&#39;électrophysiologie dans le cerveau de rongeurs

Nous présentons une méthode pour collecter des signaux electrocorticographic des fins de recherche de l'homme qui sont en cours de surveillance d'épilepsie invasive. Nous montrons comment utiliser la plate-forme BCI2000 logiciels pour la collecte des données, traitement du signal et la présentation du stimulus. Plus précisément, nous démontrons Sigfried, un outil basé sur BCI2000 en temps réel la cartographie fonctionnelle du cerveau.

Enregistrement de l&#39;homme (Electrocorticographic ECoG) Signaux pour la recherche neuroscientifique et en temps réel la cartographie fonctionnelle corticale

Nous utilisons et magnéto-électroencéphalographie (MEG / EEG), combinées avec des informations anatomiques capturée par imagerie par résonance magnétique (IRM), pour cartographier la dynamique du réseau cortical associé à l'attention auditive.

Cartographie dynamique corticales à l&#39;aide MEG / EEG simultanés et anatomique contrainte minimum-norm Budget: un exemple L&#39;attention auditive

Électroencéphalographie simultanée (EEG) et l'imagerie par résonance magnétique fonctionnelle (IRMf) est un outil de neuroimagerie puissant. Toutefois, à l'intérieur d'un appareil d'IRM forme un environnement difficile pour l'enregistrement et de la sécurité des données EEG doivent être considérés chaque fois que l'équipement d'exploitation à l'intérieur d'un scanner EEG. Ici, nous présentons un protocole d'acquisition de données EEG-IRMf optimisé.

Meilleures pratiques actuelles pour l&#39;obtention de données à haut EEG de qualité lors de l&#39;IRMf simultanées

Ce document décrit une méthode de collecte et d'analyse de l'électroencéphalographie (EEG) des données lors de la stimulation magnétique transcrânienne concurrente (TMS) guidée par activations révélées par imagerie par résonance magnétique fonctionnelle (IRMf). Une méthode pour TMS artefact enlèvement et l'extraction des événements liés potentiels est décrite ainsi que les considérations en matière de conception de paradigme et expérimental.

Extraction Potentiels évoqués visuels de l&#39;EEG données enregistrées pendant l&#39;IRMf guidée stimulation magnétique transcrânienne

L’IRM de connectivité fonctionnelle à l’état de repos a identifié des anomalies chez des patients atteints d’un large éventail de troubles neuropsychiatriques, y compris l’épilepsie due à des malformations du développement cortical. La stimulation magnétique transcrânienne en combinaison avec l’EEG peut démontrer que les patients atteints d’épilepsie ont une hyperexcitabilité corticale dans les régions où la connectivité est anormale.

Une méthode Multimodal Imaging- et basée Stimulation-de l&#39;évaluation de connectivité liés excitabilité cérébrale chez les patients atteints d&#39;épilepsie

Nous présentons deux protocoles analytiques qui peuvent être utilisés pour analyser les données de l’électroencéphalographie intracrânienne en utilisant le logiciel de statistiques paramétriques cartographie (SPM) : analyse temps-fréquence statistique paramétrique mappage pour l’activité neuronale et la dynamique causale modélisation des réponses induites pour intra - et inter - régionales, connectivité.

Analyser l’activité neurale et la connectivité à l’aide des données EEG intracrânienne avec logiciel SPM

Cet article fournit un protocole simple pour acquérir des données de bonne qualité de l’électroencéphalographie (EEG) pendant eeg simultané et formation image de résonance magnétique fonctionnelle en utilisant des produits médicaux aisément disponibles.

Acquisition fiable de données d’électroencéphalographie au cours de l’électroencéphalographie simultanée et de l’IRM fonctionnelle

Cet article détaille les procédures d’enregistrement simultanées d’électroencéphalogramme et d’imagerie par résonance magnétique fonctionnelle (EEG-IRMf) qui peuvent être utilisées dans des contextes cliniques et de recherche. Les procédures de traitement EEG pour retirer les artefacts d’imagerie pour examen clinique sont également incluses. Cette étude se concentre sur l’exemple de l’épilepsie pendant la période interictale.

Installation de l’équipement et retrait d’artefacts pour électroencéphalogramme simultané et imagerie par résonance magnétique fonctionnelle pour examen clinique dans l’épilepsie

Un nouveau protocole de stimulation magnétique transcrânienne personnalisée en combinaison avec la cartographie par électroencéphalographie (TMS-EEG) des réseaux corticaux, informé par plusieurs modalités de données d’imagerie par résonance magnétique (IRM).

TMS-EEG guidé par neuroimagerie pour la cartographie du réseau cortical en temps réel

Découvrez l'intégration simultanée de l'EEG et de l'IRM fonctionnelle pour améliorer la localisation des sources cérébrales avec une précision spatiale et temporelle optimale. Cette méthode avancée permet d'étudier les processus cognitifs complexes et les voies neuronales impliquées dans l'épilepsie et les troubles neurocognitifs.

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

Explorer plus de vidéos