JoVE Encyclopedia of Experiments
מדעי המוח
0 צפיות • 4:40 דק' • May 29th, 2025
התחל עם משתתף אנושי הלובש אלקטרודות אלקטרואנצפלוגרפיה או EEG ואלקטרודות נוספות, שוכב בתא המגנטואנצפלוגרפיה או MEG.
ה-EEG רושם את האותות החשמליים מתאי עצב ומייצר את נתוני ה-EEG.
בו-זמנית, MEG מזהה אותות מגנטיים שנוצרים על-ידי פעילות חשמלית עצבית, ומייצר את נתוני ה-MEG.
בעזרת האלקטרודות הנוספות, רשמו אותות היקפיים מתנועות הגוף.
הסר את המשתתף והקלט את אות הרקע כדי להסיר רעש מהנתונים.
השווה נתוני EEG ו-MEG כדי לזהות מקטעים עם פריקות אפילפטיות אינטריקטליות או מטעני חבלה.
מטעני חבלה קשורים לפעילות מוחית חריגה חוזרת הקשורה להתקפים.
החל אלגוריתמים וזהה תנודות בתדר גבוה, או HFOs, המייצגים פעילות עצבית מהירה ליד או בתוך מטעני חבלה, והשווה אותם לאותות היקפיים כדי לא לכלול אותות תנועת גוף.
זה מבטיח לוקליזציה מדויקת של HFOs לאזורים המועדים להתקפים.
באמצעות אלגוריתם, נתוני EEG ו-MEG מייצרים מפת מוח תלת מימדית המדגישה אזורי HFO המקושרים לאזורים המועדים להתקפים.
בתוכנת הרכישה של MEG, לחץ על הקלט כפתור כדי להקליט MEG, EEG ולקבל הקלטות היקפיות למשך 60 דקות. לאחר סיום ההקלטה יש לפתוח את ה-MSR ולהוציא את המטופל מחדר ה-MSR. הסר בעדינות את כל הקלטות, האלקטרודות, סלילי ה-HPI ומכסה ה-EEG. לבסוף, לאחר ליווי המטופל מחוץ לחלל הבדיקה, רשום את האותות המגנטיים של ה-MSR הריק למשך שתי דקות ללא נוכחות המטופל.
התחל בפתיחת הנתונים בתוכנת הניתוח. הצג נתוני EEG ו-MEG עם שני חלונות מיושרים אנכית של 10 שניות לעמוד. עבור ללשונית מסנן והגדר את מסנן המעבר הגבוה ל-1 הרץ, את מסנן המעבר הנמוך להרץ ואת מסנן החריץ ב-50 או 60 הרץ.
בדוק את הנתונים וזהה חלקים עם הפרשות אפילפטיות אינטריקטליות או מטעני חבלה. סמן את השיא של כל מטען חבלה המתרחש הן בנתוני EEG והן בנתוני MEG. הפעל את האלגוריתם לזיהוי אוטומטי של HFOs על חלקי נתוני EEG עם מטעני חבלה וייבא את ה-HFOs שזוהו לתוכנה לצורך הדמיית נתונים. כדי לסקור את אירועי ה-HFO שזוהו, הצג EEG, MEG והקלטות היקפיות עם חלונות מיושרים אנכית של 2 שניות לעמוד. עבור ללשונית מסנן והגדר את מסנן המעבר הנמוך ל-250 הרץ ואת מסנן המעבר הגבוה ל-80 הרץ.
כדי להבטיח שה-HFOs שזוהו אינם נובעים מחפצים, ודא שאין פעילות במקביל בהקלטות ההיקפיות. יתר על כן, קחו בחשבון רק את אירועי ה-HFO המתרחשים הן באותות EEG והן באותות MEG והתעלמו מ-HFOs שאינם חופפים למטעני החבלה המסומנים. לאחר מכן, פלחו את ה-MRI של המטופל, והשיגו את פני השטח של קליפת המוח באמצעות תוכנת ניתוח הדמיה מוחית, והעריכו את המודל הקדמי בשיטת אלמנט הגבול.
עבור כל אירוע HFO, בצע את לוקליזציה של המקור הן על נתוני EEG והן על נתוני MEG באמצעות האנטרופיה המקסימלית של Wavelet בשיטת Mean או wMEM. ממוצע של תוצאות הלוקליזציה לאורך משך האירוע כדי לקבל מפת לוקליזציה של מקור. לבסוף, דמיין את אזור ה-HFO על פני השטח של קליפת המוח, תוך החלת סף של 60% ממשרעת ההפעלה המקסימלית באמצעות נתוני EEG ו-MEG כאחד.
מחקר זה בוחן הקלטה סימולטנית של נתוני EEG ו-MEG לצורך זיהוי פריגות אפילפטופורמיות בין-התקפיות (IEDs) ותנודות בתדר גבוה (HFOs) הקשורות לאזורים הנוטים להתקפים. המתודולוגיה כוללת אלגוריתמים מתקדמים לניתוח והדמיה של נתונים, המספקים תובנות לגבי פעילות נוירונלית הקשורה לאפילפסיה.
רכישה סימולטנית של EEG ו-MEG עם זיהוי מתקדם של פריגות אפילפטיפורמיות בין-שבובים (IEDs) ותנודות בתדר גבוה (HFOs) מאפשרת לוקליזציה מדויקת של אזורי מוח הנוטים לשבב. זרימת עבודה זו מגבירה את הביטחון החזוי בזיהוי מטרות נוירוביולוגיות ותומכת בהפחתת סיכונים מכניסטיים בגילוי תרופות למערכת העצבים המרכזית (CNS). שילוב של ביומרקרים כמותיים של דימות נוירונים בנקודות תפנית מוקדמות של הגילוי מסייע במיון הפורטפוליו ובהמשכיות תרגומית.
שיטה זו משתלבת ברצף הגילוי, החל מאישוש מטרות מוקדם ועד למחקר פרה-קליני, ומספקת תוצרי הדמיה עצבית כמותיים לצורך קבלת החלטות.
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
סרטונים קשורים
0 צפיות
עודכן לאחרונה: 29 אוגוסט 2026