Dynamics מיפוי קליפתיים באמצעות MEG סימולטאני / אומדני EEG ומוגבלים מבחינה אנטומית, מינימום-נורמה: דוגמא קשב שמיעתי
24 באוקטובר 2012
אנו משתמשים במגנטים וelectroencephalography (מג / EEG), בשילוב עם מידע האנטומי שנתפס על ידי הדמיית תהודה מגנטית (MRI), כדי למפות את הדינמיקה של רשת קליפת המוח הקשורה לתשומת לב שמיעתי.
המטרה הכוללת של הליך זה היא למפות דינמיקה בקליפת המוח העומדת בבסיס מצבים קוגניטיביים אנושיים שונים. זה מושג על ידי לכידת נתונים מגנטו ואלקטרואנצפלוגרפיים או בקיצור MEG ו-EEG, בזמן שהנבדק מבצע משימה התנהגותית. השלב השני הוא השגת נתונים אנטומיים באמצעות רצפי MRI רלוונטיים.
לאחר מכן מתבצע רישום משותף כדי ליצור התאמה מרחבית בין מיקומי חיישנים של MEG ו-EEG עם מידע אנטומי. השלב האחרון הוא להשתמש בגישת הדמיה הפוכה כדי למפות את פעילויות המוח של הפרט על החלל בקליפת המוח. בסופו של דבר, הסקה סטטיסטית המבוססת על מערכת קואורדינטות מבוססת משטח משותפת משמשת לגילוי דפוסים זמניים מרחביים משמעותיים המבדילים בין מצב קוגניטיבי אחד למשנהו.
מי שידגים את ההליך יהיו אריק לוסון ורוס מדוקס. עבור פוסט-דוקטורנטים במעבדה שלי, התחל פרוטוקול זה על ידי השגת תמונות MR מבניות של הנבדק. ראשית, רכוש סריקת MR מבנית באמצעות מגנטיזציה שהוכנה להד שיפוע מהיר או זעם MP או רצף דומה.
רצף זה עשוי להימשך חמש עד 10 דקות בהתאם לרזולוציית הסריקה הספציפית ולפרוטוקול ההדמיה המשמש אם נתוני EEG ישמשו לניתוח הדמיה הפוכה. רכוש גם שתי סריקות מהירות בזווית נמוכה או MRI פלאש. רצפי הבזק אלה מספקים ניגודיות רקמות שונה מרצפי הזעם הסטנדרטיים של MP.
לאחר השלמת ההדמיה, השתמש ב-MNE ובתוכנת גולשים חינמית כדי לשחזר את העור, הגולגולת החיצונית ומשטחי הגולגולת הפנימיים מתמונות הזעם והפלאש של MP. לאחר מכן השתמש במשטחים אלה כדי ליצור מודל אלמנט גבול תלת שכבתי או bem לפני ניסוי MEG. ראשית בדוק את ההשהיה השמיעתית והראייה כדי להבטיח את תקינות התזמון.
השתמש במיקרופון וב-DDE צילום המחוברים למסך, ולאחר מכן ודא שאין ריצוד שניתן להבחין בו. הדבר עשוי לדרוש הגדרת מקרן המצגת לרזולוציה המקורית שלו. לאחר מכן, הכן את הנושא להקלטה, תוך התייחסות למאמר הווידיאו הקודם של luital לפרטים על הכנת אלקטרוגרמה ואלקטרודות ייחוס, כמו גם דיגיטציה של ציוני הדרך של הנבדק, סלילי חיווי מיקום הראש ואלקטרודות EEG.
לאחר שהנבדק יושב בנוחות בתנוחת ראש מדידת MEG, באמצעות מחוון מיקום הראש או סלילי HPI, התחל להקליט והתחל להציג גירויים שמיעתיים וחזותיים. הערה: ניתן לבצע מדידות HPI גם ברציפות. על הנבדק להגיב לגירויים השמיעתיים והוויזואליים באמצעות תיבת כפתורים אופטית תוך כדי ביצוע משימה התנהגותית אורקולית.
כאן הנבדק מדווח על הדיבור והספרה שמקורם בחצי השדה כפי שהם מסודרים בתור על ידי הרמז החזותי. לעיתים, הנבדקים מתבקשים ויזואלית להפנות את תשומת הלב לאמצע ההמיפילד הנגדי באמצע הניסוי. כדי לחקור החלפת קשב שמיעתי, קיימים פתרונות חומרה ותוכנה רבים לביצוע הצגת גירויים.
כאן, Tucker Davis Technologies RZ six משמש להצגת גירוי שמיעתי והחתמת טריגר עם ארגז כלים פסיכי להצגת גירוי חזותי, שניהם נשלטים על ידי matlab. כדי להתחיל בעיבוד נתונים לרשום את נתוני ה-EEG ל-MR המבני באמצעות תוכנת MNE כפי שניתן לראות כאן, טען תחילה את נתוני הדיגיטייזר למודל ראש ה-MRI המשוחזר של הנבדק. לאחר מכן, בחר ציוני דרך בנאמנות כדי להתחיל את תהליך הרישום המשותף ולאחר מכן המשך להשתמש בהליך היישור האוטומטי כדי להשלים את טרנספורמציית הקואורדינטות.
לאחר מכן לקשר את המיקום של כל דיפול במרחב המקור למיקום של כל חיישן. שלב את נתוני מחוון מיקום הראש המוקלטים כדי לחשב פתרון קדימה עם מודל אלמנט הגבול של שלוש השכבות כדי להגדיל עוד יותר את יחס האות לרעש של הנתונים. החל הסרת חפצים בתחום הזמן כגון הסרת אפוסים המכילים אותות משרעת גבוהים באופן חריג עקב זינוק של ערוץ.
החל גם הסרת חפצים בתחום התדר כגון סינון חריץ פס בתדר קו של 50 או 60 הרץ, השתמש בהקרנת מרחב אותות או טכניקות אחרות להפחתת רעש כגון הפרדת מרחב אותות כדי להקרין או להפריד דפוסי שדה מרחבי מזיהום שדה סביבתי או אותות פיזיולוגיים לא רצויים אחרים כגון אלה הקשורים למצמוץ עיניים וחפצי לב. כעת צור סרט מוח של אומדן הדיפול המבוזר שהוא האומדן הנוכחי בכל מיקום דיפול במרחב המקור בזמן עבור כל תנאי ניסוי. בהתאם למאפיינים הזמניים של תכנון הניסוי, ניתן לכופף נתונים בזמן על ידי ממוצע הערכות נוכחיות באמצעות חלונות זמניים לא חופפים כדי להמשיך בשינוי הניתוח.
סרטי המוח שנוצרו בעבר עבור כל נבדק על מרחב קליפת המוח המשותף המבוסס על מערכת קואורדינטות מבוססת פני השטח המיישרת בצורה אופטימלית דפוסים סיקליים בודדים. זה מאפשר השוואה או ממוצע של פעילויות קליפת המוח בין נבדקים. כדי להשתמש בגישת אזור עניין, ניתן להגדיר החזר ROI מבחינה אנטומית, למשל, על ידי אלגוריתם פרצלציה אוטומטי ו/או פונקציונלית על ידי רישום משימת לוקליזציה פונקציונלית כגון משימת סקון לזיהוי האזורים האוקולומוטוריים ניתן להגביל עוד יותר לזמן עניין ספציפי המתאים לפרדיגמה הניסויית שנעשה בה שימוש, לדוגמה, מוגבל לפרק זמן מיד לפני ואחרי הופעת גירוי הצליל.
ניתן להשתמש גם בהסקה סטטיסטית אחרת הקשורה לניתוח סדרות זמן באמצעות הפרדיגמה ההתנהגותית שתוארה לעיל. כאן אנו רואים תוצאות מייצגות באמצעות הליך האשכולות המרחבי-זמני הלא פרמטרי. שדה העין הקדמית הימנית נמצא משמעותי כאשר נבדק בודד מבצע משימת התמצאות מחדש בהשוואה למשימה סטנדרטית.
באמצעות גישת ה-ROI, מסלול הזמן של שדה העין הקדמית הימנית מוצג יחד עם פרק הזמן שבו שני התנאים הללו שונים באופן משמעותי. אחרי הצפייה בסרטון הזה, אמור להיות לכם מושג טוב כיצד להשתמש ב-M-E-G-E-E וב-MRI כדי למפות דינמיקה של קליפת המוח במטלות התנהגותיות שונות. על ידי שימוש בגישות סטטיסטיות מתאימות, אתה יכול לגלות דפוסים זמניים מרחביים שונים המבדילים בין מצבים קוגניטיביים.
תודה על הצפייה ובהצלחה בניסויים.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה
מחקר זה משתמש במגנטו- ובאלקטרו אנצפלוגרפיה (MEG/EEG) לצד הדמיית תהודה מגנטית (MRI) כדי לחקור את הדינמיקה הקליפתית הקשורה לתשומת לב שמיעתית. שילוב של טכניקות אלו מאפשר מיפוי מקיף של פעילות מוחית במהלך משימות קוגניטיביות.
מרכיבי מחקר מרכזיים
תחום המדע
- נוירומדע
- אלקטרופיזיולוגיה
- טכניקות הדמיה
רקע
- הבנת מצבים קוגניטיביים היא קריטית למחקר בנוירומדע.
- MEG ו-EEG מספקים תובנות לפעילות מוחית ברזולוציה טמפורלית גבוהה.
- MRI מציע הקשר אנטומי מפורט למיפוי המוח.
- רישום משותף של נתונים משפר את הדיוק של ניתוח מרחבי.
מטרת המחקר
- למפות את הדינמיקה הקליפתית הקשורה לתשומת לב שמיעתית.
- להבדיל בין מצבים קוגניטיביים שונים באמצעות דפוסי פעילות מוחית.
- להשתמש בטכניקות הדמיה מתקדמות להבנה טובה יותר של תפקוד המוח.
שיטות ששימשו
- איסוף נתוני MEG ו-EEG במהלך משימות התנהגותיות.
- רכישת נתוני MRI אנטומיים באמצעות רצפים רלוונטיים.
- רישום משותף של מיקומי חיישני MEG/EEG עם נתוני MRI.
- יישום טכניקות הדמיה הפוכות למיפוי פעילות מוחית.
תוצאות עיקריות
- זיהוי של דפוסים מרחביים-זמניים משמעותיים בפעילות מוחית.
- הבחנה במצבים קוגניטיביים על סמך דינמיקה קליפתית ממופה.
- הבנה משופרת של מנגנוני תשומת לב שמיעתית.
- קביעת מערכת קואורדינטות משותפת מבוססת משטח לניתוח.
מסקנות
- שילוב של MEG/EEG ו-MRI יעיל למיפוי מצבים קוגניטיביים.
- הסקה סטטיסטית חושפת דפוסים חשובים בפעילות מוחית.
- גישה זו יכולה לקדם את הבנתנו של תשומת לב שמיעתית.
שאלות נפוצות
Executive Industry Relevance
Mapping cortical dynamics with MEG/EEG and MRI enables high-temporal-resolution investigation of cognitive states relevant to neuropsychiatric target validation. This approach supports mechanistic de-risking by linking distributed neural activity to behavioral phenotypes in disease-relevant systems. It provides predictive confidence for target engagement assays by identifying spatiotemporal biomarkers of cognitive dysfunction.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by mapping cortical network dynamics during attention tasks.
- Operational Value: Enables biological de-risking through distributed source localization of cognitive phenotypes.
- Predictive Value: Supports portfolio triage by identifying cortical biomarkers predictive of attentional deficits.
Screening & Assay Development
- Assay Readiness: Prepares validated neurophysiological systems for compound screening using time-locked and sustained responses.
- Quantitative Outputs: Generates reproducible cortical dipole activation time-series for dose-response modeling.
- Platform Scalability: Supports high-throughput evaluation via automated source modeling and group-level statistics.
Translational & Preclinical Research
- Disease Relevance: Maps cortical dynamics in auditory attention paradigms translatable to ADHD, schizophrenia, and autism models.
- Translational Continuity: Bridges discovery to preclinical validation through common surface-based coordinate systems.
- Risk-Adjusted Advancement: Informs go/no-go decisions by quantifying target engagement effects on network-level cognition.
Pipeline & Workflow Integration
The method integrates into discovery biology through hypothesis testing of cortical networks, advances to screening via reproducible neurophysiological readouts, and supports translational research via group-level statistical inference in a common cortical space.
- Discovery Biology: Tests mechanistic hypotheses by isolating cortical dynamics underlying specific cognitive states like auditory attention.
- Screening: Delivers assay-ready, standardized cortical activation maps for evaluating compound effects on neural networks.
- Analytics: Provides spatiotemporal cortical time-series and group-level statistics for comparing conditions across subjects.
- Translational Research: Connects to preclinical work through anatomically constrained source models and ROI-based analysis of cognitive networks.
- Enterprise Reuse: Establishes a reusable pipeline for mapping cognitive states across therapeutic areas using standardized MNE and FreeSurfer workflows.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by linking MEG/EEG signals to cortical sources during cognitive tasks.
- Operational Value: Ensures reproducibility through standardized co-registration, artifact removal, and inverse imaging steps.
- Strategic Value: Improves go/no-go decisions by providing objective, network-level biomarkers of target engagement.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds based on effects on distributed cortical networks.
Implementation Considerations
- Requires expertise in neuroimaging, MRI acquisition, and MNE/FreeSurfer source modeling.
- Dependent on MEG/EEG systems, MRI scanners, and computational infrastructure for forward/inverse solutions.
- Necessitates cross-team standardization of head positioning, artifact correction, and ROI definition.
- Adaptation across models requires validation of anatomical boundaries and source space alignment.
- Practical limitations include sensitivity to environmental noise and need for artifact rejection protocols.
