Elettroencefalografia e magnetoencefalografia simultanee per identificare le regioni cerebrali soggette a convulsioni

Abstract

Fonte: Papadelis, C.C., et al., Oscillazioni interictali ad alta frequenza rilevate con magnetoencefalografia ed elettroencefalografia simultanee come biomarcatore dell'epilessia pediatrica. J. Vis. Exp.{{TAG_ 27}} (2016).

Questo video mostra il metodo di utilizzo delle registrazioni elettroencefalografiche (EEG) e magnetoencefalografiche (MEG) per identificare le scariche epilettiformi interictali (IED) e le oscillazioni ad alta frequenza (HFO) per localizzare le regioni inclini alle convulsioni nel cervello.

Protocollo

Tutte le procedure che coinvolgono partecipanti umani sono state eseguite in conformità con le linee guida istituzionali, nazionali e internazionali per il benessere umano e sono state esaminate dal comitato di revisione istituzionale locale.

1. Acquisizione dati

1. Magnetoencefalografia (MEG) ed elettroencefalografia (EEG)
   NOTA: L'acquisizione dei dati MEG/EEG viene eseguita in base al metodo. Maggiori dettagli sull'uso clinico del MEG nell'epilessia pediatrica possono essere trovati altrove.
   1. Registra i segnali MEG con un sistema MEG a testa intera.
      NOTA: Il sistema MEG impiega sensori a film sottile di due tipi (gradiometri planari e magnetometri) integrati su 102 elementi del sensore. Ogni elemento contiene un magnetometro costituito da una singola bobina e due gradiometri planari ortogonali che consistono in una configurazione a bobina di tipo "a forma di otto". Il magnetometro misura il flusso magnetico perpendicolarmente alla sua superficie, e i gradiometri misurano la differenza tra i due anelli dell'"otto", o il gradiente spaziale. Il sistema MEG dispone di 204 gradiometri planari e 102 magnetometri (306 sensori in totale). I sistemi MEG di diversi fornitori hanno numeri e tipi diversi di bobine (i.e., gradiometri assiali).
   2. Registra simultaneamente i segnali EEG utilizzando un cappuccio per elettrodi non magnetico a 70 canali con elettrodi ad anello sinterizzato Ag/AgCl ed elettrodi aggiuntivi in T1/T2. Utilizzare un montaggio di riferimento comune.
   3. Chiudere la porta della camera magnetica schermata (MSR). Comunicare con il paziente tramite un sistema di interfono per verificare se si sente a proprio agio. Chiedi al genitore di rimanere all'interno dell'MSR durante la registrazione se il bambino si sente a disagio a stare da solo.
   4. Avvia le registrazioni facendo clic sul pulsante "Vai" nel software di acquisizione MEG. Utilizzare un'elevata frequenza di campionamento di 1 KHz (o più). Utilizzare un filtro IIR (Infinite Impulse Response) passa-basso del 6° ordine a 400 Hz. Controlla tutti i segnali registrati online. Correggi i canali MEG danneggiati utilizzando un sintonizzatore sensore.
      NOTA: I canali MEG difettosi sono definiti come sensori (gradiometri o magnetometri) che hanno un livello relativamente alto di rumore bianco (superiore a 2-5 fT/√Hz per i magnetometri) o sensori che registrano rumore elettromagnetico ambientale spurio. Questo di solito accade quando i sensori sono esposti a forti campi magnetici (relativi ai segnali misurati) e parti specifiche delle bobine "intrappolano" il flusso magnetico, distruggendo la superconduttività. Un sintonizzatore di sensori viene quindi utilizzato per riscaldare la bobina applicando una corrente elettrica attraverso di essa. Questa procedura è chiamata tuning e viene utilizzata quando il livello di rumore bianco del sensore è superiore a una soglia specifica (, ovvero 2 - 5 fT/√Hz). Alcuni sistemi MEG non dispongono di sintonizzatori di sensori.
   5. Misurare la posizione della testa del paziente facendo clic sul pulsante "Misura" nel software di acquisizione MEG. Se l'array sensoriale non copre bene la testa del paziente, chiedere al paziente di spostare la testa più in profondità nel casco.
      NOTA: Questa manovra attiva le 4 bobine dell'indicatore di posizione della testa (HPI) applicando segnali elettrici oscillatori transitori attraverso di esse, che generano campi magnetici artificiali. I sensori MEG rilevano questi campi e determinano la posizione della testa.
   6. {{}}Registra registrazioni MEG, EEG e periferiche facendo clic sul pulsante 'Registra' nel software di acquisizione MEG (i.e., elettrocardiogramma o ECG, elettrooculogramma o EOG, ed elettromiogramma o EMG) per ~60 min.
      NOTA: I dati vengono memorizzati come file .fif negli array ridondanti di dischi indipendenti (RAID). Il tipo di file è diverso per gli altri fornitori di MEG.
   7. Al termine della registrazione, aprire l'MSR, scollegare i cavi e rimuovere il paziente dalla sala MSR. Rimuovere delicatamente tutti i nastri, gli elettrodi, le bobine HPI e la cuffia EEG. Lavare la testa del paziente.
   8. Al termine dell'acquisizione, registrare i segnali magnetici dell'MSR vuoto senza il paziente. Avvia le registrazioni facendo clic sul pulsante "Vai" nel software di acquisizione MEG. Registra i dati MEG per 2 minuti.
      NOTA: Questi dati vengono utilizzati per stimare il rumore elettromagnetico ambientale.

2. Identificazione dell'attività interictal

1. Apri i dati utilizzando Brainstorm, che è documentato e disponibile gratuitamente per il download online sotto la GNU General Public License.
2. Selezionare le parti visive dei dati EEG con attività interictale che si verifica ad almeno 2 ore di distanza dalle crisi cliniche.
   NOTA: Figura 1 presenta una porzione di dati EEG e MEG con IED frequenti.
   1. Identificare scariche epilettiformi interictali (IED) empiricamente ben definite nei segnali EEG: questo include picchi (20 - 70 ms) e onde acute (70 - 200 ms).
      NOTA: Il significato clinico di entrambi i tipi di IED nella localizzazione del focus epilettico è equivalente.
   2. Cercare di identificare (se possibile) porzioni delle registrazioni con: (i) artefatti di movimento minimi, (ii) più di 3 - 4 IED per 10 s di visualizzazione e (iii) sonno non-REM a onde lente che di solito presenta un numero elevato di oscillazioni ad alta frequenza (HFO).
3. Utilizzando Brainstorm, visualizzare i dati con le impostazioni di visualizzazione standard (10 s/pagina). Andare alla scheda Filtro e impostare i seguenti parametri di visualizzazione del filtro: filtro passa-alto: 1 Hz, filtro passa-basso: 80 Hz e filtro notch: 50 o 60 Hz (a seconda della frequenza della linea di alimentazione). Ispeziona i dati e identifica parti di essi con IED.
   NOTA: Verranno scansionate solo le parti del segnale con IED per cercare HFO. I filtri selezionati sono solo per la visualizzazione; non sono stati applicati ai dati. Per applicare in modo permanente questi filtri ai dati, utilizzare un filtro passa-banda di Butterworth (4° ordine) seguendo le istruzioni sul sito Web di Brainstorm (http://neuroimage.usc.edu/brainstorm/).
4. Segnare il picco di ogni IED che si verifica sia nei dati EEG che MEG (vedere le macchie rosse in Figura 1).
   NOTA: Ulteriori dettagli sulla marcatura degli IED utilizzando Brainstorm possono essere trovati altrove (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. Rilevamento semiautomatico di HFO in dati EEG e MEG simultanei del cuoio capelluto

NOTA: Qui descriviamo un metodo semi-automatico per rilevare gli HFO, che include un rilevamento automatico (Figura 2}), seguito da una revisione visiva degli HFO rilevati automaticamente. Al fine di evitare le oscillazioni spurie dei transitori bruschi come vere increspature e per garantire che gli HFO non siano dovuti a un fenomeno di filtraggio, abbiamo seguito gli ultimi suggerimenti della letteratura pertinente: abbiamo richiesto che gli HFO avessero un numero minimo di 4 oscillazioni poiché è stato osservato che la risposta all'impulso del filtro ha meno oscillazioni del numero di cicli scelto50, abbiamo utilizzato il filtro FIR (Finite Impulse Response) per minimizzare l'effetto di ringing e il fenomeno "Gibbs"50, abbiamo richiesto che gli eventi HFO candidati fossero ispezionati anche visivamente da un esperto per verificare se gli HFO fossero visibili anche sovrapposti agli IED, e abbiamo richiesto l'osservazione di un'isola isolata nella pianura tempo-frequenza perché un evento brusco e un'oscillazione hanno firme diverse: un HFO reale è rappresentato da un picco isolato nel grafico tempo-frequenza (ristretto in frequenza, come "isola") situato nella banda di 80 - 500 Hz, mentre un evento transitorio genera un blob allungato, esteso in frequenza.

1. Rilevamento automatico dell'HFO
   NOTA: La Figura 2 descrive il diagramma di flusso del rilevamento automatico degli HFO su ciascun segnale EEG. L'obiettivo del metodo sviluppato è quello di ridurre l'onere per l'esperto EEG di marcare gli eventi HFO su ciascun canale EEG utilizzando un display di 2 s/pagina raccomandato per l'ispezione visiva degli HFO. Un HFO è stato definito come un evento all'interno della banda di frequenza di ripple (80 - 250 Hz), che ha almeno 4 oscillazioni di morfologia sinusoidale che si distinguono dal fondo circostante e che appare come un evento di breve durata con un picco spettrale isolato ad un'alta frequenza distinta.
   1. Rilevamento di HFO candidati nel dominio del tempo
      1. Band-pass (BP) filtra i segnali EEG tra 80 e 250 Hz, limitando il loro contenuto di frequenza alla banda di ondulazione di interesse.
         NOTA: Si raccomanda di utilizzare un filtro FIR per minimizzare l'effetto di squillo e il fenomeno "Gibbs", e un filtro digitale a fase zero per evitare la distorsione di fase.
      2. Calcola l'inviluppo del segnale BP utilizzando la trasformazione di Hilbert. Calcola la media e la deviazione standard (SD) dell'inviluppo su finestre scorrevoli di 10 s centrate su ciascun punto della serie temporale. Stimare la media complessiva e la SD utilizzando il valore mediano su tutte le finestre (al fine di ottenere valori robusti rispetto all'eventuale presenza di porzioni del segnale con molti HFO e SD elevata).
      3. Calcola lo z-score della busta e contrassegna un HFO candidato ogni volta che supera la soglia minima, che è impostata su 3.
      4. Definire i punti di inizio e fine dell'evento rilevato come i superamenti verso l'alto e verso il basso di metà soglia. Si considerino gli HFO con un intervallo tra eventi inferiore a 30 ms come un singolo HFO. Calcola il numero di picchi nel segnale BP tra i punti di inizio e fine dell'HFO e scarta gli eventi con meno di 4 picchi. Inoltre, scarta gli eventi con un punteggio z superiore a 12.
         NOTA: Modifica la tua soglia massima di z-score in base all'ampiezza degli artefatti che possono verificarsi nelle tue registrazioni. Gli eventi con un basso numero di oscillazioni possono essere causati da effetti di filtraggio, mentre gli eventi con ampiezze estremamente elevate possono essere dovuti ad artefatti muscolari o elettrodi.
   2. Rifiuta possibili artefatti nel dominio della frequenza temporale.
      NOTA: Questo passaggio è necessario per distinguere i veri HFO dagli eventi che potrebbero essere suscitati da altre attività EEG e artefatti di filtraggio, il cui contenuto di frequenza non è limitato alla banda di frequenza di interesse. Si basa sul presupposto che un HFO reale appaia come un evento di breve durata con un picco spettrale isolato a una frequenza distinta superiore a 80 Hz, in contrasto con un evento transitorio che genera un blob allungato esteso in frequenza. Figura 3 illustra un esempio di un HFO rilevato che mostra il segnale EEG filtrato BP (pannello superiore), il suo inviluppo (pannello centrale) e il corrispondente piano tempo-frequenza (pannello inferiore), durante il periodo di [-0,5, +0,5] s intorno al picco dell'HFO. La visualizzazione del piano tempo-frequenza è limitata da 80 a 150 Hz perché non è stata osservata alcuna attività prominente per frequenze superiori a 150 Hz.
      1. Trasforma tutti gli eventi HFO candidati nello spazio tempo-frequenza utilizzando la trasformazione di Morlet nell'intervallo di frequenza da 1 Hz alla frequenza più alta di interesse, i.e., 250 Hz (frequenza centrale = 1 Hz, Full-Width-At-Half-Maximum = 3 s).
      2. Analizza gli spettri di potenza istantanei della rappresentazione tempo-frequenza su ogni punto temporale della durata dell'evento. Per ogni spettro di potenza, seguire i criteri automatici per rilevare il picco nella banda delle alte frequenze e per verificare se è chiaramente distinto dal picco più vicino nella gamma delle frequenze inferiori. Scartare gli HFO che non mostrano uno spettro di potenza con un picco isolato ad alta frequenza in almeno il 90% dei punti temporali.
2. Ordina tutti gli eventi HFO rilevati in base alla loro occorrenza temporale tra i canali. Raggruppa tutti gli HFO consecutivi la cui durata si sovrappone. Conservare solo gruppi di HFO che coinvolgono almeno due canali EEG per ulteriori analisi.
   NOTA: L'algoritmo richiede che gli HFO si verifichino in almeno 2 canali per evitare di catturare artefatti casuali spuri, che possono assomigliare a veri HFO e verificarsi in singole derivazioni EEG. Due HFO consecutivi sono considerati sovrapponibili quando l'ora di inizio del secondo HFO precede l'ora di inizio del primo.
3. Revisione visiva degli eventi HFO
   1. Allinea verticalmente 2 schermi di computer; uno per l'ispezione dell'EEG e uno per l'ispezione dei segnali MEG. Visualizza gli eventi rilevati sia sulla scala espansa (2 s/pagina) che su quella tipica (10 s/pagina), mostrando, rispettivamente, i segnali filtrati BP da 80 - 250 Hz e da 1 - 40 Hz.
   2. Ignorare gli eventi che si verificano in concomitanza con artefatti muscolari o elettrodici nell'EEG e nel MEG non filtrati, nonché gli eventi con grande variabilità di frequenza, morfologia irregolare o grandi variazioni di ampiezza.
   3. Osservare i segnali EOG ed EMG durante il rilevamento degli HFO e scartare qualsiasi evento che si ritiene corrisponda all'EOG o all'attività muscolare. Considera solo gli HFO che si sovrappongono agli IED EEG/MEG, poiché è più probabile che siano veri HFO.
      NOTA: Questo approccio offre un'elevata specificità al costo di una bassa sensibilità; quindi, fornisce la certezza che gli HFO identificati siano di origine corticale.
   4. Conserva solo gli eventi HFO che si verificano contemporaneamente nei segnali EEG e MEG.

4. Localizzazione delle sorgenti di IED e HFO

1. Localizzare i generatori al picco degli IED MEG, utilizzando i dipoli di corrente equivalente (ECD). Utilizza il software Minimum Norm Estimates disponibile gratuitamente (http://martinos.org/mne/stable/index.html). Considerare solo i picchi con bontà di adattamento (GOF) > 80% e momento di dipolo Q<500 nA - m. Sovrapporre la posizione dell'ECD alla risonanza magnetica di ciascun paziente.
   NOTA: La massima entropia sulla media (MEM) è un metodo alternativo attraente che determina la posizione e l'estensione delle fonti.
2. Localizzazione della sorgente HFO sia all'EEG che al MEG utilizzando il metodo wavelet Maximum Entropy on the Mean (wMEM).
   NOTA: La MEM è una tecnica efficiente che è stata utilizzata con successo per determinare la posizione e l'estensione delle fonti di attività epilettica. Il wMEM è un'estensione del MEM che è stata sviluppata per localizzare l'attività oscillatoria valutata con simulazioni realistiche. Decompone il segnale su una base wavelet discreta prima di eseguire la localizzazione della sorgente MEM su ciascuna scatola tempo-frequenza. Pertanto, wMEM è particolarmente adatto per localizzare gli HFO.
   1. Segmentare la risonanza magnetica e ottenere la superficie corticale utilizzando Freesurfer.
   2. Risolvi il problema EEG/MEG forward con il metodo degli elementi al contorno (BEM) per un modello a 3 strati utilizzando OpenMEEG.
   3. Ricampionare i segnali a 640 Hz per assicurarsi che la seconda scala della trasformata wavelet discreta corrisponda alla banda di frequenza di interesse.
   4. Stimare la matrice di covarianza del rumore nello spazio dati in modo indipendente per ogni HFO, in base al fondo nella banda di ondulazione in una finestra di 150 ms immediatamente prima di ogni HFO. Eseguire la localizzazione della sorgente per ogni HFO nella banda di ondulazione e fare la media lungo la durata dell'HFO. NOTA: La mappa risultante consiste in un valore di attivazione corticale associato a ciascun vertice della tassellatura corticale.
   5. Normalizza ogni mappa in modo da avere un valore massimo di attivazione pari a 1 per ogni HFO.
   6. Calcola la media dei valori di attivazione di tutti gli HFO a ciascun vertice. Applicare una soglia del 60% dell'attivazione massima per visualizzare le mappe finali sulla superficie corticale.

Risultati

Materiali