Name: Corticale Fonte Analisi di alta densità EEG registrazioni nei bambini (Video) | JoVE Journal
Uploaded: 2014-06-30T15:00:00.000+00:00
Duration: 9 min 32 s
Description: Scopri l'analisi delle fonti corticali da registrazioni EEG ad alta densità nei bambini. Questo metodo computazionale utilizza modelli MRI individuali e tecniche di ricostruzione inversa per identificare i generatori neurali dell'attività cerebrale.

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

Vogliamo ringraziare il Prof. John Richards, Università della Carolina del Sud, per averci concesso l'accesso al database Developmental MRI e alle utili discussioni. Vorremmo anche ringraziare i nostri finanziatori Great Ormond Street Children's Charity, UCL Impact e Grand Challenges.

<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>

I costi di pubblicazione di questo articolo sono stati sponsorizzati da Electrical Geodesics, Inc.

Il presente articolo descrive la registrazione e l'analisi dell'EEG ad alta densità per la ricostruzione di generatori corticali utilizzando modelli di elementi limite basati su modelli di risonanza magnetica media appropriati per l'età e stima della norma minima ponderata in profondità in un paradigma ERP standard adatto ai bambini. In questo paradigma, vengono presentate immagini di volti e volti strapazzati. Diversi autori hanno utilizzato questo paradigma per studiare lo sviluppo di meccanismi di elaborazione faccial...

Il presidente Barack Obama ha descritto il cervello umano come la prossima frontiera della scoperta scientifica con l&#39;alta importanza per la salute e l&#39;economia 3 (http://www.whitehouse.gov/share/brain-initiative). Tuttavia, come ogni altro campo nelle scienze naturali, neuroscienze dipende progressi nelle metodologie e tecniche di analisi per il progresso. Due strumenti invasivi non comunemente utilizzati in studi sulla funzione del cervello negli esseri umani sono la risonanza magnetica (MRI) ed elettroencefalografia (EEG). Queste strumento di sfruttare diverse proprietà fisiche e fornire diversi spunti in funzione del cervello, con vantaggi e svantaggi. RM utilizza le proprietà magnetiche delle molecole di acqua all&#39;interno di campi magnetici per ottenere immagini di tessuti viventi. Il soggetto deve essere posto in un magnete con elevata intensità di campo. Il movimento del partecipante è limitato durante queste procedure e il partecipante deve tollerare il rumore causato dai rapidi cambiamenti del magneticocampo. Oltre alle immagini strutturali, RM fornisce anche la possibilità di misurare le variazioni di ossigenazione del sangue per studiare la funzione del cervello (fMRI). In sintesi, MRI offre relativamente elevata risoluzione spaziale fino a 0,5 mm 3 con moderni campi ad alta scanner e parametri ottimizzati 4. In contrasto, la risoluzione temporale della fMRI è limitata alla cinetica lenta della risposta BOLD, che riflette solo indirettamente l&#39;alta dinamica temporale di attività neurale 5,6. D&#39;altra parte, EEG misura le variazioni nell&#39;attività elettrica causata dall&#39;attività dei neuroni attraverso elettrodi posti sul cuoio capelluto. I recenti progressi nella tecnologia EEG permette un&#39;applicazione rapida e semplice dei sensori per breve o lungo termine e fissi così come le registrazioni ambulatoriali. Perché EEG è meno restrittiva, è anche il metodo di scelta per alcune popolazioni partecipanti che non tollerano l&#39;ambiente MRI bene come pediatrica e certopopolazioni geriatriche e psichiatriche. Le proprietà di EEG mostrano un pattern inverso a quelli della MRI: la risoluzione temporale è molto alta con precisione micrometrica, ma la risoluzione spaziale è limitata. Correnti elettriche passano attraverso diversi tessuti tra loro generatore e gli elettrodi EEG sulla superficie del cuoio capelluto. Questo porta a miscelazione e sbavature spaziale dell&#39;attività sorgente noto come effetto di conduzione volume. Pertanto l&#39;attività misurata dagli elettrodi sulla superficie del cuoio capelluto riflette l&#39;attività da molteplici fonti che potrebbero essere lontana alla posizione dell&#39;elettrodo sulla testa 1,7. Molto lavoro negli ultimi anni è stata dedicata alla fusione di MRI e EEG, al fine di sfruttare i loro rispettivi punti di forza. Una linea di lavoro è dedicata alla acquisizione simultanea di EEG e RM in studi funzionali. Un altro approccio è quello di utilizzare le informazioni spaziali fornite dalla MRI strutturale per tener conto del volume conduction effetto attraverso la modellazione biofisica. L&#39;uso delle informazioni strutturali per la ricostruzione fonte di registrazioni EEG è particolarmente utile per studi condotti su un pediatrico. L&#39;indagine dello sviluppo della funzione cerebrale è fondamentale per capire come le abilità cognitive complesse sono costruite sulla cima di precursori semplici 8. Queste indagini aiutano a evidenziare cambiamenti nei substrati neurali e le proprietà di risposta che correlano con i cambiamenti nelle prestazioni comportamentali. Tuttavia, l&#39;indagine delle funzioni cerebrali e cognitive durante lo sviluppo pone anche sfide specifiche. In particolare, la possibilità per gli studi di risonanza magnetica funzionale è limitata come i bambini piccoli ei neonati devono o essere addormentato o sedato per ottenere i dati di risonanza magnetica senza artefatti da movimento e l&#39;impatto negativo sul benessere dei partecipanti. Inoltre, EEG è percepita come meno rischioso e invasivo da parte dei genitori, che rende il reclutamento dei partecipanti alla ricerca più facile. Therefore, EEG è il metodo di scelta per molte indagini della funzione cerebrale nei bambini piccoli. Progressi metodologici nei sistemi EEG permettono l&#39;applicazione di schiere di elettrodi ad alta densità con 128 o più canali in pochi minuti. Facilità di applicazione e comfort sono sufficienti per consentire anche la registrazione EEG nei neonati più giovani. Tuttavia, spesso i ricercatori non sono solo interessati alle dinamiche temporali delle risposte a particolari stimoli, ma vorrebbe anche di confrontare i substrati neurali che mediano le risposte. Una ipotesi prevalente nel livello del canale di analisi ERP confronto diverse fasce di età è che gli stessi substrati neurali rispondono, ma che il tempo o l&#39;ampiezza di risposta varia a seconda dei secoli 9. Simile cuoio capelluto topografia viene spesso utilizzato come indicatore di simile attività neurale sottostante. Tuttavia, molte configurazioni di base diversi possono portare a simili topografie cuoio capelluto 10. Applicando la stima di origine, questo Uncertainty può essere ridotto e quantificato. L&#39;indipendenza delle osservazioni è fondamentale per gli account di rete della funzione cerebrale: se le fonti sono mescolati, le correlazioni saranno sbilanciata verso una maggiore connettività locale. Fonte ricostruzione può essere applicata per ridurre questa distorsione 11. In alternativa, sfasamenti temporali e di fase possono essere utilizzati per l&#39;analisi connettività, ma questi modelli matematici richiedono ipotesi che sono difficili da valutare in dati non simulati 12. In sintesi, la stima fonte fornisce informazioni aggiuntive a livello del canale EEG e analisi ERP basata sulla conoscenza dell&#39;anatomia e della proprietà biofisiche del tessuto. Diversi algoritmi sono stati ideati per trovare soluzioni al problema inverso. Questi algoritmi rientrano in generale in due categorie: parametrici e non parametrici 13. Modelli parametrici assumono uno o più dipoli che possono variare in posizione, l&#39;orientamento e la forza. Al contrario, non modelli parametrici contena gran numero di dipoli con postazione fissa e orientamento. In questi modelli, l&#39;attività elettrica del cuoio capelluto è spiegata come una combinazione di attivazioni in dipoli fissi 10,13,14. Non parametrica, modelli di origine distribuiti possono essere basati sulle conoscenze di anatomia e conducibilità in diversi media. Modelli Boundary Element incorporano valori di conducibilità per i principali tessuti della testa con diversi proiettili per il cervello, il liquido cerebro-spinale, e del cranio. Questo si basa sul presupposto che la conducibilità è pressoché costante all&#39;interno di ciascun compartimento, ma che si verificano notevoli cambiamenti al confine di diversi scomparti. Modelli ad elementi finiti sono basati su un ulteriore segmentazione di esami di risonanza magnetica nella materia grigia e bianca in modo che i valori di conducibilità possono essere assegnati a ciascun voxel 15. In termini pratici, modelli non parametrici sono particolarmente utili per la ricostruzione fonte in compiti cognitivi complessi, in cui il numero delle aree interessate possononon essere conosciuto 10. Modelli ad elementi di contorno sono più utilizzati nella letteratura corrente, probabilmente perché i più accurati modelli agli elementi finiti pongono relativamente elevate esigenze computazionali. Inoltre, vi è una notevole variabilità individuale tra nella materia grigia e bianca in modo che FEM dovrebbe basarsi sui singoli scansioni MRI. Modelli non parametrici richiedono una seconda fase per la corrispondenza del cuoio capelluto attività misurata alle previsioni del modello in avanti. Ancora una volta, approcci differenti con differenti vantaggi e svantaggi sono stati discussi in letteratura (vedi Michel et al. 2004 per una panoramica). Gli algoritmi più utilizzati sono basate sulla stima norma minima (MNE), che corrisponde al cuoio capelluto attività misurata ad una distribuzione di corrente nel modello in avanti con l&#39;intensità globale più basso 16. MNE è sbilanciata verso le fonti deboli e superficiali. Profondità algoritmi MNE ponderati cercano di ridurre il bias superficie con l&#39;introduzione di pesimatrici basate su ipotesi matematiche 10. L&#39;approccio LORETA ampiamente utilizzato si basa anche sul pesata MNE, ma riduce inoltre il laplaciano di fonti, che porta a soluzioni uniformi 17,18. LORETA è stata trovata a svolgere meglio per singole sorgenti in studi di simulazione 19,20. Tuttavia, LORETA può comportare oltre lisciatura di soluzioni. Profondità ponderata MNE è preferibile quando le fonti sono sconosciute o più fonti sono suscettibili di essere presente il 13, 16. Confrontando i risultati di diversi algoritmi per valutare l&#39;influenza delle diverse ipotesi di modello è raccomandato. In sintesi, la ricostruzione fonte attraverso metodi di modellazione è stato limitato per i bambini fino a poco tempo. Questo perché la maggior parte dei software di analisi EEG si basa su modelli di testa basato su adulto anatomia che limita notevolmente la precisione delle soluzioni origine nei bambini 2,8. L&#39;accesso a buon mercato per potenza di calcolo e la fornitura disoftware facile da usare per la ricostruzione di origine permettono di superare queste limitazioni. Applicando la stima sorgente alla EEG offre due importanti vantaggi rispetto analisi basate su osservazioni del livello del canale da solo: migliore risoluzione spaziale e l&#39;indipendenza delle osservazioni. Stima di origine non può essere informativo in alcuni casi: buona copertura della testa è necessaria per distinguere fonti. Sistemi ad alta densità con 128 o più elettrodi sono raccomandati 10,15; una copertura rada agirà come un filtro spaziale che porta alla più ampia attivazione fonte diffusione o falsi negativi 10. Inoltre, ricostruzione source basato sul metodo descritto in questo articolo è stato riportato solo per generatori corticali. Pertanto, è meno adatto per la verifica di ipotesi circa i substrati sottocorticali o interazioni subcorticali corticali. Infine, l&#39;analisi fonte dovrebbe essere basata su ipotesi precedenti dettagliate sui substrati corticali,prendendo la letteratura esistente da altre modalità di imaging in considerazione. Tecniche di filtraggio spaziale può essere utilizzato anche per migliorare la risoluzione spaziale del segnale EEG riducendo miscelazione spaziale a livello cuoio capelluto. Vengono utilizzati metodi alternativi per ridurre l&#39;influenza degli effetti di conduzione del volume senza modellazione testa, ad esempio, Laplacian filtraggio 21 o attuale analisi Sorgente di densità 22. Tuttavia, questi metodi non forniscono maggiori informazioni per generatori neurali come effetti di conduzione del volume non sono solo limitati a sensori in prossimità spaziale 1. Nelle sezioni seguenti, l&#39;articolo descrive come gli esperimenti per lo studio del cervello e della funzione cognitiva nei bambini dai 2 anni di età sono progettati al London Baby-Lab. Avanti, acquisizione dati EEG con i sistemi a bassa impedenza ad alta densità con bambini è discusso. Poi, EEG pre-elaborazione e analisi sul livello del canale è presentato. Lastly, l&#39;articolo si concentra sul trattamento dei dati MRI strutturali per la ricostruzione di origine corticale e l&#39;analisi dei segnali di livello sorgente.

<table><tbody><tr><td>Rete di sensori EEG ad alta densità (128 o 256 canali)</td><td>HydroCel Geodesic Sensor Net 128</td><td>Electrical Geodesic Inc., Oregon, US</td><td></td></tr><tr><td>EEG amplificatore ad alta impedenza</td><td>NetAmps 200</td><td>Electrical Geodesic Inc., Oregon, US</td><td></td></tr><tr><td>Computer di acquisizione dati&nbsp;</td><td>PowerMac G4</td><td>Apple Inc, California, Stati Uniti</td><td></td></tr><tr><td>Computer di presentazione degli stimoli</td><td>Optiplex 745</td><td>Dell Computers Inc., Texas, Stati Uniti</td><td></td></tr><tr><td>Software di presentazione degli stimoli</td><td>MATLAB R2012b con PsychToolBox</td><td>Brainard et al. 1997</td><td></td></tr><tr><td>Software di registrazione EEG</td><td>NetStation 4.5.1</td><td>Electrical Geodesic Inc., Oregon, Stati Uniti</td><td></td></tr><tr><td>Analisi EEG software</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>Software di elaborazione MRI</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., & Makeig, S. EEGLAB: un toolbox open source per l'analisi delle dinamiche EEG di prova singola, inclusa l'analisi dei componenti indipendenti. 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: un'applicazione di facile utilizzo per l'analisi MEG/EEG. Intelligenza Computazionale e Neuroscienze, 1&ndash; 13, (2011).</td></tr><tr><td colspan="4">Fischl, B. et al. Parcellizzazione automatica della corteccia cerebrale umana. Corteccia cerebrale, 14(1), 11&ndash; 22, (2004).</td></tr><tr><td colspan="4">Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. OpenMEEG: software opensource per bioelettromagnetismo quasistatico. BioMedical Engineering OnLine, 9(1), 45, (2010).</td></tr><tr><td colspan="4">Brainard, D. H. La cassetta degli attrezzi della psicofisica. Visione spaziale, (1997).</td></tr></tbody></table>

corticale fonte analisi di alta densità eeg registrazioni nei bambini

Cortical Source Analysis of High-Density EEG Recordings in Children

EEG è tradizionalmente descritto come una tecnica neuroimaging con elevata risoluzione spaziale e temporale basso. I recenti progressi nella modellazione biofisica e di elaborazione del segnale permettono di sfruttare informazioni provenienti da altre modalità di imaging come la risonanza magnetica strutturale che forniscono ad alta risoluzione spaziale per superare questo vincolo 1. Ciò è particolarmente utile per le indagini che richiedono alta risoluzione nel temporale e dominio spaziale. Inoltre, a causa dell&#39;applicazione facile e basso costo di registrazioni EEG, EEG è spesso il metodo di scelta quando si lavora con popolazioni, come i bambini, che non tollerano MRI funzionale analizza bene. Tuttavia, al fine di indagare quali substrati neurali sono coinvolte, informazioni anatomiche da MRI strutturale è ancora necessaria. La maggior parte dei pacchetti di analisi EEG lavorano con modelli standard di testa che si basano su adulto anatomia. L&#39;accuratezza di questi modelli quando usato nei bambini è limitata 2, perché il comPosition e la configurazione spaziale della testa tessuti cambia notevolmente nel corso dello sviluppo 3. Nel presente documento, forniamo una panoramica del nostro recente lavoro utilizzando modelli di testa basato su singole scansioni MRI strutturali o di età modelli di testa specifici per ricostruire i generatori corticali di EEG ad alta densità. Questo articolo descrive come le registrazioni EEG vengono acquisiti, elaborati e analizzati con popolazione pediatrica al London Baby-Lab, tra cui l&#39;installazione di laboratorio, progettazione compito, EEG pre-elaborazione, trasformazione risonanza magnetica, e il livello dei canali EEG e analisi sorgente.

Progettare esperimenti ERP per neonati e bambini è spesso impegnativo, a causa della loro limitata capacità di tollerare esperimenti lunghi e ripetitivi30. Questo problema è ulteriormente aggravato quando lo sperimentatore prevede di applicare la ricostruzione della sorgente, perché una ricostruzione accurata della sorgente richiederà un elevato rapporto segnale/rumore1. La Figura 1 mostra un protocollo sperimentale per lo studio dei meccanismi di elaborazione del volto che può esse...

Negli ultimi anni, c'è stato un crescente interesse nella stima delle fonti corticali dell'attività elettrica misurata sul cuoio capelluto per esperimenti di neuroscienze cognitive. Questo articolo descrive come viene acquisito l'EEG ad alta densità e come vengono elaborate le registrazioni per la stima della sorgente corticale nei bambini a partire dai 2 anni di età presso il London Baby Lab.

Corticale Fonte Analisi di alta densità EEG registrazioni nei bambini

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

L'obiettivo generale del seguente esperimento è stimare i generatori neurali dell'EEG misurato nel cuoio capelluto con i partecipanti pediatrici. Ciò si ottiene registrando l'EEG ad alta densità con i bambini e utilizzando procedure sperimentali adeguate come seconda fase. Un modello di superficie viene calcolato sulla base dei dati di risonanza magnetica, sia per la risonanza magnetica strutturale individuale che per un modello appropriato all'età, che porta a un modello di elementi limite che associa diversi compartimenti con valori di conducibilità per la ricostruzione della sorgente.Successivamente, la posizione dei canali EEG viene coregistrata con il modello inverso. Al fine di calcolare i probabili generatori delle variazioni di tensione misurate nel cuoio capelluto, si ottengono risultati che mostrano il contributo delle sorgenti corticali sulla base dei dati EEG misurati e delle previsioni del modello di testa. Il vantaggio principale di questa tecnica rispetto ai metodi esistenti come l'analisi a livello di canale è che è possibile valutare il probabile contributo di diverse aree corticali a una componente potenziale correlata all'evento.Abbiamo avuto l'idea di utilizzare questo metodo per la prima volta quando volevamo valutare la struttura di rete delle aree corticali utilizzando registrazioni EEG in stato di riposo. La dimostrazione visiva di questo metodo è fondamentale in quanto a misura di bambino. La registrazione dell'EEG è difficile da imparare poiché le procedure di registrazione standard devono essere adattate ai bambini Per iniziare questo protocollo.Innanzitutto, assicurati che il bambino si senta a proprio agio con l'ambiente di test. Per fare ciò, consenti ai bambini più piccoli di sedersi in grembo al loro caregiver o su un comodo seggiolino per bambini. Inoltre, lascia che il bambino veda e senta la rete del sensore prima di applicarla alla testa del bambino.Se c'è una rete in più, chiedi al genitore di provarne una o di metterne una su una bambola o un orsacchiotto di peluche per mantenere i bambini a proprio agio. Durante la preparazione dell'EEG, permettere al bambino di ascoltare la musica. Guarda un cartone animato adatto all'età o distraili usando un altro sperimentatore.Quindi misura la circonferenza massima della testa del bambino per selezionare la misura corretta della rete. Usa un metro a nastro e tienilo vicino alla nasion. Quindi misura la testa attorno alla circonferenza massima di circa un centimetro sopra l'eone.Quindi, identifica il vertice della testa all'intersezione della distanza media tra nasion ed eon, così come il punto auricolare sinistro e destro. Segna questo punto con una penna cinese per assicurarti che il canale Vertex sia posizionato correttamente quando applichi la rete. Ora applica una rete del sensore che è stata imbevuta, una soluzione elettrolitica e assicurati che i canali chiave siano allineati con i punti di riferimento anatomici.Quindi assicurarsi che i canali abbiano un buon contatto con il cuoio capelluto. Posizionando i sensori singolarmente. Ruota delicatamente ciascun sensore da un lato all'altro per spostare i capelli.Quindi, misurare i guadagni e le impedenze dei canali. Fare clic su Avvia per avviare la registrazione nella stazione di rete, nel software di registrazione EEG e avviare la misurazione del guadagno e dell'impedenza. Se la misurazione non si avvia automaticamente, utilizzare l'amplificatore di calibrazione e il pulsante di misurazione delle impedenze nette.Controllare il software di registrazione per i canali con impedenze superiori a 50.000 ohm, che appariranno in rosso. Applicare un'ulteriore soluzione elettrolitica con una pipetta per ridurre le impedenze del canale. Inoltre, controllare il display EEG per i canali che mostrano un'attività ad alta frequenza.Nonostante la bassa impedenza o l'attività notevolmente inferiore rispetto ai canali circostanti, questi canali possono avere un contatto allentato con il cuoio capelluto e richiedere una regolazione. Una volta che tutti i canali sono soddisfacenti, eseguire l'esperimento EEG appropriato dopo l'esperimento EEG. Prima di tutto, pre-elaborare i dati corretti per gli artefatti.Quindi segmentare Una risonanza magnetica anatomica precedentemente acquisita con il software gratuito surfer. Imposta l'ambiente shell per includere free surfer per dot bash rc. Includi il comando visto qui nel file RC dot bash.Quindi, definisci la directory dell'oggetto, che è la cartella. L'output verrà scritto utilizzando il comando visto qui. Quindi importa i segmenti nel software di brainstorming e utilizza gli strumenti di visualizzazione per verificare la presenza di segmentazioni errate, come sfere sovrapposte o compartimenti anatomicamente improbabili.Ispeziona visivamente la segmentazione facendo clic con il pulsante destro del mouse e selezionando Visualizza per stimare prima l'attività di origine, avvia l'applicazione di brainstorming, quindi crea un nuovo protocollo e aggiungi un nuovo soggetto al protocollo. Quindi importare i dati EEG per il partecipante e importare un file di canale. Verificare che i modelli degli elementi di contorno e i canali siano allineati come previsto facendo clic con il pulsante destro del mouse sul file del canale per il soggetto e passando a Registrazione e controllo MRI.Si noti che se le sfere all'interno del modello si sovrappongono o se i canali si trovano all'interno dei modelli degli elementi limite, la ricostruzione dell'origine produrrà risultati errati. Regolare l'allineamento utilizzando l'opzione di modifica nel menu di segmentazione MRI. Quindi, calcola la matrice di Covance del rumore dalla linea di base di ogni epica scegliendo la matrice di Covance del rumore e calcola dalla registrazione.Calcolare quindi il modello di origine selezionando Calcola modello di origine. Calcola la soluzione inversa utilizzando la stima della norma minima ponderata in profondità selezionando la fonte di calcolo e la stima della norma minima. Ripetere questi passaggi per tutti i partecipanti allo studio.Successivamente, calcolare la media dell'attività della sorgente durante le prove per partecipante trascinando le registrazioni nel menu del processo e selezionando media e per condizione. Media del soggetto. Confrontate la condizione selezionando i processi e trascinando ogni condizione in una finestra.Quindi selezionare il test T in base al disegno dello studio per eseguire più confronti. Impostare le soglie di ampiezza e area nella visualizzazione della mappa statistica risultante nel menu delle statistiche. Calcolare ora la risposta correlata all'evento per un'area di interesse.Per ROI basati sulla parcellizzazione. Carica la parcellizzazione gratuita del surfista facendo clic con il pulsante destro del mouse sulla superficie della corteccia nel menu di anatomia e selezionando l'importazione delle etichette. Naviga nel file corrispondente e caricato.Quindi selezionare una regione di interesse nel riquadro di ricerca del menu dei dati funzionali. Per ottenere l'attività correlata all'evento della regione di interesse, trascinare i file nella finestra del processo uno e selezionare Estrai serie temporali di esplorazione. Dal menu delle sorgenti.Si noti che è possibile selezionare contemporaneamente diverse regioni di interesse e le serie temporali possono essere esportate per ulteriori tracciati e analisi. I risultati qui presentati si basano su una registrazione con un bambino di 6 anni. Questa figura mostra le potenziali risposte correlate agli eventi a livello di canale agli stimoli del viso e del viso criptato.La risposta mostra tipicamente una deflessione più negativa tra 130 e 220 millisecondi dopo l'insorgenza dello stimolo sul lato destro per i volti rispetto ai volti strapazzati. Qui vediamo il confronto statistico dell'attività della fonte proiettata sulla base di un modello di testa adulto standard e di un modello di testa appropriato all'età. Nella seconda e terza riga, la mappa dei colori illustra la dimensione dell'effetto, con il rosso che indica una maggiore attività nella condizione dei volti e il blu che mostra una maggiore attività nella condizione dei volti criptati.Infine, questa figura mostra le potenziali risposte correlate all'evento sorgente del giro fusiforme destro in risposta a facce e facce criptate in base alla ricostruzione della sorgente di una registrazione. Utilizzando un modello di elementi al contorno appropriato all'età con stima minima della norma Una volta padroneggiata, questa tecnica può essere eseguita in poche ore dall'analisi della fonte se viene eseguita correttamente Seguendo questa procedura. Altri metodi come la frequenza temporale, la decomposizione possono essere eseguiti per rispondere a ulteriori domande sul contributo dei neurooscillatori in diverse bande di frequenza.Dopo aver visto questo video, dovresti avere una buona comprensione di come stimare i generatori corticali di registrazioni EEG ad alta densità nei partecipanti pediatrici.

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

Research

Ricerca

JoVE Journal

Behavior

Comportamento

Elettroencefalografia serie densa viene usato sempre più per lo studio sociale funzioni cognitive nei bambini e negli adulti. Qui vi presentiamo una metodologia stabilito che rappresenta un miglioramento significativo sulle metodologie convenzionali per lo studio EEG nei bambini e negli adulti.

Indagare Cognizione sociale nei neonati e adulti Utilizzando Elettroencefalografia Dense Array ( D EEG)

L'elettroencefalografia ad alta densità (dEEG) viene utilizzata sempre più spesso per studiare lo sviluppo e la plasticità del cervello nei primi anni di vita. Qui presentiamo un'applicazione di sofisticate tecniche di analisi che si basa sulla tradizionale registrazione EEG per comprendere le dinamiche oscillatorie dell'elaborazione uditiva rapida nel cervello infantile.

Infant elaborazione uditiva e oscillazioni cerebrali eventi correlati

Questo video introduce le procedure di preparazione, registrazione e analisi della sorgente dell'EEG ad alta risoluzione su ratti sedati con un particolare modello preclinico di epilessia focale in condizioni non invasive.

Cervello Imaging Source in modelli preclinici Rat dell&#39;epilessia focale utilizzando ad alta risoluzione EEG Recordings

Stereotassica elettroencefalogramma (SEEG) è una tecnica operatoria utilizzata nella chirurgia dell'epilessia per aiutare a localizzare il sequestro foci. Esso offre anche un'occasione unica per studiare la funzione del cervello. Qui si descrive come SEEG può essere usato per studiare i processi cognitivi in ​​soggetti umani.

Indagare la funzione di Deep corticale e strutture sottocorticali Usando stereotassica Elettroencefalografia: gli insegnamenti della corteccia cingolata anteriore

Oscillazioni ad alta frequenza (HFO) sono emersi come biomarcatori preoperatori per l'identificazione della zona epilettogena in pazienti pediatrici affetti da epilessia refrattaria medico. Una metodologia per la registrazione non invasiva, il rilevamento e la localizzazione di HFO con cuoio simultanea elettroencefalografia (EEG) e magnetoencefalografia (MEG) è presentato.

Interictale oscillazioni ad alta frequenza rilevata con simultanea Magnetoencefalografia e elettroencefalografia come biomarker di Pediatric Epilepsy

Vengono fornite istruzioni per la costruzione a basso costo e l'impianto chirurgico di un montaggio elettroencefalografico cronico transcranico ad alta densità nei topi. Vengono inoltre descritte le tecniche di registrazione, estrazione ed elaborazione dei segnali.

Ad alta densità elettroencefalografico Acquisizione in un modello di roditore Utilizzando risorse a basso costo e open-source

Qui, indichiamo come applicare l'elettroencefalografia ampiezza-integrato per monitorare la funzionalità cerebrale in neonati.

Applicazione di un Monitor EEG ampiezza-integrato (funzione cerebrale Monitor) per neonati

Un EEG-fMRI multimodal imaging metodo, conosciuto come la fonte del EEG di fMRI-vincolata spatiotemporal, metodo, di formazione immagine è descritta qui. Il metodo presentato impiega in modo condizionale-attivo fMRI sottomappe, o priori, per guidare la localizzazione delle sorgenti EEG in un modo che migliora la specificità spaziali e limita risultati errati.

Simultanee EEG e risonanza magnetica funzionale registrazione e analisi di integrazione per l'attività corticale dinamica Imaging

In questo articolo, presentiamo un protocollo per studiare la visuale corticale differenziale evocato potenziali modelli morfologici attraverso la stimolazione delle reti ventrali e dorsali utilizzando EEG ad alta densità. Vengono descritti i paradigmi di stimolo visivo e di movimento, con e senza jitter temporale. Sono inoltre delineate analisi morfologiche evocate dal quadro visivo.

Modelli morfologici potenziali evocati di tempo evocati da corticali specifici dello stimolo

Le tecniche di analisi EEG standard offrono una visione limitata della funzione del sistema nervoso. La derivazione di modelli statistici di connettività corticale offre una capacità molto maggiore di studiare le dinamiche di rete sottostanti. Una migliore valutazione funzionale apre nuove possibilità per la diagnosi, la prognostizione e la previsione dell'esito nelle malattie del sistema nervoso.

Modellazione statistica della connettività corticale mediante elettroencefalogrammi non invasivi

La magnetoencefalografia (MEG) e l'elettroencefalografia ad alta densità (HD-EEG) sono raramente registrate contemporaneamente, sebbene forniscano informazioni di conferma e complementari. Qui, illustriamo il setup sperimentale per la registrazione simultanea di MEG e HD-EEG e la metodologia per l'analisi di questi dati con l'obiettivo di localizzare le aree cerebrali epilettogene ed eloquenti nei bambini con epilessia resistente ai farmaci.

Imaging della sorgente elettromagnetica nella valutazione prechirurgica di bambini con epilessia resistente ai farmaci

Scopri l'analisi delle fonti corticali da registrazioni EEG ad alta densità nei bambini. Questo metodo computazionale utilizza modelli MRI individuali e tecniche di ricostruzione inversa per identificare i generatori neurali dell'attività cerebrale.

Corticale Fonte Analisi di alta densità EEG registrazioni nei bambini

Esplora altri video