発作を起こしやすい脳領域を特定するための脳波と脳磁図の同時実施

要約

出典: Papadelis, C., et al., 小児てんかんのバイオマーカーとして、脳磁図と脳波図の同時実施で検出される発作間絡高周波振動. J. Vis. Exp. (2016年)。

このビデオでは、脳波計 (EEG) と脳磁図 (MEG) の記録を使用して、発作間欠性てんかん様放電 (IED) と高周波振動 (HFO) を特定し、脳内の発作を起こしやすい領域を特定する方法を示します。

プロトコル

人間の参加者が関与するすべての手順は、人間の福祉に関する制度的、国内的、および国際的なガイドラインに準拠して実施され、地元の施設審査委員会によって審査されています。

1. データ取得

1. 脳磁図(MEG)および脳波(EEG)
   注:MEG/EEGデータ取得は、この方法に基づいて行われます。小児てんかんにおけるMEGの臨床使用に関する詳細は、他の場所でご覧いただけます。
   1. 全頭部MEGシステムでMEG信号を記録します。
      注: MEGシステムは、102個のセンサー素子に2種類(平面グラディオメーターと磁力計)の薄膜センサーを採用しています。各要素には、1つのコイルと「8の字」タイプのコイル構成で構成される2つの直交平面グラディオンメーターで構成される磁力計が含まれています。磁力計はその表面に垂直な磁束を測定し、グラディオメータは「8」の2つのループ間の差、つまり空間勾配を測定します。MEGシステムには、204台の平面型グラディオメータと102台の磁力計(計306個のセンサ)があります。ベンダーによってMEGシステムの数と種類は異なります(、つまり、アキシャルグラディオン)。
   2. T1/T2にAg/AgCl焼結リング電極と追加電極を備えた非磁性70チャンネル電極キャップを使用して、脳波信号を同時に記録します。共通の参照モンタージュを使用します。
   3. 磁気シールドルーム(MSR)のドアを閉じます。インターホンシステムを介して患者とコミュニケーションを取り、患者が快適に感じるかどうかを確認します。子供が一人でいるのが苦手な場合は、録音中にMSR内にとどまるように親に依頼してください。
   4. MEG取得ソフトウェアの「Go」ボタンをクリックして録音を開始します。1 KHz(またはそれ以上)の高いサンプリングレートを使用します。400 Hzで6次のローパスIIR(Infinite Impulse Response)フィルタを使用します。録音されたすべての信号をオンラインで確認します。センサー チューナーを使用して、不良な MEG チャネルを修正します。
      注: 不良なMEGチャネルは、ホワイトノイズが比較的高いセンサー(グラディオメーターまたは磁力計)√またはスプリアス環境電磁ノイズを記録するセンサーとして定義されます。これは通常、センサーが(測定された信号に対して)強い磁場にさらされ、コイルの特定の部分が磁束を「閉じ込め」、超伝導を破壊する場合に発生します。次に、センサーチューナーを使用して、コイルに電流を流すことでコイルを加熱します。この手順はチューニングと呼ばれ、センサーのホワイトノイズレベルが特定のしきい値(、つまり2 - 5 fT/√Hz)を超えている場合に使用されます。一部のMEGシステムにはセンサーチューナーがありません。
   5. MEG取得ソフトウェアの「測定」ボタンをクリックして、患者の頭の位置を測定します。感覚アレイが患者の頭をしっかりと覆っていない場合は、患者に頭をヘルメットの奥深くに移動するように依頼してください。
      注: この操作は、4つのヘッドポジションインジケータ(HPI)コイルを介して一時的な振動電気信号を適用することにより、それらに人工的な磁場を発生させることにより、コイルを作動させます。MEGセンサーはこれらのフィールドを検出し、頭の位置を決定します。
   6. の「記録」ボタンをクリックして、MEG、EEG、および末梢記録を記録する (、つまり心電図または心電図、眼電図またはEOG、
      注: データは .fif ファイルとして Redundant Arrays of Independent Disks (RAID) に保存されます。ファイルの種類は、他の MEG ベンダーとは異なります。
   7. 録音が終了したら、MSRを開き、ケーブルを外して、患者をMSRルームから退出させます。すべてのテープ、電極、HPIコイル、およびEEGキャップをそっと取り外します。患者の頭を洗います。
   8. 取得が完了したら、患者なしで空のMSRの磁気信号を記録します。MEG取得ソフトウェアの「Go」ボタンをクリックして録音を開始します。MEGデータを2分間記録します
      注: このデータは、環境電磁ノイズの推定に使用されます。

2. 発作間欠性活動の識別

1. Brainstormを使用してデータを開きます。Brainstormは、GNU General Public Licenseの下で文書化され、オンラインで無料でダウンロードできます。
2. 脳波データの視覚部分を選択し、臨床発作から少なくとも 2 時間離れて発作間欠活性が発生しています。
   注: 図1は、頻繁なIEDを持つEEGおよびMEGデータの一部を示しています。
   1. EEG信号における経験的に明確に定義された発作間欠性てんかん様放電(IED)を特定します:これには、スパイク(20〜70ミリ秒)と鋭い波(70〜200ミリ秒)が含まれます。
      注: てんかん焦点局在化における両方のタイプのIEDの臨床的意義は同等です。
   2. (i)モーションアーチファクトが最小限であること、(ii)10秒のディスプレイあたり3〜4回以上のIEDがあること、(iii)通常、高周波振動(HFO)が多発する低速ノンレムスリープで、(可能であれば)録音の一部を特定するようにしてください。
3. Brainstormを使用して、標準の表示設定(10秒/ページ)でデータを表示します。[フィルター]タブに移動し、次のフィルター表示パラメーターを設定します:ハイパスフィルター:1 Hz、ローパスフィルター:80 Hz、ノッチフィルター:50または60 Hz(電力線の周波数による)。データを検査し、IEDを使用してデータの一部を識別します。
   注: IEDのある信号の一部のみがHFOを探すためにスキャンされます。選択したフィルターは視覚化専用です。これらはデータに適用されていません。これらのフィルターをデータに永続的に適用するには、Brainstorm の Web サイト (http://neuroimage.usc.edu/brainstorm/) の指示に従って、バンドパス バターワース フィルター (4 次) を使用します。
4. EEGデータとMEGデータの両方で発生する各IEDのピークをマークします(図1の赤い点を参照)。
   注: Brainstormを使用したIEDの採点についての詳細は、他の場所(http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy)にあります。

3. 頭皮脳波とMEGの同時データにおけるHFOの半自動検出

注: では、自動検出(Figure 2)を含む、HFOを検出する半自動方法について説明します。 続いて、自動的に検出されたHFOの視覚的なレビューが続きます。鋭い過渡現象のスプリアス振動を真のリップルとして回避し、HFOがフィルタリング現象によるものではないことを確認するために、我々は関連文献の最新の提案に従った:フィルタのインパルス応答が選択されたサイクル数50よりも少ない振動を有することが観察されているため、HFOは最小4振動を持つことを要求した。 我々は、リンギング効果と「ギブス」現象50を最小化するために有限インパルス応答(FIR)フィルタを使用し、HFOの候補を専門家が目視でも検査して、HFOがIEDに重ねて見えるかどうかを確認することを要求し、また、急激な事象と振動は異なるシグネチャを持つため、時間周波数平野で孤立した島を観測することを求めた。 実際のHFOは、80〜500 Hzの帯域にある時間-周波数プロットの孤立したピーク(周波数が「アイランド」として制限されています)で表されますが、過渡的なイベントは、周波数が拡張された細長いブロブを生成します。

1. 自動HFO検出
   注:図2は、各EEG信号のHFOの自動検出のフローチャートを示しています。開発された方法の目標は、HFOの目視検査に推奨される2秒/ページディスプレイを使用して、各EEGチャネルでHFOイベントをマーキングするEEG専門家の負担を軽減することです。HFOは、リップル周波数帯域(80 - 250 Hz)内のイベントとして定義され、周囲の背景から少なくとも4つの正弦波様の形態の振動が際立っており、明確な高周波で孤立したスペクトルピークを持つ短寿命のイベントとして現れます。
   1. 時間領域
      1. バンドパス(BP)は、80〜250HzのEEG信号をフィルタリングし、その周波数成分を対象のリップルバンドに制限します。
         注: リンギング効果と「ギブス」現象を最小限に抑えるためにFIRフィルタを使用し、位相歪みを避けるためにゼロフェーズデジタルフィルタリングを使用することをお勧めします。
      2. ヒルベルト変換を使用して BP 信号の包絡線を計算します。時系列の各点を中心とする 10 秒のスライディング ウィンドウ上のエンベロープの平均と標準偏差 (SD) を計算します。すべてのウィンドウの中央値を使用して、全体の平均と SD を推定します (HFO が多く、SD が高い信号の一部が存在する可能性に対してロバストな値を取得するため)。
      3. 封筒の Z スコアを計算し、最小しきい値 (3 に設定) を超えるたびに候補 HFO をマークします。
      4. 検出されたイベントの開始点と終了点を、しきい値の半分の上向きと下向きの交差として定義します。イベント間間隔が 30 ミリ秒未満の HFO を 1 つの HFO と考えます。HFO の開始点と終了点の間の BP 信号のピーク数を計算し、ピークが 4 つ未満のイベントを破棄します。また、Z スコアが 12 を超えるイベントは破棄します。
         NOTE: 録音で発生する可能性のあるアーティファクトの振幅に応じて、最大zスコアのしきい値を変更します。振動数が少ないイベントはフィルタリング効果によって引き起こされますが、振幅が極端に大きいイベントは、筋肉や電極のアーチファクトが原因である可能性があります。
   2. 時間-周波数領域で発生する可能性のあるアーティファクトをリジェクトします。
      注: この手順は、実際のHFOと、他のEEG活動やフィルタリングアーチファクトによって誘発される可能性のあるイベントを区別するために必要です。その頻度内容は、関心のある周波数帯域に限定されません。これは、実際のHFOは、80Hzを超える明確な周波数で孤立したスペクトルピークを持つ短寿命のイベントとして現れるという仮定に基づいています。これとは対照的に、周波数が拡張された細長いブロブを生成する過渡的なイベントとは対照的です。図3 は、BPでフィルタリングされたEEG信号を示す検出されたHFOの例を示しています(上パネル)。 そのエンベロープ(中央パネル)と対応する時間-周波数平面(下部パネル)は、HFOピークの周りの[-0.5、+ 0.5]秒の期間中です。150 Hz を超える周波数では目立った活動が観察されなかったため、時間-周波数平面の表示は 80 Hz から 150 Hz に制限されています。
      1. 1 Hz から対象とする最高周波数までの周波数範囲で Morlet 変換を使用して、すべての候補 HFO イベントを時間周波数空間に変換します。、つまり、 250 Hz (中心周波数 = 1 Hz、全幅半最大値 = 3 秒)。
      2. イベント期間の各時点における時間-周波数表現の瞬時パワースペクトルを解析します。各パワースペクトルについて、自動基準に従って高周波帯域のピークを検出し、それが低周波数範囲の最も近いピークと明確に区別されるかどうかを確認します。少なくとも 90% の時点で孤立した高周波ピークを持つパワー スペクトルを示さない HFO は破棄します。
2. 検出されたすべての HFO イベントを、チャネル間での時間的発生で並べ替えます。デュレーションが重複するすべての連続するHFOをグループ化します。さらなる分析のために、少なくとも 2 つの EEG チャネルを含む HFO のグループのみを保持します。
   NOTE: アルゴリズムは、実際のHFOに似ており、単一のEEGリードで発生する可能性のあるスプリアスランダムアーティファクトの捕捉を避けるために、HFOが少なくとも2つのチャネルで発生するように要求します。2 つの連続する HFO は、2 番目の HFO の開始時刻が最初の HFO の開始時刻より前である場合、重複していると見なされます。
3. HFOイベントの視覚的レビュー
   1. 2つのコンピューター画面を垂直に揃えます。1つは脳波の検査用、もう1つは脳磁図信号の検査用です。検出されたイベントを拡張スケール(2 秒/ページ)と標準スケール(10 秒/ページ)の両方で表示し、それぞれ 80 Hz から 250 Hz と 1 から 40 Hz の BP フィルタリング信号を表示します。
   2. フィルタリングされていないEEGおよびMEGで筋肉または電極のアーチファクトと同時発生するイベント、および周波数変動が大きい、形態が不規則である、または振幅変動が大きいイベントは無視します。
   3. HFOの検出中はEOG信号とEMG信号を観察し、EOGまたは筋肉活動に対応すると思われるイベントは破棄します。EEG/MEG IEDと重複するHFOは、真のHFOである可能性が高いため、考慮してください。
      注: このアプローチは、感度が低いという代償として高い特異性を提供します。したがって、同定されたHFOが皮質起源であるという確信が得られます。
   4. EEG信号とMEG信号の両方で同時に発生するHFOイベントのみを保持します。

4. IEDとHFOのソースローカリゼーション

1. 等価電流ダイポール(ECD)を使用して、MEG IEDのピークで発電機をローカライズします。無料で入手できるMinimum Norm Estimatesソフトウェアを使用します(http://martinos.org/mne/stable/index.html)。適合度 (GOF) > 80% で双極子モーメント Q<500 nA - m のスパイクのみを考えてみましょう。各患者のMRIにECDの位置を重ね合わせます。
   注: 平均の最大エントロピー (MEM) は、ソースの位置と範囲を決定する魅力的な代替方法です。
2. ウェーブレットの最大エントロピー・オン・ザ・ミーン(wMEM)法を使用したEEGとMEGの両方でのHFOソースのローカリゼーション。
   注: MEMは、てんかん活動の原因の位置と範囲を特定するために成功裏に使用されている効率的な技術です。wMEMは、現実的なシミュレーションで評価された振動活動の位置を特定するために開発されたMEMの拡張です。信号を離散ウェーブレットベースで分解してから、各時間-周波数ボックスでMEMソースのローカリゼーションを実行します。したがって、wMEMはHFOのローカライズに特に適しています。
   1. MRIをセグメント化し、Freesurferを使用して皮質表面を取得します。
   2. OpenMEEGを使用した3層モデルの境界要素法(BEM)でEEG/MEG前方問題を解きます。
   3. 離散ウェーブレット変換の 2 番目のスケールが対象の周波数帯域に対応するように、信号を 640 Hz にリサンプリングします。
   4. 各 HFO の直前の 150 ミリ秒のウィンドウにおけるリップル帯域の背景に基づいて、各 HFO のデータ空間内のノイズ共分散行列を個別に推定します。リップルバンドの各HFOのソース位置推定を実行し、HFOの持続時間に沿って平均化します。 注: 結果のマップは、皮質テッセレーションの各頂点に関連付けられた皮質活性化値で構成されます。
   5. 各 HFO の最大アクティベーション値が 1 に等しくなるように、各マップを正規化します。
   6. 各頂点におけるすべての HFO の活性化値の平均を計算します。皮質表面上に最終的なマップを表示するために、最大活性化の60%のしきい値を適用します。

結果

材料