同時MEG / EEGおよび解剖学的に制約のある最小ノルム推定値を使用してマッピング皮質ダイナミクス：聴覚注意の例
October 24th, 2012
我々は、磁気共鳴画像法（MRI）によって捕捉解剖学的情報と組み合わせ磁気と脳波（MEG / EEG）は、聴覚注意に関連付けられた皮質ネットワークのダイナミクスをマッピングするために使用します。
この手順の全体的な目標は、さまざまな人間の認知状態の根底にある皮質ダイナミクスをマッピングすることです。これは、被験者が行動課題を実行している間に、最初に磁気データと脳波データ、つまりMEGとEEGをキャプチャすることによって達成されます。2番目のステップは、関連するMRIシーケンスを使用して解剖学的データを取得することです。
次に、MEG と EEG のセンサー位置と解剖学的情報との間の空間的対応を確立するために、共登録が行われます。最後のステップは、逆イメージングアプローチを使用して、個人の脳活動を皮質空間にマッピングすることです。最終的には、共通のサーフェスベースの座標系に基づく統計的推論を使用して、ある認知状態を別の認知状態と区別する有意な空間時間パターンを発見します。
手順を実演するのは、エリック・ローソンとロス・マドックスです。私の研究室のポスドクの場合、このプロトコルは、被験者の構造MR画像を取得することから始めます。まず、磁化調製された急速グラジエントエコーまたはMPレイジまたは同様のシーケンスを使用して、構造MRスキャンを取得します。
このシーケンスは、EEGデータを逆イメージング分析に使用する場合に使用される特定のスキャン解像度とイメージングプロトコルに応じて、5〜10分かかる場合があります。また、2つの高速ローアングルショットまたはフラッシュMRIスキャンを取得します。これらのフラッシュシーケンスは、標準のMPレイジシーケンスとは異なる組織コントラストを提供します。
イメージングが完了したら、MNE と無料の surfer ソフトウェアを使用して、MP rage とフラッシュ画像から皮膚の外側の頭蓋骨と内側の頭蓋骨の表面を再構築します。次に、これらのサーフェスを使用して、MEG実験の前に3層境界要素モデルまたはbemを生成します。まず、聴覚と視覚のレイテンシをテストして、タイミングの整合性を確認します。
画面に取り付けられたマイクと写真のDDEを使用し、その後、観察可能なジッターがないことを確認します。これには、プレゼンテーション プロジェクターをネイティブの解像度に設定する必要がある場合があります。次に、前回のLuitalのビデオ記事を参照して、電位図と参照電極の準備の詳細、および被験者の受託ランドマーク、ヘッドポジションインジケータコイル、EEG電極のデジタル化について、被験者を録音する準備をします。
被験者がMEGに快適に座ったら、ヘッドポジションインジケーターまたはHPIコイルを使用してヘッドポジションを測定し、記録を開始し、聴覚および視覚刺激の提示を開始します。注:HPI測定は連続して行うこともできます。被験者は、視聴覚行動タスクを実行しながら、光学ボタンボックスを介して聴覚および視覚刺激に応答する必要があります。
ここでは、被験者は、視覚的な手がかりによってキューに入れられた半球場から発信されたスポークと数字を報告します。時折、被験者は、試験中に反対側の半球に注意を切り替えるように視覚的に促されます。聴覚注意の切り替えを研究するために、刺激提示を実行するための多くのハードウェアおよびソフトウェアソリューションが利用可能です。
ここでは、Tucker Davis Technologies RZ sixが聴覚刺激の提示と視覚刺激の提示のためのサイケツールボックスによるトリガースタンピングに使用され、どちらもmatlabによって制御されます。ここで見るように、MNEソフトウェアを使用して脳波データを構造MRにコレジストレーションするデータ処理を開始するには、まずデジタイザデータを被験者の再構成MRIヘッドモデルにロードします。次に、受託者ランドマークを選択して共同登録プロセスを開始し、自動位置合わせ手順を使用して座標変換を完了します。
次に、ソース空間内の各ダイポールの位置を各センサーの位置に関連付けます。記録されたヘッド位置インジケーター データを組み合わせて、3 層境界要素モデルと前方解を計算し、データの信号対雑音比をさらに向上させます。チャンネルのスパイクにより異常に高い振幅の信号を含むエピックを削除するなど、時間領域のアーティファクトの除去を適用します。
また、50 ヘルツまたは 60 ヘルツのライン周波数でのバンドノッチフィルタリングなどの周波数領域アーティファクトの除去を適用し、信号空間投影またはその他のノイズ低減技術(信号空間分離など)を使用して、空間フィールドパターンを周囲の環境フィールド汚染や、まばたきや心臓アーチファクトに関連する信号などの他の望ましくない生理学的信号から投影または分離します。次に、分布ダイポール推定値が、各実験条件の時間内のソース空間内の各ダイポール位置における電流推定値であるブレインムービーを生成します。実験計画の時間的特性に応じて、重なり合わない時間ウィンドウを使用して電流推定値を平均化することにより、データを時間的に曲げ、解析モーフィングを続行できます。
以前に各被験者の脳内映画を共通の皮質空間に配置し、個々のシカルジャラルパターンを最適に整列させる表面ベースの座標系に基づいて撮影しました。これにより、被験者間の皮質活動の比較または平均化が可能になります。関心領域アプローチを使用するために、ROIは、解剖学的に定義することができ、例えば、自動分割アルゴリズムによって、または機能的に、眼球運動領域分析を特定するためのgo no-go seconタスクなどの機能的局在化タスクを記録することにより、使用された実験パラダイムに適した特定の関心時間にさらに制約することができる。 例えば、音刺激の開始の直前と直後の期間に制約されます。
時系列分析に関連する他の統計的推論も、上記で概説した行動パラダイムを使用して使用できます。ここでは、ノンパラメトリック時空間クラスタリング手順を使用した代表的な結果を示します。右前頭眼球は、個々の被験者が標準的なタスクと比較して方向転換タスクを実行しているときに重要であることがわかっています。
ROIアプローチを使用して、右前頭眼野の時間経過と、これら2つの条件が有意に異なる期間が表示されます。このビデオを見れば、M-E-G-E-E-GとMRIを使用して、さまざまな行動課題における皮質ダイナミクスをマッピングする方法について理解できるはずです。適切な統計的アプローチを採用することで、認知状態を区別するさまざまな空間的時間パターンを発見できます。
ご覧いただき、ありがとうございました。
View the full transcript and gain access to thousands of scientific videos
概要
この研究では、聴覚的注意に関連する皮質ダイナミクスを調査するために、磁気脳図（MEG）と脳波（EEG）を磁気共鳴画像法（MRI）と併用しています。これらの技術の統合により、認知タスク中の脳活動の包括的なマッピングが可能になります。
主要な研究構成要素
科学分野
- 神経科学
- 電気生理学
- イメージング技術
背景
- 認知状態の理解は神経科学研究にとって重要です。
- MEGとEEGは、高い時間分解能で脳活動への洞察を提供します。
- MRIは脳マッピングのための詳細な解剖学的コンテキストを提供します。
- データの共同登録により、空間分析の精度が向上します。
研究目的
- 聴覚的注意に関連する皮質ダイナミクスをマッピングすること。
- 脳活動パターンを用いて異なる認知状態を区別すること。
- 脳機能のより良い理解のために高度なイメージング技術を利用すること。
使用された方法
- 行動タスク中のMEGとEEGデータの収集。
- 関連するシーケンスを使用した解剖学的MRIデータの取得。
- MEG/EEGセンサー位置のMRIデータとの共同登録。
- 脳活動をマッピングするための逆イメージング技術の適用。
主な結果
- 脳活動における重要な空間-時間パターンの特定。
- マッピングされた皮質ダイナミクスに基づく認知状態の区別。
- 聴覚的注意メカニズムの理解の向上。
- 分析のための共通の表面ベースの座標系の確立。
結論
- MEG/EEGとMRIの統合は認知状態のマッピングに効果的です。
- 統計的推論により、脳活動の重要なパターンが明らかになります。
- このアプローチは聴覚的注意の理解を進展させることができます。
よくある質問
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.
