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
2012年10月24日
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。
本手順の全般的な目的は、人間のさまざまな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、まず被験者が行動課題を遂行している間に、磁気脳波（MEG）および脳波（EEG）データを取得することで達成されます。第2のステップは、適切なMRIシーケンスを用い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空間的な対応関係を確立するために、共登録が行われます。最終ステップでは、逆問題解析手法を用いて、個人の脳活動を皮質空間上にマッピングします。最終的に、共通の表面ベース座標系に基づいた統計的推論を行い、ある認知状態を別の状態から区別する有意な時空間パターンを抽出します。
手順の実演はEric LawsonとRoss Maddoxが行います。私の研究室のポストドクターの方は、被験者の構造的MR画像を取得することからこのプロトコルを開始してください。まず、磁化準備快速勾配エコー（MP rage）または同様のシーケンスを用いて、構造的MRスキャンを取得します。
EEGデータを逆問題解析に使用する場合、このシーケンスには、使用するスキャン解像度および撮像プロトコルに応じて5～10分かかります。また、2回のfast low angle shot（FLASH）MRIスキャンも取得してください。これらのFLASHシーケンスは、標準的なMP rageシーケンスとは異なる組織コントラストを提供します。
イメージングの完了後、MNEおよびFreeSurferソフトウェアを使用して、MP rageおよびflash画像から皮膚、外頭蓋、内頭蓋の表面を再構成します。次に、これらの表面を用いて、MEG実験に先立ち3層の境界要素モデル（BEM）を作成します。最初に、聴覚および視覚の潜時をテストし、タイミングの整合性を確認してください。
画面に接続されたマイクロホンおよびフォト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。この際、プレゼンテーション用プロジェクターをネイティブ解像度に設定する必要がある場合があります。次に、記録に向けて被験者の準備を行います。電極図および参照電極の準備、ならびに被験者の基準点、頭部位置指示コイル、およびEEG電極のデジタル化の詳細については、luitalによる前回のビデオ論文を参照してください。
被験者がMEG測定用の頭部位置に快適に座った状態で、頭部位置インジケーターまたはHPIコイルを用いて位置を確認し、記録を開始して聴覚および視覚刺激の提示を開始します。なお、HPI測定は連続的に行うことも可能です。被験者は、視覚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反応します。
ここでは、被験者は視覚的手がかりによって指示された半視野から生じるスポークとデジットを報告します。場合によっては、試行の途中で対側半視野に注意を切り替えるよう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、刺激提示を行う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、聴覚刺激の提示とトリガーの打刻にTucker Davis Technologies RZ6を使用し、視覚刺激の提示にはPsychtoolboxを使用しており、その両方をMATLABで制御しています。データ処理を開始するには、ここに示すように、MNEソフトウェアを用いてEEGデータを構造的MRに共登録します。まず、ディジタイザーデータを被験者の再構成済みMRI頭部モデルに読み込みます。次に、共登録プロセスを開始するための基準点（フィデューシャル・ランドマーク）を選択し、その後、自動アライメント手順を用いて座標変換を完了させます。
次に、ソース空間における各ダイポールの位置と各センサの位置を関連付けます。記録された頭部位置インジケータデータを組み合わせ、3層境界要素モデルを用いて順解析を算出することで、データの信号対雑音比をさらに向上させます。チャネルのスパイクによる異常に高い振幅信号を含むエポックの除去など、時間領域でのアーチファクト除去を適用します。
また、50または60 Hzの電源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のアートファクト除去を適用してください。シグナルスペースプロジェクション（SSP）や、シグナルスペースセパレーション（SSS）などのその他のノイズ低減手法を用いて、周囲の環境磁場による汚染や、瞬きや心拍アーチファクトに関連するその他の不要な生理学的信号から、空間的な磁場パターンを投影または分離します。次に、各実験条件について、ソース空間内の各ダイポール位置における各時点の電流推定値として、分布ダイポール推定のブレインムービーを作成します。実験デザインの時間的特性に応じて、重複しない時間窓を用いて電流推定値を平均化し、時間を圧縮して解析を継続することができます。
あらかじめ作成した各被験者のブレインムービーを、個々の皮質パターンを最適に整合させる表面ベースの座標系に基づいた共通の皮質空間へとマッピングします。これにより、被験者間での皮質活動の比較や平均化が可能になります。関心領域（ROI）アプローチを用いる場合、ROIは、例えば自動パーセレーションアルゴリズムなどの解剖学的手法によって、あるいは、眼球運動領域を特定するためのgo/no-goタスクのような機能的定位タスクの記録による機能的な手法によって定義できます。解析はさらに、使用した実験パラダイムに適した特定の関心時間帯に限定することができ、例えば、音刺激の開始直前および直後の時間帯に限定することが可能です。
上述の行動パラダイムを用いて、時系列解析に関連する他の統計的推論を用いることも可能です。ここでは、非パラメトリックな時空間クラスタリング手法を用いた代表的な結果を示します。個々の被験者が標準タスクと比較して再定位タスクを実行しているとき、右前頭眼野に有意な活動が認められます。
ROIアプローチを用いて、右前頭眼野の時間経過を、これら2つの条件に有意な差が見られる期間とともに示しています。このビデオを視聴することで、M-E-G-E-E-GおよびMRIを用いて、異なる行動タスク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十分な理解が得られるはずです。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異なる時空間パターンを発見することができます。
ご視聴ありがとうございました。実験の成功をお祈りいたします。
完全なトランスクリプトを表示し、数千本の科学動画にアクセス
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.
