Name: 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 (動画) | JoVE Journal
Uploaded: 2012-10-24T13:00:00.000+00:00
Duration: 8 min 45 s
Description: 学ぶMEG/EEGとMRIを統合した皮質ダイナミクスマッピング法。聴覚注意の認知状態を時空間パターンで区別し、脳機能の理解を深める神経科学研究に応用できます。

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

作者は彼らの役に立つコメントについてマッティS.Hämäläinen、リラZölleiと3匿名の査読者に感謝したいと思います。資金源：R00DC010196（AKCL）; T32DC000018（EDL）; T32DC005361（RKM）。

1。解剖学的データの収集と処理<ol><li>被写体の1磁化準備急速勾配エコー（MPRAGE）MRIスキャンを取得する。これは、特定のスキャンプロトコルが使用されているかに応じて5〜10分かかる場合があります。 </li><li> FLASHの配列が標準MPRAGEシーケンス1から別の組織のコントラストを提供するように脳波データは、逆イメージング分析のために使用されている場合、2種類の追加、高速で低角度ショット（フラッシュ）MRIスキャンを（フリップ角= 5°、30°）を取得。 </li><li>皮質表面を再構築し、個々のM /脳波双極子源領域を設定するFreeSurferソフトウェア（表を参照）2、3を使用します。 <ol><li>このソース領域はMPRAGEスキャンから分割グレー/白質の境界に制限されます。各半球は約1mmで離隔約10万潜在的な頂点が含まれています。双極子振幅推定（下記参照）については、半球あたり約3000ダイポールをもたらす7ミリメートルのグリッド間隔を使用します。 </li></ol></li><li>再建する多国籍企業（表を参照）、FreeSurferを使用MPRAGEやFLASH画像から皮膚、頭蓋骨の外側と内側の頭蓋骨面。三層境界要素モデル（BEM）を生成するためにこれらの面を使用しています。 </li></ol> 2。 M /脳波データ集録<ol><li> M /脳波記録の件名を準備します。 <ol><li>電図と参照電極の準備だけでなく、対象者の基準ランドマーク、ヘッド位置インジケータコイル（HPI）およびEEG電極のデジタル化の詳細については、Liu ら 4を参照してください。 </li></ol></li><li>一度件名はHPIのコイルを使用してヘッド位置を測定し、脳磁図に装着されている。 </li><li>記録を開始します。聴覚と視覚刺激のプレゼンテーションを開始します。 <ol><li>多くのハードウェアおよびソフトウェア·ソリューションは、刺激提示（ 例えば 。、プレゼンテーション、電子首相）を実行するために利用されています。我々は、視覚秒間Psychtoolbox 5で、スタンピング聴覚刺激提示およびトリガをタッカー·デイビス·テクノロジーズRZ6を使用timulusプレゼンテーションは、MATLABによって制御両方。聴覚と視覚の待ち時間画面に接続されたマイクとフォトダイオードを使用して、その後（そのネイティブの解像度にプレゼンテーションのプロジェクターを設定する必要になるかもしれない）に観察可能なジッタがない確実にテストを実験する前のタイミングの整合性を確保するのに役立ちます。 </li></ol></li><li>行動のタスクを実行するときに、被写体は、光ボタンボックスを介して聴覚と視覚刺激に応答します。 </li><li>オフライン分析のために全ての刺激、実験パラメータおよびデータ·ファイルを保存します。 </li></ol> 3。 MRIスキャンおよびデータ処理を使用したM /脳波共同登録<ol><li> MNEソフトウェアを使用して、デジタイザのデータと被験者の再構築されたMRIの頭部モデルをロードします。共同登録プロセスを開始し、座標変換（ 図2）を完了するために、自動アライメントプロシージャを使用して続行する基準ランドマークを選択してください。 </li><li>ソースspに各双極子の位置を関連付けるために各センサーの場所を持つエース、三層BEMを進め解を計算するために記録されたHPIのデータ（2.2参照）を組み合わせる（1.4参照） </li><li>記録されたすべてのM / EEGデータを点検し、非常に高い分散を持っているか、完全に平坦であるチャネルを識別します。悪いチャネルとして、これらのチャネルを設定します。 </li><li>周囲の環境分野の汚染や、目が点滅し、心臓の成果物に関連するものなど、他の望ましくない生理的信号、由来空間フィールドパターンを投影するか、分離する信号空間投影6または他のノイズ低減技術（例えば、信号空間の分離7など）を使用（ 図3）。 <ol><li>さらに増加するタイム·ドメイン·アーティファクト除去（ 例えば 。、チャネルのスパイクに起因する異常に高い振幅の信号が含まれている時代を除去する）と周波数領域のアーチファクト除去（ 例えば 。、50または60Hzライン周波数でフィルタリングバンドノッチ）を適用信号対雑音比。 </li></ol></li><li>サブジェクト（ 例えば 。、前各試験の開始から200 msの期間）任意のタスクを実行されなかったベースライン期間を特定します。 （また、共分散行列とも呼ばれる）雑音推定値を得るために、これらのベースラインのエポックの平均を生成します。 </li><li>興味のあるエポック（ 例えば 、唯一の正しい行動応答にエポックを収集）を識別し、実験的なコントラスト（ 例えば 、もともと手掛かりとして、被験者が反対半視野に彼らの聴覚注意を切り替えたことに関連付けられているエポックのための条件を定義する- 。 &quot;スイッチ&quot;の条件-対主題&quot;ホールド&quot;状態） - オリジナルの半視野に注意を維持する。定義された条件のそれぞれについて、平均応答を生成します。 <ol><li>これらの平均値は、ベースライン補正されたり（8を参照）実験パラメータに依存しないことができ、ここに示されているデータは、ベースライン補正されています。 </li></ol></li><li>取得するために共分散行列（3.5）と計算された前方の溶液（3.2）を組み合わせる元空間内電流双極子推定にセンサーの測定値を関連付ける皮質制約最小ノルム逆数演算を配布しました。 <ol><li>あなたはどちら約制約または皮質法線方向9に双極子の向きを修正することができます。 </li></ol></li><li>各実験条件（ 図4）のための分散型ダイポール推定値（ すなわち 。、時間内のソース·スペース内の各ダイポール位置で現在の推定値）の&quot;脳の映画&quot;を生成。 <ol><li>あなたの実験デザインの時間特性に応じて、非重複時間的なウィンドウを使用して現在の推定値を平均することによって、時間のあなたのデータをbinことができます。 </li></ol></li></ol> 4。共通面ベースの座標系に基づいて統計的推論<ol><li>モーフ最適に個々の脳溝-GYを揃えサーフェスベースの座標系に基づいて一般的な（平均的な）皮質の空間に各科目の &quot;脳の映画&quot;RALパターン3。これは、私たちはすべての被験者間で比較や平均皮質活動することができます。 （ 図5）。 </li><li>さまざまな統計的推論のアプローチがあります。我々はここで3つのアプローチが強調表示されます。ソフトウェア·パッケージに実装されていないアプローチは、我々はノンパラメトリック時空間クラスタリング順列テストを実行するには、MATLABを使用しています。カスタムソフトウェアの私達の例を使用して書き込むことができます（ノンパラメトリッククラスタリング、4.5）の時間に、これらのデータを高次元（空間X時間×科目）にもかかわらず、これらのアプローチのすべてが（4.3アプローチROI）を秒単位で標準の現代的なデスクトップコンピュータのハードウェアを使用して実行できます。 </li><li> 関心領域（ROI）のアプローチ <ol><li>あなたは、そして/または、 例えば、（機能的に（ 例えば 。、自動parcellationアルゴリズム1によって定義される）解剖学的にROIを定義することができます、機能局在の作業を記録することによって、そのような剛/ oculomotoを識別するための碁サッケードタスクとしてR領域）。 </li><li>あなたはさらに、あなたの実験パラダイム（ 例えば 、音刺激の発症前と直後の期間）に適した特定の時間の関心に分析を制限することができます。また、時系列分析に関連した他の統計的推論を使用することができます。 </li></ol></li><li> 全脳ボンフェローニまたはFalse-ディスカバリー·レート（FDR）の補正 <ol><li>あなたは、全脳、すべてのリアルタイム解析が必要な場合は、ボンフェローニまたはFDR補正を採用しています。 </li><li>ほぼ正規分布したデータに対して適切なテストなどのt検定などの統計、または被験者内分散分析を用いて、各双極子の位置と各時点での統計マップを生成します。推定値の相関の補正（そのような保守的な温室Geisser補正など）と組み合わせた場合、例えば、固定長ダイポール源10の多国籍企業の推定値の動的な統計パラメータマッピングからzスコアを使用することができます。 </li><li>ボンフェローニのために補正は、比較の回数（時間ポイントの数を乗じた双極子の数）で割った0.05の有意水準で有意な閾値処理することによって時空点を得る。少ない保守的なアプローチについては、FDRのp値の補正11を使用しています 。 </li></ol></li><li> ノンパラメトリック時空間クラスタリング <ol><li> Bonferroni補正未満保守的でありながら、大規模で一貫性のある空間的、時間的な活性化の領域を見つけるために、このメソッドを（12の単純な拡張子に基づいて）を使用し、家族的なエラー·レートを制御することにより、FDRはより私を統計誤差を入力しにくい。 <ol><li>このアプローチは順列やモンテカルロリサンプリング技法を使用しているので、データの正規性の仮定に依存しており、唯一の条件のラベルは、帰無仮説の下で交換可能であることを前提としていません。それは前の2つの方法より計算集約的であるが、それはまだ上に時間で行うことができます現代的なデスクトップコンピュータのハードウェアを使用して、単一のマシン。 </li></ol></li><li>各双極子の位置とそのようなt-検定などの適切な検定統計量を使用して、各時点での統計的なマップを生成します。 </li><li>予備的有意性の閾値での閾値このマップ、 例えば、p &lt;0.05。 </li><li>クラスタ時空間近接度に基づいて、これらの推定上の重要なポイント、 例えば 。 5ミリ秒と互いの5ミリメートル測地距離内の重要なポイントは、同じクラスタに配置されます。ハイパーボリュームまたは総意義を（ たとえば 、クラスタ内のポイントのT-スコアの合計）を使用して得られた各クラスタのスコアを獲得。 </li><li>最大の統計で標準順列リサンプリング（またはモンテカルロ大規模なデータセットのためにリサンプリング、被験者の例 。数N&gt; 10、計算に保存するの）テストを実行します（順列試験例12を参照）。簡単に説明すると、被験者のランダムなサブセット（0からNまでの任意選択科目）について、再ラベルバイン条件グラムは統計マップを取得する前に比べて、新たな統計地図上でクラスタリングを実行し、その再ラベルに対する最大クラスタのスコアを取得します。最大統計量の分布を得るために2 Nの順列までの新しいランダムrelabelings上で、この手順を実行し、すべての2 N個の可能relabelingsを実行するには、並べ替え検定をもたらすとモンテカルロ（またはランダムもたらすより少ない2 N relabelingsのランダムなサブセットを利用）順列テスト。 </li><li>最大クラスタサイズが元のクラスタなどのそれを上回っていた時間の割合を決定することによって、与えられた元のクラスタ（元のラベルから）の重要性を取得します。最大統計クラスターの95％を超えていたクラスタが重要宣言することができます。 <ol><li> MEG分散ソースイメージングにおける統計的推論に関する詳細な議論については、13を参照してください。 </li></ol></li></ol></li><li>結果のデータファイルは、viことができます<html>ネイティブすなわち時空間皮質見積もり、STCのファイルを格納するために多国籍企業のソフトウェアが利用するフォーマットを使用して、などの多くの方法でsualized。これらは、重要な領域に対応して製造することができるラベルと一緒に、MATLABやPythonのために提供MNEツールボックスを使用して生成できます。 </li></ol> 5。代表的な結果 図6は、図4で説明した行動パラダイムを用いて代表的な結果のセットを示しています。ノンパラメトリックな時空間クラスタリング手順（4.5）を使用して、右FEF被験者が標準タスク（ 図6左）に比べ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判明した。 ROIのアプローチ（4.3）を使用して、右FEFの時間経過は、次の2つの条件が大幅に異なっている期間とともに表示されます。 p_upload/4262/4262fig1.jpg &quot;/&gt; 皮質に制約のある最小ノルム双極子推定（ 参照 、Liu ら 、2010年の図1）を用いて、 &quot;脳の映画&quot;を生成する1。ワークフロー図 。 <img alt="図2" src="/files/ftp_upload/4262/4262fig2.jpg" /> 一人の被験者のMRI座標空間上にEEGチャネルとHPI場所共同登録を容易にするために使用される図2：多国籍企業のソフトウェア。 <img alt="図3" src="/files/ftp_upload/4262/4262fig3.jpg" /> （3）脳磁図データの前と心臓（オレンジ色で強調表示されている）と目が点滅します（青緑色で強調表示されている）アーティファクトおよびライン周波数を除去するためにローパスフィルタを削除するには、SSPを使用した後の図 。 <a href="https://www.jove.com/files/ftp_upload/4262/4262fig3large.jpg" target="_blank">拡大図を表示するには、ここをクリックしてください</a> 。 <pクラス= &quot;jove_content&quot;のfo：キープtogether.withinページ= &quot;always&quot;を&gt; <img alt="図4" src="/files/ftp_upload/4262/4262fig4.jpg" /> これは次のようになります。被写体のネイティブ皮質スペースと1つの実験パラダイム（注における視聴覚プレゼンテーションのタイミング（600 msおよび-600ミリ秒で発表された視覚刺激で発表された聴覚刺激で）上の図は、4 &quot;脳の映画&quot;最後のムービークリップ内のムービーとして提示） <img alt="図5" src="/files/ftp_upload/4262/4262fig5.jpg" /> 図5被験者のネイティブ皮質空間上と共通の皮質の空間に変身した後にマップされた仮想的な投資収益率との比較。 <img alt="図6" src="/files/ftp_upload/4262/4262fig6.jpg" /> 図6つの実験条件に関連付けられている代表的な時空クラスタおよびタイムコースtionsはテストされています。

<ol><li>Fischl, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cerebral Cortex. 14, 11-22 (2004).</li>
<li>Dale, A., Sereno, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+localization+of+cortical+activity+by+combining+EEG+and+MEG+with+MRI+cortical+surface+reconstruction%3A+A+linear+approach%5BTitle%5D)+AND+%22Journal+of+Cognitive+Neuroscience%22%5BJournal%5D)">Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach.</a> Journal of Cognitive Neuroscience. 5, 162-176 (1993).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> NeuroImage. 9, 195-207 (1999).</li>
<li>Liu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+Mapping+with+Simultaneous+MEG+and+EEG%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Functional Mapping with Simultaneous MEG and EEG.</a> Journal of Visualized Experiments. (40), e1668(2010).</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. 10, 433-436 (1997).</li>
<li>Uusitalo, M. A., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signal-space+projection+method+for+separating+MEG+or+EEG+into+components%5BTitle%5D)+AND+%22Med.+Biol.+Eng.+Comput%22%5BJournal%5D)">Signal-space projection method for separating MEG or EEG into components.</a> Med. Biol. Eng. Comput. 35, 135-140 (1997).</li>
<li>Taulu, S., Simola, J., Kajola, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applications+of+the+signal+space+separation+method%5BTitle%5D)+AND+%22IEEE+Transactions+on+Signal+Processing%22%5BJournal%5D)">Applications of the signal space separation method.</a> IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).</li>
<li>Urbach, T. P., Kutas, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+event-related+brain+potential+%28ERP%29+distributions%3A+Implications+of+baseline+potentials+and+variability+with+application+to+amplitude+normalization+by+vector+scaling%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling.</a> Biological Psychology. 72, 333-343 (2006).</li>
<li>Lin, F. -H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distributed+current+estimates+using+cortical+orientation+constraints%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Distributed current estimates using cortical orientation constraints.</a> Human Brain Mapping. 27, 1-13 (2006).</li>
<li>Dale, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+statistical+parametric+mapping%3A+combining+fMRI+and+MEG+for+high-resolution+imaging+of+cortical+activity%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity.</a> Neuron. 26, 55-67 (2000).</li>
<li>Nichols, T., Hayasaka, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Controlling+the+familywise+error+rate+in+functional+neuroimaging%3A+a+comparative+review%5BTitle%5D)+AND+%22Statistical+Methods+in+Medical+Research%22%5BJournal%5D)">Controlling the familywise error rate in functional neuroimaging: a comparative review.</a> Statistical Methods in Medical Research. 12, 419-446 (2003).</li>
<li>Nichols, T. E., Holmes, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonparametric+permutation+tests+for+functional+neuroimaging%3A+a+primer+with+examples%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Nonparametric permutation tests for functional neuroimaging: a primer with examples.</a> Human Brain Mapping. 15, 1-25 (2001).</li>
<li>Pantazis, D., Leahy, R. M. Statistical Inference in MEG Distributed Source Imaging. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPantazis%2C+D+%22MEG%3A+An+Introduction+to+Methods%22">MEG: An Introduction to Methods</a>. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 245-272 (2010).</li>
<li>Ahveninen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Attention-driven+auditory+cortex+short-term+plasticity+helps+segregate+relevant+sounds+from+noise%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences%22%5BJournal%5D)">Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise.</a> Proceedings of the National Academy of Sciences. , 1-6 (2011).</li>
<li>Sharon, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+advantage+of+combining+MEG+and+EEG%3A+comparison+to+fMRI+in+focally+stimulated+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex.</a> Neuroimage. 36, 1225-1235 (2007).</li>
<li>Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Localization+of+the+syntactic+mismatch+negativity+in+the+temporal+cortex%3A+An+MEG+study%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study.</a> NeuroImage. 48, 590-600 (2009).</li>
<li>Baillet, S. The Dowser in the Fields: Searching for MEG Sources. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBaillet%2C+S+%22MEG%3A+An+Introduction+to+Methods%22">MEG: An Introduction to Methods</a>. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 83-123 (2010).</li>
<li>Gutschalk, A., Micheyl, C., Oxenham, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+correlates+of+auditory+perceptual+awareness+under+informational+masking%5BTitle%5D)+AND+%22PLoS+Biology%22%5BJournal%5D)">Neural correlates of auditory perceptual awareness under informational masking.</a> PLoS Biology. 6, e138(2008).</li>
</ol>

特別な利害関係は宣言されません。

取得MEG / EEGデータから皮質への双極子の活性化を推定するために、我々は適切な解剖学的および生理学的に音の制約が適用されない限り、安定したユニークなソリューションを持っていない逆問題を、解決する必要があります。 MRIを用いて、我々の推定基準として最小ノルムを採用し、個々の科目について取得解剖学的制約を使用して、我々はセンサ測定値と一致している逆の皮質電流源推定に到着することができます。このアプローチだけではなく、聴覚処理14だけでなく、視覚的な15と16の言語処理など、他のドメインの研究に有用であることが分かった。 他の多くの逆のアプローチがあります。ローカライゼーション（ 例えば 、等価電流双極子モデル。）やイメージング（ 例えば 、多国籍企業、技術をビームフォーミング）：ただし、すべてのこれらのメソッドは、2つのカテゴリにまとめることができます。さらに、それぞれの逆のアプローチは、そのTRAを持ってdeoff（徹底的な議論のための17を参照）。例え...

<table border="1"><tbody><tr><td> 機器/ソフトウェアの名前 </td><td> 会社/ソース </td><td></td><td></td></tr><tr><td> 306チャンネルVectorview MEGシステム</td><td> Eleka-Neuromag株式会社、 </td><td></td><td></td></tr><tr><td> 1.5-T Avanto MRIスキャナ</td><td>シーメンスメディカルソリューションズ</td><td></td><td></td></tr><tr><td> FreeSurfer </td><td></td><td></td><td> <a href="http://freesurfer.net/" target="_blank">http://freesurfer.net/</a> </td></tr><tr><td> MNEソフトウェア</td><td></td><td></td><td> <a href="http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php" target="_blank">http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php</a> </td></tr><tr><td>脳波電極</td><td>脳製品、Easycap社</td><td></td><td></td></tr><tr><td> 3Space FASTRAKシステム</td><td> Polhemus社</td><td></td><td></td></tr><tr><td>光学ボタンボックス（FIU-932） </td><td>現在の設計</td><td></td><td></td></tr></tbody></table>

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

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

磁気と脳波（MEG / EEG）は、カクテルパーティーの異なる音に通うように動的知覚と認知作業に関与皮質ネットワークを調査するために特に適した高時間分解能を提供する技術を神経画像診断されています。過去に多くの研究が、。 すなわち 、唯一のセンサレベルで記録されたデータを用いて磁場や外と頭皮上の電位が記録された、通常は刺激提示に時間ロックされている活動に焦点を当てている。た空間的にも時間的に単離·同定することができます異なる双極子パターンの数が少ないだけであるとき、事象関連フィールド/潜在的なこのタイプの分析は、特に有用である。あるいは、解剖学的情報を利用することによって、これらの異なるフィールドパターンは皮質上の電流源として定位させることができる。しかし、特定の刺激（ 例えば 。に時間ロックされない場合があり、より持続的な応答のために手掛かり聴覚機能に基づいて2つの同時提示音声の数字の1を聞くための準備中）、または未知のアプリオリ複数の空間の場所に分散してもよいし、分散した大脳皮質の補充は十分に、限られた数を使用してキャプチャされない場合がありますフォーカル源。 ここでは、センサ情報と最小ノルム推定（MNE）の使用を通して皮質上の双極子活性化との関係を確立するために、個々の解剖学的MRIデータを採用して手順を説明します。この逆イメージングアプローチは、私たちに分散ソース解析するためのツールを提供しています。例示的な目的のために、我々はFreeSurferと多国籍企業のソフトウェア、両方自由に利用できるを使用して、すべての手順を説明します。我々は、私たちは、M /脳波センサー上に皮質に分布する双極子によって引き起こされる予想されるフィールドパターンを関連付けることができフォワードモデルを生成するために必要なMRIシーケンスと分析手順を要約します。 NEXトンは、環境的および生理学的汚染物からセンサデータのノイズ除去で私たちを容易にするために必要なプロセスを通っていきます。我々は、それによって各実験条件に関連する脳表面上の皮質双極子活性化の時系列（または &quot;脳の映画&quot;）の家族を生産、皮質の空間にMEG / EEGセンサーデータを組み合わせると写像するための手順を概説します。最後に、私たちは、私たちは共通の皮質の座標空間に基づいて被験者集団（ すなわち 。、グループレベルの分析を行う）の向こう側に科学的な推論を作ることを可能にするいくつかの統計的手法をハイライト表示されます。

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。

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

脳磁計および脳波計（MEG/EEG）は、高い時間分解能を備えたニューロイメージング技術であり、特に...を調査するのに適しています。

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。

mapping-cortical-dynamics-using-simultaneous-megeeg-anatomically

Research

JoVE Journal

Neuroscience

神経科学

我々は単純な感覚刺激の処理に関わる脳の領域をマップするために脳磁図（MEG）と脳波を脳波（EEG）を使用します。...

同時MEGおよびEEGとの機能的マッピング

アテンション制御は、ターゲット信号の強化とディストラクタ信号の減衰から構成されます。私たちは、持続的なインターモーダル注意に注意を払い、無視する神経生理学を別々に、しかし同時に測定するアプローチについて説明し、どちらのプロセスも継続的に関与しない受動的な制御条件を利用します。...

注目のコントロール内のプロセスを無視し、出席の神経生理学的信号の測定

イメージング法、イメージング法、時空間的な fMRI に制約のある脳波ソースとして知られている脳波 fMRI マルチ モーダルを次に紹介します。提案手法では、条件付きでアクティブな fMRI...

同時脳波と機能的 MRI 皮質活動の動的イメージングのための統合解析

本研究は、ウェアラブル デバイスによってのみ達成左右逆オーディションへの適応を検討するプロトコルを提案するニューロ...

左から右への適応を研究する方法を逆にオーディション

この記事では、磁気脳波検査(MEG)を用いて物体知覚に対する刺激前のソースレベルの影響を検出できる実験を設定する方法について説明する。刺激材料、実験設計、MEG記録、データ分析をカバーしています。...

磁気脳波による物体知覚に対する刺激前のソースレベルの影響の検出

脳磁図法(MEG)と高密度脳波法(HD-EEG)が同時に記録されることはめったにありませんが、確認的で補完的な情報が得られます。ここでは、MEGとHD-EEGを同時に記録するための実験設定と、薬剤耐性てんかんの小児のてんかん原性および雄弁な脳領域の局在化を目指したこれらのデータの解析方法を紹介します。...

薬剤耐性てんかん小児の術前評価における電磁源イメージング

皮質ネットワークの脳波記録(TMS-EEG)マッピングと組み合わせたパーソナライズされた経頭蓋磁気刺激のための新しいプロトコルで、複数の磁気共鳴画像法(MRI)データモダリティによって通知されます。...

リアルタイム皮質ネットワークマッピングのためのニューロイメージングガイド下TMS-EEG

ここでは、ラットとマウスの高密度微小皮質電位法(μEcoG)記録のための2つのプロトコル(外科手術、移植、記録方法を含む)を紹介します。μECoG記録は、ラット聴覚皮質における層流ポリトロード記録、またはマウス体性感覚皮質における神経活動の光遺伝学的操作と組み合わせて行われます。...

げっ歯類における層流ポリトロードと光遺伝学とマイクロ皮質電図法の統合による皮質処理のマルチスケール研究

本プロトコルは、物理に基づく神経シミュレーションを用いて神経療法の電気生理学的バイオマーカーを解釈し、神経回路への影響を明らかにし、神経治療開発に基づいたメカニズム的アプローチを提供します。...

ヒト新皮質ニューロソルバーを用いて脳波電波に対する神経治療効果の神経メカニズムを明らかにするためのプロトコル

鶏の聴性脳幹は、バイノーラルサウンド処理に責任を核で構成されています。培養のアプローチは、分子、細胞およびネットワークレベルで神経細胞の構造と聴覚機能の発達を研究するユニークな準備を提供しながら、単一冠状スライス標本は、回路全体を維持します。...

チキンの聴性脳幹スライスの準備と文化

学ぶMEG/EEGとMRIを統合した皮質ダイナミクスマッピング法。聴覚注意の認知状態を時空間パターンで区別し、脳機能の理解を深める神経科学研究に応用できます。

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

さらに動画を探す