Name: 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 (動画) | JoVE Journal
Uploaded: 2018-06-30T12:30:00.000+00:00
Duration: 11 min 28 s
Description: 学ぶ 脳波と機能的MRIを統合した時空間制約付きソースイメージング法により、神経活動の高解像度可視化を実現します。非侵襲的な神経イメージングの精度向上に貢献します。

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

この作品は、NIH の DK082644 とヒューストン大学によって部分で支えられました。

ここで提示されたプロトコルは、ように設計され、ヒューストンの大学、ヒューストンのメソジスト研究所のそれぞれの治験審査委員会によって前後セットとして倫理的な人間の研究のすべてのガイドラインに従って実行します。
1. 同時に脳波と fmri の同時記録
<ol><li>参加者からインフォームド コンセントを取得します。目的の参加者と同時の脳波と fmri の同時データ記録プロセスの重要な安全対策と同様に、研究の手順を説明します。</li>
	<li>
脳波キャップを準備し、MRI スキャナーの部屋の外のインピー ダンスを確認します。
	<ol>
<li>被験者の頭の上に適切なサイズ、受動的、MRI 対応の脳波キャップを置きます。10-20 国際ラベリング システム10に従って電極を配置します。</li>
		<li>脳波記録用ソフトウェア、地面および参照電極のインピー ダンスを確認します。これを行うには、'インピー ダンス' タブをクリックして、ソフトウェアのユーザー インターフェイスに電極の種類を選択 (図 1参照)。 注: ここでの厳密な指示がここで使用されるソフトウェアに固有 (材料の表を参照)、他のシステムに適応する必要があります。</li>
		<li>各電極の電極、電解質ゲルを注入する注射器を使用し、皮膚電極を接触をようにジェルを広げるため綿棒を使用します。<ol>
<li>インピー ダンスが低下すると、適切なソフトウェアを使用して値を監視し続ける (に応じて、セットアップによってインピー ダンスのスケールを調整する) 正しくインピー ダンス レベルを監視する (図 1参照)。すべての電極高品質の信号を確保するための 10 の kΩ の下のインピー ダンス レベルに達するまで続行します。 注: 一覧表示され、ここで利用されている素材、あたりそれと見なされます安全でない MR 環境11インピー ダンス レベル 50 kΩ 上の任意の電極があります。これは選ばれたキャップと MRI の設定の設計によって変わるかもしれませんので実験装置の安全性を確保するため、機器メーカーと MRI 技師にご相談ください。</li>
		</ol>
</li>
	</ol>
</li>
	<li>
同時の脳波と fmri の同時ハードウェアのセットアップ。
	<ol>
<li>脳波キャップ準備が完了すると、図 2で説明したハードウェアのセットアップと MR 装置に移動件名を持ちます。 注: 図のいくつかの詳細は、使用しているシステムに応じて異なります。</li>
		<li>実験パラダイムの表示を設定します。MR 装置の前面ガラス窓の後ろに、観察室にあるモニターを使用して (図 2参照)。頭のコイル表示ミラーを使用すると、サブジェクトが寝ながら頭や目を動かさずにモニター画面を表示できるようにします。</li>
		<li>科目では、画面を表示できます快適パラダイムが正しく表示されることを確認するコンピューターの画面上のサンプル画像を表示します。すべての必要なハードウェアまたはソフトウェアの調整を行います。</li>
	</ol>
</li>
	<li>
実験パラダイム (を参照してください図 3).
	<ol>
<li>まだ、残っている対象を指示して初期 T1 加重解剖 MRI スキャンを実行します。可能であれば、小脳の下から頭蓋骨や皮膚など、頭の上に到達する場合は、ビューのフィールドを使用します。</li>
		<li>(図 4参照) 脳波データの記録を開始します。</li>
		<li>同時に MRI の録音を開始し、利息プレゼンテーション ソフトウェアのパラダイムを開始する適切なボタンをクリックします。信号の品質を確保するため脳波データを確認し、適切なマーカーが記録されている場合は、必要に応じています。<ol>
<li>ここで説明した設定を使用して、最初のプレゼンテーション ソフトウェアで「実行」をクリックし、対象数と試行数を入力します。パラダイムは、これらの設定を確認する時に開始されます。 注: ここで採用されているパラダイム 10 試験視覚刺激により誘発された感情的に独創力のあるモーター応答を成っていた。各試行の被験者は最初 50 の残りの部分にその後不快な (画像の驚きや怒り、嫌悪感に対応する) のイメージまたはない不快な (イメージ幸福や中立性に対応する) 顔12緑色の画面を見て s各カテゴリから 10 s. の 5 つの画像は、無作為の順序で提示された、被験者として不愉快な顔を識別する時にボールを絞るし、それが見えなくなるまで、スクイズを保持を示した。</li>
			<li>(推奨) fMRI 記録でグラデーション リコール エコー平面イメージ (GR EPI) シーケンスを使用します。機器やパラダイムに合わせてをカスタマイズします。 注: ここで使用されるシーケンスが含まれている: エコー時間 (TE) = 35 ms;繰り返し時間 (TR) = 1,500 ミリ秒;スライス厚 5 mm;反転角度 = 90 °;ピクセル間隔: 2.75 × 2.75 mm。パラダイム自体、欠けることがなく、完全なパラダイムが記録されていることを確認するための表示よりも少し長く続く MRI シーケンスを使用する必要があります。</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. 構造 MRI データの解析と前方モデルの生成
<ol><li>被写体の T1 強調解剖 MRI を使用してボリュームな画像解析スイート13,14から完全分割と曲面の再構成を適用します。 注: なによってすべての分割出力を含むフォルダーが生成されます。</li>
	<li>
(Https://martinos.org/mne/dev/manual/appendix/bem_model.html)15での指示を使用して、使用可能なグラフィカル ユーザー インターフェイス (GUI) を特定の件名 3 層境界要素法 (BEM) 幾何学的なモデル次を生成します。層の重なりがないことを確認します。
	<ol>
<li>Freeview アプリケーションを開きます。クリックして「ファイル」>>「表面負荷」。なフォルダーに対象ディレクトリに移動します。「BEM」フォルダーをを開きます。「分水界」フォルダーを開きます。ここで発見した 4 つのファイル ('outer_skin_surface'、'outer_skull_surface'、'brain_surface' および 'inner_skull_surface') をロードします。</li>
		<li>スライス選択スライダーを移動し、黄色の表面層の重なりを探します。重複が発生した場合は、解剖学的欠陥やエラーを MRI データを再確認し、描画ツール GUI を使用して、レイヤーを明らかにします。<ol>
<li>「ファイル」をクリックして Freeview アプリケーションで元の MRI データを読み込む >>「量」です。対象フォルダーに移動し、「mri」フォルダーを開きます。「オリジナル」ディレクトリをクリックし、そこで見つかった構造 MRI データを開く (in.mgz or.nii の形式にする必要があります)。「OK」をクリックします。</li>
			<li>頭のグレースケール画像を表示します。グレーと黒、脳の周りのさまざまな層を見てください。これらの層が隙間や凹凸を持っていないことを確認します。「カラーピッカー」ツールを使用して修正する層からボクセルを選択します。</li>
			<li>フリーハンド ボクセル「編集」切り替え画像を描画するをクリックしますします。これを使用して、MRI 画像の任意の欠陥で塗りつぶします。すべてのレイヤーおよび欠陥が発生する MRI スライスの修正を実行します。 注: 編集ツール「Polywire」と「ライブワイヤー」ボクセルは、「フリーハンド」代わりにも使用可能性があります。</li>
		</ol>
</li>
	</ol>
</li>
	<li>軟膜表面の幾何学に基づく元の空間を生成します。</li>
	<li>
な頭部モデルのオーバーレイ (図 5) を用いた MRI 空間にサブジェクト固有の脳波センサー配置 (例えば、翻訳および回転) を実行します。変換を保存します。
	<ol>
<li>MNE_analyze アプリケーションを開きます。「ファイル」をクリックして >>「負荷面」。対象データを含むフォルダーに移動し、軟膜表面をロードします。</li>
		<li>クリックして「ファイル」>>"デジタイザー データの読み込みと関心 (デジタイザー データを含める必要があります) の脳波ファイルを選択。「表示」>>「ビューアーを表示する」。ビューアーの GUI が表示されたら、「オプション」をクリックし、ことを確認「頭皮」と「デジタイザー データ」オプションを選択しました。電極をここでは、黄色で基準点で赤で表示されます。</li>
		<li>メイン ウィンドウ (ビューアーで) の「調整」を選択 >>「アライメント調整」。座標配置 GUI を使用して、シフトし、ビューアーで脳波電極を回転する矢印と L/R ボタンを使用します。必要な量だけを調整します。配置が完了すると、配置を保存する '座標配置 GUI' の下部に「保存...」をクリックします。 注: 通常、良い基準配置と頭皮全体の電極の均一な配分が必要です。</li>
	</ol>
</li>
	<li>対象固有の境界要素法モデル、ソース領域 MNE ソフトウェア15を用いた脳波センサー変換を提供し、順モデルを生成します。</li>
</ol>3. 機能的 MRI データ分析
<ol><li>最初のレベルを実行 (個々 の主題) fMRI 解析大胆な活性化を取得する一般的な線形モデル (GLM) メソッドを使用してマップの関心の仕事のため。必要な16、なグループ解析パイプラインに組み込まれているクラスター ベースのアプローチを使用して、複数の比較のため修正します。</li>
	<li>標準スペース (MNI または・ タライラッハ) にすべての科目の大胆な活性化マップの取得を希望する場合、すべての科目のグループ レベルの分析を実行します。 注: 機能的 MRI の脳 (FMRIB) ソフトウェア ライブラリ (FSL)17と機能 Neuroimages の解析 (AFNI)18パッケージによって生成された同じサーフェス上の fMRI データの分析を可能にする両方のオックスフォード大学センターその後の分析に便利な。</li>
	<li>
Tksurfer 可視化ツールを使用して、希望する FDR 修正しきい値19 (個人レベルとグループ レベルの両方)、fMRI 活性化マップをロードした関心領域 (ROI) 識別を実行 (p < 0.05 をここで使用). 注: 各レベルの活性化マップから識別・ ロワは、サブジェクト固有 fMRI 派生空間前科後続のソースのローカリゼーションのためとして機能します。<ol>
<li>灰白質層の fMRI 活性化マップを使用して、接続されているラベリング アルゴリズムを使用してサーフェスのパッチを抽出します。 注: この例では分解特性が使用されました。</li>
		<li>さらにサブ分割パッチは定義済みの脳アトラスのラベリングに基づくアクティビティは、1 つ以上の領域をカバーする任意のパッチを分割するようします。 注: ここで使用されるアトラス DKT40 アトラス20 (なから利用可能)21歳だった。アトラスは、専門または分野, 実験設定に基づくことができます.</li>
	</ol>
</li>
	<li>各教科の個別のソース スペースに戻して (これは標準的なスペースには現在) 取得したグループ レベル ROIs をプロジェクトします。Lh.sphere.reg および rh.sphere.reg ファイルの個々 の主題の構造 MRI セグメンテーション (ステップ 2.1) を実行すると、件名と標準的な空間の座標変換を提供、被験者の「サーフ」フォルダーにな出力フォルダー。 注: すべての科目により設定・ ロワが彼らの自身の特定のモデルで同じ共有されます。結果・ ロワ fMRI 結果の例については、図 6を参照してください。</li>
</ol>4. 脳波データ分析
注: このセクションの詳細は (詳細については、材料の表を参照してください)、使用されているソフトウェアに固有にあります。別のソフトウェア パッケージを使用している場合は、該当するマニュアルを参照してください。
<ol><li>テンプレート減算を介してスキャナー グラデーション アイテム補正を実行します。このため、「特別な信号処理」メニューに「MR 補正」ボタンをクリックし、脳波解析ソフトウェア GUI で適切なパラメーターを選択 (図 7を参照)。選択したスキャナーのシーケンスと実験的なデザインの適切なパラメーターを入力します。 注: プライマリ パラメーターが含まれます: MRI スキャン、スキャン タイプ (インターリーブまたは連続)、MRI ボリュームのマーカー (または勾配検出法とグラデーション トリガー)、繰り返し時間 (TR) チャンネルは、補正、および成果物テンプレート。</li>
	<li>テンプレート減算を介して cardioballistic の成果物を削除します。この「特別な信号処理」メニューの「CB 補正」ボタンをクリックし、解析ソフトウェア GUI で適切なパラメーターを選択します。 注: 最小値と最大心拍数、成果物テンプレート、心電図チャネル、テンプレートの相関、および補正のためのチャネルにここで必要なパラメーターが含まれます。</li>
	<li>ろ過を適用します。IIR ろ過解析 GUI、「データろ過」の下の上部のボタンを選択します。たとえば、ハイパスを適用 0.05 hz 低域 40 Hz、電源周波数 (60 Hz) でノッチ フィルターで 48 dB/Hz のロールオフと。 注: カットオフ周波数 40 Hz の低域通過フィルターの適用後は、60 Hz のノッチ フィルターが厳密に必要はありませんがロールオフ フィルター端のため生存している可能性があります任意の残留電力線の周波数に対する保護手段として採用されています。</li>
	<li>解析 GUI 上の眼球アーチファクト補正を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「眼補正 ICA」.</li>
	<li>脳波データをイベント タイミングのマーカーに関して指定の前と後の刺激の時間に基づいて新紀元に分割します。これを行うには、選択、「変換」>>「セグメント分析機能」>>「セグメンテーション」関心のマーカーおよび興味の時間セグメントを選択。 注: セグメントの長さは、パラダイムと関心の期待される脳の活動に合わせて選択必要があります。</li>
	<li>
手動または半自動のアーティファクト除去を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「拒否」アーティファクト「.されたら、GUI の 3 つのタブ内の成果物の基準を定義し、GUI の指示に。
	<ol>
<li>「検査法」タブ選択は「自動的に」、「半自動」、または「アイテムを手動で選択」(半自動モードをお勧めします)。「マーク」または「成果物を削除する」を選択し、かどうか修正は、1 つのチャンネルを指定します。</li>
		<li>チャンネル選択タブでアーティファクトを修正するチャンネルを選択できます。</li>
		<li>「基準」タブでアイテムを識別する基準を選択します。実験ニーズに合わせて、ここでの選択を行います。条件を選択した後"OK"をクリックして、成果物を識別または選択に基づいて拒否されます。</li>
	</ol>
</li>
	<li>
基線補正と試行の平均 (該当する場合) を実行します。
	<ol>
<li>ベースライン補正を実行する:「変換」を選択 >>「セグメント分析機能」>>「ベースライン補正」。セグメント化したデータを平均する:「変換」を選択 >>「セグメント分析機能」>>「平均的」。</li>
	</ol>
</li>
</ol>5. 時空間 fMRI 制約-EG ソース画像
<ol><li>ウィンドウのサイズとウィンドウ サイズ (既定の設定 (20 ms) は重複の 50% で 40 ms ウィンドウ サイズの呼び出し) を重複定義します。</li>
	<li>空間の前のセットとして (手順 3 で取得した) 特定の件名・ ロワ セットを選択します。脳波セグメントごとにアルゴリズム、モデル証拠を最大化し、それに応じてソース共分散行列を計算する空間の前科のサブセットの重みのセットを見積もります。</li>
	<li>脳波セグメントされているため定位を実行結果ソース共分散行列を使用して、分析、降伏のソース電流密度の結果。</li>
	<li>脳波のすべてのセグメントの 5.2 と 5.3 の手順を実行し、必要に応じて、重なっている部分を平均することによって完全な電流密度 1 時間コースに時間のすべてのセグメントの電流密度の結果の要約。 注: この手順は (この数は数千程度通常) 2.3 の手順で定義されているすべてのソース ポイントの皮質活動の電流密度の経になります (図 8)。</li>
	<li>
Roi の各代表の電流密度の時間コースを抽出します。
	<ol>
<li>1 つの信号の時間コースに ROI 内の複数のソース ポイントからの時間コースを要約する希望の方法を選択: 平均、最初 eigenvariate 等
</li>
	</ol>
</li>
	<li>すべての科目について、手順 5.1 5.5。</li>
</ol>

<ol><li>Belanger, M., Allaman, I., Magistretti, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+energy+metabolism%3A+focus+on+astrocyte-neuron+metabolic+cooperation%5BTitle%5D)+AND+%22Cell+Metab%22%5BJournal%5D)">Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation.</a> Cell Metab. 14 (6), 724-738 (2011).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+underpinnings+of+the+BOLD+functional+magnetic+resonance+imaging+signal%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The underpinnings of the BOLD functional magnetic resonance imaging signal.</a> J Neurosci. 23 (10), 3963-3971 (2003).</li>
<li>Michel, C. M., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15351361">EEG source imaging.</a> Clin Neurophysiol. 115 (10), 2195-2222 (2004).</li>
<li>Ramon, C., Schimpf, P. H., Haueisen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+head+models+on+EEG+simulations+and+inverse+source+localizations%5BTitle%5D)+AND+%22Biomed+Eng+Online%22%5BJournal%5D)">Influence of head models on EEG simulations and inverse source localizations.</a> Biomed Eng Online. 5, 10(2006).</li>
<li>Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Error+bounds+for+EEG+and+MEG+dipole+source+localization%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol%22%5BJournal%5D)">Error bounds for EEG and MEG dipole source localization.</a> Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).</li>
<li>Hamalainen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Med Biol Eng Comput. 32 (1), 35-42 (1994).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ijbem.org/volume1/number1/pdf/ijbem_a75-86.pdf">Review of methods for solving the EEG inverse problem.</a> International journal of bioelectromagnetism. 1 (1), 75-86 (1999).</li>
<li>Rosa, M. J., Daunizeau, J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-fMRI+integration%3A+a+critical+review+of+biophysical+modeling+and+data+analysis+approaches%5BTitle%5D)+AND+%22J+Integr+Neurosci%22%5BJournal%5D)">EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches.</a> J Integr Neurosci. 9 (4), 453-476 (2010).</li>
<li>Nguyen, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+Source+Imaging+Guided+by+Spatiotemporal+Specific+fMRI%3A+Toward+an+Understanding+of+Dynamic+Cognitive+Processes%5BTitle%5D)+AND+%22Neural+Plast%22%5BJournal%5D)">EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes.</a> Neural Plast. 2016, 10(2016).</li>
<li>Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ten-twenty+electrode+system+of+the+International+Federation.+The+International+Federation+of+Clinical+Neurophysiology%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol+Suppl%22%5BJournal%5D)">The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology.</a> Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).</li>
<li>Mullinger, K. J., Castellone, P., Bowtell, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Best+current+practice+for+obtaining+high+quality+EEG+data+during+simultaneous+FMRI%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Best current practice for obtaining high quality EEG data during simultaneous FMRI.</a> J Vis Exp. (76), (2013).</li>
<li>Ekman, P., Friesen, W. V. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEkman%2C+P+%22Pictures+of+Facial+Affect%22">Pictures of Facial Affect</a>. , Consulting psychologists Press. (1976).</li>
<li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> Neuroimage. 9 (2), 179-194 (1999).</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 (2), 195-207 (1999).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MNE+software+for+processing+MEG+and+EEG+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">MNE software for processing MEG and EEG data.</a> Neuroimage. 86, 446-460 (2014).</li>
<li>Hagler, D. J., Saygin, A. P., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Smoothing+and+cluster+thresholding+for+cortical+surface-based+group+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data.</a> Neuroimage. 33 (4), 1093-1103 (2006).</li>
<li>Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">Fsl.</a> Neuroimage. 62 (2), 782-790 (2012).</li>
<li>Cox, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((AFNI%3A+software+for+analysis+and+visualization+of+functional+magnetic+resonance+neuroimages%5BTitle%5D)+AND+%22Comput+Biomed+Res%22%5BJournal%5D)">AFNI: software for analysis and visualization of functional magnetic resonance neuroimages.</a> Comput Biomed Res. 29 (3), 162-173 (1996).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimage. 15 (4), 870-878 (2002).</li>
<li>Klein, A., Tourville, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((101+labeled+brain+images+and+a+consistent+human+cortical+labeling+protocol%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">101 labeled brain images and a consistent human cortical labeling protocol.</a> Front Neurosci. 6, 171(2012).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cereb Cortex. 14 (1), 11-22 (2004).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> J Neurosci Methods. 134 (1), 9-21 (2004).</li>
<li>Iannetti, G. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simultaneous+recording+of+laser-evoked+brain+potentials+and+continuous%2C+high-field+functional+magnetic+resonance+imaging+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans.</a> Neuroimage. 28 (3), 708-719 (2005).</li>
<li>Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+FMRI+environment+artifacts+from+EEG+data+using+optimal+basis+sets%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Removal of FMRI environment artifacts from EEG data using optimal basis sets.</a> Neuroimage. 28 (3), 720-737 (2005).</li>
</ol>

著者が明らかに何もありません。

我々 はここで脳波と fmri の同時統合分析の制約された時空間の fMRI ソース解析手法を使用する必要な手順を示しています。脳波と fMRI よくとして定着した脳活動の非侵襲的イメージングのための基本的な方法が彼らのそれぞれの時空の解像度で苦労します。現在 fMRI に制約のある脳波音源位置推定方法がよく制限空間精度 (先入観とクロストークがあります単純な fMRI の制約に依存してそれぞれの有利な特性を活用する方法が開発されている中例えば、MRI マップ外真の活動が発生した場合静的制約は偽りのピークは MRI アクティブ領域近くで観測される中、減少されている本当の原因になります。同様に、MRI アクティブ領域の誤ったまたはノイズ ベースの動作を強化するそれが本当なら、)。制約された時空間の fMRI のアプローチは、2 層階層 bayes 型モデルの変数の fMRI の制約を使用してこれを改善を求めています。現在のソースのアクティビティは、スライディング ウィンドウの方法の脳波データから推定されます。FMRI 活性化マップ最初、複数のサブマップは、皮質の信号源の前に可能な空間としてそれぞれに分かれています。これら...

脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、相補的な機能を備えたニューロ イメージング モダリティとして表示できます。FMRI は、血行動態シグナル (秒) 時間的解像度が低い1,2基になる神経細胞の活動を直接測定として大規模な時空間スケールでの脳の活動をキャプチャします。対照的に、脳波は直接空間解像度の低い3,4が非常に高い時間分解能 (ミリ秒レベル)、脳の動的電気生理学的活動を測定します。これらのプロパティは、それぞれの個々 のメソッド5の有利な点を最適化するように設計マルチ モーダルなアプローチにつながっています。峰機能的 Mri や脳波に関連付けられている制限を克服するために fMRI の空間精度の高い結合する脳波の優れた時間分解能の脳波と fMRI の同時使用が可能します。
脳波と fMRI の統合のための方法は、脳波ソースのローカリゼーション6,7を fMRI 情報を開始します。この手法は脳波源推定を改善するために fMRI 由来の空間情報を利用して、1 つの欠点は、「ハード制約」としての fMRI の応用による潜在的な空間的バイアス-空間情報の fMRI の派生である、絶対的な真理。これは和解6-8にする必要があります 2 つの大きな問題を引き起こします。まず、血液酸素レベル依存 (大胆) 対比の静的マップの使用可能性がありますそれ以外の真の活動を減衰しながら中には、該当する誤った行為を強化して誤ってが考慮されなければなりません。第二に、大胆な活性化マップ外のソースからクロストークは、結果内の真の活動のプレゼンテーションに影響を与える可能性がありますや誤ったアクティビティが発生します。これにもかかわらず、脳波逆問題のモデル化は、空間的知識のまま5有利なソリューションを提供するために fMRI の高空間分解能の使用両方解剖学的および機能的な意味で制約があります。
本稿では、階層ベイズ モデル9に基づく fMRI 前科の最適なサブセットを計算することで脳波と fMRI の間の時間の不一致の問題に対処するアプローチをイメージング時空間 fMRI に制約のある脳波ソースを示しています。FMRI 前科は、時変の fMRI の制約につながる脳波データへの関心の特定のウィンドウからデータ ドリブンの方法で計算されます。提案手法は空間選択的時系列の方法で、正確に画像の動的ニューラルで fMRI の高空間分解能による通知、皮質活動の電流密度のマッピングを計算する脳波の高時間分解能を利用してください。活動。

<table><tbody><tr><td>BrainAmp MR Plus</td><td>脳波</td><td></td><td>記録用アンプ、MR対応</td></tr><tr><td>BrainAmp ExG MR&nbsp;</td><td>ブレインプロダクツ</td><td></td><td>補助センサー(EMG)用アンプ、MR対応</td></tr><tr><td>BrainAmpパワーパック</td><td>ブレイン製品</td><td></td><td>MR環境下でのアンプに電力を供給</td></tr><tr><td>リボンケーブル</td><td>ブレインプロダクツ</td><td></td><td>パワーパックをアンプに接続</td></tr><tr><td>SyncBox</td><td>ブレインプロダクツ</td><td></td><td>MRスキャナークロックと脳波アンプクロックを同期</td></tr><tr><td>BrainCap MR</td><td>ブレインプロダクツ</td><td></td><td>パッシブ電極64チャンネル脳波キャップ、MR対応</td></tr><tr><td>BrainVisionレコーダー</td><td>ブレインプロダクツ</td><td></td><td>脳波データ記録ソフト(ステップ1.2-1.4.2)</td></tr><tr><td>BrainVision Analyzer 2.0</td><td>ブレインプロダクツ</td><td></td><td>脳波解析ソフト(ステップ4.1-4.6)</td></tr><tr><td>USB 2アダプター(別名BUA)</td><td>ブレインプロダクツ</td><td></td><td>アンプとデータ収集コンピュータ間のインターフェース</td></tr><tr><td>光ファイバーケーブル</td><td>ブレイン製品</td><td></td><td>MRスキャナーのEEGキャップを記録コンピュータに接続</td></tr><tr><td>SyncBoxスキャナーインターフェース</td><td>ブレイン製品</td><td></td><td>MRスキャナークロックとEEGアンプクロックを同期</td></tr>させる <tr><td>トリガーケーブル</td><td>ブレイン製品</td><td></td><td>スキャナー/パラダイムトリガーを記録コンピュータに送信するために使用されます</td></tr><tr><td>ABRALYT HiCl EEG電極ゲル</td><td>EasyCap</td><td></td><td>MR環境における受動電極用研磨EEGゲル</td></tr><tr><td>Ingenia 3.0T MRシステム</td><td>Philips</td><td></td><td>3.0 T MRIシステム</td></tr><tr><td>パトリオットデジタイザー</td><td>Polhemus</td><td></td><td>EEGチャネル位置のデジタル化&nbsp;</td></tr><tr><td>MATLAB r2014a</td><td>MathWorks</td><td></td><td>DBTNアルゴリズムのプログラミングベース(ステップ3.3-3.4および5.1-5.7)</td></tr><tr><td>顔面影響の写真</td><td>Paul Eckmanグループ</td><td></td><td>刺激として使用される一連の感情的に価の高い顔</td></tr><tr><td>E-Prime 2.0</td><td>Psychology Software Tools, Inc</td><td></td><td>プレゼンテーションソフトウェア(ステップ1.4.3)</td></tr><tr><td>バイポーラ皮膚EMG電極</td><td>脳製品</td><td></td><td>検出に使用されます筋肉活動。</td></tr><tr><td>デジタル化のためのPOLGUI</td><td></td><td></td><td>MATLABソフトウェア</td></tr><tr><td>Freesurfer</td><td></td><td></td>の<td>ソフトウェアをステップ2.1-2.4、およびステップ3.1-3.2で使用する</td></tr>ソフトウェア <tr><td>MNE</td><td></td><td></td><td>ステップ2.5で使用するソフトウェア</td></tr></tbody></table>

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

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、脳の活動を識別するための基本的な非侵襲的方法の 2 つです。Fmri、空間精度と脳波の高時間分解能を結合するマルチ モーダルな手法を求めているが、このアプローチの複雑さは改善を必要として現在。ここで提示されたプロトコル ソースを示します最近開発された時空間 fMRI に制約のある脳波イメージング法は、ソース バイアスを是正し、fMRI のサブ領域の動的な採用活動によって脳波 fMRI 定位を改善するように努めます。プロセスから始まりますから脳波と fMRI の同時マルチ モーダル データの収集スキャン、皮質の 3 D モデル、独立した脳波と fMRI 処理の世代。加工 fMRI 活性化マップし、その場所とその周辺地域によると、複数の前科に分割されます。これらは脳波源定位法の 2 つのレベルの階層ベイズ アルゴリズムで前科として扱われます。(演算子によって定義された) 対象の各ウィンドウの fMRI 活性化マップの特定のセグメントをアクティブとしてモデル証拠として知られているパラメーターを最適化で識別されます。これらは、マルチ モーダル イメージング法、他の条件付きでアクティブな fMRI の地域で誤ったアクティビティを避けることでクロストークを低減の特異性増加特定の皮質活動のソフトの制約として使用されます。メソッドを生成するアクティビティや時間コースの皮質地図最終結果として取られるまたは (相関、因果関係等の分析) 手法は分析の基礎として使用されるやや (それ見つけることができませんその様相によって制限されますEEG-invisible ソース)、ほとんどの主要な処理ソフトウェアと互換性がある広く、ほとんどのニューロ イメージング研究に適しています。

基本的なレベルでの脳波音源定位には前方および逆問題の解決が含まれます。図 5Cでビルドし、転送の問題を解決するために必要なコンポーネントを示しています。サブジェクト固有の T1 画像 3 つの層を使用して-皮膚、頭蓋骨、脳、分割され、メッシュします。これらのレイヤーは、境界要素法モデルの生成への入力として提供しています。同様に、件名の灰白層、構造 MRI から分割され元の空間を構築するために使用します。脳波センサーの場所だった共同一連のリジッド幾何学的変換を用いた頭部モデル上に登録されています。どのように電気的活動の作成時順モデルを表しますソース領域の任意の場所から頭皮上脳波センサー箇所で潜在的な測定に上昇を与えるでしょう。
fMRI は、優れた空間分解能と精度で脳機能活動の 3 D イメージを提供します。従来の fMRI 解析特定のタスクによって著しく活性化...

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 サブマップ、または脳波源定位空間の特異性が向上し、誤った結果を制限する方法を導くための前科を採用しています。

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

Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are two of the fundamental noninvasive methods for identifying brain ...

この方法は、複数の脳領域間の時間的関係の決定や、複雑な認知プロセスの詳細な神経経路の探索など、神経科学の分野における重要な質問に答えるのに役立ちます。この技術の主な利点は、マルチモーダル脳波と機能データを空間的および時間的な方法で統合して、機能的なニューロイメージングの解像度と精度を向上させることができることです。この手法の意味するところは、てんかんや神経認知障害の理解にまで及びます。なぜなら、この方法は非侵襲的な神経イメージングの空間的および時間的精度を向上させるからです。この方法は、視覚運動および感情処理システムへの洞察を提供するために使用できますが、感覚運動統合、言語、記憶処理などの他のシステムにも適用できます。この方法の視覚的なデモンストレーションは、EEGとfMRIの同時データ記録ステップを学ぶのが難しい場合があるため、非常に重要です。また、特殊な施設、機器、および信号処理方法の要件もあります。この手順を開始するには、適切なサイズのパッシブMRI互換EEGキャップを被験者の頭に装着します。10-20国際ラベリングシステムに従って電極を配置します。EEG記録ソフトウェアで、接地電極と参照電極のインピーダンスを確認します。これを行うには、インピーダンスタブをクリックし、ソフトウェアユーザーインターフェースで電極タイプを選択します。次に、シリンジを使用して電解液を各電極に注入します。次に、綿棒を使用してゲルを広げ、皮膚と電極の接触を確保します。EEGキャップの準備が完了したら、被験者をMRスキャナーに移動してもらいます。実験パラダイムディスプレイを観察室に設置されたモニターに設置します。ヘッドコイル viewミラーを使用すると、被験者は横になったまま頭や目を動かさずにモニター画面を見ることができます。サンプル画像をコンピューター画面に表示して、被写体が快適に画面を見ることができ、パラダイムが正しく表示されることを確認します。必要なハードウェアまたはソフトウェアの調整を行います。その後、被験者にじっとしているように指示し、最初のT1強調解剖学的MRIスキャンを実行します。可能であれば、頭蓋骨や皮膚など、小脳の下部から頭頂部まで届く視野を使用します。次に、EEGデータの記録を開始します。同時に適切なボタンをクリックして、MRI記録を開始し、プレゼンテーションソフトウェアで目的のパラダイムを開始します。EEGデータの記録をチェックして信号品質を確認し、必要に応じて適切なマーカーが記録されているかどうかを確認します。構造 MRI データを解析するには、使用可能な GUI を使用して、レイヤーにオーバーラップがないことを確認します。次に、FreeViewアプリケーションを開きます。「ファイル」をクリックし、「サーフェスをロード」をクリックします。free surferフォルダ内のサブジェクトのディレクトリに移動します。次に、bem フォルダーを開き、続いて watershed フォルダーを開きます。4つのファイル、外側の皮膚表面、外側の頭蓋骨の表面、脳の表面、および内側の頭蓋骨の表面をロードします。次に、スライス選択スライダーを動かし、黄色のサーフェスレイヤーのオーバーラップを探します。オーバーラップが発生した場合は、MRIデータに解剖学的欠陥やエラーがないか再確認し、GUI描画ツールを使用してレイヤーを明確にします。その後、FreeViewアプリケーションで元のMRIデータをロードします File、次にLoad Volume。件名フォルダに移動し、mriフォルダを開きます。次に、元のディレクトリをクリックし、構造MRIデータを開いて[OK]をクリックします。次に、頭のグレースケール画像を見て、脳の周りのグレーと黒のさまざまな層を見ます。これらのレイヤーにギャップや不規則性がないことを確認してください。カラーピッカーツールを使用して、修正するレイヤーからボクセルを選択します。フリーハンドのボクセル編集に切り替え、クリックして画像に描画します。この手順を使用して、MRI画像の欠陥を埋めます。欠陥が発生したすべての層とMRIスライスの補正を行います。その後、フリーサーファーヘッドモデルオーバーレイを使用して、被験者固有のEEGセンサーをMRI空間に位置合わせします。次に、変換を保存します。MNE Analyze アプリケーションを開きます。[ファイル]をクリックし、[サーフェスをロード]をクリックします。サブジェクト データを含むフォルダーに移動し、ピアル サーフェスを読み込みます。[ファイル] をクリックし、[デジタイザー データの読み込み] をクリックして、目的の EEG ファイルを選択します。[ビューアーと表示] をクリックします。Viewer GUI が表示されたら、[オプション] をクリックし、スカルプとデジタイザーのデータ オプションが選択されていることを確認します。ここでの電極は赤で示され、基準点は黄色で示されています。メインウィンドウで、[調整]、[座標配置]の順に選択します。座標アライメントGUIを使用して、ビューア内のEEG電極を矢印ボタンと左右ボタンでシフトおよび回転させます。必要なだけ調整してください。位置合わせが完了したら、座標位置合わせGUIの下部にある「保存」をクリックして、位置合わせを保存します。脳波データ解析では、特殊信号処理メニューのMR補正ボタンをクリックし、脳波解析ソフトウェアGUIで適切なパラメータを選択することにより、テンプレート減算によるスキャナーグラディエントアーチファクト補正を行います。テンプレート減算によってカーディオバリスティックアーチファクトを除去するには、特殊信号処理メニューのCB補正ボタンをクリックし、解析ソフトウェアGUIで適切なパラメータを選択します。次に、データフィルタリングの下にフィルタリングを適用します。分析GUIの上部にあるIIRフィルタリングのボタンを選択します。たとえば、0.05 ヘルツにハイパス、40 ヘルツにローパス、電力線周波数にノッチ フィルターを適用し、ロールオフが 48 デシベル/ヘルツの場合です。眼のアーチファクト補正を実行するには、トランスフォーメーションを選択し、次にアーチファクト除去リジェクションリダクションを選択し、次に眼球補正ICAを選択します。次に、イベント タイミング マーカーに関して指定された刺激前と刺激後の時間に基づいて、EEG データをエピックに分割します。これには、[変換]、[セグメント分析関数]、[セグメント化] の順に選択します。その後、対象のマーカーと対象の時間セグメントを選択します。その後、手動または半自動のアーティファクト拒否を実行するには、 [変換] を選択し、 [アーティファクト拒否] で [アーティファクト拒否の削減] を選択します。プロンプトが表示されたら、GUI の 3 つのタブでアーティファクトの基準を定義し、指示に従って続行します。「検査方法」タブで、アーティファクトを自動的に選択、半自動、または手動で選択します。次に、「アーティファクトをマークまたは削除」を選択し、修正が 1 つのチャネルに対するものかどうかを指定します。次に、チャネル選択タブで、アーティファクトを修正するチャネルを選択します。「基準」タブで、アーティファクトを識別する基準を選択します。基準を選択した後に「OK」をクリックすると、選択内容に従ってアーティファクトが識別または拒否されます。ベースライン補正を実行するには、「変換」を選択し、「セグメント分析機能とベースライン補正」を選択します。また、セグメント化されたデータを平均化するには、[変換]、[セグメント分析関数]、[平均化] の順に選択します。まず、対象のEEGエピックは、事前定義されたウィンドウとオーバーラップサイズを持つ小さなタイムウィンドウに分割されます。一方、fMRI活性化マップは、EEGソース分析の空間的事前分布として使用される複数の関心領域に細分化されています。各タイム ウィンドウで、ソースのローカリゼーションに適した空間事前確率のセットが選択されます。これらを組み合わせると、関心のある脳波叙事詩全体の皮質活動の最終的な時間経過が得られます。ここでは、新しい時空間特異的なfMRI制約付き脳波源イメージングと、下層によく用いられている時間不変fMRI制約源イメージングを比較して、再構成された脳活動を示しています。再構築された脳活動は、視覚運動活性化パラダイムを受けている1つの代表的な被験者について、いくつかの時点で示されています。新しい方法によるローカリゼーションの結果は、より焦点が定まっており、予想される脳領域によりよく一致していました。ここでは、異なるウィンドウサイズでメソッドを適用することにより、メソッドの堅牢性がテストされます。適度なウィンドウ サイズはかなり安定していますが、大きなウィンドウ サイズでは結果が異なることに注意してください。一度マスターすれば、脳波とfMRIの同時並行データ記録セッションは約3時間で完了し、データ解析は適切に行えば2〜3日で行うことができます。この手順を試行する際は、録音中にクロックの同期とトリガーを確認することを忘れないでください。分析中は、関心のあるアクティビティをキャプチャするために必要なパラメーターにも注意を払う必要があります。この手順に続いて、脳波や機能的MRIデータ解析、全脳接続性解析などの測定を行い、認知課題中の脳内の根底にある接続構造や活動を調査することができます。この開発後、この技術は、機能的ニューロイメージングの分野の研究者が、複雑な認知処理に関与する非常に動的な脳活動を探求し、神経障害に関連する神経経路の詳細な変化を研究するための道を開きました。このビデオを見れば、脳波とfMRIの同時記録の方法と、空間時間的fMRI制約付き脳波社会分析の基本の実行方法について十分に理解できるはずです。高い空間時間分解能と精度で脳活動を再構築するため。MRI環境で参加者や機器と作業するには、安全上の懸念について常に意識する必要があることを忘れないでください。不特定の金属物をMRI室に持ち込むことはなく、すべての電極インピーダンスは50クーロン未満に保つ必要があります。

concurrent-eeg-functional-mri-recording-integration-analysis-for

Research

JoVE Journal

Biology

生物学

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

我々は、神経活動と血中酸素レベル依存（BOLD）MRI信号との関係の調査のためのプラットフォームを提供し、齧歯類の脳における同時機能的磁気共鳴イメージングと電気生理学的記録法を開発した。...

齧歯類の脳における同時fMRIと電気生理学

我々は侵襲的なてんかんの監視を受けているヒトから研究目的electrocorticographic信号を収集するための手法を提案する。我々は、データ収集、信号処理と刺激プレゼンテーションのためBCI2000ソフトウェアプラットフォームを使用する方法を示します。具体的には、SIGFRIED、リアルタイム脳機能マッピングのためのBCI2000ベースのツールを示しています。...

神経科学の研究とリアルタイム機能皮質マッピングのためのヒトElectrocorticographic（ECOG）信号を記録

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 /...

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

同時脳波（EEG）と機能的磁気共鳴画像（fMRI）は、強力な神経画像ツールです。しかし、MRIスキャナの内部には、スキャナ内部のEEG機器を操作するたびに、EEGデータ記録と安全性を考慮しなければならないため困難な環境を形成している。ここでは、最適化されたEEG-fMRIのデータ収集プロトコルを提示します。...

同時fMRIの中の高品質脳波データの取得のための最も良い現在の習慣

本稿では、機能的磁気共鳴画像法（fMRI）を用いて明らかにした活性化によって案内同時経頭蓋磁気刺激（TMS）中に（EEG）データを収集し、脳波を分析するための方法が記載されている。事象関連電位のTMSアーチファクト除去や抽出のための方法は、パラダイムの設計と実験で説明しただけでなく、配慮されている。...

fMRIのガイド下経頭蓋磁気刺激中に記録された脳波データからの視覚誘発電位を抽出する

マルチモーダルImaging-とてんかんの患者で接続関連の脳の興奮性を評価するの刺激に基づく方法

統計的パラメトリック マッピング (SPM) ソフトウェアを使用して頭蓋内脳波データを分析するために使用できる 2 つの分析のプロトコルを提案する: 時間周波数統計的パラメトリック マッピング解析神経活動と動的因果関係内間 regional...

神経活動と Spm と頭蓋内脳波データを使用した接続の分析

本稿では、容易に入手可能な医療製品を利用して、脳波と機能的磁気共鳴画像の同時利用時に、良質の脳波(EEG)データを取得するための簡単なプロトコルを提供します。...

同時脳波と機能MRIにおける脳波データの確実な取得

この記事では、臨床と研究の両方の設定で使用できる脳波と機能的磁気共鳴画像(EEG-fMRI)の同時記録手順について詳しく説明します。臨床レビューのために画像アーチファクトを除去するためのEEG処理手順も含まれています。本研究は,間期におけるてんかんの例に着目した。...

てんかんの臨床レビューのための脳波と機能的磁気共鳴画像の同時診断のための機器のセットアップとアーチファクト除去

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

学ぶ 脳波と機能的MRIを統合した時空間制約付きソースイメージング法により、神経活動の高解像度可視化を実現します。非侵襲的な神経イメージングの精度向上に貢献します。

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

さらに動画を探す