발작이 발생하기 쉬운 뇌 영역을 식별하기 위한 동시 뇌파검사(Electroencephalography and Magnetoencephalography)

초록

출처: 파파델리스, C., 외, 소아 간질의 바이오마커로서 동시 자기뇌파 및 뇌파검사로 감지된 Interictal 고주파 진동. J. Vis. 특급. (2016).

이 비디오는 뇌파검사(EEG) 및 자기뇌파검사(MEG) 기록을 사용하여 간극을 식별하는 방법을 보여줍니다. 간질 방전(IED) 및 고주파 진동(HFO)을 통해 뇌에서 발작이 발생하기 쉬운 부위를 찾습니다.

프로토콜

인간 참가자와 관련된 모든 절차는 기관, 국가 및 Human Welfare에 대한 국제 지침이며 지역 기관 검토 위원회에서 검토되었습니다.

1. 데이터 수집

1. 자기 뇌파 검사 (MEG) 및 뇌파 검사 (EEG)
   NOTE: MEG/EEG 데이터 수집은 방법에 따라 수행됩니다. 소아 간질에서 MEG의 임상적 사용에 대한 자세한 내용은 다른 곳에서 확인할 수 있습니다.
   1. 전체 헤드 MEG 시스템으로 MEG 신호를 기록합니다.
      참고: MEG 시스템은 102개의 센서 소자에 통합된 두 가지 유형(평면 그래디오미터 및 자력계)의 박막 센서를 사용합니다. 각 요소에는 단일 코일과 "8자형" 유형 코일 구성으로 구성된 두 개의 직교 평면 그래디오미터로 구성된 자력계가 포함되어 있습니다. 자력계는 표면에 수직인 자속을 측정하고 그래디오미터는 "8"의 두 루프 또는 공간 구배의 차이를 측정합니다. MEG 시스템에는 204개의 평면 그래디오미터와 102개의 자력계(총 306개의 센서)가 있습니다. 공급 업체마다 MEG 시스템에는 코일의 수와 유형이 다릅니다 ( i.e., axial gradiometers)입니다.
   2. Ag/AgCl 소결 링 전극이 있는 비자성 70채널 전극 캡과 T1/T2의 추가 전극을 사용하여 EEG 신호를 동시에 기록합니다. 공통 참조 몽타주를 사용합니다.
   3. 자기 차폐실(MSR)의 문을 닫습니다. 인터콤 시스템을 통해 환자와 소통하여 환자가 편안한지 확인합니다. 자녀가 혼자 있는 것이 불편하다고 느끼는 경우 녹음하는 동안 부모에게 MSR 내부에 머물도록 요청하십시오.
   4. MEG 수집 소프트웨어에서 '이동' 버튼을 클릭하여 녹음을 시작합니다. 1KHz(또는 그 이상)의 높은 샘플링 속도를 사용합니다. 400Hz에서 6차의 저역 통과 무한 임펄스 응답(IIR) 필터를 사용합니다. 기록된 모든 신호를 온라인으로 확인합니다. 센서 튜너를 사용하여 잘못된 MEG 채널을 수정합니다.
      참고: 불량 MEG 채널은 상대적으로 높은 수준의 백색 잡음(자력계의 경우 2-5 fT/√Hz 이상)을 가진 센서(그래디오미터 또는 자력계) 또는 스퓨리어스 환경 전자기 노이즈를 기록하는 센서로 정의됩니다. 이것은 일반적으로 센서가 강한(측정된 신호에 상대적으로) 자기장에 노출되고 코일의 특정 부분이 자속을 "가두어" 초전도성을 파괴할 때 발생합니다. 그런 다음 센서 튜너를 사용하여 코일에 전류를 가하여 코일을 가열합니다. 이 절차를 튜닝이라고 하며 센서의 백색 잡음 수준이 특정 임계값보다 높을 때 사용됩니다(e, 2 - 5 fT/√Hz). 일부 MEG 시스템에는 센서 튜너가 없습니다.
   5. MEG 수집 소프트웨어에서 '측정' 버튼을 클릭하여 환자의 머리 위치를 측정합니다. 감각 배열이 환자의 머리를 잘 덮지 않는 경우, 환자에게 머리를 헬멧 안으로 더 깊숙이 넣도록 요청하십시오.
      참고: 이 기동은 인공 자기장을 생성하는 일시적인 진동 전기 신호를 가하여 4개의 헤드 위치 표시기(HPI) 코일을 활성화합니다. MEG 센서는 이러한 자기장을 감지하고 헤드 위치를 결정합니다. 절차는 MEG 공급업체마다 다를 수 있습니다.
   6. MEG 수집 소프트웨어에서 '녹음' 버튼을 클릭하여 MEG, EEG 및 주변 장치 녹음을 기록합니다(즉, 심전도 또는 ECG, 근전도 또는 EOG) ~60분 동안.
      참고: 데이터는 RAID(Redundant Arrays of Independent Disks)에 .fif 파일로 저장됩니다. 파일 형식은 MEG 공급업체마다 다릅니다.
   7. 녹음이 끝나면 MSR을 열고 케이블을 분리한 다음 MSR 병실에서 환자를 꺼냅니다. 모든 테이프, 전극, HPI 코일 및 EEG 캡을 부드럽게 제거합니다. 환자의 머리를 씻으십시오.
   8. 획득이 완료된 후 환자 없이 빈 MSR의 자기 신호를 기록합니다. MEG 수집 소프트웨어에서 '이동' 버튼을 클릭하여 녹음을 시작합니다. MEG 데이터를 2분 동안 기록합니다.
      참고: 이 데이터는 환경 전자기 노이즈를 추정하는 데 사용됩니다.

2. Interictal Activity 식별

1. GNU General Public License에 따라 온라인에서 무료로 다운로드할 수 있도록 문서화되어 있는 Brainstorm을 사용하여 데이터를 엽니다.
2. 임상적 발작으로부터 최소 2시간 간격으로 발생하는 간헐적 활동이 있는 EEG 데이터의 시각적 부분을 선택합니다.
   참고: Figure 1 잦은 IED가 있는 EEG 및 MEG 데이터의 일부를 표시합니다.
   1. EEG 신호에서 경험적으로 잘 정의된 간질 방전(IED)을 식별하십시오: 여기에는 스파이크(20 - 70ms) 및 날카로운 파동(70 - 200ms)이 포함됩니다.
      참고: 간질성 초점 국소화에서 두 가지 유형의 IED의 임상적 중요성은 동일합니다.
   2. (가능한 경우) (i) 최소 모션 아티팩트, (ii) 10초 디스플레이당 3 - 4 IED 이상, (iii) 일반적으로 많은 수의 고주파 진동(HFO)을 나타내는 저파 비REM 슬립이 있는 녹음 부분을 식별하십시오.
3. 브레인스토밍을 사용하여 표준 디스플레이 설정(10초/페이지)으로 데이터를 표시합니다. 필터 탭으로 이동하여 고역 통과 필터: 1Hz, 저역 통과 필터: 80Hz, 노치 필터: 50 또는 60Hz(전력선의 주파수에 따라 다름)의 필터 표시 매개변수를 설정합니다. 데이터를 검사하고 IED로 데이터의 일부를 식별합니다.
   참고: IED가 있는 신호의 일부만 스캔하여 HFO를 찾습니다. 선택한 필터는 시각화 전용입니다. 데이터에 적용되지 않았습니다. 이러한 필터를 데이터에 영구적으로 적용하려면 브레인스톰 웹 사이트(http://neuroimage.usc.edu/brainstorm/)의 지침에 따라 대역 통과 버터워스 필터(4차)를 사용합니다.
4. EEG와 MEG 데이터 모두에서 발생하는 각 IED의 피크를 표시합니다(그림 1)입니다.
   참고: 브레인스톰을 사용하여 IED를 표시하는 방법에 대한 자세한 내용은 다른 곳에서 확인할 수 있습니다(http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. 동시 두피 EEG 및 MEG 데이터에서 HFO의 반자동 감지

참고: 여기에서는 HFO를 감지하는 반자동 방법을 설명하며, 여기에는 자동 감지가 포함됩니다(그림 2), 자동으로 감지된 HFO에 대한 시각적 검토가 이어집니다. 실제 리플로서 날카로운 과도 현상의 스퓨리어스 진동을 피하고 HFO가 필터링 현상으로 인한 것이 아님을 보장하기 위해, 우리는 관련 문헌의 최신 제안을 따랐습니다: 필터의 임펄스 응답이 선택된 사이클 수(50)보다 적은 진동을 갖는 것이 관찰되었기 때문에 HFO는 최소 4개의 진동 수를 가질 것을 요구했습니다. 링잉 효과와 "Gibbs" 현상50을 최소화하기 위해 FIR(Finite Impulse Response) 필터를 사용했고, HFO가 IED에 오버레이되어 보이는지 확인하기 위해 전문가가 후보 HFO 이벤트를 육안으로 검사해야 했으며, 날카로운 이벤트와 진동이 서로 다른 시그니처를 가지고 있기 때문에 시간-주파수 플레인에서 고립된 섬을 관찰해야 했습니다. 실제 HFO는 80 - 500Hz 대역에 위치한 시간-주파수 플롯(주파수가 제한되어 "섬"으로 제한됨)의 고립된 피크로 표시되는 반면, 일시적인 이벤트는 주파수가 확장된 길쭉한 블롭을 생성합니다.

1. Automatic HFO detection
   참고: 그림 2은 각 EEG 신호에서 HFO를 자동으로 감지하는 순서도를 설명합니다. 개발된 방법의 목표는 HFO의 육안 검사에 권장되는 2초/페이지 디스플레이를 사용하여 각 EEG 채널에서 HFO 이벤트를 표시해야 하는 EEG 전문가의 부담을 줄이는 것입니다. HFO는 리플 주파수 대역(80 - 250Hz) 내에서 발생하는 이벤트로 정의되었으며, 이는 주변 배경에서 눈에 띄는 사인파와 같은 형태의 진동이 4개 이상 있고 뚜렷한 고주파에서 고립된 스펙트럼 피크를 가진 단기 이벤트로 나타납니다.
   1. 시간 영역에서 후보 HFO 감지
      1. Band-pass(BP)는 80Hz에서 250Hz 사이의 EEG 신호를 필터링하여 주파수 내용을 관심 리플 대역으로 제한합니다.
         참고: 링잉 효과와 "Gibbs" 현상을 최소화하기 위해 FIR 필터를 사용하고 위상 왜곡을 방지하기 위해 제로 위상 디지털 필터링을 사용하는 것이 좋습니다.
      2. 힐베르트 변환을 사용하여 BP 신호의 포락선을 계산합니다. 시계열의 각 점을 중심으로 하는 10초 슬라이딩 윈도우에 대한 엔벨로프의 평균과 표준 편차(SD)를 계산합니다. 모든 윈도우에 걸쳐 중앙값을 사용하여 전체 평균과 SD를 추정합니다(HFO가 많고 SD가 높은 신호 부분이 존재할 가능성에 대해 견고한 값을 얻기 위해).
      3. 봉투의 z-점수를 계산하고 최소 임계값(3)보다 높을 때마다 후보 HFO를 표시합니다.
      4. 감지된 이벤트의 시작점과 끝점을 임계값의 절반이 위쪽 및 아래쪽으로 교차하는 지점으로 정의합니다. 이벤트 간 간격이 30ms 미만인 HFO를 하나의 단일 HFO로 간주합니다. HFO 시작점과 끝점 사이에 있는 BP 신호의 피크 수를 계산하고, 피크가 4개 미만인 이벤트를 버립니다. 또한 z-score가 12보다 높은 이벤트를 삭제합니다.
         참고: 녹음에서 발생할 수 있는 아티팩트의 진폭에 따라 최대 z-score 임계값을 수정합니다. 진동 수가 적은 이벤트는 필터링 효과로 인해 발생할 수 있는 반면, 진폭이 매우 높은 이벤트는 근육 또는 전극 아티팩트로 인해 발생할 수 있습니다.
   2. 시간-주파수 영역에서 가능한 아티팩트를 거부합니다.
      참고: 이 단계는 실제 HFO를 다른 EEG 활동 및 필터링 아티팩트에 의해 유발될 수 있는 이벤트와 구별하는 데 필요하며, 해당 주파수 성분은 관심 주파수 대역으로 제한되지 않습니다. 이는 실제 HFO가 주파수가 확장된 길쭉한 블롭을 생성하는 일시적인 이벤트와 대조적으로 80Hz 이상의 고유한 주파수에서 격리된 스펙트럼 피크가 있는 단기 이벤트로 나타난다는 가정을 기반으로 합니다.그림 3 는 HFO 피크 주위의 [-0.5, +0.5] s 기간 동안 BP 필터링된 EEG 신호(상단 패널), 엔벨로프(중간 패널) 및 해당 시간-주파수 평면(하단 패널)을 보여주는 감지된 HFO의 예를 보여줍니다. 시간-주파수 평면의 표시는 150Hz 이상의 주파수에 대해 눈에 띄는 활동이 관찰되지 않았기 때문에 80 - 150Hz로 제한됩니다.
      1. 1Hz에서 가장 높은 관심 주파수까지의 주파수 범위에서 Morlet 변환을 사용하여 모든 후보 HFO 이벤트를 시간-주파수 공간으로 변환합니다. 즉, 250Hz(중심 주파수 = 1Hz, full-width-at-half-maximum = 3s).
      2. 이벤트 지속 시간의 각 시점에 대한 시간-주파수 표현의 순간 전력 스펙트럼을 분석합니다. 각 파워 스펙트럼에 대해 자동 기준에 따라 고주파 대역에서 피크를 검출하고 이 피크가 더 낮은 주파수 범위에서 가장 가까운 피크와 명확하게 구별되는지 확인합니다. 시간 지점의 90% 이상에서 격리된 고주파 피크가 있는 전력 스펙트럼을 보여주지 않는 HFO는 폐기합니다.
2. 감지된 모든 HFO 이벤트를 채널 전반의 시간적 발생을 기준으로 정렬합니다. 기간이 겹치는 모든 연속된 HFO를 함께 그룹화합니다. 추가 분석을 위해 두 개 이상의 EEG 채널을 포함하는 HFO 그룹만 유지하십시오.
   참고: 알고리즘은 실제 HFO와 유사하고 단일 EEG 리드에서 발생할 수 있는 스퓨리어스 랜덤 아티팩트를 캡처하지 않기 위해 HFO가 최소 2개의 채널에서 발생하도록 요청합니다. 두 개의 연속된 HFO는 두 번째 HFO의 시작 시간이 첫 번째 HFO의 시작 시간보다 앞서는 경우 겹치는 것으로 간주됩니다.
3. HFO 이벤트의 시각적 검토
   1. 2개의 컴퓨터 화면을 수직으로 정렬합니다. 하나는 EEG 검사용이고 다른 하나는 MEG 신호 검사용입니다. 감지된 이벤트를 확장(2 s/page) 및 일반 스케일(10 s/page)에 각각 80 - 250 Hz 및 1 - 40 Hz BP 필터링된 신호를 표시합니다.
   2. 필터링되지 않은 EEG 및 MEG에서 근육 또는 전극 아티팩트와 함께 발생하는 이벤트뿐만 아니라 빈도 변동성이 크거나 불규칙한 형태 또는 큰 진폭 변화가 있는 이벤트는 무시합니다.
   3. HFO를 감지하는 동안 EOG 및 EMG 신호를 관찰하고 EOG 또는 근육 활동에 해당하는 것으로 생각되는 모든 이벤트를 폐기합니다. EEG/MEG IED와 중복되는 HFO는 실제 HFO일 가능성이 더 높으므로 HFO만 고려하십시오.
      참고: 이 접근법은 낮은 민감도를 희생하는 대신 높은 특이성을 제공합니다. 따라서 확인된 HFO가 피질 기원이라는 확신을 제공합니다.
   4. EEG 및 MEG 신호에서 동시에 발생하는 HFO 이벤트만 유지하십시오.

4. IED 및 HFO의 소스 현지화

1. 등가 전류 쌍극자(ECD)를 사용하여 MEG IED의 피크에서 발전기를 지역화합니다. 무료로 사용할 수 있는(http://martinos.org/mne/stable/index.html) Minimum Norm Estimates 소프트웨어를 사용합니다. 적합도(GOF)가 80%이고 쌍극자 모멘트가 Q<500nA - m인 스파이크> 고려하십시오. 각 환자의 MRI에 ECD 위치를 오버레이합니다.
   참고: MEM(Maximum Entropy on the Mean)은 소스의 위치와 범위를 결정하는 매력적인 대체 방법입니다.
2. wMEM(Wave Maximum Entropy on the Mean) 방법을 사용하여 EEG와 MEG 모두에서 HFO 소스 위치 파악.
   참고: MEM은 간질 활동의 근원의 위치와 정도를 결정하는 데 성공적으로 사용된 효율적인 기술입니다. wMEM은 사실적인 시뮬레이션으로 평가된 진동 활동의 위치를 파악하기 위해 개발된 MEM의 확장입니다. 각 시간-주파수 박스에서 MEM 소스 위치 파악을 수행하기 전에 이산 웨이블릿 기준으로 신호를 분해합니다. 따라서 wMEM은 HFO를 국소화하는 데 특히 적합합니다.
   1. MRI를 분할하고 Freesurfer를 사용하여 피질 표면을 얻습니다.
   2. OpenMEG를 사용하여 3층 모델에 대한 경계 요소 방법(BEM)으로 EEG/MEG 순방향 문제를 해결합니다.
   3. 이산 웨이블릿 변환의 두 번째 스케일이 관심 주파수 대역에 대응되도록 신호를 640Hz로 리샘플링합니다.
   4. 각 HFO 직전 150ms 윈도우에서 리플 대역의 배경을 기반으로 각 HFO에 대해 데이터 공간의 잡음 공분산 행렬을 독립적으로 추정합니다. 리플 밴드의 각 HFO에 대해 소스 현지화를 수행하고 HFO 지속 시간을 따라 평균을 구합니다. 참고: 결과 맵은 피질 테셀레이션의 각 꼭짓점과 관련된 피질 활성화 값으로 구성됩니다.
   5. 각 HFO에 대해 최대 활성화 값이 1이 되도록 각 맵을 정규화합니다.
   6. 각 정점에서 모든 HFO의 활성화 값 평균을 계산합니다. 피질 표면 위에 최종 지도를 표시하기 위해 최대 활성화의 60%의 임계값을 적용합니다.

결과

재료