동시 멕 / EEG와 해부학적인 몸의 구조 제약 최소 - 표준 견적을 사용하여 매핑 두피 역학 : 청각주의 예

이 절차의 전반적인 목표는 다양한 인간의 인지 상태의 기저에 있는 피질 역학을 매핑하는 것입니다. 이것은 먼저 피험자가 행동 작업을 수행하는 동안 자기 및 뇌파 데이터 또는 MEG 및 EEG를 캡처하여 수행됩니다. 두 번째 단계는 관련 MRI 염기서열을 사용하여 해부학적 데이터를 얻는 것입니다.

다음으로 MEG와 EEG의 센서 위치 간에 해부학적 정보와 공간적 대응을 확립하기 위해 공동 정합이 수행됩니다. 마지막 단계는 역 이미징 접근 방식을 사용하여 개인의 뇌 활동을 피질 공간에 매핑하는 것입니다. 궁극적으로, 공통 표면 기반 좌표계를 기반으로 하는 통계적 추론은 한 인지 상태를 다른 인지 상태와 구별하는 중요한 공간적 시간 패턴을 발견하는 데 사용됩니다.

절차를 시연하는 사람은 Eric Lawson과 Ross Maddox입니다. 제 연구실의 박사후 연구원의 경우, 피험자의 구조적 MR 이미지를 얻어 이 프로토콜을 시작합니다. 먼저, 자화로 준비된 빠른 그라디언트 에코 또는 MP 분노 또는 유사한 시퀀스를 사용하여 구조적 MR 스캔을 획득합니다.

이 순서는 EEG 데이터가 역 이미징 분석에 사용되는 경우 사용되는 특정 스캔 해상도 및 이미징 프로토콜에 따라 5분에서 10분이 소요될 수 있습니다. 또한 두 개의 빠른 로우 앵글 샷 또는 플래시 MRI 스캔을 획득할 수 있습니다. 이러한 플래시 시퀀스는 표준 MP 분노 시퀀스와 다른 조직 대비를 제공합니다.

이미징이 완료되면 MNE 및 무료 서퍼 소프트웨어를 사용하여 MP 분노 및 플래시 이미지에서 피부 외부 두개골 및 내부 두개골 표면을 재구성합니다. 그런 다음 이러한 표면을 사용하여 MEG 실험 전에 3층 경계층 모델 또는 bem을 생성합니다. 먼저 청각 및 시각 지연 시간을 테스트하여 타이밍 무결성을 확인합니다.

화면에 연결된 마이크와 사진 DDE를 사용한 다음 관찰 가능한 지터가 없는지 확인합니다. 이를 위해서는 프레젠테이션 프로젝터를 기본 해상도로 설정해야 할 수 있습니다. 다음으로, electrogram 및 reference electrode 준비에 대한 자세한 내용은 luital의 이전 비디오 기사를 참조하고 Piket의 신탁 랜드마크, 헤드 위치 표시기 코일 및 EEG 전극의 디지털화에 대해 자세히 설명하면서 녹음을 위해 피사체를 준비합니다.

피험자가 MEG 측정 헤드 위치에 편안하게 앉으면 헤드 위치 표시기 또는 HPI 코일을 사용하여 녹음을 시작하고 청각 및 시각적 자극을 제시하기 시작합니다. 참고: HPI 측정은 연속적으로 수행할 수도 있습니다. 피험자는 시청각 행동 과제를 수행하는 동안 광학 버튼 박스를 통해 청각 및 시각적 자극에 반응해야 합니다.

여기서 피험자는 반음장에서 유래한 스포크와 숫자를 시각적 신호에 의해 대기된 것으로 보고합니다. 때때로, 피험자는 시험 중간에 반대쪽 반구장으로 주의를 전환하도록 시각적으로 지시를 받습니다. 청각적 주의의 전환을 연구하기 위해 자극 표현을 수행할 수 있는 많은 하드웨어 및 소프트웨어 솔루션을 사용할 수 있습니다.

여기에서 Tucker Davis Technologies RZ six는 청각 자극 프레젠테이션 및 시각적 자극 프레젠테이션을 위한 심리 도구 상자와 함께 트리거 스탬핑에 사용되며, 둘 다 MATLAB으로 제어됩니다. 데이터 처리를 시작하려면 여기에서 볼 수 있듯이 MNE 소프트웨어를 사용하여 EEG 데이터를 구조적 MR에 공동 등록하려면 먼저 디지타이저 데이터를 피험자의 재구성된 MRI 머리 모델에 로드합니다. 다음으로, 공동 등록 프로세스를 시작하기 위해 신탁 랜드마크를 선택한 다음 자동 정렬 절차를 사용하여 좌표 변환을 완료합니다.

그런 다음 소스 공간에서 각 다이폴의 위치를 각 센서의 위치와 관련시킵니다. 기록된 헤드 위치 표시기 데이터를 결합하여 3층 경계층 모델 모델로 순방향 솔루션을 계산하면 데이터의 신호 대 잡음비가 더욱 증가합니다. 채널의 스파이크로 인해 비정상적으로 높은 진폭 신호가 포함된 서사를 제거하는 것과 같은 시간 도메인 아티팩트 제거를 적용합니다.

또한 50 또는 60 헤르츠 라인 주파수에서 대역 노치 필터링과 같은 주파수 도메인 아티팩트 제거를 적용하고, 신호 공간 프로젝션 또는 신호 공간 분리와 같은 기타 노이즈 감소 기술을 사용하여 주변 환경 필드 오염 또는 기타 원치 않는 생리적 신호(예: 눈 깜박임 및 심장 아티팩트와 관련된 신호)에서 공간 필드 패턴을 투사하거나 분리합니다. 이제 분산 쌍극자 추정치에 대한 브레인 무비를 생성하고, 이는 각 실험 조건에 대한 시간상 소스 공간의 각 쌍극자 위치에서의 현재 추정치입니다. 실험 설계의 시간적 특성에 따라 겹치지 않는 시간 창을 사용하여 현재 추정치를 평균화하여 분석을 계속함으로써 모프를 계속 해석함으로써 데이터를 시간에 따라 구부릴 수 있습니다.

이전에 각 피험자에 대해 생성된 뇌 영화는 개별 sical jarral 패턴을 최적으로 정렬하는 표면 기반 좌표계를 기반으로 하는 공통 피질 공간에 있습니다. 이를 통해 피험자 간의 피질 활동을 비교하거나 평균화할 수 있습니다. 관심 영역 접근법을 사용하기 위해, ROI는 예를 들어 자동 소포화 알고리즘에 의해 해부학적으로 정의될 수 있고, 또는 기능적으로 안구 운동 영역을 식별하기 위한 go-no-go secon 작업과 같은 기능적 현지화 작업을 기록함으로써 분석이 사용된 실험 패러다임에 적합한 특정 관심 시간으로 더욱 제한될 수 있습니다. 예를 들어, 소리 자극이 시작되기 직전과 직후의 기간으로 제한됩니다.

시계열 분석과 관련된 다른 통계적 추론도 위에서 설명한 행동 패러다임을 사용하여 사용할 수 있습니다. 여기서는 비모수적 시공간 클러스터링 절차를 사용하는 대표적인 결과를 볼 수 있습니다. 오른쪽 전두엽 시야는 개별 피험자가 표준 작업과 비교하여 방향 전환 작업을 수행할 때 중요한 것으로 밝혀졌습니다.

ROI 접근법을 사용하면 오른쪽 전두엽 안구의 시간 경과와 이 두 가지 조건이 크게 다른 기간을 보여줍니다. 이 비디오를 시청한 후에는 M-E-G-E-E-G 및 MRI를 사용하여 다양한 행동 작업에서 피질 역학을 매핑하는 방법에 대해 잘 알게 될 것입니다. 적절한 통계적 접근 방식을 사용하면 인지 상태를 구별하는 다양한 공간적 시간 패턴을 발견할 수 있습니다.

시청해 주셔서 감사드리며 실험에 행운을 빕니다.