2014년 5월 12일
이 논문은 기능성 자기 공명 영상 (fMRI)으로 밝혀 활성화에 의해 유도 동시 경 두개 자기 자극 (TMS) 동안 (EEG)의 데이터를 수집하고 뇌파를 분석하는 방법을 설명합니다. 사건 관련 전위의 TMS 이슈 제거 및 추출 방법은 패러다임의 설계 및 실험 장치의 고려 사항뿐만 아니라 설명되어 있습니다.
이 절차의 전반적인 목표는 기록된 EEG 데이터에서 신뢰할 수 있는 ERP를 추출하는 것입니다. FMRI 유도 경두개 자기 자극 중. 이는 먼저 피질 영역을 정의하기 위해 고해상도 기능적 MRI 스캔을 수행함으로써 수행됩니다.
자극하기 위해 다음 단계는 깨끗한 ERP를 얻기 위해 나중에 기록된 EEG 데이터에서 뺄 TMS 아티팩트 템플릿을 추출할 수 있는 EEG 실험을 설계하는 것입니다. 다음으로, T-M-S-E-E-G 실험 설정은 정위 항법 시스템을 사용하여 신중하게 준비됩니다. 참가자의 머리에서 FMRI 정의 대상을 찾기 위한 마지막 단계는 TMS 애플리케이션과 동시에 EEG 데이터를 기록하는 것이며, 궁극적으로 TMS 아티팩트 템플릿의 빼기를 사용하여 신뢰할 수 있는 ERP를 얻습니다.
동시 G-F-M-R-I와 같은 기존 방법에 비해 이 기술의 주요 장점은 FMRI로 정의된 뇌 영역과 EEG로 측정된 전기생리학적 신호에 대한 추론을 할 수 있다는 것입니다. E-E-G-T-M-S 동시 조합의 주요 과제는 TMS에 의해 생성된 아티팩트를 제거하는 것입니다. 이것은 먼저 자기 펄스 동안 수집된 EEG 데이터를 절단한 다음 TMS와 관련된 다른 잔류 아티팩트를 수정함으로써 수행됩니다.이 절차를 시연하는 것은 Boaz Ade에 의해 이 절차에 대해 교육을 받은 Ziv Perman이 될 것입니다.
고해상도 에코 플래너 이미징 시퀀스를 사용하여 기능적 MRI 작업을 실행하여 TMS로 알려진 경두개 자기 자극으로 표적화할 원하는 활성화 영역을 결정합니다. 그런 다음 T one 가중 구조 스캔을 실행하여 신경 해부학적 데이터를 얻습니다. 전체 피사체의 얼굴이 시야각에 포함되어 있는지 확인합니다.
코 끝과 같은 외부 마커는 나중에 피험자의 머리를 스캔과 함께 등록하는 데 사용됩니다. 스캔 후. SPM용 Mars bar toolbox를 사용하여 실험 조건 간의 대비를 기반으로 관심 뇌 영역을 정의할 수 있습니다.
예를 들어, 면에 대한 활성화에서 객체에 대한 활성화를 빼서 후두 면 영역을 정의하고, 추가 줄무늬 본체 영역을 정의하기 위해 모든 본체 선택적 복셀을 제외합니다. 물체에 대한 활성화에서 물체에 대한 활성화를 빼고 모든 얼굴 선택적 복셀을 제외합니다. 모든 자극 조건이 제시되는 실험 패러다임을 설계합니다.
시간이 지남에 따라 조건당 최소 50번의 시행을 무작위로 사용합니다. 지터된 인터라 자극 간격. TMS 펄스가 투여되지만 시각적 자극이 나타나지 않는 빈 화면 조건을 사용합니다.
이는 TMS 아티팩트 템플릿을 생성하는 데 중요합니다. 그런 다음 평가판 시작 후 TMS가 트리거되는 대기 시간을 설정합니다. 이 예에서는 이중 펄스 TMS가 60밀리초 및 100밀리초로 관리됩니다.
자극이 시작된 후, 구조적 T one 스캔을 신경 항법 시스템 소프트웨어에 공급한 다음 기능적 MRI 대비를 구조 이미지에 오버레이합니다. 신경 항법 소프트웨어를 사용하여 원하는 목표 뇌 영역을 표시합니다. 또한 코끝, 코뼈, 각 귀의 외래와 같은 머리의 위치를 함께 등록하는 데 사용할 외부 마커를 찾습니다.
피험자가 도착하면 머리에 EEG 캡을 장착하고 전극을 연결합니다. 임피던스를 5킬로옴 미만으로 유지하기 위해 필요한 만큼의 젤을 사용하십시오. 전극선이 서로 교차하거나 루프를 형성하지 않고 코일 위치에서 멀어지도록 하십시오.
또한 EEG 신호를 측정하는 동안 코일에서 가능한 한 멀리 떨어진 접지 전극에 기준을 배치하십시오. TMS 아티팩트를 더 잘 표현하기 위해 최소 1킬로헤르츠의 높은 샘플링 속도를 사용합니다. 다음으로, 피사체의 머리에 적외선 감지기를 장착하고 머리 위치를 내비게이션 시스템과 함께 등록합니다.
이전에 정의된 마커를 사용하여 머리 표면에 수직으로 뉴로 네비게이션의 포인터 도구를 잡고 있는 내비게이션 소프트웨어에서 TMS 대상을 선택합니다. 대상 위치로 이동하여 전극 캡 업 시트에 표시합니다. 피사체가 턱에 턱을 대고 화면 앞에 편안하게 앉아 있습니다.
턱 받침대를 쉬게 하면 피험자가 어떤 움직임도 자제하는 데 도움이 되며, 이는 깨끗하고 신뢰할 수 있는 TMS 아티팩트를 측정하는 데 중요합니다. 코일의 중심을 목표 뇌 영역으로 안내하고 제자리에 고정합니다. 홀더를 사용하여 코일을 고정하여 세션 중에 움직이지 않도록 합니다.
TMS를 원하는 강도로 설정하고 세션을 시작하기 전에 피험자의 승인에 따라 테스트 펄스를 관리합니다. 다른 블록의 각 피질 표적 부위에 TMS를 투여합니다. 또한 TMS 없음 조건 동안 빈 화면 조건을 포함한 모든 자극이 표시되는 TMS 없음 블록을 실행합니다.
가짜 코일을 사용하거나 코일을 머리에 대고 수직으로 기울입니다. 각 블록 사이에서 탐색된 대상의 식별을 반복합니다. 보류 시스템에 샘플이 없는 경우 펄스 아티팩트를 제거해야 합니다.
이는 반복적인 시뮬레이션의 경우 펄스 또는 펄스 주위의 시간 창을 잘라내어 수행됩니다. 대부분의 경우 몇 밀리초의 창으로 충분합니다. 여기에 표시된 예에서는 두 개의 연속적인 펄스가 투여되고 하나의 조각으로 함께 제거됩니다.
생성된 두 끝을 연결하는 방법에는 두 가지가 있습니다. 펄스를 제거한 후 직접 결합하거나 그들 사이에 선을 보간할 수 있습니다. 짧은 펄스 아티팩트 다음에는 때때로 수백 밀리초 동안 지속될 수 있는 긴 잔류 아티팩트가 뒤따릅니다.
빼기 기술을 사용하여 데이터 손실 없이 이 오래 지속되는 아티팩트를 제거합니다. 각 실험 블록에 대해 빈 화면 시도를 시도 시작 부분으로 시간 고정하여 평균 ERP 템플릿을 계산합니다. 즉, 실험적 자극이 없는 상태에서 ERP를 계산하여 각 블록 내에서 TMS 노이즈의 템플릿만 계산합니다.
다른 모든 자극 조건의 각 시도에서 이 템플릿을 뺍니다. 원시 ERP에서 TMS 템플릿을 뺀 결과 깨끗한 ERP는 각 블록에 대해 개별적으로 빼기를 반복합니다. EEG 기록은 피험자에게 얼굴 또는 신체 자극을 제공하는 동안 이루어졌습니다.
자극을 관찰하는 동안, 자극 시작 후 60 및 100 밀리 초에 후두 얼굴 영역 또는 여분의 줄무늬 신체 영역에 이중 펄스 TMS를 투여했습니다. TMS를 사용한 자극 프레젠테이션 기록에서 TMS 동안 이루어진 기록만 빼면 ERP를 얻을 수 있습니다. 여기에는 N one 구성 요소가 포함되어 있으며, 이는 다른 자극에 비해 얼굴과 몸을 볼 때 더 큰 눈에 띄는 시각적으로 유발되는 전위입니다.
얼굴을 볼 때. OFA에 대한 TMS는 EBA 및 TMS가 없는 조건에 비해 N개의 성분의 진폭을 증가시켰습니다. 신체를 관찰할 때, EBA에 대한 TMS는 NO TMS 또는 OFA 조건에 비해 N개의 1개 성분의 진폭을 증가시켰다.
이러한 결과는 얼굴 선택적 ERP와 신체 선택적 ERP의 기반이 되는 신경망 간의 해리를 나타냅니다. 이 비디오에서 보여준 아티팩트 제거 기술의 특별한 장점은 TMS 코일에 근접한 전극에서도 기계적, 근육질, 피질 기원에 관계없이 TMS 사용과 관련된 모든 아티팩트를 제거할 수 있으므로 분석에서 전극을 제외할 필요가 없다는 것입니다. 이 비디오를 시청한 후에는 신뢰할 수 있는 이벤트 관련 전위를 얻을 수 있는 GTMS 실험을 동시에 설계, 실행 및 분석하는 방법을 잘 이해하게 될 것입니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 연구는 기능성 자기공명영상(fMRI)에 의한 경두개 자기 자극(TMS) 동안 뇌전도(EEG) 데이터를 수집 및 분석하는 방법을 제시합니다. 이 절차는 신뢰할 수 있는 사건 관련 전위(ERP)를 추출하는 데 중점을 두면서 TMS 아티팩트 제거를 해결합니다.
Establishing causal links between defined brain regions and electrophysiological responses is critical for target validation in neuroscience drug discovery. This method enables precise interrogation of cortical networks using fMRI-guided TMS and high-temporal EEG readouts, supporting mechanistic de-risking of therapeutic hypotheses. By isolating neural activity from stimulation artifacts, it provides quantitative, reproducible data for early target confidence assessment.
The method fits within early discovery workflows where spatial targeting (fMRI), perturbation (TMS), and temporal readout (EEG) are integrated to validate target engagement before lead identification.