Name: 아이들의 고밀도 EEG 레코딩의 대뇌 피질의 자료 분석 (동영상) | JoVE Journal
Uploaded: 2014-06-30T15:00:00.000+00:00
Duration: 9 min 32 s
Description: 배우세요 아동 고밀도 EEG 기록의 대뇌 피질 자료 분석 방법을. MRI 기반 표면 모델과 역모델을 활용하여 두피 전기 활동의 신경 발생원을 추정하고, 인지 신경과학 연구에 활용할 수 있습니다.

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

우리는 우리에게 발달 MRI 데이터베이스와 도움이 토론에 대한 액세스 권한을 부여하기위한 교수 존 리차드, 사우스 캐롤라이나 대학교, 감사드립니다. 우리는 또한 우리의 출자자 그레이트 오르 몬드 스트리트 어린이 자선, UCL 영향 및 그랜드 도전에게 감사의 말씀을 전합니다.

어린이를위한 1. 디자인 EEG 및 이벤트 관련 가능성 실험 참고 : 간단한 실험을 어린 아이들의 얼굴 처리를 조사하는 데 사용할 수 있습니다이 문서의 목적을 위해 설계되었습니다. 다음 절에서는 실험을 설명하고 MATLAB R2012b와 Psychtoolbox V3.0.11 (23, 24)를 사용하여 구현하는 방법을 설명합니다. 감정적 인 얼굴 표정 (25)의 NimStim 세트에서 촬영 한 사진이 예를 사용 하였다. 이 자극 세트는 요청에 따라 연구 목적으로 사용하실 수 있습니다 ( <a href="http://www.macbrain.org/resources.htm">http://www.macbrain.org/resources.htm</a> ). <ol><li> 자극 사이의 차이를 줄이기 위해 회색조 RGB 사진을 전송합니다. 표 1을 참조하십시오 참고 :.이 명령은 처리 도구 상자 (이미지를 필요로 <a href="http://www.mathworks.co.uk/products/image/">http://www.mathworks.co.uk/products/image/</a> ). 무료 대안이 t 찾을 수있다파일 교환의 hrough ( <a href="https://www.mathworks.co.uk/matlabcentral/fileexchange">https://www.mathworks.co.uk/matlabcentral/fileexchange</a> ). </li><li> 일련의 명령 (예를 들어, 표 1 참조)를 사용하여 자극 프레 젠 테이션의 트리거에 대한 정확한 타이밍과 실험을 구현하는 실험 제어 소프트웨어를 사용합니다. </li></ol> 2. 데이터 수집 <ol><li> 아이가 시험 환경에 익숙해 있는지 확인합니다. 어린 아이들이 교사의 무릎에 또는 편안하게 아이의 자리에 앉을 수 있습니다. 아이가 아이의 머리에 적용하기 전에 센서 망을보고 느껴 보자. 여분의 그물이있는 경우, 부모는 하나를 시도하거나 인형에 하나 박제 테 디를 배치했다. </li><li> 자녀에 대한 올바른 그물 크기를 선택하는 최대 머리 둘레를 측정합니다. 측정 테이프를 사용하고 nasion에 개최. 그런 다음, 최대 둘레 머리 주위를 측정 (1 ~inion 위 CM). 참고 : 측정 머리 둘레를 기록하고 나중에 분석 (26)에 사용되는 센서 망을 유지합니다. 부모의 머리도 상황에 아이들이 더 편안하게 측정하면 도움이됩니다. </li><li> nasion 및 inion 좌우 periauricular 점 사이의 중간 거리의 교차로에서 머리의 정점을 확인합니다. 그물을 적용 할 때 정점 채널이 올바른 위치에 있는지 확인하기 위해 중국 펜으로이 점을 표시합니다. </li><li> 센서 망을 적용하고 주요 채널이 해부학 적 랜드 마크 (nasion, inion, 버텍스와 왼쪽 / 오른쪽 mastoids)에 정렬되어 있는지 확인합니다. 주 : 가장 정확한 결과를 위해 머리에 채널의 위치가 디지털 디지털화 특수 장비를 사용하여 획득 될 수있다. 센서 위치를 취득하고자하는 연구자는 적절한 하드웨어 및 소프트웨어 설명서를 참조해야합니다. 또한, 해부학 LAN을 따라 전극의 표준 배치를 가정 전극지도dmarks가 사용될 수있다. 이러한 맵은 해석 부에 설명 된대로 적절한 헤드 모델 나이 비뚤어 수있다. </li><li> 채널은 개별적으로 센서를 배치하여 두피와 좋은 접촉을 가지고 있는지 확인하십시오; 살짝 비켜 머리를 이동하려면 좌우로 각 센서를 트위스트. </li><li> 채널 이득 및 채널 임피던스를 측정한다. NetStation EEG 기록 소프트웨어에서 녹음을 시작하고 이득 및 임피던스 측정을 시작하려면 &quot;시작&quot;을 클릭합니다. 측정이 자동으로 시작되지 않으면, &quot;보정 앰프&quot;와 &quot;인터넷 임피던스를 측정한다&quot;버튼을 사용합니다. </li><li> 빨간색이 나타납니다 50 kΩ의보다 높은 임피던스와 채널 레코딩 소프트웨어를 확인합니다. 채널 임피던스를 낮출 수있는 펫을 추가 전해질 용액을 적용합니다. 주변 채널 (플랫 라인 채널)보다 낮은 임피던스 또는 눈에 띄게 적은 활동에도 불구하고 높은 주파수 작동을 표시 채널 EEG 디스플레이를 확인합니다. 이 채널은 근래 수 있습니다두피와 조정을 필요로 전자 접촉 불량. </li><li> EEG 준비하는 동안 안락한 아이들을 유지하기 위해, 아이가 유아를위한 비누 거품을 불고, 예를 들어, 음악을 듣고, 나이 적절한 만화를 시청하거나 다른 실험을 사용하여주의를 분산 할 수 있습니다. </li></ol> 3. 분석 <ol><li> 전처리 <ol><li> 디지털 채널 27 (표 1) 품으로 제거하는 0.1 Hz에서 컷 오프와 하이 패스 필터를 사용하여 데이터를 필터링 할 수 있습니다. </li><li> ERP 분석을 위해, 30 Hz에서 27 (표 1)에서 컷 오프와 로우 패스 필터를 적용합니다. </li><li> 촬영시 설정 한 트리거 코드에 따라 연속적인 데이터를 획기적인. 대부분의 실험에서, 또한 (표 1)의 시간 간격을 커버하도록 발병과 600 밀리의 포스트 자극 간격을 자극하기 전에 200 밀리의 기준을 사용한다. </li><li> 움직임이나 깜박임 유물을 포함하는 신 (新) 시대를 제거 c 표시진폭보다 높은 150 MV 피크에 피크 hannels는 - 참가자 그룹 및 데이터 품질에 따라이 임계 값을 조정합니다. 일관성을 위해, 한 연구에 모든 참가자에 대해 동일한 임계 값을 사용합니다. 채널이 신 (新) 시대의 30 % 이상이 임계 값을 초과하는 경우 (이 허용 데이터가 포함 된 경우 채널 활동, 주변 채널에서 보간 될 수있다) 채널을 제거합니다. 채널의 20 % 이상이 시대에 나쁜 표시하는 경우, 시대를 제거합니다. 채널의 20 % 이상이 알고리즘에 의해 거부 또는 신 (新) 시대의 50 % 미만을 유지하는 경우, 추가 분석 (표 1)에서 데이터 집합을 제거하는 것이 좋습니다. 참고 : 시대와 채널 거절 비율 임계 값은 우리의 경험에서 소음의 충분한 양을 제거 야구장 수치입니다. 기록에서 아티팩트의 양이 다른 참가자 그룹, 실험 패러다임 또는 EEG 시스템을 사용하여 상이 할 가능성이있다. 실험자는 비율을 조정할 수 있습니다임계 값과 그들이 이슈 거부에 만족하는 경우 확인합니다. 또한, 실험자는 육안 검사를 통해 이슈를 포함하는 시험을 거부 할 수 있습니다. </li><li> 각 채널 (표 1)에서 채널에 걸쳐 평균 활동을 빼서 평균 기준을 참조하여 재. 주 : 정점 전극 전형적 NetStation의 기록 용 기준으로서 사용된다. </li></ol></li><li> 독립 요소 분석을 통한 이슈 수정 <ol><li> 빠른 도구 상자 (28)에 데이터를 가져 와서 데이터에 대한 자동 유물 제거 알고리즘 (표 1)을 실행합니다. </li><li> 더 빠르고 그래픽 사용자 인터페이스 (GUI)를 사용합니다; 명령 줄에 GUI를 입력 FASTER_GUI를 엽니 다. </li><li> 데이터가 이미 epoching 전에 필터링 된대로 필터링 메뉴에서 필터링 옵션의 선택을 취소합니다. </li><li> 2 electrooculagram (EOG) 채널 126 EEG 채널 : 채널의 수를 지정합니다. </li><li> 입력셀 어레이 내의 문자열로 데이터를 epoching 사용 표식. 제시된 경우에 입력 { &#39;얼굴&#39;, &#39;scra을&#39;} 얼굴과 스크램블 얼굴 조건. </li><li> 독립 성분 분석 (ICA)에 대한 채널을 선택한다. 일반적으로 모든 녹화 채널, 포함을 선택합니다. 외부 비 EEG 채널. </li><li> GUI의 오른쪽 창에서 입력 및 출력 폴더를 지정합니다. </li><li> 레코딩을위한 적절한 채널 파일을 선택합니다. 참고 : 채널 파일은 대부분의 EEG 시스템 제조업체에서 다운로드 할 수 있습니다 또는 EEGLAB 웹 사이트에서 다운로드 할 수 있습니다. </li><li> 빠른 처리를 시작하려면 실행을 클릭합니다. 레코딩 및 파일 번호의 길이에 따라,이 처리는 몇 시간이 걸릴 수있다. </li><li> 시각적으로 처리 한 후 녹음, 독립적 인 구성 요소의지도까지 ERP를 검사합니다. </li></ol></li><li> 이벤트 관련 잠재력 데이터의 채널 레벨 분석 <ol><li> 가상 C를 형성하기 위해 여러 채널을 배합잡음비 나은 신호 hannel (표 1). 참고 : 채널의 선택은 문헌 또는 선험적 가설에서 이전의보고에 근거해야한다. 주어진 시간 창 내에서 가장 높은 진폭을 보여 선택 채널 (29)을하지 않는 것이 좋습니다. </li><li> , 피크 진폭과 같은 조치를 확보 파형의 특성 및 통계 테스트 (표 1)을 수행 할 수있는 진폭 및 최대 대기 시간을 의미한다. </li></ol></li><li> 경계 요소 모델을 생성 (BEM) <ol><li> 세그먼트 해부학 MRI는 FreeSurfer으로 스캔 할 수 있습니다. 참고 : 가장 정확한 결과를 위해, 각 참가자에 대한 개별 MRI 검사에 대한 경계 요소 모델을 기반으로. 이것이 가능하지 않으면, 최대한 참가자들의 나이를 일치 보통 MRI 템플릿이 사용되어야한다. BEM을 24 개월 이하 아이들을 위해 사용할 수 없음을 양해 해 주시기 바랍니다. 경계 요소 모델은 각각의 쉘 (뇌, 두개골, 피부) 폐쇄 껍질로 구성되어 있다고 가정합니다. 그러나, Y에두개골 Young의 어린이 천문은 폐쇄 쉘 가정을 위반하는 폐쇄되지 않습니다. <ol><li> FreeSurfer 소프트웨어를 설치하려면, 먼저 FreeSurfer 웹 사이트 (에서 다운로드 <a href="http://freesurfer.net/fswiki/DownloadAndInstall">http://freesurfer.net/fswiki/DownloadAndInstall</a> ). 다음, 쉘 환경이 FreeSurfer을 포함 설정; .. bashrc에 들어 bashrc 파일을에서 다음 명령을 포함한다 : <ol><li> 수출 FREESURFER_HOME = / 응용 프로그램 / freesurfer / </li><li> 소스 $ FREESURFER_HOME / FreeSurferEnv.sh 참고 :이 명령은 FreeSurfer 폴더 유닉스 시스템의 응용 프로그램 폴더에있는 것으로 가정 한 것입니다. 다른 쉘 환경, 예를 들면 CSH / tcsh에서, 또는 FreeSurfer 웹 사이트에서 운영 체제 (와 설치 방법 FreeSurfer에 대한 자세한 내용이 있습니다 <a href="http://freesurfer.net/fswiki/DownloadAndInstall">http://freesurfer.net/fswiki/DownloadAndInstall</a> ). </li></ol></li><li> 다음으로, 제목의 방향을 정의토리는, 출력은 다음 명령을 사용하여 작성 될 폴더, 즉 : <ol><li> 수출 SUBJECTS_DIR = / ... / BEM을 / 참고 : 결과는 시스템의 모든 폴더에 기록 할 수있다. </li></ol></li><li> 다음, 다음 명령을 사용하여 경계 요소 모델에 대한 MRI 파일이 들어있는 폴더를 작업 디렉토리를 변경 : <ol><li> CD / 사용자 / joebathelt / Neurodevelopmental_MRI_database / 어린이 / 뇌 / 참고 : 시스템의 모든 폴더가 cd 명령의 구문을 사용하여 지정할 수 있습니다. 이는 일차 연구자 파일 구조의 일례이다. </li></ol></li><li> 마지막으로, 다음 명령을 사용하여 복원을 시작합니다 : <ol><li> 정찰 - 모든-I &lt;mri_file&gt;-subjid &lt;subject_id&gt; </li><li> 정찰 - 모든 모든 subjid &lt;subject_id&gt; 참고 : 현재 디렉토리에 원하는 MRI 검사의 파일 이름으로 대체해야합니다 &lt;mri_file&gt;. &lt;subject_id&gt;은 대표 될 수있다어떤 이름으로 엮여. FreeSurfer은 대상 디렉토리에이 이름의 폴더를 생성합니다. 사용하는 시스템에 따라, 마지막 명령이 실행되는 데 약간의 시간이 필요할 수 있습니다. </li></ol></li></ol></li><li> 예를 들어, 잘못된 세그먼트의 FreeSurfer 분할을 확인합니다. 중복 분야, 해부학 적 가능성 구획 등. 브레인 스토밍에 세그먼트를 가져 오기 및 GUI에 표시 도구를 사용하여 : <ol><li> 브레인 스토밍에서 해부학 창을 선택합니다. 오른쪽 대상을 클릭하고 &quot;가져 오기 해부학 폴더&quot;를 선택하여 분할 된 MRI를 가져옵니다. FreeSurfer 출력과 폴더를 확인이 선택됩니다. 마우스 오른쪽 버튼으로 클릭하고 선택 &quot;디스플레이&quot;시각적으로 분할을 검사합니다. 참고 : 또는 FreeSurfer 명령이 사용될 수있다. 자세한 설명은 FreeSurfer의 웹 사이트에서 찾을 수 있습니다 : <a href="http://surfer.nmr.mgh.harvard.edu/fswiki/RecommendedReconstruction">http://surfer.nmr.mgh.harvard.edu/fswiki/RecommendedR</a>econstruction. 해부학 parcellation에 근거 그 분석의 영역을 원하는 경우, FreeSurfer 함수 <a href="https://surfer.nmr.mgh.harvard.edu/fswiki/mris_ca_label?action=fullsearch&amp;context=180&amp;value=linkto%3A%22mris_ca_label%22">mris_ca_label</a> , <a href="https://surfer.nmr.mgh.harvard.edu/fswiki/mri_annotation2label?action=fullsearch&amp;context=180&amp;value=linkto%3A%22mri_annotation2label%22">mri_annotation2label</a> 및 <a href="https://surfer.nmr.mgh.harvard.edu/fswiki/mri_mergelabels?action=fullsearch&amp;context=180&amp;value=linkto%3A%22mri_mergelabels%22">mri_mergelabels가</a> 사용될 수있다. FreeSurfer 간행물 및 더 자세한 정보는 온라인 도움말 페이지를 참조하십시오. </li></ol></li></ol></li><li> 브레인 스토밍의 소스 활동을 예측 <ol><li> 명령 창에 &quot;브레인 스토밍&quot;를 입력하여 브레인 스토밍을 시작합니다. </li><li> 파일 메뉴에서 새 프로토콜을 선택하여 새로운 프로토콜을 만듭니다. </li><li> 새로운 피사체 추가요법 파일 메뉴에서 새 주제를 선택하여 프로토콜. </li><li> 주제에 마우스 오른쪽 버튼으로 클릭하여 참가자와 &quot;가져 오기 MEG / EEG&quot;을 선택 가져 오기 EEG 데이터. </li><li> 마우스 오른쪽 버튼으로 클릭하고 &quot;가져 오기 채널 파일&quot;을 선택하여 채널 파일을 가져옵니다. 참고 : 채널 파일 소스 재건을 위해 MRI에 정렬 될 필요가있다. 브레인 스토밍은 사용자가 MRI에 표시 할 필요가 4 해부학 적 기준점의 시스템을 사용합니다. 자세한 내용은 (에 대한 브레인 스토밍 자습서를 참조하십시오 <a href="http://neuroimage.usc.edu/brainstorm/CoordinateSystems">http://neuroimage.usc.edu/brainstorm/CoordinateSystems</a> ). 특정 EEG 시스템이나, 이상적으로는, 종래 EEG 기록을 디지털화 한 헤드 위치들이 이용 될 수있는 채널 파일에 의해 정의 된 기준 위치. </li><li> 오른쪽 &quot;주제에 대한 채널 파일을 클릭하고&quot;MRI 등록 &quot;로 이동 : 예상대로 BEM과 채널이 정렬되었는지 확인, &quot;확인합니다. 참고 : 모델 내 분야가 중복되거나 채널이 BEM 내에있는 경우, 소스의 재구성이 잘못된 결과를 생성됩니다. &quot;MRI 분할&quot;메뉴에서 &quot;편집&quot;옵션을 사용하여 정렬을 조정합니다. </li><li> 참가자를 마우스 오른쪽 버튼으로 클릭하여 각 시대의 기준에서 잡음 공분산 행렬을 계산하고 &quot;잡음 공분산 행렬&quot;을 선택하고 &quot;녹화에서 계산&quot;. 참고 : 브레인 스토밍 도구 상자의 저자는 짧은 레코딩을위한 대각선 잡음 공분산 행렬 (~ 채널보다 시간 점) 이상 레코딩을위한 하나의 전체를 사용하는 것이 좋습니다. 자세한 내용은 브레인 스토밍 소스 추정 튜토리얼을 참조하십시오 <a href="http://neuroimage.usc.edu/brainstorm/Tutorials/TutSourceEstimation">http://neuroimage.usc.edu/brainstorm/Tutorials/TutSourceEstimation</a> . </li><li> 제목과 선택 &quot;COMPUT을 마우스 오른쪽 버튼으로 클릭하여 소스 모델을 계산전자 소스 모델 &quot;. </li><li> 대상을 마우스 오른쪽 버튼으로 클릭하여 깊이 가중 최소 규격 추정을 사용하여 &quot;계산 소스&quot;와 &quot;최소 규범 추정&quot;을 선택 역 솔루션을 계산합니다. 주 : 다른 옵션 (dSPM, sLORETA)를 사용할 수 있습니다. 각 옵션은 서로 다른 장점과 단점이 있습니다. 알고리즘은 문헌에서 선험적 고려하고 이전의보고들에 기초하여 선택되어야한다. 다른 사람들이 널리 보급 활성화를위한 더 적합한 반면 또한, 일부 알고리즘은 특정 지역에 초점 활성화를 해결하는 더 있습니다. MNE는 문학 (16) 이전의보고에 기초하여 본 연구에 사용되었다. 일관성을 위해, 역 솔루션 같은 알고리즘은 한 연구에서 모든 참여자를 위해 사용되어야한다. 연구원은 또한 다른 역 솔루션 알고리즘의 응용 프로그램에 강력한 연구 결과는 어떻게 비교 할 수 있습니다. </li><li> 연구 결과에있는 모든 참가자를위한 제 3 반복합니다. 참고 : GRA을 사용 하나phical 배치 인터페이스 또는 참가자에 대한 처리 단계를 반복하는 스크립트. 지시 사항은 브레인 스토밍 문서 (참조 <a href="http://neuroimage.usc.edu/brainstorm/Tutorials/TutRawScript">http://neuroimage.usc.edu/brainstorm/Tutorials/TutRawScript을</a> ). </li><li> 프로세스 메뉴로 기록을 끌어와 &quot;조건 (대상의 평균)으로&quot; &quot;보통&quot;과를 선택하여 참가자 당 실험을 통해 평균 소스 활동. </li><li> &quot;프로세스 2&quot;를 선택하고 하나의 창에서 각 조건을 드래그하여 조건을 대조. 그런 다음, 디자인에 따라 &quot;테스트&quot;와 &quot;학생의 T-테스트&quot;또는 &quot;학생의 T-테스트 (쌍)&quot;를 선택합니다. &quot;통계 분석&quot;메뉴에서 생성 된 통계지도의 화면에 여러 개의 비교 설정 진폭 및 지역 임계 값을 수행합니다. 참고 : 또는 정품 인증지도는 SPM (에 내보낼 수 있습니다 <a href="http://www.fil.ion.ucl.ac.uk/spm/">http://www.fil.</a>ion.ucl.ac.uk / SPM /)보다 심층적 인 통계 분석 ( <a href="http://neuroimage.usc.edu/brainstorm/ExportSpm12%20HYPERLINK%20%22http:/neuroimage.usc.edu/brainstorm/ExportSpm12%22)">http://neuroimage.usc.edu/brainstorm/ExportSpm12 HYPERLINK &quot;http://neuroimage.usc.edu/brainstorm/ExportSpm12&quot;)</a> . </li><li> 관심 영역에 대한 이벤트 관련 응답을 계산합니다. parcellation 기반의 ROI를 들어, 해부학 메뉴의 피질 표면에 마우스 오른쪽 버튼을 클릭 FreeSurfer의 parcellation을로드하고 &quot;가져 오기 라벨&quot;을 선택합니다. 해당 파일을 이동하고로드합니다. 이제, 기능 데이터 메뉴의 &quot;스카우트&quot;창에서 투자 수익 (ROI)을 선택합니다. </li><li> 프로세스 1 창에 파일을 드래그하여 ROI 이벤트와 관련된 활동을 입수 소스 메뉴에서 &quot;스카우트 시계열을 추출합니다&quot;를 선택합니다. 참고 : 여러 ROI를 동시에 선택할 수 있으며 ROI 시간 시리즈는 스카우트의 시간을 마우스 오른쪽 버튼으로 클릭 더 음모를 꾸미고, 분석, 추적을 할 수있다시리즈 데이터 및 선택 &quot;Matlab을 내보내기.&quot; </li></ol></li></ol>

<ol><li>Michel, C. M., Murray, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+the+utilization+of+EEG+as+a+brain+imaging+tool%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Towards the utilization of EEG as a brain imaging tool.</a> NeuroImage. 61 (2), 371-385 (2012).</li>
<li>Brodbeck, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+microstates+of+wakefulness+and+NREM+sleep%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">EEG microstates of wakefulness and NREM sleep.</a> NeuroImage. 62 (3), 2129-2139 (2012).</li>
<li>Sanchez, C. E., Richards, J. E., Almli, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Age-specific+MRI+templates+for+pediatric+neuroimaging%5BTitle%5D)+AND+%22Developmental+Neuropsychology%22%5BJournal%5D)">Age-specific MRI templates for pediatric neuroimaging.</a> Developmental Neuropsychology. 37 (5), 379-399 (2012).</li>
<li>Umutlu, L., Ladd, M. E., Forsting, M., Lauenstein, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((7+Tesla+MR+Imaging%3A+Opportunities+and+Challenges%5BTitle%5D)+AND+%22RoFo+%3A+Fortschritte+auf+dem+Gebiete+der+Rontgenstrahlen+und+der+Nuklearmedizin%22%5BJournal%5D)">7 Tesla MR Imaging: Opportunities and Challenges.</a> RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin. 186 (2), 121-129 (2014).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bold+claims+for+optogenetics%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Bold claims for optogenetics.</a> Nature. 468 (7323), (2010).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+we+can+do+and+what+we+cannot+do+with+fMRI%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">What we can do and what we cannot do with fMRI.</a> Nature. 453 (7197), 869-878 (2008).</li>
<li>Roche-Labarbe, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+electroencephalography+and+source+localization+in+neonates%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">High-resolution electroencephalography and source localization in neonates.</a> Human Brain Mapping. 29 (2), 167-176 (2008).</li>
<li>Johnson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interactive+Specialization%3A+A+domain-general+framework+for+human+functional+brain+development%5BTitle%5D)+AND+%22Developmental+cognitive+neuroscience%22%5BJournal%5D)">Interactive Specialization: A domain-general framework for human functional brain development.</a> Developmental cognitive neuroscience. 1, 7-21 (2010).</li>
<li>Nelson, C. A., McCleery, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+Event-Related+Potentials+in+the+Study+of+Typical+and+Atypical+Development%5BTitle%5D)+AND+%22Journal+of+the+American+Academy+of+Child+%26+Adolescent+Psychiatry%22%5BJournal%5D)">Use of Event-Related Potentials in the Study of Typical and Atypical Development.</a> Journal of the American Academy of Child & Adolescent Psychiatry. 47 (11), (2008).</li>
<li>Michel, C. M., Murray, M. M., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+source+imaging%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">EEG source imaging.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 115 (10), 2195-2222 (2004).</li>
<li>Bathelt, J., O'Reilly, H., Clayden, J. D., Cross, J. H., de Haan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+brain+network+organisation+of+children+between+2+and+5years+derived+from+reconstructed+activity+of+cortical+sources+of+high-density+EEG+recordings%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Functional brain network organisation of children between 2 and 5years derived from reconstructed activity of cortical sources of high-density EEG recordings.</a> NeuroImage. 82, 595-604 (2013).</li>
<li>David, O., Cosmelli, D., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+different+measures+of+functional+connectivity+using+a+neural+mass+model%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Evaluation of different measures of functional connectivity using a neural mass model.</a> NeuroImage. 21 (2), 659-673 (2004).</li>
<li>Grech, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+on+solving+the+inverse+problem+in+EEG+source+analysis%5BTitle%5D)+AND+%22Journal+of+NeuroEngineering+and+Rehabilitation%22%5BJournal%5D)">Review on solving the inverse problem in EEG source analysis.</a> Journal of NeuroEngineering and Rehabilitation. 5 (1), 25 (2008).</li>
<li>Wendel, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG%2FMEG+source+imaging%3A+methods%2C+challenges%2C+and+open+issues%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEG/MEG source imaging: methods, challenges, and open issues.</a> Computational Intelligence and Neuroscience. 2009, 13 (2009).</li>
<li>Richards, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Localizing+cortical+sources+of+event-related+potentials+in+infants%27+covert+orienting%5BTitle%5D)+AND+%22Developmental+Science%22%5BJournal%5D)">Localizing cortical sources of event-related potentials in infants' covert orienting.</a> Developmental Science. 8 (3), 255-278 (2005).</li>
<li>Hauk, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Keep+it+simple%3A+a+case+for+using+classical+minimum+norm+estimation+in+the+analysis+of+EEG+and+MEG+data%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data.</a> NeuroImage. 21 (4), 1612-1621 (2004).</li>
<li>Pascual-Marqui, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Low+resolution+brain+electromagnetic+tomography+%28LORETA%29+functional+imaging+in+acute%2C+neuroleptic-naive%2C+first-episode%2C+productive+schizophrenia%5BTitle%5D)+AND+%22Psychiatry+Research%22%5BJournal%5D)">Low resolution brain electromagnetic tomography (LORETA) functional imaging in acute, neuroleptic-naive, first-episode, productive schizophrenia.</a> Psychiatry Research. 90 (3), 169-179 (1999).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Standardized+low-resolution+brain+electromagnetic+tomography+%28sLORETA%29%3A+technical+details.+Methods+and+findings+in+experimental+and+clinical+pharmacology%5BTitle%5D)+AND+%2224+Suppl+D%22%5BJournal%5D)">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods and findings in experimental and clinical pharmacology.</a> 24 Suppl D. , 5-12 (2002).</li>
<li>Phillips, C., Rugg, M. D., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Systematic+regularization+of+linear+inverse+solutions+of+the+EEG+source+localization+problem%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Systematic regularization of linear inverse solutions of the EEG source localization problem.</a> NeuroImage. 17 (1), 287-301 (2002).</li>
<li>Yao, J., Dewald, J. P. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+different+cortical+source+localization+methods+using+simulated+and+experimental+EEG+data%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Evaluation of different cortical source localization methods using simulated and experimental EEG data.</a> NeuroImage. 25 (2), 369-382 (2005).</li>
<li>Tandonnet, C., Burle, B., Hasbroucq, T., Vidal, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatial+enhancement+of+EEG+traces+by+surface+Laplacian+estimation%3A+Comparison+between+local+and+global+methods%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Spatial enhancement of EEG traces by surface Laplacian estimation: Comparison between local and global methods.</a> Clinical Neurophysiology. 116 (1), 18-24 (2005).</li>
<li>Tenke, C. E., Kayser, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Generator+localization+by+current+source+density+%28CSD%29%3A+implications+of+volume+conduction+and+field+closure+at+intracranial+and+scalp+resolutions%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">Generator localization by current source density (CSD): implications of volume conduction and field closure at intracranial and scalp resolutions.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 123 (12), 2328-2345 (2012).</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. , (1997).</li>
<li>Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What%27s+new+in+Psychtoolbox-3%5BTitle%5D)+AND+%22Perception%22%5BJournal%5D)">What's new in Psychtoolbox-3.</a> Perception. , (2007).</li>
<li>Tottenham, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+NimStim+set+of+facial+expressions%3A+judgments+from+untrained+research+participants%5BTitle%5D)+AND+%22Psychiatry+Research%22%5BJournal%5D)">The NimStim set of facial expressions: judgments from untrained research participants.</a> Psychiatry Research. 168 (3), 242-249 (2009).</li>
<li>Chaste, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adjusting+head+circumference+for+covariates+in+autism%3A+Clinical+correlates+of+a+highly+heritable+continuous+trait%5BTitle%5D)+AND+%22Biological+Psychiatry%22%5BJournal%5D)">Adjusting head circumference for covariates in autism: Clinical correlates of a highly heritable continuous trait.</a> Biological Psychiatry. 74 (8), 576-584 (2013).</li>
<li>Delorme, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%2C+SIFT%2C+NFT%2C+BCILAB%2C+and+ERICA%3A+New+tools+for+advanced+EEG+processing%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEGLAB, SIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG processing.</a> Computational Intelligence and Neuroscience. 2011, 130714 (2011).</li>
<li>Nolan, H., Whelan, R., Reilly, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((FASTER%3A+Fully+Automated+Statistical+Thresholding+for+EEG+artifact+Rejection%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection.</a> Journal of Neuroscience Methods. 192 (1), 152-162 (2010).</li>
<li>Kilner, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bias+in+a+common+EEG+and+MEG+statistical+analysis+and+how+to+avoid+it%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">Bias in a common EEG and MEG statistical analysis and how to avoid it.</a> Clinical Neurophysiology. , (2013).</li>
<li>DeBoer, T., Scott, L. S., Nelson, C. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((12+ERPs+in+Developmental+Populations%5BTitle%5D)+AND+%22Event-related+Potentials%3A+A%22%5BJournal%5D)">12 ERPs in Developmental Populations.</a> Event-related Potentials: A. , (2005).</li>
<li>Sanchez, C. E., Richards, J. E., Almli, C. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neurodevelopmental+MRI+brain+templates+for+children+from+2+weeks+to+4+years+of+age%5BTitle%5D)+AND+%22Developmental+Psychobiology%22%5BJournal%5D)">Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age.</a> Developmental Psychobiology. 54 (1), 77-91 (2011).</li>
<li>Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brainstorm%3A+A+user-friendly+application+for+MEG%2FEEG+analysis%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Brainstorm: A user-friendly application for MEG/EEG analysis.</a> Computational Intelligence and Neuroscience. 2011, 879716 (2011).</li>
<li>Haan, M., Johnson, M. H., Halit, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+face-sensitive+event-related+potentials+during+infancy%3A+a+review%5BTitle%5D)+AND+%22International+Journal+of+Psychophysiology%22%5BJournal%5D)">Development of face-sensitive event-related potentials during infancy: a review.</a> International Journal of Psychophysiology. 51, 45-58 (2003).</li>
<li>Earp, B. D., Everett, J. A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+N170+face+specific%3F+Controversy%2C+context%2C+and+theory%5BTitle%5D)+AND+%22Neuropsychological+Trends%22%5BJournal%5D)">Is the N170 face specific? Controversy, context, and theory.</a> Neuropsychological Trends. 13 (1), 7-26 (2013).</li>
<li>Taylor, M. J., McCarthy, G., Saliba, E., Degiovanni, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ERP+evidence+of+developmental+changes+in+processing+of+faces%5BTitle%5D)+AND+%22Clinical+neurophysiology+%3A+official+journal+of+the+International+Federation+of+Clinical+Neurophysiology%22%5BJournal%5D)">ERP evidence of developmental changes in processing of faces.</a> Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 110 (5), 910-915 (1999).</li>
<li>Ment, L. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Longitudinal+brain+volume+changes+in+preterm+and+term+control+subjects+during+late+childhood+and+adolescence%5BTitle%5D)+AND+%22PEDIATRICS%22%5BJournal%5D)">Longitudinal brain volume changes in preterm and term control subjects during late childhood and adolescence.</a> PEDIATRICS. 123 (2), 503-511 (2009).</li>
<li>Courchesne, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impairment+in+shifting+attention+in+autistic+and+cerebellar+patients%5BTitle%5D)+AND+%22Behavioral+Neuroscience%22%5BJournal%5D)">Impairment in shifting attention in autistic and cerebellar patients.</a> Behavioral Neuroscience. 108 (5), 848-865 (1994).</li>
<li>Litvak, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+and+MEG+data+analysis+in+SPM8%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">EEG and MEG data analysis in SPM8.</a> Computational Intelligence and Neuroscience. (2011), (2011).</li>
<li>Daunizeau, J., David, O., Stephan, K. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+causal+modelling%3A+A+critical+review+of+the+biophysical+and+statistical+foundations%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Dynamic causal modelling: A critical review of the biophysical and statistical foundations.</a> NeuroImage. 58 (2), 312-322 (2011).</li>
</ol>

이 기사에 대한 출판 비용은 전기 측지선, 주식 회사가 후원했다

본 기사는 세 아이들을 위해 적당한 표준 ERP 패러다임에 적합한 평균 MRI 템플릿과 깊이가 가중 최소 규범 추정에 따라 경계 요소 모델을 사용하여 대뇌 피질의 발전기의 재건을위한 고밀도 뇌파의 기록 및 분석에 대해 설명합니다. 이 패러다임에서는 얼굴과 스크램블 얼굴의 사진이 표시됩니다. 다른 저자들은 개발 35 얼굴 처리 메커니즘의 개발을 조사이 패러다임을 사용했다. 채널 레벨에서 시간 채널 occipito 권리에 부정적인 편향은 스크램블 얼굴 상태로 얼굴의 조건에 대해 설명합니다. 지형, 대기 시간 및 응답 특성은 N170 성분 (34)과 일치한다. 이전 소스와 동시에 EEG의 fMRI 조사는 방추형 이랑은 N170의 반응의 가능성이 발전기는 것을보고합니다. 현재 분석의 결과는 보여 그 깊이 가중 경계와 소스 반전요소 모델 (BEM)는 개별 참가자의 수준에 얼굴 스크램블 얼굴 패러다임의 방 추상 이랑 소스 활동을 지역화하는 데 사용할 수 있습니다. 개별 참가자의 해부학이나 연령에 적...

버락 오바마 대통령은 건강과 경제 3 (http://www.whitehouse.gov/share/brain-initiative)에 대한 중요도가 높은 과학적 발견의 다음 개척지로 인간의 두뇌를 설명했다. 그러나 자연 과학의 다른 분야와 마찬가지로 신경 과학 진행을위한 방법론과 분석 기술의 발전에 따라 달라집니다. 인간의 뇌 기능에 대한 연구에서 일반적으로 사용되는 두 비 침습 도구는 자기 공명 영상 (MRI)과 뇌파 (EEG)이다. 이 도구는 서로 다른 물리적 특성을 이용하고 독특한 장점과 단점과 뇌 기능에 다른 통찰력을 제공한다. MRI는 생체 조직의 이미지를 얻기 위해 자기장 내에서 물 분자의 자기 특성을 사용합니다. 피사체는 높은 전계 강도를 가진 자석을 배치 할 필요가있다. 참가자의 운동은이 과정에서 제한 및 참가자는 자기의 급격한 변화로 인한 잡음을 허용해야한다필드. 구조적 이미지 이외에, MRI는 뇌 기능 (의 fMRI)을 조사하는 혈액 산소의 변화를 측정 할 수있는 가능성을 제공한다. 요약하면, MRI는 현대적인 필드 스캐너 및 최적화 된 매개 변수를 4로 최대 0.5 mm 3의 상대적으로 높은 공간 해상도를 제공합니다. 대조적으로,의 fMRI의 시간 해상도는 간접적으로 만 신경 활동의 5,6의 높은 시간적 역 동성을 반영하는 BOLD 반응의 느린 반응 속도로 제한됩니다. 한편, EEG가 두피에 배치 된 전극을 통해 신경의 활동에 기인 한 전기적 활성도의 변화를 측정한다. EEG 기술의 최근 발전은 단기 또는 장기와 고정뿐만 아니라 외래 레코딩을위한 센서의 빠르고 쉬운 응용 프로그램을 할 수 있습니다. EEG는 덜 제한적이기 때문에, 그것은 또한 잘 같은 MRI 환경을 용납하지 않는 특정 참가자 집단에 대한 선택의 방법입니다 소아 및 특정노인 및 정신 인구. EEG의 특성은 MRI의 것과 반대의 패턴을 보여 시간 분해능 정밀도는 밀리 세컨드 매우 높은이지만, 공간 해상도가 제한됩니다. 전기 전류는 두피의 표면에 자신의 발생기와 EEG 전극 사이에 다른 조직을 통해 전달합니다. 이 믹싱 및 볼륨 전도 효과로 알려진 소스 활동의 공간 번짐에 이르게한다. 따라서 두피의 표면에 전극에 의해 측정 된 활동 헤드 1,7상의 전극의 위치까지 멀리있을 여러 출처의 활성을 반영한다. 최근 몇 년 동안 많은 작업은 각각의 장점을 활용하기 위해 MRI와 EEG의 합병에 전념하고있다. 하나의 작업 라인은 기능 연구에 뇌파 및 MRI의 동시 수집하기 위해 최선을 다하고 있습니다. 다른 접근 방법은 C 양을 고려할 구조적 MRI에 의해 제공된 공간 정보를 사용하는 것이다onduction 생물 물리학 적 모델링을 통해 효과. 뇌파 기록의 원본 복원에 대한 구조 정보의 사용은 소아와 관련된 연구에 특히 유용합니다. 뇌 기능의 발달의 조사는 복잡한인지 능력이 간단한 전구체 8 위에 구축하는 방법을 이해하는 핵심이다. 이 조사는 행동 성능의 변화와 상관 관계가 신경 기판과 응답 특성의 변화를 강조하는 데 도움이됩니다. 그러나, 개발하는 동안 뇌 기능과인지의 조사는 특정 문제를 포즈. 특히, 기능 MRI 연구의 기회는 유아 나 아동이 잠들거나 운동 유물과 참가자 웰빙에 부정적인 영향을주지 않고 MRI 데이터를 얻기 위해 진정해야 하나로 제한됩니다. 또한, EEG는 연구 참가자의 모집이 쉽게 부모에 의해 덜 위험하고 침략으로 인식된다. 티없는 herefore, EEG는 어린 아이들의 뇌 기능의 많은 연구에 대한 선택의 방법입니다. EEG 시스템에서 방법 론적 발전은 몇 분 안에 128 개 이상의 채널을 가진 고밀도의 전극 배열의 응용 프로그램을 할 수 있습니다. 응용 프로그램과 편안한 착용감의 용이성도 어린 유아의 뇌파 기록을 허용하기에 충분하다. 그러나, 종종 연구자뿐만 아니라 특정 자극에 대한 반응의 시간적 역학에 관심이뿐만 아니라 응답을 매개하는 신경 기판을 비교하고 싶습니다. 상이한 연령 그룹과 비교 채널 레벨 ERP 분석에서 통용 가정은 동일한 신경 기판을 반응한다는이지만, 타이밍 또는 응답 진폭 9 세 걸쳐 변화있다. 비슷한 두피 지형 종종 유사한 기본 신경 활동의 지표로 사용된다. 그러나, 많은 다른 소스의 구성은 유사 두피 지형 (10)을 초래할 수 있습니다. 소스 추정을 적용함으로써,이 uncertainty이 감소하고 정량화 할 수있다. 관찰의 독립은 뇌 기능의 네트워크 계정에 중요합니다 : 소스가 혼합되어있는 경우, 상관 관계가 높은 지역의 연결 편중 될 것이다. 소스 재구성이 바이어스 (11)를 감소시키기 위하여 적용될 수있다. 대안 적으로, 타이밍 및 위상에 차이가 연결성 분석을 위해 사용될 수 있지만, 이러한 수학적 모델은 비 시뮬레이션 된 데이터 (12)에 평가하기 어려운 가정을 필요로한다. 요약하면, 소스 추정은 해부학과 조직의 생물 물리학 적 속성에 대한 지식을 기반으로 채널 레벨 EEG 및 ERP 분석에 추가 정보를 제공합니다. 다른 알고리즘은 역 문제에 대한 해결책을 찾기 위해 고안되었습니다. 파라 메트릭 및 비 파라 메트릭 13 : 이러한 알고리즘은 두 가지 범주로 크게 떨어진다. 파라 메트릭 모델은 하나의 위치, 방향과 강도가 다를 수 있습니다 여러 다이폴 안테나를 가정합니다. 반면, 비 파라 메트릭 모델 contaiNA 큰 고정 된 위치와 방향으로 쌍극자의 수. 이러한 모델에서, 두피 전기 활동은 고정 다이폴 10,13,14에서 활성화의 조합으로서 설명한다. 비 파라 메트릭, 분산 소스 모델은 다양한 미디어에서 해부학과 도전에 대한 지식을 기반으로 할 수 있습니다. 경계 요소 모델은 뇌, 뇌 척수, 두개골에 대해 서로 다른 껍질과 머리의 주요 조직에 대한 전도도 값을 통합합니다. 이는 전도성 각 구획 내의 대부분 일정하지만 표시 변경은 다른 구획의 경계에서 발생하는 것을 전제로한다. 전도도 값이 각 복셀 (15)에 할당 할 수 있도록 유한 요소 모델은 회색과 흰색 물질에 MR 검사의 추가 분할을 기반으로합니다. 실용적인 관점에서, 비 파라 메트릭 모델은, 복잡한 작업인지에 소스 재구성하는데 특히 유용하다 개인 영역의 수는 수있는10 알 수 없습니다. 더 정확한 유한 요소 모델은 비교적 높은 계산적 요구 포즈 탓 경계 요소 모델은 가장 널리 문헌에 현재 사용된다. FEM 제품 개별 MRI 스캔을 기반으로해야합니다 있도록 또한, 회색과 흰색 문제에 상당한 간 개별 다양성이있다. 비 파라 메트릭 모델은 앞으로 모델의 예측에 두피 측정 활동을 일치시키기위한 두 번째 단계가 필요합니다. 또 다른 장점과 단점을 가진 다른 접근 방법 (개요 미셸 등. 2004 참조) 문헌에서 논의되었다. 가장 널리 사용되는 알고리즘은 낮은 전체적인 강도 (16)과 포워드 모델의 전류 분포에 두피 측정 액티비티 일치 최소 규범 추정 (MNE)에 기초한다. MNE는 약한 표면 소스에 편중되어있다. 깊이 가중 MNE 알고리즘 가중치를 도입하여 표면 바이어스를 감소시키기 위해 시도수학 가정 10을 기준으로 행렬. 널리 사용 로레타 접근법은 또한 가중 MNE에 근거하지만, 별도로 매끄러운 해법 17,18 리드 소스 라플라시안이 최소화된다. 로레타는 시뮬레이션 연구 (19, 20)에 하나의 소스에 최선을 수행하는 것으로 확인되었습니다. 그러나, 로레타 솔루션의 스무딩을 통해 발생할 수 있습니다. 근원이 알려지지 않은 또는 여러 소스가 13, 16 존재할 가능성이있을 때 깊이 가중 MNE 바람직하다. 다른 모델의 가정의 영향을 평가하기 위해 다른 알고리즘의 결과를 비교하는 것은 추천. 요약하면, 모델링 방법을 통해 소스 재건 최근까지 아이들을 위해 제한되었습니다. 대부분 EEG 분석 소프트웨어가 실질적으로 아이들 2,8있는 소스 솔루션의 정확성을 제한 성인 해부학에 근거 헤드 모델에 의존하기 때문이다. 연산 능력 및 규정에 저렴한 액세스소스 재건을위한 사용자 친화적 인 소프트웨어는 가능한 이러한 한계를 극복 할 수 있습니다. EEG에 소스 추정을 적용하면 단독 채널 레벨 관측에 기반 분석을 통해 두 가지 중요한 이점을 제공합니다 : 공간 해상도와 관찰의 독립을 개선. 소스 추정은 일부 경우에 유익하지 않을 수 : 헤드의 양호한 커버리지 소스를 구별해야한다. 128 개 이상의 전극 고밀도 시스템은 10, 15를 추천합니다; 드문 드문 범위가 더 폭 넓은 소스 활성화 또는 위음성 결과 (10)로 이어지는 공간 필터 역할을합니다. 또한,이 문서에서 설명하는 방법에 따라 소스의 재건은 대뇌 피질의 발전기에 대해보고하고있다. 따라서 피질 기판 또는 대뇌 피질 피질의 상호 작용에 대한 가설 검정 덜 적합하다. 마지막으로, 소스 분석은 피질 기판에 대한 세부 이전 가설에 기초해야계정에 다른 영상 기법으로 기존의 문헌을 복용. 공간적 필터링 기술은 또한 두피 레벨에 공간 혼합을 감소시킴으로써 EEG 신호의 공간 해상도를 향상시키기 위해 사용될 수있다. 헤드 모델링이없는 볼륨 전도 효과의 영향을 저감하기위한 대안적인 방법이 사용되는 예를 들면, 라플라시안 필터 (21) 또는 전류원 밀도 분석 22. 볼륨 전도의 효과뿐만 아니라 있습니다 가까운 공간 근접 1에서 센서로 제한 그러나,이 방법은 신경 발전기에 대한 자세한 정보를 제공하지 않습니다. 다음 절에서,이 문서는 뇌와 2 세 아동의인지 기능의 조사를 위해 실험 런던 베이비 연구소에서 설계하는 방법에 대해 설명합니다. 다음으로, 아이들과 함께 높은 밀도 낮은 임피던스 시스템과 EEG 데이터 수집이 논의된다. 그 후, 채널 레벨에 EEG 전처리 및 분석이 제시된다. LastlY, 기사는 대뇌 피질의 소스 재건과 소스 레벨의 신호 분석을위한 구조 MRI 데이터의 처리에 초점을 맞추고 있습니다.

<table><tbody><tr><td>고밀도 EEG 센서 네트 (128 또는 256 채널)</td><td>HydroCel 측지 센서 네트 128</td><td>Electrical Geodesic Inc., 오레곤, 미국</td><td></td></tr><tr><td>EEG 고임피던스 증폭기</td><td>NetAmps 200</td><td>Electrical Geodesic Inc., 오레곤, 미국</td><td></td></tr><tr><td>데이터 수집 컴퓨터&nbsp;</td><td>PowerMac G4</td><td>Apple Inc, 캘리포니아, 미국</td><td></td></tr><tr><td>자극 프레젠테이션 컴퓨터</td><td>Optiplex 745</td><td>Dell Computers Inc., Texas, US</td><td></td></tr><tr><td>자극 프레젠테이션 소프트웨어</td><td>MATLAB R2012b with PsychToolBox</td><td>Brainard et al. 1997</td><td></td></tr><tr><td>EEG 기록 소프트웨어</td><td>NetStation 4.5.1</td><td>Electrical Geodesic Inc., Oregon, US</td><td></td></tr><tr><td>EEG 분석 소프트웨어</td><td>MATLAB R2012b</td><td>The Mathworks Inc.</td><td></td></tr><tr><td></td><td>EEGLAB</td><td>Delorme et al. 2004</td><td></td></tr><tr><td></td><td>BrainStorm</td><td>Sylvain et al. 2001</td><td></td></tr><tr><td>MRI 처리 소프트웨어</td><td>FreeSurfer</td><td>Fischl et al. 2004</td><td></td></tr><tr><td></td><td>OpenMEEG</td><td>Gramfort et. al. 2010</td><td></td></tr><tr><td colspan="4">들로름, A., & Makeig, S. EEGLAB: 독립 구성 요소 분석을 포함한 단일 시험 EEG 역학 분석을 위한 오픈 소스 도구 상자. Journal of Neuroscience Methods, 134(1), 9&ndash; 21, (2004).</td></tr><tr><td colspan="4">Sylvain, B., John, C., Dimitrios, P., & Richard, M. Brainstorm : MEG / EEG 분석을위한 사용자 친화적 인 응용 프로그램. 컴퓨터 지능 및 신경 과학, 1&ndash; 13, (2011).</td></tr><tr><td colspan="4">Fischl, B. et al. 인간의 대뇌 피질을 자동으로 포장합니다. 대뇌 피질, 14(1), 11&ndash; 22, (2004).</td></tr><tr><td colspan="4">Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. OpenMEEG : 준 정적 생체 전자기학을위한 오픈 소스 소프트웨어. BioMedical Engineering OnLine, 9(1), 45, (2010).</td></tr><tr><td colspan="4">브레이너드, D. H. 정신 물리학 도구 상자. 공간 시각, (1997).</td></tr></tbody></table>

아이들의 고밀도 eeg 레코딩의 대뇌 피질의 자료 분석

Cortical Source Analysis of High-Density EEG Recordings in Children

EEG는 전통적으로 높은 시간과 낮은 공간 해상도를 가진 뇌 영상 기법으로 설명되어 있습니다. 생물 물리학 적 모델링 및 신호 처리에서의 최근 발전은 가능한이 제약 조건 1을 극복하기 위해 높은 공간 해상도를 제공하는 구조 MRI 등의 다른 영상 기법으로 정보를 악용 할 수 있습니다. 이 시간에 높은 해상도뿐만 아니라 공간 영역을 필요로 수사에 특히 유용합니다. 또한, 때문에 쉽게 응용 프로그램과 뇌파 기록의 저렴한 비용에, EEG는 기능성 MRI를 용납하지 않는 어린 아이 같은 인구, 작업은 잘 스캔 할 때 자주 선택하는 방법입니다. 그러나, 신경 기판을 구조적 MRI에서, 해부학 적 정보를 포함하는 조사하기 위해 여전히 필요합니다. 대부분의 뇌파 분석 패키지는 성인 해부학에 근거하는 표준 머리 모델과 함께 작동합니다. 아이들 사용 이러한 모델의 정확도는 2, 한계가 있기 때문에 COmposition 머리의 공간 구성은 개발 3 극적 변화를 조직. 본 논문에서는 고밀도 뇌파의 대뇌 피질의 발전기를 재구성 개별 구조적 MRI 검사 또는 특정 연령 머리 모델을 기반으로 머리 모델을 이용하여 우리의 최근의 작업에 대한 개요를 제공합니다. 이 문서는 뇌파 기록 처리 및 실험실 설치, 작업 설계, EEG 전처리, MRI 처리, EEG의 채널 레벨 및 소스 분석을 포함한 런던 베이비 연구소의 소아 인구로 분석, 취득 방법에 대해 설명합니다.

유아와 어린이를위한 설계 ERP 실험은 종종 있기 때문에 긴 반복적 인 실험 (30)을 허용하는 제한된 용량, 도전하고있다. 정확한 소스 재구성 1. 1 표시에게 아주 어린 아이들과 함께 사용할 수있는면 처리 메커니즘의 조사를 위해 실험 프로토콜을 그림 잡음 비율에 높은 신호를 필요로하기 때문에 실험은, 소스 재건을 적용 할 계획 할 때이 문제는 더욱 악화된다. 패러다임은 아이들이 성인 자원 봉사자 B) 간 자극 간격 후주의 그래버를 추가하여 실험이 더 매력적인 만드는 것보다 안구의 움직임을 제어 덜 수 있기 때문에), 자극 프레 젠 테이션하는 동안 눈을 깜박이고 눈의 움직임을 최소화하도록 구성된다. 눈을 깜박이고 눈의 움직임은 화면의 중앙에주의를 집중하기 위해 곧 자극하기 전에 고정 크로스를 제시하여 제어된다. 또한, 자극의 지속 시간안구의 움직임으로 이미지를 스캔 시간을 최소화하면서 자극을 의식 인식을 할 수 있습니다 500...

최근 몇 년 동안,인지 신경 과학 실험을 위해 전기 활동을 측정 두피의 피질 소스를 추정에 대한 관심이 증가되고있다. 이 문서에서는 런던 베이비 연구소의 2 개의 세에서 고밀도 뇌파가 취득하는 방법과 녹음이 아이들에있는 대뇌 피질의 소스 추정을 위해 처리하는 방법에 대해 설명합니다.

아이들의 고밀도 EEG 레코딩의 대뇌 피질의 자료 분석

EEG is traditionally described as a neuroimaging technique with high temporal and low spatial resolution. Recent advances in biophysical modelling and ...

다음 실험의 전반적인 목표는 소아 참가자와 함께 두피 측정 EEG의 신경 생성기를 추정하는 것입니다. 이는 어린이와 함께 고밀도 EEG를 기록하고 두 번째 단계로 적절한 실험 절차를 사용함으로써 달성됩니다. 표면 모델은 개별 구조적 MRI 또는 연령에 적합한 템플릿과 같은 자기 공명 영상 데이터를 기반으로 계산되며, 이는 소스 재구성을 위해 서로 다른 구획을 전도도 값과 연결하는 경계 요소 모델로 이어집니다.다음으로, EEG 채널의 위치는 역 모델과 함께 등록됩니다. 두피 측정 전압 변화의 가능한 발생자를 계산하기 위해 측정된 EEG 데이터와 머리 모델의 예측을 기반으로 피질 소스의 기여도를 보여주는 결과를 얻습니다. 채널 수준 분석과 같은 기존 방법에 비해 이 기술의 주요 장점은 이벤트 관련 전위 구성 요소에 대한 여러 피질 영역의 가능한 기여도를 평가할 수 있다는 것입니다.우리는 휴지 상태 EEG 기록을 사용하여 피질 영역의 네트워크 구조를 평가하고자 할 때 이 방법을 사용하는 것에 대한 아이디어를 처음 떠올렸습니다. 이 방법의 시각적 시연은 어린이 친화적으로 매우 중요합니다. 이 프로토콜을 시작하려면 표준 기록 절차를 어린이에게 맞게 조정해야 하기 때문에 EEG 기록은 배우기 어렵습니다.첫째, 아이가 테스트 환경에 익숙한지 확인하십시오. 이렇게 하려면 어린 아이들이 양육자의 무릎이나 편안한 어린이 좌석에 앉을 수 있도록 하십시오. 또한 센서망을 아이의 머리에 바르기 전에 아이가 보고 느낄 수 있도록 하십시오.여분의 그물이 있는 경우, 부모도 그물을 쳐다보거나 인형이나 인형 인형에 올려 놓아 아이들이 편안하게 지낼 수 있도록 하십시오. EEG를 준비하는 동안 아이가 음악을 들을 수 있도록 합니다. 연령에 맞는 만화를 보거나 다른 실험자를 사용하여 아이들의 주의를 분산시킵니다.그런 다음 아이의 최대 머리 둘레를 측정하여 올바른 네트 크기를 선택하십시오. 줄자를 사용하여 나시온에 고정합니다. 그런 다음 영겁의 세월 약 1cm 위의 최대 둘레 주위에서 머리를 측정합니다.다음으로, 나시온과 영겁 사이의 중간 거리의 교차점에 있는 머리의 꼭짓점과 귓바퀴 지점당 왼쪽과 오른쪽을 식별합니다. 이 지점을 중국 펜으로 표시하여 그물을 적용할 때 정점 채널이 올바르게 배치되었는지 확인합니다. 이제 담근 센서 그물, 전해질 용액을 적용하고 주요 채널이 해부학적 랜드마크와 정렬되어 있는지 확인합니다.그런 다음 채널이 두피와 잘 접촉하는지 확인하십시오. 센서를 개별적으로 배치합니다. 각 센서를 좌우로 부드럽게 비틀어 머리카락을 치우십시오.다음으로, 채널 게인과 채널 임피던스를 측정합니다. 시작을 클릭하여 네트 스테이션, EEG 기록 소프트웨어에서 녹음을 시작하고 게인 및 임피던스 측정을 시작합니다. 측정이 자동으로 시작되지 않으면 교정 증폭기와 네트 임피던스 측정 버튼을 사용하십시오.녹음 소프트웨어에서 임피던스가 50, 000옴보다 높은 채널이 있는지 확인하면 빨간색으로 표시됩니다. 채널 임피던스를 낮추기 위해 피펫으로 추가 전해질 용액을 적용합니다. 또한 EEG 디스플레이에서 고주파 활동을 보여주는 채널을 확인하십시오.임피던스가 낮거나 주변 채널보다 활동이 눈에 띄게 적음에도 불구하고 이러한 채널은 두피와의 접촉이 느슨할 수 있으며 조정이 필요할 수 있습니다. 모든 채널이 만족스러우면 EEG 실험 후 적절한 EEG 실험을 실행합니다. 먼저 아티팩트에 대한 데이터를 사전 처리합니다.그런 다음 세그먼트 A는 이전에 무료 서퍼 소프트웨어로 해부학적 MRI 스캔을 획득했습니다. dot bash rc에 대한 무료 surfer를 포함하도록 셸 환경을 설정합니다. 여기에 표시된 명령을 dot bash RC 파일에 포함합니다.다음으로, 폴더인 subject directory를 정의합니다. 출력은 여기에 표시된 명령을 사용하여 기록됩니다. 그런 다음 세그먼트를 브레인스토밍 소프트웨어로 가져오고 디스플레이 도구를 사용하여 겹치는 구 또는 해부학적으로 있을 법하지 않은 구획과 같은 잘못된 세분화를 확인합니다.마우스 오른쪽 버튼을 클릭하고 display를 선택하여 먼저 소스 활동을 추정하고, 브레인스토밍 애플리케이션을 시작한 다음, 새 프로토콜을 만들고 프로토콜에 새 주제를 추가하여 세분화를 시각적으로 검사합니다. 그런 다음 참가자에 대한 EEG 데이터를 가져오고 채널 파일을 가져옵니다. 피사체에 대한 채널 파일을 마우스 오른쪽 버튼으로 클릭하고 MRI 정합으로 이동하여 확인하여 경계 요소 모델과 채널이 예상대로 정렬되는지 확인합니다.모델 내의 구가 겹치거나 채널이 경계 요소 모델 내에 있는 경우 소스 재구성으로 인해 잘못된 결과가 생성됩니다. MRI 분할 메뉴의 편집 옵션을 사용하여 정렬을 조정합니다. 다음으로, 노이즈 코밴스 매트릭스를 선택하여 각 서사시의 기준선에서 노이즈 코밴스 매트릭스를 계산하고 기록에서 계산합니다.그런 다음, 컴퓨팅 소스 모델을 선택하여 소스 모델을 계산합니다. Compute Source와 Minimum Norm Estimation을 선택하여 깊이 가중 최소 노름 추정을 사용하여 역해를 계산합니다. 연구의 모든 참가자에 대해 이 단계를 반복합니다.다음으로, 참가자당 시도에 대한 평균 소스 활동은 녹음을 프로세스 메뉴로 드래그하고 평균 및 조건별을 선택하여 수행합니다. 피험자 평균. 프로세스를 선택하고 하나의 창에서 각 조건을 끌어 조건을 대조합니다.그런 다음 스터디 설계에 따라 T-검정을 선택하여 다중 비교를 수행합니다. stat 메뉴의 결과 통계 맵에 표시되는 진폭과 면적 임계값을 설정합니다. 이제 관심 영역에 대한 이벤트 관련 응답을 계산합니다.소포화 기반 ROI의 경우. 해부학 메뉴에서 피질 표면을 마우스 오른쪽 버튼으로 클릭하고 Import labels를 선택하여 무료 surfer parcelization을 로드합니다. 해당 파일을 탐색하고 로드합니다.그런 다음, 기능 데이터 메뉴의 스카우트 창에서 관심 영역을 선택합니다. 파일을 프로세스 하나의 창으로 끌어다 놓고 Extract scout time series를 선택하여 관심 영역 이벤트 관련 활동을 가져옵니다. 소스 메뉴에서.여러 관심 영역을 동시에 선택할 수 있으며 추가 플로팅 및 분석을 위해 시계열을 내보낼 수 있습니다. 여기에 제시된 결과는 6세 소년과의 녹음을 기반으로 합니다. 이 그림은 얼굴 및 뒤섞인 얼굴 자극에 대한 채널 수준 이벤트 관련 잠재적 반응을 보여줍니다.반응은 일반적으로 뒤섞인 얼굴에 비해 얼굴의 오른쪽에서 자극이 시작된 후 130밀리초에서 220밀리초 사이에 더 많은 음의 편향을 보여줍니다. 여기에서 우리는 표준 성인 머리 모델과 연령에 적합한 머리 모델을 기반으로 예측된 원천 활동의 통계적 비교를 볼 수 있습니다. 두 번째 및 세 번째 행에서 색상 맵은 효과 크기를 보여 주며, 빨간색은 얼굴 조건에서 더 높은 활동을 나타내고 파란색은 뒤섞인 얼굴 조건에서 더 높은 활동을 나타냅니다.그리고 마지막으로, 이 도면은 기록의 소스 재구성에 기초한 얼굴 및 뒤섞인 얼굴에 대한 반응으로 우측 방추형 이랑(right fusiform gyrus)의 소스 이벤트와 관련된 잠재적 반응을 보여줍니다. 최소 노름 추정으로 연령에 적합한 경계 요소 모델 사용 일단 숙달되면 이 기술을 이 절차에 따라 적절하게 수행되면 소스 분석에 따라 몇 시간 내에 완료할 수 있습니다. 시간 주파수, 분해와 같은 다른 방법은 다른 주파수 대역에서 신경 발진기의 기여에 대한 추가 질문에 답하기 위해 수행할 수 있습니다.이 비디오를 시청한 후에는 소아 참가자에서 고밀도 EEG 기록의 피질 생성기를 추정하는 방법을 잘 이해하게 될 것입니다.

cortical-source-analysis-of-high-density-eeg-recordings-in-children

Research

연구

JoVE Journal

Behavior

행동

조밀한 배열 electroencephalography은 유아와 성인의 사회적인지 기능을 연구하기 위해 점점 사용되고 있습니다. 여기 우리는 유아와 어른의 뇌파 공부를위한 기존의 방법론에 큰 개선을 나타냅니다 설립 방법론을 제시한다.

(덴스 배열 Electroencephalography를 사용하여 유아 및 성인의 사회적 인식을 조사 D EEG)

고밀도 뇌파검사(dEEG)는 생애 초기의 뇌 발달과 가소성을 연구하는 데 점점 더 많이 사용되고 있습니다. 여기에서는 유아 뇌의 빠른 청각 처리의 진동 역학을 이해하기 위해 전통적인 EEG 기록을 기반으로 하는 정교한 분석 기술의 응용 프로그램을 제시합니다.

유아 청각 처리 및 이벤트 관련 뇌 진동

이 비디오는 비침습적 조건에서 국소 간질의 특정 전임상 모델을 사용하여 진정된 쥐에서 고해상도 EEG의 준비, 기록 및 소스 분석 절차를 소개합니다.

고해상도 뇌파 기록을 사용하여 초점 간질의 전임상 쥐 모델에서 뇌 원본 영상

정위 뇌파 (SEEG)은 발작 초점을 현지화하기 위해 간질 수술에 사용되는 수술 방법이다. 또한 뇌 기능을 연구 할 수있는 독특한 기회를 제공한다. 여기에서 우리는 SEEG 인간을 대상으로인지 과정을 조사하는 데 사용할 수있는 방법에 대해 설명합니다.

정위 뇌파를 사용하여 깊은 피질의 기능 및 피질 하 구조 조사 : 전방에 cingulate 피질 수업

고주파 진동 (HFOs)는 의학적으로 난치성 간질을 가진 소아 환자에서 간질 영역의 식별을위한 수술 전 생체로 등장했다. 동시에 두피 뇌파 (EEG) 및 인 자기 (MEG)와 HFOs의 비 침습적 기록, 감지 및 현지화를위한 방법이 제시된다.

소아 간질의 바이오 마커로 동시 인 자기와 뇌파 감지 간기 고주파 진동

만성 경두개 고밀도 뇌파 촬영 몽타주를 마우스에 저비용으로 제작하고 외과적으로 이식하기 위한 지침이 제공됩니다. 신호 기록, 추출 및 처리 기술도 설명됩니다.

설치류 모델에서 고밀도 뇌파 취득 낮은 비용과 오픈 소스 리소스를 사용하여

여기, 우리가 신생아 뇌 기능 모니터링 하 진폭 통합 electroencephalography을 적용 하는 방법을 보여 줍니다.

신생아는 진폭 통합 EEG 모니터 (대뇌 기능 모니터)의 적용

이미징 방법, 방법, 이미징 spatiotemporal fMRI 제한 된 뇌 파 소스 라고 하는 뇌 파 fMRI multimodal 여기 설명 되어 있습니다. 제시 방법 고용 조건에 따라 활성 fMRI 하위 지도, 또는 priors, 공간 특이성을 향상 하 고 잘못 된 결과 제한 하는 방식으로 뇌 파 소스 지역화 가이드.

동시 뇌 파와 기능적 MRI 기록과 동적 대뇌 피 질의 활동 영상에 대 한 통합 분석

이 논문에서는 고밀도 EEG를 사용하여 복부 및 등쪽 네트워크의 자극을 통해 차동 피질 시각적 으로 잠재적인 형태학적 패턴을 불러일으킨 프로토콜을 제시합니다. 시간지터가 유무에 관계없이 시각적 개체 및 모션 자극 패러다임이 설명됩니다. 시각적으로 불러일으킨 잠재적 형태학적 분석도 설명되어 있습니다.

자극 특이적 피질 시각적 자극 잠재적 인 형태 학적 패턴을 불러 일으켰다

표준 뇌파 분석 기술은 신경계 기능에 대한 제한된 통찰력을 제공합니다. 피질 연결의 통계 모델을 도출하면 기본 네트워크 역학을 조사할 수 있는 훨씬 더 큰 기능을 제공합니다. 향상된 기능 평가는 신경계 질병에 있는 진단, 예후 및 결과 예측을 위한 새로운 가능성을 엽니다.

비침습적 뇌전도를 이용한 피질 연결의 통계적 모델링

자기 뇌파(MEG)와 고밀도 뇌파 검사(HD-EEG)는 확증 및 보완 정보를 제공하기는 하지만 동시에 기록되는 경우는 드뭅니다. 여기에서는 MEG 및 HD-EEG를 동시에 기록하기 위한 실험 설정과 약물 내성 간질이 있는 소아의 간질 유발 및 웅변 뇌 영역을 국소화하는 것을 목표로 하는 이러한 데이터를 분석하는 방법론을 설명합니다.

약물 내성 간질이 있는 소아의 수술 전 평가에서 전자기 소스 이미징

배우세요 아동 고밀도 EEG 기록의 대뇌 피질 자료 분석 방법을. MRI 기반 표면 모델과 역모델을 활용하여 두피 전기 활동의 신경 발생원을 추정하고, 인지 신경과학 연구에 활용할 수 있습니다.

아이들의 고밀도 EEG 레코딩의 대뇌 피질의 자료 분석

더 많은 동영상 탐색