신경 활동과 연결 Intracranial 뇌 파 데이터를 사용 하 여 SPM 소프트웨어 분석
October 30th, 2018
선물이 intracranial electroencephalography 데이터 통계 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 분석 하는 데 사용할 수 있는 두 개의 분석 프로토콜: 신경 활동, 및 동적 인과 관계에 대 한 시간-주파수 통계적 파라미터 매핑 분석 내부 및 남북 regional 연결에 대 한 유발된 반응의 모델링.
이 방법은 인지 신경 과학 분야의 주요 질문에 대답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 신경 활동과 고공간 측두성 진화에 대한 연결을 분석할 수 있다는 것입니다. 두개 내 EEG 데이터 분석을 시작하려면 SPM12를 설정하고 MEG EEG 분석 메뉴를 선택합니다.
먼저 미리 정의된 매개 변수를 기반으로 모레 웨이블릿을 사용하여 연속 웨이블릿 분해를 사용하여 각 시험의 전처리된 두개내 EEG 데이터에 대한 시간 주파수 분석을 수행합니다. 스펙트럼 성분의 시간적 진화를 밝히기 위해, 4~300 헤르츠의 주파수 범위를 사용하여 전체 1, 000 ~ 2, 000 밀리초의 전체 시대에 7사이클 모렛 웨이블릿을 사용하여 웨이블릿 분해를 실시한다. 다음으로, 마더 웨이블릿과 사이클 수를 결정하고 사이클 수가 시간 주파 해상도를 제어하고 추정 안정성을 보장하기 위해 5 개 이상이어야한다는 점에 유의하십시오.
시간 및 주파수 범위를 결정합니다. 그런 다음 결과 시간 주파수 맵을 자동으로 자르면 가장자리 효과를 제거합니다. 여기서 맵은 200밀리초에서 500밀리초로 자른다.
시간 주파수 맵의 시간 주파수 재축을 선택하여 이벤트 관련 전원 변경을 더 잘 시각화하고 정상성을 개선하여 원하는 경우 데이터 변환을 수행하고 기준 수정을 수행합니다. 다음으로 시간 주파수 맵을 2차원 이미지로 변환합니다. 또한 미리 정의된 전체 너비 반최대 값의 가우시안 커널을 사용하여 피사체 간 가변성을 보정하고 무작위 필드 이론의 가정을 준수합니다.
이제 SPM 메뉴에서 두 번째 레벨을 지정하고 분석할 2D 이미지를 입력합니다. 그런 다음 모델 추정을 선택하여 일반 선형 모델을 실행합니다. 마지막으로 임의 필드 이론에 따라 시간 주파 데이터에 대한 통계 적 추론을 수행하도록 결과를 선택합니다.
여기에 있는 임계값과 같이 미리 정의된 임계값을 가진 현저하게 활성화된 시간 주파수 클러스터를 감지합니다. SPM 메뉴에서 DCM을 선택하여 동적 인과 모델링 분석을 시작합니다. 그런 다음 IND 옵션을 선택하고 새 데이터를 선택하여 미리 처리된 두개내 EEG 데이터를 가져옵니다.
그런 다음 MEG EEG 메뉴를 사용하여 관심 있는 시간 창, 관심 빈도 창, 사용할 웨이블렛 주기 수, 관심 조건 및 조건에 대한 대비를 지정합니다. 시간 창을 1~500밀리초로 설정합니다. 헤르츠 계단에서 4~100 헤르츠의 5주기 모렛 웨이브를 사용하십시오.
웨이블렛 주기의 기본 설정을 사용합니다. 연구 관심에 따라 시간 주파 범위를 결정합니다. 계산 중에 512밀리초를 추가로 사용할 수 있는 시간 창을 사용하여 가장자리 효과를 제거할 수 있습니다.
DCM 프레임워크를 기반으로 신경 상태에 대한 감각 입력과 신경 상태 간의 기준연결내의 연결을 나타내는 구동 입력을 정의합니다. 또한 null 및 가설 모델에 대한 실험 적 조작을 통해 본질적인 연결에 대한 변조 효과를 정의합니다. 변조 유형을 선형 또는 비선형으로 정의합니다.
이제 본질적인 선형 및 비선형 연결, 구동 입력 및 변조 입력을 지정합니다. 사전 자극 개시 시간 및 기간과 같이 필요한 경우 관련 매개 변수의 기본 설정을 수정합니다. 그런 다음 모델을 추정하기 위해 반전 DCM을 선택합니다.
그런 다음 결과를 이미지로 저장하여 주파수 주파수 조절 커플링 매개 변수 이미지를 저장합니다. 다음으로 최적의 네트워크 모델을 식별하기 위해 BMS를 선택하여 Bayesian 모델 선택 분석을 임의로 효과 수행합니다. 모델 예상 확률 및 응력 확률을 평가 척도로 사용합니다.
그런 다음 위닝 모델 매개 변수를 사용하여 변조 연결의 교차 주파수 패턴에 대해 추론합니다. 이제 이미지로 변환을 선택하여 변조 커플링 매개 변수 이미지를 부드럽게 합니다. 그런 다음 두 번째 레벨을 지정하여 일반 선형 모델 분석을 수행합니다.
마지막으로 결과를 선택하여 2D SPMT 값을 계산합니다. 여기서 전체 폭 의 절반 최대값은 8 헤르츠로 설정되었으며 중요한 값은 0.05 미만의 P의 수정되지 않은 높이 임계값을 사용하여 탐색적으로 식별되었습니다. 시간 주파 분석은 단계의 처리 중에 열등한 Occipital Gyrus 또는 IOG 활동의 시간 적 및 주파수 프로파일을 조사하기 위해 수행되었다.
여기에서는 직립 단계 및 직립 모자이크 조건에 대한 올바른 IOG 활동의 시간 주파 맵이 표시됩니다. 직립 상 대 직립 모자이크에 대한 SPMT 데이터도 표시됩니다. 기능성 네트워크 모델은 여기에 표시됩니다.
IOG와 편도체 사이의 연결에 직립 모자이크 대 직립 위상의 변조 입력의 8 개의 가능한 조합을 조사하고 각 영역에 자체 연결. IOG 대 편도체 및 편도체 대 IOG 변조에 대한 직립 상 대 직립 모자이크에 대한 주파수 주파수 조절 커플링 파라미터 및 SPMT 값이 여기에 나와 있다. 빨간색-노란색 영역은 상당한 흥분성 연결을 나타내고 청색-시안 영역은 억제 연결을 나타냅니다.
이 비디오를 시청한 후에는 SPM 소프트웨어를 사용하여 신경 활동 및 연결을 감지하기 위한 두개내 EEG 데이터를 분석하는 방법에 대해 잘 이해해야 합니다.
View the full transcript and gain access to thousands of scientific videos
개요
이 연구는 통계적 파라메트릭 매핑(SPM) 소프트웨어를 사용하여 두개강 내 뇌파(iEEG) 데이터를 분석하기 위한 분석 프로토콜을 제시합니다. 두 가지 주요 접근법에는 신경 활동을 평가하기 위한 시간-주파수 통계적 파라메트릭 매핑 분석과 내외부 영역 연결성을 평가하기 위한 동적 인과 모델링(DCM)이 포함됩니다.
주요 연구 구성요소
과학 분야
- 신경과학
- 전기생리학
- 인지 신경과학
배경
- 두개강 내 EEG 데이터는 신경 활동 및 연결성에 대한 통찰력을 제공합니다.
- 시간-주파수 분석은 스펙트럼 구성 요소의 역학을 밝혀냽니다.
- 동적 인과 모델링은 감각 입력과 관련된 연결성 패턴을 식별합니다.
연구 목적
- iEEG 데이터의 세부 분석 방법을 개발합니다.
- 인지 과정 동안 신경 연결성이 어떻게 변화하는지 탐구할 수 있도록 합니다.
- 특정 과제 중 신경 활동을 통해 접근법을 검증합니다.
사용된 방법
- 데이터 분석에는 SPM12 소프트웨어가 활용됩니다.
- 주요 모델은 인간 피험자의 두개강 내 EEG를 기반으로 합니다.
- 시간-주파수 분석에는 Morlet 웨이블릿을 사용한 연속 웨이블릿 분해가 포함됩니다.
- DCM은 서로 다른 조건의 고유 연결성 및 변조 효과를 평가하기 위해 적용됩니다.
주요 결과
- 시간-주파수 맵은 서로 다른 인지 단계와 관련된 신경 활동을 보여줍니다.
- DCM은 뇌 영역 간의 흥분성 및 억제성 연결성 패턴을 밝혀냽니다.
- 분석은 인지 처리와 관련된 중요한 시간 및 주파수 프로파일을 보여줍니다.
결론
- 이 연구는 iEEG 데이터 분석을 위한 효과적인 방법론을 설명합니다.
- 이러한 접근법은 인지 신경과학에서 신경 진동 및 연결성에 대한 이해를 향상시킵니다.
- 연구 결과는 인지 기능의 기저에 있는 신경 메커니즘 모델링에 영향을 미칩니다.
자주 묻는 질문
Executive Industry Relevance
High-resolution analysis of neural activity and connectivity using intracranial EEG with SPM software enables precise mapping of brain function relevant to early-stage CNS drug discovery. Quantitative time-frequency and connectivity outputs support mechanistic de-risking and target validation for neuropsychiatric and cognitive disorder portfolios. These protocols enhance predictive confidence at critical inflection points in neuroscience R&D pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables direct interrogation of neural circuit function and target engagement in disease-relevant brain regions.
- Supports mechanistic de-risking by quantifying intra- and inter-regional connectivity changes in response to experimental manipulations.
- Provides high spatial and temporal resolution data for functional target validation and pathway clarification.
Screening & Assay Development
- Generates validated time-frequency maps and connectivity metrics for downstream quantitative analysis.
- Facilitates reproducible assay development by standardizing data transformation, baseline correction, and statistical inference workflows.
- Enables robust comparison of experimental conditions, supporting reliable compound or intervention evaluation.
Translational & Preclinical Research
- Aligns neural activity and connectivity readouts with translational biomarkers for CNS disorders when supported by experimental design.
- Provides continuity from discovery through preclinical validation by linking mechanistic neural signatures to functional outcomes.
- Supports risk-adjusted advancement decisions based on quantitative neural network modeling.
Pipeline & Workflow Integration
This analytical workflow positions intracranial EEG analysis with SPM as a bridge from early discovery through lead identification and preclinical validation in neuroscience R&D.
- Discovery Biology: Enables hypothesis testing and pathway clarification by mapping neural activity and connectivity in response to defined stimuli.
- Screening: Provides standardized, quantitative outputs for assay readiness and reproducibility across experimental conditions.
- Analytics: Delivers statistical maps and connectivity models that facilitate cross-condition and cross-subject comparisons.
- Translational Research: Supports alignment with disease-relevant biomarkers and mechanistic endpoints when integrated with translational models.
- Enterprise Reuse: Establishes a reusable analytical capability for diverse CNS research programs leveraging intracranial EEG data.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in CNS target validation.
- Operational Value: Standardizes high-resolution neural data analysis for reproducibility and scalability across projects.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by providing robust neural network evidence.
- Portfolio Impact: Enables risk-adjusted prioritization and advancement of CNS assets based on quantitative neural signatures.
Implementation Considerations
- Requires expertise in electrophysiology, SPM software, and statistical modeling of neural data.
- Demands access to high-quality intracranial EEG recordings and computational infrastructure for data processing.
- Necessitates cross-team standardization of preprocessing, analysis parameters, and statistical thresholds.
- May require adaptation of protocols for different brain regions, species, or experimental paradigms.
- Interpretation of connectivity models should consider experimental design and statistical assumptions.
