Name: 비침습적 뇌전도를 이용한 피질 연결의 통계적 모델링 (동영상) | JoVE Journal
Uploaded: 2019-11-01T13:30:00.000+00:00
Duration: 8 min 51 s
Description: 학습하세요 비침습적 EEG를 이용한 피질 연결 통계적 모델링 방법으로 신경정신질환의 네트워크 역학을 분석하고 새로운 진단 기법 및 치료 바이오마커 개발에 활용하는 기술입니다.

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

이 원고의 출판은 DT에 SFI 퓨처네루로 자금 조사관 보조금에 의해 부분적으로 지원되었습니다.

<ol><li>Rosenow, F., Klein, K. M., Hamer, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Non-invasive+EEG+evaluation+in+epilepsy+diagnosis%5BTitle%5D)+AND+%22Expert+Review+of+Neurotherapeutics%22%5BJournal%5D)">Non-invasive EEG evaluation in epilepsy diagnosis.</a> Expert Review of Neurotherapeutics. 15 (4), 425-444 (2015).</li>
<li>Sharmila, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Epilepsy+detection+from+EEG+signals%3A+a+review%5BTitle%5D)+AND+%22Journal+of+Medical+Engineering+%26+Technology%22%5BJournal%5D)">Epilepsy detection from EEG signals: a review.</a> Journal of Medical Engineering & Technology. 42 (5), 368-380 (2018).</li>
<li>Nunez, P., Srinivasan, R. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNunez%2C+P+%22Electric+Fields+of+the+Brain%3A+The+Neurophysics+of+EEG%22">Electric Fields of the Brain: The Neurophysics of EEG</a>. , Oxford University Press. (2006).</li>
<li>Glover, G. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Overview+of+functional+magnetic+resonance+imaging%5BTitle%5D)+AND+%22Neurosurgery+Clinics+of+North+America%22%5BJournal%5D)">Overview of functional magnetic resonance imaging.</a> Neurosurgery Clinics of North America. 22 (2), 133-vii(2011).</li>
<li>Lin, E., Alessio, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+are+the+basic+concepts+of+temporal%2C+contrast%2C+and+spatial+resolution+in+cardiac+CT%3F%5BTitle%5D)+AND+%22Journal+of+Cardiovascular+Computed+Tomography%22%5BJournal%5D)">What are the basic concepts of temporal, contrast, and spatial resolution in cardiac CT?</a> Journal of Cardiovascular Computed Tomography. 3 (6), 403-408 (2009).</li>
<li>Kim, S., Richter, W., Uǧurbil, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Limitations+of+temporal+resolution+in+functional+MRI%5BTitle%5D)+AND+%22Magnetic+Resonance+in+Medicine%22%5BJournal%5D)">Limitations of temporal resolution in functional MRI.</a> Magnetic Resonance in Medicine. 37, 631-636 (1997).</li>
<li>Fox, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+Symptoms+to+Brain+Networks+with+the+Human+Connectome%5BTitle%5D)+AND+%22New+England+Journal+of+Medicine%22%5BJournal%5D)">Mapping Symptoms to Brain Networks with the Human Connectome.</a> New England Journal of Medicine. 379, 2237-2245 (2018).</li>
<li>Makeig, S., Bell, A., Jung, T. P., Sejnowski, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Independent+component+analysis+of+electroencephalographic+data%5BTitle%5D)+AND+%22Advances+in+neural+information+processing+systems%22%5BJournal%5D)">Independent component analysis of electroencephalographic data.</a> Advances in neural information processing systems. 8, MIT Press. Cambridge, MA. 145-151 (1996).</li>
<li>Bowyer, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coherence+a+measure+of+the+brain+networks%3A+past+and+present%5BTitle%5D)+AND+%22Neuropsychiatric+Electrophysiology%22%5BJournal%5D)">Coherence a measure of the brain networks: past and present.</a> Neuropsychiatric Electrophysiology. , (2016).</li>
<li>Srinivasan, R., Winter, W. R., Ding, J., Nunez, P. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+and+MEG+coherence%3A+measures+of+functional+connectivity+at+distinct+spatial+scales+of+neocortical+dynamics%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">EEG and MEG coherence: measures of functional connectivity at distinct spatial scales of neocortical dynamics.</a> Journal of Neuroscience Methods. 166 (1), 41-52 (2007).</li>
<li>Bullmore, E., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Complex+brain+networks%3A+graph+theoretical+analysis+of+structural+and+functional+systems%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Complex brain networks: graph theoretical analysis of structural and functional systems.</a> Nature Reviews Neuroscience. 10, 186-198 (2009).</li>
<li>Baccalá, L., Sameshima, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Partial+directed+coherence%3A+a+new+concept+in+neural+structure+determination%5BTitle%5D)+AND+%22Biological+Cybernetics%22%5BJournal%5D)">Partial directed coherence: a new concept in neural structure determination.</a> Biological Cybernetics. 84, 463-474 (2001).</li>
<li>Sameshima, K., Baccalá, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+partial+directed+coherence+to+describe+neuronal+ensemble+interactions%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Using partial directed coherence to describe neuronal ensemble interactions.</a> Journal of Neuroscience Methods. 94, 93-103 (1999).</li>
<li>Seth, A., Barrett, A. B., Barnett, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Granger+causality+analysis+in+neuroscience+and+neuroimaging%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Granger causality analysis in neuroscience and neuroimaging.</a> Journal of Neuroscience. 35, 3293-3297 (2015).</li>
<li>Hesse, W., Möller, E., Arnold, M., Schack, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+use+of+time-variant+EEG+Granger+causality+for+inspecting+directed+interdependencies+of+neural+assemblies%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">The use of time-variant EEG Granger causality for inspecting directed interdependencies of neural assemblies.</a> Journal of Neuroscience Methods. 124, 27-44 (2003).</li>
<li>Nunez, P. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+coherency.+I%3A+Statistics%2C+reference+electrode%2C+volume+conduction%2C+Laplacians%2C+cortical+imaging%2C+and+interpretation+at+multiple+scales%5BTitle%5D)+AND+%22Electroencephalography+and+Clinical+Neurophysiology%22%5BJournal%5D)">EEG coherency. I: Statistics, reference electrode, volume conduction, Laplacians, cortical imaging, and interpretation at multiple scales.</a> Electroencephalography and Clinical Neurophysiology. 103, 499-515 (1997).</li>
<li>Nunez, P. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+coherency+II%3A+experimental+comparisons+of+multiple+measures%5BTitle%5D)+AND+%22Clinical+Neurophysiology%22%5BJournal%5D)">EEG coherency II: experimental comparisons of multiple measures.</a> Clinical Neurophysiology. 110, 469-486 (1999).</li>
<li>Keogh, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+and+genetic+Rett+syndrome+variants+are+defined+by+stable+electrophysiological+profiles%5BTitle%5D)+AND+%22BMC+Pediatrics%22%5BJournal%5D)">Clinical and genetic Rett syndrome variants are defined by stable electrophysiological profiles.</a> BMC Pediatrics. 18 (1), 333(2018).</li>
<li>Peters, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+functional+networks+in+syndromic+and+non-syndromic+autism%3A+a+graph+theoretical+study+of+EEG+connectivity%5BTitle%5D)+AND+%22BMC+Medicine%22%5BJournal%5D)">Brain functional networks in syndromic and non-syndromic autism: a graph theoretical study of EEG connectivity.</a> BMC Medicine. 11, 54(2013).</li>
<li>Jie, B., Wee, C., Shen, D., Zhang, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hyper-connectivity+of+functional+networks+for+brain+disease+diagnosis%5BTitle%5D)+AND+%22Medical+Image+Analysis%22%5BJournal%5D)">Hyper-connectivity of functional networks for brain disease diagnosis.</a> Medical Image Analysis. 32, 84-100 (2016).</li>
<li>Zhang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Topographical+Information-Based+High-Order+Functional+Connectivity+and+Its+Application+in+Abnormality+Detection+for+Mild+Cognitive+Impairment%5BTitle%5D)+AND+%22Journal+of+Alzheimer%27s+Disease%22%5BJournal%5D)">Topographical Information-Based High-Order Functional Connectivity and Its Application in Abnormality Detection for Mild Cognitive Impairment.</a> Journal of Alzheimer's Disease. 54, 1095-1112 (2016).</li>
<li>Delorme, A., Scott, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> Journal of Neuroscience Methods. 134, 1(2004).</li>
<li>Calabrese, B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCalabrese%2C+B+%22Encyclopedia+of+Bioinformatics+and+Computational+Biology%22">Encyclopedia of Bioinformatics and Computational Biology</a>. , Elsevier. (2019).</li>
<li>Colic, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Support+Vector+Machines+Using+EEG+Features+of+Cross-Frequency+Coupling+Can+Predict+Treatment+Outcome+in+Mecp2-Deficient+Mice%5BTitle%5D)+AND+%22Conference+Proceedings+of+the+IEEE+Engineering+in+Medicine+and+Biology+Society%22%5BJournal%5D)">Support Vector Machines Using EEG Features of Cross-Frequency Coupling Can Predict Treatment Outcome in Mecp2-Deficient Mice.</a> Conference Proceedings of the IEEE Engineering in Medicine and Biology Society. , 5606-5609 (2015).</li>
</ol>

저자는 공개 할 것이 없다.

설명된 방법은 비침습적 EEG 데이터로부터 피질 네트워크 역학의 통계적 지도의 도출을 허용한다. 이를 통해 기록된 영역이 각 개별 위치에서 일어나는 일을 평가하는 대신 기록된 영역이 서로 상호 작용하는 방식을 평가하여 간단한 열렬 데이터를 검사할 때 쉽게 드러나는 현상을 조사할 수 있습니다. 격리. 이것은 질병병리학18에중요한 통찰력을 드러낼 수 있습니다.
이 방법의 필수 측면은 데이터 품질을 보장하는 것입니다. 데이터가 의미 있는 결과를 생성하기에 충분히 높은 품질을 보장하기 위해 엄격한 데이터 평가, 아티팩트 거부 및 전처리가 필요합니다. 사용된 데이터가 적절한 품질인 경우, 기능 추출 구성 요소는 특정 관심 지역 또는 임의 주파수 제한 내에서네트워크 상호 작용을 모델링하고 복잡한 상호 작용을 모델링하기 위해 쉽게 수정할 수 있습니다. 특정 지역 및 주파수 대역을 참조하십시오.
이러한...

이 방법은 임상적으로 실행 가능한 설정을 사용하여 비 침습적 전극 기록을 기반으로 피질 네트워크의 통계지도를 생성하는 것을 목표로, 신경계 병리학의 조사를 허용, 새로운 치료의 영향, 그리고 소설의 개발 전기 생리학적 바이오마커.
뇌파는 신경계 기능 및 질병1,2의조사에 큰 잠재력을 제공합니다. 이 기술은 저렴 하 고, 연구 및 임상 설정에서 쉽게 사용할 수, 그리고 일반적으로 잘 용납. 기록의 간단하고 비침습적 특성으로 인해 임상 사용이 간단해지 않으며 임상 EEG 부서의 기존 프레임워크를 통해 임상의를 위한 기술에 쉽게 액세스할 수 있습니다.
기술적 관점에서, EEG는 우수한 시간 도메인해상도를제공합니다 3 . 이것은 신경계 상호 작용 및 네트워크 역학의 급속한 기간 때문에 신경계 기능을 조사할 때 매우 중요합니다. 기능성 MRI와 같은 이미징 방법은 더 큰 공간 해상도와 쉽게 해석 가능한 이미지를 제공하지만, 전기 생리학적 기록에서 제공하는 미세한 시간 척도에서 신경계 기능을 심문하는 능력이 훨씬 더 제한적입니다. 4,5,6.
신경계 질병의 진단, 치료 및 예후를 알리기 위해 신경계 기능을 심문하는 능력에 대한 필요성이 증가하고 있습니다. 신경계 병리학에서 피질 네트워크 역학의 역할은 점점 더인식7. 신경계의 많은 병리는 전통적인 화상 진찰로 보이는 거시적인 구조적인 병변을 일으키지 않습니다, 그러나 네트워크 수준에서 생성된 이상은 적당한 기능적인 분석 방법으로 명백할 지도 모릅니다.
불행히도, 현재의 EEG 분석 방법은 이점에서 크게 제한된다. 기존의 방법은 개별 전극에서 간단한 열열 데이터의 분석을 포함한다. 이러한 신호는 큰 피질영역에서필드 전위3,8의합계를 나타냅니다. 육안 검사 또는 간단한 통계 방법을 사용하여 개별 채널의 데이터를 격리하여 분석하면 이러한 기록의 유용성이 개별 개별 위치에서 총 전기 생리학적 이상을 감지하는 데 제한이 있습니다. 신경계 기능 및 병리학에 대한 네트워크 수준의 효과의 중요성에 대한 인식이 증가함에 따라 이러한 간단한 분석 방법은 신호 간의 미묘한 관계를 감지하지 못한다는 점에서 명확히 결핍되어 있습니다. 네트워크 수준에서 피질 영역이 서로 상호 작용하는 방식의 이상.
저차원 전극 기록에서 피질 네트워크 연결의 통계지도를 도출하는 방법이 입증되었습니다. 이 방법을 사용하면 전통적인 분석 기법으로는 불가능한 방식으로 다양한 뇌 영역 간의 상호 작용역학을 조사할 수 있으며 이러한 네트워크 상호 작용의 시각화도 가능합니다. 이렇게 하면 이전에는 불가능했던 방식으로 높은 시간 도메인 해상도에서 네트워크 수준 효과를 비침습적으로 조사할 수 있습니다. 이 방법은 전극 간 일관성 의 측정의 파생에 기초9,10. 이러한 측정값을 통해 이러한 영역의 기록 간의 통계적 관계를 평가하여 기록된 두 영역이 상호 작용하는 방식을 조사할 수있습니다 11. 각 기록 된 영역이 다른 모든 기록 된 영역과 상호 작용하는 방법을 평가함으로써 기록 된 영역 내의 전기 생리 학적 네트워크의 통계지도를 만들 수 있습니다. 이를 통해 개별 채널 데이터를 격리하여 평가할 때 명백하지 않은 기능 관계를 검색할 수 있습니다.
이 원고의 초점은 신경 시간시리즈에 일관성을 사용하는 것입니다. 현재, 피질 연결의 모델을 파생하기 위해 쌍으로 방식으로 채널에 적용 할 수있는 시계열 데이터 사이의 관계를 조사하기위한 여러 가지 기술이 있습니다. 관련 부분 지향일관성(12,13)과같은 일부 방법은 기본 네트워크의 구조를 더 잘 특성화하기 위해 조사된 신호 쌍의 영향 방향을 추론하는 것을 목표로 하고, 다른 그랜저 인과 관계14,15와같은 방법은 한 신호의 기능을 통해 다른 신호의 데이터를 예측하는 기능을 통해 기능적 관계를 추론하려고 시도합니다. 이와 같은 방법은 피질 네트워크의 고차원 모델을 생성하는 유사한 방법으로 적용될 수 있다. 그러나, 신경 신호 간의 관계를 조사 하는 수단으로 일관성의 장점은 가정의 부족에 있다. 이러한 관계의 기능적 기초에 대한 진술을 하지 않고 두 사이트의 기록 간의 통계적 관계를 조사하고 순전히 통계적 관계를 기반으로 피질 연결 모델을 구축할 수 있습니다. 이러한 신호를 생성하는 피질 네트워크에 대한 최소한의 가정.
이러한 측정의 순수한 수학적 특성으로 인해 두피에서의 전극 기록의 일관성 측정과 기본 신경 활성 사이의 관계는16,17에복잡하다. 이러한 방법을 통해 비교를 위해 전극 기록 간의 관계를 설명하는 통계 적 구문의 유도를 허용하지만, 특정 기본 신경 집단의 활동에 대한 직접적인 인과 적 추론을 하는 것은 아닙니다. 직함3,8,16,17. 이러한 접근법은 잠재적으로 유용한 바이오마커를 식별하기 위해 그룹 간의 네트워크 수준 활성의 비교를 허용하지만 특정 신경 메커니즘에 대한 이러한 마커의 관계에 관한 구체적인 결론을 도출하는 측면에서 제한적입니다. 이는 기록된 활성3에영향을 미치는 많은 수의 혼란 요인뿐만 아니라 두피8의수준에서 기록된 전기 신호의 특정 피질 공급원을 추정하는 문제 때문입니다. 오히려, 이러한 접근법은 네트워크 수준18에 차이가 존재한다는 것을 결정하기 위해 그룹 간에 심문및 비교될 수 있는 활동의 통계적 모델을 생성할 수 있으며, 이를 기반으로 새로운 바이오마커를 생산하는 데 활용될 수 있다. 구문을. 그러나, 이러한 방법만으로도 기본 시스템의 복잡성으로 인해 특정 메커니즘 및 신경 활동과 관련된 차이를 구별할 수 있는 제한된 용량이 있다.
일관성과 같은 네트워크 측정의 사용은 신경 과학16,17계에서잘 확립되어 있다. 피질 기능을 모델링하고 조사하기 위한 이러한 접근법의 잠재력은 이러한 고차원 데이터 구조의 악용 부족으로 제한되었습니다. 이 작품은 피질 영역의 전기 적 활동 사이의 통계적 관계에 순전히 기반의 고차원 기능 공간에 데이터를 매핑하기 위해 쌍으로 EEG 채널에 이러한 측정을 적용 할 수 있음을 보여줍니다. 또한, 현대 통계 기술을 사용하여, 모델링 과정에서 얻은 정보를 잃지 않고 이러한 모델을 조사하기 위해 피질 함수의 생성 된 모델을 사용할 수 있음을 보여줍니다.
이 방법은 기존 EEG 기술의 적용 범위를 확대하고, 기존 기록장비(18,19)에 적응할 필요 없이 유용한 기능적 측정을 도출하는 능력을 향상시키는 데 잠재적으로 유용하다. . 피질 기능을 모델링하고 이러한 모델을 심문하는 기능을 개선함으로써 EEG 데이터를 사용하여 조사 할 수있는 질문이 확장됩니다. 이는20,21의신경질환 조사를 위한 기능적 및 구조적 평가의 더 큰 통합가능성을 열어준다. 이미 임상적으로 널리 이용 가능한 기술을 사용하는 이 접근법은 높은 시간적 및 공간적 해상도를 가진 피질 병리학의 조사를 허용할 것입니다.

<table><tbody><tr><td>전극 캡</td><td>ElectroCap International</td><td></td><td>또는 적절한 캡</td></tr><tr><td>전도성 젤</td><td>SignaGel</td><td></td><td>또는 적절한 젤</td></tr><tr><td>핀 형 전극</td><td>BioSemi</td><td></td><td>또는 적절한 전극</td></tr><tr><td>BioSemi Active Two 기록 시스템</td><td>BioSemi</td><td></td><td></td></tr><tr><td>ActiView 기록 환경</td><td>BioSemi</td><td></td><td></td></tr><tr><td>MATLAB 소프트웨어</td><td>Mathworks</td><td></td><td></td></tr></tbody></table>

비침습적 뇌전도를 이용한 피질 연결의 통계적 모델링

Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms

비침습적 전기생리학적 기록은 신경계 기능의 평가에 유용하다. 이러한 기술은 이미징보다 저렴하고 빠르며 복제가 용이하며 리소스 집약적입니다. 또한, 생성된 기능적 데이터는 구조적 이미징으로는 달성할 수 없는 우수한 시간적 해상도를 가지고 있습니다.
뇌전도(EEG)의 현재 응용은 데이터 처리 방법에 의해 제한됩니다. 개별 채널에서 원시 열주체 데이터를 사용하는 표준 분석 기술은 신경계 활동을 심문하는 매우 제한된 방법입니다. 피질 기능에 대한 자세한 정보는 채널 간의 관계를 검사하고 영역이 상호 작용하는 방식에 대한 통계 모델을 도출하여 네트워크 간 연결을 시각화할 수 있도록 하여 얻을 수 있습니다.
이 원고는 EEG를 표준 방식으로 기록한 다음 기록된 영역 간의 관계를 평가하기 위해 전극 간 일관성 측정을 검토하여 피질 네트워크 활동의 통계 모델을 도출하는 방법을 설명합니다. 더 높은 차수 상호 작용은 네트워크 상호 작용의 고차원 "지도"를 생성, 일관성 쌍 사이의 공변을 평가하여 추가로 검사 할 수 있습니다. 이러한 데이터 구문은 피질 네트워크 기능과 전통적인 기술로는 달성 할 수없는 방법으로 병리학과의 관계를 평가하기 위해 검사 할 수 있습니다.
이 접근 방식은 원시 열주계 분석을 통해 달성할 수 있는 것보다 네트워크 수준 상호 작용에 더 큰 민감도를 제공합니다. 그러나 기본 신경 인구와 생성된 대량의 데이터에 대한 특정 기계론적 결론을 도출하는 복잡성에 의해 제한되며, 차원을 포함한 평가를 위한 보다 진보된 통계 기술이 필요합니다. 감소 및 분류기 기반 접근 방식.

스펙트럼 전력의 측정은 측정된 각 주파수 대역에 대한 n 측정값을 생성하며, 여기서 n은 기록된 채널 수입니다. 이러한 조치는 전체 전력에 대한 데시벨에있을 것입니다. 개별 주파수 대역 내의 전력 측정값은 그룹과 조건 간의 정확한 비교를 허용하기 위해 상대 전력(즉, 해당 대역 내의 전력으로 표시되는 전체 전력의 비율)으로 표현되어야 합니다.
여러 대역과 기록된 채널에서 스펙트럼 전력을 시각화하는 예는 그림 2에나와 있습니다. 스펙트럼 전력은 두피에 걸쳐 보간된 시각화될 수 있으므로 활동의 "소스"를 제한적으로 추정할 수 있습니다.
전극 간 일관성 측정은 각 고유 전극 쌍...

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.

Non-invasive electrophysiological recordings are useful for the evaluation of nervous system function. These techniques are inexpensive, fast, replicable, ...

이 프로토콜은 영역이 서로 상호 작용하는 방식을 모델링하여 표준 분석 기법과 명확하지 않은 차이점을 표시하여 피질 네트워크를 조사할 수 있기 때문에 중요합니다. 이 기술의 주요 장점은 우리가 전문 재료없이 비 침습적 전기 기록을 얻을 수 있도록 우리가 널리 사용 가능한 장비를 사용하여 네트워크 기능을 조사 할 수 있다는 것입니다. 이 기술은 새로운 진단 방법 및 치료 바이오 마커의 발달을 촉진하는 네트워크 구조를 검토하여 신경 정신 질환의 비 침습적 조사를 할 수 있습니다.이 방법은 특히 질병에서 네트워크 기능의 역할이 점점 더 관련성이 높아짐에 따라 임상 신경 과학 내에서 광범위한 응용 프로그램을 가지고 있습니다. 데이터 수집의 경우, 올바른 정렬을 보장하기 위해 주의를 기울이는 환자의 머리에 전극 캡을 부착하십시오. 두피에서 시작하여 캡 표면으로 천천히 철수하여 두피와 전기접촉을 설정하고 신호 대 잡음 비율을 개선하기 위해 각 전극 포트에 전도성 젤을 주입한다.그런 다음 10-20 시스템에 기초하여 소정의 전극 몽타주를 사용하여 전극캡에 전극을 부착하고 적절한 접지 전극을 고정한다. EEG를 설정하려면 모든 전극을 전기 생리적 기록 시스템에 연결하고 레코딩 시스템을 적절한 디지털 기록 환경과 연결합니다. 모든 레코딩 채널을 검사하여 오프셋이 적절한 범위 내에 있는지 확인하고 과도한 채널 노이즈를 방지합니다.알고리즘은 데이터 품질에 관계없이 결과를 생성하므로 엄격한 데이터 품질 조건에서 레코딩을 수행해야 하며 사용하기 전에 분석해야 합니다. 그런 다음 환자에게 레코딩이 시작되었다고 지시하고 적절한 기록 품질을 확인하기 위해 짧은 테스트 기록을 수행하기 전에 불필요한 움직임을 모두 피하도록 지시합니다. 분석이 끝나면 필요에 따라 EEG 데이터와 추가 스크립트 라이브러리를 적절한 데이터 분석 환경에 로드합니다.각 기록의 처음 및 마지막 5분을 버리고 모든 이동 아티팩트의 오염을 줄이고 작업을 기반으로 데이터를 임시로 분할하거나 미리 정해진 기간을 기록하는 휴식 상태인 경우. 데이터를 준비하려면 녹음에서 모든 채널의 평균을 빼서 기록의 기준선을 수정하여 장시간 녹화 중에 방황하는 기준선의 영향을 피하십시오. 모든 채널을 적절한 참조로 다시 참조합니다.그런 다음 모든 채널을 디지털 방식으로 필터링하여 관심 있는 주파수를 격리합니다. 데이터의 전체 전력 스펙트럼을 계산하려면 평가할 전체 주파수 범위에서 분석되는 각 채널의 Fourier 변환을 수행합니다. 개별 주파수 밴드의 활동을 평가하기 위해 테타 밴드를 4~8헤르츠, 알파 밴드 8~12헤르츠, 베타 밴드 12~30헤르츠, 델타 밴드0.5~4헤르츠, 감마 밴드를 30헤르츠 이상으로 분리한다.첫 번째 전극 쌍 간의 상호 작용을 평가하려면 전극 간 일관성의 측정을 파생하십시오. 일관성을 평가하기 위해 각 열이 전극 위치인 2차원 데이터 구조에 시각화되는 전극 일관성의 측정을 매핑하고 각 행은 전극 위치이며, 각 셀은 해당 전극 쌍 사이의 일관성이며 일관성 값을 0과 1색 사이에 매핑한다. 그런 다음 사용되는 주파수 한계 내에서 각 전극 쌍 간에 전극 일관성을 시각화하는 컬러 맵을 내보냅니다.피질 영역 간의 더 높은 순서 상호 작용을 시각화하고 네트워크 역학을 매핑하려면 각 전극 쌍 일관성이 전체 스펙트럼및 특정 대역에서 다른 모든 고유 전극 쌍과 코카를 측정하는 방법을 계산합니다. 그런 다음 이러한 동시 성 측정값을 색상에 매핑하고 주파수 대역 안팎에서 네트워크 역학을 시각화하는 색상 맵을 내보냅니다. 치수 감소를 수행하려면 원리 성분 분석을 사용하여 생성된 통계 모델 내에서 전체 네트워크 역학을 나타내는 그룹 간의 비교를 위한 측정값을 도출합니다.쌍별 일관성 측정에 대한 공변 행렬을 지시하여 높은 수준의 네트워크 관계를 시각화하고 상변 성 행렬을 eigenvectors 및 해당 eigenvalues로 분해하여 기존 조치에 의해 경계되지 않고 가장 큰 분산을 포함하는 모델 피처 공간 내에서 축을 식별할 수 있도록 합니다. eigenvectors를 해당 eigenvalues로 순위를 지정하여 모델 내에서 가장 큰 분산 비율을 차지하는 것을 식별합니다. 그런 다음 네트워크 모델에서 파생된 첫 번째 원리 구성 요소를 비교합니다.관심 있는 기능 영역을 선택하려면 관심 있는 주파수 대역 내에서 일관성 데이터를 분리합니다. 원리 구성 요소 분석을 수행하여 관심 있는 대역 내에서 전체 네트워크 활동의 측정값을 도출합니다. 그런 다음 그룹 간의 측정값을 비교하여 특정 진동 주파수에서 네트워크 차이를 평가합니다.유클리딘 거리와 같은 거리 메트릭을 사용하여 감독되지 않은 학습을 수행하려면 네트워크 모델에 의해 정의된 공간 내에서 피사체 간의 거리 측정값을 계산합니다. 그런 다음 k-가장 가까운 이웃과 같은 클러스터링 알고리즘을 사용하여 모델 매개 변수를 기반으로 데이터 내의 그룹을 식별합니다. 스펙트럼 전력은 활동의 근원의 제한된 추정을 허용하는 두피에 걸쳐 보간될 수 있습니다.각 전극 전극 측정값은 상호작용 및 시간 지연의 방향차이를 허용하는 다른 영역의 활동에 따라 한 영역의 활동이 변화하는 정도를 나타낸다. 전극 간 일관성의 높은 값은 기록된 영역이 서로 통신하고 있음을 명백히 보이는 영역 간의 상호 작용을 제안합니다. 모든 고유 전극 쌍 간의 상호 작용을 측정함으로써 기록된 채널이 상호 작용하는 방식에 대한 통계맵을 구성하여 개별 격리 영역에 집중하기보다는 영역이 어떻게 통신되는지 조사할 수 있습니다.고차 네트워크 역학의 시각화는 원리 성분 분석 또는 분류기 기반 기술에 의해 비교되는 상호 작용의 종류를 인식하여 한 전극 쌍의 일관성 측정이 다른 쌍의 일관성 변화와 어떻게 관련이 있는지 평가합니다. 예를 들어, 여기서 우리는 표준 분석 방법을 사용하여 통계적으로 유의한 차이가 없었던 피질 기능에 영향을 미치는 신경 정신 장애의 다른 임상 표현형을 가진 두 피험자 사이의 네트워크 매핑에서 분명한 차이를 시각화할 수 있습니다. 이 절차를 사용하여 네트워크 측정을 파생한 후 기계 학습 기술을 사용하여 생성된 데이터가 풍부한 모델을 활용하여 보다 정교한 진단 및 예후 분석을 할 수 있습니다.이 기술은 Rett 증후군, 소아 신경 정신 질환, 새로운 치료 및 간질 상태에 대한 반응의 예측을 허용했습니다.

statistical-modelling-cortical-connectivity-using-non-invasive

Research

연구

JoVE Journal

Neuroscience

신경과학

우리는 침략적 간질 모니터링을 진행하고 인간에서 연구 목적으로 electrocorticographic 신호를 수집하기위한 방법을 제시한다. 우리는 데이터 수집, 신호 처리 및 자극 프레 젠 테이션을 위해 BCI2000 소프트웨어 플랫폼을 사용하는 방법을 보여줍니다. 특히, 우리는 SIGFRIED, 실시간 기능적 뇌 맵핑을위한 BCI2000 기반 도구를 보여줍니다.

Neuroscientific 연구 및 실시간 기능성 두피 매핑을위한 인적 Electrocorticographic (ECoG) 신호를 녹음하기

우리는 자기 공명 영상 (MRI)에 의해 캡처 해부학 적 정보와 결합 마그네토와 electroencephalography (멕 / EEG)은, 청각주의와 관련된 대뇌 피질의 네트워크의 역학을 매핑 사용합니다.

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

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

Resting-state functional-connectivity MRI는 피질 발달의 기형으로 인한 간질을 포함한 광범위한 신경 정신 질환을 가진 환자의 이상을 확인했습니다. EEG와 함께 경두개 자기 자극법은 간질 환자가 비정상적인 연결성을 가진 영역에서 피질 과흥분성을 가지고 있음을 입증할 수 있습니다.

간질 환자의 뇌 흥분을 연결 관련 평가하는 멀티 모달 Imaging- 및 자극 기반 방법

이 프로토콜은 측두엽 간질(TLE) 환자에서 근심 네트워크 측정의 진화를 추적하는 절차를 설명합니다. 이는 데이터 분석을 위한 새로운 수치 기법과 두개내 기록의 조합을 기반으로 합니다. 구체적으로, 우리는 foramen ovale 기록의 네트워크 분석을 위한 프로토콜을 제시합니다.

약물 저항성 측두엽 간질 환자에서 난원 공 개존증 전극 녹음의 네트워크 분석

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

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

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.

신경 활동과 연결 Intracranial 뇌 파 데이터를 사용 하 여 SPM 소프트웨어 분석

실험 프로토콜은 뇌졸중 환자의 상지 운동 중 뇌파(EEG) 신호를 획득하고 분석하기 위한 패러다임을 보여줍니다. 낮은 베타 EEG 주파수 대역의 기능적 네트워크의 변화는 손상된 상지의 움직임 중에 관찰되었으며 운동 손상의 정도와 관련이 있었습니다.

만성 뇌졸중의 상지 손상의 바이오마커로서의 뇌파 네트워크 지표

다중 자기 공명 영상(MRI) 데이터 양식에 의해 정보를 얻은 대뇌파 네트워크의 뇌파검사(TMS-EEG) 매핑과 결합된 맞춤형 경두개 자기 자극을 위한 새로운 프로토콜입니다.

실시간 피질 네트워크 매핑을 위한 신경영상 유도 TMS-EEG

이 프로토콜은 물리학 기반 신경 시뮬레이션을 통해 신경치료의 전기생리학적 바이오마커를 해석하고 신경회로에 미치는 영향을 밝혀내는 방법을 보여주며, 신경치료 개발에 기전적으로 기반을 갖춘 접근법을 제공합니다.

인간 신피질 신경해석기를 이용한 뇌파 신경치료 효과의 신경 메커니즘 규명 프로토콜

학습하세요 비침습적 EEG를 이용한 피질 연결 통계적 모델링 방법으로 신경정신질환의 네트워크 역학을 분석하고 새로운 진단 기법 및 치료 바이오마커 개발에 활용하는 기술입니다.

비침습적 뇌전도를 이용한 피질 연결의 통계적 모델링

더 많은 동영상 탐색