Method Article

Gelijktijdige EEG en functionele MRI opname en integratie analyse voor dynamische corticale activiteit Imaging

DOI:

10.3791/56417

⸱

June 30th, 2018

 ,  ,  ,  , 
1Department of Biomedical Engineering, Cullen College of Engineering, University of Houston, 2Department of Neurosurgery, Houston Methodist Hospital and Research Institute, 3Guangdong Provincial Work Injury Rehabilitation Center

* These authors contributed equally

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Een EEG-fMRI multimodale imaging methode, die bekend staat als de spatio fMRI-beperkt EEG bron imaging methode is hier beschreven. De onderhavige methode maakt gebruik van voorwaardelijk-actieve fMRI sub kaarten, of priors, bij EEG source localization op een wijze die verbetert de ruimtelijke specificiteit en foutieve resultaten beperkt.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektro-encefalografie (EEG) en functionele magnetische resonantie imaging (fMRI) zijn twee van de fundamentele noninvasive methoden voor het identificeren van de hersenactiviteit. Multimodale methoden hebben getracht om de hoge temporele resolutie van EEG combineren met de ruimtelijke precisie van fMRI, maar de complexiteit van deze aanpak is op dit moment moet worden verbeterd. Het hier gepresenteerde protocol beschrijft de onlangs ontwikkelde Spatio fMRI-beperkt EEG bron imaging methode, die tracht te corrigeren bron vooroordelen en EEG-fMRI bron lokalisatie via de dynamische aanwerving van fMRI subregio's te verbeteren. Het proces begint met het verzamelen van multimodale gegevens van gelijktijdige EEG en fMRI scans, de generatie 3D-corticale modellen, en onafhankelijke EEG of fMRI verwerking. De verwerkte fMRI activering kaarten worden vervolgens opgesplitst in meerdere priors, afhankelijk van hun locatie en omgeving. Deze worden genomen als priors in een twee-niveau hiërarchische Bayesian algoritme voor EEG source localization. Voor elk venster van belang (gedefinieerd door de operator), zullen specifieke segmenten van de fMRI activering kaart worden geïdentificeerd als actief voor het optimaliseren van een parameter bekend als model bewijs. Deze zal worden gebruikt als zachte beperkingen op de geïdentificeerde corticale activiteit, verhoging van de specificiteit van het multimodaal imaging methode door vermindering van de cross-talk en het vermijden van verkeerde activiteit in andere fMRI voorwaardelijk actieve regio's. De methode genereert corticale kaarten van activiteit en tijd-cursussen, die kan worden genomen als de eindresultaten, of gebruikt als basis voor verdere analyses (analyses van correlatie, oorzakelijk verband, enz.) terwijl de methode is enigszins beperkt door haar modaliteiten (het zal niet vinden EEG-invisible bronnen), het is over het algemeen verenigbaar is met de meeste grote processing software, en is geschikt voor de meeste neuroimaging studies.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektro-encefalografie (EEG) en functionele magnetische resonantie imaging (fMRI) kunnen worden gezien als neuroimaging modaliteiten met aanvullende functies. FMRI vangt hersenactiviteit met temporele grootschalige, zoals hemodynamische signalen niet indirect de onderliggende neuronale activiteit met een lagere temporele resolutie (volgorde van seconden)1,2 meten. In tegenstelling, meet EEG direct de dynamische elektrofysiologische activiteit van de hersenen met een zeer hoge temporele resolutie (milliseconde niveau), maar slechte ruimtelijke resolutie3,4. Deze eigenschappen hebben geleid tot de multimodale aanpak ontwikkeld voor het optimaliseren van de gunstige aspecten van elke afzonderlijke methode5. Gelijktijdig gebruik van EEG en fMRI voorziet de uitstekende temporele resolutie van de EEG worden gecombineerd met de hoge ruimtelijke nauwkeurigheid van fMRI te overwinnen van de beperkingen die zijn gekoppeld aan unimodale fMRI of EEG.

Methoden voor EEG en fMRI integratie beginnen met fMRI geïnformeerde EEG source localization6,7. Deze techniek maakt gebruik van ruimtelijke informatie ter verbetering van de EEG source localization fMRI-afgeleid, een nadeel is echter de potentiële ruimtelijke bias veroorzaakt door de toepassing van fMRI als een "hard-constraint" — fMRI afkomstige ruimtelijke informatie wordt beschouwd als een absolute waarheid. Dit levert twee grote kwesties die verzoend6--8 worden moeten. Ten eerste dient te worden geoordeeld dat het gebruik van een statische kaart van bloed zuurstof niveau afhankelijk (BOLD) contrasten per ongeluk elke foutieve activiteit die onder, valt terwijl de echte activiteit buiten het demping kan versterken. Ten tweede, Overspraak uit bronnen die zich voordoen buiten de vet activatie kaart kan invloed hebben op de presentatie van echte activiteit binnen de resultaten of leiden tot foutieve activiteit. Ondanks dit beperkt het gebruik van de hoge ruimtelijke resolutie van fMRI om ruimtelijke voorkennis blijft een gunstige oplossing5, zoals de modellering van de EEG inverse probleem kan zowel in de anatomische en functionele zintuigen.

In deze paper tonen we een Spatio fMRI-beperkt EEG bron imaging benadering waarin de kwestie van de temporele wanverhouding tussen de EEG en fMRI door berekening van de optimale subset van fMRI priors op basis van een hiërarchische Bayesian model9. FMRI-priors worden berekend op een wijze gegevensgestuurde van bepaalde windows van belang in de EEG-gegevens, wat leidt tot beperkingen van de tijd-variant fMRI. De voorgestelde aanpak maakt gebruik van de hoge temporele resolutie van EEG voor het berekenen van een toewijzing van de stroomdichtheid van de corticale activiteit, door de hoge ruimtelijke resolutie van fMRI op een tijd-variant, ruimtelijk selectieve wijze beelden nauwkeurig dynamische neurale geïnformeerd activiteit.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het hier gepresenteerde protocol is ontworpen en uitgevoerd overeenkomstig alle richtsnoeren voor ethische menselijke onderzoek als set weer door de respectieve institutionele beoordeling besturen van de Universiteit van Houston en de Houston Methodist Research Institute.

1. gelijktijdige EEG/fMRI opname

  1. Geïnformeerde toestemming van de deelnemer. Leg aan de deelnemer het doel en de procedure van de studie, evenals de belangrijke veiligheids-maatregelen voor de gelijktijdige EEG/fMRI gegevensregistratie proces.
  2. Het EEG GLB voor te bereiden en controleer impedantie buiten de kamer van de MRI-scanner.
    1. Plaats een gepaste afmetingen, passieve, MRI-compatibele EEG cap aan de certificaathouder hoofd. Positie van de elektroden volgens de internationale voor het labeling systeem 10-2010.
    2. Controleer de impedantie van de grond en referentie-elektroden op de EEG-opnamesoftware. Om dit te doen, klik op het tabblad 'impedantie' en selecteer het type van de elektrode op de software user-interface (Zie Figuur 1).
      Opmerking: Precieze instructies hier zijn specifiek voor de software die hierin gebruikt (Zie Tabel of Materials), en moet wellicht worden aangepast aan andere systemen.
    3. Voor elke elektrode, een spuit te injecteren elektrolyt gel in de elektrode gebruiken, gebruik dan een wattenstaafje te verspreiden van de gel om ervoor te zorgen huid-elektrode contact.
      1. Als de impedantie afneemt, zou blijven de waarden met behulp van de juiste software (de impedantie-schaal als nodig, afhankelijk van de instelling aanpassen) impedantie niveau goed volgen (Zie Figuur 1). Ga door totdat alle elektroden impedantie niveaus onder de 10 kΩ bereiken om een hoge kwaliteit signaal.
        Opmerking: Per de materialen aangeboden en hier wordt gebruikt, het wordt geacht onveilig te hebben een elektrode met een impedantie-niveau boven 50 kΩ in heer-milieu11. Dit kan veranderen afhankelijk van het ontwerp van het gekozen GLB en MRI instellingen, dus Raadpleeg met de fabrikant van de apparatuur en de MRI technologen om de veiligheid van de experimentele opstelling.
  3. Gelijktijdige installatie van de hardware van de EEG/fMRI.
    1. Zodra de EEG GLB voorbereiding is gedaan, hebben het onderwerp verplaatst naar de heer-scanner met de installatie van de hardware beschreven in Figuur 2.
      Opmerking: Sommige details van de afbeelding kunnen veranderen, afhankelijk van het systeem in gebruik.
    2. De experimentele paradigma weergave instellen. Een beeldscherm dat zich in de kamer van de observatie, achter het glas-venster naar de voorkant van de heer-scanner gebruiken (Zie Figuur 2). Gebruik een hoofd spoel bekijken spiegel toestaan dat certificaathouders te bekijken van het beeldscherm zonder te bewegen hun hoofd of ogen terwijl liggen.
    3. Een voorbeeldafbeelding weergeven op het computerscherm om ervoor te zorgen dat onderwerpen comfortabel het scherm kunnen bekijken, en dat het paradigma correct wordt weergegeven. Verricht alle noodzakelijke bijsturingen van hardware of software.
  4. Experimentele paradigma (Zie Figuur 3).
    1. En belasten met het onderwerp te blijven nog steeds een eerste T1-gewogen anatomische MRI scan uitvoeren. Gebruik, indien mogelijk, een gezichtsveld dat vanaf de onderkant van het cerebellum tot de bovenkant van het hoofd bereikt, met inbegrip van de schedel en de huid.
    2. Start de opname van de gegevens van de EEG (Zie Figuur 4).
    3. Klik gelijktijdig op de juiste knoppen om te beginnen met het opnemen van de MRI en initiëren van het paradigma van de rente over de presentatie-software. Controleer de EEG gegevens opname om signaalkwaliteit en, indien gewenst, passende markeringen worden vastgelegd.
      1. Wanneer u de set-up beschreven hier, eerst Klik "Run" in de presentatiesoftware en voer het onderwerp nummer en proef nummer. Het paradigma zal starten op de bevestiging van deze instellingen.
        Opmerking: Het paradigma werkzaam hier bestond uit 10 proeven waarin een emotioneel gemotiveerd motor reactie was opgeroepen door middel van visuele stimuli. Voor elk afzonderlijk experiment, proefpersonen werden gevraagd om eerst rust voor 50 s kijken naar een groen scherm, waarna de afbeelding van een onaangename (beelden overeenkomt met verrassing, woede en walging) of niet-onaangename (afbeeldingen corresponderen met geluk of neutraliteit)12 gezicht werd uitgereikt voor 10 s. vijf beelden van elke categorie werden gepresenteerd in een willekeurige volgorde, en proefpersonen werden gevraagd om knijp een bal op het identificeren van een gezicht als onaangenaam, en houd de squeeze totdat deze is verdwenen.
      2. Een kleurovergang-teruggeroepen Echo Planar Imaging (GR-EPI) volgorde gebruiken voor fMRI opname (aanbevolen); aan de apparatuur en paradigma aanpassen.
        Opmerking: De volgorde gebruikt hierin opgenomen: Echo tijd (TE) = 35 ms; Herhaling tijd (TR) = 1.500 ms; Snijd dikte = 5 mm; Spiegelen hoek = 90 °; Pixel afstand: 2,75 x 2,75 mm. Het eventueel gebruik van een MRI-reeks die iets langer dan de weergave van het paradigma zelf duurt, om ervoor te zorgen dat de volledige paradigma wordt vastgelegd zonder knippen.

2. structurele MRI Data-analyse en voorwaartse Model generatie

  1. Volledige segmentatie en wederopbouw van verschillende oppervlakken toepassen op de certificaathouder T1-gewogen anatomische MRI volume met behulp van de Freesurfer afbeelding analyse suite13,14.
    Opmerking: Een map met alle segmentatie-uitgangen worden gegenereerd door Freesurfer.
  2. Genereren van een onderwerp-specifieke 3-laags grens Element methode (BEM) geometrische model volgt de instructies op (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 de Graphical User Interface (GUI) beschikbaar om te gebruiken Zorg ervoor dat er geen overlap tussen de lagen.
    1. Open de Freeview-toepassing. Klik op "Bestand" >> "Laad oppervlak". Navigeer naar de map van de onderwerpen in de Freesurfer map. Open de map "BEM". Open de map "Stroomgebied". Laad de vier bestanden hier gevonden ('outer_skin_surface', 'outer_skull_surface', 'brain_surface' en 'inner_skull_surface').
    2. Verplaats de schuifregelaars slice selectie en zoekt u overlapping in de gele oppervlakte lagen. Als overlapping optreedt, Controleer de MRI-gegevens voor anatomische afwijkingen of fouten en gebruik de GUI tekenhulpmiddelen te verduidelijken van de lagen.
      1. De oorspronkelijke gegevens van de MRI bij de Freeview-toepassing laden door te klikken op "Bestand" >> "Load Volume". Navigeer naar de onderwerp-map en open de map "mri". Klik dan op de "orig" map en open de landeninformatie van MRI gevonden er (moet in.mgz or.nii formaat). Klik op "OK".
      2. Bekijk de afbeelding met grijstinten van het hoofd. Als we kijken naar de verschillende lagen van grijs en zwart rond de hersenen. Ervoor zorgen dat deze lagen geen eventuele verschillen of onregelmatigheden hebben. Gebruik het hulpprogramma "Color Picker" en selecteer een voxel in de laag worden gecorrigeerd.
      3. Ga naar de "Freehand Voxel bewerken" en klik om te tekenen in de afbeelding. Hiermee vult u eventuele gebreken in de MRI-beeld. Correctie voor alle lagen en segmenten van de MRI, waar gebreken optreden uitvoeren.
        Opmerking: de "Polywire" en "Livewire" voxel bewerkingsgereedschappen kan ook worden gebruikt in plaats van de "Freehand".
  3. De bron ruimte op basis van de geometrie van het pial oppervlak te genereren.
  4. Onderwerp-specifieke EEG sensor uitlijning (b.v., omzetting en -rotatie) uitvoeren naar de MRI ruimte met behulp van de overlay hoofd model Freesurfer (Figuur 5). Sla de transformatie.
    1. Open de toepassing MNE_analyze. Klik op "Bestand" >> "Laadvlak". Navigeer naar de map met de gegevens van het onderwerp en laden van het pial oppervlak.
    2. Klik op "Bestand" >> "Load Digitizer gegevens en selecteer het bestand van de EEG van belang (moet digitizer gegevens bevatten). Klik op "Weergave" >> "Toon Viewer". Zodra de GUI-viewer wordt weergegeven, klikt u op "Opties" en zorg ervoor dat de "hoofdhuid" en "Digitizer gegevensopties" worden gekozen. Elektroden hier staan in het rood, met fiducial punten in geel.
    3. Op het belangrijkste venster (niet de viewer), selecteer "Aanpassen" >> "Coördineren uitlijning". Met behulp van de 'Coördinaat uitlijning GUI', gebruik de pijl en de L/R knoppen te verschuiven en draaien van de EEG elektroden in de viewer. Pas zo veel als nodig. Zodra de uitlijning wordt gedaan, klik "Opslaan..." aan de onderkant van het gedeelte 'uitlijning GUI coördineren' om op te slaan van de uitlijning.
      Opmerking: Doorgaans een gelijkmatige verdeling van elektroden in de hoofdhuid met goede fiducial uitlijning is vereist.
  5. De voorwaartse model genereren door middel van het onderwerp-specifieke BEM model, de ruimte van de bron en de EEG sensor transformatie met behulp van MNE software15.

3. functionele MRI gegevensanalyse

  1. Uitvoeren van eerste niveau (individuele certificaathouder) fMRI statistische analyse met behulp van de methode van het algemeen lineair Model (GLM) te verwerven vet activering kaarten voor de taken van belang. Juist voor meerdere vergelijkingen nodig16, met behulp van de cluster-gebaseerde aanpak die is ingebouwd in de pijpleiding van de Freesurfer groep-analyse.
  2. Groepsniveau analyse uitvoeren over alle onderwerpen, indien gewenst, te verwerven van de vet activatie kaart voor alle onderwerpen in de standaard ruimte (MNI of Talairach).
    Opmerking: De Universiteit van Oxford centrum voor functionele MRI van de hersenen (FMRIB) Software bibliotheek (FSL)17 en analyse van functionele Neuroimages (AFNI)18 pakketten die beide bieden de mogelijkheid voor de analyse van fMRI gegevens op de dezelfde oppervlakken die zijn gegenereerd door Freesurfer, waardoor ze geschikt zijn voor latere analyse.
  3. De tksurfer visualisatie tool gebruiken voor het uitvoeren van regio-of-interest (ROI) identificatie door het laden van de fMRI activering kaart (zowel individu op veldniveau en groep-) en het instellen van de gewenste FDR-gecorrigeerde drempel19 (p < 0.05 wordt hier gebruikt ).
    Opmerking: De ROIs geïdentificeerd van individu-niveau activering kaarten als het onderwerp-specifieke fMRI-afgeleide ruimtelijke priors voor latere bron lokalisatie dienen zal.
    1. Met behulp van de fMRI activering kaart op de laag grijze stof, pak oppervlakte patches met behulp van een algoritme verbonden-labeling.
      Opmerking: Dulmage-Mendelsohn ontleding werd gebruikt in dit voorbeeld.
    2. Verder verdelen sub de patches die zijn gebaseerd op de etikettering van een vooraf gedefinieerde hersenen atlas, zodat elke patch van activiteit die betrekking hebben op meer dan één regio is gesplitst.
      Opmerking: De hier gebruikte atlas was de DKT40 atlas20 (beschikbaar vanaf Freesurfer)21. Atlassen kunnen worden gespecialiseerd of gekozen, op basis van experimentele voorkeuren.
  4. Project de verworven groepeerniveau ROIs (die momenteel in de standaard ruimte) terug naar de ruimten van de afzonderlijke bron van elk onderwerp. Na het uitvoeren van de individuele certificaathouder structurele MRI segmentatie (stap 2.1), de coördinaat transformaties tussen het onderwerp en de standaard ruimte vindt u in de bestanden lh.sphere.reg en rh.sphere.reg, gevonden in de map "surf" van de certificaathouder Freesurfer uitvoermap.
    Opmerking: Alle vakken zal daardoor dezelfde instellen van ROIs, maar in hun eigen specifieke model. Zie Figuur 6 voor voorbeelden van de resultaten van de fMRI en resulterende ROIs.

4. EEG gegevensanalyse

Opmerking: Kunnen Details in deze sectie zijn specifiek voor de software die wordt gebruikt (Zie Tabel van materialen voor meer details). Raadpleeg de desbetreffende documentatie als met behulp van verschillende softwarepakketten.

  1. Uitvoeren van scanner kleurovergang artefacten correctie door aftrekken van de sjabloon. Voor dit, klik op de knop "Heer Correction" in de "Speciale Signal Processing"-menu en selecteren van de juiste parameters in de EEG analysesoftware GUI (Zie Figuur 7). Voer de juiste parameters aan de volgorde van de gekozen scanner en de proefopzet.
    Opmerking: Primaire parameters omvatten: herhaling tijd (TR) voor MRI scan, scannen type (afwisselende of continu), MRI volume markeringen (of kleurovergang detectiemethode en kleurovergang trigger), kanalen voor correctie en het template van de artefact.
  2. Verwijderen cardioballistic artefacten door aftrekken van de sjabloon. Dit, klik op de knop "CB Correction" in het menu "Speciale Signal Processing", en selecteren van de juiste parameters in de analysesoftware GUI.
    Opmerking: Parameters nodig hier zijn minimale en maximale hartslag, artefact sjabloon, ECG kanaal, sjabloon correlatie en kanalen voor correctie.
  3. Toepassing van filtratie. Selecteer de knop voor IIR filtratie aan de bovenkant van de analyse GUI, onder "Gegevens filtratie". Bijvoorbeeld, Hoogdoorlaat toepassen bij 0.05 Hz, low-pass op 40 Hz en een inkeping-filter op de lijn van de macht frequentie (60 Hz), met een roll-off van 48 dB/Hz.
    Opmerking: Na de toepassing van een low-pass filter met een cutoff frequentie van 40 Hz, de 60 Hz inkeping-filter is niet strikt noodzakelijk, maar is werkzaam als een waarborg tegen eventuele residuele elektriciteitsleiding frequenties die als gevolg van de roll-off aan filter randen kan hebben overleefd.
  4. Oogbeschadigingen en/of artefact correctie, bovenop de analyse GUI uitvoeren: Selecteer "Transformatie" >> "de afwijzing/vermindering van artefact" >> "Oogbeschadigingen en/of correctie ICA".
  5. De EEG-gegevens segmenteren in tijdperken gebaseerd op de opgegeven pre-en post stimulans tijd, met betrekking tot de gebeurtenis timing markers. Om dit te doen, selecteer, "Transformatie" >> "Segment analysefuncties" >> "Segmentatie", kies vervolgens de markering van belang en het segment van de tijd van belang.
    Opmerking: Segmentatie lengtes moeten worden gekozen om aan de paradigma en de verwachte hersenactiviteit van belang.
  6. Uitvoeren van handmatige of semi-automatische artefact afwijzing: Selecteer "Transformatie" >> "de afwijzing/vermindering van artefact" >> "Artefact afwijzing". Wanneer ertoe aangezet, stellen criteria vast voor artefacten binnen de drie tabbladen van de GUI en ga verder zoals geïnstrueerd over de GUI.
    1. In het tabblad 'Inspectiemethode' Kies Selecteer "automatisch", "semi-automatisch" of "handmatig selecteren artefacten" (semi-automatische modus wordt aanbevolen). Vervolgens Selecteer "mark" of "artefacten verwijderen" en geef als de correcties voor een enkel kanaal zijn.
    2. Selecteer de zenders die zal worden gecorrigeerd voor artefacten in het tabblad 'kanaalselectie'.
    3. Selecteer in het tabblad 'Criteria' de basis waarmee artefacten zal worden geïdentificeerd. Maak selecties hier aan experimentele behoeften. Klik op "OK" na het selecteren van criteria en artefacten zal worden geïdentificeerd en/of overeenkomstig de selecties verworpen.
  7. Uitvoeren van de correctie van de basislijn en proef gemiddeld (indien van toepassing).
    1. Voor het uitvoeren van de correctie van de basislijn: Selecteer "Transformatie" >> "Segment analysefuncties" >> "De correctie van de basislijn". Gemiddelde van de gesegmenteerde gegevens: Selecteer "Transformatie" >> "Segment analysefuncties" >> "Gemiddelde".

5. Spatio fMRI beperkingen — EG bron Imaging

  1. Venstergrootte en venster overlappende grootte (de standaardinstelling verlangt een window-grootte van 40 ms met 50% (20 ms) overlappen) definiëren.
  2. Selecteer het onderwerp-specifieke ROIs set (verkregen in stap 3) als de ruimtelijke voorafgaande verzameling. Voor elk segment van de EEG, het algoritme een reeks van gewichten voor de deelverzameling van ruimtelijke priors die maximaliseert het model bewijs, en berekent de bron covariantie matrix dienovereenkomstig zal dan een inschatting maken.
  3. Met de resulterende bron covariantie matrix, bron lokalisatie voor uitvoeren de EEG segment wordt geanalyseerd, de bron stroomdichtheid resultaten oplevert.
  4. Voer stap 5.2 en 5.3 voor alle segmenten van de EEG en, indien nodig, samenvatten de stroomdichtheid resultaten voor alle segmenten van de tijd in een volledige stroomdichtheid-tijdsverloop door gemiddeld het overlappende gedeelte.
    Opmerking: Deze stap zal resulteren in een stroomdichtheid-tijdsverloop van corticale activiteit op elk punt van de bron gedefinieerd in stap 2.3 (dit nummer is doorgaans over de volgorde van duizenden) (Figuur 8).
  5. Pak de representatieve stroomdichtheid-tijdsverloop op elk van de ROI.
    1. Selecteer de aanbevolen methode voor het samenvatten van het tijdsverloop van de meerdere bron-punten binnen een ROI in een enkel signaal-tijdsverloop: gemiddelde, eerste eigenvariate, enz.
  6. Herhaal stap 5.1 tot 5,5 voor alle vakken.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

EEG source localization op het basisniveau impliceert het oplossen van de voorwaartse en inverse probleem. De onderdelen die nodig zijn om te bouwen en de voorwaartse probleem oplossen zijn afgebeeld in Figuur 5C. Met behulp van een onderwerp-specifieke T1 beeld, drie lagen — schedel, hersenen en huid — waren gesegmenteerd en mazen. Deze lagen diende als de ingangen voor het genereren van de BEM-model. Ook was de certificaathouder grijs-zaak ...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hier hebben wij de nodige maatregelen om het gebruik van de methode van de analyse van de bron van Spatio fMRI beperkt EEG/fMRI integratie p.a. aangetoond. EEG en fMRI hebben worden goed opgezet als de fundamentele methoden voor niet-gebeurt imaging hersenactiviteit, hoewel ze de problemen in hun respectieve resoluties op het gebied van ruimtelijke en temporele. Terwijl methoden zijn ontwikkeld om te profiteren van de gunstige eigenschappen van de shares, de huidige fMRI-beperkt EEG source localization methoden eenvoudig...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs hebben niets te onthullen.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dit werk werd gedeeltelijk ondersteund door de NIH DK082644 en de Universiteit van Houston.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
BrainAmp MR PlusBrain ProductsVerstellers voor EEG-opname, MR-compatibel
BrainAmp ExG MR Brain ProductsVersterker voor auxiliaire sensor (EMG), MR-compatibel
BrainAmp Power PackBrain ProductsVoeding voor versterkers in de MR-omgeving
Ribbon CablesBrain ProductsVerbindt de Power Pack met versterkers
SyncBoxBrain ProductsSynchroniseer MR-scannerklok met EEG-versterkerklok
BrainCap MRBrain ProductsPassieve-elektrode 64-kanaals EEG-cap, MR-compatibel
BrainVision RecorderBrain ProductsEEG-gegevensopnamesoftware (stappen 1.2-1.4.2)
BrainVision Analyzer 2.0Brain ProductsEEG-analysesoftware (stappen 4.1-4.6)
USB 2 Adapter (ook bekend als BUA)Brain ProductsInterface tussen de versterkers en de data-acquisitiecomputer
Fiber Optic CablesBrain ProductsVerbindt de EEG-cap in de MR-scanner met de opnamecomputer
SyncBox Scanner InterfaceBrain ProductsSynchroniseer MR-scannerklok met EEG-versterkerklok
Trigger CableBrain ProductsWordt gebruikt om scanner/paradigma-triggers naar de opnamecomputer te sturen
ABRALYT HiCl EEG Electrode GelEasyCapSchuurmiddel EEG-gel voor passieve elektrode in MR-omgeving
Ingenia 3.0T MR systeemPhilips3.0 T MRI-systeem
Patriot DigitizerPolhemusEEG-kanaallokatiedigitisatie 
MATLAB r2014aMathWorksProgrammeerbasis voor het DBTN-algoritme (stappen 3.3-3.4 en 5.1-5.7)
Pictures of Facial AffectPaul Eckman GroupEen reeks emotioneel waardevolle gezichten die als stimuli worden gebruikt
E-Prime 2.0Psychology Software Tools, IncPresentatiesoftware (stap 1.4.3)
Bipolar skin EMG electrodeBrain ProductsWordt gebruikt om spieractiviteit te detecteren.
POLGUIMATLAB-software voor digitalisering
FreesurferSoftware gebruikt in stappen 2.1-2.4, en stappen 3.1-3.2
MNESoftware gebruikt in stap 2.5

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Belanger, M., Allaman, I., Magistretti, P. J. Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation. Cell Metab. 14 (6), 724-738 (2011).
  2. Logothetis, N. K. The underpinnings of the BOLD functional magnetic resonance imaging signal. J Neurosci. 23 (10), 3963-3971 (2003).
  3. Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
  4. Ramon, C., Schimpf, P. H., Haueisen, J. Influence of head models on EEG simulations and inverse source localizations. Biomed Eng Online. 5, 10(2006).
  5. Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. Error bounds for EEG and MEG dipole source localization. Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).
  6. Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Med Biol Eng Comput. 32 (1), 35-42 (1994).
  7. Pascual-Marqui, R. D. Review of methods for solving the EEG inverse problem. International journal of bioelectromagnetism. 1 (1), 75-86 (1999).
  8. Rosa, M. J., Daunizeau, J., Friston, K. J. EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches. J Integr Neurosci. 9 (4), 453-476 (2010).
  9. Nguyen, T., et al. EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes. Neural Plast. 2016, 10(2016).
  10. Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  11. Mullinger, K. J., Castellone, P., Bowtell, R. Best current practice for obtaining high quality EEG data during simultaneous FMRI. J Vis Exp. (76), (2013).
  12. Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting psychologists Press. (1976).
  13. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
  14. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
  15. Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
  16. Hagler, D. J., Saygin, A. P., Sereno, M. I. Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data. Neuroimage. 33 (4), 1093-1103 (2006).
  17. Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. Fsl. Neuroimage. 62 (2), 782-790 (2012).
  18. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Comput Biomed Res. 29 (3), 162-173 (1996).
  19. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15 (4), 870-878 (2002).
  20. Klein, A., Tourville, J. 101 labeled brain images and a consistent human cortical labeling protocol. Front Neurosci. 6, 171(2012).
  21. Fischl, B., et al. Automatically parcellating the human cerebral cortex. Cereb Cortex. 14 (1), 11-22 (2004).
  22. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134 (1), 9-21 (2004).
  23. Iannetti, G. D., et al. Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans. Neuroimage. 28 (3), 708-719 (2005).
  24. Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EEG fMRI IntegrationCortical Activity ImagingfMRI Constrained EEGConcurrent EEG fMRIEEG Source LocalizationMultimodal NeuroimagingSpatial Temporal AnalysisFunctional MRI ProcessingEEG Data AnalysisBrain Activity Mapping

Related Articles