Het in kaart brengen Corticale Dynamics Met Gelijktijdige MEG / EEG en Anatomisch beperkt Minimum-norm Schattingen: een auditieve aandacht Voorbeeld
October 24th, 2012
We maken gebruik van magneto-en elektro-encefalografie (MEG / EEG), gecombineerd met anatomische informatie gevangen genomen door magnetische resonantie beeldvorming (MRI), om de dynamiek van het corticale netwerk is verbonden met auditieve aandacht kaart te brengen.
Het algemene doel van deze procedure is om corticale dynamischa te kaart die ten grondslag liggen aan verschillende menselijke cognitieve toestanden. Dit wordt bereikt door eerst magneto- en elektro-encefalografische gegevens of kortweg MEG en EEG vast te leggen, terwijl een proefpersoon een gedragstaak uitvoert. De tweede stap is het verkrijgen van anatomische gegevens met behulp van relevante MRI-sequenties.
Vervolgens wordt co-registratie uitgevoerd om een ruimtelijke correspondentie vast te stellen tussen sensorlocaties van MEG en EEG met anatomische informatie. De laatste stap is het gebruik van een inverse beeldvormingsbenadering om individuele hersenactiviteiten op de corticale ruimte af te beelden. Uiteindelijk wordt statistische inferentie op basis van een gemeenschappelijk oppervlaktegebaseerd coördinatensysteem gebruikt om significante ruimtelijk-temporele patronen te ontdekken die de ene cognitieve toestand van de andere onderscheiden.
Eric Lawson en Ross Maddox zullen een procedure demonstreren. Voor postdocs in mijn laboratorium, begin dit protocol door structurele MR-beelden van het proefpersoon te verkrijgen. Verkrijg eerst een structurele MR-scan met behulp van een magnetisatie voorbereide snelle gradiënt-echo of MP rage of een vergelijkbare sequentie.
Deze sequentie kan vijf tot tien minuten duren, afhankelijk van de specifieke scanresolutie en het gebruikte beeldvormingsprotocol, als EEG-gegevens voor inverse beeldvormingsanalyse worden gebruikt. Verkrijg ook twee snelle low angle shot of flash MRI-scans. Deze flash-sequenties bieden een andere weefselcontrast dan de standaard MP rage-sequenties.
Zodra de beeldvorming is voltooid, gebruik MNE en free surfer software om de buitenste schedeloppervlakken van de huid en de binnenste schedeloppervlakken te reconstrueren vanuit de MP rage- en flash-beelden. Gebruik vervolgens deze oppervlakken om een driedelig randelementmodel of BEM te genereren vóór het MEG-experiment. Test eerst de auditieve en visuele latenties om de timingintegriteit te waarborgen.
Gebruik een microfoon en een foto DDE die aan het scherm is bevestigd en zorg er vervolgens voor dat er geen waarneembare jitter is. Dit kan vereisen dat de presentatieprojector op zijn oorspronkelijke resolutie wordt ingesteld. Bereid vervolgens het proefpersoon voor op opname, verwijzend naar het vorige videoartikel van luital voor details over de voorbereiding van het elektrocardiogram en de referentie-elektrode, evenals het digitaliseren van de fiduciaire oriëntatiepunten van het proefpersoon, hoofdpositie-indicatorspoelen en EEG-elektroden.
Zodra het proefpersoon comfortabel zit in de MEG meet de hoofdpositie, gebruik de hoofdpositie-indicator of HPI spoelen, begin dan met opnemen en begin met het presenteren van auditieve en visuele stimuli. Merk op dat HPI-metingen ook continu kunnen worden uitgevoerd. Het proefpersoon moet reageren op de auditieve en visuele stimuli via een optische knoppendoos tijdens het uitvoeren van een audiovisuele gedragstaak.
Hier meldt het proefpersoon de stok en het cijfer dat afkomstig is van de hemiveld zoals aangegeven door de visuele aanwijzing. Af en toe worden proefpersonen visueel aangemoedigd om hun aandacht naar het contralaterale hemiveld te richten tijdens de proef. Om het schakelen van auditieve aandacht te bestuderen, zijn er veel hardware- en software-oplossingen beschikbaar om stimuluspresentatie uit te voeren.
Hier wordt Tucker Davis Technologies RZ six gebruikt voor auditieve stimuluspresentatie en triggerstamping met psych toolbox voor visuele stimuluspresentatie, beide bestuurd door matlab. Om te beginnen met het verwerken van gegevens, coregistreer de EEG-gegevens naar de structurele MR met behulp van MNE-software zoals hier te zien is, laad eerst de digitizergegevens in het gereconstrueerde MRI-hoofdmodel van het proefpersoon. Kies vervolgens fiduciaire oriëntatiepunten om het co-registratieproces te starten en ga vervolgens verder met het gebruik van de automatische uitlijnprocedure om de coördinatentransformatie te voltooien.
Vervolgens om de locatie van elke dipool in de bronruimte te relateren met de locatie van elke sensor. Combineer de geregistreerde hoofdpositie-indicatorgegevens om een forward-oplossing te berekenen met het driedelige randelementmodel om het signaal-ruisverhouding van de gegevens verder te verhogen. Pas tijdsdomein artefactverwijdering toe, zoals het verwijderen van epics met abnormaal hoge amplitudesignalen als gevolg van het spiken van een kanaal.
Pas ook frequentiedomein artefactverwijdering toe, zoals band notch-filtering bij 50 of 60 hertz lijnfrequentie, gebruik signaalruimteprojectie of andere ruisreducerende technieken zoals signaalruimtescheiding om ruimtelijke veldpatronen te projecteren of te scheiden van omgevingsveldbelasting of andere ongewenste fysiologische signalen zoals die geassocieerd zijn met oogknippen en hartartefacten. Genereer nu een hersenfilm van de verdeelde dipoolschatting als de huidige schatting op elke dipoollocatie in de bronruimte in tijd voor elke experimentele conditie. Afhankelijk van de temporele kenmerken van het experimentele ontwerp, kunnen gegevens in de tijd worden gebogen door huidige schattingen te gemiddeld met behulp van niet-overlappende temporele vensters om door te gaan met de analysemorfologie.
De eerder gemaakte hersenfilms voor elk proefpersoon op een gemeenschappelijke corticale ruimte op basis van een op het oppervlak gebaseerd coördinatensysteem dat de individuele sical jarral-patronen optimaal uitlijnt. Dit maakt vergelijking of gemiddeling van corticale activiteiten tussen proefpersonen mogelijk. Om een regio van interesse-benadering te gebruiken, kunnen ROI's anatomisch worden gedefinieerd, bijvoorbeeld door een automatische parcelisatie-algoritme en/of functioneel door het opnemen van een functionele lokalisatie-taak zoals een go no-go secon-taak om de oculomotorische regio's te identificeren. De analyse kan verder worden beperkt tot een specifiek tijdstip van interesse dat geschikt is voor het gebruikte experimentele paradigma, bijvoorbeeld beperkt tot een tijdsperiode direct vóór en na het begin van de geluidsstimuli.
Andere statistische inferentie geassocieerd met tijdreeksanalyse kan ook worden gebruikt met behulp van het bovenstaande gedragsparadigma. Hier zien we representatieve resultaten met behulp van de niet-parametrische ruimte-tijdelijke clusteringsprocedure. Het rechter frontale oogveld blijkt significant te zijn wanneer een individueel proefpersoon een herori
View the full transcript and gain access to thousands of scientific videos
Overzicht
Deze studie maakt gebruik van magneto- en elektro-encefalografie (MEG/EEG) naast magnetische resonantie beeldvorming (MRI) om de corticale dynamischa met betrekking tot auditieve aandacht te onderzoeken. De integratie van deze technieken maakt een uitgebreide kaart van hersenactiviteit tijdens cognitieve taken mogelijk.
Belangrijkste onderdelen van het onderzoek
Wetenschapsgebied
- Neurowetenschap
- Elektrofysiologie
- Beeldvormingstechnieken
Achtergrond
- Het begrijpen van cognitieve toestanden is cruciaal voor neurowetenschappelijk onderzoek.
- MEG en EEG geven inzicht in hersenactiviteit met hoge temporele resolutie.
- MRI biedt gedetailleerde anatomische context voor hersenmapping.
- Co-registratie van gegevens verbetert de nauwkeurigheid van ruimtelijke analyse.
Doel van het onderzoek
- Om corticale dynamischa geassocieerd met auditieve aandacht in kaart te brengen.
- Om verschillende cognitieve toestanden te onderscheiden aan de hand van hersenactiviteitspatronen.
- Om geavanceerde beeldvormingstechnieken te gebruiken voor een beter begrip van hersenfunctie.
Gebruikte methoden
- Verzameling van MEG en EEG gegevens tijdens gedragstaken.
- Verwerving van anatomische MRI-gegevens met behulp van relevante sequences.
- Co-registratie van MEG/EEG sensorlocaties met MRI-gegevens.
- Toepassing van inverse beeldvormingstechnieken om hersenactiviteiten in kaart te brengen.
Belangrijkste resultaten
- Identificatie van significante ruimtelijk-temporele patronen in hersenactiviteit.
- Onderscheid van cognitieve toestanden op basis van in kaart gebrachte corticale dynamischa.
- Verbeterd begrip van auditieve aandachtsmechanismen.
- Totstandbrenging van een gemeenschappelijk oppervlaktegebaseerd coördinatensysteem voor analyse.
Conclusies
- De integratie van MEG/EEG en MRI is effectief voor het in kaart brengen van cognitieve toestanden.
- Statistische inferentie onthult belangrijke patronen in hersenactiviteit.
- Deze aanpak kan ons begrip van auditieve aandacht bevorderen.
Veelgestelde vragen
Executive Industry Relevance
Mapping cortical dynamics with MEG/EEG and MRI enables high-temporal-resolution investigation of cognitive states relevant to neuropsychiatric target validation. This approach supports mechanistic de-risking by linking distributed neural activity to behavioral phenotypes in disease-relevant systems. It provides predictive confidence for target engagement assays by identifying spatiotemporal biomarkers of cognitive dysfunction.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by mapping cortical network dynamics during attention tasks.
- Operational Value: Enables biological de-risking through distributed source localization of cognitive phenotypes.
- Predictive Value: Supports portfolio triage by identifying cortical biomarkers predictive of attentional deficits.
Screening & Assay Development
- Assay Readiness: Prepares validated neurophysiological systems for compound screening using time-locked and sustained responses.
- Quantitative Outputs: Generates reproducible cortical dipole activation time-series for dose-response modeling.
- Platform Scalability: Supports high-throughput evaluation via automated source modeling and group-level statistics.
Translational & Preclinical Research
- Disease Relevance: Maps cortical dynamics in auditory attention paradigms translatable to ADHD, schizophrenia, and autism models.
- Translational Continuity: Bridges discovery to preclinical validation through common surface-based coordinate systems.
- Risk-Adjusted Advancement: Informs go/no-go decisions by quantifying target engagement effects on network-level cognition.
Pipeline & Workflow Integration
The method integrates into discovery biology through hypothesis testing of cortical networks, advances to screening via reproducible neurophysiological readouts, and supports translational research via group-level statistical inference in a common cortical space.
- Discovery Biology: Tests mechanistic hypotheses by isolating cortical dynamics underlying specific cognitive states like auditory attention.
- Screening: Delivers assay-ready, standardized cortical activation maps for evaluating compound effects on neural networks.
- Analytics: Provides spatiotemporal cortical time-series and group-level statistics for comparing conditions across subjects.
- Translational Research: Connects to preclinical work through anatomically constrained source models and ROI-based analysis of cognitive networks.
- Enterprise Reuse: Establishes a reusable pipeline for mapping cognitive states across therapeutic areas using standardized MNE and FreeSurfer workflows.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by linking MEG/EEG signals to cortical sources during cognitive tasks.
- Operational Value: Ensures reproducibility through standardized co-registration, artifact removal, and inverse imaging steps.
- Strategic Value: Improves go/no-go decisions by providing objective, network-level biomarkers of target engagement.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds based on effects on distributed cortical networks.
Implementation Considerations
- Requires expertise in neuroimaging, MRI acquisition, and MNE/FreeSurfer source modeling.
- Dependent on MEG/EEG systems, MRI scanners, and computational infrastructure for forward/inverse solutions.
- Necessitates cross-team standardization of head positioning, artifact correction, and ROI definition.
- Adaptation across models requires validation of anatomical boundaries and source space alignment.
- Practical limitations include sensitivity to environmental noise and need for artifact rejection protocols.
