Jednoczesna elektroencefalografia i magnetoencefalografia w celu identyfikacji obszarów mózgu podatnych na napady padaczkowe

Streszczenie

Źródło: Papadelis, C., et wsp., Międzynapadowe oscylacje wysokiej częstotliwości wykryte za pomocą jednoczesnej magnetoencefalografii i elektroencefalografii jako biomarker padaczki dziecięcej. J. Vis. exp.{{TAG_ 27}} (2016).

Ten film demonstruje metodę wykorzystania zapisów elektroencefalografii (EEG) i magnetoencefalografii (MEG) do identyfikacji międzynapadowych wyładowań padaczkowych (IED) i oscylacji o wysokiej częstotliwości (HFO) w celu zlokalizowania obszarów mózgu podatnych na napady.

Protokół

Wszystkie procedury z udziałem ludzi zostały przeprowadzone zgodnie z instytucjonalnymi, krajowymi i międzynarodowymi wytycznymi dotyczącymi dobrostanu ludzi i zostały zweryfikowane przez lokalną instytucjonalną komisję rewizyjną.

1. Akwizycja danych

1. Magnetoencefalografia (MEG) i elektroencefalografia (EEG)
   UWAGA: Akwizycja danych MEG/EEG odbywa się w oparciu o metodę. Więcej szczegółów na temat klinicznego zastosowania MEG w padaczce dziecięcej można znaleźć w innym miejscu.
   1. Nagrywaj sygnały MEG za pomocą systemu MEG obejmującego całą głowicę.
      UWAGA: System MEG wykorzystuje czujniki cienkowarstwowe dwóch typów (gradiometry planarne i magnetometry) zintegrowane na 102 elementach sensorowych. Każdy element zawiera magnetometr, który składa się z pojedynczej cewki i dwóch ortogonalnych gradiometrów planarnych, które składają się z konfiguracji cewki typu "ósemka". Magnetometr mierzy strumień magnetyczny prostopadły do jego powierzchni, a gradiometry mierzą różnicę między dwiema pętlami "ósemki", czyli gradientem przestrzennym. System MEG składa się z 204 gradiometrów planarnych i 102 magnetometrów (łącznie 306 czujników). Systemy MEG różnych producentów mają różną liczbę i typy cewek (i.e., gradiometry osiowe).
   2. Jednoczesne nagrywanie sygnałów EEG za pomocą niemagnetycznej 70-kanałowej nasadki elektrody ze spiekanych elektrod pierścieniowych Ag/AgCl i dodatkowych elektrod w T1/T2. Użyj wspólnego montażu referencyjnego.
   3. Zamknij drzwi pomieszczenia z ekranem magnetycznym (MSR). Komunikuj się z pacjentem za pomocą interkomu, aby sprawdzić, czy czuje się komfortowo. Poproś rodzica, aby pozostał w MSR podczas nagrywania, jeśli dziecko czuje się nieswojo, pozostając samemu.
   4. Rozpocznij nagrania, klikając przycisk "Przejdź" w oprogramowaniu do akwizycji MEG. Użyj wysokiej częstotliwości próbkowania 1 KHz (lub większej). Użyj dolnoprzepustowego filtra nieskończonej odpowiedzi impulsowej (IIR) 6. rzędu przy 400 Hz. Sprawdź wszystkie nagrane sygnały online. Napraw uszkodzone kanały MEG za pomocą tunera czujnika.
      UWAGA: Złe kanały MEG są definiowane jako czujniki (gradiometry lub magnetometry), które mają stosunkowo wysoki poziom białego szumu (powyżej 2 do 5 fT/√Hz dla magnetometrów) lub czujniki, które rejestrują fałszywy szum elektromagnetyczny otoczenia. Zwykle dzieje się tak, gdy czujniki są wystawione na działanie silnych (w stosunku do mierzonych sygnałów) pól magnetycznych, a określone części cewek "zatrzymują" strumień magnetyczny, niszcząc nadprzewodnictwo. Następnie używany jest tuner czujnikowy do podgrzewania cewki poprzez przepuszczanie przez nią prądu elektrycznego. Ta procedura nazywa się strojeniem i jest stosowana, gdy poziom białego szumu czujnika przekracza określony próg (, tj. 2 - 5 fT/√Hz). Niektóre systemy MEG nie są wyposażone w tunery sensorowe.
   5. Zmierz pozycję głowy pacjenta, klikając przycisk "Zmierz" w oprogramowaniu do akwizycji MEG. Jeśli matryca sensoryczna nie zakrywa dobrze głowy pacjenta, poproś go, aby przesunął głowę głębiej w kask.
      UWAGA: Ten manewr aktywuje 4 cewki wskaźnika położenia głowy (HPI) poprzez podanie przez nie przejściowych oscylacyjnych sygnałów elektrycznych, które generują sztuczne pola magnetyczne. Czujniki MEG wykrywają te pola i określają pozycję głowicy. Procedura może się różnić w zależności od dostawcy MEG.
   6. Rejestruj zapisy MEG, EEG i peryferyjne, klikając przycisk "Nagraj" w oprogramowaniu do akwizycji MEG (i.e., elektrokardiogram lub EKG, elektrookulogram lub EOG, i elektromiogram lub EMG) przez ~60 min.
      UWAGA: Dane są przechowywane jako plik .fif w nadmiarowych macierzach niezależnych dysków (RAID). Typ pliku jest inny dla innych dostawców MEG.
   7. Po zakończeniu nagrywania otwórz MSR, odłącz kable i wyjmij pacjenta z pomieszczenia MSR. Delikatnie usuń wszystkie taśmy, elektrody, cewki HPI i nasadkę EEG. Umyj głowę pacjenta.
   8. Po zakończeniu akwizycji należy zarejestrować sygnały magnetyczne pustego MSR bez pacjenta. Rozpocznij nagrania, klikając przycisk "Przejdź" w oprogramowaniu do akwizycji MEG. Nagrywaj dane MEG przez 2 minuty.
      UWAGA: Dane te służą do szacowania szumu elektromagnetycznego w środowisku.

2. Identyfikacja aktywności interktalnej

1. Otwórz dane za pomocą Brainstorm, które są udokumentowane i bezpłatnie dostępne do pobrania online na licencji GNU General Public License.
2. Wybierz wizualne fragmenty danych EEG, w których aktywność międzynapadowa występuje w odstępie co najmniej 2 godzin od napadów klinicznych.
   UWAGA: Rysunek 1 przedstawia część danych EEG i MEG z częstymi IED.
   1. Zidentyfikuj empirycznie dobrze zdefiniowane międzynapadowe wyładowania padaczkowe (IED) w sygnałach EEG: obejmuje to skoki (20 - 70 ms) i ostre fale (70 - 200 ms).
      UWAGA: Kliniczne znaczenie obu typów IED w lokalizacji ogniska padaczkowego jest równoważne.
   2. Spróbuj zidentyfikować (jeśli to możliwe) fragmenty nagrań z: (i) minimalnymi artefaktami ruchu, (ii) więcej niż 3-4 IED na 10 s wyświetlania oraz (iii) wolnofalowym snem nie-REM, który zwykle przedstawia dużą liczbę oscylacji o wysokiej częstotliwości (HFO).
3. Korzystając z burzy mózgów, wyświetl dane ze standardowymi ustawieniami wyświetlania (10 s/stronę). Przejdź do zakładki Filtr i ustaw następujące parametry wyświetlania filtra: filtr górnoprzepustowy: 1 Hz, Filtr dolnoprzepustowy: 80 Hz, oraz Filtr wycinający: 50 lub 60 Hz (w zależności od częstotliwości linii energetycznej). Sprawdź dane i zidentyfikuj ich części za pomocą IED.
   UWAGA: Tylko fragmenty sygnału z IED będą skanowane w poszukiwaniu HFO. Wybrane filtry służą tylko do wizualizacji; Nie zostały one zastosowane do danych. Aby trwale zastosować te filtry do danych, użyj pasmowego filtru Butterwortha (4. rzędu), postępując zgodnie z instrukcjami na stronie internetowej Brainstorm (http://neuroimage.usc.edu/brainstorm/).
4. Zaznacz szczyt każdego IED występującego zarówno w danych EEG, jak i MEG (patrz czerwone plamy w Rysunek 1).
   UWAGA: Więcej szczegółów na temat oznaczania IED za pomocą Brainstorm można znaleźć gdzie indziej (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. Półautomatyczne wykrywanie HFO w jednoczesnych danych EEG i MEG skóry głowy

UWAGA: Tutaj opisujemy półautomatyczną metodę wykrywania HFO, która obejmuje automatyczne wykrywanie (Rysunek 2), po którym następuje przegląd wizualny automatycznie wykrytych HFO. W celu uniknięcia fałszywych oscylacji ostrych stanów nieustalonych jako prawdziwych tętnień i zapewnienia, że HFO nie są spowodowane zjawiskiem filtrowania, postępowaliśmy zgodnie z najnowszymi sugestiami w odpowiedniej literaturze: wymagaliśmy, aby HFO miały minimalną liczbę 4 oscylacji, ponieważ zaobserwowano, że odpowiedź impulsowa filtra ma mniej oscylacji niż wybrana liczba cykli50, użyliśmy filtra skończonej odpowiedzi impulsowej (FIR) w celu zminimalizowania efektu dzwonienia i zjawiska "Gibbsa"50, wymagaliśmy, aby potencjalne zdarzenia HFO zostały również wizualnie sprawdzone przez eksperta, aby sprawdzić, czy HFO są również widoczne nałożone na IED, i wymagaliśmy, aby odizolowana wyspa była obserwowana na równinie czasowo-częstotliwościowej, ponieważ ostre zdarzenie i oscylacja mają różne sygnatury: rzeczywisty HFO jest reprezentowany przez izolowany pik na wykresie czasowo-częstotliwościowym (ograniczony pod względem częstotliwości, jako "wyspa") znajdujący się w paśmie 80 - 500 Hz, podczas gdy zdarzenie przejściowe generuje wydłużoną plamę o rozszerzonej częstotliwości.

1. Automatyczne wykrywanie HFO
   UWAGA: Rysunek 2 opisuje schemat automatycznego wykrywania HFO na każdym sygnale EEG. Celem opracowanej metody jest zmniejszenie obciążenia biegłego EEG związanego z oznaczaniem zdarzeń HFO na każdym kanale EEG za pomocą wyświetlacza o długości 2 s/stronę, który jest zalecany do wizualnej kontroli HFO. HFO zostało zdefiniowane jako zdarzenie w paśmie częstotliwości tętnień (80 - 250 Hz), które ma co najmniej 4 oscylacje o morfologii podobnej do sinusoidalnej, wyróżniające się na tle otoczenia i które pojawia się jako krótkotrwałe zdarzenie z izolowanym szczytem widmowym o wyraźnej wysokiej częstotliwości.
   1. Wykrywanie potencjalnych HFO w dziedzinie czasu
      1. Pasmo przepustowe (BP) filtruje sygnały EEG w zakresie od 80 do 250 Hz, ograniczając ich częstotliwość do interesującego nas pasma tętnień.
         UWAGA: Zaleca się stosowanie filtra FIR w celu zminimalizowania efektu dzwonienia i zjawiska "Gibbsa" oraz filtrowania cyfrowego z zerową fazą, aby uniknąć zniekształceń fazy.
      2. Oblicz obwiednię sygnału BP za pomocą transformacji Hilberta. Oblicz średnią i odchylenie standardowe (SD) obwiedni w ciągu 10 s okien przesuwnych wyśrodkowanych na każdym punkcie szeregu czasowego. Oszacuj ogólną średnią i SD przy użyciu wartości mediany we wszystkich oknach (w celu uzyskania wartości, które są odporne na możliwą obecność fragmentów sygnału z wieloma HFO i wysokim SD).
      3. Oblicz wskaźnik Z koperty i oznacz kandydata HFO za każdym razem, gdy jest on wyższy niż minimalny próg, który jest ustawiony na 3.
      4. Zdefiniuj punkt początkowy i końcowy wykrytego zdarzenia jako przecięcia w górę i w dół połowy progu. Cienkie związki ciepła z interwałem między zdarzeniami krótszymi niż 30 ms należy traktować jako jeden HFO. Obliczyć liczbę pików w sygnale BP między punktem początkowym i końcowym HFO i odrzucić zdarzenia z mniej niż 4 pikami. Ponadto odrzuć zdarzenia ze wskaźnikiem Z wyższym niż 12.
         UWAGA: Zmodyfikuj maksymalny próg z-score zgodnie z amplitudą artefaktów, które mogą wystąpić w twoich nagraniach. Zdarzenia o małej liczbie oscylacji mogą być spowodowane efektami filtrowania, podczas gdy zdarzenia o bardzo wysokich amplitudach mogą być spowodowane artefaktami mięśni lub elektrod.
   2. Odrzuć możliwe artefakty w dziedzinie czasu-częstotliwości.
      UWAGA: Ten krok jest konieczny do odróżnienia prawdziwych HFO od zdarzeń, które mogą być wywołane przez inną aktywność EEG i artefakty filtrujące, których zawartość częstotliwości nie jest ograniczona do pasma częstotliwości będącego przedmiotem zainteresowania. Opiera się na założeniu, że prawdziwy HFO pojawia się jako krótkotrwałe zdarzenie z izolowanym pikiem widmowym o wyraźnej częstotliwości powyżej 80 Hz, w przeciwieństwie do zdarzenia przejściowego, które generuje wydłużoną plamę o rozszerzonej częstotliwości. Rysunek 3 ilustruje przykład wykrytego HFO pokazującego sygnał EEG z filtrem BP (górny panel), jego obwiednię (panel środkowy) i odpowiadającą jej płaszczyznę czasowo-częstotliwościową (panel dolny), w okresie [-0,5, +0,5] s wokół piku HFO. Wyświetlanie płaszczyzny czasowo-częstotliwościowej jest ograniczone do 80 - 150 Hz, ponieważ nie zaobserwowano żadnej znaczącej aktywności dla częstotliwości powyżej 150 Hz.
      1. Przekształć wszystkie kandydujące zdarzenia HFO w przestrzeń czasowo-częstotliwościową za pomocą transformacji Morleta w zakresie częstotliwości od 1 Hz do najwyższej interesującej częstotliwości, i.e., 250 Hz (częstotliwość centralna = 1 Hz, maksimum na całej szerokości = 3 s).
      2. Przeanalizuj chwilowe widma mocy reprezentacji czasowo-częstotliwościowej dla każdego punktu czasowego czasu trwania zdarzenia. Dla każdego widma mocy należy postępować zgodnie z kryteriami automatycznymi, aby wykryć szczyt w paśmie wysokich częstotliwości i sprawdzić, czy wyraźnie różni się on od najbliższego szczytu w niższym zakresie częstotliwości. Odrzucić HFO, które nie wykazują widma mocy z izolowanym szczytem wysokiej częstotliwości w co najmniej 90% punktów czasowych.
2. Sortuj wszystkie wykryte zdarzenia HFO według ich czasowego występowania w różnych kanałach. Zgrupuj wszystkie kolejne HFO, których czas trwania nakłada się na siebie. Do dalszej analizy należy zachować tylko grupy HFO obejmujące co najmniej dwa kanały EEG.
   UWAGA: Algorytm wymaga, aby HFO występowały w co najmniej 2 kanałach, aby uniknąć przechwytywania fałszywych losowych artefaktów, które mogą przypominać prawdziwe HFO i występować w pojedynczych odprowadzeniach EEG. Uznaje się, że dwie kolejne HFO nakładają się na siebie, jeżeli czas rozpoczęcia drugiego HFO poprzedza czas rozpoczęcia pierwszego.
3. Wizualny przegląd wydarzeń HFO
   1. Wyrównaj w pionie 2 ekrany komputerowe; jeden do kontroli EEG i jeden do kontroli sygnałów MEG. Wyświetla wykryte zdarzenia zarówno w skali rozszerzonej (2 s/stronę), jak i typowej (10 s/stronę), pokazując odpowiednio przefiltrowane sygnały 80 - 250 Hz i 1 - 40 Hz BP.
   2. Zignoruj zdarzenia współwystępujące z artefaktami mięśniowymi lub elektrodowymi w niefiltrowanym EEG i MEG, a także zdarzenia o dużej zmienności częstotliwości, nieregularnej morfologii lub dużych zmianach amplitudy.
   3. Obserwuj sygnały EOG i EMG podczas wykrywania HFO i odrzuć wszelkie zdarzenia, które uważa się za odpowiadające EOG lub aktywności mięśniowej. Należy wziąć pod uwagę tylko te HFO, które pokrywają się z IED EEG/MEG, ponieważ jest bardziej prawdopodobne, że są one prawdziwymi HFO.
      UWAGA: To podejście oferuje wysoką specyficzność kosztem niskiej czułości; w ten sposób daje pewność, że zidentyfikowane HFO są pochodzenia korowego.
   4. Przechowuj tylko zdarzenia HFO, które występują jednocześnie w sygnałach EEG i MEG.

4. Lokalizacja źródłowa IED i HFO

1. Zlokalizuj generatory w szczytowym momencie IED MEG, używając dipoli prądu zastępczego (ECD). Korzystaj z bezpłatnego oprogramowania do szacowania norm minimalnych (http://martinos.org/mne/stable/index.html). Uwzględniaj tylko kolce o dobroci dopasowania (GOF) > 80% i momencie dipolowym Q<500 nA - m. Nałóż lokalizację ECD na rezonans magnetyczny każdego pacjenta.
   UWAGA: Maksymalna entropia na średniej (MEM) jest atrakcyjną alternatywną metodą, która określa lokalizację i zasięg źródeł.
2. Lokalizacja źródła HFO zarówno w EEG, jak i MEG przy użyciu metody falkowej maksymalnej entropii na średniej (wMEM).
   UWAGA: MEM jest skuteczną techniką, która została z powodzeniem wykorzystana do określenia lokalizacji i zakresu źródeł aktywności padaczkowej. wMEM jest rozszerzeniem MEM, które zostało opracowane do lokalizacji aktywności oscylacyjnej ocenianej za pomocą realistycznych symulacji. Dekomponuje sygnał na dyskretnej podstawie falkowej przed wykonaniem lokalizacji źródła MEM na każdym pudełku czasowo-częstotliwościowym. W związku z tym wMEM szczególnie dobrze nadaje się do lokalizacji HFO.
   1. Segmentuj MRI i uzyskaj powierzchnię kory mózgowej za pomocą Freesurfera.
   2. Rozwiąż problem z przesunięciem EEG/MEG za pomocą metody elementów granicznych (BEM) dla modelu 3-warstwowego przy użyciu OpenMEEG.
   3. Ponownie próbkować sygnały do 640 Hz, aby upewnić się, że druga skala dyskretnej transformacji falkowej odpowiada interesującemu paśmie częstotliwości.
   4. Oszacuj macierz kowariancji szumu w przestrzeni danych niezależnie dla każdego HFO, na podstawie tła w paśmie tętnień w oknie 150 ms bezpośrednio przed każdym HFO. Wykonaj lokalizację źródłową dla każdego HFO w paśmie tętnień i uśrednij wzdłuż czasu trwania HFO. UWAGA: Wynikowa mapa składa się z wartości aktywacji kory mózgowej powiązanej z każdym wierzchołkiem teselacji korowej.
   5. Znormalizuj każdą mapę, aby uzyskać maksymalną wartość aktywacji równą 1 dla każdego HFO.
   6. Oblicz średnią wartości aktywacji dla wszystkich HFO w każdym wierzchołku. Zastosuj próg 60% maksymalnej aktywacji, aby wyświetlić końcowe mapy na powierzchni kory mózgowej.

Wyniki

Materiały