Artykuł metodologiczny

Prowadzenie jednoczesnych zapisów elektroencefalografii i funkcjonalnej spektroskopii bliskiej podczerwieni z zadaniem Flankera

DOI:

10.3791/60669

⸱

24 maja 2020

 ,  ,  ,  , 
1Centre for Cognitive and Brain Sciences, University of Macau, 2Faculty of Health Sciences, University of Macau

W tym artykule

Podsumowanie

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

Obecny protokół opisuje, jak wykonywać równoczesne zapisy EEG i fNIRS oraz jak sprawdzić związek między danymi EEG i fNIRS.

Streszczenie

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

Równoczesne zapisy EEG i fNIRS oferują doskonałą okazję do pełnego zrozumienia neuronalnego mechanizmu przetwarzania poznawczego poprzez sprawdzenie związku między sygnałami neuronalnymi i hemodynamicznymi. EEG to technologia elektrofizjologiczna, która może mierzyć szybką aktywność neuronalną kory mózgowej, podczas gdy fNIRS opiera się na reakcjach hemodynamicznych, aby wywnioskować aktywację mózgu. Połączenie technik neuroobrazowania EEG i fNIRS może zidentyfikować więcej cech i ujawnić więcej informacji związanych z funkcjonowaniem mózgu. W tym protokole wykonano połączone pomiary EEG-fNIRS dla jednoczesnych zapisów wywołanych potencjałów elektrycznych i odpowiedzi hemodynamicznych podczas zadania Flankera. Ponadto przedstawiono i szczegółowo omówiono kluczowe etapy konfiguracji systemu sprzętowego i programowego, a także procedury pozyskiwania i analizy danych. Oczekuje się, że obecny protokół może utorować nową drogę do lepszego zrozumienia mechanizmów neuronalnych leżących u podstaw różnych procesów poznawczych poprzez wykorzystanie sygnałów EEG i fNIRS.

Wprowadzenie

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

To badanie ma na celu opracowanie działającego protokołu do ujawnienia wzorca aktywacji neuronalnej leżącego u podstaw zadania Flankera za pomocą technik neuroobrazowania skondensowanego EEG i fNIRS. Co ciekawe, równoczesne zapisy fNIRS-EEG pozwalają na zbadanie związku między sygnałami hemodynamicznymi w korze przedczołowej a różnymi komponentami potencjału związanego ze zdarzeniami (ERP) całego mózgu związanymi z zadaniem Flankera.

Integracja różnych nieinwazyjnych metod neuroobrazowania, w tym funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS), elektroencefalografii (EEG) i funkcjonalnego rezonansu magnetycznego (fMRI) jest niezbędna do lepszego zrozumienia, gdzie i kiedy odbywa się przetwarzanie informacji w mózgu1,2,3. Ponadto istnieje możliwość połączenia fNIRS i EEG w celu zbadania związku między lokalną aktywnością neuronalną a późniejszymi zmianami w odpowiedziach hemodynamicznych, w których EEG i fNIRS mogą się uzupełniać w ujawnianiu neuronalnego mechanizmu funkcji poznawczych ludzkiego mózgu. fNIRS to technika funkcjonalnego neuroobrazowania opartego na naczyniach, która opiera się na reakcjach hemodynamicznych w celu wnioskowania o aktywacji mózgu. fNIRS mierzy względne zmiany stężenia oksyhemoglobiny (HbO) i deoksyhemoglobiny (HbR) w korze mózgowej, co odgrywa ważną rolę w badaniu przetwarzania poznawczego3,4,5,6,7. Zgodnie z mechanizmem sprzężenia nerwowo-naczyniowego i neurometabolicznego 8, zmianie lokalnej aktywności neuronalnej związanej z przetwarzaniem poznawczym na ogół towarzyszą następujące po sobie zmiany w lokalnym przepływie krwi i tlenu we krwi z opóźnieniem 4-7 sekund. Wykazano, że sprzężenie nerwowo-naczyniowe jest prawdopodobnie przetwornikiem mocy, który integruje szybką dynamikę aktywności neuronalnej z naczyniowym wejściem powolnej hemodynamiki9. W szczególności fNIRS jest najczęściej używany do kontroli aktywności nerwowo-naczyniowej w płacie czołowym, zwłaszcza w korze przedczołowej, która jest odpowiedzialna za wysokie funkcje poznawcze, takie jak funkcje wykonawcze10,11,12, rozumowanie i planowanie13, podejmowanie decyzji14, oraz poznanie społeczne i ocena moralna15. Jednak odpowiedzi hemodynamiczne mierzone za pomocą fNIRS tylko pośrednio wychwytują aktywność neuronalną z niską rozdzielczością czasową, podczas gdy EEG może oferować czasowo precyzyjne i bezpośrednie pomiary aktywności neuronalnej. W związku z tym połączenie zapisu EEG i fNIRS może zidentyfikować więcej cech i ujawnić więcej informacji związanych z funkcjonowaniem mózgu.

Co ważniejsze, przeprowadzono multimodalną akwizycję sygnałów EEG i fNIRS w celu zbadania aktywacji mózgu leżącej u podstaw różnych zadań poznawczych16,17,18,19,20,21,22 lub interfejs mózg-komputer23,24. W szczególności przeprowadzono równoczesne zapisy ERP (potencjał związany ze zdarzeniami) i fNIRS w oparciu o paradygmat słuchowego dziwaka związanego ze zdarzeniem1, w którym fNIRS może zidentyfikować zmiany hemodynamiczne w korze czołowo-skroniowej kilka sekund po pojawieniu się komponentu P300. Horovitz i in. zademonstrowali również jednoczesne pomiary sygnałów fNIRS i komponentu P300 podczas zadania przetwarzania semantycznego25. Co ciekawe, wcześniejsze badania oparte na jednoczesnych zapisach EEG i fNIRS wykazały, że P300 podczas dziwacznych bodźców wykazywał istotną korelację z sygnałami fNIRS26. Odkryto, że miary multimodalne mają potencjał, aby ujawnić kompleksowy poznawczy mechanizm neuronalny oparty na paradygmacie związanym ze zdarzeniem26. Oprócz dziwacznego zadania, zadanie Flankera związane z komponentem ERP N200 jest również ważnym paradygmatem, który może być wykorzystany do badania wykrywania i oceny zdolności poznawczych u zdrowych osób z grupy kontrolnej i pacjentów z różnymi zaburzeniami. W szczególności N200 był ujemnym komponentem, który osiąga szczyt 200-350 ms od przedniej kory obręczy frontal27 i górnej kory skroniowej28. Chociaż poprzednie badania dotyczyły związku między górną korą czołową a oscylacją alfa w zadaniu Flankera29, korelacja między amplitudą N200 a odpowiedziami hemodynamicznymi podczas zadania Flankera nie została zbadana.

W tym protokole, do jednoczesnych zapisów EEG i fNIRS użyto domowej roboty łatki EEG/fNIRS opartej na standardowej czapce EEG. Ułożenie optod/elektrod z podparciem uzyskano poprzez umieszczenie optodów fNIRS połączonych z czepkiem EEG. Jednoczesna akwizycja danych EEG i fNIRS została przeprowadzona z tymi samymi zadaniami bodźców generowanymi przez oprogramowanie E-prime. Stawiamy hipotezę, że komponenty ERP związane z zadaniem Flankera mogą wykazywać istotną korelację z odpowiedziami hemodynamicznymi w korze przedczołowej. Tymczasem połączone nagrania ERP i fNIRS mogą wyodrębnić wiele wskaźników sygnału, aby zidentyfikować wzorce aktywacji mózgu ze zwiększoną dokładnością. Aby przetestować hipotezę, zintegrowano konfigurację fNIRS i maszynę EEG, aby ujawnić złożony mechanizm poznania neuronalnego odpowiadający zadaniu Flankera związanym ze zdarzeniem.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

Przed testami eksperymentalnymi wszyscy uczestnicy podpisali dokumenty świadomej zgody. Protokół niniejszego badania został zatwierdzony przez Komitet Etyki Uniwersytetu w Makau.

1. Ustawienia sprzętowe i programowe dla jednoczesnych zapisów EEG i fNIRS

  1. Skonstruuj nasadkę na głowę do jednoczesnych zapisów EEG-fNIRS.
    1. Wybierz odpowiedni rozmiar czapki w zależności od obwodu głowy uczestników. W tym badaniu użyj średniej wielkości czapki, ponieważ jest ona odpowiednia dla większości nastolatków i dorosłych.
    2. Zaprojektuj układ optod fNIRS wraz z czepkiem EEG w korze przedczołowej (Rysunek 1).
      1. Umieść elektrody EEG w środkowej części optodów fNIRS, aby zapewnić pomiar tego samego obszaru mózgu za pomocą dwóch technik19,30. Jednak ze względu na niską rozdzielczość przestrzenną zarówno metod neuroobrazowania EEG, jak i fNIRS, elektrody należy umieścić w odpowiednim obszarze mózgu pokrytym optodami fNIRS, a nie w dokładnych lokalizacjach kanałów fNIRS.
      2. Wykonaj 22 otwory wewnątrz czepka EEG, aby utrzymać optody fNIRS zgodnie z określonym układem w korze przedczołowej. Zidentyfikuj i zaznacz lokalizacje optod fNIRS zgodnie z zaprojektowanym układem nasadki głowicy, a następnie przebij otwory wewnątrz nasadki, aby umieścić i zamocować optody.
      3. Umieść 21 lub 71 elektrod EEG wzdłuż powierzchni czepka EEG (patrz Tabela materiałów) zgodnie z Międzynarodowym Systemem 10-20 i zamontuj siatki optod.
    3. Ustaw odległość między każdą parą źródło-detektor na 3 cm, a następnie ustal optody, w których niebieskie optody oznaczają detektory światła, a czerwone reprezentują źródła laserowe.
  2. Ustaw porty EEG i fNIRS w oprogramowaniu.
  3. Użyj wyzwalaczy czasowych generowanych przez port równoległy i port szeregowy, aby zapewnić synchronizację dwóch różnych sygnałów.
    1. Ustaw port równoległy (np. H378 w tym badaniu) dla systemu EEG (patrz Tabela materiałów).
    2. Ustaw port szeregowy (np. 6 9600 w tym badaniu) dla systemu fNIRS (patrz Tabela materiałów).
      UWAGA: Typ i numer portu należy zmodyfikować w odniesieniu do różnych konfiguracji EEG i fNIRS. Aby uzyskać więcej informacji, skontaktuj się z producentami.

2. Przygotowanie eksperymentalne

  1. Rozgrzej system fNIRS z włączonymi laserami przez 30 minut.
  2. Ustaw wszystkie niezbędne parametry operacyjne dla systemu pomiarowego fNIRS.
  3. Pokaż uczestnikom połączony zestaw eksperymentalny, w tym systemy pomiarowe EEG i fNIRS.
  4. Zmierz i zaznacz punkt Cz zgodnie z międzynarodowym systemem 10-20. Zidentyfikuj położenie elektrody Cz w połowie odległości między wgłębieniem a nasionem i w połowie odległości między lewym i prawym wgłębieniem międzyusznym.
  5. Najpierw umieść przednią część nasadki wzdłuż czoła uczestnika, a następnie pociągnij tylną część nasadki w kierunku szyi.
  6. Zatwierdź pozycje.
    1. Zmierz odległość między Cz a inionem i nasion ponownie za pomocą miękkiej linijki i dwukrotnie sprawdź, czy znajduje się w punkcie środkowym. Podobnie zmierz odległość między Cz a lewym i prawym międzyusznym i dokładnie sprawdź, czy Cz znajduje się w punkcie środkowym.
  7. Przygotuj się do zapisów EEG.
    UWAGA: Zdecydowanie zaleca się, aby najpierw ustawić elektrody EEG, a następnie optody fNIRS. Jeśli żel przewodzący EEG zakrywa otwory do umieszczania optodów fNIRS, należy go wyczyścić, aby zapobiec zanieczyszczeniu optod.
    1. Napełnij żel przewodzący, wprowadzając igłę przez otwory siatki elektrod EEG.
    2. Umieść wszystkie elektrody w siatce elektrod EEG zgodnie z etykietami.
    3. Otwórz oprogramowanie EEG i sprawdź jakość sygnału elektrod EEG.
    4. Wyreguluj elektrodę, uzupełniając żel przewodzący, jeśli jakość sygnału nie jest wystarczająco dobra, aby spełnić wymagania (40 mV).
    5. Wyreguluj elektrodę, uzupełniając żel przewodzący, jeśli impedancja nie spełnia wymagań.
  8. Przygotuj się do nagrań fNIRS.
    Ostrzeżenie: Nie wystawiaj oczu uczestników bezpośrednio na działanie wiązki laserowej źródeł fNIRS.
    1. Umieść światłowody wzdłuż ramion uchwytu podłączonych do systemu pomiarowego fNIRS, a także uchwytu. Upewnij się, że włókna są schludne i uporządkowane.
    2. Włóż źródła optyczne i detektory do otworów zgodnie z układem.
    3. Sprawdź jakość sygnału. Jeśli kanał nie ma wysokiego stosunku sygnału do szumu (tj. jeśli kanał jest zaznaczony na żółto), delikatnie sprawdź włosy uczestnika otaczające sondy optyczne, aby upewnić się, że nic nie znajduje się między sondą optyczną a skórą głowy.
    4. Jeśli krok 2.8.3 nie może poprawić jakości sygnału, zwiększ intensywność sygnału. Jeśli sygnału jest za dużo (np. jeśli kanał jest zaznaczony na czerwono), zmniejsz intensywność sygnału.

3. Uruchom eksperyment

  1. Rozpocznij eksperyment, gdy sygnały są stabilne z doskonałym stosunkiem sygnału do szumu, a uczestnicy są zaznajomieni z instrukcjami eksperymentu. Użyj klasycznego paradygmatu Flankera dla testu eksperymentalnego29,31.
  2. Po eksperymencie zapisz i wyeksportuj dane zarówno z EEG, jak i fNIRS.
  3. Ostrożnie wyjmij elektrody EEG i sondy optyczne fNIRS.

4. Pomiar trójwymiarowych (3D) współrzędnych MNI optodów fNIRS za pomocą digitizera 3D

  1. Pozwól uczestnikom usiąść na krześle i założyć okulary z czujnikiem.
  2. Otwórz oprogramowanie digitizera na komputerze. Upewnij się, że system digitizera 3D jest połączony z komputerem przez odpowiedni port COM.
  3. Załaduj układ pliku ustawień optodes.
  4. Przesuń rysik digitizera 3D przez kluczowe pozycje (Nz, Iz, lewe ucho, prawe ucho, Cz) wraz z ekranem i naciśnij przycisk na rysiku.
  5. Lokalizacja źródeł optycznych i detektorów
  6. Eksportuj pliki współrzędnych 3D.

5. Analiza danych

  1. Analiza danych fNIRS
    1. Przetwarzaj dane współrzędnych 3D MNI, korzystając z opcji rejestracji w NIRS-SPM z MATLAB 2019. Wybierz: samodzielna rejestracja przestrzenna | Z digitalizacją 3D. Wybierz wcześniej zapisane inne i źródłowe pliki tekstowe, a następnie wybierz opcję Rejestracja.
    2. Wstępnie przetwarzaj sygnały fNIRS za pomocą oprogramowania Homer232.
      1. Przekształć surowe dane w zmiany gęstości optycznej dla różnych długości fal i dalej przekształć w zmiany stężenia HbO w różnych punktach czasowych za pomocą zmodyfikowanego prawa Beera-Lamberta. Ogólnie rzecz biorąc, typowa wartość zróżnicowanego współczynnika długości ścieżki (DPF), na którą wpływa wiek, płeć i długość fali oraz odległość między źródłem a decetorem33,34 wynosi 6, co jest podobne do średniej DPF z poprzednich badań34,35.
      2. Do korekcji ruchu należy użyć algorytmu wykrywania artefaktów ruchu splajnu z pakietu przetwarzania Homer2 fNIRS. Proszę wybrać odpowiednie metody korekcji ruchu w oparciu o literaturę36.
      3. Przetworzone surowe dane ciągłe hemoglobiny za pomocą filtra dolnoprzepustowego 0,2 Hz, a następnie filtra górnoprzepustowego 0,015 Hz.
      4. Normalizuj amplitudę sygnału hemodynamicznego, dzieląc uśrednione wartości.
      5. Wygeneruj dane fNIRS dla każdego kanału na podstawie informacji z digitizera 3D. Wybierz kanały, które mają prawdopodobieństwo rejestracji 100% lub więcej w górnej korze czołowej (SFC) zgodnie z obliczeniami regresji NIRS-SPM do dalszej analizy.
      6. Eksportuj szczytowe wartości zmian stężenia hemoglobiny tlenowej (HbO).
        UWAGA: W tym badaniu analizowano tylko sygnały HbO ze względu na ich wysoki stosunek sygnału do szumu. Wartości szczytowe uśrednionych danych HbO zostały wyodrębnione dla każdego kanału od każdego uczestnika w celu dalszej analizy.
  2. Przetwarzanie danych EEG
    UWAGA: Analizę danych EEG offline przeprowadzono za pomocą EEGLAB. Tylko N200 w Fz był interesującym składnikiem dla niniejszego badania. Wszystkie elektrody zostały poddane automatycznej korekcji artefaktów w celu usunięcia ruchów gałek ocznych przy użyciu wewnętrznego modelu topografii artefaktów. Ciągłe dane EEG zostały następnie podzielone na różne badania według bodźców docelowych i niedocelowych, w których epoka dla każdej próby trwała 2500 ms, obejmując okres przed bodźcem wynoszący 500 ms (epoka wyjściowa) i okres po bodźcu wynoszący 2000 ms (epoka zadania).
    1. Załaduj folder surowych danych EEG do EEGLAB za pomocą wtyczek. Wybierz wtyczkę BIOSIG dla pliku BDF w tym badaniu.
      UWAGA: Wybierz odpowiednią wtyczkę zgodnie z formatem pliku danych EEG.
    2. Ustaw informacje o lokalizacji kanału dla EEGLAB37. Załaduj odpowiedni plik lokalizacji czapki.
    3. Ponownie odnieś elektrody w ERPLAB, który jest jedną z wtyczek EEGLAB. Wybierz kanały umieszczone w wyrostku sutkowatym jako elektrody referencyjne.
    4. Wyodrębnij epoki danych EEG na podstawie plików zdarzeń i bin w klasie ERPLAB37.
    5. Filtruj segmenty danych EEG w ERPLAB za pomocą filtra FIR, filtrując niskie częstotliwości z odcięciem 30 Hz i filtrując wysokie częstotliwości z odcięciem 0,1 Hz.
    6. Usuń artefakty EEG oka za pomocą niezależnej analizy składowych w EEGLAB.
    7. Odrzucanie segmentów danych EEG o wartościach amplitudy przekraczających ± 100 μV na dowolnym kanale w ERPLAB.
    8. Uśrednianie segmentów danych EEG w ERPLAB.
      UWAGA: Są to powszechnie stosowana metoda analizy danych oraz oprogramowanie do przetwarzania danych EEG i fNIRS. Dostępnych jest wiele programów i metod przetwarzania.
  3. Obliczanie korelacji
    1. Wygeneruj związek między zapisami fNIRS a EEG za pomocą analizy korelacji Pearsona.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Rysunek 2 pokazuje sygnały HbO dla wszystkich kanałów, podczas gdy Rysunek 3 pokazuje ERP na Fz i FCz dla dwóch warunków zadania Flanker. Rys. 4 ilustrował wyniki analizy korelacji Pearsona, które wykazały, że sygnały fNIRS w SFC wykazywały istotną korelację z komponentem ERP N200 w Fz dla warunku niezgodnego (P<0,05). Nie dotyczy to jednak warunków przystających (P>0,05).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

W tym protokole wykonano połączone zapisy EEG i fNIRS w celu zbadania wzorców aktywacji mózgu obejmujących paradygmat Flankera związany ze zdarzeniem, rejestrując sygnały neuronalne całego mózgu i jednoczesne odpowiedzi hemodynamiczne kory przedczołowej. Wyniki ERP wykazały, że N200 w Fz był w stanie znacząco rozróżnić warunki przystające i niezgodne (P = 0,037). Tymczasem sygnały HbO w SFC (kanały 21) również wykazywały istotną różnicę między warunkami przystającymi i niezgodnymi, co wykazało ważną rolę zdolności do tłu...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają nic do ujawnienia.

Podziękowania

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

Ta praca została częściowo wykonana w klastrze obliczeniowym o wysokiej wydajności (HPCC), który jest wspierany przez biuro technologii informacyjno-komunikacyjnych (ICTO) Uniwersytetu w Makau. Badanie to było wspierane przez granty MYRG2019-00082-FHS i MYRG 2018-00081-FHS z Uniwersytetu Makau w Makau, a także finansowane przez Fundusz Rozwoju Nauki i Technologii, SAR Makau (FDCT 0011/2018/A1 i FDCT 025/2015/A1).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Czepek EEGEASYCAP GmbH-
System EEGBioSemi-
System fNIRSSystem TechEn-CW6

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Kennan, R. P., et al. Simultaneous recording of event-related auditory oddball response using transcranial near infrared optical topography and surface EEG. NeuroImage. 16 (3), Pt 1 587-592 (2002).
  2. Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
  3. Yuan, Z., Ye, J. Fusion of fNIRS and fMRI data: identifying when and where hemodynamic signals are changing in human brains. Frontiers in Human Neuroscience. 7, 676(2013).
  4. Lin, X., Sai, L., Yuan, Z. Detecting Concealed Information with Fused Electroencephalography and Functional Near-infrared Spectroscopy. Neuroscience. 386, 284-294 (2018).
  5. Ieong, H. F., Yuan, Z. Emotion recognition and its relation to prefrontal function and network in heroin plus nicotine dependence: a pilot study. Neurophotonics. 5 (02), 1(2018).
  6. Hu, Z., et al. Optical Mapping of Brain Activation and Connectivity in Occipitotemporal Cortex During Chinese Character Recognition. Brain Topography. 31 (6), 1014-1028 (2018).
  7. Wang, M. -Y., et al. Concurrent mapping of brain activation from multiple subjects during social interaction by hyperscanning: a mini-review. Quantitative Imaging in Medicine and Surgery. 8 (8), 819-837 (2018).
  8. Scholkmann, F., et al. A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology. NeuroImage. 85, 6-27 (2014).
  9. Wan, X., et al. The neural basis of the hemodynamic response nonlinearity in human primary visual cortex: Implications for neurovascular coupling mechanism. NeuroImage. 32 (2), 616-625 (2006).
  10. Miller, E. K. The prefontral cortex and cognitive control. Nature Reviews Neuroscience. 1 (1), 59-65 (2000).
  11. Miller, E. K., Cohen, J. D. An integrative theory of prefrontal cortex function. Annual review of Neuroscience. 24 (1), 167-202 (2001).
  12. Mansouri, F. A., Tanaka, K., Buckley, M. J. Conflict-induced behavioural adjustment: a clue to the executive functions of the prefrontal cortex. Nature Reviews Neuroscience. 10 (2), 141-152 (2009).
  13. Wood, J. N., Grafman, J. Human prefrontal cortex: processing and representational perspectives. Nature Reviews Neuroscience. 4 (2), 139-147 (2003).
  14. Wallis, J. D. Orbitofrontal Cortex and Its Contribution to Decision-Making. Annual Review of Neuroscience. 30 (1), 31-56 (2007).
  15. Forbes, C. E., Grafman, J. The Role of the Human Prefrontal Cortex in Social Cognition and Moral Judgment. Annual Review of Neuroscience. 33 (1), 299-324 (2010).
  16. Nguyen, D. K., et al. Non-invasive continuous EEG-fNIRS recording of temporal lobe seizures. Epilepsy Research. 99 (1-2), 112-126 (2012).
  17. Peng, K., et al. fNIRS-EEG study of focal interictal epileptiform discharges. Epilepsy Research. 108 (3), 491-505 (2014).
  18. Liu, Y., Ayaz, H., Shewokis, P. A. Multisubject "learning" for mental workload classification using concurrent EEG, fNIRS, and physiological measures. Frontiers in Human Neuroscience. 11, (2017).
  19. Aghajani, H., Garbey, M., Omurtag, A. Measuring mental workload with EEG+fNIRS. Frontiers in Human Neuroscience. 11, (2017).
  20. Balconi, M., Vanutelli, M. E. Hemodynamic (fNIRS) and EEG (N200) correlates of emotional inter-species interactions modulated by visual and auditory stimulation. Scientific Reports. 6, (2016).
  21. Donohue, S. E., Appelbaum, L. G., McKay, C. C., Woldorff, M. G. The neural dynamics of stimulus and response conflict processing as a function of response complexity and task demands. Neuropsychologia. 84, 14-28 (2016).
  22. Liu, Y., Ayaz, H., Shewokis, P. A. Mental workload classification with concurrent electroencephalography and functional near-infrared spectroscopy. Brain-Computer Interfaces. 4 (3), 175-185 (2017).
  23. Fazli, S., et al. Enhanced performance by a hybrid NIRS-EEG brain computer interface. NeuroImage. 59 (1), 519-529 (2012).
  24. Putze, F., et al. Hybrid fNIRS-EEG based classification of auditory and visual perception processes. Frontiers in Neuroscience. 8, 373(2014).
  25. Horovitz, S. G., Gore, J. C. Simultaneous event-related potential and near-infrared spectroscopic studies of semantic processing. Human Brain Mapping. 22 (2), 110-115 (2004).
  26. Lin, X., et al. Mapping the small-world properties of brain networks in Chinese to English simultaneous interpreting by using functional near-infrared spectroscopy. Journal of Innovative Optical Health Sciences. 11 (03), 1840001(2018).
  27. Folstein, J. R., Van Petten, C. Influence of cognitive control and mismatch on the N2 component of the ERP: A review. Psychophysiology. 45 (1), 152(2008).
  28. Patel, S. H., Azzam, P. N. Characterization of N200 and P300: Selected studies of the Event-Related Potential. International Journal of Medical Sciences. 2 (4), 147-154 (2005).
  29. Suzuki, K., et al. The relationship between the superior frontal cortex and alpha oscillation in a flanker task: Simultaneous recording of electroencephalogram (EEG) and near infrared spectroscopy (NIRS). Neuroscience Research. 131, 30-35 (2018).
  30. Keles, H. O., Barbour, R. L., Omurtag, A. Hemodynamic correlates of spontaneous neural activity measured by human whole-head resting state EEG + fNIRS. NeuroImage. 138, 76-87 (2016).
  31. Eriksen, B. A., Eriksen, C. W. Effects of noise letters upon the identification of a target letter in a nonsearch task. Perception & Psychophysics. 16 (1), 143-149 (1974).
  32. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Applied optics. 48 (10), 280-289 (2009).
  33. Kocsis, L., Herman, P., Eke, A. The modified Beer-Lambert law revisited. Physics in Medicine and Biology. 51 (5), (2006).
  34. Herold, F., Wiegel, P., Scholkmann, F., Müller, N. Applications of Functional Near-Infrared Spectroscopy (fNIRS) Neuroimaging in Exercise-Cognition Science: A Systematic, Methodology-Focused Review. Journal of Clinical Medicine. 7 (12), 466(2018).
  35. Duncan, A., et al. Optical pathlength measurements on adult head, calf and forearm and the head of the newborn infant using phase resolved optical spectroscopy. Physics in Medicine and Biology. 40 (2), 295-304 (1995).
  36. Brigadoi, S., et al. Motion artifacts in functional near-infrared spectroscopy: A comparison of motion correction techniques applied to real cognitive data. NeuroImage. 85, 181-191 (2014).
  37. Lopez-Calderon, J., Luck, S. J. ERPLAB: an open-source toolbox for the analysis of event-related potentials. Frontiers in Human Neuroscience. 8, 213(2014).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Rejestracje EEG fNIRSjednoczesne obrazowanie neurofunkcjonalneodpowied hemodynamicznapotencja y wywo anekora przedczo owaprzetwarzanie poznawczekonfiguracja sprz towo programowaakwizycja i analiza danychtr jwymiarowe wsp rz dne MNI

Powiązane artykuły