Method Article

Wykorzystanie systemu nawigacyjnego TMS do precyzyjnej cyfryzacji lokalizacji czujników w celu poprawy lokalizacji źródeł

DOI:

10.3791/69508

⸱

January 23rd, 2026

 ,  ,  ,  , 
1Center for Bio- and Medical Technologies, Skolkovo Institute of Science and Technology, 2Center for Neurocognitive Research (MEG Center), Moscow State University of Psychology and Education, 3Faculty of Biology, Shenzhen MSU-BIT University, 4Faculty of Mechanics and Mathematics, Lomonosov Moscow State University, 5Sechenov Institute of Evolutionary Physiology and Biochemistry of the Russian Academy of Sciences, 6Department of Human and Animal Physiology, Faculty of Biology, Lomonosov Moscow State University

In This Article

Summary

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

Przedstawiamy powtarzalną metodę digitalizacji lokalizacji czujników elektroencefalografii wysokiej gęstości (EEG) przy użyciu instrumentów systemu Nawigated Brain Stimulation (NBS). To podejście nie wymaga dodatkowych rozszerzeń programowych, a jedynie standardowych narzędzi NBS. Zintegrowane z potokami MNE-Python, to podejście poprawia dokładność lokalizacji źródła bez konieczności dodatkowego sprzętu.

Abstract

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

Lokalizacja źródeł to technika służąca do oszacowania źródeł aktywności mózgu na podstawie sygnałów rejestrowanych ze skóry głowy. Dokładna lokalizacja źródeł w kluczowym stopniu zależy od precyzyjnej przestrzennej cyfryzacji lokalizacji czujników. W tym protokole przedstawiamy praktyczną i wiarygodną metodę digitalizacji lokalizacji czujników za pomocą systemu Navigated Brain Stimulation (NBS). NBS jest komponentem sprzętu do stymulacji magnetycznej przezczaszkowej (TMS), powszechnie dostępnego w laboratoriach TMS, lecz rzadko wykorzystywanego do digitalizacji sensorów systemów elektroencefalografii (EEG) lub funkcjonalnej spektroskopii bliskiej podczerwieni (fNIRS). Takie podejście pozwala badaczom wykorzystać istniejącą infrastrukturę do znacznej poprawy dokładności przestrzennej modelowania źródłowego, bez konieczności inwestowania w dedykowany sprzęt do cyfryzacji.

Przeprowadzamy widzów przez cały proces pracy: (1) digitalizacja lokalizacji elektrod EEG przy użyciu domyślnych narzędzi systemu Nexstim NBS; (2) eksport danych współrzędnych w kompatybilnych formatach; (3) integrację tych danych z pipeline'ami do wstępnego przetwarzania EEG i lokalizacji źródeł za pomocą pakietu MNE-Python. Protokół zawiera również wskazówki dotyczące dopasowania zdigitalizowanych danych z obrazami MRI oraz optymalizacji dokładności współrejestracji. Aby zilustrować praktyczną użyteczność metody, stosujemy ją do analizy danych z eksperymentu stymulacji dotykowej.

Dostępne są niestandardowe skrypty Pythona do przetwarzania współrzędnych i współrejestracji, aby zapewnić powtarzalność i łatwość wdrożenia. Wyniki pokazują, że włączenie zdigitalizowanych pozycji elektrod znacząco poprawia dokładność anatomiczną i interpretowalność szacunków źródeł korowych w porównaniu z domyślnymi montażami elektrod.

Introduction

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

Elektroencefalografia (EEG) mierzy aktywność elektryczną mózgu na skórze głowy, ale surowe nagrania mieszają sygnały z wielu źródeł mózgowych i niemózgowych. Lokalizacja źródła odnosi się do obliczeniowego oszacowania, skąd w mózgu pochodzą zmierzone sygnały EEG, skutecznie "mapując" napięcia na skórze głowy z powrotem do obszarów korowych1. Metody te pozwalają naukowcom łączyć aktywność oscylacyjną EEG lub odpowiedzi związane z wydarzeniami z konkretnymi obszarami mózgu, znacznie poprawiając interpretowalność EEG. Osiągnięcie dokładnej lokalizacji źródła zależy od dokładnej znajomości, gdzie każda elektroda znajduje się na głowie względem anatomii. Musimy zdigitalizować pozycje elektrud, aby rejestrować ich dokładne 3D położenie na głowie. Współrzędne te są następnie współrejestrowane lub wyrównywane z modelem głowy badanego z MRI do rozwiązywania problemów EEG forward (prognozowanie napięć na skórze głowy) i inverse (szacowanie źródeł mózgowych). Precyzyjne rozmieszczenie elektrod jest kluczowe: nawet drobne błędy cyfryzacji mogą przesunąć szacowane źródło nawet o kilka centymetrów lub więcej w mózgu.

Nowoczesne obrazowanie źródłowe EEG to wieloetapowy proces, który integruje informacje anatomiczne i funkcjonalne. Zaczyna się od digitalizacji elektrod, gdzie na skórze głowy zapisywane są dokładne współrzędne 3D każdego czujnika EEG. Następnie wykonuje się obrazowanie anatomiczne, zazwyczaj poprzez wykonanie strukturalnego MRI badanego; jeśli nie jest dostępny, można użyć standardowego modelu głowy2. Pozycje zdigitalizowanych elektrod są następnie współrejestrowane z geometrią głowicy MRI, dopasowując je do anatomii osoby. Z tego etapu wyprowadza się macierz transformacji, która mapuje położenie elektrod z przestrzeni głowy do przestrzeni MRI. Następnie strukturalny rezonans magnetyczny jest segmentowany na tkanki (skóra głowy, czaszka, mózg) za pomocą narzędzia do segmentacji MRI, takiego jak Freesurfer3 , aby stworzyć realistyczny model przewodnika objętości. W tym modelu obliczany jest model do przodu, łączący pozycje elektrod, geometrię głowy oraz przewodność tkanek, aby przewidzieć potencjały skóry głowy dla dowolnego hipotetycznego źródła kory4. Na koniec odwrotne rozwiązanie jest szacowane za pomocą metod takich jak obrazowanie źródła rozproszone czy dopasowanie dipola, aby oszacować rozkład prądu korowego, który najlepiej wyjaśnia zmierzone dane EEG5. Każdy etap jest kluczowy: model głowy zapewnia anatomicznie wiarygodne przewodności, roztwór przedni łączy źródła z potencjałami skóry głowy, a roztwór odwrotny odwzorowuje zarejestrowane sygnały z powrotem na korę. Z kolei błędy w digitalizacji elektrod, współrejestracji lub segmentacji MRI mogą rozprzestrzeniać się w potoku, prowadząc do niedokładnych szacunków źródeł.

Obecnie dostępnych jest kilka metod digitalizacji, w tym ultradźwięki, system elektromagnetyczny6, skanowanie 3D ze światłem strukturalnym lub podczerwieni7, fotogrametria8 oraz przechwytywanie ruchu z sondą9 lub bez niej. Chociaż technologie różnią się sprzętem i procedurą, ich dokładność w lokalizowaniu elektrod jest w dużej mierze porównywalna. Najnowsze badania porównujące te metody pokazują, że wszystkie podejścia osiągają precyzję lokalizacji elektrod wystarczającą do wiarygodnego oszacowania źródła. Na przykład wszystkie testowane metody osiągały średnią dokładność identyfikacji obszaru Brodmanna powyżej 80%, podczas gdy poleganie wyłącznie na pozycjach elektrod szablonowych obniżyło dokładność do około 50%10. Pokazuje to, że pomimo różnic w implementacji, nowoczesne techniki cyfryzacji zapewniają porównywalną niezawodność, znacząco zmniejszając niepewność lokalizacji źródła względem użycia szablonów generycznych oraz umożliwiając pewne mapowanie aktywności korowej.

Atrakcyjną alternatywą dla laboratoriów wyposażonych w systemy przezczaszkowej stymulacji magnetycznej (TMS) jest wykorzystanie sprzętu do digitalizacji elektrod (nawigowana stymulacja mózgu) (NBS)11 . NBS, znany również jako neuronawigacja, zazwyczaj łączy optyczny tracker i cewkę TMS, aby rejestrować głowę osoby za pomocą MRI i stymulować konkretny cel korowy. Optyczne nadajniki (np. Polaris Vicra) składają się z kamery śledzącej na podczerwień oraz markerów odblaskowych umieszczonych na głowicy, wskaźniku nawigacyjnym i cewce TMS. Podczas digitalizacji eksperymentator najpierw umieszcza śledznik głowy na głowie uczestnika, następnie dotyka każdej elektrody EEG wskaźnikiem nawigacyjnym, a system rejestruje jej pozycję 3D, która może być później eksportowana i wykorzystana do lokalizacji źródła, np. w MNE-Python12. Ten workflow jest analogiczny do innych digitalizatorów, ale wykorzystuje istniejący sprzęt: jeśli laboratorium posiada już nawigowany system TMS (np. Nexstim eXimia NBS lub podobny), nie jest potrzebny osobny zakup cyfrowego systemu.

Zaletą tego podejścia są integracja i precyzja. Ta sama przestrzeń współrzędnych może być wykorzystywana zarówno do celowania TMS, jak i modelowania źródeł EEG. W laboratoriach wykonujących jednoczesne lub sekwencyjne TMS-EEG ta metoda upraszcza przygotowanie: digitalizacja elektrod jest po prostu częścią procesu neuronawigacji TMS. Dla laboratoriów, które nie korzystają głównie z metod lokalizacji źródeł EEG, ale mają już dostęp do neuronawigacji TMS, ta metoda oferuje prosty sposób na zwiększenie precyzji szacunków źródeł.

Na koniec warto zauważyć, że ta koncepcja cyfrowej nawigacji dotyczy także innych matryc czujników skóry głowy. Na przykład podobna procedura mogłaby zlokalizować optodyfNIRS 13 lub inne czujniki, dotykając każdego optody wskaźnikiem śledzonym. We wszystkich przypadkach korzyścią jest jednolita rama współrzędnych między czujnikami skóry głowy a MRI badanego, co poprawia dokładność anatomiczną każdego kolejnego modelowania źródłowego (czy to EEG, czy fNIRS).

Kilka publikacji wyraźnie opisuje użycie systemu NBS do cyfryzacji elektrod 14,15,16,17,18. Dla porównania, wiele badań wykorzystujących zarówno TMS (NBS), jak i EEG lub fNIRS nie opisywało żadnej procedury cyfryzacji 19,20,21,22,23. To pominięcie sugeruje, że dostępna funkcjonalność NBS do digitalizacji elektrod lub optody mogła być niedostatecznie wykorzystana, co potencjalnie wpływa na dokładność lokalizacji czujników, a w konsekwencji wiarygodność raportowanych wyników. Zakładamy, że wielu badaczy może nie wiedzieć, że system NBS może również służyć jako narzędzie do współrejestracji, ponieważ producent nie podkreśla tej funkcji konsekwentnie. Na koniec zauważamy, że NBS może być stosowany do digitalizacji czujników w każdym badaniu z elektrodami lub optodami montowanymi na głowie, niezależnie od tego, czy stosuje się TMS.

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

Protocol

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

Wszystkie procedury z udziałem uczestników ludzkich były przeprowadzane zgodnie z wytycznymi instytucjonalnymi i zatwierdzone przez odpowiednią komisję etyki. Uczestnicy wyrazili świadomą zgodę przed rozpoczęciem eksperymentu.

1. Przygotowanie uczestnika i sprzętu

UWAGA: Ten protokół wykorzystywał system Nexstim NBS.

  1. Włącz i skalibruj system NBS
    1. Włącz główną jednostkę NBS i optyczną kamerę śledzącą. Sprawdź, czy system zakończył samokalibrację pomyślnie i powtórz kalibrację, jeśli oprogramowanie wskaże jakiekolwiek błędy.
  2. Załaduj rezonans magnetyczny uczestnika do systemu NBS.
    1. W interfejsie oprogramowania NBS wybierz profil obiektu i załaduj plik MRI strukturalnego w formacie kompatybilnym z DICOM lub Nexstim.
    2. Jeśli rezonans magnetyczny uczestnika nie jest dostępny w momencie rejestracji, należy użyć przeciętnego MRI głowy udostępnionego przez system NBS.
  3. Przygotuj nasadkę EEG.
    1. Upewnij się, że kondensator EEG o wysokiej gęstości jest prawidłowo umieszczony na głowie uczestnika zgodnie z instrukcjami producenta. Zweryfikować ustawienie elektrod za pomocą standardowych punktów anatomicznych (punkty nosowe i przeduszowe).
      UWAGA: Utrzymuj konsekwentne rozmieszczenie elektrod, aby zminimalizować błędy przestrzenne między sesjami.
  4. Przymocuj optyczny tracker głowy do głowy uczestnika.
    1. Przymocuj czujnik głowy do nasadki EEG lub bezpośrednio do głowy uczestnika, nie zasłaniając elektrod.
    2. Upewnij się, że kamera wykrywa lokalizator i utrzymuje stabilny widok podczas ruchów głowy. Użyj taśmy dwustronnej, aby mocno przymocować tracker do czoła.
      UWAGA: Utrzymuj pozycję trackera głowy przez cały proces digitalizacji, aby uniknąć błędów śledzenia.

2. Rejestracja głowy uczestnika w NBS

  1. Dokonaj rejestracji w oprogramowaniu NBS.
    1. Rozpocznij procedurę rejestracji i zdefiniuj w oprogramowaniu punkty orientacyjne MRI: nos, lewy punkt przeduszny i prawy punkt przeduszny.
    2. Użyj wskaźnika nawigacyjnego, aby wskazać i zdigitalizować te punkty orientacyjne na głowie uczestnika.
      UWAGA: System NBS nie pozwala na cyfryzację przed zakończeniem rejestracji. Rejestracja zapewnia prawidłową wizualizację zdigitalizowanych punktów w oprogramowaniu, ale nie zmienia wartości bezwzględnych zarejestrowanych współrzędnych.

3. Cyfryzacja

  1. Zdigitalizuj dokumenty powiernicze.
    1. Zacznij cyfryzację. Za pomocą wskaźnika nawigacyjnego zapisz trzy punkty fiducialne: nasion, lewy punkt przeduszny i prawy punkt przeduszny. Upewnij się, że oprogramowanie dokładnie rejestruje każdy punkt, zanim przejdziesz dalej.
    2. Po zakończeniu zakończenia zakończ digitalizację i kliknij prawym przyciskiem myszy na Egzamin Digitalizacji , aby wyeksportować współrzędne w formacie tekstowym. Zapisz plik jako {subject}_fid.nbe.
  2. Digitalizuj punkty kształtu głowy (HSP).
    1. Zacznij cyfryzację. Zbieraj co najmniej 50-100 punktów powierzchniowych równomiernie rozmieszczonych na skórze głowy, unikając miejsc z gęstymi włosami, jeśli to możliwe. Uwzględnij punkty na grzbiecie nosa i grzbiecie brwiowym jako dodatkowe punkty anatomiczne.
    2. Po zebraniu wszystkich punktów zatrzymaj digitalizację i kliknij prawym przyciskiem myszy na Egzamin Digitalizacji , aby wyeksportować współrzędne w formacie tekstowym. Zapisz plik jako {subject}_hsp.nbe.
  3. Digitalizuj pozycje elektrod.
    1. Zacznij cyfryzację. Dotknij wskaźnika nawigacyjnego do środka każdej elektrody, zapewniając stabilny kontakt i dokładne rejestrowanie współrzędnych.
    2. Stosuj spójną kolejność dla każdej sesji, systematycznie cyfryzując elektrody według konturów, od przodu do tyłu i od lewej do prawej, aby nie pominąć żadnej elektrody.
    3. Gdy wszystkie elektrody zostaną zdigitalizowane, zatrzymaj cyfryzację i kliknij prawym przyciskiem na Digitization Exam , aby wyeksportować współrzędne w formacie tekstowym. Zapisz plik jako {subject}_ele.nbe.

4. Wstępne przetwarzanie MRI w FreeSurfer

  1. Uruchom rozpoznanie do rekonstrukcji powierzchni.
    1. Wykonaj pipeline przetwarzania FreeSurfer, aby generować powierzchnie korowe, powierzchnie skóry głowy oraz segmentacje mózgu.
  2. Sprawdź jakość rekonstrukcji.
    1. Sprawdź powierzchnie pialne, białą i napompowane. Popraw wszelkie poważne błędy segmentacyjne przed dalszym działaniem, np. za pomocą oprogramowania Blender 3D do grafiki komputerowej.

5. Integracja z potokiem MNE-python

  1. Stwórz niestandardowy montaż z zdigitalizowanymi współrzędnymi.
    1. Aby zintegrować zdigitalizowane pozycje elektrud, fiduciale i punkty kształtu głowy z pipeline'em analizy MNE-Python, najpierw stwórz niestandardowy montaż z wykorzystaniem zarejestrowanych współrzędnych (Plik uzupełniający 1). Przykłady plików .nbe i fragmentów kodu są dostępne w repozytorium GitHub (github.com/MarkaMorozova/NexstimNBS-SensorDigitization).
  2. Przeprowadz współrejestrację w MNE.
    1. Użyj interfejsu MNE coregistration w zakresie mne.gui.coregistration, aby wyrównać zdigitalizowane punkty kształtu głowy zapisane w {subject}-info.fif z powierzchnią głowy uczestnika pochodzącą z MRI. Dopasowywanie fiducialów, dostosowywanie parametrów translacji, rotacji i skalowania, aż fiducials i punkty kształtu głowy będą ściśle odpowiadać modelowi MRI.
  3. Zapisz utworzony niestandardowy montaż i plik transformacji.
    1. Zapisz niestandardowy montaż w pliku {subject}-info.fif do przyszłego ponownego użycia. Zachowaj także macierz transformacji {subject}-trans.fif uzyskaną podczas współrejestracji, która jest wymagana do modelowania w przyszłości.

6. Lokalizacja źródeł

  1. Korzystając z wcześniej utworzonych plików informacyjnych i trans, wykonaj lokalizację źródeł danych EEG. Zaimportuj wstępnie przetworzone EEG uczestnika do MNE-Python, zastosuj niestandardowy montaż z {subject}-info.fif i załaduj transformację współrejestracji {subject}-trans.fif.
  2. Skonstruuj model forward z wykorzystaniem powierzchni MRI i modelu przewodnika objętości uczestnika (np. BEM). Następnie oblicz odwrotne rozwiązanie za pomocą algorytmów takich jak sLORETA, dSPM lub MNE, aby oszacować źródła korowe leżące u podstaw zarejestrowanych sygnałów EEG. Zachowaj szacunki źródłowe na dalszą analizę i wizualizację.

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

Results

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

Dokładna lokalizacja źródeł w krytycznym stopniu zależy od prawidłowego umieszczenia elektrod oraz niezawodnej wspólnej rejestracji z modelami anatomicznych głów. W praktyce jednak kondensatory EEG są często nieprecyzyjnie ustawione z powodu indywidualnych zmian kształtu głowicy lub błędów ręcznego umieszczania. Aby zilustrować, jak te czynniki wpływają na wyniki analizy, porównaliśmy wyniki z pozycji zdigitalizowanych elektrod za pomocą urządzenia NBS z wynikami uzyskanymi ze standardowych układów elektrod opartych na s...

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

Discussion

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

Dokładna lokalizacja źródeł wymaga zarówno precyzyjnej cyfryzacji elektrod, jak i niezawodnej współpracy z anatomicznymi modelami głow. Nasze wyniki (Rysunek 1, Rysunek 2 i Rysunek 3) pokazują, jak odchylenia w pozycjonowaniu elektrod lub poleganie na montażach opartych na szablonach mogą prowadzić do znacznych błędów w wyrównaniu przestrzennym i rekonstrukcji źródeł. W szczególności wykazaliśmy, że zdigitalizowane elektrody uzyskan...

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

Disclosures

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

Autorzy nie mają konkurujących interesów finansowych ani innych konfliktów interesów wynikających z tej pracy.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Nawigowana stymulacja mózgu (NBS)  SystemNexstim https://www.nexstim.com/healthcare-professionals/nbs-systemNBS is  Przezczaszkowa stymulacja magnetyczna połączona z systemem neuronawigacji

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Michel, C. M., He, B. EEG source localization. Handb Clin Neurol. 160, 85-101 (2019).
  2. Holmes, C. J., Hoge, R., Collins, L., Woods, R., Toga, A. W., Evans, A. C. Enhancement of MR images using registration for signal averaging. J Comput Assist Tomogr. 22 (2), 324-333 (1998).
  3. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  4. Hallez, H., et al. Review on solving the forward problem in EEG source analysis. J Neuroeng Rehabil. 4 (1), (2007).
  5. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. J Neuroeng Rehabil. 5 (1), 25(2008).
  6. Jaiswal, A., Nenonen, J., Parkkonen, L. On electromagnetic head digitization in MEG and EEG. Sci Rep. 13 (1), 3801(2023).
  7. Taberna, G. A., Marino, M., Ganzetti, M., Mantini, D. Spatial localization of EEG electrodes using 3D scanning. J Neural Eng. 16 (2), 026020(2019).
  8. Qian, S., Sheng, Y. A single camera photogrammetry system for multi-angle fast localization of EEG electrodes. Ann Biomed Eng. 39 (11), 2844-2856 (2011).
  9. Reis, P. M. R., Lochmann, M. Using a motion capture system for spatial localization of EEG electrodes. Front Neurosci. 9, 130(2015).
  10. Shirazi, S. Y., Huang, H. J. More reliable EEG electrode digitizing methods can reduce source estimation uncertainty, but current methods already accurately identify Brodmann areas. Front Neurosci. 13, 1159(2019).
  11. Comeau, R. Neuronavigation for Transcranial Magnetic Stimulation. Transcranial Magnetic Stimulation. , Humana Press. New York, NY. (2014).
  12. Gramfort, A., et al. MEG and EEG data analysis with MNE-Python. Front Neurosci. 7, 267(2013).
  13. Tremblay, J., et al. Comparison of source localization techniques in diffuse optical tomography for fNIRS application using a realistic head model. Biomed Opt Express. 9 (7), 2994-3016 (2018).
  14. Huber, R., et al. Measures of cortical plasticity after transcranial paired associative stimulation predict changes in electroencephalogram slow-wave activity during subsequent sleep. J Neurosci. 28 (31), 7911-7918 (2008).
  15. Huber, R., Esser, S. K., Ferrarelli, F., Massimini, M., Peterson, M. J., Tononi, G. TMS-induced cortical potentiation during wakefulness locally increases slow wave activity during sleep. PLoS One. 2 (3), e276(2007).
  16. Huber, R., Felice Ghilardi, M., Massimini, M., Tononi, G. Local sleep and learning. Nature. 430 (6995), 78-81 (2004).
  17. Casali, A. G., Casarotto, S., Rosanova, M., Mariotti, M., Massimini, M. General indices to characterize the electrical response of the cerebral cortex to TMS. Neuroimage. 49 (2), 1459-1468 (2010).
  18. Salo, K. S. -T., Mutanen, T. P., Vaalto, S. M. I., Ilmoniemi, R. J. EEG artifact removal in TMS studies of cortical speech areas. Brain Topogr. 33 (1), 1-9 (2020).
  19. Amico, E., et al. Tracking dynamic interactions between structural and functional connectivity: a TMS/EEG-dMRI study. Brain Connect. 7 (2), 84-97 (2017).
  20. Cona, F., Zavaglia, M., Massimini, M., Rosanova, M., Ursino, M. A neural mass model of interconnected regions simulates rhythm propagation observed via TMS-EEG. Neuroimage. 57 (3), 1045-1058 (2011).
  21. Stamm, M., Aru, J., Bachmann, T. Right-frontal slow negative potentials evoked by occipital TMS are reduced in NREM sleep. Neurosci Lett. 493 (3), 116-121 (2011).
  22. Romero Lauro, L. J., et al. TDCS increases cortical excitability: direct evidence from TMS-EEG. Cortex. 58, 99-111 (2014).
  23. Lioumis, P., Kičić, D., Savolainen, P., Mäkelä, J. P., Kähkönen, S. Reproducibility of TMS-evoked EEG responses. Hum Brain Mapp. 30 (4), 1387-1396 (2009).
  24. Morozova, M., et al. Cortical responses to tactile imagery: a high-density EEG study of the μ-rhythm event-related desynchronization and somatosensory evoked potentials. NeuroImage. 319, 121440(2025).
  25. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods Find Exp Clin Pharmacol. 24 (Suppl D), 5-12 (2002).
  26. Pfurtscheller, G., Neuper, C. Motor imagery activates primary sensorimotor area in humans. Neurosci Lett. 239 (2-3), 65-68 (1997).
  27. Inamoto, T., et al. Motor-related mu/beta rhythm in older adults: a comprehensive review. Brain Sci. 13 (5), 751(2023).

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

Source LocalizationSensor DigitizationTMS NavigationEEG Electrode LocationsNavigated Brain StimulationSpatial AccuracyCoregistration AccuracyMNE PythonMRI AlignmentCortical Source Estimates

Related Articles