Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej
June 30th, 2018
Metoda obrazowania multimodalnego EEG-fMRI, znana jako metoda obrazowania źródła EEG ograniczona czasoprzestrzennie za pomocą fMRI, jest opisana tutaj. Przedstawiona metoda wykorzystuje warunkowo aktywne submapy fMRI lub wcześniejsze mapy, aby pokierować lokalizacją źródła EEG w sposób, który poprawia specyficzność przestrzenną i ogranicza błędne wyniki.
Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie neuronauki, takie jak określenie czasowego związku między wieloma regionami mózgu lub zbadanie szczegółowej ścieżki neuronalnej złożonych procesów poznawczych. Główną zaletą tej techniki jest to, że pozwala ona na integrację multimodalnych danych EEG i funkcjonalnych w specyficzny sposób przestrzenny i czasowy w celu poprawy rozdzielczości i dokładności neuroobrazowania funkcjonalnego. Implikacje tej techniki rozciągają się w kierunku zrozumienia epilepsji i zaburzeń neuropoznawczych.
Ponieważ metoda ta poprawia dokładność przestrzenną i czasową w przypadku nieinwazyjnego neuroobrazowania. Chociaż metoda ta może być wykorzystana do zapewnienia wglądu w systemy przetwarzania wzrokowo-motorycznego i emocjonalnego, może być również stosowana do innych systemów, takich jak integracja sensomotoryczna, język i przetwarzanie pamięci. Wizualna demonstracja tej metody ma kluczowe znaczenie, ponieważ jednoczesne etapy rejestrowania danych EEG i fMRI mogą być trudne do nauczenia.
Również dlatego, że wymagany jest specjalistyczny obiekt, sprzęt i metody przetwarzania sygnałów. Aby rozpocząć tę procedurę, umieść na głowie pacjenta pasywną nasadkę EEG o odpowiedniej wielkości, zgodną z rezonansem magnetycznym. Ustaw elektrody zgodnie z międzynarodowym systemem etykietowania 10-20.
W oprogramowaniu do rejestracji EEG sprawdź impedancję elektrody masowej i referencyjnej. Aby to zrobić, kliknij zakładkę impedancji i wybierz typ elektrody w interfejsie użytkownika oprogramowania. Następnie za pomocą strzykawki wstrzyknąć elektrolit do każdej elektrody.
Następnie za pomocą bawełnianego wacika rozprowadź żel, aby zapewnić kontakt skóry z elektrodą. Po zakończeniu przygotowania czepka EEG poproś badanego o przeniesienie go do skanera MR. Ustaw wyświetlanie paradygmatu eksperymentalnego na monitorze znajdującym się w pomieszczeniu obserwacyjnym.
Użyj lusterka do oglądania cewki czołowej, aby umożliwić fotografowanej osobie view ekran monitora bez poruszania głową lub oczami podczas leżenia. Wyświetl przykładowy obraz na ekranie komputera, aby upewnić się, że osoba fotografowana może wygodnie oglądać ekran i że paradygmat będzie wyświetlany poprawnie. Dokonaj wszelkich niezbędnych zmian w sprzęcie lub oprogramowaniu.
Następnie poinstruuj pacjenta, aby pozostał nieruchomy i wykonał wstępny anatomiczny rezonans magnetyczny z ważeniem T1. Jeśli to możliwe, użyj pola widzenia, które rozciąga się od dołu móżdżku do czubka głowy, w tym czaszki i skóry. Teraz zacznij rejestrować dane EEG.
Jednocześnie kliknij odpowiednie przyciski, aby rozpocząć zapis MRI i zainicjować interesujący Cię paradygmat w oprogramowaniu do prezentacji. Sprawdź zapis danych EEG, aby upewnić się, że jakość sygnału i, jeśli chcesz, rejestrowane są odpowiednie markery. Aby przeanalizować dane strukturalnego rezonansu magnetycznego, użyj dostępnego graficznego interfejsu użytkownika, aby upewnić się, że warstwy nie nakładają się na siebie.
Następnie otwórz aplikację FreeView. Kliknij Plik, a następnie Załaduj powierzchnię. Przejdź do katalogu tematu w bezpłatnym folderze dla surferów.
Następnie otwórz folder bem, a następnie folder zlewni. Załaduj cztery pliki, zewnętrzną powierzchnię skóry, zewnętrzną powierzchnię czaszki, powierzchnię mózgu i wewnętrzną powierzchnię czaszki. Następnie przesuń suwaki wyboru plasterków i poszukaj nakładania się na żółte warstwy powierzchni.
Jeśli dojdzie do nakładania się, dokładnie sprawdź dane MRI pod kątem wad anatomicznych lub błędów i użyj narzędzi do rysowania GUI, aby wyjaśnić warstwy. Następnie załaduj oryginalne dane MRI do aplikacji FreeView, klikając Plik, a następnie Załaduj wolumin. Przejdź do folderu tematu i otwórz folder mri.
Następnie kliknij oryginalny katalog i otwórz dane strukturalnego rezonansu magnetycznego i kliknij OK. Następnie wyświetl obraz głowy w skali szarości i przyjrzyj się różnym warstwom szarości i czerni wokół mózgu. Upewnij się, że warstwy te nie mają żadnych przerw ani nierówności. Użyj narzędzia do próbnika kolorów, aby wybrać woksel z warstwy, która ma zostać poprawiona.
Przełącz się na odręczną edycję wokseli i kliknij, aby narysować na obrazie. Użyj tej procedury, aby wypełnić wszelkie defekty w obrazie MRI. Wykonaj korekcję dla wszystkich warstw i warstw MRI, w których występują defekty.
Następnie wykonaj specyficzne dla pacjenta wyrównanie czujnika EEG z przestrzenią MRI za pomocą bezpłatnej nakładki modelu głowy surfera. Następnie zapisz transformację. Otwórz aplikację MNE Analyze.
Kliknij Plik, a następnie Załaduj powierzchnię. Przejdź do folderu zawierającego dane tematu i załaduj powierzchnię pial. Kliknij opcję Plik, a następnie kliknij opcję Załaduj dane digitizera i wybierz interesujący Cię plik EEG.
Kliknij opcję Wyświetl i pokaż przeglądarkę. Po wyświetleniu graficznego interfejsu użytkownika przeglądarki kliknij Opcje i upewnij się, że wybrano opcje danych skóry głowy i digitizera. Elektrody są tutaj pokazane na czerwono, a punkty odniesienia na żółto.
W oknie głównym wybierz Dostosuj, a następnie Wyrównanie współrzędnych. Korzystając z graficznego interfejsu użytkownika wyrównania współrzędnych, przesuwaj i obracaj elektrody EEG w przeglądarce za pomocą przycisków strzałki i lewego prawego. Dostosuj tyle, ile to konieczne.
Po zakończeniu wyrównywania kliknij przycisk Zapisz u dołu graficznego interfejsu użytkownika Wyrównanie współrzędnych, aby zapisać wyrównanie. W celu analizy danych EEG należy wykonać korekcję artefaktów gradientu skanera poprzez odejmowanie szablonu, klikając przycisk korekcji MR w specjalnym menu przetwarzania sygnału i wybierając odpowiednie parametry w graficznym interfejsie użytkownika oprogramowania do analizy EEG. Aby usunąć artefakty kardiobalistyczne poprzez odejmowanie szablonu, należy kliknąć na przycisk korekcji CB w specjalnym menu przetwarzania sygnału i wybrać odpowiednie parametry w graficznym interfejsie użytkownika oprogramowania analitycznego.
Następnie zastosuj filtrację w ramach filtracji danych. Wybierz przycisk filtracji IIR w górnej części graficznego interfejsu użytkownika analizy. Na przykład zastosuj górnoprzepustowy przy 0,05 Hza, dolnoprzepustowy przy 40 Hz i filtr wycinający przy częstotliwości linii energetycznej z odchyleniem 48 decybeli na herc.
Aby wykonać korekcję artefaktów oka, wybierz Transformacja, następnie Redukcja odrzucenia artefaktu, a następnie Korekcja oka ICA. Następnie podziel dane EEG na epiki na podstawie określonego czasu przed i po bodźcu w odniesieniu do markerów czasu zdarzenia, wybierając Transformacja, a następnie funkcje analizy segmentacji, a następnie segmentację. Następnie wybierz interesujący Cię znacznik i interesujący Cię segment czasu.
Następnie wykonaj ręczne lub półautomatyczne odrzucanie artefaktów, wybierając Transformacja, a następnie Redukcja odrzucenia artefaktu w Odrzucenie artefaktu. Po wyświetleniu monitu zdefiniuj kryteria dla artefaktów na trzech zakładkach graficznego interfejsu użytkownika i postępuj zgodnie z instrukcjami. Na karcie Metoda inspekcji wybierz opcję automatycznie, półautomatycznie lub ręcznie wybierz artefakty.
Następnie wybierz opcję oznacz lub usuń artefakty i określ, czy poprawki dotyczą pojedynczego kanału. Następnie w zakładce wyboru kanałów wybierz kanały, które zostaną skorygowane pod kątem artefaktów. Na karcie Kryteria wybierz podstawę, według której artefakty będą identyfikowane.
Kliknij przycisk OK po wybraniu kryteriów, a artefakty zostaną zidentyfikowane i/lub odrzucone zgodnie z wybranymi opcjami. Aby wykonać korektę linii bazowej, wybierz opcję Transformacja, a następnie Funkcje analizy segmentów i Korekcja linii bazowej. Aby uśrednić dane podzielone na segmenty, wybierz pozycję Transformacja, następnie pozycję Funkcje analizy segmentów, a następnie pozycję średnia.
Po pierwsze, interesujący nas epos EEG jest podzielony na mniejsze okna czasowe z predefiniowanymi rozmiarami okien i nakładania się. Tymczasem mapa aktywacji fMRI jest podzielona na wiele obszarów zainteresowania, które można wykorzystać jako przestrzenne a priori do analizy źródła EEG. W każdym oknie czasowym zostanie wybrany odpowiedni zestaw a priori przestrzennych do lokalizacji źródłowej.
Połączenie tych danych pozwoli uzyskać ostateczny przebieg czasowy aktywności kory mózgowej dla całego interesującego nas eposu EEG. Tutaj zrekonstruowana aktywność mózgu jest pokazana porównując nowe czasoprzestrzennie specyficzne obrazowanie źródła EEG z ograniczeniami fMRI na górze, z powszechnie stosowanym obrazowaniem źródła fMRI niezmiennym w czasie na dole. Zrekonstruowana aktywność mózgu jest pokazana w kilku punktach czasowych dla jednego reprezentatywnego podmiotu poddanego paradygmatowi aktywacji wzrokowo-ruchowej.
Wyniki lokalizacji uzyskane za pomocą nowej metody były bardziej skoncentrowane i lepiej dopasowane do oczekiwanych regionów mózgu. W tym przypadku testuje się solidność metody poprzez zastosowanie metody z różnymi rozmiarami okien. Zwróć uwagę, że skromne rozmiary okien są dość stabilne, podczas gdy duże rozmiary okien pokazują rozbieżne wyniki.
Po opanowaniu, jednoczesną sesję rejestracji danych EEG i fMRI można wykonać w ciągu około trzech godzin, a analizę danych można przeprowadzić w ciągu dwóch do trzech dni, jeśli zostaną wykonane prawidłowo. Próbując wykonać tę procedurę, należy pamiętać o sprawdzeniu synchronizacji zegara i wyzwalaczy podczas nagrywania. Podczas analizy należy również zwrócić uwagę na parametry niezbędne do uchwycenia interesującej nas aktywności.
Po tej procedurze można wykonać takie pomiary, jak EEG i funkcjonalna analiza danych MRI, analiza połączeń całego mózgu w celu zbadania podstawowej struktury połączeń lub aktywności w mózgu podczas zadań poznawczych. Po tym rozwoju technika ta utorowała drogę naukowcom zajmującym się neuroobrazowaniem funkcjonalnym do zbadania wysoce dynamicznej aktywności mózgu zaangażowanej w złożone przetwarzanie poznawcze oraz do zbadania szczegółowych zmian w ścieżkach neuronalnych związanych z zaburzeniami neurologicznymi. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak przeprowadzać jednoczesne zapisy EEG i fMRI oraz wykonywać podstawy socjoanalizy EEG ograniczonej przestrzenno-czasowo fMRI.
W celu rekonstrukcji aktywności mózgu z wysoką rozdzielczością przestrzenną, czasową i dokładnością. Nie zapominaj, że praca z uczestnikami i sprzętem w środowisku MRI wymaga stałej świadomości na temat problemów związanych z bezpieczeństwem. Do pomieszczenia rezonansu magnetycznego nie należy wnosić żadnych nieokreślonych przedmiotów metalowych, a impedancje wszystkich elektrod powinny być utrzymywane poniżej 50 kulombów.
View the full transcript and gain access to thousands of scientific videos
Przegląd
Metoda obrazowania źródeł EEG ograniczona fMRI przestrzenno-czasowo integruje dane EEG i fMRI, aby poprawić dokładność neuroobrazowania. Ta technika pomaga w zrozumieniu złożonych procesów poznawczych i ścieżek neuronowych.
Kluczowe elementy badania
Obszar nauki
- Neuronauki
- Neuroobrazowanie
- Procesy poznawcze
Tło
- EEG i fMRI są uzupełniającymi technikami neuroobrazowania.
- Specyficzność przestrzenna i rozdzielczość czasowa są krytyczne w badaniu funkcji mózgu.
- Metoda wykorzystuje priorytety fMRI do poprawy lokalizowania źródeł EEG.
- Zastosowania obejmują badania nad epilepsją i zaburzeniami neuropoznawczymi.
Cel badania
- Określenie relacji czasowych między obszarami mózgu.
- Zbadanie ścieżek neuronowych zaangażowanych w procesy poznawcze.
- Poprawa rozdzielczości funkcjonalnego neuroobrazowania.
Stosowane metody
- Integracja danych EEG i fMRI.
- Wykorzystanie warunkowo aktywnych podmap fMRI jako priorytetów.
- Poprawa dokładności przestrzennej i czasowej w neuroobrazowaniu.
- Demonstracje wizualne wspomagające naukę metody.
Główne wyniki
- Poprawiona specyficzność przestrzenna w lokalizowaniu źródeł EEG.
- Lepsze zrozumienie funkcji mózgu.
- Wgląd w systemy przetwarzania wzrokowo-ruchowego i emocjonalnego.
- Potencjalne zastosowania w różnych domenach poznawczych.
Wnioski
- Metoda znacznie poprawia nieinwazyjne neuroobrazowanie.
- Daje cenne wglądy w złożone procesy poznawcze.
- Wymagane jest dalsze badanie jej zastosowań.
Często zadawane pytania
Executive Industry Relevance
Integrating EEG and fMRI data enhances spatial and temporal resolution in neuroimaging, addressing a key challenge in mapping dynamic brain activity for target validation in CNS drug discovery. This multimodal approach improves predictive confidence by reducing source localization bias and cross-talk between conditionally active regions, supporting mechanistic de-risking in preclinical models of neurological disorders. The method enables more accurate interrogation of therapeutic hypotheses related to neural pathway modulation and biomarker alignment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of temporal relationships between brain regions to clarify pathophysiological pathways in disease models.
- Scientific Value: Supports functional target validation by improving EEG source localization accuracy through dynamic fMRI priors.
- Scientific Value: Reduces mechanistic ambiguity in neural circuit modeling, increasing confidence in target engagement assessments.
Screening & Assay Development
- Operational Value: Generates standardized cortical activity maps and time-courses suitable for reproducible assay development in neuropharmacology.
- Operational Value: Provides quantitative dependent variable measurements (e.g., source localization evidence, cortical activation patterns) for compound screening.
- Operational Value: Enhances assay specificity by using fMRI-derived spatial priors to minimize off-target cortical signal interference.
Translational & Preclinical Research
- Translational Value: Enables continuity from discovery through preclinical validation by mapping dynamic cortical activity in disease-relevant systems.
- Translational Value: Supports biomarker alignment by identifying spatiotemporal neural signatures associated with cognitive or motor endpoints.
- Translational Value: Facilitates risk-adjusted advancement decisions by improving predictive confidence in target modulation outcomes.
Pipeline & Workflow Integration
The method fits within the discovery continuum from hypothesis testing in early neuroscience research to lead identification and preclinical validation, particularly for CNS targets requiring dynamic pathway analysis.
- Discovery Biology: Supports hypothesis testing and pathway clarification by resolving spatiotemporal dynamics of cortical networks involved in cognitive and motor processing.
- Screening: Enables assay readiness through reproducible, quantitative EEG-fMRI outputs that allow comparison of compound effects on brain activity.
- Analytics: Delivers model evidence and cortical time-course measurements that help teams compare conditions and assess target engagement.
- Translational Research: Connects to preclinical continuity by providing translatable neural activity patterns that align with behavioral or clinical endpoints.
- Enterprise Reuse: Represents a reusable neuroimaging capability applicable across multiple CNS therapeutic areas and target classes.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by improving spatial specificity and reducing false positives in EEG source imaging.
- Operational Value: Enhances reproducibility and standardization through structured workflows for multimodal data acquisition and hierarchical Bayesian analysis.
- Strategic Value: Supports better go/no-go decisions by de-risking mechanistic assumptions about target modulation in neural circuits.
- Portfolio Impact: Enables risk-adjusted prioritization of CNS programs by providing more accurate functional neuroimaging data for target validation.
Implementation Considerations
- Requires expertise in neurophysiology, MRI physics, and computational modeling for EEG-fMRI integration.
- Dependent on MRI-compatible EEG systems, synchronized acquisition hardware, and specialized software (e.g., FreeSurfer, MNE).
- Necessitates cross-team standardization between neuroscience, imaging, and data analysis groups for consistent priors and windowing parameters.
- Adaptation considerations include variability in head anatomy, signal artifacts, and individual differences in neurovascular coupling.
- Practical limitations include inability to detect EEG-invisible sources and dependency on accurate fMRI activation map segmentation.
