Name: Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej (Wideo) | JoVE Journal
Uploaded: 2018-06-30T12:30:00.000+00:00
Duration: 11 min 28 s
Description: Poznaj metodę jednoczesnego zapisu EEG i fMRI w celu dynamicznego obrazowania aktywności kory mózgowej. Technika ta poprawia przestrzenną i czasową dokładność nieinwazyjnego neuroobrazowania w badaniach poznawczych.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ta praca była częściowo wspierana przez NIH DK082644 i Uniwersytet w Houston.

Przedstawiony tutaj protokół został zaprojektowany i wykonany zgodnie ze wszystkimi wytycznymi dotyczącymi etycznych badań na ludziach, określonymi przez odpowiednie Instytucjonalne Komisje Rewizyjne Uniwersytetu w Houston i Instytutu Badawczego Metodystów w Houston.
1. Jednoczesny zapis EEG/fMRI
<ol>
	<li>Uzyskaj świadomą zgodę uczestnika. Wyjaśnij uczestnikowi cel i procedurę badania, a także ważne środki bezpieczeństwa dotyczące jednoczesnego procesu rejestracji danych EEG/fMRI.</li>
	<li>Przygotuj czepek EEG i sprawdź impedancję na zewnątrz pomieszczenia skanera MRI.
	<ol>
		<li>Umieść na głowie badanego odpowiednio dobranego, pasywnego, kompatybilnego z rezonansem magnetycznym czepek EEG. Ustaw elektrody zgodnie z międzynarodowym systemem etykietowania 10–2010.</li>
		<li>W oprogramowaniu do rejestracji EEG sprawdź impedancję elektrod masowych i referencyjnych. Aby to zrobić, kliknij zakładkę "impedancja" i wybierz typ elektrody w interfejsie użytkownika oprogramowania (patrz <silna klasa="xfig">Rysunek 1). 
		UWAGA: Dokładne instrukcje tutaj dotyczą oprogramowania używanego w niniejszym dokumencie (patrz Spis materiałów) i mogą wymagać dostosowania do innych systemów.</li>
		<li>Dla każdej elektrody użyj strzykawki, aby wstrzyknąć żel elektrolitowy do elektrody, a następnie użyj bawełnianego wacika, aby rozprowadzić żel, aby zapewnić kontakt skóra z elektrodą.
		<ol>
			<li>Wraz ze spadkiem impedancji kontynuuj monitorowanie wartości za pomocą odpowiedniego oprogramowania (w razie potrzeby dostosuj skalę impedancji, w zależności od konfiguracji), aby prawidłowo monitorować poziom impedancji (patrz <silna klasa = "xfig">Rysunek 1). Kontynuuj, aż wszystkie elektrody osiągną poziom impedancji poniżej 10 kΩ, aby zapewnić sygnał wysokiej jakości. 
			UWAGA: Zgodnie z wymienionymi i wykorzystanymi tutaj materiałami, uważa się, że posiadanie jakiejkolwiek elektrody o poziomie impedancji powyżej 50 kΩ w środowisku MR11 jest uważane za niebezpieczne. Może się to zmienić w zależności od konstrukcji wybranej nasadki i ustawień MRI, dlatego należy skonsultować się z producentem sprzętu i technologami MRI, aby zapewnić bezpieczeństwo zestawu eksperymentalnego.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Jednoczesna konfiguracja sprzętu EEG/fMRI.
	<ol>
		<li>Po zakończeniu przygotowania czepka EEG, przenieś osobę badaną do skanera MR z konfiguracją sprzętową opisaną w <silna klasa="xfig">Rysunek 2. 
		UWAGA: Niektóre szczegóły rysunku mogą ulec zmianie w zależności od używanego systemu.</li>
		<li>Skonfiguruj wyświetlanie paradygmatu eksperymentalnego. Użyj monitora umieszczonego w pomieszczeniu obserwacyjnym, za szklaną szybą skierowaną w stronę przedniej części skanera MR (patrz <silna klasa="xfig">Rysunek 2). Użyj lusterka do oglądania cewki czołowej, aby umożliwić obiektom view ekran monitora bez poruszania głową lub oczami podczas leżenia.</li>
		<li>Wyświetl przykładowy obraz na ekranie komputera, aby upewnić się, że badani mogą wygodnie oglądać ekran i że paradygmat będzie wyświetlany poprawnie. Dokonaj wszelkich niezbędnych zmian w sprzęcie lub oprogramowaniu.</li>
	</ol>
	</li>
	<li>Paradygmat eksperymentalny (patrz <silna klasa="xfig">Rysunek 3).
	<ol>
		<li>Poinstruuj pacjenta, aby pozostał nieruchomy i wykonaj wstępny anatomiczny rezonans magnetyczny z dokładnością do T1. Jeśli to możliwe, użyj pola widzenia, które rozciąga się od dołu móżdżku do czubka głowy, w tym czaszki i skóry.</li>
		<li>Rozpocznij rejestrowanie danych EEG (patrz <silna klasa="xfig">Rysunek 4).</li>
		<li>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, w razie potrzeby, rejestrowane są odpowiednie markery.
		<ol>
			<li>Korzystając z opisanej tutaj konfiguracji, najpierw kliknij "Uruchom" w oprogramowaniu do prezentacji i wprowadź numer tematu oraz numer próby. Paradygmat zostanie uruchomiony po potwierdzeniu tych ustawień. 
			UWAGA: Zastosowany tu paradygmat składał się z 10 prób, w których emocjonalnie motywowana reakcja motoryczna była wywoływana za pomocą bodźca wzrokowego. W każdym badaniu badani zostali poproszeni o odpoczynek przez 50 sekund, obserwując zielony ekran, po czym przez 10 sekund prezentowany był obraz nieprzyjemnej (obrazy odpowiadające zaskoczeniu, złości lub obrzydzeniu) lub nie-nieprzyjemnej (obrazy odpowiadające szczęściu lub neutralności)12. Pięć obrazów z każdej kategorii zostało zaprezentowanych w losowej kolejności, a badani zostali poproszeni o ściśnięcie piłki po zidentyfikowaniu twarzy jako nieprzyjemnej i przytrzymanie uścisku, aż zniknie.</li>
			<li>Użyj sekwencji obrazowania planarnego echa przywołanego gradientem (GR-EPI) do nagrywania fMRI (zalecane); dostosuj do sprzętu i paradygmatu. 
			UWAGA: Sekwencja użyta w niniejszym dokumencie obejmowała: czas echa (TE) = 35 ms; Czas powtarzania (TR) = 1,500 ms; Grubość plastra = 5 mm; Kąt odwrócenia = 90 °; Odstępy między pikselami: 2,75 mm x 2,75 mm. Może być konieczne użycie sekwencji MRI, która trwa nieco dłużej niż wyświetlanie samego paradygmatu, aby zapewnić, że cały paradygmat zostanie nagrany bez przycinania.</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
2. Analiza danych MRI strukturalnego i generowanie modeli przyszłościowych
<ol>
	<li>Zastosuj pełną segmentację i rekonstrukcję różnych powierzchni z anatomicznej objętości rezonansu magnetycznego T1 badanego za pomocą pakietu do analizy obrazów Freesurfer13,14. 
	UWAGA: Folder zawierający wszystkie dane wyjściowe segmentacji zostanie wygenerowany przez Freesurfer.</li>
	<li>Wygeneruj tematyczny 3-warstwowy model geometryczny metodą elementów granicznych (BEM) zgodnie z instrukcjami podanymi na stronie (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 Użyj dostępnego graficznego interfejsu użytkownika (GUI), aby upewnić się, że warstwy nie nakładają się na siebie.
	<ol>
		<li>Otwórz aplikację Freeview. Kliknij "Plik" >> "Załaduj powierzchnię". Przejdź do katalogu Tematy w folderze Freesurfer. Otwórz folder "BEM". Otwórz folder "Watershed". Załaduj cztery znajdujące się tutaj pliki ("outer_skin_surface", "outer_skull_surface", "brain_surface" i "inner_skull_surface").</li>
		<li>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, a następnie użyj narzędzi do rysowania GUI, aby wyjaśnić warstwy.
		<ol>
			<li>Załaduj oryginalne dane MRI do aplikacji Freeview, klikając "Plik" >> "Załaduj wolumin". Przejdź do folderu tematu i otwórz folder "mri". Następnie kliknij na katalog "orig" i otwórz znalezione tam dane strukturalnego MRI (powinny być w formacie in.mgz lub .nii). Kliknij "OK".</li>
			<li>Wyświetlanie obrazu głowy w skali szarości. Spójrz na różne warstwy szarości i czerni wokół mózgu. Upewnij się, że warstwy te nie mają żadnych przerw ani nierówności. Użyj narzędzia "Próbnik kolorów" i wybierz woksel z warstwy, która ma zostać poprawiona.</li>
			<li>Przełącz się na "Edycję wokseli odręcznych" i kliknij, aby narysować na obrazie. Użyj tego, aby wypełnić wszelkie defekty w obrazie MRI. Wykonaj korekcję dla wszystkich warstw i warstw MRI, w których występują defekty. 
			UWAGA: narzędzia do edycji wokseli "Polywire" i "Livewire" mogą być również używane zamiast "Freehand".</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Wygeneruj przestrzeń źródłową na podstawie geometrii powierzchni pionowej.</li>
	<li>Wykonaj specyficzne dla pacjenta wyrównanie czujnika EEG (np. translację i obrót) do przestrzeni MRI za pomocą nakładki modelu głowy Freesurfer (<silna klasa = "xfig">Rysunek 5). Uratuj transformację.
	<ol>
		<li>Otwórz aplikację MNE_analyze. Kliknij "Plik" >> "Załaduj powierzchnię". Przejdź do folderu zawierającego dane tematu i załaduj powierzchnię pial.</li>
		<li>Kliknij "Plik" >> "Załaduj dane digitizera" i wybierz interesujący Cię plik EEG (powinien zawierać dane digitizera). Kliknij "Widok" >> "Pokaż przeglądarkę". Gdy pojawi się graficzny interfejs użytkownika przeglądarki, kliknij "Opcje" i upewnij się, że wybrane są opcje "Skalp" i "Dane digitizera". Elektrody są tutaj pokazane na czerwono, a punkty odniesienia na żółto.</li>
		<li>W oknie głównym (nie w przeglądarce) wybierz "Dostosuj" >> "Wyrównanie współrzędnych". Korzystając z graficznego interfejsu użytkownika "Wyrównanie współrzędnych", użyj strzałek i przycisków L/R, aby przesuwać i obracać elektrody EEG w przeglądarce. Dostosuj tyle, ile to konieczne. Po zakończeniu wyrównania kliknij "Zapisz..." u dołu "Współrzędnych wyrównania GUI", aby zapisać wyrównanie. 
		UWAGA: Zazwyczaj wymagane jest równomierne rozmieszczenie elektrod na skórze głowy z dobrym wyrównaniem odniesienia.</li>
	</ol>
	</li>
	<li>Wygeneruj model do przodu, dostarczając specyficzny dla tematu model BEM, przestrzeń źródłową i transformację czujnika EEG za pomocą oprogramowania MNE15.</li>
</ol>
3. Funkcjonalna analiza danych MRI
<ol>
	<li>Wykonaj analizę statystyczną fMRI pierwszego poziomu (indywidualnego pacjenta) przy użyciu metody ogólnego modelu liniowego (GLM) w celu uzyskania map aktywacji BOLD dla interesujących zadań. W razie potrzeby popraw wielokrotne porównania16, korzystając z podejścia opartego na klastrach, które jest wbudowane w potok analizy grupowej Freesurfer.</li>
	<li>W razie potrzeby przeprowadź analizę na poziomie grupy na wszystkich obiektach, aby uzyskać mapę aktywacji BOLD dla wszystkich obiektów w przestrzeni standardowej (MNI lub Talairach). 
	UWAGA: Biblioteki oprogramowania (FSL) Centrum Funkcjonalnego MRI Mózgu (FMRIB) Uniwersytetu Oksfordzkiego17 i Analysis of Functional Neuroimages (AFNI)18 pozwalają na analizę danych fMRI na tych samych powierzchniach generowanych przez Freesurfer, co czyni je wygodnymi do późniejszej analizy.</li>
	<li>Użyj narzędzia do wizualizacji tksurfer, aby przeprowadzić identyfikację regionu zainteresowania (ROI), ładując mapę aktywacji fMRI (zarówno na poziomie indywidualnym, jak i grupowym) i ustawiając żądany próg skorygowany przez FDR19 (tutaj używany jest p <0,05). 
	UWAGA: Zwroty akcji zidentyfikowane na podstawie map aktywacji na poziomie indywidualnym będą służyć jako specyficzne dla danego tematu przestrzenne dane fMRI dla późniejszej lokalizacji źródłowej.
	<ol>
		<li>Korzystając z mapy aktywacji fMRI na warstwie istoty szarej, wyodrębnij plamy powierzchni za pomocą algorytmu połączonego etykietowania. 
		UWAGA: W tym przykładzie użyto rozkładu Dulmage'a-Mendelsohna.</li>
		<li>Następnie podziel łatki na podstawie etykietowania predefiniowanego atlasu mózgu, tak aby każdy fragment aktywności obejmujący więcej niż jeden region został podzielony. 
		UWAGA: Użyty tutaj atlas to DKT40 atlas20 (dostępny w Freesurfer)21. Atlasy mogą być wyspecjalizowane lub wybierane na podstawie preferencji eksperymentalnych.</li>
	</ol>
	</li>
	<li>Rzutuj uzyskane ROI na poziomie grupy (które obecnie znajdują się w przestrzeni standardowej) z powrotem do indywidualnych przestrzeni źródłowych każdego przedmiotu. Po wykonaniu strukturalnej segmentacji MRI osoby badanej (krok 2.1), transformacje współrzędnych między obiektem a przestrzenią standardową są dostarczane w plikach lh.sphere.reg i rh.sphere.reg, które znajdują się w folderze "surf" w folderze wyjściowym Freesurfer podmiotu. 
	UWAGA: W związku z tym wszyscy badani będą mieli ten sam zestaw ROI, ale w swoim własnym, specyficznym modelu. Zobacz Rysunek 6, aby zobaczyć przykłady wyników fMRI i wynikowych ROI.</li>
</ol>
4. Analiza danych EEG
UWAGA: Szczegóły w tej sekcji mogą być specyficzne dla używanego oprogramowania (więcej szczegółów w Tabeli Materiałów). W przypadku korzystania z różnych pakietów oprogramowania należy zapoznać się z odpowiednią dokumentacją.
<ol>
	<li>Wykonaj korekcję artefaktów gradientu skanera poprzez odejmowanie szablonu. W tym celu należy kliknąć na przycisk "Korekcja MR" w menu "Specjalne przetwarzanie sygnału" i wybrać odpowiednie parametry w graficznym interfejsie użytkownika oprogramowania do analizy EEG (patrz <silna klasa="xfig">Rysunek 7). Wprowadź odpowiednie parametry do wybranej sekwencji skanera i projektu eksperymentalnego. 
	UWAGA: Podstawowe parametry obejmują: czas powtarzania (TR) dla skanu MRI, typ skanowania (z przeplotem lub ciągły), znaczniki objętości MRI (lub metodę wykrywania gradientu i wyzwalanie gradientu), kanały do korekcji i szablon artefaktu.</li>
	<li>Usuń artefakty kardiobalistyczne poprzez odejmowanie szablonu. W tym celu należy kliknąć przycisk "Korekcja CB" w menu "Specjalne przetwarzanie sygnału" i wybrać odpowiednie parametry w graficznym interfejsie użytkownika oprogramowania analitycznego. 
	UWAGA: Niezbędne tutaj parametry to minimalne i maksymalne tętno, szablon artefaktu, kanał EKG, korelacja szablonu i kanały do korekcji.</li>
	<li>Zastosuj filtrację. Wybierz przycisk filtracji IIR w górnej części graficznego interfejsu użytkownika analizy, w sekcji "Filtracja danych". Na przykład zastosuj filtr górnoprzepustowy przy 0,05 Hz, dolnoprzepustowy przy 40 Hz i filtr wycinający przy częstotliwości linii energetycznej (60 Hz), ze spadkiem 48 dB/Hz. 
	UWAGA: Po zastosowaniu filtra dolnoprzepustowego o częstotliwości odcięcia 40 Hz, filtr wycinający 60 Hz nie jest absolutnie konieczny, ale jest stosowany jako zabezpieczenie przed wszelkimi szczątkowymi częstotliwościami linii energetycznej, które mogły przetrwać z powodu spadania na krawędziach filtra.</li>
	<li>Wykonaj korekcję artefaktów oka, na szczycie graficznego interfejsu użytkownika: wybierz "Transformacja" >> "Odrzucenie/Redukcja artefaktu" >> "Korekcja oka ICA".</li>
	<li>Podziel dane EEG na epoki w oparciu o określony czas przed i po bodźcu, w odniesieniu do znaczników czasu zdarzenia. Aby to zrobić, wybierz "Transformacja" >> "Funkcje analizy segmentów" >> "Segmentacja", a następnie wybierz interesujący Cię znacznik i interesujący Cię segment czasowy. 
	UWAGA: Długości segmentacji powinny być dobrane tak, aby pasowały do paradygmatu i oczekiwanej aktywności mózgu, która Cię interesuje.</li>
	<li>Wykonaj ręczne lub półautomatyczne odrzucanie artefaktów: wybierz "Transformacja" >> "Odrzucenie/Redukcja artefaktu" >> "Odrzucenie artefaktu". Po wyświetleniu monitu zdefiniuj kryteria dla artefaktów na trzech zakładkach graficznego interfejsu użytkownika i postępuj zgodnie z instrukcjami w graficznym interfejsie użytkownika.
	<ol>
		<li>W zakładce "Metoda inspekcji" wybierz opcję "automatycznie", "półautomatycznie" lub "ręcznie wybierz artefakty" (zalecany jest tryb półautomatyczny). Następnie wybierz "zaznacz" lub "usuń artefakty" i określ, czy poprawki dotyczą pojedynczego kanału.</li>
		<li>W zakładce 'Wybór kanału' wybierz kanały, które zostaną skorygowane pod kątem artefaktów.</li>
		<li>W zakładce "Kryteria" wybierz podstawę, według której artefakty będą identyfikowane. Dokonaj wyboru w tym miejscu, aby dopasować je do potrzeb eksperymentalnych. Kliknij "OK" po wybraniu kryteriów, a artefakty zostaną zidentyfikowane i/lub odrzucone zgodnie z wyborami.</li>
	</ol>
	</li>
	<li>Wykonaj korektę linii bazowej i uśrednienie próby (jeśli dotyczy).
	<ol>
		<li>Aby przeprowadzić korektę linii bazowej: wybierz "Transformacja" >> "Funkcje analizy segmentów" >> "Korekta linii bazowej". Aby uśrednić dane podzielone na segmenty: wybierz "Transformacja" >> "Funkcje analizy segmentów" >> "Średnia".</li>
	</ol>
	</li>
</ol>
5. Czasoprzestrzenne ograniczenia fMRI — obrazowanie źródła EG
<ol>
	<li>Zdefiniuj rozmiar okna i rozmiar nakładającego się okna (ustawienie domyślne wymaga rozmiaru okna 40 ms z 50% (20 ms) nakładaniem).</li>
	<li>Wybierz zestaw ROI dla danego tematu (uzyskany w kroku 3) jako wcześniejszy zestaw przestrzenny. Dla każdego segmentu EEG algorytm oszacuje następnie zestaw wag dla podzbioru a priori przestrzennych, który maksymalizuje dowody modelu i odpowiednio oblicza źródłową macierz kowariancji.</li>
	<li>Korzystając z wynikowej macierzy kowariancji źródła, wykonaj lokalizację źródła dla analizowanego segmentu EEG, uzyskując wyniki gęstości prądu źródłowego.</li>
	<li>Wykonaj kroki 5.2 i 5.3 dla wszystkich segmentów EEG i, jeśli to konieczne, podsumuj bieżące wyniki gęstości dla wszystkich segmentów czasu w jeden pełny przebieg czasowy gęstości prądu, uśredniając nakładającą się część. 
	UWAGA: Ten krok spowoduje uzyskanie przebiegu czasowego aktywności kory mózgowej o aktualnej gęstości w każdym punkcie źródłowym zdefiniowanym w kroku 2.3 (liczba ta jest zwykle rzędu kilku tysięcy) (<silna klasa="xfig">Rysunek 8).</li>
	<li>Wyodrębnij reprezentatywny przebieg czasowy gęstości prądu dla każdego z ROI.
	<ol>
		<li>Wybierz preferowaną metodę sumowania przebiegów czasowych z wielu punktów źródłowych w ramach ROI w jeden przebieg czasowy sygnału: średnia, pierwsza zmienna własna itp.</li>
	</ol>
	</li>
	<li>Powtórz kroki od 5.1 do 5.5 dla wszystkich obiektów.</li>
</ol>

<ol><li>Belanger, M., Allaman, I., Magistretti, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+energy+metabolism%3A+focus+on+astrocyte-neuron+metabolic+cooperation%5BTitle%5D)+AND+%22Cell+Metab%22%5BJournal%5D)">Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation.</a> Cell Metab. 14 (6), 724-738 (2011).</li>
<li>Logothetis, N. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+underpinnings+of+the+BOLD+functional+magnetic+resonance+imaging+signal%5BTitle%5D)+AND+%22J+Neurosci%22%5BJournal%5D)">The underpinnings of the BOLD functional magnetic resonance imaging signal.</a> J Neurosci. 23 (10), 3963-3971 (2003).</li>
<li>Michel, C. M., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/15351361">EEG source imaging.</a> Clin Neurophysiol. 115 (10), 2195-2222 (2004).</li>
<li>Ramon, C., Schimpf, P. H., Haueisen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+head+models+on+EEG+simulations+and+inverse+source+localizations%5BTitle%5D)+AND+%22Biomed+Eng+Online%22%5BJournal%5D)">Influence of head models on EEG simulations and inverse source localizations.</a> Biomed Eng Online. 5, 10(2006).</li>
<li>Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Error+bounds+for+EEG+and+MEG+dipole+source+localization%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol%22%5BJournal%5D)">Error bounds for EEG and MEG dipole source localization.</a> Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).</li>
<li>Hamalainen, M. S., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+magnetic+fields+of+the+brain%3A+minimum+norm+estimates%5BTitle%5D)+AND+%22Med+Biol+Eng+Comput%22%5BJournal%5D)">Interpreting magnetic fields of the brain: minimum norm estimates.</a> Med Biol Eng Comput. 32 (1), 35-42 (1994).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ijbem.org/volume1/number1/pdf/ijbem_a75-86.pdf">Review of methods for solving the EEG inverse problem.</a> International journal of bioelectromagnetism. 1 (1), 75-86 (1999).</li>
<li>Rosa, M. J., Daunizeau, J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-fMRI+integration%3A+a+critical+review+of+biophysical+modeling+and+data+analysis+approaches%5BTitle%5D)+AND+%22J+Integr+Neurosci%22%5BJournal%5D)">EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches.</a> J Integr Neurosci. 9 (4), 453-476 (2010).</li>
<li>Nguyen, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+Source+Imaging+Guided+by+Spatiotemporal+Specific+fMRI%3A+Toward+an+Understanding+of+Dynamic+Cognitive+Processes%5BTitle%5D)+AND+%22Neural+Plast%22%5BJournal%5D)">EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes.</a> Neural Plast. 2016, 10(2016).</li>
<li>Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ten-twenty+electrode+system+of+the+International+Federation.+The+International+Federation+of+Clinical+Neurophysiology%5BTitle%5D)+AND+%22Electroencephalogr+Clin+Neurophysiol+Suppl%22%5BJournal%5D)">The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology.</a> Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).</li>
<li>Mullinger, K. J., Castellone, P., Bowtell, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Best+current+practice+for+obtaining+high+quality+EEG+data+during+simultaneous+FMRI%5BTitle%5D)+AND+%22J+Vis+Exp%22%5BJournal%5D)">Best current practice for obtaining high quality EEG data during simultaneous FMRI.</a> J Vis Exp. (76), (2013).</li>
<li>Ekman, P., Friesen, W. V. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEkman%2C+P+%22Pictures+of+Facial+Affect%22">Pictures of Facial Affect</a>. , Consulting psychologists Press. (1976).</li>
<li>Dale, A. M., Fischl, B., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+I.+Segmentation+and+surface+reconstruction%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. I. Segmentation and surface reconstruction.</a> Neuroimage. 9 (2), 179-194 (1999).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> Neuroimage. 9 (2), 195-207 (1999).</li>
<li>Gramfort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MNE+software+for+processing+MEG+and+EEG+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">MNE software for processing MEG and EEG data.</a> Neuroimage. 86, 446-460 (2014).</li>
<li>Hagler, D. J., Saygin, A. P., Sereno, M. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Smoothing+and+cluster+thresholding+for+cortical+surface-based+group+analysis+of+fMRI+data%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data.</a> Neuroimage. 33 (4), 1093-1103 (2006).</li>
<li>Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/21979382">Fsl.</a> Neuroimage. 62 (2), 782-790 (2012).</li>
<li>Cox, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((AFNI%3A+software+for+analysis+and+visualization+of+functional+magnetic+resonance+neuroimages%5BTitle%5D)+AND+%22Comput+Biomed+Res%22%5BJournal%5D)">AFNI: software for analysis and visualization of functional magnetic resonance neuroimages.</a> Comput Biomed Res. 29 (3), 162-173 (1996).</li>
<li>Genovese, C. R., Lazar, N. A., Nichols, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thresholding+of+statistical+maps+in+functional+neuroimaging+using+the+false+discovery+rate%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Thresholding of statistical maps in functional neuroimaging using the false discovery rate.</a> Neuroimage. 15 (4), 870-878 (2002).</li>
<li>Klein, A., Tourville, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((101+labeled+brain+images+and+a+consistent+human+cortical+labeling+protocol%5BTitle%5D)+AND+%22Front+Neurosci%22%5BJournal%5D)">101 labeled brain images and a consistent human cortical labeling protocol.</a> Front Neurosci. 6, 171(2012).</li>
<li>Fischl, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cereb+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cereb Cortex. 14 (1), 11-22 (2004).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> J Neurosci Methods. 134 (1), 9-21 (2004).</li>
<li>Iannetti, G. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simultaneous+recording+of+laser-evoked+brain+potentials+and+continuous%2C+high-field+functional+magnetic+resonance+imaging+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans.</a> Neuroimage. 28 (3), 708-719 (2005).</li>
<li>Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+FMRI+environment+artifacts+from+EEG+data+using+optimal+basis+sets%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Removal of FMRI environment artifacts from EEG data using optimal basis sets.</a> Neuroimage. 28 (3), 720-737 (2005).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Pokazaliśmy tutaj niezbędne kroki, aby wykorzystać metodę czasoprzestrzennej analizy ograniczonego źródła fMRI do analizy integracji EEG/fMRI. EEG i fMRI stały się podstawowymi metodami nieinwazyjnego obrazowania aktywności mózgu, chociaż napotykają trudności w ich odpowiednich rozdzielczościach przestrzennych i czasowych. Chociaż opracowano metody wykorzystujące korzystne właściwości każdego z nich, obecne metody lokalizacji źródła EEG ograniczone fMRI często opierają się na prostych ograniczeniach fMRI, które mogą być ...

Elektroencefalografia (EEG) i funkcjonalny rezonans magnetyczny (fMRI) mogą być postrzegane jako metody neuroobrazowania o uzupełniających się cechach. FMRI rejestruje aktywność mózgu w dużej skali czasowej, ponieważ sygnały hemodynamiczne pośrednio mierzą podstawową aktywność neuronalną ze słabą rozdzielczością czasową (rzędu sekund)1,2. W przeciwieństwie do tego, EEG bezpośrednio mierzy dynamiczną aktywność elektrofizjologiczną mózgu z bardzo wysoką rozdzielczością czasową (poziom milisekund), ale słabą rozdzielczością przestrzenną3,4. Te właściwości doprowadziły do opracowania podejść multimodalnych zaprojektowanych w celu optymalizacji korzystnych aspektów każdej indywidualnej metody5. Jednoczesne wykorzystanie EEG i fMRI pozwala na połączenie doskonałej rozdzielczości czasowej EEG z wysoką dokładnością przestrzenną fMRI w celu pokonania ograniczeń związanych z jednomodalnym fMRI lub EEG.
Metody integracji EEG i fMRI zaczynają się od lokalizacji źródła EEG za pomocą fMRI6,7. Technika ta wykorzystuje informacje przestrzenne pochodzące z fMRI w celu poprawy lokalizacji źródła EEG, jednak jedną z wad jest potencjalne odchylenie przestrzenne spowodowane zastosowaniem fMRI jako "twardego ograniczenia" - informacje przestrzenne pochodzące z fMRI są uważane za prawdę absolutną. Stwarza to dwa duże problemy, które należy pogodzić6-8. Po pierwsze, należy wziąć pod uwagę, że użycie statycznej mapy kontrastów zależnych od poziomu tlenu we krwi (BOLD) może nieumyślnie wzmocnić każdą błędną aktywność, która się w niej mieści, jednocześnie tłumiąc prawdziwą aktywność poza nią. Po drugie, przesłuchy ze źródeł występujących poza mapą aktywacji BOLD mogą wpływać na prezentację prawdziwej aktywności w wynikach lub powodować błędną aktywność. Mimo to, wykorzystanie wysokiej rozdzielczości przestrzennej fMRI w celu dostarczenia wcześniejszej wiedzy przestrzennej pozostaje korzystnym rozwiązaniem5, ponieważ modelowanie problemu odwrotnego EEG może być ograniczone zarówno w sensie anatomicznym, jak i funkcjonalnym.
W tym artykule demonstrujemy podejście do obrazowania źródła EEG ograniczone czasoprzestrzennie przez fMRI, które rozwiązuje problem niedopasowania czasowego między EEG a fMRI, obliczając optymalny podzbiór wcześniejszych fMRI na podstawie hierarchicznego modelu bayesowskiego9. A priori FMRI są obliczane w sposób oparty na danych z określonych okien zainteresowania w danych EEG, co prowadzi do ograniczeń fMRI w zależności od wariantu czasowego. Proponowane podejście wykorzystuje wysoką rozdzielczość czasową EEG do obliczenia mapowania bieżącej gęstości aktywności korowej, opartego na wysokiej rozdzielczości przestrzennej fMRI w wariant czasowy, przestrzennie selektywny sposób, który dokładnie obrazuje dynamiczną aktywność neuronalną.

<table><tbody><tr><td>BrainAmp MR Plus</td><td>Brain Products</td><td></td><td>Wzmacniacze do rejestracji EEG, kompatybilne</td></tr><tr><td>z MR BrainAmp ExG MR&nbsp;</td><td>Brain Products</td><td></td><td>Wzmacniacz do czujnika pomocniczego (EMG), kompatybilny z MR</td></tr><tr><td>BrainAmp Power Pack</td><td>Produkty</td><td></td> Brain <td>Dostarczaj zasilanie do wzmacniaczy w środowisku MR</td></tr><tr><td>taśmowe</td><td>Brain Products</td><td></td><td>Łączy zasilacz ze wzmacniaczami</td></tr><tr><td>SyncBox</td><td>Brain Products</td><td></td><td>Synchronizuj zegar skanera MR z zegarem wzmacniacza EEG</td></tr><tr><td>BrainCap MR</td><td>Brain Products</td><td></td><td>64-kanałowa nasadka EEG z elektrodą pasywną, kompatybilna z MR</td></tr><tr><td>Rejestrator BrainVision</td><td>Oprogramowanie</td> do <td>rejestracji danych EEG Brain Products (kroki 1.2-1.4.2)</td>Oprogramowanie do analizy EEG BrainVision Analyzer 2.0 Brain Products (kroki 4.1-4.6)Adapter USB 2 (znany również jako BUA)Produkty mózgowe Interfejs między wzmacniaczami a komputerem akwizycji danych <td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td><td></td></tr><tr><td>światłowodowe</td><td>Brain Products</td><td></td><td>Łączy nasadkę EEG w skanerze MR z komputerem rejestrującym</td></tr><tr><td>Interfejs skanera SyncBox</td><td>Produkty dla mózgu</td><td></td><td>Synchronizuj zegar skanera MR z zegarem wzmacniacza EEG</td></tr><tr><td>spustowy</td><td>Produkty</td><td></td> mózgowe <td>Służy do wysyłania wyzwalaczy skanera/paradygmatu do komputera rejestrującego</td></tr><tr><td>ABRALYT HiCl Żel elektrody EEG</td><td>EasyCap</td><td></td><td>Ścierny żel EEG do elektrody pasywnej w środowisku MR</td></tr><tr><td>System Ingenia 3.0T MR</td><td>System Philips</td><td></td><td>3.0 T</td></tr><tr><td>MRI Patriot Digitizer</td><td>Digitalizacja lokalizacji kanału EEG</td> <td>Polhemus</td><td></td>&nbsp;</tr><tr><td>MATLAB r2014a</td><td>MathWorks</td><td></td><td>Baza programistyczna dla algorytmu DBTN (kroki 3.3-3.4 i 5.1-5.7)</td></tr><tr><td>Zdjęcia afektu twarzy</td><td>Paul Eckman Group</td><td></td><td>Seria emocjonalnie walentnych twarzy używanych jako bodźce</td></tr><tr><td>E-Prime 2.0</td><td>Psychology Software Tools, Inc</td><td></td><td>Oprogramowanie do prezentacji (krok 1.4.3)</td></tr><tr><td>Dwubiegunowa elektroda EMG skóry</td><td>Produkty mózgowe</td><td></td><td>używane do wykrywania aktywność mięśni.</td></tr><tr><td>Oprogramowanie POLGUI</td><td></td><td></td><td>MATLAB do digitalizacji</td></tr><tr><td>Freesurfer</td><td></td><td></td><td>Oprogramowanie użyte w krokach 2.1-2.4 i krokach 3.1-3.2</td></tr><tr><td>MNE</td><td></td><td></td><td>Oprogramowanie użyte w kroku 2.5</td></tr></tbody></table>

jednoczesny zapis eeg i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

Elektroencefalografia (EEG) i funkcjonalny rezonans magnetyczny (fMRI) to dwie z podstawowych nieinwazyjnych metod identyfikacji aktywności mózgu. Metody multimodalne miały na celu połączenie wysokiej rozdzielczości czasowej EEG z precyzją przestrzenną fMRI, ale złożoność tego podejścia wymaga obecnie poprawy. Przedstawiony tutaj protokół opisuje niedawno opracowaną metodę obrazowania źródła EEG ograniczoną czasoprzestrzennie za pomocą fMRI, która ma na celu skorygowanie błędów źródłowych i poprawę lokalizacji źródła EEG-fMRI poprzez dynamiczną rekrutację podregionów fMRI. Proces rozpoczyna się od zebrania danych multimodalnych z jednoczesnych skanów EEG i fMRI, wygenerowania modeli 3D kory mózgowej oraz niezależnego przetwarzania EEG i fMRI. Przetworzone mapy aktywacji fMRI są następnie dzielone na wiele priori, zgodnie z ich lokalizacją i otoczeniem. Są one traktowane jako a priori w dwupoziomowym hierarchicznym algorytmie bayesowskim do lokalizacji źródła EEG. Dla każdego interesującego okna (zdefiniowanego przez operatora) określone segmenty mapy aktywacji fMRI zostaną zidentyfikowane jako aktywne w celu optymalizacji parametru znanego jako dowód modelu. Zostaną one wykorzystane jako miękkie ograniczenia zidentyfikowanej aktywności korowej, zwiększając specyficzność metody obrazowania multimodalnego poprzez zmniejszenie przesłuchów i uniknięcie błędnej aktywności w innych warunkowo aktywnych regionach fMRI. Metoda generuje mapy korowe aktywności i przebiegów czasowych, które mogą być traktowane jako wyniki końcowe lub wykorzystywane jako podstawa do dalszych analiz (analizy korelacji, przyczynowości itp.) Chociaż metoda jest nieco ograniczona przez swoje modalności (nie znajdzie źródeł niewidocznych dla EEG), jest szeroko kompatybilna z większością głównych programów do przetwarzania i nadaje się do większości badań neuroobrazowych.

Lokalizacja źródeł EEG na poziomie podstawowym obejmuje rozwiązanie problemu przewodniego (forward problem) oraz odwrotnego (inverse problem). Elementy niezbędne do zbudowania i rozwiązania problemu przewodniego przedstawiono na Ryc. 5C. Wykorzystując obraz T1 konkretnego badanego, dokonano segmentacji i stworzenia siatek dla trzech warstw: mózgu, czaszki i skóry. Warstwy te posłużyły jako dane wejściowe do wygenerowania modelu BEM. Podobnie,...

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.

Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej

Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are two of the fundamental noninvasive methods for identifying brain ...

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.

concurrent-eeg-functional-mri-recording-integration-analysis-for

Research

JoVE Journal

Biology

Biologia

Stosujemy magnetoencefalografię (MEG) oraz elektroencefalografię (EEG) w celu zmapowania obszarów mózgu zaangażowanych w przetwarzanie prostych bodźców sensorycznych.

Mapowanie funkcjonalne z jednoczesną rejestracją MEG i EEG

Opracowaliśmy metodę jednoczesnego wykonywania funkcjonalnego obrazowania rezonansem magnetycznym oraz rejestracji elektrofizjologicznej w mózgu gryzoni, co stanowi platformę do badania zależności między aktywnością neuronalną a sygnałem fMRI zależnym od poziomu utlenowania krwi (BOLD).

Jednoczesne badanie fMRI i elektrofizjologii w mózgu gryzoni

Przedstawiamy metodę pozyskiwania sygnałów elektrokortykograficznych do celów badawczych u ludzi poddawanych inwazyjnemu monitorowaniu epilepsji. Pokazujemy, jak wykorzystać platformę programową BCI2000 do zbierania danych, przetwarzania sygnałów oraz prezentacji bodźców. W szczególności prezentujemy SIGFRIED, narzędzie oparte na BCI2000 służące do funkcjonalnego mapowania mózgu w czasie rzeczywistym.

Rejestracja ludzkich sygnałów elektrokortykograficznych (ECoG) w badaniach neuronaukowych i funkcjonalnym mapowaniu kory mózgowej w czasie rzeczywistym

Wykorzystujemy magnetoencefalografię i elektroencefalografię (MEG/EEG), w połączeniu z informacjami anatomicznymi uzyskanymi za pomocą obrazowania rezonansem magnetycznym (MRI), aby zmapować dynamikę sieci korowej związanej z uwagą słuchową.

Mapowanie dynamiki korowej z wykorzystaniem jednoczesnej MEG/EEG oraz oszacowań minimalnej normy z ograniczeniami anatomicznymi: przykład uwagi słuchowej

Jednoczesna elektroencefalografia (EEG) i funkcjonalne obrazowanie metodą rezonansu magnetycznego (fMRI) to potężne narzędzie do neuroobrazowania.  Jednak wnętrze skanera MRI tworzy trudne środowisko do rejestrowania danych EEG i należy wziąć pod uwagę bezpieczeństwo podczas korzystania ze sprzętu EEG wewnątrz skanera.  W tym artykule przedstawiamy zoptymalizowany protokół akwizycji danych EEG-fMRI.

Najlepsza aktualna praktyka uzyskiwania wysokiej jakości danych EEG podczas jednoczesnego fMRI

Ten artykuł opisuje metodę zbierania i analizowania danych elektroencefalografii (EEG) podczas jednoczesnej przezczaszkowej stymulacji magnetycznej (TMS) sterowanej aktywacjami ujawnionymi za pomocą funkcjonalnego rezonansu magnetycznego (fMRI). Opisano metodę usuwania artefaktów TMS i ekstrakcji potencjałów związanych ze zdarzeniami, a także rozważania dotyczące projektowania paradygmatu i konfiguracji eksperymentalnej.

Ekstrakcja wizualnych potencjałów wywołanych z danych EEG zarejestrowanych podczas przezczaszkowej stymulacji magnetycznej pod kontrolą fMRI

Rezonans magnetyczny funkcjonalnej łączności w stanie spoczynku zidentyfikował nieprawidłowości u pacjentów z szerokim zakresem zaburzeń neuropsychiatrycznych, w tym padaczką spowodowaną wadami rozwojowymi kory mózgowej. Przezczaszkowa stymulacja magnetyczna w połączeniu z EEG może wykazać, że pacjenci z padaczką mają nadpobudliwość kory mózgowej w regionach o nieprawidłowej łączności.

Multimodalna metoda obrazowania i stymulacji oceny pobudliwości mózgu związanej z łącznością u pacjentów z padaczką

Prezentujemy dwa protokoły analityczne, które mogą być użyte do analizy danych elektroencefalografii wewnątrzczaszkowej za pomocą oprogramowania do statystycznego mapowania parametrycznego (SPM): analiza statystycznego mapowania parametrycznego dla aktywności neuronalnej w czasie i częstotliwości: dynamiczne modelowanie przyczynowe odpowiedzi indukowanych dla połączeń wewnątrz- i międzyregionalnych.

Analiza aktywności neuronalnej i łączności przy użyciu wewnątrzczaszkowych danych EEG z oprogramowaniem SPM

Ten artykuł przedstawia prosty protokół pozyskiwania dobrej jakości danych elektroencefalograficznych (EEG) podczas jednoczesnego obrazowania EEG i funkcjonalnego rezonansu magnetycznego za pomocą łatwo dostępnych produktów medycznych.

Niezawodna akwizycja danych elektroencefalograficznych podczas jednoczesnej elektroencefalografii i funkcjonalnego rezonansu magnetycznego

Ten artykuł szczegółowo opisuje procedury rejestracji jednoczesnego elektroencefalogramu i funkcjonalnego rezonansu magnetycznego (EEG-fMRI), które mogą być stosowane zarówno w warunkach klinicznych, jak i badawczych. Uwzględniono również procedury przetwarzania EEG w celu usunięcia artefaktów obrazowania do oceny klinicznej. Niniejsze badanie koncentruje się na przykładzie padaczki w okresie międzynapadowym.

Konfiguracja sprzętu i usuwanie artefaktów do jednoczesnego elektroencefalogramu i funkcjonalnego rezonansu magnetycznego do oceny klinicznej w padaczce

Nowatorski protokół spersonalizowanej przezczaszkowej stymulacji magnetycznej w połączeniu z mapowaniem sieci korowych za pomocą elektroencefalografii (TMS–EEG), oparty na wielu modalnościach obrazowania metodą rezonansu magnetycznego (MRI).

Neuroobrazowanie TMS-EEG do mapowania sieci korowej w czasie rzeczywistym

Poznaj metodę jednoczesnego zapisu EEG i fMRI w celu dynamicznego obrazowania aktywności kory mózgowej. Technika ta poprawia przestrzenną i czasową dokładność nieinwazyjnego neuroobrazowania w badaniach poznawczych.

Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej (Wideo) | JoVE Journal

Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej

Przeglądaj więcej filmów