Eletroencefalografia e magnetoencefalografia simultâneas para identificar regiões cerebrais propensas a convulsões

Resumo

Fonte: Papadelis, C., , et al., Oscilações Interictais de Alta Frequência Detectadas com Magnetoencefalografia e Eletroencefalografia Simultâneas como Biomarcador de Epilepsia Pediátrica. J. Vis. Exp.{TAG_ 27}} (2016).

Este vídeo demonstra o método de uso de registros de eletroencefalografia (EEG) e magnetoencefalografia (MEG) para identificar descargas epileptiformes interictais (IEDs) e oscilações de alta frequência (HFOs) para localizar regiões propensas a convulsões no cérebro.

Protocolo

Todos os procedimentos envolvendo participantes humanos foram realizados em conformidade com as normas institucionais, nacionais e diretrizes internacionais para o bem-estar humano e foram revisadas pelo Conselho de Revisão Institucional local.

1. Aquisição de dados

1. Magnetoencefalografia (MEG) e eletroencefalografia (EEG)
   NOTA: aquisição de dados MEG/EEG é realizada com base no método. Mais detalhes sobre o uso clínico do MEG na epilepsia pediátrica podem ser encontrados em outro lugar.
   1. Grave sinais MEG com um sistema MEG de cabeça inteira.
      NOTA: O sistema MEG emprega sensores de filme fino de dois tipos (gradiômetros planares e magnetômetros) integrados em 102 elementos sensores. Cada elemento contém um magnetômetro que consiste em uma única bobina e dois gradiômetros planares ortogonais que consistem em uma configuração de bobina do tipo "figura de oito". O magnetômetro mede o fluxo magnético perpendicular à sua superfície, e os gradiômetros medem a diferença entre os dois loops do "oito", ou o gradiente espacial. O sistema MEG possui 204 gradiômetros planares e 102 magnetômetros (306 sensores no total). Os sistemas MEG de diferentes fornecedores têm diferentes números e tipos de bobinas (i.e., gradiômetros axiais).
   2. Grave simultaneamente sinais de EEG usando uma tampa de eletrodo não magnética de 70 canais com eletrodos de anel sinterizado Ag / AgCl e eletrodos adicionais em T1 / T2. Use uma montagem de referência comum.
   3. Feche a porta da sala com blindagem magnética (MSR). Comunique-se com o paciente por meio de um sistema de intercomunicação para verificar se ele se sente confortável. Peça aos pais para ficarem dentro do MSR durante a gravação se a criança se sentir desconfortável em ficar sozinha.
   4. Inicie as gravações clicando no botão 'Ir' no software de aquisição MEG. Use uma alta taxa de amostragem de 1 KHz (ou mais). Use um filtro de Resposta de Impulso Infinito (IIR) passa-baixa de 6ª ordem a 400 Hz. Verifique todos os sinais gravados online. Corrija canais MEG ruins usando um sintonizador de sensor.
      NOTA: Canais MEG ruins são definidos como sensores (gradiômetros ou magnetômetros) que têm um nível relativamente alto de ruído branco (acima de 2 a 5 fT/√Hz para magnetômetros) ou sensores que registram ruído eletromagnético ambiental espúrio. Isso geralmente acontece quando os sensores são expostos a campos magnéticos fortes (em relação aos sinais medidos), e partes específicas das bobinas "prendem" o fluxo magnético, destruindo a supercondutividade. Um sintonizador de sensor é então usado para aquecer a bobina aplicando uma corrente elétrica através dela. Este procedimento é chamado de ajuste e é usado quando o nível de ruído branco do sensor está acima de um limite específico (ou seja, 2 - 5 fT/√Hz). Alguns sistemas MEG não possuem sintonizadores de sensores.
   5. Meça a posição da cabeça do paciente clicando no botão 'Medir' no software de aquisição MEG. Se a matriz sensorial não cobrir bem a cabeça do paciente, peça ao paciente para mover a cabeça mais profundamente no capacete.
      NOTE: Esta manobra ativa as 4 bobinas do Indicador de Posição da Cabeça (HPI) aplicando sinais elétricos oscilatórios transitórios através delas, que geram campos magnéticos artificiais. Os sensores MEG detectam esses campos e determinam a posição da cabeça. O procedimento pode diferir entre diferentes fornecedores de MEG.
   6. Grave gravações MEG, EEG e periféricas clicando no botão 'Gravar' no software de aquisição MEG (ou seja, eletrocardiograma ou ECG, eletrooculograma ou EOG e eletromiograma ou EMG) por ~60 min.
      NOTE: Os dados são armazenados como um arquivo .fif no RAID (Redundant Arrays of Independent Disks). O tipo de arquivo é diferente para outros fornecedores de MEG.
   7. Quando a gravação terminar, abra o MSR, desconecte os cabos e remova o paciente da sala MSR. Remova cuidadosamente todas as fitas, eletrodos, bobinas HPI e tampa de EEG. Lave a cabeça do paciente.
   8. Após a conclusão da aquisição, registre os sinais magnéticos do MSR vazio sem o paciente. Inicie as gravações clicando no botão 'Ir' no software de aquisição MEG. Registre os dados de MEG por 2 min.
      NOTE: Esses dados são usados para estimar o ruído eletromagnético ambiental.

2. Identificação da atividade interictal

1. Abra os dados usando o Brainstorm, que está documentado e disponível gratuitamente para download online sob a GNU General Public License.
2. Selecione partes visuais dos dados de EEG com atividade interictal ocorrendo pelo menos 2 h de intervalo de convulsões clínicas.
   NOTA: Figura 1 apresenta uma parte dos dados de EEG e MEG com IEDs frequentes.
   1. Identifique descargas epileptiformes interictais (IEDs) empiricamente bem definidas nos sinais de EEG: isso inclui picos (20 - 70 ms) e ondas agudas (70 - 200 ms).
      NOTA: O significado clínico de ambos os tipos de IEDs na localização do foco epiléptico é equivalente.
   2. Tente identificar (se possível) partes das gravações com: (i) artefatos de movimento mínimos, (ii) mais de 3 a 4 IEDs por exibição de 10 s e (iii) sono não REM de ondas lentas que geralmente apresenta um alto número de oscilações de alta frequência (HFOs).
3. Usando o Brainstorm, exiba os dados com configurações de exibição padrão (10 s/página). Vá para a guia Filtro e defina os seguintes parâmetros de exibição do filtro: filtro passa-altas: 1 Hz, filtro passa-baixas: 80 Hz e filtro entalhe: 50 ou 60 Hz (de acordo com a frequência da linha de energia). Inspecione os dados e identifique partes deles com IEDs.
   NOTE: Apenas partes do sinal com IEDs serão verificadas para procurar HFOs. Os filtros selecionados são apenas para visualização; eles não foram aplicados aos dados. Para aplicar permanentemente esses filtros aos dados, use um filtro Butterworth passa-banda (4ª ordem) seguindo as instruções no site do Brainstorm (http://neuroimage.usc.edu/brainstorm/).
4. Marque o pico de cada IED que ocorre nos dados de EEG e MEG (veja os pontos vermelhos em Figura 1).
   NOTA: Mais detalhes sobre a marcação de IEDs usando o Brainstorm podem ser encontrados em outro lugar (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. Detecção semiautomatizada de HFOs em dados simultâneos de EEG e MEG do couro cabeludo

NOTA: Aqui descrevemos um método semiautomatizado para detectar HFOs, que inclui uma detecção automatizada (Figura 2), seguido por uma revisão visual dos HFOs detectados automaticamente. A fim de evitar as oscilações espúrias de transientes agudos como ondulações verdadeiras e para garantir que os HFOs não sejam devidos a um fenômeno de filtragem, seguimos as últimas sugestões da literatura relevante: exigimos que os HFOs tivessem um número mínimo de 4 oscilações, pois foi observado que a resposta ao impulso do filtro tem menos oscilações do que o número de ciclos escolhido50, usamos o filtro Finite Impulse Response (FIR) para minimizar o efeito de toque e o fenômeno "Gibbs"50, exigimos que os eventos candidatos a HFO fossem inspecionados também visualmente por um especialista para verificar se os HFOs também eram visíveis sobrepostos nos IEDs, e exigimos que uma ilha isolada fosse observada na planície de tempo-frequência porque um evento agudo e uma oscilação têm assinaturas diferentes: um HFO real é representado por um pico isolado no gráfico de tempo-frequência (restrito em frequência, como "ilha") localizado na banda de 80 - 500 Hz, enquanto um evento transitório gera uma bolha alongada, estendida em frequência.

1. Automatic HFO detection<br />NOTA: A Figura 2<span style='font-family:Arial,sans-serif;font-size:12pt;font-style:normal;font-variant:normal;font-weight:400;text-decoration:none;vertical-align:baseline;white-space:pre-wrap;'> descreve o fluxograma da detecção automática de HFOs em cada sinal de EEG. O objetivo do método desenvolvido é reduzir a carga para o especialista em EEG de marcar eventos de HFO em cada canal de EEG usando uma exibição de 2 s/página que é recomendada para a inspeção visual de HFOs. Um HFO foi definido como um evento dentro da banda de frequência de ondulação (80 - 250 Hz), que tem pelo menos 4 oscilações de morfologia semelhante a sinusoidal destacando-se do fundo circundante e que aparece como um evento de curta duração com um pico espectral isolado em uma alta frequência distinta.
   1. Detecção de HFOs candidatos no domínio do tempo
      1. Band-pass (BP) filtra os sinais de EEG entre 80 e 250 Hz, restringindo seu conteúdo de frequência à banda de ondulação de interesse.
         NOTE: Recomenda-se o uso de um filtro FIR para minimizar o efeito de toque e o fenômeno "Gibbs" e filtragem digital de fase zero para evitar distorção de fase.
      2. Calcule o envelope do sinal BP usando a transformação de Hilbert. Calcule a média e o desvio padrão (DP) do envelope em janelas deslizantes de 10 s centradas em cada ponto da série temporal. Estime a média geral e o DP usando o valor mediano em todas as janelas (a fim de obter valores robustos à possível presença de partes do sinal com muitos HFOs e SD alto).
      3. Calcule a pontuação z do envelope e marque um HFO candidato sempre que ele for superior ao limite mínimo, que é definido como 3.
      4. Defina os pontos inicial e final do evento detectado como os cruzamentos para cima e para baixo de metade do limiar. Considere os HFOs com um intervalo entre eventos inferior a 30 ms como um único HFO. Calcule o número de picos no sinal BP entre os pontos inicial e final do HFO e descarte eventos com menos de 4 picos. Além disso, descarte eventos com um z-score superior a 12.
         NOTE: Modifique seu limite máximo de pontuação z de acordo com a amplitude dos artefatos que podem ocorrer em suas gravações. Eventos com baixo número de oscilações podem ser causados por efeitos de filtragem, enquanto eventos com amplitudes extremamente altas podem ser devidos a artefatos musculares ou eletrodos.
   2. Rejeite possíveis artefatos no domínio da frequência de tempo.
      NOTA: Esta etapa é necessária para distinguir HFOs reais de eventos que podem ser eliciados por outros artefatos de atividade e filtragem de EEG, cujo conteúdo de frequência não se restringe à faixa de frequência de interesse. Baseia-se na suposição de que um HFO real aparece como um evento de curta duração com um pico espectral isolado em uma frequência distinta acima de 80 Hz, em contraste com um evento transitório que gera uma bolha alongada estendida em frequência. Figura 3 ilustra um exemplo de um HFO detectado mostrando o sinal de EEG filtrado por BP (painel superior), seu envelope (painel do meio) e o plano de frequência de tempo correspondente (painel inferior), durante o período de [-0,5, +0,5] s em torno do pico de HFO. A exibição do plano de tempo-frequência é restrita de 80 a 150 Hz porque nenhuma atividade proeminente foi observada para frequências acima de 150 Hz.
      1. Transforme todos os eventos HFOs candidatos no espaço de tempo-frequência usando a transformação de Morlet na faixa de frequência de 1 Hz até a frequência mais alta de interesse, ou seja, 250 Hz (frequência central = 1 Hz, Full-Width-At-Half-Maximum = 3 s).
      2. Analise os espectros de potência instantâneos da representação tempo-frequência em cada ponto de tempo da duração do evento. Para cada espectro de potência, siga os critérios automáticos para detectar o pico na banda de alta frequência e verificar se ele é claramente distinto do pico mais próximo na faixa de frequência mais baixa. Descarte HFOs que não mostram um espectro de potência com um pico isolado de alta frequência em pelo menos 90% dos pontos de tempo.
2. Classifique todos os eventos de HFO detectados por sua ocorrência temporal em todos os canais. Agrupe todos os HFOs consecutivos cuja duração se sobrepõe. Mantenha apenas grupos de HFOs envolvendo pelo menos dois canais de EEG para análise posterior.
   NOTE: O algoritmo solicita que os HFOs ocorram em pelo menos 2 canais para evitar a captura de artefatos aleatórios espúrios, que podem se assemelhar a HFOs reais e ocorrer em derivações únicas de EEG. Considera-se que duas HFOs consecutivas se sobrepõem quando a hora de início da segunda HFO precede a hora de início da primeira.
3. Revisão visual de eventos HFO
   1. Alinhe verticalmente 2 telas de computador; uma para a inspeção de EEG e outra para a inspeção de sinais MEG. Exibe os eventos detectados na escala expandida (2 s/página) e típica (10 s/página), mostrando, respectivamente, os sinais filtrados de 80 - 250 Hz e 1 - 40 Hz BP.
   2. Ignore eventos que ocorrem concomitantemente com artefatos musculares ou eletrodos no EEG e MEG não filtrados, bem como eventos com grande variabilidade de frequência, morfologia irregular ou variações de grande amplitude.
   3. Observe os sinais EOG e EMG durante a detecção dos HFOs e descarte qualquer evento que se acredite corresponder ao EOG ou à atividade muscular. Considere apenas os HFOs que se sobrepõem aos IEDs EEG/MEG, pois são mais propensos a serem HFOs verdadeiros.
      NOTA: Essa abordagem oferece alta especificidade ao custo de baixa sensibilidade; assim, fornece confiança de que os HFOs identificados são de origem cortical.
   4. Mantenha apenas eventos HFO que ocorrem em sinais de EEG e MEG ao mesmo tempo.

4. Localização de origem de IEDs e HFOs

1. Localize os geradores no pico dos IEDs MEG, usando os Dipolos de Corrente Equivalente (ECD). Use o software de Estimativas de Normas Mínimas que está disponível gratuitamente (http://martinos.org/mne/stable/index.html). Considere apenas picos com qualidade de ajuste (GOF) > 80% e momento de dipolo Q<500 nA - m. Sobreponha a localização do ECD na ressonância magnética de cada paciente.
   NOTA: A Entropia Máxima na Média (MEM) é um método alternativo atraente que determina a localização e a extensão das fontes.
2. Localização da fonte HFO em EEG e MEG usando o método wavelet Maximum Entropy on the Mean (wMEM).
   NOTA: O MEM é uma técnica eficiente que tem sido usada com sucesso para determinar a localização e a extensão das fontes de atividade epiléptica. O wMEM é uma extensão do MEM que foi desenvolvida para localizar a atividade oscilatória avaliada com simulações realistas. Ele decompõe o sinal em uma base wavelet discreta antes de realizar a localização da fonte MEM em cada caixa de tempo-frequência. Assim, o wMEM é particularmente adequado para localizar HFOs.
   1. Segmente a ressonância magnética e obtenha a superfície cortical usando o Freesurfer.
   2. Resolva o problema de encaminhamento EEG / MEG com o método dos elementos de contorno (BEM) para um modelo de 3 camadas usando OpenMEEG.
   3. Reamostrar os sinais para 640 Hz para garantir que a segunda escala da transformada wavelet discreta corresponda à banda de frequência de interesse.
   4. Estime a matriz de covariância de ruído no espaço de dados de forma independente para cada HFO, com base no fundo da banda de ondulação em uma janela de 150 ms imediatamente antes de cada HFO. Execute a localização de origem para cada HFO na banda de ondulação e a média ao longo da duração do HFO. NOTE:<span style='font-family:Arial,sans-serif; tamanho da fonte:12pt; estilo da fonte:normal; variante de fonte: normal; peso da fonte: 400; decoração de texto:nenhuma; alinhamento vertical:linha de base; espaço em branco: pré-encapsulamento;' > O mapa resultante consiste em um valor de ativação cortical associado a cada vértice da tesselação cortical.
   5. Normalize cada mapa para ter um valor máximo de ativação igual a 1 para cada HFO.
   6. Calcule a média dos valores de ativação em todos os HFOs em cada vértice. Aplique um limite de 60% da ativação máxima para exibir os mapas finais sobre a superfície cortical.

Resultados

Materiais