Одновременная электроэнцефалография и магнитоэнцефалография для выявления участков мозга, склонных к судорогам

Аннотация

Источник: Пападелис, К. , et др., интериктальные высокочастотные колебания, обнаруженные с помощью одновременной магнитоэнцефалографии и электроэнцефалографии как биомаркер детской эпилепсии. {{}}J. Vis. exp.}{{TAG_ 27}} (2016).

Это видео демонстрирует метод использования записей электроэнцефалографии (ЭЭГ) и магнитоэнцефалографии (МЭГ) для идентификации межприступных эпилептиформных разрядов (СВУ) и высокочастотных колебаний (ГФО) для определения местоположения областей мозга, подверженных судорогам.

Протокол

Все процедуры с участием людей были выполнены в соответствии с институциональными, национальными и международными руководящими принципами по благополучию человека и были рассмотрены местным институциональным наблюдательным советом.

1. Сбор данных

1. }Магнитоэнцефалография (МЭГ) и электроэнцефалография (ЭЭГ)
   {{}}ПРИМЕЧАНИЕ: Сбор данных МЭГ/ЭЭГ осуществляется на основе метода. Более подробно о клиническом применении МЭГ при детской эпилепсии можно прочитать в другом месте.
   1. Запись сигналов MEG с помощью системы MEG со всей головкой.
      ПРИМЕЧАНИЕ: В системе MEG используются тонкопленочные датчики двух типов (планарные градиентометры и магнитометры), интегрированные на 102 сенсорных элементах. Каждый элемент содержит магнитометр, состоящий из одной катушки и двух ортогональных планарных градиентиометров, состоящих из конфигураций катушек типа «восьмерка». Магнитометр измеряет магнитный поток, перпендикулярный его поверхности, а градиентометры измеряют разницу между двумя петлями «восьмерки», или пространственным градиентом. Система MEG имеет 204 планарных градиентометра и 102 магнитометра (всего 306 датчиков). Системы MEG разных производителей имеют разное количество и типы катушек (т.е., аксиальные градиентометры).
   2. Одновременная запись сигналов ЭЭГ с помощью немагнитного 70-канального электродного колпачка со спеченными кольцевыми электродами Ag/AgCl и дополнительными электродами в T1/T2. Используйте общий эталонный монтаж.
   3. Закройте дверь комнаты с магнитным экранированием (MSR). Общайтесь с пациентом через систему внутренней связи, чтобы проверить, комфортно ли он себя чувствует. Попросите родителя оставаться в MSR во время записи, если ребенок чувствует себя некомфортно, оставаясь один.
   4. Начните запись, нажав кнопку «Перейти» в программном обеспечении для сбора данных MEG. Используйте высокую частоту дискретизации 1 кГц (или более). Используйте фильтр нижних частот Infinite Impulse Response (IIR) 6-го порядка на частоте 400 Гц. Проверьте все записанные сигналы в режиме онлайн. Исправьте неисправные каналы MEG с помощью сенсорного тюнера.
      ПРИМЕЧАНИЕ: Плохие каналы MEG определяются как датчики (градиентометры или магнитометры) с относительно высоким уровнем белого шума (от 2 до 5 fT/√Гц для магнитометров) или датчики, которые регистрируют паразитный электромагнитный шум окружающей среды. Обычно это происходит, когда датчики подвергаются воздействию сильных (относительно измеряемых сигналов) магнитных полей, и определенные участки катушек «улавливают» магнитный поток, разрушая сверхпроводимость. Затем сенсорный тюнер используется для нагрева катушки путем подачи через нее электрического тока. Эта процедура называется настройкой и используется, когда уровень белого шума датчика превышает определенный порог (т.е., 2 - 5 fT/√Гц). Некоторые системы MEG не имеют сенсорных тюнеров.
   5. Измерьте положение головы пациента, нажав кнопку «Измерить» в программном обеспечении для сбора данных MEG. Если сенсорный массив плохо покрывает голову пациента, попросите пациента переместить голову поглубже в шлем.
      ПРИМЕЧАНИЕ: Этот маневр активирует 4 катушки индикатора положения головы (HPI), подавая через них переходные колебательные электрические сигналы, которые генерируют искусственные магнитные поля. Датчики MEG обнаруживают эти поля и определяют положение головы.
   6. Записывайте записи МЭГ, ЭЭГ и периферии, нажав кнопку «Запись» в программном обеспечении для сбора данных МЭГ (т.е., электрокардиограмма или ЭКГ, электроокулограмма или ЭОГ, и электромиограмма или ЭМГ) в течение ~60 мин.
      ПРИМЕЧАНИЕ:} Данные хранятся в виде файла .fif в избыточных массивах независимых дисков (RAID). Тип файла отличается у других поставщиков MEG.
   7. Когда запись закончится, откройте MSR, отсоедините кабели и выведите пациента из комнаты MSR. Аккуратно снимите все ленты, электроды, катушки HPI и колпачок ЭЭГ. Вымойте голову пациента.
   8. После завершения сбора данных запишите магнитные сигналы пустого MSR без присутствия пациента. Начните запись, нажав кнопку «Перейти» в программном обеспечении для сбора данных MEG. Запишите данные МЭГ за 2 мин.
      ПРИМЕЧАНИЕ: Эти данные используются для оценки электромагнитного шума окружающей среды.

2. Идентификация межприступной активности

1. Откройте данные с помощью Brainstorm, который задокументирован и свободно доступен для скачивания в Интернете под лицензией GNU General Public License.
2. Выберите визуальные части данных ЭЭГ с интериктальной активностью, происходящей не менее чем через 2 ч с интервалом в клинические припадки.
   ПРИМЕЧАНИЕ: Рисунок 1 представляет часть данных ЭЭГ и МЭГ с частыми ИЭУ.
   1. Выявлять эмпирически хорошо определенные интериктальные эпилептиформные разряды (ИЭР) в сигналах ЭЭГ: сюда входят спайки (20 - 70 мс) и острые волны (70 - 200 мс).
      ПРИМЕЧАНИЕ: Клиническое значение обоих типов СВУ в локализации эпилептического очага эквивалентно.
   2. Попытайтесь идентифицировать (если это возможно) части записей с: (i) минимальными артефактами движения, (ii) более чем 3-4 IED за 10 секунд отображения и (iii) медленным безфазным сном, который обычно представляет собой большое количество высокочастотных колебаний (HFO).
3. С помощью Brainstorm отобразите данные со стандартными настройками отображения (10 с/страница). Перейдите на вкладку Фильтр и установите следующие параметры отображения фильтра: фильтр верхних частот: 1 Гц, фильтр низких частот: 80 Гц и фильтр режектора: 50 или 60 Гц (в зависимости от частоты линии питания). Изучите данные и определите их части с помощью СВУ.
   ПРИМЕЧАНИЕ: Только части сигнала с IED будут сканироваться для поиска HFO. Выбранные фильтры предназначены только для визуализации; Они не были применены к данным. Чтобы навсегда применить эти фильтры к данным, используйте полосовой фильтр Баттерворта (4-го порядка), следуя инструкциям на веб-сайте Brainstorm (http://neuroimage.usc.edu/brainstorm/).
4. Отметьте пик каждого ИЭУ, приходящийся на данные ЭЭГ и МЭГ (см. красные пятна в Рисунок 1).
   ПРИМЕЧАНИЕ: Более подробную информацию о маркировке СВУ с помощью Brainstorm можно найти в другом месте (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. Полуавтоматическое обнаружение HFO в одновременных данных ЭЭГ и МЭГ кожи головы

{{}}

ПРИМЕЧАНИЕ: Здесь мы описываем полуавтоматический метод обнаружения HFO, который включает в себя автоматическое обнаружение (Рисунок 2), с последующим визуальным обзором автоматически обнаруженных СОТ. Чтобы избежать ложных колебаний резких переходных процессов в виде истинной ряби и гарантировать, что СОТ не являются результатом явления фильтрации, мы следовали последним рекомендациям в соответствующей литературе: мы требовали, чтобы СОТ имели минимальное число 4 колебаний, поскольку было замечено, что импульсная характеристика фильтра имеет меньше колебаний, чем выбранное число циклов50. мы использовали фильтр конечной импульсной характеристики (КИХ) для минимизации эффекта звона и феномен «Гиббса»50, мы потребовали, чтобы потенциальные события СОТ также были проверены визуально экспертом, чтобы проверить, были ли СОТ также видимы, наложенные на ИЭУ, и мы потребовали, чтобы изолированный островок наблюдался на временной частотной плоскости, потому что резкое событие и колебание имеют разные сигнатуры: Реальный ГОТ представлен изолированным пиком на графике «время-частота» (ограниченным по частоте, как «остров»), расположенным в полосе частот 80 - 500 Гц, в то время как переходное событие генерирует удлиненный сгусток, расширенный по частоте.

1. Автоматическое обнаружение HFO
   ПРИМЕЧАНИЕ: Рисунок 2 описывает схему автоматического обнаружения HFO по каждому сигналу ЭЭГ. Целью разработанной методики является снижение нагрузки на ЭЭГ-специалиста по маркировке событий СОТ на каждом канале ЭЭГ с помощью дисплея размером 2 с/страница, который рекомендуется для визуального осмотра СЦ. HFO был определен как событие в полосе частот пульсаций (80 - 250 Гц), которое имеет по крайней мере 4 колебания синусоидальной морфологии, выделяющиеся на окружающем фоне, и которое выглядит как кратковременное событие с изолированным спектральным пиком на отчетливой высокой частоте.
   1. Обнаружение потенциальных HFO во временной области
      1. Полоса пропускания (АД) фильтрует сигналы ЭЭГ в диапазоне от 80 до 250 Гц, ограничивая их частотный состав интересующей полосой пульсаций.
         ПРИМЕЧАНИЕ: Рекомендуется использовать КИХ-фильтр для минимизации эффекта звона и явления "Гиббса", а также цифровую фильтрацию с нулевой фазой для предотвращения фазовых искажений.
      2. Вычислите огибающую сигнала БП с помощью преобразования Гильберта. Вычислите среднее значение и стандартное отклонение (SD) оболочки за 10-секундные скользящие окна с центром в каждой точке временного ряда. Оцените общее среднее значение и SD с использованием медианного значения по всем окнам (чтобы получить значения, устойчивые к возможному присутствию участков сигнала с большим количеством HFO и высоким SD).
      3. Рассчитайте z-оценку конверта и отмечайте кандидата HFO каждый раз, когда он превышает минимальный порог, установленный на 3.
      4. Определите начальную и конечную точки обнаруженного события как восходящее и нисходящее пересечения половины порога. Рассматривайте СОТы с интервалом между событиями менее 30 мс как один СОТ. Вычислите количество пиков сигнала BP между начальной и конечной точками HFO и отбросьте события с менее чем 4 пиками. Кроме того, отбрасывайте события с z-оценкой выше 12.
         ПРИМЕЧАНИЕ: Измените свой максимальный порог z-score в соответствии с амплитудой артефактов, которые могут встречаться в ваших записях. События с малым числом колебаний могут быть вызваны эффектами фильтрации, в то время как события с чрезвычайно высокой амплитудой могут быть вызваны мышечными или электродными артефактами.
   2. Отбраковка возможных артефактов во временно-частотной области.
      ПРИМЕЧАНИЕ: Этот шаг необходим для того, чтобы отличить реальные ГФО от событий, которые могут быть вызваны другими артефактами ЭЭГ и фильтрации, частотное содержание которых не ограничено интересующей частотной полосой. Он основан на предположении, что реальное HFO проявляется как кратковременное событие с изолированным спектральным пиком на отчетливой частоте выше 80 Гц, в отличие от переходного события, которое генерирует удлиненный сгусток, увеличенный по частоте. Рисунок 3 иллюстрирует пример обнаруженного HFO, показывающего сигнал ЭЭГ, отфильтрованный BP (верхняя панель), его огибающей (средняя панель) и соответствующей частотно-временной плоскости (нижняя панель) в период [-0,5, +0,5] с вокруг пика HFO. Отображение частотно-временной плоскости ограничено диапазоном от 80 до 150 Гц, так как на частотах выше 150 Гц не наблюдалось заметной активности.
      1. {{}}}Преобразуйте все события-кандидаты на СОТ в частотно-временное пространство с помощью преобразования Морле в диапазоне частот от 1 Гц до наибольшей интересующей частоты, т.е., 250 Гц (центральная частота = 1 Гц, полная ширина-на-половина-максимум = 3 с).
      2. Анализируйте мгновенные спектры мощности частотно-временного представления в каждой временной точке длительности события. Для каждого спектра мощности следуйте автоматическим критериям, чтобы определить пик в высокочастотном диапазоне и проверить, четко ли он отличается от ближайшего пика в нижнем частотном диапазоне. Откажитесь от СОТ, которые не показывают спектр мощности с изолированным высокочастотным пиком, по крайней мере, в 90% временных точек.
2. Отсортируйте все обнаруженные события HFO по их временному возникновению по каналам. Сгруппируйте вместе все последовательные МАЗ, продолжительность которых перекрывается. Для дальнейшего анализа сохраняйте только группы СЧ, включающие как минимум два канала ЭЭГ.
   ПРИМЕЧАНИЕ: Алгоритм требует, чтобы HFO встречались по крайней мере в 2 каналах, чтобы избежать захвата ложных случайных артефактов, которые могут напоминать настоящие HFO и встречаться в одиночных отведениях ЭЭГ. Считается, что два последовательных СОТ перекрываются, когда время начала второго СОТ предшествует времени начала первого.
3. Визуальный просмотр событий HFO
   1. Вертикальное выравнивание 2 экранов компьютеров; один для проверки ЭЭГ и один для проверки сигналов МЭГ. Отображайте обнаруженные события как в развернутом (2 с/страница), так и в типовом масштабе (10 с/страница), показывая соответственно отфильтрованные сигналы 80 - 250 Гц и 1 - 40 Гц БП.
   2. Игнорируйте события, происходящие одновременно с мышечными или электродными артефактами в нефильтрованных ЭЭГ и МЭГ, а также события с большой вариабельностью частоты, неправильной морфологией или большими вариациями амплитуды.
   3. Наблюдайте за сигналами ЭОГ и ЭМГ во время обнаружения ОГ и отбрасывайте любые события, которые считаются соответствующими ЭОГ или мышечной активности. Рассматривайте только те СОТ, которые пересекаются с ИЭГ/МЭГ ИЭГ, так как они, скорее всего, являются истинными СОТ.
      ПРИМЕЧАНИЕ: Этот подход обеспечивает высокую специфичность за счет низкой чувствительности; таким образом, это дает уверенность в том, что идентифицированные СОТ имеют корковое происхождение.
   4. Сохраняйте только HFO-события, которые происходят одновременно в сигналах ЭЭГ и МЭГ.

4. Локализация источника СВУ и ГФО

1. Локализовать генераторы на пике МЭГ ИЭУ с использованием диполей эквивалентного тока (ECD). Используйте программное обеспечение Minimum Norm Estimates, которое находится в свободном доступе (http://martinos.org/mne/stable/index.html). Рассмотрим только пики с хорошим прилеганием (GOF) > 80% и дипольным моментом Q<500 нА - м. Наложите местоположение ECD на МРТ каждого пациента.
   ПРИМЕЧАНИЕ: Максимальная энтропия по среднему значению (MEM) - это привлекательный альтернативный метод, который определяет местоположение и протяженность источников.
2. Локализация источника СОТ как на ЭЭГ, так и на МЭГ с использованием вейвлет-метода максимальной энтропии по среднему значению (wMEM).
   ПРИМЕЧАНИЕ: Мем является эффективным методом, который был успешно использован для определения местоположения и степени источников эпилептической активности. wMEM — это расширение MEM, которое было разработано для локализации колебательной активности, оцененной с помощью реалистичного моделирования. Он декомпозирует сигнал на дискретной вейвлет-основе перед выполнением локализации источника MEM на каждом частотно-временном блоке. Таким образом, wMEM особенно хорошо подходит для локализации HFO.
   1. Сегментируйте МРТ и получите поверхность коры головного мозга с помощью Freesurfer.
   2. Решение прямой задачи ЭЭГ/МЭГ с помощью метода граничных элементов (МГЭ) для 3-слойной модели с помощью OpenMEEG.
   3. Повторите дискретизацию сигналов до частоты 640 Гц, чтобы убедиться, что вторая шкала дискретного вейвлет-преобразования соответствует интересующей частотной полосе.
   4. Оценивайте матрицу ковариации шума в пространстве данных независимо для каждого мазута, основываясь на фоне в полосе пульсаций в окне 150 мс непосредственно перед каждым мазутом. Выполните локализацию источника для каждого HFO в полосе пульсаций и усредните по длительности HFO. ПРИМЕЧАНИЕ: Результирующее отображение состоит из значения активации коры, связанного с каждой вершиной корковой тесселяции.
   5. Нормализуйте каждую карту так, чтобы максимальное значение активации было равно 1 для каждого HFO.
   6. Вычислите среднее значение значений активации по всем HFO в каждой вершине. Примените пороговое значение в 60% от максимального значения активации, чтобы отобразить окончательные карты на поверхности коры головного мозга.

Результаты

Материалы