Method Article

Одновременных ЭЭГ и функциональной МРТ запись и анализ интеграции для визуализации динамических корковой активности

DOI:

10.3791/56417

⸱

June 30th, 2018

 ,  ,  ,  , 
1Department of Biomedical Engineering, Cullen College of Engineering, University of Houston, 2Department of Neurosurgery, Houston Methodist Hospital and Research Institute, 3Guangdong Provincial Work Injury Rehabilitation Center

* These authors contributed equally

In This Article

Summary

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

ЭЭГ МРТ смешанных изображений метод, известный как пространственно-временных МР-томографию ограничены ЭЭГ источник изображения метод, описанный здесь. Представленный метод использует МР-томографию условно активные вложенные карты, или априорных вероятностей, направлять ЭЭГ источник локализации в манере, которая улучшает пространственной специфики и ограничивает ошибочных результатов.

Abstract

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

Электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография (МРТ) являются двумя из основных неинвазивные методы для выявления активности мозга. Смешанные методы стремились объединить высокого временного разрешения ЭЭГ с пространственной точностью МР-томографию, но сложность этого подхода в настоящее время нуждаются в улучшении. Протокол, представленные здесь описывает недавно разработанных пространственно-временных МР-томографию ограничены ЭЭГ источник изображения метод, который стремится устранить источник предубеждения и улучшения локализации источника ЭЭГ МРТ путем динамического набора суб-регионов МР-томографию. Этот процесс начинается с коллекции смешанных данных из параллельных ЭЭГ и МР-томографию сканов, поколение 3D моделей коры головного мозга и независимых ЭЭГ и МР-томографию обработки. Затем обработанные МР-томографию активации карты разделены на несколько настоятелей, согласно их местонахождения и окрестностях. Они взяты как настоятели в два уровня иерархической алгоритм Байеса для локализации источника ЭЭГ. Для каждого окна интерес (определяется оператор) конкретных сегментов МР-томографию активации карты будут определяться как активные для оптимизации параметра, известного как модель доказательств. Они будут использоваться как мягкие ограничения на выявленных корковой активности, увеличения специфичности мультимодального imaging метод путем сокращения кросс talk и избежать ошибочной деятельность в других регионах условно активные МР-томографию. Метод создает кортикального слоя карты активности и время курсы, которые могут быть приняты как окончательные результаты, или используется в качестве основы для дальнейшего анализа (анализ корреляции, причинно-следственной связи, и т.д.), а метод несколько ограничивается его условия (он не найдет EEG-invisible источники), он широко совместим с большинством крупных обработки программного обеспечения и подходит для большинства нейровизуализационных исследований.

Introduction

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

Электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография (МРТ) можно рассматривать как нейровизуализационных методов с взаимодополняющими функциями. МР-Томографию захватывает активности мозга с большой временной шкалой, как гемодинамики сигналы косвенно измерить основной активности нейронов с плохой временное разрешение (порядка секунды)1,2. В отличие от этого ЭЭГ непосредственно измеряет динамических электрофизиологических активности головного мозга с очень высоким временным разрешением (уровень миллисекунды), но бедных пространственным разрешением3,4. Эти свойства привели к смешанных подходов, предназначенных для оптимизации благоприятные аспекты каждого индивидуального метода5. Одновременное использование ЭЭГ и МР-томографию и отличные временное разрешение ЭЭГ в сочетании с высокой пространственной точностью МР-томографию позволяет преодолеть ограничения, связанные с регулирующих МР-томографию или ЭЭГ.

Методы для ЭЭГ и МР-томографию интеграции начинаются с МР-томографию сообщил ЭЭГ источник локализации6,7. Этот метод использует МР-томографию производные пространственной информации для улучшения локализации источника ЭЭГ, однако, один недостаток является потенциальным пространственных предвзятости, вызванных применением МР-томографию как «жесткие ограничения» — МР-томографию производные пространственной информации считается абсолютная истина. Это создает две большие проблемы, которые должны быть согласованы6–8. Во-первых она должна рассматриваться, что использование статической карте зависит от уровня крови кислорода (BOLD) контрастов может непреднамеренно укреплять любые ошибочные деятельность, которая подпадает, хотя демпфирования истинный деятельность за его пределами. Во-вторых уровень помех от источников, происходящих за пределами смелые активации карты могут влиять на представление истинной деятельности в рамках результаты или вызвать ошибочные действия. Несмотря на это использование высокого пространственного разрешения МР-томографию предоставлять знания пространственной остается благоприятного решения5, как моделирование ЭЭГ обратная задача может быть ограничен как в анатомической и функциональной чувств.

В этой статье мы демонстрируем пространственно-временных МР-томографию ограничены ЭЭГ источник изображений подход, который рассматривается вопрос о временной разрыв между ЭЭГ и МР-томографию путем расчета оптимального подмножество МР-томографию настоятелей на основе иерархической модели Байеса9. МР-Томографию настоятелей вычисляются образом данными из конкретного окна интерес в данных ЭЭГ, ведущих к МР-томографию-вариант ограничения. Предлагаемый подход использует высокие временное разрешение ЭЭГ для вычисления плотности тока сопоставление деятельности коры головного мозга, сообщил высокое пространственное разрешение МР-томографию время вариант, пространственно избирательным образом точно фото динамических нейронных деятельности.

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

Protocol

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

Представленные здесь протокол был разработан и выполняется всех руководящих принципов для этических исследований человеческого, изложенные соответствующими советами институционального обзора в Университете Хьюстона и Хьюстон методист научно-исследовательский институт.

1. Одновременная запись ЭЭГ/МРТ

  1. Получения информированного согласия от участника. Объясните участник цель и процедуры исследования, а также меры безопасности для одновременной записи процесса данных ЭЭГ/МРТ.
  2. Подготовьте Шэу и проверьте сопротивление в коридоре томограф.
    1. Место соответствующего размера, пассивный, МРТ совместимых Шэу на его голову. Положение электродов по 10 – 20 международных этикетировочные системы10.
    2. На ЭЭГ записи программного обеспечения Проверьте сопротивление земли и справочник электродов. Чтобы сделать это, нажмите на вкладку «импеданс» и выберите тип электрода на интерфейсе пользователя программного обеспечения (см. Рисунок 1).
      Примечание: Точные инструкции здесь являются специфическими для программного обеспечения, используемого в настоящем документе (см. Таблицу материалы) и может потребоваться быть адаптированы к другим системам.
    3. Для каждого электрода использовать шприц для вставки электролитного геля на электроде, а затем использовать ватный тампон для распространения гель для обеспечения контакта кожи электрода.
      1. Как сопротивление уменьшается, по-прежнему контролировать значения, с помощью соответствующего программного обеспечения (скорректировать шкалу сопротивление в случае необходимости, в зависимости от установки) для надлежащим образом контролировать уровень сопротивления (см. Рисунок 1). Продолжайте, пока все электроды достигают уровней импеданса ниже 10 kΩ для обеспечения высокого качества сигнала.
        Примечание: За материалы, перечисленные и использованы здесь, считается небезопасным иметь любой электрод с уровнем сопротивления выше 50 kΩ в MR-окружающей среды11. Это может измениться в зависимости от конструкции выбранной шапку и МРТ параметров, поэтому проконсультируйтесь с производителем оборудования и МРТ технологов для обеспечения безопасности экспериментальной установки.
  3. Одновременная установка оборудования ЭЭГ/МРТ.
    1. По завершении подготовки крышки ЭЭГ предметом переехали MR-сканер с Установка оборудования, описанные на рис.
      Примечание: Некоторые детали рисунка могут изменяться, в зависимости от системы в использовании.
    2. Настройка отображения экспериментальная парадигма. Использовать монитор, расположенный в комнате наблюдения, за стеклом, с видом на передней части MR-сканера (см. Рисунок 2). Используйте зеркало просмотра головы катушки, чтобы позволить субъектам для просмотра на экране монитора без перемещения их головы или глаза лежа.
    3. Отображение образца изображения на экране компьютера для обеспечения что предметы можно спокойно смотреть на экран, и что парадигма будет отображаться правильно. Внесите необходимые изменения аппаратного или программного обеспечения.
  4. Экспериментальная парадигма (см. Рисунок 3).
    1. Поручить этому вопросу по-прежнему оставаться и выполнить первоначальные T1-взвешенный анатомические МРТ. Если возможно используйте поле зрения, которая простирается от нижней части мозжечка в верхней части головы, включая череп и кожу.
    2. Начните запись данных ЭЭГ (см. Рисунок 4).
    3. Одновременно нажмите соответствующие кнопки, чтобы начать запись МРТ и инициировать парадигмы интерес на презентации программного обеспечения. Проверьте запись данных ЭЭГ для обеспечения качества сигнала и, при необходимости, соответствующие маркеры записано.
      1. При использовании настройки описанных здесь, впервые в презентации программного обеспечения нажмите кнопку «Выполнить» и введите номер и пробный номер. После подтверждения этих параметров будет инициировать парадигмы.
        Примечание: Парадигмы, работающих здесь состояла из 10 судебных процессов, в которых эмоционально мотивированных мотор ответ вызвало посредством визуального стимула. Для каждого судебного разбирательства, испытуемых просили сначала отдых для 50 s смотреть зеленого экрана, после чего изображение неприятные (изображения соответствует удивление, гнев или отвращения) или не неприятные (изображения, соответствующий счастья или нейтралитета) сталкиваются12 был представлен 10 s. пять изображений из каждой категории были представлены в порядке, рандомизированное, и испытуемых просили Сожмите мяч после выявления лица как неприятно, и сжать до тех пор, пока он исчез.
      2. Используйте градиент напомнил эхо плоских изображений (GR-EPI) последовательность для МР-томографию записи (рекомендуется); Настройте с учетом оборудования и парадигмы.
        Примечание: Последовательность, используемая в настоящем документе включены: эхо время (TE) = 35 МС; Повторение время (TR) = 1500 мс; Нарежьте толщина = 5 мм; Флип угол = 90 °; Шаг пикселя: 2.75 x 2,75 мм. Это может быть необходимо использовать МРТ последовательность, которая длится чуть дольше, чем дисплей парадигмы, сам, чтобы обеспечить, что полные парадигмы записывается без усечения.

2. Структурная МРТ данных анализа и поколения вперед модели

  1. Примените полную сегментации и реконструкции различных поверхностей от субъекта T1-взвешенный анатомические МРТ тома с помощью13,люкс Freesurfer изображение анализа14.
    Примечание: Папка, содержащая все выходы сегментация будет создаваться по Freesurfer.
  2. Генерировать конкретным 3-слойный метод элемента границы (BEM) геометрическая модель следующие инструкции (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 использовать имеющиеся графический интерфейс пользователя (GUI) для Убедитесь, что нет никакого дублирования в слоях.
    1. Откройте приложение Freeview. Нажмите кнопку «Файл» >> «Загрузить поверхность». Перейдите в каталог предметов в папке Freesurfer. Откройте папку «БЭМ». Откройте папку «Водораздел». Загрузите здесь четыре файла («outer_skin_surface», «outer_skull_surface», «brain_surface» и «inner_skull_surface»).
    2. Переместите ползунки выбор фрагмента и искать совпадения в желтой поверхностных слоях. Если имеет место дублирование, перепроверить данные МРТ для анатомические дефекты или ошибки и использовать GUI инструменты рисования для уточнения слои.
      1. Загружать исходные данные МРТ в приложении Freeview, нажав кнопку «Файл» >> «Объем нагрузки». Перейдите к папке тему и откройте папку «МРТ». Затем нажать на папку «оригинальные» и откройте структурных данных МРТ, нашли там (должно быть in.mgz or.nii формат). Нажмите кнопку «ОК».
      2. Просмотр серого изображения головы. Посмотрите на различные слои серого и черного вокруг мозга. Убедитесь, что эти слои не имеют каких-либо недостатков или нарушений. Используйте инструмент «Палитра цветов» и выберите voxel из слоя необходимо исправить.
      3. Перейти к «Редактировать Freehand Voxel» и нажмите, чтобы рисовать на изображении. Используйте это для заполнения дефектов изображения МРТ. Коррекции для всех слоев и МРТ фрагменты, где возникают дефекты.
        Примечание: «Многопроволочных» и «Livewire» voxel, инструменты редактирования также может использоваться вместо «Freehand».
  3. Создание исходного пространства, на основе геометрии поверхности сетчаточных.
  4. Выполните выравнивание датчик ЭЭГ конкретным (например, перевод и вращение) в МРТ пространство с помощью наложения Freesurfer модель головы (рис. 5). Сохраните преобразование.
    1. Откройте приложение MNE_analyze. Нажмите на «Файл» >> «Load поверхности». Перейдите к папке, содержащей данные субъекта и загрузить сетчаточных поверхности.
    2. Нажмите кнопку «Файл» >> «Load дигитайзер данных и выберите файл ЭЭГ интерес (должен содержать данные дигитайзер). Нажмите кнопку «Вид» >> «Показать Просмотр». После просмотра графического появится, нажмите кнопку «Параметры» и убедитесь, что «Головы» и «Дигитайзер данные» параметры выбраны. Электроды здесь показаны красным цветом, с координатных точек в желтом.
    3. На главном окне (не просмотра), выберите «Настроить» >> «Координировать выравнивание». С помощью «Координат выравнивания GUI», используйте стрелки и коммутация кнопки сдвиг и поворот электродов ЭЭГ в средстве просмотра. Корректировать по мере необходимости. После этого выравнивание, нажмите кнопку «Сохранить...», в нижней части «Координировать выравнивания GUI» чтобы сохранить выравнивание.
      Примечание: Как правило, требуется равномерное распределение электродов всей волосистой части головы с хорошим фидуциальный выравнивание.
  5. Создание модели прямой, предоставляя модель БЭМ предметные, исходного пространства и преобразование датчик ЭЭГ, используя программное обеспечение мне15.

3. Функциональная МРТ данных анализа

  1. Выполнение первого уровня (индивидуальный субъект) МР-томографию статистический анализ с использованием метода общие линейные модели (GLM) приобрести смелые активации карты для выполнения задач, представляющих интерес. Исправление для нескольких сравнений как необходимые16, используя подход на основе кластера, который встроен в конвейер Freesurfer группы анализ.
  2. Анализ уровня группы по всем темам, при желании, чтобы приобрести карту смелые активации для всех субъектов в стандартных пространстве (MNI или Talairach).
    Примечание: Оксфордский университет центр по функциональной МРТ головного мозга (FMRIB) библиотека программного обеспечения (ПСМ)17 и анализ функциональных Neuroimages (AFNI)18 пакетов, которые позволяют для анализа данных МРТ на поверхности же, порожденных Freesurfer, что делает их удобным для последующего анализа.
  3. Используйте инструмент визуализации tksurfer для выполнения область интересов (ROI) идентификации, загрузка карты активации МР-томографию (индивидуальном уровне и уровне группы) и установив желаемый порог ФДР исправлены19 (p < 0,05 используется здесь ).
    Примечание: ROI от карты на индивидуальном уровне активации будет служить конкретным МР-томографию производные пространственных априорных вероятностей для последующих источник локализации.
    1. С помощью МР-томографию активации карты на слое серого вещества, экстракт поверхности патчи, используя алгоритм подключения маркировки.
      Примечание: В этом примере используется Dulmage-Мендельсон разложения.
    2. Разделите югу патчи на основе маркировки Атлас предопределенные мозга, таким образом, чтобы разделить любой патч деятельности, охватывающих более одного региона.
      Примечание: Атлас, используемый здесь был DKT40 Атлас20 (доступно из Freesurfer)21. Атласы может быть специализированной или выбран, на основе экспериментальных предпочтений.
  4. Проект приобретенного уровня группы трансформирования (которые в настоящее время в стандартных пространстве) вернуться к отдельному источнику пространства каждого предмета. После выполнения отдельного субъекта, структурные МРТ сегментации (шаг 2.1), преобразование координат между субъектом и стандартные пространства представлены в файлах lh.sphere.reg и rh.sphere.reg, найден в папке «прибой» субъекта Freesurfer выходную папку.
    Примечание: Все темы таким образом одни и те же трансформирования, но в их собственной конкретной модели. Смотрите Рисунок 6 примеры результатов МР-томографию и результирующая ROIs.

4. ЭЭГ данных анализа

Примечание: Подробная информация в этом разделе могут быть специфическими для используемого программного обеспечения (см. Таблицу материалов для получения более подробной информации). Если с помощью различных пакетов программного обеспечения, обратитесь к соответствующей документации.

  1. Коррекции сканера градиента артефакты через шаблон вычитание. Для этого нажмите на кнопку «Мистер коррекция» в меню «Специальные обработки сигналов» и выберите соответствующие параметры в программное обеспечение для анализа ЭЭГ GUI (см. Рисунок 7). Введите соответствующие параметры для выбранного сканера последовательности и экспериментальный дизайн.
    Примечание: Основная параметры включают: повторение время (TR) для МРТ сканирования, сканирования типа (с чередованием или непрерывных), МРТ объем маркеры (или метод градиентного обнаружения и градиента триггер), каналы для коррекции и артефакт шаблон.
  2. Удалите cardioballistic артефакты через шаблон вычитание. Для этого нажмите на кнопку «CB коррекция» в меню «Специальные обработки сигналов» и выберите соответствующие параметры в программное обеспечение для анализа GUI.
    Примечание: Здесь необходимые параметры включают минимальный и максимальный сердечный ритм, артефакт шаблон, канала ЭКГ, шаблон корреляции и каналы для коррекции.
  3. Применение фильтрации. Выберите кнопку для фильтрации МИХ в верхней части анализа GUI, под «Фильтрация данных». Например, применение ВЧ-0,05 Гц, НЧ-40 Гц, и узкополосный режекторный фильтр с частотой электросети (60 Гц), с ролл офф 48 дБ/Гц.
    Примечание: После применения ФНЧ с частотой среза 40 Гц, 60 Гц паз фильтр не является строго обязательным, но используется в качестве гарантии против любого остаточного ЛЭП частот, которые могут выжить за счет сглаживания краев фильтра.
  4. Коррекции глазной артефакт, на вершине анализа GUI: выберите «Трансформация» >> «артефакт отказ/сокращение» >> «Глазные коррекции ICA».
  5. Сегмент данных ЭЭГ в эпохы, на основе указанного времени до и после стимул, в отношении маркеры времени события. Для этого выберите «Трансформация» >> «Сегмента анализа функции» >> «Сегментация», затем выберите маркер интерес и время сегмент интереса.
    Примечание: Сегментация длины должен быть выбран с учетом парадигмы и ожидаемых мозговой деятельности, представляющих интерес.
  6. Выполнение ручного или полуавтоматического артефакт отказ: выберите «Преобразование» >> «артефакт отказ/сокращение» >> «Артефакт отказ». При появлении запроса, определить критерии для артефактов в рамках трех вкладок GUI и продолжайте как указание на GUI.
    1. На вкладке «Инспекции метод», выберите и выберите «автоматически», «полу автоматически» или «вручную выбрать артефакты» (полуавтоматический режим рекомендуется). Затем выберите «Марк» или «удалить артефакты» и указать, если исправления для одного канала.
    2. В закладке «Выбор канала» выберите каналы, которые будут исправлены для артефактов.
    3. В закладке «Критерии» выберите основу, по которому будет определяться артефакты. Сделать выбор здесь экспериментальной потребностям. Нажмите кнопку «ОК» после выбора критериев, и артефакты будут определены и/или отклонены в соответствии с выбор.
  7. Выполняйте коррекция базовой линии и суда, в среднем (если применимо).
    1. Для выполнения базовой коррекции: выберите «Преобразование» >> «Сегмента анализа функции» >> «Коррекция базовой линии». В среднем сегментов данных: выберите «Трансформация» >> «Сегмента анализа функции» >> «Средний».

5. пространственно-временных МР-томографию ограничения — EG источник изображений

  1. Определите размер окна и окна, перекрывающиеся размер (по умолчанию звонков для размера окна 40 мс с 50% (20 мс) перекрываются).
  2. Установите предметно специфические ROIs (полученное на шаге 3) как пространственные предварительного набора. Для каждого сегмента ЭЭГ алгоритм будет затем оценить набор весов для подмножества пространственных априорных вероятностей, максимизирует модель доказательств и вычисляет источник ковариационной матрицы соответственно.
  3. Используя полученный источник ковариационной матрицы, выполняют источник локализации для ЭЭГ сегмент, проанализированы, уступая источник плотности тока результаты.
  4. Выполните шаги 5.2 и 5.3 для всех сегментов ЭЭГ и, при необходимости, обобщить результаты плотность тока для всех сегментов времени в одну полную плотность тока время курс путем усреднения перекрывающиеся части.
    Примечание: Этот шаг приведет к плотности тока время курс корковой активности в каждой точке источника, определенный на шаге 2.3 (это число составляет обычно порядка нескольких тысяч) (рис. 8).
  5. Экстракт представитель плотность тока время курс на каждом из ROIs.
    1. Выберите предпочтительный метод для суммирования времени курсы от несколько исходных точек в пределах ROI в один сигнал времени курс: среднее, первый eigenvariate и т.д.
  6. Повторите шаги с 5,1 до 5,5 для всех субъектов.

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

Results

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

ЭЭГ источник локализации на базовом уровне включает в себя решения прямых и обратных проблемы. Компоненты, необходимые для построения и решить проблему вперед показаны на рис. 5C. С помощью тематических T1 изображения, три слоя — мозга, череп и кожи — были дробиться и отверстиями. Эти слои служил в качестве входных данных для создания модели БЭМ. Аналогичным образом сегментированные от структурных МРТ и используется для создания исходного про...

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

Discussion

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

Мы показали здесь необходимые шаги для использования метода анализа исходного пространственно-временных МР-томографию ограничены для интеграции анализа ЭЭГ/МРТ. ЭЭГ и МР-томографию стали хорошо зарекомендовали как основные методы для неинвазивно визуализации активности мозга, хотя они сталкиваются с трудностями в их соответствующих пространственных и временных резолюций. В то время как написать прописными буквами на благоприятные свойства каждого из них были разработаны методы, текущие МР-томографию ограничены методы лок...

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

Disclosures

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

Авторы не имеют ничего сообщать.

Acknowledgements

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

Эта работа частично поддержали низ DK082644 и Университета Хьюстона.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
BrainAmp MR PlusBrain ProductsУсилители для записи ЭЭГ, МР-совместимые
BrainAmp ExG MR Brain ProductsУсилитель для вспомогательного датчика (ЭМГ), совместимый с МРТ
BrainAmp Power PackПродуктыдля мозга Обеспечивают питание усилителей в среде МРТ
Ленточные кабелиBrain ProductsПодключает блок питания к усилителям
SyncBoxПродуктыдля мозга Синхронизация часов МР-сканера с часами усилителя ЭЭГ
BrainCap MRBrain ProductsПассивный электрод 64-канальный ЭЭГ-колпачок, МР-совместимый
регистратор BrainVisionПрограммное обеспечение для записи данных ЭЭГ Brain Products (шаги 1.2-1.4.2)
Оптоволоконные кабелиBrain ProductsПодключает ЭЭГ-колпачок в МР-сканере к записывающему компьютеру
SyncBox Интерфейс сканераBrain ProductsСинхронизация часов МР-сканера с часами усилителя ЭЭГ
Триггерный кабельBrain ProductsИспользуется для отправки триггеров сканера/парадигмы на записывающий компьютер
ABRALYT HiCl EEG Electrode GelEasyCapАбразивный ЭЭГ гель для пассивного электрода в условиях МРТ
Ingenia 3.0T MRI системаPhilips3.0 T
ДигитайзерPatriot PolhemusЭЭГ канал оцифровка 
MATLAB r2014aMathWorksБаза программирования для алгоритма DBTN (шаги 3.3-3.4 и 5.1-5.7)
Изображения лицевого аффекта ПолЭкман ГруппаСерия эмоционально валентных лиц, используемых в качестве стимулов
E-Prime 2.0Psychology Software Tools, IncPresentation Software (шаг 1.4.3)
Биполярный электрод ЭМГ кожиПродуктыиспользуемые для обнаружения мышечная активность.
Программное обеспечение POLGUIMATLAB для оцифровки
Программное обеспечение Freesurfer, используемое на шагах 2.1-2.4, и шаги 3.1-3.2
Программное обеспечение MNEиспользуемое на шаге 2.5
BrainVision Analyzer 2.0 Программное обеспечение для анализа ЭЭГ Brain Products (шаги 4.1-4.6)Адаптер USB 2 (также известный как BUA)Brain Products Интерфейс между усилителями и компьютером сбора данных мозга, ,

References

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

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

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EEG fMRI IntegrationCortical Activity ImagingfMRI Constrained EEGConcurrent EEG fMRIEEG Source LocalizationMultimodal NeuroimagingSpatial Temporal AnalysisFunctional MRI ProcessingEEG Data AnalysisBrain Activity Mapping

Related Articles