Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

القشرية تحليل مصدر عالي الكثافة EEG تسجيلات في الأطفال

doi: 10.3791/51705 Published: June 30, 2014

Summary

في السنوات الأخيرة، كان هناك اهتمام متزايد في تقدير مصادر القشرية من فروة الرأس قياس النشاط الكهربائي للتجارب علم الأعصاب الإدراكي. توضح هذه المقالة كيفية يكتسب عالية الكثافة EEG وكيف تتم معالجة التسجيلات لتقدير مصدر القشرية في الأطفال من سن 2 سنة في بيبي مختبر لندن.

Abstract

يوصف تقليديا EEG كأسلوب تصوير الأعصاب مع القرار المكانية الزمانية عالية ومنخفضة. التطورات الحديثة في مجال النمذجة الفيزيائية الحيوية ومعالجة الإشارات تجعل من الممكن لاستغلال المعلومات من طرائق التصوير الأخرى مثل التصوير بالرنين المغناطيسي الهيكلية التي توفر دقة مكانية عالية للتغلب على هذا العائق 1. هذا هو مفيدة بشكل خاص للتحقيقات التي تتطلب دقة عالية في الزمانية وكذلك المجال المكاني. بالإضافة إلى ذلك، نتيجة لتطبيق سهلة ومنخفضة التكلفة من تسجيلات EEG، EEG وغالبا ما يكون الأسلوب المفضل عند العمل مع السكان، مثل الأطفال الصغار، التي لا تتسامح مع التصوير بالرنين المغناطيسي الوظيفي يمسح جيدا. ومع ذلك، من أجل التحقيق التي تشارك ركائز العصبية، المعلومات التشريحية من التصوير بالرنين المغناطيسي الهيكلية لا تزال هناك حاجة. معظم حزم تحليل EEG العمل مع النماذج القياسية الرأس التي تستند إلى التشريح الكبار. دقة هذه النماذج عند استخدامها للأطفال يقتصر لأن المشتركmposition والتكوين المكاني للرئيس الأنسجة التغييرات بشكل كبير خلال التنمية 3.

في هذه الورقة، ونحن نقدم لمحة عامة عن عملنا الأخيرة في استخدام نماذج الرأس على أساس الفردية فحوصات الرنين المغناطيسي الهيكلية أو نماذج محددة الرأس سن لإعادة بناء مولدات القشرية عالية الكثافة EEG. توضح هذه المقالة كيفية يتم الحصول على تسجيلات EEG، ومعالجتها، وتحليلها مع السكان الأطفال في بيبي مختبر لندن، بما في ذلك إعداد المختبر والتصميم المهمة، EEG تجهيزها، وتجهيز التصوير بالرنين المغناطيسي، ومستوى القناة EEG والتحليل المصدر.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

ووصف الرئيس باراك أوباما الدماغ البشري باعتباره آفاق جديدة من الاكتشافات العلمية ذات أهمية عالية للصحة والاقتصاد 3 (http://www.whitehouse.gov/share/brain-initiative). ومع ذلك، مثل أي مجال آخر في مجال العلوم الطبيعية، والعلوم العصبية يعتمد على التقدم في منهجيات وتقنيات تحليل للتقدم. اثنين من الأدوات استخداما غير الغازية في الدراسات حول وظائف الدماغ في البشر هي التصوير بالرنين المغناطيسي (MRI) والمخ (EEG). هذه أداة استغلال الخصائص الفيزيائية المختلفة، وتقديم رؤى مختلفة في وظيفة الدماغ مع مزايا وعيوب فريدة من نوعها. يستخدم التصوير بالرنين المغناطيسي على الخواص المغناطيسية للجزيئات المياه داخل الحقول المغناطيسية للحصول على صور من الأنسجة الحية. يحتاج هذا الموضوع لتوضع في المغناطيس مع شدة المجال عالية. يقتصر الحركة المشارك خلال هذه الإجراءات والمشارك أن يتسامح مع الضوضاء الناجمة عن التغيرات السريعة في المغناطيسيةالمجال. بالإضافة إلى صور الهيكلية، كما يوفر إمكانية التصوير بالرنين المغناطيسي لقياس التغيرات في الأوكسجين في الدم للتحقيق في وظائف المخ (الرنين المغناطيسي الوظيفي). باختصار، التصوير بالرنين المغناطيسي يوفر القرار مكانية عالية نسبيا تصل إلى 0.5 ملم 3 مع حقول عالية الحديثة والماسحات الضوئية والمعلمات الأمثل 4. في المقابل، فإن القرار الزماني من الرنين المغناطيسي الوظيفي يقتصر على حركية بطيئة الاستجابة BOLD، والتي تعكس بشكل غير مباشر فقط ديناميات الزمانية عالية من النشاط العصبي 5،6.

من ناحية أخرى، EEG يقيس التغيرات في النشاط الكهربائي الناجم عن نشاط الخلايا العصبية عن طريق أقطاب توضع على فروة الرأس. التطورات الحديثة في التكنولوجيا EEG يسمح التطبيق السريع والسهل من أجهزة الاستشعار لفترة قصيرة الأجل أو طويلة الأجل وثابتة وكذلك تسجيلات الإسعافية. لأن EEG هو أقل تقييدا، بل هو أيضا طريقة اختيار المشاركين للسكان على يقين من أن لا تتسامح مع البيئة التصوير بالرنين المغناطيسي بشكل جيد مثل الأطفال وبعضالسكان المسنين والنفسية. خصائص EEG تظهر نمط عكسية لتلك التي MRI: القرار الزماني عالية جدا مع دقة ميلي ثانية واحدة، ولكن القرار المكانية محدودة. تيارات كهربائية تمر من خلال الأنسجة المختلفة بين مولد والأقطاب EEG على سطح فروة الرأس. وهذا يؤدي إلى خلط وتلطيخ المكاني للنشاط مصدر المعروفة باسم تأثير حجم التوصيل. لذلك، النشاط تقاس الأقطاب على سطح فروة الرأس يعكس النشاط من مصادر متعددة قد تكون بعيدة إلى منصب القطب على 1،7 الرأس.

فقد تم تخصيص الكثير من العمل في السنوات الأخيرة لدمج التصوير بالرنين المغناطيسي وEEG من أجل الاستفادة من نقاط القوة الخاصة بكل منها. وتكرس سطر واحد من العمل لاكتساب وقت واحد من EEG والتصوير بالرنين المغناطيسي في الدراسات الفنية. نهج آخر هو استخدام المعلومات المكانية التي تقدمها التصوير بالرنين المغناطيسي الهيكلي لتأخذ في الاعتبار حجم جonduction تأثير من خلال النمذجة الفيزيائية الحيوية. استخدام المعلومات الهيكلية لإعادة الإعمار مصدر تسجيلات EEG هو مفيدة بشكل خاص للدراسات التي تنطوي على عدد من الأطفال. التحقيق في تطوير وظائف المخ أمر أساسي لفهم كيف يتم بناء المهارات المعرفية المعقدة على رأس السلائف بسيطة 8.

هذه التحقيقات تساعد على تسليط الضوء على التغيرات في ركائز العصبية وخصائص الاستجابة التي ترتبط مع التغيرات في الأداء السلوكي. ومع ذلك، والتحقيق في وظيفة الدماغ والإدراك أثناء التطور يطرح أيضا تحديات محددة. بشكل خاص، الفرصة للدراسات التصوير بالرنين المغناطيسي الوظيفي محدودة حيث الأطفال الصغار والرضع إما أن يكون نائما أو مخدرا للحصول على بيانات التصوير بالرنين المغناطيسي دون التحف الحركة والتأثير السلبي على المشاركين الرفاه. علاوة على ذلك، ينظر EEG كما أقل مخاطرة والغازية من قبل والديهم، الأمر الذي يجعل تجنيد المشاركين البحوث أسهل. Therefore، EEG هو الأسلوب المفضل لكثير من التحقيقات في وظيفة الدماغ عند الأطفال الصغار. التطورات المنهجية في نظم EEG يسمح بتطبيق صفائف الكهربائي عالي الكثافة مع 128 أو أكثر من القنوات في غضون دقائق. سهولة التطبيق ويرتدي الراحة كافية للسماح حتى تسجيل EEG في أصغر الأطفال الرضع. ومع ذلك، في كثير من الأحيان ليست فقط الباحثين المهتمين في ديناميات الزماني للاستجابات لمثيرات معينة، ولكن أود أيضا أن المقارنة بين ركائز العصبية التي تتوسط الردود.

والافتراض السائد في التحليل ERP مستوى القناة مقارنة مختلف الفئات العمرية هو أن نفس ركائز العصبية تستجيب، ولكن أن توقيت أو السعة ردا يتفاوت بين أعمار 9. وكثيرا ما يستخدم فروة الرأس مشابهة تضاريس كمؤشر على النشاط العصبي الأساسي مماثلة. ومع ذلك، يمكن أن العديد من تكوينات مختلفة تؤدي إلى مصدر تصاميم فروة الرأس مشابهة 10. من خلال تطبيق تقدير المصدر، وهذا عربىrtainty يمكن تخفيض وكميا. استقلال الملاحظات هو أمر حاسم لحسابات الشبكة من وظائف المخ: إذا تم خلط المصادر، سوف يكون متحيزا الارتباطات نحو الاتصال المحلية أعلى. ويمكن تطبيق إعادة الإعمار المصدر للحد من هذا التحيز 11. بدلا من ذلك، يمكن استخدام الاختلافات في توقيت ومرحلة للتحليل الربط، ولكن هذه النماذج الرياضية تتطلب الافتراضات التي يصعب تقييم البيانات في محاكاة غير 12. باختصار، يوفر تقدير مصدر معلومات إضافية لEEG مستوى القناة وتحليل تخطيط موارد المؤسسات على أساس المعرفة حول علم التشريح والخصائص الفيزيائية الحيوية من الأنسجة.

وقد وضعت خوارزميات مختلفة لإيجاد حلول لمشكلة عكسية. هذه الخوارزميات تقع على نطاق واسع إلى فئتين: حدودي وغير حدودي 13. تفترض نماذج حدودي واحد أو ثنائيات الاقطاب المتعددة التي قد تختلف في المكان، والتوجه والقوة. في المقابل، إحتوى غير نماذج حدوديغ عدد كبير من ثنائيات الاقطاب مع موقع ثابت والتوجه. في هذه النماذج، ويفسر النشاط الكهربائي فروة الرأس ومزيج من التنشيط في ثنائيات الاقطاب ثابتة 10،13،14. غير حدودي، ونماذج مصدر وزعت يمكن أن يستند إلى المعرفة حول علم التشريح والموصلية في وسائل الإعلام المختلفة. الحدود العنصر النماذج تضم القيم الموصلية للأنسجة الرئيسي للرئيس بقذائف مختلفة للدماغ، السائل الشوكي الدماغي، والجمجمة. ويستند هذا على افتراض أن التوصيل هو ثابت في الغالب داخل كل حجرة، ولكن يحدث أن تغيرات ملحوظة على الحدود حجرات مختلفة. وتستند النماذج عنصر محدود على مزيد من التفحص MR تجزئة في المادة الرمادية والبيضاء بحيث يمكن تعيين قيم الموصلية لكل فوكسل 15.

من الناحية العملية، ونماذج غير حدودي مفيدة بشكل خاص لإعادة الإعمار مصدر في المهام الإدراكية المعقدة، والتي عدد المناطق المعنية قدلن يعرف 10. وتستخدم نماذج عنصر الحدود على نطاق واسع في الأدب الحالي، ربما لأن أكثر دقة عنصر محدود نماذج تشكل مطالب الحسابية عالية نسبيا. علاوة على ذلك، هناك تباين كبير بين الفردية في المادة الرمادية والبيضاء بحيث FEMS ينبغي أن تستند إلى فحوصات الرنين المغناطيسي الفردية.

نماذج غير حدودي تتطلب الخطوة الثانية لمطابقة النشاط فروة الرأس لقياس التوقعات من النموذج إلى الأمام. مرة أخرى، وقد نوقشت نهج مختلفة مع مزايا وعيوب مختلفة في الأدب (انظر ميشيل وآخرون 2004 لمحة عامة). وتستند خوارزميات الأكثر استخداما على نطاق واسع بشأن الحد الأدنى القاعدة تقدير (المنشآت متعددة الجنسية)، والذي يطابق النشاط قياس فروة الرأس لتوزيع الحالية في النموذج إلى الأمام بأقل كثافة الشاملة 16. منحازة المنشآت متعددة الجنسية نحو مصادر ضعيفة وسطحية. عمق خوارزميات المنشآت متعددة الجنسية المرجح محاولة للحد من التحيز السطح عن طريق إدخال الترجيحالمصفوفات على أساس افتراضات الرياضية 10. ويستند النهج LORETA تستخدم على نطاق واسع أيضا على مرجح المنشآت متعددة الجنسية، ولكن بالإضافة إلى ذلك يقلل من ابلاس الرياضية من المصادر، الأمر الذي يؤدي إلى حلول أكثر سلاسة 17،18. وقد وجد LORETA لأداء أفضل للمصادر واحد في دراسات المحاكاة 19،20. ومع ذلك، قد يؤدي إلى LORETA على تجانس من الحلول. عمق المرجح المنشآت متعددة الجنسية هو الأفضل عندما تكون مجهولة المصادر أو من المحتمل أن تكون موجودة 13، 16 مصادر متعددة. مقارنة نتائج خوارزميات مختلفة لتقييم تأثير الافتراضات نموذج مختلف من المستحسن.

في ملخص والتعمير المصدر من خلال أساليب النمذجة كان محدودا للأطفال حتى وقت قريب. وذلك لأن معظم برامج التحليل EEG تعتمد على نماذج الرأس على أساس التشريح الكبار التي تحد بشكل كبير من دقة الحلول مصدر في الأطفال 2،8. وصول رخيصة إلى السلطة الحسابية وتوفيربرنامج سهل الاستعمال لإعادة الإعمار مصدر تجعل من الممكن التغلب على هذه القيود. تطبيق تقدير المصدر إلى EEG يوفر ميزتين مهمة على تحليل بناء على الملاحظات مستوى القناة وحده: تحسين القرار المكانية والاستقلال من الملاحظات.

تقدير المصدر قد لا تكون مفيدة في بعض الحالات: مطلوب تغطية جيدة من الرأس إلى تمييز المصادر. ينصح أنظمة كثافة عالية مع 128 أو أكثر أقطاب 10،15؛ سوف تغطية تناثرا بمثابة تصفية المكانية مما يؤدي إلى مزيد من التفعيل واسعة مصدر انتشار أو نتائج سلبية كاذبة 10. وعلاوة على ذلك، فقد تم الإبلاغ عن إعادة الإعمار فقط المصدر استنادا إلى الطريقة الموضحة في هذه المقالة للحصول على مولدات القشرية. وبالتالي، فمن أقل ملاءمة لاختبار فرضيات حول ركائز تحت القشرية أو التفاعلات تحت القشرية القشرية. وأخيرا، ينبغي أن يستند تحليل المصدر على فرضيات مسبقة مفصلة حول ركائز القشرية،أخذ الأدب الموجودة من طرائق التصوير الأخرى بعين الاعتبار. ويمكن أيضا أن تستخدم تقنيات الترشيح المكاني لتحسين القرار المكانية للإشارة EEG عن طريق الحد من الاختلاط المكانية على مستوى فروة الرأس. وتستخدم وسائل بديلة للحد من تأثير حجم الآثار التوصيل دون نمذجة الرأس، على سبيل المثال، والترشيح ابلاس الرياضية أو 21 الحالي تحليل الكثافة المصدر 22. ومع ذلك، لا هذه الأساليب لا توفر مزيد من المعلومات حول مولدات العصبية عن الآثار حجم التوصيل ليست فقط مقصورة على أجهزة استشعار القرب المكاني في وثيقة 1.

في المقاطع التالية، يصف المقال كيف تم تصميم التجارب للتحقيق في الدماغ وظيفة الادراك في الأطفال من 2 سنة من العمر عند الطفل مختبر لندن. المقبل، وتناقش الحصول على البيانات EEG مع ارتفاع الكثافة أنظمة مقاومة منخفضة مع الأطفال. ثم، يتم تقديم EEG تجهيزها وتحليلها على مستوى القناة. Lastlذ، يركز المقال على معالجة بيانات التصوير بالرنين المغناطيسي الهيكلية لإعادة الإعمار مصدر القشرية وتحليل الإشارات مستوى المصدر.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. تصميم EEG والأحداث المتعلقة التجارب المحتملة للأطفال

ملاحظة: تم تصميم تجربة بسيطة لأغراض هذه المادة التي يمكن استخدامها لتحقيق معالجة الوجه لدى الأطفال الصغار. والمقطع التالي وصف التجربة وشرح كيفية تنفيذه باستخدام MATLAB R2012b وPsychtoolbox V3.0.11 23،24. واستخدمت الصور التي التقطت من مجموعة NimStim من تعبيرات الوجه العاطفية 25 في هذا المثال. هذه المجموعة من الحوافز المتاحة لأغراض البحث عند الطلب ( http://www.macbrain.org/resources.htm ).

  1. نقل الصور RGB إلى رمادي مقياس للحد من الخلافات بين المحفزات. انظر الجدول 1 ملاحظة: هذه الأوامر تتطلب أدوات معالجة الصور ( http://www.mathworks.co.uk/products/image/ ). ويمكن الاطلاع على البدائل الخالية رhrough للأوراق الملف ( https://www.mathworks.co.uk/matlabcentral/fileexchange ).
  2. استخدام برنامج حاسوبي لمراقبة التجريبية لتنفيذ التجربة مع توقيت دقيق للمحفزات عرض الحوافز باستخدام سلسلة من الأوامر (انظر الجدول رقم 1 للحصول على مثال).

2. الحصول على البيانات

  1. تأكد من أن الطفل هو مريح مع بيئة الاختبار. السماح للأطفال الأصغر سنا على الجلوس على حضن الرعاية أو في مقعد مريح لطفل. السماح للطفل يرى ويشعر صافي استشعار قبل تطبيقه على رأس الطفل. إذا كان هناك صافي اضافية، والوالد أيضا محاولة واحدة على، أو مكان واحد على دمية محشوة أو دمية.
  2. قياس أقصى محيط الرأس لتحديد صافي الحجم الصحيح للطفل. استخدام شريط قياس والاحتفاظ بها إلى الأنيفى. ثم قياس حول الرأس حول محيط الأقصى (~ 1سم فوق inion). ملاحظة: الاحتفاظ بسجل لقياس محيط الرأس وصافي الاستشعار المستخدمة لتحليلها لاحقا 26. أنه يساعد إذا تم قياس الرأس الآباء أيضا لجعل الأطفال أكثر راحة مع الوضع.
  3. تحديد قمة الرأس عند تقاطع منتصف المسافة بين الأنيفى وinion والنقطة محيط بالأذن اليسرى واليمنى. بمناسبة هذه النقطة مع القلم الصين لضمان أن يتم وضع قناة قمة الرأس بشكل صحيح عند تطبيق الشبكة.
  4. تطبيق الاستشعار الصافية والتأكد من أن قنوات رئيسية تتماشى مع معالم التشريحية (الأنيفى، inion، قمة الرأس والخشاء يسار / يمين). ملاحظة: للحصول على نتائج أكثر دقة، والموقف من القنوات على الرأس يمكن الحصول عليها رقميا باستخدام معدات خاصة الرقمنة. يجب على الباحثين الراغبين في الحصول على موقف الاستشعار الرجوع إلى الأجهزة والبرمجيات الكتيبات المناسبة. بدلا من ذلك، خرائط الكهربائي التي تفترض وضع معيار من الأقطاب الكهربائية على طول التشريحية الشبكة المحليةويمكن استخدام dmarks. هذه الخرائط يمكن مشوه لنماذج العمر رئيس المناسبة كما هو موضح في قسم التحليل.
  5. تأكد من أن لديك قنوات اتصال جيدة مع فروة الرأس عن طريق وضع مجسات على حدة؛ تطور بلطف كل أجهزة الاستشعار من جانب إلى آخر لتحريك الشعر للخروج من الطريق.
  6. قياس مكاسب القناة وممانعات القناة. انقر على زر "ابدأ" لبدء التسجيل في NetStation EEG برنامج تسجيل والبدء في كسب وقياس مقاومة. إذا لم يبدأ قياس تلقائيا، واستخدام "معايرة مكبر للصوت" والزر "قياس صافي ممانعات".
  7. التحقق من برنامج تسجيل للقنوات مع ممانعات أعلى من 50 أوم والتي ستظهر باللون الأحمر. تطبيق حل بالكهرباء إضافية مع ماصة لخفض ممانعات القناة. التحقق من العرض EEG للقنوات التي تظهر ارتفاع وتيرة النشاط على الرغم من مقاومة منخفضة أو أقل بشكل ملحوظ من النشاط القنوات المحيطة (قنوات خط مستو). هذه القنوات قد هفه اتصال فضفاض مع فروة الرأس وتتطلب التكيف.
  8. من اجل الحفاظ على الأطفال بالراحة أثناء إعداد EEG، السماح للطفل للاستماع إلى الموسيقى، ومشاهدة الرسوم المتحركة لمناسبة العمر أو يصرف لهم باستخدام مجرب آخر، على سبيل المثال، تهب فقاعات الصابون للأطفال الصغار.

3. تحليل

  1. تجهيزها
    1. رقميا تحديد البيانات مع مرشح تمرير عالية مع قطع عند 0.1 هرتز لإزالة الانجرافات قناة 27 (الجدول 1).
    2. لتحليل تخطيط موارد المؤسسات، وتطبيق مرشح تمرير منخفض مع قطع في 30 هرتز 27 (الجدول 1).
    3. الحقبة البيانات المستمر وفقا لرموز الزناد تعيين أثناء التسجيل. بالنسبة لمعظم التجارب، واستخدام خط الأساس من 200 مللي ثانية قبل بداية التحفيز وفاصل آخر من التحفيز 600 ميللي ثانية لتغطية الفترة الزمنية من الفائدة (الجدول 1).
    4. إزالة العهود التي تحتوي على الحركة أو طرفة التحف: علامة جhannels مع الذروة إلى الذروة السعة أعلى من 150 فولت - ضبط هذه العتبة اعتمادا على مجموعة المشاركين وجودة البيانات. من أجل التناسق، استخدم نفس عتبة لجميع المشاركين في دراسة واحدة. إذا قناة فوق هذه العتبة في أكثر من 30٪ من العهود، وإزالة القناة (قناة النشاط قد يكون محرف من القنوات المحيطة بها، وإذا كانت هذه تحتوي على بيانات مقبولة). إذا تم وضع علامة أكثر من 20٪ من قنوات سيئة كما هو الحال في عصر، وإزالة الحقبة. إذا تم رفض أكثر من 20٪ من القنوات التي كتبها الخوارزمية أو يتم الاحتفاظ أقل من 50٪ من العهود، والنظر في إزالة بيانات من مزيد من التحليل (الجدول 1).
      ملاحظة: عتبات نسبة للعصر ورفض القناة هي الأرقام الملعب التي تعمل على إزالة كمية كافية من الضوضاء في تجربتنا. كمية من القطع الأثرية في تسجيل ومن المرجح أن تكون مختلفة باستخدام مجموعات مشارك آخر، نماذج تجريبية أو أنظمة EEG. المجربون قد ترغب في ضبط نسبةالعتبات وتحقق مما إذا كانت راضية عن رفض قطعة أثرية. بدلا من ذلك، يمكن المجربون رفض المحاكمات التي تحتوي على القطع الأثرية من خلال الفحص البصري.
    5. إعادة إشارة إلى متوسط ​​المرجعية بطرح النشاط المتوسط ​​عبر قنوات من كل قناة (الجدول 1). ملاحظة: عادة ما يتم استخدام القطب قمة كمرجع تسجيل في NetStation.
  2. تصحيح القطع الأثرية عن طريق تحليل المكونات المستقلة
    1. استيراد البيانات في أسرع الأدوات 28 وتشغيل التلقائي خوارزمية رفض قطعة أثرية على البيانات (الجدول 1).
    2. استخدام واجهة المستخدم الرسومية (GUI) لأسرع؛ لفتح واجهة المستخدم الرسومية، ونوع FASTER_GUI في سطر الأوامر.
    3. إلغاء تحديد خيارات التصفية في قائمة الترشيح كما سبق أن تصفية البيانات قبل epoching.
    4. تحديد عدد القنوات: 126 قنوات EEG مع 2 electrooculagram (EOG) القنوات.
    5. دخولعلامات تستخدم لepoching البيانات كسلاسل في مجموعة الخلية. لعرض حالة أدخل: {'الوجه'، 'SCRA'} لمواجهة الظروف وسارعت وجه.
    6. تحديد قنوات للتحليل عنصر المستقلة (ICA). عادة تحديد كافة القنوات تسجيل، مدفوع. قنوات EEG غير الخارجية.
    7. تحديد المدخلات والمخرجات في مجلد الجزء الأيسر من واجهة المستخدم الرسومية.
    8. حدد الملف القناة المناسبة للتسجيلات. ملاحظة: ملفات القنوات لمعظم النظام EEG يمكن أن تكون إما تحميلها من الشركة المصنعة أو يمكن تحميلها من موقع EEGLAB.
    9. انقر فوق تشغيل لبدء معالجة أسرع. اعتمادا على طول التسجيلات وعدد من الملفات، وهذا يمكن أن يستغرق عدة ساعات التجهيز.
    10. تفقد البصر التسجيلات والخرائط ونظم تخطيط موارد المؤسسات المكون مستقلة بعد المعالجة.
  3. قناة تحليل مستوى الإمكانيات البيانات المتعلقة حدث-
    1. الجمع بين عدة قنوات لتشكيل ج الظاهريةhannel مع أفضل إشارة إلى نسبة الضوضاء (الجدول 1). ملاحظة: يجب أن يستند اختيار القنوات على التقارير السابقة في الأدب أو فرضيات مسبقة. اختيار القنوات التي تظهر أعلى السعة ضمن إطار زمني معين لا ينصح 29.
    2. الحصول على تدابير مثل ذروة السعة، يعني الكمون والسعة الذروة إلى تميز الموجي وأداء الاختبارات الإحصائية (الجدول 1).
  4. إنشاء نماذج الحدود العنصر (BEM)
    1. الجزء مسح التصوير بالرنين المغناطيسي التشريحية مع FreeSurfer. ملاحظة: للحصول على نتائج أكثر دقة، قاعدة نموذج عنصر الحدود على فحوصات الرنين المغناطيسي الفردية لكل مشارك. إذا لم يكن هذا ممكنا، متوسط ​​قوالب التصوير بالرنين المغناطيسي الذي يطابق سن المشاركين بقدر الإمكان ينبغي استخدامها. يرجى ملاحظة أن BEMS لا يمكن استخدامها للأطفال دون سن 24 شهرا. تفترض نماذج عنصر الحدود أن كل قذيفة (الدماغ، والجمجمة، والجلد) ويتكون من قذيفة مغلقة. ومع ذلك، في ذالأطفال oung في اليافوخ في الجمجمة ليست مغلقة، الذي ينتهك قذيفة افتراض مغلقة.
      1. من أجل تثبيت البرامج FreeSurfer، تحميل لأول مرة من موقع FreeSurfer ( http://freesurfer.net/fswiki/DownloadAndInstall ). المقبل، وإعداد وتشمل البيئة قذيفة FreeSurfer؛ . لbashrc، وتشمل الأوامر التالية في ملف bashrc.:
        1. تصدير FREESURFER_HOME = / تطبيقات / freesurfer /
        2. مصدر FREESURFER_HOME $ / FreeSurferEnv.sh
          ملاحظة: تفترض هذه الأوامر أن المجلد FreeSurfer في مجلد التطبيقات على نظام يونيكس. هناك المزيد من التفاصيل حول كيفية إعداد FreeSurfer مع بيئات قذيفة البديلة، مثل مستشفى الدعم القتالي / tcsh، أو أنظمة التشغيل على موقع FreeSurfer ( http://freesurfer.net/fswiki/DownloadAndInstall ).
      2. المقبل، وتحديد موضوع المباشرهالمحافظين، أي المجلد الذي سوف يتم كتابة الإخراج إلى استخدام الأمر التالي:
        1. تصدير SUBJECTS_DIR = / ... / BEMS /
          ملاحظة: قد تكون مكتوبة النتائج إلى أي مجلد على النظام.
      3. المقبل، تغيير دليل العمل إلى المجلد الذي يحتوي على الملف MRI لترسيم الحدود عنصر نموذج باستخدام الأمر التالي:
        1. مؤتمر نزع السلاح / المستخدمين / joebathelt / Neurodevelopmental_MRI_database / الأطفال / الدماغ /
          ملاحظة: يمكن تحديد أي مجلد على النظام باستخدام بناء جملة الأمر cd. هذا مثال من بنية الملف الباحثين الابتدائي.
      4. أخيرا، بدء إعادة الإعمار باستخدام الأوامر التالية:
        1. ريكون للجميع، ط <mri_file>-subjid <subject_id>
        2. ريكون للجميع بين جميع subjid <subject_id>
          ملاحظة: <mri_file> يحتاج إلى استبداله مع اسم الملف للتصوير بالرنين المغناطيسي المطلوب في الدليل الحالي. <subject_id> يمكن أن يكون مندوبالذي تغلب عليه اسهم مع أي اسم. سوف FreeSurfer إنشاء مجلد بهذا الاسم في الدليل الموضوع. اعتمادا على النظام المستخدم، الأوامر الماضي قد تتطلب بعض الوقت لتشغيل.
    2. تحقق تجزئة FreeSurfer للتجزئة غير صحيحة، على سبيل المثال. مجالات متداخلة، تشريحيا مقصورات المرجح الخ. عن طريق استيراد قطاعات في طرح الأفكار واستخدام أدوات العرض في واجهة المستخدم الرسومية:
      1. في طرح الأفكار، حدد جزء التشريح. استيراد التصوير بالرنين المغناطيسي مجزأة عن طريق النقر على الحق في هذا الموضوع، واختيار "تشريح المجلد استيراد". ضمان المجلد مع الإخراج FreeSurfer محددا. تفقد تجزئة بصريا طريق النقر على الحق واختيار "عرض". ملاحظة: بدلا من ذلك، الأوامر FreeSurfer يمكن استخدامها. وصفا مفصلا ويمكن الاطلاع على موقع FreeSurfer: http://surfer.nmr.mgh.harvard.edu/fswiki/RecommendedReconstruction. إذا كان المطلوب المنطقة التحليل الفائدة على أساس parcellation التشريحية، وFreeSurfer ظائف mris_ca_label ، mri_annotation2label و mri_mergelabels يمكن استخدامها. الرجوع إلى المنشورات FreeSurfer وصفحات المساعدة عبر الإنترنت للحصول على معلومات أكثر تفصيلا.
  5. تقدير آخر المصدر في طرح الأفكار
    1. بدء طرح الأفكار عن طريق كتابة "العصف الذهني" في إطار الأوامر.
    2. إنشاء بروتوكول جديد عن طريق اختيار بروتوكول جديد من القائمة ملف.
    3. إضافة subj جديدةإلخ إلى بروتوكول جديد عن طريق اختيار الموضوع من القائمة ملف.
    4. بيانات الاستيراد EEG للمشارك بالنقر بزر الماوس الأيمن على هذا الموضوع واختيار "استيراد MEG / EEG".
    5. استيراد ملف قناة طريق النقر على الحق واختيار "ملف قناة استيراد". ملاحظة: يحتاج ملف القناة إلى الانحياز إلى التصوير بالرنين المغناطيسي لإعادة الإعمار المصدر. يستخدم نظام طرح الأفكار من 4 نقاط مرجعية التشريحية التي يحتاج المستخدم للاحتفال في التصوير بالرنين المغناطيسي. يرجى الرجوع إلى دروس طرح الأفكار لمزيد من المعلومات ( http://neuroimage.usc.edu/brainstorm/CoordinateSystems ). موقف القياسية كما تم تعريفها بواسطة ملف قناة لنظام معين أو EEG، من الناحية المثالية، مواقف رئيس التي تم رقمية قبل تسجيل EEG يمكن استخدامها.
    6. تأكد من أن BEM والقنوات محاذاة كما هو متوقع: انقر بزر الماوس الأيمن على الملف قناة لهذا الموضوع، وانتقل إلى "تسجيل التصوير بالرنين المغناطيسي" و "؛ تحقق ". ملاحظة: إذا كانت المجالات ضمن نموذج وتداخل أو إذا كانت القنوات هي ضمن BEM، فإن إعادة الإعمار مصدر تعطي نتائج غير صحيحة. ضبط المحاذاة باستخدام "تحرير" الخيار في القائمة "تجزئة التصوير بالرنين المغناطيسي".
    7. حساب الضوضاء مصفوفة التغاير من خط الأساس في كل عصر عن طريق النقر بالزر الأيمن على المشاركين واختيار "الضوضاء مصفوفة التباين المشترك" و "حساب من تسجيل". ملاحظة: واضعو الأدوات طرح الأفكار نوصي باستخدام ضوضاء قطري مصفوفة التغاير للتسجيلات قصيرة (~ نقاط زمنية أقل من القنوات) واحدة كاملة للتسجيلات أطول. يرجى الرجوع إلى البرنامج التعليمي طرح الأفكار المصدر تقدير لمزيد من المعلومات: http://neuroimage.usc.edu/brainstorm/Tutorials/TutSourceEstimation .
    8. حساب المصدر نموذج عن طريق النقر على الحق في هذا الموضوع، واختيار "الحواسيبه نموذج المصدر ".
    9. حساب الحل العكسي باستخدام عمق المرجح الدنيا نورم تقدير من جانب الحق النقر على هذا الموضوع واختيار "المصدر حساب" و "الحد الأدنى من تقدير القاعدة". ملاحظة: هناك خيارات أخرى (dSPM، sLORETA) المتاحة. كل خيار له مزايا وعيوب مختلفة. وينبغي اختيار خوارزمية على أساس اعتبارات مسبقة والتقارير السابقة في الأدب. علاوة على ذلك، بعض الخوارزميات هي أفضل حل في تفعيل التنسيق في بعض المناطق، في حين أن البعض الآخر أكثر ملاءمة لتفعيل واسعة الانتشار. واستخدمت وزارة الاقتصاد الوطني لهذه الدراسة بناء على تقارير سابقة في الأدب 16. من أجل التناسق، ونفس خوارزمية الحل معكوس ينبغي أن تستخدم لجميع المشاركين في دراسة واحدة. قد ترغب الباحثون أيضا لمقارنة مدى قوة النتائج أن تطبيق خوارزميات مختلفة الحل العكسية.
    10. كرر القسم 3 لجميع المشاركين في الدراسة. ملاحظة: إما استخدام جراواجهة الخلط PHICAL أو البرامج النصية لتكرار خطوات المعالجة للمشاركين. راجع وثائق طرح الأفكار للحصول على تعليمات ( http://neuroimage.usc.edu/brainstorm/Tutorials/TutRawScript ).
    11. متوسط ​​النشاط مصدر أكثر من المحاكمات في المشاركين عن طريق سحب التسجيلات إلى قائمة عملية واختيار "متوسط" و "بواسطة حالة (متوسط ​​الموضوع)".
    12. على النقيض من حالة عن طريق تحديد "العمليات 2" وسحب كل شرط في نافذة واحدة. ثم، حدد "اختبار" و "اختبار t الطالب" أو "اختبار t الطالب (الاقتران)" اعتمادا على التصميم. لإجراء مقارنات متعددة، تعيين السعة وعتبات منطقة في عرض الخريطة الإحصائية الناتجة في قائمة "ستات". ملاحظة: بدلا من ذلك، الخرائط التنشيط يمكن تصديرها إلى SPM ( http://www.fil.ion.ucl.ac.uk / شوط في الدقيقة /) لمزيد من التحليل الإحصائي المتعمق ( http://neuroimage.usc.edu/brainstorm/ExportSpm12 HYPERLINK "http://neuroimage.usc.edu/brainstorm/ExportSpm12") .
    13. حساب الاستجابة ذات الصلة بالحدث لمنطقة من الفائدة. لرويس parcellation مقرها، تحميل parcellation FreeSurfer عن طريق النقر بالزر الأيمن على سطح القشرة في القائمة التشريح وحدد "استيراد تسميات". انتقل ملف المقابلة وتحميله. الآن، حدد العائد على الاستثمار في "الكشاف" جزء من القائمة بيانات وظيفية.
    14. الحصول على النشاط الحدث المتعلقة العائد على الاستثمار عن طريق سحب الملفات إلى إطار عملية 1 وحدد "استخراج الكشفية السلاسل الزمنية" من القائمة المصادر. ملاحظة: يمكن اختيار عدة رويس في وقت واحد والسلسلة الزمنية ROI يمكن تصديرها لمزيد من التآمر وتحليل بالنقر بزر الماوس الأيمن على الوقت الكشفيةسلسلة البيانات واختيار "تصدير إلى ماتلاب".

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

تصميم التجارب ERP للرضع والأطفال وغالبا ما يشكل تحديا، وذلك بسبب قدرتها المحدودة على تحمل التجارب المتكررة الطويلة 30. وتتفاقم هذه المشكلة أكثر عندما تخطط المجرب لتطبيق إعادة الإعمار المصدر، لأن إعادة الإعمار مصدر دقيق سيتطلب إشارة إلى ارتفاع نسبة الضوضاء 1. الشكل 1 يعرض بروتوكول التجريبية للتحقيق في آليات معالجة الوجه الذي يمكن استخدامه مع الأطفال الصغار جدا. ويتم تكييف نموذج لأ) تقليل يومض العين وحركات العين أثناء عرض الحوافز، لأن الأطفال سوف تكون أقل قدرة على التحكم في حركات العين من المتطوعين الكبار ب) جعل التجربة أكثر جاذبية بإضافة الأيادي الانتباه بعد الفاصل بين التحفيز. يتم التحكم يومض العين وحركات العين عن طريق تقديم كرة عرضية التثبيت قبل فترة وجيزة من التحفيز من أجل لفت الانتباه إلى وسط الشاشة. علاوة على ذلك، مدة التحفيزومن المقرر أن 500 ميللي ثانية، والذي يسمح الإدراك الواعي من التحفيز مع التقليل من الوقت لمسح الصورة مع حركات العين. يتكون المختطف انتباه صورة صديقة للطفل قدم مع الصوت في وقت واحد. A اختيار عشوائي من مختلف المحفزات الاهتمام المختطف يمكن استخدامها للحفاظ على اهتمام المهمة للطفل. يمكن أن تبدأ المحاكمة المقبلة من قبل المجرب، عندما يكون من الواضح من نظام الرصد أن الطفل يبحث في وسط الشاشة مرة أخرى. بالإضافة إلى ذلك، قصص يمكن استخدامها لمساعدة الأطفال الأكبر سنا حضور على الشاشة. غالبا ما يكون من المفيد أن ممارسة المهام مع الأطفال قبل تسجيل EEG للتأكد من أن الطفل يفهم المهمة. أسئلة الفحص أو عشرات الحصول عليها في جلسة التدريب العملي يمكن استخدامها كمتغيرات في التحليلات في وقت لاحق.

عند حساب عدد من حالات التكرار المطلوبة للتجربة، فمن المهم أن تأخذ في الاعتبار أن العديد من التجارب قد تكون فقدت بسبب الغفلة سص حركة القطع الأثرية عند العمل مع الأطفال. وكقاعدة عامة من الإبهام، وينبغي أن تضاعف العدد اللازم من التكرار مقارنة مع الدراسات البالغين أو تجنيد عدد أكبر من المشاركين. مدى اهتمام وتعاون محدود في الأطفال مقارنة بالبالغين. لذا، والحفاظ على الاحتياجات الخاصة للأطفال في الاعتبار عند تصميم هذه المهمة. يمكن تقسيم مهمة طويلة إلى عدة كتل من المهام أقصر مع فواصل بينهما. عادة، وعدد من الشروط التي يمكن تضمينها في التجربة أصغر للأطفال الصغار جدا، لأنها لن تكون قادرة على التعاون لفترات أطول اللازمة للحصول على ما يكفي من التجارب للعديد من الحالات التحفيز.

وتستند الأرقام المعروضة على تسجيل مع صبي عمره 6 سنوات (6 سنوات 3 شهور). واستند النموذج على رأس قالب التصوير بالرنين المغناطيسي المتوسط ​​الذين تتراوح أعمارهم بين 6 سنوات 31. يبين الشكل 5 قناة الحدث مستوى الاستجابات المحتملة (ERP) لمواجهة وسارعت المحفزات الوجه ذات الصلة. واveform من تخطيط موارد المؤسسات عبر قنوات الخلفي يظهر النموذج المتوقع للانحراف إيجابي يتبعه انحراف سلبي وانحراف إيجابي واسع لاحقة. على أساس التضاريس، وبطبيعة الحال الوقت وطبيعة النموذج، ومن المرجح أن تمثل P100، N1 وأواخر المكون الإمكانات الإيجابية هذه الانحرافات. علاوة على ذلك، انحراف سلبي في وقت مبكر هو أكبر بكثير للمؤثرات وجه مقارنة وجوه مشوشة. وبالتالي، فمن المرجح أن تعكس المكون N170 محددة جهه. الخرائط الطبوغرافية في الشكل 5 يظهر توزيع الجهد بين 250 و 300 ميللي ثانية. الجهد السلبي مع كحد أقصى أكثر من القنوات الصحيحة القذالي الصدغي في حالة وجوه هو واضح.

ويبين الشكل 6 مقارنة إحصائية النشاط مصدر المتوقعة على أساس معيار الكبار نموذج الرأس وعصر نموذج الرأس المناسب. واستند المصدر على إعادة بناء نموذج عنصر الحدود (BEM) مع عمق المرجحةالحد الأدنى تقدير القاعدة (wMNE) والضوضاء الكامل مصفوفة التغاير في العصف الذهني ضد 3.1 32. تم استخدام الافتراضي MNI Colin27 BEM كنموذج الكبار. وقد بلغ متوسط ​​النشاط مصدر بمرور الوقت ما بين 250 و 300 ميللي ثانية تمشيا مع استجابات محددة الوجه على مستوى القناة.

وتظهر الخارطة نتائج الطالب اختبار t مقارنة بين وجوه وجوه سارعت حالة تصحيح للمقارنات متعددة باستخدام معدل اكتشاف كاذبة (روزفلت). تظهر النتائج تفعيل أقوى بكثير مصدر أكثر من الفص الصدغي في وجوه وجوه مقارنة حالة مشوشة. توطين باستخدام نموذج مناسب العمر هو أكثر تنسيق مع وجود اختلافات قوية على السطح البطني من القشرة الزمانية. التعريب على أساس نموذج الرأس الكبار هو أكثر تفريق ويبين الاختلافات النشاط المصدر على وسطي الحق والتلفيف الصدغي العلوي أن تغيب في الغالب على الخريطة بناء على سن نموذج الرأس المناسب.

الشكل 1

الشكل 1. مثال على تصور وجه تجربة مناسبة على نطاق واسع سن يتكون تجربة عرض مرئي لصور وجوه أو وجوه مشوشة. المحفزات متطابقة جسديا، ولكن العشوائية في الترتيب المكاني في حالة مشوشة. يبدأ كل محاكمة مع العرض المركزية من كرة عرضية التثبيت للحد من حركات العين أثناء عرض الحوافز. والعشوائية مدة العرض عبر تثبيت لتجنب تأثيرات entrainment الفكرة على التكرار متعددة. يتم تقديم التحفيز على مدى مدة 500 ميللي ثانية. مدة قصيرة أيضا تقليل فرصة حركات العين خلال إطار العرض التقديمي. ويقدم حافزا تشد الانتباه بعد انقطاع دام محاكمة أمور مع مدة عشوائي بين 1 ثانية و 2 ثانية. وعلىtention المختطف مفيد بشكل خاص للمشاركين الصغار جدا التي ليست عرضة للحضور إلى العديد من التجارب من مواد غير جذابة في التسلسل. التجربة يمكن أن تبدأ المحاكمة المقبلة، عندما تبحث المشارك على الشاشة ردا على المختطف الاهتمام.

الرقم 2
الشكل 2. مخطط تدفق لخوارزمية عتبة الرفض. الخوارزمية يقارن الحد الأقصى من كل قناة EEG في كل عصر إلى عتبة مجموعة. إذا كان يحتوي على قناة الأقصى النشاط أعلاه عتبة، يتم وضع علامة القناة بأنها سيئة. إذا كان أكثر من 20٪ من قنوات سيئة في حقبة معينة، يتم رفض الحقبة. بعد رفض الحقبة، تتم مقارنة أقصى النشاط في كل قناة إلى عتبة مرة أخرى. إذا كان يحتوي على قناة النشاط فوق عتبة في أكثر من 30٪ من جميع العهود، يتم رفض القناة. إذا تم رفض أكثر من 20٪ من القنوات التي كتبها هذا الإجراء أو يتم ترك أقل من 50٪ من العهود في حالة الرفض بعد العصر، ينبغي استبعاد مجموعة البيانات من مزيد من التحليل. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

الرقم 3
الرقم 3. التصحيح التلقائي باستخدام قطعة أثرية أسرع الأدوات 28. يوضح الشكل الخيارات التي تحتاج إلى تغيير في استخدام الأدوات أسرع مع الإعداد وتجهيز خط أنابيب الموضحة في هذه المقالة: 1 تصفية يجب تعطيل، لأن مجموعة البيانات قد تم تصفيتها 2 عدد القنوات يحتاج إلى تعديل. نظام EEG المستخدمة في هذه المقالة لديه 126 قنوات مع2 القنوات EOG. 3. الحدث علامات لتأمين الحاجة إلى الوقت المحدد كما أن مجموعة خلية من السلاسل. 4. يحتاج نافذة الوقت للرد ذات الصلة بالحدث التي سيتم توريدها. هذا يجب أن يكون مطابقا للنافذة المستخدمة في الخطوة epoching في وقت سابق. 5. المستخدم لديه لتحديد القنوات لتحليل عنصر المستقلة (ICA). في معظم الحالات، فإن هذه تشمل كل القنوات EEG والقنوات الخارجية ذات الصلة مثل القنوات العين (EOG). 6. تحتاج أيضا مؤشرات من قنوات العين إلى تعديل لنظام EEG المستخدمة. لنظام EEG وصفها، فإن هذه تكون قنوات 125 و 128. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

الرقم 4
فايبعد استيراد بيانات EEG والسطوح FreeSurfer، العنصر النموذجي الحدود (BEM) يمكن حساب جوري 4. تحليل مصدر في العصف الذهني 32. 1 عن طريق اختيار "نموذج الرأس حساب" في القائمة "المصدر" .. 2 مصفوفة التغاير الضوضاء ويمكن حساب من التسجيلات عن طريق اختيار "التغاير الضوضاء حساب". إذا كان تسجيل طويلة بما فيه الكفاية، أي المزيد من النقاط الوقت من أجهزة الاستشعار، ومصفوفة التغاير الكامل يمكن حسابها، وإلا فمن المستحسن مصفوفة قطري. 3. بعد حساب نموذج الرأس والضوضاء مصفوفة التغاير، فمن الممكن الحصول على حل العكسية. ويمكن استخدام خوارزميات مختلفة. واستخدمت عمق المرجحة الدنيا نورم تقدير (wMNE) خوارزمية لهذه المادة. 4. الدورة وقت النشاط مصدر في المناطق ذات الاهتمام (ROI) يمكن استخراجه، من خلال تحديد "استخراج الكشفية السلاسل الزمنية" و ROM القائمة "المصدر". واستخدمت رويس من parcellation القشرية التلقائي في FreeSurfer لهذا المثال. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

الرقم 5
إمكانات الاستجابة الرقم 5. حدث ذات الصلة (ERP) لمواجهة وسارعت المحفزات وجه حق على القذالي قنوات الزمنية. يظهر تخطيط موارد المؤسسات انحراف أكثر سلبية بين 130 و 220 ميللي ثانية بعد ظهور التحفيز على الجانب الأيمن عن وجوه مقارنة جوه المخفوق. هذه الخصائص تتماشى مع التقارير السابقة حول المكون N170 33. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

ove_content "FO: المحافظة على together.within صفحة =" دائما "> الرقم 6
الشكل 6. مقارنة بين التعريب المصدر الافتراضي بين الكبار نموذج الرأس ونموذج الرأس المناسب. يظهر الصف العلوي من الشكل MNI الحدود الكبار نموذج الرأس colin27 على اليسار وعصر نموذج الرأس المناسبة بناء على parcellation FreeSurfer بمتوسط قالب التصوير بالرنين المغناطيسي للأطفال البالغ من العمر 6 على اليمين. وتعرض أيضا مواقع مواقع القطب coregistered. تم الحصول على تسجيل من صبي عمره 6 سنوات (6 سنوات 3 شهور). نتائج المعرض الصف الثاني والثالث من المقارنة الإحصائية بين خرائط تفعيل إعادة الإعمار مصدر المنشآت متعددة الجنسية في وجوه وجوه مقارنة حالة تدافعت على أساس اختبار ر تصحيح للمقارنة متعددة باستخدام كاذبة ديسكفري معدل (روزفلت). يوضح خريطة ملونة حجم تأثير النشاط مع الأحمر يشير إلى أعلىفي حالة وجوه والأزرق يظهر النشاط العالي في وجوه حالة مشوشة. يرجى ملاحظة أن أي السعة أو حجم عتبات طبقت. يظهر توطين أكثر محورية على السطح البطني من القطب الزماني باستخدام نموذج الرأس سن مناسب مقارنة مع الكبار BEM. الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.

الرقم 7
الرقم 7. المصدر ERP حق التلفيف المغزلي ردا على وجوه وجوه تدافعت على أساس إعادة الإعمار مصدر تسجيل تم الحصول عليها من صبي عمره 6 سنوات (6 سنوات 3 شهور) باستخدام عصر BEM المناسبة مع المنشآت متعددة الجنسية وتخطيط موارد المؤسسات المصدر تظهر أكثر انحراف سلبي حوالي 250 ميللي ثانية بعد ظهور التحفيز في حالة وجوه مقارنة لياليcrambled يواجه حالة. ومن المرجح أن يعكس مساهمة التلفيف المغزلي الحق في المكون N170 في حالة وجوه هذا النشاط.

<الدفتيريا>
المدخلات للخطوة 1.1 وصف
input_image = imread ('/ المستخدمين / some_user / الصور / example.jpeg')؛ ٪ قراءة الصورة
gray_image = rgb2gray (input_image)؛ ٪ نقل من RGB إلى الرمادي على نطاق و
حفظ باسم (gray_image، 'grey_image.tiff') ٪ حفظ صورة جديدة
المدخلات للخطوة 1.2 وصف
كود مثال:
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
٪ تنظيف الغرف
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
CLC ٪ من مساحة المتغيرات المقاصة
مسح جميع
إغلاق جميع ٪ وضع برامج تشغيل الصوت إلى وضع الكمون المنخفض
InitializePsychSound ([0])؛
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
متغيرات٪
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
input_folder = 'C: الوثائق وإعدادات ERP لاب المستخدمين المستندات MATLAB Faces_Houses '؛ ٪ تعريف دليل العمل
netstation = 1؛
٪ هذا تبديل التواصل مع برنامج تسجيل NetStation EEG
٪ تحديد عدد من التجارب
no_of_trials = 80؛ ٪ توحيد الأسماء وحة المفاتيح لسهولة الحمل betwالتابعين يونكس وPC الإصدارات
KbName ('UnifyKeyNames') ٪ تعريف متغير ليضغط مفتاح الهروب
escapeKey = KbName ('ESCAPE')؛
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
تحميل المحفزات٪
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
face_directory = strcat ('C: الوثائق وإعدادات ERP لاب المستخدمين المستندات MATLAB Faces_Houses جوه ')؛ ٪ توريد المجلد مع الصور المحفزات
ملفات = دير (face_directory)؛ ٪ توليد قائمة مع جميع المحفزات الصورة
يواجه = {files.name}؛
وجوه (1:2) = []؛
الأيادي = دير ('/ المستخدمين / joebathelt / قطاف / preterm_oddball / الأيادي /')؛ </ الدفتيريا>
الأيادي = {grabbers.name}؛
الأيادي (1:2) = []؛
grabber_sounds = دير ('/ المستخدمين / joebathelt / قطاف / preterm_oddball / أصوات /')؛
grabber_sounds = {grabber_sounds.name}؛
grabber_sounds (1:2) = []؛
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
٪ ابتداء التجربة
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
إذا netstation == 1؛ NetStation ('اتصال'، '194 .82.245.131 '، '55513') ٪ التزامن مع برنامج تسجيل
NetStation ('مزامنة'، 10) تزامن٪ في غضون 10 ميللي ثانية من الدقة
NetStation ('StartRecording') ٪ يبدأ تسجيل
نهاية
٪ إعداد الشاشة
screenNum = 0؛ ٪ رقم تعريف شاشة العرض
٪ تعريف نافذة لعرض الحوافز
[display.w، display.rect] = شاشة ('OpenWindow'، screenNum، 0)؛
[wPtr، المستطيل] = شاشة ('OpenWindow'، screenNum)؛ ٪ إخفاء مؤشر الماوس
HideCursor؛
أسود = BlackIndex (wPtr)؛ ٪ وضع خلفية سوداء
شاشة ('FillRect'، wPtr والأسود)؛ ٪ تحديد الخط وحجم الخط لعرض النص
شاشة ('TEXTFONT'، display.w، 'اريال')؛
شاشة ('TEXTSIZE'، display.w، 32)؛
شاشة ('نمط النص'، display.w، 0)؛
لأني = 1: no_of_trials
FlushEvents
الموزع بشكل عشوائي = راندي (2)؛
٪ اختيار عشوائيا صورة المختطف الانتباه
attention_grabber = imread (strcat (input_folder، 'الأيادي /'، cell2mat (الأيادي (راندي (طول (الأيادي))))))؛
[الأصوات، خ، nbits] = wavread (strcat (input_folder، 'يبدو /'، cell2mat (grabber_sounds (راندي (طول (الأيادي))))))؛
audio_handle = PsychPortAudio ('فتح'، []، []، 0، خ، طول (أصوات (1، :)))؛
يبدو = الأصوات '؛ ٪ اختيار عشوائيا على الصوت المختطف الانتباه
PsychPortAudio ('FillBuffer'، audio_handle والأصوات)؛
٪ إعداد عرض الصوت
التحفيز = strcat (face_directory، يواجه (راندي (طول (وجوه))))؛
التحفيز = imread (cell2mat (التحفيز))؛ ٪ هذا randomises تقديم وجوه وجوه تدافعت
إذا الموزع بشكل عشوائي == 2؛ ٪ تحميل التحفيز التي تم اختيارها عشوائيا من قائمة المحفزات
التحفيز التحفيز = (randperm (طول (التحفيز (:، 1)))، randperm (طول (التحفيز (1، :))))؛
نهاية ٪ الهرولة مصفوفة الحوافز، إذا كانت المحاكمة هي محاكمة تدافعت
STIM = شاشة ('MakeTexture'، wPtr، انقر نقرا (التحفيز))؛ ٪ التحفيز
٪ إعداد التحفيز للعرض
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
٪ المحاكمة
٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪٪
٪ هذا القسم فقط ذات الصلة إلى المحاكمة الأولى
إذا كنت == 1؛
[NX، نيويورك، مربع] = DrawFormattedText (wPtr، 'اضغط على أي مفتاح لبدء'، 'وسط'، 'وسط'، [255 255 255])؛
شاشة ('FrameRect'، wPtr، 0، مربع)؛
[VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'، wPtr)؛ ٪ للالمحاكمة الأولى، النص "اضغط على أي مفتاح لبدء" يرد حتى يتم الضغط على مفتاح
KbWait ([]، 2)؛
[NX، نيويورك، مربع] = DrawFormattedText (display.w، ''، 'وسط'، 'وسط'، 255)؛ ٪ شاشة فارغة
شاشة ('FrameRect'، display.w، 0، مربع)؛ [VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'، wPtr)؛
نهاية
تثبيت الصليب٪
[NX، نيويورك، BBOX] = DrawFormattedText (wPtr، '+'، 'وسط'، 'وسط'، 255)؛
شاشة ('FrameRect'، display.w، 0، BBOX)؛
[VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'، wPtr)؛ ٪ إعداد علامة زائد بيضاء في وسط الشاشة كما عبر التثبيت
إذا netstation == 1؛ ٪ عبر تقديم التثبيت
NetStation ('حدث'، 'الإصلاح +'، StimulusOnsetTim) نهاية
٪ إرسال الزناد مع الطابع الزمني للعرض عبر التثبيت ورمز "الإصلاح +" إلى برنامج تسجيل EEG
٪ الحد من الوقت عرض عبر تثبيت لمدة عشوائي بين 0.15 و 0.2 ثانية
٪ التحفيز ٪ تقديم الوجه أو الوجه سارعت التحفيز
شاشة ('DrawTexture'، wPtr، STIM)؛
[VBLTimestamp StimulusOnsetTim] = الشاشة (wPtr، 'فليب')؛
إذا netstation == 1؛ ٪ إرسال الزناد مع الطابع الزمني ورمز "وجه" أو "مواجهة SCRA 'لبرنامج تسجيل EEG
إذا الموزع بشكل عشوائي == 1؛
NetStation ('حدث'، 'وجه'، StimulusOnsetTim)
ELSEIF الموزع بشكل عشوائي == 2؛
NetStation ('حدث'، 'SCRA'، StimulusOnsetTim)
نهاية
نهاية
WaitSecs (0.5) ٪ الحد مدة التحفيز إلى 500 ميللي ثانية
٪ تقديم شاشة فارغة
[NX، نيويورك، مربع] = DrawFormattedText (wPtr، ''، 'وسط'، 'وسط'، 255)؛ ٪ شاشة فارغة
شاشة ('FrameRect'، wPtr، 0، مربع)؛
[VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'، wPtr)؛
WaitSecs (1 + راند (1)) ٪ فاصل بين المحاكمة مع مدة عشوائي بين 1 و 2 ثانية
٪ الانتباه المختطف ٪ تقديم المختطف الانتباه مع الصوت
شاشة ('DrawTexture'، wPtr، المختطف)؛
يبدو = PsychPortAudio ('ابدأ'، audio_handle، 15، 0، 1)؛
[VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'؛، wPtr)؛
إذا netstation == 1؛
NetStation ('حدث'، 'grbr'، StimulusOnsetTim) ٪ إرسال الطابع الزمني ورمز للالمختطف الانتباه إلى برنامج تسجيل EEG
نهاية
٪ تقديم المختطف اهتماما والصوت حتى يتم الضغط على مفتاح على لوحة المفاتيح
KbWait ([]، 2)؛
PsychPortAudio ('وقف'، audio_handle)؛
شاشة ('FrameRect'، display.w، 0، مربع)؛ ٪ إجهاض التجربة، إذا تم الضغط على مفتاح الهروب
[VBLTimestamp StimulusOnsetTim] = شاشة ('فليب'، wPtr)؛
[keyIsDown، timeSecs، keyCode] = KbCheck؛ إذا keyIsDown
إذا keyCode (escapeKey)
هيئة السلع التموينية
NetStation ('StopRecording')
عودة
نهاية
نهاية ٪ إغلاق التجربة وإيقاف التسجيل EEG في نهاية التجربة
نهاية
شاشة ('CloseAll')؛
إذا netstation == 1؛
NetStation ('StopRecording')
نهاية
المدخلات للخطوة 3.1.1 وصف
OUTEEG = pop_eegfilt (INEEG، 0.1، [])؛ ٪ OUTEEG = EEG البيانات بعد تصفية، مثال. الإخراج وظيفة
٪ INEEG = EEG قبل تصفية البيانات، أي وظيفة إدخال
٪ 0.1: تمريرة عالية قطع تردد
٪ []: تمرير منخفض وقف انتاج المواد الانشطارية، غير معروف لأن المطلوب مرشح تمريرة عالية
المدخلات للخطوة 3.1.2 وصف
OUTEEG = pop_eegfilt (INEEG، []، 30)؛ ٪ []: تمريرة عالية قطع، غير معروف لأن المطلوب هو مرشح تمرير منخفض
٪ 30: تمرير منخفض وقف انتاج المواد الانشطارية تردد
المدخلات للخطوة 3.1.3 وصف
OUTEEG = pop_epoch (INEEG، 'الحدث'، {'الوجه'، 'SCRA'}، [0.6 -0.2])؛ ٪ Epoching
٪ 'الحدث'، {'الوجه'، 'SCRA'}: وقال وظيفة لاستخدام 'الوجه' أحداث الزناد و'SCRA' كما في المرة قفل علامات. تم تعريف هذه المشغلات في البرنامج النصي التجربة بمناسبة بداية الوجه وسارعت وجه الأمراض المنقولة جنسيابداية عرض mulus.
٪ [0.6 -0.2] = نافذة الوقت لتخطيط موارد المؤسسات من 0.2 ثانية قبل الحدث تأمين الزمن إلى 0.6 ثانية
OUTEEG = pop_rmbase (EEG، [-0.2 0])؛ ٪ إزالة خط الأساس
٪ [-0.2 0]: نافذة زمنية الأساس، أي 0.2 ثانية قبل الحدث تأمين وقت لوقت الحدث تأمين
المدخلات للخطوة 3.1.4 وصف
وظيفة [EEG] = threshold_rejection (EEG، العتبة) تعريف الدالة٪، تتطلب وظيفة بنية بيانات EEG وعتبة في μV
لي = 01:02
لأني = 1: الطول (EEG.data (1،1، :)) ٪ هذه الحلقات يذهب من خلال جميع الحقب في مجموعة بيانات EEG نظرا
البيانات = EEG.data (:،:، ط)؛
البيانات = البيانات - يعني (البيانات، 2)؛ ٪ ليحذف عشره يعني النشاط لتجنب تأثير التحولات السعة
ماكسيما = ماكس (القيمة المطلقة (بيانات '))'؛ تحديد الحد الأقصى لل٪ النشاط المطلقة في جميع القنوات
bad_channels = ماكسيما> عتبة؛
channel_rejection (:، ط) = bad_channels؛
إذا مجموع (bad_channels)> 0.2 * 128 ٪ إذا كان أكثر من 20٪ من القنوات هي فوق عتبة، يتم وضع علامة على عصر الرفض
epoch_rejection (ط) = 1؛
آخر
epoch_rejection (ط) = 0؛
نهاية
نهاية
إذا ي == 1؛ ٪ فقط اختيار الحقب التي لم يتم وضع علامة سيئة
EEG = pop_select (EEG، 'المحاكمة'، والعثور على (epoch_rejection == 0))
آخر قنوات علامة٪ التي هي سيئة في أكثر من 20٪ من العهود بعد رفض الحقبة الرفض قناة
bad_channels = متوسط ​​(channel_rejection، 2)> 0.2؛
EEG = pop_interp (EEG، والعثور على (bad_channels == 1)، "كروية ')؛ ٪ تطبيق الاستيفاء كروية لقنوات سيئة
نهاية
نهاية
المدخلات للخطوة 3.1.5 وصف
EEG = pop_reref (EEG، [])؛ ٪ بحساب متوسط ​​المرجعية
المدخلات للخطوة 3.2.1 وصف
قنوات = {'E84'، 'E89'، 'E90'، 'E91'، 'E94'، 'E95'، 'E96'}؛ ٪ الحق N170 ٪ القنوات القذالي الصدغي من الحق في نصف الكرة٪ للاستجابات N170 باستخدام تسميات قناة ل٪ 128 قناة الجيوديسية هايdrocel الاستشعار نت
EEG = pop_select (EEG، 'قناة'، قنوات)؛ ٪ اختيار قنوات
Virtual_channel = متوسط ​​(EEG.data، 1)؛ ٪ الجمع بين القنوات الفردية إلى قناة افتراضية
المدخلات للخطوة 3.3.2 وصف
N170_peak = ماكس (القيمة المطلقة ((averaged_ERPs (0.13 * srate +0.2 * srate: 0.2 * srate +0.2 * srate)، []، 2))؛ ٪ الحد الأقصى للسعة ضمن إطار الكمون لكل مشارك في μV
N170_peaklatency = 1000 * (العثور على (averaged_ERP (0.13 * srate +0.2 * srate: 0.2 * srate +0.2 * srate) == N170_peak) + 0.2 + 0.13 * EEG.srate EEG.srate). / EEG.srate ٪ الكمون الذروة في ميللي ثانية
N170_mean = متوسط ​​(averaged_ERPs:، 0.13 * srate +0.2 * srate: 0.2 * srate +0.2 * srate)، []، 2)؛ ٪ متوسط ​​السعة في μV

الجدول 1. أوامر MATLAB لتنفيذ اله المثال التجربة وتحليل عالي الكثافة تسجيلات EEG على القنوات وعلى مستوى المصدر. يلخص الجدول رمز لتنفيذ وجوه وجوه مباراة سارعت سبيل المثال التجربة. علاوة على ذلك، يتم تقديم رمز لمرحلة ما قبل معالجة EEG الخام. بالإضافة إلى ذلك، يتم عرض طرق لاستخراج الخصائص الموجي لتحليل مستوى القناة من الاستجابة ذات الصلة بالحدث.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

ويصف هذه المادة على تسجيل وتحليل عالي الكثافة EEG لإعادة بناء مولدات القشرية باستخدام نماذج عنصر الحدود على أساس متوسط ​​العمر المناسب قوالب التصوير بالرنين المغناطيسي وعمق المرجح الحد الأدنى تقدير القاعدة في نموذج تخطيط موارد المؤسسات القياسية مناسبة للأطفال. في هذا النموذج، يتم عرض صور وجوه وجوه مشوشة. يستخدم هذا النموذج من الكتاب مختلفة للتحقيق في تطوير آليات معالجة الوجه على تطوير 35. على مستوى القناة، وصفت الانحرافات أكثر سلبية على حق القذالي الصدغي قنوات للشرط وجها لوجه في حالة مشوشة. تضاريس، الكمون ومميزة استجابة تتسق مع المكون N170 34. تقرير مصدر السابقة والمتزامنة التحقيقات EEG الرنين المغناطيسي الوظيفي أن التلفيف المغزلي هو مولد المحتمل للاستجابة N170. نتائج التحليل الحالي تبين أن انعكاس المصدر مع عمق الحدود الموزوننموذج العنصر (BEM) يمكن استخدامها لتوطين النشاط مصدر في التلفيف المغزلي في مواجهة سارعت وجه النموذج على مستوى الأفراد المشاركين. استخدام نماذج الرأس على أساس التشريح المشارك الفرد أو استخدام المناسبة سن متوسط ​​بالاشعة التشريحية للدراسات التنموية، التي التشريح الفردية غير متوفرة، وسوف تسمح للمصدر التعريب الأكثر دقة 2. علاوة على ذلك، يمكن تحديد المناطق ذات الاهتمام القائم على المعرفة التشريحية أو خوارزميات parcellation التلقائي للتحقيق في استجابة الحدث ذات الصلة ولا سيما المناطق القشرية.

وهناك العديد من القيود على إعادة الإعمار المصدر، لا سيما في عينات التنموية، في الوقت الراهن. أولا، يفترض إعادة الإعمار مصدر على أساس متوسط ​​نماذج لمختلف الفئات العمرية أن الفرد يظهر نمو الدماغ نموذجية لعمرهم الزمني، والتي قد لا تكون بالضرورة، خصوصا في مجموعات المرضى. إلىسبيل المثال، وصفت دراسات مختلفة شاذة في مسارات النمو الدماغ للأطفال المولودين قبل الأوان 36 أو الأطفال الذين يعانون من مرض التوحد 37. فمن الصعب تقدير مدى هذه الاختلافات التشريحية سوف تؤثر على دقة الحل عكسية ونتائج التحيز من المقارنات بين مجموعات المراقبة شاذة ونموذجية.

الثانية، ونماذج الأمام مثل نموذج عنصر الحدود (BEM) لا تتضمن التوصيل التجانس داخل مقصورات، على سبيل المثال، الاختلافات بين المادة الرمادية والبيضاء. وبالتالي دقة لمصادر محدودة تحت القشرية. اقتصرت الحلول المصدر إلى مصادر القشرية لهذا السبب. ويمكن تطبيق نماذج العناصر المحدودة لأكثر من دقيقة القرار المولدات تحت القشرية. مع حلول يقتصر على القشرة، فمن المهم أن نأخذ في الاعتبار أن التنشيط في المناطق القشرية قد يعكس الآليات الكامنة تحت القشرية المسبب للمرض، مثل الاتصالات عبر الحلقات ردود فعل مهادي.وبالتالي، استدلالات سببية عن تورط المناطق القشرية تقتصر إلا إذا استخدمت أكثر النماذج المعقدة التي لا تتوفر إلا للالتشريح الكبار نموذجي، على سبيل المثال، ديناميكي السببية نمذجة 38،39 حاليا.

أبعد من ذلك، تفترض الحدود نماذج عنصر قذائف المغلقة لكل حجرة. ومع ذلك، والرضع الصغار لديهم بقع لينة في جماجمهم، حيث الغرز بين عظام الجمجمة لا اندمجت بشكل كامل 15. هذا الانتهاك من الافتراضات BEM يحد بشدة من انطباق إعادة الإعمار مصدر BEMS عند الرضع الذين تقل أعمارهم عن 2 سنة من العمر. ويمكن استخدام نماذج العناصر المحدودة لإعادة الإعمار مصدر في هذه الفئة العمرية.

الثالث، على الرغم من استخدمت سن نماذج الرأس المناسب لإعادة الإعمار المصدر، واستخدمت قيم الموصلية على أساس العينات الكبار لنموذج التوصيل داخل كل حجرة. ومع ذلك، هو الموصلية الأنسجة المحتمل أن تتغير بمرور التنمية، على سبيل المثال، من خلاليزيد في كثافة العظام 15. قيم الموصلية لأنواع الأنسجة المستخدمة في BEMS للرضع الإنسان والأطفال غير متاحة حاليا على حد علمنا.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

رعيت تكاليف النشر لهذه المادة الجيوديسية الكهربائية، وشركة

Acknowledgments

نريد ان نشكر البروفيسور جون ريتشاردز، جامعة ولاية كارولينا الجنوبية، لمنح لنا الوصول إلى قاعدة البيانات التنموي التصوير بالرنين المغناطيسي ومناقشات مفيدة. نود أيضا أن نشكر الممولين لدينا الخيرية جريت أورموند ستريت للأطفال، UCL الأثر والتحديات الكبرى.

Materials

Name Company Catalog Number Comments
High-density EEG sensor net (128 or 256 channels) HydroCel Geodesic Sensor Net 128 Electrical Geodesic Inc., Oregon, US
EEG high impendance amplifier NetAmps 200 Electrical Geodesic Inc., Oregon, US
Data Acquisition Computer  PowerMac G4 Apple Inc, California, US
Stimulus Presentation Computer Optiplex 745 Dell Computers Inc., Texas, US
Stimulus Presentation Software MATLAB R2012b with PsychToolBox Brainard et al. 1997
EEG recording software NetStation 4.5.1 Electrical Geodesic Inc., Oregon, US
EEG analysis software MATLAB R2012b The Mathworks Inc.
EEGLAB Delorme et al. 2004
BrainStorm Sylvain et al. 2001
MRI processing software FreeSurfer Fischl et al. 2004
OpenMEEG Gramfort et. al. 2010
Delorme, A., & Makeig, S. EEGLAB: an open source toolbox for analysis of single trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21, (2004).
Sylvain, B., John, C., Dimitrios, P., & Richard, M. Brainstorm: A User Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience, 1–13, (2011).
Fischl, B. et al. Automatically parcellating the human cerebral cortex. Cerebral Cortex, 14(1), 11–22, (2004).
Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. BioMedical Engineering OnLine, 9(1), 45, (2010).
Brainard, D. H. The psychophysics toolbox. Spatial vision, (1997).

DOWNLOAD MATERIALS LIST

References

  1. Michel, C. M., Murray, M. M. Towards the utilization of EEG as a brain imaging tool. NeuroImage. 61, (2), 371-385 (2012).
  2. Brodbeck, V., et al. EEG microstates of wakefulness and NREM sleep. NeuroImage. 62, (3), 2129-2139 (2012).
  3. Sanchez, C. E., Richards, J. E., Almli, C. R. Age-specific MRI templates for pediatric neuroimaging. Developmental Neuropsychology. 37, (5), 379-399 (2012).
  4. Umutlu, L., Ladd, M. E., Forsting, M., Lauenstein, T. 7 Tesla MR Imaging: Opportunities and Challenges. RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin. 186, (2), 121-129 (2014).
  5. Logothetis, N. K. Bold claims for optogenetics. Nature. 468, (7323), (2010).
  6. Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453, (7197), 869-878 (2008).
  7. Roche-Labarbe, N., et al. High-resolution electroencephalography and source localization in neonates. Human Brain Mapping. 29, (2), 167-176 (2008).
  8. Johnson, M. H. Interactive Specialization: A domain-general framework for human functional brain development. Developmental cognitive neuroscience. 1, 7-21 (2010).
  9. Nelson, C. A., McCleery, J. P. Use of Event-Related Potentials in the Study of Typical and Atypical Development. Journal of the American Academy of Child & Adolescent Psychiatry. 47, (11), (2008).
  10. Michel, C. M., Murray, M. M., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R. EEG source imaging. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 115, (10), 2195-2222 (2004).
  11. Bathelt, J., O'Reilly, H., Clayden, J. D., Cross, J. H., de Haan, M. Functional brain network organisation of children between 2 and 5years derived from reconstructed activity of cortical sources of high-density EEG recordings. NeuroImage. 82, 595-604 (2013).
  12. David, O., Cosmelli, D., Friston, K. J. Evaluation of different measures of functional connectivity using a neural mass model. NeuroImage. 21, (2), 659-673 (2004).
  13. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, (1), 25 (2008).
  14. Wendel, K., et al. EEG/MEG source imaging: methods, challenges, and open issues. Computational Intelligence and Neuroscience. 2009, 13 (2009).
  15. Richards, J. E. Localizing cortical sources of event-related potentials in infants' covert orienting. Developmental Science. 8, (3), 255-278 (2005).
  16. Hauk, O. Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data. NeuroImage. 21, (4), 1612-1621 (2004).
  17. Pascual-Marqui, R. D., et al. Low resolution brain electromagnetic tomography (LORETA) functional imaging in acute, neuroleptic-naive, first-episode, productive schizophrenia. Psychiatry Research. 90, (3), 169-179 (1999).
  18. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods and findings in experimental and clinical pharmacology. 24 Suppl D. 5-12 (2002).
  19. Phillips, C., Rugg, M. D., Friston, K. J. Systematic regularization of linear inverse solutions of the EEG source localization problem. NeuroImage. 17, (1), 287-301 (2002).
  20. Yao, J., Dewald, J. P. A. Evaluation of different cortical source localization methods using simulated and experimental EEG data. NeuroImage. 25, (2), 369-382 (2005).
  21. Tandonnet, C., Burle, B., Hasbroucq, T., Vidal, F. Spatial enhancement of EEG traces by surface Laplacian estimation: Comparison between local and global methods. Clinical Neurophysiology. 116, (1), 18-24 (2005).
  22. Tenke, C. E., Kayser, J. Generator localization by current source density (CSD): implications of volume conduction and field closure at intracranial and scalp resolutions. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 123, (12), 2328-2345 (2012).
  23. Brainard, D. H. The psychophysics toolbox. Spatial vision. (1997).
  24. Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R. What's new in Psychtoolbox-3. Perception. (2007).
  25. Tottenham, N., et al. The NimStim set of facial expressions: judgments from untrained research participants. Psychiatry Research. 168, (3), 242-249 (2009).
  26. Chaste, P., et al. Adjusting head circumference for covariates in autism: Clinical correlates of a highly heritable continuous trait. Biological Psychiatry. 74, (8), 576-584 (2013).
  27. Delorme, A., et al. EEGLAB, SIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG processing. Computational Intelligence and Neuroscience. 2011, 130714 (2011).
  28. Nolan, H., Whelan, R., Reilly, R. B. FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection. Journal of Neuroscience Methods. 192, (1), 152-162 (2010).
  29. Kilner, J. M. Bias in a common EEG and MEG statistical analysis and how to avoid it. Clinical Neurophysiology. (2013).
  30. DeBoer, T., Scott, L. S., Nelson, C. A. 12 ERPs in Developmental Populations. Event-related Potentials: A. (2005).
  31. Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Developmental Psychobiology. 54, (1), 77-91 (2011).
  32. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Computational Intelligence and Neuroscience. 2011, 879716 (2011).
  33. Haan, M., Johnson, M. H., Halit, H. Development of face-sensitive event-related potentials during infancy: a review. International Journal of Psychophysiology. 51, 45-58 (2003).
  34. Earp, B. D., Everett, J. A. C. Is the N170 face specific? Controversy, context, and theory. Neuropsychological Trends. 13, (1), 7-26 (2013).
  35. Taylor, M. J., McCarthy, G., Saliba, E., Degiovanni, E. ERP evidence of developmental changes in processing of faces. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 110, (5), 910-915 (1999).
  36. Ment, L. R., et al. Longitudinal brain volume changes in preterm and term control subjects during late childhood and adolescence. PEDIATRICS. 123, (2), 503-511 (2009).
  37. Courchesne, E., et al. Impairment in shifting attention in autistic and cerebellar patients. Behavioral Neuroscience. 108, (5), 848-865 (1994).
  38. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. (2011), (2011).
  39. Daunizeau, J., David, O., Stephan, K. E. Dynamic causal modelling: A critical review of the biophysical and statistical foundations. NeuroImage. 58, (2), 312-322 (2011).
القشرية تحليل مصدر عالي الكثافة EEG تسجيلات في الأطفال
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bathelt, J., O'Reilly, H., de Haan, M. Cortical Source Analysis of High-Density EEG Recordings in Children. J. Vis. Exp. (88), e51705, doi:10.3791/51705 (2014).More

Bathelt, J., O'Reilly, H., de Haan, M. Cortical Source Analysis of High-Density EEG Recordings in Children. J. Vis. Exp. (88), e51705, doi:10.3791/51705 (2014).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter