Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Medicine

소아 간질의 바이오 마커로 동시 인 자기와 뇌파 감지 간기 고주파 진동

doi: 10.3791/54883 Published: December 6, 2016

Summary

고주파 진동 (HFOs)는 의학적으로 난치성 간질을 가진 소아 환자에서 간질 영역의 식별을위한 수술 전 생체로 등장했다. 동시에 두피 뇌파 (EEG) 및 인 자기 (MEG)와 HFOs의 비 침습적 기록, 감지 및 현지화를위한 방법이 제시된다.

Abstract

간질 수술의 성공에 중요의 간질 영역 (EZ)를 식별하는 강력한 바이오 마커의 이용이다. 고주파 진동 (HFOs)는 간기 간질 수 배출 (의 IED)과 발작 활동 외에 EZ의 식별을위한 잠재적 수술 전 바이오 마커로 등장했다. 그들은 EZ 지역화 약속하고 있지만, 그들은 아직 임상에서 진단 또는 간질의 모니터링에 적합하지 않습니다. 주요 장벽은 남아 : HFOs에 대한 공식적인 및 글로벌 정의의 부족; 그들의 연구에 사용되는 방법 론적 접근 방식의 결과의 이질성; 그리고 실제적인 어려움을 감지하고 두피 녹화에서 비 침습적을 지역화 할 수 있습니다. 여기, 우리는 난치성 간질을 가진 소아 환자에서 간기 HFOs의 기록, 감지 및 현지화에 대한 방법론을 제시한다. 우리는 HFOs의 대표적인 데이터가 두 아이에서 간기 두피 EEG와 MEG에서 비 침습적으로 감지보고수술을받은.

HFOs의 기본 발전기 역 문제를 해결함으로써 지역화하고 자신의 위치 파악이가 epileptologists에 의해 정의되었을 때 발작 발병 지역 (SOZ)에 비교 하였다. 모두 환자, 간기 간질 수 배출 (의 IED)과 HFOs이 조화 된 위치에서 소스 이미지와 지역화 하였다. 한 환자의 경우, 두개 내 EEG (iEEG) 데이터도 사용할 수있었습니다. 이 환자의 경우, 우리는 HFOs 현지화는 비 침습적 및 침습적 인 방법 사이의 조화 된 것을 발견했다. 두피 녹음의 결과와 iEEG의 비교는 이러한 연구 결과를 검증하기 위해 봉사했다. 우리의 최고의 지식에,이 침략 녹음과 결과를 비교 동시 EEG와 MEG 기록에서 두피 HFOs의 소스 현지화를 제시 최초의 연구이다. 이러한 연구 결과는 HFOs 안정적으로 감지 두피 EEG와 MEG와 비 침습적 지역화 할 수 있습니다 것이 좋습니다. 우리는 결론이 interic의 비 침습적 현지화탈 HFOs 크게 간질을 가진 소아 환자의 수술 전 평가를 개선 할 수있다.

Introduction

6 천 당 어린이 1 - 소아 간질 4의 유병률과 일반적인 신경 질환이다. 그것은 아이들의 개발이에 큰 영향을 미칠 수 있습니다 크게 그들의 성인 생활에 영향을 미칠 수 있습니다. 어린 시절 발병 간질의 장기 추적 관찰 연구는 간질 환자의 약 30 %가 3-6 의학적으로 다루기 힘든 될 것을 나타 내기, 일반적으로 resective 간질 수술을 필요로한다. 이들 환자의 대부분에서 간질 수술은 발작 자유에 자주 발작 빈도의 상당한 감소로 연결합니다. 성공하려면 간질 수술은 최소한의 또는 전혀 기능 적자와 발작이없는 상태를 달성해야합니다. 이것은 간질 존 (EZ) 7, 8 '간질 발작의 발생에 불가결 피질의 영역'에주의 묘사를 필요로한다. EZ 직접 측정 할 수 없다; 그 위치는 테스트 그쪽 다수의 조화 된 데이터에 기초하여 추정되는t은 다른 피질 영역을 식별합니다. 침략 두개강 내 뇌파 (iEEG)은 발작 발병 지역 (SOZ), 발작이 발생 발작 녹음에 기인하는 지역의 지역화를위한 황금 표준 역할을한다. 그러나 iEEG는 비용이 많이 드는 아이의 협력에 의존하고, 감염과 9 출혈에 대한 몇 가지 위험을 운반하고, 주입 10시에 추가로 신경 학적 손상을 야기 할 수 있음. 뇌의 넓은 영역이 미개척 남아 있기 때문에 또한, 녹음 잘못된 결론으로 ​​이어질 수 있습니다. 따라서, EZ의 식별에 도움이 강력한 바이오 마커 수술 전 수술은 간질 치료의 성공에 필요하다.

병적 HFOs (80-500 Hz에서) 11, 12 간질 (13) 환자의 수술 전 진단과 수술 결과를 향상시킬 수있는 간질 조직의 식별을위한 바이오 마커로 지난 10 년 동안 등장했다. 마이크로를 사용하여 보고서깊이 EEG 전극 결합 전극 간질 환자 HFOs의 존재를 보여 주었다. HFOs 또한 발작 및 간기 기간 동안 표준 macroelectrodes를 사용하여 발견되었다. 최근 연구 HFOs은 자극성 영역 14,15 상기의 IED 생성 영역에 비해 더 높은 감도 및 특이성으로 SOZ를 식별하는 것을 도시 한 상기 HFO 발생 조직의 외과 적 제거는 제거보다 나은 결과와 상관 관계가 있다고 SOZ 또는 자극성 영역 15. (- 250 Hz에서 80) 또는 빠른 잔물결 (250-500 Hz에서) HFOs은 일반적으로 물결로 분류됩니다. 빠른 잔물결이 더 밀접하게 병리학 적 활동과 SOZ (16)의 국산화에 연결되었지만, 인간의 두개 내 기록의 조사는 잔물결과 빠른 잔물결 모두 간질 지역 17 증가 나타냅니다.

이러한 유망한 결과에도 불구하고, HFOs 아직 진단 또는 모니터링을 위해 적합하지 않다임상에서 간질. 주요 장벽은 남아는 (i) HFOs에 대한 공식적인 및 글로벌 정의의 부족; (ii) 상기 방법론의 결과적인 이질성은 그들의 연구에 사용되는 접근법; 및 (iii) 실질적인 어려움을 감지하고 두피 녹화에서 비 침습적을 지역화 할 수 있습니다. 후자 전극 멀리 신호의 소스이며, 신호가 배경 잡음과 근육 활동에 의해 흐려 수도, 신호, 특히에서 두피 또는 두개골의 fontanels과 봉합에 의해 왜곡 될 수 있다는 사실에 기인 유아 환자. 리플 빠른 매릴랜드 모두에도 정상적인 인간 뇌 조직 (20)에 존재하기 때문에 또한, 정상 및 비정상 HFOs 18,19 구별하기 어렵다. 간질 21-23 환자의 - (3.4 % 0.2) 일부 초기 연구는 작은에서 두피 뇌파에 HFOs을보고했다. 그러나, 최근 연구 HFOs 두피 EEG 비 침습적으로 검출 할 수 있음을 보여 주었다. Ictally, HFO(- 100 Hz에서 50) (26)뿐만 아니라, 레녹스 - 가스 토 증후군 토닉 발작의 발병 (120 Hz에서 25 - - 100 Hz에서 24, 40 ~ 50)의 어린이의 간질 경련의 발병에보고되었다. 간기 HFOs (70-200 Hz에서) 먼저 수면 유도 전기 간질 중첩증 (27) 어린이의 두피 뇌파에 관찰되었다. 그런 다음, 간기 HFOs (80-200 Hz에서)는 SOZ (28) 내부의 높은 속도와 초점 간질 환자의 두피 뇌파에서 확인되었다. 흥미롭게 HFOs는 간기 간질 방전 (의 IED)의 높은 수치 환자에서 더 많았다, 이들은 epileptogenicity HFOs와의 관계를 강조 상기 SOZ 29의 IED보다 구체적으로 밝혀졌다.

(ⅰ) MEG 높은 주파수 활동이 근육에서 오염 EEG보다 덜 민감하다 : MEG는 HFOs의 비 침습적 검출 및 현지화를위한 두피 뇌파에 비해 상당한 이점을 제공 할 것활성 30-31 (II) MEG 신호 두개골 전도도 및 fontanel 또는 봉합사로 두개골 뼈 융착 지역으로 EEG 미만의 왜곡, 및 (iii) MEG 센서 어레이가 고밀도 항상 얼굴 EEG 비교 한 왜곡되지 헤드 아이들과 같이 작은 경우 염의 문제점은 전극 사이에 브릿지. MEG (32)와 - (3mm 2) HFOs 발전기를 시뮬레이션 팬텀 구조에서 증거 HFOs가 감지 높은 현지화 정확도로 지역화 할 수 있습니다 제안했다. 몇 가지 최근의 연구는 리플 주파수 대역 33-38에서 간질 환자에서 기록 된 MEG 신호에 HFOs을보고했다. MEG 데이터는 EZ 33-36 관련된 고주파 성분을 포함하는 시간 - 주파수 분석을 도시하고있다. 그러나, 몇몇 연구는 일반적으로 37-38 iEEG 완료 시간 영역에서 배경 신호로부터 서 볼 이벤트로 간기 HFOs을 확인 하였다. 반 KLINK 등. (7)의 IED에서 얻은 공간 정보를 기반으로 빔 포밍 기술로 구성된 가상 채널을 사용하여 리플 대역에서 HFOs를 발견했습니다. 폰 Ellenrieder 등. (38)는 독립적으로의 IED의 물리적 센서로부터 MEG 신호에 HFOs을 발견하고 자신의 소스를 현지화하고 EZ와의 상관 관계를 조사하기 위해 평균 (MEM) 메소드에 최대 엔트로피를 사용했다. Rampp 등은. (2010)에도 스파이크 고정 또는 스파이크 독립적이었다 MEG와 간질 높은 감마 진동을 검출하고, 최소 - 노옴 소스 분석 (39)이 활동하는 지역. 그들은이 빠른 진동의 특성 (즉, 전체 밴드의 평균 진동의 최대 진폭의 명확한 발병)가 높은 SOZ과 관련이 있음을 발견했다. HFOs는 간질 성 경련 (40)와 소아 환자에서 발작 활동 중 MEG 검출되었다. 그러나, MEG는 두피 뇌파에 비해 몇 가지 뚜렷한 한계를 제시한다 : (ⅰ)는 INSE입니다(ⅱ)은 발작 이벤트를 검출하고 기록 할 수있는 가능성을 증가 긴 레코딩을 허용하지 않으며, (ⅲ)의 센서 헤드의 형상과 일치 할 수 헤드의 중심에 대해 반경 방향이 소스에 nsitive 각 개인의 헬멧 내부의 헬멧 및 센서 어레이는 모든 형태로 고정되어 있기 때문이다. 따라서, 감지하고 간질 활동을 지역화 할 수있는 가능성을 극대화 최적의 설정은 모두 두피 EEG와 MEG의 정보를 결합하는 것입니다.

본 연구에서는 의료 내화물 간질과 소아 환자에서 두피 EEG와 MEG의 동시 녹음을 사용하여 우리는 간기 HFOs의 비 침습적 검출에 따라 방법론을 설명하는 것을 목표로하고 있습니다. 우리는 녹화 설정 우리 동시 MEG와 EEG 데이터 HFO 이벤트의 검출을 위해 개발 한 반 - 자동화 된 방법을 사용하여 데이터 분석의 파이프 라인을 제시한다. 마지막으로, 우리는 또한의 현지화를 제시역 문제를 해결함으로써 얻어 두피 HFOs의 발전기, 기본이 상기 epileptologists 의해 정의 된 바와 같이 SOZ와 비교.

Protocol

윤리 정책 : 여기에 임상 시험 심사 매사추세츠 종합 병원의위원회 (IRB), 보스턴, MA, USA에 의해 승인 된 실험 절차. 다음 섹션에서는 두피 EEG와 MEG를 사용 HFOs의 비 침습적 검출 및 소스 지역화에 대한 실험 프로토콜을 설명합니다. 환자 준비는 최소한이며, 시험은 일반적으로 내약성이된다. 약 60 분을 지속 실제 녹음에 3 시간 - 전체 세션은 약 2 지속됩니다.

1. 환자의 준비

  1. 아이가 환경과 편안한 지 확인합니다.
    참고 : 어린 아이들은 테스트 환경을 탐색 할 수 있도록 허용하고 시험 장비를 볼 수 있습니다. 심사 양식을 사용하여 안전성과 동의에 관한 환자를 화면. 그 / 그녀가 마지막 2 시간 이내에 임상 적 발작이 있었다 여부를 환자 (또는 그 / 그녀의 부모)에게 문의하십시오.
  2. 모든 금속 / 자성 재료를 제거하고 환자에게 병원에서 발급 한 의류를 제공합니다. 신발을 제거그들은 자주 자기 때문에. 피사체가 몇 분 동안 MEG 신호를 측정하여 자기 유물의 여유 공간이 있는지 확인합니다. 치과 작품으로 이식 재료에서 아티팩트를 감소시키기위한 자기야을 사용합니다.
    주 : 강자성 물체 본체 내에 있다는 가능성이있는 경우 demagnetizer 적용되지 않아야한다.
  3. 아동에 대한 적절한 뇌파 캡 크기를 선택하는 최대 머리 둘레를 측정한다. 측정 테이프를 사용하고는 nasion을 누르고 있습니다. 다음 (~ 다 inion 위 1cm)을 최대 둘레 주위의 머리 주위에 측정합니다.
  4. 20 시스템 - 국제 (10)에 따라 머리에 뇌파 캡을 놓습니다. 각 전극이있는 피부를 정화하고 각 전극 용 페이스트 / 젤을 적용합니다.
    참고 : 어린이의 두피 뇌파 기록에 대한 자세한 내용은 다른 곳에서 (41)이 제공된다.
    1. 머리에 접지 전극과 기준 전극을 배치합니다. 측정 수평 및 Vertica의 추가로 전극을 연결시간적 영역 (T1 / T2)를 포함하는 위치에 리터의 electrooculography (EOG), 심전도 (ECG), 근전도 (EMG) 및 추가 EEG 전극.
      주 : EOG, ECG 및 EMG 눈 운동, 자기 심전계 오염 근육 활동의 식별을 돕기, 또한 환자의 상태를 감시.
  5. 뇌파 채널을 개별적으로 센서를 배치하여 두피에 좋은 접촉이 있는지 확인합니다. 조심스럽게 길에서 머리를 이동 좌우로 각 센서 트위스트. 10 이하 킬로 오옴되기 위해 뇌파의 저항계 모든 전극 임피던스를 측정한다.
  6. 귓불 뒤에 두와 대략 대칭 위치에서 이마에 두 : 머리에 네 개의 HPI 코일을 배치합니다.
    주 : HPI 코일 3D 공간에서 MEG 센서의 위치에 대해 환자의 헤드의 상대 위치를 로컬 화하는데 도움. HPI 코일의 수는 MEG 시스템의 공급에 따라 다를 수있다.
  7. 구합니다HPI 코일의 위치와 디지타이저를 이용한 EEG 전극.
    주 : 디지타이저은 3D 공간에서 센서의 좌표를 기록한다. 센서는 스타일러스의 끝 부분에 배치됩니다. HPI 코일의 위치는 머리 해부학에 대하여 및 MEG 센서의 위치와 알고 있어야합니다.
  8. 디지타이저를 사용하여 좌 / 우 preauricular 포인트와 nasion 포함 기점 랜드 마크의 위치를 ​​가져옵니다. 정확한 머리 모양을 얻기 위해 추가 포인트 (약 300 점) 디지털화.
  9. MEG 시스템이 위치한 자기 차폐 실 (MSR) (42)로 환자를 전송합니다.
    주 : MSR 외부 전자파 소스 (에서 MEG 녹음의 간섭을 최소화하는 차폐 환경 즉, 전원 선 등 자동차, 엘리베이터, 기차와 같은 자화 움직이는 물체에서 휴대용 장치, 전기 장치, 컴퓨터, 자기장에서 무선 주파수 신호 ). 그것은 세 가지 중첩 된 층으로 이루어져있다.각 층은 순수 알루미늄 층을 더한 고 투자율의 강자성 층으로 이루어진다 (즉, 무 금속, 주로 니켈 및 철로 이루어진 합금).
  10. 침대에 환자 누워는 MEG 헬멧에 그 / 그녀의 머리를 갖다 댔와 편안함을 위해 환자의 머리에서 적절한 패드 / 스폰지를 적용합니다.
  11. HPIs, 뇌파 리드의 EOG, 심전도, 근전도, 기록 시스템에 추가 전극을 연결합니다. 이 헬멧에 가능한 한 깊이있는 보장 스캐너에서 환자의 머리 위치를 조정합니다.

2. 데이터 수집

  1. MEG와 EEG
    주 : MEG / EEG 데이터 수집은 이전의 연구 (42)에 기재된 방법에 기초하여 수행된다. 소아 간질에서 MEG의 임상 적 사용에 대한 자세한 내용은 다른 곳에서 43, 44 찾을 수 있습니다.
    1. 기록 MEG는 전체 머리 MEG 시스템에 신호를 보낸다.
      주 : MEG 시스템은 두 종류의 박막 센서를 채용 (평탄한gradiometers 및 자력계)는 센서 소자 (102) 상에 집적. 각 요소는 하나의 코일로 구성 자력계, 그리고 "그림 - 중 - 팔"형 코일 구성 구성이 직교 평면 gradiometers이 포함되어 있습니다. 자력계는 표면에 수직 한 자속을 측정하고 gradiometers는 "8"또는 공간적 기울기의 두 개의 루프 사이의 차이를 측정한다. MEG 시스템은 (204) 평면 gradiometers 102 자력계 (총 306 센서)가 있습니다. 다른 공급 업체의 MEG 시스템은 다른 수의 코일 (즉, 축 gradiometers)의 유형이있다.
    2. 동시에 기록 T1 / T2 (42)의 Ag / AgCl을 소결 링 전극 및 추가 전극 비자 70 채널 전극 캡을 사용하여 EEG 신호. 공통 기준 몽타주를 사용합니다.
    3. 카드 판독기의 문을 닫습니다. 그 / 그녀가 편안한 느낌 있는지 확인하는 인터콤 시스템을 통해 환자와 통신. insid 유지하기 위해 부모에게 물어전자 카드 판독기는 기록하는 동안 아이가 혼자 머물 불편을 느끼면.
    4. MEG 수집 소프트웨어에서 '이동'버튼을 클릭하여 녹음을 시작합니다. 1 KHz의 (또는 그 이상) 높은 샘플링 속도를 사용한다. 400 Hz에서 순서 번째 6의 저역 통과 무한 임펄스 응답 (IIR) 필터를 사용한다. 온라인으로 기록 된 모든 신호를 확인합니다. 센서 튜너를 사용하여 나쁜 MEG 채널을 고정합니다.
      참고 : 또는 기록 스퓨리어스 환경 전자기 노이즈 센서 (2 ~ 5 피트 / 자력계에 대한 rt-Hz에서 이상) 백색 잡음의 상대적으로 높은 수준이 나쁜 MEG 채널이 정의 센서 (gradiometers 또는 자력계). 센서 강한 (측정 신호들에 대하여)의 자기장 및 코일 "트랩"초전도 파괴 자속의 특정 부분에 노출 될 때 일반적으로 발생한다. 다음 센서 튜너는 그것을 통해 전류를인가하여 코일을 가열하는 데 사용된다. 이 절차는 튜닝라고하며 경우에 사용(- 5 fT에 / √Hz로, 즉, 2) 상기 센서의 백색 잡음 레벨이 특정 임계 값 이상이다. 일부 MEG 시스템은 센서 튜너가 없습니다.
    5. MEG 수집 소프트웨어에서 '측정'버튼을 클릭하여 환자의 머리 위치를 측정한다. 환자의 머리가 감각 배열에 잘 적용되지 않은 경우, 헬멧에 깊은 그 / 그녀의 헤드를 이동 시키도록 환자를 묻는다.
      주 :이 기동 인공 자기장 생성 코일을 통해 과도 진동 전기적 신호를인가함으로써 4 HPI 코일을 활성화한다. 이러한 필드는 따라서 헤드 위치가 결정되면, MEG 센서에 의해 검출된다. 절차는 다른 MEG 공급 업체 사이에 다를 수 있습니다.
    6. 기록 MEG, EEG, 60 분 ~에 대한 MEG 수집 소프트웨어 (즉, ECG, EOG와 EMG)에서 '녹음'버튼을 클릭하여 주변 녹음.
      참고 : 데이터가 독립 디스크 (RAID)의 중복 배열에서 .fif 파일로 저장됩니다.파일 형식은 다른 MEG 공급 업체 다릅니다.
    7. 녹음이 종료되면, 카드 판독기를 열고 케이블을 분리하고, MSR 방에서 환자를 꺼내. 모든 테이프, 전극, HPI 코일 및 EEG 캡 부드럽게 제거합니다. 환자에 대한 헤드 세척을 제공합니다.
    8. 취득이 완료되면, 환자가없는 빈 MSR의 자기 신호를 기록한다. MEG 수집 소프트웨어에서 '이동'버튼을 클릭하여 녹음을 시작합니다. 단계 2.1.4에서와 동일한 파라미터를 이용하여 2 분 동안 기록 MEG 데이터.
      참고 :이 데이터는 환경 전자기 잡음을 추정하는 데 사용됩니다.
  2. MRI
    1. 자화 준비된 빠른 취득 그라데이션 에코 시퀀스와 해부학 MRI 데이터 획득 (MPRAGE를, TE를 = 1.74 밀리, TR = 2520 MS, 복셀 크기 = 1 × 1 × 1 ㎜) 고해상도 3T 스캐너와 함께합니다. MRI를 주사 프로토콜에 대한 세부 사항은 다른 곳 (45)을 발견 할 수있다.
      참고 : 우리는 MRI 검사를 수행하지 않습니다인하여 치과에서 작동 가능한 환자의 금속 임플란트의 자화에 MEG 녹화 아티팩트를 방지하기 위해 세션 MEG 같은 일.

간기 활동 3. 확인

  1. GNU 일반 공중 라이선스에 따라 온라인 문서화 및 다운로드 무료로 사용할 수 있습니다 브레인 스토밍 (46)를 사용하여 데이터를 엽니 다.
  2. 임상 발작 떨어져 적어도 2 시간을 발생 간기 활동으로 EEG 데이터의 시각적 부분을 선택합니다.
    참고도 1은 상용의 IED와 EEG와 MEG 데이터의 일부를 나타낸다.
    1. 경험적으로 EEG 신호에서 잘 정의의 IED를 확인 :이 스파이크 포함 (20-70 MS)와 날카로운 파도 (70-200 밀리 초) 47 ~ 48입니다.
      참고 : 간질 초점 현지화에서의 IED의 두 가지 유형의 임상 적 의의는 동일합니다.
    2. (내가) 최소한의 모티 :로 (가능한 경우)를 식별하기 위해 녹음의 일부를보십시오유물에, (ⅱ) 이상 10월 3일에서 4일까지의 표시 기준의 IED, 및 (iii) 느린 파 비 REM 수면 보통 HFOs (49)의 높은 숫자를 제시 그.

그림 1
그림 1 : EEG와 MEG 신호에서의 IED. 동시에 기록 두피 EEG와 MEG의 부분은 자주의 IED로 신호를 보낸다. 하나의 날카로운 파를 포함 강조 표시된 섹션의 1 초는 오랜 시간 스케일 디스플레이에 오른쪽 패널에 표시됩니다. 빨간 점은의 IED의 피크를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 브레인 스톰을 사용하여 표준 디스플레이 설정 데이터 (10 초 / 페이지)를 표시합니다. 필터 탭으로 이동하여 다음 필터 표시 매개 변수를 넣어 : 하이 패스 필터 : 1 Hz에서, 로우 패스 필터 : 80 Hz에서, 노치 필터 : 50 O를R (전력선의 주파수에 따라) 60 Hz에서. 데이터를 검사하고의 IED와 데이터의 일부를 식별합니다.
    참고 :의 IED와 신호 만이 부분은 HFOs (3.4 단계)을 찾기 위해 검색됩니다. 선택한 필터는 시각화를위한 것입니다; 이들은 데이터에 적용되지 않았다. 브레인 스토밍 웹 사이트의 지침에 따라 (주문 번째 4) 대역 통과 버터 워스 (Butterworth) 필터를 사용하여 데이터를 영구적으로이 필터를 적용하기 위해 (http://neuroimage.usc.edu/brainstorm/).
  2. 마크 모두 EEG와 MEG 데이터에서 발생하는 각 IED의 피크 (그림 1의 붉은 반점 참조).
    참고 : 브레인 스톰을 사용의 IED를 표시에 대한 자세한 내용은 다른 곳에서 찾을 수 있습니다 (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

동시 두피 EEG와 MEG 데이터에 HFOs 4. 세미 자동 감지

참고 : 여기에서 우리는 자동 감지 (단계 4.1를 포함 HFOs를 검출하는 반 자동화 된 방법을 설명; Figu을2 재), 자동 감지 HFOs (단계 4.3)의 시각적 검토 하였다. 날카로운 과도 진정한 파문과 HFOs는 필터링 현상으로 인해되지 않도록의 스퓨리어스 진동을 방지하기 위해, 우리는 관련 문헌에서 최신 제안 하였다 : 우리는 (4)의 진동을 최소한 사람을 갖도록 HFOs 필요 이 필터의 임펄스 응답은 순환 (50)의 선택된 수보다 적은 진동을 갖는 것이 관찰되었다 우리 효과 및 "깁스"현상 (50)를 울리는 최소화하기 위해 유한 임펄스 응답 (FIR) 필터를 사용하여, 우리는 후보 HFO 이벤트 필요 HFOs도의 IED 50, 51에 표시 오버레이했다 있는지 여부를 확인하기 위해 전문가에 의해 시각적으로도 검사, 그리고 날카로운 이벤트 및 진동이 다른 서명을 가지고 있기 때문에 우리는 시간 - 주파수 평야에서 관찰 할 수있는 고립 된 섬을해야합니다 : 실제 HFO는 시간 FREQUEN에서 격리 된 피크로 표현된다싸이 플롯 (80)의 밴드에 위치한 ( "섬"으로, 주파수 제한) - 일시적인 이벤트가 주파수 50,52,53 연장 긴 덩어리를 생성하는 동안, 500 Hz에서.

그림 2
그림 2 : 알고리즘 단계의 도식 다이어그램. 이 알고리즘은 두 단계로 작동 : 첫번째는 시간 도메인 (좌측 및 중간 열)에서 각 EEG 신호로부터 후보 HFOs 식별; 두 번째 시간 - 주파수 영역 (우측 열)의 생성물로부터 HFOs 진짜를 구별하기 위해 이전에 검출 된 후보 이벤트를 분류한다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. 자동 HFO 검출
    참고 :도 2는 자동 검출의 흐름도를 설명각각의 EEG 신호에 HFOs의. 개발 된 방법의 목적은 HFOs의 시각적 검사 추천 2 S / 페이지 표시를 이용하여 각 EEG 채널 HFO 이벤트 마킹 EEG 전문가에 대한 부담을 감소시키는 것이다. HFO는 리플 주파수 대역 내의 이벤트로 정의 - 주변 배경에서 밖으로 서 형태와 같은 사인의 최소 4 진동이 (80 250 Hz에서), 54 (단계 4.1.1) 및 단기로 표시되는 별개의 고주파 (14) (단계 4.1.2)에 고립 된 스펙트럼 피크 이벤트를 살았다.
    1. 시간 영역의 후보를 검출 HFOs
      1. 대역 통과 (BP) 관심 리플 대역 신호의 주파수 성분을 제한, 80 및 250 Hz에서의 EEG 신호를 필터링.
        참고 : 위상 왜곡을 방지하기 위해 울리는 효과와 "깁스"현상 (55), 및 0 상 디지털 필터링을 최소화하기 위해 FIR 필터를 사용하는 것이 좋습니다.
      2. 계산하다힐버트 변환을 사용하여 BP 신호의 포락선. 평균 및 시계열의 각 점을 중심으로 슬라이딩 창 (10)의 위에 봉투의 표준 편차 (SD)를 계산한다. (많은 HFOs 높은 SD와 신호의 부분들의 존재 가능성을 견고 값을 얻기 위하여) 모든 윈도우에 걸쳐 평균 값을 이용하여 전체의 평균과 SD 추정된다.
      3. 봉투의 z 점수를 계산하고 후보 HFO 3 (56)과 동일하게 설정 z-score가 최소 임계치보다 높을 때마다, 마크.
      4. 반 문턱 상하로 교차 검출 이벤트의 시작 및 종료 지점을 정의. 하나 HFO 같은 30ms 미만의 이벤트 간 간격으로 HFOs을 고려한다. HFO의 시작과 끝 지점 사이의 BP 신호에서 피크의 수를 계산, 이하 4 피크 이벤트를 폐기합니다. 또한, 12보다 높은 Z 점수와 이벤트를 폐기합니다.
        주 : 당신의 격언을 수정녹음에서 발생할 수있는 이슈의 크기에 따라 Z 점수 임계 값을 음. 매우 높은 진폭 이벤트가 근육 또는 전극 유물로 인한 될 수있는 반면 진동의 낮은 번호 이벤트는, 필터링 효과 57,58 발생할 수 있습니다.
    2. 시간 - 주파수 도메인에서 가능한 아티팩트 거부.
      주 :이 단계는 그 주파수 콘텐츠 관심 주파수 대역에 제한되지 않고 다른 EEG 활성 및 아티팩트 필터링에 의해 유발 될 수있는 이벤트에서 HFOs 진짜를 구별하는 것이 필요하다. 이것은 실제 HFO 주파수 (59)으로 연장 긴 블롭을 발생하는 일시적인 행사와 대조적으로, 80 Hz의 상기 고유 주파수 격리 스펙트럼 피크 단명 이벤트로 표시되는 가정에 기초한다. 도 3은 BP를 나타내는 검출 HFO 예 여과 EEG 신호 (상판)의 봉투 (중간 패널)과 대응을 도시HFO 피크 주위 [-0.5, 0.5] (S)의 기간의 시간 - 주파수 평면 (하부 패널)을 보내고. 더 현저한 활성, 150㎐ 이상의 주파수에서 관찰되지 않았기 때문에, 150㎐ - 시간 - 주파수 평면의 디스플레이 (80)로부터 제한된다.
      1. 관심있는 가장 높은 주파수, 즉 250 Hz에서 (중심 주파수 = 1 Hz에서 1 Hz에서의 주파수 범위에서 Morlet 변환을 이용한 시간 - 주파수 공간 내에 모든 후보 HFOs 이벤트를 변환 전체 폭에서 반 최대 = 3 초).
      2. 이벤트 기간의 각 시점 이상의 시간 - 주파수 표현의 순시 전력 스펙트럼을 분석한다. 각각의 파워 스펙트럼의 경우, Burnos 등에 의해 설명 된 자동 기준을 따릅니다. (56)은 고주파 대역에서 피크를 검출하고,이 낮은 주파수 대역에 가장 가까운 피크 명확히 구별 여부를 확인하기 위해. 의 90 % 이상으로 격리 된 고주파 피크 파워 스펙트럼을 보여주지 않는 HFOs 폐기시점.
  2. 정렬 모든 채널에 걸쳐 자신의 시간 발생으로 HFOs 이벤트를 감지했습니다. 그 기간이 중복 그룹 모두 함께 연속 HFOs. 추가 분석을 위해 적어도 두 EEG 채널을 포함 HFOs의 그룹을 유지합니다.
    주 :이 알고리즘은 실제 HFOs 유사한 단일 EEG 리드에서 발생할 수있는 의사 난수 아티팩트 캡처 방지하기 위해 적어도 2 개의 채널에서 발생하도록 HFOs 요청한다. 두 개의 연속 HFOs는 제 HFO의 시작 시간은 첫번째의 시작 시간을 앞서는 경우 중복으로 간주된다.

그림 3
그림 3 : 알고리즘에 의해 감지 HFO 이벤트. 상단 패널 : 필터링 된 BP - 하나의 채널에서 (μV에서) (80 150 Hz에서) EEG 신호 - 환자 1 중간 패널 (F8 T8) : 혈압 신호의 봉투 (Z 점수). 봉투 (빨간색 별표)의 피크는 HFO 피크의 타이밍 (빨간색 세로 점선)을 나타냅니다. 청색 별표는 HFO (파란색 세로 점선)의 시작과 끝 시간 지점을 나타내는 반 문턱 상하 크로싱 (푸른 점선)를 표시한다. 하판 : 시간 - 주파수 분석 평면. HFO의 피크 주변의 리플 주파수 대역에서 고립 피크 (~ 100 Hz에서) 참고. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

  1. HFO 이벤트의 시각적 검토
    참고 : 시각적 인 검토의 일부가 엔드 레데 - 발렌 등의 알에 의해 제안 된 가이드 라인을 기반으로합니다. 28 Zelmann 등의 알. 60.
    1. 세로 2 컴퓨터 화면을 정렬; EEG의 검사 용과 MEG 신호의 검사 하나. 양쪽에 감지 이벤트 확장 (2 초 / 페이지) 및 일반의를 표시케일 (10 초 / 페이지) 표시는 각각 80-250 Hz에서와 1-40 Hz의 BP는 신호를 필터링.
    2. 큰 주파수 변동, 불규칙한 형태, 또는 큰 진폭 변화와 필터링되지 않은 EEG와 MEG의 근육 또는 전극 유물과 cooccurring 이벤트뿐만 아니라, 이벤트를 무시합니다.
    3. HFOs의 검출시 EOG와 EMG 신호를 관찰하고 EOG 또는 근육 활동에 해당하는 것으로 생각되는 모든 이벤트를 폐기합니다. EEG와 겹치지 만 HFOs을 고려 / MEG의 IED (단계 3.3에서 검출)가 사실 HFOs 15,28,56 될 가능성이있다.
      참고 :이 방법은 낮은 감도의 비용으로 높은 특이성을 제공합니다; 따라서,이 식별 HFOs 피질 기원이다 확신을 제공한다.
    4. 동시에 두 EEG와 MEG 신호 발생 만 HFO 이벤트를 유지합니다.

의 IED와 HFOs 5. 소스 현지화

  1. MEG의 IED의 피크에서 발전기 국산화등가 전류 쌍극자 (ECD)를 사용하여, 단계 3.3에 표시했다. 자유롭게 사용할 수있는 최소 규격 견적 소프트웨어를 사용하여 (http://martinos.org/mne/stable/index.html). m - 만 적합도 (GOF)> 80 % 및 쌍극자 모멘트 Q <500 nA의와 스파이크 고려한다. 각 환자의 MRI에 ECD 위치를 오버레이.
    주 : 평균의 최대 엔트로피 (MEM)는 소스 (61)의 위치와 범위를 결정하는 매력적인 대안 방법입니다.
  2. (폰 Ellenrieder (38)에 의해 제안 된대로) 평균 (wMEM) 방식에 웨이블릿 최대 엔트로피를 사용하여 EEG와 MEG 모두에서 HFO 소스 지역화.
    주 : MEM 성공적 간질 활성 62-64의 소스의 위치 및 범위를 결정하기 위해 사용 된 효율적인 기술이다. wMEM 현실적인 시뮬레이션 65 평가로 진동 활동을 현지화를 위해 개발 된 MEM의 확장입니다. 그것은 DIS의 신호 분해각 시간 - 주파수 상자에 MEM 소스 지역화를 수행하기 전에 크레타 잔물결 기초. 따라서, wMEM는 특히 HFOs 국산화에 적합합니다.
    1. 세그먼트 MRI 및 Freesurfer 66 ~ 67을 사용하여 대뇌 피질의 표면을 구하십시오.
    2. OpenMEEG 68 이용한 3 층 모델의 경계 요소법 (BEM)와 EEG / MEG 순방향 문제를 해결한다.
    3. 이산 웨이브 렛의 제 2 스케일 관심있는 주파수 대역에 대응 변환되도록하기 위해 640 Hz에서의 신호를 리샘플링.
    4. 각 HFO 바로 전에 150 밀리 초 윈도우 리플 대역에서의 배경에 기초하여 각각 독립적 HFO위한 데이터 공간에서 잡음 공분산 행렬을 추정한다. HFO 기간에 따라 리플 밴드와 평균 각 HFO의 소스 지역화를 수행합니다. 참고 : 생성 된 맵은 대뇌 피질의 테셀레이션의 각 정점에 관련된 대뇌 피질의 활성화 값으로 구성되어 있습니다.
    5. 최대 있기 위하여 각 맵을 정상화각 HFO 1과 동일 활성화 값입니다.
    6. 각 정점에 걸쳐 모든 HFOs 활성 값의 평균을 계산한다. 피질 표면 최종지도를 표시하기 위해 최대 활성의 60 %의 임계 값을 적용한다.

6. 확인

  1. 두개 내 EEG (iEEG) :
    1. 경막 그리드 및 / 또는 정위 안내 깊이 전극을 이용하여 추가 수술 iEEG 획득. 각 환자에 대한 특정 인 전 수술 전 평가 시험 결과 및 임상 가설에 기초하여 상기 전극의 배치가 해결 안내.
      주 : 두개 내 EEG는 수술 전 평가의 일부로서, 2 kHz 샘플링 레이트를 이용하여 디지털 EEG 시스템에 기록된다. 대뇌 피질의 발작 지역의 지형을 해결하는 것이 중요 경우 경막 그리드는 일반적으로 최선의 선택, 그리고 웅변 피질의 매핑 PRIMAR 근처 간질 영역, 예를 들어 (중요하다면정확한 경계 자극 매핑 및 발작 두개 EEG 분석)에 의해 추정 될 수있다 Y 모터 피질.
  2. SOZ의 정의 :
    1. 각 환자에 대한 임상 가능한 정보에 기초하여 전문가 epileptologist 의해 정의 SOZ ​​식별.
      참고 : SOZ은 임상 증상과 iEEG 기준 사전에 변경 (발작 방전) 또는 수반의 초기 및 신속한 확산을 나타내는 영역으로 정의된다. 발작 전자 기록 방전, 일반적으로 제 (5) (S)의 시작 부분에 포함 된 모든 채널들은 SOZ로 간주 하였다. 발작은 서로 독립적으로 하나 이상의 영역에서 발생되는 환자에서 다른 SOZs 내의 모든 연락처 SOZ 연락처로 간주된다. 전문가는 SOZ를 형성시의 HFO 소스 위치 파악 결과 블라인드이다. 임상 정보도 포함 발작과 간기 iEEG 결과, 자기 공명 영상에 보이는 병변, 발작 및 간기 두피 뇌파를결과.
  3. HFO 채널의 식별 :
    1. 4.1에 설명 된대로 각 두개의 전극에 HFOs을 감지합니다. 모든 채널로부터 HFOs 수의 히스토그램에 기초하여 상기 임계치를 결정하는 Kittler의 방법을 사용하고 부트 스트래핑을 적용하여 최종 임계치 69으로 평균을 계산한다. 마지막으로, 임계 값 위 HFO 레이트로 채널을 식별한다.
  4. 소스 지역화 결과에 대한 골드 표준으로 6.2에서 확인 된 SOZ와 HFO 현지화를 비교합니다.

Representative Results

난치성 간질을 가진 소아 환자는 보스턴 아동 병원의 간질 클리닉 (보스턴, USA)에서 모집했다. 여기서, 2 명 대표 데이터가 제공됩니다 : 오른쪽 중간 대뇌 동맥 (MCA) 영역 (환자 1)의 encephalomalacia을 가진 15 세 소녀, 왼쪽 정수리 / 우수한 시간적 encephalomalacia와 11 살 소년 ( 환자 2). 데이터는 수술 전 수술 그 후 처리의 일부로서 수집 하였다. 동시 MEG와 EEG 기록은 바이오 메디컬 이미징에 대한 Athinoula A. Martinos 센터에서 수행되었다.

EEG와 MEG와 덮는의 IED에서 모두 발생 - (150 Hz에서 80) 모두 환자, HFOs 리플 주파수 대역에서 확인되었다. 그림 4는 같은 그림도보고 환자 1에서 간기 활동과 동시에 두피 EEG와 MEG 데이터 (상단 패널)의 10 초를 선물한다N 장시간 스케일은 시간 영역 (중간 패널)에서 검출 HFOs을 표시 신호의 부 (2 초) 및 시간 - 주파수 평면 (하단 패널). 이 환자는 / 분 8.8 HFOs의 비율을 보여 주었다. 더 현저한 활성, 150㎐ 이상의 주파수에서 관찰되지 않았기 때문에, 150㎐ - 명확화를 위해, 시간 - 주파수 평면의 디스플레이 (80)로부터 제한된다. 환자 1에서 자동 감지 녹음 8.65 분 이내에 248 HFOs 이벤트를 확인했다. 검출 된 이벤트의 시각적 검토 한 결과, 76 이벤트 / 분 8.8 HFOs의 속도를 얻는 실제 HFOs로 간주 된 것을 유지했다.

그림 4
그림 4 : 두피 EEG와 MEG에서 감지의 IED에 중첩 HFOs. 상단 패널 : 두피 뇌파 (왼쪽)와 MEG (오른쪽)에서 검출 된 환자 1에서의 IED. 7-1에서 필터링 된 데이터의 10 초0 Hz에서. 중간 패널 : 뇌파와 MEG 데이터의 확장 된 시간 스케일 디스플레이 (2 초)은 상단 패널에 회색 배경으로 강조했다. 150 Hz에서 - 데이터는 80에서 필터링됩니다. 낮은 패널 : 2 대표 EEG와 MEG 채널의 시간 - 주파수 평면. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5는 두피 EEG와 MEG 모두에서 환자 1의 HFOs 현지화 결과를 제공합니다. 두 기술은 우측 측두 - 두정엽의 접합에 가까운 위치에 병변의 주변에서 HFOs 지역화. MEG와 EEG는 약간 다른 현지화 결과를 발표 : MEG 활동은 EEG에와 병변의 후방 경계에 가까운 비해 전방으로 위치했다. MEG와 EEG를위한 wMEM 활동의 두 최대 값 사이의 거리가 15.0 mm이었다. HFOs localizati이것은 MEG에 의해 정의로는 자극성 영역에 인접했다. 평균 ECDs 최대 wMEM 활동 사이의 유클리드 거리가 MEG 18.7 mm와 두피 뇌파를위한 28.0 mm이었다. 환자 2, 우리는 IED 우리가 HFO 분석에 사용되는 최소한의 유물과 느린 파 비 REM 수면 동안 데이터의 8 분을 확인했다.

두피 HFOs의 수 / 분으로 0.4 HFOs의 비율을 도시 한 환자에 비해 유의하게 낮았다. 그림 6은 MEG과 두피 뇌파, ECDs를 사용 MEG하여 지역화의 IED에 대한 두피 HFOs의 소스 현지화 결과 및 iEEG에 의해 검출 HFOs의 위치를 표시합니다. MEG와 EEG를위한 wMEM 활동의이 최대 값 사이의 거리가 16.4 mm이었다. 평균 ECDs 최대 wMEM 활성 사이의 거리는 MEG 10.9 mm 및 24.1 mm EEG를위한이었다. HFOs가 IDE 어디 두피 EEG와 MEG하여 비 침습적으로 확인 된 HFO 영역은 동일한 위치에 있었다iEEG으로 침습적 ntified. 그 비 침습적 지역화 지역화 HFO 활성을 일치율이었다도 6에 도시 된 바와 같이 HFOs 가장 많은 전극은, LA51, LA52, LA53하고 있었다.

그림 5
그림 5 : HFOs과의 IED의 현지화. HFOs 영역은 환자의 MRI (왼쪽)에 환자 1 오버레이에서 MEG와 EEG와 wMEM을 사용하여 지역화. HFOs지도 최대 활성의 60 %에서 임계 된 정규화 활성 값의 평균을 나타낸다. MEG (오른쪽)와 ECDs 현지화의 IED. ECDs의 위치 및 방향은 시안에 표시됩니다. 보라색 삼각형은 평균 ECDs (46 ECDs)의 위치 및 빨간색 사각형 평균의 IED (28의 IED)에서 ECD의 위치를 ​​나타냅니다. 의 IED의 평균을 위해, 우리는 확인유사한 형태로 스파이크. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 6
그림 6 : 두피 EEG와 MEG의 자극성 지역 및 iEEG와 HFO 영역 지역화 침습적으로 HFO 영역 현지화 된 비 침습적 사이의 공간 콘코 던스. 상단 패널 : 두피 뇌파 (왼쪽)와 MEG (가운데)와 MEG와의 IED의 현지화와 환자 2에서 HFOs의 현지화 (오른쪽) 환자의 MRI에 오버레이. HFOs지도 최대 활성의 60 %에서 임계 된 정규화 활성 값의 평균을 나타낸다. 시안 원과 막대는 ECDs의 위치 및 방향을 나타냅니다. 보라색 삼각형 평균 ECDs의 위치 (30 ECDs) 및 적색 사각형 t를 나타낸다평균의 IED (21의 IED)에서 ECD의 그 위치. 낮은 패널 : 가장 높은 HFO 속도와 채널의 iEEG (왼쪽)과 녹음의 2 초에 HFOs의 현지화. 이식 된 전극은 환자의 MRI에 표시됩니다. 전극 위치는 공동 가입 후 주입 컴퓨터 단층 촬영 (CT) 및 자기 공명 영상을 얻는다. HFOs의 가장 높은 비율을 가진 전극은 환자의 피질에 이식 그리드의지도에 강조 표시됩니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

여기에 제시된 대표적인 결과는 의학 내화물 간질을 가진 소아 환자의 수술 전 평가시 비 침습적 식별 및 HFOs의 현지화에 대한 임상 설정에서 설명 된 기술의 잠재적 인 사용을 나타냅니다. 모두 환자, HFOs는 리터했다두피 EEG와 MEG를위한 조화 된 ocalized (그림 5 참조). 몇 mm의 지역화 차이 두피 EEG (70)에 비해 고밀도 MEG의 우수한 파악 능력에 기인 할 수 있고, 또는 상이한 기본 발전기 (71)를 나타낼 수있다. 이것은 MEG (- 오른쪽 패널 그림 5 참조)에 의해 정의 된대로 지역화 또한 자극성 지역과 조화 된이었다. 환자 2에서 iEEG의 데이터도 사용할 수있었습니다. 두피 EEG와 MEG와 비 침습적으로 로컬 라이즈 된 HFOs 영역이 iEEG으로 침습적 정의 된 HFOs 지역과 조화 된이었다 (그림 6 참조). 제안 된 방법의 결과는 EZ의 전위 식별 간질 수술 중에 격자의 위치를 ​​안내 할 수있다.

Discussion

동물과 인간 연구에서 수렴 증거는 HFOs가 간질 조직에 대한 새로운 잠재적 인 바이오 마커 있음을 보여 주었다. 이러한 증거에도 불구하고, HFOs는 진단 또는 간질의 모니터링, 임상 연습에 매우 제한적인 사용을 주로하기 때문에 (내가) HFOs에 대한 공식적인 및 글로벌 정의가 없다; (ⅱ) 다른 연구 그룹이 기록 된 데이터를 분석하기위한 다른 방법을 사용한다; (ⅲ) 뇌 영상 기법 HFOs의 비 침습적 검출은 도전이다 및 (ⅳ) HFOs의 검토 과정, 특히 센서의 높은 숫자와 멀티 채널 EEG 또는 MEG 녹음을 위해, 시간과 비실용적이다. 글로벌 표준화 된 임상 진료에 HFOs의 체계적인 사용을 촉진 방법은 비 침습적 기록, 검출 보스턴 어린이 병원에서 뒤에 방법론 및 간질과 소아 환자에서 간기 HFOs의 현지화를 제공하기위한 노력의 일환으로 제공됩니다. Representativ의학적으로 난치성 간질을 가진 두 아이에서 동시에 두피 EEG와 MEG 검출 HFOs의 전자 결과도 제공됩니다.

프로토콜 내에서 중요한 단계

(ⅰ) 내열성 의학적 간질 높은 신호 대 잡음비 (SNR) 소아 환자 간기 활동 EEG와 MEG 동시 기록의 성능 (2.1.1 및 2.1.2 단계 : 제안 된 방법은 다음의 주요 단계가 포함 ); (ⅱ) 방전 간기와 데이터 (3.1 및 3.2 단계)의 신중한 선택을 전처리하고; (ⅲ) 높은 특이성 식별 HFOs 이벤트의 시각적 평가는 (4.3.1, 4.3.2, 4.3.3 단계); 및 (ⅳ)를 적절한 위치 파악 방법 (단계 5.2)를 사용하여 HFOs의 신뢰성 지역화.

이 프로토콜에서 가장 중요한 단계는 검출기에 의해 자동 식별 HFO 이벤트의 시각적 평가이다. 자동으로 감지 HFOs의 엄격한 검토 이러다입니다noncerebral 기원 HFOs을 폐기 ucial. 그러나, 다 채널 EEG와 MEG 데이터의 시각 검사 중에 피로 인간 검토의 방해는 감지 과정의 특이성을 감소 오류가 발생할 수있다.

수정 및 문제 해결

우리는 그들의 응용 프로그램에서 HFO 활동의 왜곡이 없다는 것을 보장하기 위해 신호 공간 프로젝션 (SSP) 및 신호 공간 분리 (SSS) 방법 (72, 73)의 사용을 피하십시오. 이 방법은 종종 외부의 간섭을 억제하고, 머리의 움직임 (72)을 보정하기 위해 특정 MEG 공급 업체의 대부분의 사용자에 의해 사용됩니다. 또한 연구는 이러한 방법의 응용 프로그램에 영향을하거나 HFO 활동을 왜곡하거나 인간의 HFOs과 유사 할 수 있습니다 가짜 효과를 생성하지 않는하지 않도록하기 위해 필요하다. 마이너 신호 엔벨로프 (단계 4.1.1.3)의 z 점수의 최소 임계 변형 및 AC의 임계tivation 값 (단계 5.2.6)를 HFOs를 검출 알고리즘의 감도를 개선하고보다 초점 영역에서 HFOs 영역의 위치 파악을 제한하도록 요구 될 수있다.

기술의 한계

기술 된 방법은 향후 연구에서 해결되어야 한계를 제시한다. 첫째, 그것은 단지 MEG 나 EEG 신호에서 발생하는 HFOs을 고려하지 않으며, 그것은 어떤 실제 낮은 SNR MEG HFOs는 육안 검사 (74)을 피할 수 있음을 함축 MEG 신호에 HFOs의 자동 감지 기능을 포함하지 않습니다. 또한, 제안 된 HFOs을 감지하는 방법 및 높은 정확도로 지역화 할 수있는 능력의 민감도와 특이도는 두피 EEG, MEG, 그리고 iEEG (75)의 동시 녹음으로 검증되어야한다. 우리의 데이터는 하나의 ECDs가 초점 HFOs 영역에 비해 확장 자극성 영역을 표시하는 것으로 나타났습니다. 그러나 ECDs 평균화 된 후, 다이폴 locatio여기서 n은 모두 환자의 HFO 영역에 매우 가까웠다. 보안 결론을 그릴 수 있지만, 우리의 데이타는 자극성 영역에 비해 (특히 HFO 영역이 SOZ 오버랩되었다 누구 환자 2) epileptogenicity 대한 HFO 영역의 가능한 높은 특이성을 나타내는 두 방법의 특이성을 가리킨다 환자의 같은 작은 집단에서. 더 중요한 것은, HFO 소스의 현지화 직접 발작을 담당하는 EZ 현지화 의미하지는 않습니다. 우리의 연구 결과는 우리가 미래 연구 할 계획 간질 수술의 결과에 대해 검증되어야한다. 마지막으로, EEG 데이터를 기록하기 위해, 70 채널 시스템을 사용 하였다. 시스템 (20) - 그러나, 대부분의 중심에서 표준 임상 EEG 설정 전극 (19)에서 기록 데이터 (10)에 따라 배치 된 것을 사용한다. (256까지) 채널의 훨씬 더 높은 수의 고급 소아 EEG 시스템은 현재 시장에서 사용할 수 있습니다. 이러한 시스템의 사용은 상기 t를 향상시킬 수있다두피 뇌파로 검출 된 HFOs 존의 그는 현지화 정도.

기존의 / 대안적인 방법에 대한 기술의 중요성

우리의 최고의 지식이 동시 EEG와 MEG와 간기 HFOs의 비 침습적 현지화를보고, 또한 두개 내 녹음에서 그와 함께 현지화 결과의 일치를 조사 첫 번째 연구이다. HFOs의 비 침습적 기록, 감지 및 현지화 도전이다. HFOs 노이즈 뇌 백그라운드 작업에 의해 방해 입방 밀리미터 16,76 나아가 정도의 작은 뇌 영역에 의해 생성 된 미약 신호이기 때문이다. 최근 연구 HFOs 비 침습적 두피 뇌파에 기록 된 여러 공간적으로 분산 초점과 일관성 소스 (60)의 활동의 합계를 나타내는 것을 제안했다. 지금까지 거의 연구 28,29,37,38,60 HFOs는 비 침습적으로 SCA를 사용하여 검출 될 수 있음을 보여주기 관리LP EEG와 MEG; 심지어 적은 역 문제 37-38를 해결하여이 활동을 지역화.

여기에, 간기 HFOs의 증거는 간질이 소아 환자에서 동시 두피 EEG와 MEG로 탐지 된되게됩니다. HFOs은 전술 한 구조 (38)를 이용하여 지역화 하였다. 대표 데이터는 간기 HFOs의 비침 지역화 적절한 위치 파악 기술이 사용되는 것으로 가정하면, 두피 또는 EEG MEG 녹화 중 수행 소스 이미징 기술을 사용하여 가능한 것을 시사한다. 이 HFOs는 비 침습적으로 감지하고 정확하게 MEG (32) 지역화 할 수 있음을 나타냅니다 HFOs 발전기를 닮은 팬텀 건설, 사용 이전의 연구와 일치한다.

검출 및 간기 HFOs의 라벨은 전통적으로 인간의 뇌파 전문가 데이터의 육안 검사를 통해 수행된다. 이 접근법은 종종 레가이지만그것은 가난한 간 검토 신뢰성 77, 78을 가지고 있으며, 센서의 많은 수의 큰 MEG와 EEG 데이터 세트에 적용되지 않기 때문에 황금 표준으로 DED, 그것은 심각한 한계를 나타낸다. 임상에서 HFOs의 적용에 중요 사용자 입력의 필요성을 줄여 두피로부터 녹화 자동 HFOs 검출 알고리즘의 개발이다. 두피 HFOs의 시각적 식별 인해 실제로 매우 도전 (ⅰ) 두피에 HFOs의 낮은 SNR; (ⅱ) 더 긴 녹화 시간의 분석을 의미 두개 내 사람에 비해 두피 녹음에 HFOs의 낮은 비율; 및 (iii) 채널의 수가 많으면, 특히 고밀도 EEG 또는 MEG에서 분석한다. HFOs 자동 및 반자동 검출을위한 여러 알고리즘들이 지난 십 (54)에 제안되어있다. 지속적인 백그라운드 작업 (4)로부터 구별 될 수있는 이벤트를 식별하기 위해, 시간 영역에서 임계 값에 의존 이전 검출기9,80. 최근의 진보는 또한 주파수 도메인에서 정보를 구현하는 HFO는 별개의 주파수에서 50,56,81 격리 스펙트럼 피크 단명 이벤트로 나타나야한다고 가정 제안한다. 반 자동화 된 방법은 임상에서 HFOs의 응용 프로그램에 대한 가장 적절한 방법이 될 것 같습니다. 높은 특이성을 가진 전문가에 의해 (내가) 높은 감도를 가지고 이벤트의 초기 자동 감지 및 이벤트 (ⅱ) 영상 리뷰 :이 방법은 2 단계를 포함한다. 이 방법은 완전 자동화 된 방법에 비해보다 높은 특이성을 제공하고 최종 평가 이벤트 대뇌 기원 실제 HFOs 있음을 보장한다.

여기서, 반자동 방법 간기 두피 및 MEG EEG 레코딩에서 HFOs의 검출을 가능하게한다는 제공된다. 제안 된 방법은 이전에 식별 조건 두 수입을 포함하여 두피 EEG 60 HFOs 검출하기위한 기술을 설명 연장개미 기능 : (ⅰ) HFO 이벤트 자동 시간 - 주파수 분석; 및 (ii) 둘 MEG와 EEG 레코딩에서 HFOs 이벤트의 시간적 동시성.

이 기술을 마스터 한 후 미래의 응용 프로그램이나 방향

이러한 두피 EEG와 MEG 등의 비 침습적 뇌 영상 방법과 HFOs의 신뢰할 수있는 현지화가 중요하다. , 마스터 개선 및 제안 된 프로토콜은 EZ의 식별을위한 신뢰할 수있는 비 침습적 기록 바이오 마커와 의사를 제공 할 것입니다 검증. 이러한 바이오 마커의 개발은 장기간 모니터링 및 소아 환자의 수술 전 평가 과정에서 상당한 개선 선도 침습 두개 기록에 대한 요구를 줄일 수있다. 이것은 수술 용 간질 조직을 식별 할뿐만 아니라 도움 것뿐만 아니라, 완전히 diffe을 필요 급성 증상 간질 발작의 최종 감별 진단을 허용 할치료 방법, 일부 환자에서 장기간 모니터링을위한 필요성을 살려주 비 간질 발작으로부터 임대. 또한,이 또 다른 발작이 발생하기를 기다리지 않고 치료 개입의 효능 평가를 허용 할 수 있습니다.

Disclosures

저자는 공개 아무것도 없어.

Materials

Name Company Catalog Number Comments
VectorView MEG system Elekta-Neuromag, Finland MEG System
Magentically Shielded Room Imedco, Hagendorf, Switzerland Three-layer MSR
EEG system Elekta-Neuromag, Finland 70 Channel EEG system
3D digitizer Polhemus, Colchester, VT

DOWNLOAD MATERIALS LIST

References

  1. Cowan, L. D., Bodensteiner, J. B., Leviton, A., Doherty, L. Prevalence of the Epilepsies in Children and Adolescents. Epilepsia. 30, (1), 94-106 (1989).
  2. Stores, G. School-children with Epilepsy at Risk for Learning and Behaviour Problems. Dev. Med. Child Neurol. 20, (4), 502-508 (1978).
  3. Sillanpää, M., Schmidt, D. Prognosis of seizure recurrence after stopping antiepileptic drugs in seizure-free patients: A long-term population-based study of childhood-onset epilepsy. Epilepsy Behav. 8, (4), 713-719 (2006).
  4. Geerts, A., et al. Course and outcome of childhood epilepsy: a 15-year follow-up. Dutch study of epilepsy in childhood. Epilepsia. 51, (7), 1189-1197 (2010).
  5. Engel, J. Etiology as a risk factor for medically refractory epilepsy: A case for early surgical intervention. Neurology. 51, (5), 1243-1244 (1998).
  6. Kwan, P., Brodie, M. Early Identification of Refractory Epilepsy. N. Eng. J. Med. 342, (5), 314-319 (2000).
  7. Datta, A., Loddenkemper, T. The Epileptogenic Zone. In: Wyllie, E. Wyllie's treatment of epilepsy Principles & Practice 5th Ed. Wolters Kluwer/Lippincott Williams & Wilkins . Philadelphia. 818-827 (2011).
  8. Rosenow, F. Presurgical evaluation of epilepsy. Brain. 124, (9), 1683-1700 (2001).
  9. Önal, Ç, Otsubo, H., et al. Complications of invasive subdural grid monitoring in children with epilepsy. J. Neurosurg. 98, (5), 1017-1026 (2003).
  10. Jacobs, J., Zijlmans, M., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann. Neurol. 67, (2), 209-220 (2010).
  11. Bragin, A., Engel, J., Wilson, C., Fried, I., Buzsáki, G. High-frequency oscillations in human brain. Hippocampus. 9, (2), 137-142 (1999).
  12. Bragin, A., Engel, J., Wilson, C., Fried, I., Mathern, G. Hippocampal and Entorhinal Cortex High-Frequency Oscillations (100-500 Hz) in Human Epileptic Brain and in Kainic Acid-Treated Rats with Chronic Seizures. Epilepsia. 40, (2), 127-137 (1999).
  13. Zijlmans, M., Jiruska, P., Zelmann, R., Leijten, F., Jefferys, J., Gotman, J. High-frequency oscillations as a new biomarker in epilepsy. Ann. Neurol. 71, (2), 169-178 (2012).
  14. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133, (1), 33-45 (2010).
  15. Jacobs, J., LeVan, P., Chander, R., Hall, J., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (80-500 Hz) are an indicator of seizure onset areas independent of spikes in the human epileptic brain. Epilepsia. 49, (11), 1893-1907 (2008).
  16. Bragin, A., Mody, I., Wilson, C. L., Engel, J. Local generation of fast ripples in epileptic brain. J Neurosci. 22, (5), 2012-2021 (2002).
  17. Worrell, G. A., Gardner, A. B., et al. High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain. 131, (4), 928-937 (2008).
  18. Engel, J. Jr, Bragin, A., Staba, R., Mody, I. High-frequency oscillations: What is normal and what is not? Epilepsia. 50, (4), 598-604 (2009).
  19. Traub, R. Fast Oscillations and Epilepsy. Epilepsy Curr. 3, (3), 77-79 (2003).
  20. Blanco, J., Stead, M., et al. Unsupervised Classification of High-Frequency Oscillations in Human Neocortical Epilepsy and Control Patients. J. Neurophysiol. 104, (5), 2900-2912 (2010).
  21. Rodin, E., Smid, N., Mason, K. The grand mal pattern of Gibbs, Gibbs and Lennox. Electroencephalogr Clin Neurophysiol. 40, (4), 401-406 (1976).
  22. Nealis, J. G., Duffy, F. H. Paroxysmal beta activity in the pediatric electroencephalogram. Ann Neurol. 4, (2), 112-116 (1978).
  23. Halasz, P., Terzano, M., Parrino, L., Bodizs, R. The nature of arousal in sleep. J. Sleep. Res. 13, (1), 1-23 (2004).
  24. Kobayashi, K., Oka, M., et al. Very Fast Rhythmic Activity on Scalp EEG Associated with Epileptic Spasms. Epilepsia. 45, (5), 488-496 (2004).
  25. Inoue, T., Kobayashi, K., Oka, M., Yoshinaga, H., Ohtsuka, Y. Spectral characteristics of EEG gamma rhythms associated with epileptic spasms. Brain. Dev. 30, (5), 321-328 (2008).
  26. Kobayashi, K., Jacobs, J., Gotman, J. Detection of changes of high-frequency activity by statistical time-frequency analysis in epileptic spikes. Clin Neurophysiol. 120, (6), 1070-1077 (2009).
  27. Kobayashi, K., Watanabe, Y., Inoue, T., Oka, M., Yoshinaga, H., Ohtsuka, Y. Scalp-recorded high-frequency oscillations in childhood sleep-induced electrical status epilepticus. Epilepsia. 51, (10), 2190-2194 (2010).
  28. Andrade-Valenca, L. P., Dubeau, F., Mari, F., Zelmann, R., Gotman, J. Interictal scalp fast oscillations as a marker of the seizure onset zone. Neurology. 77, (6), 524-531 (2011).
  29. Melani, F., Zelmann, R., Dubeau, F., Gotman, J. Occurrence of scalp-fast oscillations among patients with different spiking rate and their role as epileptogenicity marker. Epilepsy Res. 106, (3), 345-356 (2013).
  30. Claus, S., Velis, D., Lopes da Silva, F., Viergever, M., Kalitzin, S. High frequency spectral components after Secobarbital: The contribution of muscular origin-A study with MEG/EEG. Epilepsy Res. 100, (1-2), 132-141 (2012).
  31. Zimmermann, R., Scharein, E. MEG and EEG show different sensitivity to myogenic artifacts. Neurol Clin Neurophysiol. 78, (2004).
  32. Papadelis, C., Poghosyan, V., Fenwick, P., Ioannides, A. MEG's ability to localise accurately weak transient neural sources. Clin Neurophysiol. 120, (11), 1958-1970 (2009).
  33. Miao, A., Xiang, J., et al. Using ictal high-frequency oscillations (80-500Hz) to localize seizure onset zones in childhood absence epilepsy: A MEG study. Neuroscience Lett. 566, 21-26 (2014).
  34. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51, (8), 1638-1642 (2010).
  35. Tenney, J. R., Fujiwara, H., et al. Low- and high-frequency oscillations reveal distinct absence seizure networks. Ann Neurol. 76, (4), 558-567 (2014).
  36. Xiang, J., et al. Frequency and spatial characteristics of high-frequency neuromagnetic signals in childhood epilepsy. Epileptic Disord. 11, (2), 113-125 (2009).
  37. van Klink, N., Hillebrand, A., Zijlmans, M. Identification of epileptic high frequency oscillations in the time domain by using MEG beamformer-based virtual sensors. Clin Neurophysiol. 127, (1), 197-208 (2016).
  38. von Ellenrieder, N., Pellegrino, G., et al. Detection and Magnetic Source Imaging of Fast Oscillations (40-160 Hz) Recorded with Magnetoencephalography in Focal Epilepsy Patients. Brain Topogr. 29, (2), 218-231 (2016).
  39. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51, (8), 1638-1642 (2010).
  40. Ramachandrannair, R., Ochi, A., et al. Epileptic spasms in older pediatric patients: MEG and ictal high-frequency oscillations suggest focal-onset seizures in a subset of epileptic spasms. Epilepsy Res. 78, (2-3), 216-224 (2008).
  41. Bathelt, J., O'Reilly, H., de Haan, M. Cortical source analysis of high-density EEG recordings in children. J Vis Exp. (88), e51705 (2014).
  42. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hämäläinen, M. Functional Mapping with Simultaneous MEG and EEG. M. J Vis Exp. (40), e1668 (2010).
  43. Papadelis, C., Harini, C., Ahtam, B., Doshi, C., Grant, E., Okada, Y. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Ped Epilepsy. 2, 73-85 (2013).
  44. Gaetz, W., Gordon, R. S., Papadelis, C., Fujiwara, H., Rose, D. F., Edgar, J. C., Schwartz, E. S., Roberts, T. P. L. Magnetoencephalography for Clinical Pediatrics: Recent Advances in Hardware, Methods, and Clinical Applications. J Pediatr Epilepsy. 4, (4), 139-155 (2015).
  45. Prabhu, S., Mahomed, N. Imaging of intractable paediatric epilepsy. SA Journal of Radiology. 19, (2), 1-10 (2015).
  46. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Comput Intell Neurosci. 879716 (2011).
  47. Bagic, A. I., Knowlton, R. C., Rose, D. F., Ebersole, J. S. American Clinical Magnetoencephalography Society Clinical Practice Guideline 1: Recording and Analysis of Spontaneous Cerebral Activity. J Clin Neurophysiol. 0, (0), 1-7 (2011).
  48. Noachtar, S., Binnie, C., Ebersole, J., Mauguière, F., Sakamoto, A., Westmoreland, B. A glossary of terms most commonly used by clinical electroencephalographers and proposal for the report form for the EEG findings. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 21-41 (1999).
  49. Staba, R. J., Wilson, C. L., Bragin, A., et al. High-frequency oscillations recorded in human medial temporal lobe during sleep. Ann'Neurol. 56, (1), 108-115 (2004).
  50. Benar, C. G., Chauviere, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on "false" ripples. Clin Neurophysiol. 121, (3), 301-310 (2010).
  51. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133, (1), 33-45 (2010).
  52. Jmail, N., Gavaret, M., et al. A comparison of methods for separation of transient and oscillatory signals in EEG. J Neurosci Methods. 199, (2), 273-289 (2011).
  53. Wang, S., Wang, I. Z., et al. Ripple classification helps to localize the seizure-onset zone in neocortical epilepsy. Epilepsia. 54, (2), 370-376 (2013).
  54. Worrell, G. A., Jerbi, K., Kobayashi, K., Lina, J. M., Zelmann, R., Le Van Quyen, M. Recording and analysis techniques for high-frequency oscillations. Prog Neurobio. 98, (3), 265-278 (2012).
  55. Gibbs, J. W. Fourier's series. Nature. 59, 606 (1899).
  56. Burnos, S., Hilfiker, P., et al. Human Intracranial High Frequency Oscillations (HFOs) Detected by Automatic Time-Frequency Analysis. PLoS ONE. 9, (4), (2014).
  57. Jacobs, J., LeVan, P., Châtillon, C., Olivier, A., Dubeau, F., Gotman, J. High frequency oscillations in intracranial EEGs mark epileptogenicity rather than lesion type. Brain. 132, (4), 1022-1037 (2009).
  58. Urrestarazu, E., Chander, R., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (100-500 Hz) in the intracerebral EEG of epileptic patients. Brain. 130, (9), 2354-2366 (2007).
  59. Amiri, M., Lina, J. M., Pizzo, F., Gotman, J. High Frequency Oscillations and spikes: Separating real HFOs from false oscillations. Clin Neurophysiol. 127, (1), 187-196 (2015).
  60. Zelmann, R., Lina, J. M., Schulze-Bonhage, A., Gotman, J., Jacobs, J. Scalp EEG is not a Blur: It Can See High Frequency Oscillations Although Their Generators are Small. Brain Topogr. 27, (5), 683-704 (2014).
  61. Chowdhury, R. A., Lina, J. M., Kobayashi, E., Grova, C. MEG source localization of spatially extended generators of epileptic activity: comparing entropic and hierarchical bayesian approaches. PLoS One. 8, (2), e55969 (2013).
  62. Chowdhury, R. A., Merlet, I., Birot, G., Kobayashi, E., Nica, A., Biraben, A., Wendling, F., Lina, J. M., Albera, L., Grova, C. Complex patterns of spatially extended generators of epileptic activity: Comparison of source localization methods cMEM and 4-ExSo-MUSIC on high resolution EEG and MEG data. Neuroimage. 175-195 (2016).
  63. Pellegrino, G., Hedrich, T., Chowdhury, R., Hall, J. A., Lina, J. M., Dubeau, F., Kobayashi, E., Grova, C. Source localization of the seizure onset zone from ictal EEG/MEG data. Hum Brain Mapp. 37, (7), 2528-2546 (2016).
  64. Grova, C., Aiguabella, M., Zelmann, R., Lina, J. M., Hall, J. A., Kobayashi, E. Intracranial EEG potentials estimated from MEG sources: A new approach to correlate MEG and iEEG data in epilepsy. Hum Brain Mapp. 37, (5), 1661-1683 (2016).
  65. Lina, J. M., Chowdhury, R. A., Lemay, E., Kobayashi, E., Grova, C. Wavelet-based localization of oscillatory sources from magnetoencephalography data. IEEE Trans Biomed Eng. 61, (8), 2350-2364 (2014).
  66. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis, I: segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
  67. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis, II: inflation, flattening, a surface-based coordinate system. Neuroimage. 9, 195-207 (1999).
  68. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomed Eng OnLine. 9, (1), (2010).
  69. Akiyama, T., McCoy, B., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52, (10), 1802-1811 (2011).
  70. Leahy, R. M., Mosher, J. C., Spencer, M. E., Huang, M. X., Lewine, J. D. A study of dipole localization accuracy for MEG and EEG using a human skull phantom. Electroencephalogr Clin Neurophysiol. 107, (2), 159-173 (1989).
  71. Hunold, A., Haueisen, J., Ahtam, B., Doshi, C., Harini, C., Camposano, S., Warfield, S. K., Grant, P. E., Okada, Y., Papadelis, C. Localization of the epileptogenic foci in tuberous sclerosis complex: a pediatric case report. Front Hum Neurosci. 8, (175), (2014).
  72. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the signal space separation method. Brain Topogr. 16, (4), 269-275 (2004).
  73. Taulu, S., Simola, J. Spatiotemporal signal space separation method for rejecting nearby interference in MEG measurements. Phys Med Biol. 51, (7), 1759-1768 (2006).
  74. Bénar, C. G., Chauvière, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on false ripples. Clin Neurophysiol. 121, (3), 301-310 (2010).
  75. Dubarry, A. S., Badier, J. M., et al. Simultaneous recording of MEG, EEG and intracerebral EEG during visual stimulation: from feasibility to single-trial analysis. Neuroimage. 99, 548-558 (2014).
  76. Chrobak, J. J., Buzsaki, G. High-frequency oscillations in the output of the hippocampal-entorhinal axis of the freely behaving rat. J Neurosci. 19, (9), 3056-3066 (1996).
  77. Abend, N. S., Gutierrez-Colina, A., et al. Interobserver Reproducibility of Electroencephalogram Interpretation in Critically Ill Children. J Clin Neurophysiol. 28, (1), 15-19 (2011).
  78. Benbadis, S. R., LaFrance, W. C., Papandonatos, G. D., Korabathina, K., Lin, K., Kraemer, H. C. Interrater reliability of EEG-video monitoring. Neurology. 73, (11), 843-846 (2009).
  79. von Ellenrieder, N., Andrade-Valença, L., Dubeau, F., Gotman, J. Automatic detection of fast oscillations (40-200Hz) in scalp EEG recordings. Clin Neurophysiol. 123, (4), 670-680 (2012).
  80. Zelmann, R., Mari, F., Jacobs, J., Zijlmans, M., Dubeau, F., Gotman, J. A comparison between detectors of high frequency oscillations. Clin Neurophysiol. 123, (1), 106-116 (2011).
  81. Birot, G., Kachenoura, A., Albera, L., Bénar, C., Wendling, F. Automatic detection of fast ripples. J Neurosci Methods. 213, (2), 236-249 (2013).
소아 간질의 바이오 마커로 동시 인 자기와 뇌파 감지 간기 고주파 진동
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Papadelis, C., Tamilia, E., Stufflebeam, S., Grant, P. E., Madsen, J. R., Pearl, P. L., Tanaka, N. Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy. J. Vis. Exp. (118), e54883, doi:10.3791/54883 (2016).More

Papadelis, C., Tamilia, E., Stufflebeam, S., Grant, P. E., Madsen, J. R., Pearl, P. L., Tanaka, N. Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy. J. Vis. Exp. (118), e54883, doi:10.3791/54883 (2016).

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