Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Biology
Click here for the English version

Biology

समवर्ती ईईजी और कार्यात्मक एमआरआई रिकॉर्डिंग और गतिशील Cortical गतिविधि इमेजिंग के लिए एकीकरण विश्लेषण

Published: June 30, 2018 doi: 10.3791/56417
Automatic Translation
*1, *1, 2, 2, 1,3
1Department of Biomedical Engineering, Cullen College of Engineering, University of Houston, 2Department of Neurosurgery, Houston Methodist Hospital and Research Institute, 3Guangdong Provincial Work Injury Rehabilitation Center
* These authors contributed equally

Summary

एक ईईजी-fMRI multimodal इमेजिंग विधि, जिसे spatiotemporal fMRI-विवश ईईजी स्रोत इमेजिंग विधि के नाम से जाना जाता है, यहां वर्णित है । प्रस्तुत विधि सशर्त सक्रिय fMRI उप नक्शे, या पहले रोजगार, ईईजी स्रोत स्थानीयकरण एक तरीके से मार्गदर्शन करने के लिए है कि स्थानिक विशिष्टता में सुधार और गलत परिणाम सीमा ।

Abstract

Electroencephalography (ईईजी) और कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) मस्तिष्क गतिविधि की पहचान करने के लिए मौलिक इनवेसिव तरीकों में से दो हैं । Multimodal तरीकों के लिए fMRI के स्थानिक परिशुद्धता के साथ ईईजी के उच्च लौकिक संकल्प गठबंधन की मांग की है, लेकिन इस दृष्टिकोण की जटिलता में सुधार की जरूरत है वर्तमान में । प्रोटोकॉल यहां प्रस्तुत हाल ही में विकसित spatiotemporal fMRI-विवश ईईजी स्रोत इमेजिंग विधि का वर्णन है, जो स्रोत पूर्वाग्रहों को सुधारने और fMRI उप क्षेत्रों की गतिशील भर्ती के माध्यम से ईईजी-fMRI स्रोत स्थानीयकरण में सुधार करना चाहता है । प्रक्रिया समवर्ती ईईजी और fMRI स्कैन, 3 डी cortical मॉडल की पीढ़ी, और स्वतंत्र ईईजी और fMRI प्रसंस्करण से multimodal डेटा के संग्रह के साथ शुरू होता है । संसाधित fMRI सक्रियण मैप्स तो उनके स्थान और आसपास के क्षेत्र के अनुसार, कई पूर्व में विभाजित कर रहे हैं । ये ईईजी स्रोत स्थानीयकरण के लिए एक दो-स्तर पदानुक्रमित Bayesian एल्गोरिथ्म में पूर्व के रूप में लिया जाता है । ब्याज की प्रत्येक विंडो के लिए (ऑपरेटर द्वारा परिभाषित), fMRI सक्रियण मानचित्र के विशिष्ट क्षेत्रों के रूप में एक मॉडल सबूत के रूप में जाना जाता पैरामीटर का अनुकूलन सक्रिय के रूप में पहचाना जाएगा । इन की पहचान की cortical गतिविधि पर नरम बाधाओं के रूप में इस्तेमाल किया जाएगा, पार बात को कम करने और अंय सशर्त सक्रिय fMRI क्षेत्रों में गलत गतिविधि से बचने के द्वारा multimodal इमेजिंग विधि की विशिष्टता बढ़ रही है । विधि गतिविधि और समय-पाठ्यक्रम, जो अंतिम परिणाम के रूप में लिया जा सकता है की cortical नक्शे उत्पंन करता है, या आगे विश्लेषण के लिए एक आधार के रूप में इस्तेमाल किया (सहसंबंध, करणीय संबंध के विश्लेषण, आदि), जबकि विधि कुछ हद तक अपने तरीकों से सीमित है (यह नहीं मिलेगा ईईजी-अदृश्य स्रोत), यह मोटे तौर पर सबसे प्रमुख प्रसंस्करण सॉफ्टवेयर के साथ संगत है, और सबसे neuroimaging अध्ययन के लिए उपयुक्त है ।

Introduction

Electroencephalography (ईईजी) और कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) पूरक सुविधाओं के साथ neuroimaging मोडल के रूप में देखा जा सकता है । FMRI बड़े लौकिक पैमाने के साथ मस्तिष्क गतिविधि कब्जा, के रूप में hemodynamic संकेत परोक्ष रूप से एक गरीब लौकिक संकल्प के साथ अंतर्निहित ंयूरॉन गतिविधि उपाय (सेकंड के आदेश पर)1,2। इसके विपरीत, ईईजी सीधे मस्तिष्क के गतिशील electrophysiological गतिविधि एक बहुत ही उच्च लौकिक संकल्प (मिलीसेकंड स्तर), लेकिन गरीब स्थानिक संकल्प3,4के साथ उपाय । इन गुणों के लिए प्रत्येक व्यक्ति विधि5के अनुकूल पहलुओं को ऑप्टिमाइज़ करने के लिए डिज़ाइन किया गया multimodal दृष्टिकोण का नेतृत्व किया है । ईईजी और fMRI के एक साथ उपयोग ईईजी के उत्कृष्ट लौकिक संकल्प के लिए अनुमति देता है fMRI के उच्च स्थानिक सटीकता के साथ संयुक्त करने के लिए unimodal fMRI या ईईजी के साथ जुड़े सीमाओं को दूर ।

ईईजी और fMRI एकीकरण के लिए विधि fMRI-सूचित ईईजी स्रोत स्थानीयकरण6,7के साथ शुरू करते हैं । इस तकनीक का उपयोग करता है fMRI-स्थानिक जानकारी व्युत्पंन ईईजी स्रोत स्थानीयकरण में सुधार करने के लिए, तथापि, एक दोष है संभावित स्थानिक पूर्वाग्रह fMRI के आवेदन की वजह से एक "हार्ड बाधा"-fMRI-स्थानिक जानकारी व्युत्पंन माना जाता है के रूप में एक निरपेक्ष सत्य. यह दो बड़े मुद्दों कि6-8मिलान किया जाना चाहिए बन गया है । सबसे पहले, यह विचार किया जाना चाहिए कि रक्त ऑक्सीजन के स्तर पर निर्भर (बोल्ड) विषमता अनजाने में किसी भी गलत गतिविधि है कि यह भीतर गिर जाता है मजबूत कर सकते है के एक स्थिर नक्शे का उपयोग करें, जबकि यह सच है गतिविधि के बाहर भिगोने । दूसरा, बोल्ड सक्रियकरण नक्शे के बाहर होने वाले स्रोतों से crosstalk परिणाम के भीतर सही गतिविधि की प्रस्तुति को प्रभावित या गलत गतिविधि का कारण हो सकता है । इसके बावजूद, fMRI के उच्च स्थानिक संकल्प के उपयोग के लिए पूर्व स्थानिक ज्ञान प्रदान करने के लिए एक अनुकूल समाधान5रहता है, ईईजी व्युत्क्रम समस्या के मॉडलिंग के रूप में दोनों संरचनात्मक और कार्यात्मक इंद्रियों में विवश किया जा सकता है ।

इस पत्र में, हम एक spatiotemporal fMRI-विवश ईईजी स्रोत इमेजिंग दृष्टिकोण है कि ईईजी और fMRI के बीच एक पदानुक्रमित fMRI मॉडल9पर आधारित Bayesian के इष्टतम सबसेट की गणना से अस्थाई बेमेल के मुद्दे के पते प्रदर्शित करता है । FMRI-पूर्व ईईजी डेटा में ब्याज की विशेष खिड़कियों से एक डेटा-चालित तरीके से गणना कर रहे हैं, समय-संस्करण FMRI बाधाओं के प्रमुख । प्रस्तावित दृष्टिकोण ईईजी के उच्च लौकिक संकल्प का इस्तेमाल cortical गतिविधि के एक वर्तमान घनत्व मानचित्रण गणना, fMRI के उच्च स्थानिक संकल्प द्वारा एक समय में सूचित-संस्करण, स्थानिक चयनात्मक तरीके से है कि सही छवियां गतिशील तंत्रिका गतिविधि.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

यहां प्रस्तुत प्रोटोकॉल को डिजाइन किया गया था और नैतिक मानव अनुसंधान के लिए सभी दिशा निर्देशों के अनुसार प्रदर्शन के रूप में ह्यूस्टन विश्वविद्यालय के संबंधित संस्थागत समीक्षा बोर्डों और ह्यूस्टन मेथोडिस्ट अनुसंधान संस्थान द्वारा उल्लिखित ।

1. एक साथ ईईजी/fMRI रिकॉर्डिंग

  1. भागीदार से सूचित सहमति प्राप्त करें । भागीदार को समझाने के उद्देश्य और अध्ययन की प्रक्रिया, साथ ही साथ महत्वपूर्ण सुरक्षा उपायों के लिए एक साथ ईईजी/fMRI डेटा रिकॉर्डिंग प्रक्रिया ।
  2. ईईजी कैप तैयार करें और एमआरआई-स्कैनर रूम के बाहर प्रतिबाधा जांचें ।
    1. जगह एक उचित आकार, निष्क्रिय, एमआरआई-विषय के सिर पर संगत ईईजी टोपी । 10-20 अंतरराष्ट्रीय लेबलिंग प्रणाली10के अनुसार इलेक्ट्रोड की स्थिति ।
    2. ईईजी रिकॉर्डिंग सॉफ्टवेयर पर, जमीन और संदर्भ इलेक्ट्रोड के प्रतिबाधा की जाँच करें. ऐसा करने के लिए, ' प्रतिबाधा ' टैब पर क्लिक करें और सॉफ्टवेयर उपयोगकर्ता इंटरफ़ेस पर इलेक्ट्रोड प्रकार का चयन ( चित्रा 1देखें).
      नोट: सटीक निर्देश यहां इस्तेमाल किया सॉफ्टवेयर के लिए विशिष्ट है ( सामग्री की तालिकादेखें), और अंय प्रणालियों के लिए अनुकूलित करने की आवश्यकता हो सकती है ।
    3. प्रत्येक इलेक्ट्रोड के लिए, इलेक्ट्रोड में इलेक्ट्रोलाइट जेल इंजेक्षन करने के लिए एक सिरिंज का उपयोग करें, तो त्वचा इलेक्ट्रोड संपर्क सुनिश्चित करने के लिए जेल प्रसार करने के लिए एक कपास झाड़ू का उपयोग करें.
      1. प्रतिबाधा कम हो जाती है के रूप में, उचित सॉफ्टवेयर का उपयोग कर मूल्यों की निगरानी के लिए जारी (प्रतिबाधा पैमाने को समायोजित के रूप में आवश्यक, सेटअप के आधार पर) प्रतिबाधा स्तर ठीक से निगरानी करने के लिए ( चित्रा 1देखें). सभी इलेक्ट्रोड एक उच्च गुणवत्ता वाले संकेत सुनिश्चित करने के लिए 10 kΩ नीचे प्रतिबाधा स्तर तक पहुँचने तक जारी रखें.
        नोट: के अनुसार सूचीबद्ध सामग्री और यहां का उपयोग, यह असुरक्षित माना जाता है कि श्री में ५० kΩ ऊपर एक प्रतिबाधा स्तर के साथ किसी भी इलेक्ट्रोड है-पर्यावरण11. यह चुना कैप और एमआरआई सेटिंग्स के डिजाइन के आधार पर बदल सकते हैं, तो कृपया उपकरण निर्माता और एमआरआई प्रौद्योगिकीविदों के साथ परामर्श करने के लिए प्रयोगात्मक सेटअप की सुरक्षा सुनिश्चित करने के लिए ।
  3. एक साथ ईईजी/fMRI हार्डवेयर सेटअप ।
    1. एक बार ईईजी कैप तैयार किया जाता है, इस विषय में चित्र 2में वर्णित हार्डवेयर सेटअप के साथ MR-स्कैनर में ले जाया गया है ।
      नोट: उपयोग में सिस्टम के आधार पर, चित्र के कुछ विवरण बदल सकते हैं ।
    2. प्रयोगात्मक प्रतिमान प्रदर्शन सेट करें । अवलोकन कक्ष में स्थित मॉनिटर का उपयोग करें, कांच की खिड़की के पीछे श्री के सामने का सामना करना पड़-स्कैनर ( चित्रा 2देखें) । एक सिर का तार देखने के दर्पण का प्रयोग करें विषयों के लिए अपने सिर या आंखें जबकि नीचे झूठ बोल ले जाने के बिना मॉनिटर स्क्रीन देखने की अनुमति ।
    3. कंप्यूटर स्क्रीन पर एक नमूना छवि प्रदर्शित करने के लिए सुनिश्चित करें कि विषयों आराम से स्क्रीन देख सकते हैं, और है कि प्रतिमान ठीक से प्रदर्शित करेगा । कोई भी आवश्यक हार्डवेयर या सॉफ़्टवेयर समायोजन करें ।
  4. प्रायोगिक प्रतिमान ( चित्रा 3देखें) ।
    1. विषय अभी भी रहने के लिए निर्देश, और एक प्रारंभिक T1-भारित संरचनात्मक एमआरआई स्कैन करते हैं । यदि संभव हो, तो दृश्य के एक क्षेत्र का उपयोग करें जो सेरिबैलम के नीचे से सिर के ऊपर तक पहुंचता है, जिसमें खोपड़ी और त्वचा भी शामिल है ।
    2. ईईजी डेटा रिकॉर्डिंग शुरू ( चित्रा 4देखें) ।
    3. इसके साथ ही एमआरआई रिकॉर्डिंग शुरू करने और प्रस्तुति सॉफ्टवेयर पर ब्याज के प्रतिमान आरंभ करने के लिए उपयुक्त बटन पर क्लिक करें । ईईजी डेटा रिकॉर्डिंग की जांच करने के लिए संकेत गुणवत्ता सुनिश्चित करने और, यदि वांछित, उपयुक्त मार्करों दर्ज की जा रही है ।
      1. जब सेट अप का उपयोग कर यहां वर्णित है, पहले क्लिक करें "भागो" प्रस्तुति सॉफ्टवेयर में और विषय संख्या और परीक्षण संख्या में प्रवेश । प्रतिमान इन सेटिंग्स की पुष्टि पर शुरू होगा ।
        नोट: यहां कार्यरत प्रतिमान 10 परीक्षणों जिसमें एक भावनात्मक रूप से प्रेरित मोटर प्रतिक्रिया दृश्य उत्तेजना के माध्यम से पैदा की थी शामिल हैं । प्रत्येक परीक्षण के लिए, विषयों के लिए पहले आराम करने के लिए कहा गया ५० एस एक हरे परदे देख s, जिसके बाद एक अप्रिय की छवि (आश्चर्य करने के लिए इसी छवियों, क्रोध, या घृणा) या नहीं-अप्रिय (खुशी या तटस्थ के लिए इसी छवियों) चेहरा12 के लिए प्रस्तुत किया गया था 10 s. प्रत्येक श्रेणी से पांच छवियों एक यादृच्छिक क्रम में प्रस्तुत किया गया, और विषयों अप्रिय रूप में एक चेहरे की पहचान पर एक गेंद निचोड़ करने के लिए कहा गया, और निचोड़ पकड़ जब तक यह गायब हो गया ।
      2. fMRI रिकॉर्डिंग (अनुशंसित) के लिए ग्रैडिएंट-वापस प्रतिध्वनि Planar इमेजिंग (GR-महामारी) अनुक्रम का उपयोग करें; अनुकूलित करने के लिए उपकरण और प्रतिमान सूट ।
        नोट: अनुक्रम प्रयुक्त इसके साथ साथ शामिल: प्रतिध्वनि समय (TE) = ३५ ms; पुनरावृत्ति समय (TR) = १,५०० ms; स्लाइस मोटाई = 5 मिमी; फ्लिप कोण = ९० °; पिक्सेल रिक्ति: २.७५ mm x २.७५ mm । यह एक एमआरआई अनुक्रम है कि थोड़ा लंबे समय तक ही प्रतिमान के प्रदर्शन से रहता है, यह सुनिश्चित करना है कि पूर्ण प्रतिमान कतरन के बिना दर्ज की गई है का उपयोग करने के लिए आवश्यक हो सकता है ।

2. स्ट्रक्चरल एमआरआई डेटा विश्लेषण और आगे मॉडल जनरेशन

  1. Freesurfer छवि विश्लेषण सुइट13,14का उपयोग करते हुए विषय की T1-भारित संरचनात्मक एमआरआई मात्रा से पूर्ण विभाजन और विभिन्न सतहों के पुनर्निर्माण लागू होते हैं ।
    नोट: सभी फॉल्ट outputs वाले एक फ़ोल्डर Freesurfer द्वारा उत्पंन किया जाएगा ।
  2. (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 में उपलब्ध ग्राफ़िकल यूज़र इंटरफ़ेस (GUI) का उपयोग करने के लिए प्रदान किए गए निर्देशों का पालन करते हुए एक विषय-विशिष्ट 3-परत सीमा तत्व विधि (BEM) ज्यामितीय मॉडल जनरेट करें सुनिश्चित करें कि वहां परतों में कोई ओवरलैप है ।
    1. Freeview अनुप्रयोग खोलें । "फ़ाइल" > > "लोड सतह" पर क्लिक करें । Freesurfer फ़ोल्डर में विषय निर्देशिका में नेविगेट करें । "BEM" फ़ोल्डर खोलें । "वाटरशेड" फ़ोल्डर खोलो । चार फ़ाइलें यहां पाया लोड (' outer_skin_surface ', ' outer_skull_surface ', ' brain_surface ', और ' inner_skull_surface ') ।
    2. स्लाइस चयन स्लाइडर्स ले जाएं और पीली सतह परतों में ओवरलैप के लिए देखें । यदि अधिव्याप्त होती है, तो संरचनात्मक दोषों या त्रुटियों के लिए एमआरआई डेटा को डबल-जांचें, और परतें स्पष्ट करने के लिए GUI आरेखण उपकरणों का उपयोग करें ।
      1. "फाइल" > > "लोड मात्रा" पर क्लिक करके Freeview आवेदन में मूल एमआरआई डेटा लोड. विषय फ़ोल्डर में नेविगेट करें और "एमआरआई" फ़ोल्डर खोलें । फिर "orig" निर्देशिका पर क्लिक करें और खुला संरचनात्मक एमआरआई डेटा वहां पाया (. mgz या. निी प्रारूप में होना चाहिए) । "ठीक" क्लिक करें ।
      2. सिर की greyscale छवि देखें । मस्तिष्क के चारों ओर भूरे और काले रंग की विभिन्न परतों को देखो । सुनिश्चित करें कि इन परतों में कोई अंतर या अनियमितताओं नहीं है । "रंग पिकर" उपकरण का उपयोग करें और सही किया जा करने के लिए परत से एक voxel का चयन करें ।
      3. "मुक्तहस्त Voxel संपादन" पर जाएं, और छवि पर आरेखित करने के लिए क्लिक करें । एमआरआई इमेज में किसी भी दोष को भरने के लिए इसका प्रयोग करें । सभी परतों और एमआरआई स्लाइस के लिए सुधार करते हैं, जहां दोष हो ।
        नोट: "Polywire" और "Livewire" voxel संपादन उपकरण भी "मुक्तहस्त" के स्थान पर उपयोग किया जा सकता है ।
  3. pial सतह की ज्यामिति के आधार पर स्रोत अंतरिक्ष उत्पन्न करते हैं ।
  4. Freesurfer सिर मॉडल ओवरले (चित्रा 5) का उपयोग कर एमआरआई अंतरिक्ष के लिए विषय-विशिष्ट ईईजी सेंसर संरेखण (उदाहरणके लिए, अनुवाद और रोटेशन) करते हैं । परिवर्तन सहेजें ।
    1. MNE_analyze अनुप्रयोग खोलें । पर क्लिक करें "फाइल" > > "लोड सतह" । विषय डेटा वाले फ़ोल्डर में नेविगेट करें और pial सरफ़ेस लोड करें ।
    2. क्लिक करें "फाइल" > > "लोड डिजिटलर डेटा और ब्याज की ईईजी फ़ाइल का चयन करें (डिजिटलीकरण डेटा शामिल होना चाहिए) । "दृश्य" > > "शो व्यूअर" पर क्लिक करें । एक बार दर्शक जीयूआई प्रकट होता है, पर क्लिक करें "विकल्प" और यकीन है कि "खोपड़ी" और "डिजिटलर डेटा" विकल्प चुना जाता है बनाते हैं । यहां इलेक्ट्रोड पीले रंग में फिड्यूशियल अंकों के साथ, लाल में दिखाए जाते हैं ।
    3. मुख्य विंडो पर (नहीं दर्शक), चुनें "समायोजित करें" > > "समंवय संरेखण" । ' निर्देशांक संरेखण जीयूआई ' का उपयोग करना, तीर और एल/आर बटन का उपयोग करने के लिए shift और दर्शक में ईईजी इलेक्ट्रोड घुमाने के लिए. जितना आवश्यक हो समायोजित करें । संरेखण किया जाता है एक बार, संरेखण को बचाने के लिए ' समन्वय संरेखण जीयूआई ' के तल पर "सहेजें..." पर क्लिक करें.
      नोट: आमतौर पर, अच्छा फिड्यूशियल संरेखण के साथ खोपड़ी भर में इलेक्ट्रोड का एक भी वितरण की आवश्यकता है.
  5. विषय-विशिष्ट BEM मॉडल, स्रोत स्थान, और ईईजी सेंसर MNE सॉफ़्टवेयर15का उपयोग कर परिवर्तक प्रदान करके अग्रेषित मॉडल जनरेट करें ।

3. कार्यात्मक एमआरआई डाटा विश्लेषण

  1. प्रथम-स्तरीय (वैयक्तिक विषय) fMRI सांख्यिकीय विश्लेषण सामान्य रेखीय मॉडल (GLM) विधि का उपयोग करते हुए ब्याज के कार्यों के लिए बोल्ड सक्रियण मैप्स प्राप्त करने के लिए । Freesurfer समूह-विश्लेषण पाइपलाइन में निर्मित किया गया है जो क्लस्टर-आधारित approach का उपयोग करते हुए, आवश्यक16के रूप में एकाधिक तुलना के लिए सही है ।
  2. यदि वांछित, मानक अंतरिक्ष में सभी विषयों के लिए बोल्ड सक्रियण मानचित्र प्राप्त करने के लिए (MNI या Talairach) सभी विषयों पर समूह स्तरीय विश्लेषण करते हैं ।
    नोट: ऑक्सफोर्ड सेंटर के मस्तिष्क के कार्यात्मक एमआरआई के लिए विश्वविद्यालय (FMRIB) सॉफ्टवेयर लाइब्रेरी (FSL)17 और कार्यात्मक Neuroimages का विश्लेषण (अफनी)18 संकुल दोनों ही द्वारा उत्पन्न सतहों पर fMRI डेटा के विश्लेषण के लिए अनुमति Freesurfer, उंहें बाद में विश्लेषण के लिए सुविधाजनक बना ।
  3. fMRI सक्रियण मैप (दोनों व्यक्तिगत-स्तर और समूह-स्तर दोनों) को लोड करके क्षेत्र-की-रुचि (ROI) पहचान करने के लिए tksurfer विज़ुअलाइज़ेशन उपकरण का उपयोग करें, और इच्छित एफडीआर-सही थ्रेशोल्ड19 (p < 0.05 का उपयोग यहां किया जाता है ).
    नोट: व्यक्तिगत-स्तर सक्रियकरण नक्शे से पहचाना ROIs क्रमिक स्रोत स्थानीयकरण के लिए विषय-विशिष्ट fMRI-व्युत्पन्न स्थानिक पूर्वक के रूप में कार्य करेगा ।
    1. ग्रे मैटर लेयर पर fMRI एक्टिवेशन मैप का उपयोग करके, कनेक्ट-लेबलिंग एल्गोरिथ्म का उपयोग करके सरफ़ेस पैच निकालें ।
      नोट: इस उदाहरण में Dulmage-Mendelsohn अपघटन का प्रयोग किया गया ।
    2. इसके अलावा उप-एक से अधिक क्षेत्र को कवर गतिविधि के किसी भी पैच विभाजित है, ताकि एक पूर्वनिर्धारित मस्तिष्क एटलस के लेबल के आधार पर पैच विभाजित.
      नोट: एटलस यहां इस्तेमाल किया DKT40 एटलस20 (Freesurfer से उपलब्ध)21था । Atlases विशेष या चुना जा सकता है, प्रयोगात्मक वरीयताओं पर आधारित है ।
  4. प्रोजेक्ट अधिग्रहीत समूह-स्तर ROIs (जो वर्तमान में मानक स्थान में हैं) प्रत्येक विषय के व्यक्तिगत स्रोत रिक्त स्थान पर वापस । व्यक्तिगत विषय के संरचनात्मक एमआरआई विभाजन (चरण २.१) करने के बाद, विषय और मानक स्थान के बीच समंवय परिवर्तनों को lh. क्षेत्रः. reg और आरएच. क्षेत्रः reg फ़ाइलें, विषय के "सर्फ" फ़ोल्डर में मिला प्रदान की जाती है Freesurfer आउटपुट फ़ोल्डर ।
    नोट: सभी विषयों इस तरह ROIs का एक ही सेट का हिस्सा होगा, लेकिन अपने स्वयं के विशिष्ट मॉडल में । fMRI परिणाम और परिणामी ROIs के उदाहरणों के लिए चित्र 6 देखें ।

4. ईईजी डेटा विश्लेषण

नोट: इस खंड में विवरण (अधिक विवरण के लिए सामग्री की तालिका देखें) इस्तेमाल किया सॉफ्टवेयर के लिए विशिष्ट हो सकता है । कृपया विभिंन सॉफ्टवेयर संकुल का उपयोग कर यदि उपयुक्त प्रलेखन को देखें ।

  1. टेंपलेट घटाव के माध्यम से स्कैनर ढाल कलाकृतियों सुधार करते हैं । इस के लिए, "विशेष सिग्नल प्रोसेसिंग" मेनू में "श्री सुधार" बटन पर क्लिक करें, और ईईजी विश्लेषण सॉफ्टवेयर जीयूआई में उपयुक्त मापदंडों का चयन ( चित्रा 7देखें) । चुना स्कैनर अनुक्रम और प्रयोगात्मक डिजाइन करने के लिए उपयुक्त मापदंडों इनपुट ।
    नोट: प्राथमिक मापदंडों में शामिल हैं: reदोहराव समय (एन) एमआरआई स्कैन के लिए, प्रकार स्कैन (या निरंतर) एमआरआई मात्रा मार्करों (या ढाल का पता लगाने विधि और ढाल ट्रिगर), सुधार के लिए चैनल, और विरूपण साक्ष्य टेम्पलेट.
  2. टेम्पलेट घटाव के माध्यम से cardioballistic कलाकृतियों निकालें. इस के लिए, "विशेष सिग्नल प्रोसेसिंग" मेनू में "सीबी सुधार" बटन पर क्लिक करें, और विश्लेषण सॉफ्टवेयर जीयूआई में उपयुक्त मापदंडों का चयन ।
    नोट: यहाँ आवश्यक पैरामीटर्स न्यूनतम और अधिकतम हृदय दर, विरूपण साक्ष्य टेम्पलेट, ईसीजी चैनल, टेम्पलेट सहसंबंध, और सुधार के लिए चैनल शामिल हैं ।
  3. निस्पंदन लागू करें । "डेटा निस्पंदन" के तहत, विश्लेषण जीयूआई के शीर्ष पर IIR निस्पंदन के लिए बटन का चयन करें । उदाहरण के लिए, उच्च-पास पर ०.०५ हर्ट्ज, कम-पास ४० हर्ट्ज पर लागू करें, और एक पायदान-फिल्टर बिजली लाइन आवृत्ति (६० हर्ट्ज), एक रोल के साथ ४८ dB/
    नोट: ४० हर्ट्ज के एक cutoff आवृत्ति पर एक कम से गुजारें फिल्टर के आवेदन के बाद, ६० हर्ट्ज पायदान-फिल्टर सख्ती से आवश्यक नहीं है, लेकिन फिल्टर किनारों पर रोल के कारण बच हो सकता है कि किसी भी अवशिष्ट बिजली लाइन आवृत्तियों के खिलाफ एक रक्षा के रूप में कार्यरत है.
  4. विश्लेषण जीयूआई के शीर्ष पर आंख विरूपण साक्ष्य सुधार प्रदर्शन: "परिवर्तन" > > "विरूपण साक्ष्य अस्वीकृति/" > > "नेत्र सुधार ICA" का चयन करें ।
  5. ईईजी डेटा निर्दिष्ट पूर्व और बाद उत्तेजना समय के आधार पर कछु में खंड, घटना समय मार्कर के संबंध में । ऐसा करने के लिए, "रूपांतरण" > > "सेगमेंट विश्लेषण फ़ंक्शंस" > > "सेगमेंटेशन" चुनें, फिर रुचि के मार्कर का चयन करें और रुचि के समय सेगमेंट चुनें.
    नोट: विभाजन लंबाई के प्रतिमान के अनुरूप है और ब्याज की उंमीद मस्तिष्क गतिविधि चुना जाना चाहिए ।
  6. प्रदर्शन मैनुअल या अर्द्ध स्वचालित विरूपण साक्ष्य अस्वीकृति: चुनें "परिवर्तन" > > "विरूपण साक्ष्य अस्वीकृति/" > > "विरूपण साक्ष्य अस्वीकृति" । जब कहा, जीयूआई के तीन टैब के भीतर कलाकृतियों के लिए मानदंड को परिभाषित और जीयूआई पर निर्देश के रूप में आगे बढ़ना ।
    1. ' निरीक्षण विधि ' टैब में, चुनें "स्वचालित रूप से", "अर्द्ध स्वचालित रूप से", या "मैन्युअल रूप से चयन कलाकृतियों" (अर्द्ध स्वचालित मोड की सिफारिश की है). फिर "मार्क" या "कलाकृतियों को हटाएं" का चयन करें, और निर्दिष्ट करें कि क्या सुधार किसी एकल चैनल के लिए हैं ।
    2. ' चैनल चयन ' टैब में, उन चैनलों का चयन करें, जिन्हें कलाकृतियों के लिए ठीक किया जाएगा.
    3. ' मापदंड ' टैब में, उस आधार का चयन करें जिसके द्वारा कलाकृतियों की पहचान की जाएगी । प्रायोगिक जरूरतों को फिट करने के लिए यहां चयन करें । मापदंड का चयन करने के बाद "ठीक" पर क्लिक करें, और कलाकृतियों की पहचान की जाएगी और चयन के अनुसार अस्वीकृत किया जाएगा ।
  7. आधारभूत सुधार और परीक्षण औसत प्रदर्शन (यदि लागू हो) ।
    1. आधारभूत सुधार करने के लिए: "रूपांतरण" > > "सेगमेंट विश्लेषण फ़ंक्शंस" > > "आधारभूत सुधार" का चयन करें. सेगमेंट डेटा को औसत करने के लिए: "रूपांतरण" > > "सेगमेंट विश्लेषण फ़ंक्शंस" > > "औसत" चुनें.

5. Spatiotemporal fMRI बाधाओं-जैसे स्रोत इमेजिंग

  1. विंडो का आकार और विंडो को परिभाषित आकार अतिव्यापी (डिफ़ॉल्ट सेटिंग कॉल के लिए एक ४० ms विंडो आकार के साथ ५०% (20 ms) ओवरलैप).
  2. विषय-विशिष्ट ROIs सेट (चरण 3 में प्राप्त) के रूप में स्थानिक पूर्व सेट का चयन करें । प्रत्येक ईईजी खंड के लिए, एल्गोरिथ्म तो स्थानिक पूर्व के सबसेट के लिए वजन का एक सेट है कि मॉडल सबूत अधिकतम अनुमान होगा, और तदनुसार स्रोत सहप्रसरण मैट्रिक्स की गणना ।
  3. जिसके परिणामस्वरूप स्रोत सहप्रसरण मैट्रिक्स का उपयोग करना, ईईजी खंड के लिए स्रोत स्थानीयकरण प्रदर्शन, स्रोत वर्तमान घनत्व परिणाम उपज ।
  4. सभी ईईजी क्षेत्रों के लिए ५.२ और ५.३ चरण निष्पादित करें, और यदि आवश्यक हो, तो सभी समय क्षेत्रों के लिए वर्तमान घनत्व परिणामों को एक पूर्ण वर्तमान घनत्व समय-पाठ्यक्रम में ओवरलैप करने वाले भाग को औसत करके सारांशित करें ।
    नोट: यह चरण २.३ चरण में निर्धारित प्रत्येक स्रोत बिंदु पर cortical गतिविधि के वर्तमान घनत्व समय-पाठ्यक्रम में परिणाम होगा (यह संख्या आमतौर पर कई हज़ारों के क्रम पर है) (चित्र 8) ।
  5. ROIs में से प्रत्येक में प्रतिनिधि वर्तमान घनत्व समय-पाठ्यक्रम निकालें ।
    1. एक एकल संकेत समय-पाठ्यक्रम में एक रॉय के भीतर कई स्रोत अंक से समय पाठ्यक्रम सारांश के लिए पसंदीदा विधि का चयन करें: औसत, पहले eigenvariate, आदि
  6. सभी विषयों के लिए ५.५ करने के लिए ५.१ चरणों को दोहराएँ ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

बुनियादी स्तर पर ईईजी स्रोत स्थानीयकरण आगे और व्युत्क्रम समस्या के हल शामिल है । बनाने और आगे की समस्या को हल करने के लिए आवश्यक घटक चित्र 5Cमें दिखाए जाते हैं । एक विषय-विशिष्ट T1 छवि, तीन परतों-मस्तिष्क, खोपड़ी, और त्वचा का उपयोग-विभाजित और जाल थे । इन परतों BEM मॉडल उत्पन्न करने के लिए आदानों के रूप में सेवा की. इसी तरह, इस विषय के ग्रे बात परत संरचनात्मक एमआरआई से विभाजित किया गया था और स्रोत अंतरिक्ष का निर्माण करते थे । ईईजी संवेदक स्थानों कठोर ज्यामितीय परिवर्तनों की एक श्रृंखला का उपयोग कर सिर मॉडल पर सह पंजीकृत थे । जब निर्माण, आगे मॉडल का प्रतिनिधित्व करता है कैसे विद्युत स्रोत अंतरिक्ष पर किसी भी स्थान से उत्पंन गतिविधि खोपड़ी पर प्रत्येक ईईजी संवेदक स्थान पर संभावित माप को जंम देना होगा ।

fMRI उत्कृष्ट स्थानिक संकल्प और सटीकता के साथ मस्तिष्क कार्यात्मक गतिविधि के 3 डी छवियों प्रदान करता है । पारंपरिक fMRI विश्लेषण GLM तरीकों के लिए मस्तिष्क काफी एक निश्चित कार्य द्वारा सक्रिय voxels की पहचान के बाद । इस विश्लेषण के विशिष्ट परिणाम एक fMRI सक्रियण नक्शा है: एक एकल मस्तिष्क सक्रिय voxels, जो ग्रे बात सतह पर पेश किया जा सकता है पर प्रकाश डाला नक्शा, जैसा कि चित्रा 6aमें दिखाया गया है । हम आगे उप में प्राप्त सक्रियण नक्शे विभाजित-नक्शे, खोपड़ी किसी विशेष समय विंडो में ईईजी द्वारा मापा क्षमता स्थानीयकरण के लिए पहले एक संभावित स्थानिक के रूप में अभिनय (चित्रा 6बी) । चित्रा 8 ऊपर वर्णित spatiotemporal fMRI विवश स्रोत विश्लेषण के केंद्रित योजनाबद्ध का प्रतिनिधित्व करता है. निर्दिष्ट विंडो आकार पर संगत ईईजी डेटा खंड के लिए ईईजी स्रोत पुनर्निर्माण जनरेट करने के लिए केवल fMRI सक्रियण मानचित्र के उपयुक्त आंशिक सेट का उपयोग किया जाता है । सभी ईईजी समय के रूप में-windows विश्लेषण कर रहे हैं, cortical गतिविधि के एक पूर्ण पुनर्निर्माण एक spatiotemporally विशिष्ट फैशन है कि सभी ईईजी समय बिंदुओं पर एक ही fMRI पहले लागू करने के स्थानिक पूर्वाग्रह को समाप्त में हासिल की है ।

हम आगे spatiotemporal fMRI विवश स्रोत विश्लेषण विधि का एक सफल अनुप्रयोग प्रदर्शित जब एक दृश्य/मोटर सक्रियकरण कार्य अध्ययन9, जिसमें दृश्य इनपुट से मस्तिष्क गतिविधि के अनुक्रम मोटर उत्पादन के लिए लागू किया गया था उच्च spatiotemporal सटीकता (चित्रा 9) के साथ बरामद किया । जबकि वहां खिड़की के आकार के उपयोगकर्ता की पसंद पर कुछ निर्भरता है, खंगाला स्रोत इमेजिंग परिणाम आम तौर पर मजबूत परिवर्तन के लिए, के रूप में चित्रा 10में दिखाया गया है । इस अंत करने के लिए, खिड़की के आकार के प्रयोगकर्ता द्वारा चुना जाना चाहिए करने के लिए सबसे अच्छा उनके विशेष अध्ययन फिट (यानी, एक खिड़की का आकार बहुत बड़ी तेजी से गतिविधि या दोलनों के लिए गलत साबित हो सकता है, जबकि एक खिड़की का आकार भी कम कम आवृत्ति संकेत याद कर सकते है ) (चित्रा 10).

Figure 1
चित्रा 1 : खोपड़ी ईईजी प्रतिबाधा जाँच. प्रोटोकॉल चरण १.२ में कुंजी चिह्न करने के लिए इंगित तीर के साथ रिकॉर्डर सॉफ्टवेयर उपयोगकर्ता इंटरफ़ेस, के स्क्रीनशॉट । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 2
चित्रा 2 : एक साथ ईईजी/fMRI रिकॉर्डिंग हार्डवेयर सेटअप-पैमाने पर तैयार नहीं की योजनाबद्ध । (1) स्कैनर; (2) भागीदार gelled ईईजी निष्क्रिय टोपी पहने; (3) ईईजी एम्पलीफायरों और पावर पैक ईईजी टोपी से जुड़ा; (4) ऑप्टिकल फाइबर केबल एम्पलीफायरों को जोड़ने के लिए यूएसबी 2 एडाप्टर (भी एक बुआ के रूप में जाना); (5) बुआ, एम्पलीफायरों और रिकॉर्डिंग कंप्यूटर के बीच एक इंटरफेस; (6) डाटा अधिग्रहण कंप्यूटर; (7) प्रतिमान प्रस्तुति कंप्यूटर, उत्पादन घटना समय मार्कर के लिए एक एक्सप्रेस कार्ड से सुसज्जित; (8) ट्रांजिस्टर-ट्रांजिस्टर तर्क (TTL) केबल ट्रिगर, प्रस्तुति कंप्यूटर से घटना समय मार्करों देने और बुआ के लिए श्री-स्कैनर हार्डवेयर; (9) श्री स्कैनर हार्डवेयर के शुरू में समय मार्करों प्रदान करने के लिए (10) एक नया fMRI स्लाइस/वॉल्यूम अधिग्रहण और (11) घड़ी तुल्यकालन संकेत; (12) घड़ी तुल्यकालन डिवाइस, जो ईईजी एम्पलीफायरों और श्री-स्कैनर घड़ी की घड़ी के बीच तुल्यकालन प्रदान करता है; (13) इंटरफेस मॉड्यूल, एमआर-स्कैनर और घड़ी तुल्यकालन डिवाइस के बीच सामना; (14) प्रायोगिक प्रतिमान के दृश्य प्रदर्शन के लिए निगरानी; (15) कंट्रोल रूम से स्कैनर रूम देखने के लिए शीशे की खिड़की । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 3
चित्रा 3 : प्रायोगिक प्रतिमान । इस विषय में दृश्य उत्तेजनाओं की एक श्रृंखला दिखाया गया था, दो श्रेणियों में से एक से संबंधित: सुखद चेहरा और अप्रिय चेहरा12। प्रत्येक परीक्षण में, एक ५० एस हरी स्क्रीन बेसलाइन पहले दिखाया गया था, एक बेतरतीब ढंग से चयनित 10 एस दृश्य उत्तेजना के बाद. विषय दिखाया उत्तेजना की पूरी अवधि के लिए उसके दाहिने हाथ के साथ एक रबर की गेंद निचोड़ था, अगर छवि एक अप्रिय चेहरे के रूप में माना जाता था । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 4
चित्र 4 : ईईजी डेटा रिकॉर्डिंग का स्क्रीनशॉट । रिकॉर्डिंग प्रक्रिया के दौरान ईईजी डेटा का एक प्रतिनिधि अनुभाग । (क) fMRI पल्स अनुक्रम के साथ ईईजी डेटा की अवधि प्रभाव में, श्री स्कैनर कलाकृतियों का उच्चारण कर रहे हैं. (ख) fMRI पल्स-अनुक्रम के बिना ईईजी डेटा की अवधि, कोई स्पष्ट श्री स्कैनर कलाकृतियों दिखाई दे रहे हैं. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 5
चित्रा 5 : फॉरवर्ड मॉडल जनरेशन । (क) सिर मॉडल अंतरिक्ष पर ईईजी इलेक्ट्रोड के संरेखण । लाल और नीले रंग के हलकों डिजीटल ईईजी सेंसर स्थानों का प्रतिनिधित्व करते हैं, पीले घेरे डिजीटल ईईजी फिड्यूशियल अंक का प्रतिनिधित्व करते हैं: nasion, वाम preauricular, और सही preauricular । (ख) सेंसर संरेखण प्रक्रिया के लिए विकल्प, जिसमें मैनुअल रूपांतरण शामिल हैं, जैसे ईईजी सेंसर स्पेस (प्रोटोकॉल चरण २.४) का अनुवाद और रोटेशन. (ग) विषय विशिष्ट BEM मॉडल जनरेट किया गया, जिसमें 3 डिब्बों: (3) मस्तिष्क, (4) खोपड़ी, और (5) त्वचा । (1) ग्रे मैटर लेयर की सतह पर वितरित स्रोत स्थान । (2) ईईजी संवेदक स्थानों मॉडल पर गठबंधन कर रहे हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 6
चित्रा 6 : fMRI सक्रियकरण नक्शा और ब्याज के क्षेत्रों की निकासी । (क) fMRI सक्रियण निरीक्षण में आसानी के लिए फुलाया सतह पर दिखाया गया नक्शा । लाल और पीले क्षेत्रों में रंग कोडित काफी सक्रिय है (p-सही < 0.05) । (ख) fMRI सक्रियण मानचित्र से निकाले गए ब्याज के 8 प्रतिनिधि क्षेत्र. 3 से पहले मोटर गतिविधि के एटलस आधारित जुदाई ध्यान दें । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 7
चित्र 7 : विश्लेषक सॉफ्टवेयर उपयोगकर्ता इंटरफ़ेस के स्क्रीनशॉट-श्री स्कैनर कलाकृतियों को हटाने । (a) स्कैनर विरूपण साक्ष्य सुधार से पहले: (a) fMRI पल्स-अनुक्रम की शुरुआत से पहले ईईजी डेटा अनुभाग; (ख) ईईजी डेटा खंड fMRI पल्स-अनुक्रम के दौरान प्रभाव में, स्कैनर कलाकृतियों स्पष्ट रूप से दिखाई दे रहे हैं; (c) डेटा खंड की आवृत्ति सामग्री (FFT) में (b); (घ) विश्लेषक सॉफ्टवेयर स्कैनर ढाल के लिए निर्मित विश्लेषण मॉड्यूल-विरूपण साक्ष्य सुधार और cardioballistic विरूपण साक्ष्य सुधार । (ख) स्कैनर विरूपण साक्ष्य सुधार के बाद: (एक) श्री स्कैनर कलाकृतियों को हटाने के बाद ईईजी डेटा अनुभाग; (ख) (क) में डेटा अनुभाग की आवृत्ति सामग्री (FFT). कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 8
चित्र 8 : विश्लेषण प्रक्रिया के समग्र योजनाबद्ध । (A) ईईजी डेटा संसाधन और विंडो आकार चयन । (ख) fMRI डेटा विश्लेषण, ब्याज के क्षेत्रों के निष्कर्षण के बाद स्रोत विश्लेषण के लिए स्थानिक पूर्वकों के रूप में इस्तेमाल किया जाएगा । (ग) प्रत्येक ईईजी खंड पर प्रदर्शन किया स्रोत विश्लेषण, खिड़की के आकार और प्रतिशत ओवरलैप द्वारा निर्दिष्ट । (घ) ब्याज के समय-पाठ्यक्रम पर पूर्ण पुनर्निर्मित cortical गतिविधि. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 9
चित्र 9 : एक प्रतिनिधि विषय के पुनर्निर्माण cortical गतिविधि दृश्य/मोटर सक्रियण प्रतिमान से गुजरा । स्रोत पुनर्निर्माण दो तरीकों के विपरीत से परिणाम: spatiotemporal fMRI विवश (ऊपर) और समय-अपरिवर्तनीय fMRI विवश स्रोत इमेजिंग (नीचे) । चित्रा9संदर्भ से अनुमति के साथ reproduced । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Figure 10
चित्र 10 : सिंगुलेट प्रांतस्था में अलग विंडो आकार का उपयोग करते हुए गतिविधि समय-पाठ्यक्रम को खंगाला । (क) गतिविधि समय-छोटे खिड़की आकार का उपयोग कर खंगाला पाठ्यक्रम बहुत ही परिणाम दिखाया (सहसंबंध आर > 0.95) । (b) उच्च असमानता के परिणामस्वरूप बड़ी विंडो आकारों का उपयोग करना (R < 0.7) । चित्रा9संदर्भ से अनुमति के साथ reproduced । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

हम यहां ईईजी/fMRI एकीकरण विश्लेषण के लिए spatiotemporal fMRI विवश स्रोत विश्लेषण विधि का उपयोग करने के लिए आवश्यक कदम दिखाया गया है । ईईजी और fMRI अच्छी तरह से गैर के लिए मौलिक तरीकों इनवेसिव इमेजिंग मस्तिष्क गतिविधि के रूप में स्थापित हो गए हैं, हालांकि वे उनके संबंधित स्थानिक और लौकिक प्रस्तावों में कठिनाई का सामना । जबकि तरीकों को प्रत्येक के अनुकूल गुणों पर कैपिटल विकसित किया गया है, वर्तमान fMRI-विवश ईईजी स्रोत स्थानीयकरण तरीकों अक्सर सरल fMRI बाधाओं पर निर्भर करते हैं, जो पूर्वाग्रहों और crosstalk कि सीमा स्थानिक सटीकता के अधीन हो सकता है ( उदाहरणके लिए, यदि सही गतिविधि एमआरआई नक्शे के बाहर होता है, स्थैतिक बाधाओं सच स्रोत में परिणाम होगा कम किया जा रहा है, जबकि झूठी चोटियों पास एमआरआई में मनाया जाएगा-सक्रिय क्षेत्रों । इसी तरह, एक एमआरआई सक्रिय क्षेत्र में गलत या शोर-आधारित गतिविधि के रूप में अगर यह सही थे बढ़ाया जाएगा) । spatiotemporal fMRI विवश दृष्टिकोण एक दो परत पदानुक्रमित Bayesian मॉडल में चर fMRI बाधाओं का उपयोग कर इस पर सुधार करने की मांग की है । वर्तमान स्रोत गतिविधि एक स्लाइडिंग विंडो तरीके से ईईजी डेटा से अनुमान लगाया गया है । fMRI सक्रियकरण नक्शा पहले कई उपमानचित्रों में विभाजित है, एक संभव स्थानिक cortical सूत्रों के लिए पहले के रूप में अभिनय । इन स्थानिक पूर्वकों का एक सबसेट चुनिंदा ईईजी व्युत्क्रम समस्या को हल करने के लिए बाधाओं के रूप में उपयोग किया जाता है । इस प्रकार, ईईजी और fMRI डेटा एक स्थानिक और लौकिक विशिष्ट फैशन में एकीकृत कर रहे हैं । यह प्रभावी रूप से ब्याज के क्षेत्रों का एक सेट है कि ईईजी डेटा से सबूत के आधार पर लागू किया जा सकता है के साथ पारंपरिक fMRI सक्रियण नक्शा बदल देता है, एक डेटा में जिसके परिणामस्वरूप, पूर्वाग्रह और त्रुटि सीमा चालित दृष्टिकोण ।

यहां प्रस्तुत पद्धति (Freesurfer, FSL, आदि) उपलब्ध विधियों पर आधारित है, और cortical मॉडल और ईईजी और fMRI डेटा प्रक्रियाओं उत्पंन करता है । हालांकि यहां उल्लेख किया प्रक्रियाओं के कुछ विशिष्ट सॉफ्टवेयर का उपयोग करना है, इन कार्यक्रमों के सबसे ग्नू लाइसेंसिंग के तहत स्वतंत्र रूप से उपलब्ध हैं । इस के लिए अपवाद BrainVision विश्लेषक होगा, हालांकि अलग तरीके इस के लिए इस्तेमाल किया जा सकता है के रूप में अच्छी तरह से (विशेष रूप से22 EEGLAB FMRIB प्लग के साथ में EEGLAB के लिए, FMRIB23,24द्वारा प्रदान की) । इसी प्रकार, spatiotemporal fMRI-विवश ईईजी स्रोत इमेजिंग विधि अपने fMRI पूर्वकों और atlases के लिए अपेक्षाकृत सरल डेटा संरचना का उपयोग करती है, जिससे अन्य इमेजिंग सुइट्स, या यूज़र डिफ़ाइंड स्रोतों सहित कई स्रोतों से आयात की जा सके । . इस संबंध में केवल सीमा उचित सौंपा वर्टेक्स के साथ विषय मॉडल के लिए वांछित लेआउट फिटिंग है ।

आम तौर पर इन प्रयोगों में कार्यरत तरीकों रूपरेखा ऊपर वर्णित सामांय प्रसंस्करण मानकों । एक बार और, यह उल्लेखनीय है कि इन मापदंडों के चयन पर कोई गंभीर तकनीकी सीमाएं हैं-डेटा निस्पंदन और समायोजन विधियों जोड़ा जा सकता है या किसी भी प्रयोग के अनुरूप करने के लिए पाइप लाइन से हटा दिया । अधिक महत्वपूर्ण खिड़की के आकार का चयन है, के रूप में यह सीधे मॉडल सबूत और fMRI के फलस्वरूप आवेदन की गणना से पहले प्रभावित करता है । जबकि लगभग 40 से खिड़की के आकार में बदलाव-150 परिणाम waveforms में केवल मामूली बदलाव में एमएस परिणाम, इस से परे विस्तार स्थिरता के लिए एक जोखिम पैदा करता है और कुछ क्षेत्रों के लिए सह सक्रिय हो या अनुपयुक्त नकाबपोश हो सकता है. अधिक विशेष रूप से, एक बड़ी विंडो आकार अधिक उपयोगी हो सकता है जब कम आवृत्तियों ब्याज की हैं, जबकि एक छोटी विंडो आकार बेहतर हो सकता है जब उच्च आवृत्ति दोलनों पर ध्यान केंद्रित । इस प्रक्रिया की गणना की जटिलता पर प्रभाव पड़ता है और विश्लेषण के लिए आवश्यक संसाधनों के कारण प्रतिबंधित हो सकता है के रूप में, फिसलने खिड़की के ओवरलैप और बदलाव भी यहां विचार किया जाना चाहिए । सटीक पैरामीटर चयनित की परवाह किए बिना, निम्न चरणों की प्रक्रिया में महत्वपूर्ण माना जाता है: 1) संरचनात्मक एमआरआई डेटा प्राप्त करने और एक साथ ईईजी/fMRI डेटा; 2) 3d मॉडल जनरेशन; 3) एमआरआई डेटा विश्लेषण; 4) ईईजी डेटा से श्री-विरूपण साक्ष्य को हटाने; 5) आगे और व्युत्क्रम गणना; 6) रॉय जनरेशन; 7) रॉय के फिसलने खिड़की चयन से पहले और स्रोत स्थानीयकरण । प्रक्रिया यहां समग्र पाइपलाइन और विधि है कि हम विकसित की है और अनुकूल गतिशील परिणाम प्राप्त करने के लिए उपयोग प्रस्तुत करता है । यह ध्यान दिया जाना चाहिए कि विवरण के कई-सटीक स्थानीयकरण तरीके, सबूत गणना, सांख्यिकीय तरीके, ईईजी और fMRI पैरामीटर, आदि- उपयोगकर्ता की वरीयताओं के अनुरूप संशोधित किया जा सकता है ।

spatiotemporal fMRI विवश स्रोत विश्लेषण विधि ईईजी और fMRI के एकीकरण में एक उल्लेखनीय कदम आगे माना जाता है, लेकिन यह कुछ मामूली सीमाओं के अधीन है । जब तक हम को खंगाला गहरे स्रोतों की गुणवत्ता में वृद्धि देख कर, इस विधि अभी भी अपने व्यक्तिगत तरीकों से समग्र सीमाओं के अधीन है; यदि एक स्रोत काफी गहरा है ईईजी के लिए प्रभावी रूप से अदृश्य हो, यह इस पद्धति से कब्जा नहीं किया जाएगा । दूसरा, विश्लेषण pial सतह के 3 डी मॉडल पर केंद्रित है, और किसी भी आंतरिक क्षेत्रों का पुनर्निर्माण नहीं होगा, किसी भी fMRI-hemodynamic गतिविधि की पहचान की परवाह किए बिना ।

विभाजन और सशर्त लागू fMRI से पहले के साथ संयोजन में ईईजी का उपयोग करना, हम एक उन्नत, spatiotemporally विशिष्ट इमेजिंग एल्गोरिथ्म उत्पन्न किया है. तत्काल परिणामों से पता चला है कि एल्गोरिथ्म गहरे स्रोतों के पुनर्निर्माण के लिए एक वृद्धि की क्षमता है, और कम करने के लिए अतिसंवेदनशील है अपने समकक्ष से बात करते हैं, पारंपरिक समय-अपरिवर्तनीय fMRI स्रोत इमेजिंग । इसके अलावा, विधि काफी हद तक अनुकूलन योग्य है और प्रत्येक आवेदन के लिए अनुकूल हो सकता है, या बाद में विश्लेषण के लिए एक आधार के रूप में इस्तेमाल किया । ये गुण spatiotemporal fMRI विवश स्रोत विश्लेषण पद्धति को एक स्वतंत्र रूप से सक्षम विश्लेषण पद्धति, और भावी शोध के लिए एक नींव के रूप में प्रदान करते हैं ।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ नहीं है ।

Acknowledgments

इस काम के भाग में NIH DK082644 और ह्यूस्टन विश्वविद्यालय द्वारा समर्थित किया गया था ।

Materials

Name Company Catalog Number Comments
BrainAmp MR Plus Brain Products Amplifiers for EEG recording, MR-compatible
BrainAmp ExG MR  Brain Products Amplifier for auxilary sensor (EMG), MR-compatible
BrainAmp Power Pack Brain Products Provide power to amplifiers in the MR environment
Ribbon Cables Brain Products Connects the Power Pack to Amplifiers
SyncBox Brain Products Synchronize MR scanner clock with EEG amplifier clock
BrainCap MR Brain Products Passive-electrode 64-channel EEG cap, MR-compatible
BrainVision Recorder Brain Products EEG data recording software (steps 1.2-1.4.2)
BrainVision Analyzer 2.0 Brain Products EEG analysis software (steps 4.1-4.6)
USB 2 Adapter (also known as BUA) Brain Products Interface between the amplifiers and data acquisition computer
Fiber Optic Cables Brain Products Connects the EEG cap in the MR scanner to the Recording Computer
SyncBox Scanner Interface Brain Products Synchronize MR scanner clock with EEG amplifier clock
Trigger Cable Brain Products Used to send scanner/paradigm triggers to the recording computer
ABRALYT HiCl EEG Electrode Gel EasyCap Abrasive EEG gel for passive electrode in MR environment
Ingenia 3.0T MR system Philips 3.0 T MRI system
Patriot Digitizer Polhemus EEG channel location digitization 
MATLAB r2014a MathWorks Programming base for the DBTN algorithm (steps 3.3-3.4 and 5.1-5.7)
Pictures of Facial Affect Paul Eckman Group A series of emotionally valent faces used as stimuli
E-Prime 2.0 Psychology Software Tools, Inc Presentation Software (step 1.4.3)
Bipolar skin EMG electrode Brain Products Used to detect muscle activity.
POLGUI MATLAB software for digitization
Freesurfer Software used in steps 2.1-2.4, and steps 3.1-3.2
MNE Software used in step 2.5

DOWNLOAD MATERIALS LIST

References

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

Tags

जीव विज्ञान अंक १३६ ईईजी fMRI multimodal विद्युत स्रोत इमेजिंग मस्तिष्क स्रोत स्थानीयकरण
समवर्ती ईईजी और कार्यात्मक एमआरआई रिकॉर्डिंग और गतिशील Cortical गतिविधि इमेजिंग के लिए एकीकरण विश्लेषण
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Nguyen, T., Potter, T., Karmonik,… More

Nguyen, T., Potter, T., Karmonik, C., Grossman, R., Zhang, Y. Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging. J. Vis. Exp. (136), e56417, doi:10.3791/56417 (2018).

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