Summary
イメージング法、イメージング法、時空間的な fMRI に制約のある脳波ソースとして知られている脳波 fMRI マルチ モーダルを次に紹介します。提案手法では、条件付きでアクティブな fMRI サブマップ、または脳波源定位空間の特異性が向上し、誤った結果を制限する方法を導くための前科を採用しています。
Abstract
脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、脳の活動を識別するための基本的な非侵襲的方法の 2 つです。Fmri、空間精度と脳波の高時間分解能を結合するマルチ モーダルな手法を求めているが、このアプローチの複雑さは改善を必要として現在。ここで提示されたプロトコル ソースを示します最近開発された時空間 fMRI に制約のある脳波イメージング法は、ソース バイアスを是正し、fMRI のサブ領域の動的な採用活動によって脳波 fMRI 定位を改善するように努めます。プロセスから始まりますから脳波と fMRI の同時マルチ モーダル データの収集スキャン、皮質の 3 D モデル、独立した脳波と fMRI 処理の世代。加工 fMRI 活性化マップし、その場所とその周辺地域によると、複数の前科に分割されます。これらは脳波源定位法の 2 つのレベルの階層ベイズ アルゴリズムで前科として扱われます。(演算子によって定義された) 対象の各ウィンドウの fMRI 活性化マップの特定のセグメントをアクティブとしてモデル証拠として知られているパラメーターを最適化で識別されます。これらは、マルチ モーダル イメージング法、他の条件付きでアクティブな fMRI の地域で誤ったアクティビティを避けることでクロストークを低減の特異性増加特定の皮質活動のソフトの制約として使用されます。メソッドを生成するアクティビティや時間コースの皮質地図最終結果として取られるまたは (相関、因果関係等の分析) 手法は分析の基礎として使用されるやや (それ見つけることができませんその様相によって制限されますEEG-invisible ソース)、ほとんどの主要な処理ソフトウェアと互換性がある広く、ほとんどのニューロ イメージング研究に適しています。
Introduction
脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、相補的な機能を備えたニューロ イメージング モダリティとして表示できます。FMRI は、血行動態シグナル (秒) 時間的解像度が低い1,2基になる神経細胞の活動を直接測定として大規模な時空間スケールでの脳の活動をキャプチャします。対照的に、脳波は直接空間解像度の低い3,4が非常に高い時間分解能 (ミリ秒レベル)、脳の動的電気生理学的活動を測定します。これらのプロパティは、それぞれの個々 のメソッド5の有利な点を最適化するように設計マルチ モーダルなアプローチにつながっています。峰機能的 Mri や脳波に関連付けられている制限を克服するために fMRI の空間精度の高い結合する脳波の優れた時間分解能の脳波と fMRI の同時使用が可能します。
脳波と fMRI の統合のための方法は、脳波ソースのローカリゼーション6,7を fMRI 情報を開始します。この手法は脳波源推定を改善するために fMRI 由来の空間情報を利用して、1 つの欠点は、「ハード制約」としての fMRI の応用による潜在的な空間的バイアス-空間情報の fMRI の派生である、絶対的な真理。これは和解6-8にする必要があります 2 つの大きな問題を引き起こします。まず、血液酸素レベル依存 (大胆) 対比の静的マップの使用可能性がありますそれ以外の真の活動を減衰しながら中には、該当する誤った行為を強化して誤ってが考慮されなければなりません。第二に、大胆な活性化マップ外のソースからクロストークは、結果内の真の活動のプレゼンテーションに影響を与える可能性がありますや誤ったアクティビティが発生します。これにもかかわらず、脳波逆問題のモデル化は、空間的知識のまま5有利なソリューションを提供するために fMRI の高空間分解能の使用両方解剖学的および機能的な意味で制約があります。
本稿では、階層ベイズ モデル9に基づく fMRI 前科の最適なサブセットを計算することで脳波と fMRI の間の時間の不一致の問題に対処するアプローチをイメージング時空間 fMRI に制約のある脳波ソースを示しています。FMRI 前科は、時変の fMRI の制約につながる脳波データへの関心の特定のウィンドウからデータ ドリブンの方法で計算されます。提案手法は空間選択的時系列の方法で、正確に画像の動的ニューラルで fMRI の高空間分解能による通知、皮質活動の電流密度のマッピングを計算する脳波の高時間分解能を利用してください。活動。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ここで提示されたプロトコルは、ように設計され、ヒューストンの大学、ヒューストンのメソジスト研究所のそれぞれの治験審査委員会によって前後セットとして倫理的な人間の研究のすべてのガイドラインに従って実行します。
1. 同時に脳波と fmri の同時記録
- 参加者からインフォームド コンセントを取得します。目的の参加者と同時の脳波と fmri の同時データ記録プロセスの重要な安全対策と同様に、研究の手順を説明します。
-
脳波キャップを準備し、MRI スキャナーの部屋の外のインピー ダンスを確認します。
- 被験者の頭の上に適切なサイズ、受動的、MRI 対応の脳波キャップを置きます。10-20 国際ラベリング システム10に従って電極を配置します。
- 脳波記録用ソフトウェア、地面および参照電極のインピー ダンスを確認します。これを行うには、'インピー ダンス' タブをクリックして、ソフトウェアのユーザー インターフェイスに電極の種類を選択 (図 1参照)。
注: ここでの厳密な指示がここで使用されるソフトウェアに固有 (材料の表を参照)、他のシステムに適応する必要があります。 - 各電極の電極、電解質ゲルを注入する注射器を使用し、皮膚電極を接触をようにジェルを広げるため綿棒を使用します。
- インピー ダンスが低下すると、適切なソフトウェアを使用して値を監視し続ける (に応じて、セットアップによってインピー ダンスのスケールを調整する) 正しくインピー ダンス レベルを監視する (図 1参照)。すべての電極高品質の信号を確保するための 10 の kΩ の下のインピー ダンス レベルに達するまで続行します。
注: 一覧表示され、ここで利用されている素材、あたりそれと見なされます安全でない MR 環境11インピー ダンス レベル 50 kΩ 上の任意の電極があります。これは選ばれたキャップと MRI の設定の設計によって変わるかもしれませんので実験装置の安全性を確保するため、機器メーカーと MRI 技師にご相談ください。
- インピー ダンスが低下すると、適切なソフトウェアを使用して値を監視し続ける (に応じて、セットアップによってインピー ダンスのスケールを調整する) 正しくインピー ダンス レベルを監視する (図 1参照)。すべての電極高品質の信号を確保するための 10 の kΩ の下のインピー ダンス レベルに達するまで続行します。
-
同時の脳波と fmri の同時ハードウェアのセットアップ。
- 脳波キャップ準備が完了すると、図 2で説明したハードウェアのセットアップと MR 装置に移動件名を持ちます。
注: 図のいくつかの詳細は、使用しているシステムに応じて異なります。 - 実験パラダイムの表示を設定します。MR 装置の前面ガラス窓の後ろに、観察室にあるモニターを使用して (図 2参照)。頭のコイル表示ミラーを使用すると、サブジェクトが寝ながら頭や目を動かさずにモニター画面を表示できるようにします。
- 科目では、画面を表示できます快適パラダイムが正しく表示されることを確認するコンピューターの画面上のサンプル画像を表示します。すべての必要なハードウェアまたはソフトウェアの調整を行います。
- 脳波キャップ準備が完了すると、図 2で説明したハードウェアのセットアップと MR 装置に移動件名を持ちます。
-
実験パラダイム (を参照してください図 3).
- まだ、残っている対象を指示して初期 T1 加重解剖 MRI スキャンを実行します。可能であれば、小脳の下から頭蓋骨や皮膚など、頭の上に到達する場合は、ビューのフィールドを使用します。
- (図 4参照) 脳波データの記録を開始します。
- 同時に MRI の録音を開始し、利息プレゼンテーション ソフトウェアのパラダイムを開始する適切なボタンをクリックします。信号の品質を確保するため脳波データを確認し、適切なマーカーが記録されている場合は、必要に応じています。
- ここで説明した設定を使用して、最初のプレゼンテーション ソフトウェアで「実行」をクリックし、対象数と試行数を入力します。パラダイムは、これらの設定を確認する時に開始されます。
注: ここで採用されているパラダイム 10 試験視覚刺激により誘発された感情的に独創力のあるモーター応答を成っていた。各試行の被験者は最初 50 の残りの部分にその後不快な (画像の驚きや怒り、嫌悪感に対応する) のイメージまたはない不快な (イメージ幸福や中立性に対応する) 顔12緑色の画面を見て s各カテゴリから 10 s. の 5 つの画像は、無作為の順序で提示された、被験者として不愉快な顔を識別する時にボールを絞るし、それが見えなくなるまで、スクイズを保持を示した。 - (推奨) fMRI 記録でグラデーション リコール エコー平面イメージ (GR EPI) シーケンスを使用します。機器やパラダイムに合わせてをカスタマイズします。
注: ここで使用されるシーケンスが含まれている: エコー時間 (TE) = 35 ms;繰り返し時間 (TR) = 1,500 ミリ秒;スライス厚 5 mm;反転角度 = 90 °;ピクセル間隔: 2.75 × 2.75 mm。パラダイム自体、欠けることがなく、完全なパラダイムが記録されていることを確認するための表示よりも少し長く続く MRI シーケンスを使用する必要があります。
- ここで説明した設定を使用して、最初のプレゼンテーション ソフトウェアで「実行」をクリックし、対象数と試行数を入力します。パラダイムは、これらの設定を確認する時に開始されます。
2. 構造 MRI データの解析と前方モデルの生成
- 被写体の T1 強調解剖 MRI を使用してボリュームな画像解析スイート13,14から完全分割と曲面の再構成を適用します。
注: なによってすべての分割出力を含むフォルダーが生成されます。 -
(Https://martinos.org/mne/dev/manual/appendix/bem_model.html)15での指示を使用して、使用可能なグラフィカル ユーザー インターフェイス (GUI) を特定の件名 3 層境界要素法 (BEM) 幾何学的なモデル次を生成します。層の重なりがないことを確認します。
- Freeview アプリケーションを開きます。クリックして「ファイル」>>「表面負荷」。なフォルダーに対象ディレクトリに移動します。「BEM」フォルダーをを開きます。「分水界」フォルダーを開きます。ここで発見した 4 つのファイル ('outer_skin_surface'、'outer_skull_surface'、'brain_surface' および 'inner_skull_surface') をロードします。
- スライス選択スライダーを移動し、黄色の表面層の重なりを探します。重複が発生した場合は、解剖学的欠陥やエラーを MRI データを再確認し、描画ツール GUI を使用して、レイヤーを明らかにします。
- 「ファイル」をクリックして Freeview アプリケーションで元の MRI データを読み込む >>「量」です。対象フォルダーに移動し、「mri」フォルダーを開きます。「オリジナル」ディレクトリをクリックし、そこで見つかった構造 MRI データを開く (in.mgz or.nii の形式にする必要があります)。「OK」をクリックします。
- 頭のグレースケール画像を表示します。グレーと黒、脳の周りのさまざまな層を見てください。これらの層が隙間や凹凸を持っていないことを確認します。「カラーピッカー」ツールを使用して修正する層からボクセルを選択します。
- フリーハンド ボクセル「編集」切り替え画像を描画するをクリックしますします。これを使用して、MRI 画像の任意の欠陥で塗りつぶします。すべてのレイヤーおよび欠陥が発生する MRI スライスの修正を実行します。
注: 編集ツール「Polywire」と「ライブワイヤー」ボクセルは、「フリーハンド」代わりにも使用可能性があります。
- 軟膜表面の幾何学に基づく元の空間を生成します。
-
な頭部モデルのオーバーレイ (図 5) を用いた MRI 空間にサブジェクト固有の脳波センサー配置 (例えば、翻訳および回転) を実行します。変換を保存します。
- MNE_analyze アプリケーションを開きます。「ファイル」をクリックして >>「負荷面」。対象データを含むフォルダーに移動し、軟膜表面をロードします。
- クリックして「ファイル」>>"デジタイザー データの読み込みと関心 (デジタイザー データを含める必要があります) の脳波ファイルを選択。「表示」>>「ビューアーを表示する」。ビューアーの GUI が表示されたら、「オプション」をクリックし、ことを確認「頭皮」と「デジタイザー データ」オプションを選択しました。電極をここでは、黄色で基準点で赤で表示されます。
- メイン ウィンドウ (ビューアーで) の「調整」を選択 >>「アライメント調整」。座標配置 GUI を使用して、シフトし、ビューアーで脳波電極を回転する矢印と L/R ボタンを使用します。必要な量だけを調整します。配置が完了すると、配置を保存する '座標配置 GUI' の下部に「保存...」をクリックします。
注: 通常、良い基準配置と頭皮全体の電極の均一な配分が必要です。
- 対象固有の境界要素法モデル、ソース領域 MNE ソフトウェア15を用いた脳波センサー変換を提供し、順モデルを生成します。
3. 機能的 MRI データ分析
- 最初のレベルを実行 (個々 の主題) fMRI 解析大胆な活性化を取得する一般的な線形モデル (GLM) メソッドを使用してマップの関心の仕事のため。必要な16、なグループ解析パイプラインに組み込まれているクラスター ベースのアプローチを使用して、複数の比較のため修正します。
- 標準スペース (MNI または・ タライラッハ) にすべての科目の大胆な活性化マップの取得を希望する場合、すべての科目のグループ レベルの分析を実行します。
注: 機能的 MRI の脳 (FMRIB) ソフトウェア ライブラリ (FSL)17と機能 Neuroimages の解析 (AFNI)18パッケージによって生成された同じサーフェス上の fMRI データの分析を可能にする両方のオックスフォード大学センターその後の分析に便利な。 -
Tksurfer 可視化ツールを使用して、希望する FDR 修正しきい値19 (個人レベルとグループ レベルの両方)、fMRI 活性化マップをロードした関心領域 (ROI) 識別を実行 (p < 0.05 をここで使用).
注: 各レベルの活性化マップから識別・ ロワは、サブジェクト固有 fMRI 派生空間前科後続のソースのローカリゼーションのためとして機能します。- 灰白質層の fMRI 活性化マップを使用して、接続されているラベリング アルゴリズムを使用してサーフェスのパッチを抽出します。
注: この例では分解特性が使用されました。 - さらにサブ分割パッチは定義済みの脳アトラスのラベリングに基づくアクティビティは、1 つ以上の領域をカバーする任意のパッチを分割するようします。
注: ここで使用されるアトラス DKT40 アトラス20 (なから利用可能)21歳だった。アトラスは、専門または分野, 実験設定に基づくことができます.
- 灰白質層の fMRI 活性化マップを使用して、接続されているラベリング アルゴリズムを使用してサーフェスのパッチを抽出します。
- 各教科の個別のソース スペースに戻して (これは標準的なスペースには現在) 取得したグループ レベル ROIs をプロジェクトします。Lh.sphere.reg および rh.sphere.reg ファイルの個々 の主題の構造 MRI セグメンテーション (ステップ 2.1) を実行すると、件名と標準的な空間の座標変換を提供、被験者の「サーフ」フォルダーにな出力フォルダー。
注: すべての科目により設定・ ロワが彼らの自身の特定のモデルで同じ共有されます。結果・ ロワ fMRI 結果の例については、図 6を参照してください。
4. 脳波データ分析
注: このセクションの詳細は (詳細については、材料の表を参照してください)、使用されているソフトウェアに固有にあります。別のソフトウェア パッケージを使用している場合は、該当するマニュアルを参照してください。
- テンプレート減算を介してスキャナー グラデーション アイテム補正を実行します。このため、「特別な信号処理」メニューに「MR 補正」ボタンをクリックし、脳波解析ソフトウェア GUI で適切なパラメーターを選択 (図 7を参照)。選択したスキャナーのシーケンスと実験的なデザインの適切なパラメーターを入力します。
注: プライマリ パラメーターが含まれます: MRI スキャン、スキャン タイプ (インターリーブまたは連続)、MRI ボリュームのマーカー (または勾配検出法とグラデーション トリガー)、繰り返し時間 (TR) チャンネルは、補正、および成果物テンプレート。 - テンプレート減算を介して cardioballistic の成果物を削除します。この「特別な信号処理」メニューの「CB 補正」ボタンをクリックし、解析ソフトウェア GUI で適切なパラメーターを選択します。
注: 最小値と最大心拍数、成果物テンプレート、心電図チャネル、テンプレートの相関、および補正のためのチャネルにここで必要なパラメーターが含まれます。 - ろ過を適用します。IIR ろ過解析 GUI、「データろ過」の下の上部のボタンを選択します。たとえば、ハイパスを適用 0.05 hz 低域 40 Hz、電源周波数 (60 Hz) でノッチ フィルターで 48 dB/Hz のロールオフと。
注: カットオフ周波数 40 Hz の低域通過フィルターの適用後は、60 Hz のノッチ フィルターが厳密に必要はありませんがロールオフ フィルター端のため生存している可能性があります任意の残留電力線の周波数に対する保護手段として採用されています。 - 解析 GUI 上の眼球アーチファクト補正を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「眼補正 ICA」.
- 脳波データをイベント タイミングのマーカーに関して指定の前と後の刺激の時間に基づいて新紀元に分割します。これを行うには、選択、「変換」>>「セグメント分析機能」>>「セグメンテーション」関心のマーカーおよび興味の時間セグメントを選択。
注: セグメントの長さは、パラダイムと関心の期待される脳の活動に合わせて選択必要があります。 -
手動または半自動のアーティファクト除去を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「拒否」アーティファクト「.されたら、GUI の 3 つのタブ内の成果物の基準を定義し、GUI の指示に。
- 「検査法」タブ選択は「自動的に」、「半自動」、または「アイテムを手動で選択」(半自動モードをお勧めします)。「マーク」または「成果物を削除する」を選択し、かどうか修正は、1 つのチャンネルを指定します。
- チャンネル選択タブでアーティファクトを修正するチャンネルを選択できます。
- 「基準」タブでアイテムを識別する基準を選択します。実験ニーズに合わせて、ここでの選択を行います。条件を選択した後"OK"をクリックして、成果物を識別または選択に基づいて拒否されます。
-
基線補正と試行の平均 (該当する場合) を実行します。
- ベースライン補正を実行する:「変換」を選択 >>「セグメント分析機能」>>「ベースライン補正」。セグメント化したデータを平均する:「変換」を選択 >>「セグメント分析機能」>>「平均的」。
5. 時空間 fMRI 制約-EG ソース画像
- ウィンドウのサイズとウィンドウ サイズ (既定の設定 (20 ms) は重複の 50% で 40 ms ウィンドウ サイズの呼び出し) を重複定義します。
- 空間の前のセットとして (手順 3 で取得した) 特定の件名・ ロワ セットを選択します。脳波セグメントごとにアルゴリズム、モデル証拠を最大化し、それに応じてソース共分散行列を計算する空間の前科のサブセットの重みのセットを見積もります。
- 脳波セグメントされているため定位を実行結果ソース共分散行列を使用して、分析、降伏のソース電流密度の結果。
- 脳波のすべてのセグメントの 5.2 と 5.3 の手順を実行し、必要に応じて、重なっている部分を平均することによって完全な電流密度 1 時間コースに時間のすべてのセグメントの電流密度の結果の要約。
注: この手順は (この数は数千程度通常) 2.3 の手順で定義されているすべてのソース ポイントの皮質活動の電流密度の経になります (図 8)。 -
Roi の各代表の電流密度の時間コースを抽出します。
- 1 つの信号の時間コースに ROI 内の複数のソース ポイントからの時間コースを要約する希望の方法を選択: 平均、最初 eigenvariate 等
- すべての科目について、手順 5.1 5.5。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
基本的なレベルでの脳波音源定位には前方および逆問題の解決が含まれます。図 5Cでビルドし、転送の問題を解決するために必要なコンポーネントを示しています。サブジェクト固有の T1 画像 3 つの層を使用して-皮膚、頭蓋骨、脳、分割され、メッシュします。これらのレイヤーは、境界要素法モデルの生成への入力として提供しています。同様に、件名の灰白層、構造 MRI から分割され元の空間を構築するために使用します。脳波センサーの場所だった共同一連のリジッド幾何学的変換を用いた頭部モデル上に登録されています。どのように電気的活動の作成時順モデルを表しますソース領域の任意の場所から頭皮上脳波センサー箇所で潜在的な測定に上昇を与えるでしょう。
fMRI は、優れた空間分解能と精度で脳機能活動の 3 D イメージを提供します。従来の fMRI 解析特定のタスクによって著しく活性化される脳のボクセルを識別する GLM メソッドに従います。この分析の典型的な結果は、fMRI 活性化マップ: 単一の脳地図図 6Aに示すように、灰白質の表面に投影することができますアクティブなボクセルを強調表示します。我々 はさらにサブのマップは、任意の特定の時間ウィンドウ (図 6B) で脳波を用いて頭皮電位をローカライズする前に潜在的な空間として各演技に得られた活性化マップを分割します。図 8は、上記制約時空間 fMRI ソースの分析の焦点を当てた模式図を表します。指定したウィンドウ サイズで対応する脳波データ セグメントの脳波ソース復興を生成する fMRI 活性化マップの適切な部分セットのみを使用します。すべての脳波の時間ウィンドウを分析し、大脳皮質の活動の完全な復興はすべての脳波の時点で同じの fMRI の事前分布を適用した空間的バイアスを軽減する時空の特定の方法で達成します。
我々 はさらに制約された時空間の fMRI ソース解析法視覚/運動活性化タスク研究9、モータ出力視覚入力からの脳活動のシーケンスが年に適用した場合の成功のアプリケーションを実証時空間精度の高い (図 9) 回復。ユーザーによるウィンドウ サイズの選択にいくつかの依存性は、再建されたソース イメージング結果であった図 10に示すように、一般的に中程度の変化にロバストです。このため、ウィンドウ サイズを実験者で (すなわち、低い周波数の信号を見落とす可能性がありますウィンドウ サイズがあまりにも短い間の素早い動きや振動、誤ったなるウィンドウ サイズが大きすぎるかもしれない彼らの特定の研究に最適に選択する必要) (図 10)。
図 1: 頭皮脳波インピー ダンス チェックします。プロトコル手順 1.2 でキーのアイコンを指し示す矢印の付いたレコーダー ソフトウェア ユーザー ・ インターフェイスのスクリーン ショット。この図の拡大版を表示するのにはここをクリックしてください。
図 2: 同時脳波と fmri の同時レコーディングのハードウェア設定の概略-スケールを描画されません。(スキャナー 1)(2) を着て参加者ゲル脳波パッシブ キャップ。(3) 脳波増幅器と脳波キャップに接続されている電源パック(4) 光ファイバー ケーブル、アンプを USB 2 アダプター (ブアとして知られている);(5) のブア、アンプや録音コンピューター間のインタ フェース(6) データ取得コンピューター;(パラダイム 7) プレゼンテーションのコンピューター、出力イベントのタイミング マークにエクスプレス カード装備(8) トランジスタートランジ スター論理 (TTL) トリガー; ブアにプレゼンテーションのコンピューター MR 装置ハードウェアからイベント タイミング マーカーを提供するケーブル(スライス ・ ボリュームの新株取得 fMRI と (11) のクロック同期 (10) の開始時のタイミングのマーカーを提供するために 9) 氏スキャナー ハードウェア信号;(脳波増幅器の時計と MR 装置クロック間の同期を提供する 12) クロック同期デバイス(13) インター フェース モジュール、MR 装置とクロック同期デバイス間のインタ フェース(実験的パラダイムの視覚的な表示モニター 14)(コントロール ルームからスキャナー ルームを表示する 15) ガラス窓。この図の拡大版を表示するのにはここをクリックしてください。
図 3: 実験パラダイム。対象は、2 つのカテゴリに属する視覚刺激のシリーズを示された: 快適な顔といやな顔12。それぞれの試験は、50 s 緑画面ベースラインだった最初示され s の 10 のランダムに選択された視覚刺激が続きます。件名は、刺激の全体の持続期間のための彼/彼女の右手でゴム製のボールを絞る、画像が不愉快な顔として認識されていた場合。この図の拡大版を表示するのにはここをクリックしてください。
図 4: 脳波データのスクリーン ショットします。記録処理中に脳波データの代表的なセクション。(A) fMRI パルス シーケンス脳波の期間有効、MR 装置アーティファクト発音されます。(B)期間の脳波データ fMRI パルス シーケンスなし、MR 装置の不自然な効果が表示されません。この図の拡大版を表示するのにはここをクリックしてください。
図 5: 転送モデルの生成。(A)ヘッド モデル空間に脳波電極の配置。赤と青の円はデジタル脳波センサーの場所を表して、黄色の丸を表すデジタル脳波基準点: 頭骨、左耳介と右耳介前。(B)センサーの配置プロセスには、手動変換、翻訳や脳波センサー スペース (プロトコル手順 2.4) の回転などのオプション。(C)対象特定境界要素法モデル生成、3 コンパートメントを含む: (3) 脳、(4) の頭蓋骨と皮膚 (5)。(1) の灰白質の層の表面に分散ソース スペース。(2) 脳波センサーの場所がモデルに配置されます。この図の拡大版を表示するのにはここをクリックしてください。
図 6: fMRI 活性化マップと関心領域の抽出。(A)膨張した表面検査の容易にするために fMRI 活性化マップ。地域色分け赤と黄色が大幅に活性化 (p-修正 < 0.05)。(B) 8 代表的な関心領域 fMRI 活性化マップから抽出します。3 事前分布に運動のアトラス ベースの分離に注意してください。この図の拡大版を表示するのにはここをクリックしてください。
図 7: 分析ソフトウェアのユーザー インターフェイスのスクリーン ショット-MR 装置アーチファクト除去。(A)スキャナー アーティファクト補正前に、: fMRI パルス ・ シーケンスの開始前に (、) の脳波データ セクション(fMRI パルス シーケンス中に b) 脳波データ セクション効果、スキャナーの成果物が明確に表示されます。(c) の周波数成分 (FFT) (b) の [データ] セクション(d) アナライザー ソフトウェアの組み込み解析モジュール スキャナー グラデーション アーティファクト補正と cardioballistic アイテム補正。(B)スキャナー アーティファクト補正後: MR 装置アーティファクトを除去した後 (、) の脳波データ セクション(データ セクションの b) の周波数成分 (FFT) に。この図の拡大版を表示するのにはここをクリックしてください。
図 8: 全体的な分析プロセスの概略図です。(A) 脳波データ処理およびウィンドウ サイズの選択。(B) fMRI データ解析、ソース解析空間前科として使用される対象領域の抽出に先行します。(C)ソース解析は、ウィンドウ サイズと % の重複によって指定されたそれぞれの脳波セグメントで実行されます。(D)完全な興味の時間経過皮質活動を再構築。この図の拡大版を表示するのにはここをクリックしてください。
図 9: 1 つの代表的な主題の再建された皮質活動を受けた視覚/運動活性化パラダイム。対照的に 2 つの方法から再構成結果をソース: 時空間 fMRI 制約 (上) および時間不変 fMRI イメージング法 (下) 制約があります。図は参照9から許可を得て再現。この図の拡大版を表示するのにはここをクリックしてください。
図 10: 別のウィンドウ サイズを使用して帯状皮質の活動の時間コースを再構築します。(a)活動時間コースより小さいウィンドウ サイズを使用して再構築が非常に同様の結果を示した (相関 R > 0.95)。(b)より大きなウィンドウ サイズを使用して高の格差に起因した (R < 0.7)。図は参照9から許可を得て再現。この図の拡大版を表示するのにはここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
我々 はここで脳波と fmri の同時統合分析の制約された時空間の fMRI ソース解析手法を使用する必要な手順を示しています。脳波と fMRI よくとして定着した脳活動の非侵襲的イメージングのための基本的な方法が彼らのそれぞれの時空の解像度で苦労します。現在 fMRI に制約のある脳波音源位置推定方法がよく制限空間精度 (先入観とクロストークがあります単純な fMRI の制約に依存してそれぞれの有利な特性を活用する方法が開発されている中例えば、MRI マップ外真の活動が発生した場合静的制約は偽りのピークは MRI アクティブ領域近くで観測される中、減少されている本当の原因になります。同様に、MRI アクティブ領域の誤ったまたはノイズ ベースの動作を強化するそれが本当なら、)。制約された時空間の fMRI のアプローチは、2 層階層 bayes 型モデルの変数の fMRI の制約を使用してこれを改善を求めています。現在のソースのアクティビティは、スライディング ウィンドウの方法の脳波データから推定されます。FMRI 活性化マップ最初、複数のサブマップは、皮質の信号源の前に可能な空間としてそれぞれに分かれています。これらの空間の前科のサブセットは制約として脳波の逆問題を解決するために選択的に使用されます。したがって、脳波と fMRI データは空間的および一時的に特定の方法で統合されています。これは効果的に伝統的な fMRI 活性化マップをバイアスと誤差の制限データ駆動型のアプローチの結果、脳波データからの証拠に基づいて常に適用することができます関心領域のセットと置き換えます。
ここで紹介する方法は、利用可能なメソッド(な FSL 等)に基づいており、皮質モデルとプロセス脳波と fMRI データを生成します。一方、いくつかのここに記載されている手順を行う特定のソフトウェアを使用して、これらのプログラムのほとんどは、GNU ライセンスの下で自由に利用できます。別の方法であるかもしれないけれども、この例外は BrainVision アナライザーになるも (特に EEGLAB22 FMRIB23,24によって提供される EEGLAB のためのプラグインの FMRIB で) このために使用します。同様に、時空間 fMRI に制約のある脳波源イメージング法 fMRI 前科の数その他のイメージングのスイートを含む、ソースからインポートするようにアトラス、比較的単純なデータ構造を使用して、またはユーザー定義のソース.唯一の制限この点で目的のレイアウトを適切に割り当てられている頂点を持つ主題モデルは継手です。
一般的な処理パラメーターは上記概要通常これらの実験で用いられる方法。もう一度、それはこれらのパラメーターの選択に重大な技術的な限界がない注目に値する-データのろ過および調整方法を追加または任意の実験に合わせてパイプラインから削除することができます。これ直接 fMRI 前科のモデル証拠と結果としてアプリケーションの計算に影響を与えるのウィンドウ サイズの選択をより重要にです。約 40-150 ms からウィンドウ サイズの変化は結果の波形の唯一のマイナーな変化の結果、これ以上拡張安定性に対するリスクは、不適切な co-active またはマスクをする特定の地域を引き起こす可能性があります。具体的には、ウィンドウ サイズを大きく役に立つときに低周波、関心の高い周波数の振動に着目したとき、ウィンドウ サイズが小さくよいかもしれません。重複とスライディング ウィンドウのシフトもあるはずここでは、それはプロセスの計算に影響を及ぼすし、分析に必要なリソースのために禁止になる可能性があります。選択したパラメーターに正確に関係なく次の手順プロセスで重要と見なされます: 1) 解剖 MRI データと同時脳波と fmri の同時データを取得2) 3 D モデルの生成3) MRI データの解析;4) 氏の脳波データから成果物の除去5) 前方および逆の計算;6) ROI の生成7) スライディング ウィンドウ各種定位 ROI 前科です。ここでの手順では、全体のパイプラインと開発し、良好な動的な結果を達成するために利用するメソッドを示します。それは詳細の多くが注意すべき-定位法、証拠計算、統計手法、脳波と fmri によるパラメーターの正確ななど、ユーザーの好みに合わせて変更することができます。
制約された時空間の fMRI ソース解析脳波と fMRI の統合に注目すべき一歩前進と言えますが、ある特定のマイナーな制限です。再建された深いソースの質の増加を参照してください我々 は、このメソッドは、個々 のモダリティーから全体の制限を受けますソースが脳波に効果的に見えないように十分に深い場合は、このメソッドによってキャプチャされません。第二に、分析は軟膜表面の 3 D モデルに焦点を当て、fMRI 識別血行力学的活動に関係なく、任意の内部領域を再生成しません。
脳波を分割し、条件付きで適用される fMRI 前科との組み合わせで使用して、我々 は、時空の特定の高度な画像処理アルゴリズムを生成しています。すぐに結果は、アルゴリズムが深いソースを再構築するための高められた機能とは以下の影響を受けやすいクロストークの相手よりも伝統的な時不変 fMRI 拘束に示されているソース画像。さらに、メソッドが各アプリケーションに適してすることができますや以降の解析のための基礎として使用に大きくカスタマイズ可能です。これらのプロパティは、制約された時空間の fMRI ソース分析法潜在的な個別対応分析手法、および基盤として今後の研究を与えます。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者が明らかに何もありません。
Acknowledgments
この作品は、NIH の DK082644 とヒューストン大学によって部分で支えられました。
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 |
References
- Belanger, M., Allaman, I., Magistretti, P. J. Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation. Cell Metab. 14 (6), 724-738 (2011).
- Logothetis, N. K. The underpinnings of the BOLD functional magnetic resonance imaging signal. J Neurosci. 23 (10), 3963-3971 (2003).
- Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
- Ramon, C., Schimpf, P. H., Haueisen, J. Influence of head models on EEG simulations and inverse source localizations. Biomed Eng Online. 5, 10 (2006).
- 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).
- Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Med Biol Eng Comput. 32 (1), 35-42 (1994).
- Pascual-Marqui, R. D. Review of methods for solving the EEG inverse problem. International journal of bioelectromagnetism. 1 (1), 75-86 (1999).
- 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).
- Nguyen, T., et al. EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes. Neural Plast. 2016, 10 (2016).
- 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).
- Mullinger, K. J., Castellone, P., Bowtell, R. Best current practice for obtaining high quality EEG data during simultaneous FMRI. J Vis Exp. (76), (2013).
- Ekman, P., Friesen, W. V. Pictures of Facial Affect. , Consulting psychologists Press. (1976).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
- 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).
- Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
- 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).
- Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. Fsl. Neuroimage. 62 (2), 782-790 (2012).
- Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Comput Biomed Res. 29 (3), 162-173 (1996).
- 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).
- Klein, A., Tourville, J. 101 labeled brain images and a consistent human cortical labeling protocol. Front Neurosci. 6, 171 (2012).
- Fischl, B., et al. Automatically parcellating the human cerebral cortex. Cereb Cortex. 14 (1), 11-22 (2004).
- 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).
- 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).
- 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).