Summary
Görüntüleme yöntemi, Imaging kronolojik zamanmekansal fMRI kýsýtlanmýþ EEG kaynağı olarak bilinen yöntemi bir EEG-fMRI multimodal burada açıklanmıştır. Koşullu olarak aktif fMRI alt haritalar veya sabıkası EEG kaynak yerelleştirme kayma özgüllük geliştirir ve hatalı sonuçlar sınırlar bir şekilde gösterecek, sunulan yöntemi kullanır.
Abstract
Elektroansefalografi (EEG) ve fonksiyonel manyetik rezonans görüntüleme (fMRI) iki beyin aktivitesi tanımlamak için temel noninvaziv yöntemler vardır. Multimodal Yöntemleri fMRI kayma hassasiyetle EEG yüksek zamansal çözünürlük birleştirmek aranan var, ancak bu yaklaşım karmaşıklığı Şu anda gelişme ihtiyacı. Son zamanlarda geliştirilen kronolojik zamanmekansal fMRI kýsýtlanmýþ EEG kaynak görüntüleme yöntemi, kaynak önyargıları düzeltmek ve EEG-fMRI kaynak yerelleştirme fMRI alt bölgeleri dinamik alımı yoluyla geliştirmek istiyor burada sunulan protokolünü açıklar. Taramalar, 3D kortikal modelleri ve bağımsız EEG ve fMRI işleme nesil ile eş zamanlı EEG ve fMRI multimodal veri toplama işlemi başlar. İşlenmiş fMRI aktivasyon haritalar sonra konumu ve çevresi göre birden fazla sabıkası olarak bölünür. Bunlar bir iki düzeyli hiyerarşik Bayes algoritması EEG kaynak yerelleştirme için sabıkası olarak alınır. Faiz (operatör tarafından tanımlanan) her pencere için fMRI aktivasyon haritanın belirli kesimleri modeli kanıt olarak bilinen bir parametre optimize etmek için etkin olarak tespit edilecektir. Bunlar yumuşak çapraz-hadis azaltılması ve diğer koşullu olarak etkin fMRI bölgelerde hatalı aktivite kaçınarak tarafından yöntemi Imaging multimodal özgüllük artan tanımlanan Kortikal faaliyet kısıtlamalar olarak kullanılacaktır. Yöntem faaliyet ve zaman-Dershaneler, kortikal haritalar oluşturur (bunu bulamazsınız onun yöntemleri tarafından hangi olabilir sonuçlar alınan, ya da daha fazla analizleri (analizleri korelasyon, nedensellik, vb) sırasında belgili tanımlık yöntem için bir temel olarak kullandığınız biraz sınırlıdır EEG-invisible kaynakları), genel olarak en büyük işleme yazılımı ile uyumlu ve en beyin görüntüleme çalışmaları için uygundur.
Introduction
Elektroansefalografi (EEG) ve fonksiyonel manyetik rezonans görüntüleme (fMRI) beyin görüntüleme yöntemleri tamamlayıcı özelliklere sahip olarak görüntülenebilir. Hemodinamik sinyalleri dolaylı olarak yoksul zamansal çözünürlük (sırasına saniye)1,2temel nöronal aktivite ölçmek gibi fMRI beyin aktivitesi ile büyük ölçekli zamansal, yakalar. Buna ek olarak, EEG doğrudan yoksul uzamsal çözünürlük3,4çok yüksek zamansal çözünürlük (milisaniye düzey), beyin dinamik elektrofizyolojik etkinliğini ölçer. Bu özellikler her bireysel Yöntem5olumlu yönlerini optimize etmek üzere tasarlanmış multimodal yaklaşımlar yol açmıştır. Tektepeli fMRI veya EEG ile ilgili sınırlamalar üstesinden gelmek için yüksek mekansal doğruluğunu fMRI ile kombine olarak mükemmel zamansal çözümlenmesi için EEG EEG ve fMRI aynı anda kullanılmasına izin verir.
EEG ve fMRI entegrasyon için Yöntemleri fMRI bilgili EEG kaynak yerelleştirme6,7ile başlar. EEG kaynak yerelleştirme geliştirmek için mekansal bilgi fMRI elde edilen bu tekniği kullanır, ancak bir dezavantaj fMRI uygulama "zor-kısıtlama" olarak neden potansiyel kayma önyargı — fMRI elde edilen mekansal bilgi olarak kabul edilir bir mutlak gerçeği. Bu uzlaşma6-8olmalıdır iki büyük sorun teşkil etmektedir. İlk olarak, kan oksijen düzeyi bağımlı (kalın) kontrastlı statik bir harita kullanımı yanlışlıkla o içinde o dışında gerçek etkinlik sönümleme düşüyor herhangi bir hatalı faaliyet güçlendirmek olabilir düşünülmelidir. İkinci olarak, crosstalk kalın harekete geçirmek harita dışında meydana gelen kaynaklardan gelen gerçek etkinlik sonuçları içinde sunumunu etkileyen veya hatalı aktivite neden. Buna rağmen anatomik ve fonksiyonel anlamda her ikisi de EEG ters sorun modellenmesi olabildiğince olumlu çözüm5, ön mekansal bilgi kalır sağlamak için yüksek uzaysal çözünürlük fMRI kullanımı kısıtlı.
Bu yazıda, biz fMRI sabıkası bir hiyerarşik Bayesian modeli9tarihinde dayalı en iyi kümesini hesaplayarak EEG ve fMRI arasında geçici uyumsuzluk sorunu giderir yaklaşım Imaging bir kronolojik zamanmekansal fMRI kýsýtlanmýþ EEG kaynak göstermek. FMRI-sabıkası zaman-variant fMRI kısıtlamaları için önde gelen bir şekilde verilere belirli pencerelerden EEG veri ilgi hesaplanır. Önerilen yaklaşım bir akım yoğunluğu eşleme fMRI yüksek uzaysal çözünürlük tarafından doğru bir şekilde dinamik sinirsel görüntüleri bir zaman-variant, dağınık şekilde seçici şekilde haberdar Kortikal faaliyet hesaplamak için yüksek zamansal çözünürlük EEG kullanır etkinlik.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Burada sunulan Protokolü tasarlanmış ve tüm kuralları etik insan araştırma için uygun olarak küme olarak ileri ilgili kurumsal inceleme kurulları tarafından University of Houston ve Houston Methodist Araştırma Enstitüsü gerçekleştirilen.
1. aynı anda EEG/fMRI kayıt
- Aydınlatılmış onam katılımcıdan elde edilir. Katılımcı amacı ve yordam çalışma, hem de aynı anda EEG/fMRI veri işlem kayıt için önemli güvenlik önlemleri açıklar.
-
EEG kap hazırlamak ve empedans MRI-tarayıcı oda dışında kontrol edin.
- Uygun büyüklükte, pasif, Mr uyumlu EEG CAP'yi konunun baş üzerine yerleştirin. Elektrotlar 10-20 uluslararası etiketleme sistemi10göre konumlandırın.
- EEG kayıt yazılımı, zemin ve referans elektrot empedans denetleyin. Bunu yapmak için üzerinde 'empedans' sekmesini tıklatın ve yazılım kullanıcı arabirimi elektrot türü seçin (bkz. Şekil 1).
Not: Kesin talimatlar burada burada kullanılan yazılım özgü (bkz. Tablo reçetesi) ve diğer sistemlerine adapte gerekebilir. - Her elektrot için elektrolit jel elektrot enjekte etmek bir şırınga kullanın, sonra cilt-elektrot iletişim sağlamak için jel yaymak için bir pamuklu çubukla kullanın.
- Empedans azaldıkça, uygun yazılımı kullanarak değerleri izlemeye devam edin (gerektiğinde ayarına bağlı olarak empedans ölçek ayarlamak) empedans düzeyini doğru şekilde izlemek için (bkz. Şekil 1). Bütün elektrot empedans seviyesinin altında bir yüksek kaliteli sinyal sağlamak için 10 kΩ ulaşana kadar devam edin.
Not: listelenen ve burada kullanılan malzemeler bu güvenli olmayan herhangi bir elektrot empedans seviyesinden 50 kΩ ile Bay-çevre11' olduğu kabul edilir. Bu yüzden seçilmiş kap ve MRI ayarları, tasarımına bağlı olarak değişebilir lütfen deneysel Kurulum güvenliği sağlamak için donanım üreticisi ve MRI teknoloji bakın.
- Empedans azaldıkça, uygun yazılımı kullanarak değerleri izlemeye devam edin (gerektiğinde ayarına bağlı olarak empedans ölçek ayarlamak) empedans düzeyini doğru şekilde izlemek için (bkz. Şekil 1). Bütün elektrot empedans seviyesinin altında bir yüksek kaliteli sinyal sağlamak için 10 kΩ ulaşana kadar devam edin.
-
Eşzamanlı EEG/fMRI donanım kurulumu.
- EEG kap hazırlık yapıldıktan sonra konu Şekil 2' de açıklanan donanım kurulumu ile Bay tarayıcıya taşındık.
Not: Bazı ayrıntılar figürün kullanımda sistemine bağlı olarak da değişebilir. - Deneysel paradigma görüntülenme hızını ayarlayın. Gözlem odasında Bay tarayıcının ön bakan cam pencere arkasında yer alan bir monitör kullanın (bkz. Şekil 2). Bir baş bobin izleme yansıtma konular yatarken onların baş veya gözleri hareket ettirmeden monitör ekran görüntülemek için kullanın.
- Bir örnek görüntü konular ekran konforlu görüntüleyebilirsiniz ve paradigma düzgün görüntülenir emin olmak için bilgisayarınızın ekranında görüntülemek. Gerekli herhangi bir donanım veya yazılım ayarlamaları yapın.
- EEG kap hazırlık yapıldıktan sonra konu Şekil 2' de açıklanan donanım kurulumu ile Bay tarayıcıya taşındık.
-
Deneysel paradigma (bkz: Şekil 3).
- Konu hala kalır için talimat ve bir ilk T1 ağırlıklı anatomik MRG taraması gerçekleştirin. Mümkünse, beyincik alttan kafatası ve deri gibi baş, tepesine ulaşır bir görüş alanı kullanın.
- (Bkz. Şekil 4) EEG veri kaydetmeye başlamak.
- Aynı anda MRG kaydetmeye başlamak ve faiz tanıtım yazılım paradigması başlatmak için uygun düğmelerini tıklatın. Sinyal kalitesi sağlamak için EEG veri kayıt kontrol ve istenirse, uygun işaretleri kaydediliyor.
- Açıklanan kurulum burada kullanırken, ilk tanıtım yazılım "Çalıştır" ı tıklatın ve konu numarası ve deneme numarası girin. Paradigma bu ayarlarını onaylama üzerine başlatacaktır.
Not: hangi aracılığıyla görsel uyarıcı bir duygusal motive motor yanıt uyarılmış 10 deneme sürümlerini burada istihdam paradigma oluşuyordu. Her deneme için ilk 50 için dinlenmek için konular istendi yeşil bir ekran, daha sonra resmi (sürpriz, öfke veya nefretle karşılık gelen hoş olmayan bir görüntü) veya (değil hoş olmayan resimleri mutluluk veya tarafsızlık karşılık gelen)12 yüz izlerken s 10 s. beş resim her kategoriden rasgele bir sırada sunuldu ve konular olarak hoş olmayan bir yüz belirlenmesi üzerine bir top sıkmak ve kayboldu kadar sıkmak tutun istendi sunuldu. - Bir degrade hatırladı yankı düzlemsel Imaging (GR-EPI) sıra (önerilen); fMRI kayıt için kullanın ekipman ve paradigma uygun şekilde özelleştirin.
Not: burada kullanılan sıra dahil: yankı saat (TE) = 35 ms; Tekrarlama zamanı (TR) = 1500 ms; Dilim kalınlığı 5 mm; = Çevirme açısı 90 °; = Piksel aralığı: 2.75 x 2.75 mm. Paradigma kendisi, tam paradigma kırpma olmadan kaydedildiğinden emin olmak için ekran daha biraz daha uzun sürer bir MRI sırayı kullanmanız gerekebilir.
- Açıklanan kurulum burada kullanırken, ilk tanıtım yazılım "Çalıştır" ı tıklatın ve konu numarası ve deneme numarası girin. Paradigma bu ayarlarını onaylama üzerine başlatacaktır.
2. yapısal MRG veri analizi ve ileri Model oluşturma
- Tam segmentasyon ve çeşitli yüzeyler yeniden inşası Freesurfer görüntü analiz suite13,14kullanarak konunun T1 ağırlıklı anatomik MRI birimden uygulanır.
Not: Freesurfer tarafından tüm segmentasyon çıkış içeren bir klasör oluşturulur. -
Kullanılabilir grafik kullanıcı arabirimi (GUI) için (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 , çözümde anlatılan yönergeleri kullanın bir konuya özgü 3-katmanlı sınır öğesi yöntemi (BEM) geometrik model aşağıdaki oluşturmak katmanlar halinde hiçbir çakışma olduğundan emin olun.
- Freeview uygulamasını açın. "Dosya" >> "Yük yüzey". Freesurfer klasöründeki konular dizinine gidin. "BEM" klasörünü açın. "Dönüm noktası" klasörünü açın. Burada bulunan dört dosyaları ('outer_skin_surface', 'outer_skull_surface', 'brain_surface' ve 'inner_skull_surface') yükleyin.
- Dilim seçimi kaydırıcılarını hareket ettirin ve sarı yüzey katmanlar birbiri üzerine çakışması arayabilirsiniz. Çakışma oluşursa, MRG veri anatomik kusur veya hatalar için bir kez daha denetleyin ve çizim araçları GUI katmanları açıklamak için kullanın.
- "Dosya" ı tıklatarak Freeview uygulamasında orijinal MRG veri yüklemek >> "Yük hacmi". Konu klasöre gidin ve "Mr" klasörünü açın. Sonra "orj" directory tıklayın ve orada bulunan yapısal MRG veri açın (in.mgz or.nii biçiminde olmalıdır). "Tamam" düğmesini tıklatın.
- Kafa gri tonlamalı görüntüyü. Gri ve siyah beyin çevresinde farklı katmanları bakın. Bu katmanlar herhangi bir boşluk veya usulsüzlük var mı emin olun. "Renk seçici" aracını kullanın ve bir Voksel düzeltilmesi için katmanı seçin.
- "Freehand Voksel düzenlemek için" geçin ve resmin üzerine çizmek için tıklatın. Bu Mr görüntü herhangi bir kusurun doldurmak için kullanın. Düzeltme tüm katmanları ve Mr dilimleri, hataları oluştuğu için gerçekleştirin.
Not: düzenleme araçları "Polywire" ve "Livewire" voxel "Freehand" yerine de kullanılabilir.
- Pial yüzey geometrisini dayalı kaynak alanı oluşturur.
-
Konuya özgü EEG sensör hizalama (Örneğin, çevirme ve döndürme) Freesurfer baş modeli yerleşimi (Şekil 5) kullanarak MRI alanı gerçekleştirin. Dönüşümün kaydedin.
- MNE_analyze uygulamasını açın. "Dosyasında Doula tıklayınız" >> "Yük yüzey". Konu veri içeren klasöre gidin ve pial yüzey yük.
- "Dosya" >> "yük çizim tablası veri ve ilgi (çizim tablası veri içermesi gerektiğini) EEG dosyayı seçin. "Görünüm" >> "Göstermek Viewer". Görüntüleyiciyi GUI göründüğünde, "Seçenekler" i tıklayın ve emin olun "Kafa derisi" ve "Çizim tablası veri" seçenekleri seçilmiş. Elektrotlar burada kırmızı, sarı indirgeme noktalarla gösterilir.
- Ana penceresinde (Görüntüleyici), "Ayarla" seçin >> "Koordine hizalama". 'Koordinat hizalama GUI' kullanarak, vardiya ve EEG elektrotlar görüntüleyicide döndürmek için ok ve L/R düğmelerini kullanın. Gerektiği kadar ayarlayın. Hizalama yaptıktan sonra "Kaydet..." 'Koordine hizalama hizalama kaydetmek için GUI' alt'ı tıklatın.
Not: Genellikle, elektrotlar iyi indirgeme hizalama ile kafa derisi boyunca eşit dağılımı gereklidir.
- Konuya özgü BEM modeli, kaynak alanı ve MEB yazılım15kullanarak EEG sensör dönüşüm sağlayarak ileri model oluşturur.
3. fonksiyonel MRI veri analizi
- Birinci düzey gerçekleştirmek (tek özne) fMRI istatistiksel analiz kalın harekete geçirmek elde etmek için genel Doğrusal Model (GLM) yöntemini kullanarak iligili görevler için eşleştirir. Olarak gerekli16Freesurfer grup-analiz ardışık düzene inşa küme tabanlı yaklaşım kullanarak, birden çok karşılaştırmalar için düzeltin.
- Tüm konular (MNI veya Talairach) standart uzayda için kalın harekete geçirmek harita elde etmek isterseniz, tüm konularda grup düzeyi çözümlemesi gerçekleştirin.
Not: Fonksiyonel MRI beyin (FMRIB) yazılım kitaplığı (FSL)17 ve analiz, fonksiyonel Neuroimages (AFNI)18 paketleri tarafından oluşturulan aynı yüzeylerde fMRI veri analizi için izin için Oxford Üniversitesi Merkezi Freesurfer, yapım onları daha sonraki analiz için uygun. -
FMRI aktivasyon harita (birey düzeyinde ve grup düzeyi) yükleme ve19 istenen FDR düzeltilmiş eşik ayarlayarak bölgesi faiz (ROI) kimlik gerçekleştirmek için tksurfer Görselleştirme aracını kullanın (p < 0,05 burada kullanılan ).
Not: birey düzeyinde aktivasyon haritalar tespit ROIs konuya özgü fMRI elde edilen kayma rahipler sonraki kaynak yerelleştirme için görev yapacak.- FMRI aktivasyon harita üzerinde gri madde katmanı'nı kullanarak, bağlı-etiketleme algoritması ile yüzey düzeltme ekleri ayıklayın.
Not: Bu örnekte Dulmage-Mendelsohn ayrışma kullanıldı. - Herhangi bir yama birden fazla bölgesini kapsayan faaliyet ikiye bölünmüş durumda daha fazla alt bölme belgili tanımlık yamalı bir önceden tanımlanmış beyin atlas, etiketleme temel.
Not: burada kullanılan atlas DKT40 atlas20 (Freesurfer kullanılabilir)21yaşındaydı. Atlaslar İhtisas veya seçilmiş, deneysel tercihlerine göre.
- FMRI aktivasyon harita üzerinde gri madde katmanı'nı kullanarak, bağlı-etiketleme algoritması ile yüzey düzeltme ekleri ayıklayın.
- (Ki şu anda standart uzayda) alınan grup düzeyi ROIs başa her konunun tek tek kaynak alanlarda proje. Bireysel ilgilinin yapısal MRI bölümleme (adım 2.1) yaptıktan sonra konu ve standart alanı arasında Koordinat dönüşümleri lh.sphere.reg ve rh.sphere.reg dosyalarında sağlanır, konunun "sörf" klasörü içinde FreeSurfer çıkış klasörü.
Not: Tüm konular böylece aynı ROIs, ama kendi modele ayarla paylaşacak. Bkz: Şekil 6 fMRI sonuçları örnekleri için ve sonuç ROIs.
4. EEG veri analizi
Not: Bu bölümde ayrıntılarda kullanılan yazılım (bkz: Malzemeler tablo daha fazla ayrıntı için) belirli olabilir. Lütfen farklı yazılım paketleri kullanıyorsanız uygun belgelerine bakın.
- Tarayıcı degrade eserler düzeltme şablonu çıkarma yoluyla gerçekleştirmek. Bunun için "Özel sinyal işleme" menüsündeki "Bay düzeltme" düğmesini tıklayın ve uygun parametreleri EEG analiz yazılımı GUI seçin (bkz. Şekil 7). Seçilen tarayıcı sırası ve deneysel tasarım için uygun parametreleri girin.
Not: Birincil parametreleri içerir: tekrarlama zamanı (TR) MRI tarama, tarama türü (araya eklenmiş ya da sürekli), MRI birim işaretleri (veya degrade algılama yöntemi ve degrade tetikleyici), kanalları düzeltme ve yapı şablonu için. - Cardioballistic eserler şablon çıkarma aracılığıyla kaldırın. Bunun için "Özel sinyal işleme" menüsündeki "CB düzeltme" düğmesini tıklayın ve analiz yazılımı GUI uygun parametreleri seçin.
Not: Parametreler gerekli burada minimum ve maksimum kalp hızı, yapı şablonu, EKG kanal, şablon korelasyon ve kanallar için düzeltme içerir. - Filtreleme uygulayın. IIR filtre üst kısmındaki "Veri süzme" altında GUI, analiz için düğmesini seçin. Örneğin, geçerli yüksek geçiren 0,05 Hz de düşük 40 Hz ve çentik filtresi (60 Hz), güç-line frekansta bir roll-off ile 48 dB/Hz geçiren.
Not: Kesme frekans 40 Hz ile bir alçak geçiren filtre uygulanması sonra 60 Hz notch filtre kesinlikle gerekli değildir, ancak roll-off filtre kenarlardaki nedeniyle hayatta olabilir herhangi bir kalıntı güç-satır sıklığı karşı koruma olarak istihdam edilmektedir. - Oküler artifakı düzeltme, analiz GUI üstüne gerçekleştirmek: "Dönüşüm" seçin >> "yapı ret/azaltma" >> "Oküler düzeltme ICA".
- EEG veri belirtilen öncesi ve sonrası uyarıcı zaman, olay zamanlama işaretleri ile ilgili temel dönemini kesimi. Bunu yapmak için seçin, "Dönüşüm" >> "Kesim analiz fonksiyonları" >> "Segmentasyon", sonra işaretçiyi ilgi ve zaman kesiminin ilgi seçin.
Not: Segment uzunlukları paradigma ve beklenen beyin aktivitesi ilgi uygun seçilmelidir. -
El ile veya yarı otomatik artifakı ret gerçekleştirmek: "Dönüşüm" seçin >> "yapı ret/azaltma" >> "Yapı ret". İstendiğinde, GUI üç sekme içinde eserler için ölçüt tanımlamak ve GUI üzerinde talimat olarak devam edin.
- 'Denetim yöntem' sekmesini Seç "otomatik olarak", "yarı otomatik" veya "el ile eserler seçin" (yarı otomatik mod önerilir). O zaman "mark" veya "kald─▒r eserler" seçin ve düzeltmeler için tek bir kanal olup olmadığını belirtin.
- 'Kanal seçimi' sekmesinde hangi eserler için düzeltilmiş kanalları seçin.
- 'Ölçüt' sekmesinde hangi eserler tespit edilecektir olarak seçin. Burada deneysel ihtiyaçlarına uygun seçim. Tıkırtı "OK" ölçüt seçtikten sonra ve eserler tespit/veya seçimleri uygun olarak reddetti.
-
Temel düzeltme ve (varsa) ortalama deneme gerçekleştirin.
- Temel düzeltme gerçekleştirmek için: "Dönüşüm" seçin >> "Kesim analiz fonksiyonları" >> "Temel düzeltme". Bölümlenmiş veri ortalamasını almak: seçin "Dönüşüm" >> "Kesim analiz fonksiyonları" >> "Ortalama".
5. kronolojik zamanmekansal fMRI kısıtlamaları — EG kaynak görüntüleme
- Pencere boyutunu ve pencere boyutu (40 ms pencere boyutu % 50 (20 ms) üst üste aramalarda varsayılan) çakışan tanımlar.
- (3. adımda elde edilen) konuya özgü ROIs olarak kayma önceden ayarla seçeneğini belirleyin. Tüm EEG kesimlerinde, algoritma sonra ağırlık modeli kanıt en üst düzeye çıkarır ve buna göre kaynak Kovaryans matrisi hesaplar alt kümesi kayma rahipler için bir dizi tahmin eder.
- Elde edilen kaynak Kovaryans matrisi kullanarak, kaynak yerelleştirme EEG kesimi olduğu için yerine analiz, kaynak akım yoğunluğu sonuçları verimli.
- 5.2 ve 5.3 tüm EEG kesimine yönelik adımları izleyerek ve gerekirse, tüm zaman segmentler için akım yoğunluğu sonuçları çakışan kısım sayı ortalaması alınarak bir tam akım yoğunluğu zaman-ders özetlemek.
Not: Bu adım bir akım yoğunluğu zaman ders (bu sayıdır genellikle birkaç bin sırasını) 2.3. adımda tanımlanan her noktasında kaynak Kortikal faaliyet sonuçlanır (Şekil 8). -
Temsilcisi akım yoğunluğu zaman-ders her ROIs ayıklayın.
- Bir tek sinyal zaman sahası bir yatırım getirisi içindeki birden çok kaynak noktaları zaman kurslardan özetleme için tercih edilen yöntem seçin: ortalama, ilk eigenvariate, vb
- 5.1-5,5 tüm konular için yineleyin.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
EEG kaynak yerelleştirme en temel düzeyde ileri ve ters problem çözme içerir. Oluşturmak ve ileri sorunu çözmek için gereken bileşenler Şekil 5' teCgösterilir. Bir konuya özgü T1 görüntüsü, üç katmanı kullanarak — beyin, kafatası ve cilt — parçalara meshed ve. Bu katmanlar BEM modeli oluşturmak için girdileri görev yaptı. Benzer şekilde, ilgilinin gri-madde katmanı yapısal MRI parçalara ve kaynak alanı oluşturmak için kullanılan. EEG sensör yerleri ortak bir dizi katı geometrik dönüştürmeleri kullanarak baş modeli kayıtlı. İnşa zaman, ileri modelini nasıl elektriksel aktivite gösteren kaynak alanı üzerinde herhangi bir yerden kaynaklanan vermek yükselişi her kafa derisi EEG sensör konumunda potansiyel ölçülerde.
fMRI fonksiyonel beyin aktivitesi mükemmel uzaysal çözünürlük ve doğruluk ile 3 boyutlu görüntüleri sağlar. Geleneksel fMRI analizi önemli ölçüde belirli bir görev tarafından aktive beyin voxels tanımlamak için GLM yöntem uygulanabilir. Bir fMRI aktivasyon harita tipik Bu analizin sonucudur: gri madde yüzeyine Şekil 6'Agösterildiği gibi öngörülen etkin voxels vurgulayarak bir tek beyin haritası. Biz daha fazla elde edilen aktivasyon haritalar alt haritalar, her oyunculuk EEG herhangi bir belirli zamanda penceresinde (Şekil 6B) tarafından ölçülen kafa derisi potansiyelleri yerelleştirme için olası bir kayma rahip olarak bölün. Şekil 8 yukarıda açıklanan kronolojik zamanmekansal fMRI kısıtlı kaynak analiz odaklı şematik temsil eder. FMRI aktivasyon harita sadece uygun kısmi kümesi karşılık gelen EEG veri kesimini belirtilen pencere boyutu, EEG kaynak yeniden oluşturmak için kullanılır. Tüm EEG zaman-windows analiz edilir gibi tam bir yeniden yapılanma Kortikal faaliyet aynı fMRI rahipler tüm EEG zaman noktalarında uygulama uzamsal önyargı azaltır spatiotemporally belirli bir biçimde elde edilir.
Daha fazla beyin aktivitesi görsel girdiden motor çıkış dizisi olduğu bir görsel/motor harekete geçirmek görev çalışma9, uygulandığında kronolojik zamanmekansal fMRI kısıtlı kaynak çözümleme yönteminin başarılı bir uygulama gösterdi yüksek kronolojik zamanmekansal doğrulukta (Şekil 9) kurtarıldı. Pencere boyutu kullanıcının seçim üzerinde bazı bağımlılık iken yeniden oluşturulan kaynak görüntüleme sonuçları Şekil 10' da gösterildii gibi değişiklikleri, orta genellikle güçlü idi. Bu amaçla, pencere boyutunu deneyci tarafından kendi özel çalışma (bir pencere boyutu çok büyük bir pencere boyutu çok kısa daha düşük frekans sinyallerini özledim iken hızlı aktivite veya salınım, hatalı olarak kanıtlamak olabilirYani, en iyi sığacak şekilde seçilmesi gerekir ) (Şekil 10).
Resim 1 : Kafa derisi EEG empedans denetimi. Kaydedici yazılım kullanıcı arabirimi, protokolü adım 1.2 tuþu simgelerini gösteren oklarla ekran görüntüsü. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Resim 2 : Aynı anda EEG/fMRI donanım kurulumu kayıt şematik — Ölçekle çizilmiş değil. (1) tarayıcı; (2) katılımcı giyen EEG pasif kap genellikle; (3) EEG amplifikatörler ve güç paketi için EEG kap bağlı; (4) fiber optik kablolar amplifikatörler bağlanan USB 2 adaptör (olarak da bilinen bir BUA); (5 BUA, amplifikatörler ve kayıt bilgisayar arasında bir arayüz; (6) veri toplama bilgisayar; (7) paradigma sunu bilgisayarına, çıkış olay zamanlama işaretçileri için hızlı bir kart ile donatılmış; (8) transistör transistör mantık (TTL) tetikleyici kablo, BUA sunu bilgisayarına ve Bay-tarayıcı donanım olay zamanlama işaretlere teslim; (9) Bay tarayıcı donanım yeni fMRI dilim/birim satın alma ve (11) saat eşitleme zamanlama işaretleri (10) tanımını sağlamak için sinyal; (12) EEG amplifikatörler saatinde Bay-tarayıcı saati arasındaki eşitleme sağlar saat eşitleme aygıt; (13) arabirimi modülü, Bay-inceden inceye gözden geçirmek ve saat eşitleme aygıt arasında arayüz oluşturma; (14) monitör deneysel paradigma görsel ekran için; (15) tarayıcı oda kontrol odasından görüntülemek için cam pencere. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 3 : Deneysel paradigma. Konu iki kategoriden birine ait bir dizi görsel uyaranlara, gösterildi: yüz hoş ve nahoş yüzü12. Her deneme olarak, 50 s yeşil ekran temel ilk, bir rasgele seçilen 10 s görsel uyarıcı tarafından takip gösterildi. Bir kauçuk top seçtiğin bu kullanıcı sağ eli ile gösterilen, uyarıcı süresi boyunca sıkmak için konu oldu görüntü hoş olmayan bir yüz algılanan eğer. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 4 : Ekran görüntüsü EEG veri kaydı. EEG veri kayıt işlemi sırasında temsilcisi bölümü. (A) dönemi EEG veri fMRI nabız-sıra ile sonuç olarak, Bay-tarayıcı eserler belirgindir. (B) EEG dönemi veri fMRI nabız-sıra olmadan, hiçbir açık Bay-tarayıcı eserler görülebilir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 5 : İleri model oluşturma. (A) EEG elektrotlar kafa modeli alana hizalaması. Kırmızı ve mavi daireler temsil sayısallaştırılmış EEG sensör mekanlar, sarı halkalar temsil sayısallaştırılmış EEG indirgeme puan: nasion, preauricular ve şu preauricular yaptı. (B) seçenekleri çevirme ve döndürme EEG sensör alanı (iletişim kuralı adım 2.4) gibi el ile dönüşüm de dahil olmak üzere sensör hizalama işlemi için. (C) 3 bölümler de dahil olmak üzere oluşturulan, konu özel BEM model: (3) beyin, kafatası (4) ve (5) cilt. (1) gri madde tabakasının dağıtılmış kaynak alanı yüzeyi. (2) EEG sensör mekanlar modellerde hizalanır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 6 : fMRI aktivasyon harita ve ilgi bölgelerinde çıkarma. (A) fMRI aktivasyon harita denetim kolaylığı için şişirilmiş yüzeyinde gösterilen. Bölgeler renk kodlu kırmızı ve sarı önemli ölçüde aktif (p-düzeltilir < 0,05). FMRI aktivasyon harita çıkarılan ilgi (B) 8 temsilcisi bölgeler. 3 sabıkası içine motor aktivite atlas tabanlı ayrılması dikkat edin. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 7 : Screenshot Analyzer yazılımı Kullanıcı arabiriminin — Bay-tarayıcı eserler kaldırılması. (A) önce tarayıcı artifakı Düzeltme: (a) EEG veri bölümü başlamadan önce fMRI nabız-sıra; (b) EEG veri bölümündeki fMRI nabız-dizisi boyunca yürürlükte, tarayıcı eserler açıkça izlenebiliyor; (c) frekans içeriğini (FFT) veri bölümünde (b); (d) analyzer yazılımı'nın yapılı ölçü birimi için tarayıcı degrade artifakı düzeltme ve cardioballistic yapı düzeltme. (B) sonra tarayıcı artifakı Düzeltme: Bay-tarayıcı eserler; çıkarıldıktan sonra EEG veri (bir) bölümü (b) frekans içeriği (FFT) veri bölümünün içinde (a). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 8 : Genel olarak çözümleme işleminin şematik. (A) EEG veri işleme ve pencere boyutu seçimi. (B) fMRI Veri Analizi, faiz kayma sabıkası kaynak çözümleme için kullanılacak bölgelerinde çıkarımı takip. (C) pencere boyutları ve yüzde çakışma tarafından belirtilen her EEG bölümünü kaynak çözümleme yapılır. (D) tam zamanı-boyunca ilgi Kortikal faaliyet yeniden. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 9 : Bir temsilcisi konunun yeniden oluşturulan Kortikal faaliyet görsel/motor harekete geçirmek paradigma yapıldı. Kaynak yeniden yapılanma iki yöntem zıt sonuçlar: kronolojik zamanmekansal fMRI (üst) kısıtlı ve zaman-değişmeyen fMRI kısıtlı kaynak görüntüleme (altta). Şekil başvuru9izniyle çoğaltılamaz. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Şekil 10 : Etkinlik saat-sahasında farklı ekran boyutları kullanarak singulat korteks yeniden. (a) etkinlik saat-Dershaneler daha küçük pencere boyutlarını kullanarak yeniden çok benzer sonuçlar gösterdi (korelasyon R > 0,95). (b) daha büyük pencere boyutlarını kullanarak yüksek eşitsizlik sonuçlandı (R < 0,7). Şekil başvuru9izniyle çoğaltılamaz. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Biz burada EEG/fMRI tümleştirme analiz için kronolojik zamanmekansal fMRI kısıtlı kaynak çözümleme yöntemi kullanmak için gerekli adımları göstermiştir. Onların anılan sıraya göre kayma ve zamansal çözünürlük zorluk karşılaştıkları rağmen EEG ve fMRI de beyin aktivitesi, non-invaziv görüntüleme için temel yöntemi olarak kurduk haline. Yöntemleri her olumlu özellikleri üzerinde yararlanmak için geliştirilen sağlarken, geçerli fMRI kýsýtlanmýþ EEG kaynak lokalizasyon yöntemleri sık olabilir önyargıları ve çapraz karışma tabi kayma doğruluk (sınırlayan basit fMRI kısıtlamaları üzerine bağlıdır Örneğin, gerçek etkinlik MRI harita dışında oluşursa statik kısıtlamaları azalmış yanlış doruklarına MRI-aktif bölgeler gözlenir ise gerçek kaynağı neden olur. Doğru olsaydı gibi benzer şekilde, hatalı veya gürültü tabanlı etkinliği bir MRI-aktif bölgesinde gelişmiş olacak). Zamanmekansal fMRI kısıtlı yaklaşım bu konuda bir iki katmanlı hiyerarşik Bayes modelinde değişken fMRI kısıtlamaları'nı kullanarak geliştirmek yollarını araştırmıştır. Geçerli kaynak aktivite EEG verilerden bir sürgülü pencere şekilde tahmin edilmektedir. FMRI aktivasyon harita önce birden çok submaps, her olası bir kayma önceden kortikal kaynakları için görevi gören ayrılmıştır. Bu kayma sabıkası kümesini seçmeli olarak kısıtlamaları olarak EEG ters sorunu çözmek için kullanılır. Böylece, EEG ve fMRI Veri dağınık şekilde ve geçici belirli bir biçimde tümleştirilmiştir. Bu etkili bir şekilde bölgeler, degisken uygulanacak faiz sınırlarını önyargı ve hata veri temelli bir yaklaşım içinde kaynaklanan EEG verilerden kanıtlara dayalı geleneksel fMRI aktivasyon harita değiştirir.
Burada sunulan metodoloji kullanılabilir yöntemleri (Freesurfer, FSL, vb) temel alır ve kortikal modelleri ve süreçleri EEG ve fMRI veri oluşturur. Burada açıklanan yordamları bazıları yaparken belirli yazılımı kullanımını, bu programların çoğu GNU lisansı altında serbestçe kullanılabilir. Ayrı yöntemleri olabilir ama bunun istisnası-cekti var olmak BrainVision Analyzer, bunun için de (özellikle EEGLAB22 FMRIB EEGLAB, FMRIB23,24tarafından sağlanan eklenti ile) kullanılmıştır. Görüntüleme yöntemi benzer şekilde, kronolojik zamanmekansal fMRI kýsýtlanmýþ EEG kaynak fMRI sabıkası ve atlaslar, onları bir dizi kaynaktan diğer görüntüleme Suit dahil olmak üzere, ithal edilecek izin nispeten basit veri yapısını kullanır veya Kullanıcı tanımlı kaynaklar . Tek sınırlama bu bağlamda konu modeline uygun şekilde atanmış köşeleri ile istediğiniz düzen uydurma olduğunu.
Genel işleme parametreleri genellikle bu deneylerde istihdam yöntemleri anahat açıklanan. Bir kez daha, bu parametrelerin seçimi hiçbir ciddi teknik sınırlamalar vardır dikkate değerdir — veri filtreleme ve ayarlama yöntemleri eklenemez veya herhangi bir deneme uygun boru hattından kaldırılamaz. Bu doğrudan fMRI sabıkası model kanıt ve bunun neticesi olan uygulama hesaplanması etkiler gibi pencere boyutu, seçim daha önemlidir. Sadece küçük vardiyalar halinde sonuç dalga biçimleri pencere boyutu yaklaşık 40-150 MS değişimler sonucunda, uzantısı bu ötesinde istikrar için bir risk teşkil etmez ve belirli bölgelerde uygun olmayan bir şekilde etkin maskelenen olabileceği gibi neden olabilir. Daha ayrıntılı olarak, daha küçük bir pencere boyutu üzerinde daha yüksek frekans salınımlarını netleme yaparken tercih olsa da düşük frekanslarda ilgi, ne zaman büyük bir pencere boyutu daha yararlı olabilir. İşlem hesaplama karmaşıklığı üzerinde bir etkisi yoktur ve analiz için gerekli tüm kaynakları nedeniyle engelleyici olabilir örtüşme ve sürgülü pencere kayması da burada, düşünülmelidir. Seçili tam parametreleri ne olursa olsun aşağıdaki adımları sürecinde kritik olarak kabul edilir: 1) anatomik MRG veri ve eş zamanlı EEG/fMRI Veri; 2) 3D model oluşturma; 3) MRG veri analizi; 4) EEG veri Bay yapıdan kaldırılması; 5) ileri ve ters hesaplamalar; 6) YG üretimi; 7) yatırım getirisi sabıkası ve kaynak yerelleştirme sürgülü pencere seçimi. Yordam burada genel boru hattı ve biz geliştirdik ve olumlu dinamik sonuçlar elde etmek için kullanılan yöntem sunar. Bu ayrıntıları birçok unutulmamalıdır — tam yerelleştirme yöntemleri, kanıt hesaplama, istatistiksel yöntemler, EEG ve fMRI parametreleri, vb — kullanıcının tercihlerinize göre değiştirilebilir.
Zamanmekansal fMRI kısıtlı kaynak analiz yöntemi fMRI ve EEG entegrasyonundaki önemli bir adım olarak kabul edilir, ama bu bazı küçük sınırlamalarına konu. Yeniden oluşturulan derin kaynaklarının kalitesinde bir artış görüyoruz, bu yöntem--dan onun bireysel yöntemleri genel sınırlamalar hala iken; bir kaynak için EEG etkili görünmez olmak derin ise, bu yöntem tarafından yakalanması değil. İkinci olarak, analiz pial yüzey 3B modeller üzerinde odaklanır ve herhangi bir fMRI tespit hemodinamik etkinlik ne olursa olsun herhangi bir iç bölgeleri yeniden değil.
EEG bölünmüş ve koşullu olarak uygulanan fMRI sabıkası ile birlikte kullanarak, gelişmiş, spatiotemporally belirli bir görüntüleme algoritma oluşturmuş. Hemen sonuç algoritma derin kaynakları yeniden inşa için artan bir kapasitesi vardır ve daha az duyarlı çapraz-muadili konuşmak için geleneksel zaman değişmeyen fMRI kısıtlı olduğunu göstermiştir kaynak görüntüleme. Ayrıca, yöntem büyük ölçüde özelleştirilebilir ve her uygulama için uygun olabilir veya daha sonraki analizler için temel olarak kullanılabilecek. Bu özellikler kronolojik zamanmekansal fMRI kısıtlı kaynak analiz yöntemi potansiyel olarak hem bir bağımsız olarak yetenekli analiz yöntemi hem de bir temel gelecekteki araştırmalar için vermek.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarlar ifşa gerek yok.
Acknowledgments
Bu eser kısmen NIH DK082644 ve Houston Üniversitesi tarafından desteklenmiştir.
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).
