Summary
선물이 intracranial electroencephalography 데이터 통계 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 분석 하는 데 사용할 수 있는 두 개의 분석 프로토콜: 신경 활동, 및 동적 인과 관계에 대 한 시간-주파수 통계적 파라미터 매핑 분석 내부 및 남북 regional 연결에 대 한 유발된 반응의 모델링.
Abstract
신경 활동과 연결 관련 된 높은 공간과 시간 해상도에서 인지 기능을 측정 하는 것은 인지 신경 과학에서 중요 한 목표입니다. Intracranial electroencephalography (뇌 파) 직접 전기 신경 활동을 기록할 수 있으며이 목표를 달성 하기 위해 독특한 잠재력. 전통적으로, 평균 분석에 적용 된 분석 intracranial 뇌 파 데이터; 그러나, 몇 가지 새로운 기술을 묘사 신경 활동 및 내부와 남북 regional 연결 사용할 수 있습니다. 우리가 최근 통계적 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석에 적용 하는 두 개의 분석 프로토콜 소개: 신경 활동 및 동적 인과 모델링의 시간-주파수 SPM 분석에 대 한 응답을 유도 내 고 남북 regional 연결입니다. 우리 대표 결과 얼굴의 관찰 동안 intracranial 뇌 파 데이터 분석 보고. 결과 밝혀 열 등 후 두 이랑 (IOG) 얼굴에 아주 초기 단계 (110 ms) 모두 IOG와 편도 빠른 내부 및 남북 regional 연결 진동의 다양 한 종류를 사용 하 여 보였다에서 감마 밴드 활동을 보였다. 이러한 분석 프로토콜 기본 높은 공간 및 시간 프로필 인지 기능 신경 메커니즘을 식별 하기 위해 가능성이 있다.
Introduction
신경 활동과 연결 관련 된 높은 공간과 시간 해상도에서 인지 기능 측정 인지 신경 과학의 주 목표 중 하나입니다. 그러나,이 목표 달성은 쉽지 않다입니다. 신경 활동을 기록 하는 데 사용 하는 하나의 인기 있는 방법은 기능 자기 공명 영상 (MRI) 이다. 기능적 MRI 밀리미터 수준 및 비-침략 적 기록, 높은 공간 해상도 같은 몇 가지 장점을 제공 하지만 기능 MRI의 명확한 불리는 낮은 시간적 해상도입니다. 또한, 기능적 MRI만 직접으로 전기 신경 활동을 반영 하는 혈액 산소 수준 종속 신호를 측정 합니다. Electroencephalography (뇌 파) 등 magnetoencephalography (멕), 인기 있는 electrophysiological 방법 밀리초 수준에서 높은 시간 해상도가지고. 그러나 그들은 두 피에서 전기/자기 신호를 기록 하 고 두뇌 활동을 묘사 하기 위해 어려운 역 문제를 해결 해야 하기 때문에, 그들은 상대적으로 낮은 공간 해상도, 있다.
Intracranial 뇌 파 직접 높은 시간 (밀리초)와 공간 (센티미터) 해상도1전기 신경 활동을 기록할 수 있다. 그것은 분명 한계를가지고 있지만이 측정 신경 활동과 연결, 이해 하는 귀중 한 기회를 제공할 수 있습니다 (예를 들어, 측정 지역 임상 기준으로 제한 됩니다). 여러 intracranial 뇌 파 연구는 신경 활동을 묘사 하기 위해 전통적인 평균 분석을 적용 했습니다. 평균 분석 민감하게 시간 동기 및 낮은 주파수 밴드 활성화를 검색할 수 있습니다, 하지만 그것은 비 위상 동기를 검색할 수 없습니다 또는 높은-주파수 (예: 감마 밴드) 활성화. 또한, 기능 신경 결합 하지 intracranial 뇌 파 기록 문학에 깊이 분석 되었습니다. 몇 가지 새로운 기술은 신경 활동와 내 통해 regional 연결 intracranial 뇌 파 데이터 분석에 적용 될 수 있는 기능성 MRI와 EEG/멕 녹음을 묘사 하기 위해 최근에 개발 되었습니다.
여기, 우리가 최근 통계적 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석에 적용 분석 프로토콜을 소개 합니다. 첫째, 언제, 그리고 어느 주파수에서 공개 뇌 영역 활성화 될 수 있는, 우리가 수행 시간-주파수 SPM 분석2. 이 분석 시간 및 주파수 도메인을 동시에 사용 하 여 연속 웨이 블 릿 변환 분해 및 임의 필드 이론을 사용 하 여 시간-주파수 지도 family-wise 오류 (FWE) 속도 적절 하 게 수정. 둘째, 뇌 영역 통신 하는 방법을 공개, 우리 유도 응답4의 동적 인과 모델링 (DCM) 적용. DCM의 효과적인 연결 조사 수 있습니다 (즉, 뇌 영역5중 인과 및 방향 영향). DCM 기능 MRI 데이터5를 분석 하기 위한 도구로 원래 제안 되었다, 비록 유도 응답의 DCM electrophysiological 신호4시간 가변 파워 스펙트럼 분석을 확장 되었습니다. 이 분석 두 내부 및 남북 regional 신경 연결의 묘사를 허용 한다. 지역 내 지역 계산 및 장거리 간 지역 통신 주로 사용 하 여 감마 세타 밴드 진동, 각각, 그리고 그들의 상호 작용 (예, entrainments) 수 여러 신경 생리학 연구 제안 세타 감마 주파수 크로스 커플링3,6,,78에 의해 반영 됩니다. 이 보고서는 데이터 분석 프로토콜;에 초점을 맞추고합니다 배경 정보9,10 의 개요 및 기록 프로토콜11 intracranial 뇌 파의 문학을 참조 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
우리의 연구는 현지 기관 윤리 위원회에 의해 승인 되었다.
1. 기본 정보
참고: 분석 프로토콜은 다양 한 유형의 특정 참가자, 전극, 참조 방법, 또는 전극 위치 어떤 제한 없이 데이터에 적용할 수 있습니다. 우리의 예제에서 우리는 6 환자 약리학 다루기 힘든 초점 간 질에서 고통 테스트. 아무 간 질 foci 관심 영역에 있던 환자 테스트.
- 대상 전극에서 인지 실험 기간 동안 기록 intracranial 뇌 파 데이터입니다.
- 정위 적 방법12를 사용 하 여 깊이 전극 이식.
- 아 백 금 전극을 사용 (직경: 2.3 m m)와 깊이 백 금 전극 (직경: 0.8 m m) 동시에 외피와 subcortical 활동을 각각 측정 하.
- 기준 전극 참조 활성화12를 피하기 위해 두개골 멀리 직면 하는 전극의 연락처와 함께 중간 등 쪽 정면 지역, 두개골의 표면에 놓습니다.
- 데이터를 증폭, 온라인 필터 (밴드 패스: 0.5-300 Hz), 그리고 1000 Hz에서 샘플.
- 기록 하 고 통계적으로 눈 움직임와 관련 된 아티팩트를 제거, 또한 electrooculograms 기록. 이론적인 관심사에 따라 대상 전극 선택 합니다. 또한, 사용 하 여 개별 MRI 및 컴퓨터 단층 촬영 데이터 전극 위치 확인 하기.
- 샘플 및 전처리 시험 intracranial 뇌 파 데이터 (그림 1).
참고: 분석 프로토콜은 다양 한 유형의 특정 데이터 길이 또는 전처리 방법에 어떤 무제한 데이터에 적용할 수 있습니다.- 여기, 3000 ms 동안 데이터를 견본 (사전 자극: 1000 ms; 후 자극: 2000 ms) 각 시험에 대 한.
- 참가자 여기 비정상적으로 보여 미리 정의 된 임계값을 사용 하 여 이러한 국외 자 재판 제외 일부 시험에서 높은 진폭 활동 간 질, 가능 하 게 관련 있기 때문에 (> 800 μV 및 > 5 SD). 육안 검사 및 독립적인 구성 요소 분석을 포함 하 여 다른 전처리 단계 실험 목적과 조건에 따라 필요할 수 있습니다.
- (Cf. SPM12 수동 12.1 및 12.2) EEG 시스템 네이티브 형식 SPM MATLAB 기반 형식으로 변환 합니다.
참고: 대부분의 뇌 파 데이터 형식은 가져올 수 있습니다 직접 SPM 소프트웨어에 SPM 일괄 편집 인터페이스에 변환 을 선택 하 고 모든 필요한 입력된 매개 변수를 지정 하 여. 또 다른 가능한 방법은 SPM 프로그램 디렉토리의 남자/example_scripts 하위 디렉터리에 "spm_eeg_convert_arbitrary_data.m" 하는 예제 스크립트를 사용 하는 것입니다. 이 스크립트는 ASCII 파일 또는 SPM 형식으로 많은 뇌 파 시스템으로 내보낼 수 있는 매트 파일을 변환 하는 편리한 방법을 제공 합니다.
2. 시간-주파수 SPM 분석
- SPM12 설정 (http://www.fil.ion.ucl.ac.uk/spm/) M/뇌 파 분석 메뉴13 (그림 2)를 사용 하 여.
- 미리 정의 된 매개 변수 ( 에 따라 Morlet 웨이브와 연속 웨이브 렛 분해를 사용 하 여 각 평가판의 전처리 intracranial 뇌 파 데이터에 대 한 SPM 메뉴에서 시간-주파수 SPM 분석2 "시간-주파수 분석"을 선택 하 여 수행 그림 3).
참고: 웨이 블 릿 변환 intracranial 뇌 파 데이터 여러 주파수14의 웨이브를 컨볼루션 하 여 스펙트럼 구성 요소의 시간적 진화를 공개.- 여기, 웨이 블 릿 분해 7 주기 Morlet 웨이브를 사용 하 여 전체 신 기원에 대 한 실시 (-1,000-2000 ms) 및 4-300 Hz의 주파수 범위.
- 어머니 잔물결 및 이전 연구15에 따라 사이클의 수를 결정 합니다. 참고는 잔물결에 주기 수 시간-주파수 해상도 제어 하 고 추정 안정성13되도록 5 보다 하는 것이 좋습니다.
- 연구 관심에 따라 시간 및 주파수 범위를 결정 합니다.
- 가장자리 효과 제거 하려면 SPM 메뉴에 "자르기"를 선택 하 여 결과 시간-주파수 지도 자동으로 자르기. 여기, 시간-주파수 지도-200으로 자르기-500 밀리초.
- 더 이벤트 관련 전력 변화를 시각화 하 고 데이터의 정상을 개선에 시간-주파수 지도 대 한 SPM 메뉴에서 "시간-주파수 rescale"를 선택 하 여 데이터 변환 (선택 사항) 및 기준선 보정을 수행 합니다.
참고: 여기에서, 시간-주파수 지도 했다 로그 변환 및 기준선 (-200-0 ms)-수정. - SPM 메뉴에서 "Convert2Images"를 선택 하 여 시간-주파수 지도 2 차원 (2D) 이미지로 변환 합니다.
- 부드러운 커널을 사용 하 가우스 전자 반-최대 (FWHM) 미리 정의 된 값이 상호 주제 변화에 대 한 보상 하는 통계적 추론2,13에에서 사용 된 임의의 필드 이론의 가정에 따라야 .
참고: 여기에서, 시간-주파수 지도 시간 영역에서 96 ms의 FWHM 및 이전 연구2에 따라 주파수 영역에서 12 Hz의 가우스 커널 부드럽게 했다.
- 부드러운 커널을 사용 하 가우스 전자 반-최대 (FWHM) 미리 정의 된 값이 상호 주제 변화에 대 한 보상 하는 통계적 추론2,13에에서 사용 된 임의의 필드 이론의 가정에 따라야 .
- SPM 메뉴에서 "지정 1-레벨"을 선택 하 여 일반 선형 모델에 2D 이미지를 입력 합니다.
- SPM 메뉴에서 "모델 추정"를 선택 하 여 일반 선형 모델을 견적 한다.
- SPM 메뉴에서 "결과"를 선택 하 여 임의의 필드 이론2 에 따라 시간-주파수 SPM {T} 데이터에 통계적 추론을 수행 합니다. (아마도 여러 비교에 대 한 수정)는 미리 정의 된 임계값을 크게 활성화 된 시간-주파수 클러스터를 검색.
참고: 여기, p 의 범위 임계값 < 0.05 p 의 높이 임계값을 갖는 여러 비교 FWE 수정 했던 < 0.001 (교정된) 사용 되었다.
3입니다. 유도 응답의 DCM
- SPM12 설정 (http://www.fil.ion.ucl.ac.uk/spm/) M/뇌 파 분석 메뉴13 (그림 4)를 사용 하 여.
- SPM 메뉴에서 "DCM" 버튼을 클릭 하 여 DCM 분석을 시작 합니다. "산업" 목록 상자에서 선택 하 여 유도 응답 DCM을 활성화 합니다. M/뇌 파 메뉴 DCM에서 "새로운 데이터"를 클릭 하 여 전처리 intracranial 뇌 파 데이터를 가져옵니다.
- 시간 창 관심, 선택 된 조건 (이 네트워크 사양에 사용 되는 변조 입력 정의), 관심, 주파수 창 및 M/뇌 파 메뉴 (DCM에서 잔물결 사이클의 수에 대 한 관심, 대조의 조건 지정 그림 5)입니다.
- 5-사이클 Morlet 웨이브 (1 Hz 단계에서 4-100 Hz)를 사용 하 고 1-500 ms로 시간 창을 설정 합니다.
- 기본 설정에 따라 웨이블렛 주기를 결정 합니다. 참고 소프트웨어 추천 추정 안정성13되도록 5 보다 큰 값입니다. 시간-주파수 범위 우리의 연구 관심사에 따라 결정 했다. 참고 추가 ± 512 ms와 시간 창 가장자리 효과 제거를 계산 하는 동안 자동으로 사용 되었다.
- (1) 정의 DCM 프레임 워크4,5에 따라, 입력, 신경 상태;에 감각 입력을 대표 하는 운전 (2) 기본 연결 신경 상태와 자기 연결 기준 연결 구현 그리고 (3) modulatory 효력 null 가설된 모델에 대 한 실험 조작을 통해 내장 연결에. 또한 선형 (내 주파수) 또는 (사이 비선형-주파수)으로 변조 유형을 정의 합니다.
- M/뇌 파 메뉴 DCM에 내장 (선형 및 비선형) 연결, 운전 입력 및 변조 입력을 지정 합니다.
- 필요한 경우 일부 관련된 매개 변수 (예를 들어, 이전 자극 발병 시간 및 기간)의 기본 설정을 수정 합니다. M/뇌 파 메뉴 DCM에서 "반전 DCM"을 선택 하 여 모델을 견적 한다. 그 후 선택 그림으로 결과 저장 주파수 주파수 modulatory 하기 매개 변수 이미지 커플링.
- 최적의 네트워크 모델을 식별 하는 M/뇌 파 메뉴 DCM에서 "진동"를 클릭 하 여 임의 효과 베이지안 모델 선택 (BMS) 분석17 를 실시 합니다. 사용 하 여 모델 예상 확률 및 헌신 확률 평가 측정으로.
- SPM 메뉴를 사용 하 여 우승 모델 매개 변수를 사용 하 여 modulatory 연결의 크로스 주파수 패턴에 관한 추론을 확인 (단계 2 참조).
- SPM 메뉴에서 "Convert2Images"를 선택 하 여 modulatory 커플링 매개 변수 이미지를 부드럽게.
- SPM 메뉴에서 "둘째 수준 지정"을 선택 하 여 일반 선형 모델 분석을 수행 합니다.
- SPM 메뉴에서 "결과"를 선택 하 여 2D SPM {T} 값을 계산 합니다.
참고: 여기는 FWHM은 이전 연구4에 따라 8 Hz에서 설정 했다. 중요 한 값 exploratorily p 의 높이 임계값을 사용 하 여 식별 된 < 0.05 (교정된).
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
우리 얼굴18,19응답에서 intracranial 뇌 파 데이터 분석 여기에 소개 하는 프로토콜을 사용 하 여. 우리 얼굴, 모자이크, 및 직 립에 집의 수동 보는 동안 6 환자에서 데이터를 기록 하 고 방향 반전. 똑바로 모자이크 대 수직 얼굴 및 직 립 집 대 똑바로 얼굴 대조 얼굴 효과를 (즉, 다른 개체를 기준으로 얼굴 특정 두뇌 활동)을 공개 했다. 직의 대비 대 반전 얼굴 얼굴 공개 얼굴-반전 효과 (즉., 얼굴 전용 시각 처리 가능 하 게 configural/전체 론 처리20관련). 시간-주파수 분석 및 위상-진폭 주파수 크로스 커플링에 대 한 대상 영역으로 우리는 바로 열 등 후 두 이랑 (IOG) 이전 neuropsychological21 및 neuroimaging22 결과에 따라 선택. DCM에는 IOG 및 편도 구성 기능 네트워크 기반으로 이전 해 부 증거23얼굴 처리 하는 동안 모델 테스트.
시간-주파수 분석
시간-주파수 분석은 얼굴의 처리 하는 동안 IOG 활동의 시간 및 주파수 프로 파일 조사를 실시 했다. 시간-주파수 지도 2D 이미지로 변환 되었습니다 및 일반 선형 모델 (얼굴, 집, 및 모자이크) 자극 유형 및 방향 (직 립 하 고 거꾸로)의 요소와 체결. 중요 한 응답 p FWE 수정 범위 임계값을 사용 하 여 식별 된 < p 의 높이 임계값 0.05 < 0.001 (교정된). (똑바로 얼굴 똑바로 모자이크 대 ) 얼굴 효과 지속적으로 테스트 하는 대조 밝혀 상당한 급속 (110-500 ms) 감마-밴드 활동 (그림 6a). 테스트 얼굴-반전 효과 (직 립 대 반전 얼굴) 대조 (195-500 ms) 최신 기간에서 중요 한 감마 밴드 활동을 밝혔다.
DCM의 유발된 반응
유도 응답의 DCM IOG와 편도의 기능 네트워크 모델에 적용 했다. 얼굴 및 얼굴-반전 효과 대 한 헌신 확률 랜덤 효과 베이지안 모델 선택의 표시 영역에 modulatory 양방향 간 지역 내 지역 modulatory 연결 모델 연결 모든 가능한 모델 (그림 6b) 중에서 가장 가능성 했다.
다음, 우리는 최고의 모델 modulatory 커플링의 스펙트럼 프로 파일 검사. 중요 한 효과 높이 임계값 p 의 전체 스펙트럼 범위에 대 한 평가 했다 < 0.05 (교정된). 중요 한 동일한 및 크로스-주파수 modulatory 커플링 관찰 되었다 모두 내부 및 남북 regional 연결 모두 얼굴과 얼굴-반전 효과 (그림 6c). 예를 들어 얼굴 효과의 내부 지역 변조로 편도가 보여주었다 부정적인 감마-감마 같은-및 베타-감마 주파수 크로스 커플링. 한편, 내부 IOG 변조 세타/알파/베타-감마 밴드에서 긍정적인 주파수 크로스 커플링을 보여주었다. 또한 얼굴 효과의 지역 간 커플링은 IOG → 편도 변조 IOG는에 세타/알파 밴드 편도 체에 감마 밴드를 촉진 하는 프로 파일을 공개 했다. 편도 대 한-> IOG 변조, 편도 체에 감마 밴드 저해 세타/알파 밴드와 IOG는에 동일한 주파수 감마 밴드. 얼굴-반전 효과 대 한 비슷한 편도 IOG 변조, 편도 체에 감마 밴드는 IOG에서 감마 밴드를 저해, 관찰 되었다->. 그러나, IOG 대 한 편도 변조를->, 얼굴 효과 세타/알파 감마 협회 분명 아니었다.
그림 1: 평가판 intracranial electroencephalography 데이터 생성의 그림. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2: 시간-주파수 분석을 위한 통계적 파라미터 매핑 (SPM) 소프트웨어의 그래픽 사용자 인터페이스. (1) SPM 메뉴입니다. (2) 시간-주파수 분석입니다. (3) 자르기. (4) 기준 수정입니다. (5) 변환입니다. (6) 부드럽게. (7) 통계 모델입니다. (8) 모델 추정입니다. (9) 대비입니다. (10) 통계적 추론입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3: 통계적 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 시간-주파수 분석의 순서도. 각 시도의 (한) 준비 전처리 intracranial electroencephalography (뇌 파) 데이터입니다. (b) 뇌 파에 대 한 행위 (TF) 시간-주파수 분해 데이터 연속 웨이브 렛을 사용 하 여 변환 합니다. (c) 자르기, 로그 변환 및 기준선 TF 지도 대 한 올바른. (d) 변환 TF 2 차원 (2D) 이미지에 매핑합니다. (e) 입력은 2D 이미지 일반 선형 모델에. (f) 수행 TF SPM {T} 데이터에 통계적 추론. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4: 동적 인과 모델링 (DCM) 분석에 대 한 통계적 파라미터 매핑 (SPM) 소프트웨어의 그래픽 사용자 인터페이스. (1) SPM 메뉴입니다. (2) DCM 메뉴입니다. (3) 베이지안 모델 선택입니다. (4) 부드럽게. (5) 통계 모델입니다. (6) 모델 추정입니다. (7) 대비입니다. (8) 통계적 추론입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 5: 유도 응답의 동적 인과 모델링의 순서도. (a)는 대상의 각 시험에 대 한 시간-주파수 스펙트럼 계산 여러 전극 (열 등 한 후 두 이랑 (IOG)와 우리의 예제에서 편도) 연속 웨이브 렛 분해를 사용 하 여. 유도 응답 시간-주파수 응답 스펙트럼 규모 평균. 그런 다음, 실험적인 조작에 의해 운전 입력, 기본 연결 및 내부 연결의 정의. 가설을 테스트 하 고 모델 예측 모델을 생성 합니다. (b) 행위 임의 효과는 베이지안 모델 선택 분석 최적의 모델을 식별 하. (부드럽게)와 함께 2 차원 (2D) 이미지에 (c) 변환 주파수 주파수 modulatory 커플링 매개 변수입니다. 그런 다음, 임의 효과 일반 선형 모델 분석을 수행 하 고 2D SPM {T} 값을 계산. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 6: 대표적인 결과. 똑바로 얼굴 (푸; 왼쪽)에 대 한 열 등 한 바로 후 두 이랑 (IOG) 활동의 (a) 시간-주파수 지도 및 직 립 모자이크 (MU, 중간). SPM {T} 데이터를 푸 대 무도 (오른쪽)이 표시 됩니다. (b) 기능 네트워크 모델 IOG 및 편도. 푸 대 뮤 IOG 편도 각 지역에 자체 연결 사이의 연결에 의해 modulatory 입력의 8 개의 가능한 조합 조사 되었다. (c) 주파수 주파수 modulatory 푸 대 IOG의 뮤-> 편도 편도 IOG-> 매개 변수 및 SPM {T} 값 커플링 변조 표시 됩니다. 빨간색-노란색 및 파란색 시안색 blob 상당한 긍정적인/흥분 성의 및 부정/금지 연결, 각각 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
여기 소개 하는 SPM 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석 프로토콜 기능 MRI에 비해 몇 가지 장점이 있다. 첫째, 프로토콜 높은 시간 해상도에서 신경 활성화를 묘사할 수 있다. 따라서, 결과 처리의 이른 또는 늦은 단계에서 신경 활성화의 인지 상관 관계는 구현 여부를 나타냅니다. 우리의 예제에서는 얼굴 효과 시각적 처리의 매우 초기 단계 (즉, 110 ms) 확인 되었다. 또한, 다른 심리적 기능에 관련 된 신경 활동의 일시적인 프로 파일의 비교 흥미로운 의미를 제공 합니다. 특히, 우리의 예제는 IOG에서 각각 115 ms, 165 ms에서 시작 얼굴과 얼굴-반전 효과 대 한 다른 활성화 시간을 밝혔다. 이러한 풍부한 시간적 정보 neurocognitive 메커니즘에 대 한 우리의 이해를 심화 수 있습니다.
또한, 프로토콜 내 고 남북 regional 신경 연결을 묘사할 수 있다. Hemodynamic 신호와 전자기 신호 두 피 기록 등 다른 neuroscientific 측정에서 데이터 잡음의 큰 금액을 포함 하 고 왜곡할 수 있다 원래 전기 신호를 추출 하려면 여러 가지 가정 하에 추정을 필요로 결과 신경 연결입니다. 따라서, 직접 기록 된 전기 신호의 분석은 중요 합니다. 그림으로 비록 우리의 결과 공개 얼굴 처리, 중 고 IOG와 편도 기능 결합 같은 커플링은 검색 되지 기능 MRI 데이터24의 이전 분석에서. 신경 메커니즘을 이해 신경 활성화의 시간적 정보를 필요로 하는 신경 회로 사이의 인과 관계의 식별을 해야 합니다.
그러나, 그것은 기록 intracranial 뇌 파를 분석 하는 데 사용 하는 최적의 프로토콜 유지 토론 하는 것이 중요입니다. 예를 들어 방법론 연구 제안 참조 전극 신체 생리 아티팩트 (예:눈 움직임, 근육 활동) 및 환경 소음에 대 한 참조 전극의 적당 한 위치를 선택할 수 있습니다. intracranial EEG 결정된25,26하 남아 있다. (예를 들어, 필터링 및 비 선형 변환)에 제거 (예, 간 질 활동)를 여러 가지 전처리 방법이 제안 되었습니다, 비록 그들이 논쟁27에서. 연구는 또한 시간-주파수 분석 잔물결 분해를 사용 하 여 원래 데이터28, 힐베르트-황 변환 같은 다른 분석 방법에 봉우리를 흐리게 수, 더 나은 시간 해상도29를 제공할 수 있습니다 보고. 높은 주파수 범위를 추출도30이러한 메서드 사용 하 여 향상 시킬 수 있습니다. 그것은 간 주파수 커플링 날카로운 비 선형 과도 의해 편 파 수와 같은 혼란 효과 대 한 제어는 필요한31,,3233지적 하고있다. 위상 잠금 값16, 가중치 위상 지연 인덱스34, 크면 클수록 인과35및 그것은 불분명 남아와 같은 여러 가지 분석 방법 분석의 내-하 고 남북-regional 커플링에 대 한 제안 되었습니다. 어떤 분석 및 매개 변수 (예를 들어, 주파수)는 가장 관련이 인지 처리3. 경우에 따라 intracranial 뇌 파 데이터 파라메트릭 가정을 만족 하지 않을 수 있습니다 고 비패라메트릭 분석 최적의36있을 수 있습니다. 최근, 다른 분석 프로토콜 제안된37; 되었습니다. 다른 프로토콜에 비해, SPM 소프트웨어 기반 neuroscientific 데이터38의 다양 한 종류의 분석을 위한 통합된 프레임 워크를 제공 하는 독특한 잠재력을 할 수 있습니다. 연구원 intracranial 뇌 파 데이터 분석 프로토콜에서 발전에 세심 한 관심을 기울여야 한다.
요약, 우리는 우리가 최근 intracranial 뇌 파 데이터를 시간-주파수 SPM 분석, 크로스-주파수 커플링 및 DCM 유도 응답의 분석에 적용 하는 분석 프로토콜을 소개 했다. 우리는 이러한 분석 프로토콜 높은 공간 및 시간 프로필 인지 기능의 신경 상관 관계를 확인할 수 있습니다 믿습니다.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
저자는 공개 없다.
Acknowledgments
이 연구는 Benesse 공사, 다음 세대 세계 최고의 연구원 (LZ008), Neurodevelopmental 장애 연구 추진 조직에 대 한 과학 진흥 (JSP) 자금 프로그램에 대 한 일본 사회에서에서 자금에 의해 지원 되었다 그리고 JSP KAKENHI (15 K 04185; 18 K 03174).
Materials
| Name | Company | Catalog Number | Comments |
| none |
References
- Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology - Paris. 97 (4-6), 613-628 (2003).
- Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
- Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
- Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
- Friston, K. J., Harrison, L., Penny, W.
- Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
- Tort, A. B., et al. Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task. Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).
- Voytek, B., et al. Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks. Frontiers in Human Neuroscience. 4, 191 (2010).
- Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
- Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
- Hill, N. J., et al. Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping. Journal of Visualized Experiments. (64), 3993 (2012).
- Herrmann, C. S., Rach, S., Vosskuhl, J., Strüber, D. Time-frequency analysis of event-related potentials: A brief tutorial. Brain Topography. 27 (4), 438-450 (2014).
- Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961 (2011).
- Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
- Kilner, J., Bott, L., Posada, A. Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain. European Journal of Neuroscience. 21, 2547-2554 (2005).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. Bayesian model selection for group studies. Neuroimage. 46 (4), 1004-1017 (2009).
- Sato, W., et al. Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing. Cortex. 60, 52-68 (2014).
- Sato, W., et al. Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing. Human Brain Mapping. 38 (2), 4511-4524 (2017).
- Bartlett, J. C., Searcy, J., Abdi, H. What are the routes to face recognition? Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).
- Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
- Pitcher, D., Walsh, V., Duchaine, B. The role of the occipital face area in the cortical face perception network. Experimental Brain Research. 209 (4), 481-493 (2011).
- Latini, F. New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle. Neurosurgical Review. 38 (1), 179-189 (2015).
- Davies-Thompson, J., Andrews, T. J. Intra- and interhemispheric connectivity between face-selective regions in the human brain. Journal of Neurophysiology. 108 (11), 3087-3095 (2012).
- Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
- Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
- Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
- Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
- Pigorini, A., et al. Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform. Journal of Neuroscience Methods. 198 (2), 236-245 (2011).
- Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654 (2016).
- Aru, J., et al.
- Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources. PLoS One. 11 (12), e0167351 (2016).
- Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
- Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
- Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413 (2017).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
- Friston, K. J., et al.
