Nöbete eğilimli beyin bölgelerini belirlemek için eşzamanlı elektroensefalografi ve manyetoensefalografi

Özet

Kaynak: Papadelis, C. , vd., Pediatrik Epilepsinin Biyobelirteç Olarak Eş Zamanlı Manyetoensefalografi ve Elektroensefalografi ile Tespit Edilen İnteriktal Yüksek Frekanslı Salınımlar. J. Vis. Uzm. {{TAG_ 27}} (2016).

Bu video, beyinde nöbete eğilimli bölgeleri bulmak için interiktal epileptiform deşarjları (IED'ler) ve yüksek frekanslı salınımları (HFO'lar) tanımlamak için elektroensefalografi (EEG) ve manyetoensefalografi (MEG) kayıtlarını kullanma yöntemini göstermektedir.

Protokol

İnsan katılımcıları içeren tüm prosedürler, insan refahı için kurumsal, ulusal ve uluslararası yönergelere uygun olarak gerçekleştirilmiş ve yerel kurumsal inceleme kurulu tarafından gözden geçirilmiştir.

1. Veri Toplama

1. Manyetoensefalografi (MEG) ve elektroensefalografi (EEG)
   NOT: MEG/EEG veri toplama yöntemi baz alınarak gerçekleştirilir. MEG'in pediatrik epilepside klinik kullanımı hakkında daha fazla ayrıntı başka bir yerde bulunabilir.
   1. MEG sinyallerini tam kafa MEG sistemi ile kaydedin.
      NOT: MEG sistemi, 102 sensör elemanına entegre edilmiş iki tipte (düzlemsel gradyometreler ve manyetometreler) ince film sensörler kullanır. Her eleman, tek bir bobinden oluşan bir manyetometre ve "sekiz rakamı" tipi bobin konfigürasyonundan oluşan iki ortogonal düzlemsel gradyometre içerir. Manyetometre, yüzeyine dik olan manyetik akıyı ölçer ve gradyometreler, "sekiz" in iki halkası veya uzamsal gradyan arasındaki farkı ölçer. MEG sistemi 204 düzlemsel gradyometre ve 102 manyetometreye (toplam 306 sensör) sahiptir. Farklı satıcılardan gelen MEG sistemleri farklı sayıda ve tipte bobinlere sahiptir (, yani , eksenel gradyometreler).
   2. Ag / AgCl sinterlenmiş halka elektrotları ve T1 / T2'de ek elektrotları olan manyetik olmayan 70 kanallı bir elektrot kapağı kullanarak EEG sinyallerini aynı anda kaydedin. Ortak bir referans montajı kullanın.
   3. Manyetik korumalı odanın (MSR) kapısını kapatın. Kendini rahat hissedip hissetmediğini kontrol etmek için hastayla bir interkom sistemi aracılığıyla iletişim kurun. Çocuk yalnız kalmaktan rahatsız oluyorsa, ebeveynden kayıt sırasında MSR'nin içinde kalmasını isteyin.
   4. MEG edinme yazılımındaki 'Git' düğmesine tıklayarak kayıtları başlatın. 1 KHz (veya daha fazla) gibi yüksek bir örnekleme hızı kullanın. 400 Hz'de 6. dereceden düşük geçişli bir Sonsuz Darbe Tepkisi (IIR) filtresi kullanın. Kaydedilen tüm sinyalleri çevrimiçi olarak kontrol edin. Bir sensör ayarlayıcı kullanarak kötü MEG kanallarını düzeltin.
      NOT: Kötü MEG kanalları, nispeten yüksek düzeyde beyaz gürültüye (manyetometreler için 2 ila 5 fT/√Hz'nin üzerinde) sahip sensörler (gradyometreler veya manyetometreler) veya sahte çevresel elektromanyetik gürültü kaydeden sensörler olarak tanımlanır. Bu genellikle sensörler güçlü (ölçülen sinyallere göre) manyetik alanlara maruz kaldığında ve bobinlerin belirli kısımları manyetik akıyı "hapsettiğinde" ve süper iletkenliği yok ettiğinde meydana gelir. Daha sonra, içinden bir elektrik akımı uygulayarak bobini ısıtmak için bir sensör ayarlayıcı kullanılır. Bu prosedür ayarlama olarak adlandırılır ve sensörün beyaz gürültü seviyesi belirli bir eşiğin (}, yani 2 - 5 fT/√Hz) üzerinde olduğunda kullanılır. Bazı MEG sistemlerinde sensör ayarlayıcıları yoktur.
   5. MEG edinme yazılımındaki 'Ölç' düğmesine tıklayarak hastanın baş pozisyonunu ölçün. Duyu dizisi hastanın başını iyi kapatmıyorsa, hastadan başını kaskın daha derinlerine hareket ettirmesini isteyin.
      NOT: Bu manevra, yapay manyetik alanlar oluşturan geçici salınımlı elektrik sinyalleri uygulayarak 4 Kafa Konumu Göstergesi (HPI) bobinini etkinleştirir. MEG sensörleri bu alanları algılar ve kafa pozisyonunu belirler. Prosedür, farklı MEG satıcıları arasında farklılık gösterebilir.
   6. }, yani {{}}elektrokardiyogram veya EKG, elektrookülogram veya EOG, ve elektromiyogram veya EMG) ~60 dakika boyunca.
      NOT: Veriler, Bağımsız Disklerin Yedekli Dizilerinde (RAID) bir .fif dosyası olarak saklanır. Dosya türü diğer MEG satıcıları için farklıdır.
   7. Kayıt bittiğinde MSR'yi açın, kabloları çıkarın ve hastayı MSR odasından çıkarın. Tüm bantları, elektrotları, HPI bobinlerini ve EEG kapağını nazikçe çıkarın. Hastanın başını yıka.
   8. Alım tamamlandıktan sonra, boş MSR'nin manyetik sinyallerini hasta olmadan kaydedin. MEG edinme yazılımındaki 'Git' düğmesine tıklayarak kayıtları başlatın. MEG verilerini 2 dakika boyunca kaydedin.
      NOT: Bu veriler, çevresel elektromanyetik gürültüyü tahmin etmek için kullanılır.

2. İnteriktal Aktivitenin Tanımlanması

1. Belgelenmiş ve GNU Genel Kamu Lisansı altında çevrimiçi olarak ücretsiz olarak indirilebilen Beyin Fırtınası'nı kullanarak verileri açın.
2. Klinik nöbetlerden en az 2 saat sonra meydana gelen interiktal aktiviteye sahip EEG verilerinin görsel kısımlarını seçin.
   NOT: Şekil 1 EEG ve MEG verilerinin bir kısmını sık IED'lerle sunar.
   1. EEG sinyallerinde ampirik olarak iyi tanımlanmış interiktal epileptiform deşarjları (IED'ler) tanımlayın: buna ani yükselmeler (20 - 70 ms) ve keskin dalgalar (70 - 200 ms) dahildir.
      NOT: Epileptik odak lokalizasyonunda her iki tip IED'nin klinik önemi eşdeğerdir.
   2. Kayıtların (mümkünse) bölümlerini şu şekilde tanımlamaya çalışın: (i) minimal hareket artefaktları, (ii) 10 sn ekranda 3 - 4'ten fazla IED ve (iii) genellikle yüksek sayıda yüksek frekanslı salınım (HFO) sunan yavaş dalga REM dışı uyku.
3. Beyin Fırtınası'nı kullanarak, verileri standart görüntü ayarlarıyla (10 sn/sayfa) görüntüleyin. Filtre sekmesine gidin ve aşağıdaki filtre görüntüleme parametrelerini ayarlayın: yüksek geçiren filtre: 1 Hz, Alçak geçiren filtre: 80 Hz ve Çentik filtresi: 50 veya 60 Hz (güç hattının frekansına göre). Verileri inceleyin ve bölümlerini IED'lerle tanımlayın.
   NOT: HFO'ları aramak için IED'li sinyalin yalnızca bazı kısımları taranacaktır. Seçilen filtreler yalnızca görselleştirme amaçlıdır; verilere uygulanmamıştır. Bu filtreleri verilere kalıcı olarak uygulamak için, Beyin Fırtınası web sitesindeki (http://neuroimage.usc.edu/brainstorm/) yönergeleri izleyerek bant geçiren bir Butterworth filtresi (4. sıra) kullanın.
4. Hem EEG hem de MEG verilerinde meydana gelen her IED'nin tepe noktasını işaretleyin (Şekil 1).
   NOT: Beyin Fırtınası kullanarak IED'leri işaretleme hakkında daha fazla ayrıntı başka bir yerde bulunabilir (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy).

3. Eş Zamanlı Kafa Derisi EEG ve MEG Verilerinde HFO'ların Yarı Otomatik Tespiti

NOT: Burada, HFO'ları tespit etmek için otomatik bir algılama (Şekil 2), ardından otomatik olarak algılanan HFO'ların görsel bir incelemesi yapılır. Keskin geçici akımların gerçek dalgalanmalar olarak sahte salınımlarını önlemek ve HFO'ların bir filtreleme fenomeninden kaynaklanmamasını sağlamak için, ilgili literatürdeki en son önerileri takip ettik: filtrenin dürtü tepkisinin seçilen döngü sayısından daha az salınıma sahip olduğu gözlemlendiğinden, HFO'ların minimum 4 salınım sayısına sahip olmasını şart koştuk50, Zil etkisini ve "Gibbs" fenomenini en aza indirmek için Sonlu Darbe Tepkisi (FIR) filtresini kullandık50, HFO'ların IED'lerin üzerinde de görünür olup olmadığını kontrol etmek için aday HFO olaylarının bir uzman tarafından görsel olarak da incelenmesini istedik ve keskin bir olay ve bir salınımın farklı imzaları olduğu için zaman-frekans düzlüğünde izole bir adanın gözlemlenmesini istedik: gerçek bir HFO, 80 - 500 Hz bandında bulunan zaman-frekans grafiğinde (frekansta sınırlı, "ada" olarak) izole bir tepe noktası ile temsil edilirken, geçici bir olay, frekansı genişletilmiş uzun bir blob oluşturur.

1. Otomatik HFO algılama
   NOT: Şekil 2{{}}, her EEG sinyalinde HFO'ların otomatik olarak algılanmasının akış şemasını açıklar. Geliştirilen yöntemin amacı, EEG uzmanının, HFO'ların görsel muayenesi için önerilen 2 s/sayfalık bir ekran kullanarak her bir EEG kanalında HFO olaylarını işaretleme yükünü azaltmaktır. Bir HFO, dalgalanma frekans bandı (80 - 250 Hz) içinde, çevredeki arka plandan öne çıkan en az 4 sinüzoidal benzeri morfoloji salınımına sahip olan ve belirgin bir yüksek frekansta izole edilmiş bir spektral tepe noktasına sahip kısa ömürlü bir olay olarak görünen bir olay olarak tanımlandı.
   1. Zaman alanındaki aday HFO'ların tespiti
      1. Bant geçiren (BP), EEG sinyallerini 80 ile 250 Hz arasında filtreler ve frekans içeriklerini ilgilenilen dalgalanma bandıyla sınırlar.
         NOT: Zil etkisini ve "Gibbs" fenomenini en aza indirmek için bir FIR filtresi ve faz bozulmasını önlemek için sıfır fazlı dijital filtreleme kullanılması önerilir.
      2. Hilbert dönüşümünü kullanarak BP sinyalinin zarfını hesaplayın. Zarfın ortalamasını ve standart sapmasını (SD) 10 s boyunca zaman serisinin her bir noktasında ortalanmış kayar pencereler üzerinde hesaplayın. Tüm pencerelerdeki medyan değeri kullanarak genel ortalamayı ve SD'yi tahmin edin (birçok HFO ve yüksek SD ile sinyalin bölümlerinin olası varlığına karşı sağlam değerler elde etmek için).
      3. Zarfın z-puanını hesaplayın ve 3 olarak ayarlanan minimum eşikten her yüksek olduğunda bir aday HFO'yu işaretleyin.
      4. Algılanan olayın başlangıç ve bitiş noktalarını, eşiğin yarısının yukarı ve aşağı geçişleri olarak tanımlayın. Olaylar arası aralığı 30 ms'den az olan HFO'ları tek bir HFO olarak düşünün. HFO başlangıç ve bitiş noktaları arasındaki BP sinyalindeki tepe noktalarının sayısını hesaplayın ve 4'ten az tepe noktası olan olayları atın. Ayrıca, z puanı 12'den yüksek olan olayları atın.
         NOT: Kayıtlarınızda oluşabilecek artefaktların genliğine göre maksimum z-skoru eşiğinizi değiştirin. Düşük sayıda salınıma sahip olaylara filtreleme etkileri neden olabilirken, aşırı yüksek genlikli olaylar kas veya elektrot artefaktlarına bağlı olabilir.
   2. Zaman-frekans alanındaki olası artefaktları reddedin.
      NOT: Bu adım, gerçek HFO'ları, frekans içeriği ilgilenilen frekans bandıyla sınırlı olmayan diğer EEG aktivitesi ve filtreleme artefaktları tarafından ortaya çıkarılabilecek olaylardan ayırt etmek için gereklidir. Gerçek bir HFO'nun, frekansı genişletilmiş uzun bir blob oluşturan geçici bir olayın aksine, 80 Hz'nin üzerinde belirgin bir frekansta izole edilmiş bir spektral tepe noktasına sahip kısa ömürlü bir olay olarak göründüğü varsayımına dayanır. Şekil 3 , BP filtreli EEG sinyalini gösteren tespit edilmiş bir HFO örneğini göstermektedir (üst panel), zarfı (orta panel) ve karşılık gelen zaman-frekans düzlemi (alt panel), HFO tepe noktası etrafındaki [-0.5, +0.5] s periyodu boyunca. 150 Hz'nin üzerindeki frekanslar için belirgin bir aktivite gözlenmediği için zaman-frekans düzleminin gösterimi 80 - 150 Hz arasında sınırlandırılmıştır.
      1. 1 Hz'den ilgilenilen en yüksek frekansa kadar olan frekans aralığında Morlet dönüşümünü kullanarak tüm aday HFO olaylarını zaman-frekans uzayına dönüştürün, }, yani 250 Hz (merkezi frekans = 1 Hz, Tam Genişlikte Yarım-Maksimum = 3 sn).
      2. Olay süresinin her bir zaman noktası boyunca zaman-frekans temsilinin anlık güç spektrumlarını analiz edin. Her güç spektrumu için, yüksek frekans bandındaki tepe noktasını tespit etmek ve düşük frekans aralığındaki en yakın tepe noktasından açıkça farklı olup olmadığını doğrulamak için otomatik kriterleri izleyin. Zaman noktalarının en az %90'ında izole edilmiş yüksek frekanslı bir tepe noktasına sahip bir güç spektrumu göstermeyen HFO'ları atın.
2. Algılanan tüm HFO olaylarını kanallar arasında zamansal oluşumlarına göre sıralayın. Süresi çakışan tüm ardışık HFO'ları bir araya getirin. Daha fazla analiz için yalnızca en az iki EEG kanalı içeren HFO gruplarını saklayın.
   NOT: Algoritma, gerçek HFO'lara benzeyebilecek ve tek EEG derivasyonlarında meydana gelebilecek sahte rastgele artefaktları yakalamaktan kaçınmak için HFO'ların en az 2 kanalda oluşmasını ister. İkinci HFO'nun başlangıç zamanı ilk HFO'nun başlangıç zamanından önce geldiğinde, iki ardışık HFO'nun çakıştığı kabul edilir.
3. HFO olaylarının görsel incelemesi
   1. 2 bilgisayar ekranını dikey olarak hizalayın; biri EEG'nin muayenesi için, diğeri ise MEG sinyallerinin muayenesi için. Algılanan olayları hem genişletilmiş (2 sn/sayfa) hem de tipik ölçekte (10 sn/sayfa) görüntüleyin ve sırasıyla 80 - 250 Hz ve 1 - 40 Hz BP filtrelenmiş sinyalleri gösterin.
   2. Filtrelenmemiş EEG ve MEG'deki kas veya elektrot artefaktları ile birlikte meydana gelen olayların yanı sıra büyük frekans değişkenliği, düzensiz morfoloji veya büyük genlik varyasyonları olan olayları göz ardı edin.
   3. HFO'ların tespiti sırasında EOG ve EMG sinyallerini gözlemleyin ve EOG veya kas aktivitesine karşılık geldiği düşünülen herhangi bir olayı atın. Gerçek HFO'lar olma olasılıkları daha yüksek olduğundan, yalnızca EEG/MEG EYP'leri ile örtüşen HFO'ları göz önünde bulundurun.
      NOT: Bu yaklaşım, düşük duyarlılık pahasına yüksek özgüllük sunar; bu nedenle, tanımlanan HFO'ların kortikal kökenli olduğuna dair güven sağlar.
   4. Yalnızca aynı anda hem EEG hem de MEG sinyallerinde meydana gelen HFO olaylarını saklayın.

4. IED'lerin ve HFO'ların Kaynak Lokalizasyonu

1. Eşdeğer Akım Dipollerini (ECD) kullanarak MEG IED'lerin zirvesindeki jeneratörleri lokalize edin. Ücretsiz olarak kullanılabilen Minimum Norm Tahminleri yazılımını kullanın (http://martinos.org/mne/stable/index.html). Yalnızca %80'> uyum iyiliği (GOF) ve dipol momenti Q<500 nA - m olan sivri uçları düşünün. ECD konumunu her hastanın MRG'sine yerleştirin.
   NOT: Ortalamadaki Maksimum Entropi (MEM), kaynakların konumunu ve kapsamını belirleyen çekici bir alternatif yöntemdir.
2. Ortalama (wMEM) yönteminde dalgacık Maksimum Entropisi kullanılarak hem EEG hem de MEG'de HFO kaynak lokalizasyonu.
   NOT: MEM, epileptik aktivite kaynaklarının yerini ve kapsamını belirlemek için başarıyla kullanılan etkili bir tekniktir. wMEM, gerçekçi simülasyonlarla değerlendirildiği gibi salınım aktivitesini lokalize etmek için geliştirilmiş bir MEM uzantısıdır. Her bir zaman-frekans kutusunda MEM kaynak lokalizasyonu gerçekleştirmeden önce sinyali ayrı bir dalgacık temelinde ayrıştırır. Bu nedenle, wMEM özellikle HFO'ları yerelleştirmek için çok uygundur.
   1. MRG'yi segmentlere ayırın ve Freesurfer kullanarak kortikal yüzeyi elde edin.
   2. OpenMEEG kullanarak 3 katmanlı bir model için sınır elemanı yöntemi (BEM) ile EEG/MEG ileri problemini çözün.
   3. Ayrık dalgacık dönüşümünün ikinci ölçeğinin ilgilenilen frekans bandına karşılık geldiğinden emin olmak için sinyalleri 640 Hz'e yeniden örnekleyin.
   4. Her HFO'dan hemen önce 150 ms'lik bir pencerede dalgalanma bandındaki arka plana dayalı olarak, her HFO için veri alanındaki gürültü kovaryans matrisini bağımsız olarak tahmin edin. Dalgalanma bandındaki her HFO için kaynak yerelleştirmesini gerçekleştirin ve HFO süresi boyunca ortalamasını alın. NOT: Ortaya çıkan harita, kortikal mozaiklemenin her bir köşesi ile ilişkili bir kortikal aktivasyon değerinden oluşur.
   5. Her HFO için 1'e eşit bir maksimum etkinleştirme değerine sahip olmak için her haritayı normalleştirin.
   6. Her bir tepe noktasındaki tüm HFO'lardaki aktivasyon değerlerinin ortalamasını hesaplayın. Son haritaları kortikal yüzey üzerinde görüntülemek için maksimum aktivasyonun %60'ı kadar bir eşik uygulayın.

Sonuçlar

Malzemeler