Method Article

Eşzamanlı EEG ve fonksiyonel MRI kayıt ve entegrasyon analiz dinamik Kortikal faaliyet görüntüleme için

DOI:

10.3791/56417

⸱

June 30th, 2018

 ,  ,  ,  , 
1Department of Biomedical Engineering, Cullen College of Engineering, University of Houston, 2Department of Neurosurgery, Houston Methodist Hospital and Research Institute, 3Guangdong Provincial Work Injury Rehabilitation Center

* These authors contributed equally

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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

  1. Aydınlatılmış onam katılımcıdan elde edilir. Katılımcı amacı ve yordam çalışma, hem de aynı anda EEG/fMRI veri işlem kayıt için önemli güvenlik önlemleri açıklar.
  2. EEG kap hazırlamak ve empedans MRI-tarayıcı oda dışında kontrol edin.
    1. Uygun büyüklükte, pasif, Mr uyumlu EEG CAP'yi konunun baş üzerine yerleştirin. Elektrotlar 10-20 uluslararası etiketleme sistemi10göre konumlandırın.
    2. 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.
    3. Her elektrot için elektrolit jel elektrot enjekte etmek bir şırınga kullanın, sonra cilt-elektrot iletişim sağlamak için jel yaymak için bir pamuklu çubukla kullanın.
      1. 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.
  3. Eşzamanlı EEG/fMRI donanım kurulumu.
    1. 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.
    2. 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.
    3. 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.
  4. Deneysel paradigma (bkz: Şekil 3).
    1. 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.
    2. (Bkz. Şekil 4) EEG veri kaydetmeye başlamak.
    3. 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.
      1. 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.
      2. 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.

2. yapısal MRG veri analizi ve ileri Model oluşturma

  1. 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.
  2. 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.
    1. 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.
    2. 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.
      1. "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.
      2. 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.
      3. "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.
  3. Pial yüzey geometrisini dayalı kaynak alanı oluşturur.
  4. Konuya özgü EEG sensör hizalama (Örneğin, çevirme ve döndürme) Freesurfer baş modeli yerleşimi (Şekil 5) kullanarak MRI alanı gerçekleştirin. Dönüşümün kaydedin.
    1. MNE_analyze uygulamasını açın. "Dosyasında Doula tıklayınız" >> "Yük yüzey". Konu veri içeren klasöre gidin ve pial yüzey yük.
    2. "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.
    3. 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.
  5. Konuya özgü BEM modeli, kaynak alanı ve MEB yazılım15kullanarak EEG sensör dönüşüm sağlayarak ileri model oluşturur.

3. fonksiyonel MRI veri analizi

  1. 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.
  2. 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.
  3. 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.
    1. FMRI aktivasyon harita üzerinde gri madde katmanı'nı kullanarak, bağlı-etiketleme algoritması ile yüzey düzeltme ekleri ayıklayın.
      Not: Bu örnekte Dulmage-Mendelsohn ayrışma kullanıldı.
    2. 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.
  4. (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.

  1. 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.
  2. 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.
  3. 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.
  4. Oküler artifakı düzeltme, analiz GUI üstüne gerçekleştirmek: "Dönüşüm" seçin >> "yapı ret/azaltma" >> "Oküler düzeltme ICA".
  5. 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.
  6. 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.
    1. '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.
    2. 'Kanal seçimi' sekmesinde hangi eserler için düzeltilmiş kanalları seçin.
    3. '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.
  7. Temel düzeltme ve (varsa) ortalama deneme gerçekleştirin.
    1. 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

  1. Pencere boyutunu ve pencere boyutu (40 ms pencere boyutu % 50 (20 ms) üst üste aramalarda varsayılan) çakışan tanımlar.
  2. (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.
  3. Elde edilen kaynak Kovaryans matrisi kullanarak, kaynak yerelleştirme EEG kesimi olduğu için yerine analiz, kaynak akım yoğunluğu sonuçları verimli.
  4. 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).
  5. Temsilcisi akım yoğunluğu zaman-ders her ROIs ayıklayın.
    1. 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
  6. 5.1-5,5 tüm konular için yineleyin.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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 y...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

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 ta...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar ifşa gerek yok.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu eser kısmen NIH DK082644 ve Houston Üniversitesi tarafından desteklenmiştir.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
BrainAmp MR PlusBeyin ÜrünleriEEG kaydı için amplifikatörler, MR uyumlu
BrainAmp ExG MR Beyin ÜrünleriYardımcı sensör (EMG) için amplifikatör, MR uyumlu
BrainAmp Güç PaketiBeyin ÜrünleriMR ortamındaki amplifikatörlere güç sağlar
Şerit KablolarBeyin ÜrünleriGüç Paketini Amplifikatörlere Bağlar
SyncBoxBeyin ÜrünleriMR tarayıcı saatini EEG amplifikatör saati BrainCap
MRile senkronize edinBeyin ÜrünleriPasif elektrotlu 64 kanallı EEG başlığı, MR uyumlu
BrainVision KaydediciBeyin ÜrünleriEEG veri kayıt yazılımı (adım 1.2-1.4.2)
BrainVision Analyzer 2.0Beyin ÜrünleriEEG analiz yazılımı (adım 4.1-4.6)
USB 2 Adaptörü (BUA olarak da bilinir)BeyinÜrünleriAmplifikatörler ve veri toplama bilgisayarı arasındaki arayüz
Fiber Optik KablolarBeyin ÜrünleriMR tarayıcıdaki EEG kapağını Kayıt Bilgisayarına bağlar
SyncBox Tarayıcı Arayüzü BeyinÜrünleriMR tarayıcı saatini EEG amplifikatör saati ile senkronize
Tetik KablosuBeyin ÜrünleriKayıt bilgisayarına tarayıcı/paradigma tetikleyicileri göndermek için kullanılır
ABRALYT HiCl EEG Elektrot JeliEasyCapMR ortamında pasif elektrot için aşındırıcı EEG jeli
Ingenia 3.0T MR sistemiPhilips3.0 T MRI sistemi
Patriot SayısallaştırıcıPolhemusEEG kanal konumu sayısallaştırma 
DBTN algoritması için MATLAB r2014aMathWorksProgramlama tabanı (adım 3.3-3.4 ve 5.1-5.7)
Yüz Etkisi ResimleriPaul Eckman GrubuUyaran olarak kullanılan duygusal olarak değerli yüzler
dizisi E-Prime 2.0Psychology Software Tools, IncSunum Yazılımı (adım 1.4.3)
Bipolar cilt EMG elektroduBeyin ÜrünleriTespit etmek için kullanılır kas aktivitesi.
Sayısallaştırma için POLGUIMATLAB yazılımı
2.1-2.4 ve adım 3.1-3.2'de kullanılanFreesurfer
2.5'te kullanılanMNE
edin Adım YazılımıAdım Yazılımı

References

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

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EEG fMRI IntegrationCortical Activity ImagingfMRI Constrained EEGConcurrent EEG fMRIEEG Source LocalizationMultimodal NeuroimagingSpatial Temporal AnalysisFunctional MRI ProcessingEEG Data AnalysisBrain Activity Mapping

Related Articles