Yöntem makalesi

Gerçek Zamanlı Kortikal Ağ Haritalaması için Nörogörüntüleme Kılavuzluğunda TMS-EEG

DOI:

10.3791/67339

⸱

13 Haziran 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Neuroscience and Biomedical Engineering, Aalto University School of Science, 2Hertie-Insitute for Clinical Brain Research, University of Tübingen, 3Department of Neurology and Stroke, University of Tübingen, 4A.I. Virtanen Institute for Molecular Sciences, University of Eastern Finland, 5Division of Psychology, VISE, Faculty of Education and Psychology, University of Oulu, 6Neuroscience Center, Helsinki Institute of Life Science, University of Helsinki, 7BioMag Laboratory, HUS Medical Imaging Center, Aalto University, University of Helsinki and Helsinki University Hospital, 8Cognitive Brain Research Unit, Department of Psychology and Logopedics, Faculty of Medicine, University of Helsinki

Bu makalede

Özet

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

Çoklu manyetik rezonans görüntüleme (MRG) veri modaliteleri ile bilgilendirilen, kortikal ağların elektroensefalografi (TMS-EEG) haritalaması ile birlikte kişiselleştirilmiş transkraniyal manyetik stimülasyon için yeni bir protokol.

Özet

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

Serebral korteks, yapısal ve işlevsel olarak ayrılmış ağlar halinde düzenlenmiştir ve insan beyninin bilgiyi son derece verimli bir şekilde işlemesini sağlar. Transkraniyal manyetik stimülasyon (TMS), elektroensefalografi (EEG) ile birlikte, beyin ağlarını araştırmak için invaziv olmayan bir yaklaşım sunar, kortikal uyarılabilirliği ve nedensel bağlantıyı ortaya çıkarır. Bununla birlikte, bu yöntem iki önemli zorlukla karşı karşıyadır: (a) bilgi kazanımını en üst düzeye çıkarmak için TMS ile uyarılmış potansiyellerin (TEP'ler) kalitesini sağlamak, genellikle kapsamlı kortikal haritalama gerektirir ve (b) yanıtı bitişik kortikal bölgelerden değil, ilgi ağından ortaya çıkarmak.

Mevcut TMS hedefleme yaklaşımları sıklıkla fonksiyonel olarak ilgili kortikal alanları tam olarak uyarmada başarısız olmakta, tedavi etkinliğini ve biyobelirteçlerin tanımlanmasını engellemektedir. Sunulan protokol, artefakt içermeyen TEP'ler elde etmek için hassas kortikal haritalamayı entegre ederek, erken TEP bileşenlerinin güvenilir ve tekrarlanabilir ölçümlerini sağlar. Bu hassasiyet, ince nörofizyolojik varyasyonlara duyarlılığı artırır ve klinik fenotiplerle korelasyonları güçlendirerek nöropsikiyatrik bozukluklarda biyobelirteç keşfini destekler.

Önerilen protokol, ilgilenilen ağa ait kortikal yamaları tanımlamak için yapısal, fonksiyonel ve difüzyon manyetik rezonans görüntülemeyi (MRI) kullanır. Anatomik parselasyon, fonksiyonel bağlantı ve gerçek zamanlı traktografi, hedef ağ ile ilişkili diğer beyin bölgelerine güçlü bağlantısı olan alanları bulmak için uygulanır. Elde edilen kişiselleştirilmiş kortikal kümeler, ilk stimülasyon hedeflerini tanımlar.

TMS-EEG haritalaması daha sonra, yüksek uyarılabilirliğe sahip kortikal alanları lokalize ederek, kas artefaktları, çürüme ve erken TMS-EEG yanıtlarını etkileyen diğer kafa karıştırıcı faktörler dahil olmak üzere nöronal olmayan gürültüyü azaltırken nöronal yanıt büyüklüğünü artırarak TMS parametrelerini optimize etmek için kullanılır. Ortalama TEP'lerin gerçek zamanlı görselleştirilmesi yoluyla sürekli veri kalitesi izleme ile stimülasyon konumunu, oryantasyonunu ve yoğunluğunu ayarlayarak kortikal mantonun sistematik bir araştırması yapılır. Veri toplama için açıkça fark edilebilir erken TEP bileşenleri ile artefaktsız yanıtlar üreten TMS parametreleri seçilmiştir.

Bu makale, nörogörüntüleme kılavuzluğunda TMS-EEG haritalama tekniğini tanıtmakta ve uygulaması yoluyla elde edilebilecek metodolojik ilerlemeleri ve faydaları vurgulamaktadır.

Giriş

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

İnsan beyni, kendine özgü büyük ölçekli yapısal ve işlevsel ağlarla karakterizedir. Ağlar içindeki ve arasındaki karmaşık etkileşimler, karmaşık bilişsel, duyusal ve motor süreçleri destekleyerek beynin olağanüstü bilgi işleme gücünü sağlar. Yapısal hasar, işlevsel düzensizlik veya bozulmuş bağlantı nedeniyle bu ağlardaki bozulmalar, motor eksiklikler, bilişsel bozukluklar ve duygudurum bozuklukları dahil olmak üzere çok çeşitli nörolojik ve psikiyatrik durumlara 1,2,3,4,5,6 yol açabilir. Bu tür ağ ile ilgili bozuklukların ilerlemesini doğru bir şekilde izlemek ve optimal tedavi stratejilerini belirlemek, belirli ağları seçici olarak bozabilen ve işlevsel bütünlüklerini güvenilir bir şekilde ölçebilen yöntemler gerektirir.

Transkraniyal manyetik stimülasyon, verimli bir şekilde verildiğinde, nöronal popülasyonları ve hatta tüm kortikal ağları 7,8,9,10,11,12,13,14,15 invaziv olmayan bir şekilde bozabilir ve motor tepkiler veya davranış değişiklikleri gibi ölçümlerle değerlendirilmelerine olanak tanır. Elektroensefalografi (EEG) ile kombinasyon halinde TMS, TMS ile uyarılmış potansiyellerin (TEP'ler) ölçülmesine olanak tanır - TMS nabzına zaman kilitli deneme ortalamalı EEG yanıtları. Bobinin altında kaydedilen TEP dalga formları, uyarılan alanın anlık kortikal uyarılabilirliğini yakalarken, uzak bölgelerden gelen yanıtlar, beyin alanları arasındaki etkili bağlantı hakkında bilgi sağlar ve TMS-EEG'yi kortikal ağları araştırmak için değerli bir araç haline getirir. TEP'ler, çeşitli nörolojik 9,16,17 ve psikiyatrik durumlar 18,19,20,21,22,23 için biyobelirteç olarak önemli bir potansiyel göstermiştir. Ayrıca, eşzamanlı TMS-EEG, EEG 24,25,26,27,28 ile ölçülen bireyin lokal kortikal reaktivitesine dayalı olarak kişiselleştirilmiş stimülasyon yoğunluklarına karar verilmesine izin verir. Bununla birlikte, bu yöntemin, özellikle biyobelirteç geliştirme22,24 için kullanıldığında zorluğu iki yönlüdür: a) bilgi kazanımını en üst düzeye çıkarmak için, toplanan TEP'lerin kalitesi yüksek olmalı, minimum artefakt ve iyi reaktivite ile bir hedefi bulmak için kortikal alanların haritalanmasını gerektirmelidir ve b) yanıt, bitişik kortikal bölgelerden değil, ilgi ağından gelmelidir. Düşük TEP kalitesi, genellikle gürültü, artefaktlar, çoklu duyusal tepkiler veya devam eden salınım aktivitesinin gücünü aşamayan erken tepkiler olarak ortaya çıkan yaygın bir sorundur. Bu düşük sinyal kalitesi tipik olarak yalnızca çevrimdışı işlemeden sonra, genellikle veri toplandıktan çok sonra tanımlanır ve bu da ele almayı zor veya imkansız hale getirir.

Belirli beyin bölgelerini hedeflemek için yapısal manyetik rezonans görüntülemeyi kullanan Navigated TMS (nTMS)29, 20 yılı aşkın bir süredir klinik uygulama ve araştırma için mevcuttur. Cerrahi öncesi değerlendirme için motor ve konuşma kortikal alanların haritalanmasında30,31,32 ve EEG 9,33,34,35 ile birleştirilerek motor, görsel veya davranışsal tepkiler içermeyen alanların hedeflenmesinde çok önemli olmuştur. Bununla birlikte, nöroanatomik olarak spesifik olmayabilir (yani, kortikal bölgeler arasındaki sınırlar net değildir) ve beyin fonksiyonundaki bireysel değişkenlik yapısal MRG kullanılarak tespit edilemediği için işlevsel olabilir. Bu nedenle, genellikle motor korteksin veya diğer anatomik işaretlerin konumuna bağlı olan mevcut TMS hedefleme yaklaşımları, genellikle işlevsel olarak ilgili kortikal alanları uyarmada başarısız olur ve hem tedavi etkinliğini hem de güvenilir biyobelirteçlerin keşfini sınırlar. Bu zorlukların üstesinden gelmek için, fonksiyonel ve difüzyon MRG gibi diğer MRG modalitelerinin kullanımını, artefaktsız TEP edinimi için hassas kortikal haritalama ile entegre eden kapsamlı bir çerçeve geliştirilmiştir. Bu yaklaşım, özellikle ince nörofizyolojik değişikliklere karşı oldukça hassas olan erken TEP bileşenlerinin güvenilir ve tekrarlanabilir ölçümlerini mümkün kılar. Bu çerçeve, TEP analizinin duyarlılığını artırarak, klinik fenotiplerle sağlam korelasyonları kolaylaştırır ve nöropsikiyatrik bozukluklarda biyobelirteç araştırması için güçlü bir temel oluşturur.

Önerilen boru hattı, anatomik parselasyon36 (Şekil 1A), fonksiyonel MRI (fMRI) tabanlı fonksiyonel bağlantı37,38 (Şekil 1B) ve gerçek zamanlı traktografi39 (Şekil 1C) birleştirerek tüm kortikal alanları haritalamak için tasarlanmıştır. Anatomik parselasyon, bireysel beyin anatomisine doğrusal olmayan bir şekilde kaydedilmiş önceden tanımlanmış bir anatomik şablon veya beyin atlası kullanarak, bir birey için belirli bir beyin ağına karşılık gelen kortikal alanların tanımlanmasına izin verir. İşlevsel bağlantı, kan-oksijen seviyesine bağlı (BOLD) sinyal40 tarafından yansıtıldığı gibi, farklı beyin bölgelerinin fizyolojik aktivitesi arasındaki korelasyonu ölçen istatistiksel ölçümler sağlar. Son olarak, gerçek zamanlı traktografi, potansiyel yapısal beyin bağlantılarını gerçek zamanlı olarak tanımlayan akışları tahmin eden ve görüntüleyen difüzyon MRG'ye (dMRI) dayalı bir yöntemdir. Bu yöntemlerin kombinasyonu ile kortikal alanlar, TMS-EEG haritalaması sırasında yapısal ve fonksiyonel bağlantılarına dayalı olarak hedeflenebilir. Bu, artefaktsız TEP edinimini sağlamak için stimülasyon parametrelerinin gerçek zamanlı olarak iyileştirilmesini sağlar.

Önerilen yeni metodoloji, TMS hedefleme ve TEP ediniminin birleşik zorluklarını ele alarak, klinik ve araştırma ortamlarında daha kesin biyobelirteç tanımlaması ve etkili nöromodülasyon stratejilerinin önünü açmaktadır.

figure-introduction-1
Şekil 1: Temsili bir denek için MRG'den elde edilen bilgiler. (A) Hedeflenen dorsolateral prefrontal korteksi (DLPFC) özetleyen anatomik parselasyon. (B) Subgenual singulat korteks ile anti-korelasyonu gösteren fonksiyonel bağlantı haritası (daha açık renkler daha güçlü anti-korelasyonu gösterir). (C) Hedeflenen alandan ekilen akış çizgilerini gösteren gerçek zamanlı traktografi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Protokol

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

Bu çalışma Helsinki Hastane Bölgesi ve Uusimaa etik kurulu tarafından onaylanmıştır. Prosedürden önce, her denekten katılım için yazılı bilgilendirilmiş onam alındı.

1. Donanım ve yazılım gereksinimleri

  1. Deney düzeneği için gereksinimler
    1. EEG sisteminin TMS uyumlu olduğundan ve 5000 Hz veya daha yüksek örnekleme frekansında kayıt yapabildiğinden emin olun.
    2. EEG kapağını en az 60 Ag / AgCl sinterlenmiş C-şekilli veya TMS darbesi28 tarafından girdap akımlarının indüksiyonunu en aza indiren diğer elektrotlarla donatın.
      NOT: Önerilen protokol pasif elektrotların kullanılmasını gerektirir. Aktif elektrotlar empedans seviyelerine daha az duyarlı olmalarına rağmen, erken TEP bileşenlerini gizleyebilen bozunma artefaktlarına28 karşı hassastırlar.
    3. EMG sisteminin motor eşik belirleme için yerleşik bir algoritmaya sahip olup olmadığını onaylayın. Aksi takdirde, 10-20 yaklaşımı kullanılmalıdır (bkz. adım 3.5.5.)
    4. TMS uyaranlar arası aralığın minimum 2–2,4 s aralığında titremesine izin verin.
    5. Yeniden şarj artefaktının ilgilenilen zaman penceresini kirletmediğinden emin olmak için TMS şarj zamanlamasını TMS darbesinden sonra (örn. 900-1000 ms darbe sonrası) yeterince gecikecek şekilde ayarlayın.
    6. Çevrimiçi nöronavigasyon sisteminin, kaplamaların anatomik görüntülere aktarılmasını desteklediğinden emin olun.
      NOT: Harici yazılım, kaplamaları görselleştirmek ve koordinatları nöronavigasyon sistemine manuel olarak aktarmak için kullanılabilirken, bu yaklaşım kurulumun karmaşıklığını artırır ve deney süresini uzatır.
    7. Gürültü maskeleme için özel odyometrik kulaklık edinin.
  2. Yazılım gereksinimleri
    1. Deney sırasında TEP'lerin gerçek zamanlı görselleştirilmesi için, akışlı EEG verilerini neredeyse anında çizen ve TMS nabzı etrafında ortalamasını alan MATLAB tabanlı bir araç olan rt-TEP25'i (https://github.com/iTCf/rt-TEP) yükleyin.
      NOT: Bazı EEG sistemleri, doğrudan edinim yazılımı içinde benzer görselleştirmelerin oluşturulmasına izin verir. Aracın güvenilir olduğundan ve TMS yapıtının kesilmesi ve filtreleme gibi minimum veri manipülasyonlarına izin verdiğinden emin olun - deneyin başarısı büyük ölçüde çevrimiçi görselleştirmeye bağlıdır.
    2. Yolların gerçek zamanlı olarak görselleştirilmesine izin vermek için gerçek zamanlı tractogram görselleştiricisini (https://github.com/baranaydogan/realTimeTractogramVisualizer)39 bir Linux PC'ye yükleyin.
    3. Gürültü maskelemeyi41 (www.github.com/iTCf/TAAC ) takın.
    4. MRG analizi için aşağıdaki yazılım paketlerini (veya alternatiflerini) yükleyin: FreeSurfer42, fmriprep43, MRtrix344 ve ayrıca nilearn kitaplığına (https://nilearn.github.io) sahip bir Python ortamı.

2. TMS hedeflemesi için MRG tabanlı öncüllerin hazırlanması

  1. İlgi bölgelerinin seçimi
    1. En az iki ilgi alanı (ROI) seçin: biri uyarılacak TMS hedef kortikal alanı ve diğeri çalışılan beyin ağına önemli ölçüde katkıda bulunmak için teorize edilen tohum olarak. TMS hedef tanımını iyileştirmek için tohumdan hedefe yapısal ve işlevsel bağlantılar kullanın.
      NOT: TMS hedefinin stimülasyon için erişilebilir olması gerekirken, tohum, amigdala gibi koyu gri madde alanları da dahil olmak üzere herhangi bir beyin bölgesi olabilir.
  2. MRG alımı
    1. 1 mm izotropik vokseller ile yüksek çözünürlüklü anatomik T1 ağırlıklı (T1w) manyetizasyonla hazırlanmış hızlı edinim gradyan yankı (MPRAGE) görüntüsü elde edin.
    2. Dinlenme durumunda fMRI BOLD sinyalinin 10 dakikasını kaydetmek için eko-düzlemsel görüntüleme (EPI) protokolünü çalıştırın. Deneğe sekans süresince gözlerini açık tutmasını ve ekranda görüntülenen bir çarpı işaretine sabitlenmesini söyleyin.
    3. Toplamda en az 100 farklı gradyan yönünde (b = 1500 ve 3000 s/mm2) ve ön-arka faz kodlama yönüne sahip 12 difüzyon ağırlıklı olmayan (b = 0 s/mm2) hacimde görüntü elde ederek dMRI için EPI protokolünü uygulayın.
      1. Ters faz kodlama yönü (arka-ön) ile en az 1 ek ağırlıksız hacim elde edin.
      2. Örneğin, nesne hareketinin neden olduğu bozulmalara karşı toleransı artırmak için, ters faz kodlama yönünde birkaç difüzyon ağırlıklı olmayan görüntü elde edin. Ek olarak, ters faz kodlama yönünde tam edinimin tekrarlanması, yeni düzeltme yöntemleri için yararlı olabilir45,46.
  3. Anatomik MRG analizi
    1. FreeSurfer'ın42 recon-all komutunu kullanarak T1w görüntüsünü önceden işleyin. Duranın uygun şekilde çıkarıldığından emin olmak için beyin maskesini (brain.mgz) ve piyal yüzeyleri (lh.pial ve rh.pial) görsel olarak inceleyin. Nöral doku dışlanırsa veya piyal yüzey nöral olmayan doku içeriyorsa, ayarlanmış havza parametreleriyle recon-all'ı yeniden çalıştırın. Eşik değerini ayarlamak için -wsthresh seçeneğini kullanın (varsayılan: 25, aralık: 0–50) veya beyin maskesini genişletmek için -wsmore veya küçültmek için -wsless kullanın.
    2. FreeSurfer'ın fsaverage yüzeyine (https://figshare.com/articles/dataset/HCP-MMP1_0_projected_on_fsaverage/3498446?file=5528837) yansıtılan Human Connectome Project çok modlu parselasyon 1.036 ile, mri_surf2surf kullanarak proje parselasyonunu deneğin beyin yüzeyine yeniden örnekleyin. mri_aparc2aseg ile, konunun kortikal ve subkortikal bölgelerinin hacimsel parselasyonunu oluşturun. Parselasyonu orijinal T1w görüntüsüyle hizalamak için, rawavg.mgz'yi şablon olarak kullanarak mri_label2vol çalıştırın.
    3. HCPMMP 1.0 arama tablosunu kullanarak ROI parsellerini seçin ve mri_binarize kullanarak konunun yerel alanındaki hacimsel parselasyondan yapısal ROI haritalarını çıkarın.
      NOT: Tohum ROI'si anatomik konum yerine literatürdeki MNI koordinatları ile tanımlanmışsa, koordinatları MNI'den öznenin yerel alanına eşlemek için bir dönüşüm matrisi kullanın. FSL işlevi fslmaths -kernel sphere gibi bir araç kullanarak elde edilen konumda küresel bir yatırım getirisi oluşturun.
  4. Fonksiyonel MRG analizi
    1. BOLD verilerini fmriprep43 ile önceden işleyin. Anatomik MRI analizinden önce fmriprep varsayılan ayarları her şeyi yeniden yapılandırma çağrısı yaptığından veya alternatif olarak boru hattına hazır FreeSurfer çıktısı sağladığından yapılabilir.
      NOT: Ön işlemeyi hızlandırmak için, --output-spaces T1w bayrağını fmriprep'e geçirerek analizi konuya özgü alanla sınırlayın. Bu durumda, fmriprep MNI alanında ortak kayıt ve sonuç analizini gerçekleştirmeyecektir.
    2. Tercih edilen araçlarla, örneğin Python ve nilearn kitaplığını kullanarak, tüm beyin tohumundan voksele analizi yapmak için aşağıdaki adımları izleyin. Elde edilen hacimsel haritalar, tohumdaki BOLD sinyali ile beynin geri kalanı arasındaki zamansal korelasyonu ölçer.
    3. MR tarayıcısının kaydedilmeyen dizinin başında sahte taramalar içerdiğinden emin olmadıkça, verilerden ilk 4 ila 6 zaman noktasını kaldırın. Bu, verilerin kaydın başlangıcındaki sinyal stabilizasyon süresini içermemesini sağlayacaktır.
      NOT: nilearn için, img.slicer[..., 4:]'yi çağırarak .slicer yöntemini kullanın, burada img içe aktarılan işlevsel MRI'dır.
    4. Gürültüyü gidermek için fmriprep tarafından tahmin edilen karışıklıkları kullanın. Karışıklıklar arasında, kafa hareketine (trans_x, trans_y, trans_z, rot_x, rot_y, rot_z), beyin içindeki ortalama sinyale (global_signal), beyaz maddeye (white_matter) ve beyin omurilik sıvısına (bos) karşılık gelenleri seçin. Sinyalin nöral olmayan kısımlarını kaldırmak için genel bir doğrusal modelde seçilen değerleri rahatsız edici regresörler olarak kullanın.
    5. 0,01–0,08 Hz bant geçiren filtreleme ile yanlış pozitifleri azaltın. Nilearn kullanıyorsanız, karışık matrisi ve kesme frekanslarını işleve geçirerek nilearn.image.clean_img ile karışık regresyon ve filtreleme gerçekleştirin.
    6. Verileri 6 mm Tam Genişlikte Yarım Maksimum (FWHM) Gauss çekirdeği ile düzeltin. Görüntüyü düzgünleştirmek için smoothing_fwhm=6 parametresini nilearn.maskers.NiftiMasker'a geçirin.
    7. Tohum maskesinden zaman serisini ayıklayın ve ortalamasını alın. İşlevsel verilerden zaman serilerini ayıklamak için nilearn.maskers.NiftiMasker ile tohum ROI maskesi uygulayın.
    8. Tohumun ortalama zaman serisi ile beyin maskesi içindeki diğer tüm vokseller arasındaki Pearson korelasyon katsayısını hesaplayın. Korelasyon katsayılarını normal bir dağılıma dönüştürmek için elde edilen korelasyon katsayılarını Fisher'ın z-skoruna dönüştürün.
      NOT: Korelasyonu hesaplamak için, np.dot kullanarak beyin ve ROI zaman serisi arasındaki nokta çarpımını alın ve bunu zaman serisi uzunluğuna bölün. Elde edilen katsayıları Fisher'ın z-puanına dönüştürmek için np.arctanh uygulayın.
    9. Korelasyon haritasını ROI maskeleriyle çarparak, örneğin nilearn.image.math_img kullanarak, elde edilen haritayı ROI'lerle sınırlayın. Elde edilen görüntüler, korelasyon değerlerini maskenin vokselleri içinde ve sıfırları başka bir yerde tutacaktır.
    10. İsteğe bağlı olarak, haritaları eşikleyin, örneğin yalnızca negatif ilişkili vokselleri dahil etmek için. Karşılık gelen eşik parametresiyle nilearn.image.threshold_img kullanın.
  5. Difüzyon MRG analizi
    1. Difüzyon verilerini, gürültü giderme47, hareket düzeltmesi48, duyarlılık kaynaklı bozulmalar49, Gibbs çınlaması50,51 ve girdap akımı artefaktları52 dahil olmak üzere bir boru hattı ile önceden işleyin. Bir fiber oryantasyon yoğunluğu (FOD) haritası ve bir beyin maskesi oluşturun.
      NOT: DESIGNER araç kutusu (https://nyu-diffusionmri.github.io/DESIGNER-v2/) tam otomatik bir ön işleme işlem hattı sunar. FOD tahmini, MRtrix3 44 araç kutusundan (https://www.mrtrix.org/) dwi2response dhollander ve dwi2fod msmt_csd 53,54,55 komutları kullanılarak gerçekleştirilebilir. FOD ve beyin maskelerinin nöronavigasyon sistemi ile eşleşmesi için T1 alanına birlikte kaydedildiğinden emin olun. Ortak kayıt56,57 sırasında gradyan veya FOD yönlendirmelerinin döndürüldüğünden emin olun. MRtrix3 mrregister komutunun kullanılması önerilir.
    2. FreeSurfer'ın aparc+aseg.mgz segmentasyonunu yerel MRI alanına taşımak için mri_label2vol komutu kullanın. Ardından, anatomik olarak kısıtlı traktografi (ACT) dosyası oluşturmak için orijinal MRI alanındaki segmentasyon üzerinde aparc+aseg_to_trekkerACTlabels.py (https://raw.githubusercontent.com/dmritrekker/trekker/master/extensions/tools/aparc%2Baseg_to_trekkerACTlabels.py) çalıştırın.
    3. T1, beyin maskesi, FOD ve ACT dosyalarını gerçek zamanlı traktogram görselleştiricisine yükleyin (bkz. adım 1.2.2.) ve görselleştirilmiş yolların uygulanabilir göründüğünü dikkatlice onaylayın58.

3. TMS-EEG deneyi

  1. EEG hazırlığı
    1. Aşındırıcı ve iletken jellerin çürüme artefaktlarına neden olabilecek metalik bileşenler içermediğinden emin olun.
    2. Deneği, kapak kablolarının EEG sistemine bağlanması için yeterince yakın yerleştirilmiş bir sandalyeye oturtun ve etraflarında sınırsız hareket için boşluk bırakın.
      NOT: EEG hazırlığını, denek TMS koltuğunda otururken yapmak mümkündür. Bununla birlikte, sandalyenin koltuk başlığı ve genel kütlesi, deneğin kafasına erişimi daha zor hale getirerek süreci daha zaman alıcı hale getirebilir.
    3. Deneğin baş çevresini ölçerek EEG hazırlığına başlayın. EEG başlığının eşleşen bir boyutunu seçin.
      NOT: Baş çevresi başlık boyutları arasında kalıyorsa, gevşek bir uyum elektrotlar ve kafa derisi arasında boşluklar oluşturabileceğinden daha küçük boyutu seçin.
    4. Saçı kapağın altında tutarak alından başlayarak kapağı takın. Kapak kabaca yerine oturduğunda, nasion'dan inion'a ve soldan sağa olan mesafeleri ölçün. Cz'nin anatomik yer işaretlerinin ortasına yerleştirildiğinden emin olarak kapak konumunu ayarlayın.
    5. İletkenliği artırmak için stimülasyon tarafının karşısındaki mastoid ve zigomatik kemik derisini alkollü mendiller ve aşındırıcı bantla temizleyerek toprak ve referans elektrotlarını hazırlayın. Halka elektrot rondelaları kullanarak toprak elektrodunu elmacık kemiğine ve referansı mastoid üzerine yerleştirin.
      NOT: Elektrot yerleşimi laboratuvarlar arasında farklılık gösterir (bkz. Hernandez-Pavon ve diğerleri, 202328). Cz genellikle referans olarak kullanılsa da, bobine yakınlık nedeniyle yetersiz olabilir. Stimülasyon hedefine olan mesafeye ve nöronavigasyon kurulumuna bağlı olarak, alında başlığın altındaki mastoid ve zigomatik yerleşimler veya pozisyonlar önerilir.
    6. Toprak ve referans elektrotlarını hazırlayın. Önce aşındırıcı bir macun uygulayın ve elektrotların altındaki cildi künt bir iğne veya pamuklu bir çubukla hafifçe ovalayın. Ardından elektrodu iletken jel ile doldurun.
    7. Çenenin altındaki cırt cırtlı bağlantı elemanlarını kullanarak kapağı yerine sabitleyin. Kulak yarıklarının doğru yerleştirildiğinden emin olun, nöronavigasyon için kulaklara erişime izin verin ve gürültü maskelemesi için kulaklık yerleştirin.
    8. Kapak elektrotlarını toprak ve referansa benzer şekilde hazırlayın. İlk olarak, az miktarda aşındırıcı jel ekleyin ve elektrotun altındaki tüyleri çıkarmak için künt iğneyi veya pamuklu çubuk çubuğunun tahta ucunu kullanın, böylece cilt görünür hale gelir.
    9. Jel miktarının yeterli olduğundan ancak aşırı olmadığından emin olmak için elektrodu hafifçe aşağı bastırırken elektrodu iletken jel ile doldurun. TMS-EEG deneyi için her elektrotun empedansını 5 kΩ'un altında tutun.
      NOT: İletken jel miktarının kafa derisi ile elektrot arasında bir bağlantı oluşturmak için yeterli olması gerekirken, aşırı miktarlar komşu elektrotlar arasında köprülenmeye neden olabilir.
    10. İlk hazırlıktan sonra empedans bundan daha yüksekse, tekrar künt bir iğne veya pamuklu çubuk kullanın ve cildi daha fazla ovalamak için elektrotun içinde döndürün. Elektrottan saç çıkarmaktan kaçınmaya çalışın. Sabit elektrodu tekrar iletken jel ile doldurun ve empedansı kontrol edin. Tüm elektrotlar 5 kΩ'un altına düşene kadar işlemi tekrarlayın.
  2. EMG hazırlığı
    1. Her elektrot bölgesini alkollü mendillerle temizleyin, cildi aşındırıcı bantla hafifçe çizin, tekrar alkolle silin ve kurumasını bekleyin. Aktif elektrodu kas göbeğine (genellikle sağ abdüktör pollicis brevis (APB) ve/veya ilk dorsal interosseöz (FDI)), referans elektrodu kas tendonunun üzerine ve toprak elektrodunu elin sırtına yerleştirin.
  3. Nöronavigasyon hazırlığı
    1. Kişiyi rahat bir pozisyonda sandalyeye yerleştirin ve boynu, elleri ve bacakları rahat bir şekilde oturduğundan emin olun. Operatörün incelenen tüm alanı rahatça uyarmasına izin vermek için sandalye yüksekliğini ayarlayın.
    2. Stimülasyon seansı sırasında sabit kalmasını sağlamak için baş izleyiciyi tıbbi sınıf iki taraflı bir çıkartma veya bant kullanarak sabitleyin. Etiketi, TMS bobininin kafa üzerinde serbest hareketini engellemeyecek şekilde konumlandırın.
      NOT: Sol yarım küreyi uyarırken izleyiciyi alnın üzerinde hafifçe sağa ve sağ yarıküreyi uyarırken hafifçe sola konumlandırın. Bu düzenleme frontal lob bölgelerine erişimi kolaylaştırır.
    3. Deneğin MRG'sindeki ana noktaları (nasion ve preauriküler noktalar) tanımlayın.
      NOT: Preauriküler noktaları tanımlarken, MRI çekimi sırasında deneğin kulaklarına köpük ve kulak koruması tarafından basılıp bastırılmadığını dikkatlice kontrol edin. MRI taramalarında deforme olmaya eğilimli olmayan sarmalın kıvrımı gibi kulak memesinin daha derin kısımlarını tercih edin.
    4. Sayısallaştırıcı bir kalem kullanarak, deneğin kafasındaki MRG'de tanımlananlara karşılık gelen ana noktaları işaretleyin.
    5. Kayıt hatalarını en aza indirmek için kafatası yüzeyindeki ek noktaları dijitalleştirin.
    6. Kayıt hatasının 3 mm'nin altında olduğunu onaylayın (2 mm'nin altı tercih edilir).
    7. Sayısallaştırma kalemini deneğin kafasına birkaç yerde bastırın ve 3D kafa modelindeki ilgili noktaların doğru göründüğünü onaylayın. Aksi takdirde, ortak kayıt prosedürünü tekrarlayın.
  4. Gürültü maskeleme
    1. Gürültü maskelemeyihazırlayın 41 — kullanılan bobin türünden kaydedilen karışık bobin tıklamaları ile beyaz gürültünün döngülü ses kaydı. Kişinin rahatsızlığını azaltmak için gürültü maskelemesinin yalnızca TMS darbeleri verildiğinde açık olduğundan emin olun.
    2. Kayıt sırasında TMS tıklamasının gürültüsünü maskelemek için kulak tıkacı benzeri uçlara sahip özel hava tüplü kulaklıklar kullanın.
    3. Kulak uçlarının doğru boyutunu seçin ve kulak kanalına yerleştirmeden önce deneğe bunları sıkmasını söyleyin. Kulaklıkların doğru yerleştirildiğini görsel olarak onaylayın.
    4. Başlamadan önce, deneğe ham EEG sinyalini gösterin ve yüz kası sıkma, göz kırpma ve göz hareketlerinin nasıl artefaktlar oluşturduğunu gösterin. Bu artefaktların veri kalitesini düşürdüğünü açıklayın ve kas gerginliği gürültüsünü en aza indirmek için deneğin konumunu rahatlık için ayarlayın.
    5. Deneğe TMS darbeleri verildiğinde gözlerini önlerinde bulunan fiksasyon haçına odaklamasını söyleyin.
    6. Bobini tepe noktasının birkaç santimetre üzerine sabitleyin. Deney için ihtiyaç duyulması muhtemel olmayan yüksek bir stimülasyon yoğunluğu seçin, örneğin, gürültü seviyesinin daha yüksek bobin tıklamalarını bastıracak kadar yüksek olduğundan emin olmak için MSO'nun %80'i.
    7. Deneğe gürültü maskelemenin doğasını ve görevinin, başlarının üzerine yerleştirilen bobinden gelen bobin tıklamaları ile ses seviyesi arttıkça kulaklıklardan gelen tıklamaları ayırt etmeye çalışmak olduğunu açıklayın. Deneğe, TMS bobininden gelen klik sesini artık duyamayacaklarına inandıklarında başparmağını kaldırmak gibi bir işaret vermesini söyleyin.
    8. Varsayılan ayardan başlayarak ve beyaz gürültü tıklama oranını %60 olarak değiştirerek gürültü maskelemeyi açın.
    9. Titreşimli bir uyaranlar arası aralıkla nabız vermeye başlayın. Gürültü maskeleme ile PC'nin ses seviyesini, denek artık tıklamayı algılayamayacağına dair bir işaret verene kadar her seferinde %1-2 oranında artırın.
    10. Özne tıklamayı hala algılayabiliyorsa, beyaz parazit-tıklama oranını yukarı (tıklamanın yüksek perdeli bileşeni için) veya aşağı (düşük perdeli bileşen için) ayarlamayı deneyin. Gerekirse daha fazla talimat için Russo ve diğerleri, 202241'e danışın.
      NOT: İşitsel yanıt devam ediyorsa, kulaklığın yerleşimi kontrol edilmelidir - kulak ucunun konumu çok sığ olabilir.
    11. Gürültü maskeleme hacminin, deneyin tahmini süresi boyunca güvenlik sınırlarını aşmadığındanemin olun 41. Hacim tanımlandıktan sonra, deneğe hacmi deney süresince tolere edilebilir olarak deneyimleyip deneyimlemediğini sorun.
      NOT: ABD Ulusal Mesleki Güvenlik ve Sağlık Enstitüsü'ne (NIOSH)59 göre, 88 dB'lik bir gürültü seviyesi 4 saate kadar güvenli bir şekilde tolere edilebilir. Bu seviyenin üzerindeki her 3 dB'lik artış için izin verilen maruz kalma süresi yarıya inerken, her 3 dB'lik azalma için izin verilen maruz kalma süresi iki katına çıkar.
    12. Gerçek zamanlı TEP görselleştirmesini kontrol ederken 20 ila 30 darbe verin. Bobin altındaki elektrotlarda ve temporal elektrotlarda darbeden sonra 100 ila 200 ms gecikme süresi içinde gözle görülür bir genlik değişikliği varsa, bunun klikye işitsel yanıt olması muhtemeldir (işitsel uyarılmış potansiyel). Bu bileşen kaybolana kadar maskeleme gürültüsü sesini %2'lik adımlarla artırın.
  5. Dinlenme motor eşiğinin (RMT) belirlenmesi
    1. Deneğe avuç içi yukarı bakacak şekilde kaslarını rahat tutmasını söyleyin.
    2. EMG sinyal gürültüsünün (tepeden tepeye) istirahatte 20 μV'yi aşmadığını onaylayın, aksi takdirde motor uyarılmış potansiyelin (MEP) boyutunun belirlenmesine müdahale edebilir. Kalıcı bir gürültü varsa, varsa EMG kablolarının konumunu yeniden düzenlemeye çalışın veya gereksiz elektrikli cihazların fişini prizlerden çıkararak çevresel gürültüyü en aza indirin.
    3. TMS bobinini, elektrik alanı sulkusa dik olacak şekilde motor düğmesinin üzerine yerleştirin. ~% 30 MSO ile başlayın, lokalize kas aktivasyonu gözlenene kadar yoğunluğu ayarlayın.
    4. APB'ye özgü60, 61 kas tepkisi ortaya çıkaran bir hedef bulunana veya tercih edilen başka bir kas bulunana kadar yoğunluğu koruyun ve bobin konumunu ve yönünü motor düğmesi üzerinde ayarlayın. Motor eşiği belirleme için hedef konumu kaydedin.
    5. Kaydedilen konumu kullanarak, RMT'yi belirlemek için otomatik algoritmalar62 veya 10-20 yaklaşım60 kullanın - sabit yoğunlukta verilen 20 darbeden 10'u 50 μV'nin üzerinde genliğe sahip MEP üretmelidir. Koşullar yerine getirilene kadar MSO'nun %1-2'si arasındaki adımlarla stimülasyon yoğunluğunu artırın veya azaltın. Daha sonra kullanmak üzere yoğunluk değerini kaydedin.
  6. Kortikal haritalama
    1. Nöronavigasyon yazılımında MRI verileri kullanılarak üretilen anatomik parselasyonları ve fonksiyonel bağlantı haritalarını üst üste bindirin.
      NOT: Tipik olarak, aynı anda yalnızca bir kaplama kullanılabilir. Önce beyin alanının kapsamını anlamak için anatomik parselasyon haritasını kaplayın ve ardından daha küçük ilgili alt bölgeleri tanımlamak için işlevsel bağlantı haritasına geçin.
    2. Gerçek zamanlı traktografi kullanarak en güçlü bağlantıya sahip konumları araştırın. Optimal stimülasyon hedefi, hipotez belirli beyaz madde yollarına öncelik vermiyorsa, yaygın yapısal bağlantı63,64 veya incelenen kortikal ağın diğer bölgelerine giden önemli sayıda akış çizgisi göstermelidir.
    3. TMS-EEG ile test edilecek fonksiyonel ve/veya yapısal bağlantı açısından umut vaat eden en az 2-3 hedef tanımlayın.
    4. Bobini, indüklenen elektrik alanının arka-ön yönü ile en güçlü fonksiyonel bağlantı özelliklerini sergileyen alanın üzerine yerleştirin.
    5. Gürültü maskeleme açıkken seçilen konum üzerinde RMT'nin %100 ila %110'unda TMS darbeleri vermeye başlayın. Bir seferde ortalama 20 darbe alın ve elde edilen TEP'leri inceleyin. Görünür bir TEP yanıtı varsa, erken TEP (15-50 ms gecikme) genliği 6 μV'den büyük olana kadar stimülasyon yoğunluğunu %2'lik MSO artışlarıyla artırın veya azaltın, 6-10 μV optimal aralıktır25.
    6. Fark edilebilir bir TEP gözlenmezse, TEP genliği 6 μV'luk hedef eşiğe ulaşana kadar stimülasyon yoğunluğunu MSO'nun% 5'i kadar kademeli olarak artırın. Umut verici TEP yanıtları oluşturan stimülasyon konumlarını kaydedin ve daha fazla optimizasyon için bu sitelere geri dönün.
    7. Kas ve çürüme artefaktları için sinyali izleyin. Kas artefaktları 15 ms'den fazla devam ederse, önce bunları en aza indirmek için bobini döndürün. Başarısız olursa, MRI kaplamaları tarafından yönlendirilen yapısal ilgi alanı içinde kalırken stimülasyon bölgesini medial ve posterior olarak ayarlayın.
      NOT: Optimizasyon, 15 ms'nin üzerindeki artefaktları her zaman ortadan kaldırmayabilir, ancak iyileştirmeler mümkündür. Özellikle stimülasyonun ağrılı olabileceği frontal ve temporal bölgeleri uyarırken denek rahatlığını sağlayın. Ağrı algısı artefakt boyutu ile ilişkili olmayabilir; Bu gibi durumlarda, artan kas gerginliğini, duyusal artefaktları ve veri kalitesinden ödün verilmesini önlemek için optimal hedefleme yerine tolere edilebilirliğe öncelik verin.
    8. 6 μV'yi aşan erken bileşenlere sahip kas ve çürüme artefaktsız TEP üreten konum ve yönelim bulunduğunda, TEP'yi 50 ms'yi geçen görünür bileşenlerin varlığı açısından kontrol edin. TEP bileşenleri yoksa, stimülasyon yoğunluğunu %2'lik MSO artışlarla artırın. Yoğunluk artışı istenen sonucu vermezse, stimülasyon hedefini adım 3.6.3'te tanımlanan bir sonraki hedefe kaydırın.
    9. Birden fazla potansiyel stimülasyon hedefi belirlendiğinde, gerçek zamanlı traktografi kullanarak her birini dikkatlice değerlendirin. Bunu, nöronavigasyon sisteminden konum koordinatlarını kopyalayarak veya anatomik yer işaretlerini kullanarak hedefi tanımlayarak başarın. Uygulanabilir olduğunda, ilgili bölgelerle doğrudan bağlantılar gösteren (adım 2.1.1'de belirtildiği gibi) veya daha yüksek küresel yapısal bağlantı sergileyen hedeflere öncelik verin.
    10. TMS'ye en belirgin yanıtı üreten konum ve yön bulunduğunda, kaydı başlatmak için bunlarla ilgili bilgileri kaydedin.
  7. TMS–EEG veri kaydı
    1. Her veri kaydına başlamadan önce elektrot empedanslarını ölçün. Herhangi bir elektrotun empedansı 5 kΩ'dan yüksekse, empedansı düşürmek için az miktarda iletken jel ekleyin, çünkü kuruma nedeniyle deney boyunca artabilir. Bu ayar yetersizse, EEG hazırlama işlemini tekrarlayın, sadece gerekirse daha fazla jel ekleyin.
    2. Deneğin bobin tıkırtılarını duyamadığını onaylayın ve herhangi bir ağrı veya rahatsızlık hakkında bilgi alın. Rahat bir pozisyon bulmadan önce kişiyi esnemeye teşvik edin, ardından göz fiksasyonunu sürdürmeye ilişkin talimatları tekrarlayın.
      NOT: Uzun deneme süresi göz önüne alındığında, eşleme ve kayıt oturumları arasına kısa aralar ekleyin. Su verin ve deneğin sürecin rahatlığını ve toleransını değerlendirin. Molalar ayrıca uyuşukluğu önlemeye yardımcı olur. Gerekirse sandalye konumunu ayarlayın ve her kırılmadan sonra elektrot empedanslarını yeniden kontrol edin.
    3. Adım 3.6.10'da sonlandırılan stimülasyon konumunu, yönünü ve yoğunluğunu kullanarak gürültü maskeleme ile en az 300 deneme toplayın. Uyaranlar arası aralık değişebilir, ancak titremeye sahip olmalı ve 2 saniyeyi aşmalıdır.
      NOT: Bakliyat sayısı her çalışmanın amaç ve ihtiyaçlarına bağlıdır28.
    4. Sonuçta elde edilen veri analizi için elektrot konumlarını nöronavigasyon sistemi ile dikkatli bir şekilde sayısallaştırın.

Sonuçlar

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

Açıklanan protokol, sağlıklı bir gönüllünün sol dorsolateral prefrontal korteksinden (DLPFC) TMS-EEG verilerini toplamak için kullanıldı. Çalışma, Helsinki Üniversite Hastanesi Koordinatör Etik Kurulu tarafından onaylanmış ve Helsinki Bildirgesi'ne uygun olarak yürütülmüştür. Denek bilgilendirilmiş bir onam formu imzaladı. Veri toplama ayrıntıları için Malzeme Tablosuna bakın.

Sol DLPFC, majör depresif bozukluğun (MDB) tekrarlayan TMS tedavisi için klinik uygulamada kullanılan yaygın bir ilgi alanıdır65. Giderek artan sayıda literatür, MDB patofizyolojisinde subgenual anterior singulat korteksin (sgACC) DLPFC ile fonksiyonel bağlantısının önemini vurgulamaktadır 3,66,67. Özellikle, sol sgACC ile güçlü anti-korelasyon gösteren sol DLPFC alanlarında verilen TMS tedavisinin daha yüksek etkinliğe sahip olabileceğine dair göstergeler vardır 38,68,69,70. Bu bulguları takiben, sgACC BOLD aktivitesi ile fonksiyonel olarak antikorelasyonlu hedeflerden kaydedilen TMS-EEG verilerinin, daha fazla biyobelirteç gelişimi için en bilgilendirici olacağı varsayılmaktadır.

DLPFC için yapısal MRG maskesi, Brodmann alanları 9 ve 46'yı kapsayan, HCPMMP36'dan 9a, 9p, 9-46d, 46, a9-46v ve p9-46v bölgelerinin bir kombinasyonu olarak tanımlandı. sgACC maskesi, Brodmann alan 25'e eşdeğer olan bölge 25 idi. Açıklanan protokolü takiben, fMRI verileri kullanılarak tohum-voksel korelasyon haritaları türetildi ve yalnızca DLPFC ROI'ye ait vokseller seçildi. Haritalar daha sonra yalnızca negatif korelasyona sahip vokselleri gösterecek şekilde eşiklendi; Görselleştirmeyi basitleştirmek için korelasyonun mutlak değeri alınmıştır. Elde edilen kümeler, TMS-EEG deneyi sırasında nöronavigasyondaki yapısal MRG üzerine yerleştirildi (Şekil 2A).

İlk TMS-EEG haritalama hedefleri, sgACC ile en güçlü fonksiyonel antikorelasyonu sergileyen bölgelerden seçildi. Bu hedefler daha sonra, TEP kalitesine ve sgACC ile en yüksek antikorelasyona sahip kortikal yamalara yakınlıklarına dayalı olarak en umut verici stimülasyon bölgelerini belirlemek için TMS-EEG haritalama prosedürü aracılığıyla yinelemeli olarak rafine edildi. Nihai potansiyel stimülasyon bölgeleri seti daha sonra gerçek zamanlı traktografi kullanılarak analiz edildi. sgACC'den DLPFC'ye bilinen doğrudan bir yol olmadığından, dolaylı beyaz madde yollarının dikkate alınması gerekiyordu. Belirli doğrudan veya dolaylı yolların a priori olarak bilindiği durumlarda, bunlara öncelik verilmelidir. sgACC için, traktografi güdümlü hedef seçimi sırasında MDD3'ten etkilenen büyük ölçekli beyin ağı dikkate alındı. TMS hedefinin yapısal bağlantısı da değerlendirildi ve ventromedial prefrontal korteks, Broca alanı veya parietal lob gibi diğer beyin bölgelerine geniş bağlantı gösteren alanlara daha yüksek öncelik verildi.

Haritalama protokolünü takiben, stimülasyonun hedefi, yönelimi ve yoğunluğu, elde edilen TEP'lerin 6 μV'den büyük olmasına ve artefaktlardan minimum düzeyde etkilenmesine dayalı olarak seçildi. Her optimizasyon yinelemesi, minimum ön işleme ile 20 darbenin kaydedilmesini içeriyordu. Nihai optimize edilmiş hedef daha sonra veri analizi için 300 darbe toplamak için kullanıldı.

Gerçek zamanlı rt-TEP kullanımını simüle etmek için tasarlanan minimum ön işleme işlem hattı aşağıdaki adımları içeriyordu:
1. Verilerin dönemlere bölünmesi
2. Temel düzeltme
3. TMS darbesi etrafında -2 ila 10 ms arasındaki verileri sıfırlarla değiştirerek TMS artefaktının kaldırılması
4. Kötü kanalların kaldırılması
5. Ortalama referansa yeniden atıfta bulunma
6. Hat ve yüksek frekanslı gürültüyü ele almak için gerektiğinde 80 Hz'de bir alçak geçiren filtre ve 48-52 Hz'de bir çentik filtresi uygulandı.

Tam ön işleme boru hattı, Mutanen ve diğerleri, 202471'de belirtilen prosedürleri izledi. TMS-EEG ön işleme hakkında daha fazla ayrıntı için Hernandez-Pavon ve diğerleri, 202272, Rogasch ve diğerleri, 201773, Mutanen ve diğerleri, 201874 ve Mutanen ve diğerleri, 201675'e bakın. Özetle, süreç şunları içeriyordu:
1. Verilerin dönemlere bölünmesi
2. Temel düzeltme
3. Kaldırılan aralıktan önce ve sonra 5 ms veri kullanılarak kübik enterpolasyon ile TMS darbesi etrafında -2 ile 10 ms arasında TMS artefaktının kaldırılması
4. Kötü kanalların kaldırılması (toplam 4: Fpz, F1, FT10, TP9, PO4)
5. Kötü denemelerin kaldırılması
6. Sağlam trendden çıkarma ile sürüklenmelerin giderilmesi
7. Oküler artefaktların çıkarılması için ICA
8. Temel düzeltme
9. Ekstrakraniyal gürültüyü bastırmak için SOUND74 algoritmasının uygulanması, ardından ortalama referansa yeniden atıfta bulunulması
10. TMS ile uyarılmış kas artefaktlarını çıkarmak için SSP-SIR75 algoritması
11. 80 Hz'de alçak geçiren filtreleme ve 48–52 Hz'de çentik filtresi
12. Olası kenar efektlerini ortadan kaldırmak için zaman penceresinin uçlarını kırpma
13. Artık yüksek gürültülü denemelerin hariç tutulmasını sağlamak için kötü denemelerin ek olarak kaldırılması (toplam 300 retten 22'si)

Deneysel prosedür, dinlenme motor eşiğinin tanımlanması ile başladı. Deneğin RMT'si A MSO idi.

Deneysel prosedür sırasında, elde edilen TEP'lerin kalitesini değerlendirmek için öncelikle ilgilenilen bölge (AF3, F1, F3, F5, FC3) (Şekil 2B) üzerindeki elektrotlar incelendi. Diğer elektrotlar düşük empedans için sürekli olarak izlendi ve adım 3.1.10'da belirtilen prosedür izlenerek empedans gerektiği gibi düşürüldü. İndüklenen elektrik alanı tarafından korteksin doğrudan aktivasyonunu yansıtan 10 ila 60 ms'lik zaman penceresi içindeki erken TMS yanıtları, üretilen TEP'lerin kalitesini değerlendirmek için kullanıldı.

Haritalama prosedürü (bkz. Şekil 3), fMRI kümelerinden biri (Şekil 3A) ve hedef alanın yapısal bağlantısının araştırılması (Şekil 3B) ile başladı, bu da öncelikle kontralateral hemisfer ve ön kutuptaki homolog alana akış çizgileri gösterdi.

Stimülasyon için, bobin orta hatta 45 derece yönlendirildi. Stimülasyon yoğunluğu I MSO olarak ayarlandı, bu da sıcak noktada tahmini 96 V/m tahmini E-alan maksimumuna ve 0 RMT'ye karşılık geldi. Şekil 3C'de, F3, F1 ve FC3 elektrotlarında potansiyel bir TEP benzeri yanıt gözlenmektedir. AF3 elektrodu, büyük genlikli bir çınlama artefaktı sergilerken, F5, TMS darbesi76,77'den hemen sonra yüksek frekanslı yüksek genlikli tepe tarafından tanınabilen küçük bir kas artefaktından etkilenir. Kayıt sırasında çınlama artefaktını en aza indirmek için, hareketi azaltmak için elektrotları aşağı bastıran bir ağ kapağı veya bobinin altında ince bir köpük tabakası kullanılabilir (bkz. Hernandez-Pavon ve diğerleri, 202328). Bu tür artefaktlar genellikle filtreleme yoluyla çıkarılabilse de, yalnızca AF3 kontamine olduğundan, gereksiz filtrelemeyi önlemek için ortalama referanstan çıkarıldı ve bu da Şekil 3D'de gösterilen verilerle sonuçlandı.

F3 elektroduna odaklanıldığında (Şekil 3F), sinyal, F5'te gözlenen kas artefaktından büyük ölçüde etkilenmemiş gibi görünür. Karakteristik büyük genlikli dalga formu yaklaşık 15 ms iyileşir ve 22 ms ile 32 ms arasında 5 mikrovoltluk bir sapma muhtemelen TMS'ye gerçek bir kortikal yanıttır. Sinyalin filtrelenmesi (Şekil 3E, G), genliğin diğer kanallardaki gürültüden etkilenmediğini doğrular.

F5 kanalındaki kas artefaktının bobin dönüşü yoluyla azaltılıp azaltılamayacağını araştırmak için, diğer tüm stimülasyon parametreleri sabit tutuldu (Şekil 4) ve bobin önce arka-ön oryantasyona döndürüldü (Şekil 4A), burada E-alan maksimumunun 80 V/m olduğu tahmin edildi ve ardından lateral-medial bir yöne (Şekil 4E), maksimum 101 V/m E-alan ile. Posterior-anterior koil oryantasyonu ile kas aktivasyonunda keskin bir artış gözlendi (Şekil 4B, C), bu denek tarafından rahatsız edici olarak bildirildi. Lateral-medial oryantasyon, Şekil 3'te gösterilene benzer, ancak daha büyük bir genliğe sahip bir sinyal üretti, bu da F3 elektrotunda erken 12 μV'luk bir TEP yanıtı ile sonuçlandı (Şekil 4F, G), bu da stimülasyon yoğunluğunda bir azalmaya izin verir. Erken TEP yanıtının boyutu ile birlikte aşırı kas, çürüme veya çınlama artefaktlarının olmaması, bu stimülasyon parametreleri kombinasyonunu veri toplama için umut verici bir aday haline getirir.

Şekil 5, düşük uyarılabilirlik hedefinde stimülasyon yoğunluğunun TEP yanıtları üzerindeki etkisini göstermektedir. Daha sonra ikinci fMRI kümesi (Şekil 5A) ve yapısal bağlantısı (Şekil 5B) araştırıldı. İlk hedefe benzer şekilde, yapısal bağlantılar frontal loblarla sınırlı görünmektedir. İki fMRI kümesi arasındaki mesafenin 28 mm olmasına rağmen, önceki hedefler için kullanılan stimülasyon yoğunluğunun, I MSO'nun (77 V/m, 0 RMT), fark edilebilir bir TMS yanıtı üretmemesi dikkat çekicidir ve bu da TEP tabanlı stimülasyon yoğunluğu seçiminin önemini vurgulamaktadır. Şekil 5B,C'de, U MSO'da (89 V/m, 4 RMT) TMS yanıtı gösterilmektedir. 10 ms sonra gözlenen büyük sapmanın gerçek bir TMS yanıtı olmadığını, daha ziyade kas artefaktı iyileşmesinin bir devamı olduğunu belirtmek önemlidir. Bu nedenle, yalnızca darbeden 25 ms'den sonra meydana gelen sinyaller dikkate alınmalıdır, bu da 26 ms ile 60 ms arasında 4 μV'lik bir genlik ile sonuçlanır. Yoğunluk, daha erken belirgin yanıtlar elde etmek amacıyla ` MSO'ya (97 V/m, 6 RMT) daha da yükseltildi (Şekil 5F, G). % 55 MSO yoğunluğu ile karşılaştırıldığında, kas artefaktının genliğinde beklenen bir artış gözlendi, ancak TEP genliğinde çok az artış vardı veya hiç yoktu. Gözlemlenen dalga formuna ve daha yüksek bir stimülasyon yoğunluğuna duyulan ihtiyaca bağlı olarak, bu hedefin önceki hedeflere kıyasla daha düşük kortikal uyarılabilirlik sergilediği ve bu da onu veri toplama için daha az bilgilendirici hale getirdiği düşünülecektir. Bununla birlikte, tedavi protokolleri için benzer özelliklere sahip bir hedef tercih edilebilir.

Toplamda, 16 farklı stimülasyon parametresi kombinasyonu, 20 denemelik bir haritalama prosedürü kullanılarak araştırıldı. Yaklaşık 30 dakika süren EEG ve EMG hazırlığı hariç toplam işlem süresi 2 sa 35 dakika idi. Son stimülasyon hedefi Şekil 6A'da görülebilir. İlk hedefe çok yakın olmasına rağmen (Şekil 3A), bu hedef çok daha yaygın yapısal bağlantı sergiler (Şekil 6B), potansiyel olarak sıcak noktadan diğer kortikal bölgelere sinyal yayılımı hakkında daha fazla bilgi sağlar. Stimülasyon yoğunluğu I MSO'da (102 V/m, 0 RMT) tutuldu.

Son stimülasyon hedefinden toplanan ilk 20 darbenin minimum ön işlemesi Şekil 6C,D'de gösterilmiştir. Büyük genlikli çınlama, daha sonra reddedilen F1 elektrodunu kirletti. Bununla birlikte, bu reddetmeden sonra bile diğer elektrotlarda artık gürültü mevcut kaldı. Çınlama artefaktının varlığına rağmen, ilgilenilen bölgede kas artefaktının olmaması, 16 ms'den sonraki gecikmelerin gerçek bir nöral sinyal olarak kabul edilmesine izin verdi. Filtrelemeden sonra, 17 ms ile 35 ms arasındaki erken bileşenin genliği 9 μV idi.

Şekil 6E,F, 300 darbeli veri kümesine uygulanan tam ön işleme boru hattının sonucunu göstermektedir. Elde edilen TEP, 20 darbeden türetilen dalga biçimine çok benzemektedir (Şekil 6D), bu da TEP'lerin gerçek zamanlı izlenmesinin önemini göstermektedir. 20 ms ile 40 ms arasındaki erken yanıt 6 μV'dir ve ön işleme nedeniyle genlikte beklenen azalmayı gösterir.

figure-results-1
Şekil 2: Nöronavigasyon ve elektrot kurulumu. (A) Deneğin 3D MRI tabanlı kafa modeli, fMRI'dan türetilmiş bağlantı ile kaplanmıştır. (B) EEG elektrot yerleştirme şeması, stimülasyon bobininin altındaki ilgili elektrotlar turuncu ile işaretlenmiştir. Elektrotların konumlarının 3D kafa modelinde sayısallaştırıldığına dikkat edin (adım 3.7.4). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-2
Şekil 3: Minimal TMS-EEG veri işleme örneği. (A) Nöronavigasyon ekranı, stimülasyon bölgesini ve bobin yönünü gösterir. Kırmızı ok, bifazik darbenin daha güçlü yönünü, mavi ok ise daha zayıf yönü gösterir. Stimülasyon yoğunluğu, maksimum stimülatör çıkışının (MSO) ve dinlenme motor eşiğinin (RMT) yüzdesi olarak ifade edilir. (B) Stimülasyon yerinde gerçek zamanlı traktografi. (C) Stimülasyon bobininin altındaki elektrotlardan gelen ham TMS-EEG verileri. (D) Gürültülü kanal reddinden sonra TMS-EEG verileri, reddedilen kanallar sıfırlarla değiştirilmiştir. (E) Filtrelemeden sonra TMS-EEG verileri. (F) Kötü kanal reddinden sonra F3 elektrodunun yakınlaştırılmış görünümü. (G) Filtrelemeden sonra F3 elektrodunun yakınlaştırılmış görünümü. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-3
Şekil 4: Stimülasyon oryantasyonunun kas artefaktı üzerindeki etkisi. (A) Posterior-anterior bobin oryantasyonu ve karşılık gelen yoğunluk ile stimülasyon hedefi. (B) Kas artefaktı kontaminasyonunu gösteren posterior-anterior oryantasyon için ham veriler. (C) Büyük kas artefaktı ile F3 elektrotundan elde edilen veriler. (D) Stimülasyon konumuna karşılık gelen gerçek zamanlı traktografi. (E) Lateral-medial yönelim ve karşılık gelen yoğunluk ile stimülasyon hedefi. (F) Temiz TEP'leri gösteren lateral-medial oryantasyon için ham veriler. (G) F3 elektrodundan gelen TEP, büyük, artefaktsız bir erken yanıt sergiler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-4
Şekil 5: Düşük uyarılabilirlik hedefinde stimülasyon yoğunluğunun TEP yanıtları üzerindeki etkisi. (A) Stimülasyon hedef konumu ve yoğunluğu. (B) Ham veriler U MSO'da kaydedildi. C) F3 elektrot verileri, ayırt edilebilir erken TEP bileşenlerinden yoksundur. (D) Stimülasyon konumuna karşılık gelen gerçek zamanlı traktografi. (E) Hedef sabit tutulurken stimülasyon yoğunluğu arttı. (F) Ham veriler ` MSO'da kaydedildi. (G) Daha yüksek stimülasyon yoğunluğuna bağlı kas artefaktlarını gösteren F3 elektrot verileri. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

figure-results-5
Şekil 6: Minimal ve tam ön işleme boru hatlarının TMS-EEG verileri üzerindeki etkisi . (A) Nihai stimülasyon hedefi ve yoğunluğu. (B) Stimülasyon yeri için gerçek zamanlı traktografi. (C) Ham verilerin ortalaması 20'den fazla denemedir. (D) F3 elektrotunda 20 deneme ortalaması TEP. (E) Tamamen önceden işlenmiş TEP'lerin ortalaması 300'den fazla denemedir. (F) F3 elektrodunda tamamen önceden işlenmiş 300 deneme ortalama TEP. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Tartışma

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

Bu metodolojik boru hattı, çoklu beyin görüntüleme teknikleri kullanarak kişiselleştirilmiş beyin haritalama ve hedefleme için yeni bir yaklaşım sunar. Bireyselleştirilmiş kortikal haritalar, anatomik parselasyonun fonksiyonel ve yapısal bağlantı ile birleştirilmesiyle oluşturulur, bu da optimal stimülasyon hedefi için ilk arama bölgesini tanımlamaya yardımcı olur. Daha sonra, TMS-EEG haritalaması, TMS'ye erken nöronal yanıtların reaktivitesini arttırmayı ve kas, çürüme ve diğer artefaktları azaltmayı amaçlayarak, hedefin konumunu, yönelimini ve stimülasyon yoğunluğunu iyileştirmek için kullanılır. İlgilenilen bölgedeki kortikal alanlar sistematik olarak araştırılmakta, stimülasyon konumu, elektrik alanı oryantasyonu ve yoğunluğu ayarlanmakta, veri kalitesi ise ortalama TEP'lerin gerçek zamanlı görselleştirilmesi yoluyla sürekli olarak izlenmektedir. Nihai stimülasyon hedefi, açıkça tanımlanabilir erken TEP bileşenlerine sahip artefakt içermeyen yanıtlara dayalı olarak seçilir. Bu boru hattı özellikle TMS-EEG tabanlı biyobelirteçleri keşfetmeye odaklanan çalışmalar için yararlıdır.

Boru hattı birkaç temel ve zorlu adımdan oluşur. İlk adım, TMS-EEG haritalaması için kortikal alan sınırlarının tanımlanmasını içerir. Bu olmadan, hedef, işlevsel olarak ilgili olandan farklı bir sitomimariye sahip bir alandan seçilebilir. Bunu ele almak için, beyin bölgelerini yapısal ve işlevsel bağlantının bir kombinasyonuna dayalı olarak bölen İnsan Connectome Projesi multimodal parselasyon36 kullanılır. Türetilmiş maske, TMS-EEG ile haritalanacak alanın dış sınırlarını tanımlar. Kortikal ilgi alanını daha da rafine etmek için (örneğin, oldukça geniş bir beyin bölgesi olan DLPFC), sgACC (alan 25)38,68,78 ile fonksiyonel bağlantı gösteren vokseller seçilir ve yakın zamanda MDB tedavisi69,79 için klinik uygulamalara dahil edilir. Oradan, TMS-EEG haritalaması, sgACC ile en güçlü fonksiyonel bağlantıya sahip kortikal bölgeleri hedefleyerek başlar ve seçilen alanın kas veya çürüme artefaktlarından kontaminasyon olmadan yüksek kortikal reaktivite sergilemesini sağlar. 20 darbeden sonra kaydedilen ham TEP'ler kalite standartlarını karşılıyorsa, veri toplama için hedef seçilir. Bununla birlikte, prefrontal kortekste sık görülen bir sorun olan önemli artefaktlar gözlenirse, uygun bir alternatif belirlemek için bitişik bölgeler sistematik olarak araştırılır.

Gerçek zamanlı traktografi, MDD 3,78'de yer alan ve tek bir beyaz cevher yolu ile sınırlı olmayan mekansal olarak dağıtılmış ağlar gibi büyük ölçekli yapısal bağlantıya sahip TMS hedeflerinin seçilmesine yardımcı olabilir. Bununla birlikte, konuşma ağındaki frontal aslant yolu gibi bilinen yolları içeren durumlarda özellikle değerlidirve burada hassas hedefleme sağlar 80. Çevrimdışı traktografi, ROI seçimi için yararlı olan bağlantı bilgileri sağlayabilse de, TMS-EEG haritalaması için daha az etkilidir. Çevrimdışı yöntemlerle tanımlanan önceden tanımlanmış kortikal hedefler, ilgili veya yeterince güçlü EEG yanıtlarını ortaya çıkaramayabilir, istenen ağı etkili bir şekilde meşgul edemeyebilir veya rahatsızlık ve kas artefaktlarına neden olabilir, veri kalitesinden ödün verebilir ve deney sırasında parametre ayarlamaları gerektirebilir. Dinamik olarak bağlantı içgörüleri sunarak, gerçek zamanlı traktografi bu zorlukları ele alır ve yüksek kaliteli, güvenilir ölçümler ve sağlam ağ etkileşimi sağlamak için bobin yerleşiminin anında optimizasyonuna olanak tanır.

Bu protokolde, TMS'nin yoğunluğu, kortiko-kortikal uyarılabilirliği yansıtan EEG sinyallerine dayalı olarak ayarlanırken, RMT esas olarak yoğunluk kalibrasyonu için bir başlangıç noktası olarak kullanılır. RMT, nihai yoğunluğun belirlenmesinde ikincil bir rol oynar. Bu yaklaşım, hedef alan içinde önemli bir nöron popülasyonunun aktivasyonunu sağlayarak güçlü ve güvenilir bir sinyal üretir. Bobin ayarlamaları ve hedefin işlevsel ve yapısal doğrulaması yoluyla artefaktlar en aza indirildikten sonra, stimülasyon yoğunluğu daha da ayarlanır. Bu protokol, biyobelirteç tanımlaması için TMS-EEG yanıtlarından elde edilen verileri en üst düzeye çıkarmayı amaçladığından, TEP amplitüdlerinin yeterli olduğundan emin olmak çok önemlidir. Yoğunluğu tanımlamak için RMT kullanılırken, erken yanıtlar tipik olarak ön işlemeden sonra 4 μV81'i aşmaz, bu da artefaktlarla birleştiğinde nöral sinyalin kalitesini düşürür. Bunun üstesinden gelmek için, Casarotto ve ark.25 tarafından geliştirilen ve Tervo ve ark.82 tarafından rafine edilen, 20-30 TMS darbesinden sonra EEG sinyalinin gerçek zamanlı olarak ortalamasını almayı içeren bir yaklaşım kullanılır. Amaç, 10-50 ms'lik bir pencerede 6-10 μV'lik net, yapay olmayan bir yanıt elde etmektir. Şekil 3 ve 5'te gösterildiği gibi, yakın yerleşimli hedefler farklı stimülasyon yoğunlukları gerektirebilir ve bu da yetersiz veya aşırı nöronal aktivasyona yol açabilir.

Tipik olarak motor sıcak noktasından veya 10-20 EEG sistemi elektrot konumlarından mesafeler kullanılarak tanımlanan standart navigasyonsuz hedefler, rTMS tedavilerinde yaygın olarak kullanılmaktadır 83,84,85,86. Ayrıca, daha sonraki yanıtlar (örneğin, N100) ve uzun aralıklı intrakortikal inhibisyon (LICI) gibi biyobelirteçlerle DLPFC'yi hedefleyen TMS-EEG çalışmalarında da etkili olmuşlardırve potansiyel 18,19,23,87,88. Bu kişiselleştirilmemiş hedefler daha basit, uygun maliyetlidir ve hedef tanımlama için MRI, nöronavigasyon veya özel personel gerektirmez ve bazılarının DLPFC85,86'yı güvenilir bir şekilde bulduğu gösterilmiştir. Bununla birlikte, kişiselleştirme eksikliği, tedavilerde daha düşük remisyon oranlarına katkıda bulunabilir 89,90. Ayrıca, bölgedeki kraniyal kaslar, yoğunluk ayarlamasını önleyen artefaktlar nedeniyle erken tepkileri gizleyebilir. Bu nedenle TMS'de kişiselleştirilmiş yoğunluk ayarlamaları tedavi etkinliğini artırabilir.

Bu protokol, standart kişiselleştirilmemiş yaklaşımlara kıyasla kortikal reaktivite ve bağlantı hakkında daha iyi bilgi sağlayan beyin stimülasyonuna daha kişiselleştirilmiş bir yaklaşım geliştirir. Bununla birlikte, bireysel MRI taramaları, özel TMS ve EEG ekipmanı ve nörogörüntüleme ve nörofizyoloji konusunda uzmanlığa sahip personel dahil olmak üzere önemli kaynaklar gerektirir. Ayrıca, önerilen yaklaşım büyük ölçüde TEP kalitesinin ve optimal stimülasyon parametrelerinin öznel yargısına bağlıdır. Bu sınırlamalara rağmen, TMS-EEG verilerinin kalitesi biyobelirteç gelişimi için kritik öneme sahiptir ve bu yaklaşımın kullanımını haklı çıkarmaktadır. Güvenilir biyobelirteçler tanımlandıktan sonra, prosedür, ilgili zaman pencerelerini optimize etmeye ve artefaktları en aza indirmeye odaklanmak için basitleştirilebilir. Gelecekte, TMS teknolojisi ilerledikçe (örneğin, çok lokuslu91 ve çok kanallı92 TMS), kişiselleştirilmiş stimülasyon için kaynak gereksinimlerinin azalması ve potansiyel olarak onu klinik kullanım için yeni standart haline getirmesi beklenmektedir.

Açıklamalar

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

PL, TMS-EEGM uygulamaları ve konuşma kortikal haritalama için Nexstim Plc'ye danışmanlık yapmaktadır. RI, TMS teknolojisi üzerinde patentlere sahiptir ve TMS konusunda Nexstim Plc'ye danışmıştır.

Teşekkürler

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

xProf. Dr. Öğr. Milano Üniversitesi'nden Silvia Casarotto, Marcello Massimini ve Mario Rosanova, TMS-EEG haritalama metodolojisine öncülük ettikleri ve teşvik ettikleri için. Ayrıca, deney protokolümüzün geliştirilmesine yol açan düzinelerce araştırma katılımcısının katkısını da kabul etmek isteriz. "PlaStim: Anhedoni Tedavisinde Plastisite Stimülasyonu" üzerindeki çalışmalar, Çok Kanallı Psikoloji Programının bir parçası olarak Wellcome Leap tarafından desteklenmektedir. Bu proje aynı zamanda Avrupa Birliği'nin Horizon 2020 Araştırma ve Yenilik Programı (81037 sayılı hibe sözleşmesi) kapsamında Avrupa Araştırma Konseyi'nden (ERC) fon almıştır.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Aşındırıcı jelH+H Tıbbi CihazlarOneStep AbrasivPlus
İletken jelECIElektrojel
TASARIMCISürüm 2.0.0https://nyu-diffusionmri.github.io/DESIGNER-v2
EEG amplifikatörleriBeyin Ürünleri GmbHBrainAmp DC amplifikatörleri5000 Hz örnekleme frekansı
EEG kapaklarıEASYCAP GmbHTMS için 64 kanallı BrainCapSinterlenmiş Ag/AgCl-Elektrotlar
EMG amplifikatörüNexstim PlcNexstim EMG
Sekiz rakamlı bobinNexstim PlcSoğutmalı Bobin70 mm çapında hava soğutmalı serpantin
fMRI hazırlığıSürüm 22.1.0https://fmriprep.org
Ücretsiz SörfçüSürüm 7.3.2https://surfer.nmr.mgh.harvard.edu
MATLABMatematik İşleriSürüm R2021bhttps://www.mathworks.com
MRI tarayıcısıSiemens Sağlık3T Siemens MAGNETOME SkyraT1 ağırlıklı yapısal görüntüler: MPRAGE, 1 mm iztropik vokseller, TR = 2530 ms ve TE = 3.42 ms;
fMRI: EPI, 3 mm izotropik vokseller, TR= 1250 ms, TE = 3 ms, çok bantlı ivme faktörü 3, çevirme açısı 65;
dMRI: Toplam 100 farklı gradyan yönü (b = 1500 ve 3000 s/mm2), 12 difüzyon ağırlıklı olmayan (b = 0  s/mm2) anterior&ndash ile hacim; posterior faz kodlama yönü, 1 non-difüzyon ağırlıklı hacim ile ters faz-kodlama yönü (posterior– anterior), 2 mm izotropik vokseller, TR = 4100 ms, TE = 105 ms.
MRtrix3Sürüm 3.0.4https://www.mrtrix.org
NilearnSürüm 0.10.3https://nilearn.github.io
Gürültü önleyici kulaklıklar Etimoz Araştırma A.Ş.ER3C Kulaklık Takma
PitonSürüm 3.9.19https://www.python.org
realTimeTractogramVisualizerSürüm 0.1https://github.com/baranaydogan/realTimeTractogramVisualizer
rt-TEPhttps://github.com/iTCf/rt-TEP
Yüzey EMG elekrozlarıAmbu A / SAmbu Nörolin 720
Yüzey EMG toprak elektroduAmbu A / SAmbu Neuroline Zemin
TAACwww.github.com/iTCf/TAAC
TMS sistemiNexstim PlcNexstim NBT 2.2.4Bifazik nabız, titrek interstimulus aralığı 2– 2,4 saniye

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. The connectomics of brain disorders. Nat Rev Neurosci. 16 (3), 159-172 (2015).">Fornito, A., Zalesky, A., Breakspear, M. The connectomics of brain disorders. Nat Rev Neurosci. 16 (3), 159-172 (2015).
  2. Hub overload and failure as a final common pathway in neurological brain network disorders. Netw Neurosci. 8 (1), 1-23 (2024).">Stam, C. J. Hub overload and failure as a final common pathway in neurological brain network disorders. Netw Neurosci. 8 (1), 1-23 (2024).
  3. Brain stimulation and brain lesions converge on common causal circuits in neuropsychiatric disease. Nat Hum Behav. 5 (12), 1707-1716 (2021).">Siddiqi, S. H., et al. Brain stimulation and brain lesions converge on common causal circuits in neuropsychiatric disease. Nat Hum Behav. 5 (12), 1707-1716 (2021).
  4. Reconfiguration of structural and functional connectivity coupling in patient subgroups with adolescent depression. JAMA Netw Open. 7 (3), e241933(2024).">Xu, M., et al. Reconfiguration of structural and functional connectivity coupling in patient subgroups with adolescent depression. JAMA Netw Open. 7 (3), e241933(2024).
  5. White matter in learning, cognition and psychiatric disorders. Trends Neurosci. 31 (7), 361-370 (2008).">Fields, R. D. White matter in learning, cognition and psychiatric disorders. Trends Neurosci. 31 (7), 361-370 (2008).
  6. A cross-disorder connectome landscape of brain dysconnectivity. Nat Rev Neurosci. 20 (7), 435-446 (2019).">van den Heuvel, M. P., Sporns, O. A cross-disorder connectome landscape of brain dysconnectivity. Nat Rev Neurosci. 20 (7), 435-446 (2019).
  7. Networklevel macroscale structural connectivity predicts propagation of transcranial magnetic stimulation. NeuroImage. 229, 117698(2021).">Momi, D., et al. Networklevel macroscale structural connectivity predicts propagation of transcranial magnetic stimulation. NeuroImage. 229, 117698(2021).
  8. Individualized perturbation of the human connectome reveals reproducible biomarkers of network dynamics relevant to cognition. Proc Natl Acad Sci U S A. 117 (14), 8115-8125 (2020).">Ozdemir, R. A., et al. Individualized perturbation of the human connectome reveals reproducible biomarkers of network dynamics relevant to cognition. Proc Natl Acad Sci U S A. 117 (14), 8115-8125 (2020).
  9. Breakdown of cortical effective connectivity during sleep. Science. 309 (5744), 2228-2232 (2005).">Massimini, M., Ferrarelli, F., Huber, R., Esser, S. K., Singh, H., Tononi, G. Breakdown of cortical effective connectivity during sleep. Science. 309 (5744), 2228-2232 (2005).
  10. The contribution of TMS–EEG coregistration in the exploration of the human cortical connectome. Neurosci Biobehav Rev. 49, 114-124 (2015).">Bortoletto, M., Veniero, D., Thut, G., Miniussi, C. The contribution of TMS–EEG coregistration in the exploration of the human cortical connectome. Neurosci Biobehav Rev. 49, 114-124 (2015).
  11. Assessing cortical network properties using TMS-EEG. Hum Brain Mapp. 34 (7), 1652-1669 (2013).">Rogasch, N. C., Fitzgerald, P. B. Assessing cortical network properties using TMS-EEG. Hum Brain Mapp. 34 (7), 1652-1669 (2013).
  12. Network perturbationbased biomarkers of depression and treatment response. Cell Rep Med. 4 (6), 101086(2023).">MüllerDahlhaus, F., Bergmann, T. O. Network perturbationbased biomarkers of depression and treatment response. Cell Rep Med. 4 (6), 101086(2023).
  13. Concurrent TMSfMRI for causal network perturbation and proof of target engagement. NeuroImage. 237, 118093(2021).">Bergmann, T. O., Varatheeswaran, R., Hanlon, C. A., Madsen, K. H., Thielscher, A., Siebner, H. R. Concurrent TMSfMRI for causal network perturbation and proof of target engagement. NeuroImage. 237, 118093(2021).
  14. General indices to characterize the electrical response of the cerebral cortex to TMS. NeuroImage. 49 (2), 1459-1468 (2010).">Casali, A. G., Casarotto, S., Rosanova, M., Mariotti, M., Massimini, M. General indices to characterize the electrical response of the cerebral cortex to TMS. NeuroImage. 49 (2), 1459-1468 (2010).
  15. TMS provokes targetdependent intracranial rhythms across human cortical and subcortical sites. Brain Stimul. 17 (3), 698-712 (2024).">Solomon, E. A., et al. TMS provokes targetdependent intracranial rhythms across human cortical and subcortical sites. Brain Stimul. 17 (3), 698-712 (2024).
  16. A fast and general method to empirically estimate the complexity of brain responses to transcranial and intracranial stimulations. Brain Stimul. 12 (5), 1280-1289 (2019).">Comolatti, R., et al. A fast and general method to empirically estimate the complexity of brain responses to transcranial and intracranial stimulations. Brain Stimul. 12 (5), 1280-1289 (2019).
  17. Stratification of unresponsive patients by an independently validated index of brain complexity. Ann Neurol. 80 (5), 718-729 (2016).">Casarotto, S., et al. Stratification of unresponsive patients by an independently validated index of brain complexity. Ann Neurol. 80 (5), 718-729 (2016).
  18. Prefrontal cortical reactivity and connectivity markers distinguish youth depression from healthy youth. Cereb Cortex. 30 (7), 3884-3894 (2020).">Dhami, P., et al. Prefrontal cortical reactivity and connectivity markers distinguish youth depression from healthy youth. Cereb Cortex. 30 (7), 3884-3894 (2020).
  19. Neurophysiological markers of response to theta burst stimulation in youth depression. Depress Anxiety. 38 (2), 172-184 (2021).">Dhami, P., et al. Neurophysiological markers of response to theta burst stimulation in youth depression. Depress Anxiety. 38 (2), 172-184 (2021).
  20. Right prefrontal activation predicts ADHD and its severity: A TMS–EEG study in young adults. Prog Neuropsychopharmacol Biol Psychiatry. 111, 110340(2021).">Hadas, I., Hadar, A., Lazarovits, A., Daskalakis, Z. J., Zangen, A. Right prefrontal activation predicts ADHD and its severity: A TMS–EEG study in young adults. Prog Neuropsychopharmacol Biol Psychiatry. 111, 110340(2021).
  21. Investigating neurophysiological markers of impaired cognition in schizophrenia. Schizophr Res. 233, 34-43 (2021).">Hoy, K. E., Coyle, H., Gainsford, K., Hill, A. T., Bailey, N. W., Fitzgerald, P. B. Investigating neurophysiological markers of impaired cognition in schizophrenia. Schizophr Res. 233, 34-43 (2021).
  22. Identifying novel biomarkers with TMS–EEG – methodological possibilities and challenges. J Neurosci Methods. 377, 109631(2022).">Kallioniemi, E., Daskalakis, Z. J. Identifying novel biomarkers with TMS–EEG – methodological possibilities and challenges. J Neurosci Methods. 377, 109631(2022).
  23. Indicators for remission of suicidal ideation following magnetic seizure therapy in patients with treatmentresistant depression. JAMA Psychiatry. 73 (4), 337-345 (2016).">Sun, Y., et al. Indicators for remission of suicidal ideation following magnetic seizure therapy in patients with treatmentresistant depression. JAMA Psychiatry. 73 (4), 337-345 (2016).
  24. The role of neuronavigation in TMS-EEG studies: Current applications and future perspectives. J Neurosci Methods. 380, 109677(2022).">Lioumis, P., Rosanova, M. The role of neuronavigation in TMS-EEG studies: Current applications and future perspectives. J Neurosci Methods. 380, 109677(2022).
  25. The rtTEP tool: realtime visualization of TMSevoked potentials to maximize cortical activation and minimize artifacts. J Neurosci Methods. 370, 109486(2022).">Casarotto, S., et al. The rtTEP tool: realtime visualization of TMSevoked potentials to maximize cortical activation and minimize artifacts. J Neurosci Methods. 370, 109486(2022).
  26. Precuneus magnetic stimulation for Alzheimer's disease: A randomized, shamcontrolled trial. Brain. 145 (11), 3776-3786 (2022).">Koch, G., et al. Precuneus magnetic stimulation for Alzheimer's disease: A randomized, shamcontrolled trial. Brain. 145 (11), 3776-3786 (2022).
  27. Regional precuneus cortical hyperexcitability in Alzheimer's disease patients. Ann Neurol. 93 (2), 371-383 (2023).">Casula, E. P., et al. Regional precuneus cortical hyperexcitability in Alzheimer's disease patients. Ann Neurol. 93 (2), 371-383 (2023).
  28. TMS combined with EEG: Recommendations and open issues for data collection and analysis. Brain Stimul. 16 (2), 567-593 (2023).">HernandezPavon, J. C., et al. TMS combined with EEG: Recommendations and open issues for data collection and analysis. Brain Stimul. 16 (2), 567-593 (2023).
  29. Basic principles of navigated TMS. Navigated Transcranial Magnetic Stimulation in Neurosurgery. , 3-29 (2017).">Hannula, H., Ilmoniemi, R. J. Basic principles of navigated TMS. Navigated Transcranial Magnetic Stimulation in Neurosurgery. , 3-29 (2017).
  30. Combined use of noninvasive techniques for improved functional localization for a selected group of epilepsy surgery candidates. NeuroImage. 45 (2), 342-348 (2009).">Vitikainen, A. M., et al. Combined use of noninvasive techniques for improved functional localization for a selected group of epilepsy surgery candidates. NeuroImage. 45 (2), 342-348 (2009).
  31. Protocol for motor and language mapping by navigated TMS in patients and healthy volunteers; workshop report. Acta Neurochirurgica. 159 (7), 1187-1195 (2017).">Krieg, S. M., et al. Protocol for motor and language mapping by navigated TMS in patients and healthy volunteers; workshop report. Acta Neurochirurgica. 159 (7), 1187-1195 (2017).
  32. A novel approach for documenting naming errors induced by navigated transcranial magnetic stimulation. J Neurosci Methods. 204 (2), 349-354 (2012).">Lioumis, P., et al. A novel approach for documenting naming errors induced by navigated transcranial magnetic stimulation. J Neurosci Methods. 204 (2), 349-354 (2012).
  33. Reproducibility of TMSevoked EEG responses. Hum Brain Mapp. 30 (4), 1387-1396 (2009).">Lioumis, P., Kicić, D., Savolainen, P., Mäkelä, J. P., Kähkönen, S. Reproducibility of TMSevoked EEG responses. Hum Brain Mapp. 30 (4), 1387-1396 (2009).
  34. Natural frequencies of human corticothalamic circuits. J Neurosci. 29 (24), 7679-7685 (2009).">Rosanova, M., Casali, A., Bellina, V., Resta, F., Mariotti, M., Massimini, M. Natural frequencies of human corticothalamic circuits. J Neurosci. 29 (24), 7679-7685 (2009).
  35. Mapping dynamical properties of cortical microcircuits using robotized TMS and EEG: Towards functional cytoarchitectonics. NeuroImage. 135, 115-124 (2016).">Harquel, S., Bacle, T., Beynel, L., Marendaz, C., Chauvin, A., David, O. Mapping dynamical properties of cortical microcircuits using robotized TMS and EEG: Towards functional cytoarchitectonics. NeuroImage. 135, 115-124 (2016).
  36. A multimodal parcellation of human cerebral cortex. Nature. 536 (7615), 171-178 (2016).">Glasser, M. F., et al. A multimodal parcellation of human cerebral cortex. Nature. 536 (7615), 171-178 (2016).
  37. Personalized and circuitbased transcranial magnetic stimulation: Evidence, controversies, and opportunities. Biol Psychiatry. 95 (6), 510-522 (2024).">Cash, R. F. H., Zalesky, A. Personalized and circuitbased transcranial magnetic stimulation: Evidence, controversies, and opportunities. Biol Psychiatry. 95 (6), 510-522 (2024).
  38. Identification of reproducible individualized targets for treatment of depression with TMS based on intrinsic connectivity. NeuroImage. 66, 151-160 (2013).">Fox, M. D., Liu, H., PascualLeone, A. Identification of reproducible individualized targets for treatment of depression with TMS based on intrinsic connectivity. NeuroImage. 66, 151-160 (2013).
  39. bioRxiv. , (2023).">Aydogan, D. B., et al. Realtime tractographyassisted neuronavigation for TMS. bioRxiv. , (2023).
  40. Exploring the brain network: A review on restingstate fMRI functional connectivity. Eur Neuropsychopharmacol. 20 (8), 519-534 (2010).">van den Heuvel, M. P., Hulshoff Pol, H. E. Exploring the brain network: A review on restingstate fMRI functional connectivity. Eur Neuropsychopharmacol. 20 (8), 519-534 (2010).
  41. TAAC-TMS adaptable auditory control: A universal tool to mask TMS clicks. J Neurosci Methods. 370, 109491(2022).">Russo, S., et al. TAAC-TMS adaptable auditory control: A universal tool to mask TMS clicks. J Neurosci Methods. 370, 109491(2022).
  42. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).">Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  43. fMRIPrep: A robust preprocessing pipeline for functional MRI. Nat Methods. 16 (1), 111-116 (2019).">Esteban, O., et al. fMRIPrep: A robust preprocessing pipeline for functional MRI. Nat Methods. 16 (1), 111-116 (2019).
  44. MRtrix3: A fast, flexible and open software framework for medical image processing and visualisation. NeuroImage. 202, 116137(2019).">Tournier, J. D., et al. MRtrix3: A fast, flexible and open software framework for medical image processing and visualisation. NeuroImage. 202, 116137(2019).
  45. Unsupervised deep learning for FODbased susceptibility distortion correction in diffusion MRI. IEEE Trans Med Imaging. 41 (5), 1165-1175 (2022).">Qiao, Y., Shi, Y. Unsupervised deep learning for FODbased susceptibility distortion correction in diffusion MRI. IEEE Trans Med Imaging. 41 (5), 1165-1175 (2022).
  46. DRBUDDI (Diffeomorphic Registration for BlipUp blipDown Diffusion Imaging) method for correcting echo planar imaging distortions. NeuroImage. 106, 284-299 (2015).">Irfanoglu, M. O., Modi, P., Nayak, A., Hutchinson, E. B., Sarlls, J., Pierpaoli, C. DRBUDDI (Diffeomorphic Registration for BlipUp blipDown Diffusion Imaging) method for correcting echo planar imaging distortions. NeuroImage. 106, 284-299 (2015).
  47. Denoising of diffusion MRI using random matrix theory. NeuroImage. 142, 394-406 (2016).">Veraart, J., Novikov, D. S., Christiaens, D., AdesAron, B., Sijbers, J., Fieremans, E. Denoising of diffusion MRI using random matrix theory. NeuroImage. 142, 394-406 (2016).
  48. The Bmatrix must be rotated when correcting for subject motion in DTI data. Magn Reson Med. 61 (6), 1336-1349 (2009).">Leemans, A., Jones, D. K. The Bmatrix must be rotated when correcting for subject motion in DTI data. Magn Reson Med. 61 (6), 1336-1349 (2009).
  49. How to correct susceptibility distortions in spinecho echoplanar images: Application to diffusion tensor imaging. NeuroImage. 20 (2), 870-888 (2003).">Andersson, J. L. R., Skare, S., Ashburner, J. How to correct susceptibility distortions in spinecho echoplanar images: Application to diffusion tensor imaging. NeuroImage. 20 (2), 870-888 (2003).
  50. Gibbsringing artifact removal based on local subvoxelshifts. Magn Reson Med. 76 (5), 1574-1581 (2016).">Kellner, E., Dhital, B., Kiselev, V. G., Reisert, M. Gibbsringing artifact removal based on local subvoxelshifts. Magn Reson Med. 76 (5), 1574-1581 (2016).
  51. Removal of partial Fourierinduced Gibbs (RPG) ringing artifacts in MRI. Magn Reson Med. 86 (5), 2733-2750 (2021).">Lee, H. H., Novikov, D. S., Fieremans, E. Removal of partial Fourierinduced Gibbs (RPG) ringing artifacts in MRI. Magn Reson Med. 86 (5), 2733-2750 (2021).
  52. An integrated approach to correction for offresonance effects and subject movement in diffusion MR imaging. NeuroImage. 125, 1063-1078 (2016).">Andersson, J. L. R., Sotiropoulos, S. N. An integrated approach to correction for offresonance effects and subject movement in diffusion MR imaging. NeuroImage. 125, 1063-1078 (2016).
  53. Robust determination of the fibre orientation distribution in diffusion MRI: Nonnegativity constrained superresolved spherical deconvolution. NeuroImage. 35 (4), 1459-1472 (2007).">Tournier, J. D., Calamante, F., Connelly, A. Robust determination of the fibre orientation distribution in diffusion MRI: Nonnegativity constrained superresolved spherical deconvolution. NeuroImage. 35 (4), 1459-1472 (2007).
  54. Unsupervised 3tissue response function estimation from singleshell or multishell diffusion MR data without a coregistered T1 image. Proc ISMRM Workshop Breaking Barriers Diffus MRI. , 5(2016).">Dhollander, T., Raffelt, D., Connelly, A. Unsupervised 3tissue response function estimation from singleshell or multishell diffusion MR data without a coregistered T1 image. Proc ISMRM Workshop Breaking Barriers Diffus MRI. , 5(2016).
  55. Multitissue constrained spherical deconvolution for improved analysis of multishell diffusion MRI data. NeuroImage. 103, 411-426 (2014).">Jeurissen, B., Tournier, J. D., Dhollander, T., Connelly, A., Sijbers, J. Multitissue constrained spherical deconvolution for improved analysis of multishell diffusion MRI data. NeuroImage. 103, 411-426 (2014).
  56. Reorientation of fiber orientation distributions using apodized point spread functions. Magn Reson Med. 67 (3), 844-855 (2012).">Raffelt, D., Tournier, J. D., Crozier, S., Connelly, A., Salvado, O. Reorientation of fiber orientation distributions using apodized point spread functions. Magn Reson Med. 67 (3), 844-855 (2012).
  57. Symmetric diffeomorphic registration of fibre orientation distributions. NeuroImage. 56 (3), 1171-1180 (2011).">Raffelt, D., Tournier, J. D., Fripp, J., Crozier, S., Connelly, A., Salvado, O. Symmetric diffeomorphic registration of fibre orientation distributions. NeuroImage. 56 (3), 1171-1180 (2011).
  58. Limits to anatomical accuracy of diffusion tractography using modern approaches. NeuroImage. 185, 1-11 (2019).">Schilling, K. G., et al. Limits to anatomical accuracy of diffusion tractography using modern approaches. NeuroImage. 185, 1-11 (2019).
  59. https://www.cdc.gov/niosh/noise/about/noise.html (2024).">Noise and hearing loss. , CDC. Available from: https://www.cdc.gov/niosh/noise/about/noise.html (2024).
  60. Noninvasive electrical and magnetic stimulation of the brain, spinal cord, roots and peripheral nerves: Basic principles and procedures for routine clinical and research application. Clin Neurophysiol. 126 (6), 1071-1107 (2015).">Rossini, P. M., et al. Noninvasive electrical and magnetic stimulation of the brain, spinal cord, roots and peripheral nerves: Basic principles and procedures for routine clinical and research application. Clin Neurophysiol. 126 (6), 1071-1107 (2015).
  61. Magnetic stimulation: motor evoked potentials. Electroencephalogr Clin Neurophysiol Suppl. 52, 97-103 (1999).">Rothwell, J. C., Hallett, M., Berardelli, A., Eisen, A., Rossini, P., Paulus, W. Magnetic stimulation: motor evoked potentials. Electroencephalogr Clin Neurophysiol Suppl. 52, 97-103 (1999).
  62. TMS and threshold hunting. Suppl Clin Neurophysiol. 56, 13-23 (2003).">Awiszus, F. TMS and threshold hunting. Suppl Clin Neurophysiol. 56, 13-23 (2003).
  63. Communication dynamics in the human connectome shape the cortexwide propagation of direct electrical stimulation. Neuron. 111 (9), 1391-1401.e5 (2023).">Seguin, C., Jedynak, M., David, O., Mansour, S., Sporns, O., Zalesky, A. Communication dynamics in the human connectome shape the cortexwide propagation of direct electrical stimulation. Neuron. 111 (9), 1391-1401.e5 (2023).
  64. TMSevoked responses are driven by recurrent largescale network dynamics. eLife. 12, e83232(2023).">Momi, D., Wang, Z., Griffiths, J. D. TMSevoked responses are driven by recurrent largescale network dynamics. eLife. 12, e83232(2023).
  65. Targeting repetitive transcranial magnetic stimulation in depression: Do we really know what we are stimulating and how best to do it. Brain Stimul. 14 (3), 730-736 (2021).">Fitzgerald, P. B. Targeting repetitive transcranial magnetic stimulation in depression: Do we really know what we are stimulating and how best to do it. Brain Stimul. 14 (3), 730-736 (2021).
  66. Restingstate functional connectivity of subgenual anterior cingulate cortex in depressed adolescents. Biol Psychiatry. 74 (12), 898-907 (2013).">Connolly, C. G., et al. Restingstate functional connectivity of subgenual anterior cingulate cortex in depressed adolescents. Biol Psychiatry. 74 (12), 898-907 (2013).
  67. Cortical abnormalities in adults and adolescents with major depression based on brain scans from 20 cohorts worldwide in the ENIGMA Major Depressive Disorder Working Group. Mol Psychiatry. 22 (6), 900-909 (2017).">Schmaal, L., et al. Cortical abnormalities in adults and adolescents with major depression based on brain scans from 20 cohorts worldwide in the ENIGMA Major Depressive Disorder Working Group. Mol Psychiatry. 22 (6), 900-909 (2017).
  68. Personalized connectivityguided DLPFCTMS for depression: Advancing computational feasibility, precision and reproducibility. Hum Brain Mapp. 42 (13), 4155-4172 (2021).">Cash, R. F. H., Cocchi, L., Lv, J., Wu, Y., Fitzgerald, P. B., Zalesky, A. Personalized connectivityguided DLPFCTMS for depression: Advancing computational feasibility, precision and reproducibility. Hum Brain Mapp. 42 (13), 4155-4172 (2021).
  69. Stanford accelerated intelligent neuromodulation therapy for treatmentresistant depression. Am J Psychiatry. 177 (8), 716-726 (2020).">Cole, E. J., et al. Stanford accelerated intelligent neuromodulation therapy for treatmentresistant depression. Am J Psychiatry. 177 (8), 716-726 (2020).
  70. Association of repetitive transcranial magnetic stimulation treatment with subgenual cingulate hyperactivity in patients with major depressive disorder. JAMA Netw Open. 2 (6), e195578(2019).">Hadas, I., et al. Association of repetitive transcranial magnetic stimulation treatment with subgenual cingulate hyperactivity in patients with major depressive disorder. JAMA Netw Open. 2 (6), e195578(2019).
  71. A simulation study: comparing independent component analysis and signalspace projection-sourceinformed reconstruction for rejecting muscle artifacts evoked by transcranial magnetic stimulation. Front Hum Neurosci. 18, 1324956(2024).">Mutanen, T. P., Ilmoniemi, I., Atti, I., Metsomaa, J., Ilmoniemi, R. J. A simulation study: comparing independent component analysis and signalspace projection-sourceinformed reconstruction for rejecting muscle artifacts evoked by transcranial magnetic stimulation. Front Hum Neurosci. 18, 1324956(2024).
  72. Removing artifacts from TMSevoked EEG: A methods review and a unifying theoretical framework. J Neurosci Methods. 376, 109591(2022).">HernandezPavon, J. C., Kugiumtzis, D., Zrenner, C., Kimiskidis, V. K., Metsomaa, J. Removing artifacts from TMSevoked EEG: A methods review and a unifying theoretical framework. J Neurosci Methods. 376, 109591(2022).
  73. Analysing concurrent transcranial magnetic stimulation and electroencephalographic data: A review and introduction to the opensource TESA software. NeuroImage. 147, 934-951 (2017).">Rogasch, N. C., et al. Analysing concurrent transcranial magnetic stimulation and electroencephalographic data: A review and introduction to the opensource TESA software. NeuroImage. 147, 934-951 (2017).
  74. Automatic and robust noise suppression in EEG and MEG: The SOUND algorithm. NeuroImage. 166, 135-151 (2018).">Mutanen, T. P., Metsomaa, J., Liljander, S., Ilmoniemi, R. J. Automatic and robust noise suppression in EEG and MEG: The SOUND algorithm. NeuroImage. 166, 135-151 (2018).
  75. Recovering TMSevoked EEG responses masked by muscle artifacts. NeuroImage. 139, 157-166 (2016).">Mutanen, T. P., Kukkonen, M., Nieminen, J. O., Stenroos, M., Sarvas, J., Ilmoniemi, R. J. Recovering TMSevoked EEG responses masked by muscle artifacts. NeuroImage. 139, 157-166 (2016).
  76. The effect of stimulus parameters on TMS-EEG muscle artifacts. Brain Stimul. 6 (3), 371-376 (2013).">Mutanen, T., Mäki, H., Ilmoniemi, R. J. The effect of stimulus parameters on TMS-EEG muscle artifacts. Brain Stimul. 6 (3), 371-376 (2013).
  77. Shortlatency artifacts associated with concurrent TMS-EEG. Brain Stimul. 6 (6), 868-876 (2013).">Rogasch, N. C., Thomson, R. H., Daskalakis, Z. J., Fitzgerald, P. B. Shortlatency artifacts associated with concurrent TMS-EEG. Brain Stimul. 6 (6), 868-876 (2013).
  78. Identification of personalized transcranial magnetic stimulation targets based on subgenual cingulate connectivity: An independent replication. Biol Psychiatry. 90 (10), e55-e56 (2021).">Siddiqi, S. H., Weigand, A., PascualLeone, A., Fox, M. D. Identification of personalized transcranial magnetic stimulation targets based on subgenual cingulate connectivity: An independent replication. Biol Psychiatry. 90 (10), e55-e56 (2021).
  79. Highdose spaced thetaburst TMS as a rapidacting antidepressant in highly refractory depression. Brain. 141 (3), e18(2018).">Williams, N. R., et al. Highdose spaced thetaburst TMS as a rapidacting antidepressant in highly refractory depression. Brain. 141 (3), e18(2018).
  80. Study design for navigated repetitive transcranial magnetic stimulation for speech cortical mapping. J Vis Exp. , (2023).">Lioumis, P., et al. Study design for navigated repetitive transcranial magnetic stimulation for speech cortical mapping. J Vis Exp. , (2023).
  81. Combined transcranial magnetic stimulation and electroencephalography of the dorsolateral prefrontal cortex. J Vis Exp. , (2018).">Lioumis, P., Zomorrodi, R., Hadas, I., Daskalakis, Z. J., Blumberger, D. M. Combined transcranial magnetic stimulation and electroencephalography of the dorsolateral prefrontal cortex. J Vis Exp. , (2018).
  82. Closedloop optimization of transcranial magnetic stimulation with electroencephalography feedback. Brain Stimul. 15 (2), 523-531 (2022).">Tervo, A. E., et al. Closedloop optimization of transcranial magnetic stimulation with electroencephalography feedback. Brain Stimul. 15 (2), 523-531 (2022).
  83. A randomized trial comparing beam F3 and 5.5 cm targeting in rTMS treatment of depression demonstrates similar effectiveness. Brain Stimul. 16 (5), 1392-1400 (2023).">Trapp, N. T., Pace, B. D., Neisewander, B., Ten Eyck, P., Boes, A. D. A randomized trial comparing beam F3 and 5.5 cm targeting in rTMS treatment of depression demonstrates similar effectiveness. Brain Stimul. 16 (5), 1392-1400 (2023).
  84. Exploring the optimal site for the localization of dorsolateral prefrontal cortex in brain stimulation experiments. Brain Stimul. 2 (4), 234-237 (2009).">Fitzgerald, P. B., Maller, J. J., Hoy, K. E., Thomson, R., Daskalakis, Z. J. Exploring the optimal site for the localization of dorsolateral prefrontal cortex in brain stimulation experiments. Brain Stimul. 2 (4), 234-237 (2009).
  85. Reliability of targeting methods in TMS for depression: Beam F3 vs 5.5 cm. Brain Stimul. 13 (3), 578-581 (2020).">Trapp, N. T., et al. Reliability of targeting methods in TMS for depression: Beam F3 vs 5.5 cm. Brain Stimul. 13 (3), 578-581 (2020).
  86. Concordance between Beam F3 and MRIneuronavigated target sites for repetitive transcranial magnetic stimulation of the left dorsolateral prefrontal cortex. Brain Stimul. 8 (5), 965-973 (2015).">MirMoghtadaei, A., et al. Concordance between Beam F3 and MRIneuronavigated target sites for repetitive transcranial magnetic stimulation of the left dorsolateral prefrontal cortex. Brain Stimul. 8 (5), 965-973 (2015).
  87. Magnetic seizure therapy reduces suicidal ideation and produces neuroplasticity in treatmentresistant depression. Transl Psychiatry. 8 (1), 253(2018).">Sun, Y., et al. Magnetic seizure therapy reduces suicidal ideation and produces neuroplasticity in treatmentresistant depression. Transl Psychiatry. 8 (1), 253(2018).
  88. Altered interhemispheric signal propagation in schizophrenia and depression. Clin Neurophysiol. 132 (7), 1604-1611 (2021).">Hui, J., et al. Altered interhemispheric signal propagation in schizophrenia and depression. Clin Neurophysiol. 132 (7), 1604-1611 (2021).
  89. Response, remission and dropout rates following highfrequency repetitive transcranial magnetic stimulation (rTMS) for treating major depression: A systematic review and metaanalysis of randomized, doubleblind and shamcontrolled trials. Psychol Med. 44 (2), 225-239 (2014).">Berlim, M. T., van den Eynde, F., TovarPerdomo, S., Daskalakis, Z. J. Response, remission and dropout rates following highfrequency repetitive transcranial magnetic stimulation (rTMS) for treating major depression: A systematic review and metaanalysis of randomized, doubleblind and shamcontrolled trials. Psychol Med. 44 (2), 225-239 (2014).
  90. A study of the pattern of response to rTMS treatment in depression. Depress Anxiety. 33 (8), 746-753 (2016).">Fitzgerald, P. B., Hoy, K. E., Anderson, R. J., Daskalakis, Z. J. A study of the pattern of response to rTMS treatment in depression. Depress Anxiety. 33 (8), 746-753 (2016).
  91. Multilocus transcranial magnetic stimulation system for electronically targeted brain stimulation. Brain Stimul. 15 (1), 116-124 (2022).">Nieminen, J. O., et al. Multilocus transcranial magnetic stimulation system for electronically targeted brain stimulation. Brain Stimul. 15 (1), 116-124 (2022).
  92. A modular multichannel TMS system with threeaxis coil design. Brain Stimul. 16 (1), 134(2023).">Daneshszand, M., Navarro de Lara, L., Makarov, S., Meng, Q., Nummenmaa, A. A modular multichannel TMS system with threeaxis coil design. Brain Stimul. 16 (1), 134(2023).

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Kortikal EksitabiliteBeyin Ba lant sallTranskraniyal Manyetik Stim lasyonElektroensefalografiFonksiyonel Ba lant sall kKortikal HaritalamaBiyobelirte Ke fi

İlgili makaleler