Name: Eşzamanlı MEG / EEG ve Anatomik-kısıtlı Minimum norm Tahminleri Kullanarak Eşleme Kortikal Dinamiği: Bir İşitsel Dikkat Örneği (Video) | JoVE Journal
Uploaded: 2012-10-24T13:00:00.000+00:00
Duration: 8 min 45 s
Description: Keşfedin işitsel dikkat altında kortikal dinamikleri haritalamak için MEG/EEG ve MRI kullanımını. Bu yöntem, farklı bilişsel durumları ayırt eden uzamsal-zamansal örüntüleri ortaya çıkararak sinirbilim araştırmalarına katkı sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Yazarlar yararlı yorumlar için Matti S. Hämäläinen, Lilla Zöllei ve üç anonim değerlendirenler teşekkür etmek istiyorum. Finansman Kaynakları: R00DC010196 (AKCL); T32DC000018 (EDS); T32DC005361 (RKM).

1. Anatomik Veri Toplama ve İşleme <ol><li> Konulardan biri mıknatıslanma hazırlanmış hızlı gradient eko (MPRAGE) MRI taraması edinin. Bu, belirli bir tarama protokolü kullanıldığı bağlı olarak 5-10 dakika sürebilir. </li><li> FLASH dizileri standart MPRAGE dizileri 1 farklı doku kontrastı sağlamak gibi EEG verileri, ters görüntü analiz için kullanılması durumunda iki ek hızlı düşük açılı çekim (FLASH) MRI taramaları (flip açılar = 5 ° ve 30 °) edinin. </li><li> Kortikal yüzey yeniden ve bireysel M / EEG dipol alanı kurmak için FreeSurfer yazılım (bkz. Tablo) 2, 3 kullanın. <ol><li> Bu kaynak alanı MPRAGE tarama bölümlenmiş gri / beyaz cevher sınır sınırlanır. Her yarımkürede ~ 1 mm aralıklı yaklaşık 100.000 potansiyel noktalar içerir. Dipol genlik kestirimi için (aşağıya bakınız), yarımküre başına ~ 3.000 dipoller verimleri 7 mm, bir ızgara boşluğunu kullanın. </li></ol></li><li> Yeniden kurmakderi, dış kafatası ve MEB (bkz. Tablo) ve FreeSurfer kullanarak MPRAGE ve FLASH görüntülerden iç kafatası yüzeyler. Üç katmanlı sınır elemanlar modeli (BEM) oluşturmak için bu yüzeylerde kullanın. </li></ol> 2. M / EEG Veri Toplama <ol><li> M / EEG kaydı için konu hazırlayın. <ol><li> Electrooculogram ve referans elektrot hazırlanmasının yanı sıra öznenin konvansiyonel simgesel, baş konum göstergesi bobinler (HPI) ve EEG elektrotları sayısallaştırılması detayları için Liu ve ark 4&#39;e başvurun. </li></ol></li><li> Bir kere konu HPI bobinleri kullanarak baş pozisyonu ölçmek, MEG oturduğundan. </li><li> Kayda başlayın. Işitsel ve görsel uyaranlara sunum başlayın. <ol><li> Birçok donanım ve yazılım çözümleri uyaran sunum (örn., Sunum, E-Prime) gerçekleştirmek için kullanılabilir. Biz görsel s Psychtoolbox 5 ile, damgalama işitsel uyaran sunum ve tetikleyici için bir Tucker-Davis Teknolojileri RZ6 kullanınTümülüsü sunum, MATLAB tarafından kontrol hem de. Ekrana bağlı bir mikrofon ve fotodiyot kullanılarak işitsel ve görsel gecikmeleri Test ve sonradan oraya sağlanması deney zamanlaması bütünlüğünü sağlamaya yardımcı olur önce hiçbir gözlemlenebilir jitter (doğal çözünürlük için sunum projektörü ayarlama gerektirebilir olan). </li></ol></li><li> Davranışsal görev yaparken Konu optik bir düğme kutusu üzerinden işitsel ve görsel uyaranlara yanıt verir. </li><li> Off-line analiz için tüm uyarılara, deneysel parametreleri ve veri dosyalarını kaydedin. </li></ol> 3. MRI tarama ve Veri İşleme M / EEG Co-kaydı <ol><li> MEB yazılımı kullanarak, sayısallaştırıcı veri ve öznenin yeniden MR kafa modeli yüklenemedi. Co-kayıt sürecini başlatmak ve koordinat dönüşümü (Şekil 2) tamamlamak için otomatik hizalama prosedürü kullanmaya devam etmek için indirgeme görülecek seçin. </li><li> Kaynak sp içinde her bir dipol yer ilişkilendirilmesiher sensörün konumu ace, (bakınız 1.4) üç katmanlı BEM ile ileri çözüm hesaplamak için (2.2) kaydedildi HPI verileri birleştirir </li><li> Kaydedilen tüm M / EEG verileri inceleyin ve olağanüstü yüksek varyans ya da tamamen düz kanallar tespit. Kötü kanal olarak bu kanalları ayarlayın. </li><li> Proje ya da mekansal alan desenleri gibi göz yanıp söner ve kardiyak eserler ile ilişkili olanlar gibi ortam çevresel alanda kontaminasyon veya diğer istenmeyen fizyolojik sinyalleri kökenli dışarı ayırmak için sinyal-uzay projeksiyon 6 ya da başka gürültü azaltma teknikleri (örneğin sinyal alanı ayrılması 7 gibi) kullanın (Şekil 3). <ol><li> Daha da artması time-domain artifakı kaldırma (örneğin., Bir kanalın spiking nedeniyle anormal derecede yüksek genlikli sinyalleri içeren dönemini kaldırarak) ve frekans alanı artifakı kaldırma (örneğin., 50 veya 60 Hz hat frekansı filtreleme bant çentik) Uygula sinyal-gürültü oranı. </li></ol></li><li> Hangi konuda (örneğin., Önce her davanın başlangıcından 200 ms süre) herhangi bir görevi gerçekleştirirken değildi bir bazal dönemi belirleyin. Bir gürültü tahmin (aynı zamanda kovaryans matris olarak da bilinir) elde etmek için, bu başlangıç ​​dönemini bir ortalama oluşturur. </li><li> Faiz dönemleri (. Örneğin, sadece doğru davranışsal tepkileri ile çağları toplama) belirlenmesi ve deneysel karşıtlıkları (örneğin, başlangıçta cued gibi konularla karşı hemifield onların işitsel dikkat açık olması ile ilişkili çağları için koşulları tanımlamak -. &quot;Switch&quot; kalıntıları - versus konu Orijinal hemifield dikkat sürdürülmesi -) koşulu &quot;Tut&quot;. Tanımlanan durum her biri için ortalama tepki oluşturur. <ol><li> Bu ortalamalar baseline-düzeltilmiş veya (8) deney parametrelerine bağlı olarak değil, olabilir; burada gösterilen veri taban-düzeltilir. </li></ol></li><li> Bir elde etmek için kovaryans matrisi (3.5) ve bilgisayarlı ileri solüsyonu (3.2) birleştirinkaynak uzayda dipol güncel tahminlere sensörü ölçümleri ilgilidir kortikal kısıtlı minimum norm ters operatörü dağıtıldı. <ol><li> Ya yaklaşık sınırlamak veya kortikal normal yönde 9 dipol yönelimi çözebilirsiniz. </li></ol></li><li> Her deneysel durumda (Şekil 4) için dağıtılmış dipol tahmin (yani., Zaman içinde kaynak uzayda her dipol yerde mevcut tahmini) bir &quot;beyin filmi&quot; oluşturun. <ol><li> Eğer örtüşmeyen zamansal pencereleri kullanarak mevcut tahminlerin ortalamasını alarak zaman verilerinizi bin, senin deneysel tasarım zamansal özelliklerine olabilir bağlı. </li></ol></li></ol> 4. İstatistiksel Çıkarım Ortak Yüzey tabanlı Koordinat Sistemi dayanarak <ol><li> Morph ortak (ortalama) kortikal alan üzerine her konu için &quot;beyin filmleri&quot; optimal bireysel sulkal-gy hizalar bir yüzey tabanlı koordinat sistemine dayalıral desenleri 3. Bu bize tüm denekler genelinde kortikal aktivitelerini karşılaştırmak veya ortalama sağlar. (Şekil 5). </li><li> Birçok farklı istatistiksel çıkarsama yaklaşımlar vardır. Biz burada üç olası yaklaşımlar vurgulamak olacaktır. Yazılım paketi uygulanmamış Yaklaşımlar biz MATLAB parametrik olmayan uzay-zamansal kümeleme permütasyon testi gerçekleştirmek için kullanabileceğiniz örneklerimizde yazılım özel kullanılarak yazılabilir. (Non-parametrik kümeleme; 4.5) saate kadar; bu verilerin yüksek boyutluluğu (Uzay x Süre x Konular) rağmen, bu yaklaşımların hepsi (4.3 yaklaşımı ROI) saniye içinde standart modern masaüstü bilgisayar donanım kullanılarak yapılabilir. </li><li> Bölge-faiz (ROI) yaklaşımı <ol><li> Siz veya anatomik ROI define (örneğin. Otomatik parselasyon algoritma 1 ile tanımlanır) ve / olabilir fonksiyonel (örneğin. Gibi / Hayır oculomoto tanımlamak için sakkad görevi git Go olarak, işlevsel bir lokalizasyon görev kaydederekr bölgeleri). </li><li> Sen daha da deneysel paradigma (örn., Ses uyaranların başlangıcından hemen önce ve sonra bir süre) için uygun olan belirli bir zaman-faiz için analiz kısıtlayabilirsiniz. Ayrıca zaman serisi analizi ile ilişkili diğer istatistiksel çıkarsama kullanabilirsiniz. </li></ol></li><li> Tüm beyin Bonferroni veya Yanlış-Discovery-Rate (FDR) düzeltme <ol><li> Eğer tüm beyin, tüm zamanların analizi gerekiyorsa Bonferroni veya FDR düzeltme çalıştırmak. </li><li> Örneğin yaklaşık normalde dağıtılmış veri için t-testi veya içi konularda ANOVA uygun test istatistiği kullanılarak her dipol yerde bir istatistik harita ve her zaman noktası oluşturun. Tahminleri korelasyon için bir düzeltme (örneğin, tutucu Sera-Geisser düzeltme gibi) ile birlikte Örneğin, sabit dipol 10 MEB tahminleri dinamik istatistiksel parametre haritalama z-skorları kullanılabilir. </li><li> Bonferroni içindüzeltme, karşılaştırmalar sayısı (zaman noktalarının sayısı ile çarpılır dipoller sayısına) bölünür ve 0.05 anlamlılık düzeyinde eşikleme göre önemli uzay-zaman puan almak. Bir daha muhafazakar bir yaklaşım için, FDR p-değeri düzeltme 11 kullanın. </li></ol></li><li> Non-parametrik zamanmekansal kümeleme <ol><li> Bonferroni düzeltmesi daha az muhafazakar olurken, büyük tutarlı mekansal ve zamansal aktivasyon bölgeleri bulmak için bu yöntemi (12 basit bir uzantısı göre) kullanın ve aile bilge hata oranı kontrol ederek FDR daha ben istatistik hataları yazın daha az eğilimli . <ol><li> Bu yaklaşımın permütasyon kullanan ya da Monte Carlo resampling teknikleri nedeniyle, verilerin normallik varsayımları güveniyor, ve sadece koşul etiketleri hipotezi altında değiştirilebilir olduğunu varsayar değil. Bu önceki iki yaklaşım çok daha yoğun işlemci olmasına rağmen, yine de bir saat üzerinde yapılabilmektedirmodern masaüstü bilgisayar donanımı kullanarak tek bir makine. </li></ol></li><li> Her dipol yer ve böyle bir t-testi gibi uygun test istatistiği kullanılarak her noktada bir istatistik haritası oluşturun. </li><li> Bir ön önemi eşiğinde Eşik Bu harita, örneğin p &lt;0.05. </li><li> Küme uzay-zamansal yakınlık dayalı bu varsayılan önemli noktaları, örneğin. 5 ms ve bir başka 5 mm jeodezik mesafesinde önemli noktaları aynı küme konur. Hypervolume veya toplam önemi (örneğin. Kümedeki noktaların t-skorlarının toplamı) kullanarak her bir sonuç küme Atar. </li><li> Standart bir permütasyon resampling gerçekleştirin (büyük veri setleri, örneğin resampling veya Monte Carlo. Konular K&gt; 10 sayısı, hesaplama kaydetmek için), maksimal istatistik (permütasyon test örnekleri için 12 bakınız) testi. Kısaca, denekler rastgele bir alt (0 N konularının her yerde seçmek) için, yeniden isimlendirmekte bein koşullarıg İstatistiksel harita almadan önce karşılaştırıldığında, yeni istatistik harita üzerinde kümeleme gerçekleştirmek ve bu etiketlenmesi maksimal küme puanı elde. Maksimal istatistik bir dağılımını elde etmek için 2 N permütasyon kadar yeni rastgele relabelings bu yordamı gerçekleştirin; hepsi 2 N mümkün relabelings gerçekleştirerek permütasyon testi verir ve Monte Carlo (veya rastgele verimleri az 2 N relabelings rastgele bir alt kullanan ) permütasyon testi. </li><li> Maksimal küme boyutu ilk küme göre daha fazla olduğu zaman oranının belirlenmesi, belirli bir ilk kümesini (orijinal etiketlemeden) önemini elde edilir, örn. maksimal istatistik kümelerin% 95 daha büyük olan kümeleri önemli bildirilebilir. <ol><li> MEG dağıtılmış kaynak görüntülemede istatistiksel çıkarsama üzerine derinlemesine bir tartışma için, 13 bkz. </li></ol></li></ol></li><li> Elde edilen veri dosyaları vi olabilir,<html> doğal yani uzay-zamansal kortikal tahminleri, STC dosyalarını depolamak için MEB yazılımı tarafından kullanılan biçimleri kullanarak da dahil olmak üzere birçok bakımdan, sualized. Bunlar önemli bölgelere karşılık gelen imal edilebilir etiketler ile birlikte, MATLAB ve Python için sağlanan MNE araç kutusu kullanılarak oluşturulabilir. </li></ol> 5. Temsilcisi Sonuçlar Şekil 6, Şekil 4&#39;te açıklanan davranış paradigma ile temsil eden sonuçlar dizisini gösterir. Parametrik olmayan zamanmekansal kümeleme prosedür (4.5) kullanarak, doğru FEF bir konu, standart bir görev (Şekil 6 sol) ile karşılaştırıldığında bir uyarlanmasını görevi ifa ederken önemli olduğu bulunmuştur. ROI yaklaşım (4.3) kullanarak, doğru FEF bir zaman süreçlerinin bu iki durum önemli ölçüde farklı olduğu zaman süresi ile birlikte gösterilmiştir. p_upload/4262/4262fig1.jpg &quot;/&gt; Şekil 1. Minimum norm dipol tahminleri (bkz., Liu ve ark Şekil 1., 2010), kortikal-kısıtlı kullanarak bir &quot;beyin filmi&quot; oluşturmak için iş akışı. <img alt="Şekil 2," src="/files/ftp_upload/4262/4262fig2.jpg" /> Şekil 2. MEB yazılım tek bir kişinin MRI koordine alan üzerine EEG kanalı ve HPI yerle co-kayıt kolaylaştırmak için kullanılır. <img alt="Şekil 3" src="/files/ftp_upload/4262/4262fig3.jpg" /> Şekil 3. Önce ve kardiyak (turuncu renkte) ve göz yanıp söner (mavi-yeşil vurgulanır) hattı frekans kaldırmak için filtreleme eserler ve lowpass kaldırmak için SSP kullandıktan sonra. MEG verileri <a href="https://www.jove.com/files/ftp_upload/4262/4262fig3large.jpg" target="_blank">büyük bir rakam görmek için buraya tıklayın</a> . <pclass = &quot;jove_content&quot; fo: keep-together.within-page = &quot;always&quot;&gt; <img alt="Şekil 4," src="/files/ftp_upload/4262/4262fig4.jpg" /> Şekil 4 bir deneysel paradigma (Not olarak konunun yerli kortikal alan ve görsel-işitsel sunum (600 ms ve -600 ms sunulan bir görsel uyarana sunulan işitsel uyaranlar ile) zamanlaması konusunda bir &quot;beyin filmi&quot;:. Olacak bu ) son film klibi bir film olarak sundu <img alt="Şekil 5," src="/files/ftp_upload/4262/4262fig5.jpg" /> Şekil 5., Bir konu yerli kortikal alanı ve ortak bir kortikal alan üzerine morphed sonra eşlenen varsayımsal bir ROI karşılaştırılması. <img alt="Şekil 6" src="/files/ftp_upload/4262/4262fig6.jpg" /> Şekil 6. İki deneysel koşullar ile ilişkili Örnek uzay-zamansal kümelenme ve zaman-tabiiFONKSİYONLARIN test.

<ol><li>Fischl, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatically+parcellating+the+human+cerebral+cortex%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Automatically parcellating the human cerebral cortex.</a> Cerebral Cortex. 14, 11-22 (2004).</li>
<li>Dale, A., Sereno, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+localization+of+cortical+activity+by+combining+EEG+and+MEG+with+MRI+cortical+surface+reconstruction%3A+A+linear+approach%5BTitle%5D)+AND+%22Journal+of+Cognitive+Neuroscience%22%5BJournal%5D)">Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach.</a> Journal of Cognitive Neuroscience. 5, 162-176 (1993).</li>
<li>Fischl, B., Sereno, M. I., Dale, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+surface-based+analysis.+II%3A+Inflation%2C+flattening%2C+and+a+surface-based+coordinate+system%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system.</a> NeuroImage. 9, 195-207 (1999).</li>
<li>Liu, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+Mapping+with+Simultaneous+MEG+and+EEG%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">Functional Mapping with Simultaneous MEG and EEG.</a> Journal of Visualized Experiments. (40), e1668(2010).</li>
<li>Brainard, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Psychophysics+Toolbox%5BTitle%5D)+AND+%22Spatial+Vision%22%5BJournal%5D)">The Psychophysics Toolbox.</a> Spatial Vision. 10, 433-436 (1997).</li>
<li>Uusitalo, M. A., Ilmoniemi, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signal-space+projection+method+for+separating+MEG+or+EEG+into+components%5BTitle%5D)+AND+%22Med.+Biol.+Eng.+Comput%22%5BJournal%5D)">Signal-space projection method for separating MEG or EEG into components.</a> Med. Biol. Eng. Comput. 35, 135-140 (1997).</li>
<li>Taulu, S., Simola, J., Kajola, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applications+of+the+signal+space+separation+method%5BTitle%5D)+AND+%22IEEE+Transactions+on+Signal+Processing%22%5BJournal%5D)">Applications of the signal space separation method.</a> IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).</li>
<li>Urbach, T. P., Kutas, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+event-related+brain+potential+%28ERP%29+distributions%3A+Implications+of+baseline+potentials+and+variability+with+application+to+amplitude+normalization+by+vector+scaling%5BTitle%5D)+AND+%22Biological+Psychology%22%5BJournal%5D)">Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling.</a> Biological Psychology. 72, 333-343 (2006).</li>
<li>Lin, F. -H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distributed+current+estimates+using+cortical+orientation+constraints%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Distributed current estimates using cortical orientation constraints.</a> Human Brain Mapping. 27, 1-13 (2006).</li>
<li>Dale, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+statistical+parametric+mapping%3A+combining+fMRI+and+MEG+for+high-resolution+imaging+of+cortical+activity%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity.</a> Neuron. 26, 55-67 (2000).</li>
<li>Nichols, T., Hayasaka, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Controlling+the+familywise+error+rate+in+functional+neuroimaging%3A+a+comparative+review%5BTitle%5D)+AND+%22Statistical+Methods+in+Medical+Research%22%5BJournal%5D)">Controlling the familywise error rate in functional neuroimaging: a comparative review.</a> Statistical Methods in Medical Research. 12, 419-446 (2003).</li>
<li>Nichols, T. E., Holmes, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonparametric+permutation+tests+for+functional+neuroimaging%3A+a+primer+with+examples%5BTitle%5D)+AND+%22Human+Brain+Mapping%22%5BJournal%5D)">Nonparametric permutation tests for functional neuroimaging: a primer with examples.</a> Human Brain Mapping. 15, 1-25 (2001).</li>
<li>Pantazis, D., Leahy, R. M. Statistical Inference in MEG Distributed Source Imaging. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPantazis%2C+D+%22MEG%3A+An+Introduction+to+Methods%22">MEG: An Introduction to Methods</a>. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 245-272 (2010).</li>
<li>Ahveninen, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Attention-driven+auditory+cortex+short-term+plasticity+helps+segregate+relevant+sounds+from+noise%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences%22%5BJournal%5D)">Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise.</a> Proceedings of the National Academy of Sciences. , 1-6 (2011).</li>
<li>Sharon, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+advantage+of+combining+MEG+and+EEG%3A+comparison+to+fMRI+in+focally+stimulated+visual+cortex%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex.</a> Neuroimage. 36, 1225-1235 (2007).</li>
<li>Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Localization+of+the+syntactic+mismatch+negativity+in+the+temporal+cortex%3A+An+MEG+study%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study.</a> NeuroImage. 48, 590-600 (2009).</li>
<li>Baillet, S. The Dowser in the Fields: Searching for MEG Sources. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBaillet%2C+S+%22MEG%3A+An+Introduction+to+Methods%22">MEG: An Introduction to Methods</a>. Hansen, P., Kringelbach, M., Salmelin, R. , Oxford University Press. New York. 83-123 (2010).</li>
<li>Gutschalk, A., Micheyl, C., Oxenham, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+correlates+of+auditory+perceptual+awareness+under+informational+masking%5BTitle%5D)+AND+%22PLoS+Biology%22%5BJournal%5D)">Neural correlates of auditory perceptual awareness under informational masking.</a> PLoS Biology. 6, e138(2008).</li>
</ol>

Çıkar çatışması ilan etti.

Edinilen MEG / EEG verilerinden korteks üzerinde dipol aktivasyon tahmin etmek amacıyla, uygun anatomik ve fizyolojik ses kısıtlamaları uygulanır sürece benzersiz bir istikrarlı çözüm bulunmamış ters bir sorunu çözmek gerekir. MRG kullanarak ve tahmini kriter olarak minimum norm benimseyerek bireysel konular için alınan anatomik kısıtlaması kullanarak, sensör ölçümleri ile hemfikir olduğunu bir ters kortikal akım kaynağı tahmine ulaşmak olabilir. Bu yaklaşım sadece işitsel işleme 14 değil, aynı zamanda görsel...

<table border="1"><tbody><tr><td> Ekipman / Yazılım Adı </td><td> Firma / kaynak </td><td></td><td></td></tr><tr><td> 306 kanallı Vectorview MEG sistemi </td><td> Eleka-Neuromag Ltd, </td><td></td><td></td></tr><tr><td> 1.5-T Avanto MRI tarayıcı </td><td> Siemens Tıp Çözümleri </td><td></td><td></td></tr><tr><td> FreeSurfer </td><td></td><td></td><td> <a href="http://freesurfer.net/" target="_blank">http://freesurfer.net/</a> </td></tr><tr><td> MEB yazılımı </td><td></td><td></td><td> <a href="http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php" target="_blank">http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php</a> </td></tr><tr><td> EEG elektrotları </td><td> Beyin Ürünler, Easycap GmbH </td><td></td><td></td></tr><tr><td> 3Space Fastrak sistemi </td><td> Polhemus </td><td></td><td></td></tr><tr><td> Optik düğmesi kutusu (Mali İstihbarat Birimi-932) </td><td> Mevcut Tasarımlar </td><td></td><td></td></tr></tbody></table>

eşzamanlı meg / eeg ve anatomik-kısıtlı minimum norm tahminleri kullanarak eşleme kortikal dinamiği: bir İşitsel dikkat Örneği

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Magneto-ve elektroensefalografi (MEG / EEG) böyle bir kokteyl parti içinde farklı sesler olarak katılıyor dinamik algısal ve bilişsel görevler, yer kortikal ağları araştırmak için uygundur, yüksek temporal çözünürlük sağlamak nörogörüntüleme teknikleri uygulanır. Birçok geçmiş çalışmalardan yalnızca, genellikle uyaran sunum için zaman-kilitli olduğu aktivite yani., Manyetik alanlar ya da dışında ve kafa derisi üzerinde kaydedilen elektrik potansiyelleri ve odaklanmış sensör seviyesinde kaydedilen verileri istihdam var. Izole ve uzay ve zaman içinde tespit edilebilir ayrı dipolar desenler sadece az sayıda olduğunda olay ile ilgili alanda potansiyel / Bu analiz türü, özellikle yararlıdır. Alternatif olarak, anatomik bilgi kullanarak, bu farklı alan desenleri korteks üzerinde akım kaynağı olarak lokalize edilebilir. Bununla birlikte, daha uzun süreli bir tepki için o (örn.., Belirli bir uyarıcı için zaman-kilitli olmayabilircued işitsel özelliği dayalı iki eş zamanlı olarak konuşulan basamak) birini dinlerken ya da önsel bilinmeyen birden mekansal konumlara dağıtılmış olabilir hazırlık, dağıtılmış kortikal ağ işe yeterince sınırlı sayıda kullanarak yakalanan olabilir fokal kaynaklar. Burada, sensör bilgileri ve minimum-norm tahminleri (MEB) aracılığıyla korteks üzerinde dipol aktivasyonu arasında bir ilişki kurmak için bireysel anatomik MRG verileri kullanan bir prosedür tanımlamaktır. Bu ters görüntüleme yaklaşım bize dağıtılmış kaynak analizi için bir araç sağlar. Amaçlıdır, biz FreeSurfer ve MEB yazılımı, hem serbestçe kullanılabilir kullanarak tüm prosedürleri anlatacağız. Biz bize EEG / M sensörler üzerine korteks üzerinde dağıtılan dipoller sonucunda oluşması beklenen alan desen ilişki sağlayan bir ileri modeli üretmek için gerekli MRG sekansları ve analizi adımları özetleyeceğim. Next, çevresel ve fizyolojik kirleticilerden uzak sensör verileri denoising bize kolaylaştıracak gerekli süreçler yoluyla adım olacaktır. Biz o zaman böylece her deneysel durumu ile ilgili beyin yüzeyinin (ya da &quot;beyin filmler&quot;) kortikal dipol aktivasyon zaman serisi bir aile üreten, kortikal alan üzerine MEG / EEG sensör verileri birleştirerek ve haritalama için prosedürü özetleyecek. Son olarak, bize ortak bir kortikal koordinat alanından dayalı bir konu nüfusta (örn., Grup düzeyinde analiz) arasında bilimsel bir çıkarım yapmak için izin birkaç istatistiksel teknikler vurgulayacaktır.

Biz manyetik rezonans görüntüleme (MRG) tarafından yakalanır anatomik bilgi ile kombine manyeto ve elektroensefalografi (MEG / EEG), işitsel dikkat ile ilişkili kortikal ağ dinamikleri eşlemek için kullanabilirsiniz.

Eşzamanlı MEG / EEG ve Anatomik-kısıtlı Minimum norm Tahminleri Kullanarak Eşleme Kortikal Dinamiği: Bir İşitsel Dikkat Örneği

Magnetoensefalografi ve elektroensefalografi (MEG/EEG), özellikle ... incelemek için uygun olan yüksek zamansal çözünürlük sağlayan nörogörüntüleme teknikleridir.

Bu prosedürün genel amacı, farklı insan bilişsel durumlarının altında yatan kortikal dinamikleri haritalandırmaktır. Bu işlem, öncelikle bir denek davranışsal bir görev gerçekleştirirken magnetoensefalografik ve elektroensefalografik verilerin (kısaca MEG ve EEG) kaydedilmesiyle gerçekleştirilir. İkinci adım ise ilgili MRI sekansları kullanılarak anatomik verilerin elde edilmesidir.MEG ve EEG sensör konumları ile anatomik bilgiler arasında uzamsal uygunluk sağlamak için bir sonraki ko-kayıt işlemi gerçekleştirilir. Son adım, bireyin beyin aktivitelerini kortikal uzaya eşlemek için bir ters görüntüleme yaklaşımı kullanmaktır. Nihayetinde, bir bilişsel durumu diğerinden ayıran anlamlı uzamsal-zamansal kalıpları keşfetmek için ortak bir yüzey tabanlı koordinat sistemine dayalı istatistiksel çıkarım kullanılır.Prosedürü Eric Lawson ve Ross Maddox uygulamalı olarak gösterecekler. Laboratuvarımdaki doktora sonrası araştırmacılar için, bu protokole deneğin yapısal MR görüntülerini elde ederek başlayın. İlk olarak, mıknatıslama hazırlıklı hızlı gradyan ekosu veya MP rage veya benzeri bir sekans kullanarak yapısal bir MR taraması gerçekleştirin.EEG verileri ters görüntüleme analizi için kullanılacaksa, bu sekans kullanılan spesifik tarama çözünürlüğüne ve görüntüleme protokolüne bağlı olarak beş ila 10 dakika sürebilir. Ayrıca iki adet hızlı düşük açılı çekim (fast low angle shot) veya flash MRI taraması gerçekleştirin. Bu flash sekanslar, standart MP rage sekanslarından farklı doku kontrastı sağlar.Görüntüleme tamamlandıktan sonra, MP rage ve flash görüntülerinden cilt, dış kafatası ve iç kafatası yüzeylerini yeniden oluşturmak için MNE ve free surfer yazılımlarını kullanın. Ardından, MEG deneyi öncesinde üç katmanlı bir sınır elemanlar modeli (boundary element model veya bem) oluşturmak için bu yüzeyleri kullanın. Zamanlama bütünlüğünden emin olmak için öncelikle işitsel ve görsel latansları test edin.Ekrana bağlı bir mikrofon ve fotoğraf DDE'si kullanın ve ardından gözlemlenebilir bir titreme (jitter) olmadığından emin olun. Bu durum, sunum projektörünün doğal çözünürlüğüne ayarlanmasını gerektirebilir. Daha sonra, elektrogram ve referans elektrot hazırlığının yanı sıra deneğin fidüsyer işaret noktalarının, baş pozisyonu gösterge bobinlerinin ve EEG elektrotlarının dijitalleştirilmesiyle ilgili ayrıntılar için luital tarafından hazırlanan önceki video makalesine başvurarak deneği kayıt için hazırlayın.Denek, kafa pozisyon göstergesi veya HPI bobinleri kullanılarak MEG ölçüm kafa pozisyonuna rahatça yerleştirildikten sonra, kaydı başlatın ve işitsel ile görsel uyaranların sunumuna geçin. HPI ölçümlerinin sürekli olarak da alınabileceğini unutmayın. Denek, bir görsel-işitsel davranışsal görev gerçekleştirirken, işitsel ve görsel uyaranlara optik bir buton kutusu aracılığıyla yanıt vermelidir.Burada denek, görsel ipucuyla belirtilen hemialanda ortaya çıkan kollu ve rakamlı uyaranları bildirir. Bazı durumlarda denekler, deneme ortasında dikkatlerini karşıt hemialana kaydırmaları için görsel olarak yönlendirilirler. İşitsel dikkat geçişlerini incelemek için, uyaran sunumu gerçekleştirmek amacıyla birçok donanım ve yazılım çözümü mevcuttur.Burada, işitsel uyaran sunumu ve tetikleyici damgalama için Tucker Davis Technologies RZ six, görsel uyaran sunumu için ise psych toolbox kullanılmıştır ve her ikisi de matlab tarafından kontrol edilmektedir. Veri işlemeye başlamak için, burada görüldüğü gibi MNE yazılımını kullanarak EEG verilerini yapısal MR ile eş kaydın (coregister) yapın; öncelikle dijitalleştirici verilerini deneğin yeniden yapılandırılmış MRI kafa modeline yükleyin. Ardından, eş kayıt işlemini başlatmak için referans noktalarını (fiduciary landmarks) seçin ve koordinat dönüşümünü tamamlamak için otomatik hizalama prosedürünü kullanmaya geçin.Ardından, kaynak uzayındaki her bir dipolün konumu ile her bir sensörün konumunu ilişkilendirin. Verilerin sinyal-gürültü oranını daha da artırmak için kaydedilen kafa pozisyonu gösterge verilerini üç katmanlı sınır elemanlar modeli ile birleştirerek bir ileri çözüm hesaplayın. Bir kanalın sıçramalarından kaynaklanan anormal derecede yüksek genlikli sinyaller içeren bölümlerin çıkarılması gibi zaman alanı artefakt temizleme işlemlerini uygulayın.Ayrıca, 50 veya 60 hertz hat frekansında bant çentik filtreleme gibi frekans alanı artefakt giderme işlemlerini uygulayın; çevresel alan kontaminasyonundan veya göz kırpmaları ve kardiyak artefaktlar gibi diğer istenmeyen fizyolojik sinyallerden kaynaklanan uzamsal alan modellerini yansıtmak veya ayırmak için sinyal uzay projeksiyonu veya sinyal uzay ayrıştırması gibi diğer gürültü azaltma tekniklerini kullanın. Şimdi, her bir deneysel koşul için kaynak uzayındaki her dipol konumundaki anlık tahmini temsil eden dağıtılmış dipol tahmininin bir beyin filmini oluşturun. Deneysel tasarımın zamansal özelliklerine bağlı olarak, analiz morfolojisini sürdürmek için örtüşmeyen zamansal pencereler kullanılarak anlık tahminlerin ortalaması alınabilir ve veriler zaman içinde bükülebilir.Her bir denek için önceden oluşturulmuş beyin filmleri, bireysel kortikal örüntüleri en uygun şekilde hizalayan yüzey tabanlı bir koordinat sistemine dayalı ortak bir kortikal uzaya aktarılır. Bu işlem, denekler arasındaki kortikal aktivitelerin karşılaştırılmasına veya ortalamasının alınmasına olanak tanır. Bir ilgi bölgesi (ROI) yaklaşımı kullanmak için ROI'ler, örneğin otomatik bir parselizasyon algoritması ile anatomik olarak ve/veya okülomotor bölgeleri belirlemek için go/no-go sekansı gibi fonksiyonel bir lokalizasyon görevi kaydedilerek fonksiyonel olarak tanımlanabilir. Analiz, kullanılan deneysel paradigma için uygun olan spesifik bir ilgi süresiyle daha da sınırlandırılabilir; örneğin, ses uyaranlarının başlangıcından hemen önceki ve sonraki bir zaman dilimiyle sınırlandırılabilir.Yukarıda ana hatları verilen davranışsal paradigma kullanılarak, zaman serisi analiziyle ilişkili diğer istatistiksel çıkarımlar da uygulanabilir. Burada, parametrik olmayan uzaysal-zamansal kümeleme prosedürü kullanılarak elde edilen temsili sonuçlar görülmektedir. Bireysel bir denek yeniden yönelim görevi gerçekleştirdiğinde, sağ frontal göz alanı standart bir göreve kıyasla anlamlı bulunmuştur.ROI yaklaşımı kullanılarak, sağ frontal göz alanının zaman seyri ve bu iki durumun anlamlı düzeyde farklılaştığı zaman aralığı gösterilmiştir. Bu videoyu izledikten sonra, farklı davranışsal görevlerde kortikal dinamikleri haritalamak için M-E-G-E-E-G ve MRI'ın nasıl kullanılacağı konusunda iyi bir fikre sahip olmalısınız. Uygun istatistiksel yaklaşımlar kullanarak, bilişsel durumlar arasında ayrım yapan farklı uzaysal-zamansal örüntüler keşfedebilirsiniz.İzlediğiniz için teşekkür eder, deneylerinizde başarılar dileriz.

mapping-cortical-dynamics-using-simultaneous-megeeg-anatomically

Research

JoVE Journal

Neuroscience

Sinirbilim

Biz manyetoensefalografi (MEG) ve elektroensefalografi (EEG), basit duyusal uyaranların işlenmesi ilgili beyin alanlarının haritası kullanın.

Eşzamanlı MEG ve EEG Fonksiyonel Haritalama

Dikkat kontrolü, hedef sinyallerin geliştirilmesini ve dikkat dağıtıcı sinyallerin azaltılmasını içerir. Her iki sürecin de sürekli olarak devreye girmediği pasif bir kontrol koşulu kullanarak, sürekli intermodal dikkati katılma ve görmezden gelme nörofizyolojisini ayrı ayrı ama aynı anda ölçmek için bir yaklaşım tanımlıyoruz.

Dikkat Kontrol Süreçlerinin almamak ve Katılıyor ve nörofizyolojik Sinyalleri ölçümü

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.

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

Bu da çalışmanın-sol tersine çevrilmiş seçmelere yalnızca taşınabilir aygıtlar tarafından elde tarihli araştırmak için bir protokol öneren nörogörüntüleme kullanarak, hangi-ebilmek var olmak yeni bir ortamda insanlara uyum açığa çıkarmak için etkili bir araç işitsel etki alanı.

-Sol uyum eğitim için bir yöntem seçme ters

Bu makalede, manyetoensefalografi (Meg) kullanarak nesne algılamada pre-Stimulus kaynak düzeyi etkilerini algılamaya olanak sağlayan bir denemenin nasıl ayarlanacağı açıklanır. Uyarıcı malzemesi, deneysel tasarım, Meg kaydı ve veri analizini kapsar.

Magnetoensefalografi ile nesne algısında ön Stimulus kaynak düzeyinde etkileri tespit etme

Manyetoensefalografi (MEG) ve yüksek yoğunluklu elektroensefalografi (HD-EEG), doğrulayıcı ve tamamlayıcı bilgiler vermelerine rağmen nadiren aynı anda kaydedilir. Burada, ilaca dirençli epilepsili çocuklarda epileptojenik ve anlamlı beyin alanlarını lokalize etmeyi amaçlayan eşzamanlı MEG ve HD-EEG'nin kaydedilmesi için deney düzeneğini ve bu verileri analiz etme metodolojisini gösteriyoruz.

İlaca Dirençli Epilepsili Çocukların Precerrahi Değerlendirmesinde Elektromanyetik Kaynak Görüntüleme

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.

Gerçek Zamanlı Kortikal Ağ Haritalaması için Nörogörüntüleme Kılavuzluğunda TMS-EEG

Burada, sıçanlarda ve farelerde yüksek yoğunluklu mikro-elektrokortikografi (μEcoG) kaydı için cerrahi, implantasyon ve kayıt yöntemleri dahil olmak üzere iki protokol sunuyoruz. μECoG kayıtları, sıçan işitsel korteksinde laminer politrod kaydı veya fare somatosensoriyel korteksindeki nöral aktivitenin optogenetik manipülasyonu ile kombinasyon halinde gerçekleştirilir.

Kemirgenlerde Laminer Politrodlar ve Optogenetiğin Mikro Elektrokortikografi ile Entegre Edilmesi ile Kortikal İşlemenin Çok Ölçekli Araştırılması

Bu protokol, fiziğe dayalı sinir simülasyonlarının nöroterapütiklerin elektrofizyolojik biyobelirteçlerini yorumlamak ve sinir devreleri üzerindeki etkilerini ortaya çıkarmak için nasıl kullanılabileceğini göstererek, nöroterapötik gelişim için mekanik temelli bir yaklaşım sunar.

İnsan Neokortikal Nöroçözücüsü kullanılarak Nöroterapütik Etkilerin Elektroensefalografi Üzerindeki Sinirsel Mekanizmalarını Ortaya Çıkarmak İçin Bir Protokol

Tavuk işitsel beyin sapı Binoral ses işleme için sorumlu çekirdekleri oluşur. Kültürlü bir yaklaşım, nöron yapısı ve işitsel fonksiyonu, moleküler, hücresel ve ağ seviyelerinde gelişimini incelemek için eşsiz bir hazırlık sağlarken tek bir koronal dilim hazırlık tüm devre tutar.

Tavuk İşitsel Beyin Sapı Dilimleri hazırlanması ve Kültür

Keşfedin işitsel dikkat altında kortikal dinamikleri haritalamak için MEG/EEG ve MRI kullanımını. Bu yöntem, farklı bilişsel durumları ayırt eden uzamsal-zamansal örüntüleri ortaya çıkararak sinirbilim araştırmalarına katkı sağlar.

Eşzamanlı MEG / EEG ve Anatomik-kısıtlı Minimum norm Tahminleri Kullanarak Eşleme Kortikal Dinamiği: Bir İşitsel Dikkat Örneği

Daha fazla video keşfet