Eşzamanlı MEG / EEG ve Anatomik-kısıtlı Minimum norm Tahminleri Kullanarak Eşleme Kortikal Dinamiği: Bir İşitsel Dikkat Örneği
October 24th, 2012
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.
Bu prosedürün genel amacı, farklı insan bilişsel durumlarının altında yatan kortikal dinamikleri haritalamaktır. Bu, bir denek davranışsal bir görevi yerine getirirken önce manyeto ve elektroensefalografik verileri veya kısaca MEG ve EEG'yi yakalayarak gerçekleştirilir. İkinci adım, ilgili MRG dizileri kullanılarak anatomik veriler elde etmektir.
Daha sonra, MEG ve EEG'nin sensör konumları ile anatomik bilgiler arasında uzamsal yazışma sağlamak için ortak kayıt yapılır. Son adım, bireyin beyin aktivitelerini kortikal boşluğa haritalamak için ters görüntüleme yaklaşımı kullanmaktır. Sonuç olarak, ortak bir yüzey tabanlı koordinat sistemine dayalı istatistiksel çıkarım, bir bilişsel durumu diğerinden ayıran önemli mekansal zamansal kalıpları keşfetmek için kullanılır.
Bir prosedür gösteren Eric Lawson ve Ross Maddox olacak. Laboratuvarımdaki doktora sonrası çalışmalar için, bu protokole konunun yapısal MR görüntülerini elde ederek başlayın. İlk olarak, manyetizasyon ile hazırlanmış hızlı gradyan yankı veya MP öfkesi veya benzer bir dizi kullanarak yapısal bir MR taraması elde edin.
Bu sekans, EEG verileri ters görüntüleme analizi için kullanılacaksa, kullanılan spesifik tarama çözünürlüğüne ve görüntüleme protokolüne bağlı olarak beş ila 10 dakika sürebilir. Ayrıca iki hızlı düşük açılı çekim veya flaş MRI taraması elde edin. Bu flaş sekansları, standart MP öfke sekanslarından farklı doku kontrastı sağlar.
Görüntüleme tamamlandıktan sonra, MP öfkesinden ve flaş görüntülerinden deri, dış kafatası ve iç kafatası yüzeylerini yeniden oluşturmak için MNE ve ücretsiz sörfçü yazılımını kullanın. Ardından, MEG deneyinden önce üç katmanlı bir sınır elemanı modeli veya bem oluşturmak için bu yüzeyleri kullanın. Zamanlama bütünlüğünü sağlamak için önce işitsel ve görsel gecikmeleri test edin.
Ekrana bağlı bir mikrofon ve fotoğraf DDE kullanın ve ardından gözlemlenebilir bir titreme olmadığından emin olun. Bu, sunum projektörünün yerel çözünürlüğüne ayarlanmasını gerektirebilir. Daha sonra, elektrogram ve referans elektrot hazırlamanın yanı sıra konunun güvene dayalı yer işaretlerinin, baş pozisyonu gösterge bobinlerinin ve EEG elektrotlarının sayısallaştırılması için luital'in önceki video makalesine atıfta bulunarak konuyu kayıt için hazırlayın.
Denek, baş konumu göstergesini veya HPI bobinlerini kullanarak MEG ölçümü baş pozisyonuna rahatça oturduğunda, kayda başlayın ve işitsel ve görsel uyaranların sunumuna başlayın. Not: HPI Ölçümleri sürekli olarak da alınabilir. Denek, görsel-işitsel davranışsal bir görevi yerine getirirken işitsel ve görsel uyaranlara optik bir düğme kutusu aracılığıyla yanıt vermelidir.
Burada denek, görsel ipucu tarafından sıraya alınan yarım alandan kaynaklanan uç ve rakamı bildirir. Bazen, deneklerden görsel olarak dikkatlerini kontralateral hemifield orta denemesine çevirmeleri istenir. İşitsel dikkatin değiştirilmesini incelemek için, uyaran sunumunu gerçekleştirmek için birçok donanım ve yazılım çözümü mevcuttur.
Burada, Tucker Davis Technologies RZ six, her ikisi de matlab tarafından kontrol edilen, işitsel uyaran sunumu ve görsel uyaran sunumu için psişik araç kutusu ile tetik damgalama için kullanılır. Veri işlemeye başlamak için, burada görüldüğü gibi MNE yazılımını kullanarak EEG verilerini yapısal MR'ye birlikte kaydedin, önce sayısallaştırıcı verileri deneğin yeniden yapılandırılmış MRI kafa modeline yükleyin. Ardından, ortak kayıt sürecini başlatmak için güvene dayalı yer işaretlerini seçin ve ardından koordinat dönüşümünü tamamlamak için otomatik hizalama prosedürünü kullanmaya devam edin.
Ardından, kaynak uzayındaki her bir dipolün konumunu her bir sensörün konumu ile ilişkilendirmek için. Verilerin sinyal-gürültü oranını daha da artırmak için üç katmanlı sınır elemanı modeliyle ileri bir çözüm hesaplamak için kaydedilen kafa konumu gösterge verilerini birleştirin. Bir kanalın sivrilmesi nedeniyle anormal derecede yüksek genlikli sinyaller içeren epic'leri kaldırmak gibi zaman alanı artefaktı kaldırma işlemini uygulayın.
Ayrıca, 50 veya 60 hertz hat frekansında bant çentiği filtreleme gibi frekans alanı artefaktının kaldırılmasını uygulayın, uzamsal alan modellerini ortamdaki çevresel alan kontaminasyonundan veya göz kırpmaları ve kardiyak artefaktlarla ilişkili olanlar gibi diğer istenmeyen fizyolojik sinyallerden yansıtmak veya ayırmak için sinyal alanı ayırma gibi sinyal alanı ayırma gibi diğer gürültü azaltma tekniklerini kullanın. Şimdi, her deneysel koşul için zaman içinde kaynak uzaydaki her bir dipol konumundaki mevcut tahmin olan dağıtılmış dipol tahmininin bir beyin filmini oluşturun. Deneysel tasarımın zamansal özelliklerine bağlı olarak, analiz dönüşümüne devam etmek için örtüşmeyen zamansal pencereler kullanılarak mevcut tahminlerin ortalaması alınarak veriler zaman içinde bükülebilir.
Daha önce oluşturulan beyin, her denek için, bireysel sical jarral desenleri en iyi şekilde hizalayan yüzey tabanlı bir koordinat sistemine dayalı ortak bir kortikal alana film çeker. Bu, denekler arasında kortikal aktivitelerin karşılaştırılmasına veya ortalamasının alınmasına izin verir. Bir ilgi bölgesi yaklaşımını kullanmak için, ROI'ler anatomik olarak tanımlanabilir, örneğin, otomatik bir parselleme algoritması ile ve/veya okülomotor bölgeleri tanımlamak için bir go no-go secon görevi gibi işlevsel bir yerelleştirme görevi kaydedilerek fonksiyonel olarak, analiz kullanılan deneysel paradigmaya uygun belirli bir ilgi zamanına daha fazla kısıtlanabilir, örneğin, ses uyaranlarının başlamasından hemen önce ve sonra bir zaman periyodu ile sınırlıdır.
Zaman serisi analizi ile ilişkili diğer istatistiksel çıkarımlar, yukarıda özetlenen davranışsal paradigma kullanılarak da kullanılabilir. Burada parametrik olmayan uzay-zamansal kümeleme prosedürünü kullanarak temsili sonuçları görüyoruz. Sağ ön göz alanı, standart bir göreve kıyasla tek bir denek yeniden oryantasyon görevi gerçekleştirirken önemli bulunmuştur.
ROI yaklaşımı kullanılarak, sağ ön göz alanının zaman seyri, bu iki koşulun önemli ölçüde farklı olduğu zaman periyodu ile birlikte gösterilir. Bu videoyu izledikten sonra, farklı davranışsal görevlerde kortikal dinamikleri haritalamak için M-E-G-E-E-G ve MRG'yi nasıl kullanacağınız hakkında iyi bir fikre sahip olmalısınız. Uygun istatistiksel yaklaşımları kullanarak, bilişsel durumları ayırt eden farklı mekansal zamansal kalıpları keşfedebilirsiniz.
İzlediğiniz için teşekkür ederiz ve deneylerde iyi şanslar.
View the full transcript and gain access to thousands of scientific videos
Genel Bakış
Bu çalışma, işitsel dikkatle ilgili kortik dinamikleri araştırmak için manyeto- ve elektroensefalografi (MEG/EEG) ile manyetik rezonans görüntüleme (MRI) yöntemlerini kullanır. Bu tekniklerin entegrasyonu, bilişsel görevler sırasında beyin aktivitesinin kapsamlı bir şekilde haritalandırılmasını sağlar.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Sinirbilim
- Elektrofizyoloji
- Görüntüleme Teknikleri
Arka Plan
- Bilişsel durumların anlaşılması, sinirbilim araştırmaları için kritik öneme sahiptir.
- MEG ve EEG, beyin aktivitesi hakkında yüksek zamansal çözünürlük sağlar.
- MRI, beyin haritalaması için ayrıntılı anatomik bağlam sunar.
- Verilerin birleştirilmesi, mekansal analizin doğruluğunu artırır.
Çalışmanın Amacı
- İşitsel dikkatle ilgili kortik dinamikleri haritalandırmak.
- Beyin aktivitesi kalıplarını kullanarak farklı bilişsel durumları ayırt etmek.
- Beyin fonksiyonunu daha iyi anlamak için gelişmiş görüntüleme tekniklerini kullanmak.
Kullanılan Yöntemler
- Davranışsal görevler sırasında MEG ve EEG verilerinin toplanması.
- İlgili sıralar kullanılarak anatomik MRI verilerinin alınması.
- MEG/EEG sensör konumlarının MRI verileriyle birleştirilmesi.
- Beyin aktivitelerini haritalandırmak için ters görüntüleme tekniklerinin uygulanması.
Ana Sonuçlar
- Beyin aktivitesinde önemli uzamsal-zamansal kalıpların tanımlanması.
- Haritalanan kortik dinamiklere dayalı bilişsel durumların ayırt edilmesi.
- İşitsel dikkat mekanizmalarının daha iyi anlaşılması.
- Analiz için ortak bir yüzey tabanlı koordinat sisteminin oluşturulması.
Sonuçlar
- MEG/EEG ve MRI'nın entegrasyonu, bilişsel durumların haritalandırılmasında etkilidir.
- İstatistiksel çıkarım, beyin aktivitesinde önemli kalıpları ortaya çıkarır.
- Bu yaklaşım, işitsel dikkati anlamamızı geliştirebilir.
Sıkça Sorulan Sorular
Executive Industry Relevance
Mapping cortical dynamics with MEG/EEG and MRI enables high-temporal-resolution investigation of cognitive states relevant to neuropsychiatric target validation. This approach supports mechanistic de-risking by linking distributed neural activity to behavioral phenotypes in disease-relevant systems. It provides predictive confidence for target engagement assays by identifying spatiotemporal biomarkers of cognitive dysfunction.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by mapping cortical network dynamics during attention tasks.
- Operational Value: Enables biological de-risking through distributed source localization of cognitive phenotypes.
- Predictive Value: Supports portfolio triage by identifying cortical biomarkers predictive of attentional deficits.
Screening & Assay Development
- Assay Readiness: Prepares validated neurophysiological systems for compound screening using time-locked and sustained responses.
- Quantitative Outputs: Generates reproducible cortical dipole activation time-series for dose-response modeling.
- Platform Scalability: Supports high-throughput evaluation via automated source modeling and group-level statistics.
Translational & Preclinical Research
- Disease Relevance: Maps cortical dynamics in auditory attention paradigms translatable to ADHD, schizophrenia, and autism models.
- Translational Continuity: Bridges discovery to preclinical validation through common surface-based coordinate systems.
- Risk-Adjusted Advancement: Informs go/no-go decisions by quantifying target engagement effects on network-level cognition.
Pipeline & Workflow Integration
The method integrates into discovery biology through hypothesis testing of cortical networks, advances to screening via reproducible neurophysiological readouts, and supports translational research via group-level statistical inference in a common cortical space.
- Discovery Biology: Tests mechanistic hypotheses by isolating cortical dynamics underlying specific cognitive states like auditory attention.
- Screening: Delivers assay-ready, standardized cortical activation maps for evaluating compound effects on neural networks.
- Analytics: Provides spatiotemporal cortical time-series and group-level statistics for comparing conditions across subjects.
- Translational Research: Connects to preclinical work through anatomically constrained source models and ROI-based analysis of cognitive networks.
- Enterprise Reuse: Establishes a reusable pipeline for mapping cognitive states across therapeutic areas using standardized MNE and FreeSurfer workflows.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by linking MEG/EEG signals to cortical sources during cognitive tasks.
- Operational Value: Ensures reproducibility through standardized co-registration, artifact removal, and inverse imaging steps.
- Strategic Value: Improves go/no-go decisions by providing objective, network-level biomarkers of target engagement.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds based on effects on distributed cortical networks.
Implementation Considerations
- Requires expertise in neuroimaging, MRI acquisition, and MNE/FreeSurfer source modeling.
- Dependent on MEG/EEG systems, MRI scanners, and computational infrastructure for forward/inverse solutions.
- Necessitates cross-team standardization of head positioning, artifact correction, and ROI definition.
- Adaptation across models requires validation of anatomical boundaries and source space alignment.
- Practical limitations include sensitivity to environmental noise and need for artifact rejection protocols.
