En Multimodal Imaging- och stimulering baserad metod för att utvärdera Connectivity relaterade hjämretbarhet i patienter med epilepsi

Medicine

Your institution must subscribe to JoVE's Medicine section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Shafi, M. M., Whitfield-Gabrieli, S., Chu, C. J., Pascual-Leone, A., Chang, B. S. A Multimodal Imaging- and Stimulation-based Method of Evaluating Connectivity-related Brain Excitability in Patients with Epilepsy. J. Vis. Exp. (117), e53727, doi:10.3791/53727 (2016).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Introduction

Transkraniell magnetisk stimulering (TMS) är ett sätt att icke-invasivt stimulera regioner cortex via elektromagnetisk induktion. I TMS, är en stor men rumsligt begränsad magnetflöde som används för att inducera ett elektriskt fält i ett mål kortikal område, och därigenom modulera aktiviteten hos den underliggande nervvävnad. TMS till motoriska cortex leder motor framkallade potentialer som kan mätas perifert via elektromyografi (EMG). När den appliceras i par eller trillingar pulser, kan TMS användas för att bedöma aktiviteten av specifika intrakortikal GABAergic och glutaminerg kretsarna 1-3, och därmed bedöma balansen mellan excitation och hämning in vivo i humana patienter. I epilepsi specifikt har TMS studier visat att kortikala hyperexcitabilitet förekommer i patienter med epilepsi 4,5, och kan normaliseras med framgångsrika antiepileptiska läkemedelsbehandling och därmed förutsäga svar på medicinering 6. Vidare, TMS åtgärder kortikala excitability visar mellanliggande värden hos patienter med en enda anfall 7 och syskon till patienter med både idiopatisk generaliserad och förvärvade bränn epilepsi 8. Dessa fynd tyder på att TMS åtgärder kortikala retbarhet kan tillåta oss att identifiera yrkeskarriär och för epilepsi. Men känsligheten och specificiteten hos dessa åtgärder begränsade, troligen på grund av TMS-EMG endast kan bedömas med stimulering av motoriska kortikala kretsar, och många patienter med epilepsi har anfall fokus utanför motoriska cortex.

Elektroencefalografi (EEG) ger en möjlighet att direkt mäta cerebral svar på TMS, och kan användas för att bedöma cerebral reaktivitet över stora delar av neocortex. Studier integrerar TMS med EEG (TMS-EEG) har visat att TMS producerar vågor av aktivitet som genljuder i hjärnbarken 9,10 och som är reproducerbara och tillförlitliga 11-13. Genom att utvärdera utbredningen av framkallade aktiviteti olika beteendetillstånd och i olika uppgifter, har TMS-EEG använts för att kausalt sondera dynamiska effektiv anslutning av mänskliga hjärnan nätverk 10,14-16. TMS-EEG åtgärder har visat signifikanta förändringar i sjukdomar som sträcker sig från schizofreni 17 till ADHD 18, och i störningar i medvetandet såsom ihållande vegetativt tillstånd 19. Dessutom har flera grupper identifierat EEG korrelat av den parade puls TMS-EMG variabler som är onormala hos patienter med epilepsi 20,21. Av särskild betydelse har tidigare studier också föreslagit att onormal stimulering-framkallade EEG-aktivitet ses hos patienter med epilepsi 22-25.

Ett annat sätt att utvärdera hjärnkretsar är via vila-tillstånd funktionell anslutning MRI (rs-fcMRI), en teknik som utvärderar de korrelationer över tiden i blodets syresättning nivåsignalen från olika hjärnregioner 26 beroende (fetstil). studier med användning avrs-fcMRI har visat att den mänskliga hjärnan är organiserad i olika nätverk av samverkande regionerna 26-29, att neuropsykiatriska sjukdomar kan förekomma inom specifika storskaliga distribuerade neurala nätverk identifieras av RS-fcMRI 30, och att hjärnan nätverk identifieras via RS- fcMRI är ofta onormalt i neuropsykiatriska sjukdomstillstånd 31,32. När det gäller potentiella kliniska applikationer, har RS-fcMRI flera fördelar jämfört med konventionell uppgiftsbaserade fMRI applikation 33, inklusive mindre beroende av ämne samarbete och oro över variabel prestanda. Följaktligen har det nyligen varit en explosion av studier för att undersöka rs-fcMRI förändringar i olika sjukdomstillstånd. Emellertid är en av begränsningarna av rs-fcMRI av svårigheten att avgöra om och hur korrelationer (eller anticorrelations) i BOLD signalen hänför sig till de elektrofysiologiska interaktioner som ligger till grund för neuronal kommunikation. Ett relaterat problem är att det är often oklart om RS-fcMRI förändringar som ses i olika sjukdomstillstånd har fysiologisk betydelse. I synnerhet när det gäller epilepsi, är det oklart om avvikelser i RS-fcMRI beror enbart Interiktal epileptiforma transienter, eller existerar oberoende av sådana elektro avvikelser; samtidig EEG-fMRI behövs för att utvärdera mellan dessa möjligheter 34.

Som TMS kan användas för att producera tillfälligt eller varaktigt förändringar i aktiveringar av olika kortikala regioner, TMS studier ger ett medel för att kausalt bedöma betydelsen av olika vilande-state fMRI anslutningsmönster. Ett sätt är att använda RS-fcMRI att styra terapeutiska stimulering insatser i olika sjukdomstillstånd; Det kan förväntas att TMS riktad mot regioner som är funktionellt kopplade till områden kända för att vara inblandade i olika sjukdomstillstånd är mer sannolikt att vara terapeutiskt effektiv än TMS inriktade på områden utan sådan funktional anslutning och faktiskt flera studier har funnit preliminära bevis för detta 35,36. Ett annat tillvägagångssätt skulle innebära användning av TMS-EEG till kausalt bedöma den fysiologiska betydelsen av olika vilande-state fcMRI mönster. Specifikt kan man testa hypotesen att regioner som uppvisar onormal funktionell uppkoppling i ett visst sjukdomstillstånd ska visa ett annat svar på stimulering hos patienter än hos friska försökspersoner, och att dessa fysiologiska avvikelser förekommer specifikt (eller huvudsakligen) med stimulering av onormalt anslutna regionen.

För att illustrera ovanstående, ger vi ett exempel på en färsk studie där rs-fcMRI, TMS och EEG kombinerades för att utforska kortikala hyperexcitabilitet hos patienter med epilepsi på grund av utvecklings hjärnan abnormitet periventrikulär nodulär heterotopia (PNH) 37. Patienter med PNH närvarande kliniskt med adolescent- eller en vuxen debuterande epilepsi, läshandikapp och normal Intelligence, och har onormala knölar av grå substans i anslutning till de laterala ventriklama på hjärnavbildning 38,39. Tidigare studier har visat att dessa periventrikulära knölar av heterotopisk grå substans är strukturellt och funktionellt kopplad till diskreta härdar i hjärnbarken 40,41, och att epileptiska anfall kan härröra från hjärnbarkens regioner, heterotopisk grå, eller båda samtidigt 42, vilket tyder på att epileptogenes i dessa patienter är ett krets fenomen. Genom att använda vilande tillstånd fc-MRI för att vägleda TMS-EEG, visade vi att patienter med aktiv epilepsi på grund av PNH har bevis för kortikal hyperexcitabilitet, och att detta hyperexcitabilitet verkar vara begränsat till regioner med avvikande funktionell anslutning till de djupa knölar.

Protokollet genomförs i två separata sessioner. Under den första sessionen, är strukturella och vilande tillstånd blod syresättning nivåberoende (BOLD) kontrast MRI sekvenser förvärvas(För patienter), eller bara strukturella MRI sekvenser (för friska kontroller). Mellan den första och andra sessioner, vilar state analys funktionell anslutning används för att definiera kortikala mål för patienterna, och MNI koordinater för dessa mål uppnås. Motsvarande kortikala mål (baserade på MNI koordinater) identifieras därefter för varje friska kontroll ämne. I den andra sessionen, är TMS-EEG uppgifter som erhållits.

I exemplet i detta dokument, var funktionell anslutnings MRI analyser utförs med hjälp av en intern programvara verktygslåda och MRI programvara 43,44. Neuro-navigerat TMS utfördes med en transkraniell magnetisk stimulator med realtids MRI neuro. EEG spelades in med en 60-kanals TMS-kompatibla system, som utnyttjar en sample-and-hold krets för att undvika förstärkare mättnad av TMS. EEG-data analyserades med hjälp av egna skript och EEGLAB verktygslåda 45 (version 12.0.2.4b) den körs i MATLAB R2012b.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Protokollet som beskrivs här godkändes av institutionella prövningsnämnder i Beth Israel Deaconess Medical Center och Massachusetts Institute of Technology.

1. Med förbehåll Val

  1. Patientens val för forskningsprotokoll.
    1. Identifiera patienter med aktiv epilepsi (anfall inom det senaste året) eller en historia av fjärr epilepsi (tidigare anfall, men utan anfall under de senaste fem åren på eller utanför medicinering) och periventrikulär nodulär heterotopia på strukturell hjärnavbildning.
    2. Uteslut patienter utan någon historia av krampanfall. Utesluter också patienter med alternativa möjliga etiologier för krampanfall (t.ex. en historia av traumatisk hjärnskada, stroke, meningoencefalit) eller med EEG fynd som överensstämmer med en alternativ diagnos (t.ex. idiopatisk generaliserad epilepsi, mesial Temporallobsepilepsi).
    3. Utesluta patienter med ytterligare neurologisk eller psykiatrisk disease, eller med någon annan instabil medicinskt tillstånd. Utesluter också patienter med en historia av tidigare hjärnkirurgi, oförmåga att tolerera MRI, nyligen olagliga substansen eller tung alkoholanvändning, eller en viss MRI 46 eller TMS 47 kontraindikation.
  2. Friska kontroll ämne val.
    1. För varje PNH patient (i vår tidigare publicerad studie 37, 8 patienter i åldern 20 - 43 år innebär 30,25, tre män, 5 kvinnor), identifiera en ålders- och könsmatchade friska kontroll.
    2. Uteslut patienter med någon pågående neurologisk eller psykiatrisk sjukdom eller om psykoaktiva läkemedel, till någon annan instabil medicinskt tillstånd, en historia av tidigare hjärnkirurgi, oförmåga tolerera MRI, olaglig substans eller stor alkoholkonsumtion, eller någon annan särskild MR eller TMS kontraindikation.

2. Generera stimulering Mål

  1. Med hjälp av en 3T MR-system förvärva högupplösta strukturella hela hjärnan skivor med hjälp av en T1-weighted sekvens. Använd följande förvärvsparametrar: 128 skivor per platta, en 256 x 256 matris, synfält (FOV) 256 mm, skivtjocklek 1,33 mm med 0,63 mm snitten gap, voxelstorlek 1 x 1 x 1,33 mm 3, repetitionstid (TR ) 2530 ms, inversion tid 1100 ms, eko tid (TE) 3,39 ms, flip vinkel 7 °.
  2. Med hjälp av en 3T MR-system förvärva vila-statliga funktionella bilder med hjälp av ett eko-plan sekvens känslig för blod-syresättning nivåberoende (BOLD) kontrast. Vid utförandet av den här analysen instruera patienterna att vila lugnt med öppna ögon utan att utföra någon specifik uppgift. Använd följande förvärvsparametrar: FOV 256 mm, voxelstorlek 2,0 x 2,0 x 2,0 mm, TR 6000 ms, TE 30 ms, flip vinkel 90 °, förvärv tid 6,4 min.
  3. Använda MRICroN programvara 44 identifiera varje diskret område av nodulär heterotopia (antingen varje enskild knöl eller en oskiljaktig sammanhängande kluster av knölar) 46. Använd ritstiftet att manuellt beskriva hanterotopia regioner av intresse (ROI), skiva för skiva i axialplanet på T1-viktade strukturella bilder.
  4. Använd CONN funktionell anslutning programvara verktygslåda 48,49 för att utföra fyra sekventiella steg i vila-state funktionell databehandling: Setup, förbehandling, analys och resultat.
    1. För Setup använda menyval för att starta ett nytt projekt och ange grundläggande experiment information. Ladda funktionella bilder, uträtad och co-registrerade på de anatomiska bilder för varje ämne.
    2. Ladda strukturella bilder. Last heterotopia ROI filer skapade i steg 2,3. Ange information om den experimentella tillstånd; eftersom detta vilar tillstånd anger en enda tillstånd med debut 0 sekunder och varaktighet är lika med den fullständiga varaktigheten av varje session. Verktygslådan kommer att extrahera den heterotopia ROI BOLD tidsserier. Inspektera för eventuella inkonsekvenser.
    3. För förbehandlingen, confounding källor BOLD variation inkluderar andnings inducerade moduleringar av huvud magnetic fält och hjärtpulsationer, samt ämne rörelse. Ta confounders via den integrerade huvudkomponentbaserade metod som analyserar tidsseriedata från regioner osannolikt att förknippas med neural aktivitet, såsom kammare och stora fartyg, för att identifiera fysiologiska buller processer 50. Förhandsgranska den totala variansen förklaras av var och en av de möjliga störkällor. Applicera ett bandpassfrekvensfilter (0,01 Hz <f <0,1 Hz) och Gauss utjämning (6 mm full bredd vid halv-maximum).
      OBS: Verktygslådan kommer som standard att identifiera källor till möjliga confounders, inklusive BOLD signal från den vita substansen och cerebrospinalvätska och omställnings parametrar (ämne rörelse).
    4. För analys och resultat, identifiera källorna till intresse som heterotopia ROI. Förhandsgranska anslutning mått på korrelation (snarare än regression), och visar med hjälp av tröskelvärden för korrelationskoefficienter.
      1. För varje ämne, skapa sed-to-voxel anslutnings kartor utnyttjar varje diskret område av heterotopisk grå som ett frö ROI, som visar sambandet mellan den genomsnittliga BOLD signal tidsserier av ROI och varannan hjärn voxel.
      2. Utför andra nivån analyser för mellan-föremål eller mellan källkod kontraster (tillval). Visa resultaten med hjälp av höjd (voxel-nivå) och omfattning (kluster nivå) trösklar; okorrigerade och falska upptäckt hastighets korrigerade p-värden visas.
  5. Använd MRICroN programvara för att manuellt beskriva två mål av intresse, en ansluten mål och en icke-ansluten mål, för TMS, använder ritstiftet 43. Använda "Overlay" funktion överlagra de funktionella anslutnings kartor som skapats ovan på de strukturella bilder för varje ämne.
    1. Säkerställa att målregionen är en region av cortex som har ett betydande funktionell anslutning till den grå massan heterotopia såsom beskrivits ovan. Se till att den icke-anslutna tjärafå är en liknande storlek region som inte visar signifikant funktionell anslutning till någon heterotopia ROI, och ligger minst 2,5 cm avstånd från den anslutna målet på kortikala ytan för att minimera risken för grannskapet stimuleringseffekter under TMS.
    2. Välj mål så att sannolikheten för stora TMS-artefakter är liten 51. Specifikt undvika att välja mål i sidotemporala eller frontopolar regioner, eftersom dessa sannolikt kommer att producera stora muskelsammandragning och / eller ögonrörelseartefakter som kan skymma den tidiga TMS-EEG-signalen 51. Spara beskrivs mål som nya mål ROI.
  6. Bestäm MNI koordinater för varje mål ROI i varje ämne. Använd sedan dessa koordinater för att identifiera motsvarande två målplatser i varje försökspersonens matchas friska kontroll ämne.

3. TMS-EEG experimentuppställning

  1. Ladda strukturella skannar (typiskt hög upplösning T1-weighted 3D volymetriska bilder) i den neurosystemet.
  2. Med hjälp av neuro programvara, markerar de önskade mål på bilderna. Markera även externa anatomiska markörer (nasion bilaterala tragus) som kommer att användas för coregistration och neuro under stimuleringssessionen. Vid användning av ett EEG keps med roterbara elektroder och elektrodledningarna, orient trådar vinkelrätt mot den långa axeln av TMS spolen 52.
  3. Kontakta ämnet innan den experimentella session för att påminna honom eller henne att inte använda balsam eller andra hårprodukter (schampo är acceptabelt) på dagen för TMS-EEG-session, för att undvika alkoholhaltiga drycker på kvällen före TMS-EEG-session, och att dricka hans eller hennes vanliga dagliga caffeineförbrukning före TMS sessionen.

4. Experimentell Session

  1. Kontrollera att ämnet passerar TMS säkerhetskriterier, helst via en strukturerad enkät 53. Kontrollera att motivet inte gjorde consUME alkoholhaltiga drycker föregående natt, inte drack signifikant mer eller mindre än hans eller hennes vanliga dagliga caffeineförbrukning, inte konsumera over-the-counter sömn hjälpmedel som förändrar kortikal retbarhet (t.ex. difenhydramin) den föregående natten, och fick en typisk natts sömn (som sömnbrist kan öka kortikal retbarhet 54).
  2. Be motivet att sitta i en bekväm stol.
  3. Montera EEG locket på ämnet och förbereda elektroderna.
    1. Mät patientens huvud och välj en EEG lock av lämplig storlek för att underlätta för låga elektrod impedans.
    2. Rengör huden under varje elektrod med en bomullspinne applikator och alkohol.
    3. Lägg ledande gel till varje elektrod. Inte lägga alltför mycket gel att det läcker mellan elektroderna, eftersom det kan skapa en brygga och leda till gemensam signal mellan olika elektroder.
    4. Om så är nödvändigt, för att säkerställa god kontakt mellan hårbotten, gelén och electrode, prova att trycka ner på varje elektrod efter tillsats av gel. För att minimera laddnings artefakter, se till att gelen inte sprids utanför elektrodhållaren. Homogent minskade ledningsförmåga nivåer för att minimera inspelning artefakter.
    5. Placera referens- och jordelektroder så långt från stimuleringspolen som möjligt för att minimera möjligheten till TMS-inducerad elektrod artefakt förorena hela inspelningen. Det är bättre att placera dessa elektroder över benstrukturer i förmodligen "inaktiva" zoner med minimal kortikal aktivitet.
      OBS: Även i studier där de målplatser är variabel, är det osannolikt att väljas som mål frontopolar regioner eftersom TMS till dessa regioner kan resultera i stora ögonrörelser, sammandragning av frontalis och ansiktsmusklerna 51, och, ofta hårbotten smärta och huvudvärk; Följaktligen är TMS-EEG-signalen under stimulering av dessa områden ofta skyms av stora föremål.
    6. Syndce dessa regioner är därför osannolikt att väljas som mål för stimulering använder pannan för placering av referens- och jordelektroderna. Placera dem inom några få centimeter från varandra för att minimera common mode brus.
      OBS: I situationer där alla stimulerings mål befinner sig i en halvklotet, skulle kontra mastoideus vara ett annat alternativ.
    7. Kontrollera elektrod impedanser på följande sätt; plugga EEG utgångskablarna i "impedans" kontakten på EEG registreringssystemet, tryck sedan på knappen "mäter impedans" på Anläggning. Säkerställa att elektrodimpedansen inte är större än 5 kQ.
  4. Förbered EMG elektroder på den kontralaterala sidan (använd första rygg interosseous eller kidnappare pollicis brevis muskler, använder samma muskler över ämnen i en enda studie).
  5. Ge den öronproppar för att minimera risken för hörselskador och tinnitus.
    OBS: Ett annat alternativ skulle vara att använda hörlurar spelar dugge buller eller färgat brus (med spektrala egenskaper som matchar de hos TMS klick) under inspelningsprocessen, i en volym som är tillräcklig för att maskera hörsel klick som produceras av TMS; Detta skulle ha den ytterligare fördelen av att minimera den potentiella FÖRBRYLLA av TMS-inducerad auditiva framkallade potentialer 10,55. Att notera är också nödvändigt att minimera det auditiva framkallade potentialen ett tunt lager av skum mellan spolen och hårbotten.
  6. Placera de infraröda detektorerna på ämnet huvud, vilket säkerställer att detektorerna är placerade på ett sätt för att minimera risken för rörelse under den experimentella sessionen.
  7. Coregister patientens huvud med MR-bilderna genom att identifiera var de förvalda yttre anatomiska referensmarkörer (avsnitt 3.2) i ämnet med hjälp av pekaren som ingår i neuro utrustning.
  8. Bekanta föremål med stimulering genom applicering av en puls på andra ställen (t.ex. patientens arm), eller genom att applicera en låg-inSPÄNNING stimuleringspuls (t.ex. 5% max stimulator utgång) till hårbotten.
  9. Bestäm vila motor tröskel (den minsta intensitet som producerar en motor-framkallade potentiella minst 50 μV i storlek på 5/10 försök). En sådan metod, den relativa frekvensen metoden 56, är som följer.
    1. Bestämma placeringen av patientens motoriska cortex på halvsfären ipsilateralt fMRI anslutningsbaserade mål. Vid användning av neuronavigation, är detta i allmänhet i området av "Omega" i precentral gyrus. Vinkel spolen vinkelrät mot gyrus, med handtaget pekande occipitally.
    2. Börja stimulering vid en intensitet som beräknas vara under tröskelvärdet (t.ex. 35% maximal stimulator utgång).
    3. Öka stimuleringsintensiteten i steg om 5% max stimulator utgång tills TMS väcker konsekvent ledamöter med amplituder> 50 μV i varje försök.
    4. Därefter minska stimuleringsintensiteten i steg om 1% Högstam stimulator utgång till mindre än 5 positiva svar av 10 registreras.
      OBS: Denna stimulering intensitet plus en definieras som tröskel motor. Alternativt kan du använda adaptiva tröskelteknik 57 för att identifiera tröskel motor med färre stimuli.
  10. För stimulering av målområdena, ställa in TMS intensitet till önskat värde (t ex 120% vila tröskel motor).
    OBS: I de fall där det finns stora regionala skillnader i hårbotten-cortex avstånd (t.ex. i patienter med pannloben atrofi), kan en sådan teknik resulterar i subthreshold stimulering. Alternativt, med lämpliga neurosystem som kan utföra online-uppskattningar av det inducerade elektriska fältet, intensiteten av stimulering kan också ställas in på en specifik amplitud av den beräknade inducerade elektriska fältet (i V / m) på kortikala ytan 58.
  11. Tillämpa enstaka pulser av TMS till var och en av målregionerna med användning avden neuro programvara, med ett variabelt intervall mellan pulserna för att minimera kortikal plasticitet och ämnes förväntade effekter (t.ex. varje 4-6 sekund, med ett intervall på minst tre sekunder för att undvika kumulativa effekter 59). För att maximera konsekvens, vinkel spolen vinkelrätt mot den långa axeln av de underliggande gyrus, med handtaget pekade posterolaterally.

5. EEG-data Pre-bearbetning och analys

OBS: TMS-EEG-data innehåller vanligtvis stora stimuleringsrelaterade artefakter, speciellt vid stimulering bort från mittlinjen / vertex eller med höga stimulerings intensiteter och betydande förbehandling kan vara nödvändig för att erhålla rena analyserbara data. Oberoende komponentanalys (ICA) är en metod som har använts för avlägsnande av TMS artefakter, och kan appliceras med användning av allmänt tillgängliga verktygslådor (t.ex. EEGLAB 45) på MATLAB-plattformen. En validerad metod 60 är som follows, beskriver analys av data som samlats in med hjälp av Eximia Anläggning:

  1. Importera data till EEGLAB
    1. Klicka på "File", "Importera data", "Använda EEGLAB funktioner och plugins", "Från EDF / EDF + / GDF-filer (BIOSIG verktygslåda)".
  2. Utdrag händelsetider
    1. Klicka på "File", "Importera händelse info", "Från datakanal". Fyll i "Händelse kanal" 1 "Preprocessing trans (data = 'X')" X> 0,1, "Transition längd (1 = perfekta kanter) 0. Kontrollera" Radera händelsekanalen (s)? "Och" Ta bort gamla händelser om någon? "kryssrutor är markerade.
  3. Segment data i epoker centrerad kring TMS puls, från en sekund innan pulsen till två sekunder efter. För att göra detta, välj "Verktyg", "Extract epoker". Om TMS pulsen är den enda händelsetypen, "Time-låsning händelsetyp (s)" fält kan lämnas tomt. För "Epoch gränser [start, end] i sekunder "enter [-1 2].
  4. Review EEG-data visuellt (välj "Plot", "kanaldata (scroll)".) Ta bort dåliga kanaler (t.ex. kanaler utan signal, eller med kontinuerlig överdriven artefakt). För att göra detta, klicka på "Redigera", "Välj data". I "Kanal range" anger du numret (s) i den kanal som ska tas bort (eller klicka på växlings rutan till höger och välj kanaler med namn och tryck sedan på "OK"), se till att "on > ta bort dessa "är markerad och tryck sedan på" OK ".
  5. Ställa in potentialerna i alla elektroder till noll från tiden för pulsen tills EEG-signalen har återgått till ungefär en storleksordning av den neurala signalen (t.ex., genom att klippa ut data som är större än 150 μV), eller någon senare fixerad tidpunkt ( t.ex. 40 ms) för att säkerställa att de stora TMS artefakter inte snedvrider ICA separation. 61 Detta steg måste skript i Matlab.
  6. Utför en första runda av ICA, och ta bort en - 2 komponenter som representerar stora TMS-inducerad initiala muskelaktivering.
    1. Kör ICA använder FastICA metoden med "symmetrisk approach" och "tanh" kontrastfunktionen med hjälp av följande kommando: "EEG = pop_runica (EEG," icatype "," fastica "," metod "," SYMM "," g ',' tanh '); ".
      OBS: Kör ICA separat för varje plats, som artefakten produceras genom stimulering kommer att variera som en funktion av stimulering webbplats.
    2. Identifiera komponenter som överensstämmer med TMS artefakt genom att välja "Verktyg", "Avvisa data med hjälp av ICA", "Ta bort komponenter från kartan". De topografiska kartor över alla ICA komponenter sedan ritas. Klicka på numret för varje komponent för att rita komponent detaljer (en större karta av topografiska fördelningen, aktivitetsprofilen i studierna, och frekvensspektrum).
      OBS: TMS puls artefakt komponenter (typiskt 1 - 2) kan kännas igen av det dipolära topographic plot lokaliserad till platsen för stimuleringen, den extremt stor amplitud av aktiveringskomponenten omedelbart efter pulsen, och den efterföljande släta exponentiell avklingning.
    3. Ta bort artefakt komponenter genom att välja "Verktyg", "Ta bort komponenter", och ange relevanta nummer komponent i fältet för "Component (s) för att avlägsna från data". I "Bekräftelse" rutan som dyker upp, tryck på "Acceptera" efter att ha granskat ERP som resulterar efter borttagning av den valda komponenten (tryck på "Plot ERP-system") och efter att ha granskat enskilda rättegång effekter (tryck "Handling enstaka prövningar"). OBS: Detta steg bör vara avslutad före filtrering för att minimera eventuella filter artefakter från TMS-inducerad muskelartefakter, som ofta kan vara flera millivolt.
  7. Interpolera saknade uppgifter (under noll stoppad tidsperiod). Detta steg kommer att need göras med hjälp av en Matlab skript.
  8. Bandpass och / eller notchfilter data (tillval, eller kan göras vid en senare tidpunkt, exempelvis efter andra omgången av ICA artefakt borttagning).
    OBS: Om hög amplitud TMS-artefakt inte har blivit tillräckligt bort, kan tids utjämnande effekt av en högpassfilter leda till tids spridning av artefakt. Dessutom passbandet porlande produceras av lågpassfilter kan leda till framträdande ring artefakt i "ren" del av den resulterande filtrerade EEG-signalen.
  9. Åter hänvisning till genomsnittliga referens (tillval, eller kan göras vid en senare tidpunkt, exempelvis när interpolering av saknade kanaler).
  10. Ta bort enskilda epoker med stor amplitud artefakter, betydande muskelaktivitet, eller andra större artefakter.
    1. För halvautomatisk artefakt avvisande, välj "Verktyg", "Avvisa uppgifter epoker", "Avvisa data (alla metoder)".
    2. Under "Sök osannolik data "anger 3,5 i fältet för" Single-kanal gräns (std. dev.) och 3 i fältet för "Alla kanaler gräns (std. dev.)" och tryck sedan på "Beräkna" knappen direkt nedanför. Detta identifierar epoker som innehåller osannolika data baserat på fördelningen av värden över uppgifter epoker.
    3. Under "Sök onormala fördel" anger fem i fältet för "Single-kanal gräns (std. Dev.)" Och tre i fältet för "Alla kanaler gräns (std. Dev.)" Och tryck sedan på "Beräkna" -knappen omedelbart nedan. Detta identifierar epoker som innehåller artefakter baserade på kurtosis av data.
    4. Att avvisa epoker med onormalt höga eller låga värden, under "Hitta onormala värden" anger 100 i fältet för "Övre gräns (s) (UV)" och -100 i fältet för "Lägre gräns (s) (UV)" (även om olika gränser kan behövas hos barn, i vilka EEG amplituder är vanligtvis högre). Ange elektrod siffror att tillämpa spänning tröskaOlding på området märkt "Elektrod (er)"; att undvika att avvisa alla epoker med ögat blinkar, inte omfattar frontopolar (och / eller EOG) kanaler. Tryck sedan på "Calc / Plot.".
    5. Bläddra igenom markerade epoker och avmarkera epoker som inte innehåller artefakter genom att högerklicka på den epok. Markera ytterligare epoker som innehåller betydande artefakter genom att vänsterklicka på epoken. Efter att ha kontrollerat att alla epoker som innehåller artefakter är markerade, klicka på "Update MARKS" -knappen.
    6. För att spara vilka epoker är markerade för borttagning, klicka på "Close (hålla varumärken)" och sedan spara dataset ( "File", "Spara aktuell dataset som").
      1. För att sedan ta bort de relevanta epoker, välj "Verktyg", "Avvisa uppgifter epoker", "Avvisa markerade epoker". Klicka på "Ja" på efterföljande bekräftelse dialogruta. Spara resulte dataset.
  11. Utföra en andra omgång av ICA, och ta bort komponenter som motsvarar förfallartefakter, blink artefakter, muskelartefakter och elektrodbrusartefakter.
    OBS: Borttagning av komponenter som överensstämmer med hörselframkallade potentialer kan övervägas, även om dessa komponenter kan också innehålla neurala framkallade komponenter direkt relaterade till stimuleringspulsen (som även har toppar vid liknande tidpunkter). Ett bättre alternativ som skulle minimera TMS-framkallade potentialer induceras av TMS "klick", och på så sätt eliminera behovet av ICA-baserade bort, skulle vara att utföra buller maskering som beskrivs i avsnitt 4.5 ovan, om tolereras av försökspersonerna.
    1. Köra ICA använder FastICA metoden med "symmetrisk approach" och "tanh" kontrastfunktionen, såsom beskrivits i 5.6.1 ovan.
    2. Utvärdera egenskaper komponent som beskrivs i 5.6.2 ovan.
    3. Markera komponenter som överensstämmer med resterande TMS sönderfalls artefakter 62.
      OBS: Identifiera detta baserat på timing (maximal omedelbart efter pulsen), morfologi (en långsam förfall med overshoot, sedan långsam återhämtning över tiotals till hundratals millisekunder) och position (nära stimulerings webbplats). Dessutom kan ICA komponenter ordnas i fallande ordning förklaras varians; som TMS artefakt är ganska stor, är det typiskt representerad i de första komponenterna, och typiskt utgör inte mer än 1-5 komponenter.
    4. Använda JUSTERA plugin 62 för EEGLAB markera komponenter som överensstämmer med blink artefakter.
      OBS: Identifiera detta baserat på plats (maximal frontopolar), tidsförloppet (långa perioder med relativt minimal aktivitet, följt av korta perioder av intensiv aktivering), spektra (hög effekt vid låga frekvenser) och morfologi (trifasisk).
    5. Markera komponenter som överensstämmer med muskelartefakt 62.
      OBS: Identifiera detta baserat på spektrala egenskaper (betydande inflytande på beta frekvenser och ovan), tidsmässiga fördelningen (mycket oregelbunden / taggiga), rumslig fördelning (maximal längs hårbotten periferi) och tidsdomänaktivitet(Taggig).
    6. Markera komponenter som överensstämmer med kanalbrus baserat på geografiska fördelningen (isolerad till 1 eller 2 kanaler) och tidsmässiga fördelningen (ofta mycket peaky, hög aktivitet på ett fåtal studier, eller mycket långsamma stor amplitud svängningar) med hjälp av JUSTERA plugin 62 för EEGLAB.
    7. Ta bort markerade komponenter som i 5.6.4 ovan. Interpolera saknade kanaler och utföra efterföljande analyser på dessa data.
      OBS: Försiktighet krävs vid interpolering kanaler. I synnerhet om en betydande del (t.ex. 10%) av kanaler eller om angränsande kanaler interpoleras, kan den resulterande dataset vara opålitliga, särskilt om den underliggande hjärnaktiviteten har en hög rumslig frekvens.
  12. Ladda upp en datamängd med alla önskade kanaler i EEGLAB. Sedan föra datamängd som du vill utföra interpolering på i förgrunden genom att välja "datamängder", och sedan klicka på den relevanta dataset.
  13. Välj "Verktyg";, "Interpolera elektroder". I den resulterande datamängden, välj "Använd alla kanaler från andra dataset". För "interpolationsmetod", välj "Sfärisk" och sedan på "OK".

6. Utvärdera för bevis av kortikal hyperexcitabilitet

  1. Beräkna den globala medelfältpotential (GMFP) 63 för varje ämne och stimulering webbplats som en funktion av tiden, med hjälp av följande ekvation:
    ekvation 1
    där K är antalet elektroder, V (t) är den spänning mäts vid elektroden i vid tidpunkten t, och V medelvärdet (t) är medelvärdet spänningen över elektroderna vid tiden t.
  2. Segment data i "tidiga" tidsperioder när TMS-framkallade aktivitet är normalt förekommer i friska individer (t.ex. 100-225 ms), och sena tidsperioder, när onormal fördröjdaaktivitet kan ses hos patienter med epilepsi (t.ex. 225 - 700 ms). Beräkna arean under kurvan (AUC) för den GMFP (AUC-GMFP) under varje tidsperiod.
    OBS: Eftersom den absoluta storleken på framkallat svar kan variera kraftigt mellan individer på grund av faktorer som är oberoende av kortikal fysiologi (t.ex. skalle tjocklek, hårbotten-cortex avstånd, enskilda hjärnanatomi) som ändå kan variera mellan grupper (t.ex., eftersom patienter med epilepsi kan vara på antiepileptiska läkemedel), rå amplituder är av begränsad nytta vid utvärdering av TMS-framkallade potentialer. För att isolera om patienter med epilepsi onormalt ökat TMS-framkallade aktivitet, normalisera storleken på AUC-GMFP under senare tidsperioder av storleken på AUC-GMFP under "tidiga" tidsperioder.
  3. Jämför det normaliserade AUC-GMFP för varje epilepsi patienten den som erhålls vid stimulering av samma region som patientens matchade friska conkontroll. Ett högre värde (förhållande> 1) i epilepsi patienten indikerar att epilepsi patienten har ökat retbarhet.

7. Källa Uppskattningen av Evoked elektrisk aktivitet

  1. Rekonstruera kortikala ytan för ämnet med hjälp av Freesurfer 64 paket.
    1. Kör kommandot "Skapa Freesurfer Output". Kör kommandot "Skapa ytor". Kör kommandot "Skapa Source Space". Importera digitaliserade elektrodplaceringar från neuro programvara och justera elektroderna med hjälp av MNE Analysera programvara (MNE version 2.7.0) 65,66; om enskilda elektrod platser inte är tillgängliga, kan data från en patient med en liknande ungefärlig huvud storlek räcka.
    2. Kör kommandot "mne_analyze". Klicka på "File", "Load digitizer data" (.fif). Klicka på "File", "Load Surface". Välj väg till MRI Freesurfer återuppbyggnad data.
    3. Klicka på "Visa", "Show Viewer ". Klicka på" Ändra "," Samordna Alignment ". Klicka på" LAP ". Klicka på LAP plats i" Viewer "-fönstret. Upprepa för" Nasion "och" RAP ".
    4. Klicka på "align Använda referenser". Klicka på "X", "Y", "Z" fältpilarna för att manuellt justera samordna inriktningen. Klicka på "Spara Standard" i "Koordinat Alignment" fönstret för att spara trans fil.
  2. Bestäm framåt lösning med hjälp av en lämplig metod (t.ex. gräns element modellering som genomförs i MNE 65,66 programvara). För att göra detta, kör kommandot "MNE Do Forward lösning".
  3. Identifiera tidpunkterna för topparna i GMFP för källanalys. För att göra detta, kör kommandot "MNE_Browse_Raw" för .fif fil.
    1. Klicka på "Ändra", Filter "för att göra filterbyten. Klicka på" Ändra "," Vågar "att göra omfattande förändringar. Klicka på" Ändra "," Val &# 34; att ändra val montage.
    2. Klicka på tidpunkt för råspänningsdata. Klicka på "Windows", "Show Annotator". Klicka på "mark" till kod vald tidpunkt med motsvarande antal och kommentarer. Skriv över kommentarfältet när så är tillämpligt.
    3. I genomsnitt fältet anger anteckning nummer. Klicka på "Average". Klicka på "Windows", "Hantera Genomsnitt". Klicka på "Spara som" och namnet .fif fil.
  4. Använda medelvärdet (i studierna) framkallade potentialen vid relevanta tidpunkter, beräkna strömkällan lösning med en lämplig invers operatör (t.ex. minsta norm uppskattning som genomförts i MNE programvara). För att göra detta, kör kommandot "MNE Inverse Operator".
  5. Applicera en spänningströskel på de resulterande bilderna för att identifiera källan regionen av de framkallade toppar.
    1. Klicka på "Windows", "Start MNE Analysera". Klicka på "File", "Open". Välj tids pGemensamma genomsnittliga .fif fil i "Files" fältet. Välj invers .fif fil i "Inverse Operator" fältet.
    2. Klicka på "File", "Load Surface". Välj väg till MRI återuppbyggnad data. Välj "Pial" i "Tillgängliga Ytor" fältet.
    3. Klicka på "Ändra", uppskattningar "i" MNE Analysera "fönster. För att justera skalan, vänsterklicka på" Value Histogram "fältet för att välja tröskelvärdet distribution. Klicka histogram för att justera trösklar colormap.
    4. Klicka på "img" i "MNE Analysera" fältet. Välj ".tif", "Spara".

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Vila-state funktionell uppkoppling fMRI kan användas för att identifiera områden av hjärnbarken som visar hög funktionell uppkoppling med heterotopiska periventrikulära grå hjärnsubstans knutor (Figur 1), och kontrollregioner utan sådan anslutning. För att avgöra om en sådan onormal funktionell uppkoppling har fysiologisk betydelse, kan den kortikala regionen med korrelerad vilande tillstånd aktivitet väljas som "Ansluten" målplatser för neuronavigated TMS, och den framkallade EEG resultat jämfört med EEG potentialer som produceras genom stimulering av en kontroll icke-anslutna mål i samma patienter. Dessutom kan samma områden riktas i friska kontrollpersoner (Figur 2) för att avgöra om den onormala funktionell anslutning ses i PNH-patienter har patofysiologiska betydelse för patienternas kliniska epilepsisyndrom. Specifikt kan närvaron av kortikal hyperexcitability kan bedömas på den enskilda patientens nivå genom att bestämma den normaliserade ytan under-kurvan av den globala medelfältpotential, och sedan utvärdera om detta värde är större för epilepsi patienten än hans eller hennes matchad kontrollgrupp (Figur 2). Källa lokalisering av de onormala sena toppar i TMS-framkallade potentialer hos patienter med epilepsi kan identifiera de områden i hjärnan varifrån onormal aktivitet uppstår, och kan spatialt samlokalisering med patientens beslag fokus (Figur 3).

Figur 1
Figur 1. Vila-statliga Funktionell Connectivity och TMS mål. (A, B) Regioner med signifikanta korrelationer i funktionell aktivering (blå / grön) till vilande tillstånd BOLD signal i heterotopa knutor i två patienter med periventrikulär nodulär heterotopia och epilepsi. et al., 2015 37). Klicka här för att se en större version av denna siffra.

figur 2
Figur 2. TMS-framkallade potentialer och globala medelfältpotentialer. (A) TMS-framkallade potentiella produceras genom stimulering av den anslutna målet i en patient med PNH och epilepsi. (B) TMS-evoked potential som produceras genom stimulering av samma region i ovanstående patientens matchade friska kontroll ämne. (C) den globala genomsnittliga fältpotential (GMFP) som produceras genom stimulering av de anslutna och icke-anslutna mål för denna patientgrupp och hans matchad kontrollgrupp. (D) Den normaliserade area-under-the-kurvan av GMFP produceras genom stimulering av anslutna och icke-anslutna mål för detta ämne par. Klicka här för att se en större version av denna siffra.

Figur 3
Figur 3. Källa Lokalisering av TMS-framkallade aktivitet och beslag Uppträdande. (A) Elektriska källa imaging resultaten av en sen TMS-framkallade topp i en patient med epilepsi; skala är de beräknade strömmarna multiplicerat med 10 -11. (B) Elektriska källa imaging resultaten av en tidigare fångat beslag debut i samma patient. (Ändrad med tillstånd från Shafi et al, 2015 37)t = "_ blank"> Klicka här för att se en större version av denna siffra.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Vila-state funktionell anslutning MR har använts för att identifiera nätverksanslutning i den mänskliga hjärnan, och att identifiera förändringar av anslutningsmöjligheter som förekommer i olika sjukdomstillstånd 26,31,32. Men som fMRI funktionell anslutning bygger på att identifiera korrelationer i BOLD signalen, och som blodets syresättning förändringar har en icke-trivial relation med underliggande neural aktivitet, orsaks betydelse och fysiologiska betydelsen av dessa fMRI anslutnings fynd är oklar. TMS möjliggör spatialt och temporalt riktade manipulationer av hjärnaktivitet i vissa kortikala regioner; i kombination med EEG, kan TMS användas för att bedöma hjärnans svar på stimulering mellan olika områden i hjärnan. Följaktligen kan TMS-EEG tillämpas på områden med förändrad fMRI funktionell uppkoppling för att bedöma om de observerade förändringarna i anslutning har en fysiologisk korrelation som kan relatera till den underliggande sjukdomen patofysiologi.

I denna artikel presenteras ett protokoll med hjälp av anslutningsstyrda TMS-EEG för att utvärdera kortikala retbarhet hos patienter med epilepsi på grund av en missbildning i hjärnans utveckling, periventrikulär nodulär heterotopia, som är associerad med utveckling av onormala funktionella anslutningsnäten 37. Detta protokoll används för att visa att patienter med aktiv epilepsi har kortikal hyperexcitabilitet som är specifik för de regioner som har förändrat vilande tillstånd fMRI funktionell uppkoppling, och att hyperexcitabilitet kan bedömas på en individ nivå. I en patient med kramper tidigare tagna på EEG är onormalt sent TMS-framkallade aktivitet ses i samma region (avstånd från stimulans sida) från vilken patientens anfall ursprung, vilket tyder på att regionen onormal funktionell uppkoppling är verkligen en del av beslag-genererande nätverk.

Det finns ett antal kritiska steg till framgångsrikslutförandet av detta protokoll. Teknisk expertis med vilande tillstånd fMRI datainsamling, högkvalitativa vilande-tillståndsdata, och erfarenhet med RS-fcMRI databehandling och analystekniker är en förutsättning för noggrann bestämning av anslutningsbaserade mål. En annan viktig begränsning i att utforma och genomföra TMS-EEG-studier är behovet av TMS-kompatibel EEG utrustning; dessutom för studier där exakt inriktning är kritisk, är neuro utrustning också nödvändigt. En annan begränsning är att TMS genererar ofta betydande EEG artefakter, i synnerhet vid stimulering över frontopolar och laterala temporala regioner, och därför kan det vara svårt att få hög kvalitet data när stimuleringsmålet ligger i dessa områden. Datainsamlingen och EEG inspelningsprocessen måste också optimeras för att minimera artefakter i EEG-signalen, och experiment bör helst drivas av personer som är förtrogna med EEG-data så att artefakter som gör uppstår (t.ex. poor impedans som ledande pasta torkar) kan snabbt identifieras och minimeras. Ett viktigt steg innebär visar effekterna av ögat blinkar, muskelsammandragning och rörelse på EEG till den som undersöks, eftersom det kan vara avgörande för att hjälpa ämnet att förstå och minimera dessa typer av artefakter.

En annan viktig faktor är minimeringen av biologiska artefakter som kan begränsa tolkningen av resultaten. En särskilt viktig sådan biologisk artefakt är det auditiva framkallade-potential som alstras av TMS spole "klick", som är känt för att bidra till storleken hos den TMS-framkallade potentialen, i synnerhet vid 100 och 180 millisekunder 55,67,68 när TMS -evoked potential är också typiskt maximal. En metod som har visat sig minimera TMS auditiva framkallade potentialen är brus maskering via användningen av vitt eller färgat brus, med tillägget av ett tunt lager av skum mellan spolen och hårbotten 10,55

Slutligen, även om försiktighet vidtas för att optimera inspelningen är betydande förbehandling ofta nödvändigt att återvinna rena data för analys. Lyckligtvis har validerade metoder för att avlägsna artefakter från TMS-EEG inspelningar publicerats 60; Men även med dessa tekniker, kan återvinning av mycket tidiga signaler (<15 ms) vara mycket svårt eller otillförlitliga. En ytterligare utmaning är att EEG-data är hög-dimensionell och komplexa, och därför en tydlig tidigare hypotes är ofta nödvändigt att utvinna meningsfull information. Vidare eftersom TMS effekter och EEG-signaler kan variera kraftigt mellan patienter på grund av en lång rad icke-cerebrala faktorer som ärsvårt eller omöjligt att kontroll (t.ex. skalle tjocklek, skalle-cortex avstånd, samtidig medicinering, kvaliteten på sömn natten innan), utfallsmått som är mindre beroende av rå omfattningen av framkallade svar kommer sannolikt att vara mer informativa eller meningsfull.

Även tekniskt utmanande, integration av rs-fcMRI, TMS och EEG tillsammans i ett experiment gör tester av ett brett utbud av hypoteser om betydelsen av specifika anslutnings rön om kortikal fysiologi. I sjukdomstillstånd, kan dessa tekniker integreras tillsammans för att bedöma förhållandet mellan fMRI nätverksförändringar anslutnings, patofysiologiska förändringar i kortikala retbarhet och framkallade hjärnaktivitet och sjukdomsuttryck. Noterbart kan detta protokoll användas för att undersöka kortikala fysiologi via gemensamma utfallsmått, även om fokus för onormal anslutning (och därmed stimuleras region) skiljer sig från ett ämne till ett annat, providing en utgång som kan vara meningsfull på individen nivå, och öppna upp möjligheten till ett personligt förhållningssätt till utredning och slutligen behandling.

Det protokoll som beskrivits i denna studie skulle också kunna utvidgas till att bedöma särdrag kortikala fysiologi olika ämnesgrupper. Till exempel, har ett antal nya studier tyder på att N45 del av TMS-framkallade EEG-reaktion representerar aktiviteten av GABA-A-receptorer 69, medan N100 komponenten i TMS-framkallade EEG-reaktion är ett mått på GABA-B hämning 21,69. Parade puls TMS-EEG med en lång intervall intrakortikal hämning protokollet ger ett annat mått på GABAergic aktivitet, och har visat sig vara förändrad vid frontal regioner hos patienter med schizofreni i förhållande till kontroller 70. Således kan ovanstående protokoll modifieras för att specifikt behandla frågor om GABAergic aktivitet i regioner med förändrad functional anslutning. Dessutom kan käll lokalisering av topparna i TMS-framkallade potentialen identifiera avlägsna regioner som är engagerade genom stimulering, och därmed hjälpa till att informera vilka av de funktionella samband som konstaterats med konventionella vila-state fMRI är kapabla att kausalt sända framkallad aktivitet. För situationer där de viktigaste nätnaven är djup, RS-fcMRI kan också användas för att identifiera kortikala mål som är tillgängliga för stimulering, och därigenom möjliggöra modulering av specifika hjärn nätverk som deltar i normalt beteende och vid sjukdomstillstånd 35,36,71. I sådana fall kan de tekniker som beskrivs i denna studie användas för att bedöma lokala och distribuerade enstaka puls TMS-framkallade aktivitet före och efter en upprepad plasticitet protokoll, för att avgöra om plasticitet protokollet verkligen har förändrats kortikal retbarhet lokalt, och / eller nätverk retbarhet distalt.

Sammanfattningsvis integrationen av rs-fcMRI, TMS och EEG gör det möjligt för exploratipå hur hjärnan anslutnings påverkar kortikal fysiologi och beteende hos människor. Dessutom kan dessa tekniker också kombineras för att bedöma hur förändringar i anslutning är relaterade till patofysiologin vid sjukdomstillstånd, som visas i det protokoll som beskrivs ovan.

Subscription Required. Please recommend JoVE to your librarian.

Materials

Name Company Catalog Number Comments
3T MRI scanner
MRI functional connectivity software
MRI image viewing software MRICron
Transcranial Magnetic Stimulator Nexstim eXimia Stimulator Can use stimulators from other suppliers, e.g., Magventure, Magstim
MRI neuronavigation system Nexstim NBS v3.2.1 Alternative MRI neuronavigation system, e.g., Brainsight, Localite
TMS-compatible EEG system Nexstim Eximia EEG Alternatives: Brain Products, Synamps, ANT
Matlab Mathworks R2012b Alternatives: Octave
EEGLab
Minimum Norm Estimate (MNE) software
FreeSurfer

DOWNLOAD MATERIALS LIST

References

  1. Florian, J., Müller-Dahlhaus, M., Liu, Y., Ziemann, U. Inhibitory circuits and the nature of their interactions in the human motor cortex a pharmacological TMS study. J. Physiol. 586, (2), 495-514 (2008).
  2. Rotenberg, A. Prospects for clinical applications of transcranial magnetic stimulation and real-time EEG in epilepsy. Brain Topogr. 22, (4), 257-266 (2010).
  3. Cash, R. F. H., Ziemann, U., Murray, K., Thickbroom, G. W. Late cortical disinhibition in human motor cortex: a triple-pulse transcranial magnetic stimulation study. J. Neurophysiol. 103, (1), 511-518 (2010).
  4. Badawy, R. A. B., Curatolo, J. M., Newton, M., Berkovic, S. F., Macdonell, R. A. L. Changes in cortical excitability differentiate generalized and focal epilepsy. Ann. Neurol. 61, (4), 324-331 (2007).
  5. Silbert, B. I., Heaton, A. E., et al. Evidence for an excitatory GABAA response in human motor cortex in idiopathic generalised epilepsy. Seizure. 26, 36-42 (2015).
  6. Badawy, R. A. B., Macdonell, R. A. L., Berkovic, S. F., Newton, M. R., Jackson, G. D. Predicting seizure control: cortical excitability and antiepileptic medication. Ann. Neurol. 67, (1), 64-73 (2010).
  7. Badawy, R. A. B., Vogrin, S. J., Lai, A., Cook, M. J. On the midway to epilepsy: is cortical excitability normal in patients with isolated seizures? Int. J. Neural Syst. 24, (2), 1430002 (2014).
  8. Badawy, R. A. B., Vogrin, S. J., Lai, A., Cook, M. J. Capturing the epileptic trait: cortical excitability measures in patients and their unaffected siblings. Brain J. Neurol. 136, (Pt 4), 1177-1191 (2013).
  9. Komssi, S., Kähkönen, S., Ilmoniemi, R. J. The effect of stimulus intensity on brain responses evoked by transcranial magnetic stimulation. Hum. Brain Mapp. 21, (3), 154-164 (2004).
  10. 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).
  11. Lioumis, P., Kicić, D., Savolainen, P., Mäkelä, J. P., Kähkönen, S. Reproducibility of TMS-Evoked EEG responses. Hum. Brain Mapp. 30, (4), 1387-1396 (2009).
  12. 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).
  13. Casarotto, S., Romero Lauro, L. J., et al. EEG responses to TMS are sensitive to changes in the perturbation parameters and repeatable over time. PloS One. 5, (4), e10281 (2010).
  14. Morishima, Y., Akaishi, R., Yamada, Y., Okuda, J., Toma, K., Sakai, K. Task-specific signal transmission from prefrontal cortex in visual selective attention. Nat. Neurosci. 12, (1), 85-91 (2009).
  15. Shafi, M. M., Westover, M. B., Fox, M. D., Pascual-Leone, A. Exploration and modulation of brain network interactions with noninvasive brain stimulation in combination with neuroimaging. Eur. J. Neurosci. 35, (6), 805-825 (2012).
  16. Kugiumtzis, D., Kimiskidis, V. K. Direct Causal Networks for the Study of Transcranial Magnetic Stimulation Effects on Focal Epileptiform Discharges. Int. J. Neural Syst. 25, (5), 1550006 (2015).
  17. Radhu, N., Garcia Dominguez, L., et al. Evidence for inhibitory deficits in the prefrontal cortex in schizophrenia. Brain J. Neurol.. 138, (Pt 2), 483-497 (2015).
  18. Bruckmann, S., Hauk, D., et al. Cortical inhibition in attention deficit hyperactivity disorder: new insights from the electroencephalographic response to transcranial magnetic stimulation. Brain J. Neurol. 135, (Pt 7), 2215-2230 (2012).
  19. Rosanova, M., Gosseries, O., et al. Recovery of cortical effective connectivity and recovery of consciousness in vegetative patients. Brain J. Neurol. 135, (Pt 4), 1308-1320 (2012).
  20. Daskalakis, Z. J., Farzan, F., Barr, M. S., Maller, J. J., Chen, R., Fitzgerald, P. B. Long-interval cortical inhibition from the dorsolateral prefrontal cortex: a TMS-EEG study. Neuropsychopharmacol. Off. Publ. Am. Coll. Neuropsychopharmacol. 33, (12), 2860-2869 (2008).
  21. Farzan, F., Barr, M. S., et al. The EEG correlates of the TMS-induced EMG silent period in humans. NeuroImage. (2013).
  22. Valentin, A., Arunachalam, R., et al. Late EEG responses triggered by transcranial magnetic stimulation (TMS) in the evaluation of focal epilepsy. Epilepsia. 49, (3), 470-480 (2008).
  23. Del Felice,, Fiaschi, A., Bongiovanni, A., L, G., Savazzi, S., Manganotti, P. The sleep-deprived brain in normals and patients with juvenile myoclonic epilepsy: a perturbational approach to measuring cortical reactivity. Epilepsy Res. 96, (1-2), 123-131 (2011).
  24. Julkunen, P., Säisänen, L., Könönen, M., Vanninen, R., Kälviäinen, R., Mervaala, E. TMS-EEG reveals impaired intracortical interactions and coherence in Unverricht-Lundborg type progressive myoclonus epilepsy (EPM1). Epilepsy Res. 106, (1-2), 103-112 (2013).
  25. Kimiskidis, V. K., Koutlis, C., Tsimpiris, A., Kälviäinen, R., Ryvlin, P., Kugiumtzis, D. Transcranial Magnetic Stimulation Combined with EEG Reveals Covert States of Elevated Excitability in the Human Epileptic Brain. Int. J. Neural Syst. 25, (5), 1550018 (2015).
  26. Fox, M. D., Raichle, M. E. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat. Rev. Neurosci. 8, (9), 700-711 (2007).
  27. Greicius, M. D., Krasnow, B., Reiss, A. L., Menon, V. Functional connectivity in the resting brain: a network analysis of the default mode hypothesis. Proc. Natl. Acad. Sci. U. S. A. 100, (1), 253-258 (2003).
  28. Fox, M. D., Snyder, A. Z., Vincent, J. L., Corbetta, M., Van Essen, D. C., Raichle, M. E. The human brain is intrinsically organized into dynamic, anticorrelated functional networks. Proc. Natl. Acad. Sci. U. S. A. 102, (27), 9673-9678 (2005).
  29. De Luca, M., Beckmann, C. F., De Stefano, N., Matthews, P. M., Smith, S. M. fMRI resting state networks define distinct modes of long-distance interactions in the human brain. NeuroImage. 29, (4), 1359-1367 (2006).
  30. Seeley, W. W., Crawford, R. K., Zhou, J., Miller, B. L., Greicius, M. D. Neurodegenerative diseases target large-scale human brain networks. Neuron. 62, (1), 42-52 (2009).
  31. Greicius, M. Resting-state functional connectivity in neuropsychiatric disorders. Curr. Opin. Neurol. 21, (4), 424-430 (2008).
  32. Zhang, D., Raichle, M. E. Disease and the brain's dark energy. Nat. Rev. Neurol. 6, (1), 15-28 (2010).
  33. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 19 (2010).
  34. Centeno, M., Carmichael, D. W. Network Connectivity in Epilepsy: Resting State fMRI and EEG-fMRI Contributions. Front. Neurol. 5, 93 (2014).
  35. Fox, M. D., Buckner, R. L., White, M. P., Greicius, M. D., Pascual-Leone, A. Efficacy of transcranial magnetic stimulation targets for depression is related to intrinsic functional connectivity with the subgenual cingulate. Biol. Psychiatry. 72, (7), 595-603 (2012).
  36. Fox, M. D., Buckner, R. L., Liu, H., Chakravarty, M. M., Lozano, A. M., Pascual-Leone, A. Resting-state networks link invasive and noninvasive brain stimulation across diverse psychiatric and neurological diseases. Proc. Natl. Acad. Sci. U. S. A. 111, (41), E4367-E4375 (2014).
  37. Shafi, M. M., Vernet, M., et al. Physiological consequences of abnormal connectivity in a developmental epilepsy: Cortical Connectivity. Ann. Neurol. 77, (3), 487-503 (2015).
  38. Chang, B. S., Ly, J., et al. Reading impairment in the neuronal migration disorder of periventricular nodular heterotopia. Neurology. 64, (5), 799-803 (2005).
  39. Battaglia, G., Granata, T. Periventricular nodular heterotopia. Handb. Clin. Neurol. 87, 177-189 (2008).
  40. Chang, B. S., Katzir, T., et al. A structural basis for reading fluency: white matter defects in a genetic brain malformation. Neurology. 69, (23), 2146-2154 (2007).
  41. Christodoulou, J. A., Walker, L. M., et al. Abnormal structural and functional brain connectivity in gray matter heterotopia. Epilepsia. 53, (6), 1024-1032 (2012).
  42. Tassi, L., Colombo, N., et al. Electroclinical, MRI and neuropathological study of 10 patients with nodular heterotopia, with surgical outcomes. Brain J. Neurol. 128, (Pt 2), 321-337 (2005).
  43. Rorden, C., Brett, M. Stereotaxic display of brain lesions). Behav. Neurol. 12, (4), 191-200 (2000).
  44. Rorden, C., Karnath, H. -O., Bonilha, L. Improving lesion-symptom mapping. J. Cogn. Neurosci. 19, (7), 1081-1088 (2007).
  45. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J. Neurosci. Methods. 134, (1), 9-21 (2004).
  46. Dill, T. Contraindications to magnetic resonance imaging: non-invasive imaging. Heart Br. Card. Soc. 94, (7), 943-948 (2008).
  47. Rossi, S., Hallett, M., Rossini, P. M., Pascual-Leone, A. Safety, ethical considerations, and application guidelines for the use of transcranial magnetic stimulation in clinical practice and research. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 120, (12), 2008-2039 (2009).
  48. Whitfield-Gabrieli, S., Nieto-Castanon, A. Conn: a functional connectivity toolbox for correlated and anticorrelated brain networks. Brain Connect. 2, (3), 125-141 (2012).
  49. Chai, X. J., Castañòn, A. N., Ongür, D., Whitfield-Gabrieli, S. Anticorrelations in resting state networks without global signal regression. NeuroImage. 59, (2), 1420-1428 (2012).
  50. Behzadi, Y., Restom, K., Liau, J., Liu, T. T. A component based noise correction method (CompCor) for BOLD and perfusion based fMRI. NeuroImage. 37, (1), 90-101 (2007).
  51. Mutanen, T., Mäki, H., Ilmoniemi, R. J. The effect of stimulus parameters on TMS-EEG muscle artifacts. Brain Stimulat. 6, (3), 371-376 (2013).
  52. Sekiguchi, H., Takeuchi, S., Kadota, H., Kohno, Y., Nakajima, Y. TMS-induced artifacts on EEG can be reduced by rearrangement of the electrode's lead wire before recording. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 122, (5), 984-990 (2011).
  53. Keel, J. C., Smith, M. J., Wassermann, E. M. A safety screening questionnaire for transcranial magnetic stimulation. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 112, (4), 720 (2001).
  54. Huber, R., Mäki, H., et al. Human cortical excitability increases with time awake. Cereb. Cortex N. Y. N. 1991. 23, (2), 332-338 (2013).
  55. Ter Braack, E. M., de Vos, C. C., van Putten, M. J. A. M. Masking the Auditory Evoked Potential in TMS-EEG: A Comparison of Various Methods. Brain Topogr. 28, (3), 520-528 (2015).
  56. Groppa, S., Oliviero, A., et al. A practical guide to diagnostic transcranial magnetic stimulation: report of an IFCN committee. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 123, (5), 858-882 (2012).
  57. Clin Neurophysiol, S. uppl 56, 13-23 (2003).
  58. Rosanova, M., Casali, A., Bellina, V., Resta, F., Mariotti, M., Massimini, M. Natural frequencies of human corticothalamic circuits. J. Neurosci. Off. J. Soc. Neurosci. 29, (24), 7679-7685 (2009).
  59. Rothwell, J. C., Hallett, M., Berardelli, A., Eisen, A., Rossini, P., Paulus, W. Magnetic stimulation: motor evoked potentials. The International Federation of Clinical Neurophysiology. Electroencephalogr. Clin. Neurophysiol. Suppl. 52, 97-103 (1999).
  60. Rogasch, N. C., Thomson, R. H., et al. Removing artefacts from TMS-EEG recordings using independent component analysis: importance for assessing prefrontal and motor cortex network properties. NeuroImage. 101, 425-439 (2014).
  61. Hernandez-Pavon, J. C., Metsomaa, J., et al. Uncovering neural independent components from highly artifactual TMS-evoked EEG data. J. Neurosci. Methods. 209, (1), 144-157 (2012).
  62. Mognon, A., Jovicich, J., Bruzzone, L., Buiatti, M. ADJUST: An automatic EEG artifact detector based on the joint use of spatial and temporal features. Psychophysiology. 48, (2), 229-240 (2011).
  63. Lehmann, D., Skrandies, W. Reference-free identification of components of checkerboard-evoked multichannel potential fields. Electroencephalogr. Clin. Neurophysiol. 48, (6), 609-621 (1980).
  64. NeuroImage, 62, (2), 774-781 (2012).
  65. Hämäläinen, M. S., Sarvas, J. Realistic conductivity geometry model of the human head for interpretation of neuromagnetic data. IEEE Trans. Biomed. Eng. 36, (2), 165-171 (1989).
  66. Gramfort, A., Luessi, M., et al. MNE software for processing MEG and EEG data. NeuroImage. 86, 446-460 (2014).
  67. Nikouline, V., Ruohonen, J., Ilmoniemi, R. J. The role of the coil click in TMS assessed with simultaneous EEG. Clin. Neurophysiol. Off. J. Int. Fed. Clin. Neurophysiol. 110, (8), 1325-1328 (1999).
  68. Gosseries, O., Sarasso, S., et al. On the Cerebral Origin of EEG Responses to TMS: Insights From Severe Cortical Lesions. Brain Stimulat. 8, (1), 142-149 (2015).
  69. Premoli, I., Castellanos, N., et al. TMS-EEG signatures of GABAergic neurotransmission in the human cortex. J. Neurosci. Off. J. Soc. Neurosci. 34, (16), 5603-5612 (2014).
  70. Farzan, F., Barr, M. S., et al. Evidence for gamma inhibition deficits in the dorsolateral prefrontal cortex of patients with schizophrenia. Brain J. Neurol. 133, (Pt 5), 1505-1514 (2010).
  71. Wang, J. X., Rogers, L. M., et al. Targeted enhancement of cortical-hippocampal brain networks and associative memory. Science. 345, (6200), 1054-1057 (2014).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics