En Multimodal Imaging- og Stimulation-baserede metode til at evaluere Connectivity-relaterede Brain uro hos 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

Transkraniel magnetisk stimulation (TMS) er et middel til ikke-invasivt at stimulere regioner af cortex via elektromagnetisk induktion. I TMS, er et stort, men rumligt begrænset magnetisk flux anvendes til at inducere et elektrisk felt i et mål kortikal område, og derved modulere aktiviteten af ​​det underliggende nervevæv. TMS til motoriske cortex resultater i motor evoked potentialer, der kan måles perifert via elektromyografi (EMG). Når det påføres i par eller trillinger af impulser, kan TMS anvendes til at vurdere aktiviteten af specifikke intracortical GABAerge og glutaminerge kredsløb 1-3, og således vurdere balancen mellem excitation og hæmning in vivo i humane patienter. I epilepsi specifikt har TMS undersøgelser vist, at kortikale hyperexcitabilitet er til stede hos patienter med epilepsi 4,5, og kan normalisere med vellykket anti-epileptiske medicinsk behandling og dermed forudsige respons på medicin 6. Desuden, TMS foranstaltninger af kortikale excitability vise mellemliggende værdier hos patienter med et enkelt anfald 7 og i søskende til patienter med både idiopatisk generaliseret og erhvervede fokale epilepsi 8. Disse resultater tyder på, at TMS foranstaltninger af kortikal ophidselse kan tillade os at identificere endophenotypes for epilepsi. følsomheden og specificiteten af ​​disse foranstaltninger er imidlertid begrænset, sandsynligvis fordi TMS-EMG kun kan vurderes med stimulation af motoriske kortikale kredsløb, og mange patienter med epilepsi har anfald foci udenfor den motoriske hjernebark.

Elektroencefalografi (EEG) giver mulighed for direkte at måle cerebral reaktion på TMS, og kan anvendes til at vurdere cerebral reaktivitet tværs store områder af neocortex. Undersøgelser integrerer TMS med EEG (TMS-EEG) har vist, at TMS producerer bølger af aktivitet, genlyd i hele cortex 9,10, og som er reproducerbar og pålidelig 11-13. Ved at evaluere udbredelsen af ​​fremkaldte aktiviteti forskellige adfærdsmæssige tilstande og i forskellige opgaver, har TMS-EEG blevet brugt til kausalt sonde den dynamiske effektive konnektivitet af menneskelige hjerne netværk 10,14-16. TMS-EEG foranstaltninger har vist signifikante abnormiteter i sygdomme, der spænder fra skizofreni 17 til ADHD 18, og i forstyrrelser af bevidsthed, såsom vedvarende vegetativ tilstand 19. Desuden har flere grupper identificeret EEG korrelater til den parrede-puls TMS-EMG målinger, der er unormal hos patienter med epilepsi 20,21. Af særlig relevans har tidligere undersøgelser også foreslået, at unormal stimulering fremkaldte EEG aktivitet ses hos patienter med epilepsi 22-25.

Et andet middel til vurdering hjernens kredsløb er via hvilende-state funktionel tilslutning MRI (RS-fcMRI), en teknik, der evaluerer korrelationerne over tid i blodets iltning niveau afhængig (fed) signal fra forskellige hjerneområder 26. undersøgelser under anvendelse afrs-fcMRI har vist, at den menneskelige hjerne er organiseret i forskellige netværk af interagerende regioner 26-29, at neuropsykiatriske sygdomme kan opstå inden for specifikke store distribuerede neurale netværk identificeret ved rs-fcMRI 30, og at hjernen netværk identificeret via RS fcMRI er ofte unormal i neuropsykiatriske sygdomstilstande 31,32. Med hensyn til potentielle kliniske anvendelser, rs-fcMRI har flere fordele i forhold til konventionel opgavebaseret fMRI program 33, herunder mindre afhængighed af emnet samarbejde og bekymring over variabel ydelse. Derfor har der for nylig været en eksplosion af undersøgelser, RS-fcMRI ændringer i forskellige sygdomstilstande. Men en af ​​begrænsningerne ved RS-fcMRI er problemer med at bestemme, om og hvordan korrelationer (eller anticorrelations) i BOLD signal vedrører de elektrofysiologiske interaktioner, der danner grundlag for neuronal kommunikation. Et beslægtet problem er, at det er oftenn uklart, om de rs-fcMRI ændringer set i forskellige sygdomstilstande har fysiologisk betydning. Især med hensyn til epilepsi, er det uklart, om abnormaliteter i RS-fcMRI skyldes udelukkende interictal epilepsilignende transienter, eller eksisterer uafhængigt af sådanne elektrofysiologiske abnormiteter; samtidige EEG-fMRI er nødvendig for at hjælpe evaluere mellem disse muligheder 34.

Som TMS kan anvendes til fremstilling af forbigående eller vedvarende ændringer i aktiveringer af forskellige kortikale områder, TMS undersøgelser tilvejebringer et middel til kausalt at vurdere betydningen af ​​forskellige hvilende-state fMRI tilslutningsmuligheder mønstre. En metode er at bruge RS-fcMRI at guide terapeutiske stimulation indsats på forskellige sygdomstilstande; Det kunne forventes, at TMS målrettet til regioner, der er funktionelt er forbundet til områder, der vides at være involveret i forskellige sygdomstilstande er mere tilbøjelige til at være terapeutisk effektiv end TMS målrettet til regioner uden en sådan functional tilslutningsmuligheder, og faktisk flere undersøgelser har fundet foreløbige beviser for denne 35,36. En anden fremgangsmåde ville involvere anvendelse af TMS-EEG til kausalt vurdere den fysiologiske betydning af forskellige hvilende-state fcMRI mønstre. Konkret kan man teste hypotesen om, at regioner, der viser unormal funktionel konnektivitet i en bestemt sygdomstilstand skal vise en anden respons på stimulation hos patienter end hos raske forsøgspersoner, og at disse fysiologiske abnormiteter er til stede specifikt (eller primært) med stimulering af unormalt forbundet region.

For at illustrere ovenstående, giver vi et eksempel på en nylig undersøgelse, hvor rs-fcMRI, TMS og EEG blev kombineret til at udforske kortikale hyperexcitabilitet hos patienter med epilepsi på grund af den udviklingsmæssige hjerne abnormitet periventrikulær nodulær heterotopia (PNH) 37. Patienter med PNH nuværende klinisk med adolescent- eller voksen-debut epilepsi, læsning handicap, og normal intelligence, og har unormale knuder af grå stof støder op til de laterale ventrikler på Neuroimaging 38,39. Tidligere undersøgelser har vist, at disse periventrikulære knuder af heterotop grå substans er strukturelt og funktionelt forbundet til diskrete foci i neocortex 40,41, og at epileptiske anfald kan stamme fra neocorticale regioner, heterotopisk grå substans eller begge samtidigt 42, hvilket antyder, at epileptogenese i disse patienter er et kredsløb fænomen. Ved at bruge hvile-state fc-MRI til at guide TMS-EEG, viste vi, at patienter med aktiv epilepsi på grund af PNH har beviser for kortikal hyperexcitabilitet, og at denne hyperexcitabilitet synes at være begrænset til regioner med unormal funktionel forbindelse til de dybe knuder.

Protokollen udføres i to separate sessioner. Under den første session, er strukturelt og hvile-state blod-iltning niveau afhængige (BOLD) kontrast MRI-sekvenser erhvervet(Til patienter), eller blot strukturelle MRI sekvenser (for de raske kontroller). Mellem den første og anden sessioner, anvendes hvilende-state funktionel konnektivitet analyse for at fastlægge de kortikale mål for patienterne, og MNI koordinater for opnås disse mål. De tilsvarende kortikale mål (baseret på MNI koordinater) derefter fastlægges for hver raske kontrol emne. I den anden session, opnås TMS-EEG-data.

I eksemplet i dette papir blev funktionel-tilslutningsmuligheder MRI analyser udføres ved hjælp af en in-house software værktøjskasse og MRI-softwaren 43,44. Neuro-navigeret TMS blev udført med en transkraniel magnetisk stimulator med real-time MRI neuronavigation. EEG blev registreret med en 60-kanals TMS-kompatibelt system, som anvender en prøve-og-hold kredsløb for at undgå forstærker mætning af TMS. EEG-data blev analyseret ved hjælp af brugerdefinerede scripts og EEGLAB værktøjskasse 45 (version 12.0.2.4b) kører i MATLAB R2012b.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Den her beskrevne protokol blev godkendt af de institutionelle anmeldelse bestyrelserne for Beth Israel Deaconess Medical Center og Massachusetts Institute of Technology.

1. Med forbehold Selection

  1. Patient selektion for forsøgsprotokol.
    1. Identificer patienter med aktiv epilepsi (anfald inden for det seneste år), eller en historie af remote epilepsi (tidligere anfald, men med nogen beslaglæggelser i de seneste fem år enten til eller fra medicin) og periventrikulær nodulær heterotopia om strukturel hjernescanning.
    2. Udeluk patienter uden nogen tidligere krampeanfald. Udelukker også patienter med alternative mulige ætiologier for kramper (f.eks en historie af traumatisk hjerneskade, slagtilfælde, meningoencephalitis) eller med EEG fund er i overensstemmelse med en alternativ diagnose (f.eks idiopatisk generaliseret epilepsi, mesial FLE).
    3. Udeluk patienter med ekstra neurologiske eller psykiatriske disease, eller med nogen anden ustabil medicinsk tilstand. Også udelukke patienter med en historie af forudgående hjernekirurgi, manglende evne til at tolerere MRI, seneste ulovlige stof eller kraftig brug af alkohol, eller en bestemt MRI 46 eller TMS 47 kontraindikation.
  2. Sund kontrol emne valg.
    1. For hver PNH patient (i vores tidligere offentliggjorte studie 37, 8 patienter i alderen 20 - 43 år betyder 30,25, 3 mænd, 5 kvinder), identificere en alders- og køn-matchede raske kontrol.
    2. Udeluk forsøgspersoner med eventuelle igangværende neurologiske eller psykiatriske sygdomme eller på psykoaktive medikamenter, til en anden ustabil medicinsk tilstand, en historie af forudgående hjernekirurgi, manglende evne til at tolerere MRI, ulovlige stof eller tunge alkoholforbrug, eller andre specifikke MRI eller TMS kontraindikation.

2. Generering stimulering Mål

  1. Ved hjælp af en 3T MR-system, erhverve høj opløsning strukturelle hel-hjerne skiver ved hjælp af en T1-weighted sekvens. Brug følgende erhvervelse parametre: 128 skiver pr plade, en 256 x 256 matrix, synsfelt (FOV) 256 mm, skivetykkelse 1,33 mm med 0,63 mm interslice hul, voxel størrelse 1 x 1 x 1,33 mm 3, gentagelse tid (TR ) 2530 ms, inversion tid 1100 ms, ekkotid (TE) 3,39 msek, flipvinkel 7 °.
  2. Ved hjælp af en 3T MR-system, erhverve hvile-state funktionelle billeder ved hjælp et ekko-plane sekvens følsom over for blod-iltning niveau-afhængig (fed) kontrast. Under udførelsen af ​​denne scanning instruere patienterne til at hvile roligt med åbne øjne uden at udføre en bestemt opgave. Brug følgende erhvervelse parametre: FOV 256 mm, voxel størrelse 2,0 x 2,0 x 2,0 mm, TR 6000 msek, TE 30 msek, flip vinkel 90 °, erhvervelse tid 6,4 min.
  3. Brug af MRICroN software 44, identificere hvert diskret område af nodulær heterotopia (enten enkelte knude eller en uadskillelig sammenhængende klynge af knuder) 46. Brug Pen værktøj til manuelt at skitsere hanterotopia regioner af interesse (ROI), slice ved skive i aksial flyet på T1-vægtede strukturelle billeder.
  4. Brug CONN funktionelle konnektivitet software værktøjskasse 48,49 for at udføre fire sekventielle trin i hvile-tilstand funktionel databehandling: Setup, forbehandling Analyse og resultater.
    1. For opsætning, brug menuvalg til at starte et nyt projekt, og indtast grundlæggende eksperiment oplysninger. Læg de funktionelle billeder, udrettet og co-registreret til de anatomiske billeder for hvert fag.
    2. Læg de strukturelle billeder. Load heterotopia ROI-filer oprettet i trin 2.3. Indtast oplysninger om den eksperimentelle tilstand; da dette hviler-tilstand, skal du indtaste en enkelt tilstand med debut 0 sekunder og varighed svarende til det komplette varigheden af ​​hver session. Værktøjskassen vil udtrække heterotopia ROI BOLD tidsserier. Undersøg for eventuelle uoverensstemmelser.
    3. For Forbehandling, confounding kilder til BOLD variation omfatter respiratoriske-induceret modulationer af de vigtigste magnetic felt og hjerte pulseringer, samt emne bevægelse. Fjern konfoundere via den integrerede hovedkomponent-baserede metode, der analyserer tidsseriedata fra regioner som ikke forventes at være forbundet med neurale aktivitet, såsom ventriklerne og store skibe, for at identificere fysiologiske støj processer 50. Se et eksempel på den samlede varians forklaret af hver af de mulige forstyrrende kilder. Påfør et band-pass frekvens filter (0,01 Hz <f <0,1 Hz) og Gauss udjævning (6 mm fuld bredde ved halv maksimum).
      BEMÆRK: Værktøjskassen vil som standard identificere kilder til mulige confoundere, herunder BOLD signal fra den hvide substans og cerebrospinalvæske og kursjustering parametre (emne motion).
    4. For Analyse og resultater, identificere kilderne af interesse som heterotopia ROIs. Se et eksempel på den konnektivitet mål for korrelation (snarere end regression), og vise at bruge tærskelværdier for korrelationskoefficienter.
      1. For hvert emne, skabe setilslutningsmuligheder maps d-til-voxel udnytte hver diskret region i heterotopisk grå sagen som et frø ROI, demonstrerer sammenhængen mellem den gennemsnitlige BOLD signal tidsserier for ROI og hver anden hjerne voxel.
      2. Udfør andet niveau analyser for mellem-emne eller mellem-source kontraster (valgfrit). Vise resultaterne ved hjælp af højden (voxel-niveau) og omfanget (cluster-niveau) grænseværdier; ukorrigerede og falske opdagelse sats-korrigerede p-værdier er vist.
  5. Brug MRICroN software til manuelt at skitsere to mål af interesse, en tilsluttet mål og en ikke-tilsluttet mål, for TMS, ved hjælp af pen værktøjet 43. Brug af "Overlay" -funktionen oven de funktionelle tilslutningsmuligheder kortene skabt oven på de strukturelle billeder for hvert fag.
    1. Sørg for, at målområdet er en region af cortex, der har væsentlig funktionel forbindelse til den grå sagen heterotopia som beskrevet ovenfor. Sørg for, at ikke-tilsluttede tjærefår, er en lignende størrelse region, der ikke demonstrerer væsentlig funktionel forbindelse til enhver heterotopia ROI, og er placeret mindst 2,5 cm væk fra den tilsluttede mål på kortikale overflade for at minimere risikoen for nabolaget stimulering under TMS.
    2. Vælg mål således, at sandsynligheden for store TMS-inducerede artefakter er lille 51. Konkret undgå at vælge mål i de laterale tidsmæssige eller frontopolar regioner, da disse er tilbøjelige til at producere store muskel sammentrækning og / eller øjenbevægelser artefakter, der kan skjule den tidlige TMS-EEG-signal 51. Gem de skitserede mål som nye mål ROIs.
  6. Bestem MNI koordinater for hvert mål ROI i hvert fag. Brug derefter disse koordinater til at identificere de tilsvarende to målområder i hvert fagets matchede raske kontrol emne.

3. TMS-EEG forsøgsopstilling

  1. Upload strukturelle scanninger (typisk høj opløsning T1-Weighted 3D volumetriske billeder) ind i neuronavigation systemet.
  2. Ved hjælp af neuronavigation software, markere de ønskede mål for billederne. Også markere eksterne anatomiske markører (det NASION, bilateral tragus), som vil blive anvendt til coregistration og neuronavigation under stimuleringen session. Hvis du bruger en EEG cap med drejelige elektroder og elektrode ledninger, orient ledninger vinkelret på den lange akse af TMS spole 52.
  3. Kontakt emnet forud for den eksperimentelle session for at minde ham eller hende om ikke at bruge balsam eller andre hårprodukter (shampoo er acceptabelt) på dagen for TMS-EEG-session, for at undgå alkoholiske drikke aftenen før TMS-EEG-session, og at drikke sin sædvanlige daglige indtag af koffein før TMS session.

4. Eksperimentel Session

  1. Bekræft, at emnet passerer TMS sikkerhedskriterier, ideelt via et struktureret spørgeskema 53. Bekræft, at motivet ikke gjorde ulemperume alkoholholdige drikkevarer forudgående nat, ikke drikker væsentligt mere eller mindre end hans eller hendes sædvanlige daglige koffein forbrug, ikke forbruge over-the-counter søvn hjælpemidler, der ændrer kortikal ophidselse (såsom diphenhydramin) forudgående nat, og fik en typisk nattesøvn (som søvnmangel kan øge kortikal ophidselse 54).
  2. Spørg motivet til at sidde i en behagelig stol.
  3. Monter EEG hætten på emnet og forberede elektroderne.
    1. Mål emnet hoved og vælg en EEG cap af passende størrelse til at bidrage til, at lave elektrode impedanser.
    2. Rengør huden under hver elektrode ved hjælp af en bomuld-tip applikator og alkohol.
    3. Tilføj ledende gel til hver elektrode. Tilsæt ikke for meget gel, det lækker mellem elektroder, som kan skabe en bro og føre til fælles signal mellem forskellige elektroder.
    4. Hvis det er nødvendigt, for at sikre god kontakt mellem hovedbunden, gelen og electrode prøve at trykke ned på hver elektrode efter tilsætning af gelen. For at minimere opladning artefakter, sikre, at gelen ikke spredes uden holder elektroden. Homogent reduceret konduktans niveauer for at minimere optagelse artefakter.
    5. Placer henvisningen og jordelektroder så langt fra stimulering spole som muligt for at minimere muligheden for TMS-induceret elektrode artefakt forurene hele optagelsen. Det foretrækkes at placere disse elektroder ovenfor benede strukturer, formentlig "inaktiv" zoner med minimal cortical aktivitet.
      BEMÆRK: Selv i studier, for hvilke målretningsområder er variabel, frontopolar regioner er usandsynligt, at blive valgt som mål, fordi TMS til disse regioner kan resultere i store øjenbevægelser, sammentrækning af frontalis og ansigtsmuskler 51, og, ofte, hovedbund smerte og hovedpine; følgelig er TMS-EEG-signalet under stimulering af disse regioner ofte skjult af store artefakter.
    6. Syndce disse regioner er således usandsynligt, at blive valgt som mål for stimulering, bruge panden til placering af reference- og jordelektroder. Placere dem inden for et par centimeter fra hinanden for at minimere common mode støj.
      BEMÆRK: I situationer, hvor alle de stimulation mål er i en halvkugle, ville den kontralaterale mastoid være en anden mulighed.
    7. Tjek elektrode impedanser som følger; plug EEG output kabler i "impedans" jack af EEG optagelse system, og tryk derefter på knappen "måle impedanser" på EEG-systemet. Sørg for, at elektroden impedans ikke er større end 5 kohm.
  4. Forbered EMG elektroder på den kontralaterale side (brug første dorsale interosseous eller bortføreren pollicis brevis muskler, udnytte den samme muskel på tværs af fag i et enkelt studie).
  5. Giv underlagt ørepropper for at minimere risikoen for høretab og tinnitus.
    BEMÆRK: En anden mulighed ville være at udnytte øretelefoner spille White støj eller farvet støj (med spektrale træk svarende til bestemmelserne i TMS klik) under hele optagelsen, ved et volumen tilstrækkelig til at maskere den auditive klik produceret af TMS; dette ville have den ekstra fordel at minimere den potentielle forvirre af TMS-induceret auditive evoked potentialer 10,55. Af note, et tyndt lag skum mellem spolen og hovedbund er også nødvendigt at minimere den auditive evoked potentiale.
  6. Placer de infrarøde detektorer på individets hoved, der sikrer, at detektorerne er placeret i en måde at minimere risikoen for bevægelse under den eksperimentelle session.
  7. Coregister emnet hoved med MRI-billeder ved at identificere placeringen af ​​de foreløbigt udvalgte eksterne anatomiske referencemærker markører (afsnit 3.2) om emnet ved hjælp af markøren, der er inkluderet med neuronavigation udstyr.
  8. Sætte emnet med stimulation ved at anvende en impuls andetsteds (f.eks individets arm), eller ved at anvende en lav-intensitet stimulation puls (f.eks 5% max stimulator output) til hovedbunden.
  9. Bestem hvilende motor tærskel (den mindste intensitet, der producerer en motor-fremkaldt potentielle mindst 50 μV i størrelse på 5/10 forsøg). En sådan fremgangsmåde er den relative frekvens metode 56, er som følger.
    1. Bestemme placeringen af ​​individets motor cortex på halvkuglen ipsilaterale til fMRI tilslutningsmuligheder-baserede mål. Ved brug neuronavigation, dette er generelt i området af "Omega" i PreCentral gyrus. Vinkel spolen vinkelret på gyrus, med håndtaget pegende occipitally.
    2. Begynd stimulation ved en intensitet, som forventes at blive subthreshold (f.eks 35% maksimal stimulator output).
    3. Forøg stimulation intensitet i trin på 5% max stimulator output indtil TMS konsekvent fremkalder MEP'er med amplituder> 50 μV i hvert forsøg.
    4. Så mindske stimulation intensitet i trin på 1% Maksi-m stimulator output indtil mindre end 5 positive svar ud af 10 registreres.
      BEMÆRK: Denne stimulering intensitet plus 1 er defineret som motor tærskel. Alternativt kan du bruge adaptive tærskel teknikker 57 for at identificere motorens tærskel med færre stimuli.
  10. For stimulering af målområderne, indstille TMS intensitet til den ønskede værdi (f.eks 120% hvile motor tærskel).
    BEMÆRK: I tilfælde, hvor der er betydelige regionale forskelle i hovedbunden-cortex afstand (f.eks, hos patienter med frontallappen atrofi), kan en sådan teknik resultere i subthreshold stimulation. Alternativt med passende neuronavigation systemer, der kan udføre online estimationer af det inducerede elektriske felt, intensiteten af stimulering kan også indstilles på en bestemt amplitude af den beregnede inducerede elektriske felt (i V / m) på kortikale overflade 58.
  11. Påfør enkelt pulser af TMS til hver af de målområder under anvendelseden neuronavigation software, med et variabelt interval mellem impulser for at minimere kortikal plasticitet og underlagt forventede effekter (f.eks hver 4 - 6 sek, med et interval på mindst 3 sek undgå kumulative virkninger 59). Størst mulig sammenhæng, vinkel spolen vinkelret på den lange akse af de underliggende gyrus, med håndtaget pegede posterolaterally.

5. EEG data Pre-behandling og analyse

BEMÆRK: TMS-EEG-data indeholder sædvanligvis store stimulation-relaterede artefakter, især når stimulering væk fra midterlinjen / toppunkt eller med højt stimulation intensiteter, og betydelig forbehandling kan være nødvendig for at opnå rene analyserbare data. Independent Component Analysis (ICA) er en metode, der er anvendt til fjernelse af TMS artefakter, og kan påføres ved anvendelse af offentligt tilgængelige værktøjskasser (f.eks EEGLAB 45) på MATLAB platformen. En valideret metode 60 er som follOWS, beskriver analyse af data indsamlet ved hjælp af eximia EEG-systemet:

  1. Importer data i EEGLAB
    1. Klik på "Filer", "Importer data", "Brug EEGLAB funktioner og plugins", "Fra EDF / EDF + / GDF-filer (BIOSIG værktøjskasse)".
  2. Uddrag event gange
    1. Klik på "File", "Import begivenhed info", "Fra datakanal". Udfyld "Event-kanal" 1, "Forbehandling omdanne (data = 'X')" X> 0,1, "Overgang længde (1 = perfekte kanter) 0. Sørg" Slet begivenhed kanal (er)? "Og" Slet gamle begivenheder hvis nogen? "afkrydsningsfelter er markeret.
  3. Segment data i epoker centreret omkring TMS puls, fra 1 sek før pulsen til 2 sek efter. For at gøre dette, skal du vælge "Funktioner", "Extract epoch". Hvis TMS puls er den eneste begivenhed typen, "Time-låsning begivenhed type (r)" feltet kan efterlades tomt. For "Epoch grænser [starte, dad] i sekunder "indtaste [-1 2].
  4. Anmeldelse EEG-data visuelt (vælg "Plot", "Channel data (scroll)".) Fjern dårlige kanaler (f.eks kanaler med noget signal, eller med kontinuerlig overdreven artefakt). For at gøre dette, klik på "Rediger", "Select data". I feltet "Kanal range", indtast nummeret (r) i den kanal, der skal slettes (eller klik på skifte boksen til højre og vælg kanalerne ved navn, og tryk på "OK"), skal du sørge for "on- > fjerne disse "afkrydsningsfeltet er markeret, og tryk derefter på" Ok ".
  5. Indstil potentialerne i alle elektroder til nul fra tidspunktet for pulsen indtil EEG-signalet er vendt tilbage til ca. en størrelsesorden af den neurale signal (fx ved udskæring af data større end 150 μV), eller enhver senere fastsat tidspunkt ( fx 40 ms) for at sikre, at de store TMS artefakter ikke fordrejer ICA adskillelse. 61 Dette skridt skal scripted i Matlab.
  6. Udfør en indledende runde af ICA, og fjern de 1 - 2 dele, der udgør den store TMS-induceret aktivering indledende muskel.
    1. Kør ICA bruge FastICA metoden med "symmetrisk tilgang" og "tanh" kontrast funktion ved hjælp af følgende kommando: "EEG = pop_runica (EEG, 'icatype', 'fastica', 'tilgang', 'symm', 'g ',' tanh '); ".
      BEMÆRK: Kør ICA separat for hver lokalitet, som artefakt produceret af stimulation vil variere som funktion af stimulation site.
    2. Identificer komponenter i overensstemmelse med TMS artefakt ved at vælge "Funktioner", "Afvis data ved hjælp af ICA", "Fjern komponenter ved kortet". De topografiske kort over alle de ICA komponenter vil så blive afbildet. Klik på det antal for hver komponent at plotte komponent detaljer (et større kort af topografiske fordeling, aktiviteten profil tværs forsøg og frekvensspektret).
      BEMÆRK: TMS puls artefakt komponenter (typisk 1 - 2) kan genkendes af dipolære topografiske plot lokaliseret til stedet for stimulation, den ekstremt stor amplitude af aktiveringen komponent umiddelbart efter impulsen, og den efterfølgende glat eksponentielt henfald.
    3. Slet artefakt komponenter ved at vælge "Funktioner", "Fjern komponenter", og indtaste de relevante komponent tal i feltet for "Component (r) for at fjerne fra data". I boksen "bekræftelse", der popper op, skal du trykke på "Accepter" efter en gennemgang af ERP systemer, der resulterer efter sletning af den valgte komponent (tryk "Plot ERP systemer"), og efter gennemgang single-retssag effekter (tryk "Plot enkelt forsøg"). BEMÆRK: Dette trin skal være afsluttet, inden filtrering for at minimere eventuelle filter artefakter fra TMS-induceret muskel artefakt, som ofte kan være flere millivolt.
  7. Interpoler de manglende data (i løbet af nul-polstret tidsperiode). Dette skridt vil need, der skal gøres ved hjælp af en Matlab script.
  8. Bandpass og / eller notch filter data (frivilligt eller kunne gøres på et senere tidspunkt, f.eks efter anden runde af ICA artefakt fjernelse).
    BEMÆRK: Hvis den høje amplitude TMS-artefakt ikke er blevet tilstrækkeligt fjernet, kan den tidsmæssige udjævning effekt af en high-pass filter føre til tidsmæssig spredning af artefakt. Endvidere krusninger pasbåndet produceret af lavpasfiltre kan føre til fremtrædende ringen artefakt i "ren" del af det resulterende filtrerede EEG-signal.
  9. Re-reference til Average (frivilligt, eller kunne gøres på et senere tidspunkt, f.eks efter interpolation af manglende kanaler).
  10. Fjern individuelle epoker med store amplitude artefakter, betydelig muskel aktivitet, eller andre større artefakter.
    1. For halvautomatisk artefakt afvisning, skal du vælge "Funktioner", "Afvis data epoker", "Afvis data (alle metoder)".
    2. Under "Find usandsynligt data "indtaste 3.5 i feltet for" Single-kanals grænse (std. dev.) og 3 i feltet for "Alle kanaler grænse (std. dev.)", og tryk på knappen "Beregn" umiddelbart herunder. Dette identificerer epoker, der indeholder usandsynlige data baseret på fordelingen af ​​værdier på tværs af data epoker.
    3. Under "Find unormale distributioner", indtast 5 i feltet for "Single-kanals grænse (std. Dev.)", Og 3 i feltet for "Alle kanaler grænse (std. Dev.)", Tryk derefter på "Beregn" knappen umiddelbart under. Dette identificerer epoker som indeholdende artefakter baseret på kurtosis af dataene.
    4. At afvise epoker med unormalt høje eller lave værdier, under "Find abnorme værdier", indtast 100 i feltet for "Øvre grænse (r) (UV)" og -100 i feltet for "Nedre grænse (r) (UV)" (selv om der kan være behov for forskellige grænser hos børn, i hvem EEG amplituder er normalt højere). Indtast elektrode numre at anvende spænding tærskeolding i feltet mærket "Elektrode (er)"; at undgå at afvise alle epoker med øjet blinker, omfatter ikke frontopolar (og / eller EOG) kanaler. Tryk derefter på "Calc / Plot.".
    5. Rul gennem markerede epoker og fjerne markeringen af ​​epoker, der ikke indeholder artefakter ved at højreklikke på den epoke. Mark yderligere epoker, der indeholder betydelige artefakter ved venstre-klikke på den epoke. Efter bekræftelse af, at alle epoker indeholder artefakter er markeret, skal du klikke på "UPDATE MARKS" knappen.
    6. For at spare hvilke epoker er markeret til sletning, skal du klikke på "Luk (holde mærker)" og derefter gemme datasæt ( "File", "Gem nuværende datasæt som").
      1. For derefter slette de relevante epoker, skal du vælge "Funktioner", "Afvis data epoker", "Afvis markeret epoker". Klik på "Ja" på efterfølgende dialog bekræftelse kassen. Gem resulterende datasæt.
  11. Udfør en anden runde af ICA, og fjern komponenter svarende til forfaldartefakter, blink artefakter, muskel artefakter og elektrode støjartefakter.
    BEMÆRK: Fjernelse af komponenter i overensstemmelse med auditive fremkaldte potentialer kan overvejes, selv om disse komponenter også kan indeholde neurale fremkaldte komponenter direkte relateret til stimulering puls (som også har toppe på lignende tidspunkter). En bedre mulighed, der ville minimere TMS-fremkaldte potentialer induceret af TMS "klik", og dermed fjerne behovet for ICA-baserede fjernelse, ville være at udføre støj maskering som beskrevet i afsnit 4.5 ovenfor, hvis tolerabel af emnerne.
    1. Kør ICA hjælp af FastICA metoden med "symmetrisk metode" og den "tanh" kontrast funktion, som beskrevet i 5.6.1 ovenfor.
    2. Evaluere komponentegenskaber som beskrevet i 5.6.2 ovenfor.
    3. Mark komponenter i overensstemmelse med resterende TMS henfald artefakter 62.
      BEMÆRK: Identificer dette baseret på timing (maksimal umiddelbart efter puls), morfologi (en langsom henfald med overshoot, så langsom bedring i løbet af ti til hundrede millisekunder) og placering (nær stimulering site). Desuden kan ICA komponenter organiseres i faldende orden forklaret varians; som TMS artefakt er ret stort, er det typisk repræsenteret i de første komponenter, og typisk repræsenterer ikke mere end 1 - 5 komponenter.
    4. Brug af ADJUST plugin 62 for EEGLAB, markere komponenter i overensstemmelse med blink artefakter.
      BEMÆRK: Identificer dette baseret på placering (maksimal frontopolar), tidsforløb (lange perioder med forholdsvis minimal aktivitet, efterfulgt af korte perioder med intens aktivering), spektre (høj effekt ved lave frekvenser) og morfologi (trifasisk).
    5. Mark komponenter i overensstemmelse med muskel artefakt 62.
      BEMÆRK: Identificer dette baseret på spektrale funktioner (stærk på beta frekvenser og derover), tidsmæssig fordeling (meget uregelmæssig / flossede), rumlige fordeling (maksimal langs hovedbunden omkreds) og tidsdomænet aktivitet(Spiky).
    6. Mark komponenter i overensstemmelse med kanal støj baseret på rumlige fordeling (isoleret til 1 eller 2 kanaler) og tidsmæssige fordeling (ofte meget peaky, høj aktivitet på få forsøg, eller meget langsomme stor amplitude udsving) ved hjælp af ADJUST plugin 62 for EEGLAB.
    7. Fjern markerede komponenter som i 5.6.4 ovenfor. Interpolere manglende kanaler og udfører efterfølgende analyser på disse data.
      BEMÆRK: Forsigtighed er nødvendig, når interpolere kanaler. Navnlig hvis en væsentlig andel (f.eks, 10%) af kanaler, eller hvis tilstødende kanaler er interpoleret kan den resulterende datasæt være upålidelige, især hvis den underliggende hjerneaktivitet har en høj rumlig frekvens.
  12. Læg anden datasæt med alle de ønskede kanaler ind EEGLAB. Så bringe datasæt, som du ønsker at udføre interpolation på i forgrunden ved at vælge "serier", og derefter klikke på det pågældende datasæt.
  13. Vælg "Funktioner";, "Interpoler elektroder". I den resulterende datasæt, skal du vælge "Brug alle kanaler fra andre datasæt". For "Interpolation metode", vælg "Sfærisk", og tryk derefter på "Ok".

6. Undersøg for Bevis for Kortikal overpirrelighed

  1. Beregn den globale gennemsnitstemperatur felt potentiale (GMFP) 63 for hvert emne og stimulering websted som en funktion af tiden, ved hjælp af følgende ligning:
    ligning 1
    hvor K er antallet af elektroder, V (t) er den spænding målt ved elektroden i på tidspunktet t, og V betyder (t) er gennemsnittet spænding over elektroder på tidspunkt t.
  2. Segment data i "tidlige" tidsperioder, hvor TMS-fremkaldte aktivitet er normalt til stede i raske individer (f.eks 100-225 ms), og sene perioder, hvor unormal forsinkedeaktivitet kan ses i patienter med epilepsi (f.eks 225 - 700 msek). Beregne arealet under kurven (AUC) af GMFP (AUC-GMFP) i hver tidsperiode.
    BEMÆRK: Da den absolutte størrelse af den fremkaldt reaktion kan variere meget mellem individer på grund af faktorer, som kortikale fysiologi (fx kraniet tykkelse, hovedbund-cortex afstand, individuel hjerne anatomi), som kan alligevel variere mellem grupperne (f.eks, fordi patienter med epilepsi kan være på antiepileptika), rå amplituder er af begrænset anvendelighed ved evalueringen af ​​TMS-evoked potentials. For at isolere, om patienter med epilepsi abnormt har øget TMS-fremkaldte aktivitet, normalisere størrelsen af ​​AUC-GMFP under senere perioder efter størrelsen af ​​AUC-GMFP under "tidlige" tidsperioder.
  3. Sammenlign normaliserede AUC-GMFP for hver epilepsi patient, der opnås ved stimulering af den samme region i den pågældende patients matchede sund conkontrol. En større værdi (forhold> 1) i epilepsi patient indikerer, at epilepsi patient har forøget uro.

7. Kilde Vurdering af Evoked Elektrisk aktivitet

  1. Rekonstruere kortikale overflade for emnet ved hjælp af Freesurfer 64 pakken.
    1. Kør kommandoen "Generer FreeSurfer Output". Kør kommandoen "Generer Surfaces". Kør kommando "Opret Source Space". Importér digitaliserede elektrode steder fra neuronavigation software og tilpasse elektroder hjælp multinationale Analyser software (MNE Version 2.7.0) 65,66; hvis enkelte elektrode steder ikke er tilgængelige, kan data fra et emne med en lignende omtrentlig hoved størrelse tilstrækkeligt.
    2. Kør kommandoen "mne_analyze". Klik på "File", "Load digitizer data" (.fif). Klik på "File", "Load Surface". Vælg sti til MRI Freesurfer Genopbygning data.
    3. Klik på "Vis", "Vis viewer ". Klik på" Tilpas "," Koordinere Justering ". Klik på" LAP ". Klik på LAP placering i" Viewer "vinduet. Gentag for" nasion "og" RAP ".
    4. Klik på "align Brug referencemærkerne". Klik på "X", "Y", "Z" field pile til manuelt at justere koordinere tilpasning. Klik på "Save Default" i "Koordinere Justering" vinduet for at gemme trans fil.
  2. Bestem den forreste løsning ved hjælp af en passende metode (f.eks grænse-element modellering som implementeret i den multinationale 65,66 software). For at gøre dette, skal du køre kommandoen "multinationale Do Forward Solution".
  3. Identificere de tidspunkter af toppene i GMFP for kilden analyse. For at gøre dette, skal du køre kommandoen "MNE_Browse_Raw" for .fif fil.
    1. Klik på "Tilpas", Filter "for at gøre filterskift. Klik på" Tilpas "," Scales "for at gøre skala ændringer. Klik på" Tilpas "," Selection &# 34; at ændre montage markering.
    2. Klik på tidspunkt i rå spænding data. Klik på "Windows", "Show Annotator". Klik på "mark" til kode valgte tidspunkt med tilsvarende nummer og kommentar. Overskriv kommentarfeltet når det er relevant.
    3. I gennemsnit indtastes annotation nummer. Klik på "Gennemsnit". Klik på "Windows", "Administrer Gennemsnit". Klik på "Gem som" og navn .fif fil.
  4. Brug af middelværdien (på tværs forsøg) fremkaldte potentiale på de relevante tidspunkter, beregne den aktuelle kilde løsning med en passende invers operatør (f.eks minimum norm estimering som implementeret i den multinationale software). For at gøre dette, skal du køre kommandoen "multinationale Inverse Operator".
  5. Anvende en spænding tærskel til de resulterende billeder for at identificere kilden området af fremkaldte toppe.
    1. Klik på "Windows", "Start MNE Analyze". Klik på "Filer", "Open". Vælg tidspunkt-pFælles gennemsnitlige .fif fil i "Filer" feltet. Vælg inverse .fif fil i "Inverse Operator" feltet.
    2. Klik på "File", "Load Surface". Vælg stien til MRI Genopbygning data. Vælg "pial" i "Tilgængelige Surfaces" feltet.
    3. Klik på "Tilpas", Skøn "i" multinationale Analyze "vinduet. For at justere skalaen, venstre klik i" Value Histogram "for at vælge tærskelværdi distribution. Klik histogram for at justere colormap tærskler.
    4. Klik på "img" i "multinationale Analyze" feltet. Vælg ".tif", "Gem".

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Resting-state funktionel konnektivitet fMRI kan bruges til at identificere områder af cortex, der viser høj funktionel konnektivitet med de heterotopiske periventrikulære grå substans knuder (figur 1), og kontrol regioner uden en sådan forbindelse. For at bestemme, om en sådan unormal funktionel konnektivitet har fysiologisk betydning, kan den kortikale region med korreleret hvile-state-aktivitet vælges som "forbundne" target sites for neuronavigated TMS, og det fremkaldte EEG resultater i forhold til EEG potentialer produceret ved stimulering af en kontrol ikke-tilsluttede mål i de samme patienter. Endvidere kan de samme regioner målrettes i raske kontrolpersoner (figur 2) for at bestemme, om den unormale funktionelle konnektivitet ses i PNH patienter har patofysiologisk betydning for patienternes kliniske epilepsi syndrom. Specifikt tilstedeværelsen af ​​kortikale hyperexcitability kan vurderes af den enkelte patients niveau ved at bestemme det normaliserede område-under-the-kurven for den globale Mean Field Potentiale, og derefter vurdere, om denne værdi er større for epilepsi patient end hans eller hendes matchet kontrol (figur 2). Kilde lokalisering af de unormale sene toppe i TMS-evoked potentials i patienter med epilepsi kan identificere de områder af hjernen, hvorfra unormal aktivitet opstår og kan rumligt co-lokalisere med patientens beslaglæggelse fokus (figur 3).

figur 1
Figur 1. Resting-state Funktionelle Connectivity og TMS Mål. (A, B) Regioner med signifikante sammenhænge i funktionel aktivering (blå / grøn) til den hvilende-state BOLD signal i heterotopiske knuder i to patienter med periventricular nodulær heterotopia og epilepsi. et al., 2015 37). Klik her for at se en større version af dette tal.

Figur 2
Figur 2. TMS-fremkaldte Potentialer og Global Mean Field potentialer. (A) TMS-fremkaldt potentielle produceret ved stimulering af den tilsluttede mål i en patient med PNH og epilepsi. (B) TMS-fremkaldt potentiale produceret ved stimulering af den samme region i ovenstående patientens matchet rask kontrol emne. (C) det globale gennemsnitlige felt potentiale (GMFP) produceret af stimulering af de forbundne og ikke-forbundne mål for denne patient og hans matchet kontrol. (D) Den normaliserede område-under-the-kurve af GMFP produceret ved stimulering af forbundet og ikke-forbundne mål for dette emne par. Klik her for at se en større version af dette tal.

Figur 3
Figur 3. Kilde Lokalisering af TMS-fremkaldte Aktivitet og beslaglæggelse indtræder. (A) energikilde imaging resultaterne af en sen TMS-fremkaldte top i en patient med epilepsi; skalaen er de estimerede strømme ganget med 10 -11. (B) Elektriske kilde billeddannelse resultater af en tidligere fanget beslaglæggelse debut i den samme patient. (Modificeret med tilladelse fra Shafi et al, 2015 37)t = "_ blank"> Klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Resting-state funktionel konnektivitet MR er blevet brugt til at identificere netværksforbindelse i den menneskelige hjerne, og identificere ændringer af tilslutningsmuligheder, som opstår i forskellige sygdomstilstande 26,31,32. Men som fMRI funktionel konnektivitet er baseret på at identificere sammenhænge i BOLD signal, og som blod iltning forandringer har en ikke-triviel forhold med underliggende neurale aktivitet, den kausale betydning og fysiologiske relevans af disse fMRI fund tilslutningsmuligheder er uklar. TMS giver rumligt og tidsligt målrettede manipulationer af hjernens aktivitet i specifikke kortikale regioner; når de kombineres med EEG, kan TMS anvendes til at vurdere hjernens respons på stimulering tværs af forskellige hjerneområder. Derfor kan TMS-EEG anvendes på områder med ændret fMRI funktionel konnektivitet at vurdere, om de observerede ændringer i tilslutningsmuligheder har en fysiologisk korrelat, der kan relatere til den underliggende sygdom patofysiologi.

Denne artikel præsenterer en protokol ved hjælp connectivity-guidede TMS-EEG at vurdere kortikal ophidselse hos patienter med epilepsi på grund af en misdannelse af hjernens udvikling, periventrikulær nodulær heterotopia, som er forbundet med udviklingen af unormale funktionelle tilslutningsmuligheder netværk 37. Denne protokol bruges til at vise, at patienter med aktiv epilepsi har cortical hyperexcitabilitet der er specifik for regionerne med ændret hvile-state fMRI funktionel konnektivitet, og at hyperexcitabilitet kan vurderes på et individuelt emne niveau. Hos en patient med krampeanfald tidligere fanget på EEG, er den unormale sene TMS-fremkaldte aktivitet set i samme region (fjernt fra stimulering stedet), hvorfra patientens anfald stammer, hvilket tyder på, at regionen unormal funktionel tilslutning er faktisk en del af beslaglæggelse frembringende netværk.

Der er en række kritiske skridt til succesafslutningen af ​​denne protokol. Teknisk ekspertise med hvile-state fMRI dataindsamling, høj kvalitet hvile-state data og erfaring med RS-fcMRI databehandling og analyseteknikker er afgørende for nøjagtig bestemmelse af tilslutningsmuligheder-baserede mål. En anden vigtig begrænsning i at designe og udføre TMS-EEG undersøgelser er behovet for TMS-kompatibelt EEG udstyr; endvidere til undersøgelser, hvor præcis målretning er kritisk, neuronavigation udstyr er også nødvendigt. En anden begrænsning er, at TMS ofte genererer betydelige EEG artefakter, især når stimulerende over frontopolar og laterale tidsmæssige regioner, og derfor kan det være vanskeligt at opnå data af høj kvalitet, når stimuleringen målet er beliggende i disse områder. Dataindsamlingen og EEG optagelse proces skal også optimeres for at minimere artefakter i EEG-signalet, og eksperimenter bør ideelt køres af personer, der er fortrolige med EEG-data, således at artefakter, der vil opstå (f.eks poor impedans som ledende pasta tørrer) hurtigt kan identificeres og minimeres. Et vigtigt skridt indebærer at demonstrere effekten af ​​øjet blinker, muskelsammentrækning og bevægelse på EEG til forskning emne, da dette kan være kritisk i at hjælpe emne at forstå og minimere disse typer af artefakter.

En anden vigtig overvejelse er minimering af biologiske artefakter, der kan begrænse fortolkningen af ​​resultaterne. Et særligt vigtigt sådan biologisk artefakt er det auditive evoked-potentiale produceret af TMS spole "klik", som er kendt for at bidrage til størrelsen af TMS-fremkaldte potentiale, især ved 100 og 180 millisekunder 55,67,68 når TMS -evoked potentiale er også typisk maksimal. En fremgangsmåde, der har vist sig at minimere TMS auditive evoked potentiale er støj maskering ved brug af hvid eller farvet støj med tilføjelse af et tyndt skumlag mellem spolen og hovedbund 10,55

Endelig, hvis der udvises omhu for at optimere optagelsen af ​​betydning forbehandling er ofte nødvendigt at gendanne rene data til analyse. Heldigvis har validerede metoder til fjernelse af artefakter fra TMS-EEG optagelser offentliggjort 60; Men selv med disse teknikker, kan genvinding af meget tidlige signaler (<15 ms) være meget vanskelig eller upålidelig. En yderligere udfordring er, at EEG-data er høj-dimensionel og kompleks, og derfor en klar forudgående hypotese er ofte nødvendigt at udtrække meningsfulde oplysninger. På grund TMS effekter og EEG-signaler kan variere betydeligt mellem fag på grund af en lang række ikke-cerebrale faktorer, der ervanskeligt eller umuligt at kontrol (f.eks, kranium tykkelse, kranium-cortex afstand, samtidig medicin, søvnkvalitet natten før), resultatmål, der er mindre afhængige af den rå størrelsen af fremkaldte reaktioner vil sandsynligvis være mere informativ eller meningsfuldt.

Selvom teknisk udfordrende, integration af RS-fcMRI, TMS og EEG sammen i et eksperiment muliggør test af en bred vifte af hypoteser om betydningen af ​​specifikke fund tilslutningsmuligheder på kortikal fysiologi. I sygdomstilstande, kan disse teknologier integreres sammen for at vurdere forholdet mellem fMRI netværksproblemer ændringer, patofysiologiske ændringer i kortikal ophidselse og fremkaldte hjerneaktivitet og sygdomme udtryk. Især kan denne protokol bruges til at undersøge kortikale fysiologi via fælles effektmål, selv når fokus for unormal tilslutningsmuligheder (og dermed stimuleret region) adskiller sig fra et emne til et andet, providing et output, der kan give mening på den enkelte emne niveau, og åbner mulighed for en personlig tilgang til undersøgelse og i sidste ende behandling.

Beskrevet i denne undersøgelse protokol kunne også udvides til at vurdere særlige kendetegn kortikale fysiologi i forskellige emnegrupper. For eksempel har en række nylige undersøgelser antydet, at N45 komponent af TMS-fremkaldt EEG respons repræsenterer aktiviteten af GABA-A receptorer 69, mens N100 komponent af TMS-fremkaldt EEG respons er et mål for GABA-B-medieret inhibering 21,69. Parret-puls TMS-EEG med en lang interval intracortical hæmning protokol giver en anden foranstaltning af GABAerg aktivitet, og har vist sig at blive ændret i frontal regioner i patienter med skizofreni i forhold til kontrol 70. Således kunne den ovennævnte protokol modificeres til specifikt spørgsmål vedrørende GABAerg aktivitet i områder med ændret functional forbindelse. Derudover kan kilde lokalisering af toppene i TMS-evoked potentiale identificere fjerne regioner, der er involveret ved stimulering, og dermed bidrage til at informere, hvilke af de funktionelle forbindelser identificeret ved konventionel hvile-state fMRI er i stand til kausalt overføre fremkaldte aktivitet. For situationer, hvor de centrale netværk hubs er dybt, RS-fcMRI kan også bruges til at identificere kortikale mål der er tilgængelige for stimulation, og dermed gøre det muligt modulation af specifikke netværk hjernen er involveret i normal adfærd og i sygdomstilstande 35,36,71. I sådanne tilfælde kan de i denne undersøgelse teknikker anvendes til at vurdere lokal og distribueret single-puls TMS-fremkaldte aktivitet før og efter en gentagen plasticitet protokol, at afgøre, om plasticitet protokollen faktisk har ændret kortikal ophidselse lokalt, og / eller netværk ophidselse distalt.

Sammenfattende integration af RS-fcMRI, TMS og EEG gør det muligt for exploratiom, hvordan hjernens tilslutningsmuligheder påvirkninger kortikal fysiologi og adfærd hos mennesker. Endvidere kan disse teknikker også kombineres for at vurdere, hvordan ændringer i tilslutning er relateret til patofysiologien ved sygdomstilstande, som illustreret i protokollen beskrevet ovenfor.

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