脑状态依赖性脑刺激与实时脑脑图触发颅内磁刺激

Behavior
 

Summary

本文介绍了实时脑电图触发的颅内磁刺激,以研究和调节人脑网络。

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Stefanou, M. I., Baur, D., Belardinelli, P., Bergmann, T. O., Blum, C., Gordon, P. C., Nieminen, J. O., Zrenner, B., Ziemann, U., Zrenner, C. Brain State-dependent Brain Stimulation with Real-time Electroencephalography-Triggered Transcranial Magnetic Stimulation. J. Vis. Exp. (150), e59711, doi:10.3791/59711 (2019).

Please note that all translations are automatically generated.

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

Abstract

刺激对大脑的影响不仅取决于刺激的参数,还取决于刺激时大脑活动的动态。脑电图(EEG)和颅内磁刺激(TMS)在实时脑状态依赖性刺激系统中结合,可以研究大脑活动动力学、皮质兴奋性和可塑性诱导的关系.在这里,我们演示了一种新开发的方法,利用实时数据分析系统将大脑刺激的时间与正在进行的脑电图振荡阶段同步。当TMS与感觉运动+α-alpha(8-14 Hz)节律的表面EEG负峰值同步时,人体运动皮层的这种实时脑电图触发TMS显示了微分皮质的兴奋性和可塑性效应。该方法的利用表明,有关瞬时脑状态的实时信息可用于有效的可塑性诱导。此外,这种方法使个性化的脑电图同步脑刺激,可能导致开发更有效的治疗性脑刺激方案。

Introduction

TMS是一种公认的非侵入性脑刺激方法,能够对正在进行的网络动力学进行特定调制,并研究皮质和皮质神经通路,具有较高的时空精度1。当刺激主运动皮层 (M1) 时,神经响应可以量化为运动唤起电位 (MEP), 以及 TMS 诱发的 EEG 电位。MEP可以通过目标肌肉的肌电图(EMG)记录,其振幅反映皮质脊柱兴奋性,刺激主要运动皮层2。

尽管非侵入性脑刺激作为研究和调节健康研究参与者和患者大脑网络的科学工具具有独特的潜力,但TMS研究在试验到试验以及内部和个人间变异性方面都存在很大的影响引起响应3,45。具体来说,在TMS对皮质脊柱兴奋性和可塑性的研究中,MEP反应,以及诱发的长期强效(LTP)或长期抑郁症(LTD)样可塑性,表现出高内在变异性,即使刺激参数被小心控制3,4。然而,来自动物研究的证据表明,观察到的反应变异性不是由"随机噪音"引起的,而是与刺激大脑状态的波动有关。因此,通过将TMS与EEG结合在实时脑状态依赖性刺激范式(即脑电图触发的TMS)中,波动的瞬时脑状态可用于优化刺激时间7、89,10.

几项研究使用TMS兼容的EEG系统11、12将持续神经振荡的瞬时阶段与神经元兴奋性相关。现代EEG放大器可以处理大型电磁TMS伪影,并且对于EEG与TMS13、14的结合以及TMS相关EEG的事后去除,存在越来越成熟的实验协议文物15,16。虽然 EEG 评估的预刺激脑状态对 TMS 引起的反应的影响可以通过随机应用的 TMS 刺激来评估,这些刺激被分类后17、18, TMS 在预定义大脑中的重复应用状态要求实时EEG触发的TMS11,19。

在这里,自定义的毫秒分辨率 EEG 触发的 TMS 设置用于同步 TMS 脉冲与持续大脑振荡的预定阶段11,表明 μ-alpha 节律的负 EEG 偏转对应于更高的皮质兴奋状态(导致较大的MEP振幅)相比,正脑电图偏转8,11,12,20。在本手稿中,我们提出了一种执行实时脑电图触发的 TMS 协议以研究人脑网络的方法。

Protocol

以下各节所述的所有实验程序均由机构道德委员会按照《赫尔辛基宣言》准则获得批准,所有参与者在入学前均提供了书面知情同意。

1. 研究参与者

  1. 主题招聘
    1. 根据预定义的包含标准招募研究参与者。根据TMS安全指南21,筛选禁忌症的候选者,如植入的医疗设备(如心脏起搏器),或神经或精神疾病以及使用对神经系统作用的药物。
    2. 对于需要磁共振成像(MRI)的研究,根据辐射安全标准22,评估潜在研究参与者MRI可能禁忌症。执行功率分析,以确保研究样本足以进行统计分析。
    3. 或者,为提高相位检测的准确性,预选对象对所选 EEG 蒙太奇提取的信号具有突出的振荡兴趣。
      注:在本实验中,以 C3 为中心的拉拉基安(C3 引用周围电极 CP1、CP5、FC1 和 FC5 的平均值)用于提取传感器运动 +节律,使受试者处于静止状态并睁开眼睛。预选对象在阿尔法频带(8-14 Hz)中具有单峰,它包含当前源密度(CSD)功率谱中总功率的>25%。该标准确保振荡振幅与背景噪声(良好的信噪比 [SNR])相比足够大,使算法能够以足够的精度估计触发信号的瞬时相位,增加观察到显著兴奋效应11、12、28、29、30的可能性。
  2. 主题信息
    1. 向受试者提供与学习相关的知情同意书。提供打印的 TMS 和 MRI 安全筛查问卷。
      注:这些文件和研究协议,以及个人数据(例如,调查问卷)和可识别的人类数据(例如,核磁共振成像)的使用,需要事先得到道德委员会(机构审查委员会)的批准。
    2. 要求受试者填写TMS和MRI安全筛查问卷。获得参与研究和计划使用数据的书面知情同意。
    3. 获取人口统计数据。
    4. 使用标准清单(例如,爱丁堡手感清单)23 评估受试者手感。
    5. 向主题介绍设置和刺激程序。确保每位参与者都熟悉 TMS 的感觉并很好地容忍它。
    6. 在 TMS 实验会话之前为每个参与者获取 MRI。需要全头解剖MR图像,包括头皮顶部和解剖地标(即两只耳朵的颤动),因为这些图像将作为本协议后续步骤中神经导航的基准点。
    7. 根据研究协议的规范安排实验课程(即,考虑实验之间的"冲洗期")。
      注:理想情况下,受试者应在一周的同一时间和同一天以协议形式比较多个会话中的不同条件。
    8. 指导参与者在预定的实验前不要饮酒、尼古丁或咖啡因。受试者也应该在实验前一天晚上正常睡觉,不要异常疲倦。

2. 安装准备

  1. 支持实时数据流的 EEG 系统
    1. 使用与 TMS 兼容的 EEG/EMG 放大器,可处理 TMS 脉冲引起的电压尖峰。
      注:放大器系统需要以恒定的低延迟(<5 ms)提供原始数据流,以便实时处理器进行后续处理。在本实验中,24 位 80 通道生物信号放大器用于 EEG 和 EMG 记录。
    2. 将 EEG/EMG 放大器系统配置为低通滤波器(例如 0.16 Hz 截止),并将生物信号数据从放大器头级的采样速率降至 5 kHz。
    3. 确保放大器系统通过实时用户数据报协议 (UDP) 定期以 ±1ms 的恒定间隔向实时处理器发送包含相关通道的数据包。使用高采样频率(例如 5 kHz)捕获 EMG 响应并最小化 EEG 数据的滤波器延迟。
  2. 与 EEG 兼容的 TMS 设备
    1. 使用可在外部以固定且最小延迟触发的 TMS 设备,并最大限度地减少同时 EEG 记录中的伪影(例如,通过 TMS 线圈电缆在 EEG 中的线路噪声、脉冲后充电伪影)。
    2. 确保 TMS 刺激器(包括线圈和线圈电缆)与 EEG 记录系统之间的距离最大化,以减少电气干扰(至少 1 m)。在可能的情况下,关闭电磁干扰源,如风扇和电机。此外,确保 EEG 和 EMG 记录引线的位置和对齐,以便消除公共干扰。
  3. 实时脑电图数据处理系统
    注:使用实时数字信号处理系统采集和分析实时 EEG 数据流,然后在满足预定条件时触发 TMS 设备。这种系统在我们的实验室11中已经定制开发,以实施类似于陈等人24方法的相位检测算法,并包括以下步骤。
    1. 分析一个滑动窗口的数据,500 ms长(图1a),以估计目标大脑振荡的瞬时阶段,以阶段具体触发TMS刺激器。
    2. 对感兴趣的频率对窗口执行带通滤波滤波(例如,传感器电机 +-alpha 节律在 9 到 14 Hz 之间;图 1b.请考虑根据目标振荡的单个峰值频率调整滤波器参数。
    3. 删除筛选边缘效果扭曲的任何数据。请注意,在更强的滤镜具有较大的边缘效果时,存在权衡。
    4. 使用自动回归模型转发预测信号(Yule-Walker,订单 30;图 1c.
    5. 应用结果数据窗口的 Hilbert 变换以生成分析信号,通过取相关时间点的复数角度来确定信号的瞬时相位。
    6. 使用短时间汉网 FFT 从感兴趣频率箱(例如 9-14 Hz)中的数据滑动窗口估计 EEG 功率谱。
    7. 当相位和功率均满足预定标准(例如负峰值、最小功率阈值)时,使用实时系统生成数字输出 (TTL) 脉冲以触发 TMS 设备。
  4. 神经导航系统
    1. 要监控线圈位置,并在会话内和会话之间实现准确一致的 TMS 定位,请使用神经导航系统。
      注:立体红外摄像系统精确定位在三维空间反射跟踪器中,安装在受试者的头部和刺激线圈上,使线圈相对于个人的大脑进行精确的相对定位校准和 MRI 注册后的解剖。对于单期研究,如果计划仅分析 EMG 而不是 EEG 对 TMS 的反应,则基于标准大脑而不是单个 MRI 的导航就足够了。
    2. 在开始每个参与者的实验之前,将单个结构 MRI 数据加载到导航系统软件中。
  5. 实验控制计算机
    1. 使用连接到脑电图系统、TMS 设备、实时设备和神经导航系统的实验控制计算机。
      注:EEG 软件控制 EEG 放大器系统,设置参数,并启动和停止 EEG 数据存档。TMS设备可以通过遥控工具箱25进行远程控制,以改变刺激参数(强度、电流方向等)。
    2. 远程控制实时设备以设置所需的触发条件。
      注:神经导航系统可以遥控,例如瞄准不同的线圈位置。
    3. 将上述所有内容合并到实验控制脚本中,以实现实验条件和控制流的自动化。
  6. 脑电图记录电极
    1. 确保具有所需电极布局的与 TMS 兼容的 EEG 记录盖具有不同尺寸。测量受试者的头部周长,并准备适当尺寸的盖子。
    2. 随身携带脑电图制备所需的材料(例如,研磨和导电凝胶、带无菌钝针的注射器等)。
  7. EMG 记录电极
    1. 保持表面EMG电极,引线和所需的材料皮肤准备。

3. 进行实验

  1. 预赛
    1. 确保所需的文书工作井然有序(学习同意书已签署),并且学员自上次会话以来没有负面影响。
    2. 将主体放在舒适的倾斜位置,以尽量减少实验期间头部的运动。包裹在颈部和下头的真空枕头有助于支撑参与者的头部,而不会造成额外的肌肉紧张(例如,像下巴休息一样)。
  2. 脑电图和EMG制备
    1. 将适当大小的 EEG 盖放在主体的头上,并正确定位盖。避免下巴以下的过度紧张,以减少可能污染脑电图26的颅骨和颈部肌肉活动。
    2. 在脑电图记录软件中注册主题。
    3. 根据实验室特定的协议准备 EEG 电极(例如,应用研磨凝胶,然后涂上导电凝胶)。
    4. 检查 EEG 电极阻抗数低于 5 kΩ。
    5. 为防止导电凝胶因 TMS 线圈的任何移动而干燥或涂抹到相邻电极上,请用塑料包装盖住 EEG 盖。然后,在塑料包装上方安装一个网盖,使电缆保持在固定位置,以减少 EEG 伪影的可变性,并应用胶带来增加多层的稳定性。
    6. 清洁并轻轻磨损皮肤后,将表面 EMG 电极固定在目标肌肉上(例如,在腹部-肌蒙太奇中使用右诱拐器的花粉手肌肉的双极记录)。
      注:在这里,使用从右绑架者花粉布雷维斯手肌肉在腹部-田蒙太奇的双极记录。EMG 电极的位置非常重要,因为表面电极通常记录来自多个基础肌肉的活动。
    7. 通过点击几个 EEG 电极来产生伪影,验证头部实际 EEG 传感器与 EEG 系统中记录的跟踪之间的正确匹配。作为健全性检查,当参与者闭上眼睛时,验证腹肌α是否增加。
    8. 目视检查正在进行的 EEG 和 EMG 信号有无工件(例如线路噪声、肌肉活动)或坏电极。
    9. 确保参与者保持清醒,并在整个实验中睁开眼睛,以避免甲型六甲振荡污染信号。
  3. 神经导航的准备
    1. 用足够的胶带将反光头跟踪器连接到参与者的头部,以确保整个实验的稳定性。
    2. 使用指针工具将头部模型与相关的解剖地标(例如,鼻涕、双耳的转光、眼睛的角落)共同注册头部模型。
    3. 将线圈跟踪器连接到刺激线圈并校准线圈。
    4. 将指针放在头部表面的不同点上,并验证神经导航系统监视器上显示位置的正确性。
    5. 确定 EEG 传感器位置,以便与单个 MRI 共同注册。
  4. 基线 EEG
    1. 向受试者展示典型的脑电图伪影(例如吞咽、咀嚼、眨眼),并指导受试者在整个实验中避免它们。此外,要求他们避免下巴紧握,打哈欠,或说话。
    2. 要求受试者睁开眼睛,盯上一个点,并睁开眼睛对静息状态脑电图进行简短记录。
    3. 如果计算实时筛选器需要,则在任务期间记录其他 EEG 活动。
  5. 查找电机"热点"并确定静止电机阈值
    1. 找到电机"热点"(即单脉冲 TMS 在试验中产生形状良好的 MEP 的刺激位置,其振幅相当一致),并在神经导航系统。
    2. 找到静止运动阈值(RMT),通过在运动皮层上应用单个TMS脉冲,在逐渐增加的刺激强度,直到引出的MEP有峰值到峰值振幅大于50μV超过50%的试验21。
    3. 如果可用,则使用自动脚本通过顺序测试 (PEST) 进行参数估计,例如,遵循最大可能性策略27,该策略还根据观察到的单个响应的可变性,通常需要约 30 个自适应变化强度的测试脉冲才能获得可靠的 RMT 估计值。
    4. 如果这不是第一个实验会话,请将线圈位置与上一个位置进行比较,并将获取的 RMT 与以前的 RMT 进行比较,以验证一致性。
    5. 如果需要,使用标准程序21确定有源电机阈值 (AMT) 或 1 mV 峰峰值 MEP 振幅的刺激强度。
  6. 最终参与者准备
    1. 或者,使用真空枕头固定主体的头部。
    2. 或者,通过耳塞发出遮蔽噪音(在计划分析 TMS 引起的 EEG 电位时)。否则,请为受试者提供耳塞和耳机,以保护听力。
    3. 或者,使用机械臂将线圈对齐并固定在所需位置。
  7. 实验前数据质量验证
    1. 检查实时处理器是否正在从 EEG 系统接收数据。
    2. 检查从所需的 EEG 空间滤波器(例如,以 C3 为中心的拉拉西亚蒙太奇)获得的信号,了解明显的伪影。
    3. 目视确认 EEG 信号质量,检查电极错误、线路噪声过大和肌肉伪影,并在 EEG 系统软件上调整时间窗口和振幅缩放,以便在实验期间进行持续目视检查。
  8. 主要实验会话
    1. 除非刺激器强度在实验脚本中受到远程控制,否则手动将刺激强度设置为所需值(例如,110% 的 RMT)。
    2. 启动实验脚本,以随机顺序在目标振荡的不同阶段应用脉冲。
    3. 在实验期间,监控触发条件阈值(伪影检测阈值、预内置阈值、最小功率等)。
      注:刺激将触发不规则的时间间隔,因为实时处理器正在等待触发条件发生。但是,应设置条件,以便大多数刺激发生在可预测的间隔内(例如,前一个脉冲后 2-3 秒),避免长时间暂停(例如,在这种情况下,>5 s),因为这些将导致由于新奇而引起更大的反应。
      1. 或者,使用临时分层后删除间隔过长后的试验。
    4. 为了获得足够的统计能力来区分相位特定的刺激效果,获得足够数量的试验
      注:我们通常选择80-120交错试验每个条件20。
    5. 记录各个会话的开始和结束时间,并记录任何异常事件。

Representative Results

实时脑电图触发TMS在人类原发性运动皮层中的利用揭示了不同的皮质兴奋性和可塑性效应。使用上述协议,应用实时EEG-TMS,在三个触发条件(正峰、负峰和随机相)中,将TMS与内源性传感器运动+节律的持续EEG振荡相同步.拉普拉西亚 EEG 蒙太奇用于提取传感器电机 +节速,将 EEG 电极 C3 引用到周围四个电极(FC1、FC5、CP1 和 CP5)的平均值。图 2a显示了三个预定义条件的 TMS 脉冲之前 400 ms 中的平均预刺激 EEG 信号。图2b中描述了从右侧肌肉记录的平均引出的MEP。这些结果表明,与正脑电图偏转相比,α-节律的负 EEG 偏转对应于更高的皮质兴奋状态(导致较大的 MEP 振幅),注意到皮质脊柱的试间间变异性较低兴奋性效应,如图2c所示。

Figure 1
1:脑状态依赖性脑电图相触发的TMS。从以C3电极为中心的左传感器运动皮层的五通道拉普拉西亚蒙太奇(Scalp EEG)原始数据,由实时数字信号处理系统逐个采样采集。(a) 算法每2毫秒处理一个500毫秒的脑电图数据滑动窗口。(c) 基于从数据窗口计算的自动回归预测模型的正向预测信号(红色跟踪)。使用希尔伯特变换估计时为零的相位("现在"),从数据窗口估计光谱功率。当达到预定义的相位和光谱振幅条件时,TMS 刺激器被触发。左主运动皮层上的TMS导致右肌肉的MEP用表面EMG记录。请点击此处查看此图的较大版本。

Figure 2
2:来自一个示例主题的数据,该主体在左侧 M 上收到实时 EEG 触发的 TMS1,针对10 Hz 传感器电机 + 节奏。根据三个相位触发条件(正峰、负峰和随机相位)分别应用一百个刺激,结合恒定的最小 10 Hz 频谱功率阈值条件,按随机顺序,具有大约 3 s。拉普拉西亚 EEG 蒙太奇用于提取传感器电机 +节速,将 EEG 电极 C3 引用到周围四个电极(FC1、FC5、CP1 和 CP5)的平均值。(a) TMS 脉冲前 400 ms 中三种情况的平均预刺激 EEG 信号。(b) 从右诱拐器的轮询器肌肉记录的电机诱发电位 (MEP) 的平均 EMG 跟踪。对于每种情况。(c) 每次试验的峰至峰MEP振幅(以微伏为单位),随时间、每个触发条件。请注意,MEP 在负峰值条件中最大,在正峰值条件中最小,在随机相位条件中为中间。(d) 每个条件下的均 MEP 振幅均以误差条显示,说明均值的标准误差。请注意,已选择具有特别明显效果的参与者以进行说明,并且此效果大小不能代表组平均值。请点击此处查看此图的较大版本。

Discussion

脑状态依赖的脑电图触发的TMS是一种新方法,具有独特的视角,对随后的大脑刺激效应8,9,31的有效性和一致性。该方法的主要优点是,功能相关的内源性脑状态可能专门用于触发TMS脉冲,诱导可能较少可变和更持久的大脑反应11。实时脑电图触发的重复性TMS在人体M1的传感器运动+节律的负相(即皮交脊柱兴奋性增加的状态,图2)诱导明显更强的LTP样可塑性(MEP的长期增加振幅)与独立于脑状态的TMS11,20相比。除了其科学用途外,将实时 EEG-TMS 应用于皮质区域,如侧下前额皮质 (DLPFC),有可能提高当前治疗性脑刺激方案的有效性。

在本手稿中,我们介绍了实施实时脑电图-TMS的方法步骤。使用这种方法进行实验的基本要求是:第一,使用与TMS兼容的EEG系统,具有实时数字出点选项;其次,使用实时信号处理,实现相位检测算法24,它使用空间滤波器从记录的EEG信号中提取所需的大脑节律(例如,传感器运动+节速),并在预选条件(即相位和功率)时应用刺激。目标的大脑节奏)得到满足。算法的性能和准确性在很大程度上取决于脑电图记录20的SNR。因此,该协议的EEG准备步骤对于实现高SNR和确保TMS的准确触发至关重要,如果EEG在每个人。此外,建议使用线圈和真空枕头的机械支撑臂来固定参与者的头部,以尽量减少由于电极上线圈压力不同而导致的伪影。

关于实时脑电图-TMS方法在实验范式中的应用,感兴趣的大脑节律的选择可能有所不同。因此,建议调整过滤,以方便识别目标的大脑活动。最近,提出了几种空间滤波方法,以最佳方式提取与功能相关的脑状态(例如,在通道空间19中,当前源密度为13,局部空间滤波器11,28,并使用个性化滤波器,例如,空间光谱分解29。然而,到目前为止,还没有明确的方法从表面脑电图信号(传感器空间)中提取真正的脑振荡阶段(源空间)。为了提高实时EEG算法的精度,有必要对未来评估表面和源空间信号对应性的研究。

在此协议中,我们专注于 8-14-Hz 传感器电机 +-rhythm,以演示此振荡的瞬时阶段对皮质脊柱兴奋性的影响,而其他振荡(例如,beta、ta 或红外线振荡)也可能扮演一个角色。原则上,此方法可用于针对任何可用足够 SNR 隔离的振荡的相位,包括多个叠加振荡(例如,α 的负周期和同时的伽马正峰值)。

实时EEG-TMS实验的一个主要限制是,与大脑源相关的时空分辨率在很大程度上取决于伪影的发生和刺激的一致性。因此,该协议的一个关键先决条件是监视算法的性能(即,确保刺激发生在整个实验中检测到神经元活动而不是伪影活动时)。此外,利用神经导航实现刺激线圈的最佳和一致定位(特别是在使用DLPFC等刺激位点的实验范例中),有助于减少由于刺激线圈变异性而导致的反应变异性。线圈位置。另请注意,作为进一步限制,需要特别选择和配置 EEG/EMG、TMS 和实时处理设备,以及以最小化外部响应源的方式准备和进行实验的经验可掩盖瞬时脑状态效应的可变性。

最后,我们演示了进行实时脑电图-TMS实验的标准方案,并介绍了一种利用内源性脑趣状态的新方法(即目标内源性脑振荡的预选定阶段和功率)引发大脑刺激使用实时脑电脑-TMS方法的进一步研究将允许方法改进,并有助于开发有效的方案,用于研究和调制人脑网络。

Disclosures

C.Z.和P.C.G.部分资金来自德国联邦经济事务和能源部的EXIST研究转移赠款(赠款03EFJBW169)。C.Z. 报告作为非营利性医疗创新基金会的兼职雇员(德国蒂宾根的Medizinen)的兼职雇员;该基金会的子公司正在生产本文中使用的实时处理器(德国蒂宾根医疗创新孵化器有限公司)。

Acknowledgments

C.Z. 感谢蒂宾根大学医学院临床科学家项目的支持。U.Z. 感谢德国研究基金会的支持(赠款 ZI 542/7-1)。T.O.B. 感谢德国研究基金会的支持(赠款 BE 6091/2-1)。J.O.N.感谢芬兰科学院的支持(第294625号决定和306845号决定)。作者感谢蒂宾根大学开放获取出版基金的支持。

Materials

Name Company Catalog Number Comments
EEG and EMG recording systems
EEG/EMG amplifier  NeurOne with Real-time Digital Out, Bittium Biosignals Ltd., Finland
TMS device  MAG & More Research 100, MAG & More GmbH, Munich, Germany
Software  Mathworks Simulink Real-Time (Mathworks Ltd, USA) 
Stereo infrared camera neuronavigation system including reflective head tracker, pointer tool, head tracker
Experimental control PC that is connected to the EEG system, the TMS stimulator, the real-time device and the neuronavigation system
EEG electodes, EMG electrodes, syringes, abrasive and conductive gel
Plastic wrap and adhesive tape

DOWNLOAD MATERIALS LIST

References

  1. Hallett, M. Transcranial magnetic stimulation: a primer. Neuron. 55, (2), 187-199 (2007).
  2. Barker, A. T., Jalinous, R., Freeston, I. L. Non-invasive magnetic stimulation of human motor cortex. Lancet. 1, (8437), 1106-1107 (1985).
  3. Lopez-Alonso, V., Cheeran, B., Río-Rodríguez, D., Fernandez-del-Olmo, M. Inter-individual variability in response to non-invasive brain stimulation paradigms. Brain Stimulation. 7, (3), 372-380 (2014).
  4. Muller-Dahlhaus, J. F., Orekhov, Y., Liu, Y., Ziemann, U. Interindividual variability and age-dependency of motor cortical plasticity induced by paired associative stimulation. Experimental Brain Research. 187, (3), 467-475 (2008).
  5. Ziemann, U., Siebner, H. R. Inter-subject and inter-session variability of plasticity induction by non-invasive brain stimulation: Boon or bane? Brain Stimulation. 8, (3), 662-663 (2015).
  6. Arieli, A., Sterkin, A., Grinvald, A., Aertsen, A. Dynamics of ongoing activity: explanation of the large variability in evoked cortical responses. Science. 273, (5283), 1868-1871 (1996).
  7. Thut, G., Ives, J. R., Kampmann, F., Pastor, M. A., Pascual-Leone, A. A new device and protocol for combining TMS and online recordings of EEG and evoked potentials. Journal of Neuroscience Methods. 141, (2), 207-217 (2005).
  8. Zrenner, C., Belardinelli, P., Müller-Dahlhaus, F., Ziemann, U. Closed-Loop Neuroscience and Non-Invasive Brain Stimulation: A Tale of Two Loops. Frontiers in Cellular Neuroscience. 10, 92 (2016).
  9. Bergmann, T. O. Brain State-Dependent Brain Stimulation. Frontiers in Psychology. 9, 2108 (2018).
  10. Matthews, P. B. The effect of firing on the excitability of a model motoneurone and its implications for cortical stimulation. Journal of Physiology. 518 (Pt 3), 867-882 (1999).
  11. Zrenner, C., Desideri, D., Belardinelli, P., Ziemann, U. Real-time EEG-defined excitability states determine efficacy of TMS-induced plasticity in human motor cortex. Brain Stimulation. 11, (2), 374-389 (2018).
  12. Stefanou, M. I., Desideri, D., Belardinelli, P., Zrenner, C., Ziemann, U. Phase Synchronicity of mu-Rhythm Determines Efficacy of Interhemispheric Communication Between Human Motor Cortices. Journal of Neuroscience. 38, (49), 10525-10534 (2018).
  13. Berger, B., Minarik, T., Liuzzi, G., Hummel, F. C., Sauseng, P. EEG oscillatory phase-dependent markers of corticospinal excitability in the resting brain. BioMed Research International. 2014, 936096 (2014).
  14. Keil, J., et al. Cortical brain states and corticospinal synchronization influence TMS-evoked motor potentials. Journal of Neurophysiology. 111, (3), 513-519 (2014).
  15. Rogasch, N. C., et al. Analysing concurrent transcranial magnetic stimulation and electroencephalographic data: A review and introduction to the open-source TESA software. NeuroImage. 147, 934-951 (2017).
  16. Herring, J. D., Thut, G., Jensen, O., Bergmann, T. O. Attention Modulates TMS-Locked Alpha Oscillations in the Visual Cortex. Journal of Neuroscience. 35, (43), 14435-14447 (2015).
  17. Romei, V., et al. Spontaneous fluctuations in posterior alpha-band EEG activity reflect variability in excitability of human visual areas. Cerebral Cortex. 18, (9), 2010-2018 (2008).
  18. Sauseng, P., Klimesch, W., Gerloff, C., Hummel, F. C. Spontaneous locally restricted EEG alpha activity determines cortical excitability in the motor cortex. Neuropsychologia. 47, (1), 284-288 (2009).
  19. Bergmann, T. O., et al. EEG-guided transcranial magnetic stimulation reveals rapid shifts in motor cortical excitability during the human sleep slow oscillation. Journal of Neuroscience. 32, (1), 243-253 (2012).
  20. Schaworonkow, N., Triesch, J., Ziemann, U., Zrenner, C. EEG-triggered TMS reveals stronger brain state-dependent modulation of motor evoked potentials at weaker stimulation intensities. Brain Stimulation. 12, (1), 110-118 (2019).
  21. Rossi, S., Hallett, M., Rossini, P. M., Pascual-Leone, A. Safety of TMS Consensus Group. Safety, ethical considerations, and application guidelines for the use of transcranial magnetic stimulation in clinical practice and research. Clinical Neurophysiology. 120, (12), 2008-2039 (2009).
  22. Kanal, E., et al. ACR guidance document for safe MR practices: 2007. American Journal of Roentgenology. 188, (6), 1447-1474 (2007).
  23. Oldfield, R. C. The assessment and analysis of handedness: The Edinburgh inventory. Neuropsychologia. 9, (1), 97-113 (1971).
  24. Chen, L. L., Madhavan, R., Rapoport, B. I., Anderson, W. S. Real-time brain oscillation detection and phase-locked stimulation using autoregressive spectral estimation and time-series forward prediction. IEEE Transactions on Biomedical Engineering. 60, (3), 753-762 (2013).
  25. Habibollahi Saatlou, F., et al. An open-source MATLAB toolbox for external control of transcranial magnetic stimulation devices. Brain Stimulation. 11, (5), 1189-1191 (2018).
  26. Lioumis, P., Zomorrodi, R., Hadas, I., Daskalakis, Z. J., Blumberger, D. M. Combined Transcranial Magnetic Stimulation and Electroencephalography of the Dorsolateral Prefrontal Cortex. Journal of Visualized Experiments. (138), e57983 (2018).
  27. Mishory, A., et al. The maximum-likelihood strategy for determining transcranial magnetic stimulation motor threshold, using parameter estimation by sequential testing is faster than conventional methods with similar precision. The Journal of Electroconvulsive Therapy (ECT). 20, (3), 160-165 (2004).
  28. Thies, M., Zrenner, C., Ziemann, U., Bergmann, T. O. Sensorimotor mu-alpha power is positively related to corticospinal excitability. Brain Stimulation. 11, (5), 1119-1122 (2018).
  29. Schaworonkow, N., et al. μ-Rhythm Extracted With Personalized EEG Filters Correlates With Corticospinal Excitability in Real-Time Phase-Triggered EEG-TMS. Frontiers in Neuroscience. 12, 954 (2018).
  30. Hjorth, B. An on-line transformation of EEG scalp potentials into orthogonal source derivations. Electroencephalography and Clinical Neurophysiology. 39, (5), 526-530 (1975).
  31. Bergmann, T. O., Karabanov, A., Hartwigsen, G., Thielscher, A., Siebner, H. R. Combining non-invasive transcranial brain stimulation with neuroimaging and electrophysiology: Current approaches and future perspectives. NeuroImage. 140, 4-19 (2016).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics