신경 활동과 연결 Intracranial 뇌 파 데이터를 사용 하 여 SPM 소프트웨어 분석
Summary
선물이 intracranial electroencephalography 데이터 통계 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 분석 하는 데 사용할 수 있는 두 개의 분석 프로토콜: 신경 활동, 및 동적 인과 관계에 대 한 시간-주파수 통계적 파라미터 매핑 분석 내부 및 남북 regional 연결에 대 한 유발된 반응의 모델링.
Abstract
신경 활동과 연결 관련 된 높은 공간과 시간 해상도에서 인지 기능을 측정 하는 것은 인지 신경 과학에서 중요 한 목표입니다. Intracranial electroencephalography (뇌 파) 직접 전기 신경 활동을 기록할 수 있으며이 목표를 달성 하기 위해 독특한 잠재력. 전통적으로, 평균 분석에 적용 된 분석 intracranial 뇌 파 데이터; 그러나, 몇 가지 새로운 기술을 묘사 신경 활동 및 내부와 남북 regional 연결 사용할 수 있습니다. 우리가 최근 통계적 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석에 적용 하는 두 개의 분석 프로토콜 소개: 신경 활동 및 동적 인과 모델링의 시간-주파수 SPM 분석에 대 한 응답을 유도 내 고 남북 regional 연결입니다. 우리 대표 결과 얼굴의 관찰 동안 intracranial 뇌 파 데이터 분석 보고. 결과 밝혀 열 등 후 두 이랑 (IOG) 얼굴에 아주 초기 단계 (110 ms) 모두 IOG와 편도 빠른 내부 및 남북 regional 연결 진동의 다양 한 종류를 사용 하 여 보였다에서 감마 밴드 활동을 보였다. 이러한 분석 프로토콜 기본 높은 공간 및 시간 프로필 인지 기능 신경 메커니즘을 식별 하기 위해 가능성이 있다.
Introduction
신경 활동과 연결 관련 된 높은 공간과 시간 해상도에서 인지 기능 측정 인지 신경 과학의 주 목표 중 하나입니다. 그러나,이 목표 달성은 쉽지 않다입니다. 신경 활동을 기록 하는 데 사용 하는 하나의 인기 있는 방법은 기능 자기 공명 영상 (MRI) 이다. 기능적 MRI 밀리미터 수준 및 비-침략 적 기록, 높은 공간 해상도 같은 몇 가지 장점을 제공 하지만 기능 MRI의 명확한 불리는 낮은 시간적 해상도입니다. 또한, 기능적 MRI만 직접으로 전기 신경 활동을 반영 하는 혈액 산소 수준 종속 신호를 측정 합니다. Electroencephalography (뇌 파) 등 magnetoencephalography (멕), 인기 있는 electrophysiological 방법 밀리초 수준에서 높은 시간 해상도가지고. 그러나 그들은 두 피에서 전기/자기 신호를 기록 하 고 두뇌 활동을 묘사 하기 위해 어려운 역 문제를 해결 해야 하기 때문에, 그들은 상대적으로 낮은 공간 해상도, 있다.
Intracranial 뇌 파 직접 높은 시간 (밀리초)와 공간 (센티미터) 해상도1전기 신경 활동을 기록할 수 있다. 그것은 분명 한계를가지고 있지만이 측정 신경 활동과 연결, 이해 하는 귀중 한 기회를 제공할 수 있습니다 (예를 들어, 측정 지역 임상 기준으로 제한 됩니다). 여러 intracranial 뇌 파 연구는 신경 활동을 묘사 하기 위해 전통적인 평균 분석을 적용 했습니다. 평균 분석 민감하게 시간 동기 및 낮은 주파수 밴드 활성화를 검색할 수 있습니다, 하지만 그것은 비 위상 동기를 검색할 수 없습니다 또는 높은-주파수 (예: 감마 밴드) 활성화. 또한, 기능 신경 결합 하지 intracranial 뇌 파 기록 문학에 깊이 분석 되었습니다. 몇 가지 새로운 기술은 신경 활동와 내 통해 regional 연결 intracranial 뇌 파 데이터 분석에 적용 될 수 있는 기능성 MRI와 EEG/멕 녹음을 묘사 하기 위해 최근에 개발 되었습니다.
여기, 우리가 최근 통계적 파라미터 매핑 (SPM) 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석에 적용 분석 프로토콜을 소개 합니다. 첫째, 언제, 그리고 어느 주파수에서 공개 뇌 영역 활성화 될 수 있는, 우리가 수행 시간-주파수 SPM 분석2. 이 분석 시간 및 주파수 도메인을 동시에 사용 하 여 연속 웨이 블 릿 변환 분해 및 임의 필드 이론을 사용 하 여 시간-주파수 지도 family-wise 오류 (FWE) 속도 적절 하 게 수정. 둘째, 뇌 영역 통신 하는 방법을 공개, 우리 유도 응답4의 동적 인과 모델링 (DCM) 적용. DCM의 효과적인 연결 조사 수 있습니다 (즉, 뇌 영역5중 인과 및 방향 영향). DCM 기능 MRI 데이터5를 분석 하기 위한 도구로 원래 제안 되었다, 비록 유도 응답의 DCM electrophysiological 신호4시간 가변 파워 스펙트럼 분석을 확장 되었습니다. 이 분석 두 내부 및 남북 regional 신경 연결의 묘사를 허용 한다. 지역 내 지역 계산 및 장거리 간 지역 통신 주로 사용 하 여 감마 세타 밴드 진동, 각각, 그리고 그들의 상호 작용 (예, entrainments) 수 여러 신경 생리학 연구 제안 세타 감마 주파수 크로스 커플링3,6,,78에 의해 반영 됩니다. 이 보고서는 데이터 분석 프로토콜;에 초점을 맞추고합니다 배경 정보9,10 의 개요 및 기록 프로토콜11 intracranial 뇌 파의 문학을 참조 하십시오.
Protocol
Representative Results
Discussion
여기 소개 하는 SPM 소프트웨어를 사용 하 여 intracranial 뇌 파 데이터 분석 프로토콜 기능 MRI에 비해 몇 가지 장점이 있다. 첫째, 프로토콜 높은 시간 해상도에서 신경 활성화를 묘사할 수 있다. 따라서, 결과 처리의 이른 또는 늦은 단계에서 신경 활성화의 인지 상관 관계는 구현 여부를 나타냅니다. 우리의 예제에서는 얼굴 효과 시각적 처리의 매우 초기 단계 (즉, 110 ms) 확인 되었다. 또한, 다…
Disclosures
The authors have nothing to disclose.
Acknowledgements
이 연구는 Benesse 공사, 다음 세대 세계 최고의 연구원 (LZ008), Neurodevelopmental 장애 연구 추진 조직에 대 한 과학 진흥 (JSP) 자금 프로그램에 대 한 일본 사회에서에서 자금에 의해 지원 되었다 그리고 JSP KAKENHI (15 K 04185; 18 K 03174).
References
- Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology – Paris. 97 (4-6), 613-628 (2003).
- Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
- Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
- Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
- Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. Neuroimage. 19 (4), 1273-1302 (2003).
- Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
- Tort, A. B., et al. Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task. Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).
- Voytek, B., et al. Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks. Frontiers in Human Neuroscience. 4, 191 (2010).
- Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
- Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
- Hill, N. J., et al. Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping. Journal of Visualized Experiments. (64), 3993 (2012).
- Herrmann, C. S., Rach, S., Vosskuhl, J., Strüber, D. Time-frequency analysis of event-related potentials: A brief tutorial. Brain Topography. 27 (4), 438-450 (2014).
- Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961 (2011).
- Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
- Kilner, J., Bott, L., Posada, A. Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain. European Journal of Neuroscience. 21, 2547-2554 (2005).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. Bayesian model selection for group studies. Neuroimage. 46 (4), 1004-1017 (2009).
- Sato, W., et al. Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing. Cortex. 60, 52-68 (2014).
- Sato, W., et al. Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing. Human Brain Mapping. 38 (2), 4511-4524 (2017).
- Bartlett, J. C., Searcy, J., Abdi, H. What are the routes to face recognition?. Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).
- Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
- Pitcher, D., Walsh, V., Duchaine, B. The role of the occipital face area in the cortical face perception network. Experimental Brain Research. 209 (4), 481-493 (2011).
- Latini, F. New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle. Neurosurgical Review. 38 (1), 179-189 (2015).
- Davies-Thompson, J., Andrews, T. J. Intra- and interhemispheric connectivity between face-selective regions in the human brain. Journal of Neurophysiology. 108 (11), 3087-3095 (2012).
- Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
- Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
- Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
- Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
- Pigorini, A., et al. Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform. Journal of Neuroscience Methods. 198 (2), 236-245 (2011).
- Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654 (2016).
- Aru, J., et al. Untangling cross-frequency coupling in neuroscience. Current Opinion in Neurobiology. 31, 51-61 (2015).
- Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources. PLoS One. 11 (12), e0167351 (2016).
- Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
- Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
- Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413 (2017).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
- Friston, K. J., et al. Dynamic causal modelling revisited. NeuroImage. , (2017).
