JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
自动翻译
Please note that all translations are automatically generated. Click here for the English version.
神经科学

Sinirsel aktivite ve bağlanırlığı İntrakraniyal EEG veri SPM yazılım programıyla analiz

Published: October 30, 2018
doi:
10.3791/58187
, , , , , , , ,
1Kokoro Research Center,Kyoto University, 2Brain Activity Imaging Center,Advanced Telecommunications Research Institute International, 3Department of Neurodevelopmental Psychiatry, Habilitation and Rehabilitation, Graduate School of Medicine,Kyoto University, 4National Epilepsy Center, 5Shizuoka Institute of Epilepsy and Neurological Disorders, 6Department of System Neuroscience,Sapporo Medical University, 7Faculty of Human Health Science, Graduate School of Medicine,Kyoto University

Summary

Biz istatistik parametrik eşleme (SPM) yazılımını kullanarak kafa içi elektroansefalografi verileri çözümlemek için kullanılan iki analitik protokol mevcut: zaman-frekans istatistiksel parametrik eşleme analizi için sinirsel aktivite ve dinamik nedensel içi ve arası regional bağlantısı için indüklenen tepkilerin modelleme.

Abstract

Sinirsel aktivite ve yüksek zamansal ve mekansal çözünürlükte bilişsel fonksiyonları ile ilişkili bağlantı ölçme önemli bir hedefi kognitif Nörobilim var. Kafa içi elektroansefalografi (EEG) doğrudan elektrik sinirsel aktivite kaydedebilirsiniz ve bu amacı gerçekleştirmek için benzersiz bir potansiyele sahiptir. Geleneksel olarak, intrakranial EEG verileri çözümlemek için analiz ortalama uygulanmış; Ancak, bazı yeni teknikler sinirsel aktivite ve içi ve arası regional bağlantıyı gösteren için kullanılabilir. Burada, biz son zamanlarda uygulanan istatistiksel parametrik eşleme (SPM) yazılımını kullanarak intrakranial EEG verileri çözümlemek için iki analitik protokol tanıtmak: zaman-frekans SPM analizi için sinirsel aktivite ve dinamik nedensel modellenmesi indüklenen yanıt için içi ve arası regional bağlantı. Biz bizim analiz intrakranial EEG veri yüzler gözlem sırasında temsilcisi rapor-den sonuçlanmak. Sonuçları ortaya koydu aşağı oksipital gyrus (kütük) çok erken aşamalarında (110 msn) yanıt-e doğru yüz ve seyir defteri hem salınım türleri kullanarak hızlı içi ve arası regional bağlantı gösterdi amigdala GAMA-Grup faaliyet gösterdi. Bu analitik protokoller yüksek kayma ve zamansal profilleri ile bilişsel işlevler altında yatan sinirsel mekanizmalar belirlemek potansiyeline sahip.

Introduction

Sinirsel aktivite ve yüksek zamansal ve mekansal çözünürlükte bilişsel fonksiyonları ile ilişkili bağlantı ölçme kognitif Nörobilim birincil amaçlarından biridir. Ancak, bu hedefi gerçekleştirmek kolay değildir. Sinirsel aktivite kaydetmek için kullanılan bir popüler fonksiyonel manyetik rezonans görüntüleme (MRG) yöntemidir. Fonksiyonel MRI temiz bir dezavantajı düşük zamansal çözünürlüğü olsa da fonksiyonel MRI milimetre düzeyinde ve non-invaziv kayıt, yüksek uzaysal çözünürlük gibi birçok avantaj sunar. Buna ek olarak, fonksiyonel MRI sadece dolaylı olarak elektrik sinir etkinliği yansıtan kan oksijen düzeyi bağlı sinyalleri ölçer. Elektroansefalografi (EEG) ve magnetoencephalography (MEG), dahil olmak üzere popüler elektrofizyolojik yöntemleri yüksek zamansal milisaniyelik düzeyinde sahiptir. Ancak, sahip oldukları nispeten düşük uzamsal çözünürlük, çünkü onlar kafa derisi, Elektrik/manyetik sinyaller kaydetmek ve beyin aktivitesi tasvir zor ters problemler çözmek gerekir.

EEG intrakraniyal doğrudan yüksek zamansal (milisaniye) ve kayma (santimetre) çözünürlük1elektrik sinir etkinliğini kaydedebilirsiniz. Bu açık sınırlamalar olmasına rağmen bu ölçü sinirsel aktivite ve bağlantı, anlamak için değerli fırsatlar sağlayabilir (Örneğin, ölçülebilir bölgeler için klinik kriterleri sınırlı). Birkaç İntrakraniyal EEG Araştırmalar sinirsel aktivite tasvir için geleneksel ortalama çözümlemesi başvurdum. Her ne kadar analiz ortalama hassas zaman kilitli ve düşük frekans bandı harekete geçirmek algılayabilir, faz kilitli olmayan algılayamaz ve/veya yüksek frekanslı (Örneğin, GAMA Grup) etkinleştirme. Buna ek olarak, işlevsel sinir kancası edebiyat intrakranial EEG kayıtları üzerinde derinlemesine değerlendirilmemiş. Birkaç yeni teknikler son zamanlarda sinirsel aktivite ve içi ve arası regional bağlantısı intrakranial EEG verileri çözümlemek için uygulanan fonksiyonel MRI ve EEG/MEG kayıtları’nda tasvir için geliştirilmiştir.

Burada, biz son zamanlarda istatistiksel parametrik eşleme (SPM) yazılımını kullanarak intrakranial EEG verileri çözümlemek için uyguladığınız analitik iletişim kuralları tanıtmak. İlk ne zaman ve hangi sıklıkta ortaya çıkarmak için beynin aktif, biz zaman-frekans SPM analiz2gerçekleştirilen. Bu analiz zaman ve frekans etki aynı anda sürekli dalgacık dönüşüm kullanarak çözer ve uygun şekilde rasgele alan teorisi kullanarak zaman-frekans haritalar family-wise hata (FWE) ücretine düzeltir. İkinci olarak, nasıl beyin bölgeleri iletişim ortaya çıkarmak için biz dinamik nedensel modelleme (DCM) indüklenen yanıtları4uygulanır. DCM sağlar etkili bağlantı incelenmesi (Yani, beyin bölgeleri5arasında nedensel ve yönlü etkiler). DCM aslında fonksiyonel MRI veri5analiz etmek için bir araç olarak önerilmiş rağmen DCM indüklenen tepkilerin elektrofizyolojik sinyalleri4zaman değişen güç spectra analiz etmek için uzatıldı. Bu analiz her iki içi ve arası regional sinirsel bağlantı tasviri sağlar. Birkaç nörofizyolojik çalışmalar yerel içi bölgesel hesaplamaları ve uzun mesafe Bölgelerarası iletişim ağırlıklı olarak Gama ve Teta bandı titreşimler, sırasıyla kullanın ve ilişkileri (Örneğin, entrainments) olabilir tavsiye ettiler Teta-gama çapraz-frekans kaplin3,6,7,8tarafından yansıtılması. Bu rapor veri analitik protokolü üzerinde odaklanmaktadır; Genel arka plan bilgileri9,10 ve kayıt protokolleri11 EEG intrakraniyal için lütfen edebiyat için bakın.

Protocol

Bizim çalışma yerel Kurumsal Etik Komitesi tarafından kabul edildi. 1. temel bilgiler Not: Belirli katılımcılar, elektrotlar, başvuru yöntemleri veya elektrot konumlar olarak herhangi bir kısıtlama olmadan veri türleri için analitik iletişim kuralları uygulanır. Bizim örneğimizde, biz altı hastalarda farmakolojik zorlu odak epilepsi test. İlgi bölgelerde yok epileptik foci olan hastalar test ettik. Kayıt intrakranial EEG veri hedef el…

Representative Results

Burada sunulan iletişim kuralını kullanarak, intrakranial EEG veri yüzler18,19yanıt olarak analiz ettik. Biz altı hasta verilerden yüzler, mozaik ve dik evlerde pasif görüntüleme sırasında kayıt ve yönelimleri tersine. Dik yüzleri karşı dik mozaik ve dik yüzleri karşı dik evleri tezat yüz etkisi (Yani, diğer nesnelere göre yüz özgü beyin aktivitesi) saptandı. Ters karşı</…

Discussion

Burada tanıtılan SPM yazılım kullanarak intrakranial EEG verileri analitik protokollerde fonksiyonel MRI ile karşılaştırıldığında birçok avantajı var. İlk olarak, iletişim kurallarını yüksek zamansal çözünürlükte sinir harekete geçirmek tasvir. Bu nedenle, sonuçlar sinir harekete geçirmek bilişsel ilişkilendirir erken veya geç işleme aşamalarında uygulanan olup olmadığını gösterir. Örneğimizde, yüz etkisi görsel işleme (Yani, 110 msn) çok erken evrelerinde tespit edilm…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Bu çalışmada Benesse Corporation, Japonya toplum bilim promosyon (JSP’ler) finansman programı için sonraki nesil dünyanın önde gelen araştırmacılar (LZ008), organizasyon teşvik araştırma nörogelişimsel bozukluklar için fon tarafından desteklenmiştir, ve JSP’ler KAKENHI (15K 04185; 18K 03174).

References

  1. Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology – Paris. 97 (4-6), 613-628 (2003).
  2. Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
  3. Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
  4. Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
  5. Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. Neuroimage. 19 (4), 1273-1302 (2003).
  6. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
  7. 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).
  8. 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).
  9. Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
  10. Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
  11. 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).
  12. 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).
  13. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961 (2011).
  14. Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
  15. 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).
  16. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
  22. 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).
  23. 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).
  24. 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).
  25. Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
  26. Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
  27. Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
  28. Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
  29. 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).
  30. Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654 (2016).
  31. Aru, J., et al. Untangling cross-frequency coupling in neuroscience. Current Opinion in Neurobiology. 31, 51-61 (2015).
  32. 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).
  33. Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
  34. Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
  35. Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413 (2017).
  36. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  37. Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
  38. Friston, K. J., et al. Dynamic causal modelling revisited. NeuroImage. , (2017).

Tags

Intracranial EEGNeural ActivityNeural ConnectivitySPM SoftwareTime-frequency AnalysisWavelet DecompositionMorlet WaveletsData TransformationBaseline CorrectionData SmoothingGeneral Linear ModelStatistical InferenceRandom Field TheoryDynamic Causal ModelingCognitive Neuroscience

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Sato, W., Kochiyama, T., Uono, S., Usui, N., Kondo, A., Matsuda, K., Usui, K., Toichi, M., Inoue, Y. Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software. J. Vis. Exp. (140), e58187, doi:10.3791/58187 (2018).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image