Asignación Dinámica de trauma con MEG / estimaciones simultáneas norma mínima-EEG y anatómico limitado-un ejemplo: Atención Auditiva
Summary
Usamos magneto-y electroencefalografía (MEG / EEG), combinada con la información anatómica capturado por resonancia magnética (MRI), para asignar la dinámica de la red cortical asociada con la atención auditiva.
Abstract
Magneto y electroencefalografía (MEG / EEG) son técnicas de neuroimagen que proporcionan una alta resolución temporal especialmente adecuado para investigar las redes corticales implicadas en tareas dinámicas perceptivas y cognitivas, tales como asistir a diferentes sonidos en un cóctel. Muchos estudios anteriores han utilizado los datos registrados en el sensor de nivel único, es decir., Los campos magnéticos o los potenciales eléctricos registrados fuera y en el cuero cabelludo, y por lo general han centrado en la actividad que lleva mucho tiempo bloqueado a la presentación del estímulo. Este tipo de evento relacionado con campo / análisis de potencial es particularmente útil cuando sólo hay un pequeño número de distintos patrones dipolares que pueden ser aislados e identificados en el espacio y el tiempo. Alternativamente, mediante la utilización de la información anatómica, estos patrones de campo distintos pueden ser localizados como fuentes de corriente sobre la corteza. Sin embargo, para una respuesta más sostenida que no puede ser tiempo-bloqueado a un estímulo específico (p. ej.,en preparación para escuchar a uno de los dos presentados simultáneamente dígitos hablados basado en la función auditiva Complementada) o puede ser distribuido a través de múltiples localizaciones espaciales desconocidos a priori, el reclutamiento de una red cortical distribuida puede no estar adecuadamente capturado mediante el uso de un número limitado de fuentes focales.
A continuación, describimos un procedimiento que emplea datos de resonancia magnética anatómicas individuales para establecer una relación entre la información del sensor y la activación de dipolo en la corteza a través del uso de estimaciones de norma mínima-(MNE). Este enfoque de imagen inversa nos proporciona una herramienta para el análisis de fuentes distribuidas. Para fines ilustrativos, se describen todos los procedimientos que utilizan FreeSurfer y software MNE, tanto libremente disponible. Vamos a resumir las secuencias de resonancia magnética y análisis de los pasos necesarios para obtener un modelo de avance que nos permite relacionar el patrón de campo previstas a causa de los dipolos distribuidos en la corteza en los sensores M / EEG. Next, vamos a pasar por los procesos necesarios que nos faciliten la eliminación de ruido en los datos del sensor de contaminantes ambientales y fisiológicos. A continuación, se describen el procedimiento para combinar y mapeo de MEG / EEG de datos del sensor en el espacio cortical, produciendo de ese modo una familia de series de tiempo de activación cortical dipolo sobre la superficie del cerebro (o "películas cerebrales") en relación con cada condición experimental. Por último, destacaremos algunas técnicas estadísticas que nos permitan hacer inferencia científica a través de una población de sujetos (es decir., Lleve a cabo a nivel de grupo de análisis) sobre la base de un espacio de coordenadas cortical común.
Protocol
Discussion
Con el fin de estimar la activación de dipolo en la corteza de los MEG adquiridos / datos de EEG, que necesitamos para resolver un problema inverso, el cual no tiene una solución única estable a menos apropiados anatómica y fisiológicamente limitaciones de sonido se aplican. Utilizando la restricción anatómica adquirida por los sujetos individuales utilizando la RM y la adopción de la norma mínima como criterio de estimación, podemos llegar a una estimación inversa cortical fuente de corriente que esté de ac…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Los autores desean agradecer a Matti S. Hämäläinen, Zöllei Lilla y tres revisores anónimos por sus útiles comentarios. Fuentes de financiación: R00DC010196 (AKCL); T32DC000018 (EDL); T32DC005361 (RKM).
Materials
| Name of equipment / software | Company / source | ||
| 306-channel Vectorview MEG system | Eleka-Neuromag Ltd, | ||
| 1.5-T Avanto MRI scanner | Siemens Medical Solutions | ||
| FreeSurfer | http://freesurfer.net/ | ||
| MNE software | http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | ||
| EEG electrodes | Brain Products, Easycap GmbH | ||
| 3Space Fastrak system | Polhemus | ||
| Optical button box (FIU-932) | Current Designs |
Riferimenti
- Fischl, B. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14, 11-22 (2004).
- Dale, A., Sereno, M. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Liu, H. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), e1668 (2010).
- Brainard, D. H. The Psychophysics Toolbox. Spatial Vision. 10, 433-436 (1997).
- Uusitalo, M. A., Ilmoniemi, R. J. Signal-space projection method for separating MEG or EEG into components. Med. Biol. Eng. Comput. 35, 135-140 (1997).
- Taulu, S., Simola, J., Kajola, M. Applications of the signal space separation method. IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).
- Urbach, T. P., Kutas, M. Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling. Biological Psychology. 72, 333-343 (2006).
- Lin, F. -. H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. Distributed current estimates using cortical orientation constraints. Human Brain Mapping. 27, 1-13 (2006).
- Dale, A. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26, 55-67 (2000).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12, 419-446 (2003).
- Nichols, T. E., Holmes, A. P. Nonparametric permutation tests for functional neuroimaging: a primer with examples. Human Brain Mapping. 15, 1-25 (2001).
- Pantazis, D., Leahy, R. M., Hansen, P., Kringelbach, M., Salmelin, R. Statistical Inference in MEG Distributed Source Imaging. MEG: An Introduction to Methods. , 245-272 (2010).
- Ahveninen, J. Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise. Proceedings of the National Academy of Sciences. , 1-6 (2011).
- Sharon, D. The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex. Neuroimage. 36, 1225-1235 (2007).
- Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study. NeuroImage. 48, 590-600 (2009).
- Baillet, S., Hansen, P., Kringelbach, M., Salmelin, R. The Dowser in the Fields: Searching for MEG Sources. MEG: An Introduction to Methods. , 83-123 (2010).
- Gutschalk, A., Micheyl, C., Oxenham, A. J. Neural correlates of auditory perceptual awareness under informational masking. PLoS Biology. 6, e138 (2008).
