Cortical Fonte Análise de alta densidade EEG Recordings em Crianças

Summary

Nos últimos anos, tem havido um crescente interesse em estimar as fontes corticais de couro cabeludo medidos atividade elétrica para experimentos de neurociência cognitiva. Este artigo descreve como EEG de alta densidade é adquirido e como gravações são processados ​​para a estimativa fonte cortical em crianças a partir da idade de 2 anos no bebê Lab Londres.

Abstract

EEG é tradicionalmente descrito como uma técnica de neuroimagem com alta resolução espacial e temporal baixa. Os recentes avanços em modelagem biofísica e processamento de sinais permitem explorar a informação de outras modalidades de imagem, como ressonância magnética estrutural que oferece alta resolução espacial para superar essa restrição ^1. Isto é especialmente útil para as investigações que exigem alta resolução no temporal, bem como domínio espacial. Além disso, devido à fácil aplicação e baixo custo de EEG, EEG é muitas vezes o método de escolha quando se trabalha com populações, como as crianças, que não toleram a ressonância magnética funcional varre bem. No entanto, a fim de investigar os substratos neurais estão envolvidas, a informação anatómica de MRI estrutural é ainda necessária. A maioria dos pacotes de análise de EEG trabalhar com modelos de cabeça padrão que são baseados na anatomia de um adulto. A precisão destes modelos quando usados ​​para as crianças é limitada ^2, porque o composition e configuração espacial da cabeça tecidos muda drasticamente ao longo do desenvolvimento ^3.

No presente artigo, oferecemos uma visão geral do nosso trabalho recente na utilização de modelos de cabeça com base em exames de ressonância magnética estrutural individuais ou modelos de cabeça específicos de idade para reconstruir os geradores corticais de alta densidade EEG. Este artigo descreve como EEG são adquiridos, processados ​​e analisados ​​com populações pediátricas no bebê Lab Londres, incluindo a instalação do laboratório, design tarefa, EEG pré-processamento, processamento de ressonância magnética, e nível de canal EEG e análise da fonte.

Introduction

O presidente Barack Obama descreveu o cérebro humano como a próxima fronteira da descoberta científica, com grande importância para a saúde e economia ³ (http://www.whitehouse.gov/share/brain-initiative). No entanto, como qualquer outro campo das ciências naturais, a neurociência depende de avanços nas metodologias e técnicas de análise para o progresso. Dois comumente usadas ferramentas não invasivas em estudos sobre o funcionamento do cérebro em humanos são a ressonância magnética (MRI) e eletroencefalografia (EEG). Estes ferramenta explorar diferentes propriedades físicas e fornecer diferentes perspectivas sobre o funcionamento do cérebro com suas vantagens e desvantagens. MRI utiliza as propriedades magnéticas das moléculas de água dentro de campos magnéticos para obtenção de imagens de tecidos vivos. O sujeito tem de ser colocado em um íman com elevada força de campo. O movimento do participante é restrito durante estes procedimentos eo participante tem de tolerar o ruído causado por mudanças rápidas no magnéticocampo. Além de imagens estruturais, ressonância magnética, também oferece a possibilidade de medir as mudanças na oxigenação do sangue para investigar o funcionamento do cérebro (fMRI). Em resumo, a RM oferece relativamente alta resolução espacial de até 0,5 mm ³ com modernos campos de alta scanners e parâmetros otimizados ^4. Em contraste, a resolução temporal de fMRI é limitado à cinética lenta da resposta BOLD, que apenas indiretamente reflete a dinâmica temporal elevadas de ^5,6 neural atividade.

Por outro lado, EEG mede mudanças na atividade elétrica causados ​​pela atividade dos neurônios através de eletrodos colocados sobre o couro cabeludo. Os recentes avanços na tecnologia EEG permitir a aplicação rápida e fácil dos sensores de curto prazo ou a longo prazo e estacionário, bem como gravações ambulatoriais. Porque EEG é menos restritiva, ele também é o método de escolha para certas populações de participantes que não toleram o ambiente MRI assim como pediátrica e certopopulações geriátricas e psiquiátricos. As propriedades de EEG mostram um padrão inverso aos de ressonância magnética: a resolução temporal é muito alta, com uma precisão de milissegundos, mas a resolução espacial é limitada. As correntes eléctricas passar através de tecidos diferentes entre o gerador e os eléctrodos de EEG na superfície do couro cabeludo. Isto conduz a uma mistura e manchas espacial da actividade fonte conhecida como o efeito de condução do volume. Portanto, a actividade medida pelos eléctrodos sobre a superfície do couro cabeludo reflecte a actividade de várias fontes que possam ser distante para a posição do eléctrodo sobre a ^1,7 cabeça.

Muito trabalho nos últimos anos tem se dedicado à fusão de ressonância magnética e EEG, a fim de tirar proveito de seus pontos fortes. Uma linha de trabalho é dedicado à aquisição simultânea de EEG e RM em estudos funcionais. Outra abordagem é a utilização da informação espacial fornecida por MRI estrutural para ter em conta o volume conduction efeito através de modelagem biofísica. O uso de informações estruturais para a reconstrução fonte de EEG é particularmente útil para estudos envolvendo a população pediátrica. A investigação do desenvolvimento da função cerebral é fundamental para compreender como as habilidades cognitivas complexas são construídas em cima de precursores simples ^8.

Estas investigações ajudam a destacar as mudanças nos substratos neurais e propriedades de resposta que se correlacionam com mudanças no desempenho comportamental. No entanto, a investigação do funcionamento do cérebro e cognição durante o desenvolvimento também coloca desafios específicos. Particularmente, a oportunidade para exames de ressonância magnética funcional é limitado como as crianças e adolescentes ou têm de estar dormindo ou sedado para obter dados de ressonância magnética sem artefatos de movimento e impacto negativo no bem-estar dos participantes. Além disso, EEG é percebida como menos arriscado e invasivo pelos pais, o que faz o recrutamento dos participantes da pesquisa mais fácil. Therefore, EEG é o método de escolha para muitas investigações sobre o funcionamento do cérebro em crianças pequenas. Avanços metodológicos em sistemas de EEG permitir a aplicação de matrizes de eletrodos de alta densidade com 128 ou mais canais em poucos minutos. Facilidade de aplicação e conforto de utilização é suficiente para até mesmo permitir a gravação de EEG nas crianças mais novas. No entanto, muitas vezes os pesquisadores não estão interessados ​​apenas na dinâmica temporal de respostas a estímulos particulares, mas também gostaria de comparar os substratos neurais que medeiam as respostas.

A suposição prevalecente na análise ERP nível de canal comparando diferentes grupos de idade é que os mesmos substratos neurais responder, mas que o tempo ou amplitude de resposta varia entre as idades de ^9. Similar couro cabeludo topografia é frequentemente utilizado como um indicador de atividade neural subjacente similar. No entanto, muitas configurações de fontes diferentes pode levar a topografias semelhantes couro cabeludo ^10. Ao aplicar a estimativa fonte, esta uncertainty pode ser reduzida e quantificado. A independência das observações é fundamental para contas de rede da função cerebral: se as fontes são misturadas, as correlações será inclinado para maior conectividade local. Fonte reconstrução podem ser aplicadas para reduzir esta polarização ^11. Alternativamente, as diferenças de tempo e de fase pode ser usado para análise de conectividade, mas esses modelos matemáticos exigem suposições que são difíceis de avaliar, em dados não simulados ^12. Em resumo, a estimativa fonte fornece informações adicionais para EEG nível de canal e análise de ERP com base no conhecimento sobre a anatomia e propriedades biofísicas de tecido.

Diferentes algoritmos foram desenvolvidos para encontrar soluções para o problema inverso. Esses algoritmos podem repartir-se em duas categorias: paramétricos e não paramétricos ^13. Modelos paramétricos assumir um ou vários dipolos que podem variar em localização, orientação e força. Em contraste, não modelos paramétricos containd grande número de dipolos com localização fixa e orientação. Nestes modelos, a actividade eléctrica do couro cabeludo é explicada como uma combinação de activações nos dipolos fixos ^10,13,14. Não paramétrica, modelos de origem podem ser distribuídos com base no conhecimento sobre a anatomia e condutividade em diferentes meios de comunicação. Boundary Elemento Modelos incorporam valores de condutividade para os principais tecidos da cabeça com diferentes conchas para o cérebro, líquor e crânio. Esta baseia-se no pressuposto de que a condutividade é mais constante no interior de cada compartimento, mas que as alterações marcadas ocorrer no limite de diferentes compartimentos. Modelos de elementos finitos são baseados em uma nova segmentação de exames de RM em substância cinzenta e branca, de modo que os valores de condutividade pode ser atribuído a cada voxel ^15.

Em termos práticos, os modelos não paramétricos são particularmente úteis para a reconstrução de origem em tarefas cognitivas complexas, em que o número de áreas envolvidas podenão ser conhecido ^10. Modelos de elementos de contorno são mais amplamente utilizado na literatura atual, provavelmente porque os mais precisos Modelos de Elementos Finitos representam demandas computacionais comparativamente altos. Além disso, há considerável entre variabilidade individual na substância cinzenta e branca para que FEMS deve ser baseada em exames de ressonância magnética individuais.

Modelos não paramétricos requerem uma segunda etapa para combinar a atividade medido couro cabeludo com as previsões do modelo para a frente. Mais uma vez, diferentes abordagens, com diferentes vantagens e desvantagens têm sido discutidas na literatura (ver Michel et al. 2.004 para uma visão geral). Os algoritmos mais utilizados são baseados na estimativa norma mínima (MNE), que coincide com a actividade medida couro cabeludo para uma distribuição de corrente no modelo para a frente com a menor intensidade total ^16. MNE está inclinado para fontes fracas e superficiais. Profundidade algoritmos MNE ponderada tentar reduzir o viés de superfície através da introdução de ponderaçãomatrizes baseadas em suposições matemáticas ^10. O LORETA abordagem amplamente utilizada baseia-se também ponderada EMN, mas além disso minimiza o Laplaciano das fontes, o que leva a soluções suaves ^17,18. LORETA foi encontrado para realizar o melhor para fontes individuais em estudos de simulação ^19,20. No entanto, LORETA pode levar a um excesso de alisamento de soluções. Profundidade ponderada ENM é preferível quando as fontes são desconhecidas ou múltiplas fontes são susceptíveis de estar presentes ^{13, 16.} Comparando-se os resultados de diferentes algoritmos para avaliar a influência de diferentes suposições do modelo é recomendado.

Em resumo, a reconstrução fonte através de métodos de modelagem tem sido limitado para crianças até recentemente. Isto porque a maioria software de análise de EEG se baseia em modelos de cabeça com base na anatomia adulto que limita substancialmente a precisão das soluções de código em crianças ^2,8. O acesso barato para poder computacional e da prestação desoftware de fácil utilização para a reconstrução fonte torná-lo possível para superar essas limitações. Aplicando estimativa de origem para o EEG oferece duas vantagens importantes sobre a análise com base em observações de nível de canal sozinho: melhor resolução espacial e independência das observações.

Fonte estimativa não pode ser informativo, em alguns casos: uma boa cobertura da cabeça é necessário para distinguir as fontes. Sistemas de alta densidade com 128 ou mais eletrodos são recomendados ^10,15; uma cobertura esparsa irá funcionar como um filtro espacial levando a mais ampla fonte de propagação de ativação ou resultados falsos negativos ^10. Além disso, foi relatado somente reconstrução fonte com base no método descrito no artigo de geradores corticais. Portanto, é menos adequado para testes de hipóteses sobre substratos subcorticais ou interações subcorticais corticais. Por último, a análise da fonte deve ser baseada em hipóteses prévias detalhadas sobre os substratos corticais,levando a literatura existente de outras modalidades de imagem em conta. Podem também ser utilizadas técnicas de filtragem espacial para melhorar a resolução espacial do sinal de EEG, reduzindo mistura espacial sobre o nível do couro cabeludo. Métodos alternativos para reduzir a influência dos efeitos da condução de volume sem modelagem cabeça são usados, por exemplo, filtragem Laplacian ²¹ ou atual análise Fonte Densidade ^22. No entanto, esses métodos não fornecem mais informações sobre geradores neurais como os efeitos da condução de volume não estão restritas apenas aos sensores de proximidade espacial ^1.

Nas seções seguintes, o artigo descreve como experimentos para a investigação do cérebro e função cognitiva em crianças de 2 anos de idade são projetadas para o bebê Lab Londres. Em seguida, é discutida a aquisição de dados de EEG com alta densidade de sistemas de baixa impedância com crianças. Então, EEG pré-processamento e análise sobre o nível do canal é apresentado. Lastly, o artigo centra-se no tratamento de dados de ressonância magnética estrutural para a reconstrução fonte cortical e análise de sinais de nível de fonte.

Protocol

Experimentos potenciais 1. Projetando EEG e Eventos relacionados para crianças Nota: Um experimento simples foi projetado para os fins deste artigo, que pode ser usado para investigar o processamento rosto em crianças pequenas. A seção a seguir irá descrever a experiência e explicar como implementá-lo usando MATLAB R2012b e Psychtoolbox V3.0.11 23,24. As fotos tiradas a partir do conjunto de NimStim emocional expressão facial 25 foram utilizados para este exemplo….

Representative Results

Projetando experimentos de ERP para lactentes e crianças é muitas vezes um desafio, devido à sua limitada capacidade de tolerar longas experiências repetitivas 30. Este problema se agrava ainda mais quando o experimentador pretende aplicar reconstrução de origem, porque a reconstrução fonte precisa exigirá uma alta relação sinal-ruído 1. Figura 1 mostra um protocolo experimental para a investigação de mecanismos de processamento da face que podem ser usados ​​com …

Discussion

O presente artigo descreve a gravação e análise de alta densidade EEG para a reconstrução de geradores corticais usando modelos de elementos de contorno com base na idade média de ressonância magnética modelos apropriados e profundidade ponderada estimativa mínima norma em um paradigma ERP padrão adequado para crianças. Neste paradigma, imagens de rostos e rostos mexidos são apresentados. Diferentes autores usaram este paradigma para investigar o desenvolvimento de mecanismos de processamento de rosto sobre …

Materials

High-density EEG sensor net (128 or 256 channels)	HydroCel Geodesic Sensor Net 128	Electrical Geodesic Inc., Oregon, US
EEG high impendance amplifier	NetAmps 200	Electrical Geodesic Inc., Oregon, US
Data Acquisition Computer	PowerMac G4	Apple Inc, California, US
Stimulus Presentation Computer	Optiplex 745	Dell Computers Inc., Texas, US
Stimulus Presentation Software	Matlab R2012b with PsychToolBox	Brainard et al. 1997
EEG recording software	NetStation 4.5.1	Electrical Geodesic Inc., Oregon, US
EEG analysis software	Matlab R2012b	The Mathworks Inc.,
	EEGLAB	Delorme et al. 2004
	BrainStorm	Sylvain et al. 2001
MRI processing software	FreeSurfer	Fischl et al. 2004
	OpenMEEG	Gramfort et al. 2010
Riferimenti
Delorme, A., & Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21.
Sylvain, B., John, C., Dimitrios, P., & Richard, M. (2011). Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience, 2011, 1–13.
Fischl, B., Van Der Kouwe, A., Destrieux, C., Halgren, E., Ségonne, F., Salat, D. H., et al. (2004). Automatically parcellating the human cerebral cortex. Cerebral Cortex, 14(1), 11–22.
Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. (2010). OpenMEEG: opensource software for quasistatic bioelectromagnetics. BioMedical Engineering OnLine, 9(1), 45. doi:10.1186/1475-925X-9-45
Brainard, D. H. (1997). The psychophysics toolbox. Spatial vision.