Анализ нейронной активности и подключение с использованием внутричерепных ЭЭГ данных с программным обеспечением УСВ
Summary
Мы представляем два аналитических протоколов, которые могут использоваться для анализа внутричерепных электроэнцефалография данных с использованием программного обеспечения статистической параметрический сопоставления (СЗМ): анализ статистических параметрический сопоставление частотно-нейронной активности, и динамические причинно Моделирование искусственных ответов для подключения внутри и между регионального.
Abstract
Измерения нейронной активности и подключения, связанные с когнитивных функций при высоких пространственных и временных резолюций является важной целью в когнитивной нейробиологии. Внутричерепных электроэнцефалография (ЭЭГ) можно непосредственно запись электрической нейронной активности и имеет уникальный потенциал для достижения этой цели. Традиционно в среднем анализ был применен для анализа внутричерепных ЭЭГ данных; Однако несколько новых методов доступны для изображением нейронной активности и внутри и между регионального подключения. Здесь, мы представляем два аналитических протоколов, мы недавно применяется для анализа внутричерепных ЭЭГ данных с использованием программного обеспечения статистической параметрический сопоставления (СЗМ): частотно-РП анализ для нейронной активности и динамического моделирования причинно индуцированной ответов для внутри и между регионального подключения. Мы сообщаем наш анализ данных внутричерепных ЭЭГ во время наблюдения лица как представитель результаты. Результаты показали, что уступает затылочные извилины (ГВН) показал активности гамма полосами на очень ранних стадиях (110 мс) в ответ на лица и ГВН и миндалины, показали быстрый внутри и между регионального подключение, используя различные виды колебаний. Эти аналитические протоколы имеют потенциал для выявления нейронные механизмы, лежащие в основе когнитивных функций с высоким пространственным и временным профилями.
Introduction
Измерения нейронной активности и подключения, связанные с когнитивных функций при высоких пространственных и временных резолюций является одной из основных целей когнитивной нейронауки. Однако достижение этой цели нелегко. Один популярный метод, используемый для записи нейронной активности является функциональная магнитно-резонансная томография (МРТ). Хотя Функциональная МРТ предлагает несколько преимуществ, таких как высокое пространственное разрешение на уровне миллиметр и неинвазивные записи, ясно недостатком функциональной МРТ является его низкая временным разрешением. Кроме того Функциональная МРТ меры крови кислород уровня зависимой сигналы, которые лишь косвенно отражать электрические нейронной активности. Популярные электрофизиологических методов, включая электроэнцефалографии (ЭЭГ) и Магнитоэнцефалография (Мэг), имеют высокого временного разрешения на уровне миллисекунды. Однако они имеют относительно низкого пространственного разрешения, потому что они записывать электрические или магнитные сигналы на волосистой части головы и должны решать сложные проблемы обратной изображать активность мозга.
Внутричерепных ЭЭГ может напрямую записывать электрические нейронной активности в высокой временной (миллисекунды) и пространственных (сантиметр) резолюции1. Эта мера может предоставить ценные возможности понять нейронной активности и связь, хотя он имеет четкие ограничения (например, измеримые регионов ограничены клинические критерии). Несколько внутричерепных ЭЭГ исследования применялись традиционные Усредненный анализ изображать нейронной активности. Хотя усреднения анализ чутко может обнаружить активации время locked и низкочастотного диапазона, он не может обнаружить не этапа-к морю и/или активации высокой частоты (например, группа гамма). Кроме того функциональные нейронные соединения не была проанализирована в глубину в литературе по внутричерепных ЭЭГ записи. Недавно были разработаны несколько новых методы изображать нейронной активности и внутри и между регионального подключения в функциональной МРТ и ЭЭГ/Мэг записей, которые могут быть применены для анализа внутричерепных ЭЭГ данных.
Здесь мы представляем аналитических протоколов, которые мы недавно применены для анализа внутричерепных ЭЭГ данных с использованием программного обеспечения статистической параметрический сопоставления (SPM). Во-первых, чтобы выявить, когда и на какой частоте, области мозга может быть активирован, мы провели время частота РП анализ2. Этот анализ разлагает временной и частотной областях, одновременно используя Непрерывное вейвлет-преобразование и соответствующим образом корректирует уровень family-wise ошибка (FWE) в частотно-карты, используя случайные теории поля. Во-вторых выявить, как мозга общаться, мы применили динамическое моделирование причинной (DCM) индуцированного ответы4. DCM позволяет исследование эффективного подключения (то есть, причинные и направленного влияния среди регионов мозга5). Хотя DCM первоначально был предложен как инструмент для анализа данных функциональной МРТ5, DCM индуцированных ответов был расширен для анализа нестационарных спектры мощности электрофизиологических сигналов4. Этот анализ позволяет изображением оба внутри и между регионального нейронные соединения. Несколько нейрофизиологические исследования показали, что местные внутрирегиональной вычислений и дальней межрегиональных коммуникации главным образом используют гамма – и тета диапазона колебаний, соответственно, и их взаимодействия (например, конференции) можно быть отражены тета гамма кросс частота муфта3,6,,78. Настоящий доклад сосредоточен на протоколе аналитических данных; Обзор справочная информация9,10 и записи протоколов11 внутричерепных ЭЭГ пожалуйста, обратитесь к литературе.
Protocol
Representative Results
Discussion
Аналитических протоколов для внутричерепных ЭЭГ данных с помощью программного обеспечения УСВ представил здесь имеют ряд преимуществ по сравнению с функциональной МРТ. Во-первых протоколы можно изобразить нервной активации с высоким временным разрешением. Таким образом результаты ?…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Это исследование было поддержано средств от Benesse Corporation, Япония общества для финансирования программы поощрения науки (JSP) для следующего поколения ведущих исследователей (LZ008), Организации содействия исследованиям в нервной расстройств, и JSP-страницы KAKENHI (15K 04185; 18K 03174).
Riferimenti
- 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).
