تحليل النشاط العصبي والاتصال باستخدام بيانات التخطيط الدماغي داخل الجمجمة مع برنامج الحركة الوطنية الصومالية
Summary
نقدم اثنين من البروتوكولات التحليلية التي يمكن استخدامها لتحليل البيانات المخ داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM): تحليل الخرائط وقت التردد حدودي الإحصائية للنشاط العصبي، ودينامية السببية نماذج من ردود فعل للربط فيما بين الأقاليم وداخلها.
Abstract
قياس نشاط العصبية والاتصال المرتبطة بالوظائف المعرفية في عالية الدقة المكانية والزمانية هدف هام في علم الأعصاب المعرفي. يمكن مباشرة لتسجيل النشاط العصبي الكهربائية داخل الجمجمة المخ (EEG) وينطوي على إمكانية فريدة لتحقيق هذا الهدف. تقليديا، تم تطبيق متوسط تحليل لتحليل بيانات التخطيط الدماغي داخل الجمجمة؛ ومع ذلك، العديد من التقنيات الجديدة متوفرة يصور العصبية اتصال النشاط وفيما بين الأقاليم وداخلها. هنا، نحن نقدم اثنين من البروتوكولات التحليلية طبقنا مؤخرا لتحليل بيانات التخطيط الدماغي داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM): فعل الوقت التردد SPM تحليل للنشاط العصبي والنمذجة الديناميكية المسببة للاستجابات ل الربط فيما بين الأقاليم وداخلها. نحن تقرير تحليلنا للبيانات التخطيط الدماغي داخل الجمجمة أثناء مراقبة وجوه كنتائج تمثيلية. وكشفت النتائج أن المغزلي والقفويه أدنى (الرقابة الداخلية) وأظهرت النشاط غاما-الفرقة في المراحل المبكرة جداً (110 مللي ثانية) ردا على وجوه، وكل من الرقابة الداخلية واللوزة أظهرت السريع فيما بين الأقاليم وداخلها الاتصال باستخدام أنواع مختلفة من الذبذبات. هذه البروتوكولات التحليلية لديها القدرة على تحديد الآليات العصبية الكامنة وراء الوظائف المعرفية مع ارتفاع الملامح المكانية والزمانية.
Introduction
قياس نشاط العصبية والاتصال المرتبطة بالوظائف المعرفية في عالية الدقة المكانية والزمانية واحد من الأهداف الأساسية لعلم الأعصاب المعرفي. غير أن تحقيق هذا الهدف ليس من السهل. هو أسلوب شعبية واحد يستخدم لتسجيل النشاط العصبي الفنية التصوير بالرنين المغناطيسي (التصوير بالرنين المغناطيسي). على الرغم من أن التصوير بالرنين المغناطيسي الوظيفي يوفر العديد من المزايا، مثل عالية دقة مكانية على مستوى ملليمتر وتسجيل غير الغازية، وهو عيب واضح من التصوير بالرنين المغناطيسي الوظيفي قرارها الزمانية منخفضة. وباﻹضافة إلى ذلك، التدابير الفنية التصوير بالرنين المغناطيسي الدم الأكسجين-المستوى-تعتمد على إشارات، والتي تعكس النشاط العصبي الكهربائي غير مباشر فقط. الطرق الكهربية شعبية، بما في ذلك المخ (EEG) وماجنيتونسيفالوجرافي (MEG)، بقرارات مؤقتة عالية على الصعيد ميلي ثانية. ومع ذلك، لديهم قرارات المكاني منخفضة نسبيا، لأنها تسجل الإشارات الكهربائية/المغناطيسية في فروة الرأس ويجب حل المشاكل الصعبة معكوس لتصوير نشاط الدماغ.
ويمكن تسجيل EEG داخل الجمجمة مباشرة النشاط العصبي الكهربائية العالية الزمانية (مللي ثانية) والمكانية (سنتيمتر) القرارات1. وهذا التدبير يمكن أن توفر فرصاً قيمة لفهم النشاط العصبي، والاتصال، وعلى الرغم من أنها قيود واضحة (مثلالمناطق القابلة للقياس تقتصر على المعايير السريرية). وقد طبقت عدة دراسات التخطيط الدماغي داخل الجمجمة التحليل المتوسط التقليدي لتصوير النشاط العصبي. على الرغم من أن متوسط تحليل حساسية الكشف عن التنشيط الفرقة تأمين الوقت والتردد المنخفض، فإنه لا يمكن الكشف عن تأمين المرحلة غير و/أو تنشيط عالية التردد (مثلاً، الفرقة غاما). وبالإضافة إلى ذلك، لم تم تحليل اقتران العصبية الوظيفية في العمق في الأدب على تسجيلات التخطيط الدماغي داخل الجمجمة. العديد من التقنيات الجديدة قد وضعت مؤخرا لتصوير العصبية اتصال النشاط وفيما بين الأقاليم وداخلها في تسجيلات التصوير بالرنين المغناطيسي والتخطيط الدماغي/ميج الوظيفية، التي يمكن تطبيقها على تحليل بيانات التخطيط الدماغي داخل الجمجمة.
وهنا، نقدم البروتوكولات التحليلية المطبقة لدينا مؤخرا لتحليل بيانات التخطيط الدماغي داخل الجمجمة باستخدام برامج رسم الخرائط حدودي الإحصائية (SPM). أولاً، تكشف فيه، والذي تردد، يمكن تنشيط مناطق الدماغ، وأجرينا وقت التردد SPM تحليل2. هذا التحليل تتحلل المجالات الوقت والتردد في وقت واحد باستخدام تحويل المويجات مستمر، وعلى نحو مناسب بتصحيح نسبة الخطأ فاميليويسي (إنشاء) في خرائط الوقت-تواتر استخدام نظرية الحقل عشوائي. وثانيا، للكشف عن كيفية التواصل مناطق الدماغ، طبقنا النمذجة السببية الديناميكية (DCM) من ردود فعل4. DCM تمكن تحقيق الاتصال الفعال (أي، التأثيرات السببية والاتجاه بين مناطق الدماغ5). على الرغم من أن DCM اقترح أصلاً كأداة لتحليل بيانات التصوير بالرنين المغناطيسي الوظيفي5، قد مددت DCM ردود فعل لتحليل الأطياف السلطة اختلاف الوقت من الإشارات الكهربية4. هذا التحليل يسمح تصوير لكل اتصال العصبية فيما بين الأقاليم وداخلها. وقد اقترح العديد من الدراسات العصبية أن العمليات الحسابية داخل المنطقة المحلية والاتصالات بين المناطق البعيدة المدى تستخدم أساسا ذبذبات غاما–النطاق وثيتا، على التوالي، وتفاعلاتها (مثلاً، انترينمينتس) ويمكن تنعكس ثيتا-غاما التردد عبر اقتران3،6،،من78. ويركز هذا التقرير على بروتوكول البيانات التحليلية؛ لمحة عامة عن خلفية المعلومات9،10 وتسجيل البروتوكولات11 من التخطيط الدماغي داخل الجمجمة، يرجى الرجوع إلى الأدب.
Protocol
Representative Results
Discussion
البروتوكولات التحليلية لبيانات التخطيط الدماغي داخل الجمجمة باستخدام البرمجيات SPM عرض هذه الوثيقة بالعديد من المزايا مقارنة مع التصوير بالرنين المغناطيسي الوظيفي. أولاً، يمكن تصور البروتوكولات التنشيط العصبية في عالية دقة زمنية. ولذلك، تشير النتائج عما إذا كان يرتبط المعرفي للتنشيط ال…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
هذه الدراسة كانت تدعمها أموال من شركة بينيسي، “جمعية اليابان” “برنامج تمويل تعزيز العلوم” (JSPS) “الباحثين” الرائدة في “العالم الجيل القادم” (LZ008)، المنظمة “تعزيز البحوث” في “الاضطرابات النمائية”، وكاكينهي JSPS (15 ك 04185؛ 18 ك 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).
