Analyseren van neurale activiteit en connectiviteit intracraniële EEG-gegevens gebruiken met SPM Software
Summary
Presenteren we twee analytische protocollen die kunnen worden gebruikt voor het analyseren van intracraniële elektro-encefalografie gegevens met behulp van de statistische parametrische Mapping (SPM) software: analyse van het tijd-frequentie statistische parametrische toewijzing voor neurale activiteit, en dynamische causale het modelleren van geïnduceerde Responsie voor intra – en intersite – interregionale verbindingen.
Abstract
Het meten van neurale activiteit en connectiviteit gekoppeld aan cognitieve functies bij een hoge ruimtelijke en temporele resolutie is een belangrijk doel in cognitieve neurowetenschappen. Intracraniële elektro-encefalografie (EEG) elektrische neurale activiteit rechtstreeks kunt opnemen en heeft de unieke mogelijkheden om dit doel te bereiken. Traditioneel, heeft gemiddeld analyse toegepast om te analyseren van intracraniële EEG gegevens; verschillende nieuwe technieken zijn echter beschikbaar voor beeltenis van neurale activiteit en intra – en intersite – interregionale connectiviteit. Hier introduceren we twee analytische protocollen die we recent toegepast voor het analyseren van intracraniële EEG gegevens met behulp van de statistische parametrische Mapping (SPM) software: tijd-frequentie SPM analysis tool voor neurale activiteit en dynamische causale modellering van geïnduceerde Responsie voor intra – en intersite – interregionale connectiviteit. Als representatieve resultaten rapporteren we onze analyse van intracraniële EEG gegevens tijdens de waarneming van gezichten. De resultaten bleek dat de inferieure occipital gyrus (IOG) toonden een gamma-band activiteit op zeer vroege stadia (110 ms) in reactie op gezichten, en zowel de IOG en amygdala toonde snelle intra – en intersite – interregionale verbindingen met verschillende soorten oscillaties. Deze analytische protocollen hebben het potentieel om te identificeren van de neurale mechanismen die ten grondslag liggen aan de cognitieve functies met hoge ruimtelijke en temporele profielen.
Introduction
Het meten van neurale activiteit en connectiviteit gekoppeld aan cognitieve functies bij een hoge ruimtelijke en temporele resolutie is een van de belangrijkste doelstellingen van de cognitieve neurowetenschappen. Vervullen van dit doel is echter niet eenvoudig. Een populaire methode gebruikt voor het opnemen van neurale activiteit is functionele magnetische resonantie beeldvorming (MRI). Hoewel functionele MRI verschillende voordelen, zoals een hoge ruimtelijke resolutie op het niveau van de millimeter en de niet-invasieve opname biedt, is een duidelijk nadeel van functionele MRI zijn lage temporele resolutie. Daarnaast meet de functionele MRI bloed-zuurstof-niveau-afhankelijke signalen, die slechts indirect elektrische neurale activiteit weerspiegelen. Populaire elektrofysiologische methoden, met inbegrip van elektro-encefalografie (EEG) en Liquor (MEG), hebben hoge temporele resolutie op het niveau van de milliseconde. Zij hebben echter relatief lage ruimtelijke resolutie, omdat ze opnemen van elektrische/elektromagnetische signalen op de hoofdhuid en inverse problemen om te verbeelden hersenactiviteit moeten oplossen.
Intracraniële EEG kunt elektrische neurale activiteit op hoge temporele (milliseconden) en ruimtelijke (centimeter) resoluties1direct opnemen. Deze maatregel kan bieden waardevolle mogelijkheden om te begrijpen van neurale activiteit en connectiviteit, hoewel het duidelijke beperkingen heeft (bijvoorbeeld, meetbare regio’s zijn beperkt tot de klinische criteria). Verschillende intracraniële EEG studies hebben traditionele gemiddelde analyse om te verbeelden neurale activiteit toegepast. Hoewel gemiddeld analyse gevoelig tijd vergrendeld en lage frequentie band activering detecteren kan, op kan niet speurder non-phase-locked en/of activering van hoge-frequentie (bijvoorbeeld gamma band). Bovendien, is functionele neurale koppeling niet geanalyseerd in de diepte in de literatuur over intracraniële EEG opnames. Verschillende nieuwe technieken zijn onlangs ontwikkeld om te verbeelden neurale activiteit en intra – en intersite – interregionale connectiviteit in functionele MRI en EEG/MEG-opnamen, die kunnen worden toegepast om intracraniële EEG gegevens te analyseren.
Hier introduceren we analytische protocollen die wij onlangs hebben toegepast om intracraniële EEG gegevens met behulp van de software van de statistische parametrische Mapping (SPM) te analyseren. Eerste, te onthullen wanneer en op welke frequentie, de hersengebieden kon worden geactiveerd, we tijd-frequentie SPM analyse2uitgevoerd. Deze analyse ontleedt de tijd en frequentie domeinen tegelijk met een continue wavelet transformatie en op de juiste manier corrigeert het family-wise (FWE)-foutenpercentage in de tijd-frequentie-kaarten met behulp van de willekeurige veldentheorie. Ten tweede, te onthullen hoe hersengebieden communiceren, pasten we dynamische causale modellering (DCM) van de geïnduceerde reacties4. DCM kan het onderzoek naar effectieve connectiviteit (dat wil zeggen, de causale en directionele invloeden tussen hersenen regio’s5). Hoewel DCM werd oorspronkelijk voorgesteld als een instrument voor het analyseren van functionele MRI gegevens5, heeft DCM van geïnduceerde reacties uitgebreid analyseren van de spectra van de macht tijd-variërend van elektrofysiologische signalen4. Deze analyse kan de voorstelling van zowel intra – en intersite – interregionale neurale connectiviteit. Verschillende neurofysiologische studies hebben gesuggereerd dat lokale intraregionale berekeningen en lange-afstands interregionale communicatie hoofdzakelijk gebruik van gamma – en theta-band oscillaties, respectievelijk, en hun interacties (bijvoorbeeld, entrainments) kan theta-gamma Kruis-frequentie koppeling3,6,7,8worden weergegeven. Dit rapport richt zich op de analytische Gegevensprotocol; voor een overzicht van achtergrond informatie9,10 en opname protocollen11 van intracraniële EEG, gelieve te verwijzen naar de literatuur.
Protocol
Representative Results
Discussion
De analytische protocollen voor intracraniële EEG gegevens met behulp van de software van de SPM geïntroduceerd hierin hebben verschillende voordelen in vergelijking met functionele MRI. Ten eerste kunnen de protocollen verbeelden neurale activering met een hoge temporele resolutie. Daarom, blijkt uit de resultaten of de cognitieve correlaten van neurale activering in vroege of late stadia van verwerking ten uitvoer worden gelegd. In ons voorbeeld was het gezicht effect vastgesteld tijdens een zeer vroeg stadium (d…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Deze studie werd ondersteund door de fondsen van de Benesse Corporation, Japan maatschappij voor de promotie van wetenschap (JSPS) financiering programma voor volgende generatie toonaangevende onderzoekers (LZ008), de organisatie voor de bevordering van onderzoek in neurologische aandoeningen, en de JSPS 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).
