Summary

Eşzamanlı MEG / EEG ve Anatomik-kısıtlı Minimum norm Tahminleri Kullanarak Eşleme Kortikal Dinamiği: Bir İşitsel Dikkat Örneği

Published: October 24, 2012
doi:

Summary

Biz manyetik rezonans görüntüleme (MRG) tarafından yakalanır anatomik bilgi ile kombine manyeto ve elektroensefalografi (MEG / EEG), işitsel dikkat ile ilişkili kortikal ağ dinamikleri eşlemek için kullanabilirsiniz.

Abstract

Magneto-ve elektroensefalografi (MEG / EEG) böyle bir kokteyl parti içinde farklı sesler olarak katılıyor dinamik algısal ve bilişsel görevler, yer kortikal ağları araştırmak için uygundur, yüksek temporal çözünürlük sağlamak nörogörüntüleme teknikleri uygulanır. Birçok geçmiş çalışmalardan yalnızca, genellikle uyaran sunum için zaman-kilitli olduğu aktivite yani., Manyetik alanlar ya da dışında ve kafa derisi üzerinde kaydedilen elektrik potansiyelleri ve odaklanmış sensör seviyesinde kaydedilen verileri istihdam var. Izole ve uzay ve zaman içinde tespit edilebilir ayrı dipolar desenler sadece az sayıda olduğunda olay ile ilgili alanda potansiyel / Bu analiz türü, özellikle yararlıdır. Alternatif olarak, anatomik bilgi kullanarak, bu farklı alan desenleri korteks üzerinde akım kaynağı olarak lokalize edilebilir. Bununla birlikte, daha uzun süreli bir tepki için o (örn.., Belirli bir uyarıcı için zaman-kilitli olmayabilircued işitsel özelliği dayalı iki eş zamanlı olarak konuşulan basamak) birini dinlerken ya da önsel bilinmeyen birden mekansal konumlara dağıtılmış olabilir hazırlık, dağıtılmış kortikal ağ işe yeterince sınırlı sayıda kullanarak yakalanan olabilir fokal kaynaklar.

Burada, sensör bilgileri ve minimum-norm tahminleri (MEB) aracılığıyla korteks üzerinde dipol aktivasyonu arasında bir ilişki kurmak için bireysel anatomik MRG verileri kullanan bir prosedür tanımlamaktır. Bu ters görüntüleme yaklaşım bize dağıtılmış kaynak analizi için bir araç sağlar. Amaçlıdır, biz FreeSurfer ve MEB yazılımı, hem serbestçe kullanılabilir kullanarak tüm prosedürleri anlatacağız. Biz bize EEG / M sensörler üzerine korteks üzerinde dağıtılan dipoller sonucunda oluşması beklenen alan desen ilişki sağlayan bir ileri modeli üretmek için gerekli MRG sekansları ve analizi adımları özetleyeceğim. Next, çevresel ve fizyolojik kirleticilerden uzak sensör verileri denoising bize kolaylaştıracak gerekli süreçler yoluyla adım olacaktır. Biz o zaman böylece her deneysel durumu ile ilgili beyin yüzeyinin (ya da "beyin filmler") kortikal dipol aktivasyon zaman serisi bir aile üreten, kortikal alan üzerine MEG / EEG sensör verileri birleştirerek ve haritalama için prosedürü özetleyecek. Son olarak, bize ortak bir kortikal koordinat alanından dayalı bir konu nüfusta (örn., Grup düzeyinde analiz) arasında bilimsel bir çıkarım yapmak için izin birkaç istatistiksel teknikler vurgulayacaktır.

Protocol

1. Anatomik Veri Toplama ve İşleme Konulardan biri mıknatıslanma hazırlanmış hızlı gradient eko (MPRAGE) MRI taraması edinin. Bu, belirli bir tarama protokolü kullanıldığı bağlı olarak 5-10 dakika sürebilir. FLASH dizileri standart MPRAGE dizileri 1 farklı doku kontrastı sağlamak gibi EEG verileri, ters görüntü analiz için kullanılması durumunda iki ek hızlı düşük açılı çekim (FLASH) MRI taramaları (flip açılar = 5 ° ve 30 °) edinin. Kort…

Discussion

Edinilen MEG / EEG verilerinden korteks üzerinde dipol aktivasyon tahmin etmek amacıyla, uygun anatomik ve fizyolojik ses kısıtlamaları uygulanır sürece benzersiz bir istikrarlı çözüm bulunmamış ters bir sorunu çözmek gerekir. MRG kullanarak ve tahmini kriter olarak minimum norm benimseyerek bireysel konular için alınan anatomik kısıtlaması kullanarak, sensör ölçümleri ile hemfikir olduğunu bir ters kortikal akım kaynağı tahmine ulaşmak olabilir. Bu yaklaşım sadece işitsel işleme 14…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Yazarlar yararlı yorumlar için Matti S. Hämäläinen, Lilla Zöllei ve üç anonim değerlendirenler teşekkür etmek istiyorum. Finansman Kaynakları: R00DC010196 (AKCL); T32DC000018 (EDS); 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

References

  1. Fischl, B. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14, 11-22 (2004).
  2. 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).
  3. 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).
  4. Liu, H. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), e1668 (2010).
  5. Brainard, D. H. The Psychophysics Toolbox. Spatial Vision. 10, 433-436 (1997).
  6. 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).
  7. Taulu, S., Simola, J., Kajola, M. Applications of the signal space separation method. IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).
  8. 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).
  9. 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).
  10. Dale, A. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26, 55-67 (2000).
  11. Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12, 419-446 (2003).
  12. Nichols, T. E., Holmes, A. P. Nonparametric permutation tests for functional neuroimaging: a primer with examples. Human Brain Mapping. 15, 1-25 (2001).
  13. 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).
  14. 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).
  15. Sharon, D. The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex. Neuroimage. 36, 1225-1235 (2007).
  16. 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).
  17. 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).
  18. Gutschalk, A., Micheyl, C., Oxenham, A. J. Neural correlates of auditory perceptual awareness under informational masking. PLoS Biology. 6, e138 (2008).

Play Video

Cite This Article
Lee, A. K., Larson, E., Maddox, R. K. Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example. J. Vis. Exp. (68), e4262, doi:10.3791/4262 (2012).

View Video