Одновременных ЭЭГ и функциональной МРТ запись и анализ интеграции для визуализации динамических корковой активности
Summary
ЭЭГ МРТ смешанных изображений метод, известный как пространственно-временных МР-томографию ограничены ЭЭГ источник изображения метод, описанный здесь. Представленный метод использует МР-томографию условно активные вложенные карты, или априорных вероятностей, направлять ЭЭГ источник локализации в манере, которая улучшает пространственной специфики и ограничивает ошибочных результатов.
Abstract
Электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография (МРТ) являются двумя из основных неинвазивные методы для выявления активности мозга. Смешанные методы стремились объединить высокого временного разрешения ЭЭГ с пространственной точностью МР-томографию, но сложность этого подхода в настоящее время нуждаются в улучшении. Протокол, представленные здесь описывает недавно разработанных пространственно-временных МР-томографию ограничены ЭЭГ источник изображения метод, который стремится устранить источник предубеждения и улучшения локализации источника ЭЭГ МРТ путем динамического набора суб-регионов МР-томографию. Этот процесс начинается с коллекции смешанных данных из параллельных ЭЭГ и МР-томографию сканов, поколение 3D моделей коры головного мозга и независимых ЭЭГ и МР-томографию обработки. Затем обработанные МР-томографию активации карты разделены на несколько настоятелей, согласно их местонахождения и окрестностях. Они взяты как настоятели в два уровня иерархической алгоритм Байеса для локализации источника ЭЭГ. Для каждого окна интерес (определяется оператор) конкретных сегментов МР-томографию активации карты будут определяться как активные для оптимизации параметра, известного как модель доказательств. Они будут использоваться как мягкие ограничения на выявленных корковой активности, увеличения специфичности мультимодального imaging метод путем сокращения кросс talk и избежать ошибочной деятельность в других регионах условно активные МР-томографию. Метод создает кортикального слоя карты активности и время курсы, которые могут быть приняты как окончательные результаты, или используется в качестве основы для дальнейшего анализа (анализ корреляции, причинно-следственной связи, и т.д.), а метод несколько ограничивается его условия (он не найдет EEG-invisible источники), он широко совместим с большинством крупных обработки программного обеспечения и подходит для большинства нейровизуализационных исследований.
Introduction
Электроэнцефалография (ЭЭГ) и функциональная магнитно-резонансная томография (МРТ) можно рассматривать как нейровизуализационных методов с взаимодополняющими функциями. МР-Томографию захватывает активности мозга с большой временной шкалой, как гемодинамики сигналы косвенно измерить основной активности нейронов с плохой временное разрешение (порядка секунды)1,2. В отличие от этого ЭЭГ непосредственно измеряет динамических электрофизиологических активности головного мозга с очень высоким временным разрешением (уровень миллисекунды), но бедных пространственным разрешением3,4. Эти свойства привели к смешанных подходов, предназначенных для оптимизации благоприятные аспекты каждого индивидуального метода5. Одновременное использование ЭЭГ и МР-томографию и отличные временное разрешение ЭЭГ в сочетании с высокой пространственной точностью МР-томографию позволяет преодолеть ограничения, связанные с регулирующих МР-томографию или ЭЭГ.
Методы для ЭЭГ и МР-томографию интеграции начинаются с МР-томографию сообщил ЭЭГ источник локализации6,7. Этот метод использует МР-томографию производные пространственной информации для улучшения локализации источника ЭЭГ, однако, один недостаток является потенциальным пространственных предвзятости, вызванных применением МР-томографию как «жесткие ограничения» — МР-томографию производные пространственной информации считается абсолютная истина. Это создает две большие проблемы, которые должны быть согласованы6–8. Во-первых она должна рассматриваться, что использование статической карте зависит от уровня крови кислорода (BOLD) контрастов может непреднамеренно укреплять любые ошибочные деятельность, которая подпадает, хотя демпфирования истинный деятельность за его пределами. Во-вторых уровень помех от источников, происходящих за пределами смелые активации карты могут влиять на представление истинной деятельности в рамках результаты или вызвать ошибочные действия. Несмотря на это использование высокого пространственного разрешения МР-томографию предоставлять знания пространственной остается благоприятного решения5, как моделирование ЭЭГ обратная задача может быть ограничен как в анатомической и функциональной чувств.
В этой статье мы демонстрируем пространственно-временных МР-томографию ограничены ЭЭГ источник изображений подход, который рассматривается вопрос о временной разрыв между ЭЭГ и МР-томографию путем расчета оптимального подмножество МР-томографию настоятелей на основе иерархической модели Байеса9. МР-Томографию настоятелей вычисляются образом данными из конкретного окна интерес в данных ЭЭГ, ведущих к МР-томографию-вариант ограничения. Предлагаемый подход использует высокие временное разрешение ЭЭГ для вычисления плотности тока сопоставление деятельности коры головного мозга, сообщил высокое пространственное разрешение МР-томографию время вариант, пространственно избирательным образом точно фото динамических нейронных деятельности.
Protocol
Representative Results
Discussion
Мы показали здесь необходимые шаги для использования метода анализа исходного пространственно-временных МР-томографию ограничены для интеграции анализа ЭЭГ/МРТ. ЭЭГ и МР-томографию стали хорошо зарекомендовали как основные методы для неинвазивно визуализации активности мозга, хотя …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Эта работа частично поддержали низ DK082644 и Университета Хьюстона.
Materials
| BrainAmp MR Plus | Brain Products | Amplifiers for EEG recording, MR-compatible | |
| BrainAmp ExG MR | Brain Products | Amplifier for auxilary sensor (EMG), MR-compatible | |
| BrainAmp Power Pack | Brain Products | Provide power to amplifiers in the MR environment | |
| Ribbon Cables | Brain Products | Connects the Power Pack to Amplifiers | |
| SyncBox | Brain Products | Synchronize MR scanner clock with EEG amplifier clock | |
| BrainCap MR | Brain Products | Passive-electrode 64-channel EEG cap, MR-compatible | |
| BrainVision Recorder | Brain Products | EEG data recording software (steps 1.2-1.4.2) | |
| BrainVision Analyzer 2.0 | Brain Products | EEG analysis software (steps 4.1-4.6) | |
| USB 2 Adapter (also known as BUA) | Brain Products | Interface between the amplifiers and data acquisition computer | |
| Fiber Optic Cables | Brain Products | Connects the EEG cap in the MR scanner to the Recording Computer | |
| SyncBox Scanner Interface | Brain Products | Synchronize MR scanner clock with EEG amplifier clock | |
| Trigger Cable | Brain Products | Used to send scanner/paradigm triggers to the recording computer | |
| ABRALYT HiCl EEG Electrode Gel | EasyCap | Abrasive EEG gel for passive electrode in MR environment | |
| Ingenia 3.0T MR system | Philips | 3.0 T MRI system | |
| Patriot Digitizer | Polhemus | EEG channel location digitization | |
| MATLAB r2014a | MathWorks | Programming base for the DBTN algorithm (steps 3.3-3.4 and 5.1-5.7) | |
| Pictures of Facial Affect | Paul Eckman Group | A series of emotionally valent faces used as stimuli | |
| E-Prime 2.0 | Psychology Software Tools, Inc | Presentation Software (step 1.4.3) | |
| Bipolar skin EMG electrode | Brain Products | Used to detect muscle activity. | |
| POLGUI | MATLAB software for digitization | ||
| Freesurfer | Software used in steps 2.1-2.4, and steps 3.1-3.2 | ||
| MNE | Software used in step 2.5 |
References
- Belanger, M., Allaman, I., Magistretti, P. J. Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation. Cell Metab. 14 (6), 724-738 (2011).
- Logothetis, N. K. The underpinnings of the BOLD functional magnetic resonance imaging signal. J Neurosci. 23 (10), 3963-3971 (2003).
- Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
- Ramon, C., Schimpf, P. H., Haueisen, J. Influence of head models on EEG simulations and inverse source localizations. Biomed Eng Online. 5, 10 (2006).
- Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. Error bounds for EEG and MEG dipole source localization. Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).
- Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Med Biol Eng Comput. 32 (1), 35-42 (1994).
- Pascual-Marqui, R. D. Review of methods for solving the EEG inverse problem. International journal of bioelectromagnetism. 1 (1), 75-86 (1999).
- Rosa, M. J., Daunizeau, J., Friston, K. J. EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches. J Integr Neurosci. 9 (4), 453-476 (2010).
- Nguyen, T., et al. EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes. Neural Plast. 2016, 10 (2016).
- Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
- Mullinger, K. J., Castellone, P., Bowtell, R. Best current practice for obtaining high quality EEG data during simultaneous FMRI. J Vis Exp. (76), (2013).
- Ekman, P., Friesen, W. V. . Pictures of Facial Affect. , (1976).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
- Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
- Hagler, D. J., Saygin, A. P., Sereno, M. I. Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data. Neuroimage. 33 (4), 1093-1103 (2006).
- Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. Fsl. Neuroimage. 62 (2), 782-790 (2012).
- Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Comput Biomed Res. 29 (3), 162-173 (1996).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15 (4), 870-878 (2002).
- Klein, A., Tourville, J. 101 labeled brain images and a consistent human cortical labeling protocol. Front Neurosci. 6, 171 (2012).
- Fischl, B., et al. Automatically parcellating the human cerebral cortex. Cereb Cortex. 14 (1), 11-22 (2004).
- Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134 (1), 9-21 (2004).
- Iannetti, G. D., et al. Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans. Neuroimage. 28 (3), 708-719 (2005).
- Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
