动态皮层活动影像的并发脑电图与功能 MRI 记录及积分分析
Summary
本文介绍了一种脑电图-fmri 多模态成像方法, 称为时空 fmri 约束脑电图源成像方法。所提出的方法采用有条件的功能磁共振成像子图, 或先验, 以提高空间特异性和限制错误结果的方式引导脑电图源定位。
Abstract
脑电图 (EEG) 和功能磁共振成像 (fMRI) 是两种基本的无创方法, 以识别大脑活动。多模方法试图将 EEG 的高时间分辨率与 fMRI 的空间精度结合起来, 但这种方法的复杂性目前需要改进。本协议介绍了最近开发的时空 fmri 约束脑电图源成像方法, 旨在纠正源偏差, 通过动态招聘功能磁共振成像的亚区域来改善脑电图-fMRI 源定位。该过程从并发脑电图和 fmri 扫描的多式数据收集、3D 皮层模型的生成以及独立的脑电图和 fmri 处理开始。根据它们的位置和周围区域, 经过处理的 fMRI 激活图将被分成多个先验。这些都被作为先验的两级递归贝叶斯算法的脑电图源定位。对于每个感兴趣的窗口 (由操作者定义), fMRI 激活图的特定部分将被确定为活动, 以优化称为模型证据的参数。这些将被用于对已确定的皮质活动的软约束, 通过减少交叉交谈和避免其他有条件活跃的 fMRI 区域的错误活动, 增加多式成像方法的特异性。该方法生成活动和时间课程的皮质图, 可作为最终结果, 或用作进一步分析的基础 (相关性、因果关系等), 而方法受其方式的限制 (它不会发现EEG-隐形源), 它广泛兼容于大多数主要的处理软件, 适合大多数神经影像学研究。
Introduction
脑电图 (EEG) 和功能性磁共振成像 (fMRI) 可以被视为具有互补功能的神经影像学模式。FMRI 捕捉大的时间尺度的大脑活动, 因为血流动力学信号间接测量的基础神经元活动与一个糟糕的时间分辨率 (在秒的顺序)1,2。与此相反, EEG 直接测量大脑的动态电生理活动, 具有很高的时态分辨率 (毫秒级), 但空间分辨率为3,4。这些特性导致了多模式方法, 旨在优化每个方法5的有利方面。同时使用脑电图和 fmri, 使脑电图的最佳时间分辨率与高功能磁共振成像的空间准确性相结合, 以克服与单一功能磁共振成像或脑电图相关的局限性。
脑电图和 fmri 集成的方法始于 fmri 消息灵通的脑电图源定位6,7。该技术利用 fmri 衍生的空间信息来改善 EEG 源定位, 但其中一个缺点是功能磁共振成像作为 “硬约束”-fmri 源空间信息所引起的潜在空间偏差, 被认为是绝对真理。这构成了两个必须调和6–8的大问题。首先, 必须考虑的是, 使用静态的血氧水平依赖性 (大胆) 对比图可能会无意中加强任何属于它的错误活动, 而在它之外的真正活动的阻尼。第二, 在大胆的激活图之外发生的来自源的串扰可能会影响结果中真实活动的呈现或导致错误的活动。尽管如此, 利用高空间分辨率的 fMRI 提供先验空间知识仍然是一个有利的解决方案5, 因为脑电图反问题的建模可以被限制在解剖和功能感官。
在本文中, 我们演示了一种时空 fmri 约束脑电图源成像方法, 解决了脑电图与 fmri 的时间不匹配问题, 通过计算基于层次贝叶斯模型9的 fMRI 先验的最佳子集。fmri-先验是以数据驱动的方式计算的, 从特定的窗口感兴趣的脑电图数据, 导致时变的 fMRI 限制。该方法利用 EEG 的高时间分辨率来计算皮层活动的电流密度图, 并通过 fMRI 的高空间分辨率在时变、空间选择的情况下准确地预测动态神经活动。
Protocol
Representative Results
Discussion
我们在这里展示了使用时空 fmri 约束源分析方法进行脑电图/fMRI 综合分析的必要步骤。脑电图和 fMRI 已经成为无创性影像脑活动的基本方法, 虽然他们在各自的空间和时间的分辨率面临困难。虽然已开发方法来充分利用各方面的有利特性, 但目前的 fmri 约束脑电图源定位方法往往依赖于简单的 fmri 约束, 这可能受到偏见和串扰, 限制空间的准确性 (例如, 如果真实的活动发生在 mri 图之外, 静态…
Disclosures
The authors have nothing to disclose.
Acknowledgements
这项工作得到了 NIH DK082644 和休斯顿大学的部分支持。
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).
