Summary
יחידנית או משולבת EEG-fMRI, הדמיה שיטה, המכונה ייתכן מוגבל-fMRI EEG המקור הדמיה שיטה, מתואר כאן. השיטה הציג מעסיקה מפות המשנה מותנה-פעיל fMRI או הרשעות קודמות, להנחות EEG מקור לשפות אחרות באופן משפר ירידה לפרטים המרחבי, מגביל תוצאות שגויות.
Abstract
אלקטרואנצפלוגרם (EEG), הדמיית תהודה מגנטית תפקודית (fMRI) הם שני השיטות לא פולשנית היסוד לזיהוי פעילות מוחית. שיטות עם מודאלים מרובים ביקשו לשלב ברזולוציה הטמפורלית גבוהה של EEG עם דיוק המרחבי של ה-fMRI, אך המורכבות של גישה זו הוא כיום זקוק לשיפור. פרוטוקול המובאת כאן מתאר שפותחו לאחרונה ייתכן מוגבל-fMRI EEG המקור הדמיה שיטה, המבקשת לתקן את מקור הטיות ולשפר EEG-fMRI לוקליזציה מקור דרך גיוס דינמי של אזורי משנה fMRI. התהליך מתחיל עם האוסף של נתונים עם מודאלים מרובים בו-זמנית EEG ו- fMRI סריקות, הדור של דגמי תלת-ממד קורטיקלית, ו- EEG עצמאי ועיבוד fMRI. המפות הפעלה fMRI מעובד ואז לפצל עבירות מרובות, על פי מיקום והסביבה שלהם. אלה נלקחים כמו אישומים ב שני ברמת האלגוריתם בייס הירארכי בלוקאליזציה מקור EEG. לכל חלון עניין (המוגדר על ידי המפעיל), מקטעים ספציפיים של המפה הפעלה fMRI יזוהו פעיל כדי למטב את פרמטר המכונה דגם ראיות. אלה ישמש בתור אילוצים רך על פעילות קורטיקלית מזוהה, הגדלת יחודיות של יחידנית או משולבת הדמיה שיטה על ידי הפחתת צולבות לדבר והימנעות מוטעים פעילות באזורים אחרים fMRI פעיל מותנית. השיטה יוצרת מפות קורטיקלית של פעילות זמן-קורסים, אשר ייתכן שנלקחה התוצאות הסופיות, או להשתמש בה כבסיס עבור ניתוחים נוספים (ניתוחים של המתאם, הסיבתיות, וכו ') בעוד השיטה קצת מוגבל על ידי שיטות שלה (זה לא תמצא EEG-invisible מקורות), זה בהרחבה תואם עם רוב תוכנות עיבוד מרכזי, והוא מתאים ברוב המחקרים דימות מוחי.
Introduction
אלקטרואנצפלוגרם (EEG), הדמיית תהודה מגנטית תפקודית (fMRI) יכול להיחשב שיטות דימות מוחי עם תכונות משלימות. FMRI לוכדת פעילות מוחית עם מידה טמפורלית גדול, כמו אותות והמודינמיקה בעקיפין למדוד את הפעילות העצבית הבסיסית עם רזולוציה טמפורלית נמוכה (גודל שניות)1,2. לעומת זאת, EEG מודד ישירות לפעילות אלקטרופיזיולוגיות דינמי של המוח עם רזולוציה טמפורלית גבוהה מאוד (רמה אלפיות השנייה), אבל רזולוציה מרחבית נמוכה3,4. מאפיינים אלה הובילו גישות עם מודאלים מרובים מיועד למטב את ההיבטים חיובית של כל שיטה בודדים5. השימוש בו זמנית של EEG ו- fMRI מאפשר ברזולוציה הטמפורלית מעולה של EEG להיות משולבת עם רמת דיוק גבוהה המרחבי של ה-fMRI כדי להתגבר על המגבלות המשויך unimodal fMRI או EEG.
שיטות אינטגרציה EEG ו- fMRI להתחיל עם fMRI הודיע EEG מקור לוקליזציה6,7. טכניקה זו מנצל נגזר fMRI המידע המרחבי לשפר אא ג מקור לשפות אחרות, לעומת זאת, חסרון אחד הוא הטיה מרחבית הפוטנציאלי הנגרם על-ידי היישום של fMRI כמו "קשה-אילוץ" — נגזר fMRI המידע המרחבי נחשב האמת המוחלטת. זה מציב שתי בעיות גדולות זה בטח שהותאמו6–8. קודם כל, זה יש לקחת בחשבון כי השימוש מפה סטטית של ניגודים דם חמצן ברמה התלויים (מודגש) עשויים בטעות לחזק כל פעילות מוטעים שנופל בתוכה, תוך דעיכת הפעילות האמיתית מחוץ לזה. שנית, crosstalk ממקורות המתרחשים מחוץ המפה מודגש ההפעלה עשויים להשפיע על המצגת של הפעילות האמיתית בתוצאות או לגרום פעילות מוטעים. למרות זאת, השימוש של רזולוציה מרחבית גבוהה של fMRI כדי לספק מוקדמת הידע המרחבי נותר פתרון חיובי5, כמו הדגמים של הבעיה הופכי EEG יכול להיות מוגבל שניהם חושים אנטומי פונקציונלי.
בנייר זה, נדגים ייתכן מוגבל-fMRI EEG מקור הדמיה גישת המטפל בבעיה של אי-התאמה טמפורלית בין EEG fMRI על-ידי חישוב המשנה אופטימלית fMRI הרשעות. קודמות המבוסס על מודל בייסיאני הירארכי9. FMRI-הרשעות מחושבים באופן מונע-נתונים מ- windows מסוים עניין בנתוני EEG, שמוביל אילוצי זמן-variant fMRI. הגישה המוצעת משתמשת ברזולוציה הטמפורלית גבוהה של EEG לחישוב מיפוי צפיפות זרם של פעילות קורטיקלית, הודיע על ידי הרזולוציה המרחבית הגבוהה של fMRI באופן משתנה בזמן, במרחב סלקטיבי מדויק תמונות דינמי עצביים פעילות.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
פרוטוקול המובאת כאן היה מעוצב, שביצע על פי הנחיות כל מחקר אנושית מוסרית כפי שנקבע הלאה הלוחות סקירה מוסדי בהתאמה את אוניברסטית, מכון המחקר המתודיסטי ביוסטון.
1. הקלטה EEG/fMRI בו זמנית
- להשיג הסכמה מדעת של המשתתף. להסביר המשתתף המטרה ואת הליך של המחקר, כמו גם את אמצעי בטיחות חשוב עבור הנתונים EEG/fMRI סימולטני הקלטה תהליך.
-
להכין את הכובע EEG וסמנו עכבה מחוץ לחדר סורק MRI.
- המקום של קאפ EEG בגודל מתאים, פסיבי, התואמים ל- MRI אל הראש של הנושא. מקם את האלקטרודות לפי 10 – 20 הבינלאומי תיוג מערכת10.
- על תוכנת הקלטה EEG, בדוק את אימפדנס של הקרקע והפניה האלקטרודות. כדי לעשות זאת, לחץ על הכרטיסייה 'התנגדות', בחר בסוג אלקטרודה על ממשק המשתמש של התוכנה (ראה איור 1).
הערה: הוראות מדויקות כאן הן ספציפיות על התוכנה המשמשות בתקנון (ראה טבלה של חומרים), אולי צריך להיות מותאם למערכות אחרות. - עבור כל אלקטרודה, להשתמש במזרק כדי להזריק ג'ל אלקטרוליט לתוך האלקטרודה ולאחר מכן השתמש ספוגית כותנה כדי להפיץ את הג'ל כדי להבטיח מגע העור-אלקטרודה.
- כל עכבה יורדת, להמשיך ולעקוב אחר ערכי באמצעות התוכנה המתאימה (להתאים את קנה המידה של עכבה לפי הצורך, בהתאם ההתקנה) כדי לעקוב אחר רמת עכבה כראוי (ראה איור 1). ממשיכים עד אלקטרודות כל עכבה רמות מתחת kΩ 10 כדי להבטיח אות באיכות גבוהה.
הערה: לכל החומרים הרשומים, מנוצל כאן, היא נחשבת לא בטוחים כי כל אלקטרודה עם רמת התנגדות מעל 50 kΩ מר-סביבה11. זה עשוי להשתנות בהתאם לעיצוב כובע שבחרת ואת ההגדרות MRI, אז כדאי להתייעץ עם יצרן ציוד ו MRI טכנולוגים כדי להבטיח את שלומם של ההתקנה ניסיוני.
- כל עכבה יורדת, להמשיך ולעקוב אחר ערכי באמצעות התוכנה המתאימה (להתאים את קנה המידה של עכבה לפי הצורך, בהתאם ההתקנה) כדי לעקוב אחר רמת עכבה כראוי (ראה איור 1). ממשיכים עד אלקטרודות כל עכבה רמות מתחת kΩ 10 כדי להבטיח אות באיכות גבוהה.
-
התקנת חומרה EEG/fMRI בו זמנית.
- לאחר הכנת כובע EEG נעשית, יש את הנושא עבר ל מר-הסורק בהתקנת חומרה המתואר באיור2.
הערה: כמה פרטים של הדמות עשויים להשתנות, בהתאם לסוג מערכת בשימוש. - להגדיר את התצוגה פרדיגמה נסיונית. להשתמש צג ממוקם בחדר התצפית, מאחורי חלון זכוכית מול החלק הקדמי של מר-הסורק (ראה איור 2). השתמש מראה צפייה סליל ראש כדי לאפשר נושאים להציג את המסך מבלי להזיז את הראש או העיניים שלהם כשאתה שוכב.
- להציג תמונה לדוגמה על מסך המחשב כדי להבטיח כי נושאים בנוחות ניתן להציג על המסך, כי הפרדיגמה יוצג כראוי. לבצע שינויים נחוצים חומרה או תוכנה.
- לאחר הכנת כובע EEG נעשית, יש את הנושא עבר ל מר-הסורק בהתקנת חומרה המתואר באיור2.
-
פרדיגמה נסיונית (ראה איור 3).
- להנחות את הנושא להישאר עדיין, ולבצע הראשונית משוקלל T1 אנטומי בסריקה MRI. אם אפשרי, השתמשו מבט שדה המגיע מהחלק התחתון של המוח הקטן לחלק העליון של הראש, כולל את הגולגולת ואת העור.
- . תתחיל להקליט את נתוני EEG (ראה איור 4)
- בו זמנית, לחץ על הלחצנים המתאימים להתחיל בה את ההקלטה MRI וליזום הפרדיגמה של ריבית על תוכנת המצגת. בדוק את ההקלטה נתוני EEG כדי להבטיח איכות אות ו, אם רצונך בכך, סמני המתאים נרשמות.
- בעת שימוש את הסידור המתואר כאן, תחילה לחץ על "הפעל" בתוכנת המצגת והזן את הנושא ומספר למשפט. הפרדיגמה תיזום על המאשרת הגדרות אלה.
הערה: הפרדיגמה מועסק כאן כללה 10 ניסויים בו מענה מנוע רגשית מוטיבציה היה עורר באמצעות גירויים חזותיים. עבור כל משפט, הנבדקים התבקשו קודם לנוח 50 שמתבונן מסך ירוק, לאחר מכן התמונה של לא נעימות (תמונות המתאים הפתעה, כעס או גועל) או לא-נעימה (תמונות המתאים אושר או נייטרליות) מול12 הוצג לפי ס' 10 חמישה דימויים מכל קטגוריה הוצגו סדר אקראי, הנבדקים התבקשו לחצי כדור עם זיהוי פנים ולא נעימות, והחזק את הלחץ עד שנעלם. - השתמש רצף הדרגתי-נזכר אקו מישורי הדמיה (GR-EPI) עבור הקלטת fMRI (מומלץ); להתאים אישית כדי להתאים את הציוד ואת פרדיגמה.
הערה: רצף הסעיפים כלול: הד הזמן (TE) = 35 ms; זמן חזרה (TR) = 1,500 ms; פורסים בעובי = 5 מ מ; הפוך זווית = 90 °; המרווח פיקסל: 2.75 x 2.75 מ. יתכן צורך להשתמש מרצף MRI שהחזיקה מעט יותר התצוגה של הפרדיגמה עצמו, כדי להבטיח כי הפרדיגמה מלא נרשם ללא מסיכה.
- בעת שימוש את הסידור המתואר כאן, תחילה לחץ על "הפעל" בתוכנת המצגת והזן את הנושא ומספר למשפט. הפרדיגמה תיזום על המאשרת הגדרות אלה.
2. ניתוח נתונים MRI מבנית ויצירת מודל קדימה
- החל מלא פילוח של ושחזור של משטחים שונים של הנושא משוקלל T1 אנטומי MRI אמצעי אחסון באמצעות Freesurfer התמונה ניתוח סוויטת13,14.
הערה: תיקיה שמכילה כל פלטי פילוח ייווצר על ידי Freesurfer. -
על נושא ספציפי 3-שכבה בשיטת אלמנט גבול (טוב) דגם גיאומטרי הבאים בהוראות המצורפות (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 להשתמש את זמינות גרפי וממשקי משתמש (GUI) כדי ליצור ודא כי שם אין חפיפה בשכבות.
- לפתוח את היישום פריוויו (freeview). לחץ על "קובץ" >> "לטעון את השטח". נווט אל הספריה נושאים בתיקייה Freesurfer. פתח את התיקיה "טוב". פתח את התיקיה "קו פרשת המים". לטעון את 4 הקבצים שנמצאו כאן ('outer_skin_surface', 'outer_skull_surface', 'brain_surface' ו- 'inner_skull_surface').
- הזז את המחוונים בחירת פרוסה וחפש חופפות שכבות פני השטח הצהוב. אם חפיפה מתרחשות, בדוק היטב את הנתונים MRI אנטומיים מולדים או שגיאות, והשתמש GUI כלי ציור כדי להבהיר את השכבות.
- לטעון את הנתונים המקוריים MRI ביישום פריוויו (freeview) על ידי לחיצה על "קובץ" >> "נפח". נווט אל התיקיה נושא ופתח את התיקיה "mri". ואז לחץ על הספריה "טנק רוחו המקורית" ופתח את הנתונים MRI המבניים שנמצאו שם (צריך להיות בתבנית or.nii in.mgz). לחץ על "אישור".
- הצג את התמונה בגווני אפור של הראש. תסתכל על הרבדים השונים של אפור ושחור סביב המוח. ודא כי השכבות האלו אין לי שום פערים או אי סדרים. השתמש בכלי 'דוגם צבע' ובחר voxel מהשכבה יתוקן.
- לעבור "ביד חופשית Voxel ערוך", ולחץ כדי לצייר על התמונה. השתמש באפשרות זו כדי למלא את כל פגמים בתמונה MRI. לבצע תיקון עבור כל שכבות של פרוסות MRI, שבה מתרחשים ליקויים.
הערה: voxel "Polywire" ו- "Livewire" כלי עריכה עשוי לשמש גם במקום "פריהנד".
- ליצור את החלל מקור מבוסס על הגיאומטריה של פני השטח pial.
-
לבצע יישור EEG נושא ספציפי של חיישן (למשל, תרגום, סיבוב) למרחב MRI באמצעות הכיסוי ראש דגם Freesurfer (איור 5). לשמור את השינוי.
- לפתוח את היישום MNE_analyze. לחץ על "קובץ" >> "משטח טעינה". נווט אל התיקיה המכילה את הנתונים הנושא וטען השטח pial.
- לחץ על "קובץ" >> "טען Digitizer הנתונים ובחרו בקובץ EEG עניין (צריך להכיל נתונים digitizer). לחץ על "תצוגה" >> "הצג מציג". ברגע לצופה GUI מופיעה, לחץ על 'אפשרויות', ודא "הקרקפת" אפשרויות "Digitizer נתונים" נבחרו. אלקטרודות כאן מופיעות באדום, עם נקודות fiducial בצהוב.
- בחלון הראשי (לא את הצופה), בחר "התאם" >> "לתאם יישור". באמצעות השימוש 'יישור קואורדינטות GUI', את החץ והלחצנים l/R כדי להזיז ולסובב את אלקטרודות EEG במציג. להתאים ככל הדרוש. לאחר היישור נעשית, לחץ על "שמור..." בחלק התחתון של 'לתאם יישור GUI' כדי לשמור את היישור.
הערה: בדרך כלל, ריפודי כתופיים של אלקטרודות לאורך הקרקפת עם יישור fiducial טוב נדרש.
- ליצור דגם קדימה על-ידי מתן המודל טוב נושא ספציפי, את החלל מקור ו הטרנספורמציה חיישן EEG באמצעות תוכנה MNE15.
3. ניתוח נתונים MRI פונקציונלי
- לבצע הרמה הראשונה (נושא בודדים) fMRI ניתוח סטטיסטי באמצעות שיטת מודל ליניארי כללי (GLM) לרכוש הפעלה מודגש מפות עבור הפעילויות של עניין. תיקון להשוואות מרובות כמו הצורך16, באמצעות גישה מבוססת-אשכול זה מובנה בתוך הצינור קבוצה-אנליזה Freesurfer.
- לבצע ניתוח ברמת הקבוצה לכל הנושאים, במידת הצורך, לרכוש את המפה מודגש הפעלה עבור כל הנושאים בחלל סטנדרטי (הזעירה או Talairach).
הערה: המרכז אוניברסיטת אוקספורד MRI פונקציונלי ספריית תוכנה המוח (FMRIB) (FSL)17 והחבילות18 ניתוח של תפקודי Neuroimages (דפנה אבן תרשיש) שניהם מאפשרים הניתוח של נתוני fMRI על משטחים אותו שנוצר על ידי Freesurfer, שהופך אותם נוחים לצורך ניתוח מאוחר יותר. -
השתמש בכלי הדמיה tksurfer כדי לבצע זיהוי אזור-של-ריבית (ROI) על-ידי טעינת המפה הפעלה fMRI (הן ברמת הפרט והן ברמת הקבוצה), והגדרת את הסף הרצויה מתוקן-פד19 (p < 0.05 משמש כאן ).
הערה: ROIs מזוהה מהפעלה ברמת הפרט מפות ישמש נושא ספציפי נגזר fMRI המרחבי אישומים על מקור עוקבות לוקליזציה.- באמצעות המפה הפעלה fMRI ברובד האפורים, לחלץ משטח תיקונים שימוש באלגוריתם מחוברים-תיוג.
הערה: Dulmage-מנדלסון הפירוק נעשה שימוש בדוגמה זו. - חלוקת משנה נוספת המדבקות מבוסס על תיוג של אטלס המוח מוגדרים מראש, כך כל תיקון של פעילות מכסה אזור אחד או יותר מפוצל.
הערה: הרי האטלס המשמש כאן היה DKT40 אטלס20 (זמינים מספק Freesurfer)21. אטלסים יכול להיות מתמחה או שבחרת, בהתבסס על העדפות ניסיוני.
- באמצעות המפה הפעלה fMRI ברובד האפורים, לחלץ משטח תיקונים שימוש באלגוריתם מחוברים-תיוג.
- פרוייקט של הנרכש ברמת הקבוצה ROIs (אשר נמצאים כעת בחלל סטנדרטי) חזרה אל מקור הרווחים של כל נושא. לאחר ביצוע מבניים MRI פילוח של הנושא בודדים (שלב 2.1), העתקות לתאם בין הנושא לבין שטח רגיל הינם מסופקים בכל קבצי ה lh.sphere.reg וה -rh.sphere.reg, נמצא בתיקיית "לגלוש" של הנבדק Freesurfer תיקיית הפלט.
הערה: כל הנושאים ובכך אחלוק אותו הגדר של ROIs, אבל הדגם הספציפי שלהם. ראה איור 6 דוגמאות לתוצאות fMRI ROIs תוצאות.
4. ניתוח נתונים א. ג
הערה: פרטים בסעיף זה עשויים להיות ספציפיים התוכנה ששימשה (ראה טבלה של חומרים לפרטים נוספים). נא עיין בתיעוד מתאים, אם באמצעות חבילות תוכנה שונים.
- לבצע תיקון הדרגתי חפצים סורק באמצעות תבנית חיסור. בשביל זה, לחץ על לחצן "מר Correction" בתפריט "עיבוד אותות מיוחדים" ובחר הפרטמטרים המתאימים בתוכנת ניתוח EEG GUI (ראה איור 7). קלט את הפרמטרים המתאימים רצף סורק שבחרת, תכנון ניסויים.
הערה: הפרמטרים העיקריים כוללים: זמן החזרה (TR) עבור MRI סריקה, סריקת סוג (רציף או מתמשך), MRI אמצעי האחסון סמני (או שיטת זיהוי מעבר צבע ההדק הדרגתיות), ערוצי תיקון, החפץ תבנית. - הסר cardioballistic חפצים באמצעות תבנית חיסור. בשביל זה, לחץ על לחצן "CB Correction" בתפריט "עיבוד אותות מיוחדים", ובחר פרמטרים מתאימים תוכנת ניתוח GUI.
הערה: הפרמטרים הדרושים כאן כוללים קצב הלב מינימום ומקסימום, החפץ תבנית, אק ג ערוץ, תבנית המתאם ערוצים עבור התיקון. - להחיל סינון. בחר בלחצן עבור עיר סינון בחלק העליון של הניתוח GUI, תחת "נתונים סינון". לדוגמה, להחיל מעבר גבוה ב- 0.05 Hz, נמוך לעבור 40 הרץ, וכן חריץ-מסנן בתדר כוח-קו (60 הרץ), עם רול-off של הרץ 48 dB.
הערה: לאחר היישום של מסנן נמוך לעבור בתדר הקיצוץ של 40 הרץ, 60 הרץ החריץ-המסנן אינו הכרחי, אך מועסק כאמצעי הגנה נגד כל התדרים קו חשמל שיורית שאולי שרדו בשל כלי־שיט--מסנן קצוות. - לבצע תיקון עינית החפץ, על הניתוח GUI: בחר "שינוי" >> "החפץ דחייה/הפחתת" >> "ICA תיקון עינית".
- קטע הנתונים EEG לתוך שהשרתים בהתבסס על קדם, גירוי שלאחר הזמן שצוין, ביחס סמני תזמון האירועים. כדי לעשות זאת, לבחור, "שינוי" >> "מקטע ניתוח פונקציות" >> "פלח", ואז לבחור את סמן עניין על קטע הזמן עניין.
הערה: פילוח אורכי צריך להיבחר כדי להתאים את הפרדיגמה ואת פעילות המוח הצפוי של עניין. -
לבצע ידנית או חצי אוטומטי החפץ דחייה: בחר "שינוי" >> "החפץ דחייה/הפחתת" >> "החפץ דחייה". כאשר תתבקש, להגדיר קריטריונים עבור חפצים בתוך שלוש הלשוניות של GUI והמשך שהומלץ ב- GUI.
- בכרטיסייה ' 'פיקוח שיטה' ', בחר באפשרות לבחור "באופן אוטומטי", "חצי אוטומטי", או "בחר באופן ידני פריטים" (מומלץ להשתמש במצב חצי אוטומטי). לאחר מכן בחר "מארק" או "הסר פריטים" וציין אם התיקונים הם עבור ערוץ אחד.
- הכרטיסיה 'בחירה הערוץ', בחר הערוצים אשר יתוקנו על חפצים.
- הכרטיסיה 'קריטריונים', בחר את הבסיס שלפיו תזוהה חפצים. לבצע בחירות כאן כדי שיתאים לצרכים ניסיוני. לחץ על "OK" לאחר בחירת קריטריונים, חפצים להיות מזוהה ו/או דחה בהתאם הבחירות.
-
לבצע תיקון בסיסית והמשפט בממוצע (אם ישים).
- כדי לבצע תיקון בסיסית: בחר "שינוי" >> "מקטע ניתוח פונקציות" >> "תיקון בסיסית". את הממוצע הנתונים מקוטע: בחר "שינוי" >> "מקטע ניתוח פונקציות" >> "ממוצע".
5. ייתכן fMRI אילוצים — EG מקור הדמיה
- הגדרת גודל חלון וחלון חופפים גודל (הגדרת ברירת המחדל שיחות עבור גודל חלון 40 ms עם 50% (20 ms) חופפים).
- בחר את ערכת נושא ספציפי ROIs (שהושג בשלב 3) הערכה מוקדמת מרחבית. עבור כל אחד מהמקטעים EEG, האלגוריתם אז יעריך את ערכה של משקולות ערכת המשנה של הרשעות קודמות המרחבי ממקסם את הראיות מודל ולאחר מחשבת את מטריצת השונות המשותפת מקור בהתאם.
- באמצעות מטריצת השונות המשותפת וכתוצאה מכך את המקור, לבצע לוקליזציה מקור עתה קטע EEG לניתוח, מניב המקור צפיפות זרם.
- בצע שלבים 5.2 ו- 5.3 לכל מגזרי EEG ו, במידת הצורך, לסכם את תוצאות צפיפות זרם עבור כל מקטעי זמן לתוך אחד צפיפות זרם מלא זמן-קורס לפי ממוצע של החלק החופף.
הערה: שלב זה תגרום צפיפות זרם הזמן-קורס של פעילות קורטיקלית בכל נקודת המקור שהוגדרו בשלב 2.3 (מספר זה הוא בדרך כלל הסדר אלפים על אלפים) (איור 8). -
תמצית צפיפות זרם נציג-מסלול הזמן בכל אחד ROIs.
- בחר את השיטה המועדפת עבור סיכום הזמן-הקורסים מן הנקודות מקור מרובות בתוך רועי לתוך הזמן-קורס אות בודדת: ממוצע, eigenvariate הראשונה, וכו '.
- חזור על הצעדים 5.1 5.5 בכל המקצועות.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
EEG לוקליזציה מקור ברמה הבסיסית כוללת לפתרון של הבעיה קדימה, ההופכי. הרכיבים הדרושים לבנות, לפתור את הבעיה הקדמיים מוצגים באיור 5C. באמצעות תמונה T1 נושא ספציפי, שלוש שכבות – מוח הגולגולת, העור — היו מחולקים, מרושת. שכבות אלה שימש הקלט כדי להפיק את מודל טוב. באופן דומה, שכבת החומר האפור של הנושא היה מקוטע של ה MRI מבנית ולא להשתמש בו כדי לבנות את החלל מקור. EEG חיישן מיקומים היו רשומים במשותף על המודל ראש באמצעות סדרה של שינויי צורה גאומטרית נוקשה. כאשר נבנה, קדימה המודל מייצג פעילות חשמלית איך שמקורם בכל מיקום השטח המקור להצמיח המידות פוטנציאליים בכל מקום חיישן EEG על הקרקפת.
fMRI מספק תמונות 3D של פעילות מוחית פונקציונלי עם רזולוציה מרחבית מעולה ודיוק. ניתוח קונבנציונלי fMRI בעקבות השיטות GLM כדי לזהות את voxels המוח מופעל באופן משמעותי על ידי פעילות מסוימת. התוצאה טיפוסי של ניתוח זה הוא מפה של הפעלת ה-fMRI: מפת מוח אחד סימון voxels פעיל, אשר ניתן להקרין על גבי המשטח האפורים, כפי שמוצג באיור 6א. אנחנו עוד יותר לחלק את המפות הפעלה שהושג מפות משנה, כל אחד מתנהג כמו לכהן המרחבי פוטנציאליים עבור ההתאמה לשפות אחרות של פוטנציאל הקרקפת נמדד על ידי EEG בכל חלון זמן מסוים (איור 6B). איור 8 מייצג את הסכמה ממוקד של ניתוח מקור fMRI ייתכן מוגבל שתוארו לעיל. רק ערכת חלקית המתאימה של המפה הפעלה fMRI משמש להפקת מקור EEG השחזור עבור המקטע נתוני EEG המתאימים לגודל החלון שצוין. כל מנותחות EEG כל הזמן-חלונות, שחזור מלא של פעילות קורטיקלית מושגת באופן ספציפי spatiotemporally זה מקל על הטיה מרחבית של החלת הנזירים fMRI אותו בנקודות זמן כל EEG.
עוד יותר להדגים יישום מוצלח של fMRI ייתכן מוגבל מקור שיטת הניתוח כאשר חל חזותי/מנוע הפעלה פעילות המחקר9, שבו היה הרצף של פעילות מוחית מ חזותי של הקלט פלט מוטוריים התאוששה עם דיוק גבוהה ייתכן (איור 9). אמנם יש כמה התלות של המשתמש בחירה של גודל החלון, תוצאות הדמיה של המקור שוחזר היו בדרך כלל חזקים עד בינוני שינויים, כפי שמוצג באיור10. למטרה זו, גודל החלון צריך להיבחר על ידי הנסיין שתתאים בצורה הטובה ביותר את המחקר המסוים שלהם (כלומר, גודל חלון גדול מדי יכול להוכיח להיות שגויים עבור פעילות מהירה או תנודות, בעוד בגודל חלון קצר מדי עלולה לפספס את אותות בתדירות נמוכה יותר ) (איור 10).
איור 1 : בדיקת עכבה הקרקפת אא ג. מסך מקליט תוכנה-ממשק המשתמש, עם חצים המצביעים סמלים מרכזיים בשלב פרוטוקול 1.2. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 2 : סכימטי של סימולטני EEG/fMRI הקלטה התקנת החומרה — לא נמשכת אל קנה המידה. (1) סורק; (2) משתתף לובש הג'לי EEG כובע פסיבית; (3) EEG מגברים וערכת צריכת החשמל מחובר הכיפה EEG; (4) סיב אופטי הכבלים המחברים את מגברים למתאם ה-USB 2 (הידוע גם בשם בואה); (5) בואה, ממשק בין מגברי הקלטה למחשב; (6) נתונים רכישת מחשב; (7) הפרדיגמה מצגת מחשב, המצויד כרטיס אקספרס לסמני תזמון אירוע פלט; (8) טרנזיסטור-טרנזיסטור לוגיקה (TTL) מפעיל כבל, אספקת סמנים תזמון אירוע מן המצגת המחשב והחומרה מר-סורק בואה; (9) מר חומרה סורק כדי מספקים עיתוי סמני בתחילת (10) הרכש החדש של הפרוסה/עוצמה fMRI ו סינכרון שעון (11) אות; (12) התקן סנכרון השעון, המספק סינכרון בין השעון של EEG מגברים השעון מר-סורק; (13) ממשק מודול, התממשקות בין מר-הסורק והתקן את סינכרון שעון; (14) צג עבור התצוגה החזותית של הפרדיגמה ניסיוני; (15) זכוכית חלון צפייה מהחדר הסורק מחדר הבקרה. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 3 : פרדיגמה נסיונית. הנושא הוצג בסדרה של גירויים חזותיים, השייכת לאחת משתי הקטגוריות: נעימה-פנים ופנים לא נעימות12. בבכל ניסוי, תוכנית בסיסית מסך s ירוק 50 הוצג לראשונה, ואחריו שנבחרו באקראי 10 s גירויים חזותיים. הנושא היה לסחוט כדור גומי עם יד ימין שלך למשך כל הגירוי שמוצג, אם התמונה כחזק פרצוף-לא נעים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 4 : צילום מסך של הקלטת נתוני EEG- חתך מייצג של נתוני EEG במהלך ההקלטות. (א) תקופה של EEG נתונים באמצעות fMRI הדופק-רצף בתוקף, מר-סורק חפצים הם מבוטא. (B) תקופה של EEG נתונים ללא fMRI הדופק-רצף, אין ממצאים מר-סורק ברור נראים לעין. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 5 : הדור מודל קדימה. (א) היישור של אלקטרודות EEG על שטח דגם ראש. עיגולים אדומים וכחולים לייצג מיקומי דיגיטציה של חיישן EEG, עיגולים צהובים מייצגים סרוקים EEG fiducial נקודות: nasion, השאיר אחריו preauricular, preauricular נכון. אפשרויות (ב') תהליך יישור חיישן, לרבות שינוי ידני, כגון תרגום, סיבוב של המרחב חיישן EEG (פרוטוקול שלב 2.4). (ג) נושא טוב לדגם מסוים שנוצר, כולל 3 מדורים: המוח (3), (4) הגולגולת, ועור (5). המרחב מקור מבוזרות על פני השטח של השכבה האפורים (1). (2) EEG חיישן מיקומים מיושרים על המודל. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 6 : ה-fMRI הפעלה מפה, החילוץ של אזורים מעניינים. (א) fMRI הפעלה מפה המוצגת על השטח מופקע, כדי להקל על הבדיקה. אזורי צבע מקודד בצבע אדום, צהוב מופעלים באופן משמעותי (p-מתוקן < 0.05). (B) 8 אזורים נציג עניין שחולצו מן המפה הפעלה fMRI. הערה ההפרדה מבוססת-אטלס של פעילות מוטורית לתוך 3 הרשעות קודמות. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 7 : צילום מסך של מנתח תוכנה-ממשק המשתמש – הסרה של מר-סורק חפצים. (א) לפני תיקון החפץ סורק: (א) בסעיף הנתונים EEG לפני תחילת fMRI הדופק-רצף; (ב) EEG במקטע הנתונים במהלך fMRI הדופק-רצף בתוקף, סורק חפצים הם נראים בבירור; (ג) את התוכן תדר (FFT) של הנתונים בסעיף (b); (ד) מודולי ניתוח מובנה של מנתח תוכנה עבור סורק צבע-החפץ תיקון ותיקון חפץ cardioballistic. (B) לאחר שהתבצע החפץ סורק: (א) בסעיף הנתונים EEG לאחר ההסרה של מר-סורק חפצים; (ב) את תוכן תדר (FFT) במקטע הנתונים ב (א). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 8 : בסך הכל סכמטי של תהליך ניתוח. (א) עיבוד נתונים EEG ובחירת גודל החלון. (B) fMRI ניתוח נתונים, ואחריו החילוץ של אזורים מעניינים כדי לשמש הרשעות קודמות מרחבית לניתוח מקור. (ג) ביצע ניתוח מקור כל קטע EEG, שצוין על-ידי חלון הגדלים, אחוז החפיפה. (ד) השלמה שיחזר פעילות קורטיקלית במרוצת הזמן-מעניינים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 9 : פעילות קורטיקלית המשוחזרת של נושא נציג אחד עברה תפיסה חזותית/מנוע הפעלה. מקור שחזור תוצאות מ מנוגדים שתי שיטות: ייתכן fMRI מוגבל (למעלה) ואת הזמן-שמורה fMRI מוגבל מקור הדמיה (למטה). איור לשכפל באישור הפניה9. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
איור 10 : שיחזר פעילות זמן-קורס בקליפת cingulate באמצעות מידות החלון שונים. (א) זמן פעילות-שיחזר באמצעות חלון בגדלים קטנים יותר קורסים הראה תוצאות דומות מאוד (המתאם R > 0.95). (b) , להשתמש בגודל חלון גדול יותר גרמו פער גבוה (R < 0.7). איור לשכפל באישור הפניה9. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
אנחנו הראו כאן את הצעדים הדרושים כדי להשתמש בשיטת ניתוח מקור fMRI ייתכן מוגבל לניתוח אינטגרציה EEG/fMRI. EEG ו- fMRI יש להפוך וותיקה כמו השיטות הבסיסיות לא פולשני הדמיה מוחית, למרות שהם חווים קושי ברזולוציות בהתאמה שלהם יכולות. בעוד פותחו שיטות להפוך אותיות לרישיות על מאפיינים חיוביים של כל אחד, מוגבל-fMRI EEG מקור לוקליזציה שיטות לעתים קרובות לסמוך על אילוצים fMRI פשוטה, אשר עשויים להיחשב הטיות ואת crosstalk המגבילות (דיוק מרחבי למשל, אם הפעילות האמיתית מתרחשת מחוץ המפה MRI, אילוצים סטטיים יגרום למקור האמיתי להיות מצטמק, בעוד פסגות שווא יתקיימו ב בקרבת אזורים MRI-פעיל. באופן דומה, מוטעים או מבוסס-רעש פעילות באזור MRI-פעיל יהיה מוגבר כאילו היה נכון). הגישה fMRI ייתכן מוגבל ביקש לשפר את זה באמצעות fMRI משתנה אילוצים מודל בייסיאני הירארכי דו שכבתי. מקור לפעילות הנוכחית מוערך מהנתונים EEG באופן חלון הזזה. המפה הפעלה fMRI מחולק תחילה submaps מרובים, כל אחד מתנהג כמו לכהן המרחבי אפשרי עבור מקורות קורטיקלית. תת-קבוצה של הרשעות המרחבי אלה משמש באופן סלקטיבי אילוצים כדי לפתור את בעיית ההופכי של EEG. לפיכך, EEG ונתוני fMRI משולבים בצורה מסוימת במרחב, חנותם. זה מחליף ביעילות המפה הפעלה fMRI המסורתי של אזורים מעניינים שניתן variably להחיל על סמך עדויות מתוך נתוני EEG, וכתוצאה מכך בגישה מבוססת נתונים המגביל דעה קדומה או שגיאה.
המתודולוגיה המוצגת כאן מבוסס על שיטות זמינות (Freesurfer, FSL, וכו '), ומייצר קורטיקלית מודלים, תהליכים EEG ונתונים fMRI. בעוד חלק מההליכים שהוזכרו כאן עושים שימוש בתוכנות ספציפיות, רוב התוכניות הללו זמינים באופן חופשי תחת רישוי GNU. יוצא הדופן הזה יהיה BrainVision מנתח, למרות שיטות נפרדים עשויים להיות בשימוש על זה גם כן (במיוחד EEGLAB22 עם FMRIB התוספת עבור EEGLAB, שמספקת את23,FMRIB24). באופן דומה, ייתכן מוגבל-fMRI EEG המקור הדמיה השיטה עושה שימוש מבנה נתונים פשוט יחסית שלו fMRI הרשעות קודמות, אטלסים, ומאפשר להם להיות מיובאים ממספר מקורות, כולל סוויטות הדמיה נוספות, או מקורות המוגדרים על ידי המשתמש . המגבלה היחידה בהקשר זה מתאים את הפריסה הרצויה על המודל נושא עם קודקודים שהוקצו בהתאם.
הפרמטרים עיבוד כללי שתוארו לעיל מתאר שיטות בדרך כלל בניסויים אלה. עוד פעם, זה לציון כי ישנם מגבלות טכניות רציני על הבחירה של פרמטרים אלה – סינון הנתונים ושיטות כוונון ושניתן להוסיף או להסיר את הצינור כדי שיתאימו לכל ניסוי. יותר חשוב הוא הבחירה של גודל החלון, כמו זה משפיע ישירות על החישוב של מודל ראיות, הסוגר היישום של fMRI הרשעות קודמות. בעוד וריאציות חלון בגודל של-40 – 150 ms לגרום במשמרות קלה בלבד ב ואת תוצאות, הארכה מעבר לכך להציב סיכון יציבות, עלול לגרום אזורים מסוימים להיות co-active או רעולי פנים באופן בלתי הולם. ליתר דיוק, מידה חלון גדול יותר עשויים להיות שימושיים כאשר תדרים נמוכים הם מעניינים, ואילו גודל חלון קטן יותר עשוי להיות עדיף בעת התמקדות תנודות בתדירות גבוהה יותר. חפיפה בין משמרת של חלון הזזה גם להתייחס כאן, כמו השפעה על הסיבוכיות של התהליך עלול להפוך אסורה בשל המשאבים הנחוצים לצורך ניתוח. בין הפרמטרים המדויק נבחר, השלבים הבאים נחשבים קריטי בתהליך: 1) קבלת נתוני MRI אנטומיים ונתונים EEG/fMRI בו זמנית; 2) יצירת מודלים 3D; 3) ניתוח נתונים MRI; 4) הסרה של החפץ-מר מנתונים EEG; 5) קדמי, הפוך חישובים; 6) רועי דור; 7) מבחר בחלון הזזה של רועי הרשעות קודמות ולוקליזציה מקור. הפרוצדורה כאן מציג את צינור הכוללת ואת השיטה בה יש שפותחה ואנו מנוצל כדי להשיג תוצאות חיוביות דינמי. יש לציין שרבים מהפרטים — מדויקים לוקליזציה שיטות חישוב ראיות, שיטות סטטיסטיות, פרמטרים EEG ו- fMRI, וכדומה — יכול להיות שונה כדי להתאים העדפות המשתמש.
שיטת הניתוח ייתכן fMRI מוגבל מקור נחשבת צעד ראוי לציין קדימה האינטגרציה של EEG ו- fMRI, אך היא נתונה מגבלות משניות מסוימות. בעוד אנו רואים עלייה באיכות המשוחזרת עמוק-מקורות, שיטה זו היא עדיין בהתאם למגבלות הכוללת של שיטות בודדים שלה; אם מקור עמוק מספיק. כדי להיות בלתי יעיל EEG, זה לא ייתפס על ידי שיטה זו. שנית, ניתוח מתמקד דגמי תלת-ממד של פני השטח pial, לא לשחזר את כל האזורים פנים, ללא קשר כל פעילות והמודינמיקה המזוהים fMRI.
שימוש האא ג בשילוב עם fMRI מחולקת ויישם מותנית הרשעות קודמות, יש לנו שנוצר אלגוריתם דימות מתקדמות, ספציפיות spatiotemporally. תוצאות מיידיות הראו כי האלגוריתם יש יכולת מוגברת לשחזור מקורות עמוק, פחות רגישים כדי צולבות לדבר מאשר מקבילתה, fMRI זמן-שמורה מסורתי תאולץ מקור הדמיה. עוד יותר, השיטה הוא במידה רבה להתאמה אישית יכול להיות מתאים עבור כל יישום, או להשתמש בה כבסיס עבור ניתוחים שלאחר מכן. מאפיינים אלה לתת fMRI ייתכן מוגבל מקור שיטת הניתוח פוטנציאלי כמו גם שיטת ניתוח מסוגל באופן עצמאי, וגם בסיס למחקר עתידי.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
המחברים אין לחשוף.
Acknowledgments
עבודה זו נתמך בחלקה על ידי NIH DK082644 את אוניברסטית.
Materials
| Name | Company | Catalog Number | Comments |
| 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. , Consulting psychologists Press. (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).
