Samtidige EEG og funksjonell MRI opptak og integrasjon analyse for dynamisk kortikale aktivitet Imaging
Summary
En EEG-fMRI intermodal imaging metoden, kalles spatiotemporal fMRI begrenset EEG kilden imaging metode beskrives her. Presentert metoden bruker betinget aktive fMRI sub kart eller Priorene, å veilede EEG kilde lokalisering på en måte som forbedrer romlige spesifisitet og begrenser feilaktige resultater.
Abstract
Elektroencefalogram (EEG) og funksjonell magnetisk resonans imaging (fMRI) er to av de grunnleggende noninvasive metodene for å identifisere hjerneaktiviteten. Flere metoder har søkt å kombinere høy timelige oppløsningen på EEG med romlig presisjon av fMRI, men kompleksiteten i denne tilnærmingen er trenger forbedring. Protokollen presenteres her beskriver nylig utviklede spatiotemporal fMRI begrenset EEG kilden imaging metode, som søker å korrigere kilde skjevheter og forbedre EEG-fMRI kilde lokalisering gjennom dynamisk rekruttering av fMRI regioner. Prosessen begynner med samling av flere data fra samtidige EEG og fMRI skanninger, generering av kortikale 3D-modeller, og uavhengige EEG og fMRI behandling. Behandlet fMRI aktivisering kartene deles så inn i flere Priorene, i henhold til deres plassering og området rundt. Disse er tatt som Priorene i en to-nivå hierarkisk Bayesisk algoritme for EEG kilde lokalisering. For hvert vindu av interesse (definert av operatør), vil spesifikke segmenter av fMRI aktivisering kartet bli identifisert aktiv å optimalisere en parameter kalt modell bevis. Dette vil bli brukt som myk begrensninger på identifiserte kortikale aktiviteten, øke spesifisiteten av intermodal imaging metode ved å redusere cross-talk og unngå feilaktige aktivitet i andre betinget aktive fMRI regioner. Metoden genererer kortikale kart av aktivitet og tid-kurs, som kan være tatt som endelige resultater, eller brukes som grunnlag for videre analyser (analyser av korrelasjon, årsakssammenheng, etc.) mens metoden er noe begrenset av sin modaliteter (det ikke finner EEG-invisible kilder), det er mer kompatible med de fleste store prosessering programvare, og passer for de fleste neuroimaging studier.
Introduction
Elektroencefalogram (EEG) og funksjonell magnetisk resonans imaging (fMRI) kan vises som neuroimaging modaliteter med komplementære funksjoner. FMRI fanger hjerneaktiviteten med store verdslige skala, som hemodynamic signaler indirekte måle underliggende neuronal aktiviteten med en dårlig timelige oppløsning (på sekunder)1,2. Derimot måler EEG direkte dynamisk elektrofysiologiske aktiviteten til hjernen med en svært høy timelige oppløsning (millisekund nivå), men dårlig romlig oppløsning3,4. Disse egenskapene har ført til flere tilnærminger konstruert gunstige aspekter av hver individuelle metode5. Bruke EEG og fMRI gir utmerket timelige oppløsningen på EEG kombineres med høy romlige nøyaktigheten av fMRI å overvinne begrensningene knyttet unimodal fMRI eller EEG.
Metoder for EEG og fMRI integrering begynner med fMRI informert EEG kilde lokalisering6,7. Denne teknikken bruker fMRI-avledet romlig informasjon for å forbedre EEG kilde lokalisering, men en ulempe er potensielle romlige bias forårsaket av bruk av fMRI som en “hard-begrensning”-fMRI-avledet romlig informasjon er ansett som en absolutt sannhet. Dette utgjør to store problemer som må avstemmes6–8. Først må det vurderes at bruk av et statisk kart av blod oksygen nivå avhengige (fet) kontraster kan utilsiktet styrke feilaktige aktiviteter som faller innenfor det, mens demping sant aktivitet utenfor. Andre kan forstyrrelser fra kilder som oppstår utenfor fet aktivisering kartet påvirke presentasjon av sanne aktivitet innenfor resultater eller føre til feil aktivitet. Til tross for dette begrenset bruk av høy romlig oppløsning på fMRI å gi romlige forkunnskaper forblir en gunstig løsning5, som modellering av EEG omvendt problemet kan være i anatomiske og funksjonelle sansene.
I dette papiret viser vi en spatiotemporal fMRI begrenset EEG kilde imaging tilnærming som løser problemet for timelige misforholdet mellom EEG og fMRI ved å beregne den optimale undergruppe av fMRI Priorene basert på en hierarkisk Bayesisk modell9. FMRI-Priorene er beregnet på en data-drevet måte fra bestemte windows interesse EEG dataene, fører til tid-variant fMRI begrensninger. Den foreslåtte tilnærmingen benytter høy timelige oppløsningen på EEG å beregne nåværende tetthet tilordning av kortikale aktiviteten, informert av høy romlig oppløsning på fMRI på en gang-variant, romlig selektiv måte som nøyaktig bilder dynamisk nevrale aktivitet.
Protocol
Representative Results
Discussion
Vi har vist her de nødvendige trinnene for å bruke metoden spatiotemporal fMRI begrenset kilde analyse for EEG/fMRI integrering analyse. EEG og fMRI har blitt godt etablert som de grunnleggende metodene for ikke-invasively imaging hjerneaktivitet, selv om de har problemer i sine respektive romlige og tidsmessige oppløsninger. Mens metoder har blitt utviklet for å utnytte gunstige egenskapene for hver, stole gjeldende fMRI begrenset EEG kilde lokalisering metoder ofte på enkel fMRI begrensninger, som kan være underl…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Dette arbeidet var støttes delvis av NIH DK082644 og University of Houston.
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).
