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.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Представленные здесь протокол был разработан и выполняется всех руководящих принципов для этических исследований человеческого, изложенные соответствующими советами институционального обзора в Университете Хьюстона и Хьюстон методист научно-исследовательский институт.
1. Одновременная запись ЭЭГ/МРТ
- Получения информированного согласия от участника. Объясните участник цель и процедуры исследования, а также меры безопасности для одновременной записи процесса данных ЭЭГ/МРТ.
-
Подготовьте Шэу и проверьте сопротивление в коридоре томограф.
- Место соответствующего размера, пассивный, МРТ совместимых Шэу на его голову. Положение электродов по 10 – 20 международных этикетировочные системы10.
- На ЭЭГ записи программного обеспечения Проверьте сопротивление земли и справочник электродов. Чтобы сделать это, нажмите на вкладку «импеданс» и выберите тип электрода на интерфейсе пользователя программного обеспечения (см. Рисунок 1).
Примечание: Точные инструкции здесь являются специфическими для программного обеспечения, используемого в настоящем документе (см. Таблицу материалы) и может потребоваться быть адаптированы к другим системам. - Для каждого электрода использовать шприц для вставки электролитного геля на электроде, а затем использовать ватный тампон для распространения гель для обеспечения контакта кожи электрода.
- Как сопротивление уменьшается, по-прежнему контролировать значения, с помощью соответствующего программного обеспечения (скорректировать шкалу сопротивление в случае необходимости, в зависимости от установки) для надлежащим образом контролировать уровень сопротивления (см. Рисунок 1). Продолжайте, пока все электроды достигают уровней импеданса ниже 10 kΩ для обеспечения высокого качества сигнала.
Примечание: За материалы, перечисленные и использованы здесь, считается небезопасным иметь любой электрод с уровнем сопротивления выше 50 kΩ в MR-окружающей среды11. Это может измениться в зависимости от конструкции выбранной шапку и МРТ параметров, поэтому проконсультируйтесь с производителем оборудования и МРТ технологов для обеспечения безопасности экспериментальной установки.
- Как сопротивление уменьшается, по-прежнему контролировать значения, с помощью соответствующего программного обеспечения (скорректировать шкалу сопротивление в случае необходимости, в зависимости от установки) для надлежащим образом контролировать уровень сопротивления (см. Рисунок 1). Продолжайте, пока все электроды достигают уровней импеданса ниже 10 kΩ для обеспечения высокого качества сигнала.
-
Одновременная установка оборудования ЭЭГ/МРТ.
- По завершении подготовки крышки ЭЭГ предметом переехали MR-сканер с Установка оборудования, описанные на рис.
Примечание: Некоторые детали рисунка могут изменяться, в зависимости от системы в использовании. - Настройка отображения экспериментальная парадигма. Использовать монитор, расположенный в комнате наблюдения, за стеклом, с видом на передней части MR-сканера (см. Рисунок 2). Используйте зеркало просмотра головы катушки, чтобы позволить субъектам для просмотра на экране монитора без перемещения их головы или глаза лежа.
- Отображение образца изображения на экране компьютера для обеспечения что предметы можно спокойно смотреть на экран, и что парадигма будет отображаться правильно. Внесите необходимые изменения аппаратного или программного обеспечения.
- По завершении подготовки крышки ЭЭГ предметом переехали MR-сканер с Установка оборудования, описанные на рис.
-
Экспериментальная парадигма (см. Рисунок 3).
- Поручить этому вопросу по-прежнему оставаться и выполнить первоначальные T1-взвешенный анатомические МРТ. Если возможно используйте поле зрения, которая простирается от нижней части мозжечка в верхней части головы, включая череп и кожу.
- Начните запись данных ЭЭГ (см. Рисунок 4).
- Одновременно нажмите соответствующие кнопки, чтобы начать запись МРТ и инициировать парадигмы интерес на презентации программного обеспечения. Проверьте запись данных ЭЭГ для обеспечения качества сигнала и, при необходимости, соответствующие маркеры записано.
- При использовании настройки описанных здесь, впервые в презентации программного обеспечения нажмите кнопку «Выполнить» и введите номер и пробный номер. После подтверждения этих параметров будет инициировать парадигмы.
Примечание: Парадигмы, работающих здесь состояла из 10 судебных процессов, в которых эмоционально мотивированных мотор ответ вызвало посредством визуального стимула. Для каждого судебного разбирательства, испытуемых просили сначала отдых для 50 s смотреть зеленого экрана, после чего изображение неприятные (изображения соответствует удивление, гнев или отвращения) или не неприятные (изображения, соответствующий счастья или нейтралитета) сталкиваются12 был представлен 10 s. пять изображений из каждой категории были представлены в порядке, рандомизированное, и испытуемых просили Сожмите мяч после выявления лица как неприятно, и сжать до тех пор, пока он исчез. - Используйте градиент напомнил эхо плоских изображений (GR-EPI) последовательность для МР-томографию записи (рекомендуется); Настройте с учетом оборудования и парадигмы.
Примечание: Последовательность, используемая в настоящем документе включены: эхо время (TE) = 35 МС; Повторение время (TR) = 1500 мс; Нарежьте толщина = 5 мм; Флип угол = 90 °; Шаг пикселя: 2.75 x 2,75 мм. Это может быть необходимо использовать МРТ последовательность, которая длится чуть дольше, чем дисплей парадигмы, сам, чтобы обеспечить, что полные парадигмы записывается без усечения.
- При использовании настройки описанных здесь, впервые в презентации программного обеспечения нажмите кнопку «Выполнить» и введите номер и пробный номер. После подтверждения этих параметров будет инициировать парадигмы.
2. Структурная МРТ данных анализа и поколения вперед модели
- Примените полную сегментации и реконструкции различных поверхностей от субъекта T1-взвешенный анатомические МРТ тома с помощью13,люкс Freesurfer изображение анализа14.
Примечание: Папка, содержащая все выходы сегментация будет создаваться по Freesurfer. -
Генерировать конкретным 3-слойный метод элемента границы (BEM) геометрическая модель следующие инструкции (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15 использовать имеющиеся графический интерфейс пользователя (GUI) для Убедитесь, что нет никакого дублирования в слоях.
- Откройте приложение Freeview. Нажмите кнопку «Файл» >> «Загрузить поверхность». Перейдите в каталог предметов в папке Freesurfer. Откройте папку «БЭМ». Откройте папку «Водораздел». Загрузите здесь четыре файла («outer_skin_surface», «outer_skull_surface», «brain_surface» и «inner_skull_surface»).
- Переместите ползунки выбор фрагмента и искать совпадения в желтой поверхностных слоях. Если имеет место дублирование, перепроверить данные МРТ для анатомические дефекты или ошибки и использовать GUI инструменты рисования для уточнения слои.
- Загружать исходные данные МРТ в приложении Freeview, нажав кнопку «Файл» >> «Объем нагрузки». Перейдите к папке тему и откройте папку «МРТ». Затем нажать на папку «оригинальные» и откройте структурных данных МРТ, нашли там (должно быть in.mgz or.nii формат). Нажмите кнопку «ОК».
- Просмотр серого изображения головы. Посмотрите на различные слои серого и черного вокруг мозга. Убедитесь, что эти слои не имеют каких-либо недостатков или нарушений. Используйте инструмент «Палитра цветов» и выберите voxel из слоя необходимо исправить.
- Перейти к «Редактировать Freehand Voxel» и нажмите, чтобы рисовать на изображении. Используйте это для заполнения дефектов изображения МРТ. Коррекции для всех слоев и МРТ фрагменты, где возникают дефекты.
Примечание: «Многопроволочных» и «Livewire» voxel, инструменты редактирования также может использоваться вместо «Freehand».
- Создание исходного пространства, на основе геометрии поверхности сетчаточных.
-
Выполните выравнивание датчик ЭЭГ конкретным (например, перевод и вращение) в МРТ пространство с помощью наложения Freesurfer модель головы (рис. 5). Сохраните преобразование.
- Откройте приложение MNE_analyze. Нажмите на «Файл» >> «Load поверхности». Перейдите к папке, содержащей данные субъекта и загрузить сетчаточных поверхности.
- Нажмите кнопку «Файл» >> «Load дигитайзер данных и выберите файл ЭЭГ интерес (должен содержать данные дигитайзер). Нажмите кнопку «Вид» >> «Показать Просмотр». После просмотра графического появится, нажмите кнопку «Параметры» и убедитесь, что «Головы» и «Дигитайзер данные» параметры выбраны. Электроды здесь показаны красным цветом, с координатных точек в желтом.
- На главном окне (не просмотра), выберите «Настроить» >> «Координировать выравнивание». С помощью «Координат выравнивания GUI», используйте стрелки и коммутация кнопки сдвиг и поворот электродов ЭЭГ в средстве просмотра. Корректировать по мере необходимости. После этого выравнивание, нажмите кнопку «Сохранить...», в нижней части «Координировать выравнивания GUI» чтобы сохранить выравнивание.
Примечание: Как правило, требуется равномерное распределение электродов всей волосистой части головы с хорошим фидуциальный выравнивание.
- Создание модели прямой, предоставляя модель БЭМ предметные, исходного пространства и преобразование датчик ЭЭГ, используя программное обеспечение мне15.
3. Функциональная МРТ данных анализа
- Выполнение первого уровня (индивидуальный субъект) МР-томографию статистический анализ с использованием метода общие линейные модели (GLM) приобрести смелые активации карты для выполнения задач, представляющих интерес. Исправление для нескольких сравнений как необходимые16, используя подход на основе кластера, который встроен в конвейер Freesurfer группы анализ.
- Анализ уровня группы по всем темам, при желании, чтобы приобрести карту смелые активации для всех субъектов в стандартных пространстве (MNI или Talairach).
Примечание: Оксфордский университет центр по функциональной МРТ головного мозга (FMRIB) библиотека программного обеспечения (ПСМ)17 и анализ функциональных Neuroimages (AFNI)18 пакетов, которые позволяют для анализа данных МРТ на поверхности же, порожденных Freesurfer, что делает их удобным для последующего анализа. -
Используйте инструмент визуализации tksurfer для выполнения область интересов (ROI) идентификации, загрузка карты активации МР-томографию (индивидуальном уровне и уровне группы) и установив желаемый порог ФДР исправлены19 (p < 0,05 используется здесь ).
Примечание: ROI от карты на индивидуальном уровне активации будет служить конкретным МР-томографию производные пространственных априорных вероятностей для последующих источник локализации.- С помощью МР-томографию активации карты на слое серого вещества, экстракт поверхности патчи, используя алгоритм подключения маркировки.
Примечание: В этом примере используется Dulmage-Мендельсон разложения. - Разделите югу патчи на основе маркировки Атлас предопределенные мозга, таким образом, чтобы разделить любой патч деятельности, охватывающих более одного региона.
Примечание: Атлас, используемый здесь был DKT40 Атлас20 (доступно из Freesurfer)21. Атласы может быть специализированной или выбран, на основе экспериментальных предпочтений.
- С помощью МР-томографию активации карты на слое серого вещества, экстракт поверхности патчи, используя алгоритм подключения маркировки.
- Проект приобретенного уровня группы трансформирования (которые в настоящее время в стандартных пространстве) вернуться к отдельному источнику пространства каждого предмета. После выполнения отдельного субъекта, структурные МРТ сегментации (шаг 2.1), преобразование координат между субъектом и стандартные пространства представлены в файлах lh.sphere.reg и rh.sphere.reg, найден в папке «прибой» субъекта Freesurfer выходную папку.
Примечание: Все темы таким образом одни и те же трансформирования, но в их собственной конкретной модели. Смотрите Рисунок 6 примеры результатов МР-томографию и результирующая ROIs.
4. ЭЭГ данных анализа
Примечание: Подробная информация в этом разделе могут быть специфическими для используемого программного обеспечения (см. Таблицу материалов для получения более подробной информации). Если с помощью различных пакетов программного обеспечения, обратитесь к соответствующей документации.
- Коррекции сканера градиента артефакты через шаблон вычитание. Для этого нажмите на кнопку «Мистер коррекция» в меню «Специальные обработки сигналов» и выберите соответствующие параметры в программное обеспечение для анализа ЭЭГ GUI (см. Рисунок 7). Введите соответствующие параметры для выбранного сканера последовательности и экспериментальный дизайн.
Примечание: Основная параметры включают: повторение время (TR) для МРТ сканирования, сканирования типа (с чередованием или непрерывных), МРТ объем маркеры (или метод градиентного обнаружения и градиента триггер), каналы для коррекции и артефакт шаблон. - Удалите cardioballistic артефакты через шаблон вычитание. Для этого нажмите на кнопку «CB коррекция» в меню «Специальные обработки сигналов» и выберите соответствующие параметры в программное обеспечение для анализа GUI.
Примечание: Здесь необходимые параметры включают минимальный и максимальный сердечный ритм, артефакт шаблон, канала ЭКГ, шаблон корреляции и каналы для коррекции. - Применение фильтрации. Выберите кнопку для фильтрации МИХ в верхней части анализа GUI, под «Фильтрация данных». Например, применение ВЧ-0,05 Гц, НЧ-40 Гц, и узкополосный режекторный фильтр с частотой электросети (60 Гц), с ролл офф 48 дБ/Гц.
Примечание: После применения ФНЧ с частотой среза 40 Гц, 60 Гц паз фильтр не является строго обязательным, но используется в качестве гарантии против любого остаточного ЛЭП частот, которые могут выжить за счет сглаживания краев фильтра. - Коррекции глазной артефакт, на вершине анализа GUI: выберите «Трансформация» >> «артефакт отказ/сокращение» >> «Глазные коррекции ICA».
- Сегмент данных ЭЭГ в эпохы, на основе указанного времени до и после стимул, в отношении маркеры времени события. Для этого выберите «Трансформация» >> «Сегмента анализа функции» >> «Сегментация», затем выберите маркер интерес и время сегмент интереса.
Примечание: Сегментация длины должен быть выбран с учетом парадигмы и ожидаемых мозговой деятельности, представляющих интерес. -
Выполнение ручного или полуавтоматического артефакт отказ: выберите «Преобразование» >> «артефакт отказ/сокращение» >> «Артефакт отказ». При появлении запроса, определить критерии для артефактов в рамках трех вкладок GUI и продолжайте как указание на GUI.
- На вкладке «Инспекции метод», выберите и выберите «автоматически», «полу автоматически» или «вручную выбрать артефакты» (полуавтоматический режим рекомендуется). Затем выберите «Марк» или «удалить артефакты» и указать, если исправления для одного канала.
- В закладке «Выбор канала» выберите каналы, которые будут исправлены для артефактов.
- В закладке «Критерии» выберите основу, по которому будет определяться артефакты. Сделать выбор здесь экспериментальной потребностям. Нажмите кнопку «ОК» после выбора критериев, и артефакты будут определены и/или отклонены в соответствии с выбор.
-
Выполняйте коррекция базовой линии и суда, в среднем (если применимо).
- Для выполнения базовой коррекции: выберите «Преобразование» >> «Сегмента анализа функции» >> «Коррекция базовой линии». В среднем сегментов данных: выберите «Трансформация» >> «Сегмента анализа функции» >> «Средний».
5. пространственно-временных МР-томографию ограничения — EG источник изображений
- Определите размер окна и окна, перекрывающиеся размер (по умолчанию звонков для размера окна 40 мс с 50% (20 мс) перекрываются).
- Установите предметно специфические ROIs (полученное на шаге 3) как пространственные предварительного набора. Для каждого сегмента ЭЭГ алгоритм будет затем оценить набор весов для подмножества пространственных априорных вероятностей, максимизирует модель доказательств и вычисляет источник ковариационной матрицы соответственно.
- Используя полученный источник ковариационной матрицы, выполняют источник локализации для ЭЭГ сегмент, проанализированы, уступая источник плотности тока результаты.
- Выполните шаги 5.2 и 5.3 для всех сегментов ЭЭГ и, при необходимости, обобщить результаты плотность тока для всех сегментов времени в одну полную плотность тока время курс путем усреднения перекрывающиеся части.
Примечание: Этот шаг приведет к плотности тока время курс корковой активности в каждой точке источника, определенный на шаге 2.3 (это число составляет обычно порядка нескольких тысяч) (рис. 8). -
Экстракт представитель плотность тока время курс на каждом из ROIs.
- Выберите предпочтительный метод для суммирования времени курсы от несколько исходных точек в пределах ROI в один сигнал времени курс: среднее, первый eigenvariate и т.д.
- Повторите шаги с 5,1 до 5,5 для всех субъектов.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
ЭЭГ источник локализации на базовом уровне включает в себя решения прямых и обратных проблемы. Компоненты, необходимые для построения и решить проблему вперед показаны на рис. 5C. С помощью тематических T1 изображения, три слоя — мозга, череп и кожи — были дробиться и отверстиями. Эти слои служил в качестве входных данных для создания модели БЭМ. Аналогичным образом сегментированные от структурных МРТ и используется для создания исходного пространства субъекта серо вопрос слоя. ЭЭГ датчик места были совместно зарегистрированными на модель головы, с использованием ряда жестких геометрических преобразований. При строительстве, вперед модель представляет как электрической активности возникая от любого местоположения на исходном пространстве приведет к потенциальным измерений в каждом месте ЭЭГ датчик на волосистой части головы.
МР-томографию обеспечивает 3D изображения функциональной активности мозга с очень хорошо пространственным разрешением и точностью. Обычные МР-томографию анализа следует GLM методы для идентификации вокселей мозга, заметно активизировался определенной задачи. Типичный результат этого анализа является карта активации МР-томографию: одного мозга карта, подчеркнув активных вокселей, который может проецируется на поверхность серого вещества, как показано на рисунке 6A. Мы далее разделить полученный активации карты на вложенные карты, каждый выступает в качестве потенциальных пространственных предварительного для локализации потенциалов головы измеряется ЭЭГ в любой конкретный момент времени окне (Рисунок 6B). Рисунок 8 представляет собой целенаправленный схема анализа исходного пространственно-временных МР-томографию ограничены, описанных выше. Только соответствующие неполный набор МР-томографию карты активации используется для создания ЭЭГ источник реконструкции для соответствующего сегмента данных ЭЭГ в размер указанного окна. Как анализируются все время ЭЭГ-windows, полная реконструкция корковой активности достигается spatiotemporally конкретным образом, что облегчает пространственного смещения применения же МР-томографию настоятелей во всех точках время ЭЭГ.
Мы также продемонстрировали успешное применение метода анализа источника пространственно-временных МР-томографию ограничены при применении к visual/мотор активации задачи исследования9, в котором последовательность активности мозга от визуальный входной мощностью двигателя была восстановлены с высокой точностью пространственно-временных (рис. 9). Хотя есть некоторые зависимость на пользователя выбор размера окна, реконструированный источник изображений результаты были обычно надежный модерировать изменения, как показано на рисунке 10. С этой целью размер окна по должен быть выбран экспериментатор для наилучшего их исследование (например, слишком большой размер окна может оказаться ошибочной для быстрого действия или колебаний, в то время как размер окна слишком короткий может пропустить нижней частоты сигналов ) (Рисунок 10).
Рисунок 1 : Проверка скальпа ЭЭГ импеданс. Скриншот рекордер программное обеспечение интерфейса пользователя, со стрелками значки в протокол шаг 1.2. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 2 : Схема синхронного ЭЭГ/МРТ запись Настройка оборудования — не обращается к шкале. (1) сканер; (2) участник носить загущенное Шэу пассивной; (3) ЭЭГ усилителей и блок питания подключен к Шэу; (4) волоконно-оптических кабелей подключения усилителя к адаптеру USB 2 (также известный как Буа); (5 BUA, интерфейс между усилители и записи компьютера; (6) данных приобретение компьютера; (7) парадигма презентации компьютер, оснащенный Экспресс карты для вывода событий времени маркеров; (8) Транзисторно транзисторная логика (ТТЛ) триггера кабель, доставку событий времени маркеры от компьютерной презентации и MR-сканера для BUA; (9) сигнал MR сканера предоставлять маркеры времени в начале (10), приобретение новых ломтик/объем МР-томографию и синхронизации часов (11); (12) устройство синхронизации часов, которое обеспечивает синхронизацию между ЭЭГ усилителей и часами MR-сканера; (13) модуль интерфейса, взаимодействие между MR-сканер и устройство синхронизации часов; (14) монитор для визуального отображения экспериментальной парадигмы; (15) стекло окна для просмотра номер сканера из комнаты управления. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 3 : Экспериментальная парадигма. Вопрос был показан ряд зрительных раздражителей, принадлежащих к одной из двух категорий: приятным лицом и неприятные лица12. В каждом испытании 50 s зеленый экран базового был впервые показан, а затем случайно выбранных 10 s визуальный стимул. Темой было выжать резиновый мяч с его правой рукой на весь срок стимула показано, если изображение было воспринято как неприятно лицо. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 4 : Скриншот записи данных ЭЭГ. Представитель Секции данных ЭЭГ во время процесса записи. (A) период ЭЭГ данных с МР-томографию пульс последовательности, MR-сканер артефакты произносятся. (B) период ЭЭГ данных без МР-томографию-пульс последовательности, нет очевидных артефактах MR-сканер видны. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 5 : Поколение вперед модели. (A) выравнивание ЭЭГ электродов на модель головы пространство. Красные и синие круги представляют оцифрованных расположения датчиков ЭЭГ, желтые круги представляют оцифрованных ЭЭГ координатных точек: Насьон, покинул раковинной и право околоушный. (B) параметры для процесса выравнивания датчика, включая ручного преобразования, таких как перевод и вращение пространства датчик ЭЭГ (шаг 2.4 протокол). (C) предметом конкретных БЭМ модель, созданная, включая 3 отсеков: мозга (3), (4) череп и (5) кожи. Распределенного источника пространство на поверхности (1) слоя серого вещества. (2) ЭЭГ датчик местоположения выравниваются на модели. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 6 : МР-томографию активации карты и извлечение областей, представляющих интерес. (A) МР-томографию активации карты на завышенные поверхность для облегчения инспекции. Регионов цветом в красный и желтый заметно активизировался (p-исправлены < 0,05). (B) 8 Представитель регионы интереса, извлеченные из МР-томографию активации карты. Обратите внимание на основе Атлас разделение двигательной активности в 3 настоятелей. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 7 : Скриншот интерфейса пользователя программного обеспечения Analyzer — удаление артефактов MR-сканера. (A) до сканера артефакт коррекции: () ЭЭГ данных раздел перед началом МР-томографию пульс последовательности; (b) ЭЭГ данных секции во время МРТ пульс последовательности, сканер артефакты хорошо видны; (c) содержание частоты (FFT) данных раздела в (b); (d) анализатор программного обеспечения встроенных анализ модули для сканера градиент артефакт коррекции и cardioballistic артефакт коррекции. (B) после коррекции артефакт сканера: секции данных () ЭЭГ после удаления артефактов MR-сканера; (b) частота содержание (FFT) данных раздела в (a). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 8 : Общая схема анализа процесса. (A) ЭЭГ обработки данных и окна выбора размера. (B) МР-томографию анализ данных, следуют добыча областей, представляющих интерес для использования в качестве пространственных априорных вероятностей для анализа исходного. (C) анализ источника выполняется на каждом сегменте ЭЭГ, заданные размеры и процент перекрытия окна. (D) полная реконструкция корковой активности в течение времени-интерес. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 9 : Реконструированный корковой активности одного представителя субъекта подверглись visual/мотор активации парадигмы. Источник результаты реконструкции противопоставление двух методов: пространственно-временных МР-томографию ограничены (вверху) и МР-томографию-инвариантных ограничены источник изображений (внизу). Рисунок воспроизводится с разрешения ссылка9. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 10 : Реконструкции деятельности время курс на поясной коры, с использованием различных окон размеров. (a) деятельности время курсы реконструкции с использованием меньших размеров окна показал очень схожие результаты (корреляции R > 0,95). (b) с использованием больших размеров окна привело к высокой неравенство (R < 0,7). Рисунок воспроизводится с разрешения ссылка9. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Subscription Required. Please recommend JoVE to your librarian.
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 они сталкиваются с трудностями в их соответствующих пространственных и временных резолюций. В то время как написать прописными буквами на благоприятные свойства каждого из них были разработаны методы, текущие МР-томографию ограничены методы локализации источника ЭЭГ часто полагаются на простой МР-томографию ограничений, которые могут быть предметом предубеждения и перекрестных помех, которые ограничивают пространственной точности ( например, если значение true, действие происходит за пределами МРТ карта, статические ограничения приведет к истинным источником, уменьшилось, в то время как ложные пиков будет наблюдаться в близлежащие регионы МРТ активные. Аналогичным образом ошибочные или на основе шума деятельность в регионе МРТ активные будет укреплен как если бы это было верно). Пространственно-временных МР-томографию ограничены подход стремится улучшить это с помощью переменной МР-томографию ограничений в два слоя иерархическая модель Байеса. Текущий источник деятельность оценивается от данных ЭЭГ образом раздвижные окна. МР-томографию активации карты сначала делится на несколько предлагается, каждой в качестве возможного пространственных предварительного корковых источников. Подмножество этих пространственных настоятелей избирательно используется в качестве ограничения для решения обратной задачи ЭЭГ. Таким образом данные ЭЭГ и МР-томографию интегрированы в пространственном и временном отношении конкретным образом. Это эффективно заменяет традиционные МР-томографию активации карты с набором областей интереса, которые могут применяться переменно на основании доказательств от данных ЭЭГ, что приводит к данными подход, который ограничивает предвзятости и ошибка.
Методологии, представленные здесь основан на доступные методы (Freesurfer, ПСМ и т.д.) и генерирует корковых моделей и процессов ЭЭГ и МР-томографию данных. Хотя некоторые из упомянутых здесь процедур делают использование конкретного программного обеспечения, большинство из этих программ также доступны по лицензии GNU. Исключением из этого было бы BrainVision анализатора, хотя отдельные методы могут быть использованы для этого, а также (в частности EEGLAB22 с FMRIB плагин для EEGLAB, представленная23,FMRIB24). Аналогичным образом, пространственно-временных МР-томографию ограничены ЭЭГ источник изображений метод позволяет использовать относительно простая структура данных для его настоятелей МР-томографию и атласы, позволяя им быть импортированы из целого ряда источников, включая другие изображения люксов, или пользовательские источники . Единственное ограничение в этом отношении уместно желаемой структуры на предмет модель с надлежащим образом назначенного вершинами.
Общая обработка параметров описанных выше наброски методы, обычно используемые в этих экспериментах. Еще раз, стоит отметить, что существует никаких серьезных технических ограничений на выбор этих параметров — методы фильтрации и корректировка данных можно добавить или удалить из конвейера для удовлетворения любого эксперимента. Более важным является выбор размера окна, как это непосредственно влияет на расчет модели доказательств и последующего применения настоятелей МР-томографию. Хотя изменения в размер окна от приблизительно 40 – 150 мс привести лишь незначительные сдвиги в результате сигналов, расширение за пределы этого представляют собой угрозу для стабильности и может вызвать определенные регионы для инициативных или масках ненадлежащим образом. Говоря более конкретно больший размер окна может оказаться более полезным при низких частот представляют интерес, в то время как меньший размер окна может быть предпочтительным при фокусировке на выше частот колебаний. Дублирования и смещение скользящего окна должны также рассматриваться здесь, как это сказывается на вычислительной сложности этого процесса и может стать чрезмерно за счет ресурсов, необходимых для анализа. Независимо от того, точные параметры выбраны, считаются критическим в процессе следующие шаги: 1) получения анатомических данных МРТ и одновременного ЭЭГ/МРТ данных; 2) поколение 3D-модель; 3) анализ данных МРТ; 4) удаление MR-артефакт из данных ЭЭГ; 5) вперед и обратных расчетов; 6) ROI поколения; 7) раздвижные окна выбор ROI настоятелей и локализации источника. Здесь процедура представляет общий конвейер и метод, который мы разработали и использовали для достижения благоприятных результатов динамического. Следует отметить, что многие детали — точные методы локализации, доказательства вычислений, статистические методы, параметров ЭЭГ и МР-томографию, и т.д. — могут быть изменены в соответствии с предпочтениями пользователя.
Метод анализа источника пространственно-временных МР-томографию ограничены считается отметить шаг вперед в процессе интеграции ЭЭГ и МР-томографию, но это могут быть некоторые незначительные ограничения. Хотя мы видим увеличение качества восстановленных глубоко источников, этот метод все еще зависит от общего ограничения от его индивидуальных условий; Если источник является достаточно глубоко, чтобы быть эффективно невидимым для ЭЭГ, он не будет захвачен этот метод. Во-вторых анализ фокусируется на 3D модели сетчаточных поверхности и не будет реконструировать любых внутренних регионов, независимо от любых выявленных МР-томографию гемодинамики деятельности.
С помощью ЭЭГ в сочетании с разделенным и условно прикладной МР-томографию настоятелей, мы породили передовых, spatiotemporally конкретных изображений алгоритм. Непосредственные результаты показали, что алгоритм имеет расширение возможностей для реконструкции глубоких источников, и менее подвержены кросс-Talk, чем его коллега, традиционное время инвариантных МР-томографию ограничен исходного изображения. Кроме того метод основном настраивается и может быть подходит для каждого приложения или использоваться в качестве основы для последующего анализа. Эти свойства дают пространственно-временных МР-томографию ограничены источник метод анализа потенциальных как как метод независимо друг от друга способного анализа, так и основой для будущих исследований.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Авторы не имеют ничего сообщать.
Acknowledgments
Эта работа частично поддержали низ DK082644 и Университета Хьюстона.
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).
