EEG simultâneo e gravação de ressonância funcional e análise de integração para a imagem latente de atividade Cortical dinâmica
Summary
Um EEG-fMRI multimodal de imagens método, conhecido como a fonte de EEG fMRI restrita spatiotemporal imagem método, é descrito aqui. O método apresentado utiliza mapas sub fMRI condicionalmente-ativo, ou antecedentes, para orientar a localização de origem do EEG em uma forma que melhora a especificidade espacial e limita a resultados erróneos.
Abstract
Eletroencefalografia (EEG) e ressonância magnética funcional (fMRI) são dois dos métodos não-invasivos fundamentais para identificar a atividade cerebral. Multimodais métodos têm buscado combinar a alta resolução temporal do EEG com a precisão espacial de fMRI, mas a complexidade desta abordagem é atualmente precisa de melhoria. O protocolo aqui apresentado descreve a recentemente desenvolvidos spatiotemporal restrição de fMRI EEG fonte de método, que visa corrigir vieses de fonte e melhorar a localização de origem de EEG-fMRI através o recrutamento dinâmico de fMRI sub-regiões de imagem. O processo começa com a coleta de dados multimodais do EEG e fMRI simultâneas varreduras, a geração de modelos 3D e corticais e EEG independente e processamento de fMRI. Então, os mapas de ativação de fMRI transformados dividem-se em vários antecedentes, de acordo com sua localização e área circundante. Estes são tidos como antecedentes em um algoritmo de Bayesian dois níveis hierárquico para a localização de origem de EEG. Para cada janela de interesse (definido pelo operador), segmentos específicos do mapa fMRI ativação serão identificados como ativo para otimizar um parâmetro conhecido como evidências do modelo. Estas serão usadas como macias restrições sobre a atividade cortical identificada, aumentando a especificidade do método de imagem, reduzindo a cruzada e evitando errônea atividade em outras regiões de fMRI condicionalmente ativo o multimodal. O método gera mapas corticais de atividade e tempo-cursos, que podem ser tomadas como resultados finais ou usado como base para novas análises (análises de correlação, causalidade, etc.), enquanto o método é um pouco limitado por suas modalidades (não encontrará EEG-invisible fontes), é amplamente compatível com a maioria dos softwares de processamento principal e é apropriado para a maioria dos estudos de neuroimagem.
Introduction
Eletroencefalografia (EEG) e ressonância magnética funcional (fMRI) podem ser vistos como modalidades de neuroimagem com características complementares. FMRI captura a atividade cerebral com grande escala temporal, como sinais hemodinâmicos medem indiretamente a atividade neuronal subjacente com um pobre resolução temporal (da ordem de segundos)1,2. Em contraste, EEG mede diretamente a atividade dinâmica eletrofisiológica do cérebro com uma altíssima resolução temporal (nível de milissegundos), mas pobre resolução espacial3,4. Essas propriedades têm levado a abordagens multimodais, projetadas para otimizar os aspectos favoráveis de cada método individual de5. Uso simultâneo de EEG e ressonância magnética permite a excelente resolução temporal de EEG deve ser combinada com a alta precisão espacial de fMRI para superar as limitações associadas com fMRI unimodal ou EEG.
Métodos para integração de EEG e fMRI começam com fMRI-informado EEG fonte localização6,7. Esta técnica utiliza fMRI-derivado de informação espacial para melhorar a localização de origem de EEG, no entanto, uma desvantagem é o viés espacial potencial causado pela aplicação da ressonância magnética como um “duro-restrição” — derivado de fMRI informação espacial é considerada uma verdade absoluta. Isto coloca dois grandes problemas que devem ser conciliados6–8. Em primeiro lugar, deve-se considerar que o uso de um mapa estático de sangue oxigênio nível dependente (BOLD) contrastes inadvertidamente pode reforçar qualquer atividade errônea que cai dentro dele, enquanto o amortecimento verdadeira atividade fora dele. Em segundo lugar, interferências originadas por fontes que ocorra fora do mapa de activação arrojada podem influenciar a apresentação da verdadeira atividade dentro dos resultados ou causar atividade errada. Apesar disso, o uso de alta resolução espacial de fMRI para fornecer conhecimento prévio espacial continua a ser uma solução favorável5, como a modelagem do problema inverso EEG pode ser restrito tanto em sentidos anatômicos e funcionais.
Neste trabalho, vamos demonstrar uma fonte de EEG fMRI restrita spatiotemporal abordagem que soluciona o problema de incompatibilidade temporal entre o EEG e fMRI calculando o subconjunto ideal de antecedentes de fMRI baseado em um modelo Bayesiano hierárquico9de imagem. RMF-antecedentes são calculados em uma maneira orientado a dados do windows particulares de interesse nos dados de EEG, levando a restrições de tempo-variante fMRI. A abordagem proposta utiliza a alta resolução temporal de EEG para calcular um densidade de corrente de mapeamento da atividade cortical, informado pela alta resolução espacial de fMRI de forma tempo-variante, espacialmente seletiva que imagens com precisão dinâmica neural atividade.
Protocol
Representative Results
Discussion
Mostramos aqui os passos necessários para usar o método de análise de fonte spatiotemporal fMRI restringida para análise de integração EEG/fMRI. EEG e ressonância magnética se bem estabeleceram como os métodos fundamentais para, de forma não-invasiva, imagens atividade cerebral, embora eles enfrentam dificuldades em suas respectivas resoluções espaciais e temporais. Enquanto métodos têm sido desenvolvidos para capitalizar sobre as propriedades favoráveis de cada um, restrição de fMRI EEG fonte Localizaç…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Este trabalho foi financiado em parte pelo NIH DK082644 e da Universidade de 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).
