神経活動と Spm と頭蓋内脳波データを使用した接続の分析
Summary
統計的パラメトリック マッピング (SPM) ソフトウェアを使用して頭蓋内脳波データを分析するために使用できる 2 つの分析のプロトコルを提案する: 時間周波数統計的パラメトリック マッピング解析神経活動と動的因果関係内間 regional 接続のための誘導の応答のモデリング。
Abstract
神経活動と高時空間分解能で認知機能に関連付けられている接続の測定は認知神経科学の重要な目標です。頭蓋内脳波 (EEG) は直接神経の電気的活動を記録することができ、この目標を達成するためにユニークな可能性を秘めています。伝統的に、頭蓋内脳波データを解析に適用されている分析の平均ただし、いくつかの新しい技術、神経活動と内間 regional 接続を表したりすることがあります。ここで、我々 は最近統計的パラメトリック マッピング (SPM) ソフトウェアを使用して頭蓋内脳波データを分析に適用される分析の 2 つのプロトコルを紹介: 神経活動との因果関係の動的モデリングのための時間-周波数 SPM 解析による応答内間 regional 接続。代表的な結果として顔の観察の間に頭蓋内脳波データの我々 の分析を報告します。結果では、劣って後頭回 (IOG) が顔への応答の非常に早い段階 (110 ms) と IOG と急速なイントラ間 regional を使用した接続さまざまな種類の振動を示した扁桃体でガンマ バンド活動を示したことを明らかにしました。これらの分析のプロトコルには、高い空間的で、一時的なプロファイルと認知機能の基礎となる神経のメカニズムを識別するために可能性があります。
Introduction
神経活動と高時空間分解能で認知機能に関連付けられている接続の測定は、認知神経科学の主な目標の 1 つです。しかし、この目標を達成するは容易ではないです。神経活動を記録するために使用 1 つの人気のあるメソッドは機能磁気共鳴イメージ投射 (MRI です)。機能的 MRI は、ミリ波レベルおよび非侵襲的な記録で高空間解像度などのいくつかの利点を提供していますが、機能的 MRI の明確な不利な点は、低時間分解能です。さらに、機能的 MRI は、電気神経活動を直接反映する血液酸素レベル依存信号を測定します。脳波と脳磁図 (MEG) などを含む、一般的な電気生理学的方法ミリ秒レベルの高時空間解像度があります。ただし、彼らは頭皮で電気/磁気信号を記録し、脳の活動を描写する困難な逆問題を解く必要がありますので彼らは空間解像度が比較的低いがあります。
頭蓋内脳波記録は、高い時間 (ミリ秒) と空間 (センチ) 解像度1で電気的神経活動を直接記録できます。明確な制限がありますが、この測定は神経活動との接続性を理解する貴重な機会を提供できる (例えば、測定可能な領域は臨床基準に制限されます)。いくつかの頭蓋内脳波の研究は、神経活動を表現する伝統的な平均分析を適用しています。非位相を検出できない分析を平均敏感に時間ロックおよび低周波数バンドの活性化を検出できるが活性化高周波 (例えば、ガンマ バンド) および/または。さらに、機能的な神経結合頭蓋内脳波記録の文献で詳しく分析されていません。いくつかの新しい技術は、頭蓋内脳波データ分析に適用することができます機能 MRI ・脳波・脳磁図記録の神経活動と内間 regional 接続を描写する最近開発されています。
最近統計的パラメトリック マッピング (SPM) ソフトウェアを使用して頭蓋内脳波データを分析に用いている分析のプロトコルを紹介します。最初は、時とその頻度を明らかにする脳の領域が活性化、時間-周波数 SPM 解析2を行った。この分析は、同時に連続ウェーブレット変換を用いた時間・周波数ドメインを分解し、適切にランダム フィールド理論を用いた時間周波数マップで family-wise エラー (FWE) 率を修正します。第二に、脳が通信する方法を明らかにする誘導的応答4動的因果モデリング (DCM) を適用されます。DCM により、効果的な連結性の調査 (すなわち、脳領域の5の間で因果と指向性の影響)。DCM もともと機能的 MRI データ5を分析するためのツールとして提案されたが誘導的応答の DCM を電気生理学的信号4の時間変化スペクトルを分析する拡張されています。この分析では、両イントラ間 regional 神経接続の描写をことができます。ガンマ ・ シータ ・ バンド振動使用, 主にローカルで域内の計算と長距離の地域間コミュニケーション、それらの相互作用 (例えばentrainments) にすることができますいくつかの神経生理学的研究が示唆しています。シータ ガンマ クロス周波のカップリング3,6,7,8によって反映されます。このレポートは、データ分析のプロトコルに焦点を当ててください。バック グラウンド情報9,10の概要と頭蓋内脳波記録プロトコル11文献を参照してください。
Protocol
Representative Results
Discussion
本導入した SPM のソフトウェアを使用して頭蓋内脳波データの分析のプロトコルには、機能的 MRI と比較していくつかの利点があります。まず、プロトコルは、高時間分解能での神経活動を描写できます。したがって、結果は神経活性化の認知相関処理の早いか遅い段階で実装するかどうかを示します。例では、視覚情報処理の非常に早い段階 (すなわち、 110 ms) 顔効果が確認されまし?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
本研究は次世代の世界最先端研究者 (LZ008)、神経発達障害の研究の推進のための組織の科学振興 (JSPS) 資金調達プログラムの日本社会株式会社ベネッセコーポレーションからの資金によって支えられました。・日本学術振興会科研費 (15 K 04185; 18 K 03174)。
References
- Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology – Paris. 97 (4-6), 613-628 (2003).
- Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
- Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
- Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
- Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. Neuroimage. 19 (4), 1273-1302 (2003).
- Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
- Tort, A. B., et al. Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task. Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).
- Voytek, B., et al. Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks. Frontiers in Human Neuroscience. 4, 191 (2010).
- Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
- Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
- Hill, N. J., et al. Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping. Journal of Visualized Experiments. (64), 3993 (2012).
- Herrmann, C. S., Rach, S., Vosskuhl, J., Strüber, D. Time-frequency analysis of event-related potentials: A brief tutorial. Brain Topography. 27 (4), 438-450 (2014).
- Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961 (2011).
- Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
- Kilner, J., Bott, L., Posada, A. Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain. European Journal of Neuroscience. 21, 2547-2554 (2005).
- Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
- Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. Bayesian model selection for group studies. Neuroimage. 46 (4), 1004-1017 (2009).
- Sato, W., et al. Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing. Cortex. 60, 52-68 (2014).
- Sato, W., et al. Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing. Human Brain Mapping. 38 (2), 4511-4524 (2017).
- Bartlett, J. C., Searcy, J., Abdi, H. What are the routes to face recognition?. Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).
- Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
- Pitcher, D., Walsh, V., Duchaine, B. The role of the occipital face area in the cortical face perception network. Experimental Brain Research. 209 (4), 481-493 (2011).
- Latini, F. New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle. Neurosurgical Review. 38 (1), 179-189 (2015).
- Davies-Thompson, J., Andrews, T. J. Intra- and interhemispheric connectivity between face-selective regions in the human brain. Journal of Neurophysiology. 108 (11), 3087-3095 (2012).
- Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
- Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
- Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
- Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
- Pigorini, A., et al. Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform. Journal of Neuroscience Methods. 198 (2), 236-245 (2011).
- Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654 (2016).
- Aru, J., et al. Untangling cross-frequency coupling in neuroscience. Current Opinion in Neurobiology. 31, 51-61 (2015).
- Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources. PLoS One. 11 (12), e0167351 (2016).
- Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
- Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
- Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413 (2017).
- Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
- Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
- Friston, K. J., et al. Dynamic causal modelling revisited. NeuroImage. , (2017).
