Het in kaart brengen Corticale Dynamics Met Gelijktijdige MEG / EEG en Anatomisch beperkt Minimum-norm Schattingen: een auditieve aandacht Voorbeeld
Summary
We maken gebruik van magneto-en elektro-encefalografie (MEG / EEG), gecombineerd met anatomische informatie gevangen genomen door magnetische resonantie beeldvorming (MRI), om de dynamiek van het corticale netwerk is verbonden met auditieve aandacht kaart te brengen.
Abstract
Magneto-en elektro-encefalografie (MEG / EEG) wordt neuroimaging technieken die een hoge temporele resolutie in het bijzonder geschikt is om het corticale netwerken die betrokken zijn bij dynamische perceptuele en cognitieve taken, zoals het bijwonen van verschillende geluiden in een cocktail kunnen onderzoeken. Vele vroegere studies hebben gebruikt data opgenomen op de sensor niveau alleen, dwz. De magnetische velden of elektrische potentialen opgenomen buitenkant en aan de hoofdhuid en zijn meestal gericht op activiteit die tijd vergrendeld op de stimulus. Dit type event-related field / mogelijke analyse is bijzonder nuttig wanneer er slechts een klein aantal verschillende dipolaire patronen die kunnen worden geïsoleerd en geïdentificeerd in ruimte en tijd. U kunt ook door het gebruik van anatomische informatie, kunnen deze eigen veld patronen worden gelokaliseerd als de huidige bronnen op de cortex. Echter, voor een meer aanhoudende respons die niet tijd vergrendeld op een specifieke stimulus (bijvoorbeeld.,ter voorbereiding voor het luisteren naar een van de twee gelijktijdig ingediende gesproken cijfers gebaseerd op de geactiveerde auditieve functie) of kunnen worden verdeeld over verschillende ruimtelijke locaties a priori onbekend, kan het rekruteren van een gedistribueerd netwerk corticale onvoldoende worden gevangen door een beperkt aantal focale bronnen.
We beschrijven een procedure die individuele anatomische MRI data werken om een relatie tussen de sensor informatie en de dipool activering op de cortex door het gebruik van minimum-norm schattingen (MNE). Deze inverse imaging benadering geeft ons een instrument voor gedistribueerde bron analyse. Ter illustratie beschrijven we alle procedures met behulp van FreeSurfer en MNE software, zowel gratis beschikbaar. We zullen een samenvatting van de MRI-sequenties en analyse stappen die nodig zijn om een voorwaartse model dat ons in staat stelt te verhouden de verwachte veldpatroon veroorzaakt door de dipolen verdeeld over de cortex naar de M / EEG-sensoren te produceren. Next, zullen we stap door de noodzakelijke processen die ons vergemakkelijken ruisvermindering de sensor gegevens van milieu-en fysiologische verontreinigingen. Wij zullen dan een overzicht van de procedure voor het combineren en in kaart brengen MEG / EEG sensorgegevens op de corticale ruimte, waardoor een familie van tijdreeksen van corticale dipool activering op de hersenen oppervlak (of "brain-films") met betrekking tot elke experimentele conditie. Ten slotte zullen we een paar statistische technieken die ons in staat stellen om wetenschappelijke gevolgtrekking maken over een onderwerp populatie (dwz., Uit te voeren op groepsniveau analyse) op basis van een gemeenschappelijke corticale coördinaatruimte.
Protocol
Discussion
Om de dipool activering op de cortex van de verworven MEG / EEG data schatten, moeten we een inverse probleem dat niet uniek stabiele oplossing tenzij passende anatomisch en fysiologisch geluid beperkingen worden toegepast lossen. Met behulp van de anatomische beperking verworven voor individuele onderwerpen met behulp van MRI en de vaststelling van de minimum-norm als onze inschatting criterium, kunnen we komen tot een inverse corticale huidige bron schat dat is het eens met de sensor metingen. Deze aanpak is nuttig ge…
Declarações
The authors have nothing to disclose.
Acknowledgements
De auteurs willen graag Matti S. Hämäläinen, Lilla Zöllei en drie anonieme reviewers bedanken voor hun nuttige opmerkingen. Financieringsbronnen: R00DC010196 (AKCL); T32DC000018 (EDL); T32DC005361 (RKM).
Materials
| Name of equipment / software | Company / source | ||
| 306-channel Vectorview MEG system | Eleka-Neuromag Ltd, | ||
| 1.5-T Avanto MRI scanner | Siemens Medical Solutions | ||
| FreeSurfer | http://freesurfer.net/ | ||
| MNE software | http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | ||
| EEG electrodes | Brain Products, Easycap GmbH | ||
| 3Space Fastrak system | Polhemus | ||
| Optical button box (FIU-932) | Current Designs |
Referências
- Fischl, B. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14, 11-22 (2004).
- Dale, A., Sereno, M. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Liu, H. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), e1668 (2010).
- Brainard, D. H. The Psychophysics Toolbox. Spatial Vision. 10, 433-436 (1997).
- Uusitalo, M. A., Ilmoniemi, R. J. Signal-space projection method for separating MEG or EEG into components. Med. Biol. Eng. Comput. 35, 135-140 (1997).
- Taulu, S., Simola, J., Kajola, M. Applications of the signal space separation method. IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).
- Urbach, T. P., Kutas, M. Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling. Biological Psychology. 72, 333-343 (2006).
- Lin, F. -. H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. Distributed current estimates using cortical orientation constraints. Human Brain Mapping. 27, 1-13 (2006).
- Dale, A. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26, 55-67 (2000).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12, 419-446 (2003).
- Nichols, T. E., Holmes, A. P. Nonparametric permutation tests for functional neuroimaging: a primer with examples. Human Brain Mapping. 15, 1-25 (2001).
- Pantazis, D., Leahy, R. M., Hansen, P., Kringelbach, M., Salmelin, R. Statistical Inference in MEG Distributed Source Imaging. MEG: An Introduction to Methods. , 245-272 (2010).
- Ahveninen, J. Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise. Proceedings of the National Academy of Sciences. , 1-6 (2011).
- Sharon, D. The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex. Neuroimage. 36, 1225-1235 (2007).
- Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study. NeuroImage. 48, 590-600 (2009).
- Baillet, S., Hansen, P., Kringelbach, M., Salmelin, R. The Dowser in the Fields: Searching for MEG Sources. MEG: An Introduction to Methods. , 83-123 (2010).
- Gutschalk, A., Micheyl, C., Oxenham, A. J. Neural correlates of auditory perceptual awareness under informational masking. PLoS Biology. 6, e138 (2008).
