Kartlegging Kortikale Dynamics Bruke Samtidige MEG / EEG og anatomisk begrenset Minimum-norm estimater: en auditiv oppmerksomhet Eksempel
Summary
Vi bruker Magneto-og elektroencefalografi (MEG / EEG), kombinert med anatomisk informasjon fanget av magnetisk resonans imaging (MRI) for å kartlegge dynamikken i kortikale nettverket i forbindelse med auditiv oppmerksomhet.
Abstract
Magneto-og elektroencefalografi (MEG / EEG) er Bildediagnostiske teknikker som gir en høy tidsoppløsning spesielt egnet til å undersøke kortikale nettverk involvert i dynamiske perseptuelle og kognitive oppgaver, for eksempel å delta på ulike lyder i et cocktailparty. Mange tidligere studier har ansatt data registrert på sensoren nivå bare har ie., De magnetiske feltene eller de elektriske potensialer registrert utenfor og i hodebunnen, og vanligvis fokusert på aktivitet som er tid-låst til stimulans presentasjonen. Denne type arrangement-relaterte felt / potensielle Analysen er spesielt nyttig når det er bare et lite antall av distinkte dipolare mønstre som kan bli isolert og identifisert i rom og tid. Alternativt, ved å utnytte anatomisk informasjon, kan disse forskjellige feltmønsterne lokaliseres som strømkilder på hjernebarken. Imidlertid, for en mer vedvarende respons som ikke kan være tid-låst til en spesifikk stimulus (f.eks.,i forberedelse for å lytte til en av de to samtidig presenteres talte sifre basert på cued auditive funksjonen) eller kan bli fordelt over flere romlige steder ukjente a priori kan rekrutteringen av et distribuert kortikale nettverket ikke tilstrekkelig fanget ved hjelp av en begrenset antall fokale kilder.
Her beskriver vi en fremgangsmåte som benytter individuelle anatomiske MRI data for å etablere et forhold mellom sensoren informasjon og dipol aktivering på cortex gjennom bruk av minimum-norm estimater (MNE). Dette invers avbildning tilnærmingen gir oss et verktøy for distribuert kilde analyse. Veiledende, vil vi beskrive alle prosedyrer ved hjelp FreeSurfer og MNE programvare, både fritt tilgjengelig. Vi vil oppsummere MR sekvenser og analyse skritt som kreves for å produsere en fremskutt modell som gjør oss i stand til å forholde forventet feltet mønster forårsaket av dipoler fordelt på cortex på de M / EEG sensorer. Next, vil vi gå gjennom de nødvendige prosessene som letter oss i denoising sensordataene fra miljømessige og fysiologiske forurensninger. Vi vil da skissere fremgangsmåten for å kombinere og kartlegging MEG / EEG sensor data på cortical plass, og dermed produsere en familie av tidsserier av kortikale dipol aktivering på hjernen overflaten (eller "hjernen filmer") knyttet til hver eksperimentell tilstand. Til slutt vil vi fremheve noen statistiske teknikker som gjør det mulig for oss å gjøre vitenskapelig slutning over et emne befolkningen (ie., Utføre gruppe-nivå analyse) basert på en felles kortikale koordinatsystem plass.
Protocol
Discussion
For å beregne dipole aktivering på hjernebarken fra de oppkjøpte MEG / EEG data, må vi løse en invers problem, som ikke har en unik stabil løsning med mindre hensiktsmessige anatomisk og fysiologisk lyd begrensninger er brukt. Bruke den anatomiske begrensningen ervervet for det enkelte fag ved hjelp av MR og vedta minimum-norm som vår estimering kriterium, kan vi komme frem til en invers cortical gjeldende kilde anslår at enig med sensormålinger. Denne tilnærmingen har vist seg nyttige i studier av ikke bare l…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Forfatterne ønsker å takke Matti S. Hämäläinen, Lilla Zöllei og tre anonyme anmeldere for nyttige kommentarer. Finansieringskilder: 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 |
References
- 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).
