Samtidige EEG og funktionel MRI optagelse og Integration analyse for dynamisk kortikale aktivitet Imaging
Summary
En EEG-fMRI multimodale imaging metode, kendt som den spatiotemporelle fMRI-begrænset EEG source imaging metode, der beskrives her. Metoden præsenteres beskæftiger betinget-aktive fMRI underkort eller priors, til at guide EEG kilde lokalisering på en måde, der forbedrer rumlige specificitet og begrænser fejlagtige resultater.
Abstract
Electroencefalografi (EEG) og funktionel magnetisk resonans imaging (fMRI) er to af de grundlæggende noninvasive metoder til identifikation af hjerneaktivitet. Multimodal metoder har forsøgt at kombinere de høje tidsmæssige opløsning af EEG med fMRI rumlige præcision, men kompleksiteten af denne tilgang er i øjeblikket behov for forbedringer. Protokollen præsenteres her beskriver de nyligt udviklede spatiotemporelle fMRI-begrænset EEG source imaging metode, som har til forsøger at afhjælpe kilde bias og forbedre EEG-fMRI kilde lokalisering gennem dynamiske ansættelse af fMRI subregioner. Processen begynder med indsamling af multimodale data fra samtidige EEG og fMRI scanninger, generation af 3D kortikale modeller, og uafhængige EEG og fMRI behandling. Forarbejdede fMRI aktivering kortene er så delt i flere priors, afhængigt af deres placering og omegn. Disse er taget som priors i en to-niveau hierarkisk Bayesiansk algoritme for EEG kilde lokalisering. For hvert vindue af interesse (defineret af operatøren), vil specifikke segmenter af fMRI aktivering kort blive identificeret som aktivt at optimere en parameter, kendt som model beviser. Disse vil blive brugt som bløde begrænsninger på de identificerede kortikale aktivitet, stiger specificiteten af den multimodale imaging metode ved at reducere cross-talk og undgå fejlagtige aktivitet i andre betinget aktive fMRI regioner. Metoden genererer kortikale kort af aktivitet og tiden-kurser, som kan tages som endelige resultater, eller bruges som grundlag for yderligere analyser (analyser af korrelation og årsagssammenhæng m.m.) mens metoden er noget begrænset af sin modaliteter (det ikke vil finde EEG-invisible kilder), det er kompatible med de fleste store forarbejdning software, og er velegnet til de fleste neuroimaging undersøgelser.
Introduction
Electroencefalografi (EEG) og funktionel magnetisk resonans imaging (fMRI) kan ses som neuroimaging modaliteter med supplerende funktioner. FMRI opfanger hjerneaktivitet med store tidsmæssige omfang, som hæmodynamiske signaler indirekte måle den underliggende neuronal aktivitet med en dårlig tidsmæssige opløsning (om sekunder)1,2. Derimod måler EEG direkte den dynamiske elektrofysiologiske aktivitet af hjernen med en meget høj tidsmæssige opløsning (millisekund niveau), men dårlig rumlige opløsning3,4. Disse egenskaber har ført til multimodale tilgange designet til at optimere de gunstige aspekter af hver enkelt metode5. Samtidig brug af EEG og fMRI giver mulighed for den fremragende tidsmæssige opløsning af EEG skal kombineres med høj rumlig nøjagtighed af fMRI til at overvinde de begrænsninger i forbindelse med unimodale fMRI eller EEG.
Metoder til EEG og fMRI integration begynder med fMRI-orienteret EEG kilde lokalisering6,7. Denne teknik anvender fMRI-afledte geografisk information for at forbedre EEG kilde lokalisering, dog en ulempe er den potentielle geografiske skævhed forårsaget af anvendelse af fMRI som en “hård-begrænsningen” — fMRI-afledte geoinformation betragtes en absolut sandhed. Dette udgør to store problemer, der skal være afstemt6–8. Først, skal det overvejes, at brug af et statisk kort over blod ilt niveau afhængige (fed) kontraster uforvarende kan styrke eventuelle fejlagtige aktivitet, der falder inden for it, mens dæmpning ægte aktivitet uden for det. For det andet kan krydstale fra kilder forekommer uden for fed aktivering kort påvirke præsentationen af ægte aktivitet inden for resultaterne eller forårsage fejlagtige aktivitet. På trods af dette begrænset brugen af de høje metoders opløsningsevne fMRI til at give forudgående geografisk viden forbliver en gunstig løsning5, som modellering af EEG inverse problem kan være både i de anatomiske og funktionelle sanser.
I dette papir vise vi en spatiotemporelle fMRI-begrænset EEG source imaging tilgang, der omhandler spørgsmålet om tidsmæssige uoverensstemmelse mellem EEG og fMRI ved at beregne den optimale delmængde af fMRI priors baseret på en hierarkisk Bayesian model9. FMRI-priors er beregnet på en data-drevet måde fra bestemte windows af interesse i EEG data, fører til tid-variant fMRI begrænsninger. Den foreslåede tilgang udnytter den høje tidsmæssige opløsning af EEG til at beregne en strømtæthed kortlægning af de kortikale aktivitet, underrettet af fMRI høj rumlige opløsning i en tid-variant, rumligt selektiv måde, der præcist billeder dynamisk neurale aktivitet.
Protocol
Representative Results
Discussion
Vi har vist her de nødvendige skridt til at bruge metoden spatiotemporelle fMRI begrænset kilde analyse for EEG/fMRI integration analyse. EEG og fMRI har blevet veletableret som de grundlæggende metoder for ikke-invasivt imaging hjerneaktivitet, selvom de vanskeligheder i deres respektive rumlige og tidsmæssige opløsning. Mens metoder er blevet udviklet for at udnytte de gunstige egenskaber af hver, afhængige nuværende fMRI-begrænset EEG kilde lokalisering metoder ofte af enkle fMRI begrænsninger, som kan underg…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Dette arbejde blev delvist understøttet af NIH DK082644 og University of 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).
