Concurrente EEG y MRI funcional grabación y análisis de integración de la proyección de imagen dinámica actividad Cortical
Summary
Aquí se describe un multimodal de EEG-fMRI método, conocido como la fuente de EEG de la fMRI limitado espacio-temporal método, la proyección de imagen de la proyección de imagen. El método presentado emplea sub-mapas condicional-active fMRI o priores, para guiar la localización de la fuente de EEG de una manera que mejora la especificidad espacial y limita los resultados erróneos.
Abstract
Electroencefalografía (EEG) y resonancia magnética funcional (fMRI) son dos de los fundamentales métodos no invasivos para la identificación de la actividad cerebral. Métodos multimodales han tratado de combinar la alta resolución temporal del EEG con la precisión espacial de fMRI, pero la complejidad de este enfoque está actualmente necesita mejorar. El protocolo que presentamos describe la recientemente desarrollado espaciotemporal limitado fMRI EEG fuente imagen método, que busca corregir sesgos de la fuente y mejoran la localización de la fuente del EEG-fMRI a través de la captación dinámica de fMRI subregiones. El proceso comienza con la recolección de datos multimodales de concurrentes EEG y fMRI escáneres, la generación de modelos 3D de corticales e independiente EEG y fMRI procesamiento. Los mapas de activación RMF procesado entonces se dividen en varios priores, según su ubicación y alrededores. Éstos se toman como reincidentes en un algoritmo de Bayesiano jerárquico de dos niveles para la localización de la fuente de EEG. Para cada ventana de interés (definidos por el operador), segmentos específicos de la ruta de activación del fMRI se identificará como activo para optimizar un parámetro conocido como prueba del modelo. Estos se utilizarán como suaves limitaciones en la actividad cortical identificada, aumentando la especificidad de la multimodal imágenes método de reducir la diafonía y evitando la errónea actividad en otras regiones de fMRI condicional activo. El método genera mapas corticales de la actividad y evolución temporal, que ser tomadas como resultados finales, o utilizado como base para el posteriores análisis (análisis de correlación, causalidad, etc.) mientras que el método es algo limitado por sus modalidades (que se encuentra EEG-invisible fuentes), es ampliamente compatible con la mayoría software de procesamiento importante y es conveniente para la mayoría de los estudios neuroimaging.
Introduction
Electroencefalografía (EEG) y resonancia magnética funcional (fMRI) pueden considerarse como modalidades de neuroimagen con características complementarias. FMRI captura actividad cerebral con gran escala temporal, como señales hemodinámicas indirectamente medir la actividad neuronal subyacente con una pobre resolución temporal (del orden de segundos)1,2. En contraste, EEG mide directamente la dinámica actividad electrofisiológica del cerebro con una resolución temporal muy alta (nivel de milisegundos), pero resolución espacial pobre3,4. Estas propiedades han llevado a enfoques multimodales diseñados para optimizar los aspectos favorables de cada método individual5. Uso simultáneo de EEG y fMRI permite la excelente resolución temporal de EEG ser combinado con la alta precisión espacial de fMRI para superar las limitaciones asociadas con fMRI unimodales o EEG.
Métodos para la integración de EEG y fMRI comienzan con fMRI-informado EEG fuente localización6,7. Esta técnica utiliza derivados del fMRI información espacial para mejorar la localización de la fuente de EEG, sin embargo, una desventaja es el diagonal espacial potencial causado por el uso de fMRI como un “constreñimiento duro” — derivados del fMRI de la información espacial se considera un verdad absoluta. Esto plantea dos grandes temas que deben ser reconciliados6–8. En primer lugar, debe considerarse que el uso de un mapa estático de sangre oxígeno nivel dependiente (en negrilla) contrastes inadvertidamente puede reforzar cualquier actividad errónea que cae dentro de ella, mientras la verdadera actividad fuera de amortiguación. En segundo lugar, interferencia de fuentes que ocurren fuera del mapa de activación audaz puede influir en la presentación de la verdadera actividad dentro de los resultados o causar actividad errónea. A pesar de esto, el uso de la alta resolución espacial de fMRI para proporcionar conocimiento espacial sigue siendo una solución favorable5, como el modelado del problema inverso de EEG puede ser limitada tanto en los sentidos anatómicos y funcionales.
En este papel demostramos espaciotemporal limitado fMRI EEG fuente imagen enfoque que aborda el tema del desajuste temporal entre EEG y fMRI calculando el subconjunto óptimo de Priores de fMRI basado en un jerárquico Bayesiano modelo9. FMRI-priores se calculan de una manera basada en datos de windows especiales de interés en los datos de EEG, conduce a las limitaciones de tiempo variante fMRI. La propuesta utiliza la alta resolución temporal de EEG para calcular un mapa de densidad de corriente de la actividad cortical, informado por la alta resolución espacial de fMRI en tiempo variante espacial selectiva manera que exactamente imágenes dinámicas neuronales actividad.
Protocol
Representative Results
Discussion
Aquí mostramos los pasos necesarios para utilizar el método de análisis de fuente fMRI espaciotemporal limitado para el análisis de EEG/fMRI integración. EEG y fMRI han bien establecidos como los métodos fundamentales para la proyección de imagen no invasiva la actividad cerebral, aunque se enfrentan a dificultades en sus respectivas resoluciones espaciales y temporales. Mientras que se han desarrollado métodos para aprovechar las propiedades favorables de cada uno, con limitaciones de fMRI EEG fuente localizaci?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Este trabajo fue apoyado en parte por DK082644 de NIH y la Universidad 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).
