JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Automatic Translation
Please note that all translations are automatically generated. Click here for the English version.
Neuroscience

का विश्लेषण तंत्रिका गतिविधि और एसपीएम सॉफ्टवेयर के साथ Intracranial ईईजी डेटा का उपयोग कर कनेक्टिविटी

Published: October 30, 2018
doi:
10.3791/58187
, , , , , , , ,
1Kokoro Research Center,Kyoto University, 2Brain Activity Imaging Center,Advanced Telecommunications Research Institute International, 3Department of Neurodevelopmental Psychiatry, Habilitation and Rehabilitation, Graduate School of Medicine,Kyoto University, 4National Epilepsy Center, 5Shizuoka Institute of Epilepsy and Neurological Disorders, 6Department of System Neuroscience,Sapporo Medical University, 7Faculty of Human Health Science, Graduate School of Medicine,Kyoto University

Summary

हम दो विश्लेषणात्मक प्रोटोकॉल है कि सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर intracranial electroencephalography डेटा का विश्लेषण करने के लिए इस्तेमाल किया जा सकता है वर्तमान: समय-आवृत्ति सांख्यिकीय पैरामीट्रिक मानचित्रण विश्लेषण तंत्रिका गतिविधि के लिए, और गतिशील कारण इंट्रा और अंतर-क्षेत्रीय कनेक्टिविटी के लिए प्रेरित प्रतिक्रियाओं की मॉडलिंग ।

Abstract

उच्च स्थानिक और लौकिक प्रस्तावों पर संज्ञानात्मक कार्यों के साथ जुड़े तंत्रिका गतिविधि और कनेक्टिविटी को मापने संज्ञानात्मक तंत्रिका विज्ञान में एक महत्वपूर्ण लक्ष्य है । Intracranial electroencephalography (ईईजी) सीधे विद्युत तंत्रिका गतिविधि रिकॉर्ड कर सकते हैं और इस लक्ष्य को पूरा करने के लिए अद्वितीय क्षमता है । परंपरागत रूप से, औसत विश्लेषण intracranial ईईजी डेटा का विश्लेषण करने के लिए लागू किया गया है; हालांकि, तंत्रिका गतिविधि और अंतर-क्षेत्रीय कनेक्टिविटी को दर्शाने के लिए कई नई तकनीकें उपलब्ध हैं । यहां, हम दो विश्लेषणात्मक प्रोटोकॉल परिचय हम हाल ही में intracranial ईईजी सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर डेटा: समय आवृत्ति एसपीएम विश्लेषण के लिए प्रेरित प्रतिक्रियाओं के तंत्रिका गतिविधि और गतिशील कारण मॉडलिंग का विश्लेषण लागू अंतर-क्षेत्रीय कनेक्टिविटी । हम प्रतिनिधि परिणामों के रूप में चेहरे के अवलोकन के दौरान intracranial ईईजी डेटा के हमारे विश्लेषण की रिपोर्ट । परिणाम से पता चला कि अवर पश्चकपाल गाइरस (IOG) चेहरे के जवाब में बहुत प्रारंभिक चरणों (११० ms) में गामा बैंड गतिविधि दिखाया, और दोनों IOG और प्रमस्तिष्कखंड तेजी से अंतर-क्षेत्रीय संपर्क दोलनों के विभिंन प्रकार का उपयोग कर दिखाया । इन विश्लेषणात्मक प्रोटोकॉल के लिए तंत्रिका तंत्र की पहचान करने की क्षमता है उच्च स्थानिक और लौकिक प्रोफाइल के साथ संज्ञानात्मक कार्यों अंतर्निहित ।

Introduction

उच्च स्थानिक और लौकिक प्रस्तावों पर संज्ञानात्मक कार्यों के साथ जुड़े तंत्रिका गतिविधि और कनेक्टिविटी को मापने संज्ञानात्मक तंत्रिका विज्ञान के प्राथमिक लक्ष्यों में से एक है । हालांकि, इस लक्ष्य को पूरा करना आसान नहीं है । एक लोकप्रिय विधि तंत्रिका गतिविधि को रिकॉर्ड करने के लिए इस्तेमाल कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एमआरआई) है । हालांकि कार्यात्मक एमआरआई मिलीमीटर स्तर और गैर इनवेसिव रिकॉर्डिंग, कार्यात्मक एमआरआई की एक स्पष्ट नुकसान में एक उच्च स्थानिक संकल्प के रूप में कई लाभ प्रदान करता है इसकी कम लौकिक संकल्प है । इसके अलावा, कार्यात्मक एमआरआई रक्त ऑक्सीजन स्तर पर निर्भर संकेतों, जो केवल परोक्ष रूप से बिजली तंत्रिका गतिविधि को प्रतिबिंबित उपाय । electroencephalography (ईईजी) और magnetoencephalography (मेग) सहित लोकप्रिय electrophysiological तरीकों, मिलीसेकंड स्तर पर उच्च लौकिक संकल्प है । हालांकि, वे अपेक्षाकृत कम स्थानिक संकल्प किया है, क्योंकि वे रिकॉर्ड बिजली/चुंबकीय संकेतों खोपड़ी पर और मुश्किल व्युत्क्रम समस्याओं का समाधान करने के लिए मस्तिष्क गतिविधि चित्रित करना चाहिए ।

Intracranial ईईजी सीधे उच्च लौकिक (मिलीसेकंड) और स्थानिक (सेंटीमीटर)1संकल्प पर विद्युत तंत्रिका गतिविधि रिकॉर्ड कर सकते हैं । इस उपाय के मूल्यवान अवसर तंत्रिका गतिविधि और कनेक्टिविटी को समझने के लिए प्रदान कर सकते हैं, हालांकि यह स्पष्ट सीमाओं है (जैसे, औसत दर्जे का क्षेत्र नैदानिक मानदंडों के लिए प्रतिबंधित कर रहे हैं). कई intracranial ईईजी अध्ययन पारंपरिक औसत विश्लेषण लागू किया है करने के लिए चित्रित तंत्रिका गतिविधि । औसत विश्लेषण संवेदनशील समय बंद कर दिया और कम आवृत्ति बैंड सक्रियण का पता लगा सकते हैं, हालांकि यह गैर-चरण-अवरोधित और/या उच्च आवृत्ति (जैसे, गामा बैंड) सक्रियण का पता लगाने नहीं कर सकता । इसके अलावा, कार्यात्मक तंत्रिका युग्मन गहराई में intracranial ईईजी रिकॉर्डिंग पर साहित्य में विश्लेषण नहीं किया गया है । कई नई तकनीकों को हाल ही में कार्यात्मक एमआरआई और ईईजी/मेग रिकॉर्डिंग, जो intracranial ईईजी डेटा का विश्लेषण करने के लिए लागू किया जा सकता है में तंत्रिका गतिविधि और अंतर और अन्तर क्षेत्रीय कनेक्टिविटी चित्रित करने के लिए विकसित किया गया है ।

यहां, हम विश्लेषणात्मक प्रोटोकॉल है कि हम हाल ही में intracranial ईईजी सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर डेटा का विश्लेषण लागू है परिचय । सबसे पहले, प्रकट करने के लिए जब, और जो आवृत्ति पर, मस्तिष्क क्षेत्रों सक्रिय किया जा सकता है, हम समय आवृत्ति एसपीएम विश्लेषण2प्रदर्शन किया । इस विश्लेषण के समय और आवृत्ति डोमेन एक साथ एक सतत तरंगिका रूपांतरण का उपयोग कर मिटता है और उचित समय-आवृत्ति नक्शे यादृच्छिक क्षेत्र सिद्धांत का उपयोग कर में परिवार वार त्रुटि (FWE) की दर को सही । दूसरा, कैसे मस्तिष्क क्षेत्रों संवाद प्रकट करने के लिए, हम प्रेरित प्रतिक्रियाएं4के गतिशील कारण मॉडलिंग (डीसीएम) लागू किया । डीसीएम प्रभावी कनेक्टिविटी (यानी, मस्तिष्क क्षेत्रों के बीच कारण और दिशात्मक प्रभाव5) की जांच सक्षम बनाता है । हालांकि डीसीएम मूल रूप से कार्यात्मक एमआरआई डाटा का विश्लेषण करने के लिए एक उपकरण के रूप में प्रस्तावित किया गया था5, प्रेरित प्रतिक्रियाओं के डीसीएम electrophysiological संकेतों के समय बदलती बिजली स्पेक्ट्रा का विश्लेषण करने के लिए विस्तारित किया गया है4. यह विश्लेषण अंतर-और अन्तर-क्षेत्रीय तंत्रिका कनेक्टिविटी दोनों के चित्रण की अनुमति देता है । कई neurophysiological अध्ययनों ने सुझाव दिया है कि स्थानीय इंट्रा-क्षेत्रीय संगणना और लंबी दूरी के अंतर-क्षेत्रीय संचार मुख्यतः गामा और थीटा-बैंड दोलनों का उपयोग करते हैं, और उनकी बातचीत (जैसे, entrainments) कर सकते हैं थीटा-गामा पार आवृत्ति युग्मन3,6,7,8द्वारा परिलक्षित हो । यह रिपोर्ट डेटा विश्लेषणात्मक प्रोटोकॉल पर केंद्रित है; पृष्ठभूमि जानकारी9,10 और रिकॉर्डिंग प्रोटोकॉल intracranial ईईजी के11 के एक सिंहावलोकन के लिए, कृपया साहित्य को देखें ।

Protocol

हमारा अध्ययन स्थानीय संस्थागत नैतिकता समिति द्वारा अनुमोदित किया गया था । 1. बुनियादी जानकारी नोट: विश्लेषणात्मक प्रोटोकॉल विशिष्ट प्रतिभागियों, इलेक्ट्रोड, संदर्भ विधियों, या इ?…

Representative Results

इस के साथ प्रस्तुत प्रोटोकॉल का उपयोग करना, हम प्रतिक्रिया में intracranial ईईजी डेटा का विश्लेषण18,19चेहरे । हम चेहरे, मोज़ाइक, और ईमानदार और उल्टे झुकाव में घरों के निष्क्रिय ?…

Discussion

intracranial ईईजी का उपयोग कर डेटा के लिए विश्लेषणात्मक प्रोटोकॉल एसपीएम सॉफ्टवेयर के साथ साथ शुरू की कार्यात्मक एमआरआई के साथ तुलना में कई फायदे हैं । सबसे पहले, प्रोटोकॉल तंत्रिका सक्रियकरण एक उच्च लौकिक स?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

इस अध्ययन Benesse निगम, जापान सोसायटी (JSPS) अगली पीढ़ी दुनिया के लिए वित्त पोषण कार्यक्रम के लिए संवर्धन के लिए धन द्वारा समर्थित किया गया था अग्रणी शोधकर्ताओं (LZ008), Neurodevelopmental विकारों में अनुसंधान को बढ़ावा देने के लिए संगठन, और JSPS KAKENHI (15K04185; 18K03174) ।

References

  1. Lachaux, J. P., Rudrauf, D., Kahane, P. Intracranial EEG and human brain mapping. Journal of Physiology – Paris. 97 (4-6), 613-628 (2003).
  2. Kilner, J. M., Kiebel, S. J., Friston, K. J. Applications of random field theory to electrophysiology. Neuroscience Letters. 374 (3), 174-178 (2005).
  3. Canolty, R. T., Knight, R. T. The functional role of cross-frequency coupling. Trends in Cognitive Sciences. 14 (11), 506-515 (2010).
  4. Chen, C. C., et al. A dynamic causal model for evoked and induced responses. Neuroimage. 59 (1), 340-348 (2012).
  5. Friston, K. J., Harrison, L., Penny, W. Dynamic causal modelling. Neuroimage. 19 (4), 1273-1302 (2003).
  6. Canolty, R. T., et al. High gamma power is phase-locked to theta oscillations in human neocortex. Science. 313, 1626-1628 (2006).
  7. 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).
  8. 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).
  9. Mukamel, R., Fried, I. Human intracranial recordings and cognitive neuroscience. Annual Review of Psychology. 63, 511-537 (2012).
  10. Parvizi, J., Kastner, S. Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. 21, 474-483 (2018).
  11. 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).
  12. 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).
  13. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. 2011, 852961 (2011).
  14. Mihara, T., Baba, K. Combined use of subdural and depth electrodes. Epilepsy Surgery. , 613-621 (2001).
  15. 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).
  16. Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. Measuring phase synchrony in brain signals. Human Brain Mapping. 8 (4), 194-208 (1999).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Bouvier, S. E., Engel, S. A. Behavioral deficits and cortical damage loci in cerebral achromatopsia. Cerebral Cortex. 16 (2), 183-191 (2006).
  22. 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).
  23. 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).
  24. 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).
  25. Jerbi, K., et al. Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity. Brain Topography. 22, 18-23 (2009).
  26. Buzsáki, G., Silva, F. L. High frequency oscillations in the intact brain. Progress in Neurobiology. 98, 241-249 (2012).
  27. Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. EEG, temporal correlations, and avalanches. Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).
  28. Herrmann, C. S., Grigutsch, M., Busch, N. A. EEG oscillations and wavelet analysis. Event-related potentials: A methods handbook. , 229-259 (2005).
  29. 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).
  30. Holdgraf, C. R., et al. Rapid tuning shifts in human auditory cortex enhance speech intelligibility. Nature communications. 7, 13654 (2016).
  31. Aru, J., et al. Untangling cross-frequency coupling in neuroscience. Current Opinion in Neurobiology. 31, 51-61 (2015).
  32. 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).
  33. Cole, S. R., Voytek, B. Brain oscillations and the importance of waveform shape. Trends in Cognitive Sciences. 21 (2), 137-149 (2017).
  34. Mikulan, E., et al. Intracranial high-γ connectivity distinguishes wakefulness from sleep. Neuroimage. 169, 265-277 (2018).
  35. Zheng, J., et al. Amygdala-hippocampal dynamics during salient information processing. Nature communications. 8, 14413 (2017).
  36. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG- and MEG-data. Journal of Neuroscience Methods. 164 (1), 177-190 (2007).
  37. Stolk, A., et al. Integrated analysis of anatomical and electrophysiological human intracranial data. Nature Protocols. 13, 1699-1723 (2018).
  38. Friston, K. J., et al. Dynamic causal modelling revisited. NeuroImage. , (2017).

Tags

Keywords: Intracranial EEGNeural ActivityNeural ConnectivitySPM SoftwareTime-frequency AnalysisWavelet DecompositionMorlet WaveletsData TransformationBaseline CorrectionData SmoothingGeneral Linear ModelStatistical InferenceRandom Field TheoryDynamic Causal ModelingCognitive Neuroscience
check_url/58187?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Sato, W., Kochiyama, T., Uono, S., Usui, N., Kondo, A., Matsuda, K., Usui, K., Toichi, M., Inoue, Y. Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software. J. Vis. Exp. (140), e58187, doi:10.3791/58187 (2018).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image