高密度的脑电图记录在儿童的皮质来源分析

美国总统奥巴马所描述的人类大脑的科学发现与高度重视对健康和经济^{3（http://www.whitehouse.gov/share/brain-initiative）}的下一个前沿领域。然而，像在自然科学的其他领域，神经科学依赖于方法和分析技术的进步进步。在大约在人类脑功能研究两种常用的非侵入性工具是磁共振成像（MRI）和脑电图（EEG）。这些工具利用不同的物理属性，并提供不同的见解与独特的优点和缺点大脑功能。 MRI使用的磁场内的水分子的磁特性，得到生物体组织的图像。受试者需要被放置在具有高磁场强度的磁体。在这个过程中参与者的运动受到限制，参与者必须容忍造成的磁快速变化的噪声场。除了结构图像，核磁共振也提供了衡量改变血液氧合研究脑功能成像（fMRI）的可能性。综上所述，MRI可提供高达0.5 ^立方毫米与现代高科技领域的扫描仪和优化参数⁴相对较高的空间分辨率。与此相反，功能磁共振成像的时间分辨率是有限的BOLD响应，其中仅间接反映神经活动^5,6的高时间动态的慢动力学。

另一方面，脑电图测量通过放置在头皮上的电极所造成的神经元活性的改变的电活动。在脑电图技术的最新进展允许快速和方便的应用传感器的短期或长期的，固定的，以及动态的录音。因为脑电图的限制较少，它也是首选的某些参与者群体不容忍MRI环境中以及类似的方法儿科和某些老人科及精神科的人群。脑电图的特性显示出逆图案的那些核磁共振：时间分辨率是非常高的精确到毫秒，但其空间分辨率是有限的。电电流通过不同组织中的发电机和EEG电极之间的头皮的表面上。这导致混合并称为容积传导效应源活动的空间拖尾现象。因此，通过在电极上的头皮的表面上测得的活性反映了来自这可能是遥远的电极上的头^1,7的位置多个源活性。

近年来大量的工作一直致力于MRI和脑电图的合并，以发挥各自的长处。工作的一号线是专门为同时采集脑电图和MRI的功能研究。另一种方法是使用由结构的MRI提供的空间信息来采取的卷C的账户onduction效果通过生物物理建模。对于脑电图记录的源重建利用结构信息是涉及儿童人群的研究特别有用。脑功能的发展的调查是了解如何复杂的认知技能是建立在简单的前体⁸顶。

这些调查有助于突出变化的神经基质和反应特性与变化，行为表现相关。但是，在开发过程中脑功能和认知的调查也带来了特殊的挑战。尤其是，这个机会对于功能性磁共振成像研究有限，因为让小孩和婴儿要么是睡着了还是镇静获得的MRI数据，而无需移动文物和参与者身心健康的负面影响。此外，脑电图是由父母，这让研究参与者的招聘更容易被认为是风险小，微创。 Ŧherefore，脑电图是首选幼儿大脑功能的许多调查的方法。在脑电图系统方法论的进步使高密度电极阵列具有128个或更多的渠道分钟内的应用。易于应用及穿着的舒适性是足够的，甚至允许脑电记录中最年轻的婴儿。然而，很多研究人员也不能只关心响应特定刺激的时空动态，也想比较介导的反应的神经基础。

在比较不同年龄组通道电平的ERP分析的普遍假设是相同的神经反应底物，但该时间或响应幅度的跨时代⁹有所不同。类似头皮地形经常被用来作为类似相关的神经活动的指标。然而，许多不同的源的配置可能会导致类似的头皮地形^10。通过应用源估计，这uncertainty可以减小和量化。观测值的独立性是对脑功能的网络帐户的关键：如果源混合时，相关性会偏向更高的本地连接。源重建可应用于减少这种偏差^11。可替换地，可以用于连接分析在定时和相位的差异，但这些数学模型要求是很难在非模拟的数据^12，以评估假设。综上所述，源估计提供了额外的信息，以建立在有关解剖学和组织的生物物理特性通道水平脑电图和ERP分析。

不同的算法已经制订找到解决逆问题。这些算法大致可分为两类：参数和非参数^13。参数模型假定一个或多个偶极子，可能在位置，方向和强度有所不同。与此相反，非参数模型含有多种呐大量偶极子与固定的位置和方向。在这些模型中，头皮电活动被解释为激活的在固定偶极子^10,13,14的组合。非参数，分布源模型可以建立在有关解剖学和电导率在不同介质中。边界元模型结合电导率值的头部与不同的炮弹对大脑，脑脊髓液，和颅骨的主要组织。这是基于这样的假设电导率为每个隔间内大多不变，但显着的变化发生在不同的隔室的边界。有限元模型基础上，进一步细分MR扫描成灰质和白质，使电导率值可以分配给每个像素^15。

在实际应用中，非参数化模型是用于重建源特别有用的复杂认知任务，其中所涉及的区域的数量可不知道^10。边界元模型是最广泛使用于目前的文献，可能是因为更准确的有限元模型构成比较高的计算需求。此外，还有在灰质和白质相当大的个体间变异，使前端模块，应根据个人的MRI扫描。

非参数化模型需要匹配的头皮测定活性的正向模型的预测的第二步骤。再次，不同的方法具有不同的优点和缺点已经在文献中讨论的（参见Michel 等人，2004年为一个概观）。最广泛使用的算法是基于最小范数估计（MNE），其中头皮测量活动相匹配，以最低的总强度¹⁶的正向模型中的电流分布。跨国公司偏向疲弱和肤浅的来源。深度加权跨国公司算法试图通过引入权重降低表面偏置基于数学假设¹⁰矩阵。被广泛使用的LORETA方法也是基于加权跨国公司，但另外减少源的拉普拉斯算子，从而导致更顺畅的解决方案^17,18。 LORETA已被发现表现最佳的单一来源的模拟研究^19,20。然而，LORETA可能会导致过度的解决方案的平滑。深度加权MNE优选当来源是未知的或多个源可能是存在^13，16。比较不同算法的结果来评估不同的模型假设的影响，建议。

综上所述，通过建模方法来源重建一直局限于儿童，直到最近。这是因为大多数脑电信号分析软件基于成人解剖，大大限制了孩子^2,8源码解决方案的准确性依赖于头部模型。廉价获得的计算能力和提供源重建用户友好的软件使其能够克服这些限制。应用源估计到脑电提供基于单独通道水平的观察分析以上两个重要的优点：提高了空间分辨率和观测独立性。

源估计可能不翔实在某些情况下：头的良好覆盖，需要区分来源。具有128或更多个电极的高密度系统被推荐^10,15;一个稀疏的覆盖面将作为一个空间滤波器导致更广泛的传播源的激活或假阴性结果^10。此外，根据本文所述的方法源重建已被发现的皮质发电机。因此，不太适合约皮层下基底或皮质皮质下的相互作用假设检验。最后，源代码分析，应根据有关皮质基底详细的事先假设，同时现有的文献从其他成像方式考虑。空间滤波技术也可用于通过降低头皮上的电平的空间混合，以改善脑电图信号的空间分辨率。替代方法来减少无头造型容积传导效应的影响被使用， 例如 ，拉普拉斯滤波²¹或电流源密度分析^22。但是，这些方法不提供有关神经发生源的详细信息，如体积传导效应不仅局限于传感器紧密的空间接近^1。

在下面的章节中，本文介绍了如何为实验和脑在2岁以下的儿童认知功能的调查是在伦敦婴儿实验室设计的。接着，脑电图数据采集与孩子高密度低阻抗系统进行了讨论。然后，脑电图预处理和分析上的声道电平提出。 LastlY，本文侧重于结构MRI数据皮质来源的重建和源电平信号的分析处理。