Summary

القشرية تحليل مصدر عالي الكثافة EEG تسجيلات في الأطفال

Published: June 30, 2014
doi:

Summary

في السنوات الأخيرة، كان هناك اهتمام متزايد في تقدير مصادر القشرية من فروة الرأس قياس النشاط الكهربائي للتجارب علم الأعصاب الإدراكي. توضح هذه المقالة كيفية يكتسب عالية الكثافة EEG وكيف تتم معالجة التسجيلات لتقدير مصدر القشرية في الأطفال من سن 2 سنة في بيبي مختبر لندن.

Abstract

يوصف تقليديا EEG كأسلوب تصوير الأعصاب مع القرار المكانية الزمانية عالية ومنخفضة. التطورات الحديثة في مجال النمذجة الفيزيائية الحيوية ومعالجة الإشارات تجعل من الممكن لاستغلال المعلومات من طرائق التصوير الأخرى مثل التصوير بالرنين المغناطيسي الهيكلية التي توفر دقة مكانية عالية للتغلب على هذا العائق 1. هذا هو مفيدة بشكل خاص للتحقيقات التي تتطلب دقة عالية في الزمانية وكذلك المجال المكاني. بالإضافة إلى ذلك، نتيجة لتطبيق سهلة ومنخفضة التكلفة من تسجيلات EEG، EEG وغالبا ما يكون الأسلوب المفضل عند العمل مع السكان، مثل الأطفال الصغار، التي لا تتسامح مع التصوير بالرنين المغناطيسي الوظيفي يمسح جيدا. ومع ذلك، من أجل التحقيق التي تشارك ركائز العصبية، المعلومات التشريحية من التصوير بالرنين المغناطيسي الهيكلية لا تزال هناك حاجة. معظم حزم تحليل EEG العمل مع النماذج القياسية الرأس التي تستند إلى التشريح الكبار. دقة هذه النماذج عند استخدامها للأطفال يقتصر لأن المشتركmposition والتكوين المكاني للرئيس الأنسجة التغييرات بشكل كبير خلال التنمية 3.

في هذه الورقة، ونحن نقدم لمحة عامة عن عملنا الأخيرة في استخدام نماذج الرأس على أساس الفردية فحوصات الرنين المغناطيسي الهيكلية أو نماذج محددة الرأس سن لإعادة بناء مولدات القشرية عالية الكثافة EEG. توضح هذه المقالة كيفية يتم الحصول على تسجيلات EEG، ومعالجتها، وتحليلها مع السكان الأطفال في بيبي مختبر لندن، بما في ذلك إعداد المختبر والتصميم المهمة، EEG تجهيزها، وتجهيز التصوير بالرنين المغناطيسي، ومستوى القناة EEG والتحليل المصدر.

Introduction

ووصف الرئيس باراك أوباما الدماغ البشري باعتباره آفاق جديدة من الاكتشافات العلمية ذات أهمية عالية للصحة والاقتصاد 3 (http://www.whitehouse.gov/share/brain-initiative). ومع ذلك، مثل أي مجال آخر في مجال العلوم الطبيعية، والعلوم العصبية يعتمد على التقدم في منهجيات وتقنيات تحليل للتقدم. اثنين من الأدوات استخداما غير الغازية في الدراسات حول وظائف الدماغ في البشر هي التصوير بالرنين المغناطيسي (MRI) والمخ (EEG). هذه أداة استغلال الخصائص الفيزيائية المختلفة، وتقديم رؤى مختلفة في وظيفة الدماغ مع مزايا وعيوب فريدة من نوعها. يستخدم التصوير بالرنين المغناطيسي على الخواص المغناطيسية للجزيئات المياه داخل الحقول المغناطيسية للحصول على صور من الأنسجة الحية. يحتاج هذا الموضوع لتوضع في المغناطيس مع شدة المجال عالية. يقتصر الحركة المشارك خلال هذه الإجراءات والمشارك أن يتسامح مع الضوضاء الناجمة عن التغيرات السريعة في المغناطيسيةالمجال. بالإضافة إلى صور الهيكلية، كما يوفر إمكانية التصوير بالرنين المغناطيسي لقياس التغيرات في الأوكسجين في الدم للتحقيق في وظائف المخ (الرنين المغناطيسي الوظيفي). باختصار، التصوير بالرنين المغناطيسي يوفر القرار مكانية عالية نسبيا تصل إلى 0.5 ملم 3 مع حقول عالية الحديثة والماسحات الضوئية والمعلمات الأمثل 4. في المقابل، فإن القرار الزماني من الرنين المغناطيسي الوظيفي يقتصر على حركية بطيئة الاستجابة BOLD، والتي تعكس بشكل غير مباشر فقط ديناميات الزمانية عالية من النشاط العصبي 5،6.

من ناحية أخرى، EEG يقيس التغيرات في النشاط الكهربائي الناجم عن نشاط الخلايا العصبية عن طريق أقطاب توضع على فروة الرأس. التطورات الحديثة في التكنولوجيا EEG يسمح التطبيق السريع والسهل من أجهزة الاستشعار لفترة قصيرة الأجل أو طويلة الأجل وثابتة وكذلك تسجيلات الإسعافية. لأن EEG هو أقل تقييدا، بل هو أيضا طريقة اختيار المشاركين للسكان على يقين من أن لا تتسامح مع البيئة التصوير بالرنين المغناطيسي بشكل جيد مثل الأطفال وبعضالسكان المسنين والنفسية. خصائص EEG تظهر نمط عكسية لتلك التي MRI: القرار الزماني عالية جدا مع دقة ميلي ثانية واحدة، ولكن القرار المكانية محدودة. تيارات كهربائية تمر من خلال الأنسجة المختلفة بين مولد والأقطاب EEG على سطح فروة الرأس. وهذا يؤدي إلى خلط وتلطيخ المكاني للنشاط مصدر المعروفة باسم تأثير حجم التوصيل. لذلك، النشاط تقاس الأقطاب على سطح فروة الرأس يعكس النشاط من مصادر متعددة قد تكون بعيدة إلى منصب القطب على 1،7 الرأس.

فقد تم تخصيص الكثير من العمل في السنوات الأخيرة لدمج التصوير بالرنين المغناطيسي وEEG من أجل الاستفادة من نقاط القوة الخاصة بكل منها. وتكرس سطر واحد من العمل لاكتساب وقت واحد من EEG والتصوير بالرنين المغناطيسي في الدراسات الفنية. نهج آخر هو استخدام المعلومات المكانية التي تقدمها التصوير بالرنين المغناطيسي الهيكلي لتأخذ في الاعتبار حجم جonduction تأثير من خلال النمذجة الفيزيائية الحيوية. استخدام المعلومات الهيكلية لإعادة الإعمار مصدر تسجيلات EEG هو مفيدة بشكل خاص للدراسات التي تنطوي على عدد من الأطفال. التحقيق في تطوير وظائف المخ أمر أساسي لفهم كيف يتم بناء المهارات المعرفية المعقدة على رأس السلائف بسيطة 8.

هذه التحقيقات تساعد على تسليط الضوء على التغيرات في ركائز العصبية وخصائص الاستجابة التي ترتبط مع التغيرات في الأداء السلوكي. ومع ذلك، والتحقيق في وظيفة الدماغ والإدراك أثناء التطور يطرح أيضا تحديات محددة. بشكل خاص، الفرصة للدراسات التصوير بالرنين المغناطيسي الوظيفي محدودة حيث الأطفال الصغار والرضع إما أن يكون نائما أو مخدرا للحصول على بيانات التصوير بالرنين المغناطيسي دون التحف الحركة والتأثير السلبي على المشاركين الرفاه. علاوة على ذلك، ينظر EEG كما أقل مخاطرة والغازية من قبل والديهم، الأمر الذي يجعل تجنيد المشاركين البحوث أسهل. Therefore، EEG هو الأسلوب المفضل لكثير من التحقيقات في وظيفة الدماغ عند الأطفال الصغار. التطورات المنهجية في نظم EEG يسمح بتطبيق صفائف الكهربائي عالي الكثافة مع 128 أو أكثر من القنوات في غضون دقائق. سهولة التطبيق ويرتدي الراحة كافية للسماح حتى تسجيل EEG في أصغر الأطفال الرضع. ومع ذلك، في كثير من الأحيان ليست فقط الباحثين المهتمين في ديناميات الزماني للاستجابات لمثيرات معينة، ولكن أود أيضا أن المقارنة بين ركائز العصبية التي تتوسط الردود.

والافتراض السائد في التحليل ERP مستوى القناة مقارنة مختلف الفئات العمرية هو أن نفس ركائز العصبية تستجيب، ولكن أن توقيت أو السعة ردا يتفاوت بين أعمار 9. وكثيرا ما يستخدم فروة الرأس مشابهة تضاريس كمؤشر على النشاط العصبي الأساسي مماثلة. ومع ذلك، يمكن أن العديد من تكوينات مختلفة تؤدي إلى مصدر تصاميم فروة الرأس مشابهة 10. من خلال تطبيق تقدير المصدر، وهذا عربىrtainty يمكن تخفيض وكميا. استقلال الملاحظات هو أمر حاسم لحسابات الشبكة من وظائف المخ: إذا تم خلط المصادر، سوف يكون متحيزا الارتباطات نحو الاتصال المحلية أعلى. ويمكن تطبيق إعادة الإعمار المصدر للحد من هذا التحيز 11. بدلا من ذلك، يمكن استخدام الاختلافات في توقيت ومرحلة للتحليل الربط، ولكن هذه النماذج الرياضية تتطلب الافتراضات التي يصعب تقييم البيانات في محاكاة غير 12. باختصار، يوفر تقدير مصدر معلومات إضافية لEEG مستوى القناة وتحليل تخطيط موارد المؤسسات على أساس المعرفة حول علم التشريح والخصائص الفيزيائية الحيوية من الأنسجة.

وقد وضعت خوارزميات مختلفة لإيجاد حلول لمشكلة عكسية. هذه الخوارزميات تقع على نطاق واسع إلى فئتين: حدودي وغير حدودي 13. تفترض نماذج حدودي واحد أو ثنائيات الاقطاب المتعددة التي قد تختلف في المكان، والتوجه والقوة. في المقابل، إحتوى غير نماذج حدوديغ عدد كبير من ثنائيات الاقطاب مع موقع ثابت والتوجه. في هذه النماذج، ويفسر النشاط الكهربائي فروة الرأس ومزيج من التنشيط في ثنائيات الاقطاب ثابتة 10،13،14. غير حدودي، ونماذج مصدر وزعت يمكن أن يستند إلى المعرفة حول علم التشريح والموصلية في وسائل الإعلام المختلفة. الحدود العنصر النماذج تضم القيم الموصلية للأنسجة الرئيسي للرئيس بقذائف مختلفة للدماغ، السائل الشوكي الدماغي، والجمجمة. ويستند هذا على افتراض أن التوصيل هو ثابت في الغالب داخل كل حجرة، ولكن يحدث أن تغيرات ملحوظة على الحدود حجرات مختلفة. وتستند النماذج عنصر محدود على مزيد من التفحص MR تجزئة في المادة الرمادية والبيضاء بحيث يمكن تعيين قيم الموصلية لكل فوكسل 15.

من الناحية العملية، ونماذج غير حدودي مفيدة بشكل خاص لإعادة الإعمار مصدر في المهام الإدراكية المعقدة، والتي عدد المناطق المعنية قدلن يعرف 10. وتستخدم نماذج عنصر الحدود على نطاق واسع في الأدب الحالي، ربما لأن أكثر دقة عنصر محدود نماذج تشكل مطالب الحسابية عالية نسبيا. علاوة على ذلك، هناك تباين كبير بين الفردية في المادة الرمادية والبيضاء بحيث FEMS ينبغي أن تستند إلى فحوصات الرنين المغناطيسي الفردية.

نماذج غير حدودي تتطلب الخطوة الثانية لمطابقة النشاط فروة الرأس لقياس التوقعات من النموذج إلى الأمام. مرة أخرى، وقد نوقشت نهج مختلفة مع مزايا وعيوب مختلفة في الأدب (انظر ميشيل وآخرون 2004 لمحة عامة). وتستند خوارزميات الأكثر استخداما على نطاق واسع بشأن الحد الأدنى القاعدة تقدير (المنشآت متعددة الجنسية)، والذي يطابق النشاط قياس فروة الرأس لتوزيع الحالية في النموذج إلى الأمام بأقل كثافة الشاملة 16. منحازة المنشآت متعددة الجنسية نحو مصادر ضعيفة وسطحية. عمق خوارزميات المنشآت متعددة الجنسية المرجح محاولة للحد من التحيز السطح عن طريق إدخال الترجيحالمصفوفات على أساس افتراضات الرياضية 10. ويستند النهج LORETA تستخدم على نطاق واسع أيضا على مرجح المنشآت متعددة الجنسية، ولكن بالإضافة إلى ذلك يقلل من ابلاس الرياضية من المصادر، الأمر الذي يؤدي إلى حلول أكثر سلاسة 17،18. وقد وجد LORETA لأداء أفضل للمصادر واحد في دراسات المحاكاة 19،20. ومع ذلك، قد يؤدي إلى LORETA على تجانس من الحلول. عمق المرجح المنشآت متعددة الجنسية هو الأفضل عندما تكون مجهولة المصادر أو من المحتمل أن تكون موجودة 13، 16 مصادر متعددة. مقارنة نتائج خوارزميات مختلفة لتقييم تأثير الافتراضات نموذج مختلف من المستحسن.

في ملخص والتعمير المصدر من خلال أساليب النمذجة كان محدودا للأطفال حتى وقت قريب. وذلك لأن معظم برامج التحليل EEG تعتمد على نماذج الرأس على أساس التشريح الكبار التي تحد بشكل كبير من دقة الحلول مصدر في الأطفال 2،8. وصول رخيصة إلى السلطة الحسابية وتوفيربرنامج سهل الاستعمال لإعادة الإعمار مصدر تجعل من الممكن التغلب على هذه القيود. تطبيق تقدير المصدر إلى EEG يوفر ميزتين مهمة على تحليل بناء على الملاحظات مستوى القناة وحده: تحسين القرار المكانية والاستقلال من الملاحظات.

تقدير المصدر قد لا تكون مفيدة في بعض الحالات: مطلوب تغطية جيدة من الرأس إلى تمييز المصادر. ينصح أنظمة كثافة عالية مع 128 أو أكثر أقطاب 10،15؛ سوف تغطية تناثرا بمثابة تصفية المكانية مما يؤدي إلى مزيد من التفعيل واسعة مصدر انتشار أو نتائج سلبية كاذبة 10. وعلاوة على ذلك، فقد تم الإبلاغ عن إعادة الإعمار فقط المصدر استنادا إلى الطريقة الموضحة في هذه المقالة للحصول على مولدات القشرية. وبالتالي، فمن أقل ملاءمة لاختبار فرضيات حول ركائز تحت القشرية أو التفاعلات تحت القشرية القشرية. وأخيرا، ينبغي أن يستند تحليل المصدر على فرضيات مسبقة مفصلة حول ركائز القشرية،أخذ الأدب الموجودة من طرائق التصوير الأخرى بعين الاعتبار. ويمكن أيضا أن تستخدم تقنيات الترشيح المكاني لتحسين القرار المكانية للإشارة EEG عن طريق الحد من الاختلاط المكانية على مستوى فروة الرأس. وتستخدم وسائل بديلة للحد من تأثير حجم الآثار التوصيل دون نمذجة الرأس، على سبيل المثال، والترشيح ابلاس الرياضية أو 21 الحالي تحليل الكثافة المصدر 22. ومع ذلك، لا هذه الأساليب لا توفر مزيد من المعلومات حول مولدات العصبية عن الآثار حجم التوصيل ليست فقط مقصورة على أجهزة استشعار القرب المكاني في وثيقة 1.

في المقاطع التالية، يصف المقال كيف تم تصميم التجارب للتحقيق في الدماغ وظيفة الادراك في الأطفال من 2 سنة من العمر عند الطفل مختبر لندن. المقبل، وتناقش الحصول على البيانات EEG مع ارتفاع الكثافة أنظمة مقاومة منخفضة مع الأطفال. ثم، يتم تقديم EEG تجهيزها وتحليلها على مستوى القناة. Lastlذ، يركز المقال على معالجة بيانات التصوير بالرنين المغناطيسي الهيكلية لإعادة الإعمار مصدر القشرية وتحليل الإشارات مستوى المصدر.

Protocol

1. تصميم EEG والأحداث المتعلقة التجارب المحتملة للأطفال ملاحظة: تم تصميم تجربة بسيطة لأغراض هذه المادة التي يمكن استخدامها لتحقيق معالجة الوجه لدى الأطفال الصغار. والمقطع التالي وصف التجربة وشرح كيفية تنفيذه باستخدام MATLAB R2012b وPsychtoo…

Representative Results

تصميم التجارب ERP للرضع والأطفال وغالبا ما يشكل تحديا، وذلك بسبب قدرتها المحدودة على تحمل التجارب المتكررة الطويلة 30. وتتفاقم هذه المشكلة أكثر عندما تخطط المجرب لتطبيق إعادة الإعمار المصدر، لأن إعادة الإعمار مصدر دقيق سيتطلب إشارة إلى ارتفاع نسبة الضوضاء 1.</…

Discussion

ويصف هذه المادة على تسجيل وتحليل عالي الكثافة EEG لإعادة بناء مولدات القشرية باستخدام نماذج عنصر الحدود على أساس متوسط ​​العمر المناسب قوالب التصوير بالرنين المغناطيسي وعمق المرجح الحد الأدنى تقدير القاعدة في نموذج تخطيط موارد المؤسسات القياسية مناسبة للأطفال. في …

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

نريد ان نشكر البروفيسور جون ريتشاردز، جامعة ولاية كارولينا الجنوبية، لمنح لنا الوصول إلى قاعدة البيانات التنموي التصوير بالرنين المغناطيسي ومناقشات مفيدة. نود أيضا أن نشكر الممولين لدينا الخيرية جريت أورموند ستريت للأطفال، UCL الأثر والتحديات الكبرى.

Materials

High-density EEG sensor net (128 or 256 channels) HydroCel Geodesic Sensor Net 128 Electrical Geodesic Inc., Oregon, US
EEG high impendance amplifier NetAmps 200 Electrical Geodesic Inc., Oregon, US
Data Acquisition Computer  PowerMac G4 Apple Inc, California, US
Stimulus Presentation Computer Optiplex 745 Dell Computers Inc., Texas, US
Stimulus Presentation Software Matlab R2012b with PsychToolBox Brainard et al. 1997
EEG recording software NetStation 4.5.1 Electrical Geodesic Inc., Oregon, US
EEG analysis software Matlab R2012b The Mathworks Inc., 
EEGLAB Delorme et al. 2004
BrainStorm Sylvain et al. 2001
MRI processing software FreeSurfer Fischl et al. 2004
OpenMEEG Gramfort et al. 2010
Referenzen
Delorme, A., & Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21.
Sylvain, B., John, C., Dimitrios, P., & Richard, M. (2011). Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience, 2011, 1–13.
Fischl, B., Van Der Kouwe, A., Destrieux, C., Halgren, E., Ségonne, F., Salat, D. H., et al. (2004). Automatically parcellating the human cerebral cortex. Cerebral Cortex, 14(1), 11–22.
Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. (2010). OpenMEEG: opensource software for quasistatic bioelectromagnetics. BioMedical Engineering OnLine, 9(1), 45. doi:10.1186/1475-925X-9-45
Brainard, D. H. (1997). The psychophysics toolbox. Spatial vision.

Referenzen

  1. Michel, C. M., Murray, M. M. Towards the utilization of EEG as a brain imaging tool. NeuroImage. 61 (2), 371-385 (2012).
  2. Brodbeck, V., et al. EEG microstates of wakefulness and NREM sleep. NeuroImage. 62 (3), 2129-2139 (2012).
  3. Sanchez, C. E., Richards, J. E., Almli, C. R. Age-specific MRI templates for pediatric neuroimaging. Developmental Neuropsychology. 37 (5), 379-399 (2012).
  4. Umutlu, L., Ladd, M. E., Forsting, M., Lauenstein, T. 7 Tesla MR Imaging: Opportunities and Challenges. RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin. 186 (2), 121-129 (2014).
  5. Logothetis, N. K. Bold claims for optogenetics. Nature. 468 (7323), (2010).
  6. Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453 (7197), 869-878 (2008).
  7. Roche-Labarbe, N., et al. High-resolution electroencephalography and source localization in neonates. Human Brain Mapping. 29 (2), 167-176 (2008).
  8. Johnson, M. H. Interactive Specialization: A domain-general framework for human functional brain development. Developmental cognitive neuroscience. 1, 7-21 (2010).
  9. Nelson, C. A., McCleery, J. P. Use of Event-Related Potentials in the Study of Typical and Atypical Development. Journal of the American Academy of Child & Adolescent Psychiatry. 47 (11), (2008).
  10. Michel, C. M., Murray, M. M., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R. EEG source imaging. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 115 (10), 2195-2222 (2004).
  11. Bathelt, J., O’Reilly, H., Clayden, J. D., Cross, J. H., de Haan, M. Functional brain network organisation of children between 2 and 5years derived from reconstructed activity of cortical sources of high-density EEG recordings. NeuroImage. 82, 595-604 (2013).
  12. David, O., Cosmelli, D., Friston, K. J. Evaluation of different measures of functional connectivity using a neural mass model. NeuroImage. 21 (2), 659-673 (2004).
  13. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5 (1), 25 (2008).
  14. Wendel, K., et al. EEG/MEG source imaging: methods, challenges, and open issues. Computational Intelligence and Neuroscience. 2009, 13 (2009).
  15. Richards, J. E. Localizing cortical sources of event-related potentials in infants’ covert orienting. Developmental Science. 8 (3), 255-278 (2005).
  16. Hauk, O. Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data. NeuroImage. 21 (4), 1612-1621 (2004).
  17. Pascual-Marqui, R. D., et al. Low resolution brain electromagnetic tomography (LORETA) functional imaging in acute, neuroleptic-naive, first-episode, productive schizophrenia. Psychiatry Research. 90 (3), 169-179 (1999).
  18. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods and findings in experimental and clinical pharmacology. 24 Suppl D. , 5-12 (2002).
  19. Phillips, C., Rugg, M. D., Friston, K. J. Systematic regularization of linear inverse solutions of the EEG source localization problem. NeuroImage. 17 (1), 287-301 (2002).
  20. Yao, J., Dewald, J. P. A. Evaluation of different cortical source localization methods using simulated and experimental EEG data. NeuroImage. 25 (2), 369-382 (2005).
  21. Tandonnet, C., Burle, B., Hasbroucq, T., Vidal, F. Spatial enhancement of EEG traces by surface Laplacian estimation: Comparison between local and global methods. Clinical Neurophysiology. 116 (1), 18-24 (2005).
  22. Tenke, C. E., Kayser, J. Generator localization by current source density (CSD): implications of volume conduction and field closure at intracranial and scalp resolutions. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 123 (12), 2328-2345 (2012).
  23. Brainard, D. H. The psychophysics toolbox. Spatial vision. , (1997).
  24. Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R. What’s new in Psychtoolbox-3. Perception. , (2007).
  25. Tottenham, N., et al. The NimStim set of facial expressions: judgments from untrained research participants. Psychiatry Research. 168 (3), 242-249 (2009).
  26. Chaste, P., et al. Adjusting head circumference for covariates in autism: Clinical correlates of a highly heritable continuous trait. Biological Psychiatry. 74 (8), 576-584 (2013).
  27. Delorme, A., et al. EEGLAB, SIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG processing. Computational Intelligence and Neuroscience. 2011, 130714 (2011).
  28. Nolan, H., Whelan, R., Reilly, R. B. FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection. Journal of Neuroscience Methods. 192 (1), 152-162 (2010).
  29. Kilner, J. M. Bias in a common EEG and MEG statistical analysis and how to avoid it. Clinical Neurophysiology. , (2013).
  30. DeBoer, T., Scott, L. S., Nelson, C. A. 12 ERPs in Developmental Populations. Event-related Potentials: A. , (2005).
  31. Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Developmental Psychobiology. 54 (1), 77-91 (2011).
  32. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Computational Intelligence and Neuroscience. 2011, 879716 (2011).
  33. Haan, M., Johnson, M. H., Halit, H. Development of face-sensitive event-related potentials during infancy: a review. International Journal of Psychophysiology. 51, 45-58 (2003).
  34. Earp, B. D., Everett, J. A. C. Is the N170 face specific? Controversy, context, and theory. Neuropsychological Trends. 13 (1), 7-26 (2013).
  35. Taylor, M. J., McCarthy, G., Saliba, E., Degiovanni, E. ERP evidence of developmental changes in processing of faces. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 110 (5), 910-915 (1999).
  36. Ment, L. R., et al. Longitudinal brain volume changes in preterm and term control subjects during late childhood and adolescence. PEDIATRICS. 123 (2), 503-511 (2009).
  37. Courchesne, E., et al. Impairment in shifting attention in autistic and cerebellar patients. Behavioral Neuroscience. 108 (5), 848-865 (1994).
  38. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. (2011), (2011).
  39. Daunizeau, J., David, O., Stephan, K. E. Dynamic causal modelling: A critical review of the biophysical and statistical foundations. NeuroImage. 58 (2), 312-322 (2011).

Play Video

Diesen Artikel zitieren
Bathelt, J., O’Reilly, H., de Haan, M. Cortical Source Analysis of High-Density EEG Recordings in Children. J. Vis. Exp. (88), e51705, doi:10.3791/51705 (2014).

View Video