Summary

תנודות תדירות גבוהה Interictal זוהו עם סימולטני מגנט ואת Electroencephalography כמו ביומרקר של אפילפסיה בילדים

Published: December 06, 2016
doi:

Summary

תנודות תדירות גבוהה (HFOs) צמחו כסמנים ביולוגיים presurgical לזיהוי של אזור epileptogenic בילדים עם אפילפסיה עקשן רפואית. מתודולוגיה ההקלטה, זיהוי לא פולשנית, ולוקליזציה של HFOs עם electroencephalography הקרקפת סימולטני (EEG) ו מגנטו (MEG) מוצג.

Abstract

חיוני להצלחה ניתוחית אפילפסיה היא הזמינות של ביומרקר חזק המזהה את אזור Epileptogenic (EZ). תנודות תדירות גבוהה (HFOs) צמחו כסמנים ביולוגיים presurgical פוטנציאל לזיהוי של EZ בנוסף Interictal Epileptiform שחרורים (מטענים) ופעילות ictal. למרות שהם מבטיחים למקם את EZ, הם אינם מתאימים עדיין לאבחון או ניטור של אפילפסיה בפרקטיקה הקלינית. מחסומים ראשיים להישאר: היעדר הגדרה פורמלית וגלובליים HFOs; ההטרוגניות הסוגר של גישות מתודולוגיות נעשה שימוש במחקר שלהם; ואת הקשיים המעשיים לזהות למקם אותם פולשנית מקלטות קרקפת. כאן, אנו מציגים מתודולוגיה ההקלטה, איתור, ולוקליזציה של HFOs interictal מחולים ילדים עם אפילפסיה עקשן. אנו מדווחים נתוני נציג HFOs זוהו פולשנית מקרקפת interictal EEG ו MEG משני ילדיםהעובר ניתוח.

המחוללים הבסיסיים של HFOs היו נקודות על ידי פתרון הבעיה ההפוכה והלוקליזציה שלהם הושוותה אזור Onset התפיסה (SOZ) כמו זו הוגדרה על ידי epileptologists. בשני החולים, Interictal Epileptogenic שחרורים (מטענים) ו HFOs היו נקודות עם הדמית מקור במקומות תואמים. עבור מטופל אחד, תוך גולגולתי EEG (iEEG) נתונים היו גם זמינים. לגבי המטופל הזה, מצאנו כי לוקליזציה HFOs הייתה תואמת בין בשיטות לא פולשניות ופולשני. השוואת iEEG מהתוצאות מקלטות קרקפת שמשה כדי לאמת את הממצאים הללו. למיטב ידיעתנו, זהו המחקר הראשון המציג את מקור לוקליזציה של HFOs קרקפת מקלטות EEG ו MEG סימולטני השוואת התוצאות עם הקלטות פולשנית. ממצאים אלה מראים כי HFOs ניתן לאתר באופן אמין מקומי פולשנית עם הקרקפת EEG ו MEG. אנו מסיקים כי הלוקליזציה פולשנית של intericטל HFOs יכול לשפר את ההערכה presurgical משמעותי עבור מטופלים ילדים עם אפילפסיה.

Introduction

אפילפסיה בילדים היא הפרעה נוירולוגית שכיחה עם שיעור השכיחות של 4 – 6 ל -1,000 ילדים 1. זה יכול להיות השפעה גדולה על ההתפתחות של הילדים 2 ועלול להשפיע חייהם הבוגרים באופן משמעותי. מחקרי מעקב ארוך טווח באפילפסיה ילדות-onset עולה כי כ -30% מהחולים עם אפילפסיה להפוך רפואית סורר 3-6, ובדרך כלל יש צורך בניתוח אפילפסיה resective. ברבים מהחולים הללו, ניתוחי אפילפסיה מוביל לירידה משמעותית בתדירות ההתקפים ולעתים קרובות לחופש התקף. כדי להצליח, ניתוחי אפילפסיה צריך להגיע למצב חופשי אפילפסיה עם מינימאלי או ללא גירעונות תפקודיים. זה דורש תיחום המדוקדק של אזור Epileptogenic (EZ) 7, 'השטח של קליפת מוח אשר הוא חיוני עבור הדור של התקפים אפילפטיים' 8. EZ לא ניתן למדוד באופן ישיר; מיקומו נאמד על בסיס נתונים תואמים מתוך מספר רב של tha בדיקותt לזהות אזורי קליפת מוח אחרים. electroencephalography תוך גולגולתי פולשנית (iEEG) ממשמש את תקן הזהב עבור הלוקליזציה של אזור התפרצות התקף (SOZ), באזור שבו התקפים נוצרים מקורן בהקלטות ictal. עם זאת iEEG הוא יקר, הנשענים על שיתוף פעולה של הילד, כרוכה בסיכון כלשהו עבור זיהום ודימום 9, ועלול לגרום נזק נוירולוגי נוסף במהלך ההשתלה 10. יתר על כן, הקלטה עלולים להוביל למסקנות שגויות מאז שטחים גדולים של המוח נותרים נחקרו. לכן, סמן ביולוגי presurgical חזק המסייעת בזיהוי של EZ נחוץ להצלחת טיפול כירורגי אפילפסיה.

HFOs פתולוגי (80 – 500 הרץ) 11,12 צמח בעשור האחרון בתור סמן ביולוגי לזיהוי של הרקמה epileptogenic שעשויה לשפר את אבחנת presurgical ותוצאות כירורגי של חולים עם אפילפסיה 13. דוחות באמצעות מיקרואלקטרודות בשילוב עם אלקטרודות EEG עומק הראו נוכחות של HFOs בחולי אפילפסיה. HFOs נמצאו גם באמצעות macroelectrodes תקן במהלך ictal ותקופות interictal. מחקרים שנעשו לאחרונה הראו כי HFOs לזהות את SOZ עם רגישות גבוהה וספציפיות בהשוואה לאזור irritative 14,15, אזור שיוצר את המטענים, וכי הסרה כירורגית של הרקמה מניבת HFO בקורלציה עם תוצאות טובות יותר מאשר הסרת SOZ או אזור irritative 15. HFOs מסווג בכינויו אדוות (80 – 250 הרץ) או אדוות מהירות (250 – 500 הרץ). אדוות מהירות קושרו יותר מקרוב לפעילות פתולוגיים ל הלוקליזציה של SOZ 16, אבל חקירות של הקלטות תוך גולגולתי אדם עולות כי הן אדוות ואדוות מהירות מעלות באזורי epileptogenic 17.

למרות הממצאים המבטיחים האלה, HFOs אינם מתאימים עדיין לאבחון או ניטור שלאפילפסיה בפרקטיקה הקלינית. מחסומים ראשיים להישאר: (i) העדר הגדרה פורמלית וגלובליים HFOs; (Ii) ההטרוגניות הסוגרת של מתודולוגיות וגישות נעשתה שימוש במחקר שלהם; וכן (iii) את הקשיים המעשיים לזהות למקם אותם פולשנית מקלטות קרקפת. זו האחרונה נובעת מהעובדה כי אלקטרודות רחוקים מהמקור של האות, האות עשוי להיות מטושטש על ידי רעש רקע פעילות שרירים, ואת האות עלול להיות מעווה על ידי הקרקפת או fontanels ותפרים בגולגולת, במיוחד חולי תינוק. יתר על כן, קשה להבחין בין HFOs הנורמלי הנורמלי 18,19 מאז הוא אדוות ואדוות מהר נוכחים גם ברקמת המוח אנושית רגילה 20. מחקרים מוקדמים דיווחו HFOs הקרקפת EEG ב קטן בלבד – חלק (0.2 3.4%) מהחולים עם אפילפסיה 21-23. עם זאת, מחקרים שנעשו לאחרונה הראו כי HFOs ניתן לאתר פולשנית עם EEG הקרקפת. Ictally, HFOהים דווח על הפתיחה של תסמונת וסט בילדים (50 – 100 רץ 24, 40 – 120 רץ 25), כמו גם על הפתיחה של התקפי טוניק התסמונת לנוקס-גסטו (50 – 100 הרץ) 26. HFOs Interictal (70 – 200 הרץ) נצפה לראשונה על קרקפת EEG בילדים עם סטטוס אפילפטיקוס חשמל נגרמת שינה 27. לאחר מכן, HFOs interictal (80 – 200 הרץ) אותרו EEG הקרקפת של חולים עם אפילפסיה מוקד עם שיעור גבוה יותר בתוך SOZ 28. מעניין, HFOs היו שכיחים יותר בחולים עם מספרים גבוהים של פריקות epileptiform interictal (מטענים), והם נמצאו להיות יותר ספציפי מאשר מטענים עבור SOZ 29, המדגיש את הקשר בין HFOs עם epileptogenicity.

MEG נראה להציג יתרונות משמעותיים לעומת EEG קרקפת לצורך זיהוי פולשנית והלוקליזציה של HFOs: (i) פעילות בתדירות גבוהה ב MEG היא פחות רגישה מאשר EEG כדי זיהום שהריריפעילות 30-31, (ii) אותות MEG אינם מעוותים על ידי מוליכות הגולגולת ופחות מעוותת מאשר EEG לפי אזורים unfused של עצם הגולגולת כגון המרפס או תפר, וכן (iii) מערכים חיישן MEG יש צפיפות גבוהה יותר בהשוואה EEG שתמיד פונה הבעיה של מלח מגשר בין האלקטרודות כשהראש קטן, כמו עם ילדים. עדויות מבני רפאים מדמים גנרטורים HFOs הציעו HFOs ניתן לאתר מקומי עם דיוק לוקליזציה גבוהה (2 – 3 מ"מ) עם MEG 32. כמה מחקרים שנערכו לאחרונה דיווח HFOs באותות MEG רשמו מחולים הסובלים מאפילפסיה בטווח תדרי אדוות 33-38. זמן-תדר ניתוח מראה שנתוני MEG מכילים רכיבי תדר גבוה הקשורים EZ 33-36. עם זאת, רק מעט מחקרים זיהו HFOs interictal כאירועים גלוי להתבלט של האות רקע בתחום הזמן, כמו בדרך כלל נעשה עם iEEG 37-38. ואן קלינק et al. 37 זוהו HFOs בלהקת האדווה באמצעות ערוצים וירטואליים בנויים עם טכניקות beamforming מבוססות על מידע מרחבי המתקבלים מטענים. פון Ellenrieder et al. 38 זוהו HFOs באותות MEG מהחיישנים הפיסיים עצמאי של המטענים והשתמשו אנטרופיה מקסימלית על השיטה הממוצעת (MEM) כדי למקם את מקורותיהם וכדי לחקור המתאם שלהם עם EZ. Rampp et al. (2010) זיהו ג תנודות גאמה גבוהה אפילפטי עם MEG, שהיו נעול-ספייק או ספייק-עצמאיים, מקומי פעילות זו עם ניתוח מקור מינימום נורמה 39. הם מצאו כי מאפיינים של תנודות המהירות אלה (כלומר, תחילה ברורה של ממוצע מלא להקת המשרעת המקסימלית של תנודות) היו קשורים מאוד עם SOZ. HFOs גם התגלו עם MEG במהלך פעילות ictal בילדים עם תסמונת וסט 40. עם זאת, MEG מציג כמה מגבלות ברורות לעומת הקרקפת EEG: (i) הוא insensitive למקורות שיש להם אוריינטציה רדיאלי ביחס למרכז הראש, (ii) הוא אינו מאפשר הקלטות ארוכות המגבירים את האפשרות לזהות ולתעד אירועים ictal, וכן (iii) חיישנים שלה לא יכול להתאים את הצורה של הראש של כל פרט מאז מערך קסדת חיישן בתוך הקסדה שתוקן כל בכושר. לפיכך, ההגדרה האידיאלית הממקסם את האפשרות לזהות למקם את פעילות epileptogenic היא על ידי שילוב מידע משני EEG קרקפת MEG.

במחקר זה, אנו שואפים להדגים את המתודולוגיה אנו עוקבים לצורך זיהוי לא פולשנית של HFOs interictal באמצעות הקלטות בו זמנית של הקרקפת EEG ו MEG מחולים ילדים עם אפילפסיה עקשן רפואית. אנו מציגים את תוכנית ההתקנה של ההקלטות בצנרת של ניתוח נתונים באמצעות שיטה חצי אוטומטי שפיתחנו לצורך זיהוי של אירועים HFO בנתונים מג EEG סימולטני. לבסוף, אנו מציגים גם את הלוקליזציה שלשבבסיס גנרטורים של HFOs הקרקפת, שהושג על ידי פתרון הבעיה ההפוכה, ולהשוות אותו עם SOZ כמו זו הוגדרה על ידי epileptologists.

Protocol

משפט ואתיקה: פרוצדורות כאן אושרו על ידי דירקטוריון הסקירה המוסדי (IRB) מבית החולים הכלליים של מסצ'וסטס, בוסטון, מסצ'וסטס, ארה"ב. הסעיף הבא יתאר את פרוטוקול הניסוי עבור לוקליזציה איתור מקור לא פולשנית של HFOs באמצעות EEG הקרקפת MEG. הכנת חולה היא מינימאלית, ואת הבדיקה נסבלת היטב באופן כללי. המושב כולו נמשך כ 2 – 3 שעות עם ההקלטות בפועל שנמשכות כ -60 דקות. 1. הכנת החולה ודא כי הילד הוא נוח עם הסביבה. הערה: אפשר ילדים צעירים לחקור את סביבת הבדיקה כדי לראות את ציוד הבדיקה. מסך המטופל לגבי בטיחות והסכמה באמצעות טופס הקרנה. שאל את החולה (או שלו / ההוריה) אם הוא / היה לה התקף קליני בתוך 2 השעות האחרונות. הסר את כל חומרי המתכת / המגנטי לספק בגדים שמנפיקת חולים לחולה. הסר את הנעלייםמאז הם לעתים קרובות מגנטיים. בדקו אם הנושא הוא חופשי של חפצים מגנטיים על ידי מדידת אותות MEG במשך כמה דקות. השתמש degausser להפחתת חפצים מחומרים מושתל כלשהו, ​​כמו יצירות שיניים. הערה: demagnetizer אין להחיל אם ישנה אפשרות שעצמים פרומגנטי הם בתוך הגוף. מדדו את היקף הראש מקסימלית כדי לבחור את גודל כובע EEG המתאים עבור הילד. השתמש סרט מדידה והחזק אותו אל nasion. לאחר מכן מודד סביב הראש סביב ההיקף המקסימאלי (~ 1 סנטימטר מעל inion). מניחים את הכובע EEG על הראש על פי הבינלאומי 10 – מערכת 20. לנקות את העור שבו כל אלקטרודה ממוקם ולהחיל משחה / ג'ל עבור כל אלקטרודה. הערה: פרטים נוספים לגבי הקלטות EEG הקרקפת בקרב ילדים ניתנים במקום אחר 41. הנח את האלקטרודות קרקע ועיון על הראש. חבר אלקטרודות נוספת למדידת אופקי Vertical electrooculography (EOG), electrocardiography (אק"ג), אלקטרומיוגרפיה (EMG) ואלקטרודות EEG נוספות במקומות שכוללים את האזורים הזמניים (T1 / T2). הערה: EOG, ECG, ו EMG לסייע בזיהוי תנועות עיניים, זיהום magnetocardiographic, פעילות שרירים, וגם כדי לפקח על המצב של המטופל. ודא כי ערוצי EEG יש קשר טוב עם הקרקפת על ידי מיקום החיישנים בנפרד. בעדינות לסובב כל חיישן מצד לצד כדי להזיז שיער מהדרך. למדוד את כל העכבות אלקטרודה עם מד התנגדות EEG כדי להיות מתחת ל -10 kOhm. מניחים ארבעה סלילים HPI על הראש: שני מאחורי תנוכי ושני על המצח במקומות סימטרי למידע. הערה: סלילי HPI לעזור למקם את המיקום היחסי של הראש של המטופל ביחס למיקום של חיישני MEG בחלל 3D. מספר סלילי HPI עשוי להשתנות בהתאם לספק של מערכת MEG. השג אתמיקומם של הסלילים HPI ואת אלקטרודות EEG באמצעות digitizer. הערה: digitizer מתעדת את הקואורדינטות של חיישן בחלל 3D. החיישן ממוקם על הקצה של עט. המיקומים של סלילי HPI חייבים להיות ידועים ביחס האנטומיה הראש ואת המיקומים של חיישני MEG. השג את מיקומם של ציוני דרך fiducial כולל נקודות preauricular שמאלה / ימינה nasion באמצעות digitizer. לספרת נקודות נוספות (כ 300 נקודות) כדי לקבל צורת ראש מדויקת. מעביר את החולה לחדר המוגן המגנטי (MSR) 42, שבו מערכת MEG ממוקמת. הערה: MSR היא סביבת מסוככים הממזערת את ההפרעה של קלטות MEG ממקורות אלקטרומגנטיות חיצוניות (כלומר, קווי חשמל, אותות בתדר רדיו ממכשירים ניידים, מכשירי חשמל ומחשבים, שדות מגנטיים אובייקטים נעים ממוגנטים כגון מכוניות, מעליות, ורכבות ). הוא מורכב משלוש שכבות מקוננות.כל שכבה עשויה שכבת אלומיניום טהורה בתוספת שכבת פרומגנטי חדירות גבוהות (כלומר, mu-מתכת, סגסוגת המורכבת בעיקר ניקל וברזל). להניח את המטופל על המיטה, הניח את ראשו / אותה לתוך הקסדה MEG, ולהחיל רפידות / ספוגים המתאימה תחת ראשו של החולה לנוחות. חבר את HPIs, מוביל EEG, את EOG, אק"ג, חברת EMG, ואת אלקטרודות נוספות אל מכונת ההקלטה. לשנות את מיקום הראש של המטופל בתוך הסורק להבטיח שהיא נמצאת עמוקה ככל האפשר בתוך הקסדה. 2. קליטת נתונים מג EEG הערה: MEG / EEG רכישת נתונים מתבצעת על בסיס השיטה המתוארת במחקר קודם 42. פרטים נוספים על השימוש הקליני של MEG באפילפסיה בילדים ניתן למצוא במקומות אחרים 43,44. שיא MEG מאותת עם מערכת MEG כל-ראש. הערה: מערכת MEG מעסיקה חיישנים-סרט דק משני סוגים (מישורייםgradiometers ו גלאי מתכות) משולבים על 102 אלמנטי חיישן. כל אלמנט מכיל מגנטומטר שמורכבת סליל יחיד, ושני gradiometers מישוריים מאונך מורכב של תצורת הסליל "דמות-של-שמונה" -Type. מגנטומטר מודד את השטף המגנטי בניצב לפני השטח שלה ואת gradiometers למדוד את ההבדל בין שתי לולאות של "שמונה", או שיפוע מרחבית. מערכת MEG יש 204 gradiometers מישוריים 102 גלאי מתכות (306 חיישנים בסך הכל). MEG מערכות מיצרנים שונים יש מספר שונה וסוגי סלילי (כלומר, gradiometers צירית). בו זמנית להקליט אותות EEG באמצעות כובע אלקטרודה 70 ערוצים nonmagnetic עם אלקטרודות טבעת sintered Ag / AgCl אלקטרודות נוספות T1 / T2 42. השתמש מונטאז התייחסות משותף. סגור את הדלת של MSR. לתקשר עם המטופל באמצעות מערכת אינטרקום כדי לבדוק אם הוא / היא מרגישה נוחה. שאל את ההורה להישאר insid.ה MSR במהלך ההקלטה אם הילד מרגיש לא נוח להישאר לבד. הפעל את הקלטות על ידי לחיצה על הכפתור 'Go' בתוכנת רכישת MEG. השתמש קצב דגימה גבוה של 1 קילוהרץ (או יותר). השתמש בתגובה דחף אינסופי נמוך לעבור (IIR) מסנן של 6 th סדר ב -400 הרץ. בדקו באינטרנט את כל האותות המוקלטים. תקן ערוצי MEG רעים באמצעות מקלט חיישן. הערה: ערוצי MEG Bad מוגדרים חיישנים (gradiometers או גלאי מתכות) כי יש רמה גבוהה יחסית של רעש לבן (מעל 2 עד 5 FT / √Hz עבור גלאי מתכות) או חיישני שיא רעש אלקטרומגנטים סביבתיים מזויף. זה בדרך כלל קורה כאשר החיישנים חשופים (יחסית האותות נמדדים) חזקים שדות מגנטיים החלק מסוימות של "המלכודת" סלילי השטף המגנטי להרוס את המוליכות. מקלט חיישן משמש אז שמחמם את הסליל על ידי יישום זרם חשמלי דרכו. הליך זה נקרא טיונינג משמש כאשררמת הרעש הלבן של החיישן הוא מעל סף מסוים (כלומר, 2 – 5 FT / √Hz). חלק ממערכות MEG אין מקלטי חיישן. מדוד את מיקום הראש של החולה על ידי לחיצה על הכפתור "מדוד" בתוכנת רכישת MEG. אם ראשו של המטופל אינו היטב מכוסה על ידי המערך החושי, לשאול את החולה לעבור שלו / ראשה העמוק יותר אל תוך הקסדה. הערה: התמרון הזה מפעיל 4 הסלילים HPI ידי החלת אותות חשמליים תנודתית חולף דרך סלילי שיוצרים שדות מגנטיים מלאכותיים. שדות אלו מזוהים על ידי חיישני MEG, ובכך לתפקיד הראש נקבע. ההליך עשוי להיות שונה בין ספקי MEG שונים. שיא MEG, EEG, והקלטות הפריפריה על ידי לחיצה על כפתור "הקלט" בתוכנה רכישת MEG (כלומר, א.ק.ג., EOG, ו EMG) עבור ~ 60 דקות. הערה: המידע מאוחסן כקובץ .fif ב המערכים היתירים של דיסקים עצמאיים (RAID).סוג הקובץ שונה עבור ספקי MEG אחרים. כאשר ההקלטה מסתיימת, לפתוח את MSR, נתק את הכבלים, ולהוציא את החולה מחדר MSR. הסר את כל קלטות, אלקטרודות, סלילי HPI, ואת כובע EEG בעדינות. ספק כביסה הראש של המטופל. לאחר הרכישה תושלם, להקליט האותות המגנטיים של MSR הריקה בלי המטופל. הפעל את הקלטות על ידי לחיצה על הכפתור 'Go' בתוכנת רכישת MEG. נתוני שיא MEG למשך 2 דקות באמצעות אותם הפרמטרים כמו בשלב 2.1.4. הערה: מידע זה נמצא בשימוש על מנת לאמוד את רעש האלקטרומגנטים הסביבתי. MRI רוכש את נתוני MRI אנטומי עם רצפים-הד שיפוע רכישה מהירה כנה המגנטיזציה (MPRAGE; TE = 1.74 ms, TR = 2,520 ms, גודל voxel = 1 × 1 × 1 מ"מ) עם סורק 3T ברזולוציה גבוהה. פרטים על פרוטוקול סריקת MRI ניתן למצוא במקום אחר 45. הערה: אנחנו לא לבצע את סריקת MRIבאותו היום כמו פגישת MEG כדי למנוע חפצי הקלטות MEG בשל המגנטיזציה של שתלים המתכתיים של מטופל אפשריים, כגון מעבודות שיניים. 3. זיהוי של פעילות Interictal פתח את הנתונים באמצעות 46 Brainstorm, אשר מתועד וזמין בחופשיות להורדה באינטרנט תחת הרישיון הציבורי הכללי של גנו. בחר חלקים ויזואלית של נתוני ה- EEG עם פעילות interictal המתרחשים לפחות זה מזה 2 h מהתקפים קליניים. הערה: איור 1 מציג חלק מנתוני EEG ו MEG עם מטענים תכופים. לזהות באופן אמפירי מטענים מוגדרים היטב אותות EEG: זה כולל קוצים (20 – 70 ms) וגלים חדים (70 – 200 ms) 47-48. הערה: המשמעות הקלינית של שני סוגי המטענים בלוקליזציה מוקד אפילפטי שווה. נסו לזהות (אם אפשר) חלקים של הקלטות עם: (i) מוטי מינימליעל חפצים, (ii) יותר מ 3 – 4 מטעני חבלה לשנ התצוגה 10, ו- (iii) שינה איטי גל ללא רע"מ כי בדרך כלל להציג מספר גבוה של HFOs 49. איור 1: מטענים במחלקת התמרורים EEG ו MEG. פרשת EEG הקרקפת רשמה בו זמנית ומג מאותת עם מטענים תכופים. 1 s של קטע מודגש המכיל גל אחד חדה מוצג על הלוחות ממש תצוגת ציר הזמן מורחבת. נקודות אדומות מציינות את השיא של המטענים. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. באמצעות סיעור מוחות, להציג את הנתונים עם הגדרות תצוגה סטנדרטיות (10 s / דף). עבור אל הכרטיסייה המסננת ולשים פרמטרי התצוגה המסננים הבאים: גבוה לעבור סינון: 1 רץ, נמוך לעבור סינון: 80 Hz, מסנן Notch: 50 or 60 הרץ (בהתאם לתדירות של הסיגנל). בדוק את הנתונים ולזהות חלקים של נתונים עם מטעני חבלה. הערה: רק חלקים של האות עם מטענים ייסרקו לחפש HFOs (שלב 3.4). לקריטריונים שנבחרו הם להדמיה בלבד; הם לא יושמו לנתונים. על מנת להחיל מסננים אלה באופן קבוע נתונים, להשתמש במסנן הלהקה עוברים Butterworth (4 th סדר) בעקבות ההוראות באתר Brainstorm (http://neuroimage.usc.edu/brainstorm/). סמן את השיא של כל מטען המתרחש בשני נתוני EEG ו MEG (ראה כתמים אדומים באיור 1). הערה: עוד פרטים על סימון מטענים באמצעות סיעור מוחות ניתן למצוא במקום אחר (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy). איתור חצי אוטומטי 4. HFOs ב סימולטני קרקפת EEG ו- Data MEG הערה: כאן אנו מתארים שיטה חצי אוטומטית לגילוי HFOs, הכוללת זיהוי אוטומטי (שלב 4.1; figuבתשובה לשאלה 2), ואחריו סקירה ויזואלית של HFOs המזוהה באופן אוטומטי (שלב 4.3). על מנת למנוע את התנודות המזויפות של הארעיים חדים כמו אדוות נכונות ולהבטיח כי HFOs אינו בשל תופעת סינון, עקבנו אחר ההצעות האחרונות בספרות הרלוונטית: אנו נדרשים HFOs יש מספר מינימאלי של 4 תנודות מאז היא נצפתה כי בתגובת הדחף של המסנן יש תנודות פחות מהמספר הנבחר של מחזורים 50, השתמשנו תגובה אימפולס הסופית (FIR) מסנן למזער צלצול אפקט והתופעה "גבס" 50, אנו נדרשים האירועים המועמדים HFO גם להיבדק חזותית על ידי מומחה כדי לבדוק אם HFOs היו גם מעולף גלוי על מטענים 50,51, ואנו נדרשים אי בודד כדי לצפות במישור בתדר זמן בגלל אירוע חד תנודה יש חתימות שונות: אמיתית HFO מיוצגת על ידי שיא מבודד בזמן-frequenCY עלילה (מוגבל בתדירות, כמו "אי") ממוקם הלהקה של 80 – 500 הרץ, בעוד אירוע חולף יוצר בועה מוארכת, הוארכה ב תדר 50,52,53. איור 2: סכמטי תרשים של צעדי האלגוריתם. האלגוריתם עובד בשני שלבים: הראשון מזהה HFOs מועמדים בכל אחד אות EEG במישור הזמן (משמאל ועמודות באמצע); ושני מסווגת האירועים המועמדים זוהו בעבר כדי להבדיל HFOs אמיתי חפץ בתחום בתדר הזמן (בעמודה ימנית). אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. זיהוי אוטומטי HFO הערה: איור 2 מתאר את תרשים הזרימה של זיהוי אוטומטישל HFOs על כל אות ה- EEG. מטרת השיטה שפותחה היא להפחית את נטל עבור המומחה EEG של סימון אירועים HFO על כל ערוץ EEG באמצעות תצוגת 2 s / דף זה מומלץ עבור בדיקה ויזואלית של HFOs. HFO הוגדר כאירוע בתוך התדרים אדווה (80 – 250 הרץ), שיש לו לפחות 4 תנודות של סינוסי כמו מורפולוגיה עומד לצאת מן הרקע מסביב 54 (שלב 4.1.1), ואשר נראה כמו קצר חי אירוע עם שיא ספקטרלי מבודד בבית (שלב 4.1.2) בתדר גבוה 14 ברור. איתור של HFOs המועמד בתחום הזמן להקה עובר (BP) לסנן את אותות EEG בין 80 ל -250 הרץ, הגבלת תוכן תדירות האותות ללהקת האדווה של עניין. הערה: מומלץ להשתמש במסנן FIR כדי למזער את השפעת צלצול והתופעה "גבס" 55, ואפס פאזיים סינון דיגיטלי כדי למנוע עיוות שלב. לחשבאת המעטפה של אות BP באמצעות טרנספורמציה הילברט. חשב את הממוצע ואת סטיית התקן (SD) של המעטפה מעל 10 שניות חלונות הזזה מרוכז על כל נקודה של סדרות עתיות. להעריך את הממוצע הכללי ו SD באמצעות הערך החציוני מעל כל החלונות (על מנת לקבל ערכים כי הם חזקים לנוכחות האפשרית של חלקים של האות עם HFOs רב SD הגבוה). חישוב מדד הכשל של המעטפה ולסמן מועמד HFO בכל פעם מדד הכשל גבוה מהסף המינימלי, להגדיר שווה 3 56. הגדר את ההתחלה והסיום נקודות של האירוע זוהה כמו המעברים כלפי מעלה וכלפי מטה של ​​חצי הסף. קחו למשל את HFOs עם מרווח בין אירוע של פחות מ -30 ms כאחד יחיד HFO. לחשב את מספר פסגות האות BP בין הפעלת HFO ונקודת סיום, וזורקים אירועים עם פחות מ -4 פסגות. כמו כן, להשליך אירועים עם כשל גבוה מ -12. הערה: שינוי המקסים שלךאממ סף הכשל פי משרעת של חפצים שעלולים להתרחש בהקלטות שלך. אירועים עם מספר נמוך של תנודות יכולים להיגרם על ידי תופעות סינון 57,58, בעוד אירועים עם משרעת גבוהה מאוד יכולים להיות בגלל חפצי שריר או אלקטרודה. דחה חפץ אפשרי בתחום בתדר הזמן. הערה: שלב זה יש להבחין HFOs אמיתי מאירועים שהיו יכולים להיות שהושרו על ידי פעילות אחרת EEG וממצאים סינון, תוכן התדר אשר אינו מוגבל התדרים של עניין. היא מבוססת על ההנחה כי אמיתי HFO מופיע כאירוע קצר מועד עם שיא ספקטרלי מבודד בתדר ברור מעל 80 הרץ, לעומת אירוע חולף שיוצר בועה מוארכת מושטת תדר 59. איור 3 הדגים דוגמא HFO זוהה מראה את BP מסוננת אות EEG (פנל עליון), המעטפה שלו (הפנל באמצע), ואת להתכתבing מטוס בתדר הזמן (פנל תחתון), בתקופה [-0.5, 0.5] s סביב פסגת HFO. התצוגה של במישור תדר האמת הנה מוגבלת 80 – 150 רץ כי אין פעילות בולטת נצפתה עבור תדרים מעל 150 רץ. Transform כל האירועים המועמדים HFOs לחלל בתדירות השעה באמצעות טרנספורמציה Morlet בתחום התדרים מ -1 הרץ לתדר הגבוה ביותר של ריבית, כלומר, 250 רץ (תדר מרכזי = 1 הרץ, ברוחב מלא-את-חצי-מרבה = 3 ימים). לנתח את ספקטרום ההספק הרגעי של הייצוג בתדר הזמן על כל נקודת זמן של משך האירוע. עבור כל ספקטרום הספק, פעל לפי הקריטריונים האוטומטיים שתארו Burnos et al. 56 כדי לזהות את השיא של הלהקה בתדירות גבוהה על מנת לוודא האם הוא נבדל בבירור משיא הקרוב בתחום התדרים התחתון. בטל HFOs כי לא מראה ספקטרום הספק עם שיא בתדירות גבוהה מבודד 90% לפחות שלנקודות זמן. מיין כל זוהה אירועי HFOs ידי ההתרחשות הזמנית שלהם בערוצים שונים. הקבוצה יחד כל HFOs ברציפות המשך אשר חופף. שמור קבוצות רק של HFOs מעורבים לפחות שני ערוצי EEG לניתוח נוסף. הערה: האלגוריתם מבקש מבית HFOs להתרחש לפחות 2 ערוצים על מנת למנוע לכידת חפצים אקראיים מזויפים, אשר עשוי להיות דומה HFOs אמיתי להתרחש מוביל יחיד EEG. שני HFOs הרצוף נחשב חופף כשהזמן המתחיל של HFO השני מקדים את שעת ההתחלה של הראשונה. איור 3: אירוע HFO זוהה על ידי האלגוריתם. פנל עליון: את BP המסונן (80 – 150 הרץ) אות EEG (ב מיקרו-וולט) מערוץ אחד (F8 – T8) מלוח תיכון חולה 1.: המעטפה של אות BP (z-ציון). השיא של המעטפה (הכוכבי אדום) מציין את העיתוי של שיא HFO (קו מקווקו אנכי אדום). הכוכביות הכחולות לסמן מעברים כלפי מעלה וכלפי מטה של ​​חץ הסף (הקו מקווקו כחול), המציינים את ההתחלה וסיום הזמן-נקודות של HFO (קווים מקווקווים האנכיים הכחולים). פנל תחתון: מטוס הניתוח בתדר הזמן. הערת השיא המבודד בטווח תדרי האדווה (~ 100 הרץ) סביב הפסגה של HFO. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. סקירה חזותית של אירועי HFO הערה: חלק הסקירה ויזואלי מבוסס על ההנחיות המוצעות על ידי אנדרדה-Valenca et al. 28 ואל Zelmann et. 60. אנכי ליישר 2 מסכי מחשב; אחד לבדיקה של EEG ואחד לבדיקה של אותות MEG. הצג את אירועי זוהה הן (2 s / הדף) המורחב של טיפוסיקייל (10 s / דף) מראה, בהתאמה, 80 – הרץ 250 ואת 1 – הרץ 40 BP מסוננים אותות. התעלם אירועי cooccurring עם חפצי שריר או אלקטרודה EEG לא המסונן ומג, כמו גם אירועים עם השתנות תדר גדולות, מורפולוגיה לא סדירה, או וריאציות משרעת גדולות. שים לב EOG אותות EMG במהלך זיהוי של HFOs וזורק בכל מקרה כי הוא חשב מתאים EOG או בפעילות שרירים. קחו רק את HFOs החופפים EEG / MEG מטענים (זוהה בשלב 3.3) כפי שהם נוטים יותר להיות HFOs נכון 15,28,56. הערה: גישה זו מציעה סגולית גבוהה במחיר של רגישות נמוכה; וכך, הוא מספק ביטחון כי HFOs זיהה הם ממוצא קליפת המוח. שמור אירועים HFO רק המתרחשים בשני אותות EEG ו MEG בעת ובעונה אחת. לוקליזציה מקור 5. של מטעני חבלה וחומרי HFOs לוקליזציה של גנרטורים בשיא של מטעני MEG3.3, מסומנים צעד, באמצעות הדיפולים נוכחי Equivalent (ECD). השתמש בתוכנת אומדני המינימום נור כי הוא זמין באופן חופשי (http://martinos.org/mne/stable/index.html). קחו רק קוצים בטוב-של-fit (GOF)> 80 רגע% ו דיפול Q <500 נה – מ. Overlay מיקום ECD על MRI של כל מטופל. הערה: מקסימום אנטרופיה על Mean (MEM) היא שיטה חלופית אטרקטיבית שקובע את המיקום וההיקף של מקורות 61. לוקליזציה מקור HFO בשני EEG ו MEG באמצעות אנטרופיה מקסימלית אדוה על שיטת ממוצע (wMEM) (כפי שהוצע על ידי פון Ellenrieder ואח 38). הערה: MEM היא טכניקה יעילה כי שימש בהצלחה כדי לקבוע את המיקום וההיקף של מקורות פעילות אפילפטית 62-64. WMEM הוא הרחבה של ממ אשר פותחה עבור לאיתור פעילות תנודתית כפי שהוערך עם 65 סימולציות ריאליסטיות. זה מתפרק האות בתוך דיסבסיס אדוה כרתים לפני ביצוע לוקליזציה MEM מקור על כל תיבה בתדר זמן. לפיכך, wMEM מתאים במיוחד גם למקם HFOs. מגזר ה- MRI ולקבל את פני השטח של קליפת המוח באמצעות Freesurfer 66-67. לפתור את הבעיה קדימה EEG / MEG עם שיטת אלמנטי הגבול (BEM) עבור מודל 3-שכבה באמצעות OpenMEEG 68. דגימה מחדש את האותות 640 רץ כדי להבטיח כי ההיקף השני של אדוה הדיסקרטית המרה תואם את התדרים של עניין. להעריך את מטריצת השונות המשותפת רעש במרחב נתונים באופן בלתי תלוי לכל HFO, המבוסס על רקע בלהקה אדווה בחלון 150 ms מיד לפני כל HFO. בצע לוקליזציה מקור לכל HFO בלהקה וממוצע אדווה לאורך משך HFO. הערה: המפה וכתוצאה מכך מורכבת ערך הפעלת קליפת מוח הקשורים לכל קדקוד של פסיפס קליפת המוח. נרמל כל מפה כדי להיות לכל היותרערך הפעלה שווה ל -1 לכל HFO. לחשב את הממוצע של ערכי ההפעלה בכל HFOs בכל קודקוד. החלת סף של 60% של ההפעלה מקסימלית כדי להציג את המפות הסופיות על פני קליפת המוח. אימות 6. תוך גולגולתי EEG (iEEG): רוכשת נוספת הניתוח iEEG ידי העסקת רשתות subdural ו / או אלקטרודות עומק מודרך stereotactically. מדריך את מיקום האלקטרודות בהתבסס על התוצאות של מבחני הערכת presurgical הקודמים ואת ההשערות הקליניות להתייחס, שהוא ספציפי לכל מטופל. הערה: EEG תוך גולגולתי נרשם עם מערכת דיגיטלית EEG באמצעות קצב דגימה 2 KHz, כחלק הערכת presurgical. רשתות subdural הן בדרך כלל הבחירה הטובה ביותר אם את הטופוגרפיה של אזור תפיסת קליפת המוח חשובה לפתור, ואם המיפוי של הקורטקס הרהוטה הוא קריטי (למשל, עם שטח epileptogenic ליד primary הקורטקס המוטורי, שבו הגבולות המדויקים יכול להיות מוערך על ידי מיפוי גירוי וניתוח EEG תוך-גולגולתי ictal). הגדרת SOZ: זהה את SOZ כהגדרתו ידי epileptologist מומחה על סמך המידע הקליני זמין לכל מטופל. הערה: SOZ מוגדר כאזור מראה את ההתפשטות המוקדמת שינוי מהירה iEEG (פריקת ictal) מנקודת ההתחלה לפני או במקביל עם התחילה הקלינית. כל הערוצים המעורבים בתחילת פריקת electrographic ictal, בדרך כלל 5 השניות הראשונות, נחשבו SOZ. בחולים שבהם התקפים אף שמקורם יותר מתחום אחד בלתי תלוי זה בזה, כל אנשי הקשר בתוך SOZs השונה נחשבים קשר SOZ. המומחה הוא עיוור לתוצאות לוקליזציה מקור HFO בעת הגדרת SOZ. המידע הקליני כולל גם: ממצאי iEEG ictal ו interictal, נגע גלוי על MRI, ictal וקרקפת interictal EEGממצאים. זיהוי של ערוצי HFO: לזהות את HFOs בכל אלקטרודה תוך גולגולתי כמתואר 4.1. השתמש בשיטה של Kittler לקבוע את הסף מבוסס על ההיסטוגרמה של מספר HFOs מכל הערוצים, ולאחר מכן להחיל מנוף ולחשב את הממוצע הוא הסף הסופי 69. לבסוף, לזהות את הערוצים עם שיעור HFO מעל הסף. השווה את לוקליזציה HFO עם SOZ מזוהים 6.2 כתקן הזהב לתוצאות לוקליזציה מקור.

Representative Results

מטופלים ילדים עם אפילפסיה עקשן גויסו ממרפאת אפילפסיה של החולים לילדים בבוסטון (בוסטון, ארה"ב). כאן, הנתונים נציג 2 חולים מוצגים: ילדה 15-בן עם encephalomalacia של עורק המוח האמצעי ימינה (MCA) באזור (החולה 1), וילד בן 11 בן עם הקודקודית השמאלית / encephalomalacia הזמני מעולה ( חולה 2). הנתונים נאספו במסגרת בדיקות presurgical שלהם לניתוח. הקלטות מג EEG סימולטני בוצעו במרכז Martinos א Athinoula הדמיה ביו. בשני החולים, HFOs זוהה בטווח תדרי האדווה (80 – 150 הרץ) המתרחשים בשתי EEG ומג מטענים שמעל. איור 4 מציג 10 שניות של נתוני ה- EEG ו MEG קרקפת סימולטני עם פעילות interictal (לוחות עליונים) מחולת 1. אותה הדמות גם מדווחת עלn חלק סולם מורחב זמן (2 ימים) של האותות, אשר מציג את HFOs זוהה במישור הזמן (לוחות ביניים) והן במישור בתדר הזמן (פנל תחתון). חולה זה הראה שיעור של 8.8 HFOs / min. לשם בהירות, התצוגה של המטוס בתדר הזמן הנה מוגבלת 80 – 150 רץ כי אין פעילות בולטת נצפתה תדרים מעל 150 רץ. בחולה 1, הזיהוי האוטומטי זיהו 248 אירועים HFOs בתוך 8.65 דק 'של הקלטות. לאחר בדיקה ויזואלית של האירועים זוהו, 76 אירועים הוחזקו שנחשבו להיות HFOs האמיתי, קבלה בשיעור של 8.8 HFOs / min. איור 4: HFOs מעולף על מטענים זוהו מקרקפת EEG ו MEG. פנל עליון: מטעני מחולה 1 זוהו מהקרקפת EEG (משמאל) ומג (מימין). 10 שניות של נתונים מסוננים מן 1 – 70 רץ. לוח תיכון: תצוגת ציר הזמן מורחבת (2 ימים) של נתוני ה- EEG ו MEG מודגשת עם רקע אפור בלוח העליון. נתונים מסוננים 80 – 150 הרץ. פנל תחתון: מטוס בתדר זמן של 2 נציגי ערוצי EEG ו MEG. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 5 מציג את תוצאות לוקליזציה HFOs פציינט 1 משני הקרקפת EEG ו MEG. טכניקות הן מיקמו את HFOs בבית בקרבת הנגע במיקום קרוב לצומת temporo-לאונה הקודקודית הימנית. מג EEG הציגו תוצאות לוקליזציה שונות במקצת: פעילות MEG הייתה ממוקמת יותר קדמי לעומת EEG יותר ויותר אל הגבול האחורי של הנגע. המרחק בין שני המקסימום של פעילות wMEM עבור מג EEG היה 15.0 מ"מ. HFOs localizatiעל היה גם סמוך לאזור irritative כמו זו הוגדרה על ידי MEG. המרחק האיאוקלידי בין ECDs בממוצע ואת פעילות wMEM המקסימלי היה 18.7 מ"מ עבור מג 28.0 מ"מ עבור EEG הקרקפת. עבור חולה 2, זיהינו 8 דקות של נתונים בזמן שינה ללא רע"מ איטי-גל עם מטען וחפצים מינימאליים כי השתמשנו לניתוח HFO. מספר HFOs הקרקפת היה נמוך משמעותית מאשר המטופל 1 מראה בשיעור של 0.4 HFOs / min. איור 6 מציג את התוצאות לוקליזציה מקור HFOs הקרקפת במשך MEG והקרקפת EEG, את המטענים למקום על ידי MEG באמצעות ECDs, ואת המיקום של HFOs זוהה על ידי iEEG. המרחק בין 2 המקסימום של פעילות wMEM עבור מג EEG היה 16.4 מ"מ. המרחק בין ECDs בממוצע ואת פעילות wMEM המקסימלי היה 10.9 מ"מ עבור מג 24.1 מ"מ עבור EEG. אזור HFO מזוהה פולשנית ידי הקרקפת EEG ו MEG היה באותו מקום שבו HFOs היו IDEntified פולשני עם iEEG. האלקטרודות עם המספר הגבוה ביותר של HFOs היו LA51, LA52, ו LA53, כפי שמוצג באיור 6, לוקליזציה אשר היה שתואם את פעילות HFO מקומי פולשנית. איור 5: לוקליזציה של HFOs ו מטענים. HFOs אזור מקומי באמצעות wMEM עם מג EEG מ מעולף החולה 1 ב- MRI של המטופל (משמאל). מפת HFOs מייצגת את ממוצע ערכי ההפעלה המנורמל thresholded ב 60% של הפעילות מקסימלית. מטענים נקודתיים ידי ECDs עם MEG (מימין). המיקומים אוריינטציות של ECDs מסומנים ב ציאן. המשולש הסגול מציין את המיקום של ECDs בממוצע (46 ECDs), ואת המלבן האדום המיקום של ECD מן המטענים בממוצע (28 מטענים). עבור המיצוע של המטענים, זיהינודוקרנים עם מורפולוגיה דומה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. איור 6: קונקורדנציה מרחבית בין פולשנית HFO אזור מקומי דרך הקרקפת EEG ו MEG, אזור Irritative, ואת אזור HFO לשפה המקומית פולשני עם iEEG. לוחות עליונים: לוקליזציה של HFOs מחולה 2 עם EEG קרקפת (משמאל) ומג (באמצע), ולוקליזציה של מטענים עם MEG (מימין) מעולף על MRI של המטופל. מפת HFOs מייצגת את ממוצע ערכי ההפעלה המנורמל thresholded ב 60% של הפעילות מקסימלית. חוגים וברים ציאן לסמן מיקומים אוריינטציות של ECDs. המשולש הסגול מציין את המיקום של ECDs בממוצע (30 ECDs), ואת לא מלבן האדומיםהוא המיקום של ECD מן המטענים בממוצע (21 מטענים). לוחות תחתונים: לוקליזציה של HFOs על iEEG (משמאל) ו -2 ימים של הקלטות מערוצים עם שיעור HFO הגבוה ביותר. רושמים מוצגים על MRI של המטופל. המיקום אלקטרודה מתקבל על ידי שיתוף רישום טומוגרפיה ממוחשבת-מושתל פוסט (CT) ותמונות MR. האלקטרודות עם השיעור הגבוה ביותר של HFOs מודגשות במפה של הרשת מושתלת על בקליפת החולה. אנא לחץ כאן כדי לצפות בגרסה גדולה יותר של דמות זו. תוצאות נציג המוצגים כאן מצביעים שיבחנו את השפעותיו של הטכניקה המתוארת במסגרת הקלינית לזיהוי פולשנית ולוקליזציה של HFOs במהלך הערכה טרום ניתוחית של מטופלים ילדים עם אפילפסיה עקשן רפואית. בשני חולים, HFOs היו localized תואם עבור קרקפת EEG ו MEG (ראה איור 5). הבדלי לוקליזציה של כמה מ"מ ניתן לייחס את יכולת הלוקליזציה המעולה של MEG בצפיפות גבוהה לעומת קרקפת EEG 70, או עשוי לייצג גנרטורים שבבסיס שונים 71. לוקליזציה היה גם שתואם את אזור irritative כמו זו הוגדרה על ידי MEG (ראה איור 5 – תקין פאנל). בחולה 2, נתוני iEEG היו גם זמינים. אזור HFOs המקומי פולשנית עם קרקפת EEG ו MEG היה שתואם את אזור HFOs המוגדר פולשני עם iEEG (ראה איור 6). התוצאות של השיטה המוצעת יכולות להנחות את המיקום של רשתות במהלך ניתוח אפילפסיה לזיהוי הפוטנציאל של EZ.

Discussion

ראיות מתכנסים מן החי מחקרים בבני אדם הראו כי HFOs הם סמן ביולוגי אפשרי חדש רקמות epileptogenic. למרות עדות זו, יש HFOs שימוש מוגבל מאוד בפרקטיקה הקלינית לאבחון או ניטור של אפילפסיה, בעיקר בגלל הסיבות הבאות: (i) אין הגדרה פורמלית וגלובליים HFOs; (Ii) קבוצות מחקר שונות להשתמש במתודולוגיה שונה עבור הקלטה וניתוח הנתונים; (Iii) זיהוי לא פולשנית של HFOs עם טכניקות הדמייה הוא מאתגר; וכן (iv) תהליך הבדיקה של HFOs הוא גוזל זמן ולא מעשי, במיוחד עבור EEG רב או קלטות MEG עם מספר גבוה של חיישנים. במאמץ לספק מתודולוגיה סטנדרטית עולמית מקדמת השימוש השיטתי HFOs בפרקטיקה קלינית, המתודולוגיה זה מלווה בבית החולים לילדים בבוסטון עבור ההקלטה פולשני, זיהוי, ולוקליזציה של HFOs interictal מחול ילדים עם אפילפסיה מוצג. Representativתוצאות דואר של HFOs מזוהה עם EEG קרקפת סימולטני ומג משני ילדים עם אפילפסיה עקשן רפואי גם מוצגות.

צעדים קריטיים בתוך הפרוטוקול

המתודולוגיה המוצעת כוללת את השלבים הקריטיים הבאים: (i) את הביצועים של גבוה אות ה-רעש היחס (SNR) EEG ו MEG קלטות בו זמניות של פעילות interictal מחול ילדים עם אפילפסיה עקשן רפואי (שלבי 2.1.1 ו 2.1.2 ); (Ii) עיבוד מקדים זהיר ובחירת נתונים עם פריקות interictal (שלבים 3.1 ו -3.2); (Iii) את הסקירה החזותית של אירועי HFOs המזוהים עם סגוליות גבוהות (שלבי 4.3.1, 4.3.2, ו 4.3.3); וכן (iv) הלוקליזציה האמינה של HFOs באמצעות שיטת לוקליזציה מתאימה (שלב 5.2).

השלב הקריטי ביותר בפרוטוקול זה הוא הבחינה החזותית של אירועי HFO שזוהו על ידי הגלאי האוטומטי. סקירה קפדנית של HFOs המזוהה באופן אוטומטי היא crucial להשליך HFOs ממוצא noncerebral. עם זאת, עייפות או הסחת דעת של הבודק האנושי במהלך הבדיקה ויזואלית של EEG הרב ונתוני MEG עלולה להוביל לטעויות, צמצום הספציפי של תהליך האיתור.

שינויים ופתרון בעיות

אנחנו להימנע מהשימוש של הקרנת שטח האיתותים (SSP) והפרדת שטח איתותים (SSS) שיטות 72,73 כדי להבטיח כי אין עיוות של פעילות HFO מהיישום שלהם. שיטות אלה משמשות לעתים קרובות על ידי רוב המשתמשים של ספק MEG מסוים לדכא הפרעות חיצוניות לתקן תנועות ראש 72. מחקרים נוספים נחוצים על מנת להבטיח כי היישום של שיטות אלה אינם משפיעים או לעוות את פעילות HFO או אינו מייצר פעלולים מלאכותיים שעשויות להיות דומה HFOs אדם. שינויים קלים של לסף המינימאלי של z-score של מעטפת האות (שלב 4.1.1.3) ועל הסף של acערכי tivation (שלב 5.2.6) עשויים להיות נחוצים כדי לשפר את הרגישות של אלגוריתם זיהוי של HFOs ולהגביל את הלוקליזציה של אזור HFOs באזור מוקדי יותר.

מגבלות הטכניקה

השיטה המתוארת מציגה מגבלות שראויות להפנות נוסף במחקרים עתידיים. ראשית, אין היא רואה את HFOs מתרחש רק אותות EEG או MEG, וזה לא כולל את זיהוי אוטומטי של HFOs באותות MEG, מה שמרמז על כך כמה HFOs MEG SNR נמוך בפועל עשויות להימלט בדיקה ויזואלית 74. יתר על כן, את הרגישות והסגוליות של השיטה המוצעת כדי לזהות את HFOs ויכולתה למקם אותם עם דיוק גבוה צריך להיות מאומת עם הקלטות בו זמנית של הקרקפת EEG, מג iEEG 75. הנתונים שלנו הראו כי האחת ECDs הצביעה על אזור irritative המורחבת לעומת לאזור HFOs מוקדים. עם זאת, כאשר ECDs היו בממוצע, אזי דיפול location היה די קרוב לאזור HFO לשני חולים. הנתונים שלנו מצביעים על הספציפיות של 2 השיטות מראה סגולי אפשרית גבוה מבין אזור HFO עבור epileptogenicity (במיוחד עבור מטופל 2 שעבורם אזור HFO היה חופף עם SOZ) בהשוואה לאזור irritative, למרות מסקנות מאובטחות לא ניתן להסיק מ קטנה קבוצה של חולים כאלה. יתרה מכך, הלוקליזציה של מקורות HFO אינה מעידה ישירות לאיתור EZ כי הוא אחראי על התקפים. הממצאים שלנו צריכים להיות מאומתים שהוגשו על ההחלטה של ​​ניתוחי אפילפסיה שאנחנו מתכננים לעשות במחקר עתידי. לבסוף, כדי להקליט את נתוני ה- EEG, מערכת 70-הערוף השתמש. עם זאת, ברוב מרכזי ההגדרה הסטנדרטית הקלינית EEG משמשת כי נתונים מרשומים 19 אלקטרודות המונחים על פי 10 – מערכת 20. עוד מערכות EEG ילדים מתקדמות עם מספר גבוה בהרבה של ערוצים (עד 256) זמינות כיום בשוק. השימוש במערכות אלה עשויים לשפר עוד יותר tהוא דיוק לוקליזציה של אזור HFOs מזוהה עם EEG הקרקפת.

משמעות של הטכניקה ביחס קיימים / שיטות חלופיות

למיטב ידיעתנו, זהו המחקר הראשון המדווח לוקליזציה פולשנית של HFOs interictal עם EEG סימולטני ומג, וגם חוקר את הקונקורדנציה של תוצאות לוקליזציה עם אלה מהקלטות תוך גולגולתי. ההקלטה לא פולשנית, איתור, ולוקליזציה של HFOs הוא מאתגר. הסיבה לכך היא כי HFOs הם אותות חלשים מאוד שנוצרו לפי אזורים במוח קטנים בסדר גודל של מילימטרים מעוקבים 16,76 ויתר על כן הפריעו פעילות רקע רעש והמוח. מחקר שנערך לאחרונה הציע HFOs רשם הלא פולשני עם EEG הקרקפת מייצג את סכום פעילות של מוקדי מבוזרים מרחבית ומקורות קוהרנטית 60. עד כה, מחקרים מעטים 28,29,37,38,60 הצליח להראות כי HFOs ניתן לאתר הלא פולשני באמצעות SCAlp EEG ו MEG; אפילו פחות מקומי פעילות זו על ידי פתרון הבעיה ההפוכה 37-38.

הנה, עדות HFOs interictal מוצגים אשר זוהו עם EEG הקרקפת סימולטני ומג משני מטופלים ילדים עם אפילפסיה. HFOs היה נקודות באמצעות מסגרת שתוארה לעיל 38. נתוני הנציגים מראים כי הלוקליזציה פולשנית של HFOs interictal אינה ריאלית על ידי שימוש בטכניקות הדמית מקור שבוצעו על EEG או קרקפת או קלטות MEG, בהנחת טכניקת לוקליזציה מתאימה משמשת. זו עולה בקנה אחד עם מחקר קודם כי השתמשו בנייה פאנטום הדומה גנרטורים HFOs, אשר מציין כי HFOs ניתן לאתר פולשנית ואת מקומי ומדויק באמצעות MEG 32.

איתור וסימון של HFOs interictal מבוצע באופן מסורתי באמצעות בדיקה ויזואלית של הנתונים ממומחים EEG האדם. למרות גישה זו היא לעתים קרובות regarטוליפ אין כתקן הזהב, הוא מציג מגבלות חמורות שכן יש אמינות בין-סוקר עני 77,78, והוא אינו חל על מערכי נתונים מג EEG גדולים עם מספר גבוה של חיישנים. Crucial להחלת HFOs בקליניקה הוא פיתוח אלגוריתמים לזהות את HFOs אוטומטי מקלטות קרקפת הקטנת צורך קלט אדם. זיהוי החזותי של קרקפת HFOs הוא למעשה די מאתגר בשל: (i) SNR הנמוך של HFOs על הקרקפת; (Ii) את השיעור הנמוך יותר של HFOs בהקלטות קרקפת לעומת אלה תוך גולגולתי, מה שמרמז הניתוח של הקלטת פעמים רבות יותר; ו (iii) את המספר הגבוה של ערוצי לנתח, במיוחד בצפיפות גבוהה EEG או MEG. מספר אלגוריתמים לפתרון בעיות זיהוי אוטומטי חצי אוטומטי של HFOs הוצעו בעשור האחרון 54. מוקדם יותר גלאי הסתמך על סף במישור הזמן, על מנת לזהות אירועים שיכולים להבחין בין פעילות רקע מתמשכת 49,80. התפתחויות אחרונות מציעות שילוב מידע גם מן התדר, בהנחה כי HFO חייב להופיע כאירוע קצר מועד עם שיא ספקטרלי מבודד בכל 50,56,81 תדירות ברורה. חצי בשיטות אוטומטיות נראות את הגישה המתאימה ביותר עבור היישום של HFOs בפרקטיקה קלינית. שיטות אלו כוללות 2 שלבים: (i) זיהוי אוטומטי ראשוני של אירועים בעל רגישות גבוהה, וכן (ii) סקירה ויזואלית של אירועים על ידי מומחה, אשר יש סגוליות גבוהות. גישה זו מספקת סגולית גבוהה יותר בהשוואה לשיטות האוטומטיות לחלוטין ומבטיחה כי אירועי ביקורת הסופיים הם HFOs בפועל ממוצא מוחות.

כאן, שיטה אוטומטית למחצה מוצגת המאפשרת זיהוי של HFOs מקרקפת interictal קלטות EEG ו MEG. השיטה המוצעת מרחיבה שתוארה לעיל טכניקות לאיתור HFOs מקרקפת EEG 60 על ידי שילוב של קריטריוני זיהוי שני יבואתכונות נמלה: (i) ניתוח תדירות האמת האוטומטית של אירועי HFO; ו (ii) הסכמה הזמנית של אירועי HFOs בשתי הקלטות מג EEG.

יישומים עתידיים או כיוונים אחרי מאסטרינג טכניקה זו

הלוקליזציה האמינה של HFOs עם שיטות הדמייה לא פולשנית, כגון קרקפת EEG ו MEG, הוא קריטי. מאסטרינג, שיפור ובדיקת חוקיות הפרוטוקול המוצע יספק לרופאים סמן ביולוגי לצריבה אמין, פולשנית לזיהוי של EZ. ההתפתחות של ביומרקר כזה יש פוטנציאל להפחתת הדרישה לניטור ארוך טווח והקלטות תוך גולגולתי פולשנית שמובילות שיפור משמעותי בהליך הערכת presurgical בילדים. זה היה לא רק לעזור לזהות את רקמת epileptogenic לניתוח, אלא גם יאפשר אבחנה מבדלת סופית של אפילפסיה מהתקפים סימפטומטי חריפים, המחייבות לחלוטין diffeלשכור גישה טיפולית, ומן התקפים שאינם אפילפטיים חוסך את הצורך ניטור לטווח ארוך אצל חלק מהחולים. יתר על כן, זה עשוי לאפשר הערכה של יעילות של התערבויות טיפוליות מבלי להמתין התקף נוסף להתרחש.

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

This work is supported by the Research Grants Program of the Epilepsy Foundation & American Epilepsy Society and the Faculty Career Development Fellowship of Harvard Medical School, Office for Faculty Development.

Materials

VectorView MEG system Elekta-Neuromag, Finland MEG System
Magentically Shielded Room Imedco, Hagendorf, Switzerland Three-layer MSR
EEG system Elekta-Neuromag, Finland 70 Channel EEG system
3D digitizer Polhemus, Colchester, VT

Referenzen

  1. Cowan, L. D., Bodensteiner, J. B., Leviton, A., Doherty, L. Prevalence of the Epilepsies in Children and Adolescents. Epilepsia. 30 (1), 94-106 (1989).
  2. Stores, G. School-children with Epilepsy at Risk for Learning and Behaviour Problems. Dev. Med. Child Neurol. 20 (4), 502-508 (1978).
  3. Sillanpää, M., Schmidt, D. Prognosis of seizure recurrence after stopping antiepileptic drugs in seizure-free patients: A long-term population-based study of childhood-onset epilepsy. Epilepsy Behav. 8 (4), 713-719 (2006).
  4. Geerts, A., et al. Course and outcome of childhood epilepsy: a 15-year follow-up. Dutch study of epilepsy in childhood. Epilepsia. 51 (7), 1189-1197 (2010).
  5. Engel, J. Etiology as a risk factor for medically refractory epilepsy: A case for early surgical intervention. Neurology. 51 (5), 1243-1244 (1998).
  6. Kwan, P., Brodie, M. Early Identification of Refractory Epilepsy. N. Eng. J. Med. 342 (5), 314-319 (2000).
  7. Datta, A., Loddenkemper, T. . The Epileptogenic Zone. In: Wyllie, E. Wyllie’s treatment of epilepsy Principles & Practice 5th Ed. , 818-827 (2011).
  8. Rosenow, F. Presurgical evaluation of epilepsy. Brain. 124 (9), 1683-1700 (2001).
  9. Önal, &. #. 1. 9. 9. ;., Otsubo, H., et al. Complications of invasive subdural grid monitoring in children with epilepsy. J. Neurosurg. 98 (5), 1017-1026 (2003).
  10. Jacobs, J., Zijlmans, M., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann. Neurol. 67 (2), 209-220 (2010).
  11. Bragin, A., Engel, J., Wilson, C., Fried, I., Buzsáki, G. High-frequency oscillations in human brain. Hippocampus. 9 (2), 137-142 (1999).
  12. Bragin, A., Engel, J., Wilson, C., Fried, I., Mathern, G. Hippocampal and Entorhinal Cortex High-Frequency Oscillations (100-500 Hz) in Human Epileptic Brain and in Kainic Acid-Treated Rats with Chronic Seizures. Epilepsia. 40 (2), 127-137 (1999).
  13. Zijlmans, M., Jiruska, P., Zelmann, R., Leijten, F., Jefferys, J., Gotman, J. High-frequency oscillations as a new biomarker in epilepsy. Ann. Neurol. 71 (2), 169-178 (2012).
  14. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  15. Jacobs, J., LeVan, P., Chander, R., Hall, J., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (80-500 Hz) are an indicator of seizure onset areas independent of spikes in the human epileptic brain. Epilepsia. 49 (11), 1893-1907 (2008).
  16. Bragin, A., Mody, I., Wilson, C. L., Engel, J. Local generation of fast ripples in epileptic brain. J Neurosci. 22 (5), 2012-2021 (2002).
  17. Worrell, G. A., Gardner, A. B., et al. High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain. 131 (4), 928-937 (2008).
  18. Engel, J., Bragin, A., Staba, R., Mody, I. High-frequency oscillations: What is normal and what is not?. Epilepsia. 50 (4), 598-604 (2009).
  19. Traub, R. Fast Oscillations and Epilepsy. Epilepsy Curr. 3 (3), 77-79 (2003).
  20. Blanco, J., Stead, M., et al. Unsupervised Classification of High-Frequency Oscillations in Human Neocortical Epilepsy and Control Patients. J. Neurophysiol. 104 (5), 2900-2912 (2010).
  21. Rodin, E., Smid, N., Mason, K. The grand mal pattern of Gibbs, Gibbs and Lennox. Electroencephalogr Clin Neurophysiol. 40 (4), 401-406 (1976).
  22. Nealis, J. G., Duffy, F. H. Paroxysmal beta activity in the pediatric electroencephalogram. Ann Neurol. 4 (2), 112-116 (1978).
  23. Halasz, P., Terzano, M., Parrino, L., Bodizs, R. The nature of arousal in sleep. J. Sleep. Res. 13 (1), 1-23 (2004).
  24. Kobayashi, K., Oka, M., et al. Very Fast Rhythmic Activity on Scalp EEG Associated with Epileptic Spasms. Epilepsia. 45 (5), 488-496 (2004).
  25. Inoue, T., Kobayashi, K., Oka, M., Yoshinaga, H., Ohtsuka, Y. Spectral characteristics of EEG gamma rhythms associated with epileptic spasms. Brain. Dev. 30 (5), 321-328 (2008).
  26. Kobayashi, K., Jacobs, J., Gotman, J. Detection of changes of high-frequency activity by statistical time-frequency analysis in epileptic spikes. Clin Neurophysiol. 120 (6), 1070-1077 (2009).
  27. Kobayashi, K., Watanabe, Y., Inoue, T., Oka, M., Yoshinaga, H., Ohtsuka, Y. Scalp-recorded high-frequency oscillations in childhood sleep-induced electrical status epilepticus. Epilepsia. 51 (10), 2190-2194 (2010).
  28. Andrade-Valenca, L. P., Dubeau, F., Mari, F., Zelmann, R., Gotman, J. Interictal scalp fast oscillations as a marker of the seizure onset zone. Neurology. 77 (6), 524-531 (2011).
  29. Melani, F., Zelmann, R., Dubeau, F., Gotman, J. Occurrence of scalp-fast oscillations among patients with different spiking rate and their role as epileptogenicity marker. Epilepsy Res. 106 (3), 345-356 (2013).
  30. Claus, S., Velis, D., Lopes da Silva, F., Viergever, M., Kalitzin, S. High frequency spectral components after Secobarbital: The contribution of muscular origin-A study with MEG/EEG. Epilepsy Res. 100 (1-2), 132-141 (2012).
  31. Zimmermann, R., Scharein, E. MEG and EEG show different sensitivity to myogenic artifacts. Neurol Clin Neurophysiol. 78, (2004).
  32. Papadelis, C., Poghosyan, V., Fenwick, P., Ioannides, A. MEG’s ability to localise accurately weak transient neural sources. Clin Neurophysiol. 120 (11), 1958-1970 (2009).
  33. Miao, A., Xiang, J., et al. Using ictal high-frequency oscillations (80-500Hz) to localize seizure onset zones in childhood absence epilepsy: A MEG study. Neuroscience Lett. 566, 21-26 (2014).
  34. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  35. Tenney, J. R., Fujiwara, H., et al. Low- and high-frequency oscillations reveal distinct absence seizure networks. Ann Neurol. 76 (4), 558-567 (2014).
  36. Xiang, J., et al. Frequency and spatial characteristics of high-frequency neuromagnetic signals in childhood epilepsy. Epileptic Disord. 11 (2), 113-125 (2009).
  37. van Klink, N., Hillebrand, A., Zijlmans, M. Identification of epileptic high frequency oscillations in the time domain by using MEG beamformer-based virtual sensors. Clin Neurophysiol. 127 (1), 197-208 (2016).
  38. von Ellenrieder, N., Pellegrino, G., et al. Detection and Magnetic Source Imaging of Fast Oscillations (40-160 Hz) Recorded with Magnetoencephalography in Focal Epilepsy Patients. Brain Topogr. 29 (2), 218-231 (2016).
  39. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  40. Ramachandrannair, R., Ochi, A., et al. Epileptic spasms in older pediatric patients: MEG and ictal high-frequency oscillations suggest focal-onset seizures in a subset of epileptic spasms. Epilepsy Res. 78 (2-3), 216-224 (2008).
  41. Bathelt, J., O’Reilly, H., de Haan, M. Cortical source analysis of high-density EEG recordings in children. J Vis Exp. (88), e51705 (2014).
  42. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hämäläinen, M. Functional Mapping with Simultaneous MEG and EEG. M. J Vis Exp. (40), e1668 (2010).
  43. Papadelis, C., Harini, C., Ahtam, B., Doshi, C., Grant, E., Okada, Y. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Ped Epilepsy. 2, 73-85 (2013).
  44. Gaetz, W., Gordon, R. S., Papadelis, C., Fujiwara, H., Rose, D. F., Edgar, J. C., Schwartz, E. S., Roberts, T. P. L. Magnetoencephalography for Clinical Pediatrics: Recent Advances in Hardware, Methods, and Clinical Applications. J Pediatr Epilepsy. 4 (4), 139-155 (2015).
  45. Prabhu, S., Mahomed, N. Imaging of intractable paediatric epilepsy. SA Journal of Radiology. 19 (2), 1-10 (2015).
  46. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Comput Intell Neurosci. , 879716 (2011).
  47. Bagic, A. I., Knowlton, R. C., Rose, D. F., Ebersole, J. S. American Clinical Magnetoencephalography Society Clinical Practice Guideline 1: Recording and Analysis of Spontaneous Cerebral Activity. J Clin Neurophysiol. , 1-7 (2011).
  48. Noachtar, S., Binnie, C., Ebersole, J., Mauguière, F., Sakamoto, A., Westmoreland, B. A glossary of terms most commonly used by clinical electroencephalographers and proposal for the report form for the EEG findings. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 21-41 (1999).
  49. Staba, R. J., Wilson, C. L., Bragin, A., et al. High-frequency oscillations recorded in human medial temporal lobe during sleep. Ann’Neurol. 56 (1), 108-115 (2004).
  50. Benar, C. G., Chauviere, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on "false" ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  51. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  52. Jmail, N., Gavaret, M., et al. A comparison of methods for separation of transient and oscillatory signals in EEG. J Neurosci Methods. 199 (2), 273-289 (2011).
  53. Wang, S., Wang, I. Z., et al. Ripple classification helps to localize the seizure-onset zone in neocortical epilepsy. Epilepsia. 54 (2), 370-376 (2013).
  54. Worrell, G. A., Jerbi, K., Kobayashi, K., Lina, J. M., Zelmann, R., Le Van Quyen, M. Recording and analysis techniques for high-frequency oscillations. Prog Neurobio. 98 (3), 265-278 (2012).
  55. Gibbs, J. W. Fourier’s series. Nature. 59, 606 (1899).
  56. Burnos, S., Hilfiker, P., et al. Human Intracranial High Frequency Oscillations (HFOs) Detected by Automatic Time-Frequency Analysis. PLoS ONE. 9 (4), (2014).
  57. Jacobs, J., LeVan, P., Châtillon, C., Olivier, A., Dubeau, F., Gotman, J. High frequency oscillations in intracranial EEGs mark epileptogenicity rather than lesion type. Brain. 132 (4), 1022-1037 (2009).
  58. Urrestarazu, E., Chander, R., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (100-500 Hz) in the intracerebral EEG of epileptic patients. Brain. 130 (9), 2354-2366 (2007).
  59. Amiri, M., Lina, J. M., Pizzo, F., Gotman, J. High Frequency Oscillations and spikes: Separating real HFOs from false oscillations. Clin Neurophysiol. 127 (1), 187-196 (2015).
  60. Zelmann, R., Lina, J. M., Schulze-Bonhage, A., Gotman, J., Jacobs, J. Scalp EEG is not a Blur: It Can See High Frequency Oscillations Although Their Generators are Small. Brain Topogr. 27 (5), 683-704 (2014).
  61. Chowdhury, R. A., Lina, J. M., Kobayashi, E., Grova, C. MEG source localization of spatially extended generators of epileptic activity: comparing entropic and hierarchical bayesian approaches. PLoS One. 8 (2), e55969 (2013).
  62. Chowdhury, R. A., Merlet, I., Birot, G., Kobayashi, E., Nica, A., Biraben, A., Wendling, F., Lina, J. M., Albera, L., Grova, C. Complex patterns of spatially extended generators of epileptic activity: Comparison of source localization methods cMEM and 4-ExSo-MUSIC on high resolution EEG and MEG data. Neuroimage. , 175-195 (2016).
  63. Pellegrino, G., Hedrich, T., Chowdhury, R., Hall, J. A., Lina, J. M., Dubeau, F., Kobayashi, E., Grova, C. Source localization of the seizure onset zone from ictal EEG/MEG data. Hum Brain Mapp. 37 (7), 2528-2546 (2016).
  64. Grova, C., Aiguabella, M., Zelmann, R., Lina, J. M., Hall, J. A., Kobayashi, E. Intracranial EEG potentials estimated from MEG sources: A new approach to correlate MEG and iEEG data in epilepsy. Hum Brain Mapp. 37 (5), 1661-1683 (2016).
  65. Lina, J. M., Chowdhury, R. A., Lemay, E., Kobayashi, E., Grova, C. Wavelet-based localization of oscillatory sources from magnetoencephalography data. IEEE Trans Biomed Eng. 61 (8), 2350-2364 (2014).
  66. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis, I: segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
  67. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis, II: inflation, flattening, a surface-based coordinate system. Neuroimage. 9, 195-207 (1999).
  68. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomed Eng OnLine. 9 (1), (2010).
  69. Akiyama, T., McCoy, B., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52 (10), 1802-1811 (2011).
  70. Leahy, R. M., Mosher, J. C., Spencer, M. E., Huang, M. X., Lewine, J. D. A study of dipole localization accuracy for MEG and EEG using a human skull phantom. Electroencephalogr Clin Neurophysiol. 107 (2), 159-173 (1989).
  71. Hunold, A., Haueisen, J., Ahtam, B., Doshi, C., Harini, C., Camposano, S., Warfield, S. K., Grant, P. E., Okada, Y., Papadelis, C. Localization of the epileptogenic foci in tuberous sclerosis complex: a pediatric case report. Front Hum Neurosci. 8 (175), (2014).
  72. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the signal space separation method. Brain Topogr. 16 (4), 269-275 (2004).
  73. Taulu, S., Simola, J. Spatiotemporal signal space separation method for rejecting nearby interference in MEG measurements. Phys Med Biol. 51 (7), 1759-1768 (2006).
  74. Bénar, C. G., Chauvière, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on false ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  75. Dubarry, A. S., Badier, J. M., et al. Simultaneous recording of MEG, EEG and intracerebral EEG during visual stimulation: from feasibility to single-trial analysis. Neuroimage. 99, 548-558 (2014).
  76. Chrobak, J. J., Buzsaki, G. High-frequency oscillations in the output of the hippocampal-entorhinal axis of the freely behaving rat. J Neurosci. 19 (9), 3056-3066 (1996).
  77. Abend, N. S., Gutierrez-Colina, A., et al. Interobserver Reproducibility of Electroencephalogram Interpretation in Critically Ill Children. J Clin Neurophysiol. 28 (1), 15-19 (2011).
  78. Benbadis, S. R., LaFrance, W. C., Papandonatos, G. D., Korabathina, K., Lin, K., Kraemer, H. C. Interrater reliability of EEG-video monitoring. Neurology. 73 (11), 843-846 (2009).
  79. von Ellenrieder, N., Andrade-Valença, L., Dubeau, F., Gotman, J. Automatic detection of fast oscillations (40-200Hz) in scalp EEG recordings. Clin Neurophysiol. 123 (4), 670-680 (2012).
  80. Zelmann, R., Mari, F., Jacobs, J., Zijlmans, M., Dubeau, F., Gotman, J. A comparison between detectors of high frequency oscillations. Clin Neurophysiol. 123 (1), 106-116 (2011).
  81. Birot, G., Kachenoura, A., Albera, L., Bénar, C., Wendling, F. Automatic detection of fast ripples. J Neurosci Methods. 213 (2), 236-249 (2013).

Play Video

Diesen Artikel zitieren
Papadelis, C., Tamilia, E., Stufflebeam, S., Grant, P. E., Madsen, J. R., Pearl, P. L., Tanaka, N. Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy. J. Vis. Exp. (118), e54883, doi:10.3791/54883 (2016).

View Video