Summary

Oscilações de alta frequência interictais detectado com simultânea Magnetoencefalografia e Eletroencefalografia como biomarcador da Pediatric epilepsia

Published: December 06, 2016
doi:

Summary

Oscilações de alta frequência (HFO) surgiram como biomarcadores pré-cirúrgicos para a identificação da zona epileptogênica em pacientes pediátricos com epilepsia refratária. Uma metodologia para a gravação não-invasiva, a detecção e localização de HFO com electroencefalográfica couro cabeludo simultânea (EEG) e magnetoencephalography (MEG) é apresentada.

Abstract

Crucial para o sucesso da cirurgia de epilepsia é a disponibilidade de um biomarcador robusto que identifica a zona epileptogénicos (EZ). Oscilações de alta frequência (HFO) surgiram como potenciais biomarcadores pré-cirúrgicos para a identificação da EZ além interictal epileptiformes descargas (IEDs) e atividade ictal. Embora eles são promissores para localizar o EZ, eles não são ainda adequados para o diagnóstico ou monitorização da epilepsia na prática clínica. barreiras primárias permanecem: a falta de uma definição formal e global para HFOs; a consequente heterogeneidade das abordagens metodológicas utilizadas para o seu estudo; e as dificuldades práticas para detectar e localizar-los de forma não invasiva a partir de gravações do couro cabeludo. Aqui, apresentamos uma metodologia para a gravação, detecção e localização de HFOs interictais de pacientes pediátricos com epilepsia refratária. Relatamos dados representativos de HFOs detectados de forma não invasiva a partir do couro cabeludo interictal de EEG e MEG de duas criançassubmetidos a cirurgia.

Os geradores de HFO subjacentes foram localizadas por resolver o problema inverso, e a sua localização foi comparado com o início da zona Apreensão (SOZ) como esta foi definida pelos epileptologistas. Para ambos os pacientes, interictal epileptogênicas descargas (IEDs) e HFO foram localizados com a imagem de origem em locais concordantes. Para um paciente, os dados de EEG (IEEG) intracranianas foram também disponíveis. Para este paciente, descobrimos que a localização HFOs foi concordante entre métodos não invasivos e invasivos. A comparação de IEEG com os resultados de gravações couro cabeludo serviu para validar estas conclusões. Para nosso melhor conhecimento, este é o primeiro estudo que apresenta a localização de fontes de HFOs couro cabeludo a partir de gravações simultâneas de EEG e MEG, comparando os resultados com gravações invasoras. Estes achados sugerem que HFOs podem ser detectados de forma segura e localizada de forma não invasiva com escalpe EEG e MEG. Conclui-se que a localização não invasivo de interictal HFOs poderia melhorar significativamente a avaliação pré-cirúrgica para pacientes pediátricos com epilepsia.

Introduction

Epilepsia pediátrica é um distúrbio neurológico comum com uma taxa de prevalência de 4-6 por 1.000 crianças 1. Ele pode ter um grande impacto no desenvolvimento das crianças de 2 e pode afetar significativamente sua vida adulta. Estudos de acompanhamento a longo prazo na epilepsia de início na infância indicam que aproximadamente 30% dos pacientes com epilepsia se tornar medicamente intratável 3-6, e normalmente requerem cirurgia de epilepsia ressectivo. Em muitos desses pacientes, a cirurgia de epilepsia leva a uma redução significativa da frequência de crises e muitas vezes à liberdade de apreensão. Para ser bem sucedido, a cirurgia de epilepsia devem atingir um estado livre de crises, com mínima ou nenhuma déficits funcionais. Isso requer delimitação cuidadosa da Zona epileptogênicas (EZ) 7, a 'área do córtex que é indispensável para a geração de epiléptica convulsões «8. O EZ não pode ser medido diretamente; sua localização é estimado com base em dados concordantes de uma infinidade de testes that identificar outras zonas corticais. Invasiva eletroencefalografia intracraniana (IEEG) serve como o padrão-ouro para a localização da zona de apreensão início (SOZ), a região onde as apreensões são gerados e originam em gravações ictais. No entanto IEEG é caro, dependente da cooperação da criança, carrega algum risco de infecção e sangramento 9, e pode induzir a danos neurológicos adicionais durante a implantação 10. Além disso, as gravações podem levar a conclusões erradas uma vez que grandes áreas do cérebro são deixados inexplorada. Assim, um biomarcador presurgical robusta que ajuda na identificação do EZ é necessário para o sucesso do tratamento da epilepsia cirúrgica.

HFOs patológicas (80 – 500 Hz) 11,12 surgiram na última década como um biomarcador para a identificação do tecido epileptogênico que podem melhorar o diagnóstico pré-cirúrgica e resultado cirúrgico dos pacientes com epilepsia 13. Relatórios utilizando microeletrodos combinados com eletrodos de profundidade EEG mostrou a presença de HFO em pacientes com epilepsia. HFOs também foram encontrados usando macroelectrodes padrão durante o ictal e períodos interictais. Estudos recentes têm mostrado que HFO identificar o SOZ com maior sensibilidade e especificidade em comparação com a zona irritativa 14,15, a zona que gera os IED, e que a remoção cirúrgica do tecido HFO-geradora está correlacionada com resultados melhores do que a remoção da SOZ ou da zona irritativa 15. HFOs são comumente classificados como ondulações (80-250 Hz) ou ondulações rápidas (250 – 500 Hz). Ondulações rápidas foram mais intimamente ligada à actividade patológica e à localização do SOZ 16, mas as investigações de gravações intracranianos humanos indicam que ambas as ondulações e ondulações rápidas aumentar em regiões epileptogênicas 17.

Apesar destes resultados promissores, HFOs ainda não são adequados para o diagnóstico ou monitorização deepilepsia na prática clínica. barreiras primárias permanecem: (i) a falta de uma definição formal e global para HFOs; (Ii) a consequente heterogeneidade da metodológica abordagens utilizadas para o estudo; e (iii) as dificuldades práticas para detectar e localizar-los de forma não invasiva a partir de gravações do couro cabeludo. Este último decorre do fato de que os eletrodos estão longe da fonte do sinal, o sinal pode ser borrada pelo ruído de fundo e atividade muscular, e o sinal pode ser distorcida por o couro cabeludo ou as fontanelas e suturas no crânio, especialmente em pacientes infantis. Além disso, é difícil distinguir entre HFOs normais e anormais 18,19 vez que ambas as ondulações e ondulações rápidas estão presentes mesmo no tecido cerebral humano normal 20. Os primeiros estudos relataram HFOs em couro cabeludo EEG em apenas um pequeno – parte (0,2 3,4%) dos pacientes com epilepsia 21-23. No entanto, estudos recentes têm demonstrado que HFO podem ser detectados de forma não invasiva com EEG couro cabeludo. Ictally, HFOs foram relatados no início dos espasmos epilépticos em crianças (50 – 100 Hz 24, 40-120 Hz 25), bem como no aparecimento de convulsões tónicas em síndrome de Lennox-Gastaut (50 – 100 Hz) 26. HFOs interictais (70 – 200 Hz) foram observadas pela primeira vez no couro cabeludo EEG em crianças com induzida pelo sono estado de mal epiléptico eléctrico 27. Então, HFOs interictais (80-200 Hz) foram identificados no EEG do couro cabeludo de pacientes com epilepsia focal com taxas mais elevadas no interior do SOZ 28. Curiosamente, HFOs foram mais frequentes em pacientes com elevado número de descargas epileptiformes interictais (IEDs), e eles foram encontrados para ser mais específico do que IEDs para o SOZ 29, destacando a relação de HFO com epileptogenicidade.

MEG parece apresentar vantagens significativas em comparação com EEG couro cabeludo para a detecção não invasiva e localização de HFO: (i) elevada actividade de frequência em MEG é menos susceptível do que a contaminação de EEG muscularatividade 30-31, (ii) os sinais de MEG não são distorcidos por condutividade crânio e menos distorcida do EEG por regiões não fundidos do osso craniano como fontanela ou sutura, e (iii) conjuntos de sensores MEG têm maior densidade em relação ao EEG, que sempre enfrenta o problema do sal pontes entre os eletrodos quando a cabeça é pequena, como acontece com as crianças. Evidências de construções fantasmas que simulam HFOs geradores HFO sugeriram que podem ser detectados e localizados com alta precisão de localização (2-3 mm) com MEG 32. Vários estudos recentes relataram HFOs nos sinais de MEG gravados a partir de doentes com epilepsia na faixa de frequências de ondulação 33-38. Análise tempo-freqüência mostrou que os dados MEG contêm componentes de alta frequência relacionadas com a EZ 33-36. No entanto, poucos estudos têm identificado HFOs interictais como eventos visíveis que estão fora do sinal de fundo no domínio do tempo, como tipicamente feito com IEEG 37-38. Van Klink et ai. 37 detectado HFOs na banda de onda usando canais virtuais construídos com técnicas de formação de feixe com base em informação espacial obtida a partir de IEDs. Von Ellenrieder et ai. 38 detectado HFOs em sinais de MEG dos sensores físicos, independentemente dos IEDs e usou a entropia máxima no método Média (MEM) para localizar suas fontes e investigar a sua correlação com o EZ. Rampp et ai. (2010) também detectou oscilações de alta gama epilépticas com MEG, que foram trancados-pico ou pico-independente, e localizada esta atividade com o mínimo de norma-análise da fonte 39. Eles descobriram que características dessas oscilações rápidas (ou seja, o início clara de média-banda completa e amplitude máxima de oscilações) foram altamente associados com o SOZ. HFOs também foram detectados com MEG durante a atividade ictal em pacientes pediátricos com Síndrome de West 40. No entanto, MEG apresenta algumas limitações distintas em relação ao EEG do couro cabeludo: (i) é insensitive de fontes que têm uma orientação radial em relação ao centro da cabeça, (ii) que não permite gravações longas que aumentam a possibilidade de detectar e registar eventos ictais, e (iii) os seus sensores não pode estar em conformidade com a forma da cabeça de cada indivíduo, como o conjunto do capacete e um sensor dentro do capacete são todos fixos em forma. Assim, a configuração ideal, que maximiza a possibilidade de detectar e localizar a atividade epileptogênica é através da combinação de informações tanto EEG couro cabeludo e MEG.

Neste estudo, pretendemos ilustrar a metodologia que seguimos para a detecção não invasiva de HFOs interictais usando gravações simultâneas de couro cabeludo EEG e MEG de pacientes pediátricos com epilepsia refratária. Apresenta-se a configuração das gravações e a tubagem de análise de dados usando um método semi-automatizado que temos desenvolvido para a detecção de eventos em HFO dados simultâneas MEG e EEG. Finalmente, apresentamos também a localização dasubjacente geradores de HFOs couro cabeludo, obtidos por resolver o problema inverso, e compará-lo com o SOZ como este foi definido pelos epileptologists.

Protocol

Declaração de Ética: Os procedimentos experimentais aqui foram aprovados pelo Institutional Review Board (IRB) do Hospital Geral de Massachusetts, Boston, MA, EUA. A secção seguinte irá descrever o protocolo experimental para a não-invasivo de detecção e localização de fonte HFOs usando EEG couro cabeludo e MEG. A preparação do paciente é mínima, e o exame é geralmente bem tolerada. toda a sessão dura cerca de 2-3 h com os actuais gravações que duram cerca de 60 min. 1. Preparação do Paciente Certifique-se de que a criança está confortável com o ambiente. NOTA: Permitir que as crianças a explorar o ambiente de teste e ver o equipamento de teste. Tela do paciente em relação à segurança e autorização usando um formulário de triagem. Peça para o paciente (ou seu / seus pais) se ele / ela teve uma convulsão clínica no último 2 h. Remova todos os materiais metálicos / magnéticas e fornecer roupas emitido pelo hospital para o paciente. Retirar os sapatosuma vez que são frequentemente magnético. Verifique se o sujeito é livre de artefatos magnéticos medindo sinais de MEG por alguns minutos. Use um degausser para reduzir artefatos de materiais implantados, tais como trabalhos dentários. NOTA: O demagnetizer não deve ser aplicado, se existe alguma possibilidade que objectos ferromagnéticos estão dentro do corpo. Meça a circunferência máxima da cabeça para selecionar o tamanho da tampa EEG adequado para a criança. Use uma fita métrica e segurá-la ao nasion. Em seguida, medir em torno da cabeça em torno da circunferência máxima (~ 1 cm acima do inion). Coloque a tampa EEG na cabeça de acordo com a Internacional 10 – sistema 20. Limpar a pele, onde cada eletrodo é localizado e aplicar a pasta / gel para cada eletrodo. NOTA: Mais detalhes sobre as gravações de EEG do couro cabeludo em crianças são fornecidos em outros lugares 41. Coloque os eléctrodos de terra e de referência na cabeça. Conectar eléctrodos adicionais para a medição horizontal e vertical Eletroculografia (EOG), eletrocardiograma (ECG), eletromiografia (EMG) e eletrodos de EEG adicionais em locais abrangendo as regiões temporais (T1 / T2). NOTA: O EOG, ECG e EMG ajudar a identificação dos movimentos oculares, contaminação magnetocardiographic, a actividade do músculo, e também para controlar o estado do paciente. Certifique-se de que os canais de EEG ter um bom contacto com o couro cabeludo através do posicionamento dos sensores individualmente. Gire suavemente cada sensor de lado a lado para mover o cabelo fora do caminho. Meça todas as impedâncias eletrodo com um ohmímetro EEG, a fim de ser inferior a 10 kohm. Coloque quatro bobinas HPI na cabeça: dois atrás das orelhas e dois na testa em locais simétricos aproximados. NOTA: As bobinas HPI ajudar a localizar a posição relativa da cabeça do paciente em relação à localização dos sensores MEG no espaço 3D. O número de bobinas HPI pode ser diferente, dependendo do fornecedor do sistema de MEG. obter olocalizações das bobinas HPI e os eléctrodos de EEG, utilizando um digitalizador. NOTA: O digitalizador grava as coordenadas de um sensor no espaço 3D. O sensor é colocado na ponta de uma caneta. As localizações das bobinas HPI deve ser conhecido com respeito à anatomia da cabeça e as localizações dos sensores MEG. Obter as localizações dos pontos de referência fiduciais incluindo pontos e nasion pré-auricular esquerda / direita usando o digitalizador. Digitalizar pontos adicionais (aproximadamente 300 pontos) para se obter a forma da cabeça precisa. Transferir o paciente na sala magnética blindado (MSR) 42, onde o sistema de MEG está localizado. NOTA: A MSR é um ambiente blindado que minimiza a interferência de gravações MEG a partir de fontes eletromagnéticas externas (ou seja, linhas de energia, sinais de radiofrequência de dispositivos portáteis, dispositivos elétricos e computadores, campos magnéticos de mover objetos magnetizados, como carros, elevadores, e trens ). É composto de três camadas aninhadas.Cada camada é feita de uma camada de alumínio puro, mais uma camada ferromagnética de permeabilidade elevada (isto é, de mu-metal, uma liga consistindo principalmente em níquel e ferro). Deite o paciente na cama, colocou seu / sua cabeça dentro do capacete MEG, e aplicar apropriadas almofadas / esponjas sob a cabeça do paciente para o conforto. Ligue o IPHs, os condutores de EEG, o EOG, o ECG, a EMG, e os eletrodos adicionais para a máquina de gravação. Ajustar a posição da cabeça do paciente no scanner assegurar que ele está localizado o mais profundamente possível no capacete. 2. Aquisição de Dados MEG e EEG NOTA: aquisição de dados MEG / EEG é realizado com base no método descrito em um estudo anterior 42. Mais detalhes sobre o uso clínico do MEG na epilepsia pediátrica podem ser encontrados em outros lugares 43,44. Grave MEG sinaliza com um sistema de MEG whole-cabeça. NOTA: O sistema de MEG emprega sensores de película fina de dois tipos (planarGradiómetros e magnetômetros) integrado em 102 elementos sensores. Cada elemento contém um magnetómetro que consiste de uma única bobina, e dois Gradiómetros planares ortogonais que consistem de uma configuração de bobina do tipo "figura de oito". O magnetómetro mede o fluxo magnético perpendicular à sua superfície e os Gradiómetros medir a diferença entre as duas ansas do "oito", ou o gradiente espacial. O sistema de MEG tem 204 Gradiómetros planas e 102 magnetômetros (306 sensores no total). Sistemas MEG de diferentes fornecedores têm número e tipos de bobinas (ou seja, gradiómetros axiais) diferente. Gravar simultaneamente sinais de EEG, usando um boné de eletrodo 70 canais nonmagnetic com eletrodos anel sinterizado Ag / AgCl e eletrodos adicionais em T1 / T2 42. Use uma montagem de referência comum. Feche a porta do MSR. Comunique-se com o paciente através de um sistema de intercomunicação para verificar se ele / ela se sente confortável. Pedir ao pai para ficar inside do MSR durante a gravação se a criança se sente desconfortável para ficar sozinho. Iniciar as gravações, clicando no botão "Go" no software de aquisição de MEG. Use uma alta taxa de amostragem de 1 KHz (ou mais). Use um filtro low-pass Infinito Impulse Response (IIR) de 6 de ordem a 400 Hz. Verifique on-line todos os sinais gravados. Fix canais MEG maus usando um sintonizador de sensor. NOTA: Os canais Bad MEG são definidos sensores (Gradiómetros ou magnetômetros) que têm um nível relativamente elevado de ruído branco (acima de 2 a 5 pés / √HZ para magnetômetros) ou sensores que gravam ruído electromagnético ambiental espúria. Isto é geralmente acontecendo quando os sensores são expostas a uma forte (em relação aos sinais de medida) campos magnéticos e partes específicas das bobinas "armadilha" o fluxo magnético destruir a supercondutividade. Um sensor de sintonizador é usado então que o calor da bobina através da aplicação de uma corrente eléctrica através dele. Este procedimento é chamado de sintonia e é utilizado quandoo nível de ruído branco do sensor estiver acima de um limite específico (ie, 2-5 FT / √HZ). Alguns sistemas MEG não têm sintonizadores de sensores. Medir a posição da cabeça do paciente, clicando no botão 'Medida' no software de aquisição de MEG. Se a cabeça do paciente não está bem coberta pela matriz sensorial, pedir ao paciente para mover seu / sua cabeça mais fundo no capacete. NOTA: Esta manobra ativa os 4 bobinas HPI através da aplicação de sinais elétricos oscilatórios transitórios através das bobinas que geram campos magnéticos artificiais. Estes campos são detectados pelos sensores de MEG, assim a posição da cabeça é determinada. O procedimento pode variar entre diferentes fornecedores de MEG. Grave MEG, EEG, e gravações periféricas clicando no botão 'Record' no software de aquisição de MEG (ou seja, ECG, EOG e EMG) para ~ 60 min. NOTA: Os dados são armazenados como um arquivo .fif nas matrizes redundante de discos independentes (RAID).O tipo de arquivo é diferente para outros fornecedores de MEG. Quando a gravação termina, abra o MSR, desconecte os cabos, e tirar o paciente da sala de MSR. Remova todas as fitas, eletrodos, bobinas HPI e tampa EEG suavemente. Fornecer a lavagem da cabeça para o paciente. Após a aquisição for concluída, gravar os sinais magnéticos do MSR vazio sem o paciente. Iniciar as gravações, clicando no botão "Go" no software de aquisição de MEG. dados MEG grave por 2 min, utilizando os mesmos parâmetros como no passo 2.1.4. NOTA: Esta informação é usada para estimar o ruído electromagnético ambiental. MRI Adquirir dados de MRI anatômicas com sequências gradiente-eco rápida aquisição preparou-magnetização (MPRAGE; TE = 1,74 ms, TR = 2.520 ms, voxel size = 1 × 1 × 1 mm) com um scanner 3T de alta resolução. Os detalhes sobre o protocolo de ressonância magnética pode ser encontrada em outro lugar 45. NOTA: Nós não realizar o exame de ressonância magnéticano mesmo dia que a sessão de MEG, a fim de evitar artefactos nas gravações MEG, devido a possíveis magnetização de implantes metálicos do paciente, tais como a partir de obras dentários. 3. Identificação de Actividade interictal Abra a dados usando Brainstorm 46, que está documentado e livremente disponível para download on-line sob a licença pública geral GNU. Escolha porções visualmente os dados de EEG com actividade intercrítico ocorrendo pelo menos 2 h para além de convulsões clínicos. NOTA: A Figura 1 apresenta uma porção dos dados de EEG e MEG com IED frequentes. Identificar empiricamente IEDs bem definidos nos sinais de EEG: isto inclui picos (20 – 70 ms) e ondas agudas (70 – 200 ms) 47-48. NOTA: O significado clínico dos dois tipos de IEDs na localização do foco epiléptico é equivalente. Tente identificar (se possível) porções das gravações com: (i) moti mínimoem artefatos, (ii) mais de 3 – 4 IEDs por display de 10 s, e (iii) de ondas lentas do sono não-REM, que geralmente apresentam um elevado número de HFOs 49. Figura 1: IEDs em EEG e MEG Sinais. Parcela do couro cabeludo gravados simultaneamente EEG e MEG sinaliza com IEDs frequentes. 1 s de secção realçada que contém uma onda afiada é apresentado nos painéis direito em uma exibição escala de tempo prolongado. Os pontos vermelhos indicam o pico dos IEDs. Por favor clique aqui para ver uma versão maior desta figura. Usando Brainstorm, exibir os dados com as configurações de exibição padrão (10 s / página). Vá para a guia Filtro e colocar a seguinte indicação parâmetros de filtro: filtro passa-alta: 1 Hz, filtro passa-baixa: 80 Hz, filtro de Notch: 50 °r 60 Hz (de acordo com a frequência da linha de alimentação). Inspecionar os dados e identificar partes de dados com IEDs. NOTA: Apenas porções de sinal com IEDs será digitalizado para procurar HFOs (passo 3.4). Os filtros selecionados são apenas para visualização; eles não tiverem sido aplicadas aos dados. A fim de aplicar estes filtros permanentemente com os dados, usar um band-pass Butterworth filtro (4ª ordem) seguindo as instruções no site Brainstorm (http://neuroimage.usc.edu/brainstorm/). Mark o pico de cada IED que ocorre tanto em dados de EEG e MEG (ver manchas vermelhas na Figura 1). NOTA: Mais detalhes sobre marcação IEDs usando Brainstorm podem ser encontrados em outros lugares (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy). 4. Detecção automática Semi-de HFO em simultâneo Scalp EEG e Dados MEG NOTA: Aqui nós descrevemos um método semi-automatizado para detectar HFOs, que inclui uma detecção automática (passo 4.1; FiguRE 2), seguido por uma avaliação visual dos HFO detectados automaticamente (Passo 4.3). A fim de evitar as oscilações espúrias de transientes agudos como verdadeiros ondulações e para garantir que os HFOs não são devido a um fenómeno de filtragem, seguimos as últimas sugestões na literatura relevante: o que é necessário os HFOs ter um número mínimo de 4 oscilações desde tem-se observado que a resposta ao impulso do filtro tem menos oscilações do que o número escolhido de ciclos 50, utilizou-se o filtro de resposta de impulso finito (FIR) para minimizar o efeito e o "Gibbs" fenómeno 50 tocando, o que for necessário os eventos HFO candidatos a inspeccionar também visualmente por um especialista para verificar se os HFOs também foram sobrepostos visível nos IEDs 50,51, e nós necessário uma ilha isolada a serem observados na planície tempo-frequência porque um evento agudo e uma oscilação têm diferentes assinaturas: um verdadeiro HFO é representado por um pico isolado no tempo-frequenplot cy (restrito em freqüência, como "ilha"), localizada na faixa de 80 – 500 Hz, enquanto que um evento transitória gera uma bolha alongado, estendida na freqüência 50,52,53. Figura 2: Diagrama esquemático do algoritmo Passos. O algoritmo funciona em duas etapas: a primeira identifica HFOs candidatos a partir de cada sinal EEG no domínio do tempo (esquerda e colunas do meio); a segunda uma classifica os eventos detectados candidatos anteriormente, a fim de distinguir HFO reais de artefactos no domínio do tempo-frequência (coluna da direita). Por favor clique aqui para ver uma versão maior desta figura. A detecção automática de HFO NOTA: A Figura 2 descreve o diagrama de fluxo da detecção automáticade HFO em cada sinal de EEG. O objetivo do método desenvolvido é o de reduzir a carga para o perito EEG de marcar eventos HFO em cada canal EEG usando um display 2 s / página que é recomendado para a inspeção visual de HFO. Um HFO foi definida como um evento dentro da faixa de frequência de ondulação (80-250 Hz), que tem pelo menos 4 oscilações de sinusoidal como morfologia de pé para fora do fundo circundante 54 (passo 4.1.1), e que aparece como um curto viveu evento com um pico espectral isolado em uma alta frequência distinta 14 (passo 4.1.2). Detecção de HFO candidatos no domínio do tempo Passa-banda (BP) filtrar os sinais de EEG entre 80 e 250 Hz, restringindo o conteúdo de frequência dos sinais para a banda onda de interesse. NOTA: Recomenda-se usar um filtro FIR para minimizar a tocar efeito eo "Gibbs" fenômeno 55, e filtragem digital de fase zero a evitar a distorção de fase. Calcularo envelope do sinal de BP utilizando a transformação de Hilbert. Calcular a média e o desvio padrão (SD) do envelope ao longo de 10 s janelas centrado em cada ponto da série temporal de correr. Estimar a média global e SD utilizando o valor médio sobre todas as janelas (de modo a obter valores que são robustos para a possível presença de porções do sinal com muitos HFO e alto DP). Calcule o z-score do envelope e marcar um candidato HFO cada vez que o z-score é superior ao limiar mínimo, igual a 3 56. Definir os pontos inicial e final do evento detectado como os cruzamentos ascendentes e descendentes de metade do limite. Considere as HFO com um intervalo inter-caso de menos de 30 ms como um único HFO. Calcular o número de picos no sinal BP entre a partida e HFO pontos finais, e descartar eventos com menos do que 4 picos. Além disso, descartar eventos com um z-score superior a 12. NOTA: modificar a sua máximahum limite z-score de acordo com a amplitude dos artefatos que podem ocorrer em suas gravações. Eventos com um baixo número de oscilações pode ser causada por efeitos de filtragem 57,58, ao passo que eventos com extremamente elevada amplitude pode ser devido a musculares ou eletrodo artefatos. Rejeitar possíveis artefatos no domínio do tempo-frequência. NOTA: Este passo é necessário distinguir HFO reais de acontecimentos que podem ser induzidos por outros artefactos de actividade e de filtragem de EEG, cujo conteúdo de frequência não é restrito à banda de frequências de interesse. Baseia-se no pressuposto de que um verdadeiro HFO aparece como um evento de vida curta com um pico espectral isolado a uma frequência superior a 80 Hz distinta, em contraste com um evento transiente que gera uma bolha alongado estendido em frequência 59. A Figura 3 ilustra um exemplo de um HFO detectado que mostra o sinal filtrado BP EEG (painel superior), o seu envelope (painel do meio), e o correspondeming plano tempo-frequência (painel inferior), durante o período de [-0.5, +0.5] s em torno do pico HFO. A exibição do plano tempo-frequência é restrito 80-150 Hz porque nenhuma atividade de destaque foi observado para frequências acima de 150 Hz. Transformar todas as HFO candidatos eventos no espaço tempo-frequência usando a transformação Morlet na faixa de freqüência de 1 Hz a maior freqüência de interesse, ou seja, 250 Hz (frequência central = 1 Hz, Full-largura no Half-Máximo = 3 s). Analisar o espectro de energia instantânea da representação tempo-frequência sobre cada ponto de tempo da duração do evento. Para cada espectro de potência, siga os critérios automáticos descritos por Burnos et al. 56 para detectar o pico na banda de alta frequência e para verificar se é claramente distinta do pico mais próximo na gama de frequências mais baixa. Descartar HFO que não mostram um espectro de potência com um pico isolado de alta frequência em, pelo menos, 90% doOs pontos de tempo. Classificar todos os eventos HFOs detectadas pela sua ocorrência temporal em todos os canais. Agrupar todos os HFOs consecutivos cuja duração se sobrepõe. Mantenha apenas os grupos de HFOs envolvendo pelo menos dois canais de EEG, para posterior análise. NOTA: O algoritmo solicita os HFO para ocorrer em pelo menos 2 canais, a fim de evitar a captura de artefactos aleatórios espúrios, que pode assemelhar-HFO reais e ocorrem nas derivações EEG individuais. Dois HFO consecutivos são considerados como sobreposição quando a hora de início da segunda HFO precede o tempo de início do primeiro. Figura 3: HFO evento detectado pelo algoritmo. Painel superior: a BP filtrada (80 – 150 Hz) do sinal EEG (em mV) de um canal (F8 – T8) de paciente 1. painel médio: o envelope do sinal BP (z-score). O pico do envelope (asterisco vermelho) indica o momento do pico HFO (linha pontilhada vertical vermelha). Os asteriscos azuis marcar as passagens ascendentes e descendentes de metade do limite (linha azul pontilhada), que indicam o início e término pontos temporais dos HFO (linhas pontilhadas verticais azuis). painel inferior: o plano de análise tempo-freqüência. Observe o pico isolado na faixa de frequências de ondulação (~ 100 Hz) em torno do pico da HFO. Por favor clique aqui para ver uma versão maior desta figura. avaliação visual dos eventos HFO NOTA: Parte da avaliação visual é baseado nas diretrizes propostas pela Andrade-Valença et al. 28 e Zelmann et ai. 60. Alinhar verticalmente 2 telas de computador; um para a inspeção de EEG e um para a inspeção de sinais de MEG. Exibir os eventos detectados em ambos os expandido (2 s / página) e s típicosCale (10 s / página) mostrando, respectivamente, a 80-250 Hz e a 1 – 40 Hz BP sinais filtrados. Ignorar eventos cooccurring com musculares ou eletrodo artefatos no EEG não filtrada e MEG, bem como eventos com grande variabilidade de freqüência, morfologia irregular, ou grandes variações de amplitude. Observar o EOG e sinais EMG durante a detecção dos HFO e descartar qualquer caso em que se pensa corresponder ao EOG ou atividade muscular. Considerar apenas os HFOs que se sobrepõem com EEG / MEG IEDs (detectado no passo 3.3), como eles são mais propensos a ser verdadeiros HFOs 15,28,56. NOTA: Esta abordagem oferece alta especificidade ao custo de baixa sensibilidade; Assim, ele fornece a confiança de que os HFOs identificados são de origem cortical. Manter apenas eventos HFO que ocorrem em ambos os sinais de EEG e MEG ao mesmo tempo. 5. localização de fontes de IEDs e HFOs Localizar os geradores no pico do MEG IEDs, Marcados na etapa 3.3, utilizando os dipolos corrente equivalente (ECD). Use o software Estimativas Norm mínima que está disponível gratuitamente (http://martinos.org/mne/stable/index.html). Considere crava apenas com o bem-of-fit (GOF)> 80% e dipolo momento Q <500 nA – m. Sobrepor a localização ECD na ressonância de cada paciente. NOTA: a entropia máxima na média (MEM) é um método alternativo atractivo que determina a localização e extensão das fontes 61. HFO localização de fontes, tanto EEG e MEG usando a wavelet Máxima Entropia no método Média (wMEM) (como proposto por von Ellenrieder et al 38). NOTA: O MAM é uma técnica eficiente que tem sido utilizado com sucesso para determinar a localização e extensão das fontes de actividade epiléptica 62-64. O wMEM é uma extensão de MEM que tem sido desenvolvido para a localização de actividade oscilatória tal como avaliadas com simulações realistas 65. Decompõe-se o sinal em um disbase wavelet Creta antes de executar MEM localização de fontes em cada caixa de tempo-frequência. Assim, wMEM é particularmente bem adaptado para localizar HFO. Segmento da ressonância magnética e obter a superfície cortical usando Freesurfer 66-67. Resolver o problema para a frente EEG / MEG com o método dos elementos de contorno (MEC) para um modelo de 3 camadas utilizando OpenMEEG 68. Reamostrar o sinal a 640 Hz, a fim de assegurar que a segunda escala de wavelet transformada discreta corresponde à banda de frequências de interesse. Estimar a matriz de covariância de ruído no espaço de dados de forma independente para cada HFO, com base na formação de ondulação da banda em uma janela de 150 ms imediatamente antes de cada HFO. Executar a localização de fontes para cada HFO na banda de onda e média ao longo da duração HFO. Nota: O mapa resultante consiste de um valor de activação cortical associado a cada vértice do pavimentação cortical. Normalizar cada mapa a fim de ter um máximovalor de ativação igual a 1 para cada HFO. Calcule a média dos valores de activação através de todas as HFO em cada vértice. Aplicar um limiar de 60% da activação máxima de modo a exibir os mapas finais através da superfície cortical. 6. Validação Intracraniana EEG (IEEG): Adquirir extra-operatório IEEG empregando grades subdural e / ou eletrodos de profundidade estereotaxicamente guiadas. Guiar a colocação dos eléctrodos com base nos resultados de testes de avaliação pré-operatória e as hipóteses anteriores clínicos para ser dirigida, que é específico para cada paciente. NOTA: intracraniana EEG é gravado com um sistema de EEG digital usando uma taxa de amostragem de 2 KHz, como parte da avaliação pré-cirúrgica. Grades subdurais são tipicamente a melhor escolha, se a topografia da área apreensão cortical é importante para resolver, e se o mapeamento do córtex eloqüente é crítica (por exemplo, com uma área epileptogênica perto primarY córtex motor, em que as fronteiras exactas pode ser estimado através de mapeamento de estimulação e análise de EEG intracraniana ictal). Definição do SOZ: Identificar o SOZ tal como definido por um epileptologist especialista com base na informação disponível clínico para cada paciente. NOTA: O SOZ é definida como a área mostrando a propagação mais rapidamente e de mudança rápida IEEG (descarga ictal) a partir da linha de base antes de, ou concomitantemente com o aparecimento clínico. Todos os canais envolvidos no início da descarga eletrográfico ictal, geralmente os primeiros 5 s, foram considerados como a SOZ. Em doentes em que as convulsões são originários a partir de mais do que uma área de forma independente uns dos outros, todos os contactos dentro das diferentes SOZs são considerados como contactos SOZ. O especialista é cego para os resultados da localização de origem HFO no momento de definir o SOZ. A informação clínica também inclui: achados ictais e interictais IEEG, lesão visível na ressonância magnética, ictal e interictal couro cabeludo EEGdescobertas. Identificação dos canais HFO: Detectar as HFOs em cada eletrodo intracraniana, conforme descrito em 4.1. Usar o método de Kittler para determinar o limiar com base no histograma do número de HFO de todos os canais, em seguida, aplicar bootstrapping e calcular a média como o limiar final 69. Finalmente, identificar os canais com uma taxa de HFO acima do limiar. Comparar a localização HFO com o SOZ identificado em 6.2 como o padrão ouro para os resultados da localização de origem.

Representative Results

Os pacientes pediátricos com epilepsia refratária foram recrutados no Ambulatório de Epilepsia do Hospital Infantil de Boston (Boston, EUA). Aqui, os dados representativos de 2 pacientes são apresentados: uma menina de 15 anos de idade com encephalomalacia da artéria cerebral média direita (MCA) região (paciente 1), e um menino de 11 anos de idade com parietal esquerdo encephalomalacia temporais / Superior ( paciente 2). Os dados foram coletados como parte de sua propedêutica pré-cirúrgica para a cirurgia. Simultâneas gravações MEG e EEG foram realizados no Athinoula A. Martinos Center for Biomedical Imaging. Para ambos os pacientes, HFOs foram identificados na banda de frequências de onda (80-150 Hz), ocorrendo em ambos os EEG e MEG e IEDs sobrepostas. A Figura 4 apresenta 10 s de couro cabeludo simultânea de EEG e MEG dados com atividade interictal (painéis superiores) do paciente 1. A mesma figura também relata umN escala de tempo prolongado porção (2 s) dos sinais, que mostra a HFO detectados no domínio do tempo (pains do meio) e no plano tempo-frequência (painel inferior). Este paciente apresentou uma taxa de 8,8 HFOs / min. Para maior clareza, a exibição do plano tempo-frequência é restrito 80-150 Hz porque nenhuma actividade proeminente foi observado para frequências acima de 150 Hz. No paciente 1, a detecção automática identificou 248 HFOs eventos dentro de 8.65 min de gravações. Após a avaliação visual dos eventos detectados, 76 eventos foram mantidos que foram consideradas como sendo HFO reais, a obtenção de uma taxa de 8,8 HFO / min. Figura 4: HFOs sobrepostos em IEDs detectado a partir do couro cabeludo EEG e MEG. Painel superior: IEDs de paciente 1 detectados a partir do couro cabeludo EEG (esquerda) e MEG (direita). 10 s de dados filtrados 1-70 Hz. Painel médio: exibição de escala de tempo prolongado (2 s) dos dados de EEG e MEG destacado com fundo cinza no painel superior. Os dados são filtrados 80-150 Hz. Painel inferior: Plano de 2 representativos de EEG e MEG canais Time-frequência. Por favor clique aqui para ver uma versão maior desta figura. A Figura 5 apresenta os resultados HFOs de localização para o paciente 1, tanto EEG couro cabeludo e MEG. Ambas as técnicas localizadas as HFOs na vizinhança da lesão em um local próximo à junção temporo-parietal direita. MEG e EEG apresentou resultados ligeiramente diferentes de localização: MEG actividade foi localizada mais anteriormente em relação ao EEG e mais perto do limite posterior da lesão. A distância entre os dois máximos de actividade wMEM para o MEG e EEG foi de 15,0 mm. HFOs localizatidiante também foi ao lado da zona irritativa como este foi definido pelo MEG. A distância Euclidiana entre os ECD médios e a atividade máxima wMEM foi de 18,7 mm para o MEG e 28,0 mm para o EEG do couro cabeludo. Para o paciente 2, identificamos 8 min de dados durante de ondas lentas não-REM do sono com IED e artefatos mínimas que usamos para a análise HFO. O número de HFO couro cabeludo foi significativamente menor do que no paciente 1, que mostra uma taxa de 0,4 HFO / min. A Figura 6 apresenta os resultados da localização de origem de HFOs couro cabeludo para MEG e couro cabeludo EEG, os IEDs localizados por MEG usando ECD, e a localização do HFOs detectados pelo IEEG. A distância entre o 2 máximos de actividade wMEM para o MEG e EEG foi de 16,4 mm. A distância entre os ECD calculados e a actividade máxima wMEM foi de 10,9 mm para o MEG e 24,1 mm para o EEG. A zona HFO identificados de forma não invasiva por escalpe EEG e MEG foi no mesmo local onde os HFOs foram identified invasiva com IEEG. Os eléctrodos com o maior número de HFO foram LA51, LA52, LA53 e, como mostrado na Figura 6, cuja localização foi concordante com a actividade HFO localizada de forma não invasiva. Figura 5: Localização da HFO e IEDs. HFO zona localizada usando o wMEM com MEG e de EEG de uma doente sobreposta na RM do paciente (esquerda). O mapa HFO representa a média dos valores normalizados de activação de limiar definido em 60% da actividade máxima. IEDs localizados por ECD com MEG (à direita). As posições e orientações dos ECD são indicados em ciano. O triângulo roxo indica a localização dos ECD médios (46 ECD), e o retângulo vermelho a localização do ECD de IEDs médios (28 IEDs). Para o cálculo da média dos IEDs, identificamospicos com morfologia semelhante. Por favor clique aqui para ver uma versão maior desta figura. Figura 6: A concordância espacial entre a Zona HFO localizada de forma não invasiva com Scalp EEG e MEG, a zona irritativa, e da Zona HFO localizada invasiva com IEEG. Painéis superiores: Localização dos HFOs de paciente 2 com EEG do couro cabeludo (esquerda) e MEG (meio), e localização de IEDs com MEG (à direita) sobrepostos em MRI do paciente. O mapa HFO representa a média dos valores normalizados de activação de limiar definido em 60% da actividade máxima. círculos e barras Ciano indicam as localizações e as orientações do ECD. O triângulo roxo indica a localização dos ECD médios (30 ECD) e o retângulo vermelho tele localização do ECD de IEDs médios (21 IEDs). Painéis inferiores: Localização do HFOs sobre IEEG (esquerda) e 2 s de gravações de canais com a taxa de HFO mais alto. eléctrodos implantados são exibidas IRM do paciente. A localização do eléctrodo é obtida por co-registar a tomografia pós-implantado computadorizada (TC) e imagens de RM. Os eletrodos com a maior taxa de HFO são destacadas no mapa da rede implantada no córtex do paciente. Por favor clique aqui para ver uma versão maior desta figura. Os resultados representativos aqui apresentados indicam o uso potencial da técnica descrita no contexto clínico para a identificação não invasiva e localização de HFO durante a avaliação pré-cirúrgica de pacientes pediátricos com epilepsia refratária. Para ambos os pacientes, HFOs foram localized concordantes para couro cabeludo EEG e MEG (ver Figura 5). Diferenças localização de alguns mm podem ser atribuídos à habilidade de localização superior, de alta densidade em comparação com MEG 70 EEG couro cabeludo, ou podem representar diferentes geradores subjacentes 71. A localização também foi concordante com a zona irritativa como este foi definido pelo MEG (ver Figura 5 – direito painel). No caso da paciente 2, os dados de IEEG também estavam disponíveis. A zona HFOs localizada de forma não invasiva com escalpe EEG e MEG foi concordante com a zona HFOs definido invasiva com IEEG (ver Figura 6). Os resultados do método proposto pode orientar a colocação de grades durante a cirurgia da epilepsia para o potencial de identificação do EZ.

Discussion

Convergindo evidências de estudos em animais e humanos mostrou que HFOs são um novo biomarcador potencial para o tecido epileptogênico. Apesar desta evidência, HFOs tem uma utilização muito limitada na prática clínica para o diagnóstico ou monitorização de epilepsia, principalmente porque: (i) não existe uma definição formal e global para HFOs; (Ii) grupos de pesquisa diferentes usam metodologia diferente para a gravação e análise de dados; (Iii) a detecção não invasiva de HFO com técnicas de neuroimagem é um desafio; e (iv) do processo de avaliação de HFO é demorado e pouco prático, especialmente para o EEG multicanal ou gravações MEG com um elevado número de sensores. Em um esforço para fornecer uma metodologia mundial padronizado que promove o uso sistemático de HFOs na prática clínica, a metodologia que é seguida no Hospital Infantil de Boston para a gravação não invasivo, detecção e localização de HFOs interictais de pacientes pediátricos com epilepsia é apresentado. representantee resultados de HFOs detectados com couro cabeludo simultânea EEG e MEG a partir de duas crianças com epilepsia refratária também são apresentados.

As etapas críticas no âmbito do protocolo

A metodologia proposta inclui os seguintes passos críticos: (i) o desempenho de alta Signal-to-Noise-Ratio (SNR) de EEG e MEG gravações simultâneas de atividade interictal de pacientes pediátricos com epilepsia refratária (passos 2.1.1 e 2.1.2 ); (Ii) o pré-processamento cuidadoso e selecção de dados com descargas intercríticos (passos 3.1 e 3.2); (Iii) a avaliação visual dos HFOs identificados eventos com elevada especificidade (passos 4.3.1, 4.3.2, e 4.3.3); e (iv) a localização fiável dos HFO utilizando um método apropriado de localização (passo 5.2).

O passo mais crítico neste protocolo é a avaliação visual dos eventos HFO identificados pelo detector automático. Uma revisão rigorosa dos HFOs detectados automaticamente é crucial para descartar HFOs de origem não cerebral. No entanto, a fadiga ou distracção do revisor humano durante a inspecção visual do EEG multicanal e MEG dados podem levar a erros, reduzindo a especificidade do processo de detecção.

Modificações e solução de problemas

Nós evitar o uso da projecção de espaço de sinal (SSP) e métodos de intervalos de sinais de separação (SSS) 72,73 a fim de assegurar que não houve distorção da actividade HFO com a sua aplicação. Estes métodos são frequentemente utilizados pela maioria dos usuários do fornecedor MEG especial para suprimir interferências externas e para corrigir os movimentos da cabeça 72. Outros estudos são necessários a fim de garantir que a aplicação destes métodos não afectam ou distorcer a actividade HFO ou não produzir efeitos espúrios que podem assemelhar-se HFO humanos. Pequenas modificações do limite mínimo do z-score do envelope de sinal (passo 4.1.1.3) e do limiar da acvalores vação (passo 5.2.6) podem ser necessários para melhorar a sensibilidade do algoritmo para a detecção de HFO e restringir a localização da zona de HFO numa zona focal mais.

Limitações da técnica

O método descrito apresenta limitações que devem ser abordadas em estudos futuros. Em primeiro lugar, não se considera HFOs que ocorrem apenas nos sinais de MEG ou EEG, e isso não inclui a detecção automática de HFOs nos sinais de MEG, o que implica que alguns real baixo SNR MEG HFOs pode escapar inspeção visual 74. Além disso, a sensibilidade e especificidade do método proposto para detectar os HFOs e sua capacidade de localizá-los com alta precisão deve ser validado com gravações simultâneas de couro cabeludo EEG, MEG, e IEEG 75. Os nossos dados mostraram que o ECD individuais indicaram uma zona irritativa prolongado em comparação com a zona focal HFO. No entanto, quando os ECD-se a média, então o locatio dipolon era muito perto da zona de HFO para ambos os pacientes. Os nossos dados indicam a especificidade dos 2 modos, mostrando uma possível maior especificidade da zona de HFO para epileptogenicidade (particularmente para o paciente 2 para os quais a zona de HFO foi sobreposto com o SOZ) em comparação com a zona irritativa, embora conclusões seguras não pode ser desenhada a partir de um pequeno grupo de pacientes, tais. Mais importante, a localização das fontes HFO não implica directamente localizar o EZ que é responsável por convulsões. Nossos resultados devem ser validados contra o resultado da cirurgia de epilepsia que pretende fazer em um estudo futuro. Finalmente, para gravar os dados de EEG, foi utilizado um sistema de 70 canais. No entanto, na maioria dos centros a configuração EEG clínico padrão é usado que grava dados de 19 eletrodos colocados de acordo com a 10 – sistema 20. Mais sistemas de EEG pediátricos avançadas com número muito maior de canais (até 256) estão actualmente disponíveis no mercado. A utilização destes sistemas pode melhorar ainda mais o tele precisão a localização da zona de HFOs detectado com EEG do couro cabeludo.

Significância da técnica em relação a métodos existentes / alternativas

Para nosso melhor conhecimento, este é o primeiro estudo que relata a localização não invasiva da HFOs interictais com EEG simultânea e MEG, e também investiga a concordância dos resultados da localização com os de gravações intracranianos. A gravação não-invasiva, a detecção e localização de HFO é um desafio. Isto é porque HFO são sinais muito fracos gerados por regiões cerebrais pequenas da ordem de 16,76 milímetros cúbicos e, além disso, impedido pela actividade do ruído de fundo e cérebro. Um estudo recente propôs que HFOs registrada de forma não invasiva com EEG do couro cabeludo representam a soma de atividade de múltipla focal espacialmente distribuídos e fontes coerentes 60. Até agora, alguns estudos 28,29,37,38,60 conseguiu mostrar que HFO podem ser detectados de forma não invasiva com SCAlp EEG e MEG; menos ainda localizada esta actividade, resolvendo o problema inverso 37-38.

Aqui, evidência de HFOs interictais são apresentados que foram detectados com couro cabeludo simultânea EEG e MEG de dois pacientes pediátricos com epilepsia. HFOs foram localizados usando um quadro descrito anteriormente 38. Os dados representativos sugerem que a localização não invasiva da HFOs interictais é viável, utilizando técnicas de imagem de origem realizados em cada EEG do couro cabeludo ou gravações MEG, assumindo que uma técnica de localização apropriado é usado. Isto está de acordo com um estudo anterior que usou uma construção semelhante a phantom HFOs geradores, o que indica que HFOs pode ser de forma não invasiva detectado e localizado com precisão com MEG 32.

A detecção e rotulagem de HFOs interictais é tradicionalmente realizada através da inspeção visual dos dados de especialistas EEG humanos. Embora esta abordagem é frequentemente regarded como padrão-ouro, apresenta sérias limitações uma vez que tem pouca confiabilidade inter-revisor 77,78, e não é aplicável a grandes conjuntos de dados MEG e EEG com elevado número de sensores. Crucial para a aplicação de HFO na prática clínica é o desenvolvimento de algoritmos que detectam as HFO automaticamente a partir de gravações do couro cabeludo, reduzindo a necessidade de intervenção humana. A identificação visual de HFOs couro cabeludo é de fato bastante desafiador devido a: (i) a baixa SNR de HFOs no couro cabeludo; (Ii) as taxas mais baixas de HFO em gravações do couro cabeludo, em comparação com aqueles intracranianos, o que implica a análise dos tempos de gravação mais longos; e (iii) o elevado número de canais a analisar, em particular no EEG de alta densidade ou MEG. Vários algoritmos de detecção automática e semi-automática de HFO têm sido propostas na última década 54. Detectores anteriores invocadas limiares no domínio do tempo, a fim de identificar eventos que podem ser distinguidos em curso atividade de fundo 49,80. Os avanços recentes também sugerem incorporar informações de domínio da frequência, assumindo que um HFO deve aparecer como um evento de curta duração com um pico espectral isolado em um 50,56,81 frequência distinta. Métodos semi-automáticos parece ser a abordagem mais adequada para a aplicação de HFOs na prática clínica. Estes métodos envolvem 2 etapas: (i) detecção automática inicial de eventos que tem alta sensibilidade, e (ii) revisão visual dos eventos por um especialista, que tem alta especificidade. Esta abordagem fornece uma especificidade mais elevada em comparação com os métodos inteiramente automatizadas e assegura que os acontecimentos finais avaliação são HFO reais de origem cerebral.

Aqui, um método semi-automático é apresentado que permite a detecção de HFOs de couro cabeludo interictal de EEG e MEG gravações. O método proposto amplia as técnicas para a detecção de HFO couro cabeludo de EEG 60 anteriormente descrito, incorporando nos dois critérios de identificação de importaçãocaracterísticas da formiga: (i) a análise tempo-frequência automática dos eventos HFO; e (ii) a concordância temporal da HFO eventos em ambas as gravações MEG e EEG.

As aplicações futuras ou direções Depois de dominar esta técnica

A localização confiável de HFO com métodos de neuroimagem não invasivas, tais como couro cabeludo EEG e MEG, é crítica. Dominar, melhorar e validar o protocolo proposto irá fornecer médicos com um biomarcador confiável, de forma não invasiva gravável para a identificação da EZ. O desenvolvimento de um tal biomarcador tem o potencial de reduzir a exigência de acompanhamento a longo prazo e gravações intracranianos invasivos que levam a uma melhoria significativa no processo de avaliação pré-operatória em pacientes pediátricos. Seria não só ajudam a identificar o tecido epileptogênico para a cirurgia, mas que também permitem o diagnóstico diferencial definitivo de epilepsia de crises sintomáticas agudas, exigindo uma inteiramente difealugar abordagem de tratamento e de crises não epilépticas poupando a necessidade de acompanhamento a longo prazo em alguns pacientes. Além disso, isso pode permitir a avaliação da eficácia de intervenções terapêuticas sem esperar por outro ataque ocorra.

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