Corticale Analyse de la source de haute densité EEG Recordings chez les enfants

Le président Barack Obama a décrit le cerveau humain comme la prochaine frontière de la découverte scientifique de haute importance pour la santé et l'économie ³ (http://www.whitehouse.gov/share/brain-initiative). Toutefois, comme dans tout autre domaine dans les sciences naturelles, les neurosciences dépend de progrès dans les méthodes et techniques d'analyse de progrès. Deux outils non invasifs couramment utilisés dans les études sur le fonctionnement du cerveau chez l'homme sont l'imagerie par résonance magnétique (IRM) et l'électroencéphalographie (EEG). Ces outils exploitent des propriétés physiques différentes et fournir différentes perspectives sur le fonctionnement du cerveau avec des avantages et des inconvénients. L'IRM utilise les propriétés magnétiques des molécules d'eau à l'intérieur des champs magnétiques pour obtenir des images de tissus vivants. L'objet doit être placé dans un aimant d'intensité de champ élevée. Le mouvement du participant est restreint durant cette procédure et le participant doit tolérer le bruit causé par les changements rapides dans le champ magnétiquedomaine. En plus des images structurelles, l'IRM fournit également la possibilité de mesurer les changements dans l'oxygénation du sang pour étudier le fonctionnement du cerveau (IRM). En résumé, l'IRM offre une résolution spatiale relativement élevée allant jusqu'à 0,5 mm ³ avec des champs élevés modernes scanners et des paramètres optimisés ^4. En revanche, la résolution temporelle de l'IRMf est limitée à la cinétique lente de la réponse BOLD, qui reflète seulement indirectement la dynamique temporelle élevés de l'activité neuronale ^5,6.

D'autre part, l'EEG mesure les variations de l'activité électrique provoquées par l'activité de neurones par l'intermédiaire d'électrodes placées sur le cuir chevelu. Les progrès récents de la technologie EEG permettent une application rapide et facile des capteurs pour les enregistrements ambulatoires à court terme ou à long terme et fixe ainsi que. Parce que l'EEG est moins restrictive, il est également la méthode de choix pour certaines populations de participants qui ne tolèrent pas l'environnement IRM bien comme pédiatrique et certainpopulations gériatriques et psychiatriques. Les propriétés de l'EEG montrent un motif inverse de ceux de l'IRM: la résolution temporelle est très élevé avec une précision d'une milliseconde, mais la résolution spatiale est limitée. Des courants électriques passent à travers les différents tissus entre leur générateur et les électrodes d'EEG sur la surface du cuir chevelu. Cela conduit à un mélange et étalement spatial de l'activité de la source connue sous l'effet du volume de conduction. Par conséquent, l'activité mesurée par les électrodes sur la surface du cuir chevelu reflète l'activité à partir de multiples sources qui peuvent être éloignés de la position de l'électrode sur la tête de ^1,7.

Beaucoup de travail au cours des dernières années a été consacrée à la fusion de l'IRM et EEG afin de tirer parti de leurs atouts respectifs. Une ligne de travail est consacrée à l'acquisition simultanée de l'EEG et IRM dans les études fonctionnelles. Une autre approche consiste à utiliser les informations spatiales fournies par l'IRM structurelle pour tenir compte du volume conduction effet grâce à la modélisation biophysique. L'utilisation de l'information structurale pour la reconstruction de source d'enregistrements EEG est particulièrement utile pour des études impliquant une population pédiatrique. L'enquête de l'évolution de la fonction cérébrale est essentielle pour comprendre comment les compétences cognitives complexes sont construits au-dessus de précurseurs simples ^8.

Ces enquêtes permettent de mettre en évidence des changements dans les substrats neuronaux et des propriétés de réponse qui sont en corrélation avec les changements dans la performance comportementale. Toutefois, l'enquête de la fonction du cerveau et la cognition au cours du développement pose également des défis spécifiques. En particulier, la possibilité pour les études d'IRM fonctionnelle est limitée car les jeunes enfants et les nourrissons doivent soit être endormi ou sous sédation pour obtenir des données d'IRM sans artefacts de mouvement et de l'impact négatif sur le bien-être des participants. En outre, l'EEG est perçu comme moins risqué et invasif par les parents, ce qui rend le recrutement des participants à la recherche plus facile. Tar conséquent, l'EEG est la méthode de choix pour de nombreuses enquêtes sur le fonctionnement du cerveau chez les jeunes enfants. Progrès méthodologiques dans les systèmes EEG permettent l'application des matrices d'électrodes à haute densité avec 128 canaux ou plus en quelques minutes. Facilité d'application et un confort de port sont suffisantes pour permettre même enregistrement EEG dans les plus jeunes enfants. Cependant, souvent, les chercheurs ne sont pas seulement intéressés à la dynamique temporelle des réponses à des stimuli particuliers, mais aimeraient également de comparer les substrats neuronaux qui interviennent dans les réponses.

Une hypothèse qui prévaut dans le niveau de canal analyse ERP comparant différents groupes d'âge, c'est que les mêmes substrats neuronaux de répondre, mais que le moment ou l'amplitude de la réponse varie selon les âges ^9. Cuir chevelu topographie similaire est souvent utilisé comme un indicateur de l'activité neurale sous-jacente similaire. Cependant, de nombreuses configurations de sources différentes peuvent conduire à des topographies du cuir chevelu similaires ^10. En appliquant l'estimation de la source, ce Uncertitude peut être réduite et quantifié. L'indépendance des observations est essentiel pour les comptes du réseau de la fonction cérébrale: si les sources sont mélangés, les corrélations seront biaisées vers la connectivité locale plus élevée. reconstruction de source peut être appliqué pour réduire ce biais ^11. Inversement, les différences dans le calendrier et la phase peuvent être utilisées pour l'analyse de la connectivité, mais ces modèles mathématiques nécessitent des hypothèses qui sont difficiles à évaluer en données non simulées ^12. En résumé, l'estimation de la source fournit des informations supplémentaires à l'EEG de niveau de canal et l'analyse des ERP basée sur la connaissance de l'anatomie et les propriétés biophysiques des tissus.

Différents algorithmes ont été conçus pour trouver des solutions au problème inverse. Ces algorithmes sont en gros en deux catégories: paramétriques et non paramétriques ^13. Modèles paramétriques supposent une ou plusieurs dipôles qui peuvent varier dans l'emplacement, l'orientation et la force. En revanche, les modèles paramétriques contai nonna grand nombre de dipôles avec emplacement et l'orientation fixe. Dans ces modèles, l'activité électrique du cuir chevelu est expliquée comme une combinaison des activations dans les dipôles fixes ^10,13,14. Non paramétrique, modèles de sources distribuées peuvent être basées sur la connaissance de l'anatomie et de la conductivité dans les différents médias. Modèles d'éléments de frontière intègrent les valeurs de conductivité pour les principaux tissus de la tête avec différentes coques pour le cerveau, le liquide céphalo-rachidien, et le crâne. Ceci est basé sur l'hypothèse que la conductivité est essentiellement constante à l'intérieur de chaque compartiment, mais que des modifications marquées se produit à la limite entre les différents compartiments. Modèles éléments finis sont basés sur la poursuite de la segmentation des examens IRM dans la matière grise et blanche pour que les valeurs de conductivité peuvent être affectés à chaque voxel ^15.

En termes pratiques, modèles non paramétriques sont particulièrement utiles pour la reconstruction de source dans des tâches cognitives complexes, dans lequel le nombre de zones concernées peutpas connu ^10. Modèles d'éléments de frontière sont les plus largement utilisés dans la littérature actuelle, probablement parce que les plus précises modèles éléments finis présentent des demandes de calcul comparable élevés. En outre, il existe une variabilité interindividuelle considérable dans la matière grise et blanche de sorte que MEF devrait être basée sur l'IRM individuels.

Les modèles non paramétriques exigent une deuxième étape pour adapter le cuir chevelu activité mesurée aux prédictions du modèle de l'avant. Encore une fois, des approches différentes avec différents avantages et inconvénients ont été discutés dans la littérature (voir Michel et al. 2004 pour un aperçu). Les algorithmes les plus couramment utilisés sont basés sur l'estimation de la norme minimale (MNE), ce qui correspond le cuir chevelu activité mesurée à une distribution de courant dans le modèle de l'avant avec l'intensité globale plus faible ^16. MNE est biaisé vers des sources faibles et superficielles. Profondeur algorithmes MNE pondérés essaient de réduire le biais de surface en introduisant pondérationmatrices fondées sur des hypothèses mathématiques ^10. L'approche LORETA largement utilisé se fonde également sur ​​pondérée MNE, mais minimise en outre le Laplacien de sources, ce qui conduit à des solutions plus douces ^17,18. LORETA a été trouvé pour les meilleures performances pour les sources individuelles dans les études de simulation ^19,20. Cependant, LORETA peut conduire à plus de lissage des solutions. Profondeur pondérée MNE est préférable que les sources sont inconnues ou plusieurs sources sont susceptibles d'être présents ^{13, 16.} En comparant les résultats de différents algorithmes d'évaluer l'influence de différentes hypothèses du modèle est recommandé.

En résumé, la reconstruction de la source grâce à des méthodes de modélisation a été limité pour les enfants jusqu'à récemment. C'est parce que la plupart des logiciels d'analyse EEG s'appuie sur des modèles de tête basée sur l'anatomie adulte qui limite considérablement l'exactitude des solutions à la source chez les enfants ^2,8. L'accès pas cher à la puissance de calcul et la fourniture delogiciel convivial pour la reconstruction de la source permettent de surmonter ces limitations. Application de l'estimation de la source à l'EEG présente deux avantages importants par rapport à des analyses fondées sur des observations du niveau de canal seulement: amélioration de la résolution et de l'indépendance des observations spatiales.

estimation de la source ne peut pas être instructif dans certains cas: une bonne couverture de la tête est nécessaire de distinguer les sources. Systèmes à haute densité avec 128 électrodes ou plus sont recommandés ^10,15; une couverture clairsemée agira comme un filtre spatial menant à plus grande activation de la source de propagation ou de faux résultats négatifs ^10. En outre, la reconstruction de source basé sur la méthode décrite dans cet article a été signalé pour les générateurs corticaux. Par conséquent, il est moins approprié pour tester des hypothèses sur des substrats sous-corticales ou sous-corticales interactions corticales. Enfin, l'analyse de la source doit être fondée sur des hypothèses préalables détaillées sur les substrats corticaux,prenant la littérature existante d'autres modalités d'imagerie en compte. Des techniques de filtrage spatial peuvent également être utilisés pour améliorer la résolution spatiale du signal EEG en réduisant mélange spatial au niveau du cuir chevelu. Des méthodes alternatives pour réduire l'influence des effets de volume de conduction sans modélisation de la tête sont utilisés, par exemple, le filtrage de Laplace ²¹ ou actuelle analyse de la densité Source ^22. Cependant, ces méthodes ne fournissent pas plus d'informations sur les générateurs de neurones que les effets du volume de conduction ne sont pas seulement limitées à des capteurs à proximité spatiale ^1.

Dans les sections suivantes, l'article décrit comment des expériences pour l'enquête de cerveau et la fonction cognitive chez les enfants de 2 ans sont conçus au bébé Lab Londres. Ensuite, l'acquisition de données EEG de haute densité systèmes de basse impédance avec enfants est discutée. Ensuite, EEG prétraitement et d'analyse sur le niveau du canal est présenté. Lastly, l'article porte sur le traitement de données d'IRM de structure pour une reconstruction de source corticale et l'analyse des signaux de niveau de la source.