קליפת המוח ניתוח מקור בצפיפות גבוהה הקלטות EEG בילדים

הנשיא ברק אובמה תיארה את המוח האנושי כגבול הבא של עם חשיבות גבוהה גילוי מדעי לבריאות וכלכלה ³ (http://www.whitehouse.gov/share/brain-initiative). עם זאת, כמו בכל תחום אחר במדעי הטבע, מדעי המוח תלויים בהתקדמות בשיטות וטכניקות ניתוח להתקדמות. שני כלים פולשניים שאינם נפוצים במחקרים על תפקוד מוח בבני האדם הם הדמיה בתהודה מגנטית (MRI) וelectroencephalography (EEG). כלי אלה לנצל תכונות פיזיות שונות ולספק תובנות שונות לתפקוד מוח עם יתרונות וחסרונות ייחודיים. MRI משתמש בתכונות מגנטיות של מולקולות מים בתוך שדות מגנטיים כדי להשיג תמונות של רקמות חיות. הנושא צריך להיות ממוקם במגנט בעוצמה גבוה תחום. התנועה של המשתתף מוגבל בתקופה זו נהלים והמשתתף צריך לסבול רעש הנגרם על ידי שינויים מהירים במגנטיתחום. בנוסף תמונות מבניות, MRI מספק גם את האפשרות למדוד שינויים בחמצון דם כדי לחקור את תפקוד המוח (fMRI). לסיכום, ה-MRI מציעה רזולוציה מרחבית גבוהה יחסית של עד 0.5 מ"מ ³ עם סורקי שדות גבוהים מודרניים ופרמטרים אופטימליים ^4. לעומת זאת, ההחלטה הזמנית של fMRI מוגבלת לקינטיקה האיטית של תגובת BOLD, אשר רק בעקיפין משקפת את הדינמיקה הזמנית הגבוהה של ^5,6 פעילות העצבי.

מצד השני, ה-EEG מודדת את השינויים בפעילות חשמלית הנגרמים על ידי הפעילות של נוירונים באמצעות אלקטרודות המונחות על הקרקפת. ההתקדמות בטכנולוגיית ה-EEG מאפשרת יישום מהיר וקל של החיישנים לטווח קצר או לטווח ארוך ונייח, כמו גם הקלטות אמבולטורי. בגלל ה-EEG הוא פחות מגבילה, היא גם שיטת בחירה של אוכלוסיות משתתף מסוימות שלא לסבול את סביבת ה-MRI גם כמו ילדים ומסוימיםאוכלוסיות גריאטריות ופסיכיאטריות. המאפיינים של ה-EEG מראים דפוס הפוך לאלו של ה-MRI: הרזולוציה של הזמן היא גבוהה מאוד עם דיוק של האלפית שני, אבל ברזולוציה מרחבית מוגבלת. זרמים חשמליים עוברים דרך רקמות שונות בין מחוללם ואלקטרודות EEG על פני השטח של עור הקרקפת. זה מוביל לערבוב ומריחות המרחבי של פעילות מקור המכונה אפקט ההולכה נפח. לכן, פעילות נמדדת על ידי אלקטרודות על פני השטח של עור הקרקפת משקפת את הפעילות ממקורות מרובים שעשויה להיות רחוק למצב של האלקטרודה על ^1,7 הראש.

הרבה עבודה בשנים האחרונות הוקדשה למיזוג של ה-MRI וה-EEG על מנת לנצל את נקודות החוזק שלהם. שורה אחת של עבודה מוקדשת לרכישה בו זמנית של EEG ו-MRI במחקרים פונקציונליים. גישה אחרת היא להשתמש במידע מרחבי הניתן על ידי MRI המבני לקחת בחשבון ג הנפחonduction השפעה דרך דוגמנות biophysical. השימוש במידע מבני לשיקום מקור של קלטות EEG שימושי במיוחד עבור מחקרים שכלל אוכלוסיית ילדים. החקירה של הפיתוח של תפקוד המוח היא מרכזית להבנת אופן מיומנויות קוגניטיביות מורכבות נבנו על גבי קודמיו פשוט ^8.

חקירות אלה מסייעים להדגשת שינויים במצעים העצביים ומאפייני תגובה המתואמים עם שינויים בביצועים התנהגותיים. עם זאת, החקירה של תפקוד המוח וקוגניציה במהלך הפיתוח גם מציבה אתגרים ספציפיים. במיוחד, ההזדמנות למחקרי MRI פונקציונליים מוגבלת כילדים צעירים ותינוקות גם צריך להיות ישן או מסומם לקבל נתונים MRI ללא חפצי תנועה והשפעה שלילית על רווחת משתתף. יתר על כן, ה-EEG נתפס כפחות מסוכן ופולשני על ידי הורים, מה שהופך את גיוסם של משתתפים במחקר קל יותר. Therefore, EEG הוא שיטת בחירה של חקירות רבות של תפקוד המוח אצל ילדים צעירים. התקדמות המתודולוגית במערכות ה-EEG לאפשר היישום של מערכי האלקטרודה צפיפות גבוהה עם 128 או יותר ערוצים בתוך דקות. קלות היישום ולובש נוחות מספיקות כדי אפילו לאפשר הקלטת EEG בתינוקות הצעירים. עם זאת, לעתים קרובות חוקרים הם לא רק מתעניינים בדינמיקה הזמנית של תגובות לגירויים מסוימים, אלא גם רוצים להשוות את מצעים העצביים שמתווכים את התגובות.

הנחה רווחת בניתוח ה-ERP ברמת ערוץ השוואת קבוצות גיל שונות היא שאותו מצעים עצביים מגיבים, אבל זה העיתוי או משרעת תגובה משתנה על פני גילאי ^9. טופוגרפיה קרקפת דומה משמשת לעתים קרובות כאינדיקציה לפעילות עצבית שבבסיס דומה. עם זאת, מקור תצורות רבות ושונות יכולות להוביל לטופוגרפיות קרקפת דומות ^10. על ידי יישום להערכת מקור, זה uncertainty יכול להיות מופחת וכימות. עצמאותה של תצפיות היא קריטית עבור חשבונות הרשת של תפקוד מוח: אם המקורות מעורבים, מתאמים יהיו מוטים לכיוון קישוריות מקומית גבוהה יותר. שחזור המקור ניתן ליישם כדי להפחית את ההטיה זו ^11. לחלופין, הבדלים בעיתוי ובשלב יכולים לשמש לניתוח קישוריות, אבל מודלים המתמטיים אלה דורשים הנחות שקשה להעריך בנתונים מדומים שאינם ^12. לסיכום, להערכת המקור מספקת מידע נוסף לEEG רמת ערוץ וניתוח ה-ERP המבוסס על ידע על האנטומיה ומאפייני biophysical של רקמה.

אלגוריתמים שונים כבר המציאו כדי למצוא פתרונות לבעיה ההפוכה. אלגוריתמים אלה נופלים באופן כללי לשתי קטגוריות: ופרמטריות, שאינו ^13. מודלים פרמטריים מניחים אחד או הדיפולים מרובים שעשויות להשתנות במיקום, כיוון וכוח. בניגוד לכך, מודלים contai פרמטרית שאינומספר גדול na של הדיפולים עם מיקום וכיוון קבועים. במודלים אלה, הפעילות החשמלית הקרקפת מוסברת כשילוב של הפעלות בדיפולים הקבועים ^10,13,14. פרמטרית עישון, יכולים להיות מבוססים דגמי מקור מופצים בידע על האנטומיה ומוליכות באמצעי תקשורת שונה. מודלים גבול אלמנט לשלב ערכי מוליכות לרקמות העיקריות של הראש עם פגזים שונים למוח, נוזל השדרה מוחי, וגולגולת. זה מבוסס על ההנחה שהמוליכות היא בעיקר קבועה בתוך כל תא, אבל זה שינויים מסומנים להתרחש בגבול של תאים שונים. מודלים אלמנטים סופיים מבוססים על פילוח נוסף של סריקות MR לתוך חומר אפור ולבן, כך שערכי מוליכות יכולים להיות מוקצים לכל voxel ^15.

במונחים מעשיים, מודלים פרמטריים שאינם שימושיים במיוחד לשיקום מקור במשימות קוגניטיביות מורכבות, שבו רשאי מספר האזורים המעורביםלא יהיה ידוע ^10. מודלים אלמנט גבול הם בשימוש נרחב ביותר בספרות הנוכחית, כנראה בגלל שמודלי האלמנטים סופיים מדויקים יותר מהווים דרישות חישובית גבוהות comparably. יתר על כן, יש שונה בין אדם ניכר בחומר אפור ולבן, כך שFEMs צריך להיות מבוסס על סריקות MRI בודדות.

מודלים פרמטריים אינם דורשים שלב שני לפעילות נמדדה קרקפת התאמה לתחזיות של המודל קדימה. שוב, גישות שונות עם יתרונות וחסרונות שונים כבר נדונו בספרות (ראה מישל et al. 2004 עבור סקירה). האלגוריתמים הנפוצים ביותר מבוססים על הערכת מינימום נורמה (mne), אשר תואמת את הפעילות שנמדדה הקרקפת להפצה נוכחית במודל קדימה עם העצמה הכוללת הנמוכה ביותר ^16. Mne מוטה כלפי מקורות חלשים ושטחיים. אלגוריתמי mne המשוקללים עומק לנסות ולצמצם את ההטיה פני השטח על ידי החדרת שקלולמטריצות המבוססות על הנחות מתמטיות ^10. גישת LORETA שימוש נרחב מבוססת גם על mne המשוקלל, אלא גם מצמצם את Laplacian של מקורות, מה שמוביל לפתרונות חלקים ^17,18. LORETA כבר מצא את ביצועים הטובים ביותר למקורות בודדים במחקרי סימולציה ^19,20. עם זאת, LORETA עלול להוביל לעל החלקה של פתרונות. Mne המשוקלל עומק עדיף כאשר המקורות לא ידועים או ממקורות מרובים עשויים להיות נוכח ^{13, 16.} השוואת התוצאות של אלגוריתמים שונים כדי להעריך את ההשפעה של הנחות מודל שונות מומלצת.

לסיכום, שחזור המקור באמצעות שיטות דוגמנות היה מוגבל לילדים עד לאחרונה. זאת משום שרוב תוכנת ניתוח EEG מסתמכת על מודלים ראש המבוססת על האנטומיה מבוגר שמגבילה באופן משמעותי את הדיוק של פתרונות קוד בילדים ^2,8. הגישה זולה לכוח חישוב ומתןמשתמשים תוכנה ידידותית לשיקום מקור מאפשרת להתגבר על המגבלות האלה. החלת הערכת המקור לEEG מספקת שני יתרונות חשובים על פני ניתוח המבוססים על תצפיות ברמת הערוץ בודד: שיפור ברזולוציה ובעצמאות של תצפיות במרחב.

להערכת מקור לא יכולה להיות אינפורמטיבי במקרים מסוימים: כיסוי טוב של הראש נדרש להבחין מקורות. מערכות בצפיפות גבוהה עם 128 או יותר אלקטרודות מומלצות ^10,15; כיסוי דליל יפעל כמסנן המרחבי המוביל להפעלת מקור התפשטות רחבה יותר או תוצאות שליליות כוזבות ^10. יתר על כן, שחזור מקור המבוסס על השיטה המתוארת במאמר זה דווח רק על גנרטורים בקליפת המוח. לכן, הוא פחות מתאים להשערות בדיקות על מצעים קורטיקליים או אינטראקציות קורטיקליים בקליפת המוח. לבסוף, ניתוח המקור צריך להיות מבוסס על השערות מוקדמים מפורטות על מצעים בקליפת המוח,לוקח את הספרות הקיימת משיטות הדמיה אחרות בחשבון. גם טכניקות סינון מרחבי יכולות לשמש כדי לשפר את הרזולוציה המרחבית של אות ה-EEG על ידי הקטנת ערבוב המרחבית ברמת הקרקפת. שיטות אלטרנטיביים כדי להפחית את ההשפעה של תופעות הולכה נפח בלי דוגמנות הראש משמשות, למשל, סינון Laplacian ²¹ או ניתוח צפיפות המקור נוכחי ^22. עם זאת, שיטות אלה אינן מספקים מידע נוסף על גנרטורים עצביים כמו תופעות הולכה נפח הן לא רק מוגבלות לחיישנים בקרבת מרחבי קרוב ^1.

בסעיפים הבאים, המאמר מתאר כיצד ניסויים לחקירה של מוח ותפקוד קוגניטיבי בילדים מגיל 2 נועדו במעבדה בייבי לונדון. בשלב בא, נתוני רכישת EEG עם מערכות עכבה נמוכה בצפיפות גבוהה עם ילדים נדונה. ואז, עיבוד מקדים EEG וניתוח ברמת הערוץ מוצג. Lastly, המאמר מתמקד בעיבוד של נתונים MRI מבניים לשיקום מקור קליפת המוח וניתוח של אותות ברמת המקור.