JoVE Journal > Medicine
Summary
Abstract
Introduction
Protocol
Risultati
Discussion
Divulgazioni
Acknowledgements
Materials
Riferimenti
Please note that all translations are automatically generated. Click here for the English version.
Medicina

Interictale oscillazioni ad alta frequenza rilevata con simultanea Magnetoencefalografia e elettroencefalografia come biomarker di Pediatric Epilepsy

Published: December 06, 2016
doi:
10.3791/54883
, , , , , ,
1Fetal-Neonatal Neuroimaging and Developmental Science Center, Division of Newborn Medicine, Department of Medicine,Boston Children’s Hospital, Harvard Medical School, 2Athinoula A. Martinos Center for Biomedical Imaging,Massachusetts General Hospital, Harvard Medical School, 3Division of Epilepsy Surgery, Department of Neurosurgery,Boston Children’s Hospital, Harvard Medical School, 4Division of Epilepsy and Clinical Neurophysiology, Department of Neurology,Boston Children’s Hospital, Harvard Medical School

Summary

Oscillazioni ad alta frequenza (HFO) sono emersi come biomarcatori preoperatori per l'identificazione della zona epilettogena in pazienti pediatrici affetti da epilessia refrattaria medico. Una metodologia per la registrazione non invasiva, il rilevamento e la localizzazione di HFO con cuoio simultanea elettroencefalografia (EEG) e magnetoencefalografia (MEG) è presentato.

Abstract

Fondamentale per il successo della chirurgia dell'epilessia è la disponibilità di un biomarker robusto che identifica la zona epilettogena (EZ). Oscillazioni ad alta frequenza (HFO) sono emersi come potenziali biomarcatori preoperatori per l'identificazione del EZ oltre a interictale epilettiformi scarichi (IED) e l'attività ictale. Anche se sono promettenti per localizzare l'EZ, essi non sono ancora adatti per la diagnosi o il monitoraggio di epilessia nella pratica clinica. barriere primarie rimangono: la mancanza di una definizione formale e globale per HFO; la conseguente eterogeneità degli approcci metodologici utilizzati per il loro studio; e le difficoltà pratiche per individuare e localizzare in maniera non invasiva dalle registrazioni del cuoio capelluto. Qui, vi presentiamo una metodologia per la registrazione, il rilevamento e la localizzazione di HFO interictali da pazienti pediatrici con epilessia refrattaria. Riportiamo i dati rappresentativi di HFO rilevati in modo non invasivo da interictale cuoio capelluto EEG e MEG da due bambinisottoposti a chirurgia.

I generatori di fondo della HFO sono stati localizzati da risolvere il problema inverso e la loro localizzazione è stato confrontato con l'esordio Zona sequestro (SOZ) come questo è stato definito dai epileptologists. Sia per i pazienti, interictale epilettogena scarichi (IED) e HFO sono stati localizzati con immagini sorgente in posizioni concordanti. Per un paziente, dati intracranica EEG (es: non) erano anche disponibili. Per questo paziente, abbiamo scoperto che la localizzazione HFO è stato concorde tra i metodi non invasivi e invasivi. Il confronto tra es: non con i risultati di registrazioni del cuoio capelluto servita per convalidare questi risultati. Per la nostra migliore conoscenza, questo è il primo studio che presenta la localizzazione fonte di HFO del cuoio capelluto da simultanei registrazioni EEG e MEG confrontando i risultati con registrazioni invasive. Questi risultati suggeriscono che HFO possono essere rilevati in modo affidabile e localizzati in modo non invasivo con il cuoio capelluto EEG e MEG. Concludiamo che la localizzazione non invasiva di intericTal HFO potrebbe migliorare in modo significativo la valutazione pre-chirurgica per i pazienti pediatrici con epilessia.

Introduction

Epilessia pediatrica è un disturbo neurologico comune con un tasso di prevalenza di 4-6 per 1.000 bambini 1. Si può avere un forte impatto sullo sviluppo dei bambini 2 e può influenzare in modo significativo la loro vita adulta. Studi di follow-up a lungo termine in epilessia ad esordio infantile indicano che circa il 30% dei pazienti affetti da epilessia intrattabile diventare medico 3-6, e di solito richiedono un intervento chirurgico epilettica resettiva. In molti di questi pazienti, la chirurgia dell'epilessia porta ad una significativa riduzione della frequenza delle crisi e spesso alla libertà di sequestro. Per avere successo, la chirurgia dell'epilessia deve raggiungere uno stato libero da crisi con il minimo o nessun deficit funzionali. Questo richiede un'attenta delineazione della zona epilettogena (EZ) 7, l' 'area della corteccia che è indispensabile per la generazione di crisi epilettiche' 8. L'EZ non può essere misurato direttamente; la sua posizione è stimata sulla base dei dati concordanti provenienti da una moltitudine di prove that identificare altre zone corticali. Invasiva elettroencefalografia intracranica (es: non) serve come il gold standard per la localizzazione della zona di sequestro insorgenza (SOZ), la regione in cui le crisi sono generati e hanno origine sulle registrazioni ictali. Tuttavia es: non è costoso, affidamento sulla collaborazione del bambino, comporta qualche rischio di infezione e sanguinamento 9, e può indurre ulteriore danno neurologico durante l'impianto 10. Inoltre, le registrazioni possono portare a conclusioni errate da vaste aree del cervello sono esplorato. Così, un robusto biomarker prechirurgica che aiuta nella identificazione del EZ è necessario per il successo del trattamento dell'epilessia chirurgico.

HFO patologici (80 – 500 Hz) 11,12 sono emersi negli ultimi dieci anni come biomarker per l'identificazione del tessuto epilettogena che può migliorare la diagnosi preoperatoria e il risultato chirurgico di pazienti con epilessia 13. Rapporti con microElettrodi combinati con elettrodi di profondità EEG hanno mostrato la presenza di HFO in pazienti con epilessia. HFO sono stati trovati anche utilizzando macroelectrodes standard durante lo ictale e periodi interictali. Recenti studi hanno dimostrato che HFO identificano il SOZ con maggiore sensibilità e specificità rispetto alla zona irritativa 14,15, la zona che genera gli IED, e che la rimozione chirurgica del tessuto HFO generatrice correla con risultati migliori rispetto alla rimozione del SOZ o la zona irritativa 15. HFO sono comunemente classificati come increspature (80 – 250 Hz) o ondulazioni veloci (250 – 500 Hz). Increspature veloci sono stati più strettamente legati all'attività patologica e alla localizzazione del SOZ 16, ma le indagini di registrazioni intracranici umane indicano che entrambe le increspature e ondulazioni rapido aumento nelle regioni epileptogenic 17.

Nonostante questi risultati promettenti, HFO non sono ancora adatti per la diagnosi o il monitoraggio diepilessia nella pratica clinica. barriere primarie rimangono: (i) la mancanza di una definizione formale e globale per HFO; (Ii) il conseguente eterogeneità del metodologica approcci utilizzati per il loro studio; e (iii) le difficoltà pratiche per individuare e localizzare in maniera non invasiva dalle registrazioni del cuoio capelluto. Quest'ultimo deriva dal fatto che gli elettrodi sono lontani dalla sorgente del segnale, il segnale potrebbe essere offuscata dal rumore di fondo e l'attività muscolare, e il segnale potrebbe essere distorti dal cuoio capelluto o fontanelle e suture del cranio, soprattutto in pazienti neonati. Inoltre, è difficile distinguere tra normali e anormali HFO 18,19 poiché entrambe le increspature e ondulazioni veloci sono presenti anche in normale tessuto cerebrale umano 20. I primi studi hanno riportato HFO in cuoio EEG in solo una piccola (0,2-3,4%) porzione di pazienti con epilessia 21-23. Tuttavia, recenti studi hanno dimostrato che HFO possono essere rilevati in modo non invasivo con il cuoio capelluto EEG. Ictally, HFOs sono stati segnalati al momento della comparsa di spasmi epilettici nei bambini (50 – 100 Hz 24, 40-120 Hz 25), così come al momento della comparsa di convulsioni toniche nella sindrome di Lennox-Gastaut (50 – 100 Hz) 26. HFO interictale (70 – 200 Hz) sono stati osservati sul cuoio capelluto EEG nei bambini con il sonno indotto stato elettrico epilettico 27. Poi, HFO interictali (80 – 200 Hz) sono stati identificati nel EEG cuoio dei pazienti con epilessia focale con tassi più elevati all'interno del SOZ 28. È interessante notare che, HFO erano più frequenti nei pazienti con un elevato numero di scariche epilettiformi interictali (IED), e sono stati trovati per essere più specifici rispetto IED per la SOZ 29, mettendo in evidenza la relazione di HFO con epilettogenicità.

MEG sembra presentare vantaggi significativi rispetto al cuoio capelluto EEG per il rilevamento non invasivo e localizzazione di HFO: (i) attività alta frequenza in MEG è meno suscettibile di EEG alla contaminazione da muscolareattività di 30-31, (ii) i segnali MEG non vengano alterate mediante cranio conduttività e meno distorto di EEG per regioni non fuse dell'osso cranico, come fontanella o di sutura, e (iii) array di sensori MEG hanno una maggiore densità rispetto a EEG che si affaccia sempre il problema del sale ponti tra elettrodi quando la testa è piccola, come con i bambini. Prove da costruzioni fantasma che simulano HFO generatori suggerito che HFO possono essere rilevati e localizzati con elevata precisione di localizzazione (2-3 mm) con MEG 32. Diversi studi recenti hanno riportato HFO nei segnali MEG registrati da pazienti con epilessia nella banda di frequenza di ripple 33-38. Analisi tempo-frequenza è dimostrato che i dati MEG contengono componenti ad alta frequenza sono collegati con la EZ 33-36. Tuttavia, solo pochi studi hanno identificato HFO interictali come eventi visibili in piedi fuori del segnale di fondo nel dominio del tempo, come in genere fatto con es: non 37-38. Van Klink et al. 37 rilevato HFO nella banda ondulazione utilizzando canali virtuali costruiti con tecniche di beamforming sulla base di informazioni spaziali ottenute da IED. Von Ellenrieder et al. 38 rilevato HFO in segnali MEG dai sensori fisici indipendentemente dalle IED e usato l'entropia massima sul metodo Media (MEM) per localizzare le loro fonti e di indagare la loro correlazione con l'EZ. Rampp et al. (2010) rivelò anche epilettici oscillazioni ad alta gamma con MEG, che erano spike-bloccato o spike-indipendenti, e localizzata questa attività con il minimo-norma analisi fonte 39. Essi hanno scoperto che le caratteristiche di queste oscillazioni veloci (ad esempio, chiara insorgenza di media full-band e massima ampiezza delle oscillazioni) sono stati fortemente associati con il SOZ. HFO sono state rilevate anche con MEG durante l'attività ictale in pazienti pediatrici con Sindrome di West 40. Tuttavia, MEG presenta alcune limitazioni distinti rispetto al cuoio capelluto EEG: (i) è insensitive fonti che hanno un orientamento radiale rispetto al centro della testa, (ii) non consente registrazioni lunghe che aumentano la possibilità di rilevare e registrare eventi ictali, e (iii) i suoi sensori non può conformarsi alla forma della testa di ogni individuo in quanto il casco e sensore matrice all'interno del casco sono tutti fissi in forma. Così, la configurazione ideale che massimizza la possibilità di rilevare e localizzare l'attività epilettogena è combinando le informazioni sia da EEG cuoio capelluto e MEG.

In questo studio, ci proponiamo di illustrare la metodologia che seguiamo per la rilevazione non invasiva di HFO interictali utilizzando registrazioni simultanee di cuoio capelluto EEG e MEG da pazienti pediatrici con epilessia refrattaria medico. Vi presentiamo la messa a punto delle registrazioni e la pipeline di analisi dei dati utilizzando un metodo semi-automatico che abbiamo sviluppato per la rilevazione di eventi HFO nei dati simultanei MEG e EEG. Infine, si presentano anche la localizzazione delsottostante generatori di HFO cuoio capelluto, ottenuti risolvendo il problema inverso, e confrontarlo con il SOZ come questo è stato definito dai epileptologists.

Protocol

Etica Dichiarazione: procedure sperimentali qui sono stati approvati dalla Institutional Review Board (IRB) del Massachusetts General Hospital, Boston, MA, USA. La sezione seguente descrive il protocollo sperimentale per la rilevazione e non invasiva fonte localizzazione dei HFO utilizzando cuoio capelluto EEG e MEG. Preparazione del paziente è minimo, e l'esame è generalmente ben tollerato. L'intera sessione dura circa 2 – 3 ore con le registrazioni effettive della durata di circa 60 min. Preparazione 1. del paziente Assicurarsi che il bambino sta bene con l'ambiente. NOTA: consentire ai bambini di esplorare l'ambiente di test e per vedere l'apparecchiatura di collaudo. Schermo del paziente in materia di sicurezza e di consenso usando una forma di screening. Chiedere al paziente (o il suo / suoi genitori) se lui / lei aveva un sequestro clinica negli ultimi 2 h. Rimuovere tutti i materiali metallici / magnetiche e fornire abbigliamento ospedaliero rilasciato al paziente. Togliere le scarpepoiché essi sono spesso magnetica. Controllare se il soggetto è privo di artefatti magnetici misurando i segnali MEG per qualche minuto. Utilizzare un degausser di riduzione di artefatti materiali impiantati, come i lavori dentali. NOTA: Il smagnetizzatore non deve essere applicato se non vi è alcuna possibilità che gli oggetti ferromagnetici sono all'interno del corpo. Misurare la circonferenza massima della testa per selezionare il formato tappo EEG appropriata per il bambino. Utilizzare un nastro di misurazione e tenerlo al nasion. Quindi misurare intorno alla testa intorno alla circonferenza massima (~ 1 cm sopra il inion). Posizionare il tappo EEG sulla testina secondo l'Internazionale 10 – sistema 20. Pulire la pelle in cui si trova ogni elettrodo e applicare pasta / gel per ogni elettrodo. NOTA: Maggiori dettagli riguardanti le registrazioni EEG cuoio capelluto nei bambini sono forniti altrove 41. Posizionare gli elettrodi di terra e di riferimento sulla testa. Collegare gli elettrodi aggiuntivi per la misurazione orizzontale e Vertical elettrooculografia (EOG), elettrocardiogramma (ECG), elettromiografia (EMG) ed elettrodi EEG aggiuntivi in ​​posizioni che coprono le regioni temporali (T1 / T2). NOTA: L'EOG, ECG, e EMG aiutano l'identificazione dei movimenti oculari, contaminazione magnetocardiografiche, attività muscolare, e anche per monitorare lo stato del paziente. Assicurarsi che i canali EEG hanno un buon contatto con il cuoio capelluto posizionando i sensori singolarmente. Ruotare delicatamente ogni sensore da un lato all'altro per spostare i capelli fuori strada. Misurare tutte le impedenze elettrodi con un ohmmetro EEG per essere inferiore a 10 KOhm. Posizionare quattro bobine HPI sulla testa: due dietro i lobi delle orecchie e due sulla fronte in posizioni simmetriche approssimativi. NOTA: Le bobine HPI aiutano a localizzare la posizione relativa della testa del paziente rispetto alla posizione dei sensori MEG nello spazio 3D. Il numero di bobine HPI può variare in base al fornitore del sistema MEG. ottenere ilposizioni delle bobine HPI e gli elettrodi EEG utilizzando un digitalizzatore. NOTA: Il digitalizzatore registra le coordinate di un sensore nello spazio 3D. Il sensore è posto sulla punta di uno stilo. Le posizioni delle bobine HPI devono essere noti rispetto all'anatomia testa e le posizioni dei sensori MEG. Ottenere le posizioni dei punti di riferimento fiduciali compresi i punti di preauricolari sinistra / destra e nasion utilizzando il digitalizzatore. Digitalizzare punti aggiuntivi (circa 300 punti) per ottenere la forma della testa preciso. Trasferire il paziente nella stanza magnetico schermato (MSR) 42, dove si trova il sistema MEG. NOTA: Il MSR è un ambiente schermato che riduce al minimo l'interferenza di registrazioni MEG da fonti elettromagnetiche esterne (ad esempio, linee elettriche, segnali a radiofrequenza provenienti da dispositivi portatili, dispositivi elettrici e computer, campi magnetici di muoversi oggetti magnetizzati, come automobili, ascensori, e treni ). È costituita da tre strati nidificati.Ogni strato è costituito da uno strato di alluminio puro più uno strato ferromagnetico ad alta permeabilità (cioè, mu-metallo, una lega costituita principalmente da nichel e ferro). Adagiare il paziente sul letto, mettere il / la testa nel casco MEG, e applicare i rilievi del caso / spugne sotto la testa del paziente per il comfort. Collegare il HPIS, i cavi EEG, l'EOG, l'ECG, EMG, e gli elettrodi supplementari al registratore. Regolare la posizione della testa del paziente nello scanner assicurando che si trova più a fondo possibile nel casco. 2. Acquisizione Dati MEG e EEG NOTA: acquisizione dati MEG / EEG viene eseguita secondo il metodo descritto in un precedente studio 42. Maggiori informazioni su l'uso clinico di MEG nell'epilessia pediatrica può essere trovato altrove 43,44. Record MEG segnala con un sistema di MEG tutto-testa. NOTA: Il sistema MEG utilizza sensori a film sottile di due tipi (planaregradiometri e magnetometri) integrati su 102 elementi del sensore. Ogni elemento contiene un magnetometro che consiste di una singola bobina, e due gradiometri planari ortogonali che consistono di una configurazione coil tipo "figure-of-otto". Il magnetometro misura il flusso magnetico perpendicolare alla sua superficie e le gradiometri misurare la differenza tra i due anelli del "otto", oppure il gradiente spaziale. Il sistema MEG dispone di 204 gradiometri planari e 102 magnetometri (306 sensori in totale). Sistemi MEG di diversi fornitori hanno numero e il tipo di bobine (ad esempio, gradiometri assiali) diverso. Registrare simultaneamente segnali EEG utilizzando un tappo elettrodo di 70 canali non magnetico con elettrodi ad anello sinterizzato Ag / AgCl ed elettrodi aggiuntivi nel T1 / T2 42. Utilizzare un montaggio di riferimento comune. Chiudere la porta della MSR. Comunicare con il paziente tramite un sistema di interfono per controllare se lui / lei sente a suo agio. Chiedi al genitore di rimanere inside l'MSR durante la registrazione se il bambino si sente a disagio a stare da solo. Iniziare le registrazioni facendo clic sul pulsante 'Go' nel software di acquisizione MEG. Utilizzare un alto tasso di campionamento di 1 kHz (o più). Utilizzare un filtro passa-basso Infinite Impulse Response (IIR) del 6 ° ordine a 400 Hz. Verifica on-line tutti i segnali registrati. Fissare i canali MEG cattivi utilizzando un sintonizzatore sensore. Nota: I canali MEG Bad sono definiti sensori (gradiometri o magnetometri) che hanno un livello relativamente alto di rumore bianco (sopra 2-5 FT / √Hz per magnetometri) o sensori che registrano spuria rumore elettromagnetico ambientale. Questo è di solito accade quando i sensori sono esposti a forte (relativa ai segnali misurati) campi magnetici e parti specifiche del coils "trappola" il flusso magnetico distruggere la superconduttività. Un sintonizzatore sensore verrà utilizzato che riscaldare la bobina applicando una corrente elettrica attraverso di esso. Questa procedura è chiamata accordo e viene utilizzato quandoil livello di rumore bianco del sensore è di sopra di una determinata soglia (cioè, 2-5 FT / √Hz). Alcuni sistemi MEG non hanno sintonizzatori sensori. Misurare la posizione della testa del paziente facendo clic sul pulsante 'Misura' nel software di acquisizione MEG. Se la testa del paziente non è ben coperto dalla matrice sensoriale, chiedere al paziente di muovere il / la testa più in profondità nel casco. NOTA: Questa manovra attiva i 4 bobine HPI applicando segnali elettrici oscillanti transitori attraverso le bobine che generano campi magnetici artificiali. Questi campi vengono rilevati dai sensori MEG, in tal modo la posizione della testa è determinata. La procedura può differire tra i diversi fornitori MEG. Record MEG, EEG, e le registrazioni periferiche facendo clic sul pulsante 'Record' nel software di acquisizione MEG (ad esempio, ECG, EOG, e EMG) per ~ 60 min. NOTA: I dati sono memorizzati in un file .FIF negli array ridondante di dischi indipendenti (RAID).Il tipo di file è diversa per altri fornitori di MEG. Quando la registrazione termina, aprire l'MSR, scollegare i cavi, ed estrarre il paziente dalla sala MSR. Rimuovere tutti i nastri, elettrodi, bobine HPI, e tappo EEG delicatamente. Fornire il lavaggio della testa per il paziente. Dopo l'acquisizione è stata completata, registrare i segnali magnetici del MSR vuota senza il paziente. Iniziare le registrazioni facendo clic sul pulsante 'Go' nel software di acquisizione MEG. Registra i dati MEG per 2 minuti utilizzando gli stessi parametri come al punto 2.1.4. NOTA: Questi dati vengono usati per stimare il rumore elettromagnetico ambientale. MRI Acquisire dati MRI anatomici con rapida acquisizione sequenze gradient-echo magnetizzazione preparati (MPRAGE; TE = 1.74 ms, TR = 2.520 ms, voxel size = 1 × 1 × 1 mm) con uno scanner 3T ad alta risoluzione. I dettagli sul protocollo di scansione MRI possono essere trovati altrove 45. NOTA: Non eseguire la risonanza magneticalo stesso giorno della sessione MEG per evitare artefatti nelle registrazioni MEG dovute alla magnetizzazione possibili impianti metallici del paziente, ad esempio da lavori dentali. 3. Identificazione delle attività interictali Aprire i dati utilizzando Brainstorm 46, che viene documentata e liberamente disponibile per il download on-line sotto la licenza pubblica GNU. Selezionare parti visivamente dei dati EEG con attività interictale che si verificano almeno 2 ore a parte convulsioni cliniche. NOTA: La figura 1 presenta una porzione di dati EEG e MEG con IED frequenti. Identificare empiricamente IED ben definiti nei segnali EEG: questo include i punti (20 – 70 ms) e onde taglienti (70 – 200 ms) 47-48. NOTA: Il significato clinico di entrambi i tipi di IED nella localizzazione focus epilettico è equivalente. Cercate di individuare (se possibile) le parti delle registrazioni con: (i) Moti minimasu manufatti, (ii) più di 3 – 4 IED per display da 10 s, e (iii) a onde lente del sonno non-REM che di solito presentano un elevato numero di HFO 49. Figura 1: IED in EEG e MEG segnali. Porzione di cuoio registrato contemporaneamente EEG e MEG segnala con IED frequenti. 1 s di sezione evidenziata che contiene uno onda tagliente è presentato su pannelli di destra in un display esteso scala temporale. I puntini rossi indicano il picco degli IED. Clicca qui per vedere una versione più grande di questa figura. Utilizzando Brainstorm, visualizzare i dati con impostazioni di visualizzazione standard (10 s / pagina). Vai alla scheda filtro e mettere il seguente filtro parametri di visualizzazione: filtro passa-alto: 1 Hz, filtro passa-basso: 80 Hz, il filtro Notch: 50 °R 60 Hz (in base alla frequenza della linea di alimentazione). Controllare i dati e individuare le porzioni di dati con IED. NOTA: solo porzioni di segnale con IED verrà scansionato per cercare HFO (punto 3.4). I filtri selezionati sono solo per la visualizzazione; essi non sono state applicate ai dati. Al fine di applicare questi filtri in modo permanente i dati, utilizzare un filtro passa-banda Butterworth (4 ° ordine) seguendo le istruzioni riportate sito Brainstorm (http://neuroimage.usc.edu/brainstorm/). Mark il picco di ogni IED che si verificano in entrambi i dati EEG e MEG (vedi macchie rosse in figura 1). NOTA: Maggiori informazioni su marcatura IED utilizzando Brainstorm possono essere trovati altrove (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy). 4. ricerca semi-automatizzata di HFO in simultanea del cuoio capelluto EEG e MEG dati NOTA: Qui si descrive un metodo semi-automatico per rilevare HFO, che include un rilevamento automatico (passo 4,1; FiguRE 2), seguita da una revisione visiva delle HFO rilevate automaticamente (passo 4,3). Al fine di evitare le oscillazioni spurie di transienti acuti come veri increspature e per garantire che i HFO non sono dovuti a un fenomeno di filtraggio, abbiamo seguito gli ultimi suggerimenti della letteratura: abbiamo richiesto i HFO ad avere un numero minimo di 4 oscillazioni dal si è osservato che la risposta impulsiva del filtro ha meno oscillazioni rispetto al numero prescelto di cicli 50, abbiamo usato il filtro Finite Impulse Response (FIR) per minimizzare effetto e il fenomeno di "Gibbs" 50 suoneria, abbiamo richiesto i candidati eventi HFO essere ispezionati anche visivamente da un esperto per verificare se le HFO erano anche sovrapposto visibile sulle IED 50,51, e abbiamo richiesto di essere osservato nella pianura tempo-frequenza un'isola sperduta, perché un evento acuto e una oscillazione hanno diverse firme: un vero HFO è rappresentato da un picco isolato nel tempo frequenplot cy (limitato in frequenza, come "isola") che si trova nella banda 80 – 500 Hz, mentre un evento transitorio genera un blob allungata, esteso in frequenza 50,52,53. Figura 2: Schema di Piazza di algoritmo. L'algoritmo funziona in due fasi: la prima identifica HFO candidati da ciascun segnale EEG nel dominio del tempo (sinistra e colonne di mezzo); la seconda classifica gli eventi candidati precedentemente identificati per distinguere HFO reali da artefatti nel dominio tempo-frequenza (colonna di destra). Clicca qui per vedere una versione più grande di questa figura. Rilevamento automatico HFO NOTA: Figura 2 descrive il diagramma di flusso del rilevamento automaticodi HFO su ogni segnale EEG. L'obiettivo del metodo sviluppato è quello di ridurre l'onere per l'esperto EEG di marcatura eventi HFO su ogni canale EEG utilizzando un display 2 s / pagina che è raccomandato per l'ispezione visiva di HFO. Un HFO è stata definita come un evento all'interno della banda di frequenza ripple (80 – 250 Hz), che ha almeno 4 oscillazioni sinusoidale come morfologia piedi fuori dallo sfondo circostante 54 (fase 4.1.1), e che appare come un breve vissuto di eventi con un picco spettrale isolato ad una alta frequenza distinta 14 (punto 4.1.2). Rilevazione di HFO candidati nel dominio del tempo Passa-banda (BP) filtrare i segnali EEG tra 80 e 250 Hz, limitando il contenuto di frequenza dei segnali alla banda ripple di interesse. NOTA: Si consiglia di utilizzare un filtro FIR per ridurre al minimo effetto suoneria e il fenomeno "Gibbs" 55, e il filtraggio digitale fase zero per evitare la distorsione di fase. Calcolarel'inviluppo del segnale BP utilizzando la trasformazione di Hilbert. Calcolare la media e la deviazione standard (SD) della busta oltre 10 s finestre centrate su ogni punto del tempo serie scorrevoli. Stimare la media complessiva e SD utilizzando il valore medio su tutte le finestre (al fine di ottenere valori che sono robusti per la possibile presenza di porzioni del segnale con molti HFO e alta SD). Calcolare il punteggio z della busta e segnare un candidato HFO ogni volta che il punteggio z è superiore alla soglia minima, impostata pari a 3 56. Definire i punti di inizio e fine della manifestazione rilevato come i valichi rialzo e al ribasso di mezzo la soglia. Considerate le HFO con un intervallo inter-evento di meno di 30 ms come un unico HFO. Calcolare il numero di picchi nel segnale BP tra la partenza HFO e di fine, e scartare gli eventi con meno di 4 cime. Inoltre, scartare gli eventi con una z-score superiore a 12. NOTA: Modificare la massimaum soglia di z-score in base all'ampiezza dei manufatti che possono verificarsi nelle registrazioni. Eventi con un basso numero di oscillazioni possono essere causati da effetti di filtraggio 57,58, mentre gli eventi con estremamente elevata ampiezza può essere causa di muscoli o di elettrodi artefatti. Reject possibili artefatti nel dominio tempo-frequenza. NOTA: Questo passaggio è necessario distinguere HFO reali da eventi che potrebbero essere suscitato da altre attività e filtraggio manufatti EEG, il cui contenuto di frequenza non è limitato alla banda di frequenza di interesse. Essa si basa sul presupposto che un vero HFO appare come un evento di breve durata con un picco spettrale isolato ad una distinta frequenza superiore a 80 Hz, in contrasto con un evento transitorio che genera un blob allungato esteso in frequenza 59. La Figura 3 illustra un esempio di HFO rilevato mostra la BP filtrato segnale EEG (pannello superiore), la sua dotazione (pannello centrale), e corrispondonoing piano tempo-frequenza (pannello inferiore), durante il periodo di [-0.5, +0.5] s intorno al picco HFO. La visualizzazione del piano tempo-frequenza è impedito di 80 – 150 Hz perché nessuna attività di primo piano è stato osservato per frequenze superiori a 150 Hz. Trasformare tutti HFO candidati gli eventi nello spazio tempo-frequenza con la trasformazione Morlet nella gamma di frequenza da 1 Hz alla massima frequenza di interesse, vale a dire, 250 Hz (frequenza centrale = 1 Hz, Full-larghezza-A-Half-max = 3 s). Analizzare gli spettri di potenza istantanea della rappresentazione tempo-frequenza su ogni punto di tempo della durata dell'evento. Per ogni spettro di potenza, seguire i criteri automatici descritti da Burnos et al. 56 per rilevare il picco nella banda ad alta frequenza e per verificare se sia chiaramente distinta dal picco più vicino nel campo di frequenza più bassa. Scartare HFO che non mostrano uno spettro di potenza con un picco ad alta frequenza isolato in almeno il 90% delpunti di tempo. Ordina tutte le HFO eventi rilevati dal loro verificarsi temporale attraverso i canali. Raggruppare tutte le HFO consecutivi la cui durata sovrapposizioni. Mantenere solo gruppi di HFO che coinvolgono almeno due canali EEG per ulteriori analisi. NOTA: L'algoritmo richiede i HFO a verificarsi in almeno 2 canali per evitare la cattura artefatti casuali spurie che possono assomigliare HFO reali e verificarsi in singoli cavi EEG. Due HFO consecutivi sono considerati sovrapporsi quando l'ora di inizio della seconda HFO precede l'ora di inizio del primo. Figura 3: HFO evento rilevato dall'algoritmo. Pannello superiore: BP filtrato (80 – 150 Hz) del segnale EEG (in mV) da un canale (F8 – T8) da paziente 1. Pannello centrale: l'inviluppo del segnale BP (z-score). Il picco della busta (asterisco rosso) indica la tempistica del picco HFO (rosso linea tratteggiata verticale). Gli asterischi blu segnano gli incroci rialzo e al ribasso di mezzo la soglia (blu linea tratteggiata), che indicano l'inizio e di fine-punti delle HFO (blu linee tratteggiate verticali). Pannello inferiore: il piano analisi tempo-frequenza. Nota il picco isolata nella banda di frequenza di ondulazione (~ 100 Hz) intorno al picco del HFO. Clicca qui per vedere una versione più grande di questa figura. revisione visiva di eventi HFO NOTA: Parte della revisione visiva si basa sulle linee guida proposte da Andrade-Valenca et al. 28 e Zelmann et al. 60. Allineare verticalmente 2 schermi di computer; uno per l'ispezione di EEG e uno per il controllo dei segnali MEG. Visualizzare gli eventi rilevati sia sul espanso (2 s / pagina) e s tipicicale (10 s / pagina) che mostra, rispettivamente, il 80 – Hz 250 e la 1 – 40 Hz BP filtrato segnali. Ignora eventi cooccurring con muscolari o elettrodi artefatti nel EEG non filtrato e MEG, così come gli eventi con grande variabilità di frequenza, la morfologia irregolare, o grandi variazioni di ampiezza. Osservare il EOG e segnali EMG durante la rilevazione dei HFO e scartare qualsiasi evento che è pensato per corrispondere a EOG o attività muscolare. Considerare solo i HFO che si sovrappongono con EEG / MEG IED (rilevato al punto 3.3) in quanto sono più probabilità di essere vere HFO 15,28,56. NOTA: Questo approccio offre alta specificità a costo di bassa sensibilità; pertanto, fornisce la sicurezza che le HFO individuati sono di origine corticale. Mantenere solo eventi HFO che si verificano in entrambi i segnali EEG e MEG allo stesso tempo. 5. La localizzazione Fonte di IED e HFO Localizzare i generatori al culmine del MEG IED, Contrassegnato nel passo 3.3, utilizzando i dipoli corrente equivalente (ECD). Utilizzare il software stime minime norma che è liberamente disponibile (http://martinos.org/mne/stable/index.html). Considerare picchi solo con la bontà di adattamento (GOF)> 80% e il momento di dipolo Q <500 nA – m. Sovrapporre la posizione ECD sulla risonanza magnetica di ciascun paziente. NOTA: La massima entropia sulla media (MEM) è un metodo alternativo attraente che determina la posizione e l'estensione delle fonti 61. HFO fonte localizzazione sia a EEG e MEG utilizzando la Wavelet massima entropia sul metodo Media (WMem) (come proposto da von Ellenrieder et al 38). NOTA: Il MEM è una tecnica efficace che è stata usata con successo per determinare la posizione e l'estensione delle sorgenti di attività epilettica 62-64. Il WMem è un'estensione di MEM che è stato sviluppato per la localizzazione di attività oscillatoria valutata con simulazioni realistiche 65. Si decompone il segnale in un disbase wavelet crete prima di effettuare la localizzazione fonte MEM su ogni scatola tempo-frequenza. Così, WMem è particolarmente adatto per localizzare HFO. Segmento la risonanza magnetica e ottenere la superficie corticale utilizzando freesurfer 66-67. Risolvere il problema in avanti EEG / MEG con il metodo degli elementi di contorno (BEM) per un modello a 3 strati con OpenMEEG 68. Ricampionare il segnale a 640 Hz per garantire che la seconda scala della trasformata wavelet discreta corrisponde alla banda di frequenza di interesse. Stima la matrice di covarianza del rumore nello spazio dati in modo indipendente per ogni HFO, basata sullo sfondo nella banda ripple in una finestra 150 ms immediatamente prima di ogni HFO. Eseguire la localizzazione delle sorgenti per ogni HFO nella banda ripple e media lungo la durata HFO. Nota: La mappa risultante è costituito da un valore di attivazione corticale associato ad ogni vertice del tassellatura corticale. Normalizza ogni mappa in modo da avere un massimovalore di attivazione pari a 1 per ogni HFO. Calcolare la media dei valori di attivazione in tutti HFO ad ogni vertice. Applicare una soglia del 60% della massima attivazione per visualizzare le mappe finali sulla superficie corticale. 6. Validazione Intracranica EEG (es: non): Acquisire extra-operatorio es: non utilizzando griglie subdurali e / o elettrodi di profondità stereotactically guidate. Guida il posizionamento degli elettrodi sulla base dei risultati di precedenti test di valutazione prechirurgica e le ipotesi cliniche da affrontare, che è specifico per ciascun paziente. NOTA: intracranica EEG è registrato con un sistema EEG digitale utilizzando una frequenza di campionamento 2 KHz, come parte della valutazione pre-chirurgica. Griglie subdurali sono in genere la scelta migliore se la topografia della zona corticale sequestro è importante risolvere, e se la mappatura della corteccia eloquenti è critica (per esempio, con una superficie epilettogena vicino primary corteccia motoria, in cui i confini esatti possono essere stimati dai mappatura stimolazione e ictal analisi EEG intracranica). Definizione del SOZ: Identificare la SOZ come definito da un epileptologist esperto sulla base delle informazioni cliniche disponibili per ogni paziente. NOTA: Il SOZ è definita come l'area che mostra la diffusione prima e rapido cambiamento es: non (scarico ictal) dal basale prima o concomitante con l'esordio clinico. Tutti i canali coinvolti all'inizio della scarica elettrografica ictal, solitamente i primi 5 s, sono stati considerati come SOZ. Nei pazienti in cui le crisi epilettiche sono provenienti da più di un'area indipendentemente l'uno dall'altro, tutti i contatti all'interno delle diverse SOZs sono considerati contatti soz. L'esperto è cieco ai risultati della localizzazione fonte HFO al momento della definizione del SOZ. Le informazioni clinico comprende anche: risultati ictali e interictali es: non, lesione visibile sulla risonanza magnetica, ictale e del cuoio capelluto interictale EEGscoperte. L'identificazione dei canali HFO: Rilevare i HFO in ciascun elettrodo intracranica come descritto al punto 4.1. Utilizzare il metodo di Kittler per determinare la soglia basato sulla istogramma del numero di HFO da tutti i canali, quindi applicare il bootstrap e calcolare la media come soglia finale 69. Infine, identificare i canali con un tasso HFO superiore alla soglia. Confrontare la localizzazione HFO con il SOZ identificato in 6.2 come il gold standard per i risultati della localizzazione fonte.

Representative Results

I pazienti pediatrici con epilessia refrattaria sono stati reclutati dalla clinica Epilessia del pediatrico di Boston (Boston, USA). Qui, i dati rappresentativi di 2 pazienti vengono presentati: una ragazza di 15 anni con encefalomalacia del diritto dell'arteria cerebrale media (MCA) regione (paziente 1), e un 11-anno-vecchio ragazzo con parietale sinistro / encefalomalacia temporale superiore ( paziente 2). I dati sono stati raccolti come parte del loro iter pre-chirurgica per un intervento chirurgico. Simultanee registrazioni MEG e EEG sono stati eseguiti presso il Athinoula A. Martinos Center for Biomedical Imaging. Sia per i pazienti, HFO sono stati identificati nella banda di frequenza di ripple (80 – 150 Hz) che si verificano in entrambi EEG e MEG e IED sovrastanti. Figura 4 presenta 10 s di cuoio simultanea EEG e MEG dati con attività interictale (pannelli superiori) da paziente 1. La stessa figura riporta anche unn tempo prolungato porzione in scala (2 s) dei segnali, che mostra le HFO rilevati nel dominio del tempo (pannelli centrali) e nel piano tempo-frequenza (pannello inferiore). Questo paziente ha mostrato un tasso di 8,8 HFO / min. Per chiarezza, la visualizzazione del piano tempo-frequenza è impedito di 80 – 150 Hz perché nessuna attività di primo piano è stato osservato per frequenze superiori a 150 Hz. Nel paziente 1, il riconoscimento automatico identificato 248 HFO eventi all'interno di 8.65 min di registrazioni. Dopo la revisione visiva degli eventi rilevati, 76 eventi sono stati tenuti che sono stati considerati veri HFO, ottenendo un tasso di 8,8 HFO / min. Figura 4: HFO sovrapposto IED rilevati dal cuoio capelluto EEG e MEG. Pannello superiore: IED da paziente 1 rilevati dal cuoio capelluto EEG (a sinistra) e MEG (a destra). 10 s di dati filtrati 1-70 Hz. Pannello centrale: visualizzazione della scala di tempo prolungato (2 s) dei dati di EEG e MEG evidenziato con sfondo grigio nel pannello superiore. I dati sono filtrati 80-150 Hz. Pannello inferiore: piano tempo-frequenza di 2 rappresentative EEG e MEG canali. Clicca qui per vedere una versione più grande di questa figura. Figura 5 presenta i risultati HFO localizzazione di paziente 1 sia da EEG cuoio capelluto e MEG. Entrambe le tecniche localizzati i HFO in prossimità della lesione in una posizione vicino alla destra giunzione temporo-parietale. MEG e EEG presentati leggermente diversi risultati localizzazione: attività MEG era situato più anteriormente rispetto a EEG e più vicino al contorno posteriore della lesione. La distanza tra i due massimi di attività WMem per il MEG e EEG era 15.0 mm. HFO localization era anche adiacente alla zona irritativi come questo è stato definito da MEG. La distanza euclidea tra le ECDs medi e l'attività massima WMem 18,7 mm per il MEG e 28,0 millimetri per l'EEG cuoio capelluto. Per paziente 2, abbiamo identificato 8 min di dati durante onde lente non-REM del sonno con IED e artefatti minimi che abbiamo usato per l'analisi HFO. Il numero di HFO cuoio capelluto era significativamente inferiore a quello del paziente 1 che mostra un tasso di 0,4 HFO / min. Figura 6 presenta i risultati di localizzazione fonte di HFO cuoio capelluto per MEG e del cuoio capelluto EEG, i IED localizzate da MEG utilizzando ECDs, e la posizione del HFO rilevati da es: non. La distanza tra il 2 massimi di attività WMem per il MEG e EEG era 16.4 mm. La distanza tra le ECDs medi e l'attività massima WMem 10,9 mm per il MEG ei 24,1 mm per il EEG. La zona HFO identificato in modo non invasivo per il cuoio capelluto EEG e MEG era nello stesso luogo in cui gli HFO erano identified invasivo con es: non. Gli elettrodi con il maggior numero di HFO erano LA51, LA52 e LA53, come mostrato in figura 6, la cui localizzazione sia concorde dell'attività HFO localizzata non invasivo. Figura 5: Localizzazione di HFO e IED. Zona HFO localizzato utilizzando il WMem con MEG e EEG da paziente 1 sovrapposto sulla risonanza magnetica del paziente (a sinistra). La mappa HFO rappresenta la media dei valori di attivazione normalizzati thresholded a 60% dell'attività massima. IED localizzati da ECDs con MEG (a destra). Le posizioni e gli orientamenti dei ECDs sono indicati in ciano. Il triangolo viola indica la posizione dei ECDs medi (46 ECDs), e il rettangolo rosso la posizione del ECD da IED medi (28 IED). Per la media dei IED, abbiamo identificatopicchi con morfologia simile. Clicca qui per vedere una versione più grande di questa figura. Figura 6: La concordanza spaziale tra l'HFO di zona localizzata in modo non invasivo con cuoio capelluto EEG e MEG, la zona irritativa, e l'HFO di zona localizzata invasivo con es: non. Pannelli superiori: Localizzazione di HFO da paziente 2 con il cuoio capelluto EEG (a sinistra) e MEG (al centro), e la localizzazione di IED con MEG (a destra) sovrapposti alla risonanza magnetica del paziente. La mappa HFO rappresenta la media dei valori di attivazione normalizzati thresholded a 60% dell'attività massima. circoli e bar Ciano indicano le posizioni e gli orientamenti del ECDs. Il triangolo viola indica la posizione dei ECDs mediate (30 ECDs), e il rettangolo rosso tegli posizione del ECD da IED medi (21 IED). Pannelli inferiori: Localizzazione di HFO a es: non (a sinistra) e 2 s di registrazioni dai canali con il più alto tasso di HFO. elettrodi impiantati vengono visualizzati sul MRI del paziente. La posizione degli elettrodi si ottiene co-registrazione del post-impiantato tomografia computerizzata (CT) e immagini RM. Gli elettrodi con il più alto tasso di HFO sono evidenziati sulla mappa della griglia impiantato sulla corteccia del paziente. Clicca qui per vedere una versione più grande di questa figura. I risultati rappresentativi qui presentati indicano l'uso potenziale della tecnica descritta in ambito clinico per l'individuazione non invasiva e la localizzazione di HFO durante la valutazione pre-chirurgica di pazienti pediatrici con epilessia refrattaria medico. Sia per i pazienti, HFO erano localized concordanti per il cuoio capelluto EEG e MEG (vedi Figura 5). Differenze di localizzazione di pochi millimetri può essere attribuito alla capacità di localizzazione superiore di alta densità MEG rispetto al cuoio capelluto EEG 70, o possono rappresentare diversi generatori di base 71. La localizzazione è anche concorde con la zona irritativa come questo è stato definito da MEG (vedere Figura 5 – destra del pannello). Nel paziente 2, i dati es: non erano inoltre disponibili. La zona HFO localizzato in modo non invasivo con il cuoio capelluto EEG e MEG era concorde con la zona HFO definito invasivo con es: non (vedi figura 6). I risultati del metodo proposto possono guidare il posizionamento delle griglie durante chirurgia dell'epilessia per il potenziale identificazione del EZ.

Discussion

prove convergenti da studi su animali e umani ha dimostrato che HFO sono un nuovo biomarker potenziale per il tessuto epilettogena. Nonostante questa evidenza, HFO hanno un uso molto limitato nella pratica clinica per la diagnosi o il monitoraggio di epilessia, soprattutto perché: (i) non esiste una definizione formale e globale per HFO; (Ii) diversi gruppi di ricerca utilizzano una metodologia diversa per la registrazione e l'analisi dei dati; (Iii) la rilevazione non invasiva di HFO con tecniche di neuroimaging è impegnativo; e (iv) il processo di riesame di HFO richiede tempo e poco pratico, soprattutto per EEG multicanale o registrazioni MEG con un elevato numero di sensori. Nel tentativo di fornire una metodologia globale standardizzata che promuove l'uso sistematico di HFO nella pratica clinica, la metodologia che è seguito all'ospedale dei bambini di Boston per la registrazione non invasiva, il rilevamento e la localizzazione di HFO interictali da pazienti pediatrici con epilessia è presentato. Representative risultati di HFO rilevati con il cuoio capelluto simultanea EEG e MEG da due bambini con epilessia refrattaria medicalmente sono anche presentati.

Passaggi critici all'interno del protocollo

La metodologia proposta prevede i seguenti passaggi critici: (i) le prestazioni di EEG e MEG registrazioni simultanee di attività interictale da pazienti pediatrici alta Signal-to-Noise-Ratio (SNR) con epilessia medicalmente refrattaria (passi 2.1.1 e 2.1.2 ); (Ii) la pre-elaborazione accurata e la selezione di dati con scariche interictali (passi 3.1 e 3.2); (Iii) la revisione visiva dei HFO eventi identificati con alta specificità (i punti 4.3.1, 4.3.2 e 4.3.3); e (iv) la localizzazione affidabile delle HFO utilizzando un metodo di localizzazione appropriata (passo 5.2).

La fase più critica in questo protocollo è la revisione visiva degli eventi HFO identificati dal rilevatore automatico. Una revisione rigorosa delle HFO rilevate automaticamente è crucial scartare HFO di origine non cerebrali. Tuttavia, stanchezza o distrazione del revisore umano durante l'ispezione visiva del multicanale EEG e MEG dati possono portare ad errori, riducendo la specificità del processo di rilevamento.

Modifiche e risoluzione dei problemi

Evitiamo l'uso della proiezione segnale spaziale (SSP) e metodi 72,73 Signal spazio Separation (SSS) per garantire che non vi era alcuna distorsione dell'attività HFO dalla loro applicazione. Questi metodi sono spesso utilizzati dalla maggior parte degli utenti del fornitore particolare MEG per sopprimere interferenze esterne e per correggere i movimenti della testa 72. Ulteriori studi sono necessari per assicurare che l'applicazione di questi metodi non influiscono o distorcere l'attività HFO o non producono effetti spuri che possono assomigliare HFO umani. Le modifiche secondarie di soglia minima del punteggio z dell'inviluppo del segnale (fase 4.1.1.3) e la soglia di acvalori coltiva- (step 5.2.6) possono essere necessari per migliorare la sensibilità dell'algoritmo nella rilevazione di HFO e limitare la localizzazione della zona HFO in una zona più focale.

Limitazioni della tecnica

Il metodo descritto presenta limitazioni che dovrebbero essere ulteriormente affrontati in studi futuri. In primo luogo, non considera HFO che si verificano solo nei segnali MEG o EEG, e non include il rilevamento automatico dei HFO nei segnali MEG, il che implica che alcuni attuale basso SNR MEG HFO potrebbe sfuggire ispezione visiva 74. Inoltre, la sensibilità e la specificità del metodo proposto per rilevare le HFO e la sua capacità di localizzare loro con elevata precisione devono essere convalidati con le registrazioni simultanee di cuoio capelluto EEG, MEG, e es: non 75. I nostri dati hanno dimostrato che singoli ECDs indicavano una zona irritativa estesa rispetto alla zona HFO focale. Tuttavia, quando i ECDs sono stati mediati, poi la locatio dipolon era abbastanza vicino alla zona HFO sia per i pazienti. I nostri dati sono indicativi della specificità dei 2 metodi che mostra una possibile maggiore specificità della zona HFO per epilettogenicità (in particolare per il paziente 2 per i quali la zona HFO stato sovrappone al SOZ) rispetto alla zona irritativa, anche se conclusioni sicure non è possibile trarre da tale una piccola coorte di pazienti. Ancora più importante, la localizzazione delle sorgenti HFO non implica direttamente localizzare il EZ che è responsabile per le convulsioni. I nostri risultati devono essere convalidati in base al risultato della chirurgia dell'epilessia che abbiamo intenzione di fare in un futuro studio. Infine, per registrare i dati EEG, un sistema 70-canale è stato utilizzato. Tuttavia, nella maggior parte dei centri di pratica clinica standard di EEG è utilizzato che registra i dati provenienti da 19 elettrodi posizionati secondo il 10 – 20 del sistema. Altri sistemi EEG pediatrici avanzati con molto più elevato numero di canali (fino a 256) sono attualmente disponibili sul mercato. L'uso di questi sistemi può migliorare ulteriormente tegli la localizzazione accuratezza della zona HFO rilevato con il cuoio capelluto EEG.

Importanza della tecnica rispetto ai metodi esistenti / alternativi

Per la nostra migliore conoscenza, questo è il primo studio che riporta la localizzazione non invasiva di HFO interictali con EEG e MEG simultaneo, e anche indaga la concordanza dei risultati della localizzazione con quelli da registrazioni intracraniche. Il non invasiva di registrazione, il rilevamento e la localizzazione di HFO è impegnativo. Questo perché HFO sono segnali molto deboli generati da piccole regioni cerebrali dell'ordine di millimetri cubi 16,76 e inoltre ostacolato dal rumore e attività cerebrale sfondo. Un recente studio ha proposto che HFO registrati in modo non invasivo con il cuoio capelluto EEG rappresentano la somma di attività di molteplici focale spazialmente distribuito e sorgenti coerenti 60. Finora pochi studi 28,29,37,38,60 sono riusciti a dimostrare che HFO può essere rilevato in modo non invasivo con scalp EEG e MEG; ancora meno localizzato questa attività, risolvendo il problema inverso 37-38.

Qui, la prova di HFO interictali sono presentati che sono stati rilevati con il cuoio capelluto simultanea EEG e MEG da due pazienti pediatrici affetti da epilessia. HFO sono stati localizzati utilizzando un quadro descritto in precedenza 38. I dati rappresentativi suggeriscono che la localizzazione non invasiva di HFO interictali è fattibile utilizzando tecniche di imaging sorgente eseguite su entrambi cuoio capelluto EEG o registrazioni MEG, supponendo che una tecnica di localizzazione appropriata viene utilizzato. Ciò è in linea con un precedente studio che ha utilizzato una struttura fantasma che assomiglia HFO generatori, il che indica che HFO possono essere non invasivo rilevati e accuratamente localizzati con MEG 32.

Il rilevamento e l'etichettatura di HFO interictali è tradizionalmente eseguita attraverso l'ispezione visiva dei dati da parte di esperti EEG umani. Anche se questo approccio è spesso Regarded come il gold standard, che presenta gravi limitazioni dal momento che ha scarsa affidabilità inter-revisore 77,78, e non è applicabile alle grandi MEG e EEG set di dati con elevato numero di sensori. Fondamentale per l'applicazione di HFO nella pratica clinica è lo sviluppo di algoritmi che rilevano le HFO automaticamente da registrazioni cuoio capelluto riducendo la necessità di intervento umano. L'identificazione visiva di HFO cuoio capelluto è in realtà molto impegnativo a causa di: (i) il basso SNR di HFO sul cuoio capelluto; (Ii) i tassi più bassi di HFO nelle registrazioni del cuoio capelluto rispetto a quelli intracranici, il che implica l'analisi dei tempi di registrazione più lunghi; e (iii) l'elevato numero di canali da analizzare, particolarmente in alta densità EEG o MEG. Diversi algoritmi per il rilevamento automatico e semi-automatica di HFO sono stati proposti negli ultimi dieci anni 54. Rilevatori anteriore invocato soglie nel dominio del tempo, al fine di identificare gli eventi che possono essere distinte da sfondo costante attività 49,80. I recenti progressi suggeriscono anche che incorpora informazioni dal dominio della frequenza, partendo dal presupposto che un HFO deve apparire come un evento di breve durata con un picco spettrale isolato ad una frequenza di 50,56,81 distinta. metodi semi-automatici sembrano essere l'approccio più appropriato per l'applicazione di HFO nella pratica clinica. Questi metodi implicano 2 fasi: (i) di rilevazione automatica iniziale di eventi che ha alta sensibilità, e (ii) revisione visiva di eventi da un esperto, che ha alta specificità. Questo approccio fornisce maggiore specificità rispetto ai metodi completamente automatizzati e assicura che gli eventi recensiti finali sono HFO reali di origine cerebrale.

Qui, un metodo semi-automatico viene presentato che consente il rilevamento di HFO da interictale cuoio capelluto EEG e MEG registrazioni. Il metodo proposto estende tecniche per la rilevazione di HFO dal cuoio capelluto EEG 60 precedentemente descritto incorporando nei criteri di identificazione due importCaratteristiche ant: (i) l'analisi automatica tempo-frequenza degli eventi HFO; e (ii) il concorso temporale degli eventi HFO in entrambe le registrazioni MEG e EEG.

Le future applicazioni o direzioni Dopo aver imparato questa tecnica

La localizzazione affidabile di HFO con metodi neuroimaging non invasivi, come ad esempio il cuoio capelluto EEG e MEG, è critica. Mastering, migliorando, e convalidare il protocollo proposto fornirà i medici con un affidabile, biomarcatore non invasivo registrabile per l'identificazione del EZ. Lo sviluppo di tale biomarcatore ha il potenziale per ridurre la necessità di monitoraggio a lungo termine e le registrazioni intracraniche invasive che portano a un significativo miglioramento della procedura di valutazione pre-chirurgica nei pazienti pediatrici. Sarebbe non solo aiuto per identificare il tessuto epilettogena per un intervento chirurgico, ma sarebbe anche permettere diagnosi differenziale definitiva di epilessia di crisi epilettiche sintomatiche acute, che richiedono una completamente diffenoleggiare approccio di trattamento, e da convulsioni epilettiche non risparmiando la necessità di un monitoraggio a lungo termine in alcuni pazienti. Inoltre, questo potrebbe consentire la valutazione della efficacia degli interventi terapeutici, senza attesa di un altro sequestro a verificarsi.

Divulgazioni

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
DOWNLOAD MATERIALS LIST

Riferimenti

  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).

Tags

High-frequency OscillationsInterictalMagnetoencephalographyElectroencephalographyPediatric EpilepsyInverse ProblemBiomarkerNon-invasive LocalizationEpileptogenic Zone

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citazione di questo articolo
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).
Scarica citazione
Ristampe e autorizzazioni

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image