Cortical Fonte Análise de alta densidade EEG Recordings em Crianças

O presidente Barack Obama descreveu o cérebro humano como a próxima fronteira da descoberta científica, com grande importância para a saúde e economia ³ (http://www.whitehouse.gov/share/brain-initiative). No entanto, como qualquer outro campo das ciências naturais, a neurociência depende de avanços nas metodologias e técnicas de análise para o progresso. Dois comumente usadas ferramentas não invasivas em estudos sobre o funcionamento do cérebro em humanos são a ressonância magnética (MRI) e eletroencefalografia (EEG). Estes ferramenta explorar diferentes propriedades físicas e fornecer diferentes perspectivas sobre o funcionamento do cérebro com suas vantagens e desvantagens. MRI utiliza as propriedades magnéticas das moléculas de água dentro de campos magnéticos para obtenção de imagens de tecidos vivos. O sujeito tem de ser colocado em um íman com elevada força de campo. O movimento do participante é restrito durante estes procedimentos eo participante tem de tolerar o ruído causado por mudanças rápidas no magnéticocampo. Além de imagens estruturais, ressonância magnética, também oferece a possibilidade de medir as mudanças na oxigenação do sangue para investigar o funcionamento do cérebro (fMRI). Em resumo, a RM oferece relativamente alta resolução espacial de até 0,5 mm ³ com modernos campos de alta scanners e parâmetros otimizados ^4. Em contraste, a resolução temporal de fMRI é limitado à cinética lenta da resposta BOLD, que apenas indiretamente reflete a dinâmica temporal elevadas de ^5,6 neural atividade.

Por outro lado, EEG mede mudanças na atividade elétrica causados ​​pela atividade dos neurônios através de eletrodos colocados sobre o couro cabeludo. Os recentes avanços na tecnologia EEG permitir a aplicação rápida e fácil dos sensores de curto prazo ou a longo prazo e estacionário, bem como gravações ambulatoriais. Porque EEG é menos restritiva, ele também é o método de escolha para certas populações de participantes que não toleram o ambiente MRI assim como pediátrica e certopopulações geriátricas e psiquiátricos. As propriedades de EEG mostram um padrão inverso aos de ressonância magnética: a resolução temporal é muito alta, com uma precisão de milissegundos, mas a resolução espacial é limitada. As correntes eléctricas passar através de tecidos diferentes entre o gerador e os eléctrodos de EEG na superfície do couro cabeludo. Isto conduz a uma mistura e manchas espacial da actividade fonte conhecida como o efeito de condução do volume. Portanto, a actividade medida pelos eléctrodos sobre a superfície do couro cabeludo reflecte a actividade de várias fontes que possam ser distante para a posição do eléctrodo sobre a ^1,7 cabeça.

Muito trabalho nos últimos anos tem se dedicado à fusão de ressonância magnética e EEG, a fim de tirar proveito de seus pontos fortes. Uma linha de trabalho é dedicado à aquisição simultânea de EEG e RM em estudos funcionais. Outra abordagem é a utilização da informação espacial fornecida por MRI estrutural para ter em conta o volume conduction efeito através de modelagem biofísica. O uso de informações estruturais para a reconstrução fonte de EEG é particularmente útil para estudos envolvendo a população pediátrica. A investigação do desenvolvimento da função cerebral é fundamental para compreender como as habilidades cognitivas complexas são construídas em cima de precursores simples ^8.

Estas investigações ajudam a destacar as mudanças nos substratos neurais e propriedades de resposta que se correlacionam com mudanças no desempenho comportamental. No entanto, a investigação do funcionamento do cérebro e cognição durante o desenvolvimento também coloca desafios específicos. Particularmente, a oportunidade para exames de ressonância magnética funcional é limitado como as crianças e adolescentes ou têm de estar dormindo ou sedado para obter dados de ressonância magnética sem artefatos de movimento e impacto negativo no bem-estar dos participantes. Além disso, EEG é percebida como menos arriscado e invasivo pelos pais, o que faz o recrutamento dos participantes da pesquisa mais fácil. Therefore, EEG é o método de escolha para muitas investigações sobre o funcionamento do cérebro em crianças pequenas. Avanços metodológicos em sistemas de EEG permitir a aplicação de matrizes de eletrodos de alta densidade com 128 ou mais canais em poucos minutos. Facilidade de aplicação e conforto de utilização é suficiente para até mesmo permitir a gravação de EEG nas crianças mais novas. No entanto, muitas vezes os pesquisadores não estão interessados ​​apenas na dinâmica temporal de respostas a estímulos particulares, mas também gostaria de comparar os substratos neurais que medeiam as respostas.

A suposição prevalecente na análise ERP nível de canal comparando diferentes grupos de idade é que os mesmos substratos neurais responder, mas que o tempo ou amplitude de resposta varia entre as idades de ^9. Similar couro cabeludo topografia é frequentemente utilizado como um indicador de atividade neural subjacente similar. No entanto, muitas configurações de fontes diferentes pode levar a topografias semelhantes couro cabeludo ^10. Ao aplicar a estimativa fonte, esta uncertainty pode ser reduzida e quantificado. A independência das observações é fundamental para contas de rede da função cerebral: se as fontes são misturadas, as correlações será inclinado para maior conectividade local. Fonte reconstrução podem ser aplicadas para reduzir esta polarização ^11. Alternativamente, as diferenças de tempo e de fase pode ser usado para análise de conectividade, mas esses modelos matemáticos exigem suposições que são difíceis de avaliar, em dados não simulados ^12. Em resumo, a estimativa fonte fornece informações adicionais para EEG nível de canal e análise de ERP com base no conhecimento sobre a anatomia e propriedades biofísicas de tecido.

Diferentes algoritmos foram desenvolvidos para encontrar soluções para o problema inverso. Esses algoritmos podem repartir-se em duas categorias: paramétricos e não paramétricos ^13. Modelos paramétricos assumir um ou vários dipolos que podem variar em localização, orientação e força. Em contraste, não modelos paramétricos containd grande número de dipolos com localização fixa e orientação. Nestes modelos, a actividade eléctrica do couro cabeludo é explicada como uma combinação de activações nos dipolos fixos ^10,13,14. Não paramétrica, modelos de origem podem ser distribuídos com base no conhecimento sobre a anatomia e condutividade em diferentes meios de comunicação. Boundary Elemento Modelos incorporam valores de condutividade para os principais tecidos da cabeça com diferentes conchas para o cérebro, líquor e crânio. Esta baseia-se no pressuposto de que a condutividade é mais constante no interior de cada compartimento, mas que as alterações marcadas ocorrer no limite de diferentes compartimentos. Modelos de elementos finitos são baseados em uma nova segmentação de exames de RM em substância cinzenta e branca, de modo que os valores de condutividade pode ser atribuído a cada voxel ^15.

Em termos práticos, os modelos não paramétricos são particularmente úteis para a reconstrução de origem em tarefas cognitivas complexas, em que o número de áreas envolvidas podenão ser conhecido ^10. Modelos de elementos de contorno são mais amplamente utilizado na literatura atual, provavelmente porque os mais precisos Modelos de Elementos Finitos representam demandas computacionais comparativamente altos. Além disso, há considerável entre variabilidade individual na substância cinzenta e branca para que FEMS deve ser baseada em exames de ressonância magnética individuais.

Modelos não paramétricos requerem uma segunda etapa para combinar a atividade medido couro cabeludo com as previsões do modelo para a frente. Mais uma vez, diferentes abordagens, com diferentes vantagens e desvantagens têm sido discutidas na literatura (ver Michel et al. 2.004 para uma visão geral). Os algoritmos mais utilizados são baseados na estimativa norma mínima (MNE), que coincide com a actividade medida couro cabeludo para uma distribuição de corrente no modelo para a frente com a menor intensidade total ^16. MNE está inclinado para fontes fracas e superficiais. Profundidade algoritmos MNE ponderada tentar reduzir o viés de superfície através da introdução de ponderaçãomatrizes baseadas em suposições matemáticas ^10. O LORETA abordagem amplamente utilizada baseia-se também ponderada EMN, mas além disso minimiza o Laplaciano das fontes, o que leva a soluções suaves ^17,18. LORETA foi encontrado para realizar o melhor para fontes individuais em estudos de simulação ^19,20. No entanto, LORETA pode levar a um excesso de alisamento de soluções. Profundidade ponderada ENM é preferível quando as fontes são desconhecidas ou múltiplas fontes são susceptíveis de estar presentes ^{13, 16.} Comparando-se os resultados de diferentes algoritmos para avaliar a influência de diferentes suposições do modelo é recomendado.

Em resumo, a reconstrução fonte através de métodos de modelagem tem sido limitado para crianças até recentemente. Isto porque a maioria software de análise de EEG se baseia em modelos de cabeça com base na anatomia adulto que limita substancialmente a precisão das soluções de código em crianças ^2,8. O acesso barato para poder computacional e da prestação desoftware de fácil utilização para a reconstrução fonte torná-lo possível para superar essas limitações. Aplicando estimativa de origem para o EEG oferece duas vantagens importantes sobre a análise com base em observações de nível de canal sozinho: melhor resolução espacial e independência das observações.

Fonte estimativa não pode ser informativo, em alguns casos: uma boa cobertura da cabeça é necessário para distinguir as fontes. Sistemas de alta densidade com 128 ou mais eletrodos são recomendados ^10,15; uma cobertura esparsa irá funcionar como um filtro espacial levando a mais ampla fonte de propagação de ativação ou resultados falsos negativos ^10. Além disso, foi relatado somente reconstrução fonte com base no método descrito no artigo de geradores corticais. Portanto, é menos adequado para testes de hipóteses sobre substratos subcorticais ou interações subcorticais corticais. Por último, a análise da fonte deve ser baseada em hipóteses prévias detalhadas sobre os substratos corticais,levando a literatura existente de outras modalidades de imagem em conta. Podem também ser utilizadas técnicas de filtragem espacial para melhorar a resolução espacial do sinal de EEG, reduzindo mistura espacial sobre o nível do couro cabeludo. Métodos alternativos para reduzir a influência dos efeitos da condução de volume sem modelagem cabeça são usados, por exemplo, filtragem Laplacian ²¹ ou atual análise Fonte Densidade ^22. No entanto, esses métodos não fornecem mais informações sobre geradores neurais como os efeitos da condução de volume não estão restritas apenas aos sensores de proximidade espacial ^1.

Nas seções seguintes, o artigo descreve como experimentos para a investigação do cérebro e função cognitiva em crianças de 2 anos de idade são projetadas para o bebê Lab Londres. Em seguida, é discutida a aquisição de dados de EEG com alta densidade de sistemas de baixa impedância com crianças. Então, EEG pré-processamento e análise sobre o nível do canal é apresentado. Lastly, o artigo centra-se no tratamento de dados de ressonância magnética estrutural para a reconstrução fonte cortical e análise de sinais de nível de fonte.