同时MEG / EEG和解剖约束的最小模估计皮质动态映射：听觉注意示例

磁和脑电图（MEG / EEG）的神经影像学技术，提供高时间分辨率，特别适合动态感知和认知能力的任务，如参加一个鸡尾酒会不同的声音在参与调查的皮质神经元网络。许多过去的研究只采用的传感器记录的数据， 即 ，记录外，在头皮上的磁场或电势，并通常集中在活动时间锁定的刺激呈现。这种类型的事件相关领域的/潜在的分析是非常有用的，只有少数不同的偶极模式，可以在时间和空间的分离和鉴定。另外，通过利用解剖信息，这些不同领域的模式可以被本地化为电流源上皮层。然而，对于一个更持久的反应，可能没有时间锁定到一个特定的刺激（ 如 ，准备听之一的两个同时出现的口语线索的听觉特性的基础上的数字），或者可以被分布在多个空间位置未知的先验 ，招募的一个分布式皮质网络可能不会被充分地通过使用有限数量的捕获焦点来源。

在这里，我们描述一个过程，采用个别解剖MRI数据建立的传感器信息和偶极子上皮层的激活，通过使用最小模估计（MNE）之间的关系。这种逆成像方法为我们提供了分布式信源分析工具。为了便于说明，我们将介绍使用FreeSurfer和跨国公司的软件，不管是免费的所有程序。我们将总结MRI序列和分析所需的步骤，以产生正向模型，使我们能够与预期的场模式到M / EEG传感器所造成的偶极子分布在皮层。 NEXT，我们会加强有利于我们在去噪的环境和生理污染物的传感器数据，通过必要的程序。然后，我们将概述的程序，用于组合和的MEG / EEG传感器数据映射到皮层的空间，从而产生皮质偶极激活在脑表面（或“大脑电影”）有关的每个实验条件下的时间序列的家庭。最后，我们将重点介绍一些统计技术，使我们能够在一个受人口（ 即 ，执行组级别分析）基于一个共同的皮质坐标空间科学推断。