Mapeamento Dynamics cortical MEG simultâneas / EEG e anatomicamente constrangido mínima norma-Estimativas: um exemplo Atenção Auditiva
Summary
Usamos magneto-e eletroencefalografia (MEG / EEG), combinado com informações anatômicas capturado por ressonância magnética (MRI), para mapear a dinâmica da rede cortical associado à atenção auditiva.
Abstract
Magneto e eletroencefalografia (MEG / EEG) são técnicas de neuroimagem que proporcionam uma alta resolução temporal particularmente adequado para investigar as redes corticais envolvidas no dinâmicos tarefas perceptivas e cognitivas, tais como atendimento a diferentes sons em um coquetel. Muitos estudos anteriores tenham utilizado os dados gravados no nível do sensor, isto é., Os campos magnéticos ou eléctricos dos potenciais registados fora e no couro cabeludo, e têm geralmente focada na actividade que é tempo de bloqueado para a apresentação do estímulo. Este tipo de evento relacionado campo / análise de potencial é particularmente útil quando há apenas um pequeno número de diferentes padrões dipolares que podem ser isolados e identificados no espaço e no tempo. Em alternativa, através da utilização de informação anatómica, estes padrões de campo diferentes podem ser localizados como fontes de corrente no córtex. No entanto, para uma resposta mais sustentada, que não pode ser bloqueado em tempo a um estímulo específico (p. ex.,, em preparação para a ouvir um dos dois simultaneamente apresentados dígitos faladas acordo com a função auditiva cued) ou pode ser distribuído através de múltiplas localizações espaciais desconhecidas a priori, o recrutamento de uma rede distribuída cortical podem não ser adequadamente capturado por meio de um número limitado de fontes focais.
Aqui, nós descrevemos um processo que emprega anatómicas individuais dos dados de MRI para estabelecer uma relação entre as informações do sensor e a activação de dipolo no córtex através do uso da norma mínima estimativas (ENM). Esta abordagem de imagem inversa nos fornece uma ferramenta para análise da fonte distribuído. Para fins ilustrativos, vamos descrever todos os procedimentos que utilizam FreeSurfer MNE e software, tanto livremente disponíveis. Vamos resumir as seqüências de RM e etapas de análise necessários para produzir um modelo para a frente que nos permite relacionar o padrão de campo esperado causado pelos dipolos distribuídos no córtex sobre os sensores do M / EEG. Next, vamos percorrer os processos necessários que facilitem nos denoising os dados do sensor de contaminantes ambientais e fisiológicos. Iremos em seguida, descrevem o procedimento para a combinação de mapeamento e MEG / dados do sensor para o espaço de EEG cortical, produzindo desse modo uma família de séries de tempo da activação do dipolo cortical na superfície do cérebro (ou "filmes cérebro") relacionadas com cada condição experimental. Finalmente, vamos destacar algumas técnicas estatísticas que nos permitem fazer inferência científica em uma população de assunto (ou seja., Realizar ao nível do grupo de análise) com base em um espaço de coordenadas comum cortical.
Protocol
Discussion
A fim de estimar a activação de dipolo no córtex do MEG / adquiridos dados de EEG, precisamos de resolver um problema inverso, que não tem uma solução única e estável a menos apropriados anatomicamente e fisiologicamente constrangimentos de som são aplicadas. Usando a restrição anatômica adquiridos para assuntos individuais usando ressonância magnética e adotar a norma-mínimo como critério de estimativa, podemos chegar a uma estimativa fonte inversa cortical atual que está de acordo com as medições do…
Declarações
The authors have nothing to disclose.
Acknowledgements
Os autores gostariam de agradecer Matti S. Hämäläinen, Lilla Zöllei e três revisores anônimos por seus comentários úteis. Fontes de financiamento: R00DC010196 (AKCL); T32DC000018 (EDL); T32DC005361 (RKM).
Materials
| Name of equipment / software | Company / source | ||
| 306-channel Vectorview MEG system | Eleka-Neuromag Ltd, | ||
| 1.5-T Avanto MRI scanner | Siemens Medical Solutions | ||
| FreeSurfer | http://freesurfer.net/ | ||
| MNE software | http://www.nmr.mgh.harvard.edu/martinos/userInfo/data/sofMNE.php | ||
| EEG electrodes | Brain Products, Easycap GmbH | ||
| 3Space Fastrak system | Polhemus | ||
| Optical button box (FIU-932) | Current Designs |
Referências
- Fischl, B. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14, 11-22 (2004).
- Dale, A., Sereno, M. Improved localization of cortical activity by combining EEG and MEG with MRI cortical surface reconstruction: A linear approach. Journal of Cognitive Neuroscience. 5, 162-176 (1993).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Liu, H. Functional Mapping with Simultaneous MEG and EEG. Journal of Visualized Experiments. (40), e1668 (2010).
- Brainard, D. H. The Psychophysics Toolbox. Spatial Vision. 10, 433-436 (1997).
- Uusitalo, M. A., Ilmoniemi, R. J. Signal-space projection method for separating MEG or EEG into components. Med. Biol. Eng. Comput. 35, 135-140 (1997).
- Taulu, S., Simola, J., Kajola, M. Applications of the signal space separation method. IEEE Transactions on Signal Processing. 53, 3359-3372 (2005).
- Urbach, T. P., Kutas, M. Interpreting event-related brain potential (ERP) distributions: Implications of baseline potentials and variability with application to amplitude normalization by vector scaling. Biological Psychology. 72, 333-343 (2006).
- Lin, F. -. H., Belliveau, J. W., Dale, A. M., Hämäläinen, M. S. Distributed current estimates using cortical orientation constraints. Human Brain Mapping. 27, 1-13 (2006).
- Dale, A. Dynamic statistical parametric mapping: combining fMRI and MEG for high-resolution imaging of cortical activity. Neuron. 26, 55-67 (2000).
- Nichols, T., Hayasaka, S. Controlling the familywise error rate in functional neuroimaging: a comparative review. Statistical Methods in Medical Research. 12, 419-446 (2003).
- Nichols, T. E., Holmes, A. P. Nonparametric permutation tests for functional neuroimaging: a primer with examples. Human Brain Mapping. 15, 1-25 (2001).
- Pantazis, D., Leahy, R. M., Hansen, P., Kringelbach, M., Salmelin, R. Statistical Inference in MEG Distributed Source Imaging. MEG: An Introduction to Methods. , 245-272 (2010).
- Ahveninen, J. Attention-driven auditory cortex short-term plasticity helps segregate relevant sounds from noise. Proceedings of the National Academy of Sciences. , 1-6 (2011).
- Sharon, D. The advantage of combining MEG and EEG: comparison to fMRI in focally stimulated visual cortex. Neuroimage. 36, 1225-1235 (2007).
- Herrmann, B., Maess, B., Hasting, A. S., Friederici, A. D. Localization of the syntactic mismatch negativity in the temporal cortex: An MEG study. NeuroImage. 48, 590-600 (2009).
- Baillet, S., Hansen, P., Kringelbach, M., Salmelin, R. The Dowser in the Fields: Searching for MEG Sources. MEG: An Introduction to Methods. , 83-123 (2010).
- Gutschalk, A., Micheyl, C., Oxenham, A. J. Neural correlates of auditory perceptual awareness under informational masking. PLoS Biology. 6, e138 (2008).
