Mappatura Dynamics corticali tramite MEG / EEG simultanee e anatomica vincolata minima norma-Stime: un esempio Attenzione Auditory
Summary
Usiamo magneto-e di elettroencefalografia (MEG / EEG), combinata con informazioni anatomiche catturato dalla risonanza magnetica per immagini (MRI), per mappare le dinamiche della rete corticale associata con attenzione uditiva.
Abstract
Magneto-e di elettroencefalografia (MEG / EEG) sono tecniche di neuroimaging che forniscono una alta risoluzione temporale particolarmente adatto per studiare le reti corticali coinvolte in dinamiche compiti percettivi e cognitivi, come la partecipazione a suoni diversi in un cocktail party. Molti studi precedenti hanno impiegato dati registrati a livello solo sensore, cioè., I campi magnetici o le potenziali elettrici registrati all'esterno e sul cuoio capelluto, e sono generalmente concentrato sull'attività che è tempo-locked alla presentazione dello stimolo. Questo tipo di evento correlato campo / analisi potenziale è particolarmente utile quando ci sono solo un piccolo numero di distinti modelli dipolari che può essere isolato ed identificato nello spazio e nel tempo. In alternativa, utilizzando informazioni anatomiche, questi modelli campi distinti possono essere localizzati come sorgenti di corrente sulla corteccia. Tuttavia, per una risposta più sostenuta che non può essere tempo-locked ad uno specifico stimolo (ad es.,in preparazione per ascoltare una delle due cifre presentate simultaneamente vocali basati sulla funzione uditiva cued) o possono essere distribuiti su più posizioni spaziali sconosciuti a priori, l'assunzione di una rete distribuita corticale non può essere adeguatamente catturati utilizzando un numero limitato di fonti di focali.
Qui, si descrive un procedimento che impiega i singoli dati anatomici MRI per stabilire una relazione tra i dati del sensore e l'attivazione dipolo sulla corteccia attraverso l'uso di minimo-norm stime (MNE). Questo approccio di imaging inversa ci fornisce uno strumento per l'analisi distribuita di origine. A titolo illustrativo, si descrivono tutte le procedure che utilizzano FreeSurfer e software multinazionale, sia liberamente disponibile. Noi riassumere le sequenze di risonanza magnetica e le fasi di analisi necessari per produrre un modello in avanti che ci permette di mettere in relazione l'atteso quadro di campo causata dai dipoli distribuite sulla corteccia sulle M / EEG sensori. Next, si passerà attraverso i processi necessari che ci facilitano in denoising i dati del sensore di contaminanti ambientali e fisiologiche. Avremo quindi delineare la procedura per combinare e mappatura MEG / EEG dati del sensore sullo spazio corticale, producendo così una famiglia di serie temporale di attivazione corticale dipolo sulla superficie cerebrale (o "film cerebrali") relativa a ciascuna condizione sperimentale. Infine, si metterà in evidenza alcune tecniche statistiche che ci permettono di fare inferenza scientifica in una popolazione di soggetti (ad es., Eseguire l'analisi a livello di gruppo) sulla base di uno spazio comune di coordinate corticale.
Protocol
Discussion
Per stimare l'attivazione dipolo sulla corteccia dalle MEG acquisite / dati EEG, dobbiamo risolvere un problema inverso, che non ha una soluzione unica stabile a meno opportuni vincoli anatomicamente e fisiologicamente sane vengono applicati. Utilizzando il vincolo anatomica acquisita per singoli soggetti che utilizzano la risonanza magnetica e adottando il minimo-norma come criterio di stima, si può arrivare ad una stima inversa corticale generatore di corrente che è d'accordo con le misure dei sensori. Quest…
Declarações
The authors have nothing to disclose.
Acknowledgements
Gli autori desiderano ringraziare Matti S. Hämäläinen, Lilla Zöllei e tre revisori anonimi per i loro utili commenti. Fonti di finanziamento: 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).
