Summary

子供高密度脳波記録の皮質ソース解析

Published: June 30, 2014
doi:

Summary

近年、認知神経科学実験のために頭皮測定された電気的活動の皮質源を推定する関心が高まっている。この記事では、高密度脳波を取得した方法と、録音はロンドン赤ちゃんラボで2歳以上の小児の皮質源推定のために処理される方法について説明します。

Abstract

EEGは、伝統的に高い時間および低空間分解能を有する神経画像技術として記載されている。生物物理学的モデル化と、信号処理における最近の進歩は、この制約克服する1高空間分解能を提供する構造的MRIのような他の撮像モダリティからの情報を活用することを可能にする。これは一時的な高解像度だけでなく、空間領域を必要とする調査に特に便利です。よく機能的MRIスキャンを許容しないような若い子として集団を操作するときだけでなく、原因EEG記録の簡単なアプリケーションで低コストのために、脳波は、多くの場合、最適な方法である。しかし、基質が関与する神経調べるために、構造的MRIからの解剖学的情報が依然として必要である。ほとんどの脳波解析パッケージは、大人の解剖学に基づいており、標準的な頭部モデルを扱う。子どもたちのために使用されるこれらのモデルの精度は、2を制限されているので、COmpositionと頭の空間的な構成は、開発3で劇的に変化した組織。

本論文では、高密度脳波の皮質の発電機を再構築するために、個々の構造的なMRIスキャンや年齢、特定の頭部モデルに基づく頭部モデルを用いた我々の最近の研究の概要を説明します。この記事では、EEG記録が処理され、実験室の設定、タスクの設計、脳波前に、MRI処理、脳波チャンネルレベルおよびソース解析など、ロンドンの赤ん坊の研究所の小児集団で分析、取得する方法を説明します。

Introduction

オバマ大統領は、健康と経済3(http://www.whitehouse.gov/share/brain-initiative)のための重要度の高い科学的発見の次のフロンティアとして、人間の脳を記述した。しかし、自然科学の他の分野と同様に、神経科学の進歩のための方法論や分析技術の進歩に依存します。ヒトにおける脳機能に関する研究において一般的に使用される2つの非侵襲的なツールは、磁気共鳴イメージング(MRI)及び脳波(EEG)である。これらのツールは、異なる物理特性を利用し、独自の長所と短所を持つ脳機能にさまざまな洞察を提供しています。 MRIは、生体組織の画像を得るために磁場中での水分子の磁気特性を使用する。被験体は、高い磁場強度を有する磁石内に配置される必要がある。参加者の動きは、この手順の間に制限され、参加者は、磁気の急激な変化に起因するノイズを許容するために有しているフィールド。構造上の画像に加えて、MRIは、脳機能法(fMRI)を調べるために血液酸素化の変化を測定する可能性を提供する。要約すると、MRIは、現代の高磁場スキャナや最適化されたパラメータ4で最大0.5ミリメートル3の比較的高い空間分解能を提供しています。これとは対照的に、fMRIのの時間分解能は間接的にしか神経活動5,6の高い時間ダイナミクスを反映しBOLD応答の遅い反応速度に制限されています。

他方、EEGは頭皮上に配置された電極を介してニューロンの活性によって引き起こされる電気的活動の変化を測定する。脳波技術の最近の進歩は、短期または長期固定のためのセンサーの迅速かつ容易なアプリケーションだけでなく、外来の録音を可能にします。 EEGは制限が少ないので、それはまた、井戸のようなMRI環境を許容しない特定の参加者集団のために選択される方法である小児および特定の高齢者や精神科集団。 EEGの特性は、MRIのものと逆のパターンを示す:時間分解能精度はミリ秒と非常に高いが、空間分解能が制限される。電気電流が頭皮の表面にその発電機およびEEG電極との間で種々の組織を通過する。これは、混合および体積伝導効果として知らソースアクティビティの空間的スミアリングをもたらす。そのため、頭皮の表面に電極によって測定された活性は、ヘッド1,7の電極の位置に遠いかもしれない複数のソースからの活動を反映している。

近年の多くの研究は、それぞれの長所を活用するために、MRIとEEGの併合に専念してきました。仕事の一行は、機能研究における脳波やMRIの同時取得に取り組んでいます。別のアプローチは、ボリュームcのを考慮するために、構造MRIによって提供される空間情報を使用することであるonduction生物物理学的モデリングによって効果。 EEG記録のソース再構成のための構造情報を使用することは小児集団を含む研究のために特に有用である。脳機能の発達の調査は複雑な認知能力は、単純な前駆体8の上に構築する方法を理解する上で中心的な役割を果たします。

これらの調査は、行動性能の変化と相関神経基盤と応答特性の変化を強調するのに役立ちます。しかし、開発中に脳機能と認知の調査は、特定の課題を提起する。特に、機能的MRI研究のための機会が幼い子供や乳幼児眠っや運動の成果物と参加者福祉に悪影響を及ぼすことなく、MRIデータを取得するために鎮静する必要がいずれかとして制限されています。さらに、脳波、研究参加者の募集が容易になり、両親によってリスクが少ないと、侵襲性として知覚される。 Therefore、脳波は幼児の脳機能の多くの研究のために選択される方法である。 EEGシステムにおける方法論的進歩は、数分以内に128以上のチャンネルを有する高密度電極アレイの適用を可能にする。アプリケーションと快適さを身に着けやすさにも最年少の乳児に脳波記録を可能にするのに十分である。しかし、多くの場合、研究者だけでなく、特定の刺激に対する応答の時間的なダイナミクスに興味を持っているだけでなく、応答を仲介する神経基盤を比較したいと思います。

異なる年齢群を比較するチャンネルレベルのERP分析において一般仮定は、同じ神経基盤が応答していることですが、タイミングや応答振幅は年齢9渡って変化する。同様の頭皮トポグラフィは、しばしば類似の基礎となる神経活動の指標として使用される。しかし、多くの異なるソースの構成は同様の頭皮トポグラフィ10につながる可能性がある。光源推定を適用することにより、このuncertaintyを低減し、定量することができる。観測値の独立性は、脳機能のネットワークアカウントのために重要である:ソースが混在している場合、相関が高いローカル接続の方にバイアスされる。ソース再構築は、このバイアス11を減少させるために適用することができる。代わりに、タイミングと位相の違いは、接続分析に使用することができますが、これらの数学的モデルは、非シミュレートされたデータ12で評価することが困難な仮定を必要とする。要約すると、元の推定は解剖学や組織の生物物理学的特性に関する知識に基づいて、チャネルレベルの脳波とERP分析に追加情報を提供します。

異なるアルゴリズムは、逆問題に対する解決策を見つけるために考案されている。パラメトリックとノンパラメトリック13:これらのアルゴリズムは、2つのカテゴリに大別分類されます。パラメトリックモデルは、位置、向きや強さが変化してもよい1または複数の双極子を想定しています。対照的に、非パラメトリックモデルcontai固定された位置と向きを持つダイポール多数のNA。これらのモデルでは、頭皮の電気的活動は、固定ダイポール10,13,14における活性化の組み合わせとして説明する。ノンパラメトリック、分散型のソースモデルは、様々なメディアでの解剖学と導電率に関する知識に基づいて行うことができる。境界要素モデルは、脳、脳脊髄液、頭蓋骨に別のシェルとヘッドの主な組織のための導電率値を組み込む。これは、導電率は、各区画内にほとんど一定であるが、顕著な変化は、異なる区画の境界で発生することを想定している。導電率の値は、各ボクセル15に割り当てることができるように、有限要素モデルは、灰白質および白質にMRスキャンのさらなるセグメンテーションに基づいている。

実際には、ノンパラメトリックモデルは、領域の数が05に関与する複雑な認知課題にソース再構築のために特に有用である10知られていない。より正確な有限要素モデルは、比較的高い計算要求をもたらすためか境界要素モデルが最も広く、現在の文献で使用される。のFEMは、個々のMRIスキャンに基づくべきであるように、さらに、灰色と白質にはかなりの間個体差があります。

ノンパラメトリックモデルは、順モデルの予測に頭皮測定された活性を一致させるための第二のステップが必要です。再度、異なる利点および欠点を有する異なるアプローチが(概要についてはミシェル 、2004を参照のこと)文献で ​​議論されている。最も広く使用されているアルゴリズムは、最小の全体的な強度16との上位モデル内の電流分布に頭皮測定された活性と一致する最小ノルム推定(MNE)に基づいています。多国籍企業は弱く、表面的な情報源に偏っている。深さ重み付けされた多国籍企業のアルゴリズムは、重みを導入することにより、表面の偏りを軽減しよう数学的な仮定に基づいて10の行列。広く使用されているLORETAのアプローチは、加重MNEに基づいていますが、さらにスムーズな解決策17,18につながる要因のラプラシアンは、最小限に抑えられている。 LORETAは、シミュレーション研究19,20に単一ソースの最良を行うことが見出されている。しかし、LORETAソリューションの平滑化の上につながる可能性があります。源が未知であるか、または複数のソース13、16本である可能性が高いときに深さ重み付けMNEが好ましい。異なるモデルの仮定の影響を評価するために、異なるアルゴリズムの結果を比較することはお勧めします。

要約すると、モデリング手法を介して、ソースの再構築が最近まで子供たちのために制限されてきた。ほとんどのEEG分析ソフトウェアは、実質的に子供2,8のソース解の精度を制限する成人の解剖学的構造に基づいて、頭部モデルに依存しているからである。計算能力との規定に格安アクセスソース再構築のためのユーザフレンドリーなソフトウェアにより、これらの制限を克服することを可能にする。脳波にソース推定を適用すると、単独のチャンネルレベルの観察に基づいた分析を介して2つの重要な利点を提供する:空間分解能と観測値の独立性を改善しました。

ソース推定は、場合によっては有益ではない可能性があります。頭の良いカバレッジはソースを区別するために必要とされている。 128以上の電極を有する高密度システムは、10,15とをお勧めします。まばら報道は、より広い拡散源の活性化や偽陰性の結果が10につながる空間フィルタとして機能します。さらに、この記事で説明した方法に基づいて、ソースの再構築は、皮質の発電機のために報告されています。したがって、皮質下の基板または皮質、皮質下の相互作用についての仮説を試験するにはあまり適していない。最後に、ソース解析は、皮質基質についての詳細な従来の仮説に基づくべきである考慮に他の画像診断法から既存の文献を取る。空間フィルタリング技術は、頭皮レベルでの空間的な混合を低減することによってEEG信号の空間分解能を改善するために使用されてもよい。ヘッドモデリングすることなく、体積伝導効果の影響を低減するための代替方法は、 例えば 、ラプラシアンフィルタ21又は電流源密度解析22が使用される。体積伝導効果だけ空間的に近接し1内のセンサに限定されないがしかし、これらの方法は、神経発生に関する詳細な情報を提供しない。

以下のセクションでは、物品は、脳と2歳の子供の認知機能を調べるための実験を​​ロンドン赤ちゃんラボで設計されている方法を説明します。次に、子どもとの高密度低インピーダンスシステムとEEGデータ取得は議論されている。そして、チャネルレベルでの脳波前処理と分析が提示されている。 Lastlyは、物品は、皮質ソース再構築及びソースレベル信号の分析のための構造的MRIデータの処理に焦点を当てている。

Protocol

子供のための1。設計脳波およびイベント関連電位の実験注:簡単な実験は、幼児の顔処理を調査するために用いることができる、この記事の目的のために設計されました。次のセクションでは、実験を説明し、MATLAB R2012bとPsychtoolbox V3.0.11 23,24を使用してそれを実装する方法を説明します。感情的な表情25のNimStimセットから撮影された写真は、この実施例に…

Representative Results

幼児や子供のためのERP実験を設計することが長いため、繰り返し実験を30に耐える彼らの限られた容量が、しばしば困難である。正確なソースの再構築が1。1のディスプレイに非常に幼い子供と一緒に使用することができ、顔処理機構の調査のための実験プロトコールを図高い信号対雑音比を必要とするので、実験者が、ソース再構成を適用すること?…

Discussion

本稿では、年齢の子供に適し標準のERPパラダイムの適切な平均のMRIテンプレートと深さは、重み付け最小ノルム推定に基づく境界要素モデルを用いて皮質発電機の再構築のための高密度脳波の記録と分析について説明します。このパラダイムでは、顔とスクランブル顔の画像が提示されています。別々の著者は、開発35以上の顔処理メカニズムの開発を調査するために、このパラダイ…

Declarações

The authors have nothing to disclose.

Acknowledgements

私たちは、私たちに発達のMRIデータベースで親切な議論へのアクセスを許可するための教授、ジョン·リチャーズ、サウスカロライナ大学を、感謝したいと思います。当社はまた、当社の資金提供者グレートオーモンドストリートチルドレンのチャリティー、UCLインパクト&グランドチャレンジに感謝したいと思います。

Materials

High-density EEG sensor net (128 or 256 channels) HydroCel Geodesic Sensor Net 128 Electrical Geodesic Inc., Oregon, US
EEG high impendance amplifier NetAmps 200 Electrical Geodesic Inc., Oregon, US
Data Acquisition Computer  PowerMac G4 Apple Inc, California, US
Stimulus Presentation Computer Optiplex 745 Dell Computers Inc., Texas, US
Stimulus Presentation Software Matlab R2012b with PsychToolBox Brainard et al. 1997
EEG recording software NetStation 4.5.1 Electrical Geodesic Inc., Oregon, US
EEG analysis software Matlab R2012b The Mathworks Inc., 
EEGLAB Delorme et al. 2004
BrainStorm Sylvain et al. 2001
MRI processing software FreeSurfer Fischl et al. 2004
OpenMEEG Gramfort et al. 2010
Referências
Delorme, A., & Makeig, S. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 134(1), 9–21.
Sylvain, B., John, C., Dimitrios, P., & Richard, M. (2011). Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Computational Intelligence and Neuroscience, 2011, 1–13.
Fischl, B., Van Der Kouwe, A., Destrieux, C., Halgren, E., Ségonne, F., Salat, D. H., et al. (2004). Automatically parcellating the human cerebral cortex. Cerebral Cortex, 14(1), 11–22.
Gramfort, A., Papadopoulo, T., Olivi, E., & Clerc, M. (2010). OpenMEEG: opensource software for quasistatic bioelectromagnetics. BioMedical Engineering OnLine, 9(1), 45. doi:10.1186/1475-925X-9-45
Brainard, D. H. (1997). The psychophysics toolbox. Spatial vision.

Referências

  1. Michel, C. M., Murray, M. M. Towards the utilization of EEG as a brain imaging tool. NeuroImage. 61 (2), 371-385 (2012).
  2. Brodbeck, V., et al. EEG microstates of wakefulness and NREM sleep. NeuroImage. 62 (3), 2129-2139 (2012).
  3. Sanchez, C. E., Richards, J. E., Almli, C. R. Age-specific MRI templates for pediatric neuroimaging. Developmental Neuropsychology. 37 (5), 379-399 (2012).
  4. Umutlu, L., Ladd, M. E., Forsting, M., Lauenstein, T. 7 Tesla MR Imaging: Opportunities and Challenges. RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin. 186 (2), 121-129 (2014).
  5. Logothetis, N. K. Bold claims for optogenetics. Nature. 468 (7323), (2010).
  6. Logothetis, N. K. What we can do and what we cannot do with fMRI. Nature. 453 (7197), 869-878 (2008).
  7. Roche-Labarbe, N., et al. High-resolution electroencephalography and source localization in neonates. Human Brain Mapping. 29 (2), 167-176 (2008).
  8. Johnson, M. H. Interactive Specialization: A domain-general framework for human functional brain development. Developmental cognitive neuroscience. 1, 7-21 (2010).
  9. Nelson, C. A., McCleery, J. P. Use of Event-Related Potentials in the Study of Typical and Atypical Development. Journal of the American Academy of Child & Adolescent Psychiatry. 47 (11), (2008).
  10. Michel, C. M., Murray, M. M., Lantz, G., Gonzalez, S., Spinelli, L., Grave de Peralta, R. EEG source imaging. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 115 (10), 2195-2222 (2004).
  11. Bathelt, J., O’Reilly, H., Clayden, J. D., Cross, J. H., de Haan, M. Functional brain network organisation of children between 2 and 5years derived from reconstructed activity of cortical sources of high-density EEG recordings. NeuroImage. 82, 595-604 (2013).
  12. David, O., Cosmelli, D., Friston, K. J. Evaluation of different measures of functional connectivity using a neural mass model. NeuroImage. 21 (2), 659-673 (2004).
  13. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5 (1), 25 (2008).
  14. Wendel, K., et al. EEG/MEG source imaging: methods, challenges, and open issues. Computational Intelligence and Neuroscience. 2009, 13 (2009).
  15. Richards, J. E. Localizing cortical sources of event-related potentials in infants’ covert orienting. Developmental Science. 8 (3), 255-278 (2005).
  16. Hauk, O. Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data. NeuroImage. 21 (4), 1612-1621 (2004).
  17. Pascual-Marqui, R. D., et al. Low resolution brain electromagnetic tomography (LORETA) functional imaging in acute, neuroleptic-naive, first-episode, productive schizophrenia. Psychiatry Research. 90 (3), 169-179 (1999).
  18. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods and findings in experimental and clinical pharmacology. 24 Suppl D. , 5-12 (2002).
  19. Phillips, C., Rugg, M. D., Friston, K. J. Systematic regularization of linear inverse solutions of the EEG source localization problem. NeuroImage. 17 (1), 287-301 (2002).
  20. Yao, J., Dewald, J. P. A. Evaluation of different cortical source localization methods using simulated and experimental EEG data. NeuroImage. 25 (2), 369-382 (2005).
  21. Tandonnet, C., Burle, B., Hasbroucq, T., Vidal, F. Spatial enhancement of EEG traces by surface Laplacian estimation: Comparison between local and global methods. Clinical Neurophysiology. 116 (1), 18-24 (2005).
  22. Tenke, C. E., Kayser, J. Generator localization by current source density (CSD): implications of volume conduction and field closure at intracranial and scalp resolutions. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 123 (12), 2328-2345 (2012).
  23. Brainard, D. H. The psychophysics toolbox. Spatial vision. , (1997).
  24. Kleiner, M., Brainard, D., Pelli, D., Ingling, A., Murray, R. What’s new in Psychtoolbox-3. Perception. , (2007).
  25. Tottenham, N., et al. The NimStim set of facial expressions: judgments from untrained research participants. Psychiatry Research. 168 (3), 242-249 (2009).
  26. Chaste, P., et al. Adjusting head circumference for covariates in autism: Clinical correlates of a highly heritable continuous trait. Biological Psychiatry. 74 (8), 576-584 (2013).
  27. Delorme, A., et al. EEGLAB, SIFT, NFT, BCILAB, and ERICA: New tools for advanced EEG processing. Computational Intelligence and Neuroscience. 2011, 130714 (2011).
  28. Nolan, H., Whelan, R., Reilly, R. B. FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection. Journal of Neuroscience Methods. 192 (1), 152-162 (2010).
  29. Kilner, J. M. Bias in a common EEG and MEG statistical analysis and how to avoid it. Clinical Neurophysiology. , (2013).
  30. DeBoer, T., Scott, L. S., Nelson, C. A. 12 ERPs in Developmental Populations. Event-related Potentials: A. , (2005).
  31. Sanchez, C. E., Richards, J. E., Almli, C. R. Neurodevelopmental MRI brain templates for children from 2 weeks to 4 years of age. Developmental Psychobiology. 54 (1), 77-91 (2011).
  32. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Computational Intelligence and Neuroscience. 2011, 879716 (2011).
  33. Haan, M., Johnson, M. H., Halit, H. Development of face-sensitive event-related potentials during infancy: a review. International Journal of Psychophysiology. 51, 45-58 (2003).
  34. Earp, B. D., Everett, J. A. C. Is the N170 face specific? Controversy, context, and theory. Neuropsychological Trends. 13 (1), 7-26 (2013).
  35. Taylor, M. J., McCarthy, G., Saliba, E., Degiovanni, E. ERP evidence of developmental changes in processing of faces. Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology. 110 (5), 910-915 (1999).
  36. Ment, L. R., et al. Longitudinal brain volume changes in preterm and term control subjects during late childhood and adolescence. PEDIATRICS. 123 (2), 503-511 (2009).
  37. Courchesne, E., et al. Impairment in shifting attention in autistic and cerebellar patients. Behavioral Neuroscience. 108 (5), 848-865 (1994).
  38. Litvak, V., et al. EEG and MEG data analysis in SPM8. Computational Intelligence and Neuroscience. (2011), (2011).
  39. Daunizeau, J., David, O., Stephan, K. E. Dynamic causal modelling: A critical review of the biophysical and statistical foundations. NeuroImage. 58 (2), 312-322 (2011).

Play Video

Citar este artigo
Bathelt, J., O’Reilly, H., de Haan, M. Cortical Source Analysis of High-Density EEG Recordings in Children. J. Vis. Exp. (88), e51705, doi:10.3791/51705 (2014).

View Video