JoVE Journal > Medicine
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
Türkçe

Automatically Generated
Please note that all translations are automatically generated. Click here for the English version.
Medicine

Pediatrik Epilepsi biyolojik belirteç olarak Eşzamanlı Manyetoensefalografi ve elektroensefalografi ile Tespit Edilen interiktal Yüksek Frekans Salınımlılığı

Published: December 06, 2016
doi:
10.3791/54883
, , , , , ,
1Fetal-Neonatal Neuroimaging and Developmental Science Center, Division of Newborn Medicine, Department of Medicine,Boston Children’s Hospital, Harvard Medical School, 2Athinoula A. Martinos Center for Biomedical Imaging,Massachusetts General Hospital, Harvard Medical School, 3Division of Epilepsy Surgery, Department of Neurosurgery,Boston Children’s Hospital, Harvard Medical School, 4Division of Epilepsy and Clinical Neurophysiology, Department of Neurology,Boston Children’s Hospital, Harvard Medical School

Summary

Yüksek Frekans salınımların (HFO) ilaca dirençli epilepsi olan pediatrik hastalarda Epileptojenik bölgenin belirlenmesi için cerrahi öncesi biyomarkerların olarak ortaya çıkmıştır. eşzamanlı kafa derisi elektroensefalografisine (EEG) ve manyetoensefalografinin (MEG) ile HFO invazif olmayan kayıt, algılama ve yerelleştirme için bir metodoloji sunulmuştur.

Abstract

Epilepsi cerrahisinin başarısı için çok önemli Epileptojenik Bölgesi (EZ) tanımlayan sağlam bir belirteç mevcudiyetidir. Yüksek Frekans salınımların (HFO) İnteriktal Epileptiform Deşarjların (IED) ve iktal aktivitesine ek olarak EZ belirlenmesi için potansiyel cerrahi öncesi biyomarkerların olarak ortaya çıkmıştır. Onlar EZ lokalize için umut verici olmasına rağmen, henüz klinik pratikte tanı ya da epilepsi izlenmesi için uygun değildir. Birincil engellerin hala: HFO için resmi ve küresel tanımı olmaması; yaptıkları çalışmada kullanılan metodolojik yaklaşımların sonucu heterojen; ve pratik zorluklar tespit etmek ve kafa derisi kayıtları noninvasif onları yerelleştirilmesine. Burada, dirençli epilepsi olan pediyatrik hastalarda gelen interiktal HFO kayıt, algılama ve yerelleştirme için bir metodoloji sunuyoruz. Biz HFO temsili veriler iki çocuktan interiktal kafa derisi EEG ve MEG noninvasif tespit raporucerrahi uygulanacak.

HFO altında yatan jeneratörler ters sorunu çözerek lokalize edilmiş ve yerelleştirme bu epileptolog tanımlanan gibi Nöbet Başlangıç ​​Bölgesinde (SOZ) ile karşılaştırılmıştır. Her iki hastalarda, İnteriktal Epileptojenik deşarjları (IED) ve HFO uyumlu yerlerde kaynak görüntüleme ile lokalize edilmiştir. bir hasta için, intrakranial EEG (iEEG) verileri de kullanılabilir. Bu hasta için, biz HFO yerelleştirme noninvaziv ve invaziv yöntemler arasında uyumlu olduğunu ortaya koymuştur. Kafa derisi kayıtlarından sonuçları ile iEEG karşılaştırılması bu bulguları doğrulamak için görev yaptı. Bildiğimiz kadarıyla, bu invaziv kayıtları ile sonuçlarını karşılaştırarak eş zamanlı EEG ve MEG kayıtlarından kafa derisi HFO kaynak lokalizasyonu sunan ilk çalışmadır. Bu bulgular HFO güvenilir bir şekilde tespit ve kafa derisi EEG ve MEG ile noninvaziv lokalize edilebileceğini göstermektedir. Biz sonuçlandırmak olduğunu interic noninvaziv lokalizasyonutal HFO anlamlı epilepsi pediatrik hastalarda cerrahi öncesi değerlendirme artırabilirsiniz.

Introduction

6 1000 başına çocuk 1 – Pediatrik Epilepsi 4 bir yaygınlık oranı ile ortak nörolojik bir hastalıktır. Bu çocuk gelişimi 2 üzerinde büyük bir etkiye sahip olabilir ve önemli ölçüde kendi yetişkin hayatını etkileyebilir. Çocukluk başlangıçlı epilepsi Uzun dönem izlem çalışmaları epilepsi hastalarının yaklaşık% 30'u 3-6 tedaviye dirençli hale belirtmek ve genellikle rezektif epileptik cerrahi gerektirir. Bu hastaların çoğunda, epilepsi cerrahisi nöbet özgürlüğü sık sık nöbet sıklığında anlamlı bir azalmaya yol açar ve. Başarılı olmak için, epilepsi cerrahisi minimal veya hiç fonksiyonel açıkları ile nöbetsiz devlet ulaşmak gerekir. Bu Epileptojenik Bölgesi (EZ) 7, 8 'epileptik nöbetler üretimi için vazgeçilmez olan korteks alan' dikkatli sınırlandırılmasını gerektirir. EZ doğrudan ölçülen olamaz; konumu testleri tha çok sayıda gelen uyumlu verilere dayanarak tahmin edilmektedirt diğer kortikal bölgeleri tespit. İnvaziv intrakranial elektroensefalografi (iEEG) nöbet başlangıcı bölgesi (SOZ), nöbetler oluşturulan ve iktal kayıtları köken bölgedeki lokalizasyonu için altın standart olarak hizmet vermektedir. Ancak iEEG, pahalı çocuğun işbirliği güvenen, enfeksiyon ve 9 kanama bazı riskler taşır ve implantasyon 10 sırasında ek nörolojik hasar neden olabilir. Beynin büyük alanlar keşfedilmemiş bırakılır Bundan başka, kayıtlar hatalı sonuçlara yol açabilir. Böylece, EZ belirlenmesinde yardımcı sağlam bir cerrahi öncesi biyobelirtecin cerrahi epilepsi tedavisinin başarısı için gereklidir.

Patolojik HFO (80-500 Hz) 11,12 epilepsi 13 olan hastaların cerrahi öncesi tanı ve cerrahi sonucu artırabilir Epileptojenik dokusunun belirlenmesi için bir biyolojik belirteç olarak son on yılda ortaya çıkmıştır. mikro kullanarak RaporlarDerinlik EEG elektrotlar ile birlikte elektrotlar epilepsi hastalarında HFO varlığını göstermiştir. HFO da iktal ve interiktal dönemlerde standart makroelektrotlar kullanılarak bulundu. Son çalışmalar HFO irritatif bölge 14,15, IED üretir bölgeye göre daha yüksek duyarlılık ve özgüllük ile SOZ tespit göstermiştir ki, ve HFO üreten dokusunun cerrahi olarak çıkarılması kaldırılması daha iyi sonuçlar ile ilişkili olduğunu SOZ veya irritatif zon 15. (- 250 Hz 80) veya hızlı dalgalanmalar (250 – 500 Hz) HFO yaygın dalgaların olarak kategorize edilir. Hızlı dalgaların daha yakından patolojik aktivite ve SOZ 16 lokalizasyonu bağlantılı olmuştur, ancak insan intrakranial kayıtların soruşturma dalgalanmalar ve hızlı dalgalanmalar hem epileptojenik bölgelerde 17 artış olduğunu göstermektedir.

Bu umut verici bulgulara rağmen, HFO henüz teşhisi veya izlenmesi için uygun değildirKlinik uygulamada, epilepsi. Birincil engellerin hala: (i) HFO için resmi ve küresel tanımı olmaması; (Ii) metodolojik bunun sonucunda heterojen yaptıkları çalışmada kullanılan yaklaşımlar; ve (iii) pratik zorluklar algılamak ve kafa derisi kayıtları noninvasif onları yerelleştirilmesine. İkinci elektrotlar uzak sinyal kaynağından vardır, sinyal arka plan gürültü ve kas aktivitesi ile bulanık olabilir ve sinyal özellikle saçlı deride veya kafatası fontaneller ve dikişlerle bozulabilir gerçeğinden kaynaklanmaktadır bebek hastalar. Dalgalanmalar ve hızlı dalgalanmalar hem hatta normal insan beyin dokusunda 20 mevcut olduğundan Ayrıca, normal ve anormal HFO 18,19 ayırt etmek zordur. Epilepsi 21-23 hastaların – (% 3.4 0.2) bölümünün ilk çalışmalar sadece küçük bir kafa derisi EEG HFO bildirdi. Bununla birlikte, son çalışmalar, HFO derisi EEG invaziv olmayan tespit edilebilir olduğunu göstermiştir. Ictally, HFO(- 100 Hz 50) 26, yanı sıra Lennox-Gastaut sendromunda tonik nöbetlerin başlama (120 Hz – 25 – 100 Hz 24 40 50) lar çocuklarda epileptik spazmlar başlangıcında bildirilmiştir. Interiktal HFO (70-200 Hz) ilk uyku kaynaklı elektrik status epileptikus 27 çocuklarda kafa derisi EEG gözlendi. Ardından, interiktal HFO (80-200 Hz) SOZ 28 içinde daha yüksek oranlarda fokal epilepsili hastaların kafa derisi EEG tespit edilmiştir. İlginçtir, HFO interiktal epileptiform deşarjların (IED) yüksek sayıda olan hastalarda daha sık ve onlar epileptogenicity ile HFO ilişkisini vurgulayarak, SOZ 29 için IED daha spesifik olarak bulundu.

(I) MEG yüksek frekanslı aktivite kas gelen kirlenmeye EEG daha az duyarlıdır: MEG HFO noninvaziv tespiti ve lokalizasyonu için kafa derisi EEG ile karşılaştırıldığında önemli avantajlar sunmak gibi görünüyoretkinlik 30-31, (ii) MEG sinyalleri kafatası iletkenlik ve fontanelin veya sütür olarak kranial kemik sigortasız bölgelere göre EEG daha az bozulmuş, ve (iii) MEG sensör dizileri yüksek yoğunluklu her zaman karşı karşıya EEG karşılaştırdık tarafından bozulmuş değil baş çocuk gibi, küçük olduğu zaman bir tuzu problemi elektrotları arasında köprü oluşturur. MEG 32 – (3 mm 2) HFO jeneratörler simüle hayali yapıların elde edilen bulgular HFO algılanır ve yüksek yerelleştirme doğrulukla lokalize olabilir önerdi. Birçok yeni çalışmalar dalgalanma frekans bandında 33-38 epilepsi hastalarında kaydedilen MEG sinyalleri HFO bildirdi. MEG veri EZ 33-36 ile ilgili yüksek frekans bileşenlerini içerdiği zaman-frekans analizi göstermiştir. Ancak, sadece bir kaç çalışmalar tipik olarak iEEG 37-38 ile yapılan zaman alanında arka plan sinyalinin ayakta görünür olaylar gibi interiktal HFO belirledik. Van Klink ve diğ. 37 IED'lerin elde edilen konumsal bilgilere dayanarak beamforming teknikleri ile inşa sanal kanallarını kullanarak dalgalanma bandında HFO algıladı. Von Ellenrieder ve diğ. 38 bağımsız IED'lerin fiziksel sensörlerden gelen MEG sinyalleri HFO tespit ve kaynaklarını lokalize etmek ve EZ ile aralarındaki ilişkinin araştırılması amaçlanmıştır Ortalama (MEM) yöntemine Maksimum Entropi kullanılır. RAMPP ve diğ. (2010) da başak-kilitli veya başak bağımsız olan MEG, ile epileptik yüksek gama salınımları tespit ve asgari norm kaynak analizi 39 bu etkinliği lokalize. Onlar bu hızlı salınımlar özellikleri (yani, tam bant ortalamasının ve salınımlar maksimum genlik açık başlangıcı) yüksek SOZ ile ilişkili olduğunu bulmuştur. HFO da epileptik spazmlar 40 olan pediatrik hastalarda iktal aktivite sırasında MEG ile tespit edilmiştir. Ancak, MEG kafa derisi EEG göre bazı farklı sınırlamalar sunar: (i) böcek ö olduğunu(Ii) İktal olayların saptanması ve kayıt imkanı geliştirmek uzun kayıtları izin vermez, ve (iii) kendi sensör kafasının şekline uygun değildir, baş merkezine göre radyal bir yönlendirmeye sahip kaynaklara nsitive her bireyin kask içinde kask ve sensör dizisi tüm şekil giderilen beri. Böylece, algılamak ve epileptojenik aktiviteyi lokalize imkanı maksimize ideal bir kurulum hem kafa derisi EEG ve MEG gelen bilgileri birleştirerek gereğidir.

Bu çalışmada, biz ilaca dirençli epilepsisi olan çocuk hastaların kafa derisi EEG ve MEG eşzamanlı kayıtları kullanarak biz interiktal HFO noninvaziv tespiti için aşağıdaki metodolojiyi göstermek hedefliyoruz. Biz kayıtların kurulum ve simultane MEG ve EEG verilerine HFO olayların tespiti için geliştirdiğimiz bir yarı otomatik yöntem kullanılarak veri analizi boru hattı sunuyoruz. Son olarak, biz de lokalizasyonu sunmakters problem çözme ile elde edilen kafa derisi HFO, bir jeneratör yatan ve bu epileptolog tanımlanan gibi SOZ ile karşılaştırın.

Protocol

Etik Beyanı: Burada Kurumsal Değerlendirme Massachusetts General Hospital'da Kurulu (KİK), Boston, MA, ABD tarafından onaylanmış deneysel prosedürler. Aşağıdaki bölümde kafa derisi EEG ve MEG kullanarak HFO noninvaziv tespiti ve kaynak lokalizasyonu için deneysel protokol anlatacağız. Hasta hazırlık minimal ve muayene genellikle iyi tolere edilir. 60 dakika süren fiili kayıtları ile 3 saat – bütün oturum yaklaşık 2 sürer. 1. Hastanın Hazırlanması Çocuk ortamı ile rahat olduğundan emin olun. NOT: Küçük çocuklar test ortamı keşfetmek için izin ve test ekipmanları görmek için. Bir tarama formu kullanarak güvenliği ve rıza ile ilgili hastayı Ekran. o / o son 2 saat içinde klinik nöbet olup olmadığı hastayı (ve / veya kendisine anne) değildir. tüm metal / manyetik malzemelerini çıkarın ve hastaya hastane tarafından verilen giyim sağlar. ayakkabılarını çıkarmaksık sık manyetik beri. konu bir kaç dakika MEG sinyallerini ölçerek manyetik eserler serbest olup olmadığını kontrol edin. Böyle diş eserler olarak implante malzemelerden eserler azaltmak için bir degausser kullanın. NOT: ferromanyetik nesnelerin vücut içinde olduğu herhangi bir olasılığı varsa Demagnetizer uygulanmamalıdır. çocuk için uygun EEG kap boyutunu seçmek için maksimum kafa çevresini ölçün. bir ölçüm bandı kullanın ve nasion için basılı tutun. Sonra (~ inion yukarıdaki 1 cm) Maksimum çevresi başının etrafında ölçün. 20 sistemi – Uluslararası 10'a göre kafasına EEG kap yerleştirin. Her elektrot bulunduğu cildi temizlemek ve her elektrot için macun / jel uygulayın. NOT: Çocuklarda kafa derisi EEG kayıtları ile ilgili daha fazla detay yerde 41 sağlanmaktadır. kafasına zemin ve referans elektrotlar yerleştirin. Ölçüm yatay ve Vertica için ek Elektrotlartemporal bölgelerde (T1 / T2) kapsayan yerlerde l elektrookülografi (EOG), elektrokardiyografi (EKG), elektromiyografi (EMG) ve ek EEG elektrotları. NOT: EOG, EKG ve EMG göz hareketleri, magnetocardiographic kirlenme, kas aktivitesinin belirlenmesi yardım ve aynı zamanda hastanın durumunu izlemek için. EEG kanalları ayrı ayrı sensörler yerleştirerek kafa derisi ile iyi temas olduğundan emin olun. Yavaşça dışına saç taşımak için yan yana gelen her sensörü bükün. 10 altında KOhm olmak için EEG ohmmetre ile tüm elektrot empedanslarından ölçün. kulaklar arkasında iki ve yaklaşık simetrik konumlarda alnına iki: Başında dört HPI bobinleri yerleştirin. NOT: HPI bobinleri 3D alanında MEG sensörlerinin konumu ile ilgili hastanın başının göreli konumunu lokalize etmek yardımcı olur. HPI bobin sayısı MEG sisteminin satıcı bağlı olarak değişebilir. elde etmekHPI bobinleri yerleri ve bir tarayıcı kullanılarak EEG elektrotları. NOT: sayısallaştırıcı 3D uzayda bir sensör koordinatlarını kaydeder. Sensör, bir kalem ucu üzerine yerleştirilir. HPI bobinleri yerleri baş anatomisine saygı ve MEG sensörleri yerleri ile bilinmesi gerekir. digitizer kullanarak sağ / sol preauriküler noktaları ve nasion dahil referans yerlerinden yerleri edinin. Kesin kafa şekli elde etmek için ek puan (yaklaşık 300 puan) Digitize. MEG sistemi bulunduğu manyetik korumalı odada (MSR) 42, hastayı aktarın. NOT: MSR dış elektromanyetik kaynaklardan (MEG kayıtları girişimi en aza indiren korumalı bir ortamdır, yani enerji hatları, arabalar, asansörler ve trenler gibi mıknatıslanmış hareketli nesneleri taşınabilir cihazlar, elektrikli cihazlar ve bilgisayarlar, manyetik alanlardan radyofrekans sinyalleri ). Bu, iç içe üç tabakadan oluşur.Her bir tabaka, bir saf alüminyum tabakası ilave olarak yüksek geçirgenliği ferromanyetik tabaka yapılan (örneğin, mu metali, daha çok nikel ve demirden oluşan bir alaşım). yatakta hasta uzandı, MEG kask içine onun / onun baş koymak ve konfor için hastanın başının altında uygun pedler / süngerler geçerlidir. HPIs, EEG yol açar, EOG, EKG, EMG, ve kayıt makinesine ek elektrotlar bağlayın. o kask mümkün olduğunca derin bulunduğu sağlamak tarayıcı hastanın kafa konumunu ayarlayın. 2. Veri Toplama MEG ve EEG NOT: MEG / EEG veri toplama önceki bir çalışmada 42 de açıklanan yönteme göre yapılır. Pediatrik epilepsi MEG klinik kullanımı hakkında daha fazla detay başka yerde 43,44 bulunabilir. Tutanak MEG bir bütün kafa MEG sistemi ile sinyalleri. NOT: MEG sistemi iki tip ince-film sensörler kullanır (düzlemselgradyometreleri ve manyetometreler) 102 sensör elemanları entegre. Her eleman bir tek bobin oluşur magnetometer ve "figure-of-eight" tipi bobin yapılandırması oluşan iki dik düzlemsel gradyometreleri içerir. manyetometre yüzeyine dik bir manyetik akım ölçer ve gradyometreleri "sekiz", ya da uzaysal gradyanı iki döngü arasındaki fark ölçülür. MEG sistemi 204 düzlemsel gradyometreleri ve 102 manyetometreler (toplam 306 sensörleri) sahiptir. Farklı satıcılardan MEG sistemleri farklı sayıda ve bobinler (yani, eksenel gradyometreleri) türleri vardır. Aynı anda kayıt T1 / T2 42 Ag / AgCl sinterlenmiş halka elektrotlar ve ek elektrotlar ile bir manyetik olmayan 70-kanal elektrot kap kullanarak EEG sinyalleri. ortak bir referans montaj kullanın. MAB kapısını kapatın. o / o rahat hisseder olmadığını kontrol etmek için bir interkom sistemi üzerinden hasta ile iletişim kurun. insid kalmak için ebeveyn sore MSR kayıt sırasında çocuğun yalnız kalmak rahatsız hisseder eğer. MEG edinme yazılımında 'Git' butonuna tıklayarak kayıt işlemini başlatın. 1 KHz (veya daha fazla) yüksek bir örnekleme hızı kullanın. 400 Hz sipariş inci 6 bir low-pass Sonsuz Impulse Response (IIR) filtre kullanın. Online tüm kaydedilen sinyalleri kontrol edin. Bir sensör tuner kullanarak kötü MEG kanalları sabitleyin. NOT: veya kayıt sahte çevresel elektromanyetik gürültü sensörleri (2 ila 5 FT / manyetikmetrelerde için √Hz yukarıda) beyaz gürültü nispeten yüksek düzeyde olması Kötü MEG kanalları tanımlanan sensörler (gradyometreleri veya manyetometreler). Sensörler kuvvetli (ölçülen sinyallere göreceli) manyetik alan ve bobinler "tuzak" süperiletkenlik yok manyetik akı belirli bölümlerine maruz kaldığında bu genellikle oluyor. Daha sonra bir sensör tuner içinden elektrik akımı uygulanarak bobini ısı olduğu kullanılmaktadır. Bu prosedür, ayarlama olarak adlandırılır ve, kullanılan(- 5 FT / √Hz, yani 2) sensörünün beyaz gürültü seviyesi belirli bir eşiğin üstünde. Bazı MEG sistemleri sensör tuner yok. MEG edinme yazılımında 'Tedbir' düğmesini tıklayarak Hastanın baş pozisyonu ölçün. Hastanın kafası duyusal dizisi ile iyice kaplı değilse, kask derinliklerine onun / onun kafasını hareket ettirmek için hasta isteyin. NOT: Bu manevra yapay manyetik alanlar oluşturmak bobinler aracılığıyla geçici salınımlı elektrik sinyalleri uygulayarak 4 HPI bobinleri harekete geçirir. Bu alanlar, böylece baş pozisyonu belirlenir, MEG sensörleri tarafından tespit edilir. prosedür farklı MEG satıcılar arasında farklılık gösterebilir. Tutanak MEG, EEG ve 60 dakika ~ MEG toplama yazılımı (yani, EKG, EOG ve EMG) 'de' Record 'butonuna tıklayarak periferik kayıtları. NOT: Veri Bağımsız Disklerin (RAID) Yedek Diziler bir .fif dosya olarak depolanır.dosya türü diğer MEG satıcıları için farklıdır. Kayıt bittiğinde, MSR açmak kabloları ayırın ve MSR odadan hastayı dışarı çıkarın. Tüm bantlar, elektrotlar, HPI bobinleri ve EEG kapağını yavaşça çıkarın. Hastanın baş yıkama sağlamak. satın alma tamamlandıktan sonra, hasta olmadan boş MAB manyetik sinyaller kaydedin. MEG edinme yazılımında 'Git' butonuna tıklayarak kayıt işlemini başlatın. Adım 2.1.4 ile aynı parametreler kullanılarak 2 dakika süreyle kayıt MEG veri. NOT: Bu veriler, çevresel elektromanyetik gürültü tahmin etmek için kullanılır. MRG mıknatıslanma hazırlanmış hızlı alım gradient-eko sekansları ile anatomik MR veri elde (MPRAGE; TE = 1.74 ms, TR = 2520 ms, voksel boyutu = 1 × 1 × 1 mm) yüksek çözünürlüklü 3T tarayıcı ile. MRI tarama protokolü ile ilgili detaylar başka yerde 45 bulunabilir. NOT: MRI tarama yapmazlarnedeniyle bu tür diş eserlerinden mümkün hastanın metalik implantlar, bir manyetizasyon için MEG kayıtlarında eserler önlemek amacıyla MEG oturumda aynı gün. Interiktal Faaliyet 3. Tanımlama GNU Genel Kamu lisansı altında çevrimiçi belgelenmiş ve indirmek için serbestçe kullanılabilir olan beyin fırtınası 46 kullanarak verileri, açın. Klinik nöbet dışında en az 2 saat meydana gelen interiktal aktivite ile EEG verilerinin görsel kısımlarını seçin. NOT: Şekil 1 sık IED ile EEG ve MEG verilerin bir kısmını sunar. Ampirik EEG sinyalleri iyi tanımlanmış IED belirlemek: Bu sivri içeren (20-70 ms) ve keskin dalgalar (70 – 200 ms) 47-48. NOT: epileptik odak lokalizasyonunda IED'lerin her iki tip klinik önemi eşdeğerdir. (I) en az Moti: ile (eğer mümkünse) tanımlamak için kayıtların bölümlerini deneyineserler üzerinde, (ii) en fazla 3-4 10 s ekran başına IED, ve (iii) yavaş dalga non-REM uykusu genellikle HFO 49 sayısının yüksek bulunmaları. Şekil 1: EEG ve MEG İşaretlerde IED'ler. eş zamanlı olarak kaydedilen derisi EEG ve MEG kısmı sık IED ile sinyalleri. bir keskin dalga içeren vurgulanan bölümün 1 s uzun bir zaman ölçeği ekranında sağ paneller sunulmuştur. Kırmızı noktalar IED'lerin tepe gösterir. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. Brainstorm kullanarak, standart görüntü ayarları ile veri (10 s / sayfa) görüntüler. Filtre sekmesine gidin ve aşağıdaki filtre ekran parametrelerini koydu: yüksek geçiren filtre: 1 Hz, Alçak geçiren filtre: 80 Hz, Notch filtresi: 50 or (güç hattı frekansına göre) 60 Hz. Verileri kontrol edin ve IED ile veri bölümlerini tanımlamak. NOT: IED'lerin ile sinyal Sadece kısımları HFO (3.4 adım) bakmak için taranır. Seçilen filtreler sadece görsellik içindir; bu verilere uygulanmamıştır. Beyin fırtınası web sitesinde yönergeleri izleyerek (sırayla inci 4) bant geçiren Butterworth filtresi kullanın, veri kalıcı bu filtreleri uygulamak için (http://neuroimage.usc.edu/brainstorm/). Mark hem EEG ve MEG verilerde meydana gelen her IED zirve (Şekil 1'de kırmızı lekeler bakınız). NOT: Brainstorm kullanarak IED işaretleme hakkında daha fazla detay başka bir yerde bulunabilir (http://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy). Eşzamanlı Derisi EEG ve MEG Verileri HFO 4. Yarı-otomatik algılama NOT: Burada otomatik algılama (adım 4.1 içerir HFO tespit etmek için bir yarı-otomatik bir yöntem, tarif; figu2 yeniden), otomatik olarak algılanır HFO (adım 4.3) bir görsel incelemesini izledi. Keskin geçici gerçek dalgalar olarak ve HFO bir filtreleme fenomen nedeniyle değil emin olmak için bir sahte salınımların önlemek amacıyla, literatür son önerileri takip: Biz 4 salınımlar az sayıda beri var HFO gerekli filtrenin dürtü yanıtı döngüsü 50 seçilmiş sayısından daha az salınımları sahip olduğu gözlenmiştir, biz etkisi ve "Gibbs" fenomeni 50 zil en aza indirmek için Sonlu darbe yanıt (FIR) filtre kullanılan biz aday HFO olayları gerekli HFO da IED 50,51 görünür Kaplanmış olup olmadığını kontrol etmek için bir uzman tarafından görsel olarak da denetlenir ve keskin bir olay ve bir salınım farklı imzalar var çünkü biz zaman frekans ovasında uyulması gereken izole bir ada gerekli olması: gerçek HFO zaman FREKAN izole bir zirve ile temsil edilircy arsa 80 bandında yer alan ( "ada" olarak, frekans kısıtlı) – geçici bir olay frekansı 50,52,53 uzatıldı uzatılmış bir blob, üretir iken, 500 Hz. Şekil 2: Algoritma Adımlar Şematik. algoritması iki aşamada çalışır: ilk zaman alanında (sol ve orta sütunlar), her EEG sinyalinden aday HFO tanımlar; İkinci bir zaman-frekans etki (sağ sütun) eserler gerçek HFO ayırmak için önceden tespit edilen aday olayları sınıflandırır. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. Otomatik HFO algılama NOT: Şekil 2 otomatik algılama akış şemasını açıklarHer EEG sinyallerinin üzerine HFO evi. geliştirilen yöntemin amacı HFO görsel muayene için tavsiye edilir bir 2 s / sayfa ekranı kullanarak her EEG kanalında HFO olayları işaretleme EEG uzmanı yükünü azaltmaktır. Bir HFO dalgalanma frekans bandı içindeki bir olay olarak tanımlandı – çevreleyen arka plan ayakta morfoloji gibi sinüzoidal en az 4 salınımları vardır (80 250 Hz), 54 (adım 4.1.1), ve bir kısadan olarak görünen ayrı bir yüksek frekans 14 (adım 4.1.2) de izole bir spektral zirve ile olay yaşadı. zaman alanında aday HFO tespiti Bant geçiren (BP) ilgi dalgalanma bandı sinyallerin frekans içeriğini kısıtlayan, 80 ve 250 Hz arasındaki EEG sinyallerini filtre. NOT: Faz bozulmasını önlemek için zil efekti ve "Gibbs" fenomeni 55 ve sıfır faz dijital filtreleme en aza indirmek için bir FIR filtre kullanılması tavsiye edilir. HesaplamakHilbert dönüşümü kullanılarak BP sinyalinin zarf. ortalama ve zaman serisi her noktasında merkezli sürgülü pencereler 10 saniye boyunca zarf standart sapma (SD) hesaplayın. (Birçok HFO ve yüksek SD sinyal kısımlarının muhtemel varlığına sağlam değerlerini elde etmek için) Bütün pencereler üzerinde orta değeri kullanılarak, genel ortalama ve SD tahmin. Zarfın z-puanının hesaplanmasında ve aday HFO 3 56 eşit set z-skoru minimum eşiğin daha yüksek her zaman, işaretleyin. Yarım eşik yukarı ve aşağı doğru geçişleri olarak algılanan olayın başlangıç ​​ve bitiş noktalarını tanımlayın. tek HFO olarak en az 30 ms arası bir etkinlik aralığına sahip HFO düşünün. HFO başlangıç ​​ve bitiş noktaları arasında BP sinyali piklerin sayısını hesaplayın, ve az 4 zirveleri ile olayları atın. Ayrıca, 12 daha yüksek bir z-score olayları atın. NOT: maxim değiştirinSes kayıtlarını oluşabilecek eserler genliği göre z-skoru eşiği um. Son derece yüksek genlikli olaylar kas veya elektrot eserler nedeniyle olabilir oysa salınımlar düşük sayıda olaylar, filtreleme efektleri 57,58 neden olabilir. Zaman-frekans alanında olası eserler reddet. Not: Bu adım olan frekans içeriği ilgi frekans bandına sınırlı değildir diğer EEG aktivitesi ve filtreleme eserler, tarafından ortaya olabilir olaylardan gerçek HFO ayırmak gerekir. Bu gerçek HFO frekansı 59 uzatılmış uzun bir damla üreten bir ani değişim olayının aksine, 80 Hz üzerinde belirgin bir frekansta bir izole edilmiş spektral tepe noktasının ile kısa süreli bir olay olarak görünen varsayımına dayanır. Şekil 3, BP gösteren bir tespit HFO bir örnek, süzüldü EEG sinyali (üst panel), kendi kılıf (orta panel) ve uyumluluğunu göstermektedirHFO zirve etrafında [-0.5, 0,5] s döneminde zaman-frekans düzlemi (alt panel), ing. belirgin bir aktivite 150 Hz üzerindeki frekanslarda gözlendi çünkü 150 Hz – Zaman-frekans düzleminde gösterimi 80 kısıtlanır. Ilgi en yüksek frekansta, yani 250 Hz (merkezi frekans = 1 Hz 1 Hz frekans aralığında Morlet dönüşümü kullanılarak zaman-frekans uzaya tüm aday HFO olayları Transform, Tam Genişlik-At-Half-Maksimum = 3 ler). Olay süresi her zaman nokta üzerinde zaman-frekans gösterimi anlık güç spektrumları analiz edin. Her güç spektrum için, Burnos ve arkadaşları tarafından açıklanan otomatik kriterleri izleyin. 56 yüksek frekans bandında zirve algılamak ve alt frekans aralığında en yakın tepe açıkça farklı olup olmadığını doğrulamak için. en azından% 90 bir izole edilmiş yüksek frekans tepe noktası ile bir güç spektrumunun gösterme HFO atınzaman noktalarında. Sıralama tüm kanallarda kendi zamansal ortaya çıkmasıyla HFO olayları tespit edildi. kimin süresi örtüşen Grup birlikte tüm ardışık HFO. daha fazla analiz için en az iki EEG kanalı içeren HFO edilen grupları tutun. NOT: algoritma gerçek HFO benzeyen ve tek EEG yol açar oluşabilecek sahte rastgele eserler, yakalama önlemek için en az 2 kanallarda meydana HFO ister. Birbirini izleyen iki HFO ikinci HFO başlangıç ​​süresi birinci başlangıç ​​zamanı öncesinde üst üste gelebilir olarak kabul edilmektedir. Şekil 3: Algoritma ile Saptanan HFO Olay. Üst panel: süzülmüş BP – bir kanaldan (uV olarak) (80 150 Hz) EEG sinyali – Hasta 1. Orta panelinden (F8 T8): BP sinyal zarf (z-skoru). Zarfın (kırmızı yıldız) zirve HFO zirve zamanlaması (kırmızı dikey noktalı çizgi) gösterir. mavi yıldızlar HFO (mavi dikey noktalı çizgi) başlangıç ​​ve bitiş zamanı noktaları işaret yarım eşik yukarı ve aşağı doğru geçişleri (mavi noktalı çizgi), işaretleyin. Alt panel: Zaman-frekans analizi uçağı. HFO tepe çevresindeki dalga frekans bandında izole tepe (~ 100 Hz), dikkat edin. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. HFO olayların görsel yorum NOT: Görsel inceleme Bölüm Andrade-Valenca ve ark önerilerine dayanmaktadır. 28 ve Zelmann ve diğ. 60. Dikey 2 bilgisayar ekranlarını aynı hizaya; EEG muayene için bir ve MEG sinyallerinin incelenmesi için bir. Her iki tespit olayları genişletilmiş (2 s / sayfa) ve tipik s Ekrancale (10 s / sayfa) gösteren sırasıyla 80-250 Hz ve 1-40 Hz BP sinyallerini süzülür. geniş frekans değişkenliği, düzensiz morfolojisi, ya da büyük genlik değişimleri ile filtresiz EEG ve MEG kas veya elektrot eserler ile cooccurring etkinliklerin yanı sıra olayları görmezden. HFO tespiti sırasında EOG ve EMG sinyalleri gözlemlemek ve EOG veya kas aktivitesi karşılık düşünülmektedir herhangi bir olay atın. EEG ile örtüşen sadece HFO düşünün / MEG IED (adım 3.3 tespit) onlar gerçek HFO 15,28,56 olması daha muhtemeldir olarak. NOT: Bu yaklaşım, düşük hassasiyet maliyetle yüksek özgüllüğü sunar; bu nedenle, belirlenen HFO kortikal kökenlidir güven sağlar. Aynı anda hem EEG ve MEG sinyalleri meydana sadece HFO olayları tutun. IED ve HFO 5. Kaynak Yerelleştirme MEG IED'lerin zirvesindeki jeneratörleri yerelleştirin, Eşdeğer Akım dipoller (AKD), adım 3.3 işaretlenmiş. serbestçe kullanılabilir Minimum Norm Tahminleri yazılımını kullanın (http://martinos.org/mne/stable/index.html). m – sadece iyilik-of-fit (GOF)>% 80 ve dipol moment Q <500 nA ile sivri düşünün. Her hastanın MR ECD konumu Yerleşimi. NOT: Ortalamanın üzerinde Maksimum Entropi (MEM) kaynaklar 61 konumunu ve boyutunu belirleyen çekici alternatif bir yöntemdir. (Von Ellenrieder et al 38 tarafından önerildiği gibi) Ortalama (wmem) yöntemine dalgacık Maksimum Entropi ile EEG ve MEG hem de HFO kaynak lokalizasyonu. NOT: MEM başarıyla epileptik aktivitenin 62-64 kaynaklarının yerini ve derecesini belirlemek için kullanılır olmuştur verimli bir tekniktir. Wmem gerçekçi simülasyonlar 65 ile değerlendirilen titreşimli aktivite lokalize için geliştirilmiştir MEM bir uzantısıdır. Bir dis sinyali parçalanırHer zaman-frekans kutusu MEM kaynak lokalizasyonu gerçekleştirmeden önce beton dalgacık temeli. Bu nedenle, özellikle de wmem HFO lokalize için uygundur. Segment MRG ve Freesurfer 66-67 kullanarak kortikal yüzey elde. OpenMEEG 68 kullanılarak 3-katmanlı modeli için sınır elemanlar yöntemi (BEM) ile EEG / MEG ileri sorunu çözmek. ayrık dalgacık ikinci ölçek ilgi frekans bandına tekabül dönüşümü sağlamak amacıyla 640 Hz sinyalleri resample. hemen her HFO önce 150 ms penceresinde dalgalanma bandında arka plan dayalı her biri bağımsız olarak HFO için veri alanı gürültü kovaryans matrisi, tahmin ediyoruz. HFO süresi boyunca dalgalanma bandı ve ortalama her HFO için kaynak lokalizasyonu gerçekleştirin. Not: Elde edilen harita kortikal mozaiğine her tepe ilişkili bir kortikal aktivasyon değerinden oluşur. en fazla olması için, her ilk normalizeHer HFO için 1'e eşit aktivasyon değeri. Her köşe tüm HFO genelinde aktivasyon değerlerin ortalamasını hesaplayınız. kortikal yüzey üzerinde nihai haritaları görüntülemek için maksimum aktivasyon% 60 eşik uygulayın. 6. Doğrulama İntrakranial EEG (iEEG): subdural ızgaraları ve / veya stereotaktik güdümlü derinlik elektrotları kullanılarak ekstra ameliyat iEEG edinin. Her bir hasta için özel olan, daha önceki cerrahi öncesi değerlendirme testlerinin sonuçları ve klinik hipotez göre elektrot yerleştirme ele Kılavuzu. NOT: İntrakranial EEG cerrahi öncesi değerlendirmenin bir parçası olarak, bir 2 KHz örnekleme oranı kullanılarak dijital EEG sistemi ile kaydedilir. Kortikal nöbet alanının topografyası çözmek için önemli ise subdural ızgaralar genellikle en iyi seçimdir, ve kortekse haritalama Primar yakın bir epileptojenik alana sahip, örneğin (kritik iseKesin sınırları stimülasyon haritalama ve iktal intrakranial EEG analizi) tarafından tahmin edilebilir y motor korteks. Söz Tanımı: Her hasta için uygun klinik bilgilere dayalı bir uzman epileptolog tarafından tanımlanan SOZ tanımlayın. NOT: SOZ klinik başlangıçlı iEEG başlangıca önce değişim (iktal deşarj) ya da eşlik eden erken ve hızlı yayılım gösteren alan olarak tanımlanır. iktal elektrografik akıntı, genellikle ilk 5 s, başında yer alan tüm kanallar SOZ olarak kabul edildi. nöbetler, birbirinden bağımsız olarak, birden fazla alandan kaynaklanan hastalarda, farklı SOZs içindeki tüm kişiler soz kontaklar olarak kabul edilmektedir. Uzman Söz tanımlandığı zamanda HFO kaynak lokalizasyonu sonuçlarına kördür. Klinik bilgiler de içerir: iktal ve interiktal iEEG bulguları, MRG görünür lezyon, iktal ve interiktal EEG kafa derisiBulgular. HFO kanallarının tanımlanması: 4.1 açıklandığı gibi her intrakranial elektrot HFO algılar. Tüm kanallardan HFO sayısının histograma dayalı eşiği belirlemek için Kitt yöntemi kullanın, ardından önyükleyici uygulamak ve nihai eşik 69 olarak ortalamasını hesaplayın. Son olarak, eşik değerin üzerinde bir HFO oranı ile kanalları tespit. kaynak lokalizasyonu sonuçları için altın standart olarak 6.2'de tanımlanan soz ile HFO yerelleştirme karşılaştırın.

Representative Results

dirençli epilepsisi olan çocuk hasta Boston Çocuk Hastanesi Epilepsi Kliniği (Boston, ABD) alındı. Burada, 2 hastada temsili veriler sunulmuştur: sağ orta serebral arter (MCA) bölge (hasta 1) ve ensefalomalazi ile 15 yaşındaki bir kız, sol paryetal / üst temporal ensefalomalazi ile 11 yaşındaki bir erkek çocuk ( hasta 2). veri ameliyat için kendi cerrahi öncesi değerlendirmenin bir parçası olarak toplanmıştır. Eşzamanlı MEG ve EEG kayıtları Biyomedikal Görüntüleme Athinoula A. Martinos Merkezi'nde gerçekleştirildi. EEG ve MEG ve örten IED hem de meydana gelen – (150 Hz 80) hastalar için, HFO dalgalanma frekans bandında tespit edilmiştir. Şekil 4 bu rakam aynı zamanda bir rapor hastadan 1. interiktal aktivite ile eş zamanlı kafa derisi EEG ve MEG veri (üst panel) 10 sn sunarn uzun zaman ölçeği zaman tanım (orta paneller) tespit HFO gösteren sinyallerin, bir kısmı (2 ler) ve zaman-frekans düzleminde (alt panel). Bu hasta / dk 8.8 HFO bir oran gösterdi. belirgin bir aktivite 150 Hz üzerindeki frekanslarda gözlendi çünkü 150 Hz – Anlaşılır olması için, zaman-frekans düzleminde gösterimi 80 kısıtlanır. Hasta 1, otomatik algılama kayıtların 8.65 dakika içinde 248 HFO olayları belirledi. tespit edilen olayların görsel incelendikten sonra, 76 olay / dk 8.8 HFO bir oran elde edilmesi, gerçek HFO olarak kabul edildi tutuldu. Şekil 4: Derisi EEG ve MEG gelen Algılanan IED üzerinde Overlaid HFO. Üst panel: kafa derisi EEG (solda) ve MEG (sağda) tespit hastadan 1 IED'ler. 7 – 1 filtrelenmiş verilerin 10 s0 Hz. Orta paneli: EEG ve MEG verilerinin Genişletilmiş zaman ölçeği ekranı (2 ler) üst panelde gri bir arka plan ile vurgulanır. 150 Hz – Veri 80 filtrelenir. Alt panel: 2 temsilci EEG ve MEG kanallarının Zaman-frekans düzlemi. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. Şekil 5 kafa derisi EEG ve MEG hem hasta 1 HFO yerelleştirme sonuçlarını göstermektedir. Her iki teknik sağ temporo-parietal kavşağına yakın bir konumda lezyonun çevresinde de HFO lokalize. MEG ve EEG biraz farklı lokalizasyon sonuçlarını sundu: MEG faaliyeti EEG ve lezyonun arka sınırına yakın oranla daha anteriorde yer oldu. MEG ve EEG için wmem etkinliğinin iki maksimumlar arasındaki mesafe 15.0 mm idi. HFO localizatiBu MEG tarafından tanımlanan olarak da irritatif bölgeye bitişik idi. ortalama ECDs ve maksimum wmem aktivitesi arasındaki öklid uzaklığı MEG 18.7 mm ve kafa derisi EEG için 28.0 mm idi. Hasta 2 için, IED ve HFO analizi için kullanılan minimal eserler ile yavaş dalga non-REM uykusu sırasında veri 8 dakika belirledi. Kafa derisi HFO sayısı / dk 0.4 HFO bir oran gösteren hasta 1 daha düşüktü. Şekil 6 MEG ve kafa derisi EEG, ECDs kullanarak MEG ile lokalize IED için saçlı deri HFO kaynak lokalizasyonu sonuçlarını ve iEEG tarafından tespit edilen HFO konumunu göstermektedir. MEG ve EEG için wmem aktivitesinin 2 maksimumlar arasındaki mesafe 16.4 mm idi. ortalama ECDs ve maksimum wmem aktivitesi arasındaki mesafe MEG için 10,9 mm ve EEG için 24.1 mm idi. HFO ide nerede kafa derisi EEG ve MEG tarafından noninvaziv tespit HFO bölge aynı yerde olduiEEG ile invazif ntified. Olan lokalizasyonu invaziv olmayan lokalize HFO aktivitesi ile uyumlu olan, Şekil 6 içinde gösterildiği gibi, HFO sayısı en yüksek olan elektrotlar LA51, LA52 ve LA53 edildi. Şekil 5: HFO ve IED lokalizasyonu. HFO bölge hastanın MR (solda) hasta 1 overlaid gelen MEG ve EEG ile wmem kullanılarak lokalize. HFO harita maksimum aktivitesinin% 60 eşiklenir normalize aktivasyon değerlerin ortalamasını temsil eder. MEG (sağda) ile ECDs ile lokalize IED. ECDs lokasyonları ve oryantasyonları mavi belirtilmiştir. mor üçgen ortalama ECDs (46 ECDs) yerini ve kırmızı dikdörtgen ortalama IED (28 IED) den ECD yeri gösterir. IED ortalama için, biz tespitbenzer morfolojiye sahip sivri. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. Şekil 6: Derisi EEG ve MEG, İritatif Bölgesi ve iEEG ile HFO Bölge Lokalize invaziv ile HFO Bölge Lokalize noninvaziv arasında Mekansal Uyum. Üst paneller: kafa derisi EEG (solda) ve MEG (ortada) ve MEG ile IED lokalizasyonu ile hastanın 2 HFO lokalizasyonu (sağ) hastanın MR kaplanmış. HFO harita maksimum aktivitesinin% 60 eşiklenir normalize aktivasyon değerlerin ortalamasını temsil eder. Mavi çevreler ve barlar ECDs konumlarını ve yönelimlerini göstermektedir. mor üçgen ortalama ECDs konumunu (30 ECDs) ve kırmızı dikdörtgen t gösterirortalama IED (21 IED) den ECD o yeri. Alt paneller: En yüksek HFO oranına sahip kanallardan iEEG (solda) ve kayıtların 2 s HFO lokalizasyonu. Implante elektrotlar hastanın MR gösterilir. elektrot yeri co-kayıt sonrası implante bilgisayarlı tomografi (BT) ve MR görüntüleri elde edilir. HFO oranı en yüksek elektrotlar hastanın korteks implante ızgaranın harita üzerinde vurgulanır. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız. Burada sunulan temsilcisi sonuçları ilaca dirençli epilepsisi olan çocuk hastaların ameliyat öncesi değerlendirme sırasında invaziv olmayan bir kimlik belgesi ve HFO lokalizasyonu için klinik ortamda açıklanan tekniğin potansiyel kullanımını gösterir. Her iki olguda da, HFO l edildiKafa derisi EEG ve MEG uyumlu ocalized (Şekil 5). Birkaç mm lokalizasyonu farkları derisi EEG 70 ile karşılaştırıldığında yüksek yoğunluklu MEG üstün lokalizasyon yeteneğine bağlı olabilir, ya da farklı temel jeneratörler 71 temsil eder. Bu MEG (- sağ panel Şekil 5) tarafından tanımlanan gibi yerelleştirme de irritatif bölge ile uyumlu idi. Hasta 2, iEEG gelen veriler de mevcuttur. Kafa derisi EEG ve MEG ile noninvaziv lokalize HFO bölge iEEG ile invaziv tanımlanmış HFO bölge ile uyumlu idi (Şekil 6). önerilen yöntemin sonuçları EZ potansiyel tanımlanması için epilepsi cerrahisi sırasında ızgaraları yerleşimini rehberlik eder.

Discussion

Hayvan ve insan çalışmalarından elde edilen birbirini destekleyen kanıtlar HFO epileptik doku için yeni bir potansiyel biyomarker olduğunu göstermiştir. Bu kanıtlara rağmen, HFO teşhis veya epilepsi izlenmesi için klinik pratikte çok sınırlı kullanıma sahip çünkü çoğunlukla: (i) HFO için resmi ve küresel bir tanımı yoktur; (Ii) farklı araştırma grupları kaydedilmesi ve verilerin analiz için farklı yöntem kullanıyor; (Iii) beyin görüntüleme yöntemleri ile HFO noninvaziv tespiti zordur; ve (iv) HFO gözden süreci özellikle sensörler yüksek sayıda çok kanallı EEG veya MEG kayıtları için, zaman alıcı ve pratik değildir. Küresel standardize klinik pratikte HFO sistematik kullanımını teşvik metodoloji, noninvaziv kayıt, algılama için Boston Çocuk Hastanesinde takip edilir metodoloji ve epilepsi pediatrik hastalarda gelen interiktal HFO lokalizasyonu sağlamak amacıyla sunulmuştur. representativİlaca dirençli epilepsisi olan iki çocuk aynı anda kafa derisi EEG ve MEG ile tespit HFO e sonuçları da sunulmuştur.

protokolü içinde kritik adımlar

(I) ilaca dirençli epilepsisi olan yüksek Signal-to-Noise-Oranı (SNR) pediatrik hastalarda gelen interiktal aktivite EEG ve MEG eşzamanlı kayıtların performansını (2.1.1 ve 2.1.2 adımları: Önerilen metodoloji aşağıdaki kritik aşamaları içerir ); (Ii) interiktal deşarjları ile veri (3.1 ve 3.2 adımları) dikkatli ön işleme ve seçimi; (Iii) yüksek özgüllük ile tespit HFO olayların görsel inceleme (4.3.1, 4.3.2 ve 4.3.3 adımları); ve (iv) uygun bir yerleşim yöntemi (adım 5.2) kullanılarak HFO güvenilir lokalizasyonu.

Bu protokolde en kritik adım otomatik dedektör tarafından tespit HFO olayların görsel gözden geçirilmesidir. otomatik olarak algılanan HFO bir titiz yorum cr olduğununoncerebral kökenli HFO atmak için ucial. Ancak, çok kanallı EEG ve MEG verilerin görsel denetim sırasında yorgunluk veya insan gözden geçiren oyalama algılama sürecinin özgünlüğünü azaltarak, hatalara yol açabilir.

Değişiklikler ve sorun giderme

Biz onların uygulama HFO aktivitesi hiçbir bozulma olduğunu sağlamak amacıyla Sinyal Uzay Projeksiyon (SSP) ve Sinyal Uzay Ayırma (SSS) yöntemleri 72,73 kullanımını önlemek. Bu yöntemler genellikle dış parazitleri bastırmak ve baş hareketleri 72 düzeltmek için belirli MEG satıcı kullanıcılarının çoğu tarafından kullanılmaktadır. Ayrıntılı çalışmalar bu yöntemlerin uygulanması etkileyecek veya HFO aktivitesini bozar veya insan HFO benzeyebilir sahte etkiler üretmek değil emin olmak için gereklidir. Minör sinyal zarf (adım 4.1.1.3) z-skoru minimum eşik modifikasyonlar ve ac eşiğitivation değerleri (aşama 5.2.6) HFO saptanmasında algoritma duyarlılığını artırmak ve daha odak alan HFO bölgenin lokalizasyonu kısıtlamak için gerekli olabilir.

tekniğin sınırlamaları

açıklanan yöntem ayrıca gelecekteki çalışmalarda ele alınması gereken sınırlamalar sunar. Birincisi, sadece MEG veya EEG sinyalleri meydana gelen HFO dikkate almaz ve bazı gerçek düşük SNR MEG HFO görsel denetim 74 kaçabileceği anlamına gelir MEG sinyalleri HFO otomatik algılama, içermez. Ayrıca, önerilen HFO tespit etmek için metot ve yüksek doğruluk ile lokalize kabiliyetini duyarlılık ve özgüllüğü derisi EEG, MEG ve iEEG 75 eşzamanlı kayıtları ile valide edilmelidir. Verilerimiz, tek ECDs fokal HFO bölgeye kıyasla genişletilmiş bir irritatif bölge belirtilmedikçe göstermiştir. Bununla birlikte, ECDs ortalaması alındı ​​ve ardından iki kutuplu location her iki hasta için HFO bölgeye oldukça yakın oldu. Güvenli çıkarımlarda edilemez ancak bizim veri, irritatif bölgeye kıyasla (özellikle HFO bölge Söz ile örtüşen kime için hasta 2) epileptogenicity için HFO bölgenin olası yüksek özgüllük gösteren 2 yöntemlerinin özgüllüğü göstergesidir hastaların böyle küçük bir grup seçin. Daha da önemlisi, HFO kaynaklarının lokalizasyonu doğrudan nöbet sorumlu EZ lokalize anlamına gelmez. Bulgularımız bir gelecek çalışmada yapmayı planlıyoruz epilepsi cerrahisi sonucuna karşı valide edilmelidir. Son olarak, EEG verilerini kaydetmek için, bir 70-kanal sistemi kullanıldı. 20 sistemi – Yine, çoğu merkezde standart klinik EEG ayarı 19 elektrotlar kayıtları verileri 10 göre yerleştirilen kullanılır. (256) kanal çok daha yüksek bir sayı ile daha ileri pediatrik EEG sistemleri pazarında şu anda mevcuttur. Bu sistemlerin kullanımı, bundan başka, iyileştirebilirKafa derisi EEG ile tespit HFO bölgenin o yerelleştirme doğruluğu.

Mevcut / alternatif yöntemlere göre tekniğin önemi

Bildiğimiz kadarıyla, bu eşzamanlı EEG ve MEG ile interiktal HFO invazif olmayan lokalizasyonu bildirir ve aynı zamanda intrakranial kayıtları olanlar ile yerelleştirme sonuçlarının uyumu araştıran ilk çalışmadır. HFO invaziv olmayan kayıt, algılama ve yerelleştirme zordur. HFO gürültü ve beyin plan aktivitesi ile engellenmiş milimetre küp 16,76 ve ayrıca sırasıyla küçük beyin bölgeleri tarafından oluşturulan çok zayıf sinyalleri olmasıdır. Yakın tarihli bir çalışmada HFO non-invaziv derisi EEG ile kaydedilen birden uzaysal dağıtılan fokal ve tutarlı kaynaklardan 60 faaliyet toplamını temsil önerdi. Şimdiye kadar, birkaç çalışma 28,29,37,38,60 HFO invaziv olmayan bir SCA kullanılarak tespit edilebileceğini göstermektedir başardılp EEG ve MEG; bile az ters problemi 37-38 çözerek bu etkinliği lokalize.

Burada, interiktal HFO kanıtı epilepsi iki çocuk hastalarda eş zamanlı kafa derisi EEG ve MEG ile tespit edildiği sunulmuştur. HFO önceden açıklanan çerçeve 38 kullanılarak lokalize edilmiştir. temsili veriler interiktal HFO noninvaziv yerelleştirme uygun bir yerelleştirme tekniği kullanılır olduğunu varsayarak, kafa derisi EEG veya MEG kayıtları ya da üzerinde gerçekleştirilen kaynak görüntüleme teknikleri kullanılarak uygulanabilir olduğunu göstermektedir. Bu HFO noninvaziv tespit ve doğru bir MEG 32 ile lokalize edilebileceğini göstermektedir HFO jeneratör andıran bir hayalet inşaat, kullanılan önceki çalışma ile uyumludur.

algılama ve interiktal HFO etiketlenmesi geleneksel insan EEG uzmanlarından verilerin görsel muayene ile yapılır. Bu yaklaşım genellikle regar olmasına rağmenyoksul arası gözden güvenilirliği 77,78 sahiptir ve sensörler yüksek sayıda büyük MEG ve EEG veri setleri için geçerli değildir çünkü altın standart olarak ded, ciddi sınırlamalar sunar. Klinik pratikte HFO uygulanması çok önemli insan giriş ihtiyacını azaltır derisi kayıtları otomatik HFO tespit algoritmalar geliştirilmesidir. Kafa derisi HFO görsel kimlik nedeniyle aslında oldukça zordur: (i) kafa derisi üzerinde HFO düşük SNR; (Ii) çok daha uzun kayıt süreleri analizi ima intrakranial olanlara kıyasla kafa derisi kayıtlarında HFO düşük oranları; ve (iii) sayıdaki kanallar, özellikle yüksek yoğunluklu EEG veya MEG, analiz etmek. HFO otomatik ve yarı-otomatik olarak algılanması için çok sayıda algoritma son on yılda 54 önerilmiştir. Devam eden zemin aktivitesi 4 ayırt edilebilir olayları tanımlamak için, zaman alanında eşikleri dayanıyordu önceki dedektörleri9,80. Son gelişmeler de, frekans alanında bilgi içeren bir HFO ayrı bir frekans 50,56,81 bir izole spektral pik ile kısa ömürlü bir olay olarak görünmesi gerektiğini varsayarak öneririz. Yarı otomatik yöntemler klinik uygulamada HFO tatbik edilmesi için en uygun yaklaşım olduğu görülmektedir. yüksek özgüllüğü bir uzman, (i) yüksek duyarlılığa sahiptir olayların ilk otomatik algılama ve olayların (ii) görsel incelemesi: Bu yöntemler 2 aşamadan içerir. Bu yaklaşım tam otomatik yöntemlerle karşılaştırıldığında daha yüksek özgüllük sağlar ve nihai gözden olaylar serebral kökenli gerçek HFO olmasını sağlar.

Burada, bir yarı otomatik bir yöntem interiktal kafa derisi EEG ve MEG kayıtlarından HFO saptanmasını sağlayan sunulmuştur. Önerilen yöntem, daha önce kimlik kriterlerine iki ithalat dahil ederek kafa derisi EEG 60 HFO tespiti için teknikleri tarif uzanırkarınca özellikleri: (i) HFO olayların otomatik zaman-frekans analizi; ve (ii) hem MEG ve EEG kayıtları HFO olayların zamansal sağlanmaması.

Bu tekniği mastering sonra gelecek uygulamalar veya yön

Böyle kafa derisi EEG ve MEG olarak non-invaziv görüntüleme yöntemlerine ile HFO güvenilir lokalizasyonu, kritik öneme sahiptir. , Mastering iyileştirilmesi ve önerilen protokol EZ belirlenmesi için güvenilir, noninvaziv kaydedilebilir belirteç hekimlere sağlayacaktır doğrulayarak. Böyle bir biyolojik belirteç geliştirilmesi, uzun vadeli izleme ve pediatrik hastalarda cerrahi öncesi değerlendirme prosedüründe önemli bir gelişme giden invaziv intrakranial kayıtları ihtiyacını azaltma potansiyeline sahiptir. Ameliyat için Epileptojenik doku tanımlamak için değil sadece yardım istiyorsunuz, ama aynı zamanda tamamen yönün gerektiren akut semptomatik nöbet gelen epilepsi kesin ayırıcı tanısını izin verecektedavi yaklaşımını ve bazı hastalarda uzun süreli izlenmesi ihtiyacını koruyucu olmayan epileptik nöbetler kira. Ayrıca, bu başka bir nöbet gerçekleşmesi için beklemeden terapötik müdahalelerin etkinliğinin değerlendirilmesine olanak sağlayabilir.

Disclosures

The authors have nothing to disclose.

Acknowledgements

This work is supported by the Research Grants Program of the Epilepsy Foundation & American Epilepsy Society and the Faculty Career Development Fellowship of Harvard Medical School, Office for Faculty Development.

Materials

VectorView MEG system Elekta-Neuromag, Finland MEG System
Magentically Shielded Room Imedco, Hagendorf, Switzerland Three-layer MSR
EEG system Elekta-Neuromag, Finland 70 Channel EEG system
3D digitizer Polhemus, Colchester, VT
DOWNLOAD MATERIALS LIST

References

  1. Cowan, L. D., Bodensteiner, J. B., Leviton, A., Doherty, L. Prevalence of the Epilepsies in Children and Adolescents. Epilepsia. 30 (1), 94-106 (1989).
  2. Stores, G. School-children with Epilepsy at Risk for Learning and Behaviour Problems. Dev. Med. Child Neurol. 20 (4), 502-508 (1978).
  3. Sillanpää, M., Schmidt, D. Prognosis of seizure recurrence after stopping antiepileptic drugs in seizure-free patients: A long-term population-based study of childhood-onset epilepsy. Epilepsy Behav. 8 (4), 713-719 (2006).
  4. Geerts, A., et al. Course and outcome of childhood epilepsy: a 15-year follow-up. Dutch study of epilepsy in childhood. Epilepsia. 51 (7), 1189-1197 (2010).
  5. Engel, J. Etiology as a risk factor for medically refractory epilepsy: A case for early surgical intervention. Neurology. 51 (5), 1243-1244 (1998).
  6. Kwan, P., Brodie, M. Early Identification of Refractory Epilepsy. N. Eng. J. Med. 342 (5), 314-319 (2000).
  7. Datta, A., Loddenkemper, T. . The Epileptogenic Zone. In: Wyllie, E. Wyllie’s treatment of epilepsy Principles & Practice 5th Ed. , 818-827 (2011).
  8. Rosenow, F. Presurgical evaluation of epilepsy. Brain. 124 (9), 1683-1700 (2001).
  9. Önal, &. #. 1. 9. 9. ;., Otsubo, H., et al. Complications of invasive subdural grid monitoring in children with epilepsy. J. Neurosurg. 98 (5), 1017-1026 (2003).
  10. Jacobs, J., Zijlmans, M., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann. Neurol. 67 (2), 209-220 (2010).
  11. Bragin, A., Engel, J., Wilson, C., Fried, I., Buzsáki, G. High-frequency oscillations in human brain. Hippocampus. 9 (2), 137-142 (1999).
  12. Bragin, A., Engel, J., Wilson, C., Fried, I., Mathern, G. Hippocampal and Entorhinal Cortex High-Frequency Oscillations (100-500 Hz) in Human Epileptic Brain and in Kainic Acid-Treated Rats with Chronic Seizures. Epilepsia. 40 (2), 127-137 (1999).
  13. Zijlmans, M., Jiruska, P., Zelmann, R., Leijten, F., Jefferys, J., Gotman, J. High-frequency oscillations as a new biomarker in epilepsy. Ann. Neurol. 71 (2), 169-178 (2012).
  14. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  15. Jacobs, J., LeVan, P., Chander, R., Hall, J., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (80-500 Hz) are an indicator of seizure onset areas independent of spikes in the human epileptic brain. Epilepsia. 49 (11), 1893-1907 (2008).
  16. Bragin, A., Mody, I., Wilson, C. L., Engel, J. Local generation of fast ripples in epileptic brain. J Neurosci. 22 (5), 2012-2021 (2002).
  17. Worrell, G. A., Gardner, A. B., et al. High-frequency oscillations in human temporal lobe: simultaneous microwire and clinical macroelectrode recordings. Brain. 131 (4), 928-937 (2008).
  18. Engel, J., Bragin, A., Staba, R., Mody, I. High-frequency oscillations: What is normal and what is not?. Epilepsia. 50 (4), 598-604 (2009).
  19. Traub, R. Fast Oscillations and Epilepsy. Epilepsy Curr. 3 (3), 77-79 (2003).
  20. Blanco, J., Stead, M., et al. Unsupervised Classification of High-Frequency Oscillations in Human Neocortical Epilepsy and Control Patients. J. Neurophysiol. 104 (5), 2900-2912 (2010).
  21. Rodin, E., Smid, N., Mason, K. The grand mal pattern of Gibbs, Gibbs and Lennox. Electroencephalogr Clin Neurophysiol. 40 (4), 401-406 (1976).
  22. Nealis, J. G., Duffy, F. H. Paroxysmal beta activity in the pediatric electroencephalogram. Ann Neurol. 4 (2), 112-116 (1978).
  23. Halasz, P., Terzano, M., Parrino, L., Bodizs, R. The nature of arousal in sleep. J. Sleep. Res. 13 (1), 1-23 (2004).
  24. Kobayashi, K., Oka, M., et al. Very Fast Rhythmic Activity on Scalp EEG Associated with Epileptic Spasms. Epilepsia. 45 (5), 488-496 (2004).
  25. Inoue, T., Kobayashi, K., Oka, M., Yoshinaga, H., Ohtsuka, Y. Spectral characteristics of EEG gamma rhythms associated with epileptic spasms. Brain. Dev. 30 (5), 321-328 (2008).
  26. Kobayashi, K., Jacobs, J., Gotman, J. Detection of changes of high-frequency activity by statistical time-frequency analysis in epileptic spikes. Clin Neurophysiol. 120 (6), 1070-1077 (2009).
  27. Kobayashi, K., Watanabe, Y., Inoue, T., Oka, M., Yoshinaga, H., Ohtsuka, Y. Scalp-recorded high-frequency oscillations in childhood sleep-induced electrical status epilepticus. Epilepsia. 51 (10), 2190-2194 (2010).
  28. Andrade-Valenca, L. P., Dubeau, F., Mari, F., Zelmann, R., Gotman, J. Interictal scalp fast oscillations as a marker of the seizure onset zone. Neurology. 77 (6), 524-531 (2011).
  29. Melani, F., Zelmann, R., Dubeau, F., Gotman, J. Occurrence of scalp-fast oscillations among patients with different spiking rate and their role as epileptogenicity marker. Epilepsy Res. 106 (3), 345-356 (2013).
  30. Claus, S., Velis, D., Lopes da Silva, F., Viergever, M., Kalitzin, S. High frequency spectral components after Secobarbital: The contribution of muscular origin-A study with MEG/EEG. Epilepsy Res. 100 (1-2), 132-141 (2012).
  31. Zimmermann, R., Scharein, E. MEG and EEG show different sensitivity to myogenic artifacts. Neurol Clin Neurophysiol. 78, (2004).
  32. Papadelis, C., Poghosyan, V., Fenwick, P., Ioannides, A. MEG’s ability to localise accurately weak transient neural sources. Clin Neurophysiol. 120 (11), 1958-1970 (2009).
  33. Miao, A., Xiang, J., et al. Using ictal high-frequency oscillations (80-500Hz) to localize seizure onset zones in childhood absence epilepsy: A MEG study. Neuroscience Lett. 566, 21-26 (2014).
  34. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  35. Tenney, J. R., Fujiwara, H., et al. Low- and high-frequency oscillations reveal distinct absence seizure networks. Ann Neurol. 76 (4), 558-567 (2014).
  36. Xiang, J., et al. Frequency and spatial characteristics of high-frequency neuromagnetic signals in childhood epilepsy. Epileptic Disord. 11 (2), 113-125 (2009).
  37. van Klink, N., Hillebrand, A., Zijlmans, M. Identification of epileptic high frequency oscillations in the time domain by using MEG beamformer-based virtual sensors. Clin Neurophysiol. 127 (1), 197-208 (2016).
  38. von Ellenrieder, N., Pellegrino, G., et al. Detection and Magnetic Source Imaging of Fast Oscillations (40-160 Hz) Recorded with Magnetoencephalography in Focal Epilepsy Patients. Brain Topogr. 29 (2), 218-231 (2016).
  39. Rampp, S., Kaltenhäuser, M., et al. MEG correlates of epileptic high gamma oscillations in invasive EEG. Epilepsia. 51 (8), 1638-1642 (2010).
  40. Ramachandrannair, R., Ochi, A., et al. Epileptic spasms in older pediatric patients: MEG and ictal high-frequency oscillations suggest focal-onset seizures in a subset of epileptic spasms. Epilepsy Res. 78 (2-3), 216-224 (2008).
  41. Bathelt, J., O’Reilly, H., de Haan, M. Cortical source analysis of high-density EEG recordings in children. J Vis Exp. (88), e51705 (2014).
  42. Liu, H., Tanaka, N., Stufflebeam, S., Ahlfors, S., Hämäläinen, M. Functional Mapping with Simultaneous MEG and EEG. M. J Vis Exp. (40), e1668 (2010).
  43. Papadelis, C., Harini, C., Ahtam, B., Doshi, C., Grant, E., Okada, Y. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Ped Epilepsy. 2, 73-85 (2013).
  44. Gaetz, W., Gordon, R. S., Papadelis, C., Fujiwara, H., Rose, D. F., Edgar, J. C., Schwartz, E. S., Roberts, T. P. L. Magnetoencephalography for Clinical Pediatrics: Recent Advances in Hardware, Methods, and Clinical Applications. J Pediatr Epilepsy. 4 (4), 139-155 (2015).
  45. Prabhu, S., Mahomed, N. Imaging of intractable paediatric epilepsy. SA Journal of Radiology. 19 (2), 1-10 (2015).
  46. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A User-Friendly Application for MEG/EEG Analysis. Comput Intell Neurosci. , 879716 (2011).
  47. Bagic, A. I., Knowlton, R. C., Rose, D. F., Ebersole, J. S. American Clinical Magnetoencephalography Society Clinical Practice Guideline 1: Recording and Analysis of Spontaneous Cerebral Activity. J Clin Neurophysiol. , 1-7 (2011).
  48. Noachtar, S., Binnie, C., Ebersole, J., Mauguière, F., Sakamoto, A., Westmoreland, B. A glossary of terms most commonly used by clinical electroencephalographers and proposal for the report form for the EEG findings. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 21-41 (1999).
  49. Staba, R. J., Wilson, C. L., Bragin, A., et al. High-frequency oscillations recorded in human medial temporal lobe during sleep. Ann’Neurol. 56 (1), 108-115 (2004).
  50. Benar, C. G., Chauviere, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on "false" ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  51. Crepon, B., Navarro, V., et al. Mapping interictal oscillations greater than 200 Hz recorded with intracranial macroelectrodes in human epilepsy. Brain. 133 (1), 33-45 (2010).
  52. Jmail, N., Gavaret, M., et al. A comparison of methods for separation of transient and oscillatory signals in EEG. J Neurosci Methods. 199 (2), 273-289 (2011).
  53. Wang, S., Wang, I. Z., et al. Ripple classification helps to localize the seizure-onset zone in neocortical epilepsy. Epilepsia. 54 (2), 370-376 (2013).
  54. Worrell, G. A., Jerbi, K., Kobayashi, K., Lina, J. M., Zelmann, R., Le Van Quyen, M. Recording and analysis techniques for high-frequency oscillations. Prog Neurobio. 98 (3), 265-278 (2012).
  55. Gibbs, J. W. Fourier’s series. Nature. 59, 606 (1899).
  56. Burnos, S., Hilfiker, P., et al. Human Intracranial High Frequency Oscillations (HFOs) Detected by Automatic Time-Frequency Analysis. PLoS ONE. 9 (4), (2014).
  57. Jacobs, J., LeVan, P., Châtillon, C., Olivier, A., Dubeau, F., Gotman, J. High frequency oscillations in intracranial EEGs mark epileptogenicity rather than lesion type. Brain. 132 (4), 1022-1037 (2009).
  58. Urrestarazu, E., Chander, R., Dubeau, F., Gotman, J. Interictal high-frequency oscillations (100-500 Hz) in the intracerebral EEG of epileptic patients. Brain. 130 (9), 2354-2366 (2007).
  59. Amiri, M., Lina, J. M., Pizzo, F., Gotman, J. High Frequency Oscillations and spikes: Separating real HFOs from false oscillations. Clin Neurophysiol. 127 (1), 187-196 (2015).
  60. Zelmann, R., Lina, J. M., Schulze-Bonhage, A., Gotman, J., Jacobs, J. Scalp EEG is not a Blur: It Can See High Frequency Oscillations Although Their Generators are Small. Brain Topogr. 27 (5), 683-704 (2014).
  61. Chowdhury, R. A., Lina, J. M., Kobayashi, E., Grova, C. MEG source localization of spatially extended generators of epileptic activity: comparing entropic and hierarchical bayesian approaches. PLoS One. 8 (2), e55969 (2013).
  62. Chowdhury, R. A., Merlet, I., Birot, G., Kobayashi, E., Nica, A., Biraben, A., Wendling, F., Lina, J. M., Albera, L., Grova, C. Complex patterns of spatially extended generators of epileptic activity: Comparison of source localization methods cMEM and 4-ExSo-MUSIC on high resolution EEG and MEG data. Neuroimage. , 175-195 (2016).
  63. Pellegrino, G., Hedrich, T., Chowdhury, R., Hall, J. A., Lina, J. M., Dubeau, F., Kobayashi, E., Grova, C. Source localization of the seizure onset zone from ictal EEG/MEG data. Hum Brain Mapp. 37 (7), 2528-2546 (2016).
  64. Grova, C., Aiguabella, M., Zelmann, R., Lina, J. M., Hall, J. A., Kobayashi, E. Intracranial EEG potentials estimated from MEG sources: A new approach to correlate MEG and iEEG data in epilepsy. Hum Brain Mapp. 37 (5), 1661-1683 (2016).
  65. Lina, J. M., Chowdhury, R. A., Lemay, E., Kobayashi, E., Grova, C. Wavelet-based localization of oscillatory sources from magnetoencephalography data. IEEE Trans Biomed Eng. 61 (8), 2350-2364 (2014).
  66. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis, I: segmentation and surface reconstruction. Neuroimage. 9, 179-194 (1999).
  67. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis, II: inflation, flattening, a surface-based coordinate system. Neuroimage. 9, 195-207 (1999).
  68. Gramfort, A., Papadopoulo, T., Olivi, E., Clerc, M. OpenMEEG: opensource software for quasistatic bioelectromagnetics. Biomed Eng OnLine. 9 (1), (2010).
  69. Akiyama, T., McCoy, B., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52 (10), 1802-1811 (2011).
  70. Leahy, R. M., Mosher, J. C., Spencer, M. E., Huang, M. X., Lewine, J. D. A study of dipole localization accuracy for MEG and EEG using a human skull phantom. Electroencephalogr Clin Neurophysiol. 107 (2), 159-173 (1989).
  71. Hunold, A., Haueisen, J., Ahtam, B., Doshi, C., Harini, C., Camposano, S., Warfield, S. K., Grant, P. E., Okada, Y., Papadelis, C. Localization of the epileptogenic foci in tuberous sclerosis complex: a pediatric case report. Front Hum Neurosci. 8 (175), (2014).
  72. Taulu, S., Kajola, M., Simola, J. Suppression of interference and artifacts by the signal space separation method. Brain Topogr. 16 (4), 269-275 (2004).
  73. Taulu, S., Simola, J. Spatiotemporal signal space separation method for rejecting nearby interference in MEG measurements. Phys Med Biol. 51 (7), 1759-1768 (2006).
  74. Bénar, C. G., Chauvière, L., Bartolomei, F., Wendling, F. Pitfalls of high-pass filtering for detecting epileptic oscillations: a technical note on false ripples. Clin Neurophysiol. 121 (3), 301-310 (2010).
  75. Dubarry, A. S., Badier, J. M., et al. Simultaneous recording of MEG, EEG and intracerebral EEG during visual stimulation: from feasibility to single-trial analysis. Neuroimage. 99, 548-558 (2014).
  76. Chrobak, J. J., Buzsaki, G. High-frequency oscillations in the output of the hippocampal-entorhinal axis of the freely behaving rat. J Neurosci. 19 (9), 3056-3066 (1996).
  77. Abend, N. S., Gutierrez-Colina, A., et al. Interobserver Reproducibility of Electroencephalogram Interpretation in Critically Ill Children. J Clin Neurophysiol. 28 (1), 15-19 (2011).
  78. Benbadis, S. R., LaFrance, W. C., Papandonatos, G. D., Korabathina, K., Lin, K., Kraemer, H. C. Interrater reliability of EEG-video monitoring. Neurology. 73 (11), 843-846 (2009).
  79. von Ellenrieder, N., Andrade-Valença, L., Dubeau, F., Gotman, J. Automatic detection of fast oscillations (40-200Hz) in scalp EEG recordings. Clin Neurophysiol. 123 (4), 670-680 (2012).
  80. Zelmann, R., Mari, F., Jacobs, J., Zijlmans, M., Dubeau, F., Gotman, J. A comparison between detectors of high frequency oscillations. Clin Neurophysiol. 123 (1), 106-116 (2011).
  81. Birot, G., Kachenoura, A., Albera, L., Bénar, C., Wendling, F. Automatic detection of fast ripples. J Neurosci Methods. 213 (2), 236-249 (2013).

Tags

High-frequency OscillationsInterictalMagnetoencephalographyElectroencephalographyPediatric EpilepsyInverse ProblemBiomarkerNon-invasive LocalizationEpileptogenic Zone

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Papadelis, C., Tamilia, E., Stufflebeam, S., Grant, P. E., Madsen, J. R., Pearl, P. L., Tanaka, N. Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy. J. Vis. Exp. (118), e54883, doi:10.3791/54883 (2016).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image