Summary

İlaca Dirençli Epilepsili Çocukların Precerrahi Değerlendirmesinde Elektromanyetik Kaynak Görüntüleme

Published: September 20, 2024
doi:

Summary

Manyetoensefalografi (MEG) ve yüksek yoğunluklu elektroensefalografi (HD-EEG), doğrulayıcı ve tamamlayıcı bilgiler vermelerine rağmen nadiren aynı anda kaydedilir. Burada, ilaca dirençli epilepsili çocuklarda epileptojenik ve anlamlı beyin alanlarını lokalize etmeyi amaçlayan eşzamanlı MEG ve HD-EEG’nin kaydedilmesi için deney düzeneğini ve bu verileri analiz etme metodolojisini gösteriyoruz.

Abstract

İlaca dirençli epilepsili (DRE) çocuklar için nöbet özgürlüğü, belirgin beyin alanlarını korurken epileptojenik bölgenin (EZ) tanımlanması ve rezeksiyonuna (veya ablasyon / bağlantının kesilmesine) dayanır. Bu nedenle, EZ’nin lokalizasyonu için klinik olarak yararlı bilgiler sağlayan güvenilir ve noninvaziv bir lokalizasyon yönteminin geliştirilmesi, başarılı cerrahi sonuçlar elde etmek için çok önemlidir. Elektrik ve manyetik kaynak görüntüleme (ESI ve MSI), epileptojenik ve anlamlı beyin alanlarının tanımlanmasında umut verici bulgular gösteren bu hastaların cerrahi öncesi değerlendirmesinde giderek daha fazla kullanılmaktadır. Ayrıca, eş zamanlı yüksek yoğunluklu elektroensefalografi (HD-EEG) ve manyetoensefalografi (MEG) kayıtlarında gerçekleştirilen elektromanyetik kaynak görüntüleme (EMSI) gibi ESI ve MSI’nin tek bir çözümde kombinasyonu, her iki yöntemin de tek başına olduğundan daha yüksek kaynak lokalizasyon doğruluğu göstermiştir. Bu cesaret verici bulgulara rağmen, bu tür teknikler sadece birkaç üçüncül epilepsi merkezinde uygulanmakta, nadiren aynı anda kaydedilmekte ve pediatrik kohortlarda yeterince kullanılmamaktadır. Bu çalışma, eş zamanlı MEG ve HD-EEG verilerinin kaydedilmesi için deney düzeneğinin yanı sıra, DRE’li çocuklarda irritatif bölgeyi, nöbet başlangıç bölgesini ve anlamlı beyin alanlarını lokalize etmeyi amaçlayan bu verileri analiz etmek için metodolojik çerçeveyi göstermektedir. Daha spesifik olarak, deney düzenekleri (i) uyku sırasında interiktal ve iktal epileptiform aktivitenin kaydedilmesi ve lokalize edilmesi ve (ii) görsel, motor, işitsel ve somatosensoriyel uyarılmış yanıtların kaydedilmesi ve görsel-motor görev sırasında ilgili anlamlı beyin alanlarının haritalanması (yani görsel, motor, işitsel ve somatosensoriyel) ile işitsel ve somatosensoriyel uyarımlar sırasında. Veri analizi boru hattının ayrıntılı adımları, eşdeğer akım dipol (ECD) ve dinamik istatistiksel parametrik haritalama (dSPM) kullanılarak EMSI’nin yanı sıra bireysel ESI ve MSI’yi gerçekleştirmek için daha fazla sunulmaktadır.

Introduction

Epilepsi, doğada fokal veya jeneralize olabilen tekrarlayan ve provoke edilmemiş nöbetlerle karakterize en yaygın ve engelleyici nörolojik bozukluklardan biridir. Birkaç etkili farmakolojik tedavinin (örneğin, nöbet önleyici ilaçlar [ASM’ler]) bulunmasına rağmen, bu hastaların yaklaşık% 20-30’u nöbetlerini kontrol edemez ve ilaca dirençli epilepsiden (DRE) muzdariptir1. Bu hastalar için epilepsi cerrahisi nöbetleri ortadan kaldırmak için en etkili tedavidir; başarılı bir cerrahi, nöbetlerin oluşumu için vazgeçilmez olan minimal alan olarak tanımlanan epileptojenik bölgenin (EZ) tam rezeksiyonu (veya ablasyonu/bağlantısının kesilmesi) yoluyla elde edilebilir2. Anlamlı korteksi korurken EZ’nin doğru tanımlanması ve rezeksiyonu (veya ablasyon / bağlantının kesilmesi), nöbet özgürlüğünün sağlanmasında çok önemli faktörlerdir. Cerrahi adaylığı belirlemek için, multidisipliner bir ekip tarafından farklı kortikal alanları (yani, irritatif bölge, nöbet başlangıç bölgesi [SOZ], fonksiyonel defisit bölgesi ve epileptojenik lezyon) tanımlamak için çeşitli noninvaziv tanı araçları kullanılır ve bunlar EZ3’ün dolaylı yaklaşımları olarak işlev görür. İntrakraniyal EEG (iEEG) ile ekstraoperatif monitörizasyon, bu yöntemlerin hiçbiri EZ’yi kesin olarak tanımlamadığında gereklidir. IEEG’nin rolü, SOZ’u (yani klinik nöbetlerin oluşturduğu beyin bölgesi) lokalize ederek EZ’yi tam olarak tanımlamak ve anlamlı beyin alanlarını haritalamaktır. Yine de, invazivliği nedeniyle ciddi sınırlamalar sunar 4,5,6, sınırlı mekansal kapsama alanı sunar ve net bir cerrahi öncesi lokalizasyon hipotezine ihtiyaç duyar7. Sonuç olarak, SÖZ’ün gerçek odağı ve kapsamı gözden kaçabilir ve bu da başarısız ameliyata yol açabilir. Ayrıca, yorumlanması, hastanede kalış süresinin birkaç günü sırasında birden fazla stereotip klinik nöbetin kaydedilmesini gerektirir, bu da komplikasyon olasılığını artırır (ör., enfeksiyon ve / veya kanama)5. Bu nedenle, klinik olarak yararlı bilgiler sağlayabilen ve DRE’li çocukların cerrahi öncesi değerlendirmesini genel olarak iyileştirebilen güvenilir ve noninvaziv lokalizasyon yöntemlerinin geliştirilmesine yönelik karşılanmamış bir ihtiyaç vardır.

Son on yılda, elektrik ve manyetik kaynak görüntüleme (ESI ve MSI), EPILEPTOJENIK ve fonksiyonel beyin alanlarının tanımlanması için DRE hastalarının cerrahi öncesi değerlendirmesinde giderek daha fazla kullanılmaktadır. Özellikle, ESI ve MSI, cerrahi planlamaya veya iEEG elektrot yerleştirmeye yardımcı olmak için yüksek yoğunluklu EEG (HD-EEG) ve manyetoensefalografi (MEG) gibi invaziv olmayan kayıtlardan nöral kaynakların yeniden yapılandırılmasına izin verir. ESI ve MSI, sivri uçlar ve keskin dalgalar gibi interiktal epileptiform deşarjları (IED’ler) veya iktal (nöbet) aktiviteyi lokalize etmek için uygulanabilir. Ayrıca duyusal, motor, işitsel ve bilişsel işlevlerde yer alan farklı fonksiyonel beyin alanlarının lokalizasyonu için de kullanılabilir. IED’ler ve nöbetler gibi elektrofizyolojik olayların yeniden yapılandırılması, EZ lokalizasyonu için geçerli bir vekil olarak kabul edilen irritatif bölgenin (yani, IED’lerin kaynaklandığı beyin bölgesi) ve SOZ’un tanımlanmasına izin verir. Anlamlı korteksin lokalizasyonu (yani, tanımlanmış kortikal işlevler için vazgeçilmez olan beyin alanları)3, bunun yerine, planlanan rezeksiyona göre anlamlı alanların konumunu ve kapsamını haritalamaya ve bu nedenle, epilepsi cerrahisinden beklenebilecek potansiyel fonksiyonel eksiklikleri önceden azaltmaya izin verir 8,9,10,11. Birkaç çalışma, epilepsinin cerrahi öncesi değerlendirmesinde ESI ve/veya MSI’nin klinik faydasını araştırdı ve EZ 12,13,14,15,16,17,18,19’un tanımlanmasında umut verici bulgular gösterdi. Örneğin, Mouthaan ve ark.14, 11 prospektif ve retrospektif epilepsi çalışmasının noninvaziv verilerini kullanarak kapsamlı bir meta-analiz gerçekleştirdi ve bu kaynak lokalizasyon tekniklerinin genel olarak EZ’yi yüksek duyarlılık (%82) ve düşük özgüllük (%53) ile tanımlayabildiğini bildirdi. Diğer çalışmalar ayrıca MSI ve ESI’nin, normal manyetik rezonans görüntülemeye (MRG) sahip epileptik hastalarda rezeke edilen alandaki epileptik odağı doğru bir şekilde lokalize edebildiğini göstermiştir19,20,21. Bu lokalizasyon sonuçları, kesin olmayan klinik veya görüntüleme bulguları nedeniyle epilepsi cerrahisi için uygun olmayan hastalar için özellikle önemlidir. Özetle, ESI ve MSI, DRE hastalarında epileptojenik ve fonksiyonel beyin alanlarının cerrahi öncesi haritalanmasına önemli ölçüde katkıda bulunabilir.

Bu cesaret verici bulgulara rağmen, bu tür teknikler şu anda sadece birkaç üçüncül epilepsi merkezinde düzenli olarak uygulanmaktadır ve pediatrik popülasyonlarda genellikle yeterince kullanılmamaktadır. Ayrıca, HD-EEG ve MEG, hem doğrulayıcı hem de tamamlayıcı bilgi sağlamalarına rağmen, nadiren aynı anda kaydedilir. MEG, teğetsel yönelimli yüzeysel kaynakları tespit etmeye duyarlıdır, ancak beyningirüs veya daha derin bölgelerinde bulunan radyal yönelimli kaynaklara karşı kördür 22,23,24,25,26. Ayrıca MEG, EEG 16,22,25’e kıyasla daha iyi uzamsal çözünürlük (milimetre) sağlar. EEG sinyallerinin aksine, MEG sinyalleri referanssızdır ve esasen beyin dokularının farklı iletkenliklerinden (yani meninksler, beyin omurilik sıvısı, kafatası ve kafa derisi)25,27 etkilenmez ve beyin tarafından üretilen manyetik alanların bozulmamış ölçümlerini sağlar. Öte yandan, EEG tüm yönelimlerin kaynaklarını tespit edebilir, ancak MEG’den daha düşük uzamsal çözünürlük sunar ve artefaktlara karşı daha hassastır26,28. Kaynak oryantasyonu ve derinliğine yönelik bu tamamlayıcı hassasiyetler nedeniyle, epileptiform aktivitenin (örneğin IED’ler) yaklaşık% 30’u sadece MEG’de kaydedilebilir, ancak EEG’de kaydedilemez ve bunun tersi de geçerlidir 26,29,30,31,32. Uzun süreli kayıtlara izin veren EEG’nin aksine, çoğu hastada iktal olayları kaydetmek için genellikle yetersiz olan kısıtlı kayıt süresi nedeniyle MEG ile klinik nöbetleri yakalamak zordur. Ayrıca, nöbetle ilgili kafa hareketlerinin neden olduğu artefaktlar genellikle MEG kayıtlarının kalitesine müdahale edebilir 29,33,34,35. Öte yandan, MEG kayıtları, özellikle çocuklarda, çocukların kafasının üzerine sensör takılmasına gerek olmadığı için EEG’ye göre daha hızlı ve kolaydır35.

Donanımdaki gelişmeler, tüm kafayı kaplayan çok sayıda sensörle (550’den fazla sensör) MEG ve HD-EEG verilerinin aynı anda kaydedilmesini mümkün kılmıştır. Ayrıca, EEG teknolojilerindeki modern gelişmeler, HD-EEG hazırlık süresini çeyrek saatin altına indirmiştir36. Bu, özellikle uzun süre hareketsiz kalamayan zorlu davranışlara sahip pediatrik popülasyonlar için önemlidir. Ayrıca, yazılım teknolojilerindeki gelişmeler, ESI ve MSI’nın tek bir çözümde, yani elektromanyetik kaynak görüntülemede (EMSI) birleştirilmesine ve eş zamanlı HD-EEG ve MEG kayıtlarında gerçekleştirilmesine olanak sağlamıştır. Çeşitli teorik ve ampirik çalışmalar, EMSI ile tek başına her iki modaliteden daha yüksek kaynak lokalizasyon doğruluğu bildirmiştir 13,30,31,37,38,39,40,41. Duyusal uyaranlara yanıt olarak aktiviteyi yeniden yapılandırmak için farklı kaynak lokalizasyon yaklaşımları kullanarak, Sharon ve ark.37, EMSI’nin, kesin lokalizasyon doğruluğunun invaziv olmayan bir ölçütü olarak hizmet eden fonksiyonel MRG’ye (fMRI) kıyasla tek başına ESI veya MSI’dan sürekli olarak daha iyi lokalizasyon sonuçlarına sahip olduğunu buldu. Yazarlar, bu gelişmiş lokalizasyonun, ters çözümü çözmek için artan sensör sayısından ve iki görüntüleme modalitesinin farklı duyarlılık modellerinden kaynaklandığını öne sürdüler37. Benzer şekilde, Yoshinaga ve ark.31, inatçı lokalizasyona bağlı epilepsisi olan hastaların eş zamanlı EEG ve MEG verileri üzerinde dipol analizi yaptı ve EMSI’nin tek başına tek bir modalite kullanılarak elde edilemeyecek bilgileri sağladığını ve analiz edilen hastalardan birinde epilepsi cerrahisi için başarılı bir lokalizasyona yol açtığını gösterdi. Prospektif kör bir çalışmada, Duez ve ark.13, EMSI’nin ESI ve MSI’ye kıyasla önemli ölçüde daha yüksek bir olasılık oranı (yani nöbetsiz olma olasılığı), lokalizasyon doğruluğu ≥%52) ve irritatif ve SOZ ile sırasıyla %53 ve %≥36 ≥53) bir uyum elde ettiğini gösterdi. Grubumuz42’den daha yeni bir çalışma, EMSI’nin sırasıyla ~ 8 mm ve ~ 15 mm’lik rezeksiyon ve SOZ’dan kaynaklanan lokalizasyon hataları ile tek başına ESI veya MSI’den daha üstün lokalizasyon tahminleri ve daha iyi sonuç tahmin performansı sağladığını göstermiştir. Bu umut verici bulgulara rağmen, DRE’li çocuklarda EMSI ile ilgili metodolojik çerçeveyi sağlayan çalışmaların eksikliği vardır.

Bu çalışma, DRE’li çocuklarda tahriş edici bölge, SOZ ve anlamlı beyin alanlarını lokalize etmeyi amaçlayan bu verileri analiz etmenin metodolojik çerçevesinin yanı sıra eşzamanlı MEG ve HD-EEG kayıtlarının gerçekleştirilmesi için deney düzeneğini göstermektedir. Daha spesifik olarak, deney düzenekleri (i) uyku sırasında interiktal ve iktal epileptiform aktivitenin kaydedilmesi ve lokalize edilmesi ve (ii) görsel, motor, işitsel ve somatosensoriyel uyarılmış yanıtların kaydedilmesi ve ilgili anlamlı beyin alanlarının haritalanması için sunulmuştur (ör., görsel, motor, işitsel ve somatosensoriyel) görsel-motor bir görev sırasında ve ayrıca işitsel ve somatosensoriyel uyarımlar. Veri analizi boru hattının ayrıntılı adımları, eşdeğer akım dipol (ECD) ve dinamik istatistiksel parametrik haritalama (dSPM) kullanılarak EMSI’nin yanı sıra bireysel ESI ve MSI’yi gerçekleştirmek için daha fazla sunulmaktadır.

Protocol

Burada uygulanan deneysel prosedürler Kuzey Teksas Bölgesel Kurumsal İnceleme Kurulu tarafından onaylanmıştır (2019-166; Proje Yürütücüsü: Christos Papadelis). Aşağıdaki bölümde, laboratuvarımızda takip edilen eşzamanlı MEG ve HD-EEG kayıtları kullanılarak IED’lerin, iktal başlangıçların ve olayla uyarılmış yanıtların (yani görsel, motor, işitsel ve somatosensoriyel) invaziv olmayan kaynak lokalizasyonu için deneysel protokol açıklanacaktır. Uluslararası Klinik Nörofizyoloji Federasyonu43 ve Amerikan Klinik MEG Derneği44 , spontan MEG ve EEG verilerinin rutin klinik kaydı ve analizi için “minimum standartlar” sağlamıştır. Burada açıklanan HD-EEG kayıtları için prosedürler yalnızca sünger bazlı EEG elektrot sistemleri için geçerlidir. Her konu için genel hazırlık süreci yaklaşık 2-3 saattir ve ~ 1,5 saatlik gerçek kayıtları içerir. 1. MEG sisteminin hazırlanması Denek gelmeden önce, arka plan gürültü seviyelerini ve manyetik artefaktları yakalamak için birkaç dakikalık boş oda MEG kaydı yapın ve tüm MEG sensörlerinin düzgün çalışıp çalışmadığını kontrol edin. MEG sensörleri ayarlama programını kullanarak, tüm MEG sensörlerinin ortalama beyaz gürültü değerinin 2 ile 5 fT/√Hz (gradyometreler için fT√Hz) arasında olduğundan emin olun. 2. Konunun hazırlanması Deneğin ortamla rahat olduğundan emin olun. Küçük çocuklar söz konusu olduğunda, kayıt odasını (manyetik korumalı oda [MSR] dahil) keşfetmelerine ve veri toplama için kullanılacak test ekipmanını görmelerine izin verin.Tarama onay formunu kullanarak konu talimatlarını tarayın ve sağlayın. Gerekirse, her yaş grubu için geliştirilen özel kelimeler, oyuncaklar ve oyunlar kullanarak prosedürü küçük çocuklara açıklayın. Deneğe (veya deneğin ebeveynlerine) ziyaretten önceki son ~ 2 saat içinde nöbet geçirip geçirmediğini sorun.NOT: Tarama onay formu, testin bir açıklamasının yanı sıra güvenliğini, testin neden yapıldığını ve çalışmanın genel bir tanımını içerir. Denekten herhangi bir metalik ve/veya manyetik materyali çıkarın ve deneğe hastane tarafından verilen uygun giysiler (örn. hastane önlükleri, önlükler) sağlayın. Ek olarak, manyetik tozun MSR’ye girmesini önlemek için denekten ayakkabılarını çıkarmasını isteyin. Diş işleri veya implante edilmiş tıbbi cihazlar gibi diğer ferromanyetik elemanlar çıkarılamıyorsa, MEG kayıtları sırasında parazitlere veya yüksek gürültü seviyelerine neden olabilecek artık manyetik artefaktları çıkarmak için bir degausser (yani manyetiklik giderici) kullanın. Tüm manyetik gürültü kaynaklarının giderildiğinden emin olduktan sonra, denekten bir sonraki ölçüm prosedürlerinin uygulanacağı ahşap bir sandalyeye oturmasını ve rahat etmesini isteyin.NOT: Degausser, implante edilmiş herhangi bir elektronik cihaza (örn. kalp pilleri, nöromodülasyon cihazları) doğrudan uygulanmamalıdır. Uygun EEG net boyutunu seçmek için deneğin baş çevresini ölçün (genellikle 32-34 cm ila 58-61 cm). Mezuranın santimetre tarafını kullanarak, bandı deneğin nazonundan inion’un ~1 cm yukarısına ve ardından tekrar nazyona tutarak baş çevresini ölçün.NOT: Nasion, gözler arasındaki kraniyometrik noktadır, inion ise dış oksipital çıkıntının ucudur.Deneğin baş çevresine uyan doğru net boyutu seçin ve en az 5 dakika (en fazla 10 dakika) 1 qt ılık musluk suyu, 1 yemek kaşığı elektrolit (yani Potasyum Klorür) ve 1 yemek kaşığı bebek şampuanından oluşan sıvı karışımlı bir çözeltiye batırın. Bu ıslatma işlemi sırasında, sensörleri solüsyonu içeren plastik kovanın içine tamamen daldırmak için ağın süngerler dışarı bakacak şekilde ters çevrildiğinden ve tokaların tamamen gevşetildiğinden emin olun.NOT: Ağın amplifikatörünün çözeltiye yaklaşmamasını ve her zaman kuru kalmasını sağlamak için, seçilen ağın fişinin etrafına bir havlu sarın ve tercih edilirse, plastik kovanın bulunduğu lavaboya yakın bir sandalyeye veya desteğe yerleştirin. Mikro gözenekli kağıt bant kullanarak doğrudan deneğin kafa derisi üzerine bilinen konumlara baş pozisyonu göstergesi (HPI) bobinleri olarak kullanılan beş manyetik bobini yerleştirin: alnın her iki yanında saç çizgisine yakın, her mastoid kemiğe bir tane ve başın üstüne bir tane.NOT: HPI bobinleri, tarama sırasında lokalize edilebilen bilinen manyetik alanlar yayarak MEG sisteminin içine yerleştirilen süper iletken kuantum girişim cihazlarına (SQUID’ler) göre kafanın konumunu tanımlar. HPI bobinlerinin sayısı MEG sistemine bağlıdır, ancak genellikle 3-5 HPI bobini arasında değişir. Kalp atış hızını (elektrokardiyografi, EKG), göz hareketlerini veya göz kırpmalarını (elektrookülografi, EOG) ve kas aktivitesini (elektromiyografi, EMG) ölçmek için bant kullanarak ek elektrotlar yerleştirin; Bu elektrotların yerleştirilmesi, deneğin sağlık durumunun izlenmesine de izin verir.Deneğin kalp atışını kaydetmek için göğsün sağ ve sol tarafına, köprücük kemiklerinin altına sırasıyla iki EKG elektrotu ve dikey göz hareketlerini veya göz kırpmalarını kaydetmek için sırasıyla sağ gözün üst ve alt tarafına iki EOG elektrotu yerleştirin.Görsel motor görev sırasında kas aktivitesini ölçmek için, ek olarak, bandın cilde daha iyi yapışması için deneğin parmaklarını alkollü pedlerle silin ve her iki ele toplam iki çift tek kullanımlık olmayan kap elektrot bantlayın: biri ilk dorsal interosseöz (FDI) ve diğeri abdüktör pollicis brevis (APB). Tüm bu elektrotları bantlamadan önce, cilt empedansını azaltmak ve optimum yapışkanlık ve iletkenlik karışımını sağlamak için iletken macunu elektrot kabının içine hafifçe dolana kadar yerleştirin. Dokunsal stimülasyon için, ince elastik zarları doğrudan her iki elin üç basamağının distal, volar kısımlarına (yani başparmak [D1], orta parmak [D3] ve serçe parmağı [D5]) takın. Bir hava puff stimülasyon cihazı kullanarak sert plastik tüplerden basınçlı hava darbeleriyle membranları şişirin. Sözde rastgele bir sırayı izleyerek 1,5 ± 0,5 s’lik bir uyaranlar arası aralıkla basınçlı hava darbelerini serbest bırakın. Dokunsal stimülatörün basıncını 50 psi’ye ayarlayın. Denek hala herhangi bir metalik nesneden uzakta ahşap sandalyede otururken, bir sayısallaştırıcı kullanarak referans anatomik yer işaretlerinin, beş HPI bobininin ve diğer kafa şekli noktalarının üç boyutlu (3D) konumlarını belirleyin. Bu kafa sayısallaştırma işlemi sırasında, küçük hareketler lokalizasyon doğruluğunu etkileyebileceğinden, denekten rahatça oturmasını, dümdüz ileriye bakmasını ve neredeyse hareketsiz kalmasını isteyin.Referans alıcısını plastik gözlüklerin (yani, bir tarafında referans küpü takılı olan gözlükler) aracılığıyla deneğin kafasına yerleştirin ve tüm ölçüm boyunca nispeten sabit kalması gereken konuya sabit bir referans çerçevesi sağlamak için tokaları ayarlayın. Birincil prob ucu alıcısı aracılığıyla, referans anatomik yer işaretlerini (yani, nasion ve sol/sağ preauriküler noktalar) ve HPI bobinlerinin konumunu bulun ve kafa yüzeyinin yüksek kaliteli bir rekonstrüksiyonunu geliştirmek için ek kafa derisi noktalarını (en az 100, tercihen ~ 500’e yakın) düzgün bir şekilde örnekleyin.NOT: Referans anatomik işaretleri, konu koordinat sistemini tanımlar. Sayısallaştırıcı, bir verici (tipik olarak ahşap sandalyenin arkasındaki nesnenin arkasına monte edilir) ve iki alıcı (yani ekran kalemi ve referans alıcıları) kullanarak 3B alanda bir sensörün koordinatlarını oluşturur. Sayısallaştırma tamamlandıktan sonra, ekran kalemi alıcısını konudan ve vericiden ~15 cm uzağa yerleştirin ve sayısallaştırma işlemini tamamlamak için rastgele bir noktayı sayısallaştırın.NOT: Dijitalleştirme sürecinin bu son adımı diğer ticari ürünlerden farklı olabilir. EEG ağını uygulamadan önce, denekten EEG amplifikatörüne yakın bir sandalyeye oturmasını ve ağın uygulanmasından kaynaklanan olası damlamaları emmek için göğsüne ve omuzlarına havlu koymasını isteyin. EEG ağını plastik kovadan çıkarın, süngerler içeriye bakacak şekilde çevirin ve karışık çözeltiyi fazla emmek için bir havlunun etrafına nazikçe sarın.Denek sandalyede otururken ve bu adımda gözlerini kapalı tutması talimatı verilirken, her iki elinizi de ağın içine koyun ve parmaklarınızı kullanarak açın ve son olarak deneğin kafasına yerleştirin. HPI bobinlerinin konumlarını hareket ettirmeden, referans ve nasion kanallarının sırasıyla kafa derisinin merkezinde ve deneğin gözleri arasında doğru şekilde konumlandırıldığından emin olmak için parmaklarınızı kullanarak deneğin kafasındaki gerilmiş ağı ayarlayın ve son olarak ağ doğru konuma geldiğinde çene kayışını bağlayın. Bir EEG empedans ölçer kullanarak, herhangi bir sinyal bozulmasını önlemek için tüm kafa derisi-elektrot empedanslarının 0-50 kΩ aralığında olduğundan emin olun (değerler ˂5 kΩ önerilir). Kafa derisi-elektrot empedanslarını azaltmak için, deneğin elektrot ile kafa derisi arasındaki tüylerini çıkarmak için tahta bir pamuklu çubuk kullanarak veya gerekirse elektrotların süngerlerine daha iletken karışık çözelti aktarmak için tek kullanımlık bir plastik pipet kullanarak her elektrotun kafa derisi ile iyi mekanik ve elektriksel teması olduğunu kontrol edin.Tüm empedanslar ideal olarak 50 kΩ’a ulaştığında, amplifikatörün bağlantısını kesin ve konuyu EEG elektrot sayısallaştırması için hazırlayın.NOT: EEG elektrot sayısallaştırmasını MSR’nin dışında gerçekleştirin ve tarama işlemini yönetmek için konunun çevresinde yeterli alan olduğundan emin olun. El tipi bir optik tarayıcı kullanarak EEG elektrotlarının 3D konumlarını belirleyin. Bu işlem sırasında, aksi belirtilmedikçe denekten rahatça oturmasını ve dümdüz ileriye bakmasını isteyin.Öncelikle optik tarayıcı yazılımını açın, kayıtlar sırasında kullanılan EEG sensör düzenine uygun sensör şablonunu seçin ve ardından tarama işlemini başlatın. Tarama sırasında, tarayıcıyı EEG ağından belirli bir mesafede (genellikle ~ 45 cm), tarama açıklıkları sensörlerin yüzeyine dik olacak şekilde tutun ve tüm sensörlerin fiziksel konumlarını kaydetmek için yukarıdan (başın merkezi) aşağıya doğru (son sensörler boyun boyunca sıralanır) kemerli şeritleri takip ederek deneğin başının etrafında yavaşça hareket ettirin.NOT: Optik tarayıcı, deneğin kafasındaki EEG elektrot konumlarını sayısallaştırır ve bunları bir 3D koordinat dosyası olarak dönüştürür; genellikle kızılötesi (IR) ışık kaynakları yayan iki optik sensör ile karakterize edilir. Taranan her konum genellikle bir 3D sensör bulutunda görünür. 3D sensör bulutu, sensör konumlarının taranması, problanması ve hizalanması için geri bildirim sağlarken, 2D sensör haritası bu sensör konumlarının etiketlenmesi için geri bildirim sağlar. EEG elektrot pozisyonlarının taranması işlemi, referans noktalarının araştırılması da dahil olmak üzere toplam 5-10 dakika gerektirir. Bununla birlikte, tarama süresi bazen optik tarayıcının elektrot konumlarını algılamadaki performansına bağlı olabilir. Tüm EEG elektrotları tarandıktan sonra (en az ), 3D sensör bulutunu seçilen sensör şablonuna hizalamak için kablosuz optik probu kullanarak referans noktalarını (yani nasion ve sol/sağ preauriküler noktalar) ve dört hizalama sensörünü (yani ön, sol ve sağ hizalama düğümleri ve REF düğümü) araştırın.NOT: Hizalama sensörleri, EEG sensörü ağ konfigürasyonuna göre numaralandırılmıştır.Referans noktalarını araştırmak için, tarayıcının tarama açıklıklarının probun yansıtıcı disklerine işaret ettiğinden emin olarak, optik probun ucunu öznenin cildine, referans ilgi noktasının merkezine yerleştirin. Benzer şekilde, hizalama sensörlerini araştırmak için optik probun ucunu ilgilenilen hizalama sensörünün ortasına yerleştirin. Tüm sensörler tarandıktan ve problandıktan sonra, olası hataları kontrol etmek ve nihayetinde düzeltmek için gerçek EEG ağına göre 3D sensör bulutu ve 2D sensör haritası üzerindeki konumlarını ve etiketlerini gözden geçirin; Tarama işlemi sırasında herhangi bir hata oluşmazsa, 3B koordinat .txt dosyasını dışa aktarın ve tercih edilen formata dönüştürün.NOT: 3D elektrot koordinatları genellikle .txt formatta saklanır ve optik tarayıcı yazılımı aracılığıyla çeşitli formatlarda (örneğin, .xml, .sfp, .elp veya .nsi) dönüştürülebilir. EEG elektrot sayısallaştırma işlemi (adım 2.9-2.11) tamamlandıktan sonra, dinlenme/uyku verileri (adım 2.13), görsel-motor görev (adım 2.14), işitsel stimülasyon (adım 2.15) ve somatosensoriyel stimülasyon (adım 2.16) gerçekleştirmek için MSR içine aktarılacak kişiyi hazırlayın. Dinlenme/uyku verileri için, MEG sisteminin portalını sırtüstü pozisyona getirin (Şekil 1A) ve manyetik olmayan ve uyumlu yatağı, çıkarılabilir koltuk başlığı dewarın altındaki kask şeklindeki açıklıkla hizalanacak şekilde düzenleyin. Yatağı doğru konuma ayarladıktan sonra, yatağın fren valfini kapalı kilitli konuma getirin. Kayıt sırasında başın sabitlenmesi ve rahatlık için yatağın üzerine bir çarşaf veya battaniye ve çıkarılabilir koltuk başlığının üzerine küçük bir köpük yastık yerleştirin.NOT: Dewar, sensör dizilerinin, deneğin kafasını çevreleyecek şekilde tasarlanmış kask şeklindeki bir açıklık aracılığıyla altta uzamsal olarak düzenlendiği, sıvı helyumla doldurulmuş kriyojenik bir saklama kabıdır. Kask 59-61 cm baş çevresine kadar sığar. Portal, ölçüm konumuna (yani oturmuş veya sırtüstü) bağlı olarak yüksekliğini ve açısını değiştirmeye izin veren, dewar’ı destekleyen mekanik sistemdir.Deneği MSR’nin içine aktarın ve yatağın kenarına oturmasına ve üzerine uzanmasına yardımcı olun. Elektrotların kablolarına kolayca erişilebildiğinden emin olarak kayıt sırasında onu sıcak tutmak için deneğin vücuduna birkaç battaniye yerleştirin ve emniyet kemerlerini hafifçe bağlayın (veya varsa korkulukları yukarı çekin), deneğe bu adımın uyurken yataktan yuvarlanmasını önlemek için olduğunu açıklayın. Gerekirse, deneğin boynuna ve omuzlarına destek sağlamak için boynun altına ek bir rulo havlu yerleştirin. Dewar’ın kask şeklindeki açıklığının altındaki çıkarılabilir koltuk başlığına yerleştirilen öznenin başını, kaskın içine değene kadar nazikçe hareket ettirmek için yatağın fren valfinin kilidini açın. Sinyal-gürültü oranını (SNR) artırmak için öznenin başını kaska mümkün olduğunca yaklaştırın. HPI bobinlerini, EKG’yi ve EOG elektrotlarını MEG sisteminin ilgili panellerine takın, EEG ağını MSR içindeki amplifikatör ünitesine bağlayın ve deneğin kafasının dewar altına düzgün bir şekilde yerleştirilip yerleştirilmediğini değerlendirmek için MSR dışındaki toplama iş istasyonundan kafanın koordinatlarının ölçümlerini kontrol edin. Deneğin rızasıyla, rahatlamayı ve uykuyu uyarmaya yardımcı olmak için MSR içindeki ışığın yoğunluğunu azaltın. Konu kendini rahat ve konforlu hissettiğinde, kayıt sırasında deneğe gözleri kapalı olarak dinlenmesini veya uyumasını söyleyin. Konuya, tüm kayıt boyunca MSR’nin duvarına monte edilmiş radyo frekansı korumalı renkli kamera aracılığıyla MSR dışındaki monitörde gözlemleneceğinden emin olun. Görsel motor görev için, MEG sisteminin portalını dik konuma getirin (Şekil 1B) ve MEG koltuğunu, deneğin başı portalın altında, dewarın altındaki kask şeklindeki açıklığa yakın olacak şekilde düzenleyin. Sandalyeyi doğru konuma ayarladıktan sonra, sandalyenin fren valfini kilitli olmayan konuma (“0”) getirin.Konuyu MSR’nin içine aktarın. Manyetik olmayan ve uyumlu sandalyeye oturmasına ve rahat ve rahat bir pozisyon bulmasına yardımcı olun. Elektrotların kablolarına kolayca erişilebilmesini sağlayarak kayıt sırasında onu sıcak tutmak için deneğin vücuduna birkaç battaniye yerleştirin ve çıkarılabilir masayı, deneğin görev sırasında ellerini üzerine koyabileceği şekilde yerleştirin. Gerekirse, oturma pozisyonunun korunmasına yardımcı olmak için deneğin dizlerinin altına bir havlu yerleştirin ve aşağı kaymayın.NOT: Denek görsel-motor görev sırasında rahatlayabileceğinden ve bu nedenle ilk pozisyondan daha düşük bir pozisyon alabileceğinden, her görev oturumunun sonunda sandalyeyi yükseklik pedalı (varsa) aracılığıyla dikkatlice kaldırın veya sandalyenin üzerine havlu veya battaniye yerleştirin, böylece deneğin başı tekrar kaskın içine değecektir. Gerekirse, yalnızca daha iyi rahatlık için değil, aynı zamanda deneğin başını mümkün olduğunca düz tutmasına yardımcı olmak için deneğin başının arkasına ek havlular veya battaniyeler yerleştirin. Görsel motor stimülasyon, bir kayıt seansının ortasında dewar’ı hareket ettirmekten kaçınmak için alternatif olarak sırtüstü pozisyonda gerçekleştirilebilir. Denek doğru konuma geldiğinde, HPI bobinlerini, EKG, EOG, FDI ve APB elektrotlarını MEG makinesinin sağ paneline takın, EEG ağını MSR’nin içindeki amplifikatör ünitesine bağlayın ve sandalyeyi yükseltme pedalından (varsa) küçük hareketlerle kaldırın veya deneğin başı kaskın iç kısmına hafifçe değene kadar sandalyenin üzerine ek havlu veya battaniye yerleştirin (ölçümlerini kontrol edin. MSR dışındaki edinme iş istasyonundan kafanın koordinatları). MSR’nin dışına konumlandırılmış bir projektör ayna sistemi aracılığıyla görsel uyaranların yansıtılacağı projeksiyon perdesini öznenin önüne yerleştirin (Şekil 1B) ve kayıt sırasında gerçekleştirilecek görsel-motor görevi açıklayın. Özellikle, deneğe işaret parmağını masaya vurması, yalnızca sağ ve sol el için sırasıyla görsel uyaran (örneğin bir görüntü) ekranda göründüğünde talimat verin. Öznenin görevi anladığından veya tek başına yerine getirirken rahat hissettiğinden emin olun; Gerekirse, konuya aşina olmasına yardımcı olmak için görevi konuyla birlikte birkaç kez uygulayın.NOT: Sırtüstü pozisyonda bir görsel-motor stimülasyon seansı gerçekleştirilirse, projektörden gelen görsel uyaranları yansıtmak için öznenin yüzünün üzerinde belirli bir mesafeye bir ayna yerleştirilir. MSR’nin kapısını kapatmadan önce, deneğe odanın içinde yalnız kalmaktan rahat hissedip hissetmediğini sorun; Aksi takdirde, kayıt oturumları sırasında ekipten bir kişi veya ebeveynleri MSR’nin içinde kalacaktır. Ayrıca, deneğe tüm kayıt boyunca MSR dışındaki monitörde gözlemleneceğine dair güvence verin. İşitsel stimülasyon için, projeksiyon ekranı oturan kişinin önünde olacak şekilde adım 2.14’te açıklanan kurulumu kullanın. Kişinin, ses tetikleyicilerinin (örn. modüle edilmiş cıvıltı sesleri) iletildiği kulaklıkları (veya kulaklıkları) takmasına yardımcı olun.Deneğe, ses tetikleyicilerini dinlerken ekrana yansıtılan uyaranları (örneğin, siyah bir arka plan üzerindeki yeşil nokta) sabitlemesini söyleyin. Gerekirse, deneğin prosedürü daha iyi anlamasına yardımcı olmak için bir eğitim oturumu gerçekleştirin. MSR’nin kapısını kapatmadan önce, daha önce açıklandığı gibi güvenlik prosedürlerini tekrarlayın. Somatosensoriyel stimülasyon için adım 2.14’te açıklanan kurulumu kullanın. Deneğe önündeki projektör ekranında hangi videoyu (veya filmi) izlemek istediğini sorun.Deneğe gözleri açıkken rahatlamasını, seçilen videoyu izlemesini, mümkün olduğunca hareketsiz kalmasını ve kayıt sırasında parmaklarına iletilen dokunsal uyaranları görmezden gelmesini söyleyin. Konuya, her iki el için sırasıyla parmakların ucundaki cilde hafif dokunuşlar hissedeceğini açıklayın. Denek kendini rahatsız hissediyorsa, onu rahatlatmak için bir eğitim seansı yapın.NOT: Görsel bir hedefe göz sabitlemesi, kaydın kalitesini etkileyebilecek ve deneğin dikkatini veri toplama sırasında iletilen dokunsal uyaranlardan uzaklaştırabilecek biyolojik artefaktları en aza indirmek için iyi bilinen bir tekniktir. 3. Veri toplama NOT: Eşzamanlı MEG ve EEG verilerinin alınması, Cook Çocuk Tıp Merkezi’ndeki (CCMC) MEG tesisinde gerçekleştirilir. MEG’in epilepsili pediatrik çocuklarda klinik kullanımı hakkında daha fazla ayrıntı başka bir yerde bulunabilir 8,27,45. Bir manyetometre ve iki ortogonal düzlemsel gradyometre ile 102 özdeş üçlü sensör elemanında gruplandırılmış 306 kanal ile karakterize edilen tüm kafa MEG sistemini (sensör kapsama alanı: 1.220 cm2) kullanarak MEG sinyallerini kaydedin. En az 1 kHz’lik bir örnekleme frekansı ayarlayın.NOT: Tek bobinli manyetometreler, manyetik alanın MEG kask yüzeyine dik olan bileşenini ölçer. Düzlemsel gradyometreler, birbirleri arasında küçük bir mesafeye yerleştirilmiş manyetometre çiftleri ile karakterize edilen ve konumları arasındaki manyetik alan farkını (yani, “sekiz” in iki halkası arasındaki farkı) ölçen “sekiz rakamlı” bir bobin konfigürasyonundan oluşur ve aynı zamanda uzamsal gradyan olarak da adlandırılır. Manyetometrelerle karşılaştırıldığında, düzlemsel gradyometreler derin beyin kaynaklarına daha az duyarlıdır, ancak çevresel gürültüyü bastırarak yüzeysel kaynakları tespit etmede daha sağlamdır. Bu 306 kanal, süper iletken olmak için -296 ° C’de (4.2 K) sıvı helyuma daldırılır ve soğutulur. Kafa derisi, yanaklar ve boynun arkasına eşit aralıklarla yerleştirilmiş Ag / AgCl elektrot sensörleri ile manyetik olmayan 256 kanallı EEG ağını kullanarak EEG sinyallerini aynı anda kaydedin. En az 1 kHz’lik bir örnekleme frekansı ayarlayın. Kayda başlamak için MSR’nin kapısını kapatın. Sesli interkom sistemi aracılığıyla, kişiyle iletişim kurun ve MSR’nin içinde yalnız kalmaktan rahat hissedip hissetmediğini kontrol edin. Konuyu sürekli olarak videoda izleyin ve acil bir durumda hemen MSR’ye girin.NOT: Kendini rahat hissetmiyorsa veya devasa MSR kapısı onu korkutuyorsa, kayıt oturumları sırasında ekipten bir kişi veya ebeveynleri, konuya yakın bir tahta sandalyede oturarak MSR’nin içinde kalabilir; Odaya girmeden önce tüm metal nesnelerin çıkarıldığından emin olun. Her kayıttan önce, sesli interkom sistemi aracılığıyla deneğe göreve başlamadan önce konumunu ~30 saniye sabit tutması talimatını verin. Görsel motor görev için, ek olarak, ilk kayıt oturumu için hangi işaret parmağını (sağ veya sol) kullanacağı interkom aracılığıyla iletişim kurun.Deneğin hareketsiz kaldığı bu süre zarfında, HPI bobinlerine beslenen akımın ürettiği manyetik alanı ölçmek ve MEG sensör dizisine göre kafa ölçüm konumlarını belirlemek için MEG veri toplama sistemindeki HPI ölçüm diyaloğundan ölçüm düğmesine basın; bu nedenle, konunun iyi konumlandırıldığını onaylayın (kafa |z-koordinat| ˂ 75 mm) ve her seans için 3D ölçümleri not edin. Deneğin başı ile kaskı arasında hala boşluk varsa, ya MSR’nin içine tekrar girin ve yükseltme pedalı (varsa) aracılığıyla sandalyenin yüksekliğini ayarlayın, sandalyenin üzerine havlu veya battaniye yerleştirin veya interkom aracılığıyla deneğe başın kaska daha yakın bir konuma nasıl kaydırılacağı konusunda talimat verin (denek oturuyorsa), ve son olarak kafa ölçüm konumlarını tekrar kontrol edin. Dinlenme/uyku kayıtları olması durumunda, MSR’ye tekrar girin ve yatağı kaska yaklaştırarak baş-kask uzamsal boşluğunu azaltın. Denek MEG kaskına göre iyi bir şekilde konumlandırıldığında ve başlamaya hazır olduğunda, doğru MEG ve EEG senkronizasyonu için kesin bir sırayı (bkz. adım 3.5.1) izleyerek ilk kayıt oturumuna (süre ~10 dk) başlayın (bkz. adım 3.12).NOT: Yüksek kaliteli kayıtlar sağlamak için, ilk kayıt oturumu, öznenin hareketleri veya dış ortamın neden olduğu verilerde bulunan artefaktları yakalamak için kritik öneme sahiptir. Gerekirse, nihai kanal bağlantılarını veya öznenin MEG koltuğu üzerindeki konumunu ayarlamak için MSR’nin içine yeniden girin. Kayıtlar sırasında, gerekirse daha sonra gözden geçirilebilecek olağandışı eserler veya olaylar hakkında not almanız önerilir.EEG kaydını başlatmak için EEG veri toplama yazılımındaki kayıt düğmesine basın. MEG kaydını başlatmak için MEG veri toplama yazılımındaki kayıt düğmesine basın. Son olarak, görsel uyaranları görüntülemek veya işitsel uyaranları iletmek için stimülasyon bilgisayarının yazılımından başlat düğmesine basın.NOT: Görsel (veya işitsel) uyaran yazılımını çalıştıran stimülasyon bilgisayarı, gerçekleştirilen kaydın türüne bağlı olarak açılıp kapatılabilen MSR’nin dışındaki projektör ayna sistemine bağlıdır. Dinlenme/uyku kayıtları sırasında, denek ya dinlendiği ya da uyuduğu için sistem kapatılır, ancak görsel uyaran yazılımını stimülasyon bilgisayarında çalıştırmak, her kayıt oturumunun zamanlamasına yardımcı olur. Görsel motor görev sırasında, işitsel ve somatosensoriyel uyarımlar sırasında, deneğin yazılım çalışırken önüne yerleştirilen ekrana yansıtılan uyaranları veya bir videoyu gözlemlemesine izin verilerek sistem açılır. Bu çalışma için, görsel-motor görev için her bir uyaran arasında ~ 4 sn aralık olacak şekilde toplam (i) 107 uyaran (yani, bir dama tahtası arka planı üzerine yerleştirilmiş 85 görüntü ve 22 dama tahtası arka planı); (ii) işitsel stimülasyon için 3 s’lik bir uyaranlar arası aralığa sahip 200 modüle edilmiş cıvıltı sesi; ve (iii) somatosensoriyel stimülasyon için ~ 1.5 s’lik bir uyaranlar arası aralığa sahip yarı rastgele bir diziyi takip eden her parmak için 200 dokunsal uyaran (yani, D1, D3 ve D5). Kayıtları durdurmak için, MEG veri toplama yazılımındaki durdur düğmesine ve ardından EEG veri toplama yazılımındaki durdur düğmesine basın. Her kayıt oturumunun sonunda, onu rahatlatmak için denekle interkom aracılığıyla iletişim kurun ve MSR içinde herhangi bir kanal bağlantısı veya konum ayarlaması gerekmiyorsa bir sonraki oturuma geçin.Görsel motor görev için, kayıt sırasında özneyi motive etmek ve eğlendirmek için her seans için farklı görsel uyaranlar seçin. Görsel motor veya dinlenme / uyku verileri için, 5-6 seans ile karakterize edilen toplam ~ 1 saat eşzamanlı MEG ve EEG kaydı kaydedin. Ancak seans sayısı her konu için farklılık gösterebilir. Ayrıca, işitsel ve somatosensoriyel stimülasyon verileri için sırasıyla toplam ~ 20 dakika (her biri ~ 10 dakikalık 1-2 seans) ve ~ 14 dakika (her biri ~ 7 dakikalık 1-2 oturum) eşzamanlı MEG ve EEG kaydı kaydedin.NOT: Bu çalışmada, MEG ve EEG verileri, kayıtların sonunda sırasıyla .fif ve .mff formatlarında CCMC’nin BT depolama sisteminde otomatik olarak saklanmaktadır. Kayıt sona erdiğinde, deneğin sandalyeden veya yataktan ayağa kalkmasına yardımcı olmak için MSR’ye girin ve hem EEG ağını hem de elektrotları çıkarmak için MSR’nin dışındaki bir sandalyeye oturmasını isteyin.Deneğe aksi söylenene kadar gözlerini kapatmasını söyleyin ve çene kayışlarını tamamen gevşeterek ve ağı iki elinizle (alından deneğin başının arkasına doğru) tamamen soyulana kadar nazikçe çekerek EEG ağını çıkarmasına yardımcı olun. Bu adım sırasında, ağı çıkarırken deneğin saçını çekmediğinizden emin olun. Ek olarak, deneğin daha önce cildine bantlanmış kalan elektrotları (yani EKG, EOG ve görsel-motor görev durumunda EMG) nazikçe çıkarmasına yardımcı olun. EEG ağı ve elektrotlar çıkarıldıktan sonra, deneğe (ve ebeveynlerine) tüm prosedürlerin nihayet tamamlandığını bildirin. Konu odadan çıktıktan sonra, optik tarayıcıyı (kullanım kılavuzunda açıklandığı gibi) dikkatlice temizleyin ve koruyucu kılıfının içinde saklayın.Kayıtlar sırasında kullanılan tüm ekipmanların (örn. sandalyeler, yataklar, masalar) yüzeylerini hastane onaylı hidrojen peroksit mendiller veya dezenfekte edici sprey ve kağıt havlularla temizleyin ve dezenfekte edin, kullanılmış battaniyeleri ve havluları hastane tarafından sağlanan kabın içine koyun ve kullanılmış bant parçalarını atın. Ölçüm aletlerini saklama dolabının içinde saklayın ve iletken macunla doldurulmuş elektrot kaplarının içini akan musluk suyu altında ahşap pamuklu çubuklar kullanarak temizleyin. EEG ağını durulamak için, lavabodaki plastik kovayı temiz, ılık musluk suyuyla doldurun ve aşağıdaki adımları toplam dört kez tekrarlayın.EEG ağını suya batırın ve EEG ağını 10-20 saniye boyunca hafifçe çalkalayın (veya kovanın içine ve dışına ~ 25 kez daldırın). Kovadaki suyu boşaltın ve kovayı temiz ve ılık musluk suyuyla doldurun. EEG ağını dezenfekte etmek için, lavabodaki plastik kovayı 2 qt ılık musluk suyu ve 1 yemek kaşığı dezenfektandan oluşan dezenfekte edici solüsyonla doldurun ve EEG ağını 10 dakika boyunca içinde bekletin. Kovayı dezenfekte edici solüsyondan durulayın ve EEG ağından kalan solüsyonu çıkarmak için durulama ve boşaltma işlemini üç kez uygulayın. Durulama ya da dezenfeksiyon işlemi için batırılmış EEG filesini kovadan çıkarın, temiz, kuru bir havlu yardımıyla fazla suyunu çekerek kurulayın ve lavaboya yakın bir yere asarak saklayın. MEG verilerinden iç ve dış manyetik girişimleri ve ölçüm/hareket artefaktlarını bastırmak için, sinyal alanı ayırma (tSSS) yönteminin zamansal uzantısını ham veri MEG .fif dosyasına uygulayın.NOT: Uzay-zamansal Maxwell filtreleme (tSSS), MEG sensör dizisinin içinde veya çok yakınında bulunan parazit kaynaklarını, yani dahili paraziti bastırmak için idealdir. Eşzamanlı MEG ve EEG kayıtları gerçekleştirirken, iki toplama cihazının koordinat sistemlerini deneğin kafasındaki anatomik yer işaretlerine göre uzamsal olarak hizalayın (Şekil 2A) ve olası farklı örnekleme hızları nedeniyle ortaya çıkan sinyaller arasındaki doğrusal saat kaymasını düzeltin (Şekil 2B).NOT: Kayıtlar sırasında, hem MEG hem de EEG sinyalleri, Başlat ve Bitir düğmelerine basılmasındaki olası gecikmeler ve tetikleyiciler MEG ve EEG veri toplama yazılımına gönderildiğinde meydana gelen dahili bir saat kayması nedeniyle zaman içindeki yavaş kaymalardan da etkilenebilir. Bu sinyaller arasında hassas senkronizasyonu sağlamak için, Python’da veri toplama sırasında her iki sistemde de gönderilen tetikleyici olayları ortak tetikleme sinyali olarak kullanan bir şirket içi kod geliştirilmiştir. Kod, MNE-Python yazılım kitaplığında bulunan üç işlev içerir: MEG ve EEG sinyallerini okuyan iki işlev ve kanal adları ve zaman damgaları gibi sinyallerden tetikleyici olayların bilgilerini çıkaran bir işlev (yani, olayın meydana geldiği tarih ve saat). Her bir sinyalde (yani delta) tetikleme olaylarının meydana gelmesi arasındaki zaman farkları, zaman içindeki doğrusal saat kaymasını tanımlar (Şekil 2B). Geliştirilen kodun ayrıntılı bir açıklaması sonraki adımlarda verilmiştir (bkz. 3.12.1-3.12.4).Kayıtları hizalamak için her sinyalde meydana gelen ilk tetikleme olayı arasındaki farkı ofset değeri (yani, iki sinyalden birinden kırpılacak kısım) olarak kullanın.NOT: mne.io.read_raw_fif ve mne.io.read_raw_egi işlevleri, MEG ve EEG kayıtlarını 2B dizi biçiminde dönüştürürken, mne.find_events işlevi, ham sinyallerden olay bilgilerini çıkarır. Bu ilk tetikleyiciler hizalandıktan sonra, sinyaller arasındaki korelasyon derecesini değerlendirmek için Pearson’ın korelasyon katsayısını hesaplayın; Mükemmel bir hizalama sağlamak için 1 x 10-6 < p değerleri önerilir.NOT: Scipy kütüphanesinden pearsonr fonksiyonu, MEG ve EEG sinyalleri arasındaki Pearson korelasyon katsayısını ve bu korelasyonun p değerini tahmin eder. Bu korelasyon doğruluğunu doğrulamak için, birinci derece bir polinom uyumu gerçekleştirerek iki sinyal arasındaki sapma oranını tahmin edin ve polinom uydurmasının x eksenindeki sinyalleri yeniden örneklemek için polinom fonksiyonunun katsayısı ile temsil edilen sonuçta ortaya çıkan eşitsizlik derecesini kullanın (Şekil 2B).NOT: Numpy kütüphanesinden gelen polyfit fonksiyonu, bir polinom fonksiyonu içindeki MEG ve EEG sinyallerine uyar; Bu fonksiyon, iki sinyal arasındaki eşitsizliğin derecesini temsil eden bir katsayı döndürür. mne.resample fonksiyonu, polinom fonksiyonunun katsayısına göre MEG ve EEG sinyallerini yeniden örneklendirir. Yeniden örnekleme tamamlandıktan sonra, her sinyalde meydana gelen son tetikleme olayının zaman damgalarını karşılaştırın ve hem MEG hem de EEG sinyallerinde yaygın olmayan zaman pencerelerini kaldırın. Son olarak, daha fazla analiz için kullanılabilecek hem MEG hem de EEG sensörleri ile karakterize edilen tek bir kayıt oluşturmak için senkronize MEG ve EEG sinyallerini birleştirin.NOT: mne.add_channels işlevi, tek bir kayıt oluşturmak için iki sinyali birleştirir. Her ~ 1.5 saatlik kaydın sonunda, toplam 5-6 (her biri ~ 10 dakika), 1-2 (her biri ~ 10 dakika) ve 1-2 (her biri ~ 7 dakika) senkronize MEG ve EEG kayıtları, veri analizi için görselmotor (ve dinlenme / uyku), işitsel ve somatosensoriyel stimülasyon verileri için.NOT: İdeal olarak, deneğin üç görsel-motor kayıt için sağ parmakla dokunma ve kalan üç görsel-motor kayıt için sol parmakla dokunma gerçekleştirmesi gerekir. 4. Veri analizi Tahriş edici bölgenin haritalanmasıİnsan beyni MR görüntülerini işlemek, analiz etmek ve görselleştirmek için açık kaynaklı bir beyin görüntüleme aracı olan FreeSurfer’ın kortikal rekonstrüksiyon sürecini kullanarak deneğin MRG’sinden 3D kortikal yüzeyler oluşturun46. Kortikal rekonstrüksiyon sonuçlarını görselleştirmek için MEG ve EEG veri görselleştirme ve işleme47’ye adanmış MATLAB’ın açık kaynaklı bir uygulaması olan Brainstorm’a yeniden yapılandırılmış anatomiyi içe aktarın. Beyin Fırtınası’ndan, konu koordinat sistemini tanımlayan içe aktarılan MRG’de referans noktalarını (yani nasion, sol/sağ preauriküler ve ön/arka komissür ve interhemisferik) ayarlayın. Eş zamanlı MEG ve HD-EEG sinyalini Beyin Fırtınası’na aktarın ve sayısallaştırılmış referans noktalarına hizalamalarını ayarlamak için MRI kayıt sürecini kullanarak MEG ve EEG sensörlerini MRG’ye kaydedin. Gerekirse, EEG sensörlerini kortikal yüzeye yansıtın. Eşzamanlı MEG ve HD-EEG kaydını açın ve kötü kanalları kaldırmak için ham verileri görsel olarak inceleyin. Ek olarak, kayıtlardaki biyolojik artefaktları (ör. kalp atışları, göz kırpmaları) reddetmek için Beyin Fırtınası’nda bulunan sinyal uzayı projeksiyonu (SSP) artefakt düzeltme tekniğini uygulayın. Eşzamanlı MEG ve HD-EEG verilerine çentik (güç hattı girişimine göre 50 veya 60 Hz) ve bant geçiren (1-70 Hz) filtreler uygulayın. Ani yükselmeler ve keskin dalgalar gibi sık IED’lerle karakterize edilen ve minimum hareket artefaktlarına sahip (mümkünse) interiktal aktivite içeren veri bölümlerini seçin.NOT: IED’ler, 50 μV genlik ve 1-70 Hz frekans bandı48’deki arka plan aktivitesinden açıkça ayırt edilebilen keskin bir şekil ile karakterize edilen geçici dalga biçimleridir. Şekil 3A , her iki kayıtta da görülebilen sık IED’ler ile eşzamanlı MEG ve HD-EEG sinyallerinden alınan bölümlerin bir örneğini temsil eder. Sayfa başına 10 s’lik standart ekran ayarını kullanarak, hem MEG hem de EEG kayıtlarında (Şekil 3A) ve ayrıca tek başına her modalitede meydana gelen her IED’nin negatif tepe noktasını işaretleyin. Her IED’yi işaretlemeden önce, sırasıyla MEG ve EEG için topografya alanını ve potansiyel haritaları kontrol edin.NOT: Olası yayılan epileptik aktiviteyi49 hesaba katmak için, her bir IED’nin tepe noktası yerine yükselme fazı sırasında ek zaman noktalarının voltaj dağılımları da kontrol edilmelidir. Beyin Fırtınası kullanarak interiktal ani yükselme olaylarının nasıl işaretleneceği hakkında daha fazla ayrıntı başka bir yerde bulunabilir (https://neuroimage.usc.edu/brainstorm/Tutorials/Epilepsy). Beyin Fırtınası’nda bulunan OpenMEEG BEM (simetrik sınır elemanı yöntemi) yazılımını kullanarak üç katmanlı (yani kafa derisi, iç kafatası ve dış kafatası) geometrik model (Şekil 3B) olarak tanımlanan gerçekçi bir kafa modeli hesaplayın. MRI hacmini kaynak alanı olarak kullanın (5 mm uzamsal çözünürlüğe sahip kaynak noktası ızgarası).NOT: OpenMEEG BEM yazılımı, kafa derisi (yani hava-kafa derisi arayüzü), dış kafatası (yani kafa derisi-kafatası arayüzü) ve iç kafatası (kafatası-beyin arayüzü) ile karakterize edilen gerçekçi bir ileri modeli hesaplamak için simetrik sınır elemanı yöntemini kullanır. Alternatif bir çözüm olarak, sonlu elemanlar yöntemi (FEM), kafa hacim iletkeninin gerçekçi bir konuya özel temsiline izin verdiği için ileri problemi çözmek için kullanılabilir. Kafa dokusu iletkenlik değerleri genellikle literatürden varsayılmaktadır vedeneğin 50 yaşına bağlı olarak değişebilir. FEM kullanarak ileri modeli çözmek için, Beyin Fırtınası47,50,51’de bulunan DUNEuro FEM yazılımını kullanarak üç ila beş katmanlı (yani beyaz madde, gri madde, beyin omurilik sıvısı, kafatası ve deri) geometrik model olarak tanımlanan gerçekçi kafa modelini hesaplayın. FEM kullanılarak ileriye dönük modelin tahmini hakkında daha fazla ayrıntı başka bir yerde bulunabilir (https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro). MEG, EEG ve kombine MEG ve EEG sensörleri dizisinde ayrı ayrı kısıtlanmamış ECD yöntemini kullanarak seçilen interiktal sivri uçların altında yatan jeneratörleri lokalize edin. Bu dipol kaynaklarını lokalize etmek için, boş oda MEG kayıtlarından gürültü kovaryansını hesaplayın veya bir kimlik matrisi olarak ayarlayın.NOT: IED’lerin SNR’sinindüşük 12 olması durumunda alternatif bir yaklaşım olarak benzer voltaj dağılımlarına sahip ortalama IED’lerde kaynak lokalizasyonu yapmayı düşünün. Beyin Fırtınası’nda bulunan dipol tarama yöntemini, tüm beyin hacmi boyunca en önemli kaynak dipolleri seçmek için daha önce işaretlenmiş her IED’nin zirvesinde gerçekleştirin. Yalnızca %>60 uyum oranına sahip kaynak dipolleri seçin ve her dipol için tanımlanan kümelenmelerini, merkezinden 15 mm uzaklıkta bulunan dipol sayısı olarak tahmin edin (Şekil 3C).NOT: ECD kümelenmesi hakkında daha fazla ayrıntı52 başka bir yerde bulunabilir. SOZ’un HaritalanmasıFreeSurfer46’nın kortikal rekonstrüksiyon sürecini kullanarak deneğin MRG’sinden 3D kortikal yüzeyleri oluşturun. Kortikal rekonstrüksiyon sonuçlarını görselleştirmek için yeniden yapılandırılmış anatomiyi Beyin Fırtınası47’ye aktarın. İçe aktarılan MRG’de konu koordinat sistemini tanımlayan referans noktalarını ayarlayın. Eşzamanlı MEG ve HD-EEG sinyalini (iktal olayı içeren) Beyin Fırtınası’na aktarın ve sayısallaştırılmış referans noktalarına hizalamalarını ayarlamak için MRI kayıt sürecini kullanarak MEG ve EEG sensörlerini MRG’ye kaydedin. Gerekirse, EEG sensörlerini kortikal yüzeye yansıtın.NOT: Denek kayıtlar sırasında nöbet geçirdiyse, iktal olayın hangi seansta kaydedildiğini değerlendirmek için kayıt sırasında alınan notları gözden geçirin. Eşzamanlı MEG ve HD-EEG kaydını açın ve kötü kanalları kaldırmak için ham verileri görsel olarak inceleyin. Kayıttaki biyolojik artefaktları (ör. kalp atışları, göz kırpmaları) reddetmek için Beyin Fırtınası47’de bulunan SSP artefakt düzeltme tekniğini uygulayın. Eşzamanlı MEG ve HD-EEG verilerine çentik (güç hattı parazitine göre 50 veya 60 Hz) ve bant geçiren (1-70 Hz) filtreler uygulayın. Kayıt notlarına göre, nöbetin başlangıcını ve sonunu (belirtilmişse) tanımlayın ve iktal epileptiform deşarjları içeren verilerin doğru kısmını belirlemek için bu olayları sinyal üzerinde işaretleyin. Nöbet başlangıcının örnekleri sırasıyla MEG ve HD-EEG için Şekil 4’te gösterilmektedir.NOT: MEG edinimi sırasında bir denek nöbet geçirdiğinde, tıbbi personelin deneğe derhal yardım etmesi ve acil bakım sağlaması gerekir. Bu nedenle, iktal olaylarla bu veri bölümlerinin süresi kısa olabilir. Sayfa başına 10 s’lik standart ekran ayarını kullanarak, MEG ve EEG’deki iktal olay sırasında ve ayrıca tek başına her modalitede meydana gelen her epileptiform deşarj patlamasının (örneğin, tekrarlayan sivri uçlar, keskin dalgalar veya ani dalga kompleksleri) negatif zirvesini işaretleyin. Her tepe işaretlemesinden önce, sırasıyla MEG ve EEG için topografya alanını ve potansiyel haritaları kontrol edin (Şekil 4A).NOT: Nöbetler, başlangıçlarının başladığı yere bağlı olarak jeneralize veya fokal olarak sınıflandırılır. Epilepsi sendromuna bağlı olmasına rağmen, nöbet, frekans, genlik ve morfolojide değişebilen tekrarlayan elektrik boşalmaları ile karakterize en az 10 saniyelik bir olgudur. Beyin Fırtınası’nda bulunan OpenMEEG BEM yazılımını kullanarak MEG ve EEG sensörleri için üç katmanlı (yani kafa derisi, iç kafatası ve dış kafatası) gerçekçi kafa modelini hesaplayın. MRI hacmini kaynak alanı olarak kullanın (5 mm uzamsal çözünürlüğe sahip kaynak noktası ızgarası).NOT: FEM kullanarak ileri modeli çözmek için, Beyin Fırtınası47,50,51’de bulunan DUNEuro FEM yazılımını kullanarak üç ila beş katmanlı (yani beyaz cevher, gri madde, beyin omurilik sıvısı, kafatası ve deri) geometrik model olarak tanımlanan gerçekçi kafa modelini hesaplayın. FEM kullanılarak ileriye dönük modelin tahmini hakkında daha fazla ayrıntı başka bir yerde bulunabilir (https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro). MEG, EEG ve kombine MEG ve EEG sensörleri dizisinde ayrı ayrı kısıtlanmamış ECD yöntemini kullanarak seçilen iktal deşarjların altında yatan jeneratörleri lokalize edin. Bu dipol kaynaklarını lokalize etmek için, boş oda MEG kayıtlarından gürültü kovaryansını hesaplayın veya bir kimlik matrisi olarak ayarlayın. Beyin Fırtınası’nda bulunan dipol tarama yöntemini, tüm beyin hacmi boyunca en önemli kaynak dipolleri seçmek için daha önce işaretlenmiş her iktal dalga formunun zirvesinde gerçekleştirin. Yalnızca %>60 uyum oranına sahip kaynak dipolleri seçin ve kümelenmelerini tahmin edin (dipollerin her bir dipolün merkezinden uzaklığı 15 mm’ye ayarlanmıştır)52. Anlamlı korteksin haritalanmasıGörsel motor görev sırasında ve ayrıca işitsel ve somatosensoriyel stimülasyonlar sırasında kaydedilen sinyalleri kullanarak daha önce açıklanan 4.2.1-4.2.3 adımlarını gerçekleştirin. Eşzamanlı MEG ve HD-EEG kayıtlarını açın ve kötü kanalları kaldırmak için ham verileri görsel olarak inceleyin. Her oturum için ayrı olarak, kayıtlardaki biyolojik artefaktları (ör. kalp atışları, göz kırpmaları) reddetmek için Beyin Fırtınası47’de bulunan SSP artefakt düzeltme tekniğini uygulayın. Ayrıca, daha fazla analiz için kullanılamayan yapıtlarla kontamine olmuş tüm veri segmentlerini atın veya “Hatalı aralık” olarak işaretleyin. Eşzamanlı MEG ve HD-EEG verilerine çentik (güç hattı girişimine göre 50 veya 60 Hz) ve bant geçiren (1-100 Hz) filtreler uygulayın. Motor korteksi haritalamak için, FDI ve APB elektrotlarından kaydedilen EMG sinyallerini açın ve denek tarafından gerçekleştirilen dokunma olayını, sağ ve sol el için ayrı ayrı, FDI çift elektrot üzerindeki taban çizgisinden farklı kas aktivasyonunun ilk zirvesini seçerek manuel olarak işaretleyin. Beyin Fırtınası47’yi kullanarak bu adımı her oturum için ayrı ayrı gerçekleştirin.NOT: Yalnızca Beyin Fırtınası’nda görselleştirme için Filtre sekmesini kullanın ve dokunma sırasında EMG aktivitesinin tepe noktalarını doğru bir şekilde işaretlemeye yardımcı olabilecek frekans aralıklarını (örneğin, yüksek geçiş: 30 Hz; düşük geçiş: 300 Hz; çentik: 60 Hz) seçin. Etkinliklerin adının oturumlar arasında aynı olması gerekir; Örneğin, öznenin sağ parmakla (veya sol parmakla) dokunduğu olaylar “Tap_right” (veya “Tap_left”) olarak adlandırılabilir. Bu adım, tüm oturumlarda meydana gelen aynı olay türü üzerinde benzersiz bir analiz yapmamızı sağlar. Her oturumdan, aşağıdaki parametreleri seçerek artefakt içermeyen segmentlerde meydana gelen olayları içe aktarın: görsel uyaranlar: [-200; +500] ms zaman penceresi, uyaran başlangıcından önceki [-200; 0] ms taban çizgisi dahil; dokunma olayları: Görsel uyaran başlangıcından önceki [-1500; -1000] ms taban çizgisi dahil olmak üzere [-1500; +1000] ms zaman penceresi; Modüle edilmiş cıvıltı sesleri: [-500; +1000] ms zaman penceresi, uyaran başlangıcından önceki [-500; 0] ms taban çizgisi dahil; ve dokunsal uyaranlar: [-100; +500] ms zaman penceresi, uyaran başlangıcından önceki [-100; 0] ms’lik taban çizgisi dahil. Belirli bir görevin olayları tüm oturumlardan içe aktarıldıktan sonra, EEG verilerinde SNR’yi artırmak için ortalama referans montajını uygulayın ve olayın uyardığı alanları ve potansiyelleri elde etmek için uyaranlar arasındaki ortalamayı tahmin edin. Motor görevler (yani dokunma) ve dokunsal stimülasyon söz konusu olduğunda, bu son adım sırasıyla sağ ve sol el için gerçekleştirilir.NOT: Şekil 5, Şekil 6, Şekil 7 ve Şekil 8’deki A ve B panelleri, MEG ve EEG ve bunların göreceli topografya alanı ve potansiyel haritaları için sırasıyla görsel, motor, işitsel ve somatosensoriyel uyarılmış yanıtların örneklerini göstermektedir. Belirli bir görev için toplam uyaran sayısı kesinlikle tamamlanan seans sayısına bağlıdır; Motor görevi söz konusu olduğunda, bu sayı aynı zamanda doğru şekilde gerçekleştirilen kılavuz çekme görevine de bağlıdır. Görsel, motor, işitsel veya somatosensoriyel uyarılmış alanlar ve potansiyeller için, Beyin Fırtınası’nda bulunan OpenMEEG BEM yazılımını kullanarak MEG ve EEG sensörleri için üç katmanlı (yani kafa derisi, iç kafatası ve dış kafatası) gerçekçi kafa modelini hesaplayın. 3B kortikal yüzeyi kaynak alanı olarak kullanın.NOT: FEM kullanarak ileri modeli çözmek için, Beyin Fırtınası47,50,51’de bulunan DUNEuro FEM yazılımını kullanarak üç ila beş katmanlı (yani beyaz cevher, gri madde, beyin omurilik sıvısı, kafatası ve deri) geometrik model olarak tanımlanan gerçekçi kafa modelini hesaplayın. FEM kullanılarak ileriye dönük modelin tahmini hakkında daha fazla ayrıntı başka bir yerde bulunabilir (https://neuroimage.usc.edu/brainstorm/Tutorials/Duneuro). Olayla uyarılan her alan ve potansiyel için, MEG, EEG ve birleşik MEG ve EEG sensörleri dizisi için Beyin Fırtınası araç kutusunda uygulanan dSPM’yi kullanarak ortalama olaylardaki kortikal kaynakları hesaplayın. Her görev için özel olan ön uyaran temel dönemini kullanarak gürültü kovaryans matrisini ayarlayın (bkz. adım 4.3.5). Göreve bağlı olarak, ilgili anlamlı beyin bölgesinde gözlemlenen maksimum kortikal kaynakları çıkarın [birincil görsel korteks (V1), birincil motor korteks (M1), birincil işitsel korteks (A1) veya birincil somatosensoriyel korteks (S1)] ya bir atlas kullanılarak ya da o konumdaki sanal bir sensörün (yani, ilgilenilen bölge, ROI) yeniden yapılandırılması yoluyla tanımlanabilir (Şekil 5C, Şekil 6C, Şekil 7C ve Şekil 8C). Morlet dalgacık zaman-frekans ayrıştırmasını, olayla uyarılan alan ve ilgili anlamlı beyin alanındaki (V1, M1, A1 veya S1) potansiyel kaynaklar üzerinde doğrusal bir ölçekle (frekans aralığı: 1:1:100 Hz) gerçekleştirin.NOT: Uyaran başlangıcına zaman ve faz kilitli uyarılmış salınımları tahmin etmek için, MEG/EEG sinyalinin başlangıçta olaylar üzerinden ortalaması alınır ve daha sonra zaman-frekans analizinetabi olur 53,54. Her olay için ayrı ayrı olmak üzere, taban çizgisine göre normalleştirmek için Beyin Fırtınası’nda bulunan olayla ilgili pertürbasyon yöntemini kullanarak kortikal kaynak haritalarının standardizasyonunu gerçekleştirin (bkz. adım 4.3.5), her olay için ayrı ayrı (Şekil 5D, Şekil 6D, Şekil 7D ve Şekil 8D).NOT: Olayla ilgili bozulmaları kullanarak kaynak haritaların standardizasyonu, taban çizgisi üzerinden ortalamadan sapmayı yüzde olarak tahmin eden zaman-frekans güç haritaları için bir normalleştirme ölçüsüdür. Bu standardizasyon süreciyle ilgili daha fazla ayrıntı başka bir yerde bulunabilir (https://neuroimage.usc.edu/brainstorm/Tutorials/TimeFrequency#Normalized_time-frequency_maps). DoğrulamaSubdural ızgaraların ve / veya derinlik elektrotlarının implantasyonu yoluyla ekstra iEEG kaydı elde edin. İntrakraniyal elektrotların sayısı, tipi ve yerleşimi, cerrahi öncesi değerlendirmenin noninvaziv tanı testlerinden elde edilen bilgilerin toplamından elde edilen klinik hipoteze dayanarak multidisipliner epilepsi ekibi tarafından kararlaştırılır.NOT: Cerrahi öncesi değerlendirmenin bir parçası olarak, ameliyat dışı iEEG, 1.024 Hz örnekleme hızı kullanılarak dijital bir EEG sistemi aracılığıyla birkaç gün boyunca kaydedilir. SOZ’u, her denek için mevcut olan klinik bilgilere dayanarak uzman bir epileptolog tarafından tanımlandığı şekilde tanımlayın.NOT: SOZ, klinik olarak tanımlanmış iktal başlangıçtan önce veya onunla birlikte ortaya çıkabilen arka plan aktivitesinden farklı olan, ilk kesin iktal elektrografik deşarjı gösteren beyin alanı olarak tanımlanır. Bu iktal elektrografik deşarjda yer alan tüm kanallar, farklı beyin bölgelerinden kaynaklanan nöbetleri yakalasa bile, SOZ kontağı olarak kabul edilir. IEG’de kaydedilen iktal olay sırasında, her intrakraniyal elektrotta meydana gelen her bir epileptiform deşarj patlamasının zirvesini işaretleyin ve daha önce adım 4.1.7-4.1.10’da açıklandığı gibi ECD yöntemini kullanarak bu iktal olaylar üzerinde kaynak lokalizasyonu gerçekleştirin. iEEG lokalizasyon sonuçlarını, kaynak lokalizasyon sonuçları için altın standart olarak klinik olarak tanımlanan SOZ ile karşılaştırın.

Representative Results

DRE’li pediatrik hastalar, Jane ve John Justin Zihin Sağlığı Enstitüsü, Cook Çocuk Sağlığı Sistemi (CCHCS) Epilepsi Kliniğinden işe alındı. Burada, üç temsili hastadan elde edilen veriler sunulmaktadır: (i) 10 yaşında bir kadın, (ii) 13 yaşında bir erkek ve (iii) 10 yaşında bir kadın. Durum 1: 10 yaşında bir kız hasta, üç yaşından itibaren nöbet geçirerek başvurdu. Hasta, 8 ASM’nin uygulanmasından sonra bile günlük nöbetler geçiriyordu. İlk nöbetler göz sapması (belirsiz taraf) ve davranışsal arrest ile karakterize edildi. Daha sonra hasta, iktal somurtma (“chapeau de gendarme” işareti), sola baş sapması ve bilateral tonik kol sertleşmesi (sağ baskınlık) ile karakterize ~ 30 s’lik günlük nöbetler yaşadı. Uzun süreli video EEG’de iki küme asimetrik tonik nöbet ile birlikte baş sola doğru deviasyon ve ardından sol kol yukarı çıkma gösterdi. Uyurken, sık sık genelleştirilmiş hızlı polispikeler ve aralıklı göz açma, yukarı bakış ve sol veya sağ kol yükselmesi ile yavaş dalgalar ile üç tonik nöbet de gözlendi. Bu polispikeler ve yavaş uyku dalgaları çoğunlukla sol orta temporal lobdan belirgindi. Beyin MRG’de aşağıdaki multifokal displaziler ortaya çıktı: (i) sol parietal lob (postsantral girus), transmantle işaretli fokal kortikal displazi (FCD) (tip II FCD), (ii) sağ parietooksipital bileşke FCD ve (iii) sol temporal pol FCD. Pozitron emisyon tomografisi (PET), MRG incelemesinde sinyal anormalliğinin odaklarına (yani FCD) karşılık gelen sol parietal lob, sol temporal lob ve sağ parietooksipital bileşkede hipometabolizma gösterdi. Hastaya inatçı epilepsi tanısı kondu, stereotip chapeau semiyolojisi ve ardından tonik kol sertliği görüldü, bu da olası mesial frontal veya insular/temporal başlangıçlı olduğunu düşündürdü. Frontal lob, singulat, insula ve displazi bölgelerini hedef alarak kapsamlı bilateral stereo-EEG (sEEG) eksplorasyonu önerildi. iEEG monitörizasyonu sırasında, hastada “chapeau de gendarme” ile tipik nöbetler geçirdi ve ardından sağ veya sol üst ekstremitede tonik elevasyon/fleksiyon, bilateral anterior insula üzerinde maksimal EEG başlangıcı ile karakterize edildi. Multifokal EYP’ler en sık sağ ve sol anterior temporal lob ve bilateral insula da dahil olmak üzere dorsolateral frontal kortekste gözlendi. iEEG kaydı ile yapılan ESI, klinik olarak sol ve sağ dorsolateral frontal korteks ve anterior insulada bilateral olarak tanımlanan SOZ’un lokalizasyonunu doğruladı. Cerrahi öncesi değerlendirmenin bir parçası olarak, eş zamanlı MEG ve HD-EEG verileri üzerinde kaynak lokalizasyonu yapıldı. MEG ve HD-EEG kayıtları her iki frontotemporal bölgede sık IED olduğunu gösterdi. Şekil 3A , hem MEG hem de HD-EEG verilerinde bir IED’nin temsili bir örneğini göstermektedir; Her iki modaliteden elde edilen topografik alan ve potansiyel haritalama, sağ frontotemporal bölgede olası bir altta yatan kaynağı gösterdi. ESI, sağ ve sol frontotemporal ve parietal lobların alanlarını kaplayan dağınık bir dipol kümesini gösterdi. MSI, sağ insulanın yakınında bulunan sağ frontotemporal lobda fokal bir dipol kümesi gösterdi. EMSI, iEEG altın standardında gerçekleştirilen ESI ile uyumlu olarak, bilateral frontotemporal bölgelerde dipol fokal kümelerini gösterdi ve bu da klinik gözlemleri doğruladı (Şekil 3C). EMSI aracılığıyla tahmin edilen bu dipoller, iEEG tanımlı SOZ’dan 9.81 mm’lik bir ortalama mesafe gösterdi (medyan: 11.18; std: 2.37). Durum 2: İnatçı epilepsisi olan 13 yaşında bir erkek, dokuz yaşından itibaren nöbetlerle başvurdu. Nöbetler bir aura ile başladı, ardından zaman zaman korunmuş farkındalık ile sola doğru baş/göz sapması ve başın sola doğru fokal klonusu ile başladı, ~ 30 s sürdü ve haftada birkaç kez meydana geldi. Öngörülen ASM’lerin hiçbiri nöbet kontrolünü sağlamadı. Uzun süreli video-EEG’den sağ posterior temporal sivri uçlar ve sağ hemisferde orta temporal, frontotemporal, temporoparietal ve centroparietal korteksi tutan sık spike dalga deşarjları gözlendi. Hastada davranış değişikliği, sol kol ekstansiyonu ile sola baş/göz deviasyonu ve bazen sol kolun klonik aktivitesi ile karakterize altı elektroklinik nöbet ve sekonder bilateral konvülsif aktivite ile üç nöbet vardı. Maksimal başlangıçlı sağ orta temporal lobda idi ve sağ frontotemporal lobda bir evrim geçirdi. Beyin MRG’de sağ serebral hemisferde (perisylvian baskın) kortekste geniş bir malformasyon ve sağ lateral ventrikülün ex vacuo dilatasyonu ile sağ serebral hemisferde hafif bir hacim kaybı ortaya çıktı. Hastaya sağ hemisferde başlangıçlı, yaygın kortikal malformasyon bölgesinde temporal ve perisylvian başlangıçlı inatçı epilepsi tanısı konuldu. Tutulumun derecesini belirlemek için stereo-EEG yapıldı ve elektrotlar sağ temporal, perisylvian, insular ve parietooksipital kortekslere yerleştirildi. iEEG monitörizasyonu sırasında sağ frontotemporal lobun geniş bir alanında maksimal başlangıçlı birkaç elektroklinik fokal başlangıçlı nöbet yakalandı. iEEG verileri üzerinde gerçekleştirilen ESI, bu nöbetleri hem sağ temporal (sağ orta temporal girusa yakın) hem de perisylvian alanları içeren daha odak bir alanda lokalize etti. Cerrahi öncesi değerlendirmenin bir parçası olarak, eş zamanlı MEG ve HD-EEG yapıldı ve bu sırada hasta iki nöbet geçirdi: biri sayısallaştırma işlemi sırasında tahta sandalyede otururken ve diğeri hem MEG hem de HD-EEG’de görülebilen gerçek kayıt sırasında yakalandı (Şekil 4A). İktal başlangıçtaki topografi alanı ve potansiyel haritalar, Şekil 4A’da gösterildiği gibi, nöbet başlangıcının altında yatan jeneratörün sağ orta temporal lobda olabileceğini göstermiştir. İktal olayla ilgili kaynak lokalizasyonu ESI ve MSI için farklı bulgular sundu: ESI, sağ frontotemporal ve centroparietal loblara doğru lokalize dipoller gösterirken, MSI çoğunlukla sağ temporal lobda yüksek kümelenmeye sahip dipoller gösterdi (Şekil 4B) ve frontotemporal kortekste ek dağınık dipoller vardı. EMSI, bu çözümleri birleştirerek, iEEG altın standardında ESI ile uyumlu olarak temporal lob içinde iktal başlangıcın lokalizasyonunu ortaya çıkardı (Şekil 4B). Özellikle, EMSI, iEEG izlemesi ile tanımlanan SOZ’dan ortalama 12.21 mm uzaklık ile lokalizasyon sonuçları sundu (medyan: 13.62; std: 2.37). Olgu 3: Lokalizasyona bağlı idiyopatik epilepsisi olan 15 yaşında bir kız hasta, 13 yaşında başlayan, ancak geriye dönüp bakıldığında muhtemelen 8-9 yaşlarında, tekrarlayan, basmakalıp boyun hareketlerine bağlı tikler tanısı konulduğunda nöbetlerle başvurdu. Hastada bazen hipermotor davranışlarla (ör. jeneralize tonik-klonik nöbetler) ve gece konvülsif nöbetlerle fokal diskognitif nöbete ilerleyen kısa süreli sola doğru baş eğiklikleri vardı. Tam nöbet kontrolü sağlanmadan birkaç ASM uygulandı. Uzun süreli video-EEG monitörizasyonu sırasında, hastada sol posterior temporal lobda başlangıçlı sekonder genelleme ile fokal elektroklinik nöbetler, sola baş eğikliği ile çok sayıda kısa fokal motor nöbet ve sol sentroparietal kortekste başlangıçlı ince bir elektrografik nöbet vardı. Beyin MRG’de akut intrakraniyal anormallik ve Chiari I malformasyonu saptanmadı. Başın pozitron emisyon tomografisi-bilgisayarlı tomografi (PET-BT) incelemesi negatif sonuçlandı. İktal tek foton emisyon BT (SPECT), eşzamanlı MEG ve HD-EEG, servikal omurga röntgeni, baş ve boynun manyetik rezonans anjiyografisi (MRA) ve son olarak sol hemisferin sEEG eksplorasyonu gibi ek testler önerildi. Değerlendirmenin bir parçası olarak hasta, birincil görsel, motor, işitsel ve somatosensoriyel korteksler gibi anlamlı beyin alanlarını haritalamak için eşzamanlı MEG ve HD-EEG kayıtlarına katıldı. Başlangıçta, hasta görsel-motor bir görev gerçekleştirdi, ardından işitsel ve somatosensoriyel stimülasyonlar izledi. Görsel stimülasyona ilk kortikal yanıt, hem MEG hem de HD-EEG için uyaran başlangıcından ~ 70 ms sonra meydana geldi (Şekil 5A). Şekil 5B sırasıyla MEG ve HD-EEG için görsel stimülasyonda yer alan kortikal konumların topografya alanını ve potansiyel haritalarını bildirir. HD-EEG için, oksipital beyin alanlarını kapsayan kanallarda bir polarite değişikliği gözlenirken, MEG için aynı alanlarda daha karmaşık bir alan dağılımı bulundu (Şekil 5B). DSPM kullanılarak yapılan kaynak lokalizasyonu, Desikan-Killiany atlasının aşağıdaki beyin bölgelerinde bu zaman noktasında fokal bir kortikal aktivite ortaya çıkardı: (i) MSI için cuneus; (ii) ESI için lateral oksipital korteks; ve (iii) EMSI için cuneus ve lateral oksipital korteks (Şekil 5C). Görsel kortikal yanıtlar üzerinde zaman-frekans analizi, MSI (yaklaşık aralık: 30-50 Hz), ESI (yaklaşık aralık: 40-50 Hz) ve EMSI (yaklaşık aralık: 30-50 Hz) için gama frekans bandında olayla ilgili bir senkronizasyon (ERS) ortaya çıkardı (Şekil 5D). Motor uyarılmış yanıtlar için, hareket başlangıcı sırasında kontralateral M1 üzerinde mu-ritim aktivitesinin baskılanması gözlenmiştir (Şekil 6A). İçinde Şekil 6B, sırasıyla MEG ve HD-EEG için motor görev sırasında aktive olan beyin alanlarının topografi alanını ve potansiyel haritalarını bildirdik. MEG alan haritaları, kontralateral merkezi beyin bölgelerinde manyetik akış ve çıkışta belirgin değişiklikler olduğunu gösterdi, bu da kontralateral M1’de altta yatan bir fokal jeneratörü gösterebilir (Şekil 6B). HD-EEG potansiyel haritaları, manyetik alanlara dik olan elektrik potansiyelleri ile aynı alanlarda bir odak polarite değişikliği gösterdi (Şekil 6B). Maksimum kaynak aktivasyonunun zirveleri, aşağıda gösterildiği gibi, sırasıyla MSI, ESI ve EMSI için Desikan-Killiany atlasının kontralateral precentral girusunda dokunma görevi gerçekleştirilirken gözlendi. Şekil 6C. Yaklaşan dokunma hareketinin beklentisi sırasında meydana gelen motorla ilgili kortikal tepkiler, MSI (yaklaşık aralık: 20-30 Hz) ve EMSI (yaklaşık aralık: 20-40 Hz) için beta ve gama bantlarında ERS ve ESI için gama bandında (yaklaşık aralık: 30-50 Hz) ERS’yi gösterdi ve literatürde şu şekilde anılır: mu rhythm suppression (Şekil 6D).55,56 İşitsel stimülasyona yanıt olarak işitsel uyarılmış alanlar ve potansiyeller, MEG ve HD-EEG için uyaran başlangıcından sonra sırasıyla ~ 80 ms ve ~ 120 ms’de maksimum pozitif zirveye sahipti (Şekil 7A). İçinde Şekil 7B, sırasıyla MEG ve HD-EEG için işitsel stimülasyonda yer alan kortikal yerleşimlerin topografi alanını ve potansiyel haritalarını bildirdik. Hem MEG hem de HD-EEG’de, sol temporal beyin alanlarını kaplayan sensörlerde açıkça tanımlanmış negatif ve pozitif kutuplarla belirgin bir polarite değişikliği gözlendi; bu dik manyetik alan ve elektrik potansiyeli haritaları, V1’de (Şekil 7B). Ortalama işitsel uyarılmış alanlar ve potansiyeller üzerinde kaynak lokalizasyonu gerçekleştirildiğinde, sırasıyla MSI, ESI ve EMSI için Desikan-Killiany atlasının transvers temporal girusunda ve superior temporal girusun arka kısmında maksimal kortikal aktivasyon gözlendi (Şekil 7C). İşitsel uyarılmış yanıtların zaman-frekans analizi, MSI (yaklaşık aralık: 40-60 Hz) ve EMSI (yaklaşık aralık: 35-50 Hz) için gama bandında ERS ve ESI için beta ve gama frekans bantlarında (yaklaşık aralık: 25-60 Hz) ERS (Şekil 7D). Son olarak, MEG ve HD-EEG için uyaran başlangıcından sonra sırasıyla ~ 60 ve ~ 50 ms’de dokunsal stimülasyona yanıt olarak ilk kortikal aktiviteyi gözlemledik (Şekil 8A). İçinde Şekil 8B, sırasıyla MEG ve HD-EEG için somatosensoriyel stimülasyon sırasında aktive olan beyin alanlarının topografi alanını ve potansiyel haritalarını bildirdik. MEG alan haritaları, kontralateral parietal alanları kaplayan sensörlerde manyetik akıda belirgin değişiklikler ile net bir polarite değişikliği ortaya çıkarırken, HD-EEG potansiyel haritaları, negatif olandan daha güçlü bir pozitif kutupla aynı alanlarda daha az belirgin bir polarite değişikliği gösterdi. Bu dik manyetik alan ve elektrik potansiyeli haritaları, S1’de bir fokal kortikal jeneratörü gösterebilir. Ortalama somatosensoriyel uyarılmış yanıtlarda dSPM kullanılarak, bu zaman noktasında maksimal kortikal kaynak aktivitesi, sırasıyla MSI, ESI ve EMSI için Desikan-Killiany atlasının kontralateral postcentral girusunda gözlendi (Şekil 8C). Dokunsal uyaranlara yanıt olarak, MSI (yaklaşık aralık: 15-40 Hz) ve EMSI (yaklaşık aralık: 20-40 Hz) için beta ve gama frekans bantlarında ERS ve ESI için gama frekans bandında (yaklaşık aralık: 30-40 Hz) (Şekil 8D) da gözlenmiştir. Şekil 1: CCHCS’de eş zamanlı MEG ve HD-EEG için deney düzeneği. (A) HD-EEG (256 kanal) ve MEG (306 sensör) sistemleri, manyetik olmayan MEG uyumlu yatağı kullanarak dinlenme/uyku durumu kaydı için MEG’in portalı sırtüstü pozisyona (90°, yatay konum) ayarlanmıştır. Teknisyen, güvenlik ve konfor sağlarken konuyu (9 yaşında bir kız çocuğu) kayıt için hazırlıyor. (B) HD-EEG ve MEG sistemleri, manyetik olmayan MEG uyumlu sandalye kullanılarak oturur pozisyonda kayıt için ayarlanmıştır. Teknisyen, görsel-motor görev sırasında görsel uyaranların yansıtılacağı ekranın önünde konunun doğru konumunu sağlarken konuyu kayıt için hazırlar. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 2: Farklı toplama sistemleri kullanılarak eşzamanlı MEG ve HD-EEG kayıtlarından elde edilen verilerin birleştirilmesinin teknik yönleri. (A) Temsili bir denek (9 yaşında bir kız) için MEG ve HD-EEG sensörlerinin aynı koordinat sistemine (deneğin kafa koordinatları ile tanımlanır) uzamsal hizalaması (ortak kayıt). Konunun baş koordinatları aşağıdaki referans noktaları ile temsil edilir: nasion (yeşil renkli) ve sol/sağ preauriküler noktalar (sırasıyla kırmızı ve mavi renkli). 306 MEG sensörü (mavi renkli) – 102 manyetometre ve 204 düzlemsel gradyometre – ve kafa konumu göstergesi (HPI) bobinleri (macenta renkli) görüntülenir; aynı koordinat sistemine hizalandığında, 256 HD-EEG kanalı da görüntülenir (pembe renkli). (B) Sol panel: Temsili bir denek (9 yaşında bir kız) için MEG ve HD-EEG sistemleri arasında meydana gelen veri örneklerinin doğrusal kayması (yani, delta, siyah bir çizgi olarak görüntülenir). Delta, aynı tetikleyicinin hem MEG hem de EEG sistemlerine gönderildiği ve zaman içinde sürekli olarak arttığı zamanlar arasındaki farkın mutlak değeri olarak tanımlanır: düşük (delta = 0 ms) değerlerden yüksek (delta = 197 ms) değerlere. Sinyallere uygulanacak bir polinom fonksiyonu kullanılarak tahmin edilen doğrusal sapmanın düzeltilmesi mavi kesikli bir çizgi ile gösterilir. MEG ve EEG sistemleri arasında senkronize bir zamanı temsil eden düzeltilmiş sapma (zaman içinde delta ~0 ms) kırmızı kesikli bir çizgi ile görüntülenir. Sağ panel: Hem MEG hem de EEG sistemlerine gönderilen son tetikleyici için tahmin edilen zaman kaymasının (delta = 197 ms) grafiksel gösterimi görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 3: MEG ve HD-EEG verilerinde interiktal epileptiform deşarjlar (IED’ler). (A) Sık sık IED’leri olan 10 yaşındaki bir kızdan (Vaka 1) eşzamanlı MEG ve HD-EEG kaydının (10 sn) zaman kısmı. Görselleştirme amacıyla 306 MEG sensörü ve 256 EEG elektrotundan oluşan bir alt grup seçilmiştir. Bir IED’nin zirvesindeki topografya alanı ve potansiyel haritalar, sırasıyla MEG ve HD-EEG için iç paneller olarak görüntülenir. (B) Deneğin 3D kafasına ve kortikal (mavi renkli) yüzeylere kaydedilen MEG ve HD-EEG sensörlerinin (sarı renkli) konumu. Gerçekçi sınır elemanı yöntemi (BEM) üç katmandan oluşan kafa modeli [yani, kafa derisi (gri renkli), dış kafatası (sarı renkli) ve iç kafatası (pembe renkli)] deneğin ameliyat öncesi MRG’sinden yeniden yapılandırılmıştır. (C) Eşdeğer akım dipol (ECD) kullanılarak IED’ler üzerinde gerçekleştirilen kaynak lokalizasyon kümeselliği sonuçları, deneğin iEEG (altın standart) üzerinde ESI, MSI, EMSI ve ESI için ameliyat öncesi MRG’sinde gösterilir52. Uyum iyiliği %>60 olan dipol kümelenmesinin ısı haritaları, daha düşük (mavi) değerlerden daha yüksek (kırmızı) değerlere doğru görüntülenir. iEEG verileri üzerinde gerçekleştirilen ESI aracılığıyla tanımlanan nöbet başlangıç bölgesi altın standart (turuncu ve yeşil daireler) olarak kabul edildi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 4: MEG ve HD-EEG verilerinde nöbet başlangıcı. (A) Nöbet başlangıcı olan 13 yaşındaki bir erkekten (Vaka 2) eşzamanlı MEG ve HD-EEG kaydının (10 sn) zaman kısmı. Görselleştirme amacıyla 306 MEG sensörü ve 256 EEG elektrotundan oluşan bir alt grup seçilmiştir. İktal başlangıçtaki topografya alanı ve potansiyel haritalar, sırasıyla MEG ve HD-EEG için iç paneller olarak görüntülenir. (B) Eşdeğer akım dipol (ECD) yöntemi kullanılarak iktal olayın başlangıcında gerçekleştirilen kaynak lokalizasyonu kümesellik sonuçları, iEEG’de (altın standart) ESI, MSI, EMSI ve ESI için deneğin ameliyat öncesi MRG’sinde gösterilir52. Uyum iyiliği %>60 olan dipol kümelenmesinin ısı haritaları, daha düşük (mavi) değerlerden daha yüksek (kırmızı) değerlere doğru görüntülenir. iEEG verileri üzerinde gerçekleştirilen ESI ile tanımlanan nöbet başlangıç bölgesi altın standart (mavi daire) olarak kabul edildi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 5: MEG ve HD-EEG verilerinden görsel uyarılmış alanlar ve potansiyeller. (A) 15 yaşındaki bir kadının MEG (üst panel) ve HD-EEG (alt panel) için ortalama görsel uyarılmış yanıtları -100 ms ile 300 ms arasındaki zaman aralığı için görüntülenir. (B) MEG ve HD-EEG için birincil görsel korteksin topografya alanı ve potansiyel haritaları görüntülenir, sırasıyla. (C) Sırasıyla MSI, ESI ve EMSI için dinamik istatistiksel parametrik haritalama (dSPM) yöntemi kullanılarak tahmin edilen Desikan-Killiany atlasının beyin bölgelerinde (yani cuneus ve lateral oksipital korteks) maksimum kortikal aktivasyon genliklerine sahip kaynak aktivasyon haritaları. Kaynak aktivasyonunun ısı haritaları (dSPM normalleştirilmiş z-skoru) görüntülenir. (D) Birincil görsel kortekste görsel olarak uyarılan yanıtlar üzerinde Morlet dalgacık zaman-frekans ayrıştırması kullanılarak elde edilen zaman-frekans haritaları, -100 ms ila 300 ms zaman penceresi için görüntülenir. Normalleştirilmiş verilerin taban çizgisi [-200; 0] ms üzerinden ortalamadan sapmasına dayalı olarak yüzde olarak ifade edilen zaman-frekans gücünün ısı haritaları görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 6: MEG ve HD-EEG verilerinden motor uyarılmış alanlar ve potansiyeller. (A) 15 yaşındaki bir kadının MEG (üst panel) ve HD-EEG (alt panel) için ortalama motor uyarılmış yanıtları, -100 ile 300 ms arasındaki zaman aralığında sol indeks dokunma görevi için görüntülenir. Hareket başlangıçlı (mor ok) elektromiyografi (EMG) sinyali (orta panel) -100 ms ile 300 ms arasındaki zaman aralığı için görüntülenir; sinyal 30-300 Hz frekans bandında filtrelenir (Çentik filtresi: 60 Hz). (B) Primer motor korteksin topografya alanı ve potansiyel haritaları sırasıyla MEG ve HD-EEG için görüntülenir. (C) Sırasıyla MSI, ESI ve EMSI için dinamik istatistiksel parametrik haritalama (dSPM) yöntemi kullanılarak tahmin edilen Desikan-Killiany atlasının kontralateral precentral girusunda maksimum kortikal aktivasyon genliklerine sahip kaynak aktivasyon haritaları. Kaynak aktivasyonunun ısı haritaları (dSPM normalleştirilmiş z-skoru), merkezi sulkus (siyah çizgi) ile birlikte görüntülenir. (D) -300 ms ila 500 ms zaman penceresi için birincil motor kortekste motor tarafından uyarılan yanıtlar üzerinde Morlet dalgacık zaman-frekans ayrışması kullanılarak elde edilen zaman-frekans haritaları. Normalleştirilmiş verilerin taban çizgisi [-1500; -1000] ms üzerinden ortalamadan sapmasına dayalı olarak yüzde olarak ifade edilen zaman-frekans gücünün ısı haritaları görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 7: MEG ve HD-EEG verilerinden işitsel uyarılmış alanlar ve potansiyeller. (A) 15 yaşındaki bir kadının MEG (üst panel) ve HD-EEG (alt panel) için ortalama işitsel uyarılmış yanıtları -100 ms ile 300 ms arasındaki zaman aralığı için görüntülenir. (B) MEG ve HD-EEG için sırasıyla birincil işitsel korteksin topografi alanı ve potansiyel haritaları görüntülenir. (C) Desikan-Killiany atlasının transvers temporal girusunda ve üst temporal girusun arka kısmında maksimum kortikal aktivasyon genliklerine sahip kaynak aktivasyon haritaları, sırasıyla MSI, ESI ve EMSI için dinamik istatistiksel parametrik haritalama (dSPM) yöntemi kullanılarak tahmin edilmiştir. Kaynak aktivasyonunun ısı haritaları (dSPM normalleştirilmiş z-skoru) görüntülenir. (D) -100 ila 300 ms zaman penceresi için birincil işitsel kortekste işitsel uyarılmış yanıtlar üzerinde Morlet dalgacık zaman-frekans ayrışması kullanılarak elde edilen zaman-frekans haritaları. Normalleştirilmiş verilerin taban çizgisi [-500; 0] ms üzerinden ortalamadan sapmasına dayalı olarak yüzde olarak ifade edilen zaman-frekans gücünün ısı haritaları görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 8: MEG ve HD-EEG verilerinden somatosensoriyel uyarılmış alanlar ve potansiyeller. (A) 15 yaşındaki bir kadının MEG (üst panel) ve HD-EEG (alt panel) için ortalama somatosensoriyel uyarılmış yanıtları, -100 ile 300 ms arasındaki zaman aralığında sol parmakların uyarılması için görüntülenir. (B) MEG ve HD-EEG için primer somatosensoriyel korteksin topografi alanı ve potansiyel haritaları görüntülenir, sırasıyla. (C) Sırasıyla MSI, ESI ve EMSI için dinamik istatistiksel parametrik haritalama (dSPM) yöntemi kullanılarak tahmin edilen Desikan-Killiany atlasının kontralateral postcentral girusunda maksimum kortikal aktivasyon genliklerine sahip kaynak aktivasyon haritaları. Kaynak aktivasyonunun ısı haritaları (dSPM normalleştirilmiş z-skoru), merkezi sulkus (siyah çizgi) ile birlikte görüntülenir. (D) -100 ms ila 300 ms zaman penceresi için birincil somatosensoriyel kortekste somatosensoriyel uyarılmış yanıtlar üzerinde Morlet dalgacık zaman-frekans ayrışması kullanılarak elde edilen zaman-frekans haritaları. Normalleştirilmiş verilerin taban çizgisi [-100; 0] ms üzerinden ortalamadan sapmasına dayalı olarak yüzde olarak ifade edilen zaman-frekans gücünün ısı haritaları görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Discussion

Bu çalışmada, DRE’li çocuklarda dinlenirken/uyurken, bir görevi yerine getirirken veya uyaran alırken eş zamanlı MEG ve HD-EEG kaydetmek için deney kurulumunu gösteriyoruz ve EMSI kullanarak tahriş edici bölgeyi, SOZ’u ve anlamlı beyin alanlarını lokalize etmek için metodolojik bir çerçeve öneriyoruz. Ayrıca, benzersiz özellikler sunan, piyasada bulunan farklı ürünlerden MEG ve HD-EEG verilerini birleştirmek için teknik öneriler sunuyoruz. Epileptojenik ve anlamlı beyin alanlarının lokalizasyonunda EMSI’nin klinik faydasını artırmak için üç olgudan elde edilen verileri sunuyoruz. Buradaki bulgular, EMSI sonuçlarının, büyük olasılıkla birleşik çözeltideki MEG ve EEG sinyallerinin tamamlayıcı özelliklerinin ek değeri ve muhtemelen verileri kaydetmek için kullanılan sensör sayısının artması (>550 sensör) nedeniyle, tek başına her iki modalite ile elde edilenlerden daha iyi performans gösterdiğini göstermektedir. Özellikle, EMSI, irritatif ve SOZ’ları iEEG altın standardında ESI ile uyumlu bulgularla noninvaziv olarak lokalize etti ve bu da klinik gözlemleri doğruladı.

Önerilen metodoloji aşağıdaki kritik adımları içerir: (i) DRE’li çocuklardan interiktal ve iktal aktivitelerin tüm beynini kapsayan yüksek uzamsal sensör örneklemesi (>550 sensör) ile eş zamanlı MEG ve HD-EEG (yani yüksek SNR) kayıtlarının yüksek kalitede elde edilmesi ve ayrıca görsel, motor, işitsel ve somatosensoriyel uyarılmış alanlar ve potansiyeller (adım 3.1-3.2); (ii) farklı toplama sistemleriyle kaydedilen MEG ve HD-EEG sinyallerinin zamansal senkronizasyonu ve mekansal ortak kaydı (adım 3.12); (iii) sırasıyla interiktal aktivite (adım 4.1.1-4.1.7), iktal başlangıç aktivitesi (adım 4.2.1-4.2.7) ve olayla ilgili yanıtlar (adım 4.3.1-4.3.6) içeren veri bölümlerinin dikkatli bir şekilde ön işlenmesi ve seçilmesi; ve (iv) güvenilir kaynak lokalizasyon yöntemleri (örneğin, kümeleme ve dSPM ile ECD’ler) (sırasıyla 4.1.8-4.1.9, 4.2.8-4.2.9 ve 4.3.7-4.3.9) kullanılarak tahriş edici bölgenin, SOZ’un ve anlamlı beyin ilgi alanlarının doğru kaynak lokalizasyonu.

Eşzamanlı MEG ve HD-EEG kayıtları gerçekleştirirken en kritik adım, iki toplama sistemi tarafından kaydedilen verileri uzamsal olarak (koordinat alanları arasında hizalama) ve zamansal olarak (doğrusal saat kaymasının düzeltilmesi) senkronize etmektir. Bu tür bir senkronizasyon, MEG ve HD-EEG sinyallerinde aynı anda meydana gelen interiktal, iktal ve görsel/motor/işitsel/dokunsal olayların doğru tanımlanmasını sağlamak için çok önemlidir. Bu olayların zaman noktası seçimindeki hatalar, kaynak lokalizasyon sonuçlarını etkileyebilir ve beynin bu olayların oluşturulmasında mutlaka yer almayan alanlarını belirleyebilir.

MEG sistemleri genellikle eşzamanlı MEG ve EEG ölçümleri yapmak için ürüne dahil edilmiş uyumlu 32, 64 ve 128 kanallı EEG sistemleri sunar. Bu durumlarda, ortak tetikleme sinyalleri göndererek verileri geçici olarak senkronize etmeye gerek yoktur. Benzer şekilde, çoğu EEG sistemi günümüzde tüm MEG sistemleriyle uyumludur. Donanımdaki bu gelişmelere rağmen, sadece birkaç epilepsi merkezi, cerrahi öncesi değerlendirmenin bir parçası olarak eş zamanlı MEG ve HD-EEG kayıtları gerçekleştirmektedir. Burada, bu tür bir bütünleştirilebilirlikten yararlandık ve 306 kanallı MEG ve 256 kanallı EEG sistemlerini, deneğin başını kaplayan >550 sensörle aynı anda beyin aktivitesini kaydetmek için birleştirdik. Şimdiye kadar, MEG, HD-EEG ve iEEG verilerinin gelişmiş analizi için çok az yazılım (örneğin, Brainstorm, CURRY, EEGLab, FieldTrip, MNE veya NUTMEG) mevcuttur. Bu nedenle, önerilen metodolojiyi yeni nörogörüntüleme analiz yazılımı ile doğrulamak için gelecekteki çalışmalar gereklidir. Son olarak, MSI ve ESI’nin benzersiz bir çözümde (EMSI) bir araya getirilmesi, veri analizinin hesaplama karmaşıklığını artırdı.

Açıklanan yöntem, gelecekteki çalışmalarda ele alınması gereken birkaç sınırlama sunmaktadır. İki temsili hastanın hem MEG hem de HD-EEG verilerinde meydana gelen IED’leri manuel olarak seçtik ve iki sinyalden sadece birinde (MEG veya EEG) meydana gelen interiktal sivri uçları göz ardı ettik. Ani artışların manuel seçimi, son on yıllarda geliştirilen IED’leri tespit etmek için otomatik yaklaşımlar kullanılarak basitleştirilebilen zaman alıcı ve öznel bir yaklaşım olabilir57,58,59. Bununla birlikte, her bir IED’nin dikkatli bir şekilde analiz edilmesi ve rafine tespiti için her zaman görsel inceleme önerilir. Ayrıca, SÖZ’ü EZ’nin bir yaklaşımcısı olarak kullandık. Yine de, SOZ her zaman cerrahi sonuçları öngörmez60,61,62,63. Bu nedenle, gelecekteki çalışmalar, EZ’nin daha kesin bir şekilde tanımlanması için cerrahi sonucu temel gerçek olarak kullanabilir13,14,15,16,17,19,20. Her ne kadar nöbetler eş zamanlı MEG ve EEG kullanılarak başarılı bir şekilde yakalanabilse ve uygun kaynak lokalizasyon teknikleri kullanılarak lokalize edilebilse de44,64, klinik uygulamada, özellikle ASM’lerdeki ayaktan hastalardan bu tür iktal olayların kaydedilmesi nispeten nadirdir. Bunun nedeni çoğunlukla MEG kayıtlarının sınırlı süresi ve nöbetler sırasında meydana gelen aşırı vücut hareketleridir (örneğin, hastanın kafası dewardan dışarı kaymıştır), bu da kaynak lokalizasyon bulgularını ciddi şekilde etkileyebilecek biyolojik artefaktlara neden olabilir. Yakın tarihli bir incelemede, Stefan ve diğerleri. hastaların %7-24’ünde MEG kayıtları sırasında nöbet oluşumunu bildirmiştir ve farklı çalışmalarda ortalama kayıt süresi 30 dakika ile 5.7 saate kadar çıkmıştır65. CCMC’de, 89 hastanın 18’inde (% 20.2) son ~ 2 yıl içinde gerçekleştirilen eşzamanlı MEG ve HD-EEG kayıtları sırasında yakalanan iktal olaylar vardı. Bununla birlikte, 18 hastadan sadece 8’i (%44.4) başarılı bir şekilde analiz edildi. İnteriktal MEG kayıtlarının normal veya kesin olmayan bulgular gösterdiği durumlarda, EZ’yi yüksek hassasiyetle lokalize etmek için iktal MEG veya HD-EEG kullanılabilir. Ancak, bu kayıtlar için teknik ve lojistik gereksinimler ele alınmalıdır. Ek olarak, EMSI yoluyla anlamlı korteks lokalizasyonu için temsili veriler, noninvaziv fMRI veya intraoperatif elektrokortikal stimülasyon gibi bu fonksiyonel beyin alanlarının lokalizasyonu için herhangi bir altın standartla karşılaştırılmadı. Bu nedenle, daha ileri araştırmalar, DRE’li çocuklarda bu anlamlı beyin alanlarının lokalizasyon doğruluğunu artırmak için EMSI ve fMRI’yi multimodal noninvaziv bir görüntüleme aracına entegre edebilir. Bu çalışma, dilin etkili olduğu bölgeler gibi diğer işlevsel beyin alanlarını lokalize etmek için de genişletilebilir. Dil fonksiyonlarının lokalizasyonu, DRÖ’lü hastaların cerrahi öncesi değerlendirilmesi sırasında cerrahi adaylıklarını belirlemek, cerrahi rezeksiyonun kapsamını planlamak ve ameliyat sonrası kalıcı fonksiyonel eksiklikleri önlemek için kritik öneme sahiptir66. Birkaç invaziv olmayan çalışma, MEG kullanarak dil haritalamanın, baskın dil yarımküresini tanımlamak için genellikle altın standart olarak kabul edilen invaziv Wada testine benzer şekilde uyumlu sonuçlar sağlayabileceğini göstermiştir67,68,69,70. Yakın zamanda yapılan bir çalışma, farklı tekniklerin (yani kortikal stimülasyon haritalaması, yüksek gama elektrokortikografi, fMRI ve transkraniyal manyetik stimülasyon) kombinasyonunun, cerrahi öncesi dil haritalaması için karşılıklı, doğrulayıcı ve tamamlayıcı bilgiler sağlayabileceği multimodal bir yaklaşım önermiştir71. Bu avantajlara rağmen, yaşları nedeniyle bilişsel, entelektüel ve dil engelleri olan pediatrik hastalarda dil alanlarını haritalamak hala zordur. Bu nedenle, yakın gelecekte daha fazla yaşa özel görevler ve çocuk dostu kurulumlar geliştirilmelidir. Bu çalışmada, klinik amaçlar için onaylanmamış bir yazılım kullanarak MEG ve HD-EEG verilerini analiz ettik. Bu araçların değerli ve etkili oldukları kanıtlanmış olmasına rağmen, klinik kullanım için cerrahi öncesi değerlendirme bulguları bildirilirken dikkate alınması gereken sorumluluk konularını taşırlar. Burada, sadece sünger bazlı EEG elektrot sistemleri kullanılarak yapılan HD-EEG kayıtları için prosedürleri açıklıyoruz. Jel bazlı EEG elektrotlarını kullanan alternatif sistemler hem klinik hem de araştırma ortamlarında yaygın olarak kullanılmaktadır. Daha yüksek SNR EEG kayıtları sağlamalarına rağmen, daha uzun hazırlık süresi (~ 40-60 dakika) gerektirirler ve bu nedenle pediatrik kullanım için daha az uygundurlar. Alternatif olarak, bazı laboratuvarlar MEG kayıtları sırasında düşük yoğunluklu jel bazlı EEG sistemleri kullanır, bu da hazırlık süresi açısından avantajlıdır (HD-EEG sistemlerine kıyasla), ancak tüm kafa derisini kaplayan elektrot sayısının azalması nedeniyle önemli ölçüde daha düşük uzamsal çözünürlük sunarlar12,16,72,73.

Şu anda, epilepsili hastalarda epileptojenik beyin alanlarının lokalizasyonu hala esas olarak iEEG monitörizasyonu ile sağlanmaktadır. Ayrıca, anlamlı beyin alanlarının kesin lokalizasyonu için metodoloji zayıf bir şekilde tanımlanmıştır ve şu anda MEG laboratuvarlarında kullanılan deney düzenekleri pediatrik hastalar için uygun değildir, bu amaçla HD-EEG kullanımı ise çok sınırlıdır. Bu alanların doğru lokalizasyonu, cerrahi öncesi değerlendirmeyi kolaylaştırabilir ve rezeksiyon veya iEEG elektrot yerleştirilmesi için cerrahi planlamayı artırabilir. Şimdiye kadar, birkaç çalışma, EZ 12,13,14,15,16,17,18,19 ve somatosensoriyel korteksin anlamlı alanlarının tanımlanması için DRE ve fokal epilepsili hastaların cerrahi öncesi değerlendirmesinde ESI veya MSI’nın katkısını araştırdı 41sırasıyla. Çok az sayıda çalışma, tek başına MSI veya ESI’ye kıyasla EMSI kullanarak daha iyi kaynak yerelleştirme sonuçları ve sonuç tahmin performansı göstermiştir 13,31,42. Bu bulgulara rağmen, MEG ve EEG’nin kaydı nadiren aynı anda yapılmaktadır ve MSI ve ESI dünya çapında sadece birkaç epilepsi merkezinde uygulanmaktadır. Bildiğimiz kadarıyla, bu, eşzamanlı MEG ve HD-EEG verilerinin toplanması ve analiz edilmesinin yanı sıra pediatrik epilepside tahriş edici bölge, SOZ ve anlamlı beyin alanlarının, yani birincil görsel, motor, işitsel ve somatosensoriyel kortekslerin invaziv olmayan tanımlanması için EMSI gerçekleştirme önerileri sunan ilk çalışmadır.

Burada, DRE’li iki hastadan (Vaka 1 ve 2) alınan eşzamanlı noninvaziv verilerde tespit edilen interiktal sivri uçlar ve iktal olaylar üzerinde EMSI uyguladık ve önceki çalışmalarla uyumlu olarak SOZ’dan sırasıyla ~9 mm ve ~12 mm’lik bir kaynak lokalizasyon hatası elde ettik42. Etkileyici bir şekilde, böyle bir yöntem, klinik gözlemlerle epileptojenik olarak belirlenen beyin bölgesinde lokalize kümelenmiş dipoller ile intrakraniyal bulgularla (yani, iEEG verilerindeki ESI) karşılaştırılabilir bir lokalizasyon doğruluğu elde etti (Şekil 3C ve Şekil 4B). DRE’li üçüncü bir temsili hastadan (Vaka 3) alınan invaziv olmayan verileri kullanarak, görsel, motor, işitsel ve somatosensoriyel uyarılmış aktiviteler üzerinde de EMSI gerçekleştirdik ve karşılık gelen anlamlı beyin alanlarında (yani görsel, motor, işitsel ve somatosensoriyel korteksler) belirgin kaynak aktivasyon modelleri bulduk (Şekil 5C, Şekil 6C, Şekil 7C ve Şekil 8C).

Sonuçlarımız, lokalizasyon doğruluğunu artırabilecek MEG ve EEG modalitelerinden elde edilen tamamlayıcı bilgilerin füzyonundan elde edilmiştir. EEG’nin tüm intrakraniyal akımları yansıttığı iyi bilinirken, MEG çoğunlukla teğetsel kaynaklara duyarlıdır ve derin beyin kaynaklarına kördür 29,74. Bu çalışmada gösterildiği gibi, MEG ve EEG’yi birleştirmek, bu nedenle, her bir modalitenin sınırlamalarının üstesinden gelebilir, üstün lokalizasyon sonuçları sağlayabilir ve tek başına kullanıldığında ESI veya MSI’nin gözden kaçırmış olabileceği epileptojenik ve anlamlı beyin alanlarını belirleyebilir. Ayrıca, cerrahi öncesi değerlendirmeleri sırasında fMRI uygulanmayan hastalarda EMSI kullanarak anlamlı beyin alanlarını haritalamak için alternatif bir noninvaziv yaklaşım sunuyoruz.

Eşzamanlı MEG ve EEG gibi noninvaziv teknikler kullanılarak epileptojenik ve anlamlı beyin alanlarının lokalizasyonu, anlamlı kortikal alanları korurken EZ’nin tamamen çıkarılması veya bağlantısının kesilmesi için DRE’li çocukların cerrahi öncesi değerlendirmesi sırasında önemli bir adımdır. Önerilen metodoloji, sadece cerrahi öncesi epilepsi değerlendirmesinde değil, aynı zamanda hem tipik olarak gelişen çocuklarda hem de sağlıklı yetişkinlerde sağlıklı beynin fizyolojik işlevlerini keşfetmek için bilişsel sinirbilimlerde uygulanmasını destekleyen eşzamanlı MEG ve EEG verilerinin elde edilmesi ve analizinin ayrıntılı bir tanımını sunar, ayrıca epilepsi veya diğer nörolojik bozukluklarla ilişkili morfolojik ve fonksiyonel beyin değişiklikleri. Epileptojenik beyin ağlarını araştıran gelecekteki çalışmalar, eşzamanlı MEG ve HD-EEG verilerinde EMSI kullanılarak noninvaziv olarak tahmin edilen ağ merkezlerinin (yani, yüksek derecede bağlantılı beyin bölgeleri) DRE’li çocuklarda EZ’yi tek başına MSI ve/veya ESI kullanılarak tahmin edilenlere göre daha doğru bir şekilde lokalize edip edemeyeceğini de değerlendirebilir 75,76,77. Ayrıca, EMSI aracılığıyla tahmin edilen sivri ve dalgacıkların (yani, yüksek frekanslı salınımlar, >80 Hz) uzay-zamansal yayılımlarının invaziv olmayan haritalanması, epileptiform aktivitenin yayılmasının patofizyolojik mekanizmalarının daha iyi anlaşılmasına ve EZ78,79’un kesin bir biyobelirteç olan bu yayılmaların başlangıç jeneratörünün noninvaziv olarak değerlendirilmesine yardımcı olabilir. Sunulan protokol, MEG ve EEG sensör dizilerinin farklı yönelimlerdeki kaynaklara duyarlılığını inceleyerek MEG ve EEG sistemlerinin tamamlayıcılığını daha fazla araştırmaya yardımcı olabilir. Bu tür bir analiz, aynı anda MEG ve HD-EEG gerçekleştirirken beynin elektrofizyolojik özellikleri hakkında bilgi sağlayabilir.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Bu çalışma Ulusal Nörolojik Bozukluklar ve İnme Enstitüsü (R01NS104116; R01NS134944; Proje Yürütücüsü: Christos Papadelis).

Materials

AIRSTIM unit SD Instruments N/A The SDI AIRSTIM system is an alternative unconditioned stimulus to shock
Baby Shampoo  Johnson's N/A Baby Shampoo is as gentle to the eyes as pure water and is specially designed to gently cleanse baby’s delicate hair and scalp. 
Control III disinfectant cleaning solution Maril Products, Inc. http://www.controlthree.com/ Disinfectant and germicide solution formulated for hospitals
Elekta Neuromag TRIUX NM24132A Comprehensive bioelectromagnetic measurement system characterized by 306-channel neuromagnetometer for functional brain studies
FASTRAK Polhemus technology NS-7806 Using A/C electromagnetic technology, FASTRAK delivers accurate position and orientation data, with virtually no latency. With a single magnetic source, FASTRAK delivers data for up to four sensors. The source emits an electromagnetic field, sensors within the field of range are tracked in full 6DOF (6 Degrees-Of-Freedom). Setup is simple and intuitive, with no user calibration required.
Genuine Grass Reusable Cup EEG Electrodes Natus Medical, Inc. N/A Each Genuine Grass EEG Electrode undergoes rigorous mechanical and electrical testing to assure long life for unsurpassed recording clarity and dependability.
Geodesic Sensor Net Electrical Geodesics, Inc. S-MAN-200-GSNR-001 32 to 256 electrodes to place on the human head to aquire dense-array electroencephalography data
GeoScan Sensor Digitization System Electrical Geodesics, Inc. 8100550-03 Handheld Scanner and Software for 3D electrode position registration
Natus Xltek NeuroWorks Natus Medical, Inc. https://natus.com/ The Natus NeuroWorks platform simplifies the process of collecting, monitoring and managing data for routine EEG testing, ambulatory EEG, long-term monitoring, ICU monitoring, and research studies.
Natus NeuroWorks EEG Software Natus Medical, Inc. https://natus.com/neuro/neuroworks-eeg-software/ NeuroWorks EEG software simplifies the process of collecting, monitoring, trending and managing EEG testing data, allowing care providers to save time and focus on delivering the best care.
ROSA ONE Brain Zimmer Biomet https://www.zimmerbiomet.com/en/products-and-solutions/zb-edge/robotics/rosa-brain.html ROSA ONE Brain is a robotic solution to assist surgeons in planning and performing complex neurosurgical procedures through a small drill hole in the skull. 
Ten20 Conductive Paste Weaver and company N/A Ten20 contains the right balance of adhesiveness and conductivity, enabling the electrodes to remain in place while allowing the transmittance of electrical signals.

References

  1. Oldham, M. S., Horn, P. S., Tsevat, J., Standridge, S. Costs and clinical outcomes of epilepsy surgery in children with drug-resistant epilepsy. Pediatr Neurol. 53 (3), 216-220 (2015).
  2. Willie, J. T., et al. Real-time magnetic resonance-guided stereotactic laser amygdalohippocampotomy for mesial temporal lobe epilepsy. Neurosurgery. 74 (6), 569-584 (2014).
  3. Rosenow, F., Lüders, H. Presurgical evaluation of epilepsy. Brain. 124, 1683-1700 (2001).
  4. Önal, &. #. 1. 9. 9. ;., et al. Complications of invasive subdural grid monitoring in children with epilepsy). J Neurosurg. 98 (5), 1017-1026 (2003).
  5. Hader, W. J., et al. Complications of epilepsy surgery-a systematic review of focal surgical resections and invasive EEG monitoring. Epilepsia. 54 (5), 840-847 (2013).
  6. Meng, Y., et al. Risk factors for surgical site infection after intracranial electroencephalography monitoring for epilepsy in the pediatric population. J Neurosurg Pediatr. 22 (1), 31-36 (2018).
  7. Jobst, B. C., et al. Intracranial EEG in the 21st Century. Epilepsy Curr. 20 (4), 180-188 (2020).
  8. Schwartz, E. S., et al. Magnetoencephalography for pediatric epilepsy: how we do it. AJNR Am J Neuroradiol. 29 (5), 832-837 (2008).
  9. Michel, C. M., et al. Electric source imaging of human brain functions. Brain Res Rev. 36 (2-3), 108-118 (2001).
  10. Michel, C. M., He, B. EEG source localization. Handb Clin Neurol. 160, 85-101 (2019).
  11. Michel, C. M., Brunet, D. EEG source imaging: A practical review of the analysis steps. Front Neurol. 10, 325 (2019).
  12. Plummer, C., et al. Interictal and ictal source localization for epilepsy surgery using high-density EEG with MEG: a prospective long-term study. Brain. 142 (4), 932-951 (2019).
  13. Duez, L., et al. Electromagnetic source imaging in presurgical workup of patients with epilepsy: A prospective study. Neurology. 92 (6), e576-e586 (2019).
  14. Mouthaan, B. E., et al. Diagnostic accuracy of interictal source imaging in presurgical epilepsy evaluation: A systematic review from the E-PILEPSY consortium. Clin Neurophysiol. 130 (5), 845-855 (2019).
  15. Pellegrino, G., et al. Clinical yield of magnetoencephalography distributed source imaging in epilepsy: A comparison with equivalent current dipole method. Hum Brain Mapp. 39 (1), 218-231 (2018).
  16. Tamilia, E., et al. Assessing the localization accuracy and clinical utility of electric and magnetic source imaging in children with epilepsy. Clin Neurophysiol. 130 (4), 491-504 (2019).
  17. Coito, A., et al. Interictal epileptogenic zone localization in patients with focal epilepsy using electric source imaging and directed functional connectivity from low-density EEG. Epilepsia Open. 4 (2), 281-292 (2019).
  18. Singh, J., Ebersole, J. S., Brinkmann, B. H. From theory to practical fundamentals of electroencephalographic source imaging in localizing the epileptogenic zone. Epilepsia. 63 (10), 2476-2490 (2022).
  19. Brodbeck, V., et al. Electrical source imaging for presurgical focus localization in epilepsy patients with normal MRI. Epilepsia. 51 (4), 583-591 (2010).
  20. Santalucia, R., et al. Clinical added value of interictal automated electrical source imaging in the presurgical evaluation of MRI-negative epilepsy: A real-life experience in 29 consecutive patients. Epilepsy Behav. 143, 109229 (2023).
  21. Schneider, F., et al. Magnetic source imaging in non-lesional neocortical epilepsy: additional value and comparison with ICEEG. Epilepsy Behav. 24 (2), 234-240 (2012).
  22. Hämäläinen, M., Hari, R., Ilmoniemi, R. J., Knuutila, J., Lounasmaa, O. V. Magnetoencephalography-theory, instrumentation, and applications to noninvasive studies of the working human brain. Rev Mod Phys. 65, 413-497 (1993).
  23. Baillet, S., Mosher, J. C., Leahy, R. M. Electromagnetic brain mapping. IEEE Signal Process Mag. 18 (6), 14-30 (2001).
  24. Fuchs, M., Kastner, J., Tech, R., Wagner, M., Gasca, F. MEG and EEG dipole clusters from extended cortical sources. Biomed Eng Lett. 7 (3), 185-191 (2017).
  25. Singh, S. P. Magnetoencephalography: Basic principles. Ann Indian Acad Neurol. 17, S107-S112 (2014).
  26. Ahlfors, S. P., Han, J., Belliveau, J. W., Hämäläinen, M. S. Sensitivity of MEG and EEG to source orientation. Brain Topogr. 23, 227-232 (2010).
  27. Kim, H., Chung, C. K., Hwang, H. Magnetoencephalography in pediatric epilepsy. Korean J Pediatr. 56 (10), 431-438 (2013).
  28. Gorjan, D., Gramann, K., De Pauw, K., Marusic, U. Removal of movement-induced EEG artifacts: Current state of the art and guidelines. J Neural Eng. , (2022).
  29. Barkley, G. L., Baumgartner, C. MEG and EEG in epilepsy. J Clin Neurophysiol. 20 (3), 163-178 (2003).
  30. Ebersole, J. S., Ebersole, S. M. Combining MEG and EEG source modeling in epilepsy evaluations. J Clin Neurophysiol. 27 (6), 360-371 (2010).
  31. Yoshinaga, H., et al. Benefit of simultaneous recording of EEG and MEG in dipole localization. Epilepsia. 43 (8), 924-928 (2002).
  32. Baumgartner, C. Controversies in clinical neurophysiology. MEG is superior to EEG in the localization of interictal epileptiform activity: Con. Clin Neurophysiol. 115 (5), 1010-1020 (2004).
  33. Barkley, G. L. Controversies in neurophysiology. MEG is superior to EEG in localization of interictal epileptiform activity: Pro. Clin Neurophysiol. 115 (5), 1001-1009 (2004).
  34. Braeutigam, S. Magnetoencephalography: Fundamentals and established and emerging clinical applications in radiology. ISRN Radiol. 2013, 529463 (2013).
  35. Papadelis, C., et al. Current and emerging potential for magnetoencephalography in pediatric epilepsy. J Pediatr Epilepsy. 2 (1), 73-85 (2013).
  36. Fiedler, P., Fonseca, C., Supriyanto, E., Zanow, F., Haueisen, J. A high-density 256-channel cap for dry electroencephalography. Hum Brain Mapp. 43 (4), 1295 (2022).
  37. Sharon, D., Hämäläinen, M. S., Tootell, R. B. H., Halgren, E., Belliveau, J. W. The advantage of combining MEG and EEG: comparison to fMRI in focally-stimulated visual cortex. Neuroimage. 36 (4), 1225 (2007).
  38. Pataraia, E., Lindinger, G., Deecke, L., Mayer, D., Baumgartner, C. Combined MEG/EEG analysis of the interictal spike complex in mesial temporal lobe epilepsy. Neuroimage. 24 (3), 607-614 (2005).
  39. Ahmed Mahmutoglu, M., Rupp, A., Baumgärtner, U. Simultaneous EEG/MEG yields complementary information of nociceptive evoked responses. Clin Neurophysiol. 143, 21-35 (2022).
  40. Aydin, &. #. 2. 2. 0. ;., et al. Combined EEG/MEG can outperform single modality EEG or MEG source reconstruction in presurgical epilepsy diagnosis. PLoS One. 10 (3), e0118753 (2015).
  41. Bast, T., et al. Combined EEG and MEG analysis of early somatosensory evoked activity in children and adolescents with focal epilepsies. Clin Neurophysiol. 118 (8), 1721-1735 (2007).
  42. Chikara, R. K., et al. Electromagnetic source imaging predicts surgical outcome in children with focal cortical dysplasia. Clin Neurophysiol. 153, 88-101 (2023).
  43. Hari, R., et al. IFCN-endorsed practical guidelines for clinical magnetoencephalography (MEG). Clin Neurophysiol. 129 (8), 1720-1747 (2018).
  44. Bagić, 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. 28 (4), 348-354 (2011).
  45. Papadelis, C., Chen, Y. H. Pediatric magnetoencephalography in clinical practice and research. Neuroimaging Clin N Am. 30 (2), 239-248 (2020).
  46. De Macedo Rodrigues, K., et al. A FreeSurfer-compliant consistent manual segmentation of infant brains spanning the 0-2 year age range. Front Hum Neurosci. 9, 21 (2015).
  47. Tadel, F., Baillet, S., Mosher, J. C., Pantazis, D., Leahy, R. M. Brainstorm: A user-friendly application for MEG/EEG analysis. Comput Intell Neurosci. 2011, 879716 (2011).
  48. Kane, N., et al. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clin Neurophysiol Pract. 2, 170-185 (2017).
  49. Lantz, G., et al. Propagation of interictal epileptiform activity can lead to erroneous source localizations: a 128-channel EEG mapping study. J Clin Neurophysiol. 20 (5), 311-319 (2003).
  50. Vorwerk, J., et al. A guideline for head volume conductor modeling in EEG and MEG. Neuroimage. 100, 590-607 (2014).
  51. Schrader, S., et al. DUNEuro-A software toolbox for forward modeling in bioelectromagnetism. PLoS One. 16 (6), e0252431 (2021).
  52. Ntolkeras, G., et al. Presurgical accuracy of dipole clustering in MRI-negative pediatric patients with epilepsy: Validation against intracranial EEG and resection. Clin Neurophysiol. 141, 126-138 (2022).
  53. David, O., Kilner, J. M., Friston, K. J. Mechanisms of evoked and induced responses in MEG/EEG. Neuroimage. 31, 1580-1591 (2006).
  54. Pantev, C. Evoked and induced gamma-band activity of the human cortex. Brain Topogr. 7 (4), 321-330 (1995).
  55. Fox, N. A., et al. Assessing human mirror activity with EEG mu rhythm: A meta-analysis. Psychol Bull. 142 (3), 291-313 (2016).
  56. Genzer, S., Ong, D. C., Zaki, J., Perry, A. Mu rhythm suppression over sensorimotor regions is associated with greater empathic accuracy. Soc Cogn Affect Neurosci. 17 (9), 788-801 (2022).
  57. Janmohamed, M., et al. Moving the field forward: detection of epileptiform abnormalities on scalp electroencephalography using deep learning-clinical application perspectives. Brain Commun. 4 (5), 218 (2022).
  58. Bagheri, E., Jin, J., Dauwels, J., Cash, S., Westover, M. B. A fast machine learning approach to facilitate the detection of interictal epileptiform discharges in the scalp electroencephalogram. J Neurosci Methods. 326, 108362 (2019).
  59. Thomas, J., et al. Automated detection of interictal epileptiform discharges from scalp electroencephalograms by convolutional neural networks. Int J Neural Syst. 30 (11), 2050030 (2020).
  60. Zijlmans, M., Zweiphenning, W., van Klink, N. Changing concepts in presurgical assessment for epilepsy surgery. Nat Rev Neurol. 15 (10), 594-606 (2019).
  61. Akiyama, T., et al. Focal resection of fast ripples on extraoperative intracranial EEG improves seizure outcome in pediatric epilepsy. Epilepsia. 52 (10), 1802-1811 (2011).
  62. Duncan, J. S., Winston, G. P., Koepp, M. J., Ourselin, S. Brain imaging in the assessment for epilepsy surgery. Lancet Neurol. 15 (4), 420 (2016).
  63. Jacobs, J., et al. High-frequency electroencephalographic oscillations correlate with outcome of epilepsy surgery. Ann Neurol. 67 (2), 209-220 (2010).
  64. Ricci, L., et al. Virtual implantation using conventional scalp EEG delineates seizure onset and predicts surgical outcome in children with epilepsy. Clin Neurophysiol. 139, 49-57 (2022).
  65. Stefan, H., Rampp, S. Interictal and Ictal MEG in presurgical evaluation for epilepsy surgery. Acta Epileptologica. 2, 11 (2020).
  66. Jahangiri, F. R., Chima, G. S., Pearson, M., Jackson, J., Siddiqui, A. A. Mapping of the language cortex. Cureus. 13 (5), e14960 (2021).
  67. Merrifield, W. S., Simos, P. G., Papanicolaou, A. C., Philpott, L. M., Sutherling, W. W. Hemispheric language dominance in magnetoencephalography: sensitivity, specificity, and data reduction techniques. Epilepsy Behav. 10 (1), 120-128 (2007).
  68. Wheless, J. W., et al. Magnetoencephalography (MEG) and magnetic source imaging (MSI). Neurologist. 10 (3), 138-153 (2004).
  69. Breier, J. I., Simos, P. G., Zouridakis, G., Papanicolaou, A. C. Lateralization of activity associated with language function using magnetoencephalography: a reliability study. J Clin Neurophysiol. 17 (5), 503-510 (2000).
  70. Pataraia, E., Baumgartner, C., Lindinger, G., Deecke, L. Magnetoencephalography in presurgical epilepsy evaluation. Neurosurg Rev. 25 (3), 141-159 (2002).
  71. Babajani-Feremi, A., et al. Language mapping using high gamma electrocorticography, fMRI, and TMS versus electrocortical stimulation. Clin Neurophysiol. 127 (3), 1822-1836 (2016).
  72. Brodbeck, V., et al. Electroencephalographic source imaging: a prospective study of 152 operated epileptic patients. Brain. 134, 2887-2897 (2011).
  73. Sohrabpour, A., et al. Effect of EEG electrode number on epileptic source localization in pediatric patients. Clin Neurophysiol. 126 (3), 472-480 (2015).
  74. Laohathai, C., et al. Practical fundamentals of clinical MEG interpretation in epilepsy. Front Neurol. 12, 722986 (2021).
  75. Corona, L., et al. Mapping functional connectivity of epileptogenic networks through virtual implantation. Proceedings of the Annu Int Conf IEEE Eng Med Biol Soc. 2021, 408-411 (2021).
  76. Corona, L., et al. Non-invasive mapping of epileptogenic networks predicts surgical outcome. Brain. 146 (5), 1916-1931 (2023).
  77. Rijal, S., et al. Functional connectivity discriminates epileptogenic states and predicts surgical outcome in children with drug resistant epilepsy. Sci Rep. 13 (1), 9622 (2023).
  78. Tamilia, E., et al. Noninvasive mapping of ripple onset predicts outcome in epilepsy surgery. Ann Neurol. 89 (5), 911-925 (2021).
  79. Matarrese, M. A. G., et al. Spike propagation mapping reveals effective connectivity and predicts surgical outcome in epilepsy. Brain. 146 (9), 3898-3912 (2023).

Play Video

Cite This Article
Corona, L., Rijal, S., Tanritanir, O., Shahdadian, S., Keator, C. G., Tran, L., Malik, S. I., Bosemani, M., Hansen, D., Shahani, D., Perry, M. S., Papadelis, C. Electromagnetic Source Imaging in Presurgical Evaluation of Children with Drug-Resistant Epilepsy. J. Vis. Exp. (211), e66494, doi:10.3791/66494 (2024).

View Video