Cartographie dynamique corticales à l'aide MEG / EEG simultanés et anatomique contrainte minimum-norm Budget: un exemple L'attention auditive

L'objectif général de cette procédure est de cartographier la dynamique corticale sous-jacente à différents états cognitifs humains. Cela est réalisé en premier lieu en capturant des données magnéto- et électroencéphalographiques, ou MEG et EEG en abrégé, pendant qu'un sujet effectue une tâche comportementale. La deuxième étape consiste à obtenir des données anatomiques à l'aide de séquences IRM appropriées.

Ensuite, une co-registration est effectuée afin d'établir une correspondance spatiale entre les emplacements des capteurs de MEG et d'EEG et les informations anatomiques. La dernière étape consiste à utiliser une approche d'imagerie inverse pour cartographier l'activité cérébrale d'un individu dans l'espace cortical. Enfin, une inférence statistique fondée sur un système de coordonnées surfacique commun est utilisée pour identifier des motifs spatio-temporels significatifs permettant de distinguer un état cognitif d'un autre.

La démonstration de la procédure sera effectuée par Eric Lawson et Ross Maddox. Pour les post-doctorants de mon laboratoire, commencez ce protocole par l'obtention d'images IRM structurales du sujet. Dans un premier temps, acquérez une coupe IRM structurelle en utilisant une séquence écho de gradient rapide préparée par aimantation, ou séquence MP rage, ou une séquence similaire.

Cette séquence peut prendre de cinq à dix minutes selon la résolution de numérisation spécifique et le protocole d'imagerie utilisé, si les données EEG doivent être utilisées pour une analyse d'imagerie inverse. Acquérir également deux séquences IRM de type « fast low angle shot » ou « flash ». Ces séquences « flash » fournissent un contraste tissulaire différent de celui des séquences MP rage standard.

Une fois l'acquisition d'images terminée, utilisez les logiciels MNE et FreeSurfer pour reconstruire les surfaces externe du crâne, interne du crâne et de la peau à partir des images MP RAGE et FLASH. Utilisez ensuite ces surfaces pour générer un modèle à éléments de frontière à trois couches (BEM) avant l'expérience de MEG. Testez d'abord les latences auditives et visuelles afin de garantir l'intégrité temporelle.

Utilisez un microphone et un DDE photo fixé à l'écran, puis assurez-vous qu'aucun tremblement observable n'est présent. Cela peut nécessiter de régler le projecteur de présentation sur sa résolution native. Ensuite, préparez le sujet en vue de l'enregistrement, en vous référant à l'article vidéo précédent de luital pour les détails concernant la préparation de l'électrogramme et de l'électrode de référence, ainsi que la numérisation des repères fiduciaires du sujet, des bobines indicatrices de la position de la tête et des électrodes d'EEG.

Une fois que le sujet est confortablement installé dans la position de mesure MEG, en utilisant l'indicateur de position de la tête ou les bobines HPI, commencez l'enregistrement et la présentation des stimuli auditifs et visuels. Remarque : les mesures HPI peuvent également être effectuées en continu. Le sujet doit répondre aux stimuli auditifs et visuels à l’aide d’un boîtier de boutons optiques tout en réalisant une tâche comportementale audiovisuelle.

Ici, le sujet signale le rayon et le chiffre provenant de l'hémichamp indiqué par l'indice visuel. Parfois, les sujets reçoivent une indication visuelle les invitant à déplacer leur attention vers l'hémichamp controlatéral en milieu d'essai. Pour étudier le changement d'attention auditive, de nombreuses solutions matérielles et logicielles sont disponibles pour présenter les stimuli.

Ici, le système Tucker Davis Technologies RZ6 est utilisé pour la présentation des stimuli auditifs et le marquage des déclencheurs, tandis que Psychtoolbox gère la présentation des stimuli visuels, le tout contrôlé par Matlab. Pour commencer le traitement des données, effectuez la coregistration des données EEG avec l'IRM structurelle à l'aide du logiciel MNE, comme illustré ici : chargez d'abord les données du numériseur dans le modèle de tête IRM reconstruit du sujet. Ensuite, sélectionnez des repères fiduciaires pour initier le processus de coregistration, puis procédez à l'alignement automatique afin de finaliser la transformation des coordonnées.

Ensuite, associer la position de chaque dipôle dans l'espace source à la position de chaque capteur. Combiner les données enregistrées de l'indicateur de position de la tête pour calculer une solution directe à l'aide d'un modèle à éléments de frontière à trois couches, afin d'améliorer davantage le rapport signal sur bruit des données. Appliquer une suppression des artefacts dans le domaine temporel, comme l'élimination des épisodes contenant des signaux d'amplitude anormalement élevée dus à des pics sur un canal.

Appliquez également une suppression des artefacts dans le domaine fréquentiel, comme un filtrage coupe-bande à 50 ou 60 hertz pour éliminer la fréquence de ligne, ou utilisez la projection dans l'espace du signal ou d'autres techniques de réduction du bruit telles que la séparation dans l'espace du signal afin de projeter ou de séparer les motifs de champ spatial provenant de contaminations par des champs environnementaux ambiants ou d'autres signaux physiologiques indésirables, tels que ceux associés aux clignements oculaires et aux artefacts cardiaques. Générez ensuite un film cérébral de l'estimation des dipôles distribués, correspondant à l'estimation du courant à chaque emplacement de dipôle dans l'espace source au cours du temps, pour chaque condition expérimentale. Selon les caractéristiques temporelles du plan expérimental, les données peuvent être regroupées dans le temps en moyennant les estimations de courant à l'aide de fenêtres temporelles non superposées afin de poursuivre l'analyse morphologique.

Les films cérébraux précédemment créés pour chaque sujet sont projetés sur un espace cortical commun basé sur un système de coordonnées surfacique qui aligne de manière optimale les patrons corticaux individuels. Cela permet la comparaison ou la moyenne des activités corticales entre sujets. Pour adopter une approche par région d'intérêt, les ROI peuvent être définies anatomiquement, par exemple à l'aide d'un algorithme de parcellisation automatique, ou fonctionnellement en enregistrant une tâche de localisation fonctionnelle telle qu'une tâche de type « go/no-go » afin d'identifier les régions oculomotrices. L'analyse peut en outre être restreinte à une période temporelle spécifique pertinente par rapport au paradigme expérimental utilisé, par exemple en la limitant à une période immédiatement avant et après l'apparition des stimuli sonores.

D'autres inférences statistiques associées à l'analyse de séries chronologiques peuvent également être utilisées à l'aide du paradigme comportemental décrit ci-dessus. Nous observons ici des résultats représentatifs obtenus à l'aide de la procédure non paramétrique de regroupement spatiotemporel. Le champ frontal oculaire droit s'avère significatif lorsqu'un sujet effectue une tâche de réorientation par rapport à une tâche standard.

En utilisant l'approche des régions d'intérêt, le cours temporel du champ oculaire frontal droit est présenté, accompagné de la période temporelle pendant laquelle ces deux conditions diffèrent de manière significative. Après avoir visionné cette vidéo, vous devriez avoir une bonne idée de la manière d'utiliser la M-E-G-E-E-G et l'IRM pour cartographier la dynamique corticale dans différentes tâches comportementales. En employant des approches statistiques appropriées, vous pouvez découvrir différents schémas spatiotemporels permettant de distinguer entre des états cognitifs.

Merci d'avoir regardé et bonne chance avec les expériences.