24 października 2012
Wykorzystujemy magnetoencefalografię i elektroencefalografię (MEG/EEG), w połączeniu z informacjami anatomicznymi uzyskanymi za pomocą obrazowania rezonansem magnetycznym (MRI), aby zmapować dynamikę sieci korowej związanej z uwagą słuchową.
Ogólnym celem niniejszej procedury jest mapowanie dynamiki kory mózgowej leżącej u podstaw różnych stanów poznawczych u ludzi. Osiąga się to najpierw poprzez rejestrację danych magnetoencefalograficznych i elektroencefalograficznych, w skrócie MEG i EEG, podczas gdy badany wykonuje zadanie behawioralne. Drugim krokiem jest uzyskanie danych anatomicznych przy użyciu odpowiednich sekwencji MRI.
Następnie przeprowadzana jest ko-rejestracja w celu ustalenia odpowiedniości przestrzennej między położeniem czujników MEG i EEG a informacjami anatomicznymi. Ostatnim krokiem jest zastosowanie metody obrazowania odwrotnego w celu zmapowania aktywności mózgu danej osoby na przestrzeń korową. Ostatecznie, wnioskowanie statystyczne oparte na wspólnym systemie współrzędnych powierzchniowych służy do wykrycia istotnych czasowo-przestrzennych wzorców odróżniających jeden stan poznawczy od drugiego.
Procedurę zademonstrują Eric Lawson i Ross Maddox. Dla stażystów podoktorskich w moim laboratorium: rozpocznij ten protokół od wykonania strukturalnych obrazów MR badanego obiektu. Najpierw wykonaj strukturalne skanowanie MR, wykorzystując sekwencję szybkiego echa gradientowego z przygotowaniem namagnesowania (MP-RAGE) lub sekwencję podobną.
Ta sekwencja może potrwać od pięciu do 10 minut, w zależności od zastosowanej rozdzielczości skanowania i protokołu obrazowania, jeśli dane EEG zostaną wykorzystane do analizy obrazowania odwrotnego. Należy również wykonać dwa szybkie skany MRI w technice fast low angle shot lub FLASH. Sekwencje FLASH te zapewniają inny kontrast tkanek niż standardowe sekwencje MP rage.
Po zakończeniu obrazowania należy użyć oprogramowania MNE oraz FreeSurfer, aby zrekonstruować powierzchnie zewnętrzną skóry, czaszki oraz wewnętrznej czaszki na podstawie obrazów MP-RAGE i FLASH. Następnie, przed eksperymentem MEG, należy wykorzystać te powierzchnie do wygenerowania trójwarstwowego modelu elementów brzegowych (BEM). W pierwszej kolejności należy przetestować opóźnienia słuchowe i wzrokowe w celu zapewnienia integralności czasowej.
Użyj mikrofonu i urządzenia DDE do zdjęć przymocowanego do ekranu, a następnie upewnij się, że nie występuje widoczne drżenie (jitter). Może to wymagać ustawienia projektora prezentacyjnego na jego natywną rozdzielczość. Następnie przygotuj badanego do nagrania, odwołując się do poprzedniego artykułu wideo autorstwa luital w celu uzyskania szczegółowych informacji na temat przygotowania elektrod do elektrogramu i elektrod referencyjnych, a także digitalizacji punktów orientacyjnych badanego, cewek wskaźnika pozycji głowy oraz elektrod EEG.
Gdy badany zostanie wygodnie posadzony w pozycji głowy do pomiaru MEG, z wykorzystaniem wskaźnika pozycji głowy lub cewek HPI, należy rozpocząć rejestrację oraz prezentację bodźców słuchowych i wzrokowych. Należy pamiętać, że pomiary HPI mogą być również wykonywane w sposób ciągły. Badany powinien odpowiadać na bodźce słuchowe i wzrokowe za pomocą optycznego panelu przycisków podczas wykonywania audiowizualnego zadania behawioralnego.
W tym etapie badany wskazuje szprychę i cyfrę pochodzące z pola widzenia zgodnie z wcześniejszą wskazówką wizualną. Sporadycznie badani otrzymują wizualny sygnał do przeniesienia uwagi na przeciwległe pole widzenia w trakcie trwania próby. W celu badania przełączania uwagi słuchowej dostępne jest wiele rozwiązań sprzętowych i programowych umożliwiających prezentację bodźców.
W niniejszym przypadku do prezentacji bodźców słuchowych i stemplowania wyzwalaczy wykorzystano system Tucker Davis Technologies RZ six, natomiast do prezentacji bodźców wzrokowych użyto biblioteki psych toolbox, przy czym oba systemy były sterowane przez program matlab. Aby rozpocząć przetwarzanie danych, należy przeprowadzić korejestrację danych EEG z obrazem strukturalnym MR przy użyciu oprogramowania MNE, jak pokazano tutaj: najpierw załaduj dane z digitatyzera do zrekonstruowanego modelu głowy MRI badanego pacjenta. Następnie wybierz punkty orientacyjne (fiduciary landmarks), aby zainicjować proces korejestracji, a potem zastosuj procedurę automatycznego dopasowania, aby zakończyć transformację współrzędnych.
Następnie należy powiązać położenie każdego dipola w przestrzeni źródła z położeniem każdego czujnika. Połącz dane wskaźnika pozycji głowy, aby obliczyć rozwiązanie przekrojowe (forward solution) z wykorzystaniem trójwarstwowego modelu elementów brzegowych w celu dalszego zwiększenia stosunku sygnału do szumu. Zastosuj usuwanie artefaktów w dziedzinie czasu, takie jak usuwanie epizodów zawierających sygnały o nienaturalnie wysokiej amplitudzie wynikające z wystąpienia skoków napięcia w kanale.
Należy również zastosować usuwanie artefaktów w dziedzinie częstotliwości, takie jak filtrowanie pasmowo-zaporowe dla częstotliwości sieci 50 lub 60 Hz, wykorzystać projekcję przestrzeni sygnałów lub inne techniki redukcji szumów, takie jak separacja przestrzeni sygnałów, aby wyprojektować lub odseparować przestrzenne wzorce pola z zakłóceń środowiskowych lub innych niepożądanych sygnałów fizjologicznych, takich jak te związane z mrugnięciami oczu i artefaktami kardiologicznymi. Następnie należy wygenerować „film mózgu” (brain movie) szacunków rozproszonych dipoli, przedstawiający aktualne szacunki w każdej lokalizacji dipola w przestrzeni źródłowej w czasie dla każdego warunku eksperymentalnego. W zależności od charakterystyki czasowej projektu eksperymentalnego, dane mogą zostać zagregowane w czasie poprzez uśrednianie aktualnych szacunków przy użyciu niepokrywających się okien czasowych w celu kontynuowania analizy morfologicznej.
Wcześniej utworzone filmy z aktywności mózgu dla każdego badanego przeniesiono do wspólnej przestrzeni korowej w oparciu o system współrzędnych powierzchniowych, który optymalnie dopasowuje indywidualne wzorce struktur korowych. Pozwala to na porównanie lub uśrednienie aktywności korowej między badanymi. W podejściu opartym na obszarach zainteresowania (ROI), ROI mogą być zdefiniowane anatomicznie, na przykład za pomocą automatycznego algorytmu parcelizacji, oraz/lub funkcjonalnie poprzez rejestrację zadania lokalizacyjnego, takiego jak zadanie go/no-go, w celu zidentyfikowania obszarów okulomotorycznych. Analizę można dodatkowo ograniczyć do konkretnego przedziału czasowego, odpowiedniego dla zastosowanego paradygmatu eksperymentalnego, na przykład do okresu bezpośrednio przed i po wystąpieniu bodźców dźwiękowych.
W ramach opisanego powyżej paradygmatu behawioralnego można zastosować również inne wnioskowanie statystyczne związane z analizą szeregów czasowych. Przedstawione tutaj reprezentatywne wyniki uzyskano przy użyciu nieparametrycznej procedury klastrowania czasowo-przestrzennego. Wykazano, że prawe przednie pole oczne jest istotne, gdy badany wykonuje zadanie reorientacji w porównaniu z zadaniem standardowym.
Z zastosowaniem podejścia ROI przedstawiono przebieg czasowy prawego przedniego pola ocznego wraz z okresem czasu, w którym te dwa warunki znacząco się od siebie różnią. Po obejrzeniu tego filmu powinni Państwo mieć dobre wyobrażenie o tym, jak wykorzystać M-E-G-E-E-G oraz MRI do mapowania dynamiki kory w różnych zadaniach behawioralnych. Stosując odpowiednie podejścia statystyczne, można odkryć różne czasowo-przestrzenne wzorce pozwalające odróżnić poszczególne stany poznawcze.
Dziękujemy za oglądanie i życzymy powodzenia w przeprowadzaniu eksperymentów.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
To badanie wykorzystuje magneto- i elektroencefalografię (MEG/EEG) w połączeniu z rezonansem magnetycznym (MRI) w celu zbadania kortykalnej dynamiki związanej z uwagowością słuchową. Integracja tych technik pozwala na kompleksowe mapowanie aktywności mózgu podczas zadań poznawczych.
Mapping cortical dynamics with MEG/EEG and MRI enables high-temporal-resolution investigation of cognitive states relevant to neuropsychiatric target validation. This approach supports mechanistic de-risking by linking distributed neural activity to behavioral phenotypes in disease-relevant systems. It provides predictive confidence for target engagement assays by identifying spatiotemporal biomarkers of cognitive dysfunction.
The method integrates into discovery biology through hypothesis testing of cortical networks, advances to screening via reproducible neurophysiological readouts, and supports translational research via group-level statistical inference in a common cortical space.