JoVE Logo
发表
联系我们

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

本文介绍了一种脑电图-fmri 多模态成像方法, 称为时空 fmri 约束脑电图源成像方法。所提出的方法采用有条件的功能磁共振成像子图, 或先验, 以提高空间特异性和限制错误结果的方式引导脑电图源定位。

摘要

脑电图 (EEG) 和功能磁共振成像 (fMRI) 是两种基本的无创方法, 以识别大脑活动。多模方法试图将 EEG 的高时间分辨率与 fMRI 的空间精度结合起来, 但这种方法的复杂性目前需要改进。本协议介绍了最近开发的时空 fmri 约束脑电图源成像方法, 旨在纠正源偏差, 通过动态招聘功能磁共振成像的亚区域来改善脑电图-fMRI 源定位。该过程从并发脑电图和 fmri 扫描的多式数据收集、3D 皮层模型的生成以及独立的脑电图和 fmri 处理开始。根据它们的位置和周围区域, 经过处理的 fMRI 激活图将被分成多个先验。这些都被作为先验的两级递归贝叶斯算法的脑电图源定位。对于每个感兴趣的窗口 (由操作者定义), fMRI 激活图的特定部分将被确定为活动, 以优化称为模型证据的参数。这些将被用于对已确定的皮质活动的软约束, 通过减少交叉交谈和避免其他有条件活跃的 fMRI 区域的错误活动, 增加多式成像方法的特异性。该方法生成活动和时间课程的皮质图, 可作为最终结果, 或用作进一步分析的基础 (相关性、因果关系等), 而方法受其方式的限制 (它不会发现EEG-隐形源), 它广泛兼容于大多数主要的处理软件, 适合大多数神经影像学研究。

引言

脑电图 (EEG) 和功能性磁共振成像 (fMRI) 可以被视为具有互补功能的神经影像学模式。FMRI 捕捉大的时间尺度的大脑活动, 因为血流动力学信号间接测量的基础神经元活动与一个糟糕的时间分辨率 (在秒的顺序)1,2。与此相反, EEG 直接测量大脑的动态电生理活动, 具有很高的时态分辨率 (毫秒级), 但空间分辨率为3,4。这些特性导致了多模式方法, 旨在优化每个方法5的有利方面。同时使用脑电图和 fmri, 使脑电图的最佳时间分辨率与高功能磁共振成像的空间准确性相结合, 以克服与单一功能磁共振成像或脑电图相关的局限性。

脑电图和 fmri 集成的方法始于 fmri 消息灵通的脑电图源定位6,7。该技术利用 fmri 衍生的空间信息来改善 EEG 源定位, 但其中一个缺点是功能磁共振成像作为 "硬约束"-fmri 源空间信息所引起的潜在空间偏差, 被认为是绝对真理。这构成了两个必须调和6-8的大问题。首先, 必须考虑的是, 使用静态的血氧水平依赖性 (大胆) 对比图可能会无意中加强任何属于它的错误活动, 而在它之外的真正活动的阻尼。第二, 在大胆的激活图之外发生的来自源的串扰可能会影响结果中真实活动的呈现或导致错误的活动。尽管如此, 利用高空间分辨率的 fMRI 提供先验空间知识仍然是一个有利的解决方案5, 因为脑电图反问题的建模可以被限制在解剖和功能感官。

在本文中, 我们演示了一种时空 fmri 约束脑电图源成像方法, 解决了脑电图与 fmri 的时间不匹配问题, 通过计算基于层次贝叶斯模型9的 fMRI 先验的最佳子集。fmri-先验是以数据驱动的方式计算的, 从特定的窗口感兴趣的脑电图数据, 导致时变的 fMRI 限制。该方法利用 EEG 的高时间分辨率来计算皮层活动的电流密度图, 并通过 fMRI 的高空间分辨率在时变、空间选择的情况下准确地预测动态神经活动。

研究方案

这里提出的议定书是根据休斯顿大学和休斯顿卫理公会研究所各机构审查委员会所规定的道德人类研究准则设计和执行的。

1. 同步脑电图/fMRI 记录

  1. 获得参加者的知情同意。向参加者解释研究的目的和程序, 以及同步脑电图/fMRI 数据记录过程的重要安全措施。
  2. 在 MRI 扫描室外准备脑电图帽和检查阻抗。
    1. 放置一个适当大小的, 被动的, MRI 兼容的脑电图帽上的主题的头部。根据10–20国际标签系统10定位电极。
    2. 在 EEG 记录软件上, 检查接地阻抗和参考电极。为此, 请单击 "阻抗" 选项卡, 然后在软件用户界面上选择电极类型 (见图 1)。
      注意: 这里的确切说明是特定于此处使用的软件 (见材料表), 可能需要适应其他系统。
    3. 对于每一个电极, 使用注射器注入电解质凝胶进入电极, 然后使用棉签来传播凝胶, 以确保皮肤电极接触。
      1. 随着阻抗的降低, 继续使用适当的软件 (根据设置调整阻抗刻度) 来监视阻抗电平 (见图 1)。继续, 直到所有电极达到阻抗水平低于 10 kΩ, 以确保一个高质量的信号。
        注: 根据此处列出和使用的材料, 在 MR-环境11中, 具有阻抗级别超过 50 kΩ的任何电极被认为是不安全的。这可能会根据选择的 cap 和 mri 设置的设计而改变, 因此请与设备制造商和 mri 技术专家协商, 以确保实验装置的安全性。
  3. 同时脑电图/fMRI 硬件设置。
    1. 一旦脑电图盖准备完成, 让主题移动到 MR 扫描仪与硬件设置描述在图 2。
      注意: 图形的某些细节可能会发生变化, 具体取决于所使用的系统。
    2. 建立实验范式显示。使用位于观察室中的监视器, 在面对 MR 扫描仪前面的玻璃窗口后面 (参见图 2)。使用头部线圈观察镜, 使受试者可以查看显示器屏幕, 而不移动他们的头或眼睛, 而躺下。
    3. 在计算机屏幕上显示一个示例图像, 以确保主题可以轻松地查看屏幕, 并且该范例将正确显示。进行必要的硬件或软件调整。
  4. 实验范式 (见图 3).
    1. 指导主体保持静止, 并进行初步 T1-weighted 解剖 MRI 扫描。如果可能的话, 使用从小脑底部到头部顶端的视野, 包括头骨和皮肤。
    2. 开始记录脑电图数据 (见图 4)。
    3. 同时单击相应的按钮开始 MRI 记录, 并启动演示软件感兴趣的范例。检查脑电图数据记录以确保信号质量, 并在需要时记录适当的标记。
      1. 使用此处描述的设置时, 请先单击演示软件中的 "运行", 然后输入主题编号和试用编号。该范式将在确认这些设置时启动。
        注: 这里使用的范式包括10项试验, 在这些实验中, 通过视觉刺激诱发情绪驱动的运动反应。每次试验中, 受试者被要求先休息五十年代观看绿色屏幕, 在之后一个不愉快的图片 (对应于惊奇、愤怒或反感的图片) 或不愉快 (对应于幸福或中立的图片) 面对12是十年代提出的. 五张图片从每个类别被提出随机顺序, 并且被要求的对象在辨认面孔是不愉快的时挤压球, 并且保持挤压直到它消失。
      2. 使用梯度召回的回声平面成像 (GR) 序列的 fMRI 记录 (推荐);自定义以适应设备和范例。
        注: 所用序列包括: 回波时间 (TE) = 35 毫秒;重复时间 (TR) = 1500 毫秒;切片厚度 = 5 毫米;翻转角度 = 90 °;像素间距: 2.75 毫米 x 2.75 毫米。可能需要使用比范式本身的显示稍长的 MRI 序列, 以确保记录完整的范式而不进行剪辑。

2. 结构磁共振数据分析和前向模型生成

  1. 应用 Freesurfer 图像分析套件13,14, 对 T1-weighted 解剖 MRI 体积的各种曲面进行完整的分割和重建。
    注意: 包含所有分割输出的文件夹将由 Freesurfer 生成。
  2. 根据 (https://martinos.org/mne/dev/manual/appendix/bem_model.html)15提供的说明生成特定于主题的3层边界元方法 (边界元) 几何模型使用可用的图形用户界面 (GUI) 来确保层中没有重叠。
    1. 打开 Freeview 应用程序。单击 "文件" > > "加载面"。导航到 "Freesurfer" 文件夹中的 "主题" 目录。打开 "边界元" 文件夹。打开 "分水岭" 文件夹。加载此处找到的四文件 ("outer_skin_surface"、"outer_skull_surface"、"brain_surface" 和 "inner_skull_surface")。
    2. 移动切片选择滑块, 并在黄色曲面图层中查找重叠。如果发生重叠, 请检查 MRI 数据中的解剖缺陷或错误, 并使用 GUI 绘图工具来澄清图层。
      1. 通过单击 "文件" > > "加载卷", 加载 Freeview 应用程序中的原始 MRI 数据。导航到 "主题" 文件夹并打开 "mri" 文件夹。然后点击 "orig" 目录, 打开在那里找到的结构核磁共振数据 (应该在. mgz 或. nii 格式)。单击 "确定"。
      2. 查看头部的灰度图像。看看大脑周围的灰色和黑色的不同层。确保这些层没有任何缺口或不规则。使用 "拾色器" 工具, 从要改正的图层中选取一个体素。
      3. 切换到 "手绘体素编辑", 并单击以绘制图像。使用此填充 MRI 图像中的任何缺陷。对出现缺陷的所有层和 MRI 切片执行校正。
        注意: "Polywire" 和 "Livewire" 体素编辑工具也可以用来代替 "手绘"。
  3. 基于脑膜曲面的几何生成源空间。
  4. 使用 Freesurfer 头模型叠加 (图 5) 对 MRI 空间执行特定于主题的脑电图传感器对齐 (例如, 平移和旋转)。保存转换。
    1. 打开 MNE_analyze 应用程序。点击 "文件" > > "加载面"。导航到包含主题数据的文件夹并加载脑膜曲面。
    2. 单击 "文件" > ">" 加载数字化仪数据并选择感兴趣的 EEG 文件 (应包含数字化仪数据)。单击 "查看" > > "显示查看器"。出现查看器 GUI 后, 单击 "选项", 确保选择 "头皮" 和 "数字化仪数据" 选项。这里的电极以红色显示, 基准点为黄色。
    3. 在主窗口 (而不是查看器) 上, 选择 "调整" > > "坐标对齐"。使用 "坐标对齐 GUI", 使用箭头和 L/R 按钮在查看器中移位和旋转脑电图电极。调整尽可能多的必要。完成对齐后, 单击 "坐标对齐 GUI" 底部的 "保存..." 以保存对齐方式。
      注意: 通常, 在整个头皮上均匀分布的电极需要良好的基准对准。
  5. 通过提供特定于主题的边界元模型、源空间和基于15的脑电信号传感器转换, 生成前向模型。

3. 功能磁共振成像数据分析

  1. 使用一般线性模型 (GLM) 方法执行一级 (个别主题) fMRI 统计分析, 获取感兴趣任务的粗体激活图。使用 Freesurfer 组分析管道中内置的基于群集的方法, 为必要的多项比较更正16。
  2. 对所有主题进行组级分析 (如果需要), 以获取标准空间中所有主题 (MNI 或 Talairach) 的粗体激活映射。
    注: 牛津大学大脑功能磁共振成像中心 (FMRIB) 软件库 (FSL)17和功能 Neuroimages (AFNI)18软件包分析两种方法都允许分析在同一表面产生的 fMRI 数据。Freesurfer, 使其便于后续分析。
  3. 使用 tksurfer 可视化工具通过加载 fMRI 激活映射 (个人级别和组级别) 来执行感兴趣区域 (ROI) 标识, 并设置所需的罗斯福更正阈值19 (p < 0.05 在这里使用).
    注意: 从单个级别的激活映射中识别出来的 ROIs 将作为后续源定位的特定于 fMRI 的空间先验。
    1. 利用 fMRI 激活图在灰物质层, 提取表面补丁使用连接标记算法。
      注: 本例中使用了 Dulmage-门德尔松分解。
    2. 根据预定义的脑地图集的标签进一步分叉补丁, 以便覆盖多个区域的任何活动补丁被拆分。
      注: 这里使用的地图集是 DKT40 地图集20 (可从 Freesurfer)21。地图集可以根据实验偏好进行专门或选择。
  4. 将获得的组级 ROIs (当前在标准空间中) 的项目返回到每个主题的各个源空间。在完成单个主体的结构 MRI 分割 (步骤 2.1) 后, 在主题的 "冲浪" 文件夹中, lh.sphere.reg 和 rh.sphere.reg 文件中提供了主题和标准空间之间的坐标转换。Freesurfer 输出文件夹。
    注: 所有科目将因此共享同一组 ROIs, 但在他们自己的具体模式。如图6所示的 fMRI 结果和结果 ROIs 的例子。

4. 脑电图数据分析

注: 本节中的详细信息可能特定于所使用的软件 (有关详细信息, 请参阅材料表)。如果使用不同的软件包, 请参阅相应的文档。

  1. 通过模板减法执行扫描仪渐变工件更正。为此, 单击 "特殊信号处理" 菜单中的 "MR 更正" 按钮, 然后在 EEG 分析软件 GUI 中选择适当的参数 (见图 7)。输入适当的参数到选定的扫描仪序列和实验设计。
    注意: 主要参数包括: mri 扫描的重复时间 (TR)、扫描类型 (交错或连续)、MRI 体积标记 (或渐变检测方法和渐变触发器)、校正通道和工件模板。
  2. 通过模板减法删除 cardioballistic 工件。为此, 单击 "特殊信号处理" 菜单中的 "CB 更正" 按钮, 并在分析软件 GUI 中选择适当的参数。
    注: 此处所需参数包括最小和最大心率、工件模板、心电图通道、模板相关性以及校正通道。
  3. 应用过滤。在 "数据过滤" 下, 选择分析 GUI 顶部的 IIR 过滤按钮。例如, 应用高通在 0.05 hz, 低通在40赫兹和一个凹槽过滤器在电源线频率 (60 Hz), 与一滚出48分贝/赫兹。
    注: 在40赫兹的截止频率下应用低通滤波器时, 60 赫兹凹槽过滤器不是严格必要的, 但它被用作防止任何残余的电力线频率, 因为在过滤器边缘上的滚出可能会幸存下来。
  4. 执行眼部工件校正, 在分析 GUI 的顶部: 选择 "转换" > > "工件拒绝/减少" > > "眼部矫正 ICA"。
  5. 根据指定的前、后刺激时间, 将 EEG 数据分割成世纪, 并对事件计时标记进行细分。为此, 选择 "转换" > > "段分析函数" > > "分割", 然后选择感兴趣的标记和感兴趣的时间段。
    注意: 分割长度应选择适合的范式和预期的大脑活动的兴趣。
  6. 执行手动或半自动工件拒绝: 选择 "转换" > > "工件拒绝/还原" > > "工件拒绝"。出现提示时, 在 gui 的三选项卡中定义工件的条件, 并按照 gui 的指示进行操作。
    1. 在 "检查方法" 选项卡中, 选择 "自动"、"半自动" 或 "手动选择工件" (建议使用半自动模式)。然后选择 "标记" 或 "删除工件", 并指定更正是否用于单个通道。
    2. 在 "通道选择" 选项卡中, 选择将为工件更正的通道。
    3. 在 "条件" 选项卡中, 选择将识别工件的依据。在这里做选择, 以适应实验需要。选择条件后单击 "确定", 工件将根据选择进行识别和/或拒绝。
  7. 执行基线校正和试平均 (如果适用)。
    1. 要执行基线更正: 选择 "转换" > > "细分分析函数" > > "基线校正"。平均分段数据: 选择 "转换" > > "细分分析函数" > > "平均值"。

5. 时空 fMRI 约束-如源成像

  1. 定义窗口大小和窗口重叠大小 (默认设置要求40毫秒窗口大小与 50% (20 毫秒) 重叠)。
  2. 选择特定于主题的 ROIs 集 (在步骤3中获得) 作为空间先验集。对于每个 EEG 段, 算法将估计一组权重的空间先验子集最大化的模型证据, 并据此计算源协方差矩阵。
  3. 利用产生的源协方差矩阵, 对所分析的脑电图段进行源定位, 产生源电流密度结果。
  4. 对所有 EEG 段执行步骤5.2 和 5.3, 如有必要, 将所有时间段的当前密度结果汇总为一个完整的电流密度时间-路线, 方法是平均重叠部分。
    注意: 这一步将导致在步骤2.3 中定义的每个源点上有一个电流密度时间--皮质活动的过程 (这个数字通常是以成千上万的顺序排列) (图 8)。
  5. 提取代表电流密度时间-路线在每个 ROIs。
    1. 从 ROI 中的多个源点到单个信号时间段中, 选择用于汇总时间路线的首选方法: 平均值、第一 eigenvariate等.
  6. 对所有主题重复步骤5.1 到5.5。

结果

EEG 源定位的基本层次涉及求解正反问题。生成和解决正向问题所需的组件如图 5C所示。使用主题特定的 T1 图像, 三层-大脑, 头骨和皮肤-被分割和网状。这些层充当了生成边界元模型的输入。同样, 主体的灰物质层从结构 MRI 中分割出来, 用于构造源空间。脑电图传感器的位置是共同注册到头部模型使用了一系列刚性几何变换。在构造时, ?...

讨论

我们在这里展示了使用时空 fmri 约束源分析方法进行脑电图/fMRI 综合分析的必要步骤。脑电图和 fMRI 已经成为无创性影像脑活动的基本方法, 虽然他们在各自的空间和时间的分辨率面临困难。虽然已开发方法来充分利用各方面的有利特性, 但目前的 fmri 约束脑电图源定位方法往往依赖于简单的 fmri 约束, 这可能受到偏见和串扰, 限制空间的准确性 (例如, 如果真实的活动发生在 mri 图之外, 静态...

披露声明

作者没有什么可透露的。

致谢

这项工作得到了 NIH DK082644 和休斯顿大学的部分支持。

材料

NameCompanyCatalog NumberComments
BrainAmp MR PlusBrain ProductsAmplifiers for EEG recording, MR-compatible
BrainAmp ExG MR Brain ProductsAmplifier for auxilary sensor (EMG), MR-compatible
BrainAmp Power PackBrain ProductsProvide power to amplifiers in the MR environment
Ribbon CablesBrain ProductsConnects the Power Pack to Amplifiers
SyncBoxBrain ProductsSynchronize MR scanner clock with EEG amplifier clock
BrainCap MRBrain ProductsPassive-electrode 64-channel EEG cap, MR-compatible
BrainVision RecorderBrain ProductsEEG data recording software (steps 1.2-1.4.2)
BrainVision Analyzer 2.0Brain ProductsEEG analysis software (steps 4.1-4.6)
USB 2 Adapter (also known as BUA)Brain ProductsInterface between the amplifiers and data acquisition computer
Fiber Optic CablesBrain ProductsConnects the EEG cap in the MR scanner to the Recording Computer
SyncBox Scanner InterfaceBrain ProductsSynchronize MR scanner clock with EEG amplifier clock
Trigger CableBrain ProductsUsed to send scanner/paradigm triggers to the recording computer
ABRALYT HiCl EEG Electrode GelEasyCapAbrasive EEG gel for passive electrode in MR environment
Ingenia 3.0T MR systemPhilips3.0 T MRI system
Patriot DigitizerPolhemusEEG channel location digitization 
MATLAB r2014aMathWorksProgramming base for the DBTN algorithm (steps 3.3-3.4 and 5.1-5.7)
Pictures of Facial AffectPaul Eckman GroupA series of emotionally valent faces used as stimuli
E-Prime 2.0Psychology Software Tools, IncPresentation Software (step 1.4.3)
Bipolar skin EMG electrodeBrain ProductsUsed to detect muscle activity.
POLGUIMATLAB software for digitization
FreesurferSoftware used in steps 2.1-2.4, and steps 3.1-3.2
MNESoftware used in step 2.5

参考文献

  1. Belanger, M., Allaman, I., Magistretti, P. J. Brain energy metabolism: focus on astrocyte-neuron metabolic cooperation. Cell Metab. 14 (6), 724-738 (2011).
  2. Logothetis, N. K. The underpinnings of the BOLD functional magnetic resonance imaging signal. J Neurosci. 23 (10), 3963-3971 (2003).
  3. Michel, C. M., et al. EEG source imaging. Clin Neurophysiol. 115 (10), 2195-2222 (2004).
  4. Ramon, C., Schimpf, P. H., Haueisen, J. Influence of head models on EEG simulations and inverse source localizations. Biomed Eng Online. 5, 10 (2006).
  5. Mosher, J. C., Spencer, M. E., Leahy, R. M., Lewis, P. S. Error bounds for EEG and MEG dipole source localization. Electroencephalogr Clin Neurophysiol. 86 (5), 303-321 (1993).
  6. Hamalainen, M. S., Ilmoniemi, R. J. Interpreting magnetic fields of the brain: minimum norm estimates. Med Biol Eng Comput. 32 (1), 35-42 (1994).
  7. Pascual-Marqui, R. D. Review of methods for solving the EEG inverse problem. International journal of bioelectromagnetism. 1 (1), 75-86 (1999).
  8. Rosa, M. J., Daunizeau, J., Friston, K. J. EEG-fMRI integration: a critical review of biophysical modeling and data analysis approaches. J Integr Neurosci. 9 (4), 453-476 (2010).
  9. Nguyen, T., et al. EEG Source Imaging Guided by Spatiotemporal Specific fMRI: Toward an Understanding of Dynamic Cognitive Processes. Neural Plast. 2016, 10 (2016).
  10. Klem, G. H., Luders, H. O., Jasper, H. H., Elger, C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  11. Mullinger, K. J., Castellone, P., Bowtell, R. Best current practice for obtaining high quality EEG data during simultaneous FMRI. J Vis Exp. (76), (2013).
  12. Ekman, P., Friesen, W. V. . Pictures of Facial Affect. , (1976).
  13. Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. Neuroimage. 9 (2), 179-194 (1999).
  14. Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. Neuroimage. 9 (2), 195-207 (1999).
  15. Gramfort, A., et al. MNE software for processing MEG and EEG data. Neuroimage. 86, 446-460 (2014).
  16. Hagler, D. J., Saygin, A. P., Sereno, M. I. Smoothing and cluster thresholding for cortical surface-based group analysis of fMRI data. Neuroimage. 33 (4), 1093-1103 (2006).
  17. Jenkinson, M., Beckmann, C. F., Behrens, T. E., Woolrich, M. W., Smith, S. M. Fsl. Neuroimage. 62 (2), 782-790 (2012).
  18. Cox, R. W. AFNI: software for analysis and visualization of functional magnetic resonance neuroimages. Comput Biomed Res. 29 (3), 162-173 (1996).
  19. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15 (4), 870-878 (2002).
  20. Klein, A., Tourville, J. 101 labeled brain images and a consistent human cortical labeling protocol. Front Neurosci. 6, 171 (2012).
  21. Fischl, B., et al. Automatically parcellating the human cerebral cortex. Cereb Cortex. 14 (1), 11-22 (2004).
  22. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 134 (1), 9-21 (2004).
  23. Iannetti, G. D., et al. Simultaneous recording of laser-evoked brain potentials and continuous, high-field functional magnetic resonance imaging in humans. Neuroimage. 28 (3), 708-719 (2005).
  24. Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

136fMRI

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

联系我们

向图书馆推荐

JoVE 新闻简报

科研

教育

发表

图书馆员

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有，本公司不涉及任何医疗业务和医疗服务。