JoVE Logo
著者
お問い合わせ

サインイン

このコンテンツを視聴するには、JoVE 購読が必要です。 サインイン又は無料トライアルを申し込む。

この記事について

  • 要約
  • 要約
  • 概要
  • プロトコル
  • 結果
  • ディスカッション
  • 開示事項
  • 謝辞
  • 資料
  • 参考文献
  • 転載および許可

要約

イメージング法、イメージング法、時空間的な fMRI に制約のある脳波ソースとして知られている脳波 fMRI マルチ モーダルを次に紹介します。提案手法では、条件付きでアクティブな fMRI サブマップ、または脳波源定位空間の特異性が向上し、誤った結果を制限する方法を導くための前科を採用しています。

要約

脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、脳の活動を識別するための基本的な非侵襲的方法の 2 つです。Fmri、空間精度と脳波の高時間分解能を結合するマルチ モーダルな手法を求めているが、このアプローチの複雑さは改善を必要として現在。ここで提示されたプロトコル ソースを示します最近開発された時空間 fMRI に制約のある脳波イメージング法は、ソース バイアスを是正し、fMRI のサブ領域の動的な採用活動によって脳波 fMRI 定位を改善するように努めます。プロセスから始まりますから脳波と fMRI の同時マルチ モーダル データの収集スキャン、皮質の 3 D モデル、独立した脳波と fMRI 処理の世代。加工 fMRI 活性化マップし、その場所とその周辺地域によると、複数の前科に分割されます。これらは脳波源定位法の 2 つのレベルの階層ベイズ アルゴリズムで前科として扱われます。(演算子によって定義された) 対象の各ウィンドウの fMRI 活性化マップの特定のセグメントをアクティブとしてモデル証拠として知られているパラメーターを最適化で識別されます。これらは、マルチ モーダル イメージング法、他の条件付きでアクティブな fMRI の地域で誤ったアクティビティを避けることでクロストークを低減の特異性増加特定の皮質活動のソフトの制約として使用されます。メソッドを生成するアクティビティや時間コースの皮質地図最終結果として取られるまたは (相関、因果関係等の分析) 手法は分析の基礎として使用されるやや (それ見つけることができませんその様相によって制限されますEEG-invisible ソース)、ほとんどの主要な処理ソフトウェアと互換性がある広く、ほとんどのニューロ イメージング研究に適しています。

概要

脳波 (EEG) と機能的磁気共鳴画像 (fMRI) は、相補的な機能を備えたニューロ イメージング モダリティとして表示できます。FMRI は、血行動態シグナル (秒) 時間的解像度が低い1,2基になる神経細胞の活動を直接測定として大規模な時空間スケールでの脳の活動をキャプチャします。対照的に、脳波は直接空間解像度の低い3,4が非常に高い時間分解能 (ミリ秒レベル)、脳の動的電気生理学的活動を測定します。これらのプロパティは、それぞれの個々 のメソッド5の有利な点を最適化するように設計マルチ モーダルなアプローチにつながっています。峰機能的 Mri や脳波に関連付けられている制限を克服するために fMRI の空間精度の高い結合する脳波の優れた時間分解能の脳波と fMRI の同時使用が可能します。

脳波と fMRI の統合のための方法は、脳波ソースのローカリゼーション6,7を fMRI 情報を開始します。この手法は脳波源推定を改善するために fMRI 由来の空間情報を利用して、1 つの欠点は、「ハード制約」としての fMRI の応用による潜在的な空間的バイアス-空間情報の fMRI の派生である、絶対的な真理。これは和解6-8にする必要があります 2 つの大きな問題を引き起こします。まず、血液酸素レベル依存 (大胆) 対比の静的マップの使用可能性がありますそれ以外の真の活動を減衰しながら中には、該当する誤った行為を強化して誤ってが考慮されなければなりません。第二に、大胆な活性化マップ外のソースからクロストークは、結果内の真の活動のプレゼンテーションに影響を与える可能性がありますや誤ったアクティビティが発生します。これにもかかわらず、脳波逆問題のモデル化は、空間的知識のまま5有利なソリューションを提供するために fMRI の高空間分解能の使用両方解剖学的および機能的な意味で制約があります。

本稿では、階層ベイズ モデル9に基づく fMRI 前科の最適なサブセットを計算することで脳波と fMRI の間の時間の不一致の問題に対処するアプローチをイメージング時空間 fMRI に制約のある脳波ソースを示しています。FMRI 前科は、時変の fMRI の制約につながる脳波データへの関心の特定のウィンドウからデータ ドリブンの方法で計算されます。提案手法は空間選択的時系列の方法で、正確に画像の動的ニューラルで fMRI の高空間分解能による通知、皮質活動の電流密度のマッピングを計算する脳波の高時間分解能を利用してください。活動。

プロトコル

ここで提示されたプロトコルは、ように設計され、ヒューストンの大学、ヒューストンのメソジスト研究所のそれぞれの治験審査委員会によって前後セットとして倫理的な人間の研究のすべてのガイドラインに従って実行します。

1. 同時に脳波と fmri の同時記録

  1. 参加者からインフォームド コンセントを取得します。目的の参加者と同時の脳波と fmri の同時データ記録プロセスの重要な安全対策と同様に、研究の手順を説明します。
  2. 脳波キャップを準備し、MRI スキャナーの部屋の外のインピー ダンスを確認します。
    1. 被験者の頭の上に適切なサイズ、受動的、MRI 対応の脳波キャップを置きます。10-20 国際ラベリング システム10に従って電極を配置します。
    2. 脳波記録用ソフトウェア、地面および参照電極のインピー ダンスを確認します。これを行うには、'インピー ダンス' タブをクリックして、ソフトウェアのユーザー インターフェイスに電極の種類を選択 (図 1参照)。
      注: ここでの厳密な指示がここで使用されるソフトウェアに固有 (材料の表を参照)、他のシステムに適応する必要があります。
    3. 各電極の電極、電解質ゲルを注入する注射器を使用し、皮膚電極を接触をようにジェルを広げるため綿棒を使用します。
      1. インピー ダンスが低下すると、適切なソフトウェアを使用して値を監視し続ける (に応じて、セットアップによってインピー ダンスのスケールを調整する) 正しくインピー ダンス レベルを監視する (図 1参照)。すべての電極高品質の信号を確保するための 10 の kΩ の下のインピー ダンス レベルに達するまで続行します。
        注: 一覧表示され、ここで利用されている素材、あたりそれと見なされます安全でない MR 環境11インピー ダンス レベル 50 kΩ 上の任意の電極があります。これは選ばれたキャップと MRI の設定の設計によって変わるかもしれませんので実験装置の安全性を確保するため、機器メーカーと MRI 技師にご相談ください。
  3. 同時の脳波と fmri の同時ハードウェアのセットアップ。
    1. 脳波キャップ準備が完了すると、図 2で説明したハードウェアのセットアップと MR 装置に移動件名を持ちます。
      注: 図のいくつかの詳細は、使用しているシステムに応じて異なります。
    2. 実験パラダイムの表示を設定します。MR 装置の前面ガラス窓の後ろに、観察室にあるモニターを使用して (図 2参照)。頭のコイル表示ミラーを使用すると、サブジェクトが寝ながら頭や目を動かさずにモニター画面を表示できるようにします。
    3. 科目では、画面を表示できます快適パラダイムが正しく表示されることを確認するコンピューターの画面上のサンプル画像を表示します。すべての必要なハードウェアまたはソフトウェアの調整を行います。
  4. 実験パラダイム (を参照してください図 3).
    1. まだ、残っている対象を指示して初期 T1 加重解剖 MRI スキャンを実行します。可能であれば、小脳の下から頭蓋骨や皮膚など、頭の上に到達する場合は、ビューのフィールドを使用します。
    2. (図 4参照) 脳波データの記録を開始します。
    3. 同時に MRI の録音を開始し、利息プレゼンテーション ソフトウェアのパラダイムを開始する適切なボタンをクリックします。信号の品質を確保するため脳波データを確認し、適切なマーカーが記録されている場合は、必要に応じています。
      1. ここで説明した設定を使用して、最初のプレゼンテーション ソフトウェアで「実行」をクリックし、対象数と試行数を入力します。パラダイムは、これらの設定を確認する時に開始されます。
        注: ここで採用されているパラダイム 10 試験視覚刺激により誘発された感情的に独創力のあるモーター応答を成っていた。各試行の被験者は最初 50 の残りの部分にその後不快な (画像の驚きや怒り、嫌悪感に対応する) のイメージまたはない不快な (イメージ幸福や中立性に対応する) 顔12緑色の画面を見て s各カテゴリから 10 s. の 5 つの画像は、無作為の順序で提示された、被験者として不愉快な顔を識別する時にボールを絞るし、それが見えなくなるまで、スクイズを保持を示した。
      2. (推奨) fMRI 記録でグラデーション リコール エコー平面イメージ (GR EPI) シーケンスを使用します。機器やパラダイムに合わせてをカスタマイズします。
        注: ここで使用されるシーケンスが含まれている: エコー時間 (TE) = 35 ms;繰り返し時間 (TR) = 1,500 ミリ秒;スライス厚 5 mm;反転角度 = 90 °;ピクセル間隔: 2.75 × 2.75 mm。パラダイム自体、欠けることがなく、完全なパラダイムが記録されていることを確認するための表示よりも少し長く続く MRI シーケンスを使用する必要があります。

2. 構造 MRI データの解析と前方モデルの生成

  1. 被写体の T1 強調解剖 MRI を使用してボリュームな画像解析スイート13,14から完全分割と曲面の再構成を適用します。
    注: なによってすべての分割出力を含むフォルダーが生成されます。
  2. (Https://martinos.org/mne/dev/manual/appendix/bem_model.html)15での指示を使用して、使用可能なグラフィカル ユーザー インターフェイス (GUI) を特定の件名 3 層境界要素法 (BEM) 幾何学的なモデル次を生成します。層の重なりがないことを確認します。
    1. Freeview アプリケーションを開きます。クリックして「ファイル」>>「表面負荷」。なフォルダーに対象ディレクトリに移動します。「BEM」フォルダーをを開きます。「分水界」フォルダーを開きます。ここで発見した 4 つのファイル ('outer_skin_surface'、'outer_skull_surface'、'brain_surface' および 'inner_skull_surface') をロードします。
    2. スライス選択スライダーを移動し、黄色の表面層の重なりを探します。重複が発生した場合は、解剖学的欠陥やエラーを MRI データを再確認し、描画ツール GUI を使用して、レイヤーを明らかにします。
      1. 「ファイル」をクリックして Freeview アプリケーションで元の MRI データを読み込む >>「量」です。対象フォルダーに移動し、「mri」フォルダーを開きます。「オリジナル」ディレクトリをクリックし、そこで見つかった構造 MRI データを開く (in.mgz or.nii の形式にする必要があります)。「OK」をクリックします。
      2. 頭のグレースケール画像を表示します。グレーと黒、脳の周りのさまざまな層を見てください。これらの層が隙間や凹凸を持っていないことを確認します。「カラーピッカー」ツールを使用して修正する層からボクセルを選択します。
      3. フリーハンド ボクセル「編集」切り替え画像を描画するをクリックしますします。これを使用して、MRI 画像の任意の欠陥で塗りつぶします。すべてのレイヤーおよび欠陥が発生する MRI スライスの修正を実行します。
        注: 編集ツール「Polywire」と「ライブワイヤー」ボクセルは、「フリーハンド」代わりにも使用可能性があります。
  3. 軟膜表面の幾何学に基づく元の空間を生成します。
  4. な頭部モデルのオーバーレイ (図 5) を用いた MRI 空間にサブジェクト固有の脳波センサー配置 (例えば、翻訳および回転) を実行します。変換を保存します。
    1. MNE_analyze アプリケーションを開きます。「ファイル」をクリックして >>「負荷面」。対象データを含むフォルダーに移動し、軟膜表面をロードします。
    2. クリックして「ファイル」>>"デジタイザー データの読み込みと関心 (デジタイザー データを含める必要があります) の脳波ファイルを選択。「表示」>>「ビューアーを表示する」。ビューアーの GUI が表示されたら、「オプション」をクリックし、ことを確認「頭皮」と「デジタイザー データ」オプションを選択しました。電極をここでは、黄色で基準点で赤で表示されます。
    3. メイン ウィンドウ (ビューアーで) の「調整」を選択 >>「アライメント調整」。座標配置 GUI を使用して、シフトし、ビューアーで脳波電極を回転する矢印と L/R ボタンを使用します。必要な量だけを調整します。配置が完了すると、配置を保存する '座標配置 GUI' の下部に「保存...」をクリックします。
      注: 通常、良い基準配置と頭皮全体の電極の均一な配分が必要です。
  5. 対象固有の境界要素法モデル、ソース領域 MNE ソフトウェア15を用いた脳波センサー変換を提供し、順モデルを生成します。

3. 機能的 MRI データ分析

  1. 最初のレベルを実行 (個々 の主題) fMRI 解析大胆な活性化を取得する一般的な線形モデル (GLM) メソッドを使用してマップの関心の仕事のため。必要な16、なグループ解析パイプラインに組み込まれているクラスター ベースのアプローチを使用して、複数の比較のため修正します。
  2. 標準スペース (MNI または・ タライラッハ) にすべての科目の大胆な活性化マップの取得を希望する場合、すべての科目のグループ レベルの分析を実行します。
    注: 機能的 MRI の脳 (FMRIB) ソフトウェア ライブラリ (FSL)17と機能 Neuroimages の解析 (AFNI)18パッケージによって生成された同じサーフェス上の fMRI データの分析を可能にする両方のオックスフォード大学センターその後の分析に便利な。
  3. Tksurfer 可視化ツールを使用して、希望する FDR 修正しきい値19 (個人レベルとグループ レベルの両方)、fMRI 活性化マップをロードした関心領域 (ROI) 識別を実行 (p < 0.05 をここで使用).
    注: 各レベルの活性化マップから識別・ ロワは、サブジェクト固有 fMRI 派生空間前科後続のソースのローカリゼーションのためとして機能します。
    1. 灰白質層の fMRI 活性化マップを使用して、接続されているラベリング アルゴリズムを使用してサーフェスのパッチを抽出します。
      注: この例では分解特性が使用されました。
    2. さらにサブ分割パッチは定義済みの脳アトラスのラベリングに基づくアクティビティは、1 つ以上の領域をカバーする任意のパッチを分割するようします。
      注: ここで使用されるアトラス DKT40 アトラス20 (なから利用可能)21歳だった。アトラスは、専門または分野, 実験設定に基づくことができます.
  4. 各教科の個別のソース スペースに戻して (これは標準的なスペースには現在) 取得したグループ レベル ROIs をプロジェクトします。Lh.sphere.reg および rh.sphere.reg ファイルの個々 の主題の構造 MRI セグメンテーション (ステップ 2.1) を実行すると、件名と標準的な空間の座標変換を提供、被験者の「サーフ」フォルダーにな出力フォルダー。
    注: すべての科目により設定・ ロワが彼らの自身の特定のモデルで同じ共有されます。結果・ ロワ fMRI 結果の例については、図 6を参照してください。

4. 脳波データ分析

注: このセクションの詳細は (詳細については、材料の表を参照してください)、使用されているソフトウェアに固有にあります。別のソフトウェア パッケージを使用している場合は、該当するマニュアルを参照してください。

  1. テンプレート減算を介してスキャナー グラデーション アイテム補正を実行します。このため、「特別な信号処理」メニューに「MR 補正」ボタンをクリックし、脳波解析ソフトウェア GUI で適切なパラメーターを選択 (図 7を参照)。選択したスキャナーのシーケンスと実験的なデザインの適切なパラメーターを入力します。
    注: プライマリ パラメーターが含まれます: MRI スキャン、スキャン タイプ (インターリーブまたは連続)、MRI ボリュームのマーカー (または勾配検出法とグラデーション トリガー)、繰り返し時間 (TR) チャンネルは、補正、および成果物テンプレート。
  2. テンプレート減算を介して cardioballistic の成果物を削除します。この「特別な信号処理」メニューの「CB 補正」ボタンをクリックし、解析ソフトウェア GUI で適切なパラメーターを選択します。
    注: 最小値と最大心拍数、成果物テンプレート、心電図チャネル、テンプレートの相関、および補正のためのチャネルにここで必要なパラメーターが含まれます。
  3. ろ過を適用します。IIR ろ過解析 GUI、「データろ過」の下の上部のボタンを選択します。たとえば、ハイパスを適用 0.05 hz 低域 40 Hz、電源周波数 (60 Hz) でノッチ フィルターで 48 dB/Hz のロールオフと。
    注: カットオフ周波数 40 Hz の低域通過フィルターの適用後は、60 Hz のノッチ フィルターが厳密に必要はありませんがロールオフ フィルター端のため生存している可能性があります任意の残留電力線の周波数に対する保護手段として採用されています。
  4. 解析 GUI 上の眼球アーチファクト補正を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「眼補正 ICA」.
  5. 脳波データをイベント タイミングのマーカーに関して指定の前と後の刺激の時間に基づいて新紀元に分割します。これを行うには、選択、「変換」>>「セグメント分析機能」>>「セグメンテーション」関心のマーカーおよび興味の時間セグメントを選択。
    注: セグメントの長さは、パラダイムと関心の期待される脳の活動に合わせて選択必要があります。
  6. 手動または半自動のアーティファクト除去を実行:「変換」を選択 >>「アーティファクト除去/削減」>>「拒否」アーティファクト「.されたら、GUI の 3 つのタブ内の成果物の基準を定義し、GUI の指示に。
    1. 「検査法」タブ選択は「自動的に」、「半自動」、または「アイテムを手動で選択」(半自動モードをお勧めします)。「マーク」または「成果物を削除する」を選択し、かどうか修正は、1 つのチャンネルを指定します。
    2. チャンネル選択タブでアーティファクトを修正するチャンネルを選択できます。
    3. 「基準」タブでアイテムを識別する基準を選択します。実験ニーズに合わせて、ここでの選択を行います。条件を選択した後"OK"をクリックして、成果物を識別または選択に基づいて拒否されます。
  7. 基線補正と試行の平均 (該当する場合) を実行します。
    1. ベースライン補正を実行する:「変換」を選択 >>「セグメント分析機能」>>「ベースライン補正」。セグメント化したデータを平均する:「変換」を選択 >>「セグメント分析機能」>>「平均的」。

5. 時空間 fMRI 制約-EG ソース画像

  1. ウィンドウのサイズとウィンドウ サイズ (既定の設定 (20 ms) は重複の 50% で 40 ms ウィンドウ サイズの呼び出し) を重複定義します。
  2. 空間の前のセットとして (手順 3 で取得した) 特定の件名・ ロワ セットを選択します。脳波セグメントごとにアルゴリズム、モデル証拠を最大化し、それに応じてソース共分散行列を計算する空間の前科のサブセットの重みのセットを見積もります。
  3. 脳波セグメントされているため定位を実行結果ソース共分散行列を使用して、分析、降伏のソース電流密度の結果。
  4. 脳波のすべてのセグメントの 5.2 と 5.3 の手順を実行し、必要に応じて、重なっている部分を平均することによって完全な電流密度 1 時間コースに時間のすべてのセグメントの電流密度の結果の要約。
    注: この手順は (この数は数千程度通常) 2.3 の手順で定義されているすべてのソース ポイントの皮質活動の電流密度の経になります (図 8)。
  5. Roi の各代表の電流密度の時間コースを抽出します。
    1. 1 つの信号の時間コースに ROI 内の複数のソース ポイントからの時間コースを要約する希望の方法を選択: 平均、最初 eigenvariate 等
  6. すべての科目について、手順 5.1 5.5。

結果

基本的なレベルでの脳波音源定位には前方および逆問題の解決が含まれます。図 5Cでビルドし、転送の問題を解決するために必要なコンポーネントを示しています。サブジェクト固有の T1 画像 3 つの層を使用して-皮膚、頭蓋骨、脳、分割され、メッシュします。これらのレイヤーは、境界要素法モデルの生成への入力として提供し...

ディスカッション

我々 はここで脳波と fmri の同時統合分析の制約された時空間の fMRI ソース解析手法を使用する必要な手順を示しています。脳波と fMRI よくとして定着した脳活動の非侵襲的イメージングのための基本的な方法が彼らのそれぞれの時空の解像度で苦労します。現在 fMRI に制約のある脳波音源位置推定方法がよく制限空間精度 (先入観とクロストークがあります単純な fMRI の制約に依存してそれ?...

開示事項

著者が明らかに何もありません。

謝辞

この作品は、NIH の DK082644 とヒューストン大学によって部分で支えられました。

資料

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).

転載および許可

このJoVE論文のテキスト又は図を再利用するための許可を申請します

許可を申請

さらに記事を探す

136 Mri

This article has been published

Video Coming Soon

JoVE Logo

個人情報保護方針

利用規約

一般データ保護規則

お問い合わせ

図書館への推薦

JoVE ニュースレター

研究

教育

著者

図書館員

JoVEについて

Copyright © 2023 MyJoVE Corporation. All rights reserved