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。

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
<ol><li>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。</li>
	<li>
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。
	<ol>
<li>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。</li>
		<li>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。</li>
		<li>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。<ol>
<li>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。</li>
		</ol>
</li>
	</ol>
</li>
	<li>
同時の脳波と fmri の同時ハードウェアのセットアップ。
	<ol>
<li>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。</li>
		<li>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。</li>
		<li>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。</li>
	</ol>
</li>
	<li>
実験パラダイム (を参照してください図 3).
	<ol>
<li>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。</li>
		<li>(図 4参照) 脳波データの記録を開始します。</li>
		<li>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。<ol>
<li>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。</li>
			<li>(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。</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. 構造 MRI データの解析と前方モデルの生成
<ol><li>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。</li>
	<li>
(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。
	<ol>
<li>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。</li>
		<li>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。<ol>
<li>「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。</li>
			<li>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。</li>
			<li>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。</li>
		</ol>
</li>
	</ol>
</li>
	<li>軟膜表面の幾何学に基づく元の空間を生成します。</li>
	<li>
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。
	<ol>
<li>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。</li>
		<li>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。</li>
		<li>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。</li>
	</ol>
</li>
	<li>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。</li>
</ol>3. 機能的 MRI データ分析
<ol><li>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。</li>
	<li>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。</li>
	<li>
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。<ol>
<li>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。</li>
		<li>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.</li>
	</ol>
</li>
	<li>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。</li>
</ol>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。
<ol><li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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」.</li>
	<li>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。</li>
	<li>
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。
	<ol>
<li>「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。</li>
		<li>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。</li>
		<li>「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。</li>
	</ol>
</li>
	<li>
基線補正と試行の平均 (該当する場合) を実行します。
	<ol>
<li>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」。</li>
	</ol>
</li>
</ol>5. 時空間 fMRI 制約-EG ソース画像
<ol><li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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)。</li>
	<li>
Roi の各代表の電流密度の時間コースを抽出します。
	<ol>
<li>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
</li>
	</ol>
</li>
	<li>すべての科目について、手順 5.1 5.5。</li>
</ol>

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

著者が明らかに何もありません。

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?...

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。

<table><tbody><tr><td>BrainAmp MR Plus</td><td>Brain Products</td><td></td><td>Amplifiers for EEG recording, MR-compatible</td></tr><tr><td>BrainAmp ExG MR&amp;nbsp;</td><td>Brain Products</td><td></td><td>Amplifier for auxilary sensor (EMG), MR-compatible</td></tr><tr><td>BrainAmp Power Pack</td><td>Brain Products</td><td></td><td>Provide power to amplifiers in the MR environment</td></tr><tr><td>Ribbon Cables</td><td>Brain Products</td><td></td><td>Connects the Power Pack to Amplifiers</td></tr><tr><td>SyncBox</td><td>Brain Products</td><td></td><td>Synchronize MR scanner clock with EEG amplifier clock</td></tr><tr><td>BrainCap MR</td><td>Brain Products</td><td></td><td>Passive-electrode 64-channel EEG cap, MR-compatible</td></tr><tr><td>BrainVision Recorder</td><td>Brain Products</td><td></td><td>EEG data recording software (steps 1.2-1.4.2)</td></tr><tr><td>BrainVision Analyzer 2.0</td><td>Brain Products</td><td></td><td>EEG analysis software (steps 4.1-4.6)</td></tr><tr><td>USB 2 Adapter (also known as BUA)</td><td>Brain Products</td><td></td><td>Interface between the amplifiers and data acquisition computer</td></tr><tr><td>Fiber Optic Cables</td><td>Brain Products</td><td></td><td>Connects the EEG cap in the MR scanner to the Recording Computer</td></tr><tr><td>SyncBox Scanner Interface</td><td>Brain Products</td><td></td><td>Synchronize MR scanner clock with EEG amplifier clock</td></tr><tr><td>Trigger Cable</td><td>Brain Products</td><td></td><td>Used to send scanner/paradigm triggers to the recording computer</td></tr><tr><td>ABRALYT HiCl EEG Electrode Gel</td><td>EasyCap</td><td></td><td>Abrasive EEG gel for passive electrode in MR environment</td></tr><tr><td>Ingenia 3.0T MR system</td><td>Philips</td><td></td><td>3.0 T MRI system</td></tr><tr><td>Patriot Digitizer</td><td>Polhemus</td><td></td><td>EEG channel location digitization&amp;nbsp;</td></tr><tr><td>MATLAB r2014a</td><td>MathWorks</td><td></td><td>Programming base for the DBTN algorithm (steps 3.3-3.4 and 5.1-5.7)</td></tr><tr><td>Pictures of Facial Affect</td><td>Paul Eckman Group</td><td></td><td>A series of emotionally valent faces used as stimuli</td></tr><tr><td>E-Prime 2.0</td><td>Psychology Software Tools, Inc</td><td></td><td>Presentation Software (step 1.4.3)</td></tr><tr><td>Bipolar skin EMG electrode</td><td>Brain Products</td><td></td><td>Used to detect muscle activity.</td></tr><tr><td>POLGUI</td><td></td><td></td><td>MATLAB software for digitization</td></tr><tr><td>Freesurfer</td><td></td><td></td><td>Software used in steps 2.1-2.4, and steps 3.1-3.2</td></tr><tr><td>MNE</td><td></td><td></td><td>Software used in step 2.5</td></tr></tbody></table>

concurrent eeg and functional mri recording and integration analysis for dynamic cortical activity imaging

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。

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...

Watch this Scientific Journal Video about Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging at JoVE.com

Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

同時脳波と機能的 MRI 皮質活動の動的イメージングのための統合解析

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。

Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are two of the fundamental noninvasive methods for identifying brain ...

concurrent-eeg-functional-mri-recording-integration-analysis-for

Research

JoVE Journal

Biology

11.6K ビュー.  University of Houston. 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。

ビデオ: Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging

Functional Mapping with Simultaneous MEG and EEG

We use magnetoencephalography (MEG) and electroencephalography (EEG) to locate and determine the temporal evolution in brain areas involved in the processing of simple sensory stimuli. We will use somatosensory stimuli to locate the hand somatosensory areas, auditory stimuli to locate the auditory cortices, visual stimuli in four quadrants of the visual field to locate the early visual areas. These type of experiments are used for functional mapping in epileptic and brain tumor patients to locate eloquent cortices. In basic neuroscience similar experimental protocols are used to study the orchestration of cortical activity. The acquisition protocol includes quality assurance procedures, subject preparation for the combined MEG/EEG study, and acquisition of evoked-response data with somatosensory, auditory, and visual stimuli. We also demonstrate analysis of the data using the equivalent current dipole model and cortically-constrained minimum-norm estimates. Anatomical MRI data are employed in the analysis for visualization and for deriving boundaries of tissue boundaries for forward modeling and cortical location and orientation constraints for the minimum-norm estimates.

We use magnetoencephalography (MEG) and electroencephalography (EEG) to map brain areas involved in the processing of simple sensory stimuli.

同時MEGおよびEEGとの機能的マッピング

We use magnetoencephalography (MEG) and electroencephalography (EEG) to locate and determine the temporal evolution in brain areas involved in the ...

神経科学

Best Current Practice for Obtaining High Quality EEG Data During Simultaneous fMRI

Simultaneous EEG-fMRI allows the excellent temporal resolution of EEG to be combined with the high spatial accuracy of fMRI. The data from these two modalities can be combined in a number of ways, but all rely on the acquisition of high quality EEG and fMRI data. EEG data acquired during simultaneous fMRI are affected by several artifacts, including the gradient artefact (due to the changing magnetic field gradients required for fMRI), the pulse artefact (linked to the cardiac cycle) and movement artifacts (resulting from movements in the strong magnetic field of the scanner, and muscle activity). Post-processing methods for successfully correcting the gradient and pulse artifacts require a number of criteria to be satisfied during data acquisition. Minimizing head motion during EEG-fMRI is also imperative for limiting the generation of artifacts.
Interactions between the radio frequency (RF) pulses required for MRI and the EEG hardware may occur and can cause heating. This is only a significant risk if safety guidelines are not satisfied. Hardware design and set-up, as well as careful selection of which MR sequences are run with the EEG hardware present must therefore be considered.
The above issues highlight the importance of the choice of the experimental protocol employed when performing a simultaneous EEG-fMRI experiment. Based on previous research we describe an optimal experimental set-up. This provides high quality EEG data during simultaneous fMRI when using commercial EEG and fMRI systems, with safety risks to the subject minimized. We demonstrate this set-up in an EEG-fMRI experiment using a simple visual stimulus. However, much more complex stimuli can be used. Here we show the EEG-fMRI set-up using a Brain Products GmbH (Gilching, Germany) MRplus, 32 channel EEG system in conjunction with a Philips Achieva (Best, Netherlands) 3T MR scanner, although many of the techniques are transferable to other systems.

Simultaneous electroencephalography (EEG) and functional Magnetic Resonance imaging (fMRI) is a powerful neuroimaging tool. However, the inside of an MRI scanner forms a difficult environment for EEG data recording and safety must be considered whenever operating EEG equipment inside a scanner. Here, we present an optimised EEG-fMRI data acquisition protocol.

同時fMRIの中の高品質脳波データの取得のための最も良い現在の習慣

Simultaneous  EEG-fMRI allows the excellent temporal resolution of EEG to be combined with the  high spatial accuracy of fMRI. The data  from these two ...

行動学

Simultaneous fMRI and Electrophysiology in the Rodent Brain

To examine the neural basis of the blood oxygenation level dependent (BOLD) magnetic resonance imaging (MRI) signal, we have developed a rodent model in which functional MRI data and in vivo intracortical recording can be performed simultaneously. The combination of MRI and electrical recording is technically challenging because the electrodes used for recording distort the MRI images and the MRI acquisition induces noise in the electrical recording. To minimize the mutual interference of the two modalities, glass microelectrodes were used rather than metal and a noise removal algorithm was implemented for the electrophysiology data. In our studies, two microelectrodes were separately implanted in bilateral primary somatosensory cortices (SI) of the rat and fixed in place. One coronal slice covering the electrode tips was selected for functional MRI. Electrode shafts and fixation positions were not included in the image slice to avoid imaging artifacts. The removed scalp was replaced with toothpaste to reduce susceptibility mismatch and prevent Gibbs ringing artifacts in the images. The artifact structure induced in the electrical recordings by the rapidly-switching magnetic fields during image acquisition was characterized by averaging all cycles of scans for each run. The noise structure during imaging was then subtracted from original recordings. The denoised time courses were then used for further analysis in combination with the fMRI data. As an example, the simultaneous acquisition was used to determine the relationship between spontaneous fMRI BOLD signals and band-limited intracortical electrical activity. Simultaneous fMRI and electrophysiological recording in the rodent will provide a platform for many exciting applications in neuroscience in addition to elucidating the relationship between the fMRI BOLD signal and neuronal activity.

We have developed a method for simultaneous functional magnetic resonance imaging and electrophysiological recording in the rodent brain, providing a platform for the investigation of the relationship between neural activity and the blood oxygenation level dependent (BOLD) MRI signal.

齧歯類の脳における同時fMRIと電気生理学

To examine the neural basis of the blood oxygenation level dependent (BOLD) magnetic resonance imaging (MRI) signal, we have developed a rodent model in ...

Simultaneous Transcranial Alternating Current Stimulation and Functional Magnetic Resonance Imaging

Transcranial alternating current stimulation (tACS) is a promising tool for noninvasive investigation of brain oscillations. TACS employs frequency-specific stimulation of the human brain through current applied to the scalp with surface electrodes. Most current knowledge of the technique is based on behavioral studies; thus, combining the method with brain imaging holds potential to better understand the mechanisms of tACS. Because of electrical and susceptibility artifacts, combining tACS with brain imaging can be challenging, however, one brain imaging technique that is well suited to be applied simultaneously with tACS is functional magnetic resonance imaging (fMRI). In our lab, we have successfully combined tACS with simultaneous fMRI measurements to show that tACS effects are state, current, and frequency dependent, and that modulation of brain activity is not limited to the area directly below the electrodes. This article describes a safe and reliable setup for applying tACS simultaneously with visual task fMRI studies, which can lend to understanding oscillatory brain function as well as the effects of tACS on the brain.

Transcranial alternating current stimulation (tACS) is a promising tool for noninvasive investigation of brain oscillations, though its effects are not completely understood. This article describes a safe and reliable setup for applying tACS simultaneously with functional magnetic resonance imaging, which can increase understanding oscillatory brain function and effects of tACS.

同時経頭蓋交流刺激および機能的磁気共鳴イメージング

Transcranial alternating current stimulation (tACS) is a promising tool for noninvasive investigation of brain oscillations. TACS employs ...

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the cortical networks involved in dynamical perceptual and cognitive tasks, such as attending to different sounds in a cocktail party. Many past studies have employed data recorded at the sensor level only, i.e., the magnetic fields or the electric potentials recorded outside and on the scalp, and have usually focused on activity that is time-locked to the stimulus presentation. This type of event-related field / potential analysis is particularly useful when there are only a small number of distinct dipolar patterns that can be isolated and identified in space and time. Alternatively, by utilizing anatomical information, these distinct field patterns can be localized as current sources on the cortex. However, for a more sustained response that may not be time-locked to a specific stimulus (e.g., in preparation for listening to one of the two simultaneously presented spoken digits based on the cued auditory feature) or may be distributed across multiple spatial locations unknown a priori, the recruitment of a distributed cortical network may not be adequately captured by using a limited number of focal sources.
Here, we describe a procedure that employs individual anatomical MRI data to establish a relationship between the sensor information and the dipole activation on the cortex through the use of minimum-norm estimates (MNE). This inverse imaging approach provides us a tool for distributed source analysis. For illustrative purposes, we will describe all procedures using FreeSurfer and MNE software, both freely available. We will summarize the MRI sequences and analysis steps required to produce a forward model that enables us to relate the expected field pattern caused by the dipoles distributed on the cortex onto the M/EEG sensors. Next, we will step through the necessary processes that facilitate us in denoising the sensor data from environmental and physiological contaminants. We will then outline the procedure for combining and mapping MEG/EEG sensor data onto the cortical space, thereby producing a family of time-series of cortical dipole activation on the brain surface (or "brain movies") related to each experimental condition. Finally, we will highlight a few statistical techniques that enable us to make scientific inference across a subject population (i.e., perform group-level analysis) based on a common cortical coordinate space.

We use magneto- and electroencephalography (MEG/EEG), combined with anatomical information captured by magnetic resonance imaging (MRI), to map the dynamics of the cortical network associated with auditory attention.

同時MEG / EEGおよび解剖学的に制約のある最小ノルム推定値を使用してマッピング皮質ダイナミクス：聴覚注意の例

Magneto- and electroencephalography (MEG/EEG) are neuroimaging techniques that provide a high temporal resolution particularly suitable to investigate the ...

Extracting Visual Evoked Potentials from EEG Data Recorded During fMRI-guided Transcranial Magnetic Stimulation

Transcranial Magnetic Stimulation (TMS) is an effective method for establishing a causal link between a cortical area and cognitive/neurophysiological effects. Specifically, by creating a transient interference with the normal activity of a target region and measuring changes in an electrophysiological signal, we can establish a causal link between the stimulated brain area or network and the electrophysiological signal that we record. If target brain areas are functionally defined with prior fMRI scan, TMS could be used to link the fMRI activations with evoked potentials recorded. However, conducting such experiments presents significant technical challenges given the high amplitude artifacts introduced into the EEG signal by the magnetic pulse, and the difficulty to successfully target areas that were functionally defined by fMRI. Here we describe a methodology for combining these three common tools: TMS, EEG, and fMRI. We explain how to guide the stimulator&#39;s coil to the desired target area using anatomical or functional MRI data, how to record EEG during concurrent TMS, how to design an ERP study suitable for EEG-TMS combination and how to extract reliable ERP from the recorded data. We will provide representative results from a previously published study, in which fMRI-guided TMS was used concurrently with EEG to show that the face-selective N1 and the body-selective N1 component of the ERP are associated with distinct neural networks in extrastriate cortex. This method allows us to combine the high spatial resolution of fMRI with the high temporal resolution of TMS and EEG and therefore obtain a comprehensive understanding of the neural basis of various cognitive processes.

This paper describes a method for collecting and analyzing electroencephalography (EEG) data during concurrent transcranial magnetic stimulation (TMS) guided by activations revealed with functional magnetic resonance imaging (fMRI). A method for TMS artifact removal and extraction of event related potentials is described as well as considerations in paradigm design and experimental setup.

fMRIのガイド下経頭蓋磁気刺激中に記録された脳波データからの視覚誘発電位を抽出する

Transcranial Magnetic Stimulation (TMS) is an effective method for establishing a causal link between a cortical area and cognitive/neurophysiological ...

A Multimodal Imaging- and Stimulation-based Method of Evaluating Connectivity-related Brain Excitability in Patients with Epilepsy

Resting-state functional connectivity MRI (rs-fcMRI) is a technique that identifies connectivity between different brain regions based on correlations over time in the blood-oxygenation level dependent signal. rs-fcMRI has been applied extensively to identify abnormalities in brain connectivity in different neurologic and psychiatric diseases. However, the relationship among rs-fcMRI connectivity abnormalities, brain electrophysiology and disease state is unknown, in part because the causal significance of alterations in functional connectivity in disease pathophysiology has not been established. Transcranial Magnetic Stimulation (TMS) is a technique that uses electromagnetic induction to noninvasively produce focal changes in cortical activity. When combined with electroencephalography (EEG), TMS can be used to assess the brain's response to external perturbations. Here we provide a protocol for combining rs-fcMRI, TMS and EEG to assess the physiologic significance of alterations in functional connectivity in patients with neuropsychiatric disease. We provide representative results from a previously published study in which rs-fcMRI was used to identify regions with abnormal connectivity in patients with epilepsy due to a malformation of cortical development, periventricular nodular heterotopia (PNH). Stimulation in patients with epilepsy resulted in abnormal TMS-evoked EEG activity relative to stimulation of the same sites in matched healthy control patients, with an abnormal increase in the late component of the TMS-evoked potential, consistent with cortical hyperexcitability. This abnormality was specific to regions with abnormal resting-state functional connectivity. Electrical source analysis in a subject with previously recorded seizures demonstrated that the origin of the abnormal TMS-evoked activity co-localized with the seizure-onset zone, suggesting the presence of an epileptogenic circuit. These results demonstrate how rs-fcMRI, TMS and EEG can be utilized together to identify and understand the physiological significance of abnormal brain connectivity in human diseases.

Resting-state functional-connectivity MRI has identified abnormalities in patients with a wide range of neuropsychiatric disorders, including epilepsy due to malformations of cortical development. Transcranial Magnetic Stimulation in combination with EEG can demonstrate that patients with epilepsy have cortical hyperexcitability in regions with abnormal connectivity.

マルチモーダルImaging-とてんかんの患者で接続関連の脳の興奮性を評価するの刺激に基づく方法

Resting-state functional connectivity MRI (rs-fcMRI) is a technique that identifies connectivity between different brain regions based on correlations ...

医学

Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software

Measuring neural activity and connectivity associated with cognitive functions at high spatial and temporal resolutions is an important goal in cognitive neuroscience. Intracranial electroencephalography (EEG) can directly record electrical neural activity and has the unique potential to accomplish this goal. Traditionally, averaging analysis has been applied to analyze intracranial EEG data; however, several new techniques are available for depicting neural activity and intra- and inter-regional connectivity. Here, we introduce two analytical protocols we recently applied to analyze intracranial EEG data using the Statistical Parametric Mapping (SPM) software: time-frequency SPM analysis for neural activity and dynamic causal modeling of induced responses for intra- and inter-regional connectivity. We report our analysis of intracranial EEG data during the observation of faces as representative results. The results revealed that the inferior occipital gyrus (IOG) showed gamma-band activity at very early stages (110 ms) in response to faces, and both the IOG and amygdala showed rapid intra- and inter-regional connectivity using various types of oscillations. These analytical protocols have the potential to identify the neural mechanisms underlying cognitive functions with high spatial and temporal profiles.

We present two analytical protocols that can be used to analyze intracranial electroencephalography data using the Statistical Parametric Mapping (SPM) software: time-frequency statistical parametric mapping analysis for neural activity, and dynamic causal modeling of induced responses for intra- and inter-regional connectivity.

神経活動と Spm と頭蓋内脳波データを使用した接続の分析

Measuring neural activity and connectivity associated with cognitive functions at high spatial and temporal resolutions is an important goal in cognitive ...

Equipment Setup and Artifact Removal for Simultaneous Electroencephalogram and Functional Magnetic Resonance Imaging for Clinical Review in Epilepsy

Simultaneous electroencephalogram and functional magnetic resonance imaging (EEG-fMRI) is a unique combined technique that provides synergy in the understanding and localization of seizure onset in epilepsy. However, reported experimental protocols for EEG-fMRI recordings fail to address details about conducting such procedures on epilepsy patients. In addition, these protocols are limited solely to research settings. To fill the gap between patient monitoring in an epilepsy monitoring unit (EMU) and conducting research with an epilepsy patient, we introduce a unique EEG-fMRI recording protocol of epilepsy during the interictal period. The use of an MR conditional electrode set, which can also be used in the EMU for a simultaneous scalp EEG and video recording, allows an easy transition of EEG recordings from the EMU to the scanning room for concurrent EEG-fMRI recordings. Details on the recording procedures using this specific MR conditional electrode set are provided. In addition, the study explains step-by-step EEG processing procedures to remove the imaging artifacts, which can then be used for clinical review. This experimental protocol promotes an amendment to the conventional EEG-fMRI recording for enhanced applicability in both clinical (i.e., EMU) and research settings. Furthermore, this protocol provides the potential to expand this modality to postictal EEG-fMRI recordings in the clinical setting.

This article details simultaneous electroencephalogram and functional magnetic resonance imaging (EEG-fMRI) recording procedures that can be used in both clinical and research settings. EEG processing procedures to remove imaging artifacts for clinical review are also included. This study focuses on the example of epilepsy during the interictal period.

てんかんの臨床レビューのための脳波と機能的磁気共鳴画像の同時診断のための機器のセットアップとアーチファクト除去

Simultaneous electroencephalogram and functional magnetic resonance imaging (EEG-fMRI) is a unique combined technique that provides synergy in the ...

生物工学

Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms

Non-invasive electrophysiological recordings are useful for the evaluation of nervous system function. These techniques are inexpensive, fast, replicable, and less resource-intensive than imaging. Further, the functional data produced have excellent temporal resolution, which is not achievable with structural imaging.
Current applications of electroencephalograms (EEG) are limited by data processing methods. Standard analysis techniques using raw time series data at individual channels are very limited methods of interrogating nervous system activity. More detailed information about cortical function can be achieved by examining relationships between channels and deriving statistical models of how areas are interacting, allowing visualization of connectivity between networks.
This manuscript describes a method for deriving statistical models of cortical network activity by recording EEG in a standard manner, then examining the interelectrode coherence measures to assess relationships between the recorded areas. Higher order interactions can be further examined by assessing the covariance between the coherence pairs, producing high-dimensional &#34;maps&#34; of network interactions. These data constructs can be examined to assess cortical network function and its relationship to pathology in ways not achievable with traditional techniques.
This approach offers greater sensitivity to network level interactions than is achievable with raw time series analysis. It is, however, limited by the complexity of drawing specific mechanistic conclusions about the underlying neural populations and the high volumes of data generated, requiring more advanced statistical techniques for evaluation, including dimensionality reduction and classifier-based approaches.

Standard EEG analysis techniques offer limited insight into nervous system function. Deriving statistical models of cortical connectivity offers far greater ability to investigate underlying network dynamics. Improved functional assessment opens new possibilities for diagnosis, prognostication, and outcome prediction in nervous system diseases.

非侵襲的脳波を用いた皮質接続の統計的モデリング

Non-invasive electrophysiological recordings are useful for the evaluation of nervous system function. These techniques are inexpensive, fast, replicable, ...