이 작품 NIH DK082644, 휴스턴 대학에 지원 했다.

여기에 제시 된 프로토콜 설계 하 고 수행한 윤리적 인간 연구에 대 한 모든 지침에 따라 설정 앞 대학 휴스턴과 휴스턴 감리교 연구소의 각각 제도적 리뷰 보드.
1. 동시 EEG/fMRI 녹음
<ol><li>참가자 로부터 동의 얻을. 참가자는 목적 및 연구 과정 녹음 동시 EEG/fMRI 데이터에 대 한 중요 한 안전 조치의 절차를 설명 합니다.</li>
	<li>
EEG 모자를 준비 하 고는 MRI 스캐너 외부 임피던스를 확인 하십시오.
	<ol>
<li>피사체의 머리에는 적절 한 크기의 수동, MRI 호환 EEG 모자를 놓습니다. 10-20 국제 라벨 시스템10에 의하여 전극 위치.</li>
		<li>EEG 레코딩 소프트웨어에서 지상 및 기준 전극의 임피던스를 확인 하십시오. 이렇게 하려면 '임피던스' 탭을 클릭 하 고 소프트웨어 사용자 인터페이스에 전극 유형을 선택 합니다 ( 그림 1참조). 참고: 정확한 지침 여기는 여기서 사용 하는 소프트웨어와 관련 ( 재료의 표참조), 다른 시스템에 적응 해야 할 수 있습니다.</li>
		<li>각 전극, 전극, 전해질 젤을 주입 하는 주사기를 사용 하 여 다음 면봉을 사용 하 여 피부 전극 접촉 되도록 젤을 전파.<ol>
<li>임피던스는 감소, 적절 한 소프트웨어를 사용 하 여 값을 모니터링 하는 데 계속 (임피던스 규모는 설정에 따라 필요에 따라 조정) 임피던스 레벨을 제대로 모니터링을 ( 그림 1참조). 모든 전극 높은-품질 신호를 위해 10 k ω 임피던스 수준에 도달할 때까지 계속 합니다. 참고: 나열 하 고 여기 활용 자료, 당 간주 됩니다 안전 하지 않은 씨 환경11에 있는 어떤 전극 위에 50 ω 임피던스 수준. 그래서 선택한 모자 및 MRI 설정의 설계에 따라 변경 될 수 있습니다이 실험적인 체제의 안전을 보장 하기 위해 장비 제조업체와 MRI 기술자와 상담 하시기 바랍니다.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
동시 EEG/fMRI 하드웨어 설치 합니다.
	<ol>
<li>EEG 모자 준비 완료 되 면 그림 2에서 설명 하는 하드웨어 설치와 미스터 스캐너에 이동 하는 주제가 있다. 참고: 시스템 사용에 따라 그림의 몇 가지 세부 사항을 변경할 수 있습니다.</li>
		<li>실험 패러다임 디스플레이를 설정 합니다. 전망 실 뒤에 유리 씨-스캐너의 앞에 직면에 있는 모니터를 사용 하 여 ( 그림 2참조). 머리 코일 보기 미러를 사용 하 여 주제를 누워 있는 동안 그들의 머리 또는 눈 이동 없이 모니터 화면을 볼 수 있도록.</li>
		<li>되도록 과목 편안 하 게 화면을 볼 수 패러다임 제대로 표시 됩니다 컴퓨터 화면에 샘플 이미지를 표시 합니다. 모든 필요한 하드웨어 또는 소프트웨어 조정을 확인 합니다.</li>
	</ol>
</li>
	<li>
실험 패러다임 (참조 그림 3).
	<ol>
<li>아직도, 남아 주제를 지시 하 고는 초기 T1-가 중 해 부 MRI 스캔을 수행. 만약에 가능 하다 면, 소 뇌의 아래에서 두개골과 피부를 포함 하 여 머리의 상단에 도달 되는 보기 필드를 사용 하 여.</li>
		<li>( 그림 4참조) 뇌 파 데이터를 녹음을 시작 합니다.</li>
		<li>동시에 MRI 녹음을 시작 하 고 프레 젠 테이 션 소프트웨어에 대 한 관심의 패러다임을 시작 하는 적절 한 단추를 클릭 합니다. 신호 품질을 보장 하기 위해 뇌 파 데이터 녹음을 확인 하 고, 원하는 경우, 적절 한 표식 기록 되 고 있다.<ol>
<li>여기 설명 된 설치를 사용 하 여, 먼저 프레 젠 테이 션 소프트웨어에 "실행"을 클릭 하 고 제목 번호 및 시험 번호를 입력 합니다. 패러다임을 확인 하는 이러한 설정에 따라 시작 합니다. 참고: 여기에 고용 패러다임 10 타석 정서적 동기 모터 응답 시각적 자극에 의해 evoked 했다 이루어져 있었다. 각 시험에 대 한 과목을 먼저 50 요청 했다 s 이후는 불쾌 한 (이미지 놀람, 분노, 또는 혐오에 해당)의 이미지 또는 아니라 불쾌 한 (이미지 행복 또는 중립성에 해당) 얼굴12 녹색 화면을 보고 각 카테고리에서 10 s. 5 이미지를 무작위 순서로 제시 했다 고 과목으로 불쾌 한, 얼굴을 식별 시 볼을 짜 내 고 짜 내 사라질 때까지 요청 했다 제시 했다.</li>
			<li>그라데이션 리콜 에코 평면 화상 진 찰 (GR-EPI) 시퀀스를 사용 하 여 fMRI 녹음 (권장). 장비 및 패러다임에 맞게 사용자 지정 합니다. 참고: 여기에 사용 하는 순서 포함: 에코 시간 (TE) = 35 석사; 반복 시간 (TR) = 1500 석사; 슬라이스 두께 = 5 mm; 각도 대칭 = 90 °; 픽셀 간격: 2.75 m m x 2.75 밀리미터입니다. 그것은 패러다임 전체 패러다임 클리핑 없이 기록 됩니다 있도록 자체의 디스플레이 보다 약간 더 오래 지속 하는 MRI 시퀀스를 사용 하 여 필요할 수 있습니다.</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. 구조상 MRI 데이터 분석 및 앞으로 모델 생성
<ol><li>전체 세분화 및 다양 한 표면 재건의 T1-가 중 해 부 MRI 사용 하 여 볼륨 Freesurfer 이미지 분석 스위트13,14에서 적용 됩니다. 참고: 모든 세그먼트 출력을 포함 하는 폴더 Freesurfer 생성 될 것입니다.</li>
	<li>
15 (https://martinos.org/mne/dev/manual/appendix/bem_model.html) 제공 하는 지침에는 사용할 수 있는 그래픽 사용자 인터페이스 (GUI)를 사용 주제 관련 3-레이어 경계 요소 방법 (괜 찮) 기하학적 모델 다음 생성 레이어 없다 중복 인지 확인 합니다.
	<ol>
<li>Freeview 응용 프로그램을 엽니다. "파일" 클릭 >> "로드 표면". Freesurfer 폴더에서 대상 디렉터리로 이동 합니다. "괜 찮" 폴더를 엽니다. "분수령" 폴더를 엽니다. 4 파일 여기 발견 ('outer_skin_surface', 'outer_skull_surface', 'brain_surface' 및 'inner_skull_surface')을 로드 합니다.</li>
		<li>슬라이스 선택 슬라이더를 이동 하 고 노란색 표면 층에 중복에 대 한 보고. 중복 발생 하는 경우 해부학 적 결함이 나 오류에 대 한 MRI 데이터를 확인 하 고 GUI 그리기 도구를 사용 하 여 레이어를 명확히.<ol>
<li>"파일"을 클릭 하 여 Freeview 응용 프로그램의 원래 MRI 데이터 로드 >> "부하 볼륨". 주제 폴더에 이동 하 고 "mri" 폴더를 엽니다. "오리지널" 디렉터리에 클릭 하 고 거기 발견 구조 MRI 데이터 열 (in.mgz or.nii 형식 이어야 한다). "확인"을 클릭 합니다.</li>
			<li>머리의 그레이 스케일 이미지 보기 그레이와 블랙 뇌 주변의 다른 레이어를 봐. 이러한 레이어 어떤 간격이 나 부정가지고 있지 않다는 걸 확인 합니다. "색상 선택" 도구를 사용 하 고 수정 레이어에서 한 복을 선택 합니다.</li>
			<li>"자유 복 편집 전환", 하 고 이미지 그리기를 클릭 합니다. 이 사용 하 여 MRI 이미지에 어떤 결점 든 지에서 채우기. 모든 레이어 및 MRI 슬라이스, 결함 발생에 대 한 보정을 수행 합니다. 참고: 도구를 편집 하는 "Polywire"와 "Livewire" 복 또한 "자유형" 대신 사용할 수 있습니다.</li>
		</ol>
</li>
	</ol>
</li>
	<li>Pial 표면 형상에 따라 소스 공간을 생성 합니다.</li>
	<li>
Freesurfer 머리 모델 오버레이 (그림 5)를 사용 하 여 MRI 공간 주제-특정 뇌 파 센서 정렬 (예를 들어, 변환 및 회전)를 수행 합니다. 변환을 저장 합니다.
	<ol>
<li>MNE_analyze 응용 프로그램을 엽니다. "파일" 클릭 >> "부하 표면". 대상 데이터를 포함 하는 폴더를 이동 하 고 pial 표면 로드.</li>
		<li>"파일" 클릭 >> "디지타이저 데이터 로드 및 선택 (디지타이저 데이터를 포함 한다)의 뇌 파 파일. "보기"를 클릭 >> "뷰어 보기". 뷰어 GUI 표시 되 면 "옵션"을 클릭 하 고 있는지 확인 "피"와 "디지타이저 데이터" 옵션 선택. 여기 전극 빨간색, 노란색에서 라벨이 포인트와 같습니다.</li>
		<li>주 창 (하지 뷰어), "조정"을 선택 합니다 >> "맞춤 조정". '좌표 맞춤 GUI'를 사용 하 여 사용 하 여 화살표 및 l/R 버튼을 이동 하 고 회전 뷰어에서 EEG 전극. 필요한 만큼 조정 합니다. 정렬이 완료 되 면, 정렬 하기 ' 조정 맞춤 GUI' 하단의 "저장..."을 클릭 합니다. 참고: 일반적으로, 좋은 표준 정렬와 함께 두 피에 걸쳐 전극의 동등한 배급이 필요 합니다.</li>
	</ol>
</li>
	<li>주제-특정 벰 모델, 소스 공간 MNE 소프트웨어15를 사용 하 여 뇌 파 센서 변환을 제공 하 여 앞으로 모델을 생성 합니다.</li>
</ol>3. 기능성 MRI 데이터 분석
<ol><li>첫 번째 수준의 수행 굵게 활성화를 얻으려고 일반 선형 모형 (GLM) 메서드를 사용 하 여 (개별 주제) fMRI 통계 분석의 작업에 대 한 지도. 필요한16, Freesurfer 그룹 분석 파이프라인에 내장 된 클러스터 기반 방식을 사용 하 여 여러 비교에 대 한 수정.</li>
	<li>표준 공간 (MNI 또는 Talairach)에서 모든 과목에 대 한 대담한 활성화 지도 얻기 원하는 경우 모든 과목에 그룹 수준 분석을 수행 합니다. 참고: 기능적 MRI 두뇌 (FMRIB) 소프트웨어 라이브러리 (FSL)17 및 분석의 기능 Neuroimages (AFNI)18 패키지 둘 다에 의해 생성 된 동일한 표면에 fMRI 데이터 분석에 대 한 허용을 위한 옥스포드 대학 센터 Freesurfer, 후속 분석을 위해 편리</li>
	<li>
Tksurfer 시각화 도구를 사용 하 여 (개인 수준 및 그룹 수준), fMRI 활성화 지도 로드19 원하는 루즈벨트 수정 임계값 설정 하 여 관심 영역 (ROI) 식별을 수행 (p < 0.05 여기 사용 ). 참고: 개인 수준 활성화 지도에서 식별 ROIs 후속 소스 지역화 공간 priors을 fMRI 파생는 주제 관련 될 것입니다.<ol>
<li>FMRI 활성화 지도 사용 하 여 회색 문제 레이어에, 표면 패치 연결-라벨링 알고리즘을 사용 하 여 추출 합니다. 참고:이 예제에서 Dulmage Mendelsohn 분해 사용 되었다.</li>
		<li>추가 하위 분할 패치 기반으로 미리 정의 된 뇌 아틀라스의 라벨 하나 이상의 지역 취재 활동의 어떤 패치 분할 수 있도록 합니다. 참고: 여기에 사용 되는 아틀라스 DKT40 아틀라스20 (Freesurfer에서 사용 가능)21이었다. 지도 전문 또는 선택, 실험의 기본 설정에 따라 될 수 있습니다.</li>
	</ol>
</li>
	<li>각 과목의 개별 소스 공간을 다시 (현재에 있는 표준 공간) 인수 그룹 수준 ROIs 프로젝트. 개별 주체의 구조 MRI 세분화 (단계 2.1)을 수행한 후 주제와 표준 공간 사이의 좌표 변환을 lh.sphere.reg 및 rh.sphere.reg 파일에 제공 됩니다, 그리고 주제의의 "서핑" 폴더에서 발견 Freesurfer 출력 폴더입니다. 참고: 모든 과목 공유할 것 이다 그로 인하여 동일한 ROIs, 하지만 그들의 자신의 특정 모델에서 세트. 그림 6 에 대 한 fMRI 결과 예 고 결과 ROIs를 참조 하십시오.</li>
</ol>4. 뇌 파 데이터 분석
참고:이 섹션에서 세부 정보 (참조 테이블의 자료 에 대 한 상세) 사용 되는 소프트웨어와 관련 있을 수 있습니다. 다른 소프트웨어 패키지를 사용 하는 경우 해당 설명서를 참조 하십시오.
<ol><li>템플릿 빼기 통해 스캐너 그라데이션 아티팩트 보정을 수행 합니다. 이 위해 "특별 한 신호 처리" 메뉴에서 "미스터 수정" 버튼을 클릭 하 고 뇌 파 분석 소프트웨어 GUI에서에서 적절 한 매개 변수를 선택 합니다 ( 그림 7참조). 선택한 스캐너 시퀀스 및 실험 설계에 적절 한 매개 변수를 입력 합니다. 참고: 기본 매개 변수를 포함: MRI 스캔, 스캔 유형 (인터리브 또는 연속), MRI 볼륨 마커 (또는 그라데이션 탐지 방법 및 그라데이션 트리거), 반복 시간 (TR) 보정, 그리고 유물 서식 파일에 대 한 채널.</li>
	<li>Cardioballistic 서식 파일 빼기를 통해 아티팩트를 제거 합니다. 이 위해 "특별 한 신호 처리" 메뉴에서 "CB 수정" 버튼을 클릭 하 고 분석 소프트웨어 GUI에서에서 적절 한 매개 변수를 선택 합니다. 참고: 매개 변수 필요한 여기 포함 최소 및 최대 심장 박동, 유물 템플릿, ECG 채널, 템플릿 상관 관계, 및 교정에 대 한 채널.</li>
	<li>여과 적용 합니다. "데이터 필터링"에서 분석 GUI, 상단의 IIR 필터에 대 한 버튼을 선택 합니다. 예를 들어 하이 패스를 적용 0.05 hz 저역 통과 40 Hz 전력선 주파수 (60 Hz), 노치 필터에서 48 dB/Hz의 롤 오프. 참고: 40 Hz 컷오프 주파수에서 로우-패스 필터 적용 후 60hz 노치 필터, 엄격 하 게 필요 하지 않습니다 하지만 필터 가장자리에 롤 오프로 인해 살아남은 수 있습니다 어떤 잔여 전원 라인 주파수에 대 한 보호로 채택 된다.</li>
	<li>분석 GUI 위에 눈 유물 교정: "변환" 선택 >> "유물 제거/감소" >> "눈 수정 ICA".</li>
	<li>신기는 지정 된 사전 및 포스트 자극 시간, 이벤트 타이밍 마커를 기반으로 뇌 파 데이터 세그먼트. 이렇게 하려면 선택, "변환" >> "세그먼트 분석 기능" >> "세분화", 관심의 표식 및 관심의 시간 세그먼트를 선택 하십시오. 참고: 세그먼트 길이 패러다임 및 관심의 예상된 두뇌 활동에 맞게 선택 되어야 한다.</li>
	<li>
수동 또는 반자동 아티팩트 제거 수행: "변환" 선택 >> "유물 제거/감소" >> "유물 거절". 프롬프트가 표시 되 면, GUI의 세 개의 탭 내의 아티팩트에 대 한 기준을 정의 하 고 gui 지시를 진행 합니다.
	<ol>
<li>' 검사 방법 ' 탭에서 선택 "자동 으로", "반자동", 또는 "수동으로 아티팩트 선택"을 선택 (반자동 모드 권장). 다음 "마크" 또는 "제거"를 선택 하 고 단일 채널에 대 한 수정 인지 지정 합니다.</li>
		<li>' 채널 선택 ' 탭에서 채널 아티팩트에 대 한 수정 될 것을 선택 합니다.</li>
		<li>'기준' 탭에는 아티팩트 확인 될 것입니다 기초를 선택 합니다. 실험 요구 사항에 맞게 선택 여기를 확인 합니다. 기준, 선택 후 "확인"을 클릭 하 고 아티팩트를 식별 및 선택에 따라 거부 됩니다.</li>
	</ol>
</li>
	<li>
기준선 보정 (있는 경우)를 평균 하는 재판을 수행 합니다.
	<ol>
<li>기본 보정을 수행 하려면: "변환" 선택 >> "세그먼트 분석 기능" >> "기본 수정". 세그먼트 데이터 평균: "변환" 선택 >> "세그먼트 분석 기능" >> "평균".</li>
	</ol>
</li>
</ol>5. spatiotemporal fMRI 제약-EG 소스 이미징
<ol><li>창 크기 및 창 크기 (기본 설정 (20 ms) 오버랩 50 %40 ms 창 크기에 대 한 호출)을 중복 정의 합니다.</li>
	<li>공간 이전 설정 (단계 3에서에서 얻은) 주제 관련 ROIs 집합을 선택 합니다. 각 뇌 파 세그먼트에 대 한 알고리즘 다음 모델 증거를 극대화 하 고 그에 따라 소스 공분산 행렬을 계산 하는 공간 priors의 하위 집합에 대 한 가중치의 집합을 예상 됩니다.</li>
	<li>분석, 저조한 소스 전류 밀도 결과 소스 지역화 되 고 뇌 파 세그먼트에 대 한 수행 결과 소스 공분산 매트릭스를 사용 하 여.</li>
	<li>뇌 파의 모든 세그먼트에 대 한 5.2와 5.3 단계를 수행 하 고, 필요한 경우 요약 모든 시간 세그먼트에 대 한 전류 밀도 결과 하나의 완전 한 전류 밀도 시간 과정으로 겹치는 부분을 평균 하 여. 참고:이 단계 시점 모든 소스 단계 2.3에서에서 정의 (이 번호는 일반적으로 수천의 순서) 대뇌 피 질의 활동의 전류 밀도 시간 과정 귀 착될 것 이다 (그림 8).</li>
	<li>
추출은 ROIs의 각 대표 전류 밀도 시간 코스.
	<ol>
<li>단일 신호 시간 과정에는 투자 수익에서 여러 소스 포인트에서 시간 코스 요약에 대 한 선호 하는 방법 선택: 평균, 첫 번째 eigenvariate, 등
</li>
	</ol>
</li>
	<li>모든 과목에 대 한 5.1-5.5 단계를 반복 합니다.</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>

저자는 공개 없다.

우리는 여기 EEG/fMRI 통합 분석 spatiotemporal fMRI 제한 된 소스 분석 방법을 사용 하기 위해 필요한 조치 나타났습니다. EEG 및 fMRI는 되 잘 설립 비 접촉 두뇌 활동을 이미징에 대 한 기본적인 방법으로 하지만 그들은 그들의 각각 공간과 시간 해상도에 어려움 직면. 각각의 유리한 속성에 투자 방법은 개발 되었다, 그러나 현재 fMRI 제한 된 뇌 파 소스 지역화 방법을 자주 의존 간단한 fMRI 제약, 편견 및 ?...

Electroencephalography (뇌 파)와 기능적 자기 공명 영상 (fMRI) 보완 기능 neuroimaging 형식으로 볼 수 있습니다. FMRI hemodynamic 신호 (초) 순서 가난한 시간적 해상도1,2기본 신경 활동을 직접 측정 일시적인 대규모 두뇌 활동을 캡처합니다. 반면, 뇌 파 직접 빈약한 공간적 해상도3,4하지만 매우 높은 시간 해상도 (밀리초 수준), 뇌의 동적 electrophysiological 활동을 측정합니다. 이러한 속성은 각 개별 방법5의 유리한 측면을 최적화 하도록 설계 된 복합 접근에 이르렀다. EEG와 fMRI의 동시 사용 unimodal fMRI 또는 뇌 파와 관련 된 한계를 극복 하기 위해 우수한 시간적 해상도 뇌 파의 fMRI의 높은 공간 정확도와 결합 될 수 있습니다.
EEG 및 fMRI 통합을 위한 방법-정보를 fMRI 뇌 파 소스 지역화6,7로 시작합니다. 그러나이 기술은 뇌 파 소스 지역화를 개선 하기 위해 fMRI 파생 된 공간 정보를 활용 하 여,, 1 개의 결점은 "하드-제약 조건으로" fMRI의 응용 프로그램에 의해 발생 하는 잠재적인 공간 바이어스-공간 정보 fMRI 파생 된 것으로 간주 한 절대 진리입니다. 이 화해6-8이어야 하는 두 가지 큰 문제를 제기 한다. 첫째, 혈액 산소 수준 의존 (대담한) 대조의 정적 지도 사용 하 여 실수로 댐핑 밖에 진정한 활동 하는 동안 안에서 떨어지는 어떤 잘못 된 활동을 강화할 수 있습니다 고려 되어야 한다. 둘째, 대담한 활성화 지도 이상으로 발생 하는 소스에서 크로스 토크 결과 내에서 진정한 활동의 프레 젠 테이 션에 영향을 미칠 또는 잘못 된 활동을 일으킬 수 있습니다. 그럼에도 불구 하 고, 뇌 파 역 문제의 모델링 될 수 있는 사전 공간 지식 남아 유리한 솔루션5제공 하는 fMRI의 높은 공간 해상도 사용 하 여 제한 해 부와 기능 감에서 둘 다.
이 종이, fMRI priors는 계층적 베이지안 모델9에 따라 최적의 하위 집합을 계산 하 여 EEG와 fMRI 사이의 일시적인 불일치의 문제를 해결 하는 접근을 이미징 spatiotemporal fMRI 제한 된 뇌 파 소스를 보여 줍니다. FMRI priors 시간 변형 fMRI 제약을 이끌어 뇌 파 데이터에 대 한 관심의 특정 윈도우에서 데이터 기반으로 계산 됩니다. 제안 된 접근 활용 fMRI의 높은 공간 해상도로 정보를 정확 하 게 동적 신경 이미지 하는 시간에 따라 변화, 공간 선택적 방식으로 대뇌 피 질의 활동의 전류 밀도 매핑 계산 뇌 파의 높은 시간 해상도 활동입니다.

<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

Electroencephalography (뇌 파)와 기능적 자기 공명 영상 (fMRI)는 두뇌 활동을 식별 하기 위한 기본적인 비 침범 성 방법의 두. FMRI의 공간 정밀 뇌 파의 높은 시간 해상도 결합 하 여 복합 방법을 모색 하지만이 방법의 복잡성은 현재 개선 필요. 여기에 제시 된 프로토콜 최근에 개발한 spatiotemporal fMRI 제한 된 뇌 파 소스를 이미징 소스 편견을 바로 잡기 위해 fMRI 하위 영역의 동적 모집을 통해 뇌 파 fMRI 소스 지역화를 개선 하고자 방법에 설명 합니다. 프로세스 검사, 3D 대뇌 피 질의 모델, 그리고 독립적인 EEG 및 fMRI 처리의 세대 동시 EEG 및 fMRI에서 복합 데이터 수집 시작합니다. 처리 된 fMRI 활성화 지도 다음 여러 priors, 그들의 위치 및 주변 지역으로 분할 됩니다. 이러한 뇌 파 소스 지역화에 대 한 2 단계 계층적 베이지안 알고리즘에서 priors로 가져옵니다. (운영자 정의)의 각 창에 대 한 fMRI 활성화 지도의 특정 세그먼트 식별 모델 증거로 알려진 매개 변수 최적화를 활성화. 이러한 크로스 토크를 감소 시키고 다른 조건에 따라 활성 fMRI 영역에서 잘못 된 활동을 피하고 메서드를 이미징 multimodal의 특이성을 증가 확인 된 대뇌 피 질의 활동에 부드러운 제약 조건으로 사용 됩니다. 메서드 생성 대뇌 피 질의 지도 활동 및 시간-과정의 최종 결과로 찍은 또는 메서드 동안 추가 분석 (상관 관계, 원인, 등의 분석)에 대 한 기준으로 사용 수 있습니다 (그것은 찾을 수 없습니다 그것의 형식에 의해 다소 제한 EEG-invisible 소스), 그것은 광범위 하 게 대부분의 주요 처리 소프트웨어와 호환 이며 대부분 neuroimaging 연구에 적합.

기본적인 수준에서 뇌 파 소스 지역화 앞으로 역 문제를 해결 하는 포함 한다. 구축 하 고 앞으로 문제를 해결 하는 데 필요한 구성 요소는 그림 5C에 표시 됩니다. 주제-특정 T1 이미지, 3 개의 층을 사용 하 여-뇌, 두개골, 그리고 피부-세그먼트 고 메쉬. 이러한 레이어 벰 모델 생성에 대 한 입력으로 제공 됩니다. 마찬가지로, 피사체의 회?...

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

동시 뇌 파와 기능적 MRI 기록과 동적 대뇌 피 질의 활동 영상에 대 한 통합 분석

이미징 방법, 방법, 이미징 spatiotemporal fMRI 제한 된 뇌 파 소스 라고 하는 뇌 파 fMRI multimodal 여기 설명 되어 있습니다. 제시 방법 고용 조건에 따라 활성 fMRI 하위 지도, 또는 priors, 공간 특이성을 향상 하 고 잘못 된 결과 제한 하는 방식으로 뇌 파 소스 지역화 가이드.

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 조회수.  University of Houston. 이미징 방법, 방법, 이미징 spatiotemporal fMRI 제한 된 뇌 파 소스 라고 하는 뇌 파 fMRI multimodal 여기 설명 되어 있습니다. 제시 방법 고용 조건에 따라 활성 fMRI 하위 지도, 또는 priors, 공간 특이성을 향상 하 고 잘못 된 결과 제한 하는 방식으로 뇌 파 소스 지역화 가이드.

비디오: 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.

동시 MEG와 EEG와 기능 매핑

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

연구

신경과학

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.

동시 fMRI를하는 동안 고품질 EEG 데이터를 얻기위한 가장 좋은 현재의 관행

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 ...

행동분석학

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.

쥐 두뇌에 동시 fMRI와 전기 생리학

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.

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.

동시 멕 / EEG와 해부학적인 몸의 구조 제약 최소 - 표준 견적을 사용하여 매핑 두피 역학 : 청각주의 예

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.

fMRI를 유도 경 두개 자기 자극하는 동안 기록 된 EEG 데이터에서 시각 유발 전위를 추출

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.

간질 환자의 뇌 흥분을 연결 관련 평가하는 멀티 모달 Imaging- 및 자극 기반 방법

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

의학

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.

신경 활동과 연결 Intracranial 뇌 파 데이터를 사용 하 여 SPM 소프트웨어 분석

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.

간질의 임상 검토를 위한 동시 뇌파도 및 기능적 자기 공명 영상을 위한 장비 설정 및 아티팩트 제거

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

생체공학

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.

비침습적 뇌전도를 이용한 피질 연결의 통계적 모델링

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