A Multimodal Imaging- e baseada Estimulação método de avaliação de conectividade relacionadas com o cérebro Excitabilidade em doentes com epilepsia

Resumo

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.

Resumo

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.

Introdução

A estimulação magnética transcraniana (TMS) é um meio de forma não invasiva estimular regiões do córtex através da indução eletromagnética. Em TMS, uma grande mas limitada espacialmente fluxo magnético é usado para induzir um campo eléctrico numa área cortical alvo, e assim modular a actividade do tecido neural subjacente. TMS para o motor do córtex resultado em potenciais evocados motores que podem ser medidos perifericamente através de eletromiografia (EMG). Quando aplicado em pares ou em tripletos de impulsos, TMS pode ser usado para avaliar a actividade de circuitos GABAérgicos e glutaminérgicos intracortical ^1-3 específicos, e assim avaliar o equilíbrio de excitação e de inibição in vivo em pacientes humanos. Na epilepsia, especificamente, estudos de TMS têm mostrado que a hiperexcitabilidade cortical está presente em pacientes com epilepsia ^4,5, e pode normalizar com a terapia bem sucedida droga anti-epiléptico e, assim, prever a resposta à medicação ^6. Além disso, medidas de TMS de ex corticalcitability mostrar valores intermediários em pacientes com uma única apreensão ⁷ e em irmãos de pacientes com ambas as epilepsias focais idiopáticas generalizadas e adquiridas ^8. Estas descobertas sugerem que as medidas TMS de excitabilidade cortical pode permitir-nos identificar endofenótipos para a epilepsia. No entanto, a sensibilidade e especificidade destas medidas são limitadas, provavelmente porque TMS-EMG só poderá ser avaliado com a estimulação de motoras circuitos corticais, e muitos pacientes com epilepsia têm focos de apreensão fora do córtex motor.

Electroencefalográfica (EEG) fornece uma oportunidade para medir directamente a resposta cerebral a TMS, e pode ser utilizado para avaliar a reactividade cerebral através de grandes áreas do neocórtex. Estudos integrando TMS com EEG (TMS-EEG) mostraram que TMS produz ondas de atividade, que se repercutem em todo o córtex ^9,10 e que são reprodutíveis e confiáveis ^11-13. Ao avaliar a propagação da atividade evocadaem diferentes estados comportamentais e em diferentes tarefas, TMS-EEG foi utilizado para sondar a conectividade causalmente eficaz dinâmica de redes cerebrais humanos ^10,14-16. Medidas TMS-EEG mostraram alterações significativas em doenças que vão desde a esquizofrenia ¹⁷ a TDAH ^18, e em distúrbios de consciência tais como estado vegetativo persistente ^19. Além disso, vários grupos identificaram correlatos EEG do pulso emparelhado métricas TMS-EMG que são anormais em pacientes com epilepsia ^20,21. De particular relevância, estudos anteriores também sugeriram que a actividade de EEG anormal evocadas por estimulação é observado em pacientes com epilepsia ^22-25.

Outra forma de avaliar os circuitos cerebrais é através de descanso estado conectividade funcional MRI (rs-fcMRI), uma técnica que avalia as correlações ao longo do tempo no nível de oxigenação do sangue sinal dependente (BOLD) de diferentes regiões do cérebro ^26. estudos que utilizamRS-fcMRI demonstraram que o cérebro humano está organizada em diferentes redes de regiões que interagem ^26-29, doenças neuropsiquiátricas que podem ocorrer dentro de grandes redes neurais específicas distribuídos identificados pela RS-fcMRI ^30, e que as redes cerebrais identificados através RS- fcMRI são frequentemente anormal em estados de doenças neuropsiquiátricas ^31,32. Em termos de aplicações clínicas potenciais, rs-fcMRI tem várias vantagens sobre baseada em tarefas de aplicação fMRI convencional ^33, incluindo uma menor dependência em matéria de cooperação assunto e preocupação com o desempenho variável. Consequentemente, tem havido recentemente uma explosão de estudos explorando alterações RS-fcMRI em diferentes estados de doença. No entanto, uma das limitações do RS-fcMRI é a dificuldade em determinar se e como correlações (ou anticorrelations) no sinal negrito referem-se às interacções electrofisiológicos que formam a base da comunicação neuronal. Um problema relacionado é que é often claro se os RS-fcMRI mudanças observadas em vários estados de doença têm um significado fisiológico. Em particular no que diz respeito a epilepsia, não está claro se anormalidades no rs-fcMRI são unicamente devido a transientes epileptiformes interictais, ou existem independentemente de tais anormalidades eletrofisiológicas; simultânea EEG-fMRI é necessária para ajudar a avaliar entre estas possibilidades ^34.

Como TMS pode ser usado para produzir alterações transitórias ou sustentados nas ativações de diferentes regiões corticais, estudos TMS fornecer um meio de avaliar causalmente o significado de diferentes padrões de conectividade fMRI de descanso do estado. Uma abordagem é a utilização de RS-fcMRI para orientar os esforços de estimulação terapêuticos em diferentes estados de doença; que poderia ser esperado que a TMS dirigida às regiões que estão funcionalmente ligados a domínios que se sabe estarem envolvidos em vários estados de doença é mais provável que seja terapeuticamente eficaz do que o TMS dirigida às regiões sem tais functioconectividade nal, e na verdade vários estudos descobriram evidências preliminares para este ^35,36. Outra abordagem seria envolver o uso de TMS-EEG para avaliar causalmente o significado fisiológico de padrões fcMRI diferente de descanso do estado. Especificamente, pode-se testar a hipótese de que as regiões que mostram conectividade funcional anormal num estado de doença específico deverá mostrar uma resposta diferente à estimulação nos pacientes do que em indivíduos saudáveis, e que essas anormalidades fisiológicas estão presentes especificamente (ou principalmente) com a estimulação do anormalmente região ligada.

Para ilustrar o acima, nós fornecemos um exemplo de um estudo recente em que rs-fcMRI, TMS e EEG foram combinados para explorar hiperexcitabilidade cortical em pacientes com epilepsia devido ao desenvolvimento anomalia cerebral heterotopia nodular periventricular (PNH) ^37. Os pacientes com HPN presente clinicamente com epilepsia adolescent- ou adulto-início, deficiência de leitura e inte normaislligence, e têm nódulos anormais de matéria cinzenta adjacentes aos ventrículos laterais em neuroimagem ^38,39. Estudos anteriores demonstraram que estes nódulos periventriculares de matéria cinzenta heterotópica são estruturalmente e funcionalmente ligada a focos discretos no neocórtex ^40,41, e que as convulsões epilépticas podem ser provenientes de regiões neocorticais, a matéria cinzenta heterotópica, ou ambos, simultaneamente, ^42, sugerindo que epileptog�ese esses pacientes é um fenômeno circuito. Usando descanso estado fc-MRI para orientar TMS-EEG, demonstramos que pacientes com epilepsia ativa devido a PNH tem evidência de hiperexcitabilidade cortical, e que esta hiperexcitabilidade parece ser limitada às regiões com conectividade funcional anormal para os nódulos profundos.

O protocolo é realizado em duas sessões separadas. Durante a primeira sessão, sequências de contraste de MRI sangue-oxigenação estrutural e de descanso estado de nível-dependentes (negrito) são adquiridos(Para pacientes), ou apenas a sequências de ressonância magnética estrutural (para os controles saudáveis). Entre as primeira e segunda sessões, a análise funcional conectividade-estado de repouso é utilizado para definir os alvos corticais para os pacientes, e coordena a MNI são obtidos para estes alvos. Os alvos corticais equivalentes (com base no MNI coordenadas) são, então, identificados para cada assunto de controle saudável. Na segunda sessão, os dados são obtidos TMS-EEG.

No exemplo dado neste documento, análises de ressonância magnética funcional de suporte e conectividade foram realizadas utilizando um conjunto de ferramentas de software in-house e do software RM ^43,44. Neuro-navegado TMS foi realizada com um estimulador magnética transcraniana com tempo real MRI neuronavegação. EEG foi gravado com um sistema TMS compatível com 60 canais, que utiliza um circuito sample-and-hold para evitar a saturação do amplificador pelo TMS. Os dados de EEG foram analisados usando scripts personalizados e o EEGLAB caixa de ferramentas ⁴⁵ (versão 12.0.2.4b) em execução no MATLAB R2012b.

Access restricted. Please log in or start a trial to view this content.

Protocolo

O protocolo aqui descrito foi aprovado pelos conselhos de revisão institucionais do Beth Israel Deaconess Medical Center e do Instituto de Tecnologia de Massachusetts.

Seleção 1. Sob

1. A seleção dos pacientes para o protocolo de pesquisa.
   1. Identificar pacientes com epilepsia ativa (convulsões dentro do ano passado), ou um histórico de epilepsia remoto (convulsões anteriores, mas sem convulsões nos últimos cinco anos, dentro ou fora de medicação) e heterotopia nodular periventricular em imagiologia cerebral estrutural.
   2. Excluir pacientes sem história de convulsões. Excluem também pacientes com etiologias possíveis alternativas para convulsões (por exemplo, uma história de traumatismo crânio-encefálico, acidente vascular cerebral, meningoencefalite), ou com EEG consistentes com um diagnóstico alternativo (por exemplo, epilepsia idiopática generalizada, epilepsia de lobo temporal).
   3. Excluir pacientes com neurológica adicional ou disea psiquiátricaSE, ou com qualquer outra condição médica instável. Excluir também os pacientes com história de cirurgia no cérebro antes, incapacidade de tolerar MRI, substância ilícita recente ou uso pesado de álcool, ou uma específica de ressonância magnética ⁴⁶ ou TMS ⁴⁷ contraindicação.
2. selecção saudável de controle assunto.
   1. Para cada paciente PNH (em nosso estudo publicado antes ^{de 37,} 8 pacientes, com idades entre 20 - 43 anos significa 30,25; 3 do sexo masculino, 5 do sexo feminino), identificar um controle saudável equivalente em idade e sexo.
   2. Excluir indivíduos com qualquer neurológica permanente ou doença psiquiátrica ou sobre medicamentos psicoativos, qualquer outra condição médica instável, uma história de cirurgia no cérebro antes, incapacidade de tolerar MRI, substância ilícita ou uso pesado de álcool, ou qualquer outra ressonância magnética ou TMS contraindicação específica.

2. Gerando as Metas Estimulação

1. Usando um sistema de 3T, adquirir fatias do cérebro inteiro estruturais de alta resolução usando um T1-weighted sequência. Utilize os seguintes parâmetros de aquisição: 128 fatias por laje, uma matriz de 256 x 256, campo de visão (FOV) de 256 mm, de fatia de espessura 1,33 mm, com gap interslice 0,63 mm, dimensão de voxel 1 x 1 x 1,33 milímetros ^3, tempo de repetição (TR ) 2.530 ms, tempo de inversão de 1.100 ms, tempo de eco (TE) 3.39 ms, ângulo aleta 7 °.
2. Usando um sistema de 3T, adquirir imagens funcionais de descanso de estado usando uma sequência de eco-planar sensível ao contraste dependente do nível de sangue-oxigenação (negrito). Ao executar este varredura instruir os pacientes para descansar tranquilamente com os olhos abertos sem executar qualquer tarefa específica. Utilize os seguintes parâmetros de aquisição: FOV de 256 mm, tamanho do voxel 2,0 x 2,0 x 2,0 mm, TR 6000 ms, TE 30 ms, ângulos aleta 90 °, tempo de aquisição de 6,4 min.
3. Usando o software MRICroN ^44, identificar cada região discreta de heterotopia nodular (seja cada nódulo indivíduo ou um cluster contíguo inseparável de nódulos) ^46. Use a ferramenta Pen para delinear ele manualmenteregiões terotopia de interesse (ROI), fatia por fatia no plano axial em imagens estruturais em T1.
4. Use o CONN conectividade funcional software Toolbox ^48,49 realizar quatro etapas sequenciais em processamento de dados funcionais de descanso estado: instalação, pré-processamento, análise e os resultados.
   1. Para configuração, use as opções de menu para iniciar um novo projeto e inserir informações básicas experimento. Carregar as imagens funcionais, rectificados e co-registradas com as imagens anatômicas para cada assunto.
   2. Carregar as imagens estruturais. arquivos de ROI carga heterotopia criado na etapa 2.3. Digite os detalhes da condição experimental; uma vez que este está descansando de estado, insira uma única condição de início 0 segundos e duração igual à duração completa de cada sessão. A caixa de ferramentas irá extrair o BOLD séries temporais heterotopia ROI. Verifique se há possíveis inconsistências.
   3. Para pré-processamento, confundindo fontes de variação BOLD incluem modulações induzida por respiratórias do ma principalcampo gnetic e pulsações cardíacas, bem como o movimento do sujeito. Remover confusão via o principal método baseado em componentes integrados que analisa dados de séries temporais de regiões improváveis para ser associado com a atividade neural, tais como ventrículos e grandes vasos, para identificar ruído fisiológico processa ^50. Visualizar a variação total explicada por cada uma das possíveis fontes de confusão. Aplicar um filtro passa-banda de frequência (0,01 Hz NOTA: A caixa de ferramentas, por padrão, identificar fontes de possíveis fatores de confusão, incluindo sinal BOLD da substância branca e os parâmetros de fluidos e de realinhamento cefalorraquidiano (o movimento do sujeito).
   4. De Análise e Resultados, identificar as fontes de interesse como as ROIs heterotopia. Visualizar a medida conectividade de correlação (ao invés de regressão), e exibir usando limiares para os coeficientes de correlação.
      1. Para cada assunto, criar vejamapas de conectividade d-a-voxel, utilizando cada região discreta da massa cinzenta heterotópico como um ROI de sementes, demonstrando a correlação entre a série média de tempo do sinal BOLD da ROI e todos os outros voxel cérebro.
      2. analisa realizar segundo nível de entre-assunto ou entre-source contrastes (opcional). Exibir os resultados usando altura (voxel-level) e extensão (cluster de nível) limiares; p-valores corrigidos de taxa de descoberta não corrigidas e falsos são mostrados.
5. Use software MRICroN para delinear manualmente dois alvos de interesse, um alvo ligado e um alvo não-conectado, por TMS, utilizando a ferramenta Pen ^43. Usando a função "Overlay" sobrepor os mapas de conectividade funcionais criados acima para as imagens estruturais para cada assunto.
   1. Assegure-se que a região alvo é uma região do córtex que tem conectividade funcional significativa à matéria cinzenta Heterotopia como descrito acima. Certifique-se que o alcatrão não-conectadoobtém é uma região de tamanho semelhante que não demonstra ligação funcional significativa para qualquer ROI Heterotopia, e localiza-se, pelo menos, 2,5 cm de distância do alvo ligado à superfície cortical para minimizar o risco de efeitos de estimulação vizinhança durante TMS.
   2. Escolha alvos de tal forma que a probabilidade de grandes artefatos induzida por TMS é pequena ^51. Especificamente, evite selecionar alvos nas regiões temporais ou frontopolar laterais, uma vez que estes são susceptíveis de produzir grande contração muscular e / ou movimento dos olhos artefatos que podem obscurecer o sinal de TMS-EEG início de ^51. Salvar as metas traçadas como novos ROIs alvo.
6. Determinar coordena a MNI para cada ROI alvo em cada assunto. Em seguida, use essas coordenadas para identificar os equivalentes dois locais alvo em correspondência sujeitos controle saudáveis ​​de cada sujeito.

3. TMS-EEG Setup Experimental

1. Publique as varreduras estruturais (tipicamente de alta resolução T1-weighted 3D imagens volumétricas) para o sistema de neuronavegação.
2. Usando o software neuronavegação, marcar os alvos desejados nas imagens. marcar também marcadores anatómicos externos (násio, trago bilateral) que irá ser utilizado para coregistration e neuronavegação durante a sessão de estimulação. Se estiver usando um boné de EEG com eletrodos rotativos e fios de eletrodos, fios orientar perpendicular ao longo eixo da bobina TMS ^52.
3. Entre em contato com o assunto antes da sessão experimental para lembrar-lhe para não usar condicionadores ou outros produtos de cabelo (shampoo é aceitável) no dia da sessão TMS-EEG, para evitar bebidas alcoólicas à noite antes da sessão TMS-EEG, e beber o seu habitual consumo de cafeína por dia antes da sessão de TMS.

4. sessão experimental

1. Confirmar que o assunto passou nos critérios de segurança TMS, de preferência por meio de um questionário estruturado ^53. Confirmar que o sujeito não consume bebidas alcoólicas na noite anterior, não beber significativamente mais ou menos do que o seu habitual consumo diário de cafeína, não consumiam over-the-counter auxiliares de sono que alteram a excitabilidade cortical (como a difenidramina) na noite anterior, e recebeu um típico noite de sono (como a privação do sono pode aumentar a excitabilidade cortical ^54).
2. Peça ao sujeito para se sentar em uma cadeira confortável.
3. Monte a tampa EEG sobre o tema e preparar os eléctrodos.
   1. Medida cabeça do sujeito e selecione uma tampa EEG de tamanho apropriado para ajudar a permitir impedâncias baixas eletrodos.
   2. Limpe bem a pele debaixo de cada eletrodo usando um aplicador de algodão-tip e álcool.
   3. Adicionar gel condutor para cada eléctrodo. Não adicione muito gel que ele vazamentos entre os eletrodos, que isso possa criar uma ponte e levar ao sinal comum entre os diferentes eletrodos.
   4. Se necessário, para garantir um bom contacto entre o couro cabeludo, o gel e o electrode, tente pressionar para baixo em cada eletrodo após a adição do gel. Para minimizar o carregamento artefatos, garantir que o gel não se espalhou para fora o suporte do eléctrodo. Homogeneamente reduziu os níveis de condutância para minimizar artefatos de gravação.
   5. Coloque a referência e eléctrodos de terra tão longe da bobina de estimulação quanto possível para minimizar a possibilidade do artefacto induzido por eléctrodo TMS contaminando toda a gravação. É preferível colocar estes eléctrodos acima das estruturas ósseas, em zonas presumivelmente "inactivas", com actividade mínima cortical.
      NOTA: Mesmo em estudos para o qual os locais de destino são variáveis, regiões frontopolar não são susceptíveis de ser seleccionados como alvos porque TMS para estas regiões podem resultar em grandes movimentos oculares, a contração dos frontalis e músculos faciais ^51, e, muitas vezes, dor no couro cabeludo e dor de cabeça; consequentemente, o sinal de TMS-EEG durante a estimulação destas regiões é muitas vezes obscurecido por grandes artefactos.
   6. Pecadoce estas regiões são, portanto, pouco provável de ser escolhida como alvos para a estimulação, use a testa para a colocação dos eletrodos de referência e terrestres. Colocá-los dentro de poucos centímetros uns dos outros para minimizar o ruído de modo comum.
      NOTA: Em situações em que todos os alvos de estimulação estão em um hemisfério, mastóide contralateral seria outra opção.
   7. Verifique impedâncias eletrodo como se segue; conecte os cabos de saída de EEG na tomada "impedância" do sistema de gravação EEG, em seguida, pressione o botão "medida impedâncias" no sistema de EEG. Certifique-se de que a impedância do eléctrodo não é superior a 5 kW.
4. Prepare os eletrodos EMG no lado contralateral (use primeiros interósseos dorsais ou abdutor curto do polegar músculos; utilizar o mesmo músculo entre os indivíduos em um único estudo).
5. Dê os tampões sujeitos a minimizar o risco de perda auditiva e zumbido.
   Nota: Outra opção seria utilizar fones de ouvido tocando White ruído ou ruído colorido (com características espectrais semelhantes às do TMS clique) durante todo o processo de gravação, a um volume suficiente para mascarar o clique auditivo produzido pela TMS; auditivo isso teria a vantagem de minimizar o confundem potencial do TMS-induzida potenciais evocados ^10,55. De nota, uma fina camada de espuma entre a bobina e no couro cabeludo, também é necessário para minimizar o potencial evocado auditivo.
6. Coloque detectores de infravermelhos na cabeça do sujeito, assegurando que os detectores são colocados de forma a minimizar o risco de movimento durante a sessão experimental.
7. Coregister cabeça do sujeito com as imagens de ressonância magnética, identificando a localização dos anatômicas externa marcadores fiduciais pré-selecionados (secção 3.2) sobre o assunto usando o ponteiro que está incluído com o equipamento de neuronavegação.
8. Familiarizar o assunto com a estimulação por aplicação de um pulso em outra parte (por exemplo, o braço do sujeito), ou pela aplicação de uma baixa-pulso de estimulação intensidade (por exemplo, 5% de saída estimulador máximo) para o couro cabeludo.
9. Determinar o limiar motor (a intensidade mínima que produz um evocados motores potenciais pelo menos 50 mV em tamanho em 5/10 ensaios). Um tal método, o método de frequência relativa ^56, é como se segue.
   1. Determine a localização do córtex motor do sujeito no hemisfério ipsilateral às metas baseadas em conectividade fMRI. Ao utilizar neuronavegação, isto é, em geral, a região do "Omega" no giro pré-central. Ângulo da bobina perpendicular ao giro, com o punho apontando occipitally.
   2. Comece a estimulação com uma intensidade que é esperado para ser sub-limiar (por exemplo, 35% de potência máxima estimulador).
   3. Aumentar a intensidade de estimulação em passos de 5% saída do estimulador max até TMS evoca constantemente deputados com amplitudes> 50 mV em cada tentativa.
   4. Em seguida, diminuir a intensidade do estímulo em passos de 1% maximusaída m estimulador até menos do que 5 respostas positivas em cada 10 são gravadas.
      NOTA: Esta intensidade de estimulação mais 1 é definido como limiar motor. Como alternativa, use técnicas de limite adaptável ⁵⁷ para identificar limiar motor com menos estímulos.
10. Para a estimulação das áreas-alvo, definir a intensidade TMS para o valor desejado (por exemplo, 120% de repouso limiar motor).
    NOTA: No entanto, nos casos em que haja variações regionais significativas na distância couro cabeludo-córtex (por exemplo, em pacientes com atrofia do lobo frontal), uma tal técnica pode resultar numa estimulação de sublimiar. Alternativamente, com sistemas Neuronavegação adequadas capazes de realizar estimativas linha do campo eléctrico induzido, a intensidade da estimulação pode também ser fixado a uma amplitude específica do campo eléctrico induzido calculada (em V / m) sobre a superfície cortical ^58.
11. Aplicar pulsos únicos de TMS para cada uma das regiões alvo usandoo software neuronavegação, com um intervalo variável entre os pulsos para minimizar a plasticidade cortical e efeitos de expectativa sujeitos (por exemplo, a cada 4-6 segundos, com um intervalo de, pelo menos, 3 segundos para evitar efeitos cumulativos ^59). Para maximizar a consistência, o ângulo da bobina, perpendicularmente ao eixo longo do giro subjacentes, com o punho apontou posterolateralmente.

5. EEG pré-processamento de dados e Análise

NOTA: Os dados de EEG-TMS contém usualmente grandes artefactos relacionados com a estimulação de, particularmente quando se estimula distância da linha média / vértice ou com intensidades de estimulação elevados, e pré-processamento significativo pode ser necessário para obter dados analisáveis ​​limpas. Análise de Componente Independente (ICA) é um método que tem sido utilizado para a remoção de artefactos TMS, e pode ser aplicada utilizando caixas de ferramentas disponíveis ao público (por exemplo, EEGLAB ⁴⁵⁾ na plataforma MATLAB. Uma abordagem validada ⁶⁰ é tão Follows, descrevendo a análise dos dados coletados usando o sistema Eximia EEG:

1. Importe os dados para EEGLAB
   1. Clique em "Arquivo", "Importar dados", "Usando funções EEGLAB e plugins", "De arquivos EDF / EDF + / GDF (BIOSIG toolbox)".
2. Extrair os horários dos eventos
   1. Clique em "Arquivo", "info Import evento", "From canal de dados". Preencha "canal de evento" 1 ", transformar pré-processamento (dados = 'X')" X> 0,1, "comprimento de transição (1 = bordas perfeitas) 0. Certifique-se de" Apagar canal de evento (s)? "E" Apagar eventos antigos , se houver? "caixas de seleção estão marcadas.
3. Segmento os dados em épocas centradas em torno do pulso TMS, a partir de 1 segundo antes do pulso de 2 segundos depois. Para fazer isso, selecione "Ferramentas", "Extract épocas". Se o pulso TMS é o único tipo de evento ", tipo de evento Time-bloqueio (s)" campo pode ser deixado em branco. Para os "limites Epoch [Iniciar, end] em segundos "entrar [-1 2].
4. Revisão dos dados de EEG visualmente (selecione "Plot", "Dados do Canal (rolagem)".) Remover canais ruins (por exemplo, canais sem sinal ou com o artefato excessiva contínua). Para fazer isso, clique em "Editar", "Select dados". No campo "Canal intervalo", digite o número (s) do canal a ser eliminado (ou clique na caixa de alternância para a direita e selecionar os canais por nome, em seguida, pressione "OK"), verifique se o "on- > removê-los "opção for assinalada, e pressione" Ok ".
5. Definir os potenciais em todos os eléctrodos a zero a partir do tempo do impulso até que o sinal de EEG voltou a ser aproximadamente uma ordem de magnitude do sinal neural (por exemplo, por corte para fora de dados maior do que 150 mV), ou em qualquer ponto de tempo fixo depois ( por exemplo, 40 ms) para garantir que os grandes artefatos TMS não distorçam a separação ICA. ⁶¹ Esta etapa terá de script em Matlab.
6. Realizar uma rodada inicial da ICA, e remover os 1 - componentes 2 representam a grande ativação muscular inicial induzida pelo TMS.
   1. Executar ICA usando o método FastICA com a "abordagem simétrica" ​​e a função de contraste "tanh" usando a seguinte linha de comando: "EEG = pop_runica (EEG, 'icatype', 'FastICA', 'abordagem', 'SYMM', 'g ',' tanh '); ".
      NOTA: Executar ICA separadamente para cada local, como o artefacto produzidos por estimulação irá variar em função do local de estimulação.
   2. Identificar os componentes compatíveis com artefato TMS, selecionando "Ferramentas", "Rejeitar dados usando ICA", "Remover componentes no mapa". Os mapas topográficos de todos os componentes da ACI irá então ser plotados. Clique no número de cada componente para traçar detalhes do componente (um mapa maior da distribuição topográfica, o perfil de atividade em todos os ensaios, e espectro de frequências).
      NOTA: O artefato compo pulso TMSnentes (tipicamente 1 - 2) pode ser reconhecida pelo terreno topográfico dipolar localizada no sítio de estimulação, o extremamente grande amplitude do componente de activação imediatamente após o pulso, e a subsequente deterioração exponencial suave.
   3. Excluir os componentes de artefatos, selecionando "Ferramentas", "Remover componentes", e digitar os números de componentes relevantes no campo para "Componente (s) para remover a partir de dados". Na caixa "Confirmação" que aparece, pressione "Aceitar" depois de analisar o ERPs que resultam após a eliminação do componente selecionado (pressione "Plot ERPs") e depois de analisar os efeitos de um único teste (imprensa "complô ensaios individuais"). NOTA: Esta etapa deve ser concluída antes da filtragem para minimizar quaisquer artefatos de filtração do artefato muscular induzida pelo TMS, que muitas vezes pode ser de vários milivolts.
7. Interpolar os dados em falta (durante o período de tempo zeros à esquerda). Esta etapa irá need ser feito usando um script Matlab.
8. Passa-banda e / ou filtro de entalhe os dados (opcional, ou poderia ser feito em um ponto mais tarde, por exemplo, após a segunda rodada de remoção de artefato ICA).
   NOTA: Se a amplitude de alta TMS-artefacto ainda não foi adequadamente removida, o efeito de alisamento temporais de um filtro passa-alto pode levar a dispersão temporal do artefacto. Além disso, a banda passante ondulando produzido por filtros passa-baixa pode levar a artefato de toque de destaque na parte "limpa" do sinal EEG filtrado resultante.
9. Re-referência a média de referência (opcional, ou poderia ser feito em um ponto mais tarde, por exemplo, depois de interpolação de canais ausentes).
10. Remover épocas individuais com artefatos de grande amplitude, a atividade muscular significativa, ou outros artefatos importantes.
    1. Para a rejeição semi-automatizado artefato, selecione "Ferramentas", "Rejeitar épocas de dados", "Rejeitar dados (todos os métodos)".
    2. Em "Encontrar d improvávelata "digite 3,5 no campo de" limite de canal único (std. dev.) e 3 no campo de "todos os canais de limite (std. dev.)", pressione o botão "Calcular" imediatamente abaixo. Isto identifica épocas improváveis ​​que contêm dados com base na distribuição de valores em épocas de dados.
    3. Em "Encontrar distribuições anormais", digite 5 no campo de "limite de canal único (std. Dev.)" E 3 no campo de "All limite de canais (std. Dev.)", Em seguida, pressione o botão "Calcular" botão imediatamente abaixo. Isto identifica épocas como contendo artefactos com base no curtose dos dados.
    4. Para rejeitar épocas com valores anormalmente elevados ou baixos, em "Pesquisar valores anormais", introduzir 100 no campo para "Limite superior (s) (UV)" e -100 no campo de "limite inferior (s) (UV)" (embora diferentes limites pode ser necessária em crianças, nas quais amplitudes de EEG são geralmente mais elevadas). Insira os números de eletrodos para aplicar limiar de tensãoolding no campo marcado "Eletrodo (s)"; para evitar a rejeição de todas as épocas com piscar de olhos, não incluem frontopolar (e / ou EOG) canais. Em seguida, pressione "Calc / Plot.".
    5. Percorra épocas marcadas, e épocas desmarcar que não contêm artefatos clicando com o botão direito sobre a época. Marcar épocas adicionais que contêm artefatos significativos clicando com o botão à esquerda na época. Depois de confirmar que todas as épocas contendo artefatos são marcadas, clique em "Marcas Update" botão.
    6. Para salvar o que épocas são marcados para exclusão, clique em "Close (mantê-marcas)" e salve conjunto de dados ( "Arquivo", "Salvar conjunto de dados atual como").
       1. Para exclua as épocas relevantes, selecione "Ferramentas", "Rejeitar épocas de dados", "Rejeitar épocas marcadas". Clique em "Sim" na caixa de diálogo de confirmação posterior. Salve resultante conjunto de dados.
11. Executar uma segunda rodada de ICA, e remover componentes correspondente à decadênciaartefatos, artefatos piscar, artefatos musculares e artefatos de ruído do eléctrodo.
    NOTA: A remoção de componentes compatíveis com potenciais auditivos evocados-pode ser considerado, embora estes componentes também podem conter componentes neurais evocados directamente relacionadas com o pulso de estimulação (que também tem picos em pontos de tempo semelhantes). Uma opção melhor do que iria minimizar potenciais evocados TMS-induzidas pela TMS "click", e assim eliminar a necessidade de remoção à base de ACI, seria realizar ruído mascarando como descrito na secção 4.5 acima, se tolerável pelos sujeitos.
    1. Executar ICA usando o método FastICA com a "abordagem simétrica" ​​e a função de contraste "tanh", como descrito em 5.6.1 acima.
    2. Avaliar as propriedades do componente conforme descrito em 5.6.2 acima.
    3. Componentes de marca consistentes com TMS residual artefatos de decaimento ^62.
       NOTA: Identificar este baseado em tempo (máximo imediatamente após o pulso), a morfologia (a lenta decadência com overshoot, em seguida, a recuperação lenta ao longo de dezenas a centenas de milissegundos) e localização (perto do local de estimulação). Além disso, os componentes da ACI podem ser organizados em ordem de variância explicada descendente; como o artefacto TMS é muito grande, ele é tipicamente representada nos primeiros componentes, e geralmente representam não mais do que 1-5 componentes.
    4. Usando o plugin ⁶² Ajustar para EEGLAB, marcar componentes consistentes com artefatos piscam.
       NOTA: Identificar isso com base em localização (frontopolar máxima), timecourse (longos períodos com atividade relativamente mínima, seguido por curtos períodos de intensa ativação), espectros (alta potência a baixas frequências) e morfologia (trifásico).
    5. Componentes de marca consistentes com artefato muscular ^62.
       NOTA: Identificar isso com base em características espectrais (poder significativo em frequências beta e acima), distribuição temporal (muito irregular / irregulares), a distribuição espacial (máximas ao longo da periferia do couro cabeludo) ea actividade no domínio do tempo(Espetado).
    6. Componentes de marca consistentes com o ruído de canal com base na distribuição espacial (isolado a 1 ou 2 canais) e distribuição temporal (frequentemente muito peaky, atividade alta em poucos ensaios, ou muito lentas flutuações de amplitude grandes) usando o plugin ⁶² Ajustar para EEGLAB.
    7. Remover componentes marcados como em 5.6.4 acima. Interpolar canais desaparecidos e realizar análises posteriores sobre esses dados.
       NOTA: É necessário ter cuidado quando interpolação canais. Em particular, se uma proporção substancial (por exemplo, 10%) dos canais ou, se os canais adjacentes são interpolados, o conjunto de dados resultante pode não ser fiáveis, sobretudo se a actividade do cérebro subjacente tem uma alta frequência espacial.
12. Carregar um outro conjunto de dados com todos os canais desejados em EEGLAB. Em seguida, trazer o conjunto de dados que você deseja realizar a interpolação para o primeiro plano, selecionando "conjuntos de dados" e, em seguida, clicando no conjunto de dados relevante.
13. Selecione "Ferramentas"; "Interpolar eletrodos". No conjunto de dados resultante, selecione "Usar todos os canais de outro conjunto de dados". Para o "método de interpolação", selecione "esférica" ​​e pressione "Ok".

6. Avaliar a evidência de Cortical hiperexcitabilidade

1. Calcula-se a média global potencial de campo (GMFP) ⁶³ para cada local e sujeitos a estimulação como uma função do tempo, utilizando a equação seguinte:
   
   em que K é o número de eléctrodos, V _i (t) é a tensão medida no eléctrodo i no tempo t, e V _{significativo} (t) é a média tensão através dos eléctrodos no tempo t.
2. Segmentar os dados em períodos de tempo "precoces" quando a atividade TMS-evocado está normalmente presente em indivíduos saudáveis (por exemplo, 100-225 ms), e períodos de tempo final, quando anormal atrasadasa actividade pode ser observada em doentes com epilepsia (por exemplo, 225 - 700 mseg). Calcula-se a área sob a curva (AUC) do GMFP (AUC-GMFP) durante cada período de tempo.
   NOTA: Uma vez que a magnitude absoluta da resposta evocada pode variar amplamente entre os indivíduos por causa de fatores independentes da fisiologia cortical (por exemplo, espessura do crânio, distância do couro cabeludo-cortex, anatomia do cérebro indivíduo) que podem no entanto variar entre os grupos (por exemplo, porque os pacientes com epilepsia pode ser em medicamentos antiepilépticos), amplitudes matérias são de utilidade limitada na avaliação dos potenciais evocados TMS. Para isolar se pacientes com epilepsia anormalmente aumentada actividade evocada-TMS, normalizar a magnitude da AUC-GMFP durante períodos de tempo mais tardios por a magnitude da AUC-GMFP durante os "precoces" períodos de tempo.
3. Compare o normalizado AUC-GMFP para cada paciente epilepsia ao obtido pela estimulação da mesma região em con saudável igualou a do pacientecontrole. Um valor mais alto (relação> 1) em que o paciente epilepsia indica que o paciente tem epilepsia aumento da excitabilidade.

7. Estimativa Fonte da atividade elétrica Evocado

1. Reconstruir a superfície cortical para o assunto usando o pacote Freesurfer ^64.
   1. Execute o comando "Gerar FreeSurfer Output". Execute o comando "Gerar Surfaces". Executar comando "Criar espaço Fonte". Importar locais de eletrodos digitalizados a partir do software neuronavegação e alinhar eletrodos utilizando MNE Analisar software (MNE Versão 2.7.0) ^65,66; se locais de eletrodos individuais não estão disponíveis, os dados de um sujeito com um tamanho aproximado cabeça semelhante pode ser suficiente.
   2. Executar comando "mne_analyze". Clique em "Arquivo", "dados de carga digitalizador" (.fif). Clique em "Arquivo", "Load Surface". Selecione caminho para dados de MRI Freesurfer Reconstrução.
   3. Clique em "Ver", "Show viewer ". Clique em" Ajustar "," Coordenar Alinhamento ". Clique em" LAP ". Clique no local LAP em" Viewer "janela. Repita o procedimento para" Násio "e" RAP ".
   4. Clique em "Alinhar Usando Fiducials". Clique no "X", "Y", "Z" setas de campo para ajustar manualmente coordenar o alinhamento. Clique em "Salvar padrão" em "Coordenar Alinhamento" janela para salvar trans arquivo.
2. Determinar a solução para a frente utilizando um método apropriado (por exemplo, limite-elemento de modelagem como implementado no software MNE ^65,66). Para fazer isso, execute o comando "MNE Do Atacante Solution".
3. Identificar os pontos de tempo dos picos na GMFP para análise fonte. Para fazer isso, execute o comando "MNE_Browse_Raw" para .fif arquivo.
   1. Clique em "Ajustar", filtro "para fazer mudanças de filtro. Clique em" Ajustar "," Escalas "para fazer mudanças de escala. Clique em" Ajustar "," Seleção &# 34; para alterar a selecção montagem.
   2. Clique no ponto de tempo em dados de tensão de cru. Clique em "Windows", "Show Annotator". Clique em "marca" para código selecionado ponto de tempo com número e comentário correspondente. Sobrescrever campo de comentário quando aplicável.
   3. No campo média, digite o número da anotação. Clique em "média". Clique em "Windows", "Gerenciar Médias". Clique em "Salvar como" e nome .fif arquivo.
4. Usando a média (entre os ensaios) potencial evocado nos momentos relevantes, calcular a solução de código atual usando um operador inverso adequado (por exemplo, a estimativa mínima norma como implementado no software MNE). Para fazer isso, execute o comando "MNE Inverse Operador".
5. Aplicar um limiar de tensão para as imagens resultantes para identificar a região de origem dos picos evocados.
   1. Clique em "Windows", "Start MNE Analisar". Clique em "Arquivo", "Abrir". Escolha um tempo parquivo .fif média onto no campo "Arquivos". Selecionar inverso .fif arquivo no campo "Operador inversa".
   2. Clique em "Arquivo", "Load Surface". Selecione caminho para dados de MRI Reconstrução. Selecione "Pial" em campo "Surfaces disponíveis".
   3. Clique em "Ajustar", Estimativas "em" MNE Analisar "janela. Para ajustar a escala, clique esquerdo no" campo Valor Histograma "para selecionar a distribuição de valor limiar. Clique histograma para ajustar os limiares mapa de cores.
   4. Clique em "img" em "MNE Analisar" campo. Selecione ".tif", "Save".

Access restricted. Please log in or start a trial to view this content.

Resultados

Descansando em estado conectividade funcional fMRI pode ser usado para identificar regiões do córtex que demonstram alta conectividade funcional com os heterotópicos periventriculares cinza nódulos matéria (Figura 1), e regiões de controle, sem essa conectividade. Para determinar se essa conectividade funcional anormal tem um significado fisiológico, a região cortical com a atividade de descanso estado correlacionada pode ser escolhido como o "conectados&quo...

Access restricted. Please log in or start a trial to view this content.

Discussão

Descansando em estado conectividade funcional MRI foi usado para identificar a conectividade de rede no cérebro humano, e para identificar alterações de conectividade que ocorrem em diferentes estados de doença ^26,31,32. No entanto, como conectividade funcional fMRI se baseia na identificação correlações no sinal BOLD e, como alterações de oxigenação do sangue têm uma relação não-trivial com a atividade neural subjacente, o significado causal e relevância fisiológica desses achados conectivi...

Access restricted. Please log in or start a trial to view this content.

Materiais

Name	Company	Catalog Number	Comments
3T MRI scanner
MRI functional connectivity software
MRI image viewing software			MRICron
Transcranial Magnetic Stimulator	Nexstim	eXimia Stimulator	Can use stimulators from other suppliers, e.g., Magventure, Magstim
MRI neuronavigation system	Nexstim	NBS v3.2.1	Alternative MRI neuronavigation system, e.g., Brainsight, Localite
TMS-compatible EEG system	Nexstim	Eximia EEG	Alternatives: Brain Products, Synamps, ANT
Matlab	Mathworks	R2012b	Alternatives: Octave
EEGLab
Minimum Norm Estimate (MNE) software
FreeSurfer