Мультимодального Imaging- и стимуляция на основе метод оценки подключения связанных с Возбудимость мозга у пациентов с эпилепсией

Резюме

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.

Аннотация

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.

Введение

Транскраниальная магнитная стимуляция (ТМС) является средством неинвазивного стимулирования областей коры с помощью электромагнитной индукции. В TMS, большой, но пространственно ограниченный магнитный поток используется для индукции электрического поля в целевой области коры, и, таким образом, модулирует активность лежащей в основе нервной ткани. ТМС к результатам коры головного мозга двигателя в двигателе вызванные потенциалы, которые могут быть измерены с помощью периферического электромиографии (ЭМГ). При применении в парах или тройками импульсов, ТМС может быть использован для оценки активности специфических интракортикальных ГАМКергических и glutaminergic схемах ^1-3, и , таким образом , оценить соотношение возбуждения и торможения в естественных условиях у больных людей. При эпилепсии в частности, исследования ТМС показали , что корковая возбудимость присутствует у пациентов с эпилепсией ^4,5, и может нормализовать с успешной анти-эпилептической лекарственной терапии и , таким образом , предсказать реакцию на лекарства ^6. Кроме того, TMS меры корковой ехcitability показать промежуточные значения у больных с одним захватом ⁷ и братьев и сестер больных с идиопатической генерализованной как и приобретенными очаговых эпилепсий ^8. Эти данные позволяют предположить, что ТМС меры корковой возбудимости может позволить нам идентифицировать эндофенотипов для лечения эпилепсии. Однако чувствительность и специфичность этих мер ограничены, вероятно, потому, что ТМС-ЭМГ может быть оценена только при стимуляции кортикальных цепей двигателя, и многие пациенты, страдающие эпилепсией, имеют судорожный фокусы вне моторной коры.

Электроэнцефалограмма (ЭЭГ) дает возможность непосредственно измерить мозговую реакцию на TMS, и может быть использован для оценки церебральной реактивности на широких областях неокортекса. Исследования интегрирующие TMS с EEG (TMS-EEG), показали , что ТМС производит волны активности , которые отражаются по всей коре ^9,10 и которые являются воспроизводимыми и надежными ^11-13. Оценивая распространение вызванной активностив различных поведенческих состояниях и в различных задачах, ТМС-ЭЭГ использовался для причинную зонд динамической эффективной связность сетей мозга человека ^10,14-16. ТМС-ЭЭГ меры показали значительные отклонения при заболеваниях , начиная от шизофрении ¹⁷ до ¹⁸ СДВГ, и при нарушениях сознания , таких как вегетативное состояние ^19. Кроме того, несколько групп выявили ЭЭГ корреляты парного импульса метрики ТМС-ЭМГ , которые являются ненормальным у больных с эпилепсией ^20,21. Особое значение, предыдущие исследования также показали, что аномальное возбуждение-вызванных ЭЭГ активность наблюдается у больных с эпилепсией ^22-25.

Другим средством оценки схем мозг с помощью покоящихся состояния функциональной связности МРТ (RS-fcMRI), методика , которая оценивает корреляции с течением времени в уровне оксигенации крови зависимой (полужирный) сигнала от различных областей ²⁶ мозга. Исследования с использованиемRS-fcMRI показали , что человеческий мозг состоит из различных сетей взаимодействующих областей ^26-29, что психоневрологические заболевания могут возникать в рамках конкретных крупномасштабных распределенных нейронных сетей , определенных RS-fcMRI ^30, и что сети мозга идентифицированы с помощью rs- fcMRI часто ненормальное в психоневрологических болезненных состояниях ^31,32. С точки зрения потенциальных клинических применений, RS-fcMRI имеет ряд преимуществ по сравнению с обычными задач на основе фМРТ приложения ^33, в том числе в меньшей степени на предмет сотрудничества и озабоченность по поводу переменной производительности. Следовательно, существует недавно был взрыв исследований, исследующих изменения RS-fcMRI в различных болезненных состояниях. Тем не менее, одним из недостатков RS-fcMRI является трудность в определении того, как и корреляции (или антикорреля-) в BOLD сигнала относятся к электрофизиологических взаимодействий, которые лежат в основе нейрональной коммуникации. Связанная с этим проблема заключается в том, что это ofteп неясно, будет ли RS-fcMRI изменения, наблюдаемые в различных болезненных состояниях имеют физиологическое значение. В частности, в отношении эпилепсии, остается неясным, является ли отклонения в RS-fcMRI обусловлены исключительно интериктальных эпилептиформными переходных процессов, или существуют независимо от таких электрофизиологических аномалий; одновременная EEG-ФМРТ необходима , чтобы помочь оценить между этими возможностями ^34.

Как ТМС может быть использован для получения переходных или замедленным изменения в активаций различных корковых областей, исследования TMS обеспечивают средства причинную оценки значимости различных покоящихся состояния паттернов подключения фМРТ. Один из подходов заключается в использовании RS-fcMRI направлять терапевтические усилия стимуляции в различных болезненных состояниях; можно ожидать, что ТМС ориентированные на регионы, функционально связанных с областей, как известно, участвует в различных болезненных состояниях, более вероятно, быть терапевтически эффективными, чем TMS адресованный регионам без такого FunctioNAL связи, и в самом деле несколько исследований нашли предварительные доказательства для этого ^35,36. Другой подход предполагает с использованием ТМС-электроэнцефалограмму для причинной оценить физиологическую значимость различных покоящихся состояния моделей fcMRI. В частности, можно проверить гипотезу о том, что регионы, которые показывают аномальный функциональные связи в определенном состоянии заболевания должны показать другой ответ на стимуляцию у больных, чем у здоровых людей, и что эти физиологические аномалии присутствуют специально (или преимущественно) при стимуляции аномально связная область.

Чтобы проиллюстрировать вышесказанное, мы приведем пример недавнего исследования , в котором RS-fcMRI, TMS и ЭЭГ были объединены для изучения корковой возбудимость у пациентов с эпилепсией вследствие развития ненормальности мозга перивентрикулярном шаровидным гетеротопии (НПГ) ^37. У больных с НПГ настоящего клинически с adolescent- или взрослого начала эпилепсии, чтение инвалидности и нормального интеlligence, и имеют аномальные узелки серого вещества , смежного с боковыми желудочками на нейровизуализации ^38,39. Предыдущие исследования показали , что эти перивентрикулярные узелки гетеротопной серого вещества структурно и функционально связаны с дискретным фокусов в неокортекса ^40,41, и что эпилептические припадки могут происходить из неокортекса регионов, гетеротопной серого вещества, или оба одновременно ^42, предполагая , что в эпилептогенез у этих пациентов является схемой явление. С помощью покоящихся состояния FC-МРТ для руководства TMS-ЭЭГ, мы показали, что у пациентов с активной формой эпилепсии вследствие НПГ имеют признаки корковой возбудимости, и что эта возбудимость, как представляется, ограничивается регионами с аномальным функциональной связности в глубоких узелков.

Протокол проводится в двух отдельных сеансах. В ходе первой сессии, структурные и покоящихся состояние крови оксигенации зависимой от уровня (полужирный) последовательностей контраста МРТ приобретаются(Для пациентов), или только структурные последовательности МРТ (для здоровых людей). Между первой и второй сессий, упираясь-анализ состояния функциональной связности, используется для определения корковых целевых показателей для пациентов, а MNI координаты получаются эти цели. Эквивалентные корковых цели (основанные на MNI координаты) Затем определяются для каждого здорового субъекта управления. Во второй сессии, данные ТМС-ЭЭГ получается.

В примере , приведенном в данной работе, функционально-подключения анализа МРТ были выполнены с использованием программного инструментария в доме и программное обеспечение МРТ ^43,44. Нейро-ТМС навигация проводили с помощью транскраниальной магнитной стимулятора в режиме реального времени МРТ нейронавигации. ЭЭГ регистрировали с TMS-совместимой системы 60-канала, который использует схему выборки и удержания, чтобы избежать насыщения усилителя с помощью ТМС. Данные ЭЭГ были проанализированы с помощью пользовательских сценариев и EEGLAB набор инструментов ⁴⁵ (версия 12.0.2.4b) , работающих в MATLAB R2012b.

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

протокол

Протокол, описанный здесь, был одобрен институциональными советами в Beth Israel Deaconess Medical Center и Массачусетского технологического института.

Выбор 1. Предмет

1. Отбор пациентов для протокола исследования.
   1. Выявление больных с активной формой эпилепсии (припадки в течение последнего года) или истории удаленной эпилепсии (предыдущие судорог, но без каких-либо изъятий в течение последних пяти лет или выключен лекарства) и перивентрикулярной шаровидным гетеротопии на структурной визуализации головного мозга.
   2. Исключить пациентов без истории судорог. Также исключить пациентов с альтернативными возможных этиологией для изъятия (например, история черепно - мозговой травмы, инсульта, менингоэнцефалит) или с ЭЭГ в соответствии с альтернативным диагнозом (например, идиопатической генерализованной эпилепсией, мезиальная височная эпилепсия).
   3. Исключение пациентов с дополнительным неврологического или психиатрического diseaSE, или с любым другим нестабильного медицинского состояния. Также исключить пациентов с историей ранее операции на головном мозге, неспособность переносить МРТ, недавнее незаконное вещество или злоупотребление алкоголем или конкретный МРТ ⁴⁶ или TMS ⁴⁷ противопоказание.
2. Здоровый выбор субъект управления.
   1. Для каждого пациента НПГ (в нашем исследовании , опубликованном ранее ^37, 8 пациентов, в возрасте 20 - 43 лет означают 30.25; 3 мужчины, 5 женщин), идентифицировать возраст и пол соответствием здорового контроля.
   2. Исключить предметы с любой постоянной неврологического или психиатрического заболевания или на психоактивные лекарства, любые другие неустойчивы медицинское состояние, история предшествующего операции на головном мозге, непереносимость МРТ, незаконное вещество или злоупотребление алкоголем, или любой другой специфический МРТ или TMS противопоказание.

2. Создание стимуляции Цели

1. Используя систему 3Т МРТ, приобретают высокого разрешения структурных срезов целого мозга с помощью Т1-weighted последовательности. Используйте следующие параметры измерения: 128 ломтиков в плите, 256 х 256 матрицы, поле зрения (FOV) 256 мм, толщина среза 1,33 мм с зазором interslice 0,63 мм, размер воксела 1 х 1 х 1,33 мм ^3, время повторения (TR ) 2530 мс, время инверсии 1100 мс, эхо времени (TE) 3,39 мс, флип угол 7 °.
2. Используя систему 3Т МРТ, приобретают покоящихся состояния функциональных изображений с помощью эхо-планарной последовательности, чувствительного к зависимой от уровня (полужирный) контраста крови оксигенации. При выполнении этого сканирования проинструктировать пациентов спокойно отдыхать с открытыми глазами, не выполняя какой-либо конкретной задачи. Используйте следующие параметры приобретения: FOV 256 мм, размер воксела 2,0 х 2,0 х 2,0 мм, TR 6000 мс, TE 30 мс, флип угол 90 °, время приобретения 6,4 мин.
3. Использование ПО MRICroN ^44, идентифицировать каждый дискретный участок шаровидным гетеротопии (либо каждого отдельного узелка или неразрывной прилежащей кластера узелков) ^46. С помощью инструмента Pen вручную очертить онterotopia области интереса (трансформирования), ломтик за кусочком в осевой плоскости на T1-взвешенных структурных изображений.
4. Использование Конн функциональной связности программного инструментария ^48,49 выполнить четыре последовательных шага в состоянии покоя состояния функциональной обработки данных: Настройка, Препроцессирование, анализ и результаты.
   1. Для установки используйте пункты меню, чтобы начать новый проект и введите основную информацию эксперимента. Загрузите функциональные изображения, реконструированный и совмещались с анатомическими изображениями для каждого предмета.
   2. Загрузите структурные изображения. Load гетеротопия ROI файлы, созданные на шаге 2.3. Введите данные экспериментального состояния; так как это отдыхает-состояние, введите одно условие с началом 0 секунд и длительностью, равной полной продолжительности каждой сессии. Набор инструментов извлечет гетеротопия ROI BOLD временных рядов. Визуальный контроль на наличие возможных несоответствий.
   3. Для предварительной обработки, вмешивающихся источники BOLD изменения включают модуляций дыхательных индуцированных основного маgnetic поле и сердечные пульсации, а также при условии движения. Удалить вмешивающимся фактором с помощью интегрированного основного метода на основе компонентов , который анализирует данные временных рядов из регионов вряд ли будет связано с нейронной активности, такие как желудочков и крупных сосудов, выявить физиологические процессы шума ^50. Предварительный просмотр общей дисперсии, объясняемой каждым из возможных вмешивающихся источников. Применение частоты полосовой фильтр (0,01 Гц Примечание: Набор инструментов по умолчанию будет определять источники возможных вмешивающихся, в том числе BOLD сигнала от белого вещества и спинномозговой жидкости и перестройкой параметров (при условии движения).
   4. Для анализа и результатов, выявить источники, представляющие интерес как к гетеротопия трансформирования. Предварительный меру связности корреляции (а не регресса), а также отображать с использованием пороговых значений для коэффициентов корреляции.
      1. Для каждого предмета, создать смd-на-воксела карты подключения, использующие каждый дискретный область гетеротопной серого вещества в качестве семян ROI, демонстрирующих корреляцию между средним временным рядам BOLD сигнала на ROI и любой другой вокселе мозга.
      2. Выполнение второго уровня для анализа объекта съемки между или между истоком контрастов (по желанию). Отображение результатов, используя высоту (воксельная уровня) и степени (кластер уровня) пороговых значений; некорригированные и ложные обнаружения скорости скорректированные р-значения приведены.
5. Используйте программное обеспечение MRICroN вручную выделить две цели , представляющие интерес, подсоединенный цель и Неподключённый цели, для TMS, используя инструмент Pen ^43. С помощью функции "Overlay" накладываться функциональные карты подключения, созданных выше на структурных изображений для каждого предмета.
   1. Убедитесь, что целевая область представляет собой область коры головного мозга, который имеет значительную функциональную связь с серого вещества гетеротопии, как описано выше. Убедитесь в том, что Неподключённый деготьполучаете аналогичный размер региона, который не демонстрирует значительную функциональную возможность подключения к любой гетеротопия ROI, и расположен на расстоянии не менее 2,5 см от подключенной мишени на корковой поверхности, чтобы свести к минимуму риск возникновения эффектов окрестности стимуляции во время TMS.
   2. Выберите цели таким образом, чтобы вероятность больших TMS-индуцированных артефактов мала ^51. В частности, избежать выбора целей в боковых височных или frontopolar регионов, поскольку они, вероятно, производят большое сокращение мышц и / или движения глаз артефакты , которые могут скрыть ранний ТМС-ЭЭГ сигнала ^51. Сохранение намеченных целей в качестве новых целевых трансформирования.
6. Определить координаты MNI для каждого целевого ROI по каждому предмету. Затем используйте эти координаты, чтобы определить эквивалентные две целевые сайты в согласованной теме здорового управления каждого субъекта.

3. ТМС-EEG Экспериментальная установка

1. Загрузить структурные сканирования (как правило, с высокой разрешающей способностью T1-вэйghted 3D объемные изображения) в систему нейронавигационной.
2. С помощью программного обеспечения нейронавигации, отметьте требуемые цели на изображениях. Также отметьте внешние анатомические маркеры (далее Насьон, двусторонний козелка), который будет использоваться для Корегистрация и нейронавигации во время сеанса стимуляции. При использовании колпачок ЭЭГ с вращающимися электродами и электродных проволок, Orient проводов перпендикулярно к продольной оси TMS катушки ^52.
3. Связаться с предметом до экспериментальной сессии, чтобы напомнить ему или ей не использовать кондиционеры или другие продукты волос (шампунь приемлемо) на день сессии ТМС-EEG, чтобы избежать алкогольных напитков вечером до начала сессии ТМС-ЭЭГ, и пить его или ее обычное ежедневное потребление кофеина до начала сессии TMS.

4. Экспериментальная сессия

1. Убедитесь , что субъект проходит TMS критерии безопасности, в идеале с помощью структурированного вопросника ^53. Убедитесь, что субъект не сделал противумэ алкогольных напитков на предыдущую ночь, не пить значительно больше или меньше его обычного ежедневного употребления кофеина, не потреблять более-рецепта пособия сна, которые изменяют корковой возбудимости (например, димедрол) предыдущую ночь, и получил типичный ночной сон (как лишение сна может увеличить возбудимость коры головного мозга ^54).
2. Попросите его, чтобы сидеть в удобном кресле.
3. Установите крышку EEG по этому вопросу и подготовить электроды.
   1. Измерьте голову субъекта и выбрать колпачок EEG соответствующего размера, чтобы помочь разрешить низкие электродные импедансов.
   2. Тщательно очистите кожу под каждым электродом с использованием аппликатора хлопка-наконечник и алкоголь.
   3. Добавить токопроводящий гель для каждого электрода. Не добавляйте слишком много геля, что его утечки между электродами, так как это может создать мост и привести к общему сигналу между различными электродами.
   4. При необходимости, чтобы обеспечить хороший контакт между кожей головы, гель и еlectrode, попробуйте нажать вниз на каждом электроде после добавления геля. Чтобы свести к минимуму артефакты зарядки, убедитесь, что гель не распространился за пределы держателя электрода. Гомогенно уменьшил уровни проводимости, чтобы свести к минимуму записи артефактов.
   5. Поместите ссылку и наземные электроды как можно дальше от катушки стимуляции, как это возможно, чтобы свести к минимуму возможность TMS-индуцированное электрода артефакт загрязняя всю запись. Предпочтительно, чтобы поместить эти электроды выше костные структуры, в предположительно «неактивный» зон с минимальной корковой активности.
      Примечание: Даже в исследованиях , для которых целевые расположения переменной, frontopolar регионы вряд ли будут выбраны в качестве мишеней , поскольку ТМС в этих регионах может привести к значительным движениям глаз, сжатие лобной и мышц лица ^51, и, зачастую, волосистой части головы боль и Головная боль; Следовательно, сигнал ВТР-ЭЭГ при стимуляции этих областей часто затемняется крупные артефакты.
   6. грешитьсе эти регионы, таким образом, вряд ли будут выбраны в качестве мишеней для стимуляции, используйте лоб для размещения опорных и заземляющих электродов. Поместите их в пределах нескольких сантиметров друг от друга, чтобы минимизировать общий шум.
      Примечание: В ситуациях, когда все цели стимуляции в одном полушарии, контралатеральной сосцевидного будет другой вариант.
   7. Проверьте электрод импедансы следующим образом; подключите выходные кабели EEG в "импеданс" гнездо системы записи ЭЭГ, а затем нажмите кнопку "Мера импедансов" на системе ЭЭГ. Убедитесь, что сопротивление электрода не превышает 5 кОм.
4. Подготовка электродов ЭМГ на контралатеральной стороны (использовать первый спинной межкостной или отводящая Brevis мышцы, используют один и тот же мышцы через испытуемых в одном исследовании).
5. Дайте предметные беруши, чтобы свести к минимуму риск потери и шум в ушах слуха.
   Примечание: Другим вариантом было бы использовать наушники, играя на йотуе шум или цветным шумом (со спектральным признакам совпали с ТМС щелчком) в течение всего процесса записи, в объеме, достаточном для маскировки слуховую щелчок произведенный TMS; это будет иметь дополнительное преимущество минимизации возможного посрамить ТМС-индуцированных слуховых вызванных потенциалов ^10,55. Следует отметить, что тонкий слой пены между катушкой и волосистой части головы необходимо также свести к минимуму слышимости вызванного потенциала.
6. Поместите инфракрасные детекторы на голове субъекта, гарантируя, что детекторы расположены таким образом, чтобы свести к минимуму риск движения в ходе экспериментальной сессии.
7. Coregister головы субъекта с изображениями МРТ путем определения местоположения заранее выбранных внешнего анатомических координатных меток (раздел 3.2) на объекте с помощью указателя, который входит в состав нейронавигационной оборудования.
8. Ознакомляют эту тему с стимуляции, применяя импульс в другом месте (например, рука испытуемого), либо путем применения в странах с низкимнапряженное состояние стимуляция импульсов (например, 5% максимальный выходной стимулятора) на кожу головы.
9. Определить порог покоя двигателя (минимальная интенсивность, которая производит механизированные вызванных потенциалов, по меньшей мере 50 мкВ в размере от 5/10 испытаний). Одним из таких методов, метод относительной частоты ^56, выглядит следующим образом .
   1. Определите расположение моторной коры субъекта на полушарии ипсилатерального к связности на основе целевых показателей МРТ. При использовании нейронавигации, это, как правило, в области "Омега" в прецентральной извилине. Угол катушки перпендикулярно к извилине, с ручкой указывая occipitally.
   2. Начало стимуляции при интенсивности , которая , как ожидается , будет подпороговых (например, 35% максимальную мощность стимулятора).
   3. Увеличение интенсивности стимуляции с шагом 5% максимальной выходной стимулятора до TMS последовательно не вызывает евродепутатов с амплитудой> 50 мкВ в каждом испытании.
   4. Затем уменьшить интенсивность стимуляции с шагом 1% MaximuВыход м стимулятором до менее 5 положительных ответов из 10 не регистрируются.
      Примечание: Эта интенсивность стимуляции плюс 1 определяется как порог двигателя. В качестве альтернативы, использовать методы адаптивного порога ⁵⁷ , чтобы определить порог двигателя с меньшим количеством стимулов.
10. Для стимуляции целевых областей, установите интенсивность ТМС до требуемого значения (например, 120% порог покоя двигателя).
    Примечание: Тем не менее, в тех случаях , когда имеются значительные региональные различия в скальп-коркового расстояния (например, у больных с атрофией лобной доли), такой метод может привести к подпороговой стимуляции. В качестве альтернативы, с соответствующими системами нейронавигации , способные выполнять онлайновые оценки индуцированного электрического поля, интенсивность стимуляции может быть также установлены в определенной амплитуды , рассчитанной индуцированного электрического поля (В / м) на поверхности коры мозга ^58.
11. Применение одиночных импульсов TMS для каждой из целевых областей, используянейронавигация программное обеспечение, с переменным интервалом между импульсами , чтобы свести к минимуму корковой пластичности и при условии средней продолжительности действия (например, каждые 4 - 6 сек, с интервалом не менее 3 секунд , чтобы избежать кумулятивного эффекта ^59). Для максимальной последовательности, угол катушки перпендикулярно к длинной оси, лежащих в основе извилины, с ручкой указал постеролатерально.

5. EEG данных Предварительная обработка и анализ

Примечание: данные ТМС-ЭЭГ обычно содержит большие стимуляции, связанные артефакты, в частности, при раздражении от средней линии / вершины или с высокой интенсивностью стимуляции, и значительная предварительная обработка может быть необходимо, чтобы получить чистые анализируемые данные. Независимых компонент (ICA) является одним из методов , который был использован для удаления TMS артефактов, и могут быть применены с использованием общедоступных инструментарии (например, EEGLAB ⁴⁵⁾ на платформе MATLAB. Один подход подтверждено ⁶⁰ как ФолляРМО, описывающая анализ данных, собранных с помощью системы Eximia ЭЭГ:

1. Импорт данных в EEGLAB
   1. Нажмите на кнопку "Файл", "Импорт данных", "Использование функций EEGLAB и плагинов", "From EDF / EDF + / GDF файлов (BIOSIG набора инструментов)".
2. Выдержка времени события
   1. Нажмите кнопку "Файл", "информация Импорт событий», «От канала данных". Заполните "канал событий" 1, "преобразование Препроцессирование ( 'X' данных =)" Х> 0,1, "Длина перехода (1 = идеальные края) 0. Убедитесь, что" Удалить канал событий (ы)? "И" Удалить старые события , если таковые имеются? "галочки проверяются.
3. Сегмент данных в эпох, сосредоточенных вокруг импульса TMS, от 1 сек до импульса до 2 сек после. Для этого выберите "Инструменты", "Экстракт Эпохи". Если ТМС импульс является единственным типом события, "Тип времени блокировки событий (ы)" поле может быть оставлено пустым. Для "Пределы Epoch [начать, анd] в секундах "ввести [-1 2].
4. Данные Обзор ЭЭГ визуально (выберите "Участок", "данные канала (прокрутки)".) Удалить плохие каналы (например, каналы при отсутствии сигнала, или с непрерывным чрезмерным артефакта). Для этого нажмите кнопку "Изменить", "Выбрать данные". В поле "Канал" диапазон, введите номер (а) канала, который нужно удалить (или нажмите на поле переключения вправо и выберите канал по имени, а затем нажмите кнопку "OK"), убедитесь, что "on > удалить эти "флажок, а затем нажмите кнопку" Ok ".
5. Установить потенциалы во всех электродов к нулю с момента импульса , пока сигнал ЭЭГ не вернулся примерно на порядок величины нервного сигнала (например, путем вырезания данных , больших чем 150 мкВ), или более поздней с фиксированной точкой времени ( например, 40 мс) , чтобы гарантировать , что большие TMS артефакты не искажают ICA разделения. ⁶¹ Этот шаг нужно по сценарию в Matlab.
6. Выполните первый раунд МКА, и удалить 1 - 2 компоненты, представляющие большой ТМС-индуцированный первоначальную активацию мышц.
   1. Запуск ICA с использованием метода FastICA с "симметричным подходом" и "TANH" функции контраста с помощью следующей командной строки: "EEG = pop_runica (EEG, 'icatype', 'fastica', 'подход', 'SYMM', 'г ',' TANH '); ".
      Примечание: Запуск ICA отдельно для каждого сайта, как артефакт при его стимуляции будет варьироваться в зависимости от стимуляции сайта.
   2. Определить компоненты, совместимые с TMS артефакта, выбрав "Инструменты", "Отклонить данные с помощью ICA", "Удалить компоненты по карте". Топографические карты всех компонентов ICA затем будут нанесены. Нажмите на номер для каждого компонента для построения компонентов детали (увеличенную карту топографического распределения, профиль активности через испытания, и частотного спектра).
      ПРИМЕЧАНИЕ: TMS импульсов артефакт компоненты (как правило, 1 - 2) могут быть признаны биполярной топографической участка, локализуется в месте раздражения, чрезвычайно большой амплитуды активации компонента сразу после импульса и последующего плавного экспоненциального распада.
   3. Удалите артефактом компоненты, выбрав "Инструменты", "Удалить компоненты", и ввести соответствующие номера компонента в поле для "компонент (ы) для удаления из данных". В "подтверждение" всплывающем окне нажмите «Принять» после рассмотрения ERPs, что результат после удаления выбранного компонента (нажмите "Plot ERPS") и после рассмотрения одиночные суда эффектов (нажмите "Plot отдельные исследования"). Примечание: Этот шаг должен быть завершен до фильтрации , чтобы свести к минимуму любые фильтрующие артефакты из TMS-индуцированной мышечной артефакт, который часто может быть несколько милливольт.
7. Интерполируйте недостающие данные (во время дополненной нулями период времени). Этот шаг будет урожденнаяd быть сделано с помощью сценария Matlab.
8. Полосовой и / или режекторный фильтр данных ( по желанию, или может быть сделано на более позднем этапе, например, после второго раунда удаления артефактов ICA).
   ПРИМЕЧАНИЕ: Если высокоамплитудной ТМС-артефакт не был должным образом удален, временное сглаживание эффект фильтра высоких частот может привести к временной дисперсии артефакта. Кроме того, полоса пропускания Rippling производства фильтров нижних частот может привести к видным звонким артефакт в "чистой" части полученного отфильтрованного сигнала ЭЭГ.
9. Повторная ссылка на Средняя ссылки ( по желанию, или может быть сделано на более позднем этапе, например, после интерполяции недостающих каналов).
10. Удалите отдельные эпохи с большой амплитудой артефактов, значительная активность мышц, или других крупных артефактов.
    1. Для полуавтоматической отказа артефакт, выберите "Инструменты", "Отклонить эпохах данных", "Отклонить данные (все методы)".
    2. Под "Найти невероятное Dата "введите 3.5 в поле для" предел одноканальном (Std. Dev.) и 3 в поле для "всех каналов предела (станд. Dev.)", а затем нажмите кнопку "Рассчитать" непосредственно ниже. Это определяет эпохи, которые содержат неправдоподобные данные, основанные на распределении значений через эпох данных.
    3. Под "Найти аномальные распределения", введите 5 в поле для "предела одноканальном (станд. Dev.)" И 3 в поле для "всех предельных каналов (станд. Dev.)", Затем нажмите кнопку "Рассчитать" кнопку непосредственно ниже. Это идентифицирует эпохах как содержащие артефакты, основанные на эксцесс данных.
    4. Для того, чтобы отказаться от эпохи с аномально высокими или низкими значениями, в разделе "Найти аномальные значения", введите 100 в поле для "Верхний предел (ы) (мкВ)" и -100 в поле для "нижнего предела (ов) (мкВ)" (хотя различные ограничения могут быть необходимы у детей, у которых амплитуды ЭЭГ, как правило, выше). Введите число электродов для применения Thresh напряженияОлдинг в поле, отмеченном "электрод (ы)"; чтобы избежать отклонения всех эпох с глаз мигает, не включают frontopolar (и / или EOG) каналов. Затем нажмите "Calc / участок.".
    5. Прокрутка маркированных эпох и Unmark эпох, которые не содержат артефактов, щелкнув правой кнопкой мыши на эпоху. Все дополнительные эпохи, которые содержат значительные артефакты щелчком левой кнопки мыши на эпоху. После того, как подтверждение того, что все эпохи, содержащие артефакты отмечены, нажмите "Обновить" кнопку ОТМЕТКИ.
    6. Для сохранения которых эпохами помечаются для удаления, нажмите кнопку "Закрыть (держать метки)", а затем сохранить набор данных ( "Файл", "Сохранить текущий набор данных как").
       1. Для того, чтобы затем удалить соответствующие эпохам, выберите "Инструменты", "Отклонить эпохах данных", "Отклонить отмеченные эпохи". Нажмите кнопку "Да" на появившемся диалоговом окне подтверждения. Сохраните полученный набор данных.
11. Выполните второй раунд МКА, и удалить компоненты, соответствующие распадуартефакты, мигания артефакты, мышечные артефакты и электрод шума артефакты.
    Примечание: Удаление компонентов в соответствии со слуховыми вызванные потенциалы могут быть рассмотрены, хотя эти компоненты могут также содержать нейронные навеянные компоненты, непосредственно связанные с импульсом стимуляции (которые также имеют пики при аналогичных временных точках). Лучший вариант, который позволит свести к минимуму ТМС вызванные потенциалы, вызванные TMS "щелчок", и тем самым устранить необходимость в удалении ICA основе, будет выполнять зашумления, как описано в разделе 4.5 выше, если терпимым субъектами.
    1. Запуск ICA с использованием метода FastICA с "симметричным подходом" и "TANH" контрастной функции, как описано в разделе 5.6.1 выше.
    2. Оценка свойств компонента, как описано в 5.6.2 выше.
    3. Все компоненты , совместимые с артефактами ⁶² распада остаточного TMS.
       Примечание: Определить это на основе времени (максимальное сразу после импульса), морфология (медленный распад с уплотнительнымvershoot, а затем медленное восстановление в течение нескольких десятков до нескольких сотен миллисекунд) и место нахождения (вблизи места стимуляции). Кроме того, ICA компоненты могут быть организованы в порядке убывания объясненной дисперсии; как ТМС артефакт достаточно велика, она, как правило, представлены в первых компонентов, и, как правило, составляют не более 1 - 5 компонентов.
    4. Использование ADJUST плагин ⁶² для EEGLAB, отметьте компоненты в соответствии с мигательными артефактов.
       Примечание: Определить это на основе местоположения (максимальная frontopolar), timecourse (длительные периоды с относительно минимальной активностью, а затем короткими периодами интенсивной активации), спектров (высокой мощности на низких частотах) и морфологии (трехфазным).
    5. Все компоненты , совместимые с мышечной артефакта ^62.
       Примечание: Определить это на основе спектральных признаков (значительное влияние на бета-частотах и ​​выше), временное распределение (очень нерегулярно / неровными), пространственное распределение (максимальные вдоль периферии кожи головы) и во временной области деятельности(Остроконечный).
    6. Все компоненты , совместимые с шумом канала на основе пространственного распределения (изолированные на 1 или 2 -х каналов) и временного распределения (часто очень изможденный, высокой активности на нескольких исследованиях, или очень медленных больших флуктуаций амплитуды) с помощью ADJUST плагин ⁶² для EEGLAB.
    7. Удалить отмеченные компоненты как в 5.6.4 выше. Интерполируйте отсутствуют каналы и выполнять последующие анализы на эти данные.
       Примечание: Требуется осторожность при интерполяцией каналов. В частности, если значительная часть (например, 10%) каналов или , если соседние каналы интерполируются, результирующий набор данных может быть ненадежной, особенно если основная активность мозга имеет высокую пространственную частоту.
12. Загрузите другой набор данных со всеми требуемыми каналов в EEGLAB. Затем довести набор данных, который вы хотите выполнить интерполяцию на первый план, выбрав "наборы данных", а затем нажав на соответствующий набор данных.
13. Выберите "Инструменты"; "Интерполируйте электроды". В результирующего набора данных, выберите "Использовать все каналы из другого набора данных". Для "метода интерполяции", выберите "сферическая", а затем нажмите кнопку "Ok".

6. Оценка для доказывания корковых гипервозбудимости

1. Вычислить потенциал глобального среднего поля (GMFP) ⁶³ для каждого субъекта и стимуляции сайта в зависимости от времени, используя следующее уравнение:
   
   где К число электродов, V (Т) это напряжение , измеренное на электроде я в момент времени т, а V _{средняя} (т) есть среднее напряжение между электродами в момент времени т.
2. Сегмент данных в "ранних" периоды времени , когда ТМС-вызванной активности обычно присутствует у здоровых людей (например, 100 - 225 мс), и поздние периоды времени, когда ненормальное замедленныеактивность может наблюдаться у пациентов с эпилепсией (например, 225 - 700 мс). Рассчитывают площадь под кривой (AUC) от GMFP (ППК-GMFP) в течение каждого периода времени.
   Примечание: Так как абсолютная величина вызванной реакции может изменяться в широких пределах между отдельными людьми из - за факторов , не зависящих от коркового физиологии (например, толщина черепа, скальпа-кортекс расстояние, индивидуальная анатомии мозга) , которые тем не менее могут различаться между группами (например, из - за больных с эпилепсией может быть на противоэпилептическими препаратами), сырые амплитуды имеют ограниченную полезность при оценке TMS-вызванных потенциалов. Изолировать ли пациенты с эпилепсией аномально высокого TMS-вызванные активностью, нормализуют величину AUC-GMFP в более поздние периоды времени по величине ППК-GMFP во время "ранних" периодов времени.
3. Сравните нормализованное ППК-GMFP для каждого пациента эпилепсия, полученному путем стимуляции той же области в согласованной здорового кон этого пациентаТроль. Большее значение (коэффициент> 1) в эпилепсия пациента указывает на то, что эпилепсия пациент повышенной возбудимости.

7. Источник Оценка Вызванные электрической активности

1. Реконструировать поверхности коры для субъекта с использованием пакета Freesurfer ^64.
   1. Выполните команду "Создать FreeSurfer Output". Выполните команду "Создать поверхности". команду Выполнить "Создание исходного пространства". Импорт оцифрованных местоположения электрода от программного обеспечения нейронавигационной и выравнивания электродов с использованием МНК Анализ программного обеспечения (МНК версия 2.7.0) ^65,66; если отдельные места электрода отсутствуют, данные субъекта с аналогичным размером приблизительно головки может быть достаточно.
   2. Выполнить команду "mne_analyze". Нажмите на кнопку "Файл", "Загрузка данных" дигитайзер (.fif). Нажмите на кнопку "Файл", "Load Surface". Выберите путь к данным МРТ Freesurfer реконструкции.
   3. Нажмите на кнопку "View", "Показать Vieweг ". Нажмите на кнопку" Настройка "," Выравнивание координат ". Нажмите на кнопку" LAP ". Нажмите на LAP месте в" окне Viewer ". Повторите эти действия для" Насьон "и" RAP ".
   4. Нажмите на "Align Использование реперных". Нажмите на "X", "Y", "Z" на местах стрелки, чтобы вручную настроить координат выравнивания. Нажмите на кнопку "Сохранить" По умолчанию в окне "Выравнивание координат", чтобы сохранить файл -Trans.
2. Определение прямого решения с использованием подходящего метода (например, граничных элементов моделирования, реализованные в программном обеспечении МНП ^65,66). Для этого выполните команду "МНК Do Forward Solution".
3. Определить временные точки пиков в GMFP для анализа исходного кода. Для этого запустите команду "MNE_Browse_Raw" для .fif файла.
   1. Нажмите на кнопку "Настройка", фильтр ", чтобы внести изменения фильтра. Нажмите на кнопку" Настройка "," Весы ", чтобы сделать масштабные изменения. Нажмите на кнопку" Настройка "," Выбор &# 34; изменить выбор монтажа.
   2. Нажмите на момент времени, в необработанных данных напряжения. Нажмите на "Windows", "Показать Annotator". Нажмите на "метки" для выбранного кода временной точки с соответствующим номером и комментарием. Переписать комментарий поле, когда это применимо.
   3. В среднем поле введите число аннотаций. Нажмите на кнопку "Среднее значение". Нажмите на "Windows", "Управление Averages". Нажмите на "Сохранить как" и имя файла .fif.
4. Используя среднее значение (по испытаний) вызванных потенциалов в соответствующих временных точках, рассчитать текущее решение источника с помощью соответствующего обратного оператора (например, минимальная норма оценки как это реализовано в программном обеспечении МНК). Для этого выполните команду "МНК обратный оператор".
5. Применить пороговое значение напряжения для полученных изображений для определения региона источником вызванных пиков.
   1. Нажмите на "Windows", "Start МНК Анализ". Нажмите на кнопку "Файл", "Открыть". Выбор времени рoint средний файл .fif в поле "Files". Выбор обратного .fif файла в поле "Обратный оператор".
   2. Нажмите на кнопку "Файл", "Load Surface". Выберите путь к данным МРТ реконструкции. Выберите "пиальные" в поле "Доступные поверхности".
   3. Нажмите на кнопку "Настройка", оценки "в" МНК Анализ "окна. Чтобы настроить масштаб, щелкните левой кнопкой мыши в" поле Значение Гистограмма ", чтобы выбрать распределение порогового значения. Нажмите гистограмму для регулировки порогов Colormap.
   4. Нажмите на "IMG" в "МНК Анализ" поле. Выберите ".tif", "Сохранить".

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

Результаты

Отдыхая состояния функциональная связность ФМРТ могут быть использованы для идентификации областей коры головного мозга , которые демонстрируют высокую функциональную связь с гетеротопных перивентрикулярных серых узелков вещества (рисунок 1), а также регу...

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

Обсуждение

Отдыхая состояния функциональная связность МРТ используется для идентификации подключения к сети в головном мозге человека, а также выявить изменения связности , которые происходят в различных болезненных состояниях ^26,31,32. Однако, как ФМРТ функциональная связность основан на в?...

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

Материалы

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