NIH-NINDS K23 Hibe NS044936 (JMS), bu araştırma için fon Amerika Epilepsi Vakfı, Tıp Hesaplamalı ve Bütünleştirici Biyomedikal Araştırma Merkezi (CIBR) Tohum Hibe Ödülleri (ZH) Baylor College tarafından sağlandı; . Elizabeth Pierce (UCLA): ve Leff Aile Vakfı (JMS) Veri toplama Asisti.

1.. Konular <ol><li> 36 denek çalışma nüfusu 3 grupları içerir: sağ TLE (n = 11), (= 12 n) TLE sol ve sağlıklı kontrol (n = 13). Tüm deneklerden yazılı bilgilendirilmiş olurunu. Çalışma Kaliforniya Üniversitesi, Los Angeles (UCLA) Kurumsal Değerlendirme Kurulu yönergeleri takip eder. </li><li> Epilepsi konu grupları Video-EEG monitorizasyonu, beyin MR, PET görüntüleme ve nöropsikolojik testlerle belirlenen anterior temporal lob rezeksiyonu için aday olan hastalar olmalıdır. Hastalar fMRI tarama sırasında her zamanki ilaç devam etmeli ve bir nöbetten sonra hemen taranmış edilmemelidir. Tüm denekler normal beyin MR görüntülerini ve (hasta gruplarında epilepsi dışındaki) nörolojik hastalık ücretsiz veya nörolojik ilaçlar kullanarak emin olun. </li></ol> 2. Görüntüleme <ol><li> Görüntüleme için 3 Tesla MR sistemi kullanın. Bir yankı düzlemsel imag kullanarak fonksiyonel görüntüler için eksenel dilimler eldeing (EPI) sekansı ve şımarık bir gradyan kullanılarak anatomik görüntüler için (SPGR) dizisini hatırlattı. </li><li> Aşağıdaki parametreleri kullanarak fonksiyonel görüntüleme gerçekleştirin: TR = 2.000 msn, TE = 30 msn, FOV = 210 mm, matriks = 64 x 64, dilim kalınlığı 4 mm, 34 dilim. TR = 20 msn, TE = 3 msn, FOV = 256 mm, matriks = 256 x 256, kesit kalınlığı 1 mm, 160 dilimler: Yüksek çözünürlüklü yapısal görüntüleme için aşağıdaki parametreleri kullanın. </li><li> Her görüntüleme oturumu 20 dakika sürmelidir. Gözleri kapalı dinlenmek isteyin. Hiç özel işitsel girdi gereklidir. </li></ol> BOLD Verilerin 3. Önişlemesi <ol><li> Preprocess FSL (fMRIB Yazılım Kütüphanesi) yazılım sürümü 4.1.6 (Oxford, İngiltere, www.fmrib.ox.ac.uk / fsl) 13,14 kullanılarak fMRI verileri. Baş hareketi objeyi 15 kaldırmak için kullanın FSL MCFLIRT: Ön işleme adımlar şunlar olmalıdır. BOLD dosyalar için BET seçeneği-F ile nonbrain dokuyu 16 kaldırmak için FSL BET kullanın. Bu bir çalışma f oluryalnız beyin dokusu üzerinde urther analizi adımları. </li><li> FEAT yılında tescil ile minimal işlenmiş analizi çalıştırın. &quot;Birinci düzey analizi&quot; seçeneğini seçin ve &quot;Tam analizi&quot; üst iki düğmelerinden &quot;Pre-istatistikleri&quot; olarak değiştirin. <ol><li> Pre-istatistikleri sekmesinde, &quot;BET beyin çıkarma&quot; işaretini kaldırın ve &quot;Motion düzeltme&quot; için &quot;None&quot; (Bunları zaten yukarıda yapmış gibi) seçin. Sonra anatomik (SPGR) görüntüler ve bir standart (MNI) görüntü için fonksiyonel (BOLD) görüntüleri kayıt ol. Bu deneğin beyin alanı içine alan standart seçilen tohum bükülmesine analizi sırasında daha sonra kullanılan transformasyon matrisler, üretimi ile sonuçlanır. </li></ol></li><li> (&quot;Standard2example_func.mat&quot; adlı) oluşturulan dönüşüm matrisi kullanın ve bireysel BOLD uzaya CSF ve beyaz madde İB&#39;leri dönüşümü. <ol><li> Fslmeants komutunu kullanarak CSF ve beyaz cevher ROI gelen zaman serisi Özü,Bir maske gibi bireysel konu uzayda ROI kullanarak. Yazılımı &quot;R&quot; ile ekstre zaman serisi normalleştirmek. Bu zaman serileri daha sonra analiz karşılık gelen suni sinyallerini çıkarmak için GLM içinde regressors olarak kullanılır. </li></ol></li><li> Bir sonraki adım, özne hareketi ile ilgili eserler çıkarılmasıdır. Hareket parametrelerin regresyon için, çalıştırmadan önce FSL FEAT içinde aşağıdaki ayarlayın. <ol><li> Veri sekmesinde içinde, senin kümesi karşılık TR değerini ayarlamak, girdi olarak hareket-düzeltilmiş ve beyin-ekstre dosyasını kullanın. 100 saniye filtre kullanılarak filtreleme yüksek geçiren ayarlayın. Yüksek geçiren filtreleme çok düşük frekanslı hiçbir ilgi sinyalleri kaldıracaktır. Yüksek frekans sinyallerini çıkarmak için bir düşük geçiş filtresi aşama 4.1 &#39;de, daha sonra uygulanacaktır. </li><li> Pre-istatistikleri sekmesinde içinde, zaten bitti gibi &quot;Hareket düzeltme&quot; başlığı altında &quot;Hiçbiri&quot; seçeneğini seçin. Zaten yapıldığı gibi &quot;BET beyin çıkarma&quot; işaretini kaldırın. Uzaysal yumuşatma gerçekleştirin5 mm tam genişlikte yarı maksimum (FWHM) kullanarak. </li><li> Istatistikler sekmesinde içinde, 6 hareket parametreleri ve bunların zamansal türevleri geriler. Konvolüsyonunun için &quot;Hiçbiri&quot; seçeneğini seçin ve onay &quot;zamansal filtreleme uygula.&quot; Genel Lineer Model (GLM) bu gerileme FEAT analiz modeli içine girdi sonra olabilir, hangi hareketi parametrelerinin metin dosyaları almak için FSL MCFLIRT çıkışını kullanın </li><li> Ayrıca GLM ayıklanır ve önceki adımlarda normalize edildi CSF ve beyaz cevher sinyalleri ekleyin. , Konvolüsyonunun için &quot;Hiçbiri&quot; seçeneğini seçin zamansal türevi ekleyebilir ve &quot;zamansal filtreleme Uygula&quot; işaretini kaldırın. </li></ol></li></ol> 4. İstatistiksel Yöntemler <ol><li> Yukarıda tarif edilen ön işleme gelen kalıntılar tohum bazlı korelasyon için kullanılmalıdır. Bu kalıntılar ilk 0.1 Hz&#39;lik bir alçak geçirgen filtre geçirilmelidir, daha sonra standart sapmasına bölünerek, ortalama çıkarılarak, ve sonra ekleyerek ölçekli tarafından aşağılanmak100. Tohumlar MRICron yazılımı kullanılarak standart MNI boşlukta 6 mm&#39;lik bir çap ile tanımlanmalıdır. </li><li> Posterior ve anterior tohum şu koordinatlara uygun olmalıdır: (1) Rsp / PCUN region (x = 2, y -60, z = = 36) ve (2) ventromedial prefrontal korteks (vmPFC, x = 3, y = 60, z = 1). Bu tohum yerleri sağlıklı içinde tanımlanmıştır ve bir sonraki aşamada 17-19 konu alan dönüşürler. <ol><li> Tohumlar daha sonra standart MNI alan her deneğin ayrı işlevsel beyin boşluğa transforme edilmelidir. Bunun için, tek tek işlevsel (KALIN) alanı standart (MNI) uzaydan tohum dönüştürmek için (&quot;standard2example_func.mat&quot; olarak adlandırılır), yukarıda elde edilen dönüşüm matris kullanın. </li><li> Fslmeants önceden aşağılanmak ve bir maske olarak bireysel konu uzayda tohum kullanarak, artık ölçekli gelen zaman serisi ayıklamak için komut kullanın. Yumuşak kullanarak ekstre zaman serisi Normaleware &quot;R&quot;. </li></ol></li><li> Tohum voksellerden ve diğer tüm beyin voksellerden arasında kısmi korelasyonlar her çalıştırmak için her konu için ayrı ayrı hesaplanması gerekmektedir. Bunun için, FSL FEAT GUI içinde, &quot;İlk seviye analizi&quot; seçin ve sonra &quot;Stats + Post-istatistikleri&quot;. Veri sekmesinde içinde, önceden aşağılanmak ve ölçekli artık FEAT girdi olarak kullanılmalıdır. </li><li> Artık zaten yüksek 100 sn geçirilir gibi, 10.000 Yüksek geçiren filtre cutoff ayarlayın. İstatistikler sekmesinde, &quot;FİLM prewhitening kullan&quot; Seçimi kaldırmak ve GLM de daha önce çıkarılan ve normalize tohum zaman serisi kullanırız. Post-istatistikleri sekmesinde içinde, 2.0 değerine istenen Z-istatistik eşiğini ayarlayın. </li><li> Önceki konularda içinde çalışır birleştiren grup analizi çalıştıran, bir Fisher&#39;in Z dönüşümü önceden çalıştırılan korelasyon analizi (adım 4.3) üretilen (Parametre Tahminleri Kontrast) COPE dosya üzerinde yapılmalıdır. Kopya kayıt verileri from FEAT analizi &quot;Tescil&quot; dizin adım 4.3 korelasyon çalışma içine adım 3.1 yapılır. </li><li> Her konu içinde çalışır birleştirerek daha yüksek bir seviye analizi çalıştırın. Bunun için, FSL FEAT GUI içinde, &quot;yüksek-seviye analizi&quot; seçin ve sonra &quot;Stats + Post-istatistikleri&quot;. &quot;Veri&quot; sekmesinde içinde, seçim &quot;Girişler alt düzey FEAT dizinleri&quot; ve adım 4,4 deneğin çalışır girin. &quot;Stats&quot; sekmesinde, &quot;: Basit EKK Karışık etkileri&quot; seçin. Modeli olarak ortalama etkisi kurmak; öznenin vadede her biri için 1 değerini girin. </li><li> Konularda, bir, En Küçük Kareler (EKK) arasında ishal üzerinden veri birleştirmek için basit karışık etkileri analizi kullanılmalıdır. Bunun için, FSL FEAT GUI içinde, &quot;Üst düzey analizini&quot; seçin ve &quot;İstatistikler + Post-istatistikleri&quot;. Veri sekmesinde içinde, seçim &quot;Girişler alt düzey FEAT dizinleri&quot; ve adım 4.5 den deneklerin kombine çalışır girin. </li><li> İstatistikler sekmesinde, &quot;Karışık etkiler: Basit EKK&quot; seçim &quot;3 grup olarak bir model kurma; her konu ait olduğu grubun, aksi halde 0 için 1 değerini girin. Grup analizi üç gruba (sağ TLE, sol TLE ve sağlıklı kontrol) karşılık üç seviyeleri ile bir tek-yönlü ANOVA kullanarak her vokselden yapılmalıdır. </li><li> Eşiğine Z istatistik görüntüleri Z&gt; 2,0 eşik oluşturan küme kullanımı ve p küme önemli eşik = 0.05 20 düzeltildi. Korelasyon haritada doğru z-değerleri elde etmek için, bir ters Fisher&#39;in Z dönüşümü sonuçlarına yapılmalıdır. </li><li> Aşağıdaki özel tezat (1) sağ TLE&gt; kontrolleri karşılaştırıldığında olmalıdır; (2) TLE&gt; kontrolleri yaptı; (3) sağ TLE&gt; TLE bıraktı; (4) TLE&gt; sağ TLE yaptı; (5) kontrol&gt; sağ TLE; TLE sol (6) kontrol&gt;; (7) TLE (kombine sağ ve sol)&gt; kontrolü; ve (7) kontrol&gt; TLE (sol kombine sağa ve). </li></ol>

<ol>
	<li>Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+in+the+motor+cortex+of+resting+human+brain+using+echo-planar+MRI.">Functional connectivity in the motor cortex of resting human brain using echo-planar MRI.</a> Magn. Reson. Med. 34, 537-541 (1995).</li><li>Fox, M. D., Greicius, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+applications+of+resting+state+functional+connectivity.">Clinical applications of resting state functional connectivity.</a> Front. Syst. Neurosci. 4, 1-13 (2010).</li><li>Laufs, H., 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=Electroencephalographic+signatures+of+attentional+and+cognitive+default+modes+in+spontaneous+brain+activity+fluctuations+at+rest.">Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest.</a> Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).</li><li>Shmuel, A., Leopold, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neuronal+correlates+of+spontaneous+fluctuations+in+fMRI+signals+in+monkey+visual+cortex:+Implications+for+functional+connectivity+at+rest.">Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest.</a> Hum. Brain Mapp. 29, 751-761 (2008).</li><li>Margulies, D. S., 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=Resting+developments:+a+review+of+fMRI+post-processing+methodologies+for+spontaneous+brain+activity.">Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity.</a> Magn. Mater. Phys. Biol. 23, 289-307 (2010).</li><li>Biswal, B. 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=Toward+discovery+science+of+human+brain+function.">Toward discovery science of human brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).</li><li>Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effect+of+lateralized+temporal+lobe+epilepsy+on+the+default+mode+network.">Effect of lateralized temporal lobe epilepsy on the default mode network.</a> Epilepsy Behav. 25, 350-357 (2012).</li><li>Pillai, J. J., Williams, H. T., Faro, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+imaging+in+temporal+lobe+epilepsy.">Functional imaging in temporal lobe epilepsy.</a> Semin. Ultrasound. CT MR. 28, 437-450 (2007).</li><li>Blumenfeld, H., 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=Positive+and+negative+network+correlations+in+temporal+lobe+epilepsy.">Positive and negative network correlations in temporal lobe epilepsy.</a> Cereb. Cortex. 14, 892-902 (2004).</li><li>Dupont, P., 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=Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy.">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).</li><li>Fransson, P., Marrelec, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+precuneus/posterior+cingulate+cortex+plays+a+pivotal+role+in+the+default+mode+network:+Evidence+from+a+partial+correlation+network+analysis.">The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis.</a> Neuroimage. 42, 1178-1184 (2008).</li><li>Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+brain's+default+network.">The brain's default network.</a> Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).</li><li>Woolrich, M. W., Ripley, B. D., Brady, 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=Temporal+autocorrelation+in+univariate+linear+modeling+of+FMRI+data.">Temporal autocorrelation in univariate linear modeling of FMRI data.</a> Neuroimage. 14, 1370-1386 (2001).</li><li>Forman, S. 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=Improved+assessment+of+significant+activation+in+functional+magnetic+resonance+imaging+(fMRI):+use+of+a+cluster+size+threshold.">Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold.</a> Magn. Reson. Med. 33, 636-647 (1995).</li><li>Jenkinson, M., Bannister, P., Brady, M., Smith, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+optimization+for+the+robust+and+accurate+linear+registration+and+motion+correction+of+brain+images.">Improved optimization for the robust and accurate linear registration and motion correction of brain images.</a> Neuroimage. 17, 825-841 (2002).</li><li>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=Fast+robust+automated+brain+extraction.">Fast robust automated brain extraction.</a> Hum. Brain Mapp. 17, 143-155 (2002).</li><li>Raichle, M. E., 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=A+default+mode+of+brain+function.">A default mode of brain function.</a> Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).</li><li>Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+connectivity+of+default+mode+network+components:+correlation.">Functional connectivity of default mode network components: correlation.</a> Hum. Brain Mapp. 30, 625-637 (2009).</li><li>Singh, K. D., Fawcett, I. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transient+and+linearly+graded+deactivation+of+the+human+default-mode+network+by+a+visual+detection+task.">Transient and linearly graded deactivation of the human default-mode network by a visual detection task.</a> Neuroimage. 41, 100-112 (2008).</li><li>Worsley, K. J., Evans, A., Marrett, S., Neelin, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+three-dimensional+statistical+analysis+for+CBF+activation+studies+in+human+brain.">A three-dimensional statistical analysis for CBF activation studies in human brain.</a> J. Cereb. Blood Flow Metab. 12, 900-918 (1992).</li><li>Spencer, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Neural+networks+in+human+epilepsy:+evidence+of+and+implications+for+treatment.">Neural networks in human epilepsy: evidence of and implications for treatment.</a> Epilepsia. 43, 219-227 (2002).</li><li>Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Default-mode+network+activity+distinguishes+Alzheimer's+disease+from+healthy+aging:+evidence+from+functional+MRI.">Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI.</a> Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).</li><li>Kennedy, D. P., Redcay, E., Courchesne, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Failing+to+deactivate:+resting+functional+abnormalities+in+autism.">Failing to deactivate: resting functional abnormalities in autism.</a> Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).</li><li>Garrity, A. G., 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=Aberrant+&amp;#34;default+mode&amp;#34;+functional+connectivity+in+schizophrenia.">Aberrant &amp;#34;default mode&amp;#34; functional connectivity in schizophrenia.</a> Am. J. Psychiatry. 164, 450-457 (2007).</li><li>Mannell, M. V., 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=Resting+state+and+task-induced+deactivation:+A+methodological+comparison+in+patients+with+schizophrenia+and+healthy+controls.">Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls.</a> Hum. Brain Mapp. 31, 424-437 (2010).</li><li>Jones, 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=Age-related+changes+in+the+default+mode+network+are+more+advanced+in+Alzheimer+disease.">Age-related changes in the default mode network are more advanced in Alzheimer disease.</a> Neurology. 77, 1524-1531 (2011).</li><li>Kobayashi, Y., Amaral, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Macaque+monkey+retrosplenial+cortex+II.+Cortical+afferents.">Macaque monkey retrosplenial cortex II. Cortical afferents.</a> J. Comp. Neurol. 466, 48-79 (2003).</li><li>Dupont, P., 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=Dynamic+perfusion+patterns+in+temporal+lobe+epilepsy.">Dynamic perfusion patterns in temporal lobe epilepsy.</a> Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).</li><li>Laufs, H., 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=Temporal+lobe+interictal+epileptic+discharges+affect+cerebral+activity+in+&#8220;default+mode&#8221;+brain+regions.">Temporal lobe interictal epileptic discharges affect cerebral activity in &#8220;default mode&#8221; brain regions.</a> Hum. Brain Mapp. 28, 1023-1032 (2007).</li><li>Morgan, V. L., Gore, J. C., Abou-Khalil, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+epileptic+network+in+left+mesial+temporal+lobe+epilepsy+detected+using+resting+fMRI.">Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI.</a> Epilepsy Res. 88, 168-178 (2010).</li><li>Gotman, J., 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=Generalized+epileptic+discharges+show+thalamocortical+activation+and+suspension+of+the+default+state+of+the+brain.">Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain.</a> Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).</li><li>Hamandi, K., 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-fMRI+of+idiopathic+and+secondarily+generalized+epilepsies.">EEG-fMRI of idiopathic and secondarily generalized epilepsies.</a> Neuroimage. 31, 1700-1710 (2006).</li><li>Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Patterns+of+altered+functional+connectivity+in+mesial+temporal+lobe+epilepsy.">Patterns of altered functional connectivity in mesial temporal lobe epilepsy.</a> Epilepsia. 53, 1013-1023 (2012).</li><li>Liao, W., 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=Default+mode+network+abnormalities+in+mesial+temporal+lobe+epilepsy:+a+study+combining+fMRI+and+DTI.">Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI.</a> Hum. Brain Mapp. 32, 883-895 (2011).</li><li>Pereira, F. R., 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=Asymmetrical+hippocampal+connectivity+in+mesial+temporal+lobe+epilepsy:+evidence+from+resting+state+fMRI.">Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI.</a> BMC Neurosci. 11, 1-13 (2010).</li><li>Dupont, S., 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=Bilateral+hemispheric+alteration+of+memory+processes+in+right+medial+temporal+lobe+epilepsy.">Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy.</a> J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).</li><li>Vlooswijk, M. C., 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=Functional+MRI+in+chronic+epilepsy:+associations+with+cognitive+impairment.">Functional MRI in chronic epilepsy: associations with cognitive impairment.</a> Lancet Neurol. 9, 1018-1027 (2010).</li><li>McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Default+mode+network+connectivity+indicates+episodic+memory+capacity+in+mesial+temporal+lobe+epilepsy.">Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy.</a> Epilepsia. 54, (2013).</li><li>Zhang, Z., 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=Altered+spontaneous+neuronal+activity+of+the+default-mode+network+in+mesial+temporal+lobe+epilepsy.">Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy.</a> Brain Res. 1323, 152-160 (2010).</li><li>Horovitz, S. G., 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=Decoupling+of+the+brain's+default+mode+network+during+deep+sleep.">Decoupling of the brain's default mode network during deep sleep.</a> Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).</li><li>Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+local+coherence+in+the+default+mode+network+due+to+sevoflurane+anesthesia.">Altered local coherence in the default mode network due to sevoflurane anesthesia.</a> Brain Res. 1318, 110-121 (2010).</li></ol>

Dr Engel NIH Grants P01 NS02808, R01 NS33310 ve U01 NS42372 tarafından finanse edilen, patent WO 2009/123734A1 vardır ve 2009/123735A1, Medlink, Wolters Kluwer&#39;e, Blackwell ve Elsevier gelen telif alır WO ve Medtronics honoraria aldı Wolters Kluwer ve En İyi Doktorlar. Dr Stern UCB ve Lundbeck için ücretli danışman olarak görev yapmıştır. Dr Stern Medlink Nöroloji bir editörü ve Wolters Kluwer&#39;e gelen ve McGraw-Hill telif aldı. Kalan Yazarlar bildirmek için hiçbir açıklama veya çıkar çatışması var.

Epilepsi bir ağ hastalık olduğu düşünülen ve ilgili ağların anormallikleri nöbetler sırasında ve interiktal devlet 21 mevcut olmasıdır. Görev tabanlı fMRI TLE&#39;de 8 dil ve bellek ağları anormallikleri analiz etmek için kullanılır olmuştur. FcMRI bu dinlenme durumunda özellikle aktif bir ağ olarak DMN 12 okuyan doğasında avantajları vardır. DMN rahatsız edilmeden bırakılır ve spontan düşünceler yapan uyanık bireylerde aktif olduğu bulunmuştur beyin...

Fonksiyonel Bağlantı MRG (fcMRI) kan oksijenlenme düzeyi bağımlı (BOLD) sinyal zaman serisi benzerliğe göre farklı beyin bölgeleri arasındaki ilişkiyi nicelleştiren fMRI veri görece yeni bir analitik yaklaşım - bu &quot;işlevsel&quot; bağlantısı denir, ve bir bölgeleri (örneğin, beyaz madde lifler) arasındaki fiziksel bağlantıların varlığını tarif anatomik bağlantı ayırt. Katılımcı bir görev yapan ya da sözde &quot;dinlenme devlet&quot; değil zaman bu yaklaşımın bir özel uygulama olarak, zaman serisi toplanır. İlk olarak 1995 1 tarif olmasına rağmen, fcMRI 2012 yılında teknikle ilgili yaklaşık 1.000 yayınlarda sonuçlanan büyük ilgi olmuştur. FcMRI (, (1) yapılması gereken özel bir görev olduğunu görev odaklı fMRI üzerinde içsel faydaları vardır 2) konu işbirliğigerekli değildir, (3) veri setleri birkaç farklı ağları sorgulamak için kullanılabilir, gürültü oranı (4) daha iyi sinyal nedeniyle ilgili serebral enerjetiklerine farklılıklar, ve görevle ilgili karıştırıcılar 2 (5) atlanması ihtimali mevcut. Anlayışı bir kanıtı olarak, fcMRI değişiklikler beyinde EEG 3 değişiklikler ve yerel alan potansiyelleri 4, karşılık gelecek şekilde gösterilmiştir. FcMRI analiz teknikleri ROI / tohum tabanlı teknikler, bağımsız bileşen analizi (ICA), grafik teorisi analizi, Granger nedensellik analizi, yerel yöntemler (düşük frekanslı dalgalanmalar, bölgesel homojenlik analizi genlik), ve diğerleri 5 sayılabilir. En popüler yöntem tohum temelli ve ICA yöntemleri 6 olmasına rağmen tek bir teknik, henüz başka bir yere açık bir üstünlük göstermiştir. Tohum bazlı fcMRI çalışma kapsamında, varsayılan ağın önceden seçilmiş bir kısmından KALIN sinyali zamansal dalgalanmalar ilişkilendirir &quot;Tohum olarak adlandırılan1; ya da beynin diğer bölgelerine &quot;ilgi bölgesi (ROI)&quot;. Tohum alanına KALIN sinyal korele gösteren beyin alanları dahil olan ağda ağın kısımlarını ayırmak düşünülmektedir. Buna karşılık, ICA tüm beyinde 5 hemodinamik sinyal özelliklerini analiz ederek uzay-zamansal olarak ilişkili beyin alanları (Bağımsız Bileşenleri, IC) ayıklamak için bir model ücretsiz veri odaklı analiz kullanır. Mevcut yazıda, TLE en DMN dinlenme durumu tohum bazlı bağlantı analizi, daha önce yayınlanan çalışmada kullanılan yöntemlerin bir tarifi 7 sunulmuştur. TLE yetişkin epilepsi en sık görülen şeklidir. Nöbetlere ek olarak, TLE hafıza, davranış, düşünce ve duyusal fonksiyon 8 dahil olmak üzere birden beyin ağlarının disfonksiyon neden olur. DMN bilinçli, dinlenme-devlet biliş subserving beyin bölgelerinde oluşmaktadır. DMN azaltılmış consc ile ilişkili nöbet dahil olmak üzere bildirilmiştiriousness 9,10. Buna ek olarak, hipokampus TLE katılan önemli bir yapıdır ve DMN bileşeni olduğu düşünülmektedir. Ancak, hipokampal oluşumuna PCC bağlantısı gibi medial prefrontal ve parietal korteks gibi diğer DMN bileşenler ile daha zayıftır. Bu, hipokampus DMN alt ağ ya da bir etkileşen bir ağ ya da 11,12 olduğunu göstermektedir. TLE ve DMN arasındaki bu benzerlikleri fonksiyonel bağlantı TLE&#39;de değişmiş DMN&#39;ye ihtimalini yükseltmek. Bu analiz TLE&#39;de DMN&#39;nin katılımı içgörü kazanmak için sağlıklı kontrollere TLE deneklerin DMN karşılaştırır. DMN baş hub yerleştirilen tohum bağlantısı - ön ve arka merkez bölgeleri 12, analiz edilmiştir. Tohumlar retrosplenium / precuneus (Rsp / PCUN) yanı sıra, TLE olan hastalarda ve ventromedial prefrontal korteks (vmPFC) &#39;den oluşan ön göbek oluşan posterior merkezi olarak yerleştirildiSağlıklı DMN&#39;nin posterior ve anterior subnetworks belirlemek için kontrol eder.

<table><tbody><tr><td>MRI machine</td><td></td><td></td><td></td></tr><tr><td>Linux workstation with image analysis software installed</td><td></td><td></td><td></td></tr></tbody></table>

network analysis of the default mode network using functional connectivity mri in temporal lobe epilepsy

Fonksiyonel bağlantı MRG (fcMRI) zamanla BOLD sinyal dalgalanmalar korelasyon göre farklı beyin bölgelerinin bağlantısını inceleyen bir fMRI yöntemdir. Temporal Lob Epilepsi (TLE) erişkin epilepsi en sık görülen tipidir ve çoklu beyin ağları içerir. Varsayılan mod ağ (DMN) bilinçli, dinlenme devlet biliş katılır ve nöbetler bilinç bozukluğu neden nerede TLE&#39;de etkilendiği düşünülmektedir. Epilepside DMN tohum fcMRI dayalı kullanılarak incelenmiştir. DMN ön ve arka göbekler bu analizde tohum olarak kullanılmıştır. Sonuçlar bazal devlet sırasında anterior ve TLE&#39;de DMN&#39;nin arka hub arasında bir kopukluk gösterir. Buna ek olarak, birlikte sol TLE diğer beyin bölgelerine artan DMN bağlantısı sağ TLE içinde bağlılık azalma ortaya çıkar. Analiz tohum bazlı fcMRI gibi TLE gibi beyin bozukluklarında beyin ağları araştırmak için nasıl kullanılabileceğini göstermektedir.

Şekil 1 DMN posterior tohum (Rsp / PCUN, kırmızı-sarı renkler) ve anterior tohum (vmPFC, mavi-yeşil renkler) ile bağlantısı ortaya gösterir ve farklı konu gruplarında bulunan ağları karşılaştırır (Şekil 1A-C) ve birbirleri arasındaki, yani sağlıklı kontroller daha sonra tüm TLE&#39;de (Şekil 1D ve 1E) olan hastalarda ve sağlıklı kontrol sol TLE (Şekil 1F ve 1G) ve sağ TLE (Şekil 1...

Watch this Scientific Journal Video about Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy at JoVE.com

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Temporal Lob Epilepsi Varsayılan Mod Ağı (DMN) (TLE) tohum-tabanlı fonksiyonel bağlantı MRI (fcMRI) kullanarak beynin dinlenme durumu analiz edilir.

Temporal Lob Epilepsi Fonksiyonel Bağlantı MRI kullanarak Varsayılan Mod Ağı Ağ Analizi

Functional connectivity MRI (fcMRI) is an fMRI method that examines the connectivity of different brain areas based on the correlation of BOLD signal ...

network-analysis-default-mode-network-using-functional-connectivity

Research

JoVE Journal

Medicine

17.8K Görüntüleme.  Baylor College of Medicine.  Temporal Lob Epilepsi Varsayılan Mod Ağı (DMN) (TLE) tohum-tabanlı fonksiyonel bağlantı MRI (fcMRI) kullanarak beynin dinlenme durumu analiz edilir. 

Video: Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

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.

Eşzamanlı MEG ve EEG Fonksiyonel Haritalama

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

Nörobilim

Combining Transcranial Magnetic Stimulation and fMRI to Examine the Default Mode Network

The default mode network is a group of brain regions that are active when an individual is not focused on the outside world and the brain is at "wakeful rest."1,2,3 It is thought the default mode network corresponds to self-referential or "internal mentation".2,3
It has been hypothesized that, in humans, activity within the default mode network is correlated with certain pathologies (for instance, hyper-activation has been linked to schizophrenia 4,5,6 and autism spectrum disorders 7 whilst hypo-activation of the network has been linked to Alzheimer's and other neurodegenerative diseases 8). As such, noninvasive modulation of this network may represent a potential therapeutic intervention for a number of neurological and psychiatric pathologies linked to abnormal network activation. One possible tool to effect this modulation is Transcranial Magnetic Stimulation: a non-invasive neurostimulatory and neuromodulatory technique that can transiently or lastingly modulate cortical excitability (either increasing or decreasing it) via the application of localized magnetic field pulses.9
In order to explore the default mode network's propensity towards and tolerance of modulation, we will be combining TMS (to the left inferior parietal lobe) with functional magnetic resonance imaging (fMRI). Through this article, we will examine the protocol and considerations necessary to successfully combine these two neuroscientific tools.

In this article, we examine the methodology and considerations relevant to the combination of TMS and fMRI to examine the effects of brain stimulation on the default network.

Varsayılan Modu Ağ inceleyin Transkraniyal Manyetik Uyarım ve fMRI birleştiren

The default mode network is a group of brain regions that are active when an individual is not focused on the outside world and the brain is at "wakeful ...

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when studying the brain, as the functional role that a brain area fulfills may be largely defined by its connections to other brain areas. In this report, we describe a novel, non-invasive approach for relating brain structure and function using magnetic resonance imaging (MRI). This approach, a combination of structural imaging of long-range fiber connections and functional imaging data, is illustrated in two distinct cognitive domains, visual attention and face perception. Structural imaging is performed with diffusion-weighted imaging (DWI) and fiber tractography, which track the diffusion of water molecules along white-matter fiber tracts in the brain (Figure 1). By visualizing these fiber tracts, we are able to investigate the long-range connective architecture of the brain. The results compare favorably with one of the most widely-used techniques in DWI, diffusion tensor imaging (DTI). DTI is unable to resolve complex configurations of fiber tracts, limiting its utility for constructing detailed, anatomically-informed models of brain function. In contrast, our analyses reproduce known neuroanatomy with precision and accuracy. This advantage is partly due to data acquisition procedures: while many DTI protocols measure diffusion in a small number of directions (e.g., 6 or 12), we employ a diffusion spectrum imaging (DSI)1, 2 protocol which assesses diffusion in 257 directions and at a range of magnetic gradient strengths. Moreover, DSI data allow us to use more sophisticated methods for reconstructing acquired data. In two experiments (visual attention and face perception), tractography reveals that co-active areas of the human brain are anatomically connected, supporting extant hypotheses that they form functional networks. DWI allows us to create a "circuit diagram" and reproduce it on an individual-subject basis, for the purpose of monitoring task-relevant brain activity in networks of interest.

We describe a novel approach for simultaneous analysis of brain function and structure using magnetic resonance imaging (MRI). We assess brain structure with high-resolution diffusion-weighted imaging and white-matter fiber tractography. Unlike standard structural MRI, these techniques allow us to directly relate anatomical connectivity to functional properties of brain networks.

FMRI ve difüzyon ağırlıklı görüntüleme ile Beyin Yapısı ve Fonksiyonu Co-analizi

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity

Complementary structural and functional neuroimaging techniques used to examine the Default Mode Network (DMN) could potentially improve assessments of psychiatric illness severity and provide added validity to the clinical diagnostic process. Recent neuroimaging research suggests that DMN processes may be disrupted in a number of stress-related psychiatric illnesses, such as posttraumatic stress disorder (PTSD).
Although specific DMN functions remain under investigation, it is generally thought to be involved in introspection and self-processing. In healthy individuals it exhibits greatest activity during periods of rest, with less activity, observed as deactivation, during cognitive tasks, e.g., working memory. This network consists of the medial prefrontal cortex, posterior cingulate cortex/precuneus, lateral parietal cortices and medial temporal regions.
Multiple functional and structural imaging approaches have been developed to study the DMN. These have unprecedented potential to further the understanding of the function and dysfunction of this network. Functional approaches, such as the evaluation of resting state connectivity and task-induced deactivation, have excellent potential to identify targeted neurocognitive and neuroaffective (functional) diagnostic markers and may indicate illness severity and prognosis with increased accuracy or specificity. Structural approaches, such as evaluation of morphometry and connectivity, may provide unique markers of etiology and long-term outcomes. Combined, functional and structural methods provide strong multimodal, complementary and synergistic approaches to develop valid DMN-based imaging phenotypes in stress-related psychiatric conditions. This protocol aims to integrate these methods to investigate DMN structure and function in PTSD, relating findings to illness severity and relevant clinical factors.

This protocol describes the complementary neuroimaging techniques of resting state structural connectivity, task-induced deactivation, and structural connectivity analyses to examine the default network in post-traumatic stress disorder. The use of synergistic methods could potentially lead to improved diagnostics and assessments of severity, outcome, and other relevant clinical factors.

TSSB&#39;de Varsayılan Mod Ağı&#39;nın Neuroimaging fenotipleri Geliştirilmesi: Dinlenme Devlet, Çalışma Bellek ve Yapısal Bağlantı Entegrasyonu

Complementary structural and functional neuroimaging techniques used to examine the Default Mode Network (DMN) could potentially improve assessments of ...

Tıp

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.

Epilepsi Hastalarında Beyin uyarılabilmenin Bağlantı ile ilgili değerlendirmek için bir Multimodal imaging- ve Uyarım tabanlı Yöntemi

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

Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control seizures. However, a significant minority of patients continues to exhibit post-operative seizures, even in those cases in which the suspected source of seizures has been correctly localized and resected. The protocol presented here combines a clinical procedure routinely employed during the pre-operative evaluation of temporal lobe epilepsy (TLE) patients with a novel technique for network analysis. The method allows for the evaluation of the temporal evolution of mesial network parameters. The bilateral insertion of foramen ovale electrodes (FOE) into the ambient cistern simultaneously records electrocortical activity at several mesial areas in the temporal lobe. Furthermore, network methodology applied to the recorded time series tracks the temporal evolution of the mesial networks both interictally and during the seizures. In this way, the presented protocol offers a unique way to visualize and quantify measures that considers the relationships between several mesial areas instead of a single area.

This protocol describes a procedure to track the evolution of mesial network measures in temporal lobe epilepsy (TLE) patients. It is based on the combination of intracranial recordings with a novel numerical technique for data analysis. Specifically, we present a protocol for network analyses of foramen ovale recordings.

İlaca dirençli Temporal Lob Epilepsi Hastalarında Foramen Ovale Elektrot Kayıtları Ağ Analizi

Approximately 30% of epilepsy patients are refractory to antiepileptic drugs. In these cases, surgery is the only alternative to eliminate/control ...

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.

Epilepside Klinik İnceleme için Eşzamanlı Elektroensefalogram ve Fonksiyonel Manyetik Rezonans Görüntüleme için Ekipman Kurulumu ve Artefakt Giderimi

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

Biyomühendislik

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.

Non-invaziv Elektroensefalogramlar Kullanarak Kortikal Bağlantının İstatistiksel Modellemesi

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

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

Electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) are two of the fundamental noninvasive methods for identifying brain activity. Multimodal methods have sought to combine the high temporal resolution of EEG with the spatial precision of fMRI, but the complexity of this approach is currently in need of improvement. The protocol presented here describes the recently developed spatiotemporal fMRI-constrained EEG source imaging method, which seeks to rectify source biases and improve EEG-fMRI source localization through the dynamic recruitment of fMRI sub-regions. The process begins with the collection of multimodal data from concurrent EEG and fMRI scans, the generation of 3D cortical models, and independent EEG and fMRI processing. The processed fMRI activation maps are then split into multiple priors, according to their location and surrounding area. These are taken as priors in a two-level hierarchical Bayesian algorithm for EEG source localization. For each window of interest (defined by the operator), specific segments of the fMRI activation map will be identified as active to optimize a parameter known as model evidence. These will be used as soft constraints on the identified cortical activity, increasing the specificity of the multimodal imaging method by reducing cross-talk and avoiding erroneous activity in other conditionally active fMRI regions. The method generates cortical maps of activity and time-courses, which may be taken as final results, or used as a basis for further analyses (analyses of correlation, causation, etc.) While the method is somewhat limited by its modalities (it will not find EEG-invisible sources), it is broadly compatible with most major processing software, and is suitable for most neuroimaging studies.

An EEG-fMRI multimodal imaging method, known as the spatiotemporal fMRI-constrained EEG source imaging method, is described here. The presented method employs conditionally-active fMRI sub-maps, or priors, to guide EEG source localization in a manner that improves spatial specificity and limits erroneous results.

Eşzamanlı EEG ve fonksiyonel MRI kayıt ve entegrasyon analiz dinamik Kortikal faaliyet görüntüleme için

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

Biyoloji

<meta charset="utf8"></head><body>MEG ve HD-EEG'nin Pediatrik Epilepsi Lokalizasyonuna Entegre Edilmesi

Electromagnetic Source Imaging in Presurgical Evaluation of Children with Drug-Resistant Epilepsy

For children with drug-resistant epilepsy (DRE), seizure freedom relies on the delineation and resection (or ablation/disconnection) of the epileptogenic zone (EZ) while preserving the eloquent brain areas. The development of a reliable and noninvasive localization method that provides clinically useful information for the localization of the EZ is, therefore, crucial to achieving successful surgical outcomes. Electric and magnetic source imaging (ESI and MSI) have been increasingly utilized in the presurgical evaluation of these patients showing promising findings in the delineation of epileptogenic as well as eloquent brain areas. Moreover, the combination of ESI and MSI into a single solution, namely electromagnetic source imaging (EMSI), performed on simultaneous high-density electroencephalography (HD-EEG) and magnetoencephalography (MEG) recordings has shown higher source localization accuracy than either modality alone. Despite these encouraging findings, such techniques are performed in only a few tertiary epilepsy centers, are rarely recorded simultaneously, and are underutilized in pediatric cohorts. This study illustrates the experimental setup for recording simultaneous MEG and HD-EEG data as well as the methodological framework for analyzing these data aiming to localize the irritative zone, the seizure onset zone, and eloquent brain areas in children with DRE. More specifically, the experimental setups are presented for (i) recording and localizing interictal and ictal epileptiform activity during sleep and (ii) recording visual-, motor-, auditory-, and somatosensory-evoked responses and mapping relevant eloquent brain areas (i.e., visual, motor, auditory, and somatosensory) during visuomotor task, as well as auditory and somatosensory stimulations. Detailed steps of the data analysis pipeline are further presented for performing EMSI as well as individual ESI and MSI using equivalent current dipole (ECD) and dynamic statistical parametric mapping (dSPM).

<meta charset="utf8"></head><body>Yazar Gündemi: Yeni Biyobelirteçler ve Gelişmiş Lokalizasyon Yoluyla Çocuklarda Pediatrik Epilepsi Cerrahisinin İlerletilmesi

Magnetoencephalography (MEG) and high-density electroencephalography (HD-EEG) are rarely recorded simultaneously, although they yield confirmatory and complementary information. Here, we illustrate the experimental setup for recording simultaneous MEG and HD-EEG and the methodology for analyzing these data aiming to localize epileptogenic and eloquent brain areas in children with drug-resistant epilepsy.

İlaca Dirençli Epilepsili Çocukların Precerrahi Değerlendirmesinde Elektromanyetik Kaynak Görüntüleme

For children with drug-resistant epilepsy (DRE), seizure freedom relies on the delineation and resection (or ablation/disconnection) of the epileptogenic ...