Name: analyzing neural activity and connectivity using intracranial eeg data with spm software
Uploaded: 2018-10-30T13:30:00
Description: Watch this Scientific Journal Video about Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software at JoVE.com

इस अध्ययन Benesse निगम, जापान सोसायटी (JSPS) अगली पीढ़ी दुनिया के लिए वित्त पोषण कार्यक्रम के लिए संवर्धन के लिए धन द्वारा समर्थित किया गया था अग्रणी शोधकर्ताओं (LZ008), Neurodevelopmental विकारों में अनुसंधान को बढ़ावा देने के लिए संगठन, और JSPS KAKENHI (15K04185; 18K03174) ।

हमारा अध्ययन स्थानीय संस्थागत नैतिकता समिति द्वारा अनुमोदित किया गया था ।
1. बुनियादी जानकारी
नोट: विश्लेषणात्मक प्रोटोकॉल विशिष्ट प्रतिभागियों, इलेक्ट्रोड, संदर्भ विधियों, या इ?...

<ol>
	<li>Lachaux, J. P., Rudrauf, D., Kahane, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intracranial+EEG+and+human+brain+mapping.">Intracranial EEG and human brain mapping.</a> Journal of Physiology - Paris. 97 (4-6), 613-628 (2003).</li><li>Kilner, J. M., Kiebel, S. J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Applications+of+random+field+theory+to+electrophysiology.">Applications of random field theory to electrophysiology.</a> Neuroscience Letters. 374 (3), 174-178 (2005).</li><li>Canolty, R. T., Knight, R. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+functional+role+of+cross-frequency+coupling.">The functional role of cross-frequency coupling.</a> Trends in Cognitive Sciences. 14 (11), 506-515 (2010).</li><li>Chen, C. 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=A+dynamic+causal+model+for+evoked+and+induced+responses.">A dynamic causal model for evoked and induced responses.</a> Neuroimage. 59 (1), 340-348 (2012).</li><li>Friston, K. J., Harrison, L., Penny, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+causal+modelling.">Dynamic causal modelling.</a> Neuroimage. 19 (4), 1273-1302 (2003).</li><li>Canolty, R. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=High+gamma+power+is+phase-locked+to+theta+oscillations+in+human+neocortex.">High gamma power is phase-locked to theta oscillations in human neocortex.</a> Science. 313, 1626-1628 (2006).</li><li>Tort, A. 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=Dynamic+cross-frequency+couplings+of+local+field+potential+oscillations+in+rat+striatum+and+hippocampus+during+performance+of+a+T-maze+task.">Dynamic cross-frequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task.</a> Proceedings of the National Academy of Sciences of the United States of America. 105 (51), 20517-20522 (2008).</li><li>Voytek, 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=Shifts+in+gamma+phase-amplitude+coupling+frequency+from+theta+to+alpha+over+posterior+cortex+during+visual+tasks.">Shifts in gamma phase-amplitude coupling frequency from theta to alpha over posterior cortex during visual tasks.</a> Frontiers in Human Neuroscience. 4, 191 (2010).</li><li>Mukamel, R., Fried, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+intracranial+recordings+and+cognitive+neuroscience.">Human intracranial recordings and cognitive neuroscience.</a> Annual Review of Psychology. 63, 511-537 (2012).</li><li>Parvizi, J., Kastner, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Promises+and+limitations+of+human+intracranial+electroencephalography.">Promises and limitations of human intracranial electroencephalography.</a> Nature Neuroscience. 21, 474-483 (2018).</li><li>Hill, N. 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=Recording+human+electrocorticographic+(ECoG)+signals+for+neuroscientific+research+and+real-time+functional+cortical+mapping.">Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping.</a> Journal of Visualized Experiments. (64), 3993 (2012).</li><li>Herrmann, C. S., Rach, S., Vosskuhl, J., Str&#252;ber, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Time-frequency+analysis+of+event-related+potentials:+A+brief+tutorial.">Time-frequency analysis of event-related potentials: A brief tutorial.</a> Brain Topography. 27 (4), 438-450 (2014).</li><li>Litvak, 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=EEG+and+MEG+data+analysis+in+SPM8.">EEG and MEG data analysis in SPM8.</a> Computational Intelligence and Neuroscience. 2011, 852961 (2011).</li><li>Mihara, T., Baba, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Combined+use+of+subdural+and+depth+electrodes.">Combined use of subdural and depth electrodes.</a> Epilepsy Surgery. , 613-621 (2001).</li><li>Kilner, J., Bott, L., Posada, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modulations+in+the+degree+of+synchronization+during+ongoing+oscillatory+activity+in+the+human+brain.">Modulations in the degree of synchronization during ongoing oscillatory activity in the human brain.</a> European Journal of Neuroscience. 21, 2547-2554 (2005).</li><li>Lachaux, J. P., Rodriguez, E., Martinerie, J., Varela, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Measuring+phase+synchrony+in+brain+signals.">Measuring phase synchrony in brain signals.</a> Human Brain Mapping. 8 (4), 194-208 (1999).</li><li>Stephan, K. E., Penny, W. D., Daunizeau, J., Moran, R. J., Friston, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bayesian+model+selection+for+group+studies.">Bayesian model selection for group studies.</a> Neuroimage. 46 (4), 1004-1017 (2009).</li><li>Sato, 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=Rapid,+high-frequency,+and+theta-coupled+gamma+oscillations+in+the+inferior+occipital+gyrus+during+face+processing.">Rapid, high-frequency, and theta-coupled gamma oscillations in the inferior occipital gyrus during face processing.</a> Cortex. 60, 52-68 (2014).</li><li>Sato, 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=Bidirectional+electric+communication+between+the+inferior+occipital+gyrus+and+the+amygdala+during+face+processing.">Bidirectional electric communication between the inferior occipital gyrus and the amygdala during face processing.</a> Human Brain Mapping. 38 (2), 4511-4524 (2017).</li><li>Bartlett, J. C., Searcy, J., Abdi, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=What+are+the+routes+to+face+recognition?.">What are the routes to face recognition?.</a> Perception of faces, objects, and scenes: Analytic and holistic processing. , 21-52 (2003).</li><li>Bouvier, S. E., Engel, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Behavioral+deficits+and+cortical+damage+loci+in+cerebral+achromatopsia.">Behavioral deficits and cortical damage loci in cerebral achromatopsia.</a> Cerebral Cortex. 16 (2), 183-191 (2006).</li><li>Pitcher, D., Walsh, V., Duchaine, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+the+occipital+face+area+in+the+cortical+face+perception+network.">The role of the occipital face area in the cortical face perception network.</a> Experimental Brain Research. 209 (4), 481-493 (2011).</li><li>Latini, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+insights+in+the+limbic+modulation+of+visual+inputs:+The+role+of+the+inferior+longitudinal+fasciculus+and+the+Li-Am+bundle.">New insights in the limbic modulation of visual inputs: The role of the inferior longitudinal fasciculus and the Li-Am bundle.</a> Neurosurgical Review. 38 (1), 179-189 (2015).</li><li>Davies-Thompson, J., Andrews, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intra-+and+interhemispheric+connectivity+between+face-selective+regions+in+the+human+brain.">Intra- and interhemispheric connectivity between face-selective regions in the human brain.</a> Journal of Neurophysiology. 108 (11), 3087-3095 (2012).</li><li>Jerbi, 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=Saccade+related+gamma-band+activity+in+intracerebral+EEG:+dissociating+neural+from+ocular+muscle+activity.">Saccade related gamma-band activity in intracerebral EEG: dissociating neural from ocular muscle activity.</a> Brain Topography. 22, 18-23 (2009).</li><li>Buzs&#225;ki, G., Silva, F. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=High+frequency+oscillations+in+the+intact+brain.">High frequency oscillations in the intact brain.</a> Progress in Neurobiology. 98, 241-249 (2012).</li><li>Benayoun, M., Kohrman, M., Cowan, J., van Drongelen, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG,+temporal+correlations,+and+avalanches.">EEG, temporal correlations, and avalanches.</a> Journal of Clinical Neurophysiology. 27 (6), 458-464 (2010).</li><li>Herrmann, C. S., Grigutsch, M., Busch, N. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+oscillations+and+wavelet+analysis.">EEG oscillations and wavelet analysis.</a> Event-related potentials: A methods handbook. , 229-259 (2005).</li><li>Pigorini, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Time-frequency+spectral+analysis+of+TMS-evoked+EEG+oscillations+by+means+of+Hilbert-Huang+transform.">Time-frequency spectral analysis of TMS-evoked EEG oscillations by means of Hilbert-Huang transform.</a> Journal of Neuroscience Methods. 198 (2), 236-245 (2011).</li><li>Holdgraf, C. 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=Rapid+tuning+shifts+in+human+auditory+cortex+enhance+speech+intelligibility.">Rapid tuning shifts in human auditory cortex enhance speech intelligibility.</a> Nature communications. 7, 13654 (2016).</li><li>Aru, 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=Untangling+cross-frequency+coupling+in+neuroscience.">Untangling cross-frequency coupling in neuroscience.</a> Current Opinion in Neurobiology. 31, 51-61 (2015).</li><li>Gerber, E. M., Sadeh, B., Ward, A., Knight, R. T., Deouell, L. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Non-sinusoidal+activity+can+produce+cross-frequency+coupling+in+cortical+signals+in+the+absence+of+functional+interaction+between+neural+sources.">Non-sinusoidal activity can produce cross-frequency coupling in cortical signals in the absence of functional interaction between neural sources.</a> PLoS One. 11 (12), e0167351 (2016).</li><li>Cole, S. R., Voytek, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brain+oscillations+and+the+importance+of+waveform+shape.">Brain oscillations and the importance of waveform shape.</a> Trends in Cognitive Sciences. 21 (2), 137-149 (2017).</li><li>Mikulan, 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=Intracranial+high-&#947;+connectivity+distinguishes+wakefulness+from+sleep.">Intracranial high-&#947; connectivity distinguishes wakefulness from sleep.</a> Neuroimage. 169, 265-277 (2018).</li><li>Zheng, 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=Amygdala-hippocampal+dynamics+during+salient+information+processing.">Amygdala-hippocampal dynamics during salient information processing.</a> Nature communications. 8, 14413 (2017).</li><li>Maris, E., Oostenveld, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nonparametric+statistical+testing+of+EEG-+and+MEG-data.">Nonparametric statistical testing of EEG- and MEG-data.</a> Journal of Neuroscience Methods. 164 (1), 177-190 (2007).</li><li>Stolk, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrated+analysis+of+anatomical+and+electrophysiological+human+intracranial+data.">Integrated analysis of anatomical and electrophysiological human intracranial data.</a> Nature Protocols. 13, 1699-1723 (2018).</li><li>Friston, K. 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=Dynamic+causal+modelling+revisited.">Dynamic causal modelling revisited.</a> NeuroImage. , (2017).</li></ol>

intracranial ईईजी का उपयोग कर डेटा के लिए विश्लेषणात्मक प्रोटोकॉल एसपीएम सॉफ्टवेयर के साथ साथ शुरू की कार्यात्मक एमआरआई के साथ तुलना में कई फायदे हैं । सबसे पहले, प्रोटोकॉल तंत्रिका सक्रियकरण एक उच्च लौकिक स?...

उच्च स्थानिक और लौकिक प्रस्तावों पर संज्ञानात्मक कार्यों के साथ जुड़े तंत्रिका गतिविधि और कनेक्टिविटी को मापने संज्ञानात्मक तंत्रिका विज्ञान के प्राथमिक लक्ष्यों में से एक है । हालांकि, इस लक्ष्य को पूरा करना आसान नहीं है । एक लोकप्रिय विधि तंत्रिका गतिविधि को रिकॉर्ड करने के लिए इस्तेमाल कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एमआरआई) है । हालांकि कार्यात्मक एमआरआई मिलीमीटर स्तर और गैर इनवेसिव रिकॉर्डिंग, कार्यात्मक एमआरआई की एक स्पष्ट नुकसान में एक उच्च स्थानिक संकल्प के रूप में कई लाभ प्रदान करता है इसकी कम लौकिक संकल्प है । इसके अलावा, कार्यात्मक एमआरआई रक्त ऑक्सीजन स्तर पर निर्भर संकेतों, जो केवल परोक्ष रूप से बिजली तंत्रिका गतिविधि को प्रतिबिंबित उपाय । electroencephalography (ईईजी) और magnetoencephalography (मेग) सहित लोकप्रिय electrophysiological तरीकों, मिलीसेकंड स्तर पर उच्च लौकिक संकल्प है । हालांकि, वे अपेक्षाकृत कम स्थानिक संकल्प किया है, क्योंकि वे रिकॉर्ड बिजली/चुंबकीय संकेतों खोपड़ी पर और मुश्किल व्युत्क्रम समस्याओं का समाधान करने के लिए मस्तिष्क गतिविधि चित्रित करना चाहिए ।
Intracranial ईईजी सीधे उच्च लौकिक (मिलीसेकंड) और स्थानिक (सेंटीमीटर)1संकल्प पर विद्युत तंत्रिका गतिविधि रिकॉर्ड कर सकते हैं । इस उपाय के मूल्यवान अवसर तंत्रिका गतिविधि और कनेक्टिविटी को समझने के लिए प्रदान कर सकते हैं, हालांकि यह स्पष्ट सीमाओं है (जैसे, औसत दर्जे का क्षेत्र नैदानिक मानदंडों के लिए प्रतिबंधित कर रहे हैं). कई intracranial ईईजी अध्ययन पारंपरिक औसत विश्लेषण लागू किया है करने के लिए चित्रित तंत्रिका गतिविधि । औसत विश्लेषण संवेदनशील समय बंद कर दिया और कम आवृत्ति बैंड सक्रियण का पता लगा सकते हैं, हालांकि यह गैर-चरण-अवरोधित और/या उच्च आवृत्ति (जैसे, गामा बैंड) सक्रियण का पता लगाने नहीं कर सकता । इसके अलावा, कार्यात्मक तंत्रिका युग्मन गहराई में intracranial ईईजी रिकॉर्डिंग पर साहित्य में विश्लेषण नहीं किया गया है । कई नई तकनीकों को हाल ही में कार्यात्मक एमआरआई और ईईजी/मेग रिकॉर्डिंग, जो intracranial ईईजी डेटा का विश्लेषण करने के लिए लागू किया जा सकता है में तंत्रिका गतिविधि और अंतर और अन्तर क्षेत्रीय कनेक्टिविटी चित्रित करने के लिए विकसित किया गया है ।
यहां, हम विश्लेषणात्मक प्रोटोकॉल है कि हम हाल ही में intracranial ईईजी सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर डेटा का विश्लेषण लागू है परिचय । सबसे पहले, प्रकट करने के लिए जब, और जो आवृत्ति पर, मस्तिष्क क्षेत्रों सक्रिय किया जा सकता है, हम समय आवृत्ति एसपीएम विश्लेषण2प्रदर्शन किया । इस विश्लेषण के समय और आवृत्ति डोमेन एक साथ एक सतत तरंगिका रूपांतरण का उपयोग कर मिटता है और उचित समय-आवृत्ति नक्शे यादृच्छिक क्षेत्र सिद्धांत का उपयोग कर में परिवार वार त्रुटि (FWE) की दर को सही । दूसरा, कैसे मस्तिष्क क्षेत्रों संवाद प्रकट करने के लिए, हम प्रेरित प्रतिक्रियाएं4के गतिशील कारण मॉडलिंग (डीसीएम) लागू किया । डीसीएम प्रभावी कनेक्टिविटी (यानी, मस्तिष्क क्षेत्रों के बीच कारण और दिशात्मक प्रभाव5) की जांच सक्षम बनाता है । हालांकि डीसीएम मूल रूप से कार्यात्मक एमआरआई डाटा का विश्लेषण करने के लिए एक उपकरण के रूप में प्रस्तावित किया गया था5, प्रेरित प्रतिक्रियाओं के डीसीएम electrophysiological संकेतों के समय बदलती बिजली स्पेक्ट्रा का विश्लेषण करने के लिए विस्तारित किया गया है4. यह विश्लेषण अंतर-और अन्तर-क्षेत्रीय तंत्रिका कनेक्टिविटी दोनों के चित्रण की अनुमति देता है । कई neurophysiological अध्ययनों ने सुझाव दिया है कि स्थानीय इंट्रा-क्षेत्रीय संगणना और लंबी दूरी के अंतर-क्षेत्रीय संचार मुख्यतः गामा और थीटा-बैंड दोलनों का उपयोग करते हैं, और उनकी बातचीत (जैसे, entrainments) कर सकते हैं थीटा-गामा पार आवृत्ति युग्मन3,6,7,8द्वारा परिलक्षित हो । यह रिपोर्ट डेटा विश्लेषणात्मक प्रोटोकॉल पर केंद्रित है; पृष्ठभूमि जानकारी9,10 और रिकॉर्डिंग प्रोटोकॉल intracranial ईईजी के11 के एक सिंहावलोकन के लिए, कृपया साहित्य को देखें ।

analyzing neural activity and connectivity using intracranial eeg data with spm software

उच्च स्थानिक और लौकिक प्रस्तावों पर संज्ञानात्मक कार्यों के साथ जुड़े तंत्रिका गतिविधि और कनेक्टिविटी को मापने संज्ञानात्मक तंत्रिका विज्ञान में एक महत्वपूर्ण लक्ष्य है । Intracranial electroencephalography (ईईजी) सीधे विद्युत तंत्रिका गतिविधि रिकॉर्ड कर सकते हैं और इस लक्ष्य को पूरा करने के लिए अद्वितीय क्षमता है । परंपरागत रूप से, औसत विश्लेषण intracranial ईईजी डेटा का विश्लेषण करने के लिए लागू किया गया है; हालांकि, तंत्रिका गतिविधि और अंतर-क्षेत्रीय कनेक्टिविटी को दर्शाने के लिए कई नई तकनीकें उपलब्ध हैं । यहां, हम दो विश्लेषणात्मक प्रोटोकॉल परिचय हम हाल ही में intracranial ईईजी सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर डेटा: समय आवृत्ति एसपीएम विश्लेषण के लिए प्रेरित प्रतिक्रियाओं के तंत्रिका गतिविधि और गतिशील कारण मॉडलिंग का विश्लेषण लागू अंतर-क्षेत्रीय कनेक्टिविटी । हम प्रतिनिधि परिणामों के रूप में चेहरे के अवलोकन के दौरान intracranial ईईजी डेटा के हमारे विश्लेषण की रिपोर्ट । परिणाम से पता चला कि अवर पश्चकपाल गाइरस (IOG) चेहरे के जवाब में बहुत प्रारंभिक चरणों (११० ms) में गामा बैंड गतिविधि दिखाया, और दोनों IOG और प्रमस्तिष्कखंड तेजी से अंतर-क्षेत्रीय संपर्क दोलनों के विभिंन प्रकार का उपयोग कर दिखाया । इन विश्लेषणात्मक प्रोटोकॉल के लिए तंत्रिका तंत्र की पहचान करने की क्षमता है उच्च स्थानिक और लौकिक प्रोफाइल के साथ संज्ञानात्मक कार्यों अंतर्निहित ।

इस के साथ प्रस्तुत प्रोटोकॉल का उपयोग करना, हम प्रतिक्रिया में intracranial ईईजी डेटा का विश्लेषण18,19चेहरे । हम चेहरे, मोज़ाइक, और ईमानदार और उल्टे झुकाव में घरों के निष्क्रिय ?...

Watch this Scientific Journal Video about Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software at JoVE.com

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

हम दो विश्लेषणात्मक प्रोटोकॉल है कि सांख्यिकीय पैरामीट्रिक मानचित्रण (एसपीएम) सॉफ्टवेयर का उपयोग कर intracranial electroencephalography डेटा का विश्लेषण करने के लिए इस्तेमाल किया जा सकता है वर्तमान: समय-आवृत्ति सांख्यिकीय पैरामीट्रिक मानचित्रण विश्लेषण तंत्रिका गतिविधि के लिए, और गतिशील कारण इंट्रा और अंतर-क्षेत्रीय कनेक्टिविटी के लिए प्रेरित प्रतिक्रियाओं की मॉडलिंग ।

का विश्लेषण तंत्रिका गतिविधि और एसपीएम सॉफ्टवेयर के साथ Intracranial ईईजी डेटा का उपयोग कर कनेक्टिविटी

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

यह विधि संज्ञानात्मक तंत्रिका विज्ञान क्षेत्र में महत्वपूर्ण सवालों के जवाब देने में मदद कर सकती है। इस तकनीक का मुख्य लाभ यह है कि यह उच्च स्थानिक लौकिक विकास पर तंत्रिका गतिविधि और कनेक्टिविटी का विश्लेषण कर सकता है। इंट्राक्रैनियल ईईजी डेटा का विश्लेषण शुरू करने के लिए, SPM12 स्थापित करें और एमईजी ईईजी विश्लेषणात्मक मेनू का चयन करें।सबसे पहले, पूर्वनिर्धारित मापदंडों के आधार पर मोरलेट वेवलेट के साथ निरंतर वेवलेट अपघटन का उपयोग करके प्रत्येक परीक्षण के पूर्वप्रसंस्करण इंट्राक्रैनियल ईईजी डेटा के लिए समय-आवृत्ति विश्लेषण करें। स्पेक्ट्रल घटकों के लौकिक विकास को प्रकट करने के लिए, चार से 300 हर्ट्ज की आवृत्ति सीमा का उपयोग करके 1, 000 से 2, 000 मिलीसेकंड के पूरे युग के लिए सात-चक्र मोरलेट वेवलेट का उपयोग करके वेवलेट अपघटन का संचालन करें। इसके बाद, मां तरंग और चक्रों की संख्या निर्धारित करें और ध्यान दें कि चक्रों की संख्या समय-आवृत्ति संकल्पों को नियंत्रित करती है और अनुमान स्थिरता सुनिश्चित करने के लिए पांच से अधिक होनी चाहिए।समय और आवृत्ति पर्वतमाला निर्धारित करें। फिर बढ़त के प्रभाव को दूर करने के लिए परिणामी समय आवृत्ति मानचित्रों को स्वचालित रूप से क्रॉप करें। यहां 200 से 500 मिलीसेकंड में नक्शे काटे जाते हैं।इवेंट से संबंधित शक्ति परिवर्तनों की बेहतर कल्पना करने और सामान्यता में सुधार करने के लिए समय आवृत्ति मानचित्रों के लिए समय आवृत्ति पुनर्स्केल का चयन करके वांछित और बेसलाइन सुधार होने पर डेटा परिवर्तन करें। इसके बाद, समय आवृत्ति मानचित्रों को दो-आयामी छवियों में परिवर्तित करें। इसके अलावा एक पूर्वनिर्धारित पूर्ण चौड़ाई आधा अधिकतम मूल्य के साथ एक गॉसियन गिरी का उपयोग करने के लिए अंतर विषय परिवर्तनशीलता के लिए क्षतिपूर्ति और यादृच्छिक क्षेत्र सिद्धांत की मांयताओं के अनुरूप चिकनी ।अब एसपीएम मेनू में दूसरा स्तर निर्दिष्ट करें और विश्लेषण किए जाने वाले 2D छवियों को दर्ज करें। इसके बाद मॉडल अनुमान का चयन कर जनरल लीनियर मॉडल चलाएं। अंत में, यादृच्छिक फ़ील्ड सिद्धांत के आधार पर समय-आवृत्ति डेटा पर सांख्यिकीय निष्कर्षों को करने के लिए परिणामों का चयन करें।पूर्वनिर्धारित थ्रेसहोल्ड जैसे कि यहां देखे गए काफी सक्रिय समय-आवृत्ति समूहों का पता लगाएं। एसपीएम मेनू में डीसीएम का चयन करके गतिशील कारण मॉडलिंग विश्लेषण शुरू करें। इसके बाद आईएनडी का विकल्प चुनें और प्रीप्रोसेस्ड इंट्राक्रैनियल ईईजी डेटा आयात करने के लिए नए डेटा का चयन करें।इसके बाद, ब्याज की समय खिड़की, ब्याज की आवृत्ति खिड़की, उपयोग किए जाने वाले तरंग चक्रों की संख्या, ब्याज की शर्तों और शर्तों के विपरीत निर्दिष्ट करने के लिए एमईजी ईईजी मेनू का उपयोग करें। एक से 500 मिलीसेकंड के लिए समय खिड़की सेट करें। एक हर्ट्ज चरणों में चार से 100 हर्ट्ज के पांच चक्र मॉर्लेट वेवलेट का उपयोग करें।वेवलेट चक्र के लिए डिफ़ॉल्ट सेटिंग का उपयोग करें। अनुसंधान हित के आधार पर समय आवृत्ति पर्वतमाला का निर्धारण करें। ध्यान दें कि बढ़त के प्रभाव को दूर करने के लिए गणना के दौरान अतिरिक्त 512 मिलीसेकंड वाली टाइम विंडो का उपयोग स्वचालित रूप से किया जा सकता है।डीसीएम ढांचे के आधार पर, ड्राइविंग इनपुट को परिभाषित करें जो तंत्रिका राज्यों पर संवेदी आदानों और आंतरिक कनेक्शन का प्रतिनिधित्व करते हैं जो तंत्रिका राज्यों के बीच बेसलाइन कनेक्टिविटी का प्रतीक हैं। इसके अलावा, शून्य और परिकल्पना मॉडल के लिए प्रयोगात्मक जोड़तोड़ के माध्यम से आंतरिक कनेक्शन पर मॉड्यूलरी प्रभाव को परिभाषित करें। मॉडुलन के प्रकार को रैखिक या नॉनलीनर के रूप में परिभाषित करें।अब आंतरिक रैखिक और गैर-घातक कनेक्शन, ड्राइविंग इनपुट और मॉड्यूलेशन इनपुट निर्दिष्ट करें। यदि आवश्यक हो तो संबंधित मापदंडों की डिफ़ॉल्ट सेटिंग्स को संशोधित करें जैसे पूर्व उत्तेजना शुरुआत समय और अवधि। फिर मॉडलों का अनुमान लगाने के लिए उलटा डीसीएम चुनें।उसके बाद, आवृत्ति-आवृत्ति मॉड्यूलरी कपलिंग पैरामीटर छवियों को बचाने के लिए छवि के रूप में सेव परिणामों का चयन करें। इसके बाद, इष्टतम नेटवर्क मॉडल की पहचान करने के लिए बीएमएस का चयन करके एक यादृच्छिक प्रभाव बायेसियन मॉडल चयन विश्लेषण का संचालन करें। मूल्यांकन उपायों के रूप में मॉडल अपेक्षित संभावनाओं और स्वीकार संभावनाओं का उपयोग करें।फिर विजेता मॉडल मापदंडों का उपयोग करके मॉड्यूलरी कनेक्शन के क्रॉस-फ्रीक्वेंसी पैटर्न के बारे में अनुमान लगाते हैं। अब छवियों में परिवर्तित करके मॉड्यूलरी कपलिंग पैरामीटर छवियों को चिकना करें। फिर सामान्य रैखिक मॉडल विश्लेषण करने के लिए दूसरे स्तर निर्दिष्ट का उपयोग करें।अंत में, 2D एसपीएमटी मूल्यों की गणना करने के लिए परिणामों का चयन करें। यहां, पूर्ण चौड़ाई आधा अधिकतम आठ हर्ट्ज पर सेट किया गया था और महत्वपूर्ण मूल्यों को 0.05 से कम पी की एक गलत ऊंचाई सीमा का उपयोग करके खोज-रूप से पहचाना गया था। चरणों के प्रसंस्करण के दौरान अवर ओसिपिटल गायरस या आईओजी गतिविधि के अस्थायी और आवृत्ति प्रोफाइल की जांच करने के लिए समय-आवृत्ति विश्लेषण किए गए थे।यहां हम ईमानदार चरण और ईमानदार पच्चीकारी स्थितियों के लिए सही IOG गतिविधि के समय आवृत्ति नक्शे देखते हैं । ईमानदार चरण बनाम ईमानदार पच्चीकारी के लिए एसपीएमटी डेटा भी दिखाया गया है। कार्यात्मक नेटवर्क मॉडल यहां दिखाए जाते हैं।IOG और amygdala और प्रत्येक क्षेत्र पर आत्म कनेक्शन के बीच कनेक्शन पर ईमानदार चरण बनाम ईमानदार पच्चीकारी के मॉड्यूलरी इनपुट के आठ संभावित संयोजनों की जांच की गई । आईओजी बनाम एमिग्डाला और एमिग्डाला बनाम आईओजी मॉड्यूलेशन के लिए ईमानदार चरण बनाम ईमानदार मोज़ेक के लिए आवृत्ति-आवृत्ति मॉड्यूलरी कपलिंग पैरामीटर और एसपीएमटी मान यहां दिखाए गए हैं। लाल-पीले क्षेत्र महत्वपूर्ण उत्तेजक कनेक्टिविटी का संकेत देते हैं जबकि नीले-सियान क्षेत्र निरोधात्मक कनेक्टिविटी का संकेत देते हैं।इस वीडियो को देखने के बाद, आपको एसपीएम सॉफ्टवेयर का उपयोग करके तंत्रिका गतिविधि और कनेक्टिविटी का पता लगाने के लिए इंट्राक्रैनियल ईईजी डेटा का विश्लेषण करने के तरीके पर एक अच्छी समझ होनी चाहिए।

Research

JoVE Journal

Neuroscience

Functional Mapping with Simultaneous MEG and EEG

एक साथ एमईजी और ईईजी के साथ कार्यात्मक मानचित्रण

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

Establishing Intracranial Brain Tumor Xenografts With Subsequent Analysis of Tumor Growth and Response to Therapy using Bioluminescence Imaging

ट्यूमर के विकास और उपचार के लिए प्रतिक्रिया के बाद bioluminescence इमेजिंग विश्लेषण का उपयोग कर के साथ intracranial ब्रेन ट्यूमर xenografts की स्थापना

Transplantation models using human brain tumor cells have served an essential function in neuro-oncology research for many years. In the past, the most ...

High-density EEG Recordings of the Freely Moving Mice using Polyimide-based Microelectrode

आज़ादी चलती Polyimide आधारित microelectrode का उपयोग चूहे के उच्च घनत्व ईईजी रिकॉर्डिंग

Electroencephalogram (EEG) indicates the averaged electrical activity of the neuronal populations on a large-scale level. It is widely utilized as a ...

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution

एकल कोशिका और एकल कील संकल्प के साथ suprathreshold तंत्रिका गतिविधि के ऑप्टिकल रिकॉर्डिंग

Signaling of information in the vertebrate central nervous system is often carried by populations of neurons rather than individual neurons. Also ...

Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy

घटना से संबंधित क्षमता, स्पेक्ट्रल पावर, और Multiscale एन्ट्रॉपी: ईईजी न्यूरोइमेजिंग डेटा के आवेदन

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain ...

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

अर्ध अक्षुण्ण में लेजर रोशनी के साथ तंत्रिका गतिविधि के optogenetic गड़बड़ी<em&gt; ड्रोसोफिला</emप्रस्ताव में&gt; लार्वा

Drosophila larval locomotion is a splendid model system in developmental and physiological neuroscience, by virtue of the genetic accessibility of the ...

Neural Activity Propagation in an Unfolded Hippocampal Preparation with a Penetrating Micro-electrode Array

एक तीक्ष्ण माइक्रो इलेक्ट्रोड सरणी के साथ एक सामने आया Hippocampal तैयारी में तंत्रिका गतिविधि प्रचार

This protocol describes a method for preparing a new in vitro flat hippocampus preparation combined with a micro-machined array to map neural activity in ...

Extracellular Recording of Neuronal Activity Combined with Microiontophoretic Application of Neuroactive Substances in Awake Mice

Neuronal गतिविधि के बाह्य रिकॉर्डिंग जाग चूहों में neuroactive पदार्थों के Microiontophoretic आवेदन के साथ संयुक्त

Differences in the activity of neurotransmitters and neuromodulators, and consequently different neural responses, can be found between anesthetized and ...

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

के Synaptic मॉड्यूलेशन का विश्लेषण<em&gt; ड्रोसोफिला मेलानोगास्टर</em&gt; लंबे समय तक प्रकाश के संपर्क के बाद फोटोरिसेप्टर

The nervous system has the remarkable ability to adapt and respond to various stimuli. This neural adjustment is largely achieved through plasticity at ...

Analyzing Dendritic Morphology in Columns and Layers

कॉलम और परतों में वृक्ष के समान आकृति विज्ञान का विश्लेषण

In many regions of the central nervous systems, such as the fly optic lobes and the vertebrate cortex, synaptic circuits are organized in layers and ...