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

Questo studio è stato sostenuto dai fondi della Benesse Corporation, Japan Society per il programma di finanziamento di promozione della scienza (JSPS) per i ricercatori leader a livello mondiale di prossima generazione (LZ008), l'organizzazione per la promozione della ricerca in disturbi dello sviluppo neurologico, e il KAKENHI JSPS (15K 04185; 18K 03174).

Il nostro studio è stato approvato dal comitato di etica istituzionale locale.
1. informazioni di base
Nota: I protocolli analitici possono essere applicati a vari tipi di dati senza alcuna restrizione per quanto riguarda i partecipanti specifici, elettrodi, metodi di riferimento o posizioni di elettrodo. Nel nostro esempio, abbiamo testato sei pazienti affetti da epilessia focale farmacologicamente intrattabile. Abbiamo testato le pazienti che hanno avuti nessun fuo...

<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>

I protocolli analitici per dati EEG intracranici utilizzando il software SPM introdotto nel presente documento hanno diversi vantaggi rispetto a risonanza magnetica funzionale. In primo luogo, i protocolli possono descrivere attivazione neurale ad alta risoluzione temporale. Di conseguenza, i risultati indicano se le componenti cognitive di attivazione neurale vengono implementate in anticipo o in ritardo fasi della lavorazione. Nel nostro esempio, l'effetto del viso è stato identificato durante le fasi molto iniziali (...

Misurare l'attività neurale e connettività associati con funzioni cognitive ad alte risoluzioni spaziali e temporali è uno degli obiettivi primari delle neuroscienze cognitive. Tuttavia, la realizzazione di questo obiettivo non è facile. Un metodo popolare utilizzato per registrare l'attività neurale è funzionale a risonanza magnetica (MRI). Anche se MRI funzionale offre diversi vantaggi, quali un'elevata risoluzione spaziale a livello di millimetro e registrazione non invasiva, un chiaro svantaggio di risonanza magnetica funzionale è la bassa risoluzione temporale. Inoltre, MRI funzionale misura segnali di sangue-ossigeno-livello-dipendente, che solo indirettamente riflettono l'attività neurale elettrico. Metodi elettrofisiologici popolari, compreso l'elettroencefalografia (EEG) e la magnetoencefalografia (MEG), hanno risoluzioni temporali elevate a livello di millisecondo. Tuttavia, essi hanno risoluzioni spaziali relativamente bassi, perché registrare i segnali elettrici/magnetici al cuoio capelluto e deve risolvere difficili problemi inversi per rappresentare attività cerebrale.
EEG intracranico è in grado di registrare direttamente attività elettrica neurale al temporali elevato (in millisecondi) e risoluzioni spaziali (centimetro)1. Questa misura può fornire preziose opportunità per comprendere l'attività neurale e connettività, anche se ha chiari limiti (ad es., regioni misurabili sono limitate ai criteri clinici). Parecchi studi di EEG intracranici sono applicate analisi tradizionale media per rappresentare l'attività neurale. Anche se con una media di analisi sensibile può rilevare l'attivazione banda bassa frequenza e di tempo-bloccata, non riesce a rilevare non-phase-locked e/o l'attivazione ad alta frequenza (ad esempio, Fascia di gamma). Inoltre, accoppiamento neurale funzionale non è stato analizzato in profondità nella letteratura su registrazioni EEG intracraniche. Diverse tecniche di nuovi sono stati recentemente sviluppati per raffigurano neurale attività e intra - e inter - regionale la connettività funzionale registrazioni EEG/MEG e di MRI, che può essere applicato per analizzare i dati EEG intracranici.
Presentiamo il protocolli analitici che abbiamo recentemente applicato per analizzare dati di EEG intracranici utilizzando il software di mappatura statistica parametrica (SPM). Primo, per rivelare quando e con quale frequenza, le regioni del cervello potrebbero essere attivate, abbiamo effettuato analisi di tempo-frequenza SPM2. Questa analisi si decompone il dominio della frequenza e tempo contemporaneamente utilizzando una trasformata wavelet continua e corregge in modo appropriato il tasso di errore allargare (FWE) nelle mappe tempo-frequenza usando la teoria di campo casuale. In secondo luogo, per rivelare come comunicano regioni del cervello, abbiamo applicato la modellazione dinamica causale (DCM) di risposte indotte4. DCM consente l'indagine efficace connettività (cioè, le influenze causali e direzionale tra cervello regioni5). Anche se DCM è stato originariamente proposto come uno strumento per l'analisi dei dati di MRI funzionale5, DCM di risposte indotte è stata estesa per analizzare gli spettri di potenza variabili nel tempo di segnali elettrofisiologici4. Questa analisi permette la raffigurazione di entrambi connettività neurale intra - e inter - regionale. Parecchi studi neurofisiologici hanno suggerito che calcoli intra-regionali locali e comunicazione inter-regionale a lungo raggio usano principalmente oscillazioni Fascia di gamma e di teta, rispettivamente, e loro interazioni (ad es., filtrazione) può riflettersi di theta-gamma cross-frequenza accoppiamento3,6,7,8. Questo rapporto si concentra sul protocollo dati analitici; per una panoramica di sfondo informazioni9,10 e registrazione protocolli11 di EEG intracranico, fare riferimento alla letteratura.

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

Misurare l'attività neurale e connettività associati con funzioni cognitive ad alte risoluzioni spaziali e temporali è un obiettivo importante in neuroscienze cognitive. Intracranica elettroencefalografia (EEG) può registrare direttamente attività neurale elettrica e ha il potenziale unico per realizzare questo obiettivo. Tradizionalmente, con una media di analisi è stata applicata per analizzare i dati EEG intracranici; Tuttavia, parecchie nuove tecniche sono disponibili per raffigurante connettività neurale attività e intra - e inter - regionale. Qui, presentiamo due protocolli analitici abbiamo recentemente applicato per analizzare dati di EEG intracranici utilizzando il software di mappatura statistica parametrica (SPM): analisi SPM tempo-frequenza per attività neurale e modellazione dinamica causale di ha indotto risposte per connettività di intra - e inter - regionale. Segnaliamo la nostra analisi dei dati EEG intracranici durante l'osservazione di volti come risultati rappresentativi. I risultati hanno rivelato che il gyrus occipital inferiore (IOG) hanno mostrato l'attività della gamma-fascia a stadi molto precoci (110 ms) in risposta a volti e IOG sia amigdala ha mostrato rapida intra - e inter - regionale connettività utilizzando vari tipi di oscillazioni. Questi protocolli analitici hanno il potenziale per identificare i meccanismi neurali alla base di funzioni cognitive con alto profilo spaziale e temporale.

Utilizzando il protocollo presentato qui, abbiamo analizzato dati EEG intracranici in risposta a volti18,19. Abbiamo registrato dati da sei pazienti durante la visione passiva di facce, mosaici e case in posizione verticale e invertito gli orientamenti. I contrasti di facce dritto contro dritto mosaici e facce dritto contro dritto case ha rivelato la faccia effetto (cioè, attività specifiche del viso c...

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

Presentiamo due protocolli analitici che possono essere utilizzati per analizzare i dati di elettroencefalografia intracranica utilizzando il software di mappatura statistica parametrica (SPM): analisi tempo-frequenza mappatura statistica parametrica per attività neurale e dinamica causale modellazione di risposte indotte per connettività intra - e inter - regionale.

Analizzando l'attività neurale e connettività utilizzando dati EEG intracranico con SPM Software

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

Questo metodo può aiutare a rispondere a domande chiave nel campo delle neuroscienze cognitive. Il principale vantaggio di questa tecnica è che può analizzare l'attività neurale e la connettività su evoluzioni temporali ad alto spaziale. Per iniziare l'analisi dei dati EEG intracranici, impostare SPM12 e selezionare il menu analitico MEG EEG.In primo luogo, eseguire l'analisi della frequenza del tempo per i dati EEG intracranici pre-elaborazione di ogni prova utilizzando la decomposizione wavelet continua con wavelet Morlet basata su parametri predefiniti. Per rivelare l'evoluzione temporale delle componenti spettrali, condurre la decomposizione wavelet usando wavelet Morlet a sette cicli per l'intera epoca da 1.000 a 2.000 millisecondi usando l'intervallo di frequenza da quattro a 300 hertz. Successivamente, determinare la wavelet madre e il numero di cicli e notare che il numero di cicli controlla le risoluzioni di frequenza del tempo e deve essere maggiore di cinque per garantire la stabilità della stima.Determinare gli intervalli di tempo e frequenza. Quindi ritagliare automaticamente le mappe di frequenza del tempo risultanti per rimuovere gli effetti dei bordi. Qui, le mappe vengono ritagliate da 200 a 500 millisecondi.Eseguire la trasformazione dei dati se lo si desidera e la correzione di base selezionando la scala di frequenza del tempo per le mappe di frequenza del tempo per visualizzare meglio le modifiche di potenza correlate agli eventi e migliorare la normalità. Quindi, converti le mappe della frequenza del tempo in immagini bidimensionali. Anche liscio usando un kernel gaussiano con un valore semi-massimo a larghezza intera predefinito per compensare la variabilità tra soggetti e per conformarsi alle ipotesi della teoria dei campi casuale.Selezionare ora specificare il secondo livello nel menu SPM e immettere le immagini 2D che verranno analizzate. Quindi eseguire il modello lineare generale selezionando la stima del modello. Infine, selezionare i risultati per eseguire deduzioni statistiche sui dati di frequenza del tempo basati sulla teoria dei campi casuale.Rileva cluster di frequenza del tempo attivati in modo significativo con soglie predefinite come quelle viste qui. Avviare l'analisi dinamica della modellazione causale selezionando DCM nel menu SPM. Quindi scegliere l'opzione IND e selezionare nuovi dati per importare i dati EEG intracranici pre-e-elaborazione.Quindi, utilizzare il menu EEG MEG per specificare la finestra di tempo di interesse, la finestra di frequenza di interesse, il numero di cicli wavelet che verranno utilizzati, le condizioni di interesse e i contrasti per le condizioni. Impostare l'ora su uno a 500 millisecondi. Usa wavelet Morlet a cinque cicli da quattro a 100 hertz in un solo passo hertz.Utilizzate l'impostazione di default per il ciclo wavelet. Determinare gli intervalli di frequenza del tempo in base all'interesse della ricerca. Si noti che una finestra temporale con altri 512 millisecondi può essere utilizzata automaticamente durante il calcolo per rimuovere gli effetti dei bordi.Sulla base del framework DCM, definire gli input di guida che rappresentano input sensoriali sugli stati neurali e le connessioni intrinseche che incarnano la connettività di base tra gli stati neurali. Inoltre, definire gli effetti modulatori sulle connessioni intrinseche attraverso manipolazioni sperimentali per modelli nulli e ipotizzati. Definite il tipo di modulazione come lineare o non lineare.Ora specificare le connessioni intrinseche lineari e non lineari, gli ingressi di guida e gli ingressi di modulazione. Modificare le impostazioni predefinite dei parametri correlati, se necessario, ad esempio il tempo e la durata di inizio dello stimolo precedente. Quindi scegliere inverti DCM per stimare i modelli.Successivamente, selezionate Salva risultati come immagine per salvare le immagini dei parametri di accoppiamento modulatori frequenza-frequenza. Successivamente, condurre un'analisi di selezione del modello bayesiano degli effetti casuali selezionando BMS per identificare il modello di rete ottimale. Utilizzare le probabilità previste del modello e le probabilità di adesione come misure di valutazione.Quindi fare inferenze per quanto riguarda i modelli a frequenza incrociata delle connessioni modulatori utilizzando i parametri del modello vincente. Ora smussa le immagini dei parametri di accoppiamento modulatori selezionando converti in immagini. Utilizzare quindi specificare il secondo livello per eseguire l'analisi generale del modello lineare.Infine, selezionare i risultati per calcolare i valori SPMT 2D. Qui, il mezzo massimo a larghezza intera è stato fissato a otto hertz e valori significativi sono stati identificati esploratamente utilizzando una soglia di altezza non corretta di P inferiore a 0,05. Sono state condotte analisi di frequenza temporale per indagare i profili temporali e di frequenza dell'attività del Giro occipitale inferiore o dell'IOG durante l'elaborazione delle fasi.Qui vediamo mappe di frequenza del tempo della giusta attività IOG per la fase verticale e le condizioni del mosaico verticale. Vengono visualizzati anche i dati SPMT per la fase verticale rispetto al mosaico verticale. I modelli di rete funzionale sono mostrati qui.Sono state studiate otto possibili combinazioni di input modulatorio di fase verticale rispetto al mosaico verticale sulle connessioni tra l'IOG e l'amigdala e l'auto-connessione su ogni regione. I parametri di accoppiamento modulatorio frequenza-frequenza e i valori SPMT per la fase verticale rispetto al mosaico verticale per la modulazione IOG contro amigdala e amigdala rispetto a IOG sono mostrati qui. Le aree rosso-gialle indicano una significativa connettività eccitatoria mentre le aree blu-ciano indicano connettività inibitoria.Dopo aver guardato questo video, dovresti avere una buona comprensione su come analizzare i dati EEG intracranici per rilevare l'attività neurale e la connettività utilizzando il software SPM.

Research

JoVE Journal

Neuroscience

Functional Mapping with Simultaneous MEG and EEG

Mappatura funzionale con EEG e MEG simultaneo

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

Ricerca

Neuroscienze

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

Stabilire intracranica xenotrapianti Brain Tumor Con successiva analisi della crescita tumorale e risposta alla terapia con Imaging bioluminescenza

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

Le registrazioni EEG ad alta densità dei Topi muoversi liberamente utilizzando Polyimide a base di microelettrodi

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

Registrazione ottica di attività neurale suprathreshold con risoluzione singola cellula e single-picco

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

Applicazioni di EEG dati Neuroimmagine: potenziali evento-correlati, spettrale di potenza, e multiscala Entropy

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

Optogenetic Perturbazione di attività neurale con illuminazione laser in semi-intatte<em&gt; Drosophila</em&gt; Larve in Motion

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

Neural Activity Propagazione in ippocampale preparazione piegato con un penetrante Micro-elettrodo Array

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

Extracellulare La registrazione di un neurone attività combinata con Microiontophoretic applicazione di sostanze neuroattivi nei topi Awake

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

Analizzando Synaptic Modulazione di<em&gt; Drosophila melanogaster</em&gt; Fotorecettori dopo l&#39;esposizione alla luce prolungata

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

Analizzando dendritiche Morfologia in colonne e strati

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 ...