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

Это исследование было поддержано средств от Benesse Corporation, Япония общества для финансирования программы поощрения науки (JSP) для следующего поколения ведущих исследователей (LZ008), Организации содействия исследованиям в нервной расстройств, и JSP-страницы KAKENHI (15K 04185; 18K 03174).

Наше исследование был одобрен Комитетом местных институциональных этики.
1. Основная информация
Примечание: Аналитических протоколов могут применяться для различных типов данных без каких-либо ограничений в отношении конкретных участников, электроды, эт?...

<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>

Аналитических протоколов для внутричерепных ЭЭГ данных с помощью программного обеспечения УСВ представил здесь имеют ряд преимуществ по сравнению с функциональной МРТ. Во-первых протоколы можно изобразить нервной активации с высоким временным разрешением. Таким образом результаты ?...

Измерения нейронной активности и подключения, связанные с когнитивных функций при высоких пространственных и временных резолюций является одной из основных целей когнитивной нейронауки. Однако достижение этой цели нелегко. Один популярный метод, используемый для записи нейронной активности является функциональная магнитно-резонансная томография (МРТ). Хотя Функциональная МРТ предлагает несколько преимуществ, таких как высокое пространственное разрешение на уровне миллиметр и неинвазивные записи, ясно недостатком функциональной МРТ является его низкая временным разрешением. Кроме того Функциональная МРТ меры крови кислород уровня зависимой сигналы, которые лишь косвенно отражать электрические нейронной активности. Популярные электрофизиологических методов, включая электроэнцефалографии (ЭЭГ) и Магнитоэнцефалография (Мэг), имеют высокого временного разрешения на уровне миллисекунды. Однако они имеют относительно низкого пространственного разрешения, потому что они записывать электрические или магнитные сигналы на волосистой части головы и должны решать сложные проблемы обратной изображать активность мозга.
Внутричерепных ЭЭГ может напрямую записывать электрические нейронной активности в высокой временной (миллисекунды) и пространственных (сантиметр) резолюции1. Эта мера может предоставить ценные возможности понять нейронной активности и связь, хотя он имеет четкие ограничения (например, измеримые регионов ограничены клинические критерии). Несколько внутричерепных ЭЭГ исследования применялись традиционные Усредненный анализ изображать нейронной активности. Хотя усреднения анализ чутко может обнаружить активации время locked и низкочастотного диапазона, он не может обнаружить не этапа-к морю и/или активации высокой частоты (например, группа гамма). Кроме того функциональные нейронные соединения не была проанализирована в глубину в литературе по внутричерепных ЭЭГ записи. Недавно были разработаны несколько новых методы изображать нейронной активности и внутри и между регионального подключения в функциональной МРТ и ЭЭГ/Мэг записей, которые могут быть применены для анализа внутричерепных ЭЭГ данных.
Здесь мы представляем аналитических протоколов, которые мы недавно применены для анализа внутричерепных ЭЭГ данных с использованием программного обеспечения статистической параметрический сопоставления (SPM). Во-первых, чтобы выявить, когда и на какой частоте, области мозга может быть активирован, мы провели время частота РП анализ2. Этот анализ разлагает временной и частотной областях, одновременно используя Непрерывное вейвлет-преобразование и соответствующим образом корректирует уровень family-wise ошибка (FWE) в частотно-карты, используя случайные теории поля. Во-вторых выявить, как мозга общаться, мы применили динамическое моделирование причинной (DCM) индуцированного ответы4. DCM позволяет исследование эффективного подключения (то есть, причинные и направленного влияния среди регионов мозга5). Хотя DCM первоначально был предложен как инструмент для анализа данных функциональной МРТ5, DCM индуцированных ответов был расширен для анализа нестационарных спектры мощности электрофизиологических сигналов4. Этот анализ позволяет изображением оба внутри и между регионального нейронные соединения. Несколько нейрофизиологические исследования показали, что местные внутрирегиональной вычислений и дальней межрегиональных коммуникации главным образом используют гамма - и тета диапазона колебаний, соответственно, и их взаимодействия (например, конференции) можно быть отражены тета гамма кросс частота муфта3,6,,78. Настоящий доклад сосредоточен на протоколе аналитических данных; Обзор справочная информация9,10 и записи протоколов11 внутричерепных ЭЭГ пожалуйста, обратитесь к литературе.

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

Измерения нейронной активности и подключения, связанные с когнитивных функций при высоких пространственных и временных резолюций является важной целью в когнитивной нейробиологии. Внутричерепных электроэнцефалография (ЭЭГ) можно непосредственно запись электрической нейронной активности и имеет уникальный потенциал для достижения этой цели. Традиционно в среднем анализ был применен для анализа внутричерепных ЭЭГ данных; Однако несколько новых методов доступны для изображением нейронной активности и внутри и между регионального подключения. Здесь, мы представляем два аналитических протоколов, мы недавно применяется для анализа внутричерепных ЭЭГ данных с использованием программного обеспечения статистической параметрический сопоставления (СЗМ): частотно-РП анализ для нейронной активности и динамического моделирования причинно индуцированной ответов для внутри и между регионального подключения. Мы сообщаем наш анализ данных внутричерепных ЭЭГ во время наблюдения лица как представитель результаты. Результаты показали, что уступает затылочные извилины (ГВН) показал активности гамма полосами на очень ранних стадиях (110 мс) в ответ на лица и ГВН и миндалины, показали быстрый внутри и между регионального подключение, используя различные виды колебаний. Эти аналитические протоколы имеют потенциал для выявления нейронные механизмы, лежащие в основе когнитивных функций с высоким пространственным и временным профилями.

С помощью протокола, представленные здесь, мы проанализировали внутричерепных ЭЭГ данных в ответ на лица18,19. Мы записали данные из шести пациентов в ходе пассивного просмотра лица, мозаики и дома в вертикальном положении и перевернутый ...

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

Мы представляем два аналитических протоколов, которые могут использоваться для анализа внутричерепных электроэнцефалография данных с использованием программного обеспечения статистической параметрический сопоставления (СЗМ): анализ статистических параметрический сопоставление частотно-нейронной активности, и динамические причинно Моделирование искусственных ответов для подключения внутри и между регионального.

Анализ нейронной активности и подключение с использованием внутричерепных ЭЭГ данных с программным обеспечением УСВ

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

Этот метод может помочь ответить на ключевые вопросы в области когнитивной нейронауки. Основным преимуществом этого метода является то, что он может анализировать нейронную активность и связь на высоко пространственных временных эволюциях. Чтобы начать анализ внутричерепных данных ЭЭГ, наберите SPM12 и выберите аналитическое меню MEG EEG.Во-первых, выполнить времени частотный анализ для предварительно обработанных внутричерепных ЭЭГ данных каждого испытания с использованием непрерывного разложения волн с волны Морлет на основе предопределенных параметров. Чтобы выявить временную эволюцию спектральных компонентов, проведите разложение волн с помощью семи-велосипедных волн Морлета за всю эпоху от 1 000 до 2000 миллисекунд с использованием частотного диапазона от четырех до 300 герц. Далее определите материнскую волновую волны и количество циклов и обратите внимание, что количество циклов контролирует разрешение частоты времени и должно быть больше пяти для обеспечения стабильности оценки.Определите время и частотные диапазоны. Затем обрезать в результате частоты времени карты автоматически, чтобы удалить эффекты края. Здесь карты обрезаются на 200-500 миллисекундах.При желании выполните преобразование данных и базовую коррекцию, выбрав шкалу частоты времени для карт частот времени, чтобы лучше визуализировать связанные с событиями изменения мощности и улучшить нормальность. Затем преобразуем карты частоты времени в двумерные изображения. Также плавное использование гауссийского ядра с предопределенным полумехабельным значением полной ширины, чтобы компенсировать междометную изменчивость и соответствовать предположениям случайной теории поля.Теперь выберите указать второй уровень в меню SPM и введите 2D изображения, которые будут проанализированы. Затем запустите общую линейную модель, выбрав оценку модели. Наконец, выберите результаты для выполнения статистических выводов о данных частоты времени, основанных на случайной теории поля.Обнаружить значительно активированные кластеры частоты времени с предопределенными пороговыми значениями, такими как те, которые видны здесь. Начните динамический анализ причинного моделирования, выбрав DCM в меню SPM. Затем выберите опцию IND и выберите новые данные для импорта предварительно обработанные внутричерепные данные ЭЭГ.Далее используйте меню MEG EEG, чтобы указать интересное время, частотное окно интереса, количество волновых циклов, которые будут использоваться, условия интереса и контрасты условий. Установите время до 1 до 500 миллисекунд. Используйте пятикилоговые волны Morlet от четырех до 100 герц в одной герц шаги.Используйте параметр по умолчанию для цикла волн. Определите диапазоны частот времени на основе интереса к исследованиям. Обратите внимание, что время окна с дополнительными 512 миллисекунд может быть автоматически использован во время вычислений для удаления эффектов края.Основываясь на структуре DCM, определите движущих входные данные, представляющие сенсорные входы на нейронные состояния, и внутренние связи, которые воплощают базовую связь между нейронными состояниями. Кроме того, определить модуляторное воздействие на внутренние связи с помощью экспериментальных манипуляций для нулевых и гипотетизированных моделей. Определите тип модуляции как линейный или нелинейный.Теперь укажите внутренние линейные и нелинейные соединения, вводимые ресурсы и модуляцию. Изменение параметров по умолчанию связанных параметров, если это необходимо, таких как время и продолжительность начала стимула. Затем выберите инвертировать DCM для оценки моделей.После этого выберите сохранить результаты в качестве изображения, чтобы сохранить частотно-частотные модуляции параметр изображения. Далее, провести случайные эффекты Bayesian Модель Выбор анализа путем выбора BMS для определения оптимальной модели сети. В качестве показателей оценки используйте модель ожидаемых вероятностей и вероятностей присоединений.Затем сделайте выводы относительно кросс-частотных моделей модуляторных соединений, используя выигрышные параметры модели. Теперь сгладить модуляции соединения параметр изображения, выбрав конвертировать в изображения. Затем используйте указать второй уровень для выполнения общего линейного анализа модели.Наконец, выберите результаты для расчета значений 2D SPMT. Здесь, полная ширина полу-максимум был установлен на восемь герц и значительные значения были exploratorily определены с помощью неисправленного порога высоты P менее 0,05. Были проведены анализы частоты времени для изучения временных и частотных профилей активности нижних затылочных gyrus или IOG во время обработки фаз.Здесь мы видим карты частоты времени правильной активности IOG для вертикальной фазы и вертикальных условий мозаики. Также показаны данные SPMT для вертикальной фазы по сравнению с вертикальной мозаикой. Функциональные сетевые модели показаны здесь.Исследовано восемь возможных комбинаций модулятного ввода вертикальной фазы по сравнению с вертикальной мозаикой на связи между IOG и миндалиной и самосвещение с каждым регионом. Частотно-частотные параметры соединения и значения SPMT для вертикальной фазы по сравнению с вертикальной мозаикой для IOG против миндалины и миндалины по сравнению с модуляцией IOG показаны здесь. Красно-желтые области указывают на значительную возбуждаемую связь, в то время как сине-голубые области указывают на ингибирующую связь.После просмотра этого видео, вы должны иметь хорошее понимание того, как анализировать внутричерепные данные ЭЭГ для обнаружения нейронной активности и подключения с помощью программного обеспечения SPM.

Research

JoVE Journal

Neuroscience

Functional Mapping with Simultaneous MEG and EEG

Функциональные карты с одновременным МЭГ и ЭЭГ

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

Создание Внутричерепное ксенотрансплантаты опухолей мозга с последующим анализом роста опухоли и ответ на терапию использования биолюминесценции изображений

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

Высокая плотность ЭЭГ Записи свободно движущихся мышей использованием полиимида основе Микроэлектродные

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

Оптическая запись запороговой нейронной активности с одноклеточных и одного всплеска резолюции

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

Применение данных ЭЭГ нейровизуализации: связанные с событиями потенциалы, спектральной мощности и многомасштабное Энтропия

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 Возмущение нейронной активности с лазерной подсветкой в ​​полу-нетронутыми<em&gt; Drosophila</em&gt; Личинки в движении

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

Нейронной активности распространения в разложенном гиппокампа подготовки с проникающим Micro-электрода массив

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

Внеклеточной Запись нейрональной активности в сочетании с микроионофоретическое Применение нейроактивный веществ у бодрствующих мышей

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

Анализ Synaptic модуляция<em&gt; Дрозофилы</em&gt; Фоторецепторы после экспозиции продолжительному воздействию света

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

Анализ Дендритные Морфология в столбцах и слоях

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 ...