Name: statistical modelling of cortical connectivity using non-invasive electroencephalograms
Uploaded: 2019-11-01T13:30:00
Description: Watch this Scientific Journal Video about Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms at JoVE.com

本手稿的出版部分得到了 SFI 未来神经库资助的对 DT 的赠款的支持。

以下实验协议符合所有地方、国家和国际人类研究伦理准则。用于测试协议的数据是经托斯卡纳地区伦理委员会授权获得的，2018SMIA112 SI-RE。
注：用于实现所述分析的脚本https://github.com/conorkeogh/NetworkAnalysis。
1. 原始数据收集
<ol><li>
准备主题条件。
	<ol>
<li>为确保录制之间的一致性，请确保在专用录制环境中进行所有 EEG 录制。?...

<ol>
	<li>Rosenow, F., Klein, K. M., Hamer, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Non-invasive+EEG+evaluation+in+epilepsy+diagnosis.">Non-invasive EEG evaluation in epilepsy diagnosis.</a> Expert Review of Neurotherapeutics. 15 (4), 425-444 (2015).</li><li>Sharmila, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Epilepsy+detection+from+EEG+signals:+a+review.">Epilepsy detection from EEG signals: a review.</a> Journal of Medical Engineering &amp; Technology. 42 (5), 368-380 (2018).</li><li>Nunez, P., Srinivasan, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Electric Fields of the Brain: The Neurophysics of EEG. , (2006).</li><li>Glover, G. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Overview+of+functional+magnetic+resonance+imaging.">Overview of functional magnetic resonance imaging.</a> Neurosurgery Clinics of North America. 22 (2), 133-vii (2011).</li><li>Lin, E., Alessio, A. <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+basic+concepts+of+temporal,+contrast,+and+spatial+resolution+in+cardiac+CT?.">What are the basic concepts of temporal, contrast, and spatial resolution in cardiac CT?.</a> Journal of Cardiovascular Computed Tomography. 3 (6), 403-408 (2009).</li><li>Kim, S., Richter, W., U&#487;urbil, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Limitations+of+temporal+resolution+in+functional+MRI.">Limitations of temporal resolution in functional MRI.</a> Magnetic Resonance in Medicine. 37, 631-636 (1997).</li><li>Fox, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mapping+Symptoms+to+Brain+Networks+with+the+Human+Connectome.">Mapping Symptoms to Brain Networks with the Human Connectome.</a> New England Journal of Medicine. 379, 2237-2245 (2018).</li><li>Makeig, S., Bell, A., Jung, T. P., Sejnowski, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Independent+component+analysis+of+electroencephalographic+data.">Independent component analysis of electroencephalographic data.</a> Advances in neural information processing systems. 8, 145-151 (1996).</li><li>Bowyer, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Coherence+a+measure+of+the+brain+networks:+past+and+present.">Coherence a measure of the brain networks: past and present.</a> Neuropsychiatric Electrophysiology. , (2016).</li><li>Srinivasan, R., Winter, W. R., Ding, J., Nunez, P. L. <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+coherence:+measures+of+functional+connectivity+at+distinct+spatial+scales+of+neocortical+dynamics.">EEG and MEG coherence: measures of functional connectivity at distinct spatial scales of neocortical dynamics.</a> Journal of Neuroscience Methods. 166 (1), 41-52 (2007).</li><li>Bullmore, E., Sporns, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Complex+brain+networks:+graph+theoretical+analysis+of+structural+and+functional+systems.">Complex brain networks: graph theoretical analysis of structural and functional systems.</a> Nature Reviews Neuroscience. 10, 186-198 (2009).</li><li>Baccal&#225;, L., Sameshima, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Partial+directed+coherence:+a+new+concept+in+neural+structure+determination.">Partial directed coherence: a new concept in neural structure determination.</a> Biological Cybernetics. 84, 463-474 (2001).</li><li>Sameshima, K., Baccal&#225;, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+partial+directed+coherence+to+describe+neuronal+ensemble+interactions.">Using partial directed coherence to describe neuronal ensemble interactions.</a> Journal of Neuroscience Methods. 94, 93-103 (1999).</li><li>Seth, A., Barrett, A. B., Barnett, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Granger+causality+analysis+in+neuroscience+and+neuroimaging.">Granger causality analysis in neuroscience and neuroimaging.</a> Journal of Neuroscience. 35, 3293-3297 (2015).</li><li>Hesse, W., M&#246;ller, E., Arnold, M., Schack, 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+use+of+time-variant+EEG+Granger+causality+for+inspecting+directed+interdependencies+of+neural+assemblies.">The use of time-variant EEG Granger causality for inspecting directed interdependencies of neural assemblies.</a> Journal of Neuroscience Methods. 124, 27-44 (2003).</li><li>Nunez, P. L., 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+coherency.+I:+Statistics,+reference+electrode,+volume+conduction,+Laplacians,+cortical+imaging,+and+interpretation+at+multiple+scales.">EEG coherency. I: Statistics, reference electrode, volume conduction, Laplacians, cortical imaging, and interpretation at multiple scales.</a> Electroencephalography and Clinical Neurophysiology. 103, 499-515 (1997).</li><li>Nunez, P. L., 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+coherency+II:+experimental+comparisons+of+multiple+measures.">EEG coherency II: experimental comparisons of multiple measures.</a> Clinical Neurophysiology. 110, 469-486 (1999).</li><li>Keogh, 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=Clinical+and+genetic+Rett+syndrome+variants+are+defined+by+stable+electrophysiological+profiles.">Clinical and genetic Rett syndrome variants are defined by stable electrophysiological profiles.</a> BMC Pediatrics. 18 (1), 333 (2018).</li><li>Peters, J. M., 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=Brain+functional+networks+in+syndromic+and+non-syndromic+autism:+a+graph+theoretical+study+of+EEG+connectivity.">Brain functional networks in syndromic and non-syndromic autism: a graph theoretical study of EEG connectivity.</a> BMC Medicine. 11, 54 (2013).</li><li>Jie, B., Wee, C., Shen, D., Zhang, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hyper-connectivity+of+functional+networks+for+brain+disease+diagnosis.">Hyper-connectivity of functional networks for brain disease diagnosis.</a> Medical Image Analysis. 32, 84-100 (2016).</li><li>Zhang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Topographical+Information-Based+High-Order+Functional+Connectivity+and+Its+Application+in+Abnormality+Detection+for+Mild+Cognitive+Impairment.">Topographical Information-Based High-Order Functional Connectivity and Its Application in Abnormality Detection for Mild Cognitive Impairment.</a> Journal of Alzheimer's Disease. 54, 1095-1112 (2016).</li><li>Delorme, A., Scott, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEGLAB:+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis.">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> Journal of Neuroscience Methods. 134, 1 (2004).</li><li>Calabrese, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Encyclopedia of Bioinformatics and Computational Biology. , (2019).</li><li>Colic, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Support+Vector+Machines+Using+EEG+Features+of+Cross-Frequency+Coupling+Can+Predict+Treatment+Outcome+in+Mecp2-Deficient+Mice.">Support Vector Machines Using EEG Features of Cross-Frequency Coupling Can Predict Treatment Outcome in Mecp2-Deficient Mice.</a> Conference Proceedings of the IEEE Engineering in Medicine and Biology Society. , 5606-5609 (2015).</li></ol>

所述方法允许从非侵入性脑电图数据中推导皮质网络动力学的统计图。这样，通过评估记录的区域之间如何相互作用，而不是评估每个单独位置发生的情况，从而在检查简单时间序列数据时，对不太明显的现象进行调查。分离。这可以揭示对疾病病理学的重要见解18。
此方法的基本方面是确保数据质量。需要严格的数据评估、工件抑制和预处理，以确保数据...

该方法旨在利用临床上可行的设置，生成基于非侵入性电极记录的皮质网络统计图，以便研究神经系统病理学、新疗法的影响以及新奇的电生理生物标志物。
脑电图为研究神经系统功能和疾病1、2提供了巨大潜力。这项技术价格低廉，在研究和临床环境中随时可用，而且通常耐受性良好。录音的简单、非侵入性使临床使用变得简单明了，而现有的临床脑电图部门框架允许临床医生轻松获得该技术。
从技术角度来看，EEG 提供了出色的时域分辨率3。由于神经系统相互作用和网络动力学的快速时间尺度，在研究神经系统功能时，这是非常重要的。虽然功能MRI等成像方法提供了更高的空间分辨率和易于解释的图像，但它们在电生理记录提供的精细时间尺度上询问神经系统功能的能力则更为有限4，5，6.
人们越来越需要能够询问神经系统功能，以便为神经系统疾病的诊断、治疗和预后提供信息。皮质网络动力学在神经系统病理学中的作用日益得到人们的认可。神经系统的许多病理在传统成像中没有产生的宏观结构病变，但通过适当的功能分析方法，在网络水平上产生的异常可能很明显。
不幸的是，目前脑电图分析方法在这方面受到很大限制。传统方法包括分析来自单个电极的简单时间序列数据。这些信号表示大皮质区域3、8的场电位的总和。使用目视检查或简单的统计方法单独分析来自单个通道的数据，限制了这些记录在离散、个别位置检测严重电生理异常的有用性。随着人们日益认识到网络级效应对神经系统功能和病理学的重要性，这些简单的分析方法显然存在缺陷，因为它们无法检测信号之间的微妙关系，从而表示皮质区域在网络级别之间交互的异常。
演示了一种从低维电极记录中推导出皮质网络连接统计图的方法。此方法允许以传统分析技术无法采用的方式调查不同大脑区域之间的交互动态，以及这些网络交互的可视化。这为在高时域解析时以以前不可能的方式对网络级效应进行非侵入性调查提供了可能性。该方法基于电极间相干9、10的测量结果。通过评估这些区域11的记录之间的统计关系，这些措施允许调查两个记录区域是如何相互作用的。通过评估每个记录区域如何与其他记录区域相互作用，可以绘制记录区域内电生理网络的统计图。这允许发现在单独评估单个通道数据时并不明显的功能关系。
本手稿的重点是在神经时间序列上使用一致性。目前，有许多技术可用于调查时间序列数据之间的关系，这些技术可以成对的方式应用于通道，以派生皮质连接模型。一些方法，如相关的部分定向相干12，13，旨在推断所调查信号对的影响方向，以便更好地描述基础网络的结构，而其他方法，如格兰杰因果14，15，试图通过一个信号预测另一个信号的数据的能力推断功能关系。这些方法可以以类似的方式应用，以生成皮质网络的高维模型。然而，一致性作为研究神经信号之间关系的手段的优点在于它缺乏假设。可以调查两个站点的录音之间的统计关系，而无需声明这些关系的功能基础，并构建纯粹基于与关于产生这些信号的皮质网络的最小假设。
由于这些措施的纯数学性质，在头皮的电极记录的一致性测量和底层神经活动之间的关系是复杂的16，17。虽然这些方法允许推导统计构造来描述电极记录之间的关系进行比较，但对特定基础神经群的活动进行直接因果推断并不直截了当3，8，16，17。这些方法允许比较各组之间的网络级活动，以确定可能有用的生物标志物，但在就这些标记与特定神经机制的关系得出具体结论方面受到限制。这是由于影响记录的活动3的大量混杂因素，以及估计在头皮8水平上记录的电信号的特定皮质源的问题。相反，这些方法可以生成活动的统计模型，可以在各组之间进行查询和比较，以确定在网络级别18上存在差异，并可以利用这些模型生成新的生物标志物构建。然而，由于底层系统的复杂性，这些方法本身在将差异与特定机制和神经活动联系起来的能力有限。
在系统神经科学16，17中，诸如一致性等网络措施的使用已经确立。由于缺乏对这些高维数据结构的利用，这些方法在皮质功能建模和调查方面的全部潜力受到限制。这项工作表明，可以成对地将这些措施应用于 EEG 通道，以便将数据映射到完全基于皮质区域中电气活动之间的统计关系的高维要素空间。它还表明，使用现代统计技术，可以使用生成的皮质函数模型来调查这些模型，而不会丢失建模过程中获得的信息。
这种方法在扩大现有脑电图技术的应用范围方面具有潜在的价值，提高了获得有用功能措施的能力，而无需对现有录音设备进行改造18，19.通过提高对皮质功能建模和询问这些模型的能力，可以扩展了可以使用 EEG 数据调查的问题。这进一步开启了进一步整合功能和结构评估以调查神经系统疾病的可能性。这种方法，使用在临床上已经广泛使用的技术，将允许研究皮质病理学与高时间和空间分辨率。

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Electrode cap</td>
			<td>ElectroCap International</td>
			<td></td>
			<td>Or any suitable cap</td>
		</tr>
		<tr>
			<td>Conductive gel</td>
			<td>SignaGel</td>
			<td></td>
			<td>Or any suitable gel</td>
		</tr>
		<tr>
			<td>Pin-type electrodes</td>
			<td>BioSemi</td>
			<td></td>
			<td>Or any suitable electrode</td>
		</tr>
		<tr>
			<td>BioSemi Active Two recording system</td>
			<td>BioSemi</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>ActiView recording environment</td>
			<td>BioSemi</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>MATLAB software</td>
			<td>Mathworks</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

statistical modelling of cortical connectivity using non-invasive electroencephalograms

非侵入性电生理记录对神经系统功能的评估是有用的。与成像相比，这些技术价格低廉、快速、可复制且资源密集程度较低。此外，生成的功能数据具有出色的时间分辨率，这是结构成像无法实现的。
脑电图（EEG）目前的应用受到数据处理方法的限制。在单个通道中使用原始时间序列数据的标准分析技术是询问神经系统活动非常有限的方法。有关皮质函数的更多详细信息可以通过检查通道之间的关系和派生区域交互方式的统计模型来实现，从而允许网络之间的连接可视化。
本手稿描述了一种通过以标准方式记录 EEG，然后检查电极间一致性度量值以评估记录区域之间的关系来派生皮质网络活动统计模型的方法。通过评估相干对之间的协方差，生成网络交互的高维"映射"，可以进一步检查高阶交互。可以检查这些数据构造，以传统技术无法实现的方式评估皮质网络功能及其与病理学的关系。
与原始时间序列分析相比，此方法对网络级交互的敏感度更高。然而，由于对底层神经种群和生成的大量数据得出具体机械结论的复杂性，它受到限制，需要更先进的统计技术进行评估，包括维数减少和分类器的方法。

光谱功率的测量将生成每个频段测量的n个度量值，其中n是记录的通道数。这些措施将处于总功率的分贝内。单个频带内的功率度量应表示为相对功率（即该频带内功率表示的总功率比例），以便对组和条件进行准确比较。
图2显示了跨多个波段和记录通道的频谱功率可视化示例。光谱功率?...

Watch this Scientific Journal Video about Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms at JoVE.com

Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms

标准脑电图分析技术对神经系统功能的洞察有限。派生皮质连接的统计模型提供了更大的能力来调查底层网络动态。改进的功能评估为神经系统疾病的诊断、预后和结果预测开辟了新的可能性。

使用非侵入性脑电图的皮质连通性统计建模

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

该协议非常重要，因为它允许通过建模区域之间交互的方式来调查皮质网络，以揭示标准分析技术中不明显的差异。该技术的主要优点是，它允许我们使用广泛可用的设备调查网络功能，因此无需专用材料即可获得非侵入性电气录音。该技术通过检查有助于开发新型诊断方法和治疗性生物标志物的网络结构，可以进行神经精神病的非侵入性研究。这种方法在临床神经科学中有着广泛的应用，特别是随着网络功能在疾病中的作用越来越相关。对于数据收集，请将电极盖连接到患者的头部，以确保正确对齐。将导电凝胶注入每个电极端口，从头皮开始，慢慢撤回到封盖表面，以建立与头皮的电接触，并提高信噪比。然后使用基于 10-20 系统的预定电极蒙太奇将电极连接到电极盖并固定适当的接地电极。要设置 EEG，请将所有电极连接到电生理记录系统，并连接记录系统与适当的数字记录环境。检查所有记录通道，确保偏移量在适当的范围内，并避免通道噪音过大。该算法将生成结果，无论数据质量如何，因此应在严格的数据质量条件下执行录制，并在使用之前进行分析。然后指示患者记录已经开始，并避免所有不必要的动作，然后再进行简短的测试记录，以验证适当的记录质量。在分析结束时，将 EEG 数据和任何其他脚本库（如有必要）加载到合适的数据分析环境中。放弃每次记录的第一分钟和最后五分钟，以减少任何移动工件的污染，并根据任务或静止状态记录预定持续时间将数据拆分为纪元。若要准备数据，请从录制中减去所有通道的均值来更正录像的基线，以避免在长时间录制期间任何基线徘徊的影响。将所有通道重新引用为适当的引用。然后以数字方式过滤所有通道，以隔离感兴趣的频率。要计算数据的整体功率光谱，请对要评估的整个频率范围内分析的每个通道执行 Fourier 变换。要评估单个频带的活性，请以 4 到 8 赫兹隔离带，以 8 到 12 赫兹隔离带，在 12 到 30 赫兹的 beta 频带，以 0.5 到 4 赫兹隔离三角带，在大于 30 赫兹的伽马频带。要评估第一电极对之间的相互作用，得出电极间相干性测量。要评估相干性，请将电极间相干的测量映射到二维数据结构，其中每列是电极位置，每一行是电极位置，每个单元是相应电极对之间的相干性，将相干值映射到零和一种颜色之间。然后导出颜色图，在使用的频率限制内可视化每个电极对之间的电极间一致性。要可视化皮质区域之间的高阶相互作用并绘制出网络动力学图，请计算每个电极对相干性如何测量与整个频谱和特定频段内所有其他独特电极对的相干度。然后将这些协方差度量值映射到颜色，并导出颜色图，可视化频段内和跨频段的网络动态。要执行维数缩减，请推导出用于比较使用原理分量分析生成的统计模型中表示总体网络动力学的组之间的度量。指示对相方差矩阵的对轴度度量值，允许对等量线可视化高级网络关系，并将协方差矩阵分解为特征和相应的特征值，以允许识别模型要素空间中的轴，这些轴包含最大的方差，而不受现有度量值的约束。按相应的特征值对特征器进行排名，以确定模型中占方差比例最大的特征。然后比较从网络模型派生的第一个原则组件。要选择感兴趣的功能区域，请将相干数据隔离在感兴趣的频带内。执行原则组件分析，以得出利益范围内总体网络活动的度量。然后比较各组之间的度量，以评估特定振荡频率的网络差异。若要使用距离指标（如欧几里德距离）执行非监督学习，请计算网络模型所定义空间内受试者之间的距离度量。然后使用聚类算法（如 k-最近邻域）根据模型参数标识数据中的组。光谱功率可以可视化在头皮上插值，从而可以有限地估计活动源。每个电极间测量值指示一个区域中的活动变化程度，具体取决于另一个区域的活动，从而在相互作用的方向和时滞上存在差异。电极间一致性的较高值表明，记录区域之间的相互作用显然是相互通信的。通过测量每个独特的电极对之间的相互作用，可以构建记录通道如何相互作用的统计图，从而可以调查区域如何通信，而不是关注各个隔离区域。高阶网络动力学的可视化有助于通过原理分量分析或基于分类器的技术来识别所比较的相互作用类型，以评估一个电极对的相干度如何与另一对相干性变化的关系。例如，在这里，我们可以可视化两个具有不同临床表型的受试者之间的网络映射中明显的差异，这些受试者使用标准分析方法影响皮质功能，而皮质功能没有统计学上显著的差异。在使用此过程推导出网络措施后，可以使用机器学习技术来利用生成的数据丰富的模型，以便进行更复杂的诊断和预测分析。这项技术使得研究雷特综合征（一种儿科神经精神病）中的疾病亚型，以及预测对新疗法和癫痫状况的反应。

Research

JoVE Journal

Neuroscience

Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time

利用信息化连通性来衡量的功能磁共振成像多体素穿越时空信息的同步崛起

It is now appreciated that condition-relevant information can be present within distributed patterns of functional magnetic resonance imaging (fMRI) brain ...

科研

神经科学

Non-invasive Parenchymal, Vascular and Metabolic High-frequency Ultrasound and Photoacoustic Rat Deep Brain Imaging

非侵入性的脑实质，血管和代谢高频超声和光声大鼠深脑成像

Photoacoustics and high frequency ultrasound stands out as powerful tools for neurobiological applications enabling high-resolution imaging on the central ...

Non-invasive Assessment of Changes in Corticomotoneuronal Transmission in Humans

非侵入性评估人类皮质神经元传播的变化

The corticospinal pathway is the major pathway connecting the brain with the muscles and is therefore highly relevant for movement control and motor ...

Denver Papillae Protocol for Objective Analysis of Fungiform Papillae

为菌状乳头的客观分析丹佛乳头协议

The goal of the Denver Papillae Protocol is to use a dichotomous key to define and prioritize the characteristics of fungiform papillae (FP) to ensure ...

Analyzing Dendritic Morphology in Columns and Layers

分析树突状形态的列和图层

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 ...

Modelling Zika Virus Infection of the Developing Human Brain In Vitro Using Stem Cell Derived Cerebral Organoids

Modelling Zika Virus Infection of the Developing Human Brain In Vitro Using Stem Cell Derived Cerebral Organoids

利用干细胞衍生脑 Organoids体外培养人脑组织 Zika 病毒感染的模拟研究

The recent emergence of Zika virus (ZIKV) in susceptible populations has led to an abrupt increase in microcephaly and other neurodevelopmental conditions ...

SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware

SwarmSight: 利用共同的准备和常规硬件实时跟踪昆虫的天线运动和喙的延伸反射

Many scientifically and agriculturally important insects use antennae to detect the presence of volatile chemical compounds and extend their proboscis ...

Visual Evoked Potential Recordings in Mice Using a Dry Non-invasive Multi-channel Scalp EEG Sensor

干无创多通道头皮脑电传感器在小鼠视觉诱发电位记录中的应用

For scalp EEG research environments with laboratory mice, we designed a dry-type 16 channel EEG sensor which is non-invasive, deformable, and re-usable ...

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

利用 SPM 软件分析颅内脑电图数据的神经活动和连接性

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

Non-invasive Strategies for Chronic Manipulation of DREADD-controlled Neuronal Activity

DREADD控制神经活动慢性操作的非侵入性策略

Chemogenetic strategies have emerged as reliable tools for remote control of neuronal activity. Among these, designer receptors exclusively activated by ...