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

הפרסום של כתב היד הזה נתמך באופן חלקי על ידי המענק החוקר הממומן של SFI FutureNeruro ל DT.

הפרוטוקול הניסיוני הבא הוא בהתאם לכל הנחיות האתיקה המקומיות, הלאומיות והבינלאומיות למחקר אנושי. הנתונים המשמשים לבדיקת הפרוטוקול נרכשו עם אישור של ועדת אתית של אזור טוסקנה-פרוטוקול 2018SMIA112 SI-RE.
הערה: קבצי ה-script המשמשים ליישום הבדיקות המתוארות זמינים ב-https://github.com/conor...

<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>

השיטה המתוארת מאפשרת את הנגזרת של מפות סטטיסטיות של דינמיקה רשת קורטיקלית מנתוני EEG שאינם פולשנית. דבר זה מאפשר לחקירת תופעות שאינן מבחינות בקלות על בחינת נתוני סדרת זמן פשוטים באמצעות הערכה של האופן שבו האזורים המוקלטת מקיימים אינטראקציה זה עם זה, במקום להעריך את המתרחש בכל מיקום בודד ב ?...

שיטה זו שואפת לייצר מפות סטטיסטיות של רשתות קורטיטיות מבוסס על הקלטות האלקטרודה שאינם פולשנית באמצעות התקנה קלינית קיימא, כדי לאפשר חקירה של פתולוגיה של מערכת העצבים, ההשפעה של טיפולים חדשניים, ופיתוח של רומן . מסמנים אלקטרולוגיים
EEG מציעה פוטנציאל רב לחקירת תפקוד מערכת העצבים ומחלות1,2. טכנולוגיה זו היא זולה, זמין בתוך מחקר והגדרות קליניות, ובדרך כלל נסבל היטב. הטבע פשוט, לא פולשני של הקלטות לעשות שימוש קליני פשוט, ואת המסגרת הקיימת של מחלקות EEG קליני מאפשר גישה קלה לטכנולוגיה עבור מטפלים.
מנקודת מבט טכנית, EEG מציע בזמן מצוין החלטה בתחום3. זה חשוב מאוד כאשר חקירת תפקוד מערכת העצבים בשל סולמות הזמן המהיר של אינטראקציות מערכת העצבים ודינמיקה ברשת. בעוד שיטות דימות כגון MRI פונקציונלי להציע רזולוציה מרחבית גדולה יותר בקלות מתרגם תמונות הטבלה, הם הרבה יותר מוגבלים ביכולתם לחקור את תפקוד מערכת העצבים על סולמות הזמן בסדר המוצעים על ידי הקלטות אלקטרופיזיולוגיות 4,5,6.
יש צורך הולך וגובר ביכולת לחקור את תפקוד מערכת העצבים כדי ליידע אבחון, טיפול ותחזיות של מחלות מערכת העצבים. התפקיד של דינמיקה ברשת קורטיקלית בפתולוגיה של מערכת העצבים מוכר יותר ויותר7. פתווגיות רבות של מערכת העצבים לייצר לא נגעים מבניים מאקרוסקופי גלוי עם הדמיה מסורתית, אבל ליקויים המיוצרים ברמת הרשת עשוי להיות גלוי עם שיטות ניתוח מתאים תפקודית.
למרבה הצער, שיטות ניתוח EEG הנוכחי מוגבלות מאוד בהקשר זה. שיטות מסורתיות כרוכות בניתוח של נתוני סדרת זמן פשוטים מאלקטרודות בודדות. אותות אלה מייצגים את הסיכום של פוטנציאל השדה באזורים קורטיקלית גדולה3,8. ניתוח נתונים מערוצים בודדים בבידוד באמצעות בדיקה חזותית או שיטות סטטיסטיות פשוטות מגביל את השימושיות של הקלטות אלה כדי לזהות חריגות אלקטרופיזיולוגיות ברוטו במיקומים נפרדים, בודדים. עם ההכרה הגוברת של החשיבות של השפעות ברמת הרשת על תפקוד מערכת העצבים ואת הפתולוגיה, אלה שיטות ניתוח פשוט חסרים בבירור בכך שהם לא יוכלו לזהות קשרים עדינים בין אותות, המייצגים חריגות באופן שבו האזורים הקורטיקליים מקיימים אינטראקציה אחד עם השני ברמת הרשת.
שיטה של הנובעות מפות סטטיסטית של קישוריות רשת קורטיקלית מתוך הקלטות האלקטרודה נמוכה מימדי מומחש. שיטה זו מאפשרת חקירה של הדינמיקה של אינטראקציות בין אזורי מוח שונים באופן שאינו אפשרי עם טכניקות ניתוח מסורתיות, כמו גם הדמיה של אינטראקציות אלה ברשת. פעולה זו פותחת את האפשרות עבור חקירה לא פולשנית של השפעות ברמת הרשת ברזולוציות תחום בזמן גבוה בדרכים לא אפשרי בעבר. שיטה זו מבוססת על הנגזרת של מדדים בעלי קוהרנטיות אינטראלקטרודה9,10. צעדים אלה מאפשרים לחקור כיצד שני אזורים מוקלטים מקיימים אינטראקציה על-ידי הערכת היחסים הסטטיסטיים בין ההקלטות של אזורים אלה11. על ידי הערכת כיצד כל אזור מוקלט מקיים אינטראקציה עם כל אזור מוקלט אחר, ניתן לעשות מפה סטטיסטית של רשתות אלקטרופיזיולוגיות בתוך האזורים המוקלטת. זה מאפשר גילוי של קשרים פונקציונליים שאינם גלויים על הערכה של נתוני ערוץ בידוד.
מוקד כתב היד הזה נמצא בשימוש. בעקביות בסדרת הזמן העצבית כיום, ישנן מספר טכניקות לחקירת קשרי הגומלין בין נתוני סדרת הזמן שניתן להחיל על ערוצים בצורה זיווגים כדי לגזור מודלים של קישוריות קורטיקלית. כמה שיטות, כגון בבימויו החלקית הקשורים קוהרנטיות12,13, המטרה להסיק את כיוון ההשפעה של זוג אותות נחקר על מנת לאפיין טוב יותר את מבנה הרשתות הבסיסיות, בעוד אחרים שיטות, כגון גריינג'ר סיבתיות14,15, מנסות להסיק קשרים פונקציונליים דרך היכולת של אות אחת כדי לנבא את הנתונים באחר. שיטות כגון אלה יכולות להיות מיושם בדרכים דומות להפקת דגמים ממדיים גבוהים של רשתות קורטיקלית. עם זאת, היתרונות של קוהרנטיות כאמצעי בחקירת יחסים בין אותות עצביים טמון בהיעדר השערות. ניתן לחקור קשרים סטטיסטיים בין הקלטות בשני אתרים מבלי לעשות הצהרות על בסיס פונקציונלי של קשרים אלה לבנות מודל של קישוריות קורטיקלית מבוסס גרידא על יחסים סטטיסטיים עם הנחות מינימליות בנוגע לרשתות הקורטיפיות היוצרות אותות אלה.
בשל האופי המתמטי גרידא של צעדים אלה, היחסים בין האמצעים קוהרנטיות של הקלטות אלקטרודה על הקרקפת ואת הפעילות העצבית הבסיסית היא מורכבת16,17. בעוד שיטות אלה מאפשרות את הנגזרת של מבנים סטטיסטיים המתארים יחסים בין הקלטות האלקטרודה להשוואה, ביצוע מסקנות הסיבתי ישירה על הפעילות של אוכלוסיות עצביות ספציפיות הבסיסית אינה . ישיר3,8,16,17 גישות אלה מאפשרות השוואה בין הפעילות ברמת הרשת בין קבוצות כדי לזהות סמנים בעלי פוטנציאל שימושי, אך מוגבלים מבחינת רישום מסקנות ספציפיות לגבי הקשר בין סמנים אלה לבין מנגנונים עצביים ספציפיים. זה בגלל המספר הגדול של גורמים מייסדים המשפיעים על פעילות מוקלטת3, כמו גם בעיות עם הערכת מקור בקליפת המוח הספציפית של אותות חשמליים שנרשמו ברמה של הקרקפת8. במקום זאת, גישות אלה יכולות לייצר מודלים סטטיסטיים של פעילות שניתן לחקור ולהשוות בין קבוצות כדי לקבוע שההבדלים קיימים ברמת הרשת18 וניתן ליצור מינוף כדי לייצר בסמנים הרומן מבוסס על אלה ונה. עם זאת, לשיטות אלה בלבד יש יכולת מוגבלת להתייחס להבדלים הנראים למנגנונים מסוימים ולפעילויות עצביות בשל המורכבות של המערכת הבסיסית.
השימוש באמצעי רשת כגון קוהרנטיות מבוססת היטב במערכות מדעי המוח16,17. הפוטנציאל המלא של גישות אלה לדוגמנות וחקירת תפקוד קורטיקלית הוגבלה על ידי חוסר ניצול של מבני נתונים אלה מימדים גבוהים. עבודה זו ממחישה כי ניתן להחיל אמצעים אלה על ערוצי EEG בצורה זיווגים כדי למפות נתונים על מרחב תכונה מימדי גבוהה המבוסס גרידא על היחסים הסטטיסטיים בין פעילות החשמל באזורים קורטיקלית. זה גם מדגים כי, באמצעות טכניקות סטטיסטיות מודרנית, ניתן להשתמש במודלים שנוצרו של פונקציה קורטיקלית לחקור את המודלים האלה מבלי לאבד את המידע שנרכש בתהליך הדוגמנות.
שיטה זו עשויה להיות בעלת ערך רב בהרחבת היקף היישומים של טכנולוגיות EEG קיימות, שיפור היכולת להפיק אמצעים פונקציונליים שימושיים מבלי לדרוש עיבודים לציוד הקלטה קיים18,19 . על ידי שיפור היכולת לדגמן תפקוד קורטיקלית ולחקור את המודלים האלה, את השאלות שניתן לחקור באמצעות נתוני EEG מורחבים. זה עוד פותח את האפשרות של שילוב גדול יותר של הערכות פונקציונלי ומבניים לחקירת מחלה נוירולוגית20,21. גישה זו, באמצעות טכנולוגיה שכבר זמין נרחב קלינית, יאפשר חקירה של הפתווגיות בקליפת המין העליון עם הזמן הגבוה ואת הרזולוציה המרחבית.

<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

הקלטות אלקטרופיזיולוגיות לא פולשנית שימושיות להערכת תפקוד מערכת העצבים. שיטות אלה הן זולות, מהירות, שכפול ופחות תובעניות ממשאבים מהדמיה. יתר על כן, הנתונים הפונקציונליים המיוצרים יש רזולוציה טמפורלית מעולה, אשר אינו השגה עם הדמיה מבנית.
יישומים נוכחיים של אלקטרונצלוגרמות (EEG) מוגבלים בשיטות עיבוד נתונים. טכניקות ניתוח סטנדרטיות המשתמשות בנתוני סדרת זמן גולמיים בערוצים נפרדים הן שיטות מוגבלות מאוד לחקירת פעילות מערכת העצבים. מידע מפורט יותר על הפונקציה הקורטיקלית ניתן להשיג על ידי בחינת קשרים בין ערוצים לבין הנובעות מודלים סטטיסטיים של איך אזורים מאינטראקציה, המאפשר ויזואליזציה של קישוריות בין רשתות.
כתב יד זה מתאר שיטה ליצור מודלים סטטיסטיים של פעילות רשת קורטיקלית על ידי הקלטת EEG באופן רגיל, ולאחר מכן בחינת האמצעים קוהרנטיות בין האלקטרודות כדי להעריך את היחסים בין האזורים המוקלטת. אינטראקציות בסדר גבוה יותר ניתן לבחון על ידי הערכת השונות המשותפת בין זוגות קוהרנטיות, הפקת "מפות" רב-מימדי של אינטראקציות רשת. מבנים נתונים אלה ניתן לבחון כדי להעריך את תפקוד הרשת הקורטיקלית ואת הקשר שלה לפתולוגיה בדרכים לא השגה עם טכניקות מסורתיות.
גישה זו מציעה רגישות גבוהה יותר לאינטראקציות ברמת הרשת מאשר השגה עם ניתוח סדרת זמן גולמי. עם זאת, היא מוגבלת על-ידי המורכבות של רישום מסקנות מכניסטיות ספציפיות על האוכלוסיות העצביות המשמשות כבסיס והכרכים הגבוהים של הנתונים שנוצרו, ובכך דורשים טכניקות סטטיסטיות מתקדמות יותר להערכה, כולל מימדית הפחתת וגישות מבוססות-מסווג.

מדידות של כוח ספקטרלי יפיק מידות n עבור כל פס תדר נמדד, כאשר n הוא מספר הערוצים שנרשמו. צעדים אלה יהיו בדציבלים עבור הכוח הכללי. מדדים של כוח בתוך להקות תדרים בודדים צריכים להתבטא ככוח יחסי (כלומר, שיעור הכוח הכולל המיוצג על-ידי כוח בתוך אותה רצועה) כדי לאפשר השוואו...

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

טכניקות סטנדרטיות של ניתוח EEG מציעות תובנה מוגבלת בתפקוד מערכת העצבים. באמצעות מודלים סטטיסטיים של קישוריות קורטיקלית מציעה יכולת גדולה הרבה יותר לחקור את הדינמיקה הבסיסית של הרשת. הערכה תפקודית משופרת פותחת אפשרויות חדשות לאבחון, תחזיות, וחיזוי התוצאה במחלות מערכת העצבים.

הדוגמנות הסטטיסטית של קישוריות קורטיקלית באמצעות אלקטרונצלוגרמות שאינן פולשנית

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

פרוטוקול זה הוא משמעותי כפי שהוא מאפשר חקירה של רשתות קליפת המוח על ידי מידול איך אזורים אינטראקציה אחד עם השני כדי לחשוף הבדלים לא ניכר עם טכניקות ניתוח סטנדרטי. היתרון העיקרי של טכניקה זו הוא שהיא מאפשרת לנו לחקור פונקציות רשת באמצעות ציוד זמין נרחב, כך שנוכל להשיג הקלטות חשמליות לא פולשניות ללא צורך בחומרים מיוחדים. טכניקה זו מאפשרת חקירה לא פולשנית של מחלות נוירופסיכיאטריות על ידי בחינת מבני רשת המאפשרים פיתוח שיטות אבחון חדשניות וסמנים ביולוגיים טיפוליים.שיטה זו יש מגוון רחב של יישומים בתוך מדעי המוח הקליניים במיוחד כמו התפקיד של תפקוד הרשת במחלה הופך רלוונטי יותר ויותר. לאיסוף נתונים, צרף את מכסה האלקטרודה לראשו של המטופל תוך הקפדה על יישור נכון. הזרק ג'ל מוליך לכל אחת מיציאות האלקטרודה המתחילות בקרקפת ונסוג באיטיות אל משטח המכסה כדי ליצור מגע חשמלי עם הקרקפת ולשפר את יחס האות לרעש.לאחר מכן השתמש במונטאז' אלקטרודות קבוע מראש המבוסס על מערכת 10-20 כדי לחבר את האלקטרודות למכסה האלקטרודה ולאבטח את אלקטרודות הקרקע המתאימות. כדי להקים את EEG, לחבר את כל האלקטרודות למערכת הקלטה אלקטרופיזיולוגית ולקשר את מערכת ההקלטה עם סביבת הקלטה דיגיטלית מתאימה. בדקו את כל ערוצי ההקלטה כדי לוודא שההיסט נמצא בטווח המתאים ולהימנע מרעש ערוץ מוגזם.האלגוריתם יפיק תוצאות ללא קשר לאיכות הנתונים ולכן ההקלטות צריכות להתבצע בתנאי איכות נתונים מחמירים ויש לנתח אותן לפני השימוש בהן. לאחר מכן הנחה את המטופל כי ההקלטה החלה ולהימנע מכל התנועות המיותרות לפני ביצוע הקלטת בדיקה קצרה כדי לאמת את איכות ההקלטה המתאימה. בסוף הניתוח, טען את נתוני EEG ואת כל ספריות ה- Script הנוספים לפי הצורך לסביבת ניתוח נתונים מתאימה.השלך את חמש הדקות הראשונות והאחרונה של כל הקלטה כדי להפחית את הזיהום של כל ממצא תנועה ולפצל את הנתונים לתוך תקופה המבוססת על המשימה או אם זה מצב מנוחה הקלטת משך קבוע מראש. כדי להכין את הנתונים, תקן את בסיס ההקלטות על ידי חיסור הממוצע של כל הערוצים מההקלטות כדי למנוע את ההשפעה של כל נדודים בסיסיים במהלך הקלטות ממושכות. הפוך מחדש את כל הערוצים להפניה מתאימה.לאחר מכן סנן דיגיטלית את כל הערוצים כדי לבודד את התדרים המעניינים. כדי לחשב את ספקטרום ההספק הכולל של הנתונים, בצע המרה של פורייה של כל ערוץ שנותח לאורך כל טווח התדרים שיש להעריך. כדי להעריך את הפעילות של להקות תדרים בודדות, בודדו את להקת התטא בארבע עד שמונה הרץ, את להקת האלפא בשמונה עד 12 הרץ, את להקת הבטא ב-12 עד 30 הרץ, את להקת הדלתא ב-0.5 עד 4 הרץ ואת להקת הגמא ביותר מ-30 הרץ.כדי להעריך את האינטראקציות בין זוג האלקטרודה הראשון, יש להפיק מידה של קוהרנטיות בין אלקטרודות. כדי להעריך את הקוהרנטיות, מפה את המידות של קוהרנטיות האלקטרודה הבין-אלקטרודית שיש לדמיין על-גבי מבנה נתונים דו-ממדי שבו כל עמודה היא מיקום אלקטרודה, כל שורה היא מיקום אלקטרודה, וכל תא הוא הקוהרנטיות בין זוג האלקטרודה המתאים ומפה את ערכי הקוהרנטיות בין אפס לצבע אחד. לאחר מכן יצא מפת צבעים המציגה את קוהרנטיות האלקטרודה בין כל זוג אלקטרודה בתוך מגבלות התדרים המשמשות.כדי לדמיין אינטראקציות מסדר גבוה יותר בין אזורים קליפת המוח כדי למפות את דינמיקת הרשת, לחשב כיצד כל מודד קוהרנטיות זוג אלקטרודה עולה קוהרנטיות עם אלה של כל זוג אלקטרודה ייחודי אחר על פני הספקטרום הכולל בתוך רצועות ספציפיות. לאחר מכן מפה מידות שונות משותפת אלה לצבעים וייצא מפת צבעים המדמיין את דינמיקת הרשת בתוך רצועות תדרים שונות. כדי לבצע הפחתת ממדים, גזור מידות להשוואה בין הקבוצות המייצגות את דינמיקת הרשת הכוללת במודלים הסטטיסטיים הנוצרים באמצעות ניתוח הרכיבים העיקריים.הנחה מטריצת השונות המשותפת עבור מדדי הקוהרנטיות הדו-נבונים כדי לאפשר הדמיה של קשרי הרשת ברמה גבוהה ולרוקן את מטריצת השונות המשותפת לאיגנווקטורים ולאיגנווקטורים תואמים כדי לאפשר זיהוי של הציר בתוך מרחב תכונות המודל המכיל את השונות הגדולה ביותר מבלי להיות מוגבל על ידי האמצעים הקיימים. לדרג את eigenvectors על ידי eigenvalues המקביל שלהם כדי לזהות את אלה חשבונאות עבור השיעור הגדול ביותר של שונות בתוך המודל. לאחר מכן השווה את רכיבי העיקרון הראשונים הנגזרים ממודלים של הרשת.כדי לבחור אזור פונקציונלי של עניין, בודד את נתוני הקוהרנטיות בתוך רצועות התדירות המעניינים. בצע ניתוח רכיבים עקרוני כדי להפיק מדדים של פעילות הרשת הכוללת בתוך להקות העניין. לאחר מכן השווה את האמצעים בין הקבוצות כדי להעריך את הבדלי הרשת בתדרי תנודות ספציפיים.כדי לבצע למידה ללא השגחה באמצעות מדד מרחק כגון מרחק אוקלידי, לחשב את מידות המרחק בין נושאים בתוך המרחב שהוגדר על-ידי מודל הרשת. לאחר מכן השתמש באלגוריתם קיבוץ באשכולות כגון k-השכן הקרוב ביותר כדי לזהות את הקבוצות בתוך הנתונים בהתבסס על פרמטרי המודל. ניתן לדמיין את הכוח הספקטרלי משולב על פני הקרקפת ומאפשר הערכה מוגבלת של מקור הפעילות.כל אחד מהמדדים האלקטרודה בין אלקטרודה מציין עד כמה הפעילות באזור אחד משתנה בהתאם לפעילות באזור אחר ומאפשר הבדלים בכיוון האינטראקציה וההשהיה בזמן. ערכים גבוהים יותר של קוהרנטיות בין אלקטרודות מצביעים על אינטראקציות בין אזורים מהם ניכר כי האזורים המוקלטים מתקשרים זה עם זה. על ידי מדידת האינטראקציות בין כל זוג אלקטרודה ייחודי, ניתן לבנות מפה סטטיסטית של האופן שבו הערוצים המוקלטים מקיימים אינטראקציה המאפשרת חקירה של אופן התקשורת של האזורים במקום להתמקד באזורים בודדים של בידוד.ההדמיה של דינמיקת רשת מסדר גבוה יותר מקלה על ההכרה בסוגי האינטראקציות המוושוים על-ידי ניתוח רכיבים עקרוני או טכניקה מבוססת מסווג כדי להעריך כיצד מדידות הקוהרנטיות בזוג אלקטרודה אחד קשורות לשינויים בקוהרנטיות בזוג אחר. לדוגמה, כאן אנו יכולים לדמיין הבדלים ניכרים במיפוי הרשת בין שני נושאים עם פנוטיפים קליניים שונים של הפרעה נוירופסיכיאטרית המשפיעה על תפקוד קליפת המוח שבו לא היו הבדלים מובהקים סטטיסטית באמצעות שיטות ניתוח סטנדרטיות. בעקבות הפקת אמצעי רשת באמצעות הליך זה, ניתן להשתמש בטכניקות למידת מכונה כדי למנף את המודלים העשירים בנתונים המיוצרים כדי לאפשר ניתוחים אבחנתיים ופרוגנוסטיים מתוחכמים יותר.טכניקה זו אפשרה את חקירת תת-סוגים של מחלות בתסמונת רט, מחלה נוירופסיכיאטרית בילדים, כמו גם את חיזוי התגובות לטיפולים חדשניים ולמעמד אפילפסיה.

Research

JoVE Journal

Neuroscience

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

באמצעות הסברה קישוריות למדוד את צמיחת סינכרוני של מידע Multi-voxel fMRI לאורך זמן

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

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

רקמת ריאה, כלי דם וחילוף חומרים בתדר גבוהים לא פולשני אולטראסאונד וphotoacoustic עכברוש Deep Brain Imaging

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

הערכה לא פולשנית של שינויים בתמסורת קורטיקומוטונורונאלית בבני אדם

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

דנבר גבשושיות פרוטוקול לניתוח אובייקטיבי של Fungiform גבשושיות

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

ניתוח מורפולוגיה דנדריטים ב עמודות שכבות

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

דגמי Zika בנגיף של ה בפיתוח המוח האנושי במבחנה באמצעות תאי גזע נגזר Organoids מוחי

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: מעקב בזמן אמת של האנטנה חרקים תנועות רפלקס הרחבת חוטם באמצעות הכנה משותפת חומרה קונבנציונלי

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

חזותי הקלטות פוטנציאליים עורר בעכברים באמצעות ערוץ מרובה לא פולשנית יבש בקרקפת EEG חיישן

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

ניתוח פעילות עצבית וקישוריות באמצעות נתוני EEG תוך-גולגולתי בתוכנה SPM

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

שאינם פולשנית אסטרטגיות עבור מניפולציה כרונית של פעילות עצבית מבוקרת של הראסטות

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