Notizie nell’elettroencefalogramma simultaneo – ricerca di risonanza magnetica funzionale nello studio dell’epilessia e del dolore

Review Articolo

Notizie nella ricerca Elettroencefalogramma – Simultaneoussy Resonance magnetico funzionale nell’epilessia e Studio del dolore

Lo stato corrente della ricerca simultanea EEG-FMRI applicata all’epilessia e allo studio del dolore

césar Augusto Aldana Ramirez, Elías Bolivar Bootrago

Centro di ricerca, Antonio Nariño University, Bogotá, Colombia.

Riepilogo

I progressi recenti nelle tecniche di neuroimaging hanno contribuito alla comprensione delle dinamiche funzionali del cervello. Soprattutto, gli studi simultanei EEG-FMRI hanno contribuito con informazioni preziose studiando tali dinamiche da due fronti, attività elettrica e emodinamica. Nell’articolo seguente, viene effettuata una revisione della tecnica, l’hardware richiesto, le forme di analisi, i suoi principali inconvenienti e i risultati ottenuti nello studio dell’epilessia e del dolore.

Parole chiave: epilessia, neuroimaging, EEG-FMRI, dolore.

Astratto

I progressi recenti nelle tecniche di neuroimaging hanno contribuito nella comprensione della dinamica funzionale del cervello. Specialmente, gli studi simultanei di EEG-FMRI hanno fornito informazioni preziose, studiando che dinamiche cerebrali da due punti di vista: bioelettricità e emodinamica. In questo documento, esaminiamo la tecnica, l’hardware richiesto e i metodi di analisi. I principali inconvenienti e i risultati ottenuti ottenuti nello studio dell’epilessia e del dolore sono presenti, pure.

Parole chiave: epilessia, neuroimaging, EEG-FMRI, dolore.

Introduzione

Attualmente, vari sviluppi tecnologici hanno permesso di studiare il cervello anatomico e fisiologicamente molto dettagliato. Tuttavia, ci sono ancora numerose domande sulla risposta cerebrale durante le fasi normali e patologiche, riflette in ritmi spontanei ed evocati. Una tecnica promettente a questo proposito è lo studio simultaneo di elettroencefalogramma (EEG) e risonanza magnetica funzionale (FMRI), che cerca essenzialmente di sfruttare l’eccellente risoluzione temporale del primo e l’alta risoluzione spaziale del secondo. Questo per analizzare la dinamica neuronale corticale, attraverso due principi diversi che sono l’attività elettrica e la risposta emodinamica (FMRI).

In primo luogo, l’EEG è una tecnica che consente di misurare la sostituzione dei potenziali postsinaptici inibitori e eccitatoria neuronale, propagati dalla corteccia cerebrale al cranio, 1 da elettrodi superficiali posizionati sul cuoio capelluto in base all’accordo con un Internazionale Standard.2 Tuttavia, è anche possibile misurare direttamente all’interno della corteccia cerebrale (EEG intrattoriatico). Dal suo sviluppo nel 1929 da Hans Berger, è stato un obiettivo di una ricerca costante che conduce all’emergere di elettroencefalografia come un’area di grande interesse clinico. Grazie a questo, l’EEG è oggi uno strumento indispensabile in neurologia per, tra gli altri, per supportare la diagnosi di epilessia, attenzione a causa del deficit di attenzione e dell’iperattività, della malattia di Alzheimer. Tuttavia, uno dei principali inconvenienti con EEG è la sua bassa risoluzione spaziale, quindi in varie patologie, come gli epilepsie focali, deve essere completato da tecniche di neuroimaging.

D’altra parte, la FMRI è una tecnica non invasiva con cui vengono ottenute immagini dettagliate dall’uso dei campi magnetici, per la mappatura della funzione cerebrale attraverso la misurazione delle variazioni locali nel flusso sanguigno . Può essere ottenuto da: (1) Il cosiddetto effetto di dipendenza del livello di ossigenazione del sangue (grassetto) associato alle caratteristiche dell’emoglobina (paramagnetico quando è deossigenato e diamagnetico in ossigogliomoglobina), che causano un’alterazione in T2 e (2 ) La misurazione della perfusione attraverso l’etichettatura a rotazione arteriosa (ASL), che segna magneticamente le molecole d’acqua per ottenere un tracciante endogeno del flusso sanguigno. È importante notare che per mezzo di FMRI non sta cercando di misurare l’attività neuronale da sola, ma l’attività metabolica innescata da quest’ultima, 3 sfruttando il fatto che l’attività neuronale porta ad un aumento del tasso di metabolismo cerebrale di Ossigeno (WRC2) e l’offerta di ossigeno attraverso il flusso sanguigno cerebrale (CBF) .4

È importante notare che dal suo primo utilizzo nel 19935 e la sua prima applicazione clinica nel 1996.6 Studi simultanei EEG-FMRI hanno Diventa in un potente strumento nella ricerca dell’attività spontanea ed evocata nel cervello.Tuttavia, i problemi tecnici abbondanti sono sorti, come la comparsa di artefatti indotti dai campi prodotti dal risonatore, la sicurezza del paziente, i problemi generati dai materiali nell’ambiente dei campi magnetici e la scelta del più appropriata Strategia per l’analisi dei dati ottenuti.7 Attualmente, sta cercando di risolvere definitivamente questi problemi in modo tale da ottenere i migliori risultati possibili, il che portano a nuove possibilità nell’applicabilità clinica di EEG-FMRI simultanea.

L’obiettivo di questo lavoro è quello di stabilire lo stato dell’arte della ricerca simultanea EEG-FMRI, a partire da una revisione della letteratura più rilevante. L’enfasi è posta sui problemi tecnici e scientifici coinvolti nello sviluppo della tecnica, nonché nella sua promettenti applicabilità nella ricerca clinica dell’epilessia e del dolore. L’articolo è organizzato come segue. Innanzitutto, è descritto l’hardware necessario per eseguire questo tipo di metodi di studio e acquisizione. Successivamente, vengono presentati i manufatti comunemente osservati, i metodi più utilizzati sono illustrati nell’analisi dei dati ottenuti e infine alcune delle applicazioni più rilevanti sono mostrate al momento. Si prevede che questa scritta fornirà basi sufficienti che consentono l’aumento degli studi clinici che coinvolgono EEG-FMRI applicati da gruppi in America Latina.

Acquisizione

In questa sezione, l’acquisizione di EEG-FMRI ha iniziato a iniziare l’hardware coinvolto, successivamente le modalità di cui attualmente utilizzate in pratica clinica sono successivamente menzionate. Per quanto riguarda l’hardware, l’enfasi è posta sulla sicurezza per il paziente, che ha aggiunto alla necessità di ridurre le contaminazioni da parte degli artefatti sia in EEG che in FMRI, ha innescato importanti innovazioni. In questo contesto, le notorie sono evidenziate modifiche che il team ha richiesto di registrare EEG all’interno dello scanner di risonanza magnetica, assicurando che siano attualmente i livelli di contaminazione dell’artefatto; Puoi essere completato da una fase di condizionamento dei segnali per eliminare gli artefatti residui.

hardware

Il problema dell’hardware principale per l’acquisizione di EEG-FMRI è correlato all’utilizzo dell’elettroencefalografo all’interno dello scanner di risonanza magnetica. Se utilizzato all’interno dello scanner, un elettroencefalografo convenzionale è esposto alle sfumature di campo magnetico e agli impulsi di radiofrequenza (RF), che inducono tensioni sui cavi degli elettrodi, oscurando il record elettroencefalografico.8 Inoltre, questa situazione conduce, sia in superficie Elettrodi e cavi che li collegano al convertitore analogico / digitale, le forze elettromatiche (EMF) che possono portare a ferite ai pazienti.9 A causa dei suddetti modifiche, alcuni sono esposti delle modifiche più famose, che sono state finalizzate ad ottenere un Record EEG-FMRI simultaneo (vedi figura 1).

modifiche per il record EEG. La fase di amplificazione e digitalizzazione è richiesta, tra gli altri, lo sviluppo dell’apparecchiatura senza componenti ferromagnetici, al fine di ridurre al minimo l’effetto dei forti campi magnetici.10 Inoltre, per diminuire l’effetto dell’artifatto del gradiente, i convertitori analogici sono attualmente utilizzati -digitals che consentono le frequenze di campionamento fino a 1000Hz. Ulteriori lavori sono stati focalizzati su entrambi gli amplificatori ed elettrodi e materiali per cavi. Allen e altri11 propongono che sia l’amplificazione che la digitalizzazione di EEG non vengano effettuati all’interno dello scanner, ma al di fuori di esso. Quindi, per mezzo di cavi in fibra ottica, la trasmissione dei segnali digitali viene eseguita verso un computer situato fuori dalla stanza (vedi figura 1). Goldman e altri, 8 introdurre cavi intrecciati per collegare gli elettrodi all’amplificatore nella configurazione bipolare, annullando gli effetti dell’induzione elettromagnetica. Salek-Haddadi e altri12 suggeriscono l’uso di elettrodi dorati. Vasios e altri13 presentano una disposizione di elettrodi testati in uno studio umano con un risuonatore di 7 Teslas.

Modaleties

Le modalità per l’acquisizione di EEG-FMRI sono raggruppate in simultanea (C-FMRI) e non simultanea, quest’ultimo diviso in FMRI attivato da EEG (S-FMRI) e Intermittente.14,15

Il primo da utilizzare, principalmente negli studi di epilessia, era S-Mri. Consiste nel rendere la registrazione FMRI tra 3 e 5 secondi dopo che viene rilevata una punta epilettiforme o una scarica epileptiform (FDI), quindi, viene chiamato “scatenato” “.16 Tra i suoi svantaggi sono che la registrazione deve essere eseguita da un esperto elettroencefalografo in epilessia, inquinamento elevato di EEG da manufatti dallo scanner di risonanza magnetica che può distorcere l’IED e la breve durata del segnale audace registrato (< 10s).

Dato questi inconvenienti, appare il C-FMRI, che consiste nel registro simultaneo dell’EEG e FMRI. In questo caso, il record EEG viene effettuato all’interno dello scanner di risonanza magnetica, utilizzando un cavo in fibra ottica per collegare gli elettrodi all’amplificatore. Tuttavia, la principale difficoltà qui è correlata alla gestione degli artefatti indotti a EEG dallo scanner di risonanza magnetica come menzionato nella sezione hardware.17 Pertanto, dopo che l’acquisizione è necessaria una fase di elaborazione per ridurre i possibili manufatti presenti sia in EEG che in FMRI; Il condizionamento dei segnali è trattato con maggiore profondità nella prossima sezione.

La modalità intermittente è fondamentalmente costituita da una registrazione continua di EEG, mentre la FMRI è ottenuta a intermittenza. Applicando uno stimolo, alcuni secondi di EEG (1 o 2S) sono registrati senza la scansione FMRI, immediatamente un’acquisizione di FMRI viene eseguita da pochi secondi. Il vantaggio di questo metodo è che molti momenti del record sono ottenuti (relativi allo stimolo) privo di rumore prodotto dallo scanner, tuttavia, l’artefatto del balistocardiogramma deve essere eliminato in seguito. Un altro svantaggio di questa modalità è che il tempo dell’esperimento è prolungato.15

condizionamento dei segnali

Come menzionato nella sezione precedente, le caratteristiche del mezzo in cui sono Eseguito gli studi simultanei di EEG-FMRI e l’attrezzatura richiesti, facilitano la manifestazione di artefatti sia nel registro EEG che nelle immagini delle FMRI. Pertanto, ci sono al di sotto delle considerazioni in relazione agli artefatti che vengono presentate più frequentemente, nonché una descrizione dei metodi di pre-elaborazione più efficienti che sono stati riportati in letteratura.

Tra quelli generati nel record EEG, due si distinguono: l’impulso manufatto (PA) o Balistocardiogram (BCG) e il gradiente o l’artefatto dell’immagine.18.19 Il primo, è prodotto dal flusso di sangue pulsante e accentuato all’interno del campo magnetico, portando a piccoli movimenti dei cavi osservati nel record EEG. Il secondo, è causato dai campi magnetici variabili del risonatore e dal segnale RF che oscura completamente il record EEG. Tra quelli generati nelle immagini di FMRI, l’artefatto della suscettibilità magnetica originata dai cavi di registrazione EEG e dagli elettrodi compaiono sull’immagine di FMRI e quello prodotto dal movimento del paziente. Quest’ultimo può essere risolto dall’uso di elementi descritti nella sezione hardware.20

Tecniche di rimozione dell’artifatto

Tecniche di rimozione BCG. Balistocardiogram è un artefatto che presenta un’ampia variabilità tra individui e canali. Di solito è maggiore ampiezza nella zona anteriore e le sue caratteristiche sono imprevedibili.18

Allen e altre18 presentano un metodo di sottrazione basato sull’identificazione dei complessi QRS del segnale di elettrocardiogramma (ECG); Questo algoritmo viene applicato in una base seconda a seconda. Innanzitutto, il QRS è identificato a intervalli di tempo di 10 secondi, quindi un’onda media viene calcolata per ciascun canale EEG in base ai tempi in cui questi complessi sono presentati nell’ECG in ogni intervallo. Questa onda media è finalmente sottratta al momento che corrisponde ai picchi ECG (più o meno un intervallo di tempo, che è necessario perché il PA dei canali EEG si verifica un breve periodo dopo il complesso QRS) negli ultimi 3 secondi, in ordine Per garantire che tutte le forme di PA che influenzano il penultimo secondo siano eliminate; Questo secondo è quindi mostrato. Il suo problema fondamentale è che alla fine del processo alcuni componenti rimangono ancora dovuti alla variabilità del ritmo cardiaco. Goldman e altri8 Esegui una procedura molto simile a quella precedente, tuttavia differire dai pesi applicati ai dati utilizzati come informazioni preventive (prima di applicare la media) che variano inversamente con lo spostamento temporaneo del campione corrente per compensare i cambiamenti del Artifatto .15

D’altra parte, Kim e altri hanno un metodo con due segmenti. Il primo consiste in una sottrazione dell’artifatto medio, come spiegato nel paragrafo precedente, 18 aggiungendo un’eliminazione selettiva utilizzando coefficienti di wavelet.Il secondo utilizza il filtrato adattativo del quadrato ricorsivo minimo (RLS); Quest’ultimo impiegato solo quando il primo non presenta risultati soddisfacenti.

Vari lavori hanno utilizzato i metodi di analisi dei componenti indipendenti (ICA) e analisi dei componenti principali (PCA) con l’obiettivo di caratterizzare e eliminare in modo più efficace l’artefatto BCG. La costruzione di filtri spaziali è evidenziata dall’analisi ICA e PCA, 17 utilizzando solo un algoritmo ICA22 o l’uso di PCA per identificare una serie di basi che descrivono le variazioni temporali dell’artifatto e quindi essere in grado di eliminarli.23 in questo contesto , il modello PCA è proposto per isolare i modelli funzionali in imaging di risonanza magnetica, dalla misurazione della tendenza di qualsiasi segnale covariario in tutte le possibili paia di voxel. In questo modo, la maggiore varianza dei dati viene catturata per trovare modelli o epenimages spaziali ortogonali. 24

Gradiente Tecniche di rimozione di artefatto. Va detto che questo è l’artefatto più stabile e il più stabile nel tempo, caratteristica che è molto ben utilizzata per la sua eliminazione. 9 Allen e altri11 Esegui un filtraggio a basso passaggio che elimina l’artefatto prodotto dal segnale RF (a causa della sua alta frequenza), seguito da un metodo di media in ciascun canale e infine una fase di cancellazione adattativa del rumore per eliminare qualsiasi elemento residuo. Per la sua parte, Hoffman e altri25 svolgere l’eliminazione da una panca del filtro di frequenza con cui le armoniche prodotte dal segnale RF e i gradienti al di fuori della finestra EEG sono soppressi (tra 0,1Hz e 40 Hz; Mentre quelli trovati all’interno di questa finestra vengono eliminati attraverso i filtri rifiuta la banda.

Allo stesso modo, altre strategie prevedono la modifica della sequenza di ottenere l’immagine della FMRI (la sequenza EPI, l’eco imaging planare, è il più comunemente usato) attraverso il cambiamento nella programmazione del tempo di arrampicata o della discesa di RF e Pulsissi gradienti.26 In questo modo, che il campionamento EEG e la scansione FMRI sono completamente sincronizzati, che si ottengono segmenti in EEG con un rapporto elevato di segnale. Infine, i componenti rimanenti vengono eliminati attraverso la media del manufatto. D’altra parte, è stata studiata l’eliminazione dell’artifatto del gradiente, modellando il manufatto su ciascun canale EEG per ciascun taglio di scansione, che viene quindi sottratto attraverso PCA.23

finora, i metodi presentati il trasporto fuori l’eliminazione degli artefatti dopo l’acquisizione. Tuttavia, Garrefa e altri27 hanno sviluppato un sistema di riduzione dell’artifatto online mostra per esempio, in base ai descrittori delle caratteristiche più rilevanti dei manufatti, come la forma e i parametri più significativi correlati alla sequenza EPI. In questo modo, è possibile creare e calibrare il modello dell’artifatto evitando la perdita di informazioni pertinenti.

Strategie di analisi

Attualmente, ci sono due approcci principali all’integrazione dei dati EEG e FMRI. Il primo, utilizza la FMRI per determinare la fonte del segnale elettrico EEG in media della risposta EEG utilizzata con le attivazioni derivate dall’IMRI per limitare le fonti di posizione. Il secondo, cerca di trovare una fonte comune dell’origine di entrambi i segni. Cioè, associare le caratteristiche EEG con il segnale audace sotto forma di un modello lineare generale (GLM), dalla posizione di uno stato funzionale del cervello.9 Di seguito sono riportati alcuni dei modelli più usati al momento di combinare i due tecniche.

Mappe parametriche statistiche (SPM)

La mappatura parametrica statistica si riferisce alla costruzione di processi statistici estesi spazialmente estesi, per testare ipotesi su specifici effetti spaziali. Le mappe parametriche statistiche sono metodi di elaborazione delle immagini con valori di vizio, in modo che abbiano un’approssimazione di distribuzione conosciuta (che è generalmente gaussiana) sotto l’ipotesi Null.28 è in genere che dove non ci sono attivi o correlazioni significative tra parametri del sensore motore e fisiologia centrale .29 Il suo ampio uso è dovuto a che è possibile analizzare ciascun voxel utilizzando qualsiasi test parametrico statistico, il risultato dell’analisi è montato su un’immagine interpretata come un processo statistico esteso spazialmente esteso.28 Tutte le analisi statistiche eseguite con SPM Si basano su GLM che, nel contesto dello studio delle immagini funzionali, viene utilizzato per effettuare inferenze statistiche utilizzando test invariati in ognuno dei voxel.30 Solitamente gli SPMS approssima il modello lineare generale che viene presentato all’equazione 1:

Dove x è una matrice di variabili di risposta, con gli elementi XIJ; X ha una colonna per ogni Voxel J e una riga per ogni scansione I. Matrix G è la cosiddetta matrice di design che ha una riga per ogni scansione e una colonna per ciascun effetto sul modello; Sono parametri sconosciuti per ogni Voxel J, mentre E è una matrice di termini di errore normalmente distribuiti.

Le stime dei quadrati minimi di â (qui b), soddisfare le equazioni normali:

Se G ha una gamma completa, GTG può essere invertita e stime del minimo quadrato sono fornite solo da:

dove,

Con queste equazioni, è possibile eseguire una vasta gamma di analisi statistiche.

Il modello GLM standard richiede due aspetti fondamentali per la costruzione della matrice di progettazione. Il primo è il tempo di stimolazione (o il compito). La seconda, la specifica della funzione di risposta emodinamica (HRF) per la sua convoluzione con l’inizio degli eventi. In quest’ultimo, ogni voxel viene trattato come un sistema linearmente indipendente invariante nel tempo, con il quale si ottiene la forma prevista della risposta.31

Fondamentalmente, un HRF descrive la risposta caratteristica audace a un breve evento neuronale E in questo modo caratterizza il comportamento dell’output di input (contenuto neuronale di eccitazione di deoxyhemoglobina nel drenaggio venoso) in qualsiasi voxel. La forma HRF presenta una grande variazione tra le aree del cervello e tra i soggetti, tuttavia, mantiene una risposta di picco entro i primi 3 su 5 secondi seguita da un rimbalzo e un segnale diminuisce intorno agli 8 a 10s.31. L’HRF può essere concepito come esteso Caratteristica del punto temporaneo (funzione di spread del punto temporaneo) che non solo ammorbidisce la voce, ma applica anche un tempo in tempo.32

Gli approcci più comuni utilizzati come standard HRF sono: la funzione di Poisson, la funzione Gamma, Funzione gaussiana, funzione simile a spline, la differenza di 2 funzioni gamma o una combinazione con il suo derivato (vedere la figura 3). È anche possibile utilizzare una serie di basi come il seno di Fourier e la serie di cucire, la risposta a polso finita (abete), la spm canonica più dispersione derivata-temporale (derivata temporanea / dispersione); 33 Sebbene sia anche possibile utilizzare un più flessibile Modello, come forma di risposta non canonica da un set di basi di Fourier, quando i moduli canonici non rivelano risposte significative.31

Analisi ICA

ICA è un metodo statistico per stimare le fonti o le caratteristiche di un gruppo di misurazioni o dati osservati, come le fonti sono massimalmente indipendenti. Un modello generale è comunemente assunto in base alle quali le osservazioni sono una miscela lineare di fonti indipendenti. Il tipico modello ICA presuppone che le fonti non siano osservabili, sono statisticamente indipendenti e non gaussiane con un processo di miscelazione sconosciuto ma lineare.34

Considerando un vettore dimensionale m con osservazioni casuali denotate da x = t, generate dal modello ICA mostrato nell’equazione (5),

Dov’è un vettore di n Dimensioni i cui elementi sono variabili casuali che Fare riferimento a fonti indipendenti e AMXN è una matrice sconosciuta di miscelazione. L’obiettivo dell’ICA è quello di stimare una matrice di separazione con in base all’equazione (6).

Quindi, l’equazione (6) è una corretta approssimazione a vere fonti.

Formaggio et al., 35 Utilizzare ICA per rilevare l’attività FDI da utilizzare come modulatore parametrico nell’analisi FMRI. Innanzitutto, fanno uso della decomposizione da parte dell’ICA per trovare l’attività FDI, quindi ricostruire il segnale EEG basato solo sui picchi di maggiore ampiezza dell’attività EEG. Successivamente, selezionano il canale da utilizzare per costruire la restituzione trovando la massima correlazione tra il segnale EEG ricostruito e l’originale attraverso l’analisi wavelet. Infine, il canale ottenuto con una funzione canonica di HRF (funzioni range 2) può essere utilizzata per utilizzarlo in GLM.

Altri modelli

Ci sono altri modelli che non hanno numerosi rapporti in letteratura, tuttavia sembrano avere buone aspettative. Tra questi, puoi menzionare il rapporto di un modello di fusione modello da una struttura di varialy Bayes, che è dedicata a identificare le risposte bioelettriche e emodinamiche relative agli eventi.L’obiettivo di questo approccio è trovare il substrato spaziale comune che può spiegare alcune caratteristiche dell’Unione dei dati. Con questo modello danno un resoconto del ratio di accoppiamento / decouple apparente delle attività bioelettriche locali e emodinamiche. Allo stesso modo, la sua caratteristica più preziosa è che non applica limitazioni osservando un eventuale accoppiamento tra dinamiche temporanee dei processi fisiologici e misurazioni di EEG e FMRI.36

D’altra parte, un metodo che utilizza un’estensione è descritto della tecnica dei quadrati minimi parziali (PLS) per affrontare i dati multidimensionali (chiamati N-PLS o minimi quadrati parziali multi-way). L’idea fondamentale è di decomporre i dati dipendenti e indipendenti in modelli multilineari, tali che i vettori dei marker di questi modelli hanno la massima covarianza da coppie.37 che è, la combinazione lineare dei segnali EEG che sono correlati in modo ottimale con il segnale audace e viceversa.19

Applicazioni

È un dato di fatto che l’applicazione simultanea di EEG e FMRI nella clinica è stata ampiamente motivata dallo studio dell’epilessia. Tuttavia, ha recentemente risvegliato un grande interesse per l’estensione di questo promemoria tecnico, allo studio dei meccanismi corticali associati al dolore.

Epilessia

Gli studi sull’epilessia di EEG-FMRI sono ancora difficili da eseguire per diversi motivi. Il primo, la selezione di pazienti che soddisfano tutti i criteri di inclusione. In particolare, perché non tutti i pazienti presentano scarichi Ichtal (durante una crisi di epiletticità) o interiatura (IED) durante un record elettroencefalografico. Il secondo è che gli studi di attività spontanee EEG non sono robusti come quelli che hanno un paradigma e terzo, c’è solo un piccolo consenso su come devono essere analizzati i dati. Tuttavia, vari autori hanno dimostrato che gli studi simultanei EEG-FMRI forniscono preziose informazioni sulle regioni corticali che generano attività epilettiche, sia generalizzate che focal.38

epilepsies generalizzate. Lemieux e altri39 riportano i loro risultati iniziali in uno studio con un paziente di 50 anni con encefalite emisfero sinistro cronico e attacchi diffusi parziali intrattabili e secondari. I risultati dell’attivazione del segnale audace derivato dai dati erano coerenti con precedenti risultati di EEG intracranico e superficie, nonché con studi precedenti eseguiti utilizzando S-FMRI. In particolare, la risposta osservata è coerente con un picco tra 5 e 9 secondi dopo i download epilettiformi. Inoltre, hanno riportato un accordo soddisfacente tra la posizione sorgente e i risultati audaci.

Aghakhani e altro40 ha studiato la risposta emodinamica del talamo e della corteccia cerebrale in 15 pazienti con epilessia idiopatica generalizzata (IGE) durante i suggerimenti e le onde (GSW). Prima di tutto, questi 15 pazienti 12 hanno mostrato attività nel Thalamus e in 8 di questi casi la risposta è stata bilaterale. D’altra parte, la risposta corticale trovata era ampiamente bilaterale simmetrica. È degno di nota che, l’attivazione nel talamo era predominante sulla disattivazione mentre, nella corteccia cerebrale avvenne il contrario. Inoltre, la distribuzione spaziale della risposta in grassetto durante il GSW avvolgeva sia le regioni del cervello successive che precedenti, contrariamente alla consueta predominanza anteriore-centrale vista in EEG. Hamandi e altri41 hanno sollevato uno studio dello stesso tipo, ma questa volta con 46 pazienti di cui 30 hanno presentato IGE e il restante epilessia generalizzata di 16 secondarie (SGE). Una risposta audace è stata osservata in 25 pazienti nel talamo, alla corteccia frontale e al successivo parietal e in parietal e nella corteccia di cingulate posteriore (PCC) / pre-combinata. Va notato che i cambiamenti nel segnale del talamo sono stati visti in meno della metà dei pazienti con IgE e quasi tutti i pazienti con SGE, forse a causa della grande quantità di GSW che viene presentato nel SGE rispetto al IGE Infine, la correlazione tra GSW e il segnale audace era costituito da ampie zone di disattivazione corticale associate alla normale attività cerebrale nello stato di riposo; Questa diminuzione è probabilmente conseguenza della sincronizzazione o dell’inibizione delle attività corticali a causa di interazioni talamina-cortical, che è conforme alle caratteristiche cliniche della crisi dell’assenza.

Per valutare la risposta negativa nelle aree della crosta durante il GSW, Hamandi e altri42 utilizzare ASL per misurare la risposta audace e CBF in 4 pazienti, 2 con SGE e 2 con IGE. È stato il primo, una forte correlazione positiva tra audace e CBF nelle regioni che mostravano la risposta in grassetto negativa. Con quanto sopra, si osserva che le risposte in grassetto negative corrispondono alla diminuzione della perfusione cerebrale.Inoltre, questa relazione (BOLD-CBF) è stata più forte durante GWS che a riposo, che potrebbe indicare i cambiamenti regionali nell’accoppiamento neurovascolare tra diversi stati o una non linearità in tale accoppiamento. Per la sua parte, Carmichael e altri 43 informarsi nello stesso scopo utilizzando le stesse sequenze audaci e ASL e 4 pazienti. Si noti che non sono state osservate differenze significative tra i record di riposo e durante il GSW, si consiglia inoltre che l’accoppiamento neurovascolare sia generalmente mantenuto tra detto stati e all’interno delle aree che hanno una risposta in grassetto negativa.

Epilepsies focali. Bénar e altri44 hanno condotto uno studio delle relazioni tra IED e la risposta in grassetto in 4 pazienti che avevano frequenti e focalizzano IED, utilizzando l’Unione delle due funzioni di intervallo come HRF. In 2 pazienti, sono stati osservati aumenti del segnale audace, successivamente al verificarsi di molti dei singoli IED. Allo stesso modo, c’era un’elevata variabilità nell’ampiezza e nella forma della risposta audace nei pazienti, tuttavia erano simili nella forma tra le aree per i pazienti che hanno presentato più zone di attivazione. Inoltre, quando si stabilisce i coefficienti di correlazione tra l’ampiezza della risposta in grassetto e la punta corrispondente erano basse. Gli autori concludono che l’elevata variabilità in ampiezza e durata delle audaci risposte, è coerente con la variabilità nella morfologia dei vari suggerimenti epilettici inclusi nello studio. Cioè, che non tutte le punte epilettiche presentano risposte emodinamiche simili.

AL-ASMI e altri 14, hanno cercato di trovare fonti metaboliche di suggerimenti epilettici in 38 pazienti con epilepsies focali di varie eziologie, utilizzando C-FMRI, S-FMRI o entrambi. Inoltre, in 8 pazienti registrati EEG intracranici. Alcune regioni di attivazione sono state trovate in pazienti senza lesioni visibili nella risonanza magnetica anatomica (MRI), che possono essere utili nell’esplorazione delle regioni epilettogeniche senza lesioni apparenti. Allo stesso modo, in circa il 40% dei casi in cui è stata osservata l’attività IED, c’era l’attivazione, in una o in più aree. D’altra parte, la posizione con EEG è stata concordanza nella maggior parte dei casi e confermata in 4 di loro attraverso EEG intracranico; con una percentuale più elevata nei record C-FMRI rispetto a quelli utilizzati da S-FMRI.

A nome, battuto e altri45, quantificare la concordanza tra i risultati ottenuti con EEG-FMRI e EEG intracranico in 5 pazienti con epilessia parziale che aveva precedentemente sperimentato record elettroencefalografici invasivi. Tra le sue scoperte si può notare che la risposta negativa può essere così importante per comprendere l’immagine completa come positiva. Allo stesso modo, le misurazioni intracraniche convalidano ampiamente i risultati di EEG e FMRI. Infine, la misurazione della concordanza è stata realizzata in un intervallo compreso tra 10 mm e 80 mm, ottenendo buoni risultati nell’intervallo da 20 mm a 40 mm.

Salek-Haddadi e altri38, ha studiato la correlazione tra audace e IED in 63 pazienti con epilessia focale, tra cui inclusi quelli senza un focus epilettogeno ben definito, al fine di osservare un accordo anatomico tra l’attivazione delle FMRI e ha detto il fuoco. La prima cosa da dire è che è stata raggiunta una vasta gamma di modelli di attivazione allegati alle IED. Le modifiche sono state trovate nel segnale audace nel 67% dei pazienti in cui sono stati rilevati FDI durante la scansione. Queste modifiche erano di solito molto più estese della natura focale dei risultati elettroclinanti e di solito includevano aree discordanti. Da parte sua, i modelli di disattivazione erano comuni con epilepsies del lobo temporaneo. Inoltre, in pazienti i cui dati elettroclinesi ci consentono già di stimare un generatore, EEG-FMRI fornisce un certo grado di conferma.

D’altra parte, Zijlmans e altri46 valutano l’utilità che gli studi EEG-FMRI possono avere nella valutazione presurtica dei pazienti, la cui posizione di messa a fuoco epilettogenica con i metodi tradizionali neuroimatrici non è stato possibile. Lo studio è stato effettuato con 46 gruppi di dati IEDS di 29 pazienti. Si è riscontrato che la risposta positiva in grassetto è stata topologicamente incongrua con EEG nelle regioni occipitali o in strutture mezieliche, mentre la risposta negativa è stata osservata in 4 aree: regione occipitale, diffusa con una risposta positiva nel ganglio basale, nella regione parietale sinistra e il lobo frontale (a destra). Analizzare i risultati ottenuti alla luce della posizione sorgente è stato trovato: per 4 di 6 foci senza una posizione chiara con EEG, EEG-FMRI ha mostrato una messa a fuoco circoscritta; In 4 su 5 con apparente multifocalità, EEG-FMRI ha mostrato lo stesso, anche se in un caso ha chiaramente favorito una fonte. Infine, vengono proposte linee guida per l’uso di EEG-FMRI nelle applicazioni cliniche in base ai loro risultati.

Pain

Il dolore è un’esperienza cosciente e altamente soggettiva, che interpreta una voce nocicettiva influenzata da esperienze, memoria, emozioni, fattori patologici, anche genetici cognitivi. Pertanto, il dolore è così difficile da valutare, indagare, gestire e trattare. Lo scopo della discussione del dolore, è rivolto all’identificazione dei meccanismi relativi a come la percezione del dolore è mediata e modulata, cercando di raggiungere due obiettivi. Il primo di loro, è capire i meccanismi che originano il dolore e il secondo, concepire trattamenti efficaci contro di esso soprattutto quando è cronico. Per questo, i recenti metodi di neuroimaging hanno contribuito a una maggiore comprensione dei meccanismi di generazione e di persistenza dello stato del dolore cronico tra loro, gli studi EEG-FMRI. 47

Attualmente, una rete cerebrale di regioni coinvolte nella percezione del dolore (comunemente indicata come “matrice del dolore”) è stata stabilita. Si pensa che questa rete abbia due componenti neuroanatomici, una laterale (sensoriale-discriminativo) e una mediale (valutazione affettiva); Tuttavia, gli elementi che compongono che la matrice non è ancora completamente definita perché diverse regioni del cervello svolgono un ruolo più o meno attivo a seconda dei fattori che influenzano la percezione del dolore (cognizione, accordo, danni). Attraverso gli studi di neuroimaging, potrebbero essere determinate le regioni attivate durante le esperienze di dolore acuto. Questi includono la corteccia somatosensoriale primaria (S1) e secondaria (S2), la precedente cingulada (ACC), insulare e prefrontale, nonché Tálamo47-49. Tuttavia, altre zone possono essere attivate a seconda delle circostanze di ogni individuo, incluso il ganglio basale, il cerebellum, l’amygdala, l’ippocampo e le aree persino all’interno della corteccia parietale e temporale.47 d’altra parte, visto nel registro del registro del registro EEG, l’esperienza del dolore può essere associata a relativi ampiezze basse di onde lente (delta, teta, alfa) e ampiezzazioni relativamente elevate dell’onda più veloce (beta) .50

Al momento, hanno studiato vari modelli Legato a diversi tipi di stimolazione, questi includono danni cutanei con stimolazione fredda, muscolare o pelle mediante scossa elettrica, acido ascorbico, calore indotto dal laser, ischemia, dissenso gastrico o illusione di dolore evocato da una combinazione di temperature innocenti .49 Questo articolo Si concentra sulla ricerca relativa alla stimolazione cutanea dovuta a scarichi elettrici o calore indotto dal laser.

Iannetti e altri51 hanno studiato l’affidabilità della registrazione potenziali evocati relativi al dolore, attraverso l’uso di un laser che genera calore su due diversi tipi di nocicettori periferici della pelle (AD e C) in due sessioni Dallo scanner e un altro al di fuori di questo, quest’ultimo usato come sessione di controllo. Hanno ottenuto risposte alla stimolazione laser costituita da modelli comuni di attività cerebrale in risposta alla stimolazione nocicefficiente. In questo modo, l’affidabilità della registrazione dei potenziali evocata con laser (LEP) è stata dimostrata all’interno dello scanner FMRI oltre la perdita data dai campi magnetici, che è veramente preziosa negli studi come un monolocale (che consente la valutazione della risposta a esecuzioni di attività uniche che analizzano ciascun evento in una sessione fmri-grassetto separata), apprendimento o studi farmacologici.

Chrismann e altri52 ha studiato la rappresentazione della stimolazione del pollice destro nella corteccia somatosensoriale, in 6 soggetti sani attraverso la stimolazione elettrica. Questo con lo scopo di sviluppare una stimolazione efficiente, che ha permesso la misurazione dei potenziali evocati e il rilevamento dell’attività audace innescati da loro. Sono stati osservati i complessi corrispondenti alla stimolazione del nervo mediano. Inoltre, la risposta in grassetto è stata prominente nel giusto emisfero controlaterale, che rappresenta l’attivazione in S1 e S2. Continuando con la sua ricerca, in un lavoro successivo, Christmann e altri53 hanno trovato la corrispondenza ai complessi N20-P30-P60 per tutti i pazienti, in genere trovati dopo la stimolazione del nervo mediano. Allo stesso modo, hanno identificato il componente P200 in CZ, che è correlato alla stimolazione del dolore. Allo stesso modo, hanno rivelato effetti significativi sul segnale audace nel turno postcentrale controlaterale (relativo all’area della mano in S1) e bilateralmente nel sedercolo parietale (relativo a S2). Oltre alle aree sopra definite come coinvolte nella percezione del dolore, allo stesso tempo del vermi cerebellare.

mobascher e altri54 svolgere uno studio per indagare sulle aree del cervello associate all’attività simpatica (che può essere ottenuta misurando l’attività elettrosalica o EDA) quando il dolore è vissuto. Questo studio è stato effettuato in 12 soggetti sani che sono stati stimolati con un laser nella mano sinistra utilizzando un’analisi a prova singola. La risposta in grassetto ha indicato l’attivazione nelle aree S1, S2, Insula bilaterale, ACC, alto, cerebellum e tronco cerebrale. È stato osservato che le fluttuazioni dell’EDA in risposta alla stimolazione del laser, sono associate a variazioni nelle risposte EEG e al segnale audace tra le regioni coinvolte nella sensazione del dolore, in particolare nelle aree dell’Insula e delle aree sensoriali del sistema laterale di dolore.

In un altro lavoro, Mobascher e altri55 presentano uno studio su 20 pazienti che sono stati sottoposti a stimolazione laser, utilizzando potenziali di single-evo-trial per modellare la risposta in grassetto. L’analisi delle immagini ha sollevato l’attivazione prima della stimolazione del laser in aree considerate appartenenti alla matrice del dolore, tra cui S1, S2, Insula bilaterale, ACC, Tállamo, Cerebellum e il tronco del cervello, così come altre aree che partecipano al Elaborazione del dolore come prefrontale, pre-crosta e amygdala. Allo stesso modo, il potenziale N2 e P2 sono stati utilizzati come ritorni dal modello audace. Usando N2 Nessuna informazione aggiuntiva è stata ottenuta per i modelli audaci, tuttavia, con P2 un modello di attivazione è stato evidente, che era dominato dalla parte centrale e successiva della parte ACC; che è coerente con l’attività del generatore P2 in quella regione. Infine, è quello di evidenziare il suggerimento del lavoro congiunto dell’ACC e dell’amygdala nella valutazione cognitiva-emotiva del dolore. Così come lo studio delle regioni profonde come l’Amygdala e il Thalamus, che non sono facili da accedere agli studi EEG.

Discussione

L’applicazione clinica di EEG-FMRI, potrebbe favorire notevolmente i pazienti, nella loro diagnosi e trattamento e medici durante la fornitura di nuove informazioni sui processi fisiologici associati alla patologia. Le indagini presentate in questo articolo dimostrano quanti progressi sono stati compiuti nell’arte, ma consentono anche di delineare le domande che devono ancora essere risolte.

Uno degli aspetti chiave della tecnica, è correlato ad HRF. Come presentato nella sezione Strategie di analisi, ci sono più metodi statistici che vanno dalle mappe parametriche alla più recente basata sull’ICA. Tale diversità di metodi ha cercato di evitare il problema principale che gli SPM presentano, la scelta di HRF. Poiché la forma di quest’ultimo varia tra soggetti e aree del cervello, nonché il tempo in cui è presentato il massimo picco (basato sull’attività di EEG), possibili inesattezze nell’interpretazione dei risultati dell’attivazione. Di conseguenza, a seconda dell’analisi statistica, della forma canonica o non canonica dell’HRF e dei tempi utilizzati per modellarlo (prima o dopo l’attività EEG), la sensibilità del metodo può cambiare, e in questo modo la sua affidabilità. Ecco perché, il metodo da scegliere varia a seconda dell’applicazione che è destinata a studiare. Ad esempio, nel caso dell’epilessia, il lavoro di formaggio e altri35 deve essere preso come riferimento.

Come è stato esposto in tutto l’articolo, è stato generato un consenso sull’esistenza di cambiamenti emodinamici corticali, in risposta a un evento bioelettrico neuronale. Tuttavia, le prove recenti hanno dimostrato che i cambiamenti nel segnale audaci possono verificarsi prima dell’inizio dell’attività epilettica, e non con un ritardo di circa 3 e 5 secondi dopo la registrazione del punto epilettico, come stabilito. In questo senso, Hawco e altri, 56 ha studiato la risposta emodinamica utilizzando un modello composto da 7 funzioni di picco-range in -3, -1, 1, 3, 5, 7, 9 secondi in relazione all’inizio dell’attività epilettica. I risultati ottenuti hanno mostrato HRFS con cime in 1s prima o dopo l’evento, suggerendo che il cambiamento nella risposta in grassetto è iniziata prima del punto epilettico registrato. Sulla base di questa ricerca, Jacobs e altri, 57 ha studiato 13 tipi di suggerimenti epilettici in 11 pazienti (suddivisi in 2 gruppi: epilessia focale idiopatica e sintomatica). In contrasto con il lavoro di Hawco, la loro analisi statistica è stata effettuata con i modelli HRF tra -9 e 9 secondi rispetto all’evento. Il notevole risultato di questa ricerca è stato che in 6 degli studi, le risposte audaci sono state trovate tra -9 e -5s. Allo stesso modo, in 9 degli 11 studi, sono stati osservati audaci cambiamenti tra -3s e + 1s rispetto all’evento.

Una delle spiegazioni più probabili sui risultati descritti delle precedenti indagini è che queste risposte audaci “precoci” potrebbero essere dovute a alcune scariche epilettiche sono precedute da un fenomeno di consumo energetico che dura alcuni secondi. 56 Altre spiegazioni, suggeriscono che queste risposte anticipate potrebbero essere il risultato di download focali che precedono sistematicamente uno scarico più generale, nonché la possibile influenza che l’attività astrocitativa avrebbe nella risposta in grassetto.57

Riferimenti bibliografici

1. Olejniczak P. Neurofisiologica Base di EEG, Neurofisiologia clinica, 2006, 23: 186-189.

2. Jasper HH, il sistema di elettrodi di dieci venti della Federazione internazionale. ElectroenceFalogal Clin NUROPHYPHYSOL 1958; 10: 371-375.

3. Cainer o, Aldana C. Risonanza magnetica funzionale: evoluzione e progressi nella clinica. Tecnura 2010; 13 (25): 91-106.

4. Lindquist M, Zhang C-H, Glover G, Shepp L. Rapida risonanza magnetica tridimensionale tridimensionale della risonanza magnetica della risposta in grassetto negativo iniziale. Journal of Magnetic Resonance Imaging 2008; 191: 100-111.

5. Ives Jr, Warach S, Schmitt F, Edelman RR, Schomer DL. Monitorare l’EEG del paziente durante la risonanza magnetica di Echo Planar. Electroxharog. Clin. Neurofisiolo 1993; 87 (6): 417-420.

6. Warach S, Ives Jr, Schlaug G, Patel Mr, Darby DG, Thangaraj V, Edelman R.R, Schomer D.L. MRI funzionale Eco-Trigged EEG-Planar in epilessia. Neurologia 1996; 47: 89_93.

7. Garreffa G, Bianciardi M, Hagberg G, Macaluso E, Marciani M, Maraviglia B, Abbaffati M, Carní M, Bruni I e Bianchi L. simultanea EEG_FMRI Acquisizione: quanto lontano da essere alla tecnica standardizzata? Imaging della risonanza magnetica 2004; 22: 1445-1455.

8. Goldman, R.i., Stern, J.M., Engel Jr., J., Cohen, M.S. Acquisizione di EEG simultanea e risonanza magnetica funzionale. Neurofisiologia clinica, 2000; 111: 1974-1980.

9. Laufs H, Daunizeau J, Carmichael D. W, Kleinschmidt A. Recenti progressi nella registrazione di dati elettrofisiologici simultaneamente con la risonanza magnetica. Neuroimage, 2008; 40: 515-528.

10. Herrmann CS, La registrazione simultanea Dutterner S. Sostegioni EEG e audaci: una prospettiva storica. Journal internazionale della psicofisiologia 2008; 67: 161-168.

11. Allen P, Josephs O e Turner R. Un metodo per rimuovere l’artefatto di imaging da EEG continuo registrato durante la risonanza magnetica funzionali. Neuroimage 2000; 12: 230-239.

12. Salek-Haddadi A, Friston KJ, Lemieux L, Pesce Dr. Studiando attività EEG spontanea con FMRI. Recensioni della ricerca cerebrale 2003; 43: 110-133.

13. Vasios CE, Angelone LM, Purdon PL, Ahveninen J, Belliveau JW, Bonmass G. EEG / (f) MI misurazioni della risonanza magnetica a 7 Tesla utilizzando un nuovo tappo EEG (“Inkcap”). Neuroimage 2006; 33: 1082-1092.

14. Al-Asmi A, Bénar C-G, Gross DW, Khani Ya, Adeerman F, Pike B, BEBEAU F, Gotman J. Attivazione FMRI in continuo e innescato Studies EEG-FMRI di picchi epilettici. Epilessia 2003; 44 (10): 1328-1339.

15. Menon V, Crottaz-Herbette S. Combinata EEG e FMMI Studies della funzione del cervello umano. Revisione internazionale di Neurobiologia, 2005; 6: 291-321.

16. Cracovia K, Woermann FG, Symms MR, Allen PJ, Lemieux L, Barker GJ, Duncan JS, Pesce Dr. EEG triggeed funzionale MRI di attività epilettiforme intermetrica in Bantans con convulsioni parziali. Cervello 1999; 122: 1679-1688. Disponibile in: http://brain.oxfordjournals.org/content/122/9/1679.full.pdf+html

17. Bénar C-G, Aghakhani Y, Wang Y, Izenberg A, Al-Asmi A, Dubeau F, Gotman J. Quality of Eeg in simultanea EEG-FMRI per l’epilessia. Clin. Neurofisiolo. 2003; 114: 569-580.

18. Allen P, Polizzi G, Cracovia K, Fish D, Lemieux L. Identificazione degli eventi EEG nel sig. Scanner: il problema dell’arrifatto dell’impulso e di un metodo per la sottrazione. Neuroimage 1998; 12: 230-239.

19. Ritter P, Villringer A. simultaneo EEG-FMI. Neuroscienze e biobehavoral recensioni 2006; 30: 823-838.

20. Stern J. Simultaneo ElettroceCegacalografia e imaging con risonanza magnetica funzionale applicata all’epilessia. Epilessia & Comportamento 2006; 8: 683-692.

21. Kim K. H, Yoon H. W, Park H. W. Miglioramento della rimozione di artefatto ballistocardiaco dall’elettroceCefalogramma registrato in FMRI. Journal of Neuroscience Methods 2004; 135: 193-203.

22. Srivastava G, Crottaz-Herbette S, Lau K.m, Glover G.H, procedure basate su Menon V. ICA per la rimozione di artefatti ballistocardiogrammi dai dati EEG acquisiti nello scanner MRI. Neuroimage 2005; 24: 50-60.

23. Niazy R.K, Beckmann C.F, Iannetti G.D, Brady J.M, Smith S.M. Rimozione degli artefatti dell’ambiente FMRI dai dati EEG utilizzando set di basi ottimali. Neuroimage 2005; 28: 720-737.

24. McKewn M, Makeig S, Brown G, Jung T-P, Kindermann S, Bell A e Sejnowski T. Analisi dei dati FMRI da parte della separazione cieca in componenti spaziali indipendenti. Mappatura del cervello umano 1998; 6: 160-188.

25. Hoffmann A, Jäger L., Werhahn K.j, Jaschke M., Nooucher s, reiser m ..Elettroencefalografia durante l’imaging eco-planare funzionale: rilevamento di picchi epilettici utilizzando metodi di post-elaborazione. Risonanza magnetica in medicina 2000; 44: 791-798.

26. ANAMI K, Mori T, Tanaka F, Kawagoe Y, Okamoto J, Yarita M, Ohnishi T, Yumoto M, Matsuda H, e Saitoh O. Stepping Stepping Sampling per il recupero del recupero dell’elettroencefalogramma di artefatto durante la risonanza magnetica funzionale. Neuroimage 2003; 19: 281-295.

27. Garreffa G, Carní M, Gualniera G, Ricci G.B, Bozzao L, Carli D De. Morasso P, Pantano P, Colonnase C, Roma V, Maraviglia B. Time in tempo reale MR Artifatti che filtrano durante l’acquisizione continua EEG / FMRI. Imaging della risonanza magnetica 2003; 21: 1175-118.

28. Frison K.j, Holmes A.P, Wortsley K.j, J.-P. Polina, C.D. Frith e r.s.j. Frackowiak. Mappe parametriche statistiche in Imaging funzionale: un approccio lineare generale. Mappatura del cervello umano 1995; 2: 189-210.

29. Frison K.j, Jezzard P e Turner R, analisi della serie Time-serie MRI funzionale. Mappatura del cervello umano 1994; 1: 153: 171.

30. Fristol K. J, Holmes A. P, Polina J-B, Grasby P. J, Williams S C R, R. Frackowiak S. J e Turner R. Analisi della serie temporale FMRI rivisitata. Neuroimage 1995; 2: 45-53.

31. Lemieux L, Laufs H, Carmichael D, Paul J S, Walker M e Duncan J. Risposte audaci noncanoniche in grassetto a spillo in epilessia focale. Mappatura del cervello umano 2008; 29: 329-345.

32. Wortsley K. J., Liao C. H, Aston J, Petre V, Duncan G. H, Morales F ed Evans A. C. Un’analisi statistica generale per i dati FMRI. Neuroimage 2002; 15: 1-15.

33. Lu Y, Grova C, Kobayashi E, Dubeau F e Gotman J. Utilizzo della funzione di risposta emodinamica specifica della Voxel in Analisi dei dati EEG-FMRI: una stima e il modello di rilevamento. Neuroimage 2007; 34: 195-203.

34. Calhoun V, Liu J, ADALI T. Una revisione del Gruppo ICA per i dati FMRI e ICA per l’inferenza congiunta di dati di imaging, genetici ed ERP. Neuroimage 2009; 45: 163-172.

35. Formaggio E, Storti S, Bertoldo A, Manganotti P, Fiaschi A, Toffolo G. Integrazione di EEG e FMRI in epilessia. Neuroimage 2011; 54: 2719-2731

36. DAUNIZEAU J, GROVA C, MARRELEC G, Mattout J, JBabdi S, Pélégrini-Issac M, Lina M-C e Benalib H. Symmetrical Event-Event-Event / FMRI INFORMATION INFORMATION FUSION IN UNA FRAMEWARGE BAYESIAN VARTIATIL. Neuroimage 2007; 36: 69-87.

37. Martinez-Montes E, Valdés-Sosa P, Miwakeichi F, Goldman R.i e Cohen M. ANALISI EEG / FMRI COHEN M. ANALISI EEG / FMRI MULTIWAY MIGLIORATI PARTIALI. Neuroimage 2004; 22: 1023-1034.

38. Salek-Haddadi A, Diehl B, Hamandi K, Merschhemke M, Liston A, Friston K, Duncan J, Fiston D, Lemieux L. Correlati emodinamici delle scariche epilettiformi: uno studio EEG-FMRI di 63 pazienti con epilessia focale. Ricerca del cervello 2006; 1088: 148-166.

39. Lemieux L, Salek-Haddadi A, Josephs o, Allen P, Toms N, Scott C, Cracovia K, Turner R, Fish D. FMRI correlato agli eventi con EEG simultaneo e continuo EeG: Descrizione del metodo e del report del caso iniziale. Neuroimage 2001; 14: 780-787

40. AGHAKHANI Y, BAGSHAW A. P, Bénar C. G, Hawco C, Andermann F, Dubeau f Gotman J. Attivazione FMRI durante gli scarichi di punta e onde in epilessia generalizzata idiopatica. Cervello 2004; 127: 1127-1144.

41. Hamandi K, Salek-Haddadi A, Laufs H, Liston A, Friston K, Fish D, Duncan J, Lemieux L. EEG_FMRI di epilepsies idiopatici e secondariamente generalizzati. Neuroimage 2006; 31: 1700-1710.

42. Hamandi K, Laufs H, Nöth U, Carmichael D, Duncan J, Lemieux L. Bold and Perfusion cambia durante l’attività dell’onda dell’onda di spike generalizzata epilettica. Neuroimage 2008; 39: 608-618.

43. Carmichael D, Hamandi K, Laufs H, Duncan J, Thomas D, Lemieux L. Un’inchiesta della relazione tra le modifiche del segnale audace e di perfusione durante l’attività dell’onda dell’onda di spike generalizzata epilettica. Imaging di risonanza magnetica 2008; 26: 870-873.

44. Bénar C, Gross D, Wang Y, Petre V, Pike B, Dubeau f, Gotman J. La risposta audace a scarichi epilettiformi interIT. Neuroimage 2002; 17: 1182-92.

45. Bénar C, Grova C, Kobayashi E, Bagshaw A, Aghakhani Y, Dubeau F, Gotman J. EEG_FMRI di picchi epilettici: concordanza con la localizzazione della sorgente EEG e EEG intracranico. Neuroimage 2006; 30: 1161-70.

46. Zijlmans M, Huiskamp G, Hersevoort M, Seppenwoolde J-H, Van Huffelen A Leijten F. EEG-FMRI nell’offerta preoperatoria per la chirurgia dell’epilessia. Cervello 2007; 130: 2343-53.

47. Tracey I, Mantyh P. La firma cerebrale per la percezione del dolore e la sua modulazione. Neurone 2007; 55: 377-391.

48. Kurata J, Thulborn K, Gyulai F, Firestone L. Decadimento precoce dell’attivazione cerebrale correlata al dolore nella risonanza magnetica funzionale Imaging. Anestesiologia 2002; 96: 35-44.

49. Apkarian A, Bushnell M, Treede R, Zubieta J. Meccanismi cerebrali umani della percezione del dolore Andregulation in salute e malattia. Journal europeo del dolore 9 (2005) 463-84.

50. Jensen M, Hakimian S, Sherlin L, Fregni F. Nuove approfondimenti in approcci neuromodulatori per il trattamento del dolore.Il giornale del dolore 2008; 9 (3): 193-99.

51. Iannetti G.D, Niazy R.K, Wise R.G, Jezzard P, Brooks J.C.W, Zambreanu L, Vennart W, Matthews P.M e Tracey I. Registrazione simultanea dei potenziali cerebrali e evocati dal laser e la risonanza magnetica field-field-field-field imaging nell’uomo neuroimage 2005; 28: 708 _ 719.

52. Christmann c, ruf m, braus d, flor h. elettroencefalografia simultanea e imaging funzionale magnetico di risonanza della corteccia somatosensoriale primaria e secondaria negli esseri umani dopo la stimolazione elettrica neuroscienze delle lettere 2002; 333: 69-73.

53. Christmann C, Koeppe C, Braus D, Ruf M e Flor H. Uno studio simultaneo eeg_fmri della dolorosa stimolazione elettrica. Neuroimage 2007; 34: 1428-37.

54. Mobascher A, Brinkmeyer J, Warbrick T, Musso F, Witthack H.J, Stoermer R, Saleh A, Schnitzler A, Winterer G. fluttuazioni nell’attività dell’elettrodermica rivelare variazioni in singole prove risposte cerebrali a stimoli laser dolorosi – uno studio FMRI / EEG. Neuroimage 2009; 44: 1081-92.

55 Mobascher A, Brinkmeyer J, Wartbrick T, Musso F, Wartthack HJ, Saleh A, Schnitzler A, Winterer G. Laser-evocato potenziale P2 Amplititude di prova singola Covary con la risposta in grassetto FMRI nel sistema di dolore mediale e strutture subcortiche interconnesse neuroimage 2009; 45: 917-926.

56. Hawco C, Bagshaw A, Lu Y, Dubeau F, Gotman J. I cambiamenti audaci si verificano prima dei picchi epilettici visti su COBLP EEG. Neuroimage 2007; 35: 1450-58.

57. Giacobs J, Levan P, Moeller F, Boor R, Stephani U, Gotman J, Siniatchin M. Modifiche emodinamiche che precedono il picco intermetrico EEG in pazienti con epilessia focale indagata con l’EEG-FMRI simultaneo. Neuroimage 2009; 45: 1220-31.

Leave a Comment

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *