脑电图功率谱密度的变化和皮层连接在健康和瘫痪患者患者在运动图像的任务

文摘

知识的大脑连通性是现代神经科学的一个重要方面,了解大脑是如何实现其功能的。在这个工作中,神经质量模型包括四组兴奋和抑制性神经元用于估计三个皮层区域之间的连通性的利益(roi)脚部活动期间的任务。真实的数据是通过获得高分辨率的头皮脑电图在两个人群:健康志愿者和瘫痪患者的病人。3-shell边界元模型的头部被用来估计皮层电流密度和获得皮层脑电图三roi。模型假定每个ROI可以产生一种内在的节奏在测试范围内,并接收节奏在α和γ范围从其他两个地区。连接的优势在roi估计通过一个原始遗传算法,试图减少几个成本函数之间的区别真实功率谱密度模型。结果表明,强连接的扣带皮层主要和辅助运动区,因此强调所发挥的关键作用在任务。瘫痪患者患者表现出更高的平均连接强度,显著统计学差异在一些连接。结果评价,该方法的优点和局限性进行了讨论。

1。介绍

众所周知,即使是简单的执行电机和/或由大脑认知任务需要多个皮质区域的参与,通过塑料是相互联系和交流信息远程突触。因此,知识的大脑连接成为现代神经科学的一个重要方面,尤其有用理解大脑如何实现其基本功能和不同地区的角色是什么。连接,然而,是一个难以捉摸的概念,可有不同的定义取决于研究者的重点(1]。特别是,连接的定义是严格相关数学方法用于提取连接参数的数据,也就是说,它是“模式依赖”,应该采用特定方法一起使用。例如,大多数方法目前用来获得连接图(如直接传递函数或部分直接相干(2- - - - - -8)是基于线性的假设,而神经元本质上是非线性的。此外,这些方法使用经验方程(即。,they are based on black box models), which do not provide a description of the underpinning physiological mechanisms (e.g., they do not explicitly consider the time constant and strength of synapses, the role of inhibitory interneurons, etc.). On the other hand, the main advantage of these methods is that they provide analytical solutions to the problem, which are not “modeler driven.”

作为替代方法来研究有效连接,几个作者近年来采用所谓的“神经质量模型。“这些模型最初是在年代中期提出(9,10年代末),随后改善(11,12]。模拟整个神经的活动人群兴奋和抑制性组,通过反馈安排假定分享类似的膜电位和同步工作。兴奋和抑制性团体之间的相互作用可以产生振荡节律,要么通过一个模型的内在不稳定性(如极限环)或谐振放大的外部噪音。特别是,类似的模型被用来模拟α节律(11],olphactory皮层的动力学[13),或自相矛盾的癫痫放电12,14]。一些最近的研究使用这些模型来研究有效连接在不同的感兴趣的区域(roi),皮层脑电图的分析依赖连接模式(15,16和评估脑电图功率谱密度17]。最近,我们还利用神经质量模型,包括快速抑制动力学,模拟皮层脑电图的功率谱密度18- - - - - -20.在简单的运动任务)。这些研究的主要标志是,神经的人群有不同的动力学(例如,不同的时间常数的兴奋和抑制性突触)适当互联,可以产生EEG节律类似人类受试者通过高分辨率脑电图测量方法。

应用程序质量的神经模型来估计有效连接,然而,一个非常艰巨的任务,由于参数参与人数的增加和非线性项的存在,排除使用解析解。例如,在最近的一篇论文(21]我们推导出三个皮层区域之间的一些连接模式(cyngulate和主要和辅助运动皮层)在一个简单的脚部活动任务,通过最小化的最小二乘准则函数模型和数据谱密度之间的区别。然而,几的情况下可以进行分析,因为最小化算法往往收敛于一个次优的解决方案(即。,一个局部最小值),可以展示只是一个可怜的拟合和,此外,可能被unphysiological特征参数值。此外,也用于比较的度量模型和病人谱密度可能会有问题,影响最终的最小化的结果。

由于这个原因,在本文,我们设计了一个新的方法,基于遗传算法,提供一种自动拟合模型和实际数据之间的关系。选择成本的方法试图找到绝对最小值函数在同一个程序。遗传算法已被用于评估神经质量模型的参数,以满足实际数据(见,例如,22])。该算法已应用于高分辨率头皮脑电图数据测量在一个简单的脚部活动任务;头皮脑电图是初步传播到大脑皮层通过传播模型,来推断大脑皮层电活动在三个感兴趣的区域(roi)。模型(20.]假定每个ROI特征是一种内在的节奏(由突触的时间常数)和从其他连接ROI可以获得额外的节奏。结果应用于一组正常受试者和一群瘫痪患者患者建立简单的模式cyngulate之间的连接,电机、运动前区皮层,寻找可能的两种人群的差异。

2。方法

2.1。一个人口的模型

模型的一个人口获得通过修改提出的方程Wendling et al。12]。它由四个神经组通过兴奋和抑制性突触交流:锥体细胞兴奋性中间神经元,抑制中间神经元和突触动力学缓慢,抑制性中间神经元和突触动力学快。每个神经组模拟神经元的池是集中在一起,认为收到类似的输入和行为以类似的方式。一个集总参数电路与另一个通过平均发射率对应于给定的细胞是什么平均发射。

平均每个神经组接收从其他组突触后膜电位,并将平均膜电位转换为平均密度峰值发射的神经元。这种转换是通过静态模拟反曲的关系。突触的影响是通过二阶线性传递函数,描述突触前峰值密度转化为突触后膜的潜力。三种不同的突触,脉冲响应,,是用来描述兴奋性神经元的突触效应(锥体细胞和兴奋性中间神经元),缓慢的抑制性中间神经元和快速抑制性中间神经元,分别。模型方程可以写成如下所示。

锥体神经元:

兴奋性中间神经元:

缓慢的抑制性中间神经元:

快抑制性中间神经元:

这些方程的符号代表平均膜电位(四组)。这些是乙状结肠的输入函数转换成的平均密度峰值()发射的神经元。然后,这些输出进入突触(兴奋,抑制缓慢或快速抑制),通过二阶线性函数来表示的。描述每个突触平均增益(兴奋,抑制缓慢,和快速的抑制性突触,resp。)和时间常数的倒数,,、职责)。这些方程的输出,可兴奋性、抑制性缓慢,或快速抑制,代表了突触后膜电位()。神经元之间的交互通过七连通性常量(表示)。最后,代表所有外生贡献,激发来自外部来源和动作电位的密度来自其他地区相连。

2.2。连接在roi模型

前面的模型被用来模拟一个ROI,随之而来的动态的相互作用的四个神经子组。为了研究如何roi互动,我们考虑N roi互联通过远程兴奋性连接。模拟这个连接我们假设锥体神经元的平均峰值密度()影响的输入在(6通过加权因子),和时间延迟,。因此,输入在th ROI计算如下: 在哪里的突触联系的重量吗th(突触前)ROI i ROI(突触后),是时间延迟(突触)认为都一样,代表一个高斯白噪声平均值和标准偏差,和右手的成员(17)扩展到所有的roi,,目标ROI。

2.3。脑电图数据的采集和处理

实验发生在圣卢西亚的实验室基础上,罗马,知情同意后。这个话题是舒服地坐在扶手椅上,双手放松,在一个电屏蔽,昏暗的房间。他被要求执行一个轻快的嘴唇突出(唇追求)时执行一个右脚运动。58-channel脑电图系统(BrainAmp、Brainproducts GmbH德国)是用来记录电势通过电极帽,相应地延长10 - 20的国际体系。A / D采样率为200 Hz。在电动机的任务,主题是指示避免眨眼,吞咽或以外的任何运动所需的运动。双肌电图记录的控制和脊髓损伤(SCI)主题,与表面电极从右侧口轮匝肌和胫骨前肌肌肉检测脚和嘴唇动作,分别。electro-oculograms(小城镇)记录,以避免试验与工件由于但动作。肌电图监测整个录音从电极放置如上所述,以避免由于肌肉工件质量差的录音。工件拒绝进行试验(从广泛的分割年代而狭窄的细分(从年代s)被用来分析。

3-shell边界元模型(BEM)的头部被用来估计皮层电流密度(CCD)分布在一些地区的利益(ROI)的皮层(扣带皮层(CMA_L),主运动区(M1F_L)和辅助运动区(SMAp_L)从活动测量在头皮上。以前作品中描述的程序使用(18,19,23]。从CCD,平均估计皮质活动在该地区已评估。后者已先后进行光谱分析以产生光谱用于模型参数的估计。

使用韦尔奇功率谱所计算的平均修正周期图法(24]。特别是,该模型功率谱密度(PSD)计算用模拟信号持续时间100秒,平均50%的和重叠的部分都有持续时间1秒。100秒的使用模拟信号由必要合理的估计的方差谱降低到可以接受的水平。我们使用一个随机的验证,重复相同的仿真通过改变输入噪声,这些光谱几乎只受单一噪声实现。一切权力光谱已经初步规范化统一的区域在相同的频率范围(6-50赫兹)。因为信号超出40 Hz可能损坏,我们调查的限制伽马范围是30 - 40 Hz。特别是,我们没有调查所谓的高γ范围(高于50赫兹)。

我们检查了5科目与脊髓损伤(SCI);男性,女性,平均年龄5年)和健康受试者(男性,女性,平均年龄年)。知情同意是获得所有的科目。这项研究是由当地伦理委员会批准。创伤性脊髓损伤者都的病因学,位于颈水平(C在科学学科;C和C在剩下的学科);的研究中,所有的患者稳定病灶(平均时间因为创伤个月)。神经系统状态评估是根据美国脊髓损伤学会(亚洲)标准的基础上,患者的运动和感官评分、神经水平,和神经损伤。病变的完整性的定义根据骶保留的概念:感觉保存peri-anal区和/或运动外部肛门括约肌的功能(保护下骶段)。各5例病变完成(亚洲:完成运动和感觉损失低于损伤水平)。没有SCI患者头部或脑损伤与脊柱损伤相伴。无法控制的spasticity-induced肢体动作和dysaesthetic为其它任何疼痛综合征患者。所有受试者右手的爱丁堡库存(25]。

为了执行后续装配,我们只选择那些脑电图轮廓的α和γ节奏是位于大约相同的频率三个roi。这对应于模型假设(见下面),每一个节奏是由一个单一的外部来源(这个选择的局限性将最后讨论)。102年轮廓满足这一标准。这些试验的算法能够适应59:36名健康受试者试验和23瘫痪患者的试验。

2.4。电动机的模型的任务

真正的脑电图分析(参见[20.,21)表明,功率谱密度在任务期间可能出现三个同步节律,α,β和γ范围。为了模拟这种行为,我们假定皮质roi(即参与运动。,the M1F_L, the CMA_L, and the SMAp_L), when activated, oscillate with an intrinsic rhythm in the beta range. This hypothesis reflects the frequent idea that, during behavioral activation, beta rhythms are generated locally, perhaps by a recurrent feedback loop involving pyramidal cells and inhibitory interneurons [26]。这些波代表大脑皮层的兴奋到更高的警觉性或紧张。此外,我们假设阿尔法节律被发送到大脑皮层由外部区域(可能位于丘脑网状核)。这个假设对应于这个想法(32201页),α节律源于内生节奏性丘脑的数量,然后传播到其他丘脑皮层的人口即使没有外部刺激。最后,一个重要的问题是如何在模型中产生伽马节奏。首先可能是roi可以生成不仅其内在β节律,但也是一个伽马振荡,通过第二组人群提供更快的动力学,然后这些gamma节律同步通过远程突触。多个节奏相同的ROI的概念提出了大卫和Friston [15),通过我们在前一个模型用于连接估计(17]。第二种可能性,它允许PSD和较少的参数,模拟伽马振荡是由一个皮层区域,然后通过远程突触传递给另一个roi。

在目前的研究中我们采用第二个假设。首先,我们认为丘脑接收外部输入(模拟作为一个重要的白噪声项)和驱动其他人群,但从他们(即不接受任何连接。,任何可能的反馈从丘脑皮层是被忽视)。因此,电动机命令源于该地区低频(LF),向皮层和传播。此外,三个roi皮层(CMA_L、M1F_L SMAp_L)可以招募一个γ或高频节奏从另一个地区(高频),这可能是位于前额叶皮层。这节奏应该反映认知或意识方面的任务。最后,扣带皮层还可以调节高频区域和驱动其他两个roi(即。,主要和辅助运动区)。后者通过反馈回路有关。整体模型的草图如图1。

2.5。模型参数

模型数量相对较大的参数,但只有少数人使用的变量拟合过程。似乎让合适的算法调整所有的模型参数导致不连贯的解决方案:相同的模拟功率谱可以用不同的参数。所以估计的参数匹配算法只有兴奋性突触的时间常数的倒数(调整功率峰值频率)和连接的优势(调整功率相对振幅峰值)。其他参数常量值,给定的表1。大多数这些生物值是合理的11),让模型振动α(8 - 12 Hz),β(夫人Hz),和伽玛乐队(30 Hz) (18,19]。仍然输入的意思和方差通过拟合估计过程,因为没有合理的这些参数的值被发现。事实上,像往常一样在神经模型(12,15,20.),这噪声模拟随机贡献来自外部源的不包括在模型中也占内部神经的变化。为此我们运行一套初步的配件和被用作拟合变量为了找到他们的最佳值为每个审判。发现的值是平均,作为常量(表1)在接下来的安装程序。

2.6。遗传算法和拟合过程

遗传算法(GA)是解决优化问题的搜索技术,通过模拟达尔文的自然选择(27]。我们使用了遗传算法找到一组模型参数的模型输出符合给定的真正的脑电图信号。参数用于拟合过程的时间常数的倒数的兴奋性突触(),连接的优势。

GA分为代。每一代由很多候选人的个人解决方案拟合模型参数(套)。第一代通常是随机的。参数表示为一些数组(染色体)。每个排名与拟合系数(FC)的范围通过计算模型的输出和比较它真正的EEG信号:更好的模拟信号与实际之间的拟合,FC越高的个体。名个人高(FC)有更高的概率来繁殖。在生殖夫妇的父母根据他们的FCs随机选择。每一对情侣产生两个新个体的染色体来自遗传算子应用于父母的。典型的遗传算子是交叉和变异(图2)。交叉是父母之间的交换遗传物质生成儿子的染色体。突变仅仅开关的值较低比例的比特(突变速率)。最严重的是上一代的人换成是最好的新生个体。通过这种方式,每一代往往保存最好的遗传物质。算法收敛于一个人口组成的集适合真正的EEG信号的参数。

实现遗传算法的主要挑战是找到一个有效的拟合函数确定FCs和等级的个体,因此,该算法能够收敛在合理的时间。比较真实的模拟信号,我们使用他们的PSD。实际上,分析频率和振幅峰值的PSD允许评估节律特征信号,频率,每个频带相关联的相对实力。

我们介绍了一些改变原始遗传算法以提高其收敛速度。

(我)全球人口划分为4个部落。每个部落都有自己的拟合函数。算法允许部落间迁移,这样每个人可以选择同意其后代的部落收敛以最快的方式解决。为了计算每个部落的FCs,我们首先计算三个选择成本函数。第一个是典型的均方误差。第二个旨在量化相似在当地最大值和最小值之间的比率(即。,它给更多的强调PSD的最大值和最小值比其他值的PSD)。第三集中的关注特别是峰的位置(即。的频率三节奏)。这三个函数然后加上不同的权重,为了获得四个替代FCs使用四个部落。第四个部落(也叫大熔炉)是一个以最严格的要求。(2)该算法使用一个动态的突变率。一点的概率转换之间的相似性有关父母的染色体:越相似的染色体,变异率越高。相似性高的父母意味着人口聚集到本地最大;在这种情况下,增加突变率会支持逃离的最大吸引力。(3)介绍了一个老化的因素。这意味着前一代的成员仍然可以生成的儿子和女儿,但从FC下降。否则,创建新的人口将清除所有美好的人,如果他们有可怜的儿子和女儿他们的遗产将会丢失。另一方面,如果旧的个人不减弱,进化可能过于缓慢。(iv)位在染色体的顺序可以打乱。通常每个参数编码在一个染色体,但这样的编码系统是低效当结合上述动态突变率。当一个方法的参数最佳值,它往往是继承了所有成员的人口。这意味着所有人都有一个几乎相同的染色体,因此比特编码这个参数的突变速率增长迅速,部分信息可能会浪费在连续的一代。这个问题可以避免通过传播信息的每个参数在所有的染色体。图2说明了一个更标准的编码系统。

算法停止当个人完成提高FCs,或者400代之后。最后模拟最好的个体属于熔炉是最好的解决方案。

我们注意到最有益的变化是那些最好的类似于自然选择。

3所示。结果

Exempla模型拟合的四个典型案例图所示3。左边的面板是指两个健康受试者,而正确的板指两个瘫痪患者患者。值得注意的是,该模型能够模拟三个峰的位置和相对振幅在所有三个roi的很好。这里介绍的其他安装PSDs类似,对关心的形状和配件的质量。

估计突触权重的平均值和瘫痪患者病人的健康人群中所示图的直方图4。这个数字值得关注的两个主要方面。

首先,通过考虑整体拟合参数,没有区分健康和瘫痪患者,可以观察到一些权重主要与他人相比。尤其是强连接来自cyngulate皮质初级运动皮层,和cyngulate皮层辅助运动皮层。突触的视觉摘要的优点,计算通过使用两种群的平均参数,底部面板的图所示4。

其次,从一个单独的参数估计,可以发现在统计上有显著差异的健康之间的突触强度和瘫痪患者科目。尤其是,连接在瘫痪患者患者高出约12%(平均)与健康志愿者。差异在两个类之间的连接权重是非常重要的(评估一个直到以及)从丘脑的初级运动皮层和丘脑辅助运动皮层。连接权值的差异也显著()从高频率地区一些皮质roi。

最后,我们使用了两种人群的突触强度的平均值来计算聚合PSDs(一个典型的健康主题使用的平均参数类,另一个典型的瘫痪患者主题)。结果见图5。从这个图很明显,排比瘫痪患者主题展览更强峰伽玛乐队相比明显的聚合体健康志愿者和一个更小的峰值在测试范围内。这种差异是连接权重越高的结果从高频区域和低频区域。

4所示。讨论

这项工作的目的是获得感兴趣的主要区域之间连接的模式(扣带皮层和主要和辅助运动区)参与简单的运动任务。为此,我们使用质量模型和神经电生理数据获取与头皮脑电图,传播到大脑皮层。此外,我们分析了正常和瘫痪患者对象之间的区别。尽管各种试图连接来自脑电图,描述脑电图在病理条件下出现在文献中,大多数作品利用经验模型(例如,基于一致性和时间序列之间的相关性)。几个试图通过解释说明现有的数据模型可以在文献中找到(15- - - - - -17]。

一个解释模型,参数有明确的生物物理意义,和假设的模型允许制定生理机制,神经结构和参数变化负责数据生成。承诺模型假设的存在神经群众互动,相互连接,生成神经信号测量电活动负责。相似的模型与贝叶斯推理集成框架(名为“动态因果模型”的作者)Friston和合作者估计使用的有效连接从神经影像数据(15,28),分析与事件相关电位(29日]或预测光谱轮廓的局部场电位鼠(17]。神经质量模型被用来研究过渡到癫痫发作和癫痫模型活动(12,30.),分析药物对脑电图的影响光谱(31日),或者模拟整个大脑连通性的影响对个人EEG节律测量在头皮上(16]。

我们的工作之前的论文方向相同。然而,三个主要创新方法论方面应该有一个关键的讨论:什么样的信息用于验证模型,采用结构模型,对参数估计和拟合过程。

第一个重要问题涉及什么样的数据模型是为了繁殖,因此,测量相比,模型输出。这是一个关键,因为模型的类型和结构是严格依赖于问题正在研究。在这工作,因为在之前的18- - - - - -21),我们集中注意力在大脑皮层脑电图的频率内容,特别是对功率谱密度的峰值。事实上,常用光谱措施总结皮质动力学和评估皮质活动的变化在认知和/或运动任务。人们普遍认为,阿尔法节律源于丘脑和独特的放松状态。β节律与正常清醒活动有关,因为它发生在自然的人体运动行为或在本体感受的刺激。从α,β节律被认为是一个警告的标志。γ节奏似乎参与更高的心理活动,包括知觉和意识。虽然这些节奏目前神经生理学的描述和分析文献[32,33),如何联系他们修改的问题潜在的神经过程,神经结构和连接强度在很大程度上仍是尚未解决的。

一个重要方面是,我们集中注意在三个roi,我们从未尝试过其他的配件。roi的选择根据他们的被广泛接受的考虑参与的准备和执行简单的自发的运动。事实上,有一种普遍的共识,即M1F和内侧的方面是在主发电机的来源的早期和晚期组件motor-related皮层电位(看过的34]),反过来,反映了皮质的生理激发参与准备和生产运动。解剖和生理上非人灵长类动物的研究已经证明在不同的扣带皮层运动区埋在扣带沟,这些大致位于rostrocaudal水平一样适当的(尾CMA、背侧和腹侧部分)主要是涉及运动执行本身而不是更高的认知对自愿运动的控制(审查[35,36])。

为了模拟脑电图光谱模式在这些领域,包括α和β和γ的节奏,我们采用了一个简单的模型结构基于几个先验假设。首先我们假定扣带皮层驱动器的主要运动区和辅助运动区在执行任务,但它只接收反馈可以忽略不计。这种假设似乎是合理的,扣带皮层受到的关注最近在神经科学文献[37]。在这些贡献扣带皮层是大脑皮层的一部分,也就是说,主要参与促进行动和动作决策。相比之下,两个电机领域可能是由相互连接的反馈。这些领域是重要的在我们的模型中自初级运动区负责执行所有自愿的运动,而补充运动区实现内部生成或相关行为,也就是说,行动不需要监控外部环境。

进一步假设下的三个roi分析,如果刺激,可以用一种内在的振动β节律。这种假设同意目前的知识。事实上,正如传统文学中描述,β运动相关的活动范围通常是靠近手指运动后感觉运动区(38),反映了运动前区(39]。所显示(40)β振荡可能“指示性共振行为连接网络的感觉运动区域。“这反映了我们的基本模型的假设。

除此之外基本方面,该模型包含两个重要的假设,这是用于生成α和γ的节奏,但有一个不明显的生理和神经。

首先,模型假定一个低频阿尔法节律源于外部区域(我们叫“丘脑区”),然后传播到其他地区。事实上,一个典型的想法在α节律的起源32、页面)是这个节奏源于内生丘脑神经元的活动,或从丘脑皮层的连接,尤其是枕骨区域。近期作品的猫,支持关键作用丘脑枕振荡的一代(41]。在EEG节律的位置最近的一项研究证实,人类α节律枕或枕颞区域尤其明显,也就是说,他们主要来自后神经来源(39]。因此,虽然我们不能排除α节律的来源也可能出现在检查frontoparietal地区,最可能的假设是,这个节奏起源于丘脑和/或枕区域,然后对感兴趣的其他地区传播。

一个重要的简化,值得简要评论,是我们忽略了任何反馈从皮质区域“丘脑区突触。“当然,cortico-thalamic反馈存在于大脑和可能有α谱的调制作用的内容。我们的选择采用了只是为了减少参数的拟合过程中,为了避免“过度拟合的问题。“事实上,增加未知参数的数量提高了装配质量,但加剧了参数估计的可靠性。

另一个重要的假设是,也伽马节奏源于外部区域,我们应该位于额叶皮质。这个假设被观察,证实了额叶皮质神经元显示了摆动40 Hz的固有能力(42,43]。然而,替代假设gamma节律的起源可以在文献中找到(参见[44]对一个优秀的评论),我们不能排除这节奏来源于内部认为roi由于复发性兴奋和抑制机制(尤其是快速抑制性中间神经元)。因此,γ地区模型应该被视为一种“潜在来源,”不一定是生理。这个问题需要进一步的理论和实验工作。

一旦这个模型结构设计,基本的一点是关于哪些方面的光谱应该用于执行之间的最佳拟合模型的预测和实际数据。在以前的作品我们使用最小二乘准则函数的模型和测量光谱的区别18- - - - - -21]。假设一个高斯分布的测量误差、最小二乘准则对应于最大似然估计,也就是说,最大化的先天的条件概率。一个更复杂的贝叶斯过程采用了莫兰et al .,最近(17)的框架下动态因果模型(28,45]。贝叶斯过程还涉及包含一些先验知识的概率分布估计参数。

在目前的工作我们尝试一个创新的策略,基于PSD的想法,并不是所有方面都平等的利益。特别是,我们集中注意特别是在主要的位置和相对振幅峰值功率谱,认为这些总结底层机制生成EEG节律。此外我们尝试不同的互补的“成本函数”在遗传算法(GA)的实现。虽然GA耗费时间与其他最小化技术相比,他们提供可能尝试不同的替代方案的问题(实现不同部落)和克服局部最小值的问题(这往往使拟合过程站不住脚)的结果通过突变产生不同的儿子在参数空间。

用这种技术有两种主要的目标追求:发现可能的简单电路,连接三个提到的roi,能够解释观察到的PSDs,检测可能的差异之间的连接电路健康受试者和瘫痪患者患者。结果指出这两个类之间的显著差异的存在,特别是对于关心链接的权重低频(丘脑)和高频区域主要和辅助运动皮层。特别是,这些权重在瘫痪患者患者与健康人相比,这些差异有统计学意义。连接权值的差异可能反映了更高的意识(与γ组件)和更多的关注与丘脑输入)(相关瘫痪患者患者比正常个体,即更大的浓度对任务。的存在更大的和更强的连接权重的皮层连接网络瘫痪患者患者的估计比先前估计在健康志愿者(几个作者所观察到的46,47]。

我们工作的另一个有趣的结果是,神经回路的最大重量是那些链接扣带皮层运动区。这个结果强调了前馈信号的重要性额叶皮层的随意运动的启动和规划。

在目前的工作我们12进行统计检验,因此可能的反对意见是,显著性水平应该纠正占多个假设。是否校正是合适的问题相当复杂,取决于工作的目的。为明确表示在最近的出版物48)如果的主要目标是生成假说或初步筛查潜在的解决方案,这可能是适合使用标准的显著性水平不改正避免II型错误(不是检测的差异或趋势)。相反,如果一个假设的主要目标是严格的测试,然后调整多个测试(如Bonferroni或河中沙洲的方法)是必要的。当前工作的目的当然是“假设”一代,因此我们更倾向于使用经典测试,以避免II型错误。当然,为了“测试假说”生成的过程,需要重复尝试新的“新鲜”的数据,只考虑单个假设得到证实,使用修正。这可能是未来工作的主题。

最后,重要的是要讨论的主要限制目前的初步工作,为未来的变化和可能的线。

第一个方面担忧的可变性参数估计在同一个主题。虽然这种可变性相比还是少强调两个类之间和不同学科之间在同一类中,它仍然是相当高。分析如何连接模式可能会有所不同从一个试验在同一主题下未来仍然需要更深入的分析。

在当下我们假设连接来源于锥体神经元模型,达到兴奋中间神经元的输入,也就是说,我们没有考虑可能的横向连接的锥体神经元抑制中间神经元。抑制interarea连接,然而,可能是重要的神经活动减少,避免不稳定和提高同步的节奏。侧抑制性突触被认为是由大卫et al。29日),斯蒂芬et al。28],DCM模式的神经数量分析的事件相关的反应。特别是,这些作者认为横向连接来自锥体神经元目标所有其他人群(包括兴奋性和抑制性)横向roi,尽管他们没有考虑与快速动力学抑制性中间神经元的存在。包含横向连接对抑制性中间神经元可能在未来价值的作品,来改善两个方面的结果。首先,它有助于保持电动机的活动和运动前区roi远未饱和。的确,现值的参数,这两个人群强烈激活和经常靠近上层工作饱和区域的乙状结肠。第二,快速激活抑制性中间神经元可能有助于解释gamma节律的存在,即使没有引入一个特别的节奏从外部人口。认为γ节奏可能源自快速抑制性中间神经元的刺激(或者从缝隙连接)最近提出的各种作者(32,49]。当然,一个缺陷引入侧抑制性中间神经元的突触是增加数量的自由参数,这可能会进一步复杂化的收敛过程和结果解释的。

目前的工作的另一个重要限制是模型能够模拟PSD光谱只有三个roi的节奏(α和γ乐队)几乎相同的频率。鉴于,我们排除了所有试验中呈现不同的频率谱的最佳拟合过程。此限制的原因是,这三个roi收到相同的阿尔法和伽马振荡外部roi(即。,从低频区域或丘脑阿尔法节律;从高频伽马节奏ROI,前额,见图1)。为了产生节奏和不同频率α和γ乐队,一个人应该假设的存在更多的低频和高频区域。然而,这方面将进一步复杂化参数估计和模型不吝啬的。有可能引入横向interregion抑制性中间神经元突触直接可能允许更灵活的节奏定位在单独的roi。

最后,我们意识到,利用遗传算法,虽然非常灵活的在寻找一个好的解决方案避免局部最小值,是浪费时间。选择更有效的拟合方法(可能引入一些先验概率的估计,根据贝叶斯方法(50)可能试图在未来的研究。

总之,目前的工作是第一次尝试来解释的存在多个节奏在三个roi参与运动的任务,及其变化,使用一个简单的模型相互连接的数量。令人鼓舞的结果担心能力获得可靠的PSD光谱,通过作用于几个参数代表连接权重,并检测这两个类之间的显著差异。然而,重要的限制仍然很明显:他们尤其关心缺乏抑制相互作用的roi,个别参数估计的分散,难以生成更灵活的谱峰。克服这些局限性值得未来的工作。

然而,尽管他们目前的局限性,我们主张神经交互质量的模型可能是很有价值的获得更深入洞察EEG节律机制生成,并开始制定更多量化假设背后的神经结构和连通性变化运动/认知任务。

确认

这项工作是支持的行动BM0601”NeuroMath成本。“成本办公室或任何个人代理代表其负责的使用可能使出版物中包含的信息。成本办公室不负责外部网站本刊物。

引用

1. b·霍维茨“大脑连通性,难以捉摸的概念”科学杂志,19卷,不。2、466 - 470年,2003页。视图:出版商的网站|谷歌学术搜索
2. l . Astolfi f . Cincotti d Mattia et al .,“估计的有效和人类大脑皮层功能连接与结构方程建模和直接传递函数应用于高分辨率的脑电图,”磁共振成像,22卷,不。10日,1457 - 1470年,2004页。视图:出版商的网站|谷歌学术搜索
3. 洛杉矶Baccala和k . Sameshima”部分直接相干:神经结构的一个新概念的决心,“生物控制论,卷84,不。6,463 - 474年,2001页。视图:出版商的网站|谷歌学术搜索
4. m . Kamiński k Blinowska, w . Szelenberger”调查的相干结构和传播睡眠脑电图活动,“Acta Neurobiologiae Experimentalis,55卷,不。3、213 - 219年,1995页。视图:谷歌学术搜索
5. m . Kamiński k Blinowska, w . Szelenberger”地形分析脑电图的连贯性和传播活动在睡眠和清醒,“脑电图与临床神经生理学,卷102,不。3、216 - 227年,1997页。视图:出版商的网站|谷歌学术搜索
6. m . Kamiński m .丁w·a . Truccolo和s l·布瑞斯勒,”神经系统评估因果关系:格兰杰因果关系,直接传递函数和统计评估的意义,“生物控制论,卷85,不。2、145 - 157年,2001页。视图:出版商的网站|谷歌学术搜索
7. m . Kamiński和k . j . Blinowska”的一种新方法描述信息流的大脑结构,”生物控制论,卷65,不。3、203 - 210年,1991页。视图:出版商的网站|谷歌学术搜索
8. a . Korzeniewska m·g . Mańczak m . Kamiński k . j . Blinowska和s . Kasicki”之间的信息流向测定大脑结构的修改直接传递函数(dDTF)方法,”神经科学杂志》上的方法,卷125,不。1 - 2、195 - 207年,2003页。视图:出版商的网站|谷歌学术搜索
9. w·j·弗里曼,“神经种群的动力学模型,脑电图与临床神经生理学卷,34岁,9到18,1978页。视图:谷歌学术搜索
10. f·h·洛佩斯·达席尔瓦,a van鹿特丹,p .巴e . van Heusden和w·伯尔,”模型的神经元数量:韵律性的基本机制,“大脑研究的进展,45卷,第308 - 281页,1976年。视图:出版商的网站|谷歌学术搜索
11. b·h·詹森和v . g . Rit脑电图和视觉诱发电位的一代的数学模型耦合的皮质列,“生物控制论,卷73,不。4、357 - 366年,1995页。视图:出版商的网站|谷歌学术搜索
12. f . Wendling f . Bartolomei j . j . Bellanger p .左右,“癫痫的快速活动可以用一个模型来解释gaba ergic树突抑制受损”欧洲神经科学杂志》上,15卷,不。9日,第1508 - 1499页,2002年。视图:出版商的网站|谷歌学术搜索
13. w·j·弗里曼,“混乱的脑电图模式的模拟嗅觉系统的动态模型,”生物控制论卷,56号2 - 3、139 - 150年,1987页。视图:出版商的网站|谷歌学术搜索
14. f . Wendling j . j . Bellanger f . Bartolomei p .左右,“非线性统括参数模型的相关性分析depth-EEG癫痫信号,”生物控制论,卷83,不。4、367 - 378年,2000页。视图:出版商的网站|谷歌学术搜索
15. o .大卫和k . j . Friston”梅格/脑电图:神经质量模型耦合和神经动力学,”科学杂志,20卷,不。3、1743 - 1755年,2003页。视图:出版商的网站|谷歌学术搜索
16. r·c·Sotero n . j . Trujillo-Barreto y Iturria-Medina, f . Carbonell和j·c·吉梅内斯,“实际耦合神经质量模型可以生成EEG节律,”神经计算,19卷,不。2、478 - 512年,2007页。视图:出版商的网站|谷歌学术搜索
17. r·j·莫兰k·e·斯蒂芬s . j . Kiebel et al .,”贝叶斯估计光谱响应的神经突触生理学的质量,”科学杂志,42卷,不。1,第284 - 272页,2008。视图:出版商的网站|谷歌学术搜索
18. m . Ursino m . Zavaglia l . Astolfi, f . Babiloni”使用的神经质量模型分析皮层区域之间的有效连接基于高分辨率脑电图记录,“生物控制论,卷96,不。3、351 - 365年,2007页。视图:出版商的网站|谷歌学术搜索
19. f m . Zavaglia l . Astolfi Babiloni m . Ursino”神经皮质活动的质量模型模拟估计从高分辨率脑电图在认知或运动的任务,”神经科学杂志》上的方法,卷157,不。2、317 - 329年,2006页。视图:出版商的网站|谷歌学术搜索
20. f m . Zavaglia l . Astolfi Babiloni m . Ursino”连接在EEG节律的影响,功率谱密度和相干耦合神经人群:神经质量模型分析,“IEEE生物医学工程,55卷,不。1,第77 - 69页,2008。视图:出版商的网站|谷歌学术搜索
21. f m . Zavaglia l . Astolfi Babiloni m . Ursino”节奏生成和功能连通性的模型在一个简单的运动任务:与真正的头皮脑电图数据,初步验证”国际期刊的Bioelectromagnetism,10卷,不。1,第75 - 68页,2008。视图:谷歌学术搜索
22. f . Wendling a·埃尔南德斯j j。Bellanger, p .左右,f . Bartolomei”发作人类颞叶癫痫发作的过渡:颅内脑电图的见解从计算模型,”临床神经生理学杂志,22卷,不。5,343 - 356年,2005页。视图:谷歌学术搜索
23. f . Babiloni f . Cincotti c Babiloni et al .,“估计的皮质功能连通性与高分辨率的多通道集成脑电图和fMRI数据直接传递函数,“科学杂志,24卷,不。1,第131 - 118页,2005。视图:出版商的网站|谷歌学术搜索
24. p·d·韦尔奇,“使用快速傅里叶变换的功率谱的估计:一个方法基于时间平均短,修改周期图,“IEEE音频和电声学,15卷,不。2、70 - 73年,1967页。视图:出版商的网站|谷歌学术搜索
25. r·c·奥德菲尔德“偏手性评估和分析:爱丁堡库存,”这项研究,9卷,不。1,第113 - 97页,1971。视图:出版商的网站|谷歌学术搜索
26. Salenius和r·哈里“皮质振荡活动同步电动机行动,”目前在神经生物学的观点,13卷,不。6,678 - 684年,2003页。视图:出版商的网站|谷歌学术搜索
27. j .荷兰,适应在自然和人工系统,密歇根大学出版社,安阿伯市,密歇根州,美国,1975年。
28. k·e·斯蒂芬·l·m·哈里森s . j . Kiebel o . David w . d .便士和k . j . Friston”神经系统动力学的动态因果模型:当前状态和未来的扩展,“生物科学杂志》,32卷,不。1,第144 - 129页,2007。视图:出版商的网站|谷歌学术搜索
29. o . David s . j . Kiebel l·m·哈里森j . Mattout j . m .窑和k . j . Friston”诱发反应的动态因果建模在脑电图和梅格,”科学杂志,30卷,不。4、1255 - 1272年,2006页。视图:出版商的网站|谷歌学术搜索
30. Liley d·t·j . i Bojak,“理解过渡到癫痫痫性活动的建模一般麻醉药物,”临床神经生理学杂志,22卷,不。5,300 - 313年,2005页。视图:谷歌学术搜索
31. j·b·罗k·e·斯蒂芬k . Friston r . s . j . Frackowiak和r . e . Passingham“前额叶皮层显示上下文相关的有效连接电机和视觉皮层的变化在行动或颜色的选择,”大脑皮层,15卷,不。1,第95 - 85页,2005。视图:出版商的网站|谷歌学术搜索
32. g . Buzsaki大脑的节奏,牛津大学出版社,纽约,纽约,美国,2006年。
33. l·m·沃德“同步神经振荡和认知过程,”认知科学趋势,7卷,不。12日,第559 - 553页,2003年。视图:出版商的网站|谷歌学术搜索
34. h . Shibasaki和m·哈雷特“Bereitschaftspotential是什么?”临床神经生理学,卷117,不。11日,第2356 - 2341页,2006年。视图:出版商的网站|谷歌学术搜索
35. t .加索尔,“灵长类动物的前扣带皮层:电机控制,驱动和认知界面,“神经系统科学自然评论,卷2,不。6,417 - 424年,2001页。视图:出版商的网站|谷歌学术搜索
36. n·皮卡德和p . l .击球”运动区内侧墙:回顾他们的位置和功能激活”大脑皮层》第六卷,没有。3、342 - 353年,1996页。视图:出版商的网站|谷歌学术搜索
37. 波斯纳,m . k . Rothbart b . e . Sheese y唐,“前扣带回和自我调节的机制,”认知、情感和行为神经科学,7卷,不。4、391 - 395年,2007页。视图:出版商的网站|谷歌学术搜索
38. a . Stancak jr .)和g . Pfurtscheller”与事件相关的中央beta-rhythms desynchronisation在快步和自学的手指缓慢运动的主导和非惯用手,“大脑的认知研究,4卷,不。3、171 - 183年,1996页。视图:出版商的网站|谷歌学术搜索
39. c·m·戈麦斯j . Marco-Pallares和c·格劳,“脑节奏的位置及其调制预备关注估计电流密度,”大脑研究,卷1107,不。1,第160 - 151页,2006。视图:出版商的网站|谷歌学术搜索
40. c . Neuper和g . Pfurtscheller”,依据不同的β共振频率在人类有关特定感觉运动皮质脑电图,”临床神经生理学,卷112,不。11日,第2097 - 2084页,2001年。视图:出版商的网站|谷歌学术搜索
41. f·h·洛佩斯·达席尔瓦,j·e .·沃斯·j . Mooibroek和a . van鹿特丹”的相对贡献的皮层和丘脑-皮质过程代α节律,揭示了偏相干分析,“脑电图与临床神经生理学,50卷,不。5 - 6,449 - 456年,1980页。视图:出版商的网站|谷歌学术搜索
42. y古德菲瑞德、y Yarom戈夫,“阈下的振动和共振频率在天竺鼠皮质神经元:生理学和造型,“《生理学第3部分,卷。483年,第640 - 621页,1995年。视图:谷歌学术搜索
43. r·r·Llinas a . a .优雅,y Yarom,“体外哺乳动物的大脑皮层中的神经元层4展览固有振荡10 - 50赫兹频率范围的活动,“美国国家科学院院刊》上的美利坚合众国,卷88,不。3、897 - 901年,1991页。视图:出版商的网站|谷歌学术搜索
44. j·g·r·杰弗瑞·r·d·特劳布·m·a·惠廷顿,”神经网络诱导40 Hz的节奏,”神经科学的趋势,19卷,不。5,202 - 208年,1996页。视图:出版商的网站|谷歌学术搜索
45. k . j . Friston l·哈里森,w .一分钱,“动态因果模型,”科学杂志,19卷,不。4、1273 - 1302年,2003页。视图:出版商的网站|谷歌学术搜索
46. f . de维科Fallani l . Astolfi f . Cincotti et al .,“脑网络分析高分辨率脑电图记录应用程序的理论图索引”IEEE神经系统和康复工程,16卷,不。5,442 - 452年,2008页。视图:出版商的网站|谷歌学术搜索
47. d . Mattia f . Cincotti l . Astolfi et al .,“运动皮层反应尝试运动四肢瘫痪:来自neuroelectrical成像的证据,”临床神经生理学,卷120,不。1,第189 - 181页,2009。视图:出版商的网站|谷歌学术搜索
48. p . j . Roback和r·a·阿斯顿”明智地使用多个假设测试。”保护生物学,19卷,不。1,第267 - 261页,2005。视图:出版商的网站|谷歌学术搜索
49. r·d·特劳布A . Bibbig A . Fisahn f . e . n . Lebeau m·A·惠廷顿和e·h·布尔”的典范gamma-frequency网络振荡诱导大鼠CA3区域碳酰胆碱体外,”欧洲神经科学杂志》上,12卷,不。11日,第4106 - 4093页,2000年。视图:出版商的网站|谷歌学术搜索
50. k . j . Friston w·彭妮,c .菲利普斯s Kiebel g .辛顿和j . ashburn”在神经影像:古典和贝叶斯推理理论”,科学杂志,16卷,不。2、465 - 483年,2002页。视图:出版商的网站|谷歌学术搜索

版权

版权©2009年菲利普Cona等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。