文摘
我们这里比较结果通过应用流行的方法减少工件在脑磁图描记术(MEG)和脑电图(EEG)记录的听觉诱发消极不匹配(MMN)在健康成年受试者的反应。我们比较了信号空间分离(SSS)和时间SSS (tss)方法从外部和附近的来源减少噪音。我们的研究结果表明,tss降低干扰水平比普通SSS更可靠,尤其是对梅格梯度仪对健康受试者不穿强烈干扰磁性材料。因此,建议tss在瑞士。此外,我们发现更好的工件校正是通过应用独立分量分析(ICA)相比,信号空间投影(SSP)。尽管SSP减少基线噪音水平超过ICA SSP也显著降低了signal-slightly超过它减少了工件干扰信号。然而,ICA还增加了噪音,或修正错误,波形时,信噪比(信噪比)的原始数据是相对低特定脑电图和梅格磁强计的数据。总之,在SSP ICA建议,但一个人应该小心当应用ICA减少对神经生理学数据与工件相对较低的信噪比。
1。介绍
诱发反应的录音(也称为与事件相关电位、erp或与事件相关的字段,小块土地)和脑电图(EEG)、脑磁图(MEG)被广泛应用在认知和临床神经科学的方法。研究和临床应用的主要挑战之一是诱发反应的普遍强烈电磁干扰信号的外部对象和设备周围梅格附近或脑电图测量环境以及机械和生物电磁源来自头部和身体的其他部分的主题。自环境噪声的干扰,例如,实验室力学和电子设备可能是几个数量级比感兴趣的大脑信号(审查,例如,(1]),有必要从记录中删除这个噪声测量过程中或之后。此外,nonencephalic电磁活动,比如从心脏和眼睛和面部肌肉,也记录脑电图或梅格,可以高达一千倍感兴趣的脑的信号(1]。由于这些干扰artifactual信号可以与感兴趣的大脑信号同步,重要的部分可以污染连续测量工件。因此,为了确保可靠的测量,它是必要的,除了应用平均测量跨多个寿命及其诱发响应的数据段,也省略或污染工件正确数据。
在临床常规,病人的数据有一个有限的控制肌肉活动(如中风或痴呆病人或早产儿)或与铁磁植入物(如耳蜗implantees)通常包含大量的工件。在临床实验和测试的时间限制人口排除大量的试验的可能性,将允许丢弃出土文物的。一个可行的替代简单地拒绝的部分记录数据的校正数据。在临床病人记录和与健康受试者在实验环境中,强烈的电磁噪声电子设备,静电,特别是对脑电图也50/60-Hz电源噪声可能显著干扰测量(2]。当记录脑电图结合经颅磁刺激(TMS),方法已经发展为减少强烈的TMS产物出现在记录(3]。在其他情况下,如果两个神经成像模式同时使用,还必须特别注意减少工件来自其他形态。记录脑电图与功能性磁共振成像(fMRI),同时有必要减少成像工件切换造成的梯度域(4]和心冲患工件受试者心脏跳动移动造成的皮肤和电极相对于强磁场中的核磁共振扫描仪(5]。此外,在结合脑电图/梅格记录电极中的一个应该意识到涡流诱导磁场,这可能引入构件梅格录音信号在更高的频率范围;然而,信号频率低于100赫兹不严重影响这些类型的工件6]。
除了外部构件来源,重要的是要减少内部构件的影响来自头部和身体的其他部位的主题。通常,梅格和脑电图记录污染造成的工件相对强劲的眼睛(2,7- - - - - -9]。他们可以眨眼(拿起主要由垂直小城镇)污染尤其是低频或跳阅(可见主要在水平小城镇)也干扰在更高的频率范围,在某些眼跳飙升工件像高频肌肉工件(9]。另一个典型干扰内部构件是由于心肌的电活动,通过测量心电图(ECG或EKG) (2,10]。声音从不同类型的肌肉活动,在肌(EMG)信号,也是一个典型的问题在梅格和脑电图记录(2,11]。这些肌肉工件可能是由于咀嚼咀嚼,吞咽(舌头运动)和呼吸(2]。
不同的方法被开发出来以减少外部和内部的影响原始工件。外部的干扰可以最小化通过应用物理屏蔽技术在实验室(12),使用梯度仪传感器代替磁力计,减去测量外部噪音信号的记录的一个或多个参考传感器或通过在线或离线空间过滤方法。梅格系统Elekta Oy(芬兰赫尔辛基)组成磁力计和梯度仪采用空间滤波技术,如信号空间投影(SSP)和信号空间分离(SSS)及其时间延长(tss)中实现Elekta Neuromag®MaxFilter™软件(13]。SSS法是基于麦克斯韦方程和多通道测量的磁场分布;通过使用由球面调和函数的基础,在传感器阵列信号来源的贡献(大脑信号)可以从外部来源分离数组(13- - - - - -18]。因为瑞士是一个单纯的空间滤波器,它只会降低噪音来自外部来源,它还保留了那些大脑信号振荡的频率作为外部噪声源(14]。然而,附近的来源引起的工件,例如,运动的磁性材料,如牙科括号或植入物,不能充分减少了单独应用瑞士。
此外tss方法能够过滤掉干扰artifactual来源之间的空间大脑和梅格传感器阵列,通过减少信号通过比较常见的子空间的内部和外部空间的时间序列。例如,它已被证明,tss可以定位大脑皮层的来源beamformer方法在临床病人,尽管这些患者穿强磁干扰牙科括号;因此,tss似乎允许扩展临床人口与梅格[相一致17]。
可以减少内部原始工件应用带通滤波(19等)和成分分析主成分分析(PCA)或独立分量分析(ICA) [20.- - - - - -43)或通过记录工件被删除,确定他们的贡献数据的线性回归和减出来10,44,45]。同时,方法忽略了artifactual来源已经实现的一部分来源分析算法(46,47]。关于成分分析方法,应用主成分分析来估计组件解释最高的方差数据,如强烈的工件。ICA可以解释方差估计组件来自统计独立的来源,从而减少的风险包括信号的兴趣导出构件组件。ICA算法,特别是,ICA的infomax版本,已经得到普及作为分离的有效方法记录信号统计独立的组件(43]。通过检查独立组件,只能拒绝artifactual组件减少工件的影响的数据。另一种方法的信号空间投影(SSP)获得了一些流行的开源软件包(48,49]。SSP也分解为组件的数据,通常基于PCA之前;然而,与ICA相比,这些组件可能不是统计独立的,因此有可能同时artifactual和感兴趣的大脑信号可能会减少(48]。
研究使用不同的流行的表演和风险工件校正方法,我们这里比较成果通过应用SSS, tss, ICA和SSP。我们选择研究的性能上的校正方法消极(MMN)响应不匹配,这是一个众所周知的诱发反应(50,51]。特别是,我们想调查(1)tss是否提高了数据质量在健康受试者不穿任何磁干扰植入物;(2)是否更快SSS替代执行以及更多的计算要求tss;和(3)ICA是否可取的SSP(反之亦然),减少在健康受试者中典型的工件。
2。方法
2.1。参与者
十个志愿者的样本从一个更大的数据库命名“Tunteet”被选中(实验协议的描述,请参阅Kliuchko et al .,提交)。参与者被六个女性和四个男性。三个参与者大脑,三人业余音乐家,和四个专业的音乐家。所有的参与者都是右撇子,他们的平均年龄为24.8岁(范围- 35年)。从每个参与者获得书面知情同意,这项研究是由当地伦理委员会批准。
2.2。实验范式
2100 ms的参与者听旋律模式,重复与变化~ 25分钟。从数码钢琴音调旋律模式创建(麦吉尔大学主样本)跟从了西方调性音乐的规则。所有旋律开始有一个三元组(300毫秒)其次是四个单一音调(125 ms的两个和两个300 ms)和一个结束的语气(575毫秒)都由50毫秒沉默的差距。所有旋律之间有一个沉默的差距125 ms。偏差的6种类型被插入到旋律模式来唤起MMN反应不正常的语气与相应的标准。偏差者解释表1(52- - - - - -54]。
总的来说,测试样本中包含120大脑反应,由6个标准和6个越轨的反应条件从每个参与者的十个。
2.3。数据采集
同时梅格和脑电图数据收集BioMag实验室赫尔辛基大学中央医院。测量进行了电和磁屏蔽室(ETS-Lindgren Euroshield, Eura,芬兰)Vectorview™306 -梅格通道系统(Elekta Neuromag, Elekta Oy,赫尔辛基芬兰)配备一个脑电图系统兼容。梅格系统有102 triple-sensor元素,每个组成两个正交平面梯度仪和一个磁力仪。使用64 -通道脑电图电极帽。参比电极放置在鼻子尖,地面电极是在右边的脸颊。眨眼,以及垂直和水平眼球运动,测量四个电极上方和下方的左眼和接近外部两侧眼角落。四头位置指示器线圈放置在脑电图帽。他们的位置是在鼻根和preauricular点由一个Isotrak 3 d数字化仪(美国科尔切斯特,Polhemus VT)。梅格和脑电图数据记录采样率为600 Hz。
在测量期间,受试者舒服地坐着,看着沉默的电影字幕。提出了刺激与演示软件(神经行为系统有限公司)。声音是通过一对气动耳机单独调整音量。
2.4。工件校正
Elekta Neuromag MaxFilter 2.2信号空间分离(SSS)和时间信号空间分离(tss) [13,16]应用分别比较它们各自的性能。SSS和tss,我们使用默认的内部扩张8,外部扩张的顺序3、自动优化基地内外,梅格和自动检测和校正不好的渠道。此外,瑞士和tss的具体精细标定和相声校正数据记录地点和日期。分时系统,我们使用默认的子空间相关性的极限0.980和原始数据缓冲区的长度10秒。空间过滤数据被保存在32位浮点格式在采样率为600 Hz。
内部构件校正信号空间投影(SSP)与外资企业执行Python版本0.11.0 2.7.4-3485外资软件发布版本(它55,56]。我们应用默认的自动设置,每两个主要组件检测到工件类型为眼工件和心脏工件。随后,发现眼部和心脏工件成分预测从数据中删除。
基于独立分量分析(ICA)的内部构件校正是通过应用物流infomax算法的实现runica函数(57为MATLAB®(MathWorks,纳蒂克,马萨诸塞州)。首先,数据主成分人降为64人。独立的组件被估计为脑电图频道,梅格磁力计,梅格平面分别梯度仪。检查生成的组件,一个组件投影/垂直眼球运动,平行眼部运动,或心脏工件类型(解释大多数方差)从数据中删除,当工件组件被观察到。平均每个主题观察工件组件的总数为1.7(1 - 2)脑电图,梅格磁力计1.8(1 - 3),和2.0(1 - 3)梅格梯度仪。
2.5。数据分析
与事件相关的脑电图和梅格响应中提取的实验时间窗的时代0到400毫秒后标准或不正常的语气开始。审判被应用基线baseline-corrected−100 - 0女士之前发作的语气。由于平面沿着两个正交的方向梯度仪传感器测量,每一对纵向和纬度的传感器的数据被应用毕达哥拉斯距离公式,结合实施的实地考察为MATLAB工具箱(Donders大脑研究所认知和行为/马克斯普朗克研究所,奈梅亨,荷兰)(58];。
为了清晰起见,我们在一个频道做后续的分析每个传感器的类型,这些最高的MMN振幅测量在一个典型的MMN延迟范围75 - 200 ms。在本例中,我们分析了从012年脑电图通道与事件相关的波形(额网站),磁强计通道梅格1341(右颞网站),梅格和合并后的平面梯度仪频道2222年和2223年(右颞网站)(见图1)。这些分析渠道表现可靠,没有发现坏通道或受到任何额外的修正。
(一)
(b)
(c)
我们测量了MMN振幅响应每种类型的不正常的语调的平均价值在时间窗口女士从125年到155年后出现的语气。比较噪音利用每个工件校正方法后,我们首先使用一个基线标准偏差的措施。由于平面基线是可取的,我们应用一个基线标准偏差(STD)测量平面度的基线在单个试验(低基线性病意味着更平的基线)(59]。我们计算标准偏差在基线时间点从100−0 ms(相对于刺激发病)分别在每一个试验并提取平均基线性病在试验。同时,最小方差在试验测量信号是可取的。因此,我们也计算每个时间点的信号STD在试验在125年至155年:女士 在哪里是测量值,是平均值,试验数量,是试验的总数18]和我们这些值平均获得平均信号性病。额外的比较,我们应用一个信噪比测量;(18]。
消极不匹配(MMN)诱发响应分析通过比较平均响应的异常刺激与标准刺激(平均响应50,51]。MMN波形也传统计算减去平均响应标准刺激从平均响应异常刺激(50,51]。然而,我们这里分析噪音水平跨多个实验MMN反应,不允许我们创建不同波形通过减去特别对偏差和标准试验在多个同样的配对试验。反应偏差和标准刺激相关MMN的任何后续分析,因此它是重要的知道噪音的刺激反应。因此,我们在这里分析了噪音水平偏差和标准刺激的响应。
是用SPSS统计比较版本20(美国、IBM、纽约Armonk)。因为由此产生的值并不是正态分布,我们应用Wilcoxon符号秩检验比较值后利用不同的工件校正方法。
3所示。结果
3.1。SSS和tss
统计上显著的和略好减少信号的标准差(STD)是通过应用tss相比SSS梅格磁强计和梯度仪数据(见图2)。重要的是,在6%(7/120)的情况下,测试信号性病会增加当应用瑞士梅格梯度仪数据,而信号性病保留或减少当tss方法应用。
(一)
(b)
3.2。ICA和SSP
从大的平均波形与事件相关的响应(在所有参与者和条件),可以看出SSP-based工件校正减少了信号幅度,而信号幅度类似工件校正前后基于ICA(见图3)。
SSP方法导致较低的基线标准偏差(STD)和信号相比,性病ICA方法(见图4)。基线性病甚至似乎增加应用ica工件校正时,特别是对EEG和磁强计通道。然而,梯度仪,ICA收益率略,但统计上显著更好的信噪比,通过应用SSP方法(见图5)。
信噪比通过应用ica工件校正类似于通过应用SSP方法对EEG和磁强计通道。然而,梯度仪应用ICA方法结果在统计上显著,稍微更好的信噪比,通过应用SSP方法(见图5)。
4所示。讨论
我们比较了噪声抑制成果与SSS和tss在健康受试者不穿磁化材料。MaxFilter tss导致更好的抑制工件从外部相比,瑞士和附近的噪音来源。特别是tss的应用而不是瑞士对梅格梯度仪很重要,因为瑞士校正在6%的情况下导致增加了梅格的噪音水平梯度仪数据,因此梯度仪的可靠性数据下降相比,在瑞士。ICA和SSP的性能相比,我们也在减少内部电生理学的工件,来自眼球运动和心脏跳动的参与者。ica工件校正表现好于SSP方法。SSP方法减少信号的一部分利益以及工件,和信噪比后应用ICA方法略高于后应用SSP方法。然而,在ica工件校正基线噪音水平增加,特别是在EEG和磁强计频道,在原始数据信噪比相对较低。这些发现支持减少偏差的措施的重要性与脑电图诱发反应,梅格引起的工件和最小化偏差的重要性在工件校正方法中引入的错误。
关于外部噪声的抑制,我们观察到,平均MMN诱发反应在6%的情况下与梅格梯度仪甚至比以前应用SSS校正后变得不可靠。可能诱发反应的影响附近的工件可以后外部构件与瑞士已经减少了。当tss应用这样的附近的工件诱发反应的影响将会降低。一般来说,似乎与进一步研究是否校正方法减少一种类型的工件,如瑞士,在某些情况下可能会提高其他工件的影响平均与事件相关的波形。
ICA的比较和SSP方法抑制内部构件修正后显示特定的偏见出现。对于SSP方法,有可能感兴趣的工件和信号不正交组件描述48]。我们观察到这个问题在应用SSP工件校正方法,我们发现感兴趣的信号的一部分,减少工件的影响。ICA方法,还有一个风险校正后渠道相对较低的信噪比是实施校正在脑电图频道,磁力仪通道和通道位于冷淡地从信号peaks-additional噪声添加到这些通道。这是由于ICA的错误估计混合矩阵将会增加,当信噪比降低(60]。我们的研究结果强调这个问题显示基线噪音水平增加应用ICA)校正后,特别是在梅格磁强计的脑电图渠道和渠道,以及信噪比的差异之间应用ICA和SSP是脑电图渠道和梅格小磁强计比梅格梯度仪渠道渠道,提出一个相对较小的改进后脑电图和梅格磁力仪通道应用ICA工件校正。
总之,我们的测试结果表明,tss是值得推荐的减少工件来自外部的影响和附近的来源,而不是只瑞士。我们发现噪音水平降低与tss比瑞士在这个示例的脑电图和梅格数据从健康的参与者尽管他们不穿强磁化材料。减少内部生理工件,我们表明,最高的信噪比(信噪比)实现与ica工件校正测试样本。然而,ICA和SSP-based工件修正都受到一定的限制。特别是,一个处理数据时,必须意识到这种风险相对较低的信噪比,如脑电图和梅格磁强计数据,基于ICA工件校正可能减少工件同时增加了噪声干扰,由于增加的上下文中错误估计混合矩阵数据信噪比水平较低。
相互竞争的利益
作者宣称没有利益冲突。