独立したコンポーネントの同等のダイポールソースローカリゼーション

マクロスコピックな脳の活性化ダイナミクスの推定は、逆問題の根本的な性質です。与えられたEEGデータに対して、任意の数の脳情報源活性分布が発見することができます 生成します。 これは、可能な脳の数があるためです ソースの他の, 共同で, スカルプデータを追加する. このEEG inverseは、 自然の性質に関する追加の仮定を作る必要があります ソース分布。 複雑なアプローチを見つけること いくつかの脳電流ダイポール(驚くほど小さい) ほとんど似ている頭皮への投影を要した電池) 観察された頭皮の配分。 このチュートリアルでは、

目次

• 独立したコンポーネントの同等のダイポールソースローカリゼーション
  • ICAコンポーネントローカライズ
  • ICAコンポーネントの文献
  • ダイポール
    • コンポーネントダイポールフィッティングのデータの準備
    • 関心のあるコンポーネントを選択
    • 初期フィッティング - 粗粒グリッドでスキャン
    • ダイアモンドをプロット
    • スカルプマップ上にダイポールをプロット
    • ファインフィット（反復最適化）
    • 対称ダイポールのフィッティング
    • 自動ダイポールフィッティング
    • ダイポールモデルの高度な可視化
  • DIPFITリザーブ
  • DIPFITとは
  • DIPFIT構造と機能
  • 文献参照

ICAコンポーネントローカライズ

残念ながら、1つ以上の場所を見つける問題 同時に活動的な同等のダイポールもユニークではない ソリューション、および「ベストフィット」ソリューションは、観察された状況に応じて異なります。 ソースにカルプ分布(s) インバージョン EGを解決する 逆の問題は、フィッティングスカルプマップに焦点を合わせている傾向があります シングルのダイポーラのスカルプマップは、例えば、非常にアクティブであることが期待されます ERP(または磁気ERF)の初期値は、 コルテックスの感覚情報の最初の到着。 他は合うことを試みます ERP (または ERF) の周波数に複数のダイポール ソース should あります。 このアプローチはしばしば基づいていないために批判されている 観察されたデータに完全にあり、バイアスまたは無視される。 ICAによるEEGソースの分離は 効果的なソースプロセスは根本的に異なるアプローチです。 データだけでなく、頭皮電極への投影のパターン（コンポーネントスカルプマップ）が、より明確に（つまり、 “dipole-like” 生 EEG または ほとんど パープル ERP ̇ タイムポイント – 電極の位置がない場合でも (Delorme et al., 2012。 詳しくはこちら ほぼ単一の同等の脳ダイポールの投影に一致することが示されています。

この結果は ローカルのコンポーネントの構成 フィールドポテンシャル(LFP) は、接続されたドメインまたはパッチの処理をおこないます。 コルテックス。 なので ローカルの相関関係はより長い範囲より大いにより高い密度を持っています 接続、同期の結合を仮定することは適度です ICA によって 隔離される , 正式な 脳神経活動 領域の脳。 スカルプマップは、 単一の同等性ダイポールの投影(または場合によっては、二国間的に dipoles の対。 シングルまたは2ダイポールコンポーネントモデルのベストフィット 意外に低い（下記参照）。これは、ICAコンポーネントのスカルプマップが 1つの（または2つの対称な）パッチからの活動の投影を表す 皮質。

幸いなことに、単一の同等の位置を見つけることの問題 ダイポールのスカルプマップへの投影を計算することは、ヘッドモデル 各頭皮の電極の位置と各々の抵抗を指定する 可能(脳) ソースの場所。 数学的に、コヒーレントローカルフィールド ‘cortical patch’ は ‘LFP’ です。 equivalent 無限のダイポールの頭皮 投影パターンは空間の共同投影と一致します パッチ全体で一貫した活動。 一般的に、等価の所在地 そのようなダイポールは、パッチの中心に必ずしも正確に位置するわけではありません。 特に、もし パッチは放射状指向(例えば、角質ジラス)であり、したがって 重ねる頭皮の表面に直面して、同等の棒は傾向にあります コルテソースパッチよりも若干深くなります。 しかし、その場所は このタイプの有効なソースの同等のダイポールはあります 条件を渡る比較し、容易な比較的容易および容易 トピック 現在のところから有効なソースという用語を使用します。 皮質のジャイラスの角度によって、スカルプEEGは空間的に、 (フェーズアウト) 同じドメインまたはいずれかのドメインからの活動 相続的な貢献のために類似した相関パッチ 小さいドメインは、頭皮で互いに取り消す傾向があります 記録電極(フェーズキャンセル)。 そのため、実際のところも より角質ドメイン LFP は、 空間的に一貫性のある効果的なソースパッチ、それらのネットの貢献 最小となる傾向にあり、頭皮EEGに対する寄与は効果的なソースのみが支配的になります。

EEGLABの2つに。 独立した同等のダイポールの位置をローカライズするためのプラグイン スカルプマップ: (1) DIPFIT プラグインは、現在説明している、(2) 神経電磁気フォワードツールボックス(NFT)DIPFIT は、EEGLABのデフォルトのソースローカリゼーションプラグインです。NFTは、分散ソースローカリゼーションをサポートし、被験者個人のMRIからヘッドモデルを作成できます。

ICAコンポーネントの文献

ICAコンポーネントは参照フリーです。EEGLABでは、ICAコンポーネントのスカルプトポグラフィを計算する際に、平均参照を使用します。しかしながら、この参照は頭皮全体の平均電位の近似にすぎません。ICAのトポグラフィとダイポールフォワードソリューションは非常に近い近似となります。スカルプトポグラフィの参照選択は、ソースローカリゼーションの結果にほとんど影響しません。

実際には、参照の選択はダイポールフィッティングの結果にわずかな影響しか与えません。残差分散の小さいモデルが良好なダイポールトポグラフィを示します。

ダイポール

コンポーネントダイポールフィッティングのデータの準備

EEGLABのデータセットでICAコンポーネントにダイポールをフィットするには

1. インポートチャネルの場所を使用して 編集 → チャネルの場所 メニュー項目。
2. 高いパス フィルターはデータを使用してろ過します 基本のFIRをクリアする メニュー項目。
3. 独立したコンポーネント分析を実行します。 ICA は、 メニュー項目。
4. ヘッドモデルを選択します。 ツール → DIPFIT → ヘッドモデルと設定 メニュー項目を使用します。

これらの手順の詳細については、チュートリアルの対応セクションを参照してください。 ダイポールフィッティングを説明するには、チュートリアルデータセットを使用します。 eeglab_dipole.set 関数を参照してください。

メニュー項目を選択 ファイル → 既存のデータセットを読み込む “eeglab_dipoles.set” のチュートリアルでは、

DIPFITのヘッドモデルを設定するには、EEGLABメニューから ツール → DIPFIT → ヘッドモデルと設定を選択します。詳細は ヘッドモデル選定 チュートリアルのセクション。

関心のあるコンポーネントを選択

特定のコンポーネント(IC) サンプルデータセット分解の5つは典型的な左のポスターです アルファのリズム プロセス。 コンポーネントのスカルプマップをプロットするには、メニュー項目を使用する コンポーネントマップ → 2Dでを選択し、コンポーネント番号 5 を入力します。

2つのステップは、同等のダイポールモデルを作成するために必要です 独立した部品:

• 格子スキャン: これは粗いスキャン可能な位置を含みます 各コンポーネントに相当するダイポールの開始位置を見つけます。
• 非線形最適化: 各ダイポールの最良の位置を見つけるための最適化アルゴリズムを実行します。

これらの手順を詳細に説明します。 グリッドに注意 スキャンと非線形の最適化も自動的に実行される 選択したコンポーネントのグループ。 これは、後で説明します。 チュートリアル

初期フィッティング - 粗粒グリッドでスキャン

まず、粗いグリッドスキャンを実行して、脳全体から最適な開始位置を見つけます。 このグリッド検索のソリューションは非常に正確ではありません しかし、彼らは非線形のための開始場所として受け入れられています 最適化。 これらの最高のグリッドの場所から、速度を上げる 最終的なベストフィットソリューションを見つける。 粗いグリッドでダイポールをスキャンするには、 ツール → DIPFIT → 粗いフィット(グリッドスキャン) メニュー項目。 ウィンドウ 以下がポップアップ表示されます。

コンポーネント(s)、サブセット 適合する部品。 いくつかのコンポーネントのみを選択すると、 前方モデルがまだ持っているので計算速度を増加して下さい グリッドの各位置で計算する。 グリッドイン X-direction、Y-directionのGridZの方向の編集ボックスのGrid 粗いグリッドのサイズと間隔を指定できます。 によって デフォルトでは、DIPFITは電極位置に最もフィットする球のradius範囲内でグリッドを設定します。 同等なダイポールは、低半球の低半球にある可能性はない デフォルトでは、DIPFITは下半球のダイポールを除外します。 最後の箱編集、Rejectionのしきい値RV(%)は、置く、ある 受け入れられる最大の残留期間のしきい値。 これを使う しきい値、ジポーラフィールド分布に似ていないコンポーネント Okを押して続行します。

粗い格子の進歩 ダイローカリゼーション中、 BEMのヘッドの皮を写す データセットの電極はnotです DIPFITは3Dグリッドの各位置について、 頭の外にある場所。 前方モデルを計算します 各グリッドの位置で(ダイポール・ツー・エレクト・プロジェクション) すべてのコンポーネントのトポグラフィと比較します。

ダイアモンドをプロット

プロセスが完了したら、 選択する ツール → DIPFIT → プロットコンポーネントダイポール メニュー

Okを押すと、以下のプロットが表示されます。

ここでは、プロットされたすべてのダイポールは、残留差を持っていた(彼らの指示に従ってください コンポーネントのマップ) 40%未満(粗いグリッド検索で指定) ウィンドウ上のx, y, z のグリッド間隔を調節できます。 *Plot 1 * コンポーネントのコンポーネント 残留期間は、その番号の下に示されます。

スカルプマップ上にダイポールをプロット

メニュー項目 プロット → コンポーネントマップ → 2Dでを選択し、コンポーネント番号編集ボックスに 1:12 を入力してプロットします。

以下のプロットがポップアップ表示されます。 コンポーネント関連のダイポールの2次元予測は、コンポーネントのスカルプトポグラフィにオーバーレイされます。 各コンポーネントの残差分散（パーセント）は、コンポーネント番号の横に示されます。

ファインフィット（反復最適化）

対話的にダイポールをフィットするには、DIPFIT → ファインフィット(iterative) ダイポール メニュー項目を選択します。 次のウィンドウがポップアップ表示されます。 コンポーネントのインデックス(以下、5)を入力します。

• コンポーネントをフィット* 編集ボックスにします。

Plot mapボタンでコンポーネントのスカルプマップを表示できます。Fit dipole(s)ボタンを押すとダイポールフィッティングが実行されます。Plotボタンで、フィッティング結果のダイポール位置を3Dで表示できます。

コンポーネントの極性は固定されていないことに注意してください。コンポーネントのスカルプマップの値と アクティベーション値(例えば、プロジェクト後のコントリビュート) scalpdata to コンポーネントは、翻訳済みデータ単位(例えば、 microvolts, しかし,ScalpuMapと極性 値が途方もない。 例えば、両方のスカルプを掛けることができます。 -1 を掛けても、頭皮へのバックプロジェクションは変わりません（2つの負の要因がキャンセルされるため）。その結果、視覚化されたダイポールの方向がフリップする場合があります。Flip in|out ボタンを押しながら、Plot ダイポール(s) ボタンをリプロットします。 指示されたオリエンテーションが逆転したダイポール。

重要な注意: Okボタンを閉じる *Cancel は、 窓 – なら、すべてのダイポールの位置は計算されます このインターフェイスは失われます!

対称ダイポールのフィッティング

コンポーネント 3 を選択します。このコンポーネントは、 単一ダイポールを使用して正確にモデル化。 このコンポーネントに合わせる 対称配置2 ダイポール(corpus) ミドルライン、ダイポール 1 と 2 は ‘active’ と ‘fit’ (by) になります。 GUI のチェックボックス。 選択されたダイポールポジション*ボタン。 フィッティングが失敗した場合は、異なる 開始位置(例:[-10-68 17])は、最初のダイポールと[10-68 17] 2番目のダイポールとリジットのために。

PlotMap ボタン ダイポール 右上隅の2ダイポールモデルの低残留分散 インタラクティブなインターフェイス。

自動ダイポールフィッティング

自動ダイポールフィッティングは、グリッド検索と非線形最適化を人間の介入なしで複数のコンポーネントに対して実行します。 あなたの選択のコンポーネントのための最高のフィット同等のダイポールを見つける、選択 EEGLABについて ツール → ダイポールの検索 DIPFIT → オートフィット(グリッドスキャン、プロット) メニュー項目。 コンポーネントのインデックスを5に設定し、入力 rejectionのしきい値の編集ボックス100は反復の解決です 粗いフィットの残留分散に関係なく計算され、 Plot 結果のダイポールチェックボックスコンポーネントのダイポールをプロットする Okを押して実行します。

この機能はまずグリッドスキャンを実行して、各コンポーネントの開始位置を見つけます。 それからそれは非線形を使用します 各々の正確なダイポール位置を見つけるための最適化アルゴリズム コンポーネント。 手順の最後に、次のウィンドウがポップアップ表示されます。

dipplot.m を使用すると、マウスで3Dヘッドモデルを回転させることができます。

ダイポールモデルの高度な可視化

メニュー項目 ツール → DIPFIT → プロットコンポーネントダイポール を選択し、コンポーネント番号3と5を入力します（両方にフィットしたと仮定します） 上記のようにコンポーネント3と5。 以下に示すすべてのオプションを選択します。

以下のプロットポップアップ。

Plot oneボタンを押すと、1つずつダイポールが表示されます。Nextボタンで次のダイポールに進み、現在プロットされているダイポールが表示されます。 注意する Plot closest MRI slicesオプション ディプロットウィンドウ* タイトなビュー*ボタン、 その場所は、MRIの点でもあります。 以下は、 3Dについて マウスと/または3つの枢機卿を選択するタイトなビュープロット 左下制御を用いる視野角(左、冠、上) ボタン。

ダイポールの「茎」（方向を示す線）の表示・非表示を切り替えることができます。

最後に、再びメニュー項目 ツール → DIPFIT → プロットコンポーネントダイポールを呼び出します。 プレス Ok.

比較のために、球面モデル、ダイポールの位置を使用して 次の画像(この画像を取得するには、球面ヘッドモデルと赤面ダイポールフィッティングを選択します)に示すようにされています。 類似性について 2つのモデルのTalairach座標。また、通知 2つのモデル（BEMモデル） 球面面のプロットのMRIは、PerepMNIの脳です(上) 約150件 BEMからプロットを注文 MNIのモデルを リードフィールド行列)。

プロットに使用されるMRIは、SPMソフトウェアを使用してMNI座標系に正規化されたテンプレートMRIです。

DIPFITリザーブ

DIPFITは、ICAコンポーネントのeLoretaソリューションも提供しています。eLoretaは分散ソースローカリゼーション手法です。

すでに行っていない場合は、 eeglab_dipole.set 関数 EEGLABのチュートリアル ファイル → 既存のデータセットを読み込む “eeglab_dipoles.set” のチュートリアルでは、

ソースローカリゼーションを実行するには、ツール → DIPFIT → eLoreta メニュー項目を選択します。コンポーネント番号を入力し、Okを押します。

このコンポーネントの結果が示されています ELoreta は、FieldTrip の関数を実装しています。 ソースのローカリゼーション FieldTrip ft_sourceanalysis.m は、

DIPFITとは

MEGデータでのDIPFITの使用についてはチュートリアルの他のセクションを参照してください。

DIPFIT構造と機能

EEGLAB は、 DIPFIT 関数は、スタンドアロン、 コマンドラインからも呼び出されます。 何かを呼ぶときの注意 EEGLABのテキストは、EEGLABのDIPFITメニューの項目です。 EEGLABのコマンド履歴を参照することで、対応するコマンドライン関数を確認できます。 スクリプトは ツール → DIPFIT → Autofit および ツール → DIPFIT → ヘッドモデルと設定で生成できます。 コマンド履歴を表示します。

DIPFITの結果は、EEG.dipfitサブ構造体に格納されます。この構造体はEEG データセットの構造。 この構造には、いくつかのフィールドがあります。

| | | |—————————-|———————————————————————————————————————————————————————————————————————————————————————————————————| EEG.dipfit.hdmfile _ モデルネームやヘッドの導電性を有効にします。 EEG.dipfit.mrifile | ダイポールのプロットに使用するMRIファイル EEG.dipfit.chanfile _ 現在のヘッドモデルに関連したチャネルファイルです。 | EEG.dipfit.coordformat | 座標系の形式（MNIまたは球面座標）。 | EEG.dipfit.coord_transform | 電極座標からヘッドモデル座標への変換パラメータ。 | EEG.dipfit.chansel | ダイポールフィッティングに使用するチャンネルのインデックス。 | EEG.dipfit.model | ダイポールの位置と向きの3次元座標情報。 | EEG.dipfit.model.rv | ダイポールモデルのポテンシャル分布とコンポーネントのスカルプマップとの残差分散。

EEG.dipfit.model.select	コンポーネントのモデルが生成され、ダイポールが選ばれるものを選ぶ。
EEG.dipfit.current	現行コンポーネントの構成要素

DIPFIT関連の主な関数:

• pop_dipfit_settings.m 関数: DIPFIT パラメータ, アンカーヘッドモデル
• pop_multifit.m: 複数のコンポーネントに対する自動ダイポールフィッティング。

機能の構成:

• dipfitdefs.m: DIPFITのデフォルト値を設定します。

文献参照

M. Scherg, ダイポールの潜在的ファンダメンタル 「Auditory は、磁場と電位をそのままに」 Grandori、M. Hoke、G.L.ロマニ。 オーディオ関連の問題、Vol.6 カルガー、バー、ベル、pp 40-69、1990。

R. Kavanagh、T. M. Darcey、D. Lehmann、D. H. フェンダー。 「評価」 電力源の三次元ローカリゼーションのための方法 IEEEのバイオメディカルエング、* 25:421-429、1978年

T. F. Oostendorp と A. van Oosterom。「不均質な体積導体における電位分布」、IEEE Trans Biomed Eng、1989年。

---