Część 1: Niezależna dynamika spektralnych aktywności EEG o niskiej, średniej i wysokiej częstotliwości podczas formowania ludzkiej pamięci

Kontakt: Audrey Huaudrey.hu@wecistanche.com

Victoria S. Marksa, Krishnakant V. Saboob, Çağdaş Topçuc,d,e, Michal Lechc,d,e,

Theodore P. Thayibf, Petr Nejedlye, g, Vaclav Kremen, h, Gregory A. Worrell, ja,

Michał T. Kucewiczc,e,i,∗

Graduate School of Biomedical Sciences, Mayo Clinic, USA

bWydział Inżynierii Elektrycznej i Komputerowej, University of Illinois, Urbana-Champaign, IL, USA

c Zakład Systemów Multimedialnych, Wydział Elektroniki, Telekomunikacji i Informatyki, Centrum BioTechMed, Politechnika Gdańska, Polska d Instytut Biologii Doświadczalnej im. M. Nenckiego PAN, Warszawa, Polska

Oddział Neurologii, Mayo Clinic, Rochester, MN, USA

Wydział Inżynierii Komputerowej, Iowa State University, Ames, Iowa, USA

g Czeska Akademia Nauk, Instytut Instrumentów Naukowych, Brno, Czechy

h Robotyka i Cybernetyka, Czeski Instytut Informatyki, Czeski Uniwersytet Techniczny w Pradze, Praga, Czechy

Wydział Fizjologii i Inżynierii Biomedycznej, Mayo Clinic, USA

Cistanche może poprawić pamięć

a b s t r a c t

W korze ludzkiej w funkcje poznawcze zaangażowane jest szerokie spektrum rytmów mózgowych. W jaki sposób rytmy o różnych zakresach częstotliwości są koordynowane w przestrzeni kory człowieka i w czasiepamięćprzetwarzanie jest niejednoznaczne. Mogą być skoordynowane razem w całym spektrum częstotliwości w tym samym miejscu korowym i czasie lub indukowane niezależnie w poszczególnych pasmach. Wykorzystaliśmy duży zestaw danych ludzkiej elektroencefalografii śródczaszkowej (EEG), aby przeanalizować czasoprzestrzenną dynamikę aktywności widmowych indukowanych podczas tworzenia wspomnień werbalnych. Kodowanie słów w celu późniejszego swobodnego przypominania aktywowało theta o niskiej częstotliwości, o średniej częstotliwości alfa i beta oraz o wysokiej częstotliwości gamma w mozaikowym wzorze odrębnych miejsc korowych. Większość miejsc korowych rejestrowała aktywność tylko w jednej z tych częstotliwości, z wyjątkiem kory wzrokowej, gdzie moc spektralna była indukowana w wielu pasmach. Każde pasmo częstotliwości wykazywało charakterystyczną dynamikę indukowanej mocy właściwej dla obszaru korowego i półkuli. Siła aktywności o niskiej, średniej i wysokiej częstotliwości propagowana w niezależnych sekwencjach w obszarach kory wzrokowej, skroniowej i przedczołowej w kolejnych fazachpamięćkodowanie. Nasze wyniki dostarczają holistyczny, uproszczony model spektralnych działań zaangażowanych w kształtowanie się człowiekapamięć, co sugeruje anatomicznie i czasowo rozłożoną mozaikę skoordynowanych rytmów mózgowych.

1. Wstęp

Uważa się, że rytmy mózgu wspierająpamięći funkcji poznawczych poprzez koordynację aktywności połączonych neuronów w interakcje synchroniczne (Singer, 1999; Buzsaki, 2006; Fries, 2015; Klimesch, 1996; Fell i Axmacher, 2011). Spektrum czynności rytmicznych zaangażowanych w te interakcje obejmuje theta (3–9 Hz) i gamma

(30–120 Hz) pasma częstotliwości o określonych rolach zaproponowane dla aktywności o niskich i wysokich częstotliwościach wpamięćprzetwarzanie (Düzel i in., 2010; Sauseng i in., 2010; Fries i in., 2007; Tallon-Baudry i Bertrand, 1999; Nyhus i Curran, 2010; Lisman i Jensen, 2013; Herweg i in., 2020) . Pasma częstotliwości pośredniej alfa (9–12 Hz) i beta (12–25 Hz) były również związane z procesami niezbędnymi dla funkcji pamięci (Klimesch i in., 2007; Hanslmayr i in., 2011; Spitzer i Haegens 2017; Schmidt i in. in., 2019; Michalareas i in., 2016). Jak te różne rytmy współdziałają w funkcji w określonej skali czasowej, angażując tylko podzbiór aktywności widmowych w danym zakresie częstotliwości. Na przykład w danym miejscu byłyby wykonywane tylko rytmy theta. Oba scenariusze zgadzają się, że czynności mózgu w określonych zakresach częstotliwości można konceptualizować jako „odciski palców widmowych”, które obsługują określone procesy percepcyjne lub poznawcze w odpowiedniej skali czasowej interakcji neuronalnych (Siegel i in., 2012; Hanslmayr i Staudigl, 2014). . Dokładne uwzględnienie dynamiki tych spektralnych odcisków palców w anatomicznej przestrzeni i czasie ma kluczowe znaczenie dla sprawdzenia tych hipotez i dostarczenia holistycznego modelu aktywności neuronalnej zaangażowanej podczas zadań poznawczych.

Wewnątrzczaszkowe zapisy elektroencefalograficzne (EEG) stanowią wyjątkową okazję do sondowania z wysoką rozdzielczością dużej skali aktywności neuronalnej zaangażowanej podczas poznawczych i innych funkcji mózgu w odrębnych obszarach kory ludzkiej (Lhatoo i in., 2019; Johnson i in., 2020; Jacobs i Kahana 2010; Engel i in., 2005). Sygnały EEG są pobierane z kontaktów elektrod implantowanych bezpośrednio na powierzchni kory nowej lub w jej głębsze warstwy i struktury podkorowe. W ten sposób, aktywności spektralne generowane przez lokalne populacje neuronowe i rejestrowane z wielu oddzielnych kontaktów mogą być śledzone w odrębnych obszarach korowych w czasiepamięćprzetwarzanie. Wcześniejsze badania iEEG powszechnie wykorzystywały moc widmową indukowaną w wysokich zakresach częstotliwości gamma (60–120 Hz) do śledzenia przetwarzania korowego wpamięćoraz zadania poznawcze (Jerbi i in., 2009; Lachaux i in., 2012; Crone i in., 2006; Lundqvist i in., 2018). Theta (Sheehan i in., 2018; Lin i in., 2017) oraz alfa (Staresina i in., 2016) były również badane wcześniej. Wykazano, że aktywność oscylacyjna w częstotliwościach theta i alfa propaguje się jako lokalne, niezależne fale biegnące w odrębnych obszarach korowych podczaspamięćprzetwarzania (Zhang i in., 2018), ale względna dynamika czasoprzestrzenna tych oscylacji o niskiej częstotliwości oraz szybsze działania beta i gamma podczas przetwarzania pamięci pozostają w dużej mierze niezbadane.

W tym przypadku skorzystaliśmy z dużego zestawu danych iEEG obejmującego 164 uczestników kodujących listy słów w celu późniejszego bezpłatnego przywołania ustnego. Wcześniejsze badania dotyczące tego zadania ujawniły rozproszoną sieć obszarów mózgu związanych z przetwarzaniem sensorycznym i deklaratywnym wyższego rzędupamięćfunkcje (Burke i in., 2013; Burke i in., 2014a; Kucewicz i in., 2019). Indukowaną wysoką moc gamma zaobserwowano najpierw w wizualnych obszarach kory potyliczno-skroniowej, a następnie w bardziej przednich obszarach kory przedczołowej, inspirując dwuetapowy modelpamięćkodowanie z wczesnym stadium sensorycznym i późnym etapem asocjacji (Burke et al., 2014a).

Podobną sekwencję mocy indukowanej od tyłu do przodu zaobserwowano również w paśmie częstotliwości theta (Burke i in., 2013) i potwierdzono w aktywnościach poza zakresem częstotliwości gamma (Kucewicz i in., 2014). Nasze ostatnie badanie wykazało sekwencję indukowanej wysokiej mocy gamma podczaspamięćkodowanie, aby było ciągłe z rosnącymi latencjami wzdłuż hierarchii stopniowo obszarów asocjacyjnych wyższego rzędu (Kucewicz i in., 2019), z kulminacją w przedniej korze przedczołowej późno w kodowaniu słów. Wcześniejsze badania iEEG nad przetwarzaniem pamięci werbalnej ograniczały się albo do mniejszych zbiorów danych z nagrań uczestników z rzadkim pokryciem elektrod w korze nowej, albo skupiały się tylko na wybranych pasmach częstotliwości. W związku z tym moc widmowa w różnych pasmach byłaby albo uśredniana przestrzennie w wielu miejscach elektrod w większych obszarach korowych, tracąc w ten sposób rozdzielczość i ziarnistość poszczególnych miejsc, albo nie byłaby badana w ramach aktywności mózgu theta, alfa, beta i gamma.

Biorąc pod uwagę szeroki zakres widma częstotliwości i obszarów mózgu analizowanych zbiorczo w poprzednich badaniach, postawiliśmy hipotezę, że określone aktywności spektralne są indukowane w ziarnistym wzorze dyskretnej warstwy korowej.

lokalizacje. W związku z tym agregowanie aktywności z kilku lokalizacji spowodowałoby zmianę mocy szerokopasmowej w całym spektrum (Kilner i in., 2005), które mogłoby składać się z wielu, specyficznych „odcisków palców” (Fellner i in., 2019). . Dokładna lokalizacja różnych odcisków palców byłaby albo wspólna dla tych samych korowych miejsc zapisu elektrodowego, albo byłaby rozłożona w mozaice różnych miejsc anatomicznych. Podobnie, pod względem czasu, aktywności widmowe o niskiej, średniej i wysokiej częstotliwości byłyby indukowane w różnych czasachpamięćkodowanie lub wszystkie jednocześnie. Oprócz aktywności theta i gamma oczekiwano, że rytmy alfa i beta będą indukowane w różnych miejscach korowych i czasachpamięćkodowanie. Ogólnie rzecz biorąc, testowaliśmy niezależną czasoprzestrzenną dynamikę aktywności spektralnych indukowanych podczas formowania się ludzkiego werbalnegopamięćślady. Naszym celem było dostarczenie holistycznego modelu rytmów mózgowych zaangażowanych w szerokim zakresie częstotliwości, anatomii korowej i fazach kodowania pamięci.

2. Materiały i metody

2.1. Tematy

Zbiór danych zapisów EEG od łącznie 164 uczestników poddawanych chirurgicznej ocenie padaczki lekoopornej został zaczerpnięty z dużego, wieloośrodkowego badania opartego na współpracy (wszystkie dane odidentyfikowane są dostępne na stronie http://memory.psych.upenn.edu/Electrophysiological{ {3}}Dane).

Nagrania zebrano z następujących ośrodków: Mayo Clinic, Thomas Jefferson University Hospital, Hospital of the University of Pennsylvania, Dartmouth-Hitchcock Medical Center, Emory University Hospital, University of Texas Southwestern Medical Center oraz Columbia University Hospital. Jeden wspólny protokół badawczy został zatwierdzony przez odpowiednią instytucjonalną komisję rewizyjną w każdym ośrodku, a od każdego uczestnika uzyskano świadomą zgodę. W przypadku 139 pacjentów włączonych do analizy końcowej, informacje dotyczące liczby ukończonych prób słownych i strefy wystąpienia napadów są podsumowane w Suppl. Tabela 1. Początek napadu był zlokalizowany w prawej półkuli u 46 pacjentów, w lewej u 55, obustronnie u 26 i nieokreślony u 12. Informacje demograficzne, takie jak wiek i płeć, były dostępne tylko dla 85 pacjentów (średnia wieku 35,6 lat). z odchyleniem standardowym 11,6 lat; 43 kobiety do 42 mężczyzn, załącznik Tabela 1) ze względu na ograniczony dostęp do wrażliwych informacji medycznych z wielu ośrodków klinicznych, które zebrały zagregowany zestaw danych. Zapisy elektrofizjologiczne zebrano ze standardowych klinicznych elektrod podtwardówkowych i głębinowych (AdTech Inc., PMT Inc.) wszczepionych odpowiednio na powierzchni korowej i do miąższu mózgu. Podtwardówkowe styki elektrod były ułożone w konfiguracji siatki lub paska z odstępem 10 mm, a styki elektrod w głębokości były oddzielone od 5 do 10 mm. Umieszczenie elektrod zostało określone przez zespół kliniczny w celu zlokalizowania ognisk napadów padaczkowych w przypadku ewentualnej operacji lub wszczepienia urządzenia do terapeutycznej elektrycznej stymulacji mózgu.

2.2. Lokalizacja anatomiczna i mapowanie powierzchni mózgu

Parcelacje powierzchni korowej zostały wygenerowane dla każdego uczestnika na podstawie skanów MRI przed implantacją (sekwencje wolumetryczne T1-ważone) za pomocą oprogramowania Freesurfer (RRID: SCR_001847). Hipokamp i otaczające regiony korowe zostały wytyczone oddzielnie w oparciu o dodatkowy 2 mm grubości koronalny skan ważony T2- przy użyciu metody segmentacji wieloatlasowej Automatic Segmentation of Hippocampal Subfields (ASHS). Współrzędne kontaktu elektrod uzyskane ze wspólnie zarejestrowanych skanów CT po implantacji zostały następnie zmapowane na skany MRI przed implantem, aby określić ich położenie anatomiczne. W przypadku pasków i siatek podtwardówkowych styki elektrod były dodatkowo rzutowane na powierzchnię korową za pomocą algorytmu minimalizacji energii, aby uwzględnić pooperacyjne przesunięcie mózgu. Miejsca kontaktu zostały przeanalizowane i potwierdzone na powierzchniach i przekrojowych obrazach przez neuroradiologa. Skany T1-ważonego MRI zostały również zarejestrowane w standardowym mózgu MNI152, aby umożliwić porównanie miejsc rejestracji we wspólnej przestrzeni wśród badanych. Anatomiczne lokalizacje miejsc rejestracji, w tym obszary Brodmanna, zostały wyznaczone poprzez konwersję współrzędnych MNI na przestrzeń Talairach i odpytywanie demona Ta-Talairach (www.talairach.org).

2.3. Nagrania elektrofizjologiczne

Sygnały EEG rejestrowano przy użyciu jednego z następujących klinicznych systemów akwizycji elektrofizjologicznej (w zależności od instytucji zbierającej dane): Nihon Kohden EEG-1200, Natus XLTek EMU 128 lub Grass Aura-LTM64. W zależności od systemu akwizycji i preferencji zespołu klinicznego, sygnały były próbkowane z częstotliwością 500, 1000 lub 1600 Hz i odnosiły się do wspólnego kontaktu umieszczonego wewnątrzczaszkowo, na skórze głowy lub wyrostku sutkowatym. W celu analizy wszystkie nagrania wykorzystujące wyższe częstotliwości próbkowania zostały przefiltrowane przez filtr antyaliasingowy i poddane próbkowaniu w dół do 500 Hz. Wspólny montaż dwubiegunowy obliczono post hoc dla każdego pacjenta, odejmując zmierzone szeregi czasowe napięcia na wszystkich parach sąsiadujących przestrzennie styków. Spowodowało to N-1 sygnałów dwubiegunowych w przypadku elektrody penetrującej i paska, oraz N=(i − 1)∗j plus (j − 1)∗I, gdzie i oraz j są liczba kontaktów w pionowym i poziomym wymiarze siatki. Do analizy danych z tego badania, jedna „elektroda” odnosi się do sygnału bipolarnego z jednej pary styków bipolarnych. Należy zauważyć, że styki mogą być używane do wielu elektrod, więc nie wszystkie sygnały są naprawdę niezależne.

2.4. Bezpłatne zadanie przywołania

Klasyczny paradygmat badania powstawania werbalnych epizodówpamięć(Kahana, 2014), w którym badanym pokazywano listy słów do późniejszego swobodnego przywołania. Uczestnicy zostali poinstruowani, aby przestudiować listy słów prezentowanych na ekranie laptopa w celu wykonania opóźnionego testu przywoływania głosu. Listy składały się z 12 słów wybranych losowo i bez zastępowania z puli rzeczowników o wysokiej częstotliwości w ojczystym języku podmiotu (angielskim lub hiszpańskim; http://memory.psych.upenn.edu/WordPools). Każde słowo pojawiało się na ekranie przez 1600 ms, po czym następował losowy drganie o długości 750 do 1000 ms przerwy między bodźcami. Na końcu każdej listy słów podmiot wykonywał zadanie rozpraszające. Zadanie to trwało 20 s i składało się z szeregu prostych zadań arytmetycznych formatu A plus B plus C, gdzie A, B i C były losowymi, jednocyfrowymi liczbami całkowitymi od 1 do 9. Po zadaniu dystraktora, uczestnicy otrzymali 30 s na przywołanie jak największej liczby słów z listy w dowolnej kolejności (ryc. 1). Odpowiedzi głosowe były rejestrowane cyfrowo przez laptop, a następnie ręcznie oceniane do analizy. Do dalszej analizy włączono jedynie osoby, które przypomniały sobie co najmniej 15% słów i wypełniły co najmniej 12 list zadania (Long i in., 2014). To pozostawiło 139 ze 164 oryginalnych pacjentów, co daje łącznie 14 219 elektrod użytych w tym badaniu. Zapisy logiczne elektrolizy synchronizowano z pojawieniem się bodźca na ekranie za pomocą generatora impulsów elektrycznych obsługiwanego przez komputer zadaniowy, który wysyłał impulsy do wyznaczonego kanału zdarzeń w systemie akwizycji klinicznej. Zdarzenia zostały po sesji nagraniowej opatrzone znacznikiem czasu za pomocą niestandardowych kodów MATLAB i zostały wykorzystane do wyodrębnienia konkretnych interesujących epok wokół prezentacji słownej. Każda rejestrowana epoka miała długość 3000 ms i obejmowała 1600 ms prezentacji słów na ekranie z 700 ms wygaszonego ekranu w odstępie międzybodźcowym przed i po prezentacji każdego słowa.

Uśredniona w próbie moc widmowa sygnałów EEG z epok prezentacji słów (jedno słowo na próbę) została zintegrowana w całej epoce i wykorzystana jako funkcja do klasyfikacji aktywnych elektrod, które rejestrują z obszarów mózgu zaangażowanych w werbalnepamięćkodowanie. Elektrody aktywne sklasyfikowano niezależnie w sześciu pasmach częstotliwości widma EEG przy użyciu znormalizowanych szacunków zmiany mocy (transformacja z-score). W procedurze klasyfikacji wykorzystano nienadzorowaną metodę opartą na Gaussian Mixture Model (Saboo i in., 2019). Zwróć uwagę na indukowaną aktywność we wszystkich sześciu pasmach częstotliwości na przykładowym spektrogramie wykreślonym na podstawie uśrednionej z próby aktywności z jednej elektrody zlokalizowanej w korze potylicznej.

2.5. Analiza danych

Przeanalizowaliśmy epoki nagrywania iEEG podczas prezentacji słownej dlapamięćkodowanie. Każda epoka prezentacji została przefiltrowana w podczerwieni (2000- rząd Barletta-Hanninga z filtrowaniem zniekształceń fazy zerowej, pasmowoprzepustowość z limitami częstotliwości określonymi dla każdego pasma częstotliwości), po czym została rozłożona widmowo, znormalizowana i podzielona niezależnie na odrębne pasma częstotliwości pomiędzy 2 i 120 Hz: niski theta (2–4 Hz), wysoki theta (5–9 Hz), alfa (10–15 Hz), beta (16–25 Hz), niski gamma (25–55 Hz) i wysoki gamma (65-115 Hz). Granice dla tych pasm częstotliwości wyznaczono na podstawie nienakładających się i ciągłych zakresów rosnących w szerokości wzdłuż widma częstotliwości. Wybrano górną granicę 115 Hz, aby zapewnić co najmniej 4 próbki na cykl przy częstotliwości próbkowania 500 Hz i aby uniknąć harmonicznej szumu linii 60 Hz. Aby przekonwertować przefiltrowane sygnały na spektrogram z a

Rozdzielczość przedziału częstotliwości 2 Hz od 2 Hz do 115 Hz, zastosowaliśmy przesuwne okna 500 ms z długością slajdów 5 ms oraz metodę wielostożkową z 1 stożkiem z chronicznego zestawu narzędzi w MATLAB (http://chronux.org/; Mitra, 2007). Spektrogramy epoki prezentacji słów uśredniono razem po normalizacji logarytmicznej i transformacji z-score każdego punktu czasowo-częstotliwościowego. Z-scoring przeprowadzono według następującego wzoru:

x(t, f) − μ

z(t, f)=σ

gdzie x to sygnał, t to przedział czasu, f to przedział częstotliwości, f to średnia, a f to odchylenie standardowe dla danej częstotliwości. Każda próba była znormalizowana oddzielnie. Wprowadzono normalizację logarytmiczną, aby skorygować wpływ prawa mocy 1/f niższych częstotliwości na szacowanie mocy w wyższych pasmach częstotliwości, a także przeprowadzono transformację z-score w celu zapewnienia znormalizowanej skali zmian mocy dla porównania sygnałów z różnych elektrod , sesje i uczestnicy (Kucewicz i in., 2019, 2017; Saboo i in., 2019). Ta normalizacja z-score powoduje dodatnie i ujemne zmiany mocy w stosunku do mocy średniej w dowolnej epoce jednego słowa zamiast używania okresu „podstawowego”. W związku z tym nawet niewielkie dodatnie lub ujemne odchylenia mocy absolutnej byłyby efektywnie zwiększane w stosunku do średniej sygnału, jak opisano wcześniej (Kucewicz i in., 2019; Alotaiby i in., 2015). Artefakty krawędziowe w oszacowaniu mocy zostały wyeliminowane przez obcięcie dwukrotnych przedziałów z obu końców końcowego spektrogramu dla wszystkich częstotliwości. Dla każdej elektrody i pasma częstotliwości określiliśmy średnią moc widmową w każdym przedziale czasu we wszystkich epokach prezentacji słów. Całkowitą moc indukowaną w danym paśmie częstotliwości podczas okresu prezentacji słowa obliczono jako obszar pod wartością bezwzględną odpowiedniej krzywej szeregów czasowych, jak pokazano na rys. 1. Elektrody zostały następnie sklasyfikowane na „aktywne” i „nieaktywne” w każdym konkretnym paśmie przy użyciu naszej nienadzorowanej metody grupowania opartej na modelowaniu mieszanin gaussowskich (GMM), aby zidentyfikować te, które wykazywały zmiany mocy wywołane zadaniami (Saboo i in., 2019 ). Metoda ta zasadniczo przeprowadza binarną klasyfikację uczenia maszynowego kanałów aktywnych i nieaktywnych na podstawie wartości mocy indukowanej każdego kanału. Klasyfikacji dokonano oddzielnie dla każdego interesującego pasma częstotliwości. Całą procedurę podsumowano na ryc. 1.

Wybraliśmy metodę opartą na GMM, aby zapewnić, że różne liczby odzwierciedlają transakcje byłyby dozwolone dla klastrów aktywnych elektrod i nieaktywnych elektrod. Liczba klastrów została ustawiona na dwa, ponieważ kategoryzacja elektrod aktywny-nieaktywny jest binarna: zmiana mocy widmowej może być indukowana (zwiększona lub zmniejszona) lub nie podczas okresu prezentacji słowa. Zastosowanie GMM umożliwiło również klasyfikację bez wymogu danych podstawowych. Elektrody zostały zebrane wśród badanych, a następnie zgrupowane w celu zidentyfikowania aktywnych elektrod.

2.6. Mapowanie mocy indukowanej

Większość aktywnych elektrod była zlokalizowana w obszarach korowych związanych z przetwarzaniem informacji wizualnej i semantycznej, a także z deklaratywnąpamięći funkcje wykonawcze. Spośród 39 obszarów Brodmanna większość lokalizacji elektrod pogrupowano w 9 obszarów mózgu, z których każdy zawierał obszary Brodmanna: wzrokowy (obszary Brodmanna 18 i 19), dolny skroniowy (obszary Brodmanna 20 i 37), przedklinek (obszary Brodmanna 30 i 31), boczne ciemieniowe (obszary Brodmanna 7 i 39), skroniowe mezjalne (obszary Brodmanna 28 i Hippokamp), skroniowe boczne (obszary Brodmanna 21 i 22), okolice Broki (obszary Brodmanna 44 i 45), boczne przedczołowe (obszary Brodmanna 9 i 46) oraz bieguna czołowego (obszary Brodmanna 10 i 11). O ile nie zaznaczono inaczej, cała dalsza analiza koncentrowała się na przywoływanych epokach słów, tj. epokach z pomyślnie zakodowanymi słowami, które następnie zostały swobodnie przywołane w tych dziewięciu obszarach korowych.

Indukowane zmiany mocy w każdym paśmie częstotliwości zostały wykreślone ze wszystkich aktywnych elektrod na przeciętnej powierzchni mózgu dla każdego punktu czasowego w słowie epoki przy użyciu niestandardowego kodu MATLAB dla techniki ważenia zależnej od lokalizacji elektrod. Powierzchnię mózgu utworzono jako siatkę, w której każdemu elementowi siatki przypisano kolor zależny od mocy indukowanej otaczających elektrod ważonych względną odległością od elementu (większa waga do elektrod bardziej proksymalnych). Dla każdego wykreślonego elementu siatki na powierzchni mózgu uwzględniono tylko efekty elektrod w progu 10 mm od punktu środkowego elementu. Stąd moc indukowaną uśredniono ze wszystkich elektrod w promieniu progowym, które zostały liniowo ważone przez ich bliskość według następującego wzoru:

IP1∗ (próg− r1) plus IP2∗ (próg− r2) plus … plus IP ∗ (próg− rn )

(próg− r1 ) plus (próg− r2 ) plus … plus (próg− rn )

gdzie IP jest wartością zmiany mocy indukowanej dla elektrody, a r jest odległością między elektrodą a wybranym elementem siatki powierzchni mózgu.

2.7. Statystyka

Testy ANOVA z wielokrotnymi poprawkami porównawczymi dla efektów pasma częstotliwości, obszaru mózgu (obszar Brodmanna) i półkuli wykorzystano do analizy odsetka elektrod w obszarze oznaczonym jako „ac-time” (ryc. 2). Różnice czasowe między półkulami zostały określone ilościowo za pomocą dwustronnego, niesparowanego testu t z korektą Bonferroniego (ryc. 3A).Następnie podzieliliśmy każdą epokę słowa na fazy przed kodowaniem, wczesne kodowanie, późne kodowanie i po kodowaniu (Burke i in. , 2014; Kucewicz i wsp., 2019) i zastosowali powtarzalne pomiary ANOVA (faza kodowania jako czynnik wewnątrzobiektowy) z post hoc testem Tukeya-Kramera do analizy wpływu pasma częstotliwości, regionu mózgu i półkuli na indukowaną moc podczas każdego faza werbalnapamięćzadanie (rys.3B). Opóźnienie szczytowe dla każdego pasma częstotliwości i obszaru określono jako przedział czasu z maksymalnym dodatnim szczytem indukowanej mocy. Miasta latynoamerykańskie porównywano za pomocą testów powtarzanych pomiarów ANOVA (faza kodowania jako czynnik wewnątrzobiektowy) oraz testów wielokrotnych porównań post-hoc Tukeya-Kramera (ryc. 4). Do oceny wpływu położenia wzdłuż każdej osi mózgu na czas utajenia mocy szczytowej zastosowano test korelacji Pearsona (ryc. 5B). Wartość alfa dla wszystkich testów została ustawiona na 0.05.

3. Wyniki

3.1. Aktywności spektralne indukowane podczas kodowania pamięci są niejednorodnie rozmieszczone w korze ludzkiej

Najpierw zidentyfikowaliśmy podzbiór elektrod z obszarów korowych aktywowanych podczaspamięćkodowanie. W tym celu moc widmowa w paśmie w sześciu niepokrywających się zakresach częstotliwości (niskie theta: 2–4 Hz, wysokie theta: 5–9 Hz, alfa: 10–15 Hz, beta: 16– 25 Hz, niska gamma: 25–55 Hz, wysoka gamma: 65–115 Hz) została wykorzystana jako cechy do automatycznej klasyfikacji elektrod aktywnych (Saboo i in., 2019) niezależnie w każdym paśmie (ryc. 1). Z łącznej liczby 14 219 elektrod wszczepionych wszystkim uczestnikom 4738 (33,3%) wykazało indukowaną moc widmową w co najmniej jednym z pasm częstotliwości. Stąd typowe miejsce elektrody wykazywało moc indukowaną w określonym zakresie pasm niskich, średnich lub wysokich częstotliwości (ryc. 2A). Zgodnie z naszymi wcześniejszymi wynikami (Kucewicz i in., 2019; Alotaiby i in., 2015), te aktywne elektrody były szeroko rozmieszczone w 39 obszarach Brodmanna, które zostały zdefiniowane we wszystkich płatach korowych (ryc. 2B). Względny odsetek elektrod w każdym obszarze Brodmanna, które były aktywnie zmieniane od 4,3% do 75%, w zależności od lokalizacji w płatach limbicznym, czołowym, przedczołowym, ciemieniowym, skroniowym lub potylicznym (ANOVA F=99.21, p < 0,001,="" df="5)," ze="" znacznie="" bardziej="" aktywnymi="" elektrodami="" znajdującymi="" się="" w="" czuciowych="" obszarach="" wzrokowych="" kory="" potylicznej="" i="" ciemieniowej="" (posthoc="" tukey="" kramer,="" p="">< 0,05).="" w="" każdym="" obszarze="" zaobserwowano="" podobne="" proporcje="" w="" każdym="" paśmie="" częstotliwości,="" w="" tym="" w="" paśmie="" alfa="" i="" beta,="" bez="" znaczących="" różnic="" w="" całym="" widmie="" (n-drożna="" anova="" f="0.17," p="0.9747" ,="" df="5)." podsumowując,="" niezależnie="" od="" analizowanego="" pasma="" częstotliwości,="" co="" najmniej="" 4%="" elektrod="" w="" dowolnym="" z="" analizowanych="" obszarów="" korowych="" wykazywało="" znaczną="" indukowaną="" moc="" podczas="">

To investigate whether these various low and high-frequency spectral activities were induced on the same electrodes, we summarized the over-lap across the six frequency bands for nine cortical regions of interest (ROI; each composed of two Brodmann areas with >18 active electrodes from >8 uczestników; patrz tabela 1). Elektroda może być aktywna w jednym lub kilku pasmach. Stwierdziliśmy, że największy odsetek elektrod był aktywny tylko w jednym (43,12 procent) lub dwóch (22,94 procent) pasmach, a proporcjonalnie mniej w więcej niż dwóch pasmach, a tylko mniejszość (5,4 procent) była aktywna we wszystkich sześciu (ryc. 2C). Najwyższe nakładanie się indukowanej mocy widmowej w więcej niż dwóch pasmach zaobserwowano dla elektrod w tylnych czuciowych obszarach wzrokowych kory potylicznej (ryc. 2C; czerwony), gdzie podczas kodowania słów aktywowano średnio 4–5 pasm na elektrodę. Inne obszary wzrokowe kory skroniowej i ciemieniowej również wykazywały stosunkowo wysoki rozkład elektrod z aktywowanymi więcej niż dwoma pasmami, w przeciwieństwie do przednich obszarów przetwarzania wyższego rzędu w korze skroniowej i przedczołowej, gdzie elektrody były aktywne w 1–2 pasmach częstotliwości (Rys. 2C; czarny). Ogólnie rzecz biorąc, większość miejsc elektrod wykazywała zmniejszoną moc widmową w jednym lub dwóch określonych pasmach częstotliwości, co sugeruje, że różne aktywności były przestrzennie rozdzielone w korze.

Ryc. 2. Aktywności spektralne indukowane podczas kodowania pamięci werbalnej są nierównomiernie rozłożone w mózgu człowieka. (A) Reprezentatywne przykłady uśrednionych próbnych spektrogramów podczas kodowania słów z aktywnych elektrod pokazują zmiany mocy indukowanej ograniczone niezależnie do każdej z trzech grup częstotliwości z różnych lokalizacji anatomicznych. (B) Proporcje aktywnych elektrod w sześciu badanych pasmach częstotliwości (niskie theta: 2–4 Hz, wysokie theta: 5–9 Hz, alfa: 10–15 Hz) beta:

16–25 Hz, niska gamma: 25–55 Hz, wysoka gamma: 65–115 Hz) wykazują istotne różnice (ANOVA) w rozkładzie anatomicznym (czerwone gwiazdki; p < 0.05="" test="" post-hoc="" tukeya="" kramera="" ),="" ale="" nie="" w="" pasmach="" częstotliwości,="" jak="" podsumowano="" na="" wstawkach.="" c="" oraz="" podsumowanie="" rysunkowe="" wszystkich="" aktywnych="" elektrod="" (kropki="" pokolorowane="" zgodnie="" z="" wykresem="" słupkowym)="" oraz="" wykresy="" skrzypiec="" (czarne="" i="" czerwone="" linie="" oznaczają="" odpowiednio="" średnią="" i="" medianę="" (hoffmann,="" 2015)).="" (d)="" rozkład="" wszystkich="" elektrod="" aktywnych="" w="" pasmach="" gamma="" (wysoka="" częstotliwość),="" alfa/beta="" (częstotliwość="" pośrednia)="" i="" theta="" (niska="" częstotliwość)="" różni="" się="" w="" dziewięciu="" wybranych="" interesujących="" obszarach="" korowych="" (v="" –="" wzrokowy;="" it="" –="" dolny="" skroniowy;="" przed="" -="" przedklinek;="" par="" -="" boczny="" ciemieniowy;="" mtl="" -="" mezjalny="" płat="" skroniowy;="" lt="" -="" boczny="" skroniowy;="" br="" -="" obszar="" broca;="" pfc="" -="" kora="" przedczołowa;="" fp="" -="" biegun="" czołowy)="" ze="" stosunkowo="" większą="" liczbą="" elektrod="" przedczołowych="" aktywnych="" w="" pasmach="" gamma="" (czerwony)="" i="" większą="" liczbą="" elektrod="" w="" obszarach="" wizualnych="" aktywnych="" we="" wszystkich="" pasmach="" (czarne),="" jak="" pokazano="" na="" przeciętnym="" wykresie="" powierzchni="" mózgu,="" podsumowaniu="" kreskówek="" i="" wykresie="" skrzypiec.="" zauważże="" większośćelektrod="" była="" ogólnie="" aktywna="" tylko="" w="" jednym="" lub="" dwóch="" pasmach="" częstotliwości="" albo="" niskich,="" średnich="" albo="" wysokich,="" z="" wyjątkiem="" obszarów="" wizualnych="" z="" więcej="" niż="" dwoma="" pasmami="" częstotliwości="" aktywnymi="" na="" każdą="" elektrodę="" (dla="" interpretacji="" odniesień="" do="" koloru="" w="" tym="" legenda="" rysunkowa,="" czytelnik="" odsyła="" do="" internetowej="" wersji="" tego="">

Następnie zapytaliśmy, czy aktywności spektralne indukowane w dowolnym miejscu elektrody pokrywają się w podobnych zakresach częstotliwości. Pogrupowaliśmy aktywności na grupy o niskiej, średniej i wysokiej częstotliwości (odpowiednio theta, alfa/beta i gamma) i porównaliśmy proporcje aktywnych elektrod z różnymi kombinacjami grup. Ponad połowa wszystkich aktywnych elektrod wykazała, że ​​indukowana moc występuje wyłącznie w pasmach niskich, średnich lub wysokich częstotliwości (ryc. 2D). Elektrody z dużym nakładaniem się we wszystkich grupach były głównie zlokalizowane w tylnych obszarach widzenia (ryc. 2D; czarny). Pozostałe miejsca elektrod, które wykazywały indukowaną moc w jednej z trzech grup częstotliwości, były równomiernie rozłożone w korze z podobnymi proporcjami w każdym obszarze ROI, z wyjątkiem obszarów przedczołowych, w których podczas kodowania pamięci występowało stosunkowo więcej aktywności gamma o wysokiej częstotliwości (ryc. .2D; czerwony). Nasze wyniki wykazały, że aktywność w określonym zakresie częstotliwości była indukowana głównie w określonych miejscach korowych, tworząc mozaikowy wzór rozkładu zgodny z pojęciem „odcisków palców widmowych” (Siegel i in., 2012).

3.2. Efekt lateralizacji indukowanej mocy jest specyficzny dla poszczególnych częstotliwości i obszarów korowych

Nasze następne pytanie dotyczyło tego, czy całkowita moc w paśmie indukowana podczas kodowania słów (ryc. 1) była różna w zależności od lokalizacji anatomicznej, pasma częstotliwości lub półkuli. Poszczególne elektrody aktywne mogą wykazywać podobne wielkości indukowanej mocy, pomimo niejednorodnego rozkładu w obszarach korowych (ryc. 2). Ogólnie rzecz biorąc, wystąpił znaczący wpływ pasma częstotliwości na moc indukowaną (powtarzane pomiary ANOVA F=1346.99,p < 0.001,="" df="" {="" {8}}).="" region="" mózgu="" (anova="" f="38.21," p="">< 0,001,="" df="37)" i="" położenie="" elektrody="" w="" półkuli="" (anova="" f="17.4," p="">< 0,001,="" df="" {{="" 18}}).="">

Rys. 3. Czasowe profile mocy indukowanej podczas kodowania ujawniają efekty lateralizacji w określonych częstotliwościach i obszarach korowych. (A) Każdy panel pokazuje uśrednione z próby zmiany mocy w czasie prezentacji słowa (szare tło) oszacowane ze wszystkich aktywnych elektrod w danym paśmie częstotliwości i regionie mózgu wykreślone oddzielnie dla lewej i prawej półkuli (odpowiednio czerwonej i niebieskiej) . Wykresy szarego obszaru w tle podsumowują różnicę statystyczną (statystyka t) między dwiema półkulami w przedziałach czasowych 50 ms, przy czym ciemnoszary wskazuje znacznie większą (dodatnie wartości t) lub mniejszą (ujemne wartości t) moc w lewa półkula (poziome linie przerywane; test t-Studenta, p < 0.05).="" zauważ,="" że="" znaczący="" efekt="" lateralizacji="" jest="" zlokalizowany="" w="" określonych="" pasmach="" częstotliwości="" w="" danym="" regionie="" mózgu.="" (b)="" sumaryczne="" porównanie="" całkowitej="" mocy="" indukowanej="" (anova="" z="" powtarzanymi="" pomiarami)="" ze="" wszystkich="" pasm="" częstotliwości="" w="" dziewięciu="" obszarach="" mózgu="" (patrz="" ryc.="" 2="" dla="" etykiet)="" i="" czterech="" etapach="" kodowania="" pamięci="" –="" czynnik="" wewnątrzobiektowy="" (czerwone="" gwiazdki="" wskazują="" znaczną="" różnicę="" ;="" test="" tukeya-kramera,="" p="">< 0,05).="">Pamięćnajwiększy efekt był w lewej korze przedczołowej (wskazany przez czarną podwójną strzałkę), podczas gdy MTL wykazywał największy efekt w obszarach prawej półkuli. wersja tego artykułu).

analiza grupowa (Tukey-Kramer, p < 0.05)="" potwierdziła="" znacznie="" mniejszą="" moc="" wraz="" ze="" wzrostem="" częstotliwości="" pasm,="" z="" wyjątkiem="" pomiędzy="" niskimi="" a="" wysokimi="" pasmami="" gamma="" (rysunek="" uzupełniający="" 1).="" elektrody="" w="" płacie="" potylicznym="" wykazywały="" znacznie="" wyższą="" moc="" indukowaną="" niż="" w="" jakimkolwiek="" innym="" obszarze,="" zgodnie="" z="" naszym="" poprzednim="" badaniem="" wysokiej="" aktywności="" gamma="" (kucewicz="" i="" in.,="">