Elektrizität und Magnetismus: Einblicke in das Gehirn durch multimodale Bildgebung | Kamila Moslem

V. Simultane EEG- und fMRT-Untersuchungen

Die gleichzeitige Erfassung von EEG und fMRT wird dadurch erschwert, dass die Aufzeichnungsgeräte selbst destruktiv interferieren, was zu großen Artefakten und Signalverlusten führt und Sicherheitsbedenken aufwirft. Die Hauptverschmutzung des fMRI-Signals stammt aus drei Quellen: 1) HF-Störungen durch die digitale Elektronik (die durch Abschirmung gemildert werden), 2) Magnetfeldverzerrungen (die durch die Verwendung nicht ferromagnetischer Elektroden, in unserem Fall Salzschwämme, gemildert werden) und 3) HF-(MRT-)Signalverluste in den EEG-Leitungen selbst, die durch geeignete Erdungsrückleitungen und Leitungsverlegungen gemildert werden. Ein Sicherheitsproblem ergibt sich aus der Möglichkeit, dass große Ströme, die in die Ableitungsdrähte eingeleitet werden, über die niederohmige Verbindung zum Kopf in den Patienten einkoppeln können, eine Frage, die weiter unten behandelt wird.

Die Störungen, die die MRT im EEG verursacht, sind sowohl komplexer als auch schwieriger. Um ein MR-Bild mit der beliebten Echo-Planar-Methode zu erzeugen, ist es notwendig, große (2-3 Gauss/cm) und schnell variierende (20-50 T/s) Feldgradienten zu erzeugen. Nach der Lenz’schen Regel führen diese in den von den EEG-Leitungen gebildeten Schleifen Ströme ein, die Spannungen erzeugen, die tausendmal größer sind als die des EEG selbst. Ein zusätzliches Problem ergibt sich aus dem so genannten Ballistokardiogramm (BCG) – der Bewegung des Körpers und des Kopfes, die bei jeder impulsiven Herzkontraktion auftritt; dadurch werden die EEG-Drähte innerhalb der starken Bildgebungsfelder bewegt, und auch dies erzeugt Fehlersignale in den EEG-Aufzeichnungen. Diese haben viel geringere Amplituden (einige μV), sind aber in ihrem zeitlichen Verlauf unregelmäßig.

Unsere allgemeine Lösung für das EEG-Problem ist relativ einfach und beruht auf den periodischen Eigenschaften der Artefaktgeneratoren (MRT-Scanner und BCG). Wir nehmen einfach an, dass sich das Artefakt über ein geeignetes Intervall tr für den Scanner identisch wiederholt und mit dem EEG-Signal, dem es überlagert ist, unkorreliert ist. Die Mittelwertbildung des kontaminierten Signals führt somit zu einer guten Schätzung des Artefakts, das dann von dem kontaminierten Signal abgezogen werden kann, so dass nur das EEG übrig bleibt. Wenn S(n) die Menge der kontaminierten Proben darstellt, die während des n-ten Tr. gesammelt wurden, wenn EEG(n) das echte EEG-Signal während dieses Tr. angibt und A das Artefakt darstellt – das als stabil angenommen wird -, das während desselben Intervalls aufgezeichnet wurde,

S(n) = EEG(n) + A.

EA(n) wiederum, die Schätzung des Artefakts während des n-ten Tr ist:

EA(n)=∑k=1nS(k).

Auf diese Weise sollten wir in der Lage sein, EEG(n) = S(n) – A zu finden. Es gibt jedoch eine Reihe von Problemen und Herausforderungen bei diesem Ansatz.

Erstens sind die EEG- und Scanner-Artefakte tatsächlich hoch korreliert, weil das (laute) Geräusch des Scanners eine neuronale Reaktion hervorruft, die auf der Kopfhaut als evoziertes Potenzial erscheint. Die Artefaktvorlage enthält daher sowohl eine Repräsentation des evozierten Potenzials als auch des Scanner-Artefakts, und dieses wird systematisch aus dem abgeleiteten Signal entfernt. In der Regel ist dies jedoch ein erwünschter Effekt, da die akustische Reaktion auf das Scanner-Rauschen nur selten Gegenstand der Forschung ist.

Zweitens funktioniert die Methode nur, wenn das summierte EEG und das Artefakt ohne Verzerrung aufgezeichnet werden. Wegen des äußerst geringen SNR des Rohsignals (etwa 0,1 %) erfordert dies einen extrem hohen Dynamikbereich in der Verstärkungs- und Aufzeichnungskette. Die meiste Energie des MRT-Artefakts liegt im Audiobereich, einschließlich der Frequenzen unter 100 Hz, die im EEG von großem Interesse sind. Daher ist die Tiefpassfilterung nur geringfügig wirksam, obwohl sie für das Anti-Aliasing wichtig ist. Eine Minimierung der Größe der effektiven Schleifen in den EEG-Ableitungen ist hilfreich. Die Auslöschung durch Erkennung des Artefakts ohne Verbindung zur Kopfhaut kann ebenfalls wirksam sein (z. B. Kappametrics, Chantilly, VA).

Schließlich muss sich das Artefakt jedes Mal identisch wiederholen, damit das einfache Mittelwert- und Subtraktionsschema funktioniert, da sonst die Schätzung des Artefakts durch Mittelwertbildung ungenau ist. Während der Scanner diese Wellenformen mit extrem hoher Präzision reproduziert, kann es sein, dass der Digitalisierer im EEG-Gerät die Ereignisse nicht jedes Mal zur gleichen relativen Zeit erfasst, wenn sie erzeugt werden, da sein Takt normalerweise nicht synchron ist. Selbst winzige Fehler von 0,1 % können einen so großen Rest wie das EEG hinterlassen. Es ist verlockend, sich auf das Nyquist-Theorem zu berufen und davon auszugehen, dass wir das Artefakt genau erfassen können, wenn wir mit etwas mehr als dem Doppelten der darin enthaltenen Maximalfrequenz abtasten. Dies ist jedoch falsch. Während das Nyquist-Theorem für Signale gilt, die über eine unendliche Zeitspanne erfasst werden, wird oft nicht erkannt, dass dies nicht der Fall ist, wenn das Signal über ein abgeschnittenes Zeitfenster abgetastet wird.

Eine Möglichkeit, das Problem zu veranschaulichen, besteht darin, sich die Abtastung mit einer hohen Rate von 5 Kilosamples/s vorzustellen. Von einem tr zum nächsten erlaubt dies eine maximale Zeitdifferenz Δt, relativ zum Gradientensystem, von der Hälfte der Verweilzeit: 100 μs. Die durch den Gradienten verursachten Artefakte im EEG entsprechen dem Produkt aus dem Zeitfehler und den Anstiegsgeschwindigkeiten, die in der Größenordnung von 1000 V/s liegen, so dass die gemessene Amplitude von einem tr zum nächsten um bis zu 0,1 V abweichen kann, was eindeutig inakzeptabel ist, da dies die Größe des Restartefakts nach der Subtraktion darstellt. Wir können das Restartefakt reduzieren, indem wir schneller abtasten und dadurch das Δt×dwell-Produkt über tr’s hinweg reduzieren. Dies kann analytisch auf der Grundlage des spektralen Inhalts der Gradientenwellenform formuliert werden. Nehmen wir an, dass ihre maximale Frequenz ω rad/s beträgt. Wir können uns vorstellen, dass das Δt zwischen aufeinanderfolgenden tr’s eine Phasendifferenz φ bei der Abtastung der Gradientenwellenform erzeugt. Die obere Grenze für φ ist einfach ωΔt. Wenn ε die scheinbare Amplitude der Differenz zwischen den zu verschiedenen Zeiten abgetasteten Artefakten darstellt, können wir sehen, dass:

ε=cos(2πft)-cos(2πft-φ)=cos(2πft)cos(φ-1)-sin(2πft)sinφ

was für kleine Fehler annähernd linear in Δt ist; im obigen Beispiel würde eine Reduzierung des Artefakts auf den μV-Bereich eine Abtastung im 10-MHz-Bereich erfordern, was für ein EEG-Gerät unrealistisch teuer ist.

Das Erfordernis einer schnellen Abtastung kann beseitigt werden, wenn wir die Phasenverschiebung direkt angehen, indem wir die digitale Abtastung mit dem MR-Scanner synchronisieren. Es ist relativ einfach, den Fehler auf diese Weise auf einige ns zu reduzieren, und dies ist die Grundlage für unsere Methode zur Eliminierung von Artefakten im Scanner, die das verbleibende Artefakt unter die Auflösung des Analog-Digital-Wandlers reduziert und es somit vollständig eliminiert.

Kleine Änderungen der Kopfposition während des Scans können zu Änderungen der Amplitude und des zeitlichen Verlaufs des gradientenbezogenen Artefakts führen. Daher ist es in der Praxis wünschenswert, den Gradientenfilter adaptiv zu gestalten. Zu diesem Zweck haben wir einen Leaky Averager entwickelt, der eine exponentiell abnehmende Gewichtung auf Artefaktproben anwendet, die zeitlich weiter entfernt sind. Der adaptive Averager ist sehr einfach implementiert als:

EA(n) = w EA(n – 1) + (w – 1) S(n),

wobei 0<w<1 ein Gewichtungsfaktor ist. Dieser Filter hat minimale Anforderungen an den Computerspeicher und ist leicht einstellbar. Wir stellen fest, dass ein gleitender Durchschnittswert ein relativ schlechter Ersatz ist, da das vermutlich unkorrelierte EEG in EA(n) nur um die Quadratwurzel der Anzahl der in den Durchschnitt einbezogenen Iterationen unterdrückt wird. Dieses restliche EEG stellt einen Fehlerterm dar, der in das „korrigierte“ EEG-Signal einfließen würde.

Eine Antwort schreiben

Deine E-Mail-Adresse wird nicht veröffentlicht.