Elektriciteit en Magnetisme: Inzichten in de hersenen door multimodale beeldvorming | Kamila Moslem

V. Gelijktijdige EEG en fMRI

Het gelijktijdig verzamelen van EEG en fMRI is een uitdaging omdat de opname-apparatuur zelf destructief interfereert, wat grote artefacten en signaalverliezen veroorzaakt en veiligheidsproblemen introduceert. De voornaamste vervuiling van het fMRI-signaal is afkomstig van drie bronnen: 1) RF-ruisproductie door de digitale elektronica (ondervangen door afscherming), 2) vervorming van het magnetisch veld (ondervangen door het gebruik van niet ferromagnetische elektroden, in ons geval zoutsponzen en 3) RF (MRI) signaalverliezen in de EEG afleidingen zelf, ondervangen door goede aardingspaden en afdekking van de afleidingen. Een veiligheidsprobleem vloeit voort uit de mogelijkheid dat grote stromen die in de afleidingsdraden worden geïntroduceerd, zich aan de patiënt kunnen koppelen via de verbinding met het hoofd met lage weerstand, een vraag die hieronder wordt behandeld.

De interferentie die de MRI in het EEG teweegbrengt, is zowel complexer als uitdagender. Om een MR beeld te vormen met behulp van de populaire echo planaire methode is het noodzakelijk om grote (2-3 gauss/cm) en snel variërende (20-50 T/s) veld gradiënten te creëren. Door de wet van Lenz introduceren deze stroom in de lussen gevormd door de EEG afleidingen die spanningen creëren die duizenden malen groter zijn dan het EEG zelf. Een bijkomend probleem vloeit voort uit het zogenaamde ballistocardiogram (BCG) – de beweging van het lichaam en het hoofd die optreedt bij elke impulsieve hartcontractie; dit beweegt de EEG-draden binnen de sterke beeldvormingsvelden, en ook dit veroorzaakt foutsignalen in de EEG-opnamen. Deze zijn van veel lagere amplitudes (een paar μV), maar zijn onregelmatig in hun tijdsverloop.

Onze algemene oplossing voor het EEG probleem is relatief eenvoudig, gebaseerd op de periodieke eigenschappen van de artefact generatoren (de MRI-scanner en BCG.) We nemen gewoon aan dat over een geschikt interval, tr, voor de scanner, het artefact identiek wordt herhaald en is niet gecorreleerd aan het EEG-signaal waarop het wordt gesuperponeerd. Middeling van het verontreinigde signaal resulteert dus in een goede schatting van het artefact, dat vervolgens kan worden afgetrokken van het verontreinigde signaal waardoor alleen EEG. Als S(n) de reeks verontreinigde monsters voorstelt die tijdens de n-de tr zijn verzameld, EEG(n) het ware EEG-signaal tijdens die tr aangeeft, en A het artefact voorstelt – dat verondersteld wordt stabiel te zijn – dat tijdens ditzelfde interval is opgenomen,

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

Op zijn beurt is EA(n), de schatting van het artefact tijdens de n-detr:

EA(n)=∑k=1nS(k).

Dus zouden we EEG(n) = S(n) – A moeten kunnen vinden. Er zijn echter een aantal problemen en uitdagingen met deze benadering.

Ten eerste zijn de EEG- en scannerartefacten in feite sterk gecorreleerd omdat het (luide) geluid van de scanner een neurale respons uitlokt die op de hoofdhuid verschijnt als een evoked potential. Het artefact-template zal daarom zowel een representatie van de evoked potential als van het scannerartefact bevatten, en deze zal systematisch uit het afgeleide signaal worden verwijderd. Meestal is dit echter een wenselijk effect omdat de akoestische respons op de scannerruis zelden onderwerp van onderzoek is.

Ten tweede werkt de methode alleen als het gesommeerde EEG en het artefact zonder vervorming worden opgenomen. Vanwege de buitengewoon slechte SNR van het ruwe signaal (ongeveer 0,1%) vereist dit een extreem hoog dynamisch bereik in de versterkings- en opnameketen. De meeste energie in het MRI artefact zit in de audioband, met inbegrip van de frequenties onder 100 Hz die van groot belang zijn in het EEG. Daarom is laagdoorlaatfiltering slechts marginaal effectief, hoewel het belangrijk is voor anti-aliasing. Het minimaliseren van de grootte van effectieve lussen in de EEG afleidingen is nuttig. Annulering door detectie van het artefact zonder verbinding met de hoofdhuid kan ook effectief zijn (b.v., Kappametrics, Chantilly, VA).

Finitief, voor het eenvoudige gemiddelde en aftrekken regeling te werken, moet het artefact identiek herhalen elke keer, anders zal de schatting van het artefact geproduceerd door middeling onnauwkeurig zijn. Terwijl de scanner deze golfvormen reproduceert met extreem hoge precisie, kan het zijn dat de digitizer in het EEG-apparaat de gebeurtenissen niet op hetzelfde relatieve tijdstip vastlegt telkens wanneer zij worden geproduceerd, omdat de klok ervan gewoonlijk niet synchroon loopt. Zelfs minieme fouten van 0,1% kunnen een residu achterlaten dat zo groot is als het EEG. Het is verleidelijk zich te beroepen op het Nyquist theorema en te suggereren dat we het artefact accuraat kunnen vastleggen door iets meer dan tweemaal de maximumfrequentie te bemonsteren die het bevat. Dit is echter onjuist. Hoewel het Nyquistorema van toepassing is op signalen die in oneindig lange tijd zijn verworven, wordt vaak niet ingezien dat dit niet het geval is wanneer het signaal wordt bemonsterd over een afgekapt tijdvenster.

Een manier om het probleem te visualiseren is zich voor te stellen dat wordt bemonsterd met een hoge snelheid van 5 kilo monsters/s. Van de ene tr naar de volgende zal dit een maximaal tijdsverschil, Δt, ten opzichte van het gradiëntsysteem, van de helft van de verblijftijd mogelijk maken: 100 μs. De gradiënt-geïnduceerde artefacten in het EEG zijn gelijk aan het product van de tijdfout en de zwenksnelheden, die in de orde van 1000 V/s liggen, zodat er zoveel als 0,1 V verschil in gemeten amplitude kan zijn van de ene tr naar de volgende, wat duidelijk onaanvaardbaar is omdat dit, in feite, de grootte wordt van het residuele artefact na aftrekking. We kunnen het residuele artefact verminderen door sneller te bemonsteren, waardoor het Δt×dwell product tussen de tr’s wordt verminderd. Dit kan analytisch worden geformuleerd op basis van de spectrale inhoud van de gradiëntgolfvorm. Veronderstel dat de maximumfrequentie ω radialen/s bedraagt. We kunnen de Δt tussen opeenvolgende tr’s beschouwen als het creëren van een faseverschil, φ, in de bemonstering van de gradiëntgolfvorm. De bovengrens voor φ is eenvoudigweg ωΔt. Als ε de schijnbare amplitude is van het verschil tussen de op verschillende tijdstippen bemonsterde artefacten, zien we dat:

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

die, voor kleine fouten, ongeveer lineair is met Δt; in het bovenstaande voorbeeld zou voor het terugbrengen van het artefact tot het μV-bereik bemonstering in het 10 MHz-bereik nodig zijn, wat onrealistisch duur is voor een EEG-apparaat.

De eis voor snelle bemonstering kan worden geëlimineerd als we de faseverschuiving rechtstreeks aanpakken, door de digitale bemonstering te synchroniseren met de MR-scanner. Het is betrekkelijk eenvoudig om de fout op deze manier terug te brengen tot enkele ns, en dit is de basis voor onze scanner artefact eliminatie methode die het resterende artefact reduceert tot onder de resolutie van de analoog naar digitaal convertor, in feite het volledig elimineren.

Kleine veranderingen in de positie van het hoofd tijdens de scan kan resulteren in veranderingen in de amplitude en het tijdsverloop van het gradiënt-gerelateerde artefact. Daarom is het in de praktijk wenselijk om het gradiëntfilter adaptief te maken. Wij hebben dit gedaan door een lekkende gemiddelde filter te maken die een exponentieel afnemend gewicht toepast op artefactmonsters die verder in de tijd liggen. De adaptieve gemiddeldenfilter is zeer eenvoudig geïmplementeerd als:

EA(n) = w EA(n – 1) + (w – 1) S(n),

waarbij 0<w<1 een wegingsfactor is. Deze filter heeft een minimaal computergeheugen nodig en is gemakkelijk aan te passen. We merken op dat een bewegend gemiddelde een betrekkelijk slecht alternatief is, omdat het vermoedelijk ongecorreleerde EEG in EA(n) slechts wordt onderdrukt door de vierkantswortel van het aantal iteraties dat in het gemiddelde is opgenomen. Dit residuele EEG vertegenwoordigt een foutterm die in het “gecorrigeerde” EEG signaal zou worden opgenomen.

Laat een antwoord achter

Het e-mailadres wordt niet gepubliceerd.