Functional localization and investigation of cortical speech areas by navigated TMS and EEG
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2013
Major/Subject
Lääketieteellinen tekniikka
Mcode
Tfy-99
Degree programme
Language
en
Pages
[7] + 50
Series
Abstract
Transcranial magnetic stimulation (TMS) combined with simultaneous electroencephalography (EEG) is a noninvasive tool for measuring cortical excitability and connectivity. TMS-evoked large muscle artifacts may mask the TMS-evoked shortlatency brain activity, especially when applied on lateral areas. Classical speechrelated cortical areas are located laterally, which limits the usability of TMS-EEG on studying the cortical speech network. The TMS-evoked artifacts can be reduced both on-line and off-line. A carefully performed measurement reduces the level of artifacts significantly. Remaining artifacts can be removed, suppressed, or separated to some extent, from the brain signals with computational methods. In this Thesis, the applicability of TMS-EEG on studying the lateral speech areas was evaluated with a combination of on-line and off-line methods. The largest muscle artifacts occur when TMS is applied on anterior lateral areas. In this study, a posterior speech-related area was located functionally with a novel TMS speech mapping method and used as the stimulation target in TMS-EEG. The effects of low stimulation intensities on the contaminating artifacts were evaluated against the conventional intensities. TMS-evoked EEG was analyzed in the signal, sensor, and source spaces. The artifactual components were separated from the neural components with independent component analysis (ICA). The effects of different preprocessing approaches on the performance of ICA were studied. The results showed that both the amplitude and duration of the muscle artifacts decreased fast when the stimulation intensity was lowered. However, the 20 first milliseconds still remain a challenging task in TMS-EEG of lateral areas. In addition, the results put the use of conventional trial-averaged data in ICA in serious doubt.Transkraniaalista magneettistimulaatiota (TMS) yhdistettynä elektroenkefalografiaan (EEG) käytetään aivokuoren toimintojen tutkimiseen. TMS:n tuottamat suuret lihasartefaktat voivat peittää varhaiset aivovasteet, etenkin stimuloitaessa pään sivulla olevia (lateraaleja) aivoalueita. Tärkeät puhealueet ovat sijoittuneet aivokuorelle lateraalisti, mikä rajoittaa TMS-EEG:n käyttöä aivojen puheverkoston tutkimisessa. TMS:n tuottamia artefaktoja voidaan pienentää mittauksen aikana ja mittauksen jälkeen suoritettavin menetelmin. Huolellinen mittaus pienentää artefaktoja merkittävästi. Jäljelle jääneitä artefaktoja voidaan jossain määrin poistaa, vaimentaa tai erotella laskennallisin menetelmin. Tässä työssä tutkittiin TMS-EEG:n soveltuvuutta lateraalisti sijoittuneiden puhealueiden tutkimiseen. Soveltuvuutta pyrittiin parantamaan mittauksen aikana ja mittauksen jälkeen tehdyin ratkaisuin. Lihasartefaktat ovat suurimpia stimuloitaessa lateraalisten alueiden etummaisia osia. Tässä työssä TMS-EEG:n stimulaatiokohteeksi paikannettiin toiminnallisesti taaempi lateraalinen puhealue uudella TMS-puhekartoitusmenetelmällä. Tavanomaisia stimulaatiointensiteettejä matalampien intensiteettien vaikutusta artefaktoihin testattiin ja verrattiin tyypillisillä intensiteeteillä saatuihin tuloksiin. TMS:n tuottamia EEG-vasteita analysoitiin signaali-, sensori-, ja lähdetasossa. Riippumattomien komponenttien analyysia (ICA) käytettiin artefakta-, ja aivoperäisten komponenttien erotteluun. Erilaisten esikäsittelymenetelmien vaikutusta ICA:n toimintaan vertailtiin. Tulokset osoittivat, että stimulaatiointensiteettiä madaltamalla voidaan pienentää merkittävästi artefaktojen kokoa ja kestoa. Tästä huolimatta ensimmäisten 20 millisekunnin aikana artefaktat peittivät aivovasteet. Lisäksi havaittiin, että usein käytetty, toistokokeiden yli keskiarvoistettu data tuskin sopii käytettäväksi ICA:n kanssa.Description
Supervisor
Ilmoniemi, RistoThesis advisor
Sarvas, JukkaLioumis, Pantelis
Keywords
TMS, TMS, TMS-EEG, TMS-EEG, ICA, ICA, speech, puhe, artifact removal, artefaktan poisto