Feasibility of EEG phase-triggered closed-loop TMS–EEG–MRI experiments
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Department
Major/Subject
Mcode
SCI3059
Degree programme
Language
en
Pages
9+42
Series
Abstract
Transcranial magnetic stimulation (TMS) combined with electroencephalography (EEG) is a powerful tool that allows for non-invasive brain stimulation and measurement of neural activity in real time. TMS can be used to modulate neural activity, while EEG can provide information about how the brain responds to this stimulation. By combining these techniques, the causal relationship between brain stimulation and neural activity can be studied and explore their potential applications in the diagnosis and treatment of neurological and psychiatric disorders. One exciting application of TMS--EEG is brain-state-dependent stimulation, which involves stimulating the brain during a specific brain-state. The phase of EEG has been shown to affect brain excitability such as in response to TMS. However, EEG has limited sensitivity to deep brain activity, therefore combining functional magnetic resonance imaging (fMRI) with EEG-based brain stimulation could be a valuable tool for studying the brain. However, the quality of the EEG signal is greatly affected by MRI-induced artifacts due to gradient fields, cardiac activity, and cooling systems. Without adequate artifact suppression the signal cannot be examined. In this study, the feasibility of EEG phase-triggered TMS experiments inside MRI was assessed. To that end, a set of carbon-wire-loops (CWLs) was constructed, and previously developed artifact-suppression algorithms were implemented and tested in an actual real-time environment. The phase-estimation accuracy and artifact-suppression performance was assessed by studying EEG--fMRI recordings from 10 subjects and one real-time experiment conducted as a part of this study. The results of off-line analysis suggest that with adequate artifact-suppression techniques the phase of EEG can be estimated accurately inside MRI. Furthermore, the results of the real-time experiment were in a comparable range to off-line results, indicating that implementation of algorithms in a real-time setting is sufficient for such experiments. Regardless the challenges in acquiring EEG during fMRI, the proposed artifact-suppression and phase-estimation pipeline shows significant promise in enabling real-time EEG-triggered brain stimulation combined with fMRI.Transkraniaalinen magneettistimulaatio (TMS) yhdistettynä elektroenkefalografiaan (EEG) on tehokas työkalu, joka mahdollistaa ei-invasiivisen aivostimulaation ja aivojen sähköisen toiminnan reaaliaikaisen mittauksen. TMS:ää voidaan käyttää aivotoiminnan modulointiin, kun taas EEG tarjoaa tietoa, miten aivot reagoivat tähän stimulaatioon. Yhdistämällä näitä tekniikoita, aivostimulaation ja aivotoiminnan syy-seuraussuhdetta voidaan tutkia, sekä niiden mahdollisia sovelluksia neurologisten ja psykiatristen sairauksien diagnosoinnissa ja hoidossa. Yksi yhdistetyn TMS-EEG:n sovellus on aivojen tilasta riippuvainen stimulaatio, joka tarkoittaa aivojen stimulointia tietyn aivotilan aikana. EEG:n vaihe on osoitettu vaikuttavan aivojen stimulaatiovasteeseen. EEG:llä on kuitenkin rajallinen mittausherkkyys subkortikaalisiin rakenteisiin, joten funktionaalisen magneettikuvantamisen (fMRI) yhdistäminen EEG-pohjaiseen aivostimulaatioon voisi olla hyödyllinen työkalu aivojen tutkimisessa. EEG-signaalin laatu kuitenkin heikentyy suuresti MRI:ssä indusoituneista häiriöistä, jotka ovat peräisin gradienttikentistä, sydämen toiminnasta ja jäähdytysjärjestelmistä. Signaalia ei voida tutkia ilman asianmukaisia häiriönpoistoalgoritmeja. Tässä tutkimuksessa arvioitiin EEG-vaiheen laukaiseman TMS-kokeiden toteutettavuutta fMRI mittauksien aikana. Tätä varten rakennettiin referenssisensoreita hiilikuitujohtimesta, ja aiemmin kehitetyt häiriönpoistoalgoritmit toteutettiin ja testattiin todellisessa reaaliaikaisessa ympäristössä. Vaihe-ennustuksen tarkkuus ja häiriönpoistoalgoritmien suorituskyky arvioitiin tutkimalla 10 koehenkilön EEG--fMRI-tallenteita ja yhtä reaaliaikaista koetta, joka suoritettiin osana tätä tutkimusta. Offline-analyysin tulokset viittaavat siihen, että EEG:n vaihe voidaan arvioida tarkasti fMRI:n aikana käyttäen asianmukaisia häiriönpoistoalgoritmeja. Lisäksi reaaliaikaisen kokeen tulokset olivat vertailukelpoisia offline-tulosten kanssa, mikä viittaa siihen, että algoritmien toteutus reaaliaikaisessa ympäristössä on riittävä kokeiden suorittamiseksi. Vaikka EEG-signaalin hankkiminen fMRI:n aikana on haasteellista, ehdotettu häiriönpoisto- ja vaihe-estimointijärjestelmä osoittaa lupaavia tuloksia mahdollistaen reaaliaikaisen EEG-laukaiseman aivostimulaatiokokeiden yhdistämisen fMRI-mittauksiin.Description
Supervisor
Palva, MatiasThesis advisor
Aydogan, Dogu BaranIlmoniemi, Risto