Část 1: Nezávislá dynamika nízko-, středně- a vysokofrekvenčních spektrálních intrakraniálních EEG aktivit během vytváření lidské paměti

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, I,

Michal T. Kucewiczc,e,i,∗

Graduate School of Biomedical Sciences, Mayo Clinic, USA

bKatedra elektrotechniky a počítačového inženýrství, University of Illinois, Urbana-Champaign, IL, USA

c Katedra multimediálních systémů, Fakulta elektroniky, telekomunikací a informatiky, BioTechMed Center, Gdaňská technická univerzita, Gdaňsk, Polsko d Nencki Institute of Experimental Biology, Polská akademie věd, Varšava, Polsko

neurologické oddělení, Mayo Clinic, Rochester, MN, USA

katedra počítačového inženýrství, Iowa State University, Ames, Iowa, USA

g Akademie věd ČR, Ústav přístrojové techniky, Brno, Česká republika

h Robotika a kybernetika, Český institut informatiky, České vysoké učení technické v Praze, Praha, Česká republika

oddělení fyziologie a biomedicínského inženýrství, Mayo Clinic, USA

Cistanche může zlepšit paměť

a b s t r a c t

Široké spektrum mozkových rytmů je zapojeno do kognitivních funkcí v celé lidské kůře. Jak jsou rytmy různých frekvenčních rozsahů koordinovány napříč prostorem lidské kůry a časemPaměťzpracování je neprůkazné. Mohou být buď společně koordinovány napříč frekvenčním spektrem ve stejném kortikálním místě a čase, nebo mohou být indukovány nezávisle v určitých pásmech. Použili jsme velký soubor dat lidské intrakraniální elektroencefalografie (EEG) k analýze časoprostorové dynamiky spektrálních aktivit indukovaných během vytváření verbálních vzpomínek. Kódování slov pro následné volné vyvolání aktivované nízkofrekvenční theta, mezifrekvenční alfa a beta a vysokofrekvenční gama výkon v mozaikovém vzoru diskrétních kortikálních míst. Většina kortikálních míst zaznamenala aktivitu pouze v jedné z těchto frekvencí, s výjimkou zrakové kůry, kde byla spektrální síla indukována ve více pásmech. Každé frekvenční pásmo vykazovalo charakteristickou dynamiku indukovaného výkonu specifického pro kortikální oblast a hemisféru. Síla nízko, středně a vysokofrekvenčních aktivit šířících se v nezávislých sekvencích napříč vizuálními, časovými a prefrontálními kortikálními oblastmi v následujících fázíchPaměťkódování. Naše výsledky poskytují holistický, zjednodušený model spektrálních aktivit zapojených do formování člověkaPaměť, což naznačuje anatomicky a časově rozloženou mozaiku koordinovaných mozkových rytmů.

1. Úvod

Předpokládá se, že mozkové rytmy podporujíPaměťa kognitivní funkce koordinací aktivit spojených neuronů do synchronních interakcí (Singer, 1999; Buzsaki, 2006; Fries, 2015; Klimesch, 1996; Fell a Axmacher, 2011). Spektrum rytmických aktivit zapojených do těchto interakcí zahrnuje theta (3–9 Hz) a gama

(30–120 Hz) frekvenční pásma se specifickými rolemi navrženými pro nízkofrekvenční a vysokofrekvenční aktivity vPaměťzpracování (Düzel et al., 2010; Sauseng et al., 2010; Fries et al., 2007; Tallon-Baudry a Bertrand, 1999; Nyhus a Curran, 2010; Lisman a Jensen, 2013; Herweg et al.), 2 . Mezifrekvenční pásmo alfa (9–12 Hz) a beta (12–25 Hz) bylo také spojeno s procesy nezbytnými pro paměťové funkce (Klimesch et al., 2007; Hanslmayr et al., 2011; Spitzer a Haegens 2017; Schmidt et al. al., 2019; Michalareas et al., 2016). Jak tyto různé rytmy fungují společně ve funkci v definovaném časovém měřítku a zapojují pouze podmnožinu spektrálních aktivit v daném frekvenčním rozsahu. Například na daném místě by byly vyvolány pouze theta rytmy. Oba scénáře se shodují v tom, že mozkové aktivity v definovaných frekvenčních rozsazích lze konceptualizovat jako „spektrální otisky prstů“, které slouží ke specifickým percepčním nebo kognitivním procesům v odpovídajícím časovém měřítku nervových interakcí (Siegel et al., 2012; Hanslmayr a Staudigl, 2014). . Přesné rozlišení dynamiky těchto spektrálních otisků prstů v anatomickém prostoru a čase je rozhodující pro testování těchto hypotéz a poskytnutí holistického modelu nervových aktivit prováděných během kognitivních úkolů.

Intrakraniální elektroencefalografické (EEG) záznamy představují jedinečnou příležitost sondovat s vysokým rozlišením širokou škálu nervových aktivit vykonávaných během kognitivních a dalších mozkových funkcí v diskrétních oblastech lidské kůry (Lhatoo et al., 2019; Johnson et al., 2020; Jacobs a Kahana 2010; Engel a kol., 2005). Signály EEG jsou odebírány z kontaktů elektrod implantovaných buď přímo na povrch neokortexu nebo do jeho hlubších vrstev a subkortikálních struktur. Spektrální aktivity generované místními nervovými populacemi a zaznamenané z více samostatných kontaktů tak mohou být sledovány v diskrétních kortikálních oblastech během dobyPaměťzpracovává se. Předchozí studie iEEG běžně využívaly spektrální výkon indukovaný v rozsazích vysokých frekvencí gama (60–120 Hz) ke sledování kortikálního zpracování vPaměťa kognitivní úkoly (Jerbi et al., 2009; Lachaux et al., 2012; Crone et al., 2006; Lundqvist et al., 2018). Theta (Sheehan a kol., 2018; Lin a kol., 2017) a alfa (Staresina a kol., 2016) byly také zkoumány dříve. Ukázalo se, že oscilační aktivity ve frekvencích theta a alfa se šíří jako lokální, nezávislé, putující vlny v diskrétních kortikálních oblastech běhemPaměťzpracování (Zhang et al., 2018), ale relativní časoprostorová dynamika těchto nízkofrekvenčních oscilací a rychlejší beta a gama aktivity během zpracování paměti zůstávají do značné míry neprozkoumané.

Zde jsme využili velkou datovou sadu iEEG 164 účastníků kódujících seznamy slov pro následné bezplatné slovní vyvolání. Předchozí studie s tímto úkolem odhalily distribuovanou síť mozkových oblastí souvisejících se smyslovým zpracováním a s deklarativností vyššího řáduPaměťfunkcí (Burke et al., 2013; Burke et al., 2014a; Kucewicz et al., 2019). Indukovaná vysoká gama síla byla pozorována nejprve ve vizuálních oblastech okcipitotemporálního kortexu a poté ve více předních oblastech prefrontálního kortexu, což inspirovalo dvoufázový modelPaměťkódování s časným senzorickým a pozdním stádiem asociace (Burke et al., 2014a).

Podobná sekvence zadního-předního pořadí indukovaného výkonu byla také pozorována ve frekvenčním pásmu theta (Burke et al., 2013) a potvrzena v činnostech mimo frekvenční rozsah gama (Kucewicz et al., 2014). Naše nedávná studie zjistila sekvenci indukovaného vysokého výkonu gama běhemPaměťkódování bude kontinuální se zvyšujícími se latencemi podél hierarchie postupně vyšších asociačních oblastí (Kucewicz et al., 2019), které vyvrcholí v přední prefrontální kůře pozdě do kódování slov. Předchozí iEEG studie zpracování verbální paměti byly buď omezeny na menší datové sady účastnických nahrávek s řídkým elektrodovým pokrytím neokortexu, nebo se zaměřovaly pouze na vybraná frekvenční pásma. Spektrální výkon v různých pásmech by tedy byl buď prostorově zprůměrován napříč více elektrodovými místy větších kortikálních oblastí, čímž by došlo ke ztrátě rozlišení a granularity jednotlivých míst, nebo by nebyl studován napříč mozkovými aktivitami theta, alfa, beta a gama.

Vzhledem k širokému rozsahu frekvenčního spektra a oblastí mozku analyzovaných společně v předchozích studiích jsme předpokládali, že specifické spektrální aktivity jsou indukovány v granulárním vzoru diskrétních kortikálních

umístění. Agregace aktivity z několika míst by tedy vedla k naklonění širokopásmového výkonu v celém spektru (Kilner et al., 2005), které by se mohlo skládat z více, specifických, „spektrálních otisků prstů“ (Fellner et al., 2019). . Přesná lokalizace různých otisků prstů by byla buď společná pro stejná kortikální místa záznamu elektrod, nebo by byla distribuována v mozaice různých anatomických míst. Podobně, pokud jde o načasování, nízkofrekvenční, střední a vysokofrekvenční spektrální aktivity by byly indukovány v různých časechPaměťkódování nebo všechny současně. Kromě theta a gama aktivit se očekávalo, že alfa a beta rytmy budou indukovány v různých kortikálních místech a časechPaměťkódování. Obecně jsme testovali nezávislou časoprostorovou dynamiku spektrálních aktivit indukovaných během formování lidské verbálníPaměťstopy. Naším cílem bylo poskytnout holistický model mozkových rytmů zapojených v širokém rozsahu frekvencí, kortikální anatomie a fází kódování paměti.

2. Materiály a metody

2.1. Předměty

Soubor záznamů EEG od celkem 164 účastníků podstupujících chirurgické hodnocení farmakorezistentní epilepsie byl převzat z velké multicentrické kolaborativní studie (všechna de-identifikovaná data jsou dostupná na http://memory.psych.upenn.edu/Electrophysiological{ {3}}Data).

Nahrávky byly shromážděny z následujících center: Mayo Clinic, Thomas Jefferson University Hospital, Hospital of Pennsylvania, Dartmouth-Hitchcock Medical Center, Emory University Hospital, University of Texas Southwestern Medical Center a Columbia University Hospital. Příslušná institucionální kontrolní rada v každém centru schválila jeden společný výzkumný protokol a od každého účastníka byl získán informovaný souhlas. U 139 pacientů zahrnutých do konečné analýzy jsou informace týkající se počtu dokončených slovních studií a zóny nástupu záchvatu shrnuty v Dodatku. Tabulka 1. Začátek záchvatu byl lokalizován na pravou hemisféru u 46 pacientů, levou hemisféru u 55, bilaterálně u 26 a neurčený u 12. Demografické informace jako věk a pohlaví byly k dispozici pouze u 85 pacientů (průměrný věk 35,6 let se směrodatnou odchylkou 11,6 let, 43 žen až 42 mužů, tabulka 1) kvůli omezenému přístupu k citlivým informacím o zdravotní péči z více klinických center, která shromáždila souhrnný soubor dat. Elektrofyziologické záznamy byly shromážděny ze standardních klinických subdurálních a hloubkových elektrod (AdTech Inc., PMT Inc.) implantovaných na kortikální povrch a do mozkového parenchymu, v daném pořadí. Subdurální elektrodové kontakty byly uspořádány buď v mřížkové nebo páskové konfiguraci se vzdáleností 10 mm a kontakty hloubkové elektrody byly od sebe vzdáleny 5 až 10 mm. Umístění elektrod bylo určeno klinickým týmem pro lokalizaci ložisek záchvatů pro případnou epilepsii nebo chirurgický zákrok nebo implantaci zařízení pro terapeutickou elektrickou stimulaci mozku.

2.2. Anatomická lokalizace a mapování povrchu mozku

Parcelace kortikálního povrchu byly vytvořeny pro každého účastníka z předimplantačních MRI skenů (volumetrické T1-vážené sekvence) pomocí softwaru Freesurfer (RRID: SCR_001847). Hipokampus a okolní kortikální oblasti byly vytyčeny odděleně na základě dodatečného 2 mm silného koronálního T2- váženého skenu s použitím multiatlasové segmentační metody automatické segmentace hipokampálních subpolí (ASHS). Kontaktní souřadnice elektrod odvozené ze společně registrovaných poimplantačních CT skenů byly poté mapovány do preimplantačních MRI skenů, aby se určilo jejich anatomické umístění. U subdurálních proužků a mřížek byly elektrodové kontakty navíc promítnuty na kortikální povrch pomocí algoritmu minimalizace energie, aby se zohlednil pooperační posun mozku. Kontaktní místa byla přezkoumána a potvrzena na površích a příčných řezech neuroradiologem. T1-vážené snímky MRI byly také zaregistrovány do standardního mozku MNI152, aby bylo možné porovnávat záznamová místa ve společném prostoru mezi subjekty. Anatomická umístění záznamových míst, včetně oblastí Brodmann, byla odvozena převodem souřadnic MNI do prostoru Talairach a dotazem na démona Ta-Talairach (www.talairach.org).

2.3. Elektrofyziologické záznamy

Signály EEG byly zaznamenány pomocí jednoho z následujících klinických elektrofyziologických akvizičních systémů (v závislosti na instituci pro sběr dat): Nihon Kohden EEG-1200, Natus XLTek EMU 128 nebo Grass Aura-LTM64. V závislosti na akvizičním systému a preferencích klinického týmu byly signály odebírány buď při 500, 1000 nebo 1600 Hz a byly vztaženy ke společnému kontaktu umístěnému buď intrakraniálně, na temeni hlavy nebo mastoidním výběžkem. Pro analýzu byly všechny záznamy používající vyšší vzorkovací frekvence filtrovány antialiasingovým filtrem a převzorkovány na 500 Hz. Společná bipolární montáž byla vypočtena post hoc pro každý subjekt odečtením časových řad naměřených napětí na všech párech prostorově sousedících kontaktů. To vedlo k N-1 bipolárním signálům v případě penetračních a páskových elektrod a N=(i − 1)∗j plus (j − 1)∗I, kde i a j jsou počet kontaktů ve vertikálním a horizontálním rozměru mřížky. Pro analýzu dat této studie se jedna "elektroda" týká bipolárního signálu z jednoho bipolárního páru kontaktů. Je důležité poznamenat, že kontakty mohou být použity pro více elektrod, takže ne všechny signály jsou skutečně nezávislé.

2.4. Volný úkol vyvolání

Klasické paradigma pro sondování tvoření slovesného epizodickéhoPaměťbyla zaměstnána (Kahana, 2014), ve které byly subjektům ukázány seznamy slov pro následné volné vyvolání. Účastníci byli instruováni, aby prostudovali seznamy slov prezentovaných na obrazovce přenosného počítače pro zpožděný test hlasové paměti. Seznamy byly složeny z 12 slov vybraných náhodně a bez náhrady ze skupiny často používaných podstatných jmen v mateřském jazyce subjektu (buď angličtině nebo španělštině; http://memory.psych.upenn.edu/WordPools). Každé slovo se objevilo na obrazovce po dobu 1600 ms, po čemž následoval náhodný jitter 750 až 1000 ms prázdný interval mezi stimuly. Na konci každého seznamu slov subjekt provedl úlohu rozptýlení. Tento úkol trval 20 s a sestával ze série jednoduchých aritmetických úloh formátu A plus B plus C, kde A, B a C byla náhodná jednociferná celá čísla mezi 1 a 9. Po úloze distraktoru účastníci dostali 30 s, během nichž si vybavili co nejvíce slov ze seznamu v libovolném pořadí (obr. 1). Hlasové odezvy byly digitálně zaznamenány pomocí notebooku a později byly ručně skórovány pro analýzu. Do další analýzy byly zahrnuty pouze subjekty, které si zapamatovaly alespoň 15 procent slov a dokončily alespoň 12 seznamů úkolu (Long et al., 2014). Zbylo tak 139 ze 164 původních subjektů pro celkem 14 219 elektrod použitých v této studii. Elektrolýzně-logické záznamy byly synchronizovány s výskytem stimulu na obrazovce pomocí generátoru elektrických pulzů ovládaného úkolovým notebookem, který posílal pulzy do určeného kanálu událostí v systému klinického získávání. Události byly po záznamové relaci označeny časovým razítkem pomocí vlastních kódů MATLAB a byly použity k extrakci konkrétních zajímavých epoch kolem prezentace slov. Každá zaznamenaná epocha byla dlouhá 3000 ms a zahrnovala 1600 ms prezentace slov na obrazovce se 700 ms prázdné obrazovky interstimulačního intervalu před a po každé prezentaci slova.

Zkušební průměrná spektrální síla EEG signálů z epoch prezentace slov (jedno slovo na zkoušku) byla integrována napříč epochou a použita jako funkce pro klasifikaci aktivních elektrod, které zaznamenávají z oblastí mozku zapojených do verbálníPaměťkódování. Aktivní elektrody byly klasifikovány nezávisle v šesti frekvenčních pásmech EEG spektra pomocí normalizovaných odhadů změny výkonu (z-score transformace). Klasifikační postup využíval nekontrolovanou metodu založenou na Gaussově modelu směsi (Saboo et al., 2019). Všimněte si indukované aktivity ve všech šesti frekvenčních pásmech v příkladu spektrogramu vyneseného z experimentálně zprůměrované aktivity z jedné elektrody lokalizované v okcipitálním kortexu.

2.5. Analýza dat

Analyzovali jsme epochy záznamu iEEG během prezentace slovPaměťkódování. Každá epocha prezentace byla FIR filtrována (2000- řád Barlett-Hanning s filtrováním zkreslení s nulovou fází, pásmová propust s frekvenčními limity specifikovanými pro každé frekvenční pásmo), než byla spektrálně rozložena, normalizována a sloučena nezávisle do odlišných frekvenčních pásem mezi 2 a 120 Hz: nízké theta (2–4 Hz), vysoké theta (5–9 Hz), alfa (10–15 Hz), beta (16–25 Hz), nízké gama (25–55 Hz) a vysoké gama (65–115 Hz). Hranice pro tato frekvenční pásma byly stanoveny na základě nepřekrývajících se a spojitých rozsahů rostoucích do šířky podél frekvenčního spektra. Horní mez 115 Hz byla zvolena tak, aby byly zajištěny alespoň 4 vzorky na cyklus při vzorkovací frekvenci 500 Hz a aby se zabránilo harmonické 60 Hz linkovému šumu. Chcete-li převést filtrované signály na spektrogram s a

Rozlišení frekvenčního zásobníku 2 Hz od 2 Hz do 115 Hz, použili jsme 500 ms posuvná okna s délkou snímku 5 ms a metodu multi-taper s 1 zúžením z chronické sady nástrojů v MATLABu (http://chronux.org/; Mitra, 2007). Spektrogramy epochy prezentace slov byly zprůměrovány společně po log-normalizaci a transformaci z-skóre každého časově-frekvenčního bodu. Z-skóre bylo provedeno podle následujícího vzorce:

x(t, f) − μ

z(t, f)=σ

kde x je signál, t je časový interval, f je kmitočtový zásobník, f je střední hodnota a f je standardní odchylka pro danou frekvenci. Každý pokus byl normalizován samostatně. Log normalizace byla implementována za účelem korekce vlivu zákona 1/f výkonu nižších frekvencí na odhadovaný výkon ve vyšších frekvenčních pásmech a transformace z-skóre byla provedena, aby poskytla normalizovanou škálu změny výkonu pro srovnání signálů z různých elektrod. , sezení a účastníci (Kucewicz et al., 2019, 2017; Saboo et al., 2019). Tato normalizace z-skóre vytváří pozitivní a negativní změny síly ve vztahu ke střední síle v rámci jakékoli jednoslovné epochy namísto použití období „základní linie“. I malé kladné nebo záporné odchylky absolutní síly by se tedy účinně zvýšily vzhledem ke střední hodnotě signálu, jak bylo popsáno dříve (Kucewicz et al., 2019; Alotaiby et al., 2015). Okrajové artefakty v odhadu výkonu byly eliminovány oříznutím dvou časových přihrádek z obou konců konečného spektrogramu pro všechny frekvence. Pro každou elektrodu a frekvenční pásmo jsme určili průměrný spektrální výkon v každém časovém bloku ve všech epochách prezentace slov. Celkový indukovaný výkon v daném frekvenčním pásmu během periody prezentace slova byl kvantifikován jako plocha pod absolutní hodnotou odpovídající křivky časové řady, jak je znázorněno na Obr. 1. Elektrody byly poté klasifikovány na „aktivní“ a „neaktivní“ v každém konkrétním pásmu pomocí naší metody shlukování bez dozoru založené na Gaussově modelování směsi (GMM), aby se identifikovaly ty, které vykazovaly změny výkonu vyvolané úkolem (Saboo et al., 2019 ). Tato metoda v podstatě provádí binární klasifikaci strojového učení aktivních a neaktivních kanálů na základě hodnoty indukovaného výkonu každého kanálu. Klasifikace byla provedena samostatně pro každé zájmové frekvenční pásmo. Celý postup je shrnut na Obr. 1.

Zvolili jsme metodu založenou na GMM, abychom zajistili, že pro shluky aktivních elektrod a neaktivních elektrod budou povoleny různé počty odrážející obchody. Počet shluků byl nastaven na dva, protože kategorizace elektrod aktivní-neaktivní je binární: změna spektrálního výkonu může být buď indukována (zvýšena nebo snížena) nebo ne během období prezentace slova. Použití GMM také umožnilo klasifikaci bez požadavku na základní pravdivostní data. Elektrody byly shromážděny mezi subjekty a poté seskupeny pro identifikaci aktivních elektrod.

2.6. Mapování indukovaného výkonu

Většina aktivních elektrod byla lokalizována v kortikálních oblastech spojených se zpracováním vizuálních a sémantických informací, stejně jako s deklarativními informacemi.Paměťa výkonné funkce. Ze 39 Brodmannových oblastí byla většina umístění elektrod seskupena do 9 oblastí mozku, z nichž každá obsahovala Brodmannovy oblasti: vizuální (Brodmannovy oblasti 18 a 19), inferiorní temporální (Brodmannovy oblasti 20 a 37), precuneus (Brod- hlavní oblasti 30 a 31), laterální parietální (Brodmannovy oblasti 7 a 39), meziální temporální (Brodmannova oblast 28 a Hippocampus), laterální temporální (Brodmannovy oblasti 21 a 22), Brocovy oblasti (Brodmannovy oblasti 44 a 45), laterální prefrontální (Brodmannovy oblasti 9 a 46) a čelní pól (Brodmannovy oblasti 10 a 11). Pokud není uvedeno jinak, veškerá další analýza byla zaměřena na epochy vyvolaných slov, tj. epochy s úspěšně zakódovanými slovy, která byla následně volně vyvolána, v těchto devíti kortikálních oblastech.

Změny indukovaného výkonu v každém frekvenčním pásmu byly vyneseny ze všech aktivních elektrod na průměrný povrch mozku pro každý časový bod slova epocha s použitím vlastního kódu MATLAB pro vážicí techniku ​​závislou na umístění elektrody. Povrch mozku byl vytvořen jako síť, kde každému prvku sítě byla přiřazena barva závislá na indukovaném výkonu okolních elektrod vážených relativní vzdáleností k prvku (větší hmotnost k proximálnějším elektrodám). Pro každý vynesený síťový prvek povrchu mozku byly uvažovány pouze účinky elektrod v rámci prahu 10 mm od středu prvku. Indukovaný výkon byl tedy zprůměrován ze všech elektrod v rámci prahového poloměru, které byly lineárně váženy jejich blízkostí podle následujícího vzorce:

IP1∗ (práh – r1) plus IP2∗ (prah – r2) plus … plus IP ∗ (prah – rn )

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

kde IP je hodnota indukované změny výkonu pro elektrodu a r je vzdálenost mezi elektrodou a vybraným prvkem sítě mozkového povrchu.

2.7. Statistika

K analýze procenta elektrod v oblasti označené jako "ak-time" (obr. 2) byly použity testy ANOVA s vícenásobnými korekcemi srovnání pro účinky frekvenčního pásma, oblasti mozku (Brodmannova oblast) a hemisféry. Časové rozdíly mezi hemisférami byly kvantifikovány pomocí dvoustranné, nepárové statistiky t-testu s Bonferroniho korekcí (obr. 3A). Poté jsme rozdělili každou epochu slova na fáze před kódováním, rané kódování, pozdní kódování a po kódování (Burke et al. , 2014; Kucewicz et al., 2019) a použili opakovaná měření ANOVA (fáze kódování jako faktor uvnitř subjektů) s posthoc Tukey-Kramerovým testem k analýze účinků frekvenčního pásma, oblasti mozku a hemisféry na indukovaný výkon během každého fáze verbálníPaměťúkol (obr.3B). Špičková latence pro každé frekvenční pásmo a oblast byla určena jako časový interval s maximální kladnou špičkou indukovaného výkonu. Latinská města byla porovnána pomocí ANOVA s opakovanými měřeními (fáze kódování jako faktor v rámci subjektů) a post-hoc Tukey-Kramerových vícenásobných srovnávacích testů (obr. 4). Pearsonův korelační test byl použit k posouzení vlivu polohy podél každé osy mozku na dobu latence špičkového výkonu (obr. 5B). Hodnota alfa pro všechny testy byla nastavena na 0.05.

3. Výsledky

3.1. Spektrální aktivity indukované během kódování paměti jsou heterogenně distribuovány napříč lidskou kůrou

Nejprve jsme identifikovali podskupinu elektrod z kortikálních oblastí aktivovaných běhemPaměťkódování. Pro tento účel spektrální výkon v pásmu v šesti nepřekrývajících se frekvenčních rozsazích (nízká theta: 2–4 Hz, vysoká theta: 5–9 Hz, alfa: 10–15 Hz, beta: 16– 25 Hz, nízká gama: 25–55 Hz, vysoká gama: 65–115 Hz) byla použita jako funkce pro automatickou klasifikaci aktivních elektrod (Saboo et al., 20}19) nezávisle v každém pásmu (obr. 1). Z celkového počtu 14 219 elektrod implantovaných všem účastníkům 4738 (33,3 procenta) vykazovalo indukovaný spektrální výkon alespoň v jednom z frekvenčních pásem. Typické místo elektrody tedy vykazovalo indukovaný výkon v definovaném rozsahu buď nízkých, středních nebo vysokofrekvenčních pásem (obr. 2A). V souladu s našimi předchozími výsledky (Kucewicz et al., 2019; Alotaiby et al., 2015) byly tyto aktivní elektrody široce distribuovány přes 39 Brodmannových oblastí, které byly definovány ve všech kortikálních lalocích (obr. 2B). Relativní podíl elektrod v každé Brodmannově oblasti, které se aktivně pohybovaly, se pohyboval od 4,3 procenta do 75 procent v závislosti na umístění v limbickém, frontálním, prefrontálním, parietálním, temporálním nebo okcipitálním laloku (ANOVA F=99.21, s. < 0,001,="" df="5)," s="" výrazně="" aktivnějšími="" elektrodami="" nalezenými="" v="" senzorických="" vizuálních="" oblastech="" okcipitálního="" a="" parietálního="" kortexu="" (posthoc="" tukey="" kramer,="" p="">< 0,05).="" v="" každé="" oblasti="" byly="" pozorovány="" podobné="" proporce="" v="" každém="" frekvenčním="" pásmu,="" včetně="" alfa="" a="" beta="" pásma,="" bez="" významných="" rozdílů="" napříč="" spektrem="" (n-way="" anova="" f="0.17," p="0.9747" ,="" df="5)." stručně="" řečeno,="" bez="" ohledu="" na="" analyzované="" frekvenční="" pásmo,="" nejméně="" 4="" procenta="" elektrodových="" míst="" v="" kterékoli="" z="" analyzovaných="" kortikálních="" oblastí="" odhalila="" významně="" indukovaný="" výkon="" během="">

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 účastníků; viz tabulka 1). Elektroda může být aktivní v jednom nebo více pásmech. Zjistili jsme, že nejvyšší podíl elektrod byl aktivní pouze v jednom (43,12 procenta) nebo dvou (22,94 procenta) pásmech a proporcionálně méně ve více než dvou pásmech, přičemž pouze menšina (5,4 procenta) byla aktivní ve všech šesti (obr. 2C). Nejvyšší překrytí indukovaného spektrálního výkonu ve více než dvou pásmech bylo pozorováno u elektrod v zadních senzorických zrakových oblastech okcipitálního kortexu (obr. 2C; červená), kde bylo během kódování slov aktivováno v průměru 4–5 pásem na elektrodu. Ostatní zrakové oblasti temporálního a parietálního kortexu také vykazovaly relativně vysokou distribuci elektrod s aktivovanými více než dvěma pásy, na rozdíl od předních oblastí zpracování vyššího řádu v temporálním a prefrontálním kortexu, kde byly elektrody aktivní v 1–2 frekvenčních pásmech. (obr. 2C; černá). Celkově většina elektrodových míst vykazovala snížený spektrální výkon v jednom nebo dvou specifických frekvenčních pásmech, což naznačuje, že různé aktivity byly v kortexu prostorově segregovány.

Obr. 2. Spektrální aktivity indukované během kódování verbální paměti jsou v lidském mozku nerovnoměrně distribuovány. (A) Reprezentativní příklady zkušebních průměrných spektrogramů během kódování slov z aktivních elektrod ukazují indukované změny výkonu omezené nezávisle na každé ze tří frekvenčních skupin z různých anatomických míst. (B) Proporce aktivních elektrod v šesti studovaných frekvenčních pásmech (nízká theta: 2–4 Hz, vysoká theta: 5–9 Hz, alfa: 10–15 Hz) beta:

16–25 Hz, nízké gama: 25–55 Hz, vysoké gama: 65–115 Hz) vykazují významné rozdíly (ANOVA) v anatomické distribuci (červené hvězdičky; p < 0,05="" post-hoc="" tukey="" kramerův="" test="" ),="" ale="" ne="" napříč="" frekvenčními="" pásmy,="" jak="" je="" shrnuto="" ve="" vložených="" rámečkových="" grafech.="" (c)="" distribuce="" elektrod="" aktivních="" v="" jednom="" nebo="" více="" frekvenčních="" pásmech="" odhaluje="" nejvyšší="" překrytí="" v="" zadních="" oblastech="" okcipitálního="" a="" parietálního="" zrakového="" kortexu,="" které="" se="" postupně="" snižovalo="" ve="" více="" předních="" kortikálních="" oblastech,="" jak="" je="" znázorněno="" na="" průměrném="" grafu="" povrchu="" mozku="" a="" kreslený="" souhrn="" všech="" aktivních="" elektrod="" (tečky="" zbarvené="" podle="" sloupcového="" diagramu)="" a="" v="" houslových="" grafech="" (černé="" a="" červené="" čáry="" označují="" průměr,="" resp.="" medián="" (hoffmann,="" 2015)).="" (d)="" distribuce="" všech="" elektrod="" aktivních="" v="" pásmech="" gama="" (vysoká="" frekvence),="" alfa/beta="" (střední="" frekvence)="" a="" theta="" (nízká="" frekvence)="" se="" liší="" v="" devíti="" vybraných="" kortikálních="" oblastech="" zájmu="" (v="" -="" vizuální;="" it="" -="" nižší="" temporální;="" pre="" -="" precuneus;="" par="" -="" laterální="" parietální;="" mtl="" -="" meziální="" temporální="" lalok;="" lt="" -="" laterální="" temporální;="" br="" -="" brocova="" oblast;="" pfc="" -="" prefrontální="" kortex;="" fp="" -="" frontální="" pól)="" s="" relativně="" větším="" počtem="" prefrontálních="" elektrod="" aktivních="" v="" pásmech="" gama="" (červená)="" a="" více="" elektrod="" ve="" vizuálních="" oblastech="" aktivních="" ve="" všech="" pásmech="" (černé),="" jak="" je="" znázorněno="" na="" grafu="" průměrného="" povrchu="" mozku,="" v="" kresleném="" shrnutí="" a="" na="" obrázku="" pro="" housle.="" všimněte="" si,="" že="" většina="" elektrod="" byla="" celkově="" aktivní="" pouze="" v="" jednom="" nebo="" dvou="" frekvenčních="" pásmech,="" buď="" v="" nízkých,="" středních="" nebo="" vysokých="" frekvencích,="" s="" výjimkou="" vizuálních="" oblastí="" s="" více="" než="" dvěma="" frekvenčními="" pásmy="" aktivními="" na="" každou="" elektrodu="" (pro="" interpretaci="" odkazů="" na="" barvu="" v="" tomto="" legenda="" obrázku,="" čtenář="" je="" odkázán="" na="" webovou="" verzi="" tohoto="">

Dále jsme se zeptali, zda se spektrální aktivity, které byly indukovány na kterémkoli místě elektrody, překrývají v podobných frekvenčních rozsazích. Seskupili jsme aktivity do skupin s nízkou, střední a vysokou frekvencí (theta, alfa/beta a gama) a porovnali podíly aktivních elektrod s různými kombinacemi skupin. Více než polovina všech aktivních elektrod ukázala, že indukovaný výkon je výhradně v nízkých, středních nebo vysokofrekvenčních pásmech (obr. 2D). Elektrody s vysokým přesahem napříč všemi skupinami byly lokalizovány převážně v zadních zrakových oblastech (obr. 2D; černá). Zbývající místa elektrod, která vykazovala indukovaný výkon v jedné ze tří frekvenčních skupin, byla rovnoměrně rozložena napříč kůrou s podobnými proporcemi v každé ROI, kromě prefrontálních oblastí, kde bylo během kódování paměti přítomno relativně více vysokofrekvenčních gama aktivit (obr. .2D; červená). Naše výsledky ukázaly, že aktivity určitého frekvenčního rozsahu byly indukovány většinou na specifických kortikálních místech, čímž se vytvořil mozaikovitý vzorec distribuce konzistentní s představou „spektrálních otisků prstů“ (Siegel et al., 2012).

3.2. Laterální efekt indukovaného výkonu je specifický pro konkrétní frekvence a kortikální oblasti

Naší další otázkou bylo, zda se celkový výkon v pásmu indukovaný během doby kódování slova (obr. 1) lišil v závislosti na anatomickém umístění, frekvenčním pásmu nebo hemisféře. Jednotlivé aktivní elektrody mohou vykazovat podobné velikosti indukovaného výkonu, navzdory heterogenní distribuci napříč kortikálními oblastmi (obr. 2). Celkově se projevil významný vliv frekvenčního pásma na indukovaný výkon (opakovaná měření ANOVA F=1346,99,p < 0.001,="" df="" {="" {8}}).="" oblast="" mozku="" (anova="" f="38.21," p="">< 0,001,="" df="37)" a="" umístění="" elektrody="" na="" polokouli="" (anova="" f="17.4," p="">< 0,001,="" df="" {{="" 18}}).="">

Obr. 3. Časové profily indukovaného výkonu během kódování odhalují laterální efekty ve specifických frekvencích a kortikálních oblastech. (A) Každý panel ukazuje změny výkonu ve zkušebním průměru během doby prezentace slova (šedé pozadí) odhadnuté ze všech aktivních elektrod v daném frekvenčním pásmu a oblasti mozku vynesené samostatně pro levou a pravou hemisféru (červená a modrá, resp.) . Grafy šedé oblasti na pozadí shrnují statistický rozdíl (t-statistika) mezi dvěma hemisférami v 50 ms časových intervalech s tmavě šedou indikující významně větší (pozitivní hodnoty t) nebo menší (negativní hodnoty t) sílu v levá hemisféra (horizontální přerušované čáry; Studentův t-test, p < 0,05).="" všimněte="" si,="" že="" významný="" laterální="" efekt="" je="" lokalizován="" ve="" specifických="" frekvenčních="" pásmech="" v="" dané="" oblasti="" mozku.="" (b)="" souhrnné="" srovnání="" celkového="" indukovaného="" výkonu="" (opakovaná="" měření="" anova)="" ze="" všech="" frekvenčních="" pásem="" napříč="" devíti="" oblastmi="" mozku="" (označení="" viz="" obr.="" 2)="" a="" čtyř="" fází="" kódování="" paměti="" –="" faktor="" uvnitř="" subjektu="" (červené="" hvězdičky="" označují="" významný="" rozdíl="" tukey-kramerův="" test,="" p="">< 0,05).="">Paměťúčinek byl největší v levé prefrontální kůře (označeno černou dvojitou šipkou), zatímco MTL vykazoval největší účinek v oblastech pravé hemisféry (Pro interpretaci odkazů na barvu v této legendě obrázku se čtenář odkazuje na web verze tohoto článku).

skupinová analýza (Tukey-Kramer, p < 0.05)="" potvrdila="" výrazně="" menší="" výkon="" s="" rostoucími="" frekvencemi="" pásem,="" s="" výjimkou="" mezi="" pásmy="" nízkého="" a="" vysokého="" gama="" (doplňkový="" obr.="" 1).="" elektrody="" v="" okcipitálním="" laloku="" vykazovaly="" výrazně="" vyšší="" indukovaný="" výkon="" než="" v="" jakékoli="" jiné="" oblasti="" v="" souladu="" s="" naší="" předchozí="" studií="" vysokých="" gama="" aktivit="" (kucewicz="" et="" al.,="">