同期TMS-iEEGのための実用的な事前処理パイプライン:重要なステップと方法論的考察

科学分野:

• 神経科学
• 計算神経科学
• 生物医学工学

背景:

• 脳内EEG (TMS-iEEG) と組み合わせたトランスクレニアル磁気刺激は,脳機能を理解するために不可欠です.
• TMS-iEEGデータにおける神経応答の分析を複雑にする.

研究 の 目的:

• シングルパルスTMS-iEEGデータのための実用的な事前処理パイプラインを開発し,評価する.
• アーティファクトの減少と信号品質に対する異なる事前処理の影響を評価する.
• TMS-iEEGデータ分析の最適化のためのガイドラインを提供すること.

主な方法:

• 再参照,フィルタリング,アーティファクトインタポレーション,デトレンドを含むプリプロセッシングパイプラインを開発しました.
• 体系的な評価のために実際のTMS-iEEGデータとシミュレートされたデータの両方を利用した.
• パイプライン内の代替方法の選択を比較した.

主要な成果:

• 提案されたパイプラインは,TMSによる人工物とノイズを効果的に削減しました.
• よりクリーンな頭蓋内TMS誘発ポテンシャル (iTEPs) を取得し,その後の分析を行いました.
• 方法論的な選択,特に参照は,iTEPの結果に大きな影響を与えました.

結論:

• 開発されたパイプラインは,TMS-iEEGデータ分析の信頼性を高める.
• iTEPの正確な解釈には,参照戦略の調整が不可欠です.
• アーティファクトの歪みを軽減するためにセグメントベースのフィルタリングを推奨します.
• TMS-iEEGの研究と脳の組織の理解を進めるための枠組みを確立する.