脑网络交互的深入研究 (BNI)

研究声明 意义 记忆障碍常见于多种神经和精神疾病，包括阿尔茨海默病和抑郁症，这给患者、家庭和社会带来沉重负担（Dickerson 和 Eichenbaum，2007 年）。 需要新的治疗和诊断策略，这些可能源于对情景记忆的大脑基础的更深入理解 (Tulving, 1983)。

群体平均神经影像学研究表明，称为“默认网络”(DN) 的分布式网络会增加回忆过去事件期间的活动（Buckner 等人，2008 年）。 该网络占据的区域包括后内侧皮层 (PMC)、后顶叶皮层 (PPC) 和内侧颞叶 (MTL)，以及外侧颞叶和外侧和内侧前额叶皮质。 基于功能磁共振成像的最新进展（fMRI；Poldrack 等人，2015 年；Laumann 等人，2015 年），最近的证据表明，当在个体中定义功能解剖学时，DN 至少包含两个并列的网络，命名为为方便起见，使用 DN-A 和 DN-B（图 1）。 这一发现迫使我们重新考虑 DN 在情景过程中的作用（另见：Dastjerdi 等人，2011 年；Andrews-Hanna 等人，2010 年）。 在这里，我们提出实验，以使用提供高时空分辨率和全脑网络定义的多模态方法加深我们对这些网络的理解。 我们将个体内部 fMRI 映射与颅内脑电图 (iEEG) 和脑电刺激 (EBS) 相结合。 我们将直接记录来自精确映射的网络区域的局部场电位，并应用毫米精度的电刺激。 这将提供关于两个领域的情景记忆的新信息，这些信息不能单独通过 fMRI 收集：i）表征情景回忆期间网络募集的快速时间动态，以及 ii）在回忆期间建立大脑区域之间的因果相互作用。

创新 在方法论上，该项目将提供原理证明，即可以在临床人群中执行精确的 fMRI 映射，并成功地结合侵入性记录和刺激。 通过更深入地了解分布式网络区域之间的任务-响应动态、耦合和因果关系，包括神经参与在记忆回忆过程中如何变化，将获得理论创新。 最后，该提案通过直接测试精确 fMRI 引导的颅内刺激是否可用于调节记忆性能来提供转化创新。

方法 一般方法：拟议实验的参与者将是疑似局灶性癫痫的神经外科患者，他们将接受颅内电极植入以定位癫痫病灶。 该提案将在西北大学 Feinberg 医学院进行。 计划进行颅内癫痫监测的患者将被邀请参加研究，并在手术植入电极之前接受 1 至 4 次 fMRI。 手术后，患者通常在西北纪念医院综合癫痫中心 (CEC) 接受约 7 天的监测，在此期间他们将被邀请参加拟议的实验。 所有受试者必须在参与前提供知情同意。

入组：预计在未来 3 年内至少有 40-50 名患者在 CEC 接受监测。 电极位置由患者的临床需要决定。 60-70% 的患者通常植入了内侧颞叶的密集覆盖，这是通过深度电极实现的，其轨迹允许对外侧颞叶皮质进行采样。 少数电极通常也植入后扣带回、外侧下顶叶和腹内侧前额叶皮层。 由于所研究网络的分布式特性，其中包含多个皮层区域中的区域，因此在许多情况下我们很可能会覆盖相关的大脑区域。 一些患者也可能使用硬膜下网格植入更广泛的皮质覆盖范围。 初步结果表明，即使患者仅植入深度电极，深度电极不放置在皮层表面，而是深入大脑，也往往能沿着电极轨迹实现对不同候选网络区域的覆盖。 保守估计，20-30 名受试者将是实现下述项目目标的理想人选。 鉴于 iEEG 的高信噪比（通常是任务诱发的基线信号增加 200-300%；Parvizi 和 Kastner，2017），通常可以在个体中找到可靠的效果。 所有提议的分析都将在个人内部进行，因此需要多个受试者来概括研究结果，而不是增加统计能力。 因此，少量受试者（低至 n = 12）就足够了（例如 布拉加和巴克纳，2017 年；福斯特等人，2013 年）。

神经影像采集：将在每位患者的 1-4 个疗程中收集 MR 扫描。 初步数据表明，在这个临床人群中，需要进行 2-3 次 MRI 治疗，以排除不合规的运行（例如 那些包含过多的头部运动）。 我们将在每个会话中收集 6-8 次运行的 fMRI 数据，从而为每位患者提供 42 - 224 分钟的 fMRI 数据。 这将允许对网络地形进行稳健和可靠的估计。 受试者的睡意将通过扫描仪内的眼动追踪摄像机进行监测。 可以通过允许患者在需要时在扫描仪内观看电影来提高依从性，试点分析显示可比较的地图是使用电影和视觉固定任务数据获得的。 因此，将管理这两项任务以提高合规性。

个人内部的网络定义：将使用两种方法在个人内部定义网络以确保稳健性。 MRI 预处理将使用自定义管道“iProc”执行，该管道优化对象内对齐并最大限度地减少模糊。 将手动选择单个种子区域，并将相关图设置为 r > 0.2 的阈值，以移除低确定性区域。 感兴趣的网络 DN-A 和 DN-B 将使用每个网络的预期解剖分布进行定位和识别（在 Braga 和 Buckner，2017 中有详细描述）。 一旦选择了候选种子区域，将使用数据驱动的聚类在每个个体中再次执行网络定义，从而减少潜在的实验者偏差。 将选择与手动定义的网络最匹配的聚类分析网络并将其标记为 DN-A 和 DN-B。 网络地图将用于通过每个网络内或附近的大致位置来标记电极触点（每个“电极”沿其轴或网格可以有多个“触点”）。

电极定位：将使用计算机断层扫描 (CT) 扫描确定电极位置。 将使用 BioImage Suite 获得 CT 空间中每个接触中心的估计值。 CT 图像将使用线性变换配准到解剖 T1 图像（包含脑组织位置），从而允许将每个接触点的坐标投影到 T1 空间。 初步数据表明，此定位过程中的评分者间误差通常为 ~1mm。 将以每个接触坐标为中心生成一个 2 毫米半径的球体，以近似每个接触的采样体积，由于组织电导而扩展。 通过排除球体不与灰质带重叠的接触（使用 FreeSurfer 估计），将删除主要采样白质的接触。 球体和灰质之间的重叠将用于基于表面和基于体积的功能连接 (FC) 分析。 将为每个联系人创建 FC 地图，并将生成的地图可视化。 如果一个联系人未能生成具有高相关性的遥远区域的 FC 图（表明该联系人正在对分布式网络进行采样），则该联系人将被排除在外。 如果联系人的 FC 图类似于 DN-A 和 DN-B，如使用聚类和手动定义的基于种子的分析所定义的，则此联系人将被标记为抽样 DN-A 和 DN-B，并包括在内以供进一步分析。 两个附近的电极，一个位于 DN-A 中，一个位于 DN-B 中，将在两个不同的皮层区域（例如 PMC 与 PPC，基于覆盖范围）。

iEEG 处理：癫痫区内或被外部噪音损坏的所有接触点都将从进一步分析中移除。 原始信号将以 60、120 和 180 Hz 进行陷波滤波，以去除电噪声和谐波。 在去除致病或尖峰信号以及功率谱图中显示为明显异常值的信号后，将通过减去共同平均值来重新引用陷波滤波信号。 数据将被带通滤波以提取不同频带的振幅和相位信息。 高频宽带 (HFB；70-140 Hz) 信号是局部神经元群体活动的重要替代指标，对应于血氧水平依赖信号的低频相关性（Logothetis 等人，2001 年）。 将计算 HFB 带限功率并在 <0.1 Hz 时进行低通滤波。 HFB 功率中的成对相关性将用于估计功能连接性。

直接皮质刺激：与研究刺激方案相关的风险被认为是递增的，并且通过在临床研究人员的监督下进行刺激，当患者服用抗癫痫药物并将刺激保持在安全范围内时，进一步降低了风险。 低频 (1 Hz) 单脉冲刺激将应用于 DN-A 和 DN-B 区域，以映射皮质-皮质诱发电位 (CCEP)。 这将用于估计强度，并提供有关区域之间连接方向性的数据。 与最初的计划不同，根据最近的发现（Hermiller 等人，2019 年），theta 爆发刺激（以 theta 频率间歇性应用的伽马波段刺激）将应用于外侧颞叶、后内侧和内侧的 DN-A 区域。回忆任务期间的前额叶皮质，以测试刺激远处的 DN-A 区域是否可以导致海马体介导的情景记忆回忆的改善。 电流将以低于导致后放电的阈值（通常约为 6-8 毫安）进行管理。