Detail publikace

Zkoumání s úkolem spražené variability v fMRI datech pomocí fluktuací ve výkonovém spektru simultánně měřeného EEG

LABOUNEK, R. LAMOŠ, M. MAREČEK, R. BRÁZDIL, M. JAN, J.

Originální název

Exploring task-related variability in fMRI data using fluctuations in power spectrum of simultaneously acquired EEG

Český název

Zkoumání s úkolem spražené variability v fMRI datech pomocí fluktuací ve výkonovém spektru simultánně měřeného EEG

Anglický název

Exploring task-related variability in fMRI data using fluctuations in power spectrum of simultaneously acquired EEG

Typ

článek v časopise

Jazyk

en

Originální abstrakt

Background: The paper deals with joint analysis of fMRI and scalp EEG data, simultaneously acquired during event-related oddball experiment. The analysis is based on deriving temporal sequences of EEG powers in individual frequency bands for the selected EEG electrodes and using them as regressors in the general linear model (GLM). New method: Given the infrequent use of EEG spectral changes to explore task-related variability, we focused on the aspects of parameter setting during EEG regressor calculation and searched for such parameters that can detect task-related variability in EEG-fMRI data. We proposed a novel method that uses relative EEG power in GLM. Results: Parameter, the type of power value, has a direct impact as to whether task-related variability is detected or not. For relative power, the final results are sensitive to the choice of frequency band of interest. The electrode selection also has certain impact; however, the impact is not crucial. It is insensitive to the choice of EEG power series temporal weighting step. Relative EEG power characterizes the experimental task activity better than the absolute power. Absolute EEG power contains broad spectrum component. Task-related relative power spectral formulas were derived. Comparison with existing methods: For particular set of parameters, our results are consistent with previously published papers. Our work expands current knowledge by new findings in spectral patterns of different brain processes related to the experimental task. Conclusions: To make analysis to be sensitive to task-related variability, the parameters type of power value and frequency band should be set properly.

Český abstrakt

Pozadí: Studie se zabýva sdruženou analýzou mezi fMRI a skalpovými EEG daty, simultánně zaznamenanými během event-related oddball experimentu. Analýza je založena na výpočtech časových sekvencí EEG výkonu v individuálních frekvenčních pásmech pro vybrané elektrody, a využívá je jako regresory v obecném lineárním modelu. Nová metoda: Kvůli málo častému užití EEG spektrálních změn k prozkoumávání s úkolem spřažené variability, zaměřili jsme se na aspekty nastavení parametrů během výpočtu EEG regresoru a hledali takové parametry, které dokáží detekovat s úkolem spřaženou variabilitu v EEG-fMRI datech. Navrhli jsme novou metodu, která používá relativní výkon EEG v obecném lineárním modelu. Výsledky: Parametr, druh výkonové hodnoty, měl zásadní vliv zda s úkolem spřažená variabilita byla detekována či nikoliv. Pro relativní EEG výkon jsou finální výsledky citlivé na volbu frekvenčního pása zájmu. Výběr elektrod zájmu má také jistý vliv, ale není zásadní. Výsledky výpočtů jsou necitlivé na volbu velikosti kroku časového váhování EEG výkonových sekvencí. Relativní EEG výkon charakterizuje úkolem evokovanou aktivitu lépe než absolutní výkon. Absolutní EEG výkon obsahuje širokospektrální komponentu. S úkolem spřažené spektrální rovnice relativního výkonu byly odvozeny. Srovnánís existujícími metodami: Pro jednotlivá nastavení parametrů jsou naše výsledky konzistentní s dříve publikovanými studiemi. Naše práce rozšiřuje dosavadní znalost o nové objevy v podobě spektrálních vzorců pro rozdílné mozkové procesy vázané k úkolu experimentu. Závěr: Aby byla analýza senzitivní na s úkolem spřaženou variabilitu, parametry druh výkonové hodnoty a frekvenční pásmo zájmu by měly být nastaveny obezřetně.

Anglický abstrakt

Background: The paper deals with joint analysis of fMRI and scalp EEG data, simultaneously acquired during event-related oddball experiment. The analysis is based on deriving temporal sequences of EEG powers in individual frequency bands for the selected EEG electrodes and using them as regressors in the general linear model (GLM). New method: Given the infrequent use of EEG spectral changes to explore task-related variability, we focused on the aspects of parameter setting during EEG regressor calculation and searched for such parameters that can detect task-related variability in EEG-fMRI data. We proposed a novel method that uses relative EEG power in GLM. Results: Parameter, the type of power value, has a direct impact as to whether task-related variability is detected or not. For relative power, the final results are sensitive to the choice of frequency band of interest. The electrode selection also has certain impact; however, the impact is not crucial. It is insensitive to the choice of EEG power series temporal weighting step. Relative EEG power characterizes the experimental task activity better than the absolute power. Absolute EEG power contains broad spectrum component. Task-related relative power spectral formulas were derived. Comparison with existing methods: For particular set of parameters, our results are consistent with previously published papers. Our work expands current knowledge by new findings in spectral patterns of different brain processes related to the experimental task. Conclusions: To make analysis to be sensitive to task-related variability, the parameters type of power value and frequency band should be set properly.

Klíčová slova

Simultánní EEG-fMRI, vizuální oddball paradigma, absolutní a relativné výkon, regresor, obecný lineární model, s úkolem spřažená variabilita, EEG Regressor Builder

Rok RIV

2015

Vydáno

30.04.2015

Nakladatel

Elsevier B. V.

Místo

Netherlands

Strany od

125

Strany do

136

Strany počet

12

URL

BibTex


@article{BUT113412,
  author="René {Labounek} and Martin {Lamoš} and Radek {Mareček} and Milan {Brázdil} and Jiří {Jan}",
  title="Exploring task-related variability in fMRI data using fluctuations in power spectrum of simultaneously acquired EEG",
  annote="Background: The paper deals with joint analysis of fMRI and scalp EEG data, simultaneously acquired during event-related oddball experiment. The analysis is based on deriving temporal sequences of EEG powers in individual frequency bands for the selected EEG electrodes and using them as regressors in the general linear model (GLM).

New method: Given the infrequent use of EEG spectral changes to explore task-related variability, we focused on the aspects of parameter setting during EEG regressor calculation and searched for such parameters that can detect task-related variability in EEG-fMRI data. We proposed a novel method that uses relative EEG power in GLM.

Results: Parameter, the type of power value, has a direct impact as to whether task-related variability is detected or not. For relative power, the final results are sensitive to the choice of frequency band of interest. The electrode selection also has certain impact; however, the impact is not crucial. It is insensitive to the choice of EEG power series temporal weighting step. Relative EEG power characterizes the experimental task activity better than the absolute power. Absolute EEG power contains broad spectrum component. Task-related relative power spectral formulas were derived.

Comparison with existing methods: For particular set of parameters, our results are consistent with previously published papers. Our work expands current knowledge by new findings in spectral patterns of different brain processes related to the experimental task.

Conclusions: To make analysis to be sensitive to task-related variability, the parameters type of power value and frequency band should be set properly.",
  address="Elsevier B. V.",
  chapter="113412",
  doi="10.1016/j.jneumeth.2015.02.016",
  institution="Elsevier B. V.",
  number="1",
  volume="245",
  year="2015",
  month="april",
  pages="125--136",
  publisher="Elsevier B. V.",
  type="journal article"
}