Questo articolo è stato sostenuto da National Natural Science Foundation of China (31671141).

Questo protocollo è stato approvato dal comitato etico locale. Tutti i partecipanti e i loro genitori hanno firmato un modulo di consenso informato per questo esperimento.
1. soggetti
<ol><li>Includere solo 15 soggetti adolescenti maschi sani cui età varia da 14 a 22 anni (media ± deviazione standard: 18,3 ± 2,8 anni). Nota: L'attuale protocollo per analizzare la complessità microstato e omega è stato sviluppato per soggetti sani, ma non è limitato a questo gruppo solo.</li>
</ol>2. registrazione di dati EEG
<ol><li>Chiedi a in soggetti di sedersi su una comoda sedia in una stanza silenziosa, temperatura controllata, dove i dati di EEG è stati registrati. Raccogliere i dati di 20 canali EEG utilizzando il sistema ANT EEG in questo protocollo.</li>
	<li>Inserire il cappuccio sulla testa degli oggetti.<ol>
<li>In questo studio, è possibile utilizzare un tappo con medie dimensioni, dato che era adatto per i soggetti più adolescente o di un maschi. Per i bambini, si prega di misurare la circonferenza della testa di ogni soggetto e determinare il tappo con dimensioni adatte.</li>
		<li>Posizionare l'elettrodo Cz a circa il 50% della distanza tra inion e nasion e il 50% della distanza tra sinistra e destra Inter-aural rientranze. Posizionare gli elettrodi di riferimento sull'osso mastoide sinistro e destro, rispettivamente. Posizionare altri elettrodi del cuoio capelluto presso le posizioni standard secondo l'international sistema 10-20. Nota: Un sistema di elettrodi ed EEG amplificatore con 20 canali è sufficiente per EEG microstato analisi e analisi di complessità di omega.</li>
	</ol>
</li>
	<li>Riempire tutti gli elettrodi con gel conduttivo inserendo un ago attraverso gli elettrodi. Utilizzare il gel conduttivo per abbassare l'impedenza. Tenere tutte le impedenze elettrodo inferiore a 10 kiloohm (kΩ).<ol>
<li>Durante questo periodo, fornire qualche intrattenimento per i soggetti (per esempio, mostrare un cortometraggio). Se viene utilizzato un elettrodo asciutto o un elettrodo di salino, ignorare il passaggio di iniezione di gel conduttore.</li>
	</ol>
</li>
	<li>Istruire i soggetti per rilassarsi con gli occhi chiusi durante la registrazione, che dura 5 min. uso il software di digitalizzazione per digitalizzare e registrare l'EEG del segnale. Utilizzare una frequenza di campionamento di almeno 250 campioni/s. uso un filtro di linea più ampio di 0.1 e 80 Hz. Nota: Anche se più commerciali disponibili elettrodo-amplificatore sistemi utilizzano un sistema elettrodo attivo, che potrebbe migliorare il rapporto segnale-rumore del segnale EEG, non posizionare il sistema vicino ai dispositivi elettrici durante la registrazione di EEG.</li>
</ol>3. EEG dati pre-elaborazione
Nota: Dati EEG potrebbero essere pre-elaborati utilizzando vari open source o software commerciale. Le istruzioni riportate di seguito sono specifiche per EEGLAB. Questo è solo uno su molte opzioni disponibili per pre-elaborare dati EEG.
<ol><li>Importare i dati grezzi di EEG per il software di EEG (ad es., EEGLAB) (File | Importare dati | Utilizzo delle funzioni EEGLAB e plugin). Nota: I dati grezzi di EEG registrati da vari sistemi di elettrodo-amplificatore possono essere riconosciuti da EEGLAB, quali EGI, formica, cervello visione registratore e TAC.</li>
	<li>Caricare il file del percorso del canale nel software EEG (Edit | Posizioni di canale). Anche se EEGLAB sono stati importati i dati EEG e i nomi dei canali, è possibile importare un file di posizione di canale nel software EEG per ottenere le posizioni spaziali di questi elettrodi.</li>
	<li>Rimuovere gli elettrodi di riferimento (Edit | Selezionare dati | Selezionare i dati nell'intervallo di canale). Nell'opzione di "Selezionati dati nell'intervallo di canale" della finestra di dialogo a comparsa, selezionare solo gli elettrodi di registrazione e non selezionare gli elettrodi di riferimento in modo che gli elettrodi di riferimento possono essere rimosso. I dati registrati in elettrodi di riferimento non sono segnale di 'vero' cervello, poiché questi due elettrodi vengono posizionati sull'osso mastoide sinistro e destro, rispettivamente.</li>
	<li>Banda dati filtro EEG pass tra 0,5 e 80 Hz (strumenti | Filtrare i dati | Filtro di base FIR [nuovo, valore predefinito]). Nella finestra di dialogo a comparsa, scegliere 5 per "bordo inferiore della banda passante frequenza (Hz)" e scegliere 80 per il "bordo superiore della banda passante frequenza (Hz)". Quindi fare clic sul pulsante "OK".</li>
	<li>Rimuovere il rumore di linea di alimentazione con un filtro notch tra 49 e 51 Hz (strumenti | Filtrare i dati | Filtro di base FIR [nuovo, valore predefinito]). Nella finestra di dialogo a comparsa, scegliere 49 per "il bordo inferiore della banda passante frequenza (Hz)," e scegliere 51 per il "bordo superiore della banda passante frequenza (Hz)" e selezionare l'opzione di "Tacca filtrare i dati invece di banda passante". Quindi fare clic sul pulsante "OK".</li>
	<li>Correggere le porzioni di dati contaminate da movimenti oculari, l'elettromiografia (EMG) o qualsiasi altri artefatti non-fisiologica utilizzando l' algoritmo cieco fonte separazione (BSS)15. Per i movimenti di occhio, fare clic su strumenti | Rimozione di artefatto usando AAR 1.3 | Rimozione di EOG | Utilizzando BSS; per EMG, strumenti | Rimozione di artefatto usando AAR 1.3 | Rimozione di EMG utilizzando BSS.</li>
	<li>Segmentare i dati pre-elaborati di EEG continui in epoche, con lunghezza di epoca di 2 s. Per fare questo, scrivere 'EEG = eeg_regepochs (EEG, 'ricorrenza', 2, 'limiti', [0 2], 'rmbase', NaN); pop_saveset(EEG)', quindi premi il tasto invio della tastiera. Una finestra pop up che permette il salvataggio dei dati EEG segmentati.</li>
	<li>Importare i dati di EEG segmentati per il software di EEG (File | Caricare dataset esistente).</li>
	<li>Rifiutare le epoche di EEG con valori di ampiezza superiore a ± 80 µV a qualsiasi elettrodo (strumenti | Rifiutare le epoche di dati | Rifiutare i dati [tutti i metodi]).</li>
	<li>Salvare i dati di EEG pre-elaborati (File | Risparmiare corrente dataset come).</li>
</ol>4. EEG microstato analisi
Nota: Una versione modificata dell'algoritmo di clustering K-means classica viene utilizzata per microstato classe analisi16, che contiene una procedura bottom-up e una procedura di up-fondo. Nella procedura bottom-up, le classi a livello di gruppo microstato vengono identificate tramite la correlazione spaziale come criterio di clustering. Quindi nella procedura bottom-up, ogni mappa topografica di ogni soggetto in ogni gruppo viene assegnato alla classe di microstato EEG con massima correlazione spaziale. Per l'analisi dello stato di riposo EEG microstato, la polarità delle carte topografiche comunemente viene ignorata. Analisi di classe microstato EEG potrebbe essere fatto utilizzando diversi software open source, come ad esempio CARTOOL, sLORETA, EMMA e MapWin. Le istruzioni riportate di seguito sono specifiche per il plugin EEGLAB per microstati. Questo plugin EEGLAB potrebbe essere scaricato da https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins.
<ol><li>Per ogni soggetto, caricare i dati di EEG pre-elaborati (File | Canali di carico esistenti dataset), convertire riferimento al comune riferimento medio (strumenti | Ri di riferimento) e passa banda filtrare i dati di EEG tra 2 e 20 Hz (strumenti | Filtrare i dati | Filtro di base FIR [nuovo, valore predefinito]).</li>
	<li>Identificare le quattro mappe microstato in ogni oggetto (strumenti | Microstati | identificare microstato mappe). Nella finestra di dialogo a comparsa, scegliere 3 per il "numero Min di classi", scegliere 6 per il "numero massimo di classi", scegliere 50 per il "numero di riavvii", scegliere "Max numero di mappe da utilizzare" e selezionare le opzioni di "Picco di GFP solo" e "Nessuna polarità". Quindi fare clic sul pulsante "OK".</li>
	<li>Salvare i dati di EEG di ogni soggetto dopo che identifica un microstato mappe (File | Risparmiare corrente dataset come).</li>
	<li>Importare i set di dati EEG di tutti i soggetti salvati nell'ultimo passaggio in una sola volta (File | Caricare dataset esistente).</li>
	<li>Identificare le mappe a livello di gruppo microstato (strumenti | Microstati | Microstato medio mappe attraverso i set di dati). Nella finestra di dialogo a comparsa, selezionare il set di dati di tutti i soggetti nell'opzione "Scegli imposta per una media". Nell'opzione "Nome di significare", dare un nome per le mappe a livello di gruppo microstato. Il nome predefinito è "GrandMean". Quindi fare clic sul pulsante "OK". Questo creerà un nuovo set di dati denominato come "GrandMean", che memorizza le mappe a livello di gruppo microstato.</li>
	<li>Eseguire manualmente l'ordinamento delle quattro mappe a livello di gruppo microstato secondo il loro ordine classico (trama | Modificare le mappe microstato). Nella finestra a comparsa, selezionare "Altro", e quindi il numero di mappe mostrato diventa quattro. Selezionare "Ordina Man.". Nella finestra di dialogo a comparsa, Inserisci il nuovo ordine delle quattro mappe microstato a livello di gruppo. Quindi fare clic su "Chiudi".</li>
	<li>Di ordinare le quattro mappe microstato di ogni soggetto (strumenti | Microstati | Ordinare le mappe individuali microstato secondo Media).</li>
	<li>Salvare i parametri di microstato di ogni soggetto (strumenti | Microstati | Quantificare microstati nel dataset [media modello Mappe]), che richiamerà due finestre di dialogo pop-up in sequenza.<ol>
<li>Nella prima finestra di dialogo, selezionare il set di dati di tutti i soggetti. Nella seconda finestra di dialogo, selezionare "4 classi" per l'opzione "Numero di classi", selezionare le opzioni di "Montaggio solo su cime GFP" e "Rimuovi potenzialmente troncato microstati", scegli 30 per l'etichetta"levigante finestra (ms)" e scegliere 1 per la scorrevolezza di Non" pena". Quindi fare clic su "Ok". Un file csv che memorizza i parametri di microstato verrà salvato sul computer.</li>
	</ol>
</li>
</ol>5. analisi di complessità omega
<ol><li>Salvare i dati di EEG di ogni epoca e personalizzata ogni soggetto in ASCII o txt formato utilizzando script. Un esempio di script personalizzato per passaggio 5.1 potrebbe essere trovato nei materiali supplementari. Nota: Se la complessità globale omega è computata, i dati EEG di tutti gli elettrodi del cuoio capelluto sono necessari per esportare in formato ASCII o txt. Se la complessità regionale omega è calcolata, è possibile esportare solo i dati di EEG di elettrodi in quella regione del cuoio capelluto. Ad esempio, al fine di calcolare la complessità anteriore omega, esportare solo i dati di EEG di elettrodi nella regione anteriore (cioè, Fp1, Fp2, F7, F3, Fz, F4 e F8); al fine di calcolare la complessità posteriore omega, esportare solo i dati di EEG di elettrodi nella regione posteriore (cioè, T5, T6, P3, P4, Pz, O1 e O2).</li>
	<li>Calcolare la complessità di omega di tutte le frequenze discrete utilizzando il software sLORETA17 (Utilities | Connettività globale). Questo software è disponibile presso http://www.uzh.ch/keyinst/loreta.htm.</li>
	<li>Calcolare la complessità di omega di ciascuna banda di frequenza utilizzando script personalizzato26. Nel nostro caso, calcolare la complessità di omega di seguenti bande di otto frequenza come il valore medio all'interno di ogni limite di frequenza, che sono delta (0.5-3.5 Hz), theta (4-7,5 Hz), alpha1 (8-10 Hz), alpha2 (10.5-13.5 Hz), beta1 (14-18 Hz), beta2 (18.5-30 Hz), gamma1 ( 30.5-48 Hz) e gamma2 (52-80 Hz)4. Un esempio di script personalizzato per passaggio 5.3 potrebbe essere trovato nei materiali supplementari.</li>
</ol>

<ol>
	<li>Khanna, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Microstates+in+resting-state+EEG:+current+status+and+future+directions.">Microstates in resting-state EEG: current status and future directions.</a> Neurosci Biobehav Rev. 49, 105-113 (2015).</li><li>Chen, J. L., Ros, T., Gruzelier, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dynamic+changes+of+ICA-derived+EEG+functional+connectivity+in+the+resting+state.">Dynamic changes of ICA-derived EEG functional connectivity in the resting state.</a> Hum Brain Mapp. 34 (4), 852-868 (2013).</li><li>Imperatori, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Aberrant+EEG+functional+connectivity+and+EEG+power+spectra+in+resting+state+post-traumatic+stress+disorder:+a+sLORETA+study.">Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study.</a> Biol Psychol. 102, 10-17 (2014).</li><li>Gao, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Altered+Resting-State+EEG+Microstate+Parameters+and+Enhanced+Spatial+Complexity+in+Male+Adolescent+Patients+with+Mild+Spastic+Diplegia.">Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia.</a> Brain Topogr. 30 (2), 233-244 (2017).</li><li>Seitzman, B. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cognitive+manipulation+of+brain+electric+microstates.">Cognitive manipulation of brain electric microstates.</a> Neuroimage. 146, 533-543 (2017).</li><li>Lehmann, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG-defined+functional+microstates+as+basic+building+blocks+of+mental+processes.">EEG-defined functional microstates as basic building blocks of mental processes.</a> Clin Neurophysiol. 122 (6), 1073-1074 (2011).</li><li>Koenig, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Millisecond+by+millisecond,+year+by+year:+normative+EEG+microstates+and+developmental+stages.">Millisecond by millisecond, year by year: normative EEG microstates and developmental stages.</a> Neuroimage. 16 (1), 41-48 (2002).</li><li>Britz, J., Van De Ville, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BOLD+correlates+of+EEG+topography+reveal+rapid+resting-state+network+dynamics.">BOLD correlates of EEG topography reveal rapid resting-state network dynamics.</a> Neuroimage. 52 (4), 1162-1170 (2010).</li><li>Musso, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spontaneous+brain+activity+and+EEG+microstates.+A+novel+EEG/fMRI+analysis+approach+to+explore+resting-state+networks.">Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks.</a> Neuroimage. 52 (4), 1149-1161 (2010).</li><li>Strelets, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Chronic+schizophrenics+with+positive+symptomatology+have+shortened+EEG+microstate+durations.">Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations.</a> Clin Neurophysiol. 114 (11), 2043-2051 (2003).</li><li>Kikuchi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstate+analysis+in+drug-naive+patients+with+panic+disorder.">EEG microstate analysis in drug-naive patients with panic disorder.</a> PLoS One. 6 (7), e22912 (2011).</li><li>Santarnecchi, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+Microstate+Correlates+of+Fluid+Intelligence+and+Response+to+Cognitive+Training.">EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training.</a> Brain Topogr. , (2017).</li><li>Schlegel, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstates+during+resting+represent+personality+differences.">EEG microstates during resting represent personality differences.</a> Brain Topogr. 25 (1), 20-26 (2012).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Beyond+mapping:+estimating+complexity+of+multichannel+EEG+recordings.">Beyond mapping: estimating complexity of multichannel EEG recordings.</a> Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).</li><li>Jung, T. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Removing+electroencephalographic+artifacts+by+blind+source+separation.">Removing electroencephalographic artifacts by blind source separation.</a> Psychophysiology. 37 (2), 163-178 (2000).</li><li>Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+brain+electrical+activity+into+microstates:+model+estimation+and+validation.">Segmentation of brain electrical activity into microstates: model estimation and validation.</a> IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).</li><li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Standardized+low-resolution+brain+electromagnetic+tomography+(sLORETA):+technical+details.">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details.</a> Methods Find Exp Clin Pharmacol. 24, 5-12 (2002).</li><li>Hu, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+primary+somatosensory+cortex+contributes+to+the+latest+part+of+the+cortical+response+elicited+by+nociceptive+somatosensory+stimuli+in+humans.">The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans.</a> Neuroimage. 84, 383-393 (2014).</li><li>Murray, M. M., Brunet, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Topographic+ERP+analyses:+a+step-by-step+tutorial+review.">Topographic ERP analyses: a step-by-step tutorial review.</a> Brain Topogr. 20 (4), 249-264 (2008).</li><li>Van de Ville, D., Britz, J., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG+microstate+sequences+in+healthy+humans+at+rest+reveal+scale-free+dynamics.">EEG microstate sequences in healthy humans at rest reveal scale-free dynamics.</a> Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).</li><li>Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+emotion+associated+brain+functional+network+with+phase+locking+value.">Identification of emotion associated brain functional network with phase locking value.</a> Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).</li><li>Wen, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Resting-state+EEG+coupling+analysis+of+amnestic+mild+cognitive+impairment+with+type+2+diabetes+mellitus+by+using+permutation+conditional+mutual+information.">Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information.</a> Clin Neurophysiol. 127 (1), 335-348 (2016).</li><li>Rosales, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+efficient+implementation+of+the+synchronization+likelihood+algorithm+for+functional+connectivity.">An efficient implementation of the synchronization likelihood algorithm for functional connectivity.</a> Neuroinformatics. 13 (2), 245-258 (2015).</li><li>Jia, H., Peng, W., Hu, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+novel+approach+to+identify+time-frequency+oscillatory+features+in+electrocortical+signals.">A novel approach to identify time-frequency oscillatory features in electrocortical signals.</a> J Neurosci Methods. 253, 18-27 (2015).</li><li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+characterization+of+brain+electrical+activity+by+means+of+the+&#937;+complexity+production+rate.">Global characterization of brain electrical activity by means of the &#937; complexity production rate.</a> Brain Topogr. 18, 135 (2005).</li><li>Wackermann, J., Putz, P., Ga&#223;ler, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unfolding+EEG+spatial+complexity+as+a+function+of+frequency.">Unfolding EEG spatial complexity as a function of frequency.</a> Brain Topogr. 16 (2), 124 (2003).</li></ol>

Gli autori non hanno nulla a rivelare.

In questo articolo, due tipi di metodi analitici di EEG (cioè, microstato analisi e analisi di complessità di omega), misurazione della complessità temporale e spaziale complessità del cervello umano rispettivamente, sono stati descritti dettagliatamente. Ci sono diversi passaggi critici all'interno del protocollo che dovrebbe essere menzionato. In primo luogo, i dati EEG devono essere puliti prima il calcolo della complessità microstato e omega. In secondo luogo, i dati EEG dovrebbero essere remontaged contro la media di riferimento prima il calcolo della complessità microstato e omega. In terzo luogo, i dati EEG continui devono essere segmentati in epoche prima il calcolo della complessità microstato e omega. La lunghezza di ogni epoca deve essere 2 s. Infine, il software che può essere utilizzato nell'analisi di microstato includono Cartool (https://sites.google.com/site/cartoolcommunity/about), sLORETA (http://www.uzh.ch/keyinst/loreta.htm) e MapWin (http:// www.thomaskoenig.ch/index.php/software/mapwin). L'analisi di microstato è stata condotta mediante un plugin in EEGLAB in questo studio.
Anche se l'analisi di microstato condotta qui è stato applicato a dati EEG dello stato di riposo, potrebbe essere facilmente applicato ai potenziali evento-correlati (ERP), che ci aiuterà a scoprire ulteriori informazioni circa i corsi di tempo di diverse operazioni cognitive conoscitivo esperimenti e fornire un approccio privo di riferimento per eseguire analisi ERP18,19. Nota, per il riposo stato EEG, la polarità delle carte topografiche è comunemente trascurato; Tuttavia, per ERPs, la polarità delle carte topografiche non deve essere ignorata. Una piccola limitazione di questo plugin di EEG è che potrebbe essere utilizzato solo per EEG in stato di riposo. Per ERPs, il software Cartool può essere una delle scelte migliori. Il valore di complessità omega raggiunge da 1 a N. Se omega complessità calcolata è 1, si rivela una massima connettività funzionale globale all'interno di una determinata regione del cervello; considerando che se omega complessità è uguale a N, un minimo globale connettività funzionale all'interno di una determinata regione del cervello è trovato. Così, se vogliamo testare statisticamente la complessità di omega di regioni differenti del cervello, il numero di elettrodi selezionato in queste regioni deve essere uguale, poiché il numero di elettrodi poteva influenzare significativamente il valore della complessità di omega stimato.
Al fine di studiare l'EEG che riposa, i ricercatori hanno sviluppato molti EEG tecniche (ad es., analisi dello spettro di potenza, analisi di connettività funzionale)2,3. Rispetto a queste tecniche tradizionali, analisi microstato sfrutta l'eccellente risoluzione temporale della tecnica di EEG. Le quattro classi di microstato identificati sono state trovate per essere correlati con quattro sistemi funzionali ben studiati osservati in molti stato riposo fMRI studi8,20: visual uditiva (microstato A), (microstato B), parzialmente cognitivo controllo e la modalità di default (microstato C) parzialmente e dorsale attenzione (microstato D). Così, l'analisi di microstato fornito un nuovo approccio per studiare le reti di stato riposo (RSNs) del cervello umano. Rispetto alle tradizionali tecniche di EEG, la complessità di omega poteva caratterizzare la connettività funzionale globale all'interno di un certo cervello regione4. Connettività funzionale tradizionale potrebbe descrivere solo la connettività funzionale tra due elettrodi del cuoio capelluto.
Tuttavia, le due tecniche di EEG hanno diverse limitazioni che dovrebbero essere menzionati. In primo luogo, l'analisi di microstato esistente viene comunemente eseguita su segnali EEG a banda larga, quindi non approfittare delle informazioni frequenza ricca della tecnica EEG. Inoltre, il significato funzionale di queste quattro classi di microstato e metriche correlate non sono finora molto chiare. In secondo luogo, la complessità di omega è in grado di rilevare solo dipendenze lineari. Non riesce a rilevare le dipendenze non lineari tra le regioni del cuoio capelluto, che possono essere quantificate per alcuni connettività funzionale tradizionale metrica (ad es., valore per il blocco di fase, probabilità reciproco di informazioni e sincronizzazione)21,22 ,23.
In futuro, l'analisi di microstato deve essere applicato con tecniche di localizzazione di origine (ad es., sLORETA, BESA, Beamforming), che miglioreranno significativamente la risoluzione spaziale dei segnali EEG. Anche se l'analisi di microstato è stato ampiamente usato in riposo EEG ed ERPs, solo pochi studi hanno applicato questa tecnica al dominio tempo-frequenza. Per esempio, Jia et al. 24 proposto un approccio basato sull'analisi di segmentazione topografica a in modo ottimale e identificare automaticamente le caratteristiche dettagliate di tempo-frequenza. Questo approccio è in grado di sfruttare efficacemente le informazioni spaziali delle attività oscillatoria. Tuttavia, queste applicazioni sono lontano da maturo. Per la complessità di omega, una complessità di omega normalizzato è altamente necessaria, poiché il valore della complessità di omega stimato è dipenda dal numero di elettrodi selezionato. In futuro, dovrebbe essere applicato al dominio tempo-frequenza.

L'elettroencefalografia (EEG) è stato ampiamente utilizzato per registrare l'attività elettrica del cervello umano sia nella diagnosi clinica e della ricerca scientifica, poiché è non invadente, è costato basso ed ha una risoluzione temporale molto alta1. Al fine di studiare i segnali EEG in stato di riposo, i ricercatori hanno sviluppato molti EEG tecniche (ad es., analisi dello spettro di potenza, analisi di connettività funzionale)2,3. Di questi, microstato analisi e analisi di complessità omega potrebbe fare buon uso delle informazioni spaziali e temporali insite nel EEG segnali4.
Precedenti ricerche hanno dimostrato che sebbene la distribuzione topografica dei segnali EEG varia nel tempo in occhio chiuso o occhio-aperto stato di riposo, la serie di momentanee mappe mostrano cambiamenti discontinui dei paesaggi, ovvero, periodi di stabilità alternati con periodi di transizione breve tra certi quasi-stabile di topografie di EEG5. Microstati sono definiti come questi episodi con quasi-stabile topografie di EEG, che durano tra 80 e 120 ms1. Poiché diversi paesaggi di potenziale elettrici devono essere state generate da diverse sorgenti neuronali, questi microstati possono qualificarsi come i blocchi base di attuazione e possono essere considerati come "atomi di pensiero ed emozione"6. Utilizzando algoritmi di classificazione moderni pattern, quattro classi di microstato EEG a riposo sono stati costantemente osservati, che sono stati etichettati come classe A, classe B, classe C e classe D7. Inoltre, i ricercatori hanno rivelato che queste quattro classi di microstato di dati EEG a riposo sono stati strettamente associate con ben noti sistemi funzionali osservati in stato di riposo fMRI (risonanza magnetica funzionale) molti studi8,9 . Così, l'analisi di microstato fornito un nuovo approccio per studiare le reti di stato riposo (RSNs) del cervello umano. Inoltre, la durata media e la frequenza di occorrenza di ogni classe di microstato, la forma topografica delle quattro mappe microstato sono significativamente influenzati da qualche cervello disturbi4,10,11, e sono associati con l'intelligenza fluida12 e personalità13.
Nell'altro aspetto, tradizionale connettività funzionale di EEG multicanale potrebbe descrivere solo i collegamenti funzionali fra due elettrodi del cuoio capelluto, quindi non è riusciti a valutare la connettività funzionale globale attraverso il cuoio capelluto o all'interno di una determinata regione del cervello. La complessità di omega, proposta da Wackermann (1996)14 e calcolata attraverso un approccio che unisce analisi delle componenti principali (PCA) e l'entropia di Shannon, è stata utilizzata per quantificare la sincronizzazione globale di banda larga tra spazialmente distribuite le regioni del cervello. Al fine di valutare la complessità di omega di ciascuna banda di frequenza, trasformata di Fourier comunemente è stato condotto come un passo iniziale di25.
I microstati e la complessità di omega può essere utilizzati per riflettere due concetti strettamente collegati, vale a dire, la complessità temporale e complessità spaziale4. Poiché le classi microstato rappresentano determinate operazioni mentali nel cervello umano, essi possono riflettere la struttura temporale delle oscillazioni di un neurone. Durata inferiore e superiore frequenza di occorrenza al secondo deve indicare complessità temporale superiore. La complessità di omega è correlata positivamente con il numero di fonti indipendenti neurali nel cervello, così sono comunemente considerati come un indicatore di complessità spaziale4.
L'articolo attuale descrive il protocollo di EEG microstato analisi e analisi di complessità di omega in dettaglio. Le analisi di complessità EEG microstato e omega offrono l'opportunità di misurare la complessità spaziale e temporale dell'attività cerebrale rispettivamente.

<table>
	<tbody>
		<tr>
			<td>ANT 20 channels EEG/ERP system</td>
			<td>ASA-Lab, ANT B.V., Netherlands</td>
			<td></td>
			<td>company web address: 
			http://www.ant-neuro.com/</td>
		</tr>
		<tr>
			<td>EEGLAB plugin for Microstates</td>
			<td>Thomas Koenig</td>
			<td></td>
			<td>https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins</td>
		</tr>
		<tr>
			<td>sLORETA</td>
			<td>Roberto D. Pascual-Marqui</td>
			<td></td>
			<td>http://www.uzh.ch/keyinst/loreta.htm</td>
		</tr>
		<tr>
			<td>MATLAB 2010a</td>
			<td>The MathWorks Inc.</td>
			<td></td>
			<td>company web address: 
			http://www.mathworks.com/</td>
		</tr>
		<tr>
			<td>eeglab</td>
			<td>Swartz Center for Computational Neuroscience, University of California, San Diego</td>
			<td></td>
			<td>https://sccn.ucsd.edu/eeglab/index.php</td>
		</tr>
	</tbody>
</table>

microstate and omega complexity analyses of the resting-state electroencephalography

Complessità di microstato e omega sono due misure di riferimento-libero l'elettroencefalografia (EEG) che possono rappresentare la complessità spaziale e temporale dei dati EEG e sono stati ampiamente usati per studiare i meccanismi neurali in alcuni disturbi del cervello. L'obiettivo di questo articolo è di descrivere il protocollo sottostante analisi di EEG microstato e omega complessità passo dopo passo. Il vantaggio principale di queste due misure è che essi potrebbero eliminare il problema di riferimento-dipendente inerente all'analisi di spettro tradizionale. Inoltre, analisi di microstato fa buon uso della risoluzione temporale elevata di EEG in stato di riposo, e le quattro classi di microstato ottenuti potrebbero corrispondere le reti di stato riposo corrispondente rispettivamente. La complessità di omega caratterizza la complessità spaziale dell'intero cervello o regioni specifiche del cervello, che ha l'ovvio vantaggio rispetto a misure di complessità tradizionali concentrandosi sulla complessità di segnale in un singolo canale. Queste due misure di EEG potrebbero completarsi a vicenda per indagare la complessità del cervello dal dominio temporale e spaziale, rispettivamente.

Microstato EEG
Grand dire normalizzato microstato mappe vengono visualizzate nella Figura 1. I paesaggi di potenziali elettrici di queste quattro classi di microstato identificate qui sono molto simili a quelli trovati in precedenti studi4.
La media e la deviazione standard (SD) di parametri microstato di individui sani sono stati indicati nella tabella 1. Per classe di microstato A, il tasso di occorrenza era 3.44 ± 1.29 volte / s e la durata era 72 ± 13 ms. per classe microstato B, il tasso di ricorrenza era 3.54 ± 0,85 volte / s e la durata era 71 ± 18 ms. per classe microstato C, il tasso di occorrenza era 3,85 ± 0,63 volte / s e la durata era di 69 ± 9 ms. per classe microstato D, il tasso di ricorrenza era ± 3,41 0,78 volte / s e la durata era 66 ± 11 ms.
Complessità di Omega
Il valore della complessità globale omega di ciascuna banda di frequenza negli individui sani (media ± DS) è stato presentato in tabella 2. Per la band di delta, la complessità globale omega era 6,39 ± 1,34. Per banda theta, la complessità globale omega era 5.46 ± 0.85. Per banda di alfa-1, la complessità globale omega era 3,47 ± 0,8. Per banda alfa-2, la complessità globale omega era 3,87 ± 0.70. Per banda beta-1, la complessità globale omega era 5,36 ± 0,84. Per fascia di beta-2, la complessità globale omega era 6,16 ± 0,83. Per la fascia di gamma-1, la complessità globale omega era 6,95 ± 1.07. Per fascia di gamma-2, la complessità globale omega era 6.88 ± 1,39.
Il valore (media ± DS) di complessità omega anteriore di ciascuna banda di frequenza negli individui sani è stato indicato nella tabella 2. Per la band di delta, la complessità di omega anteriore era 4.84 ± 1.7. Per banda theta, la complessità di omega anteriore era 4.23 ± 1,48. Per banda di alfa-1, la complessità di omega anteriore era 3.44 ± 1,09. Per banda alfa-2, la complessità di omega anteriore era 3,87 ± 0,97. Per banda beta-1, la complessità di omega anteriore era 3,74 ± 0,81. Per fascia di beta-2, la complessità di omega anteriore era 2.94 ± 0,59. Per la fascia di gamma-1, la complessità di omega anteriore era 1,98 ± 0,24. Per fascia di gamma-2, la complessità di omega anteriore era 3.02 ± 0,59.
Il valore (media ± DS) di complessità omega posteriore di ciascuna banda di frequenza negli individui sani è stato indicato nella tabella 2. Per la band di delta, la complessità di omega posteriore era 3.71 ± 1,48. Per banda theta, la complessità di omega posteriore era ± 2,47 0.85. Per banda di alfa-1, la complessità di omega posteriore era 2.11 ± 0,9. Per banda alfa-2, la complessità di omega posteriore era 3,16 ± 1.42. Per banda beta-1, la complessità di omega posteriore era 4.32 ± 1.67. Per fascia di beta-2, la complessità di omega posteriore era 3,84 ± 1,04. Per la fascia di gamma-1, la complessità di omega posteriore era 2.17 ± 0,37. Per fascia di gamma-2, la complessità di omega posteriore era 2.99 ± 0,53.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56452/56452fig1.jpg"> Figura 1. Media normalizzati mappe topografiche delle quattro classi di microstato (A-D) di EEG in stato di riposo negli individui sani. Classe microstato A e B hanno un frontale destra orientamento occipital di sinistra e un frontale sinistro a destra orientamento occipital, rispettivamente. Microstato classe C e D avere topografie simmetriche, ma prefrontale orientamento occipital e frontocentral all'orientamento occipitale sono stati osservati, rispettivamente. <a href="https://cloudflare-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56452/56452fig1large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td colspan="8">Classi di microstato</td>
		</tr>
<tr>
<td></td>
			<td colspan="2">A</td>
			<td colspan="2">B</td>
			<td colspan="2">C</td>
			<td colspan="2">D</td>
		</tr>
<tr>
<td></td>
			<td>Significa</td>
			<td>SD</td>
			<td>Significa</td>
			<td>SD</td>
			<td>Significa</td>
			<td>SD</td>
			<td>Significa</td>
			<td>SD</td>
		</tr>
<tr>
<td>Occorrenza/s</td>
			<td>3.44</td>
			<td>1.29</td>
			<td>3,54</td>
			<td>0.85</td>
			<td>3,85</td>
			<td>0,63</td>
			<td>3,41</td>
			<td>0.78</td>
		</tr>
<tr>
<td>Durata (ms)</td>
			<td>72</td>
			<td>13</td>
			<td>71</td>
			<td>18</td>
			<td>69</td>
			<td>9</td>
			<td>66</td>
			<td>11</td>
		</tr>
</tbody></table>Tabella 1. Parametri di microstato di individui sani (n = 15). La media e la deviazione standard (SD) del tasso di occorrenza e della durata delle quattro classi microstato sono stati indicati in questa tabella.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td></td>
			<td colspan="2">Complessità globale Omega</td>
			<td colspan="2">Complessità di Omega anteriore</td>
			<td colspan="2">Complessità di Omega posteriore</td>
		</tr>
<tr>
<td>Banda di frequenza</td>
			<td>Significa</td>
			<td>SD</td>
			<td>Significa</td>
			<td>SD</td>
			<td>Significa</td>
			<td>SD</td>
		</tr>
<tr>
<td>Delta</td>
			<td>6.39</td>
			<td>1.34</td>
			<td>4.84</td>
			<td>1.7</td>
			<td>3,71</td>
			<td>1,48</td>
		</tr>
<tr>
<td>Teta</td>
			<td>5,46</td>
			<td>0.85</td>
			<td>4,23</td>
			<td>1,48</td>
			<td>2,47</td>
			<td>0.85</td>
		</tr>
<tr>
<td>Alfa-1</td>
			<td>3.47</td>
			<td>0,8</td>
			<td>3.44</td>
			<td>1.09</td>
			<td>2.11</td>
			<td>0.9</td>
		</tr>
<tr>
<td>Alfa-2</td>
			<td>3,87</td>
			<td>0,7</td>
			<td>3,87</td>
			<td>0,97</td>
			<td>3.16</td>
			<td>1.42</td>
		</tr>
<tr>
<td>Beta-1</td>
			<td>5.36</td>
			<td>0.84</td>
			<td>3.74</td>
			<td>0.81</td>
			<td>4,32</td>
			<td>1.67</td>
		</tr>
<tr>
<td>Beta-2</td>
			<td>6.16</td>
			<td>0,83</td>
			<td>2.94</td>
			<td>0,59</td>
			<td>3.84</td>
			<td>1.04</td>
		</tr>
<tr>
<td>Gamma-1</td>
			<td>6.95</td>
			<td>1.07</td>
			<td>1.98</td>
			<td>0,24</td>
			<td>2.17</td>
			<td>0,37</td>
		</tr>
<tr>
<td>Gamma-2</td>
			<td>6,88</td>
			<td>1.39</td>
			<td>3.02</td>
			<td>0,59</td>
			<td>2,99</td>
			<td>0,53</td>
		</tr>
</tbody></table>Tabella 2. Complessità globale, anteriore e posteriore omega di individui sani (n = 15). La media e la deviazione standard (SD) della complessità globale, anteriore e posteriore omega per le bande di otto frequenza (delta, theta, alfa 1, alfa-2, beta 1, beta-2, gamma-1, gamma-2) sono stati indicati rispettivamente in questa tabella.
File supplementari. Al fine di eseguire gli script utilizzati in questo manoscritto, aprire gli script in ambiente MATLAB, poi copiare tutto il contenuto nella finestra di comando e premere il tasto "Invio". Si noti che, gli script si applicano solo ai nostri set di dati. Quando gli script vengono applicati ad altri set di dati, sono necessarie alcune modifiche. <a href="https://cloudflare-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56452/example_scripts.zip">Per favore clicca qui per scaricare questo file.</a>

Watch this Scientific Journal Video about Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography at JoVE.com

Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

Questo articolo viene descritto il protocollo sottostante l'elettroencefalografia (EEG) microstato analisi e analisi di complessità di omega, che sono due misure di EEG privo di riferimento e preziosa per esplorare i meccanismi neurali di disturbi cerebrali.

Microstato e analisi di complessità Omega dell'elettroencefalografia dello stato di riposo

Microstate and omega complexity are two reference-free electroencephalography (EEG) measures that can represent the temporal and spatial complexities of ...

microstate-omega-complexity-analyses-resting-state

Nanyang Technological University

Research

JoVE Journal

Neuroscience

10.1K Views.  Peking University People's Hospital. Questo articolo viene descritto il protocollo sottostante l'elettroencefalografia (EEG) microstato analisi e analisi di complessità di omega, che sono due misure di EEG privo di riferimento e preziosa per esplorare i meccanismi neurali di disturbi cerebrali.

Video: Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

Investigating Social Cognition in Infants and Adults Using Dense Array Electroencephalography (dEEG)

Dense array electroencephalography (dEEG), which provides a non-invasive window for measuring brain activity and a temporal resolution unsurpassed by any other current brain imaging technology1,2, is being used increasingly in the study of social cognitive functioning in infants and adults. While dEEG is enabling researchers to examine brain activity patterns with unprecedented levels of sensitivity, conventional EEG recording systems continue to face certain limitations, including 1) poor spatial resolution and source localization3,4,2) the physical discomfort for test subjects of enduring the individual application of numerous electrodes to the surface of the scalp, and 3) the complexity for researchers of learning to use multiple software packages to collect and process data. Here we present an overview of an established methodology that represents a significant improvement on conventional methodologies for studying EEG in infants and adults. Although several analytical software techniques can be used to establish indirect indices of source localization to improve the spatial resolution of dEEG, the HydroCel Geodesic Sensor Net (HCGSN) by Electrical Geodesics, Inc. (EGI), a dense sensory array that maintains equal distances among adjacent recording electrodes on all surfaces of the scalp, further enhances spatial resolution4,5,6 compared to standard dEEG systems. The sponge-based HCGSN can be applied rapidly and without scalp abrasion, making it ideal for use with adults7,8, children9,10,11, and infants12, in both research and clinical4,5,6,13,14,15 settings. This feature allows for considerable cost and time savings by decreasing the average net application time compared to other dEEG systems. Moreover, the HCGSN includes unified, seamless software applications for all phases of data, greatly simplifying the collection, processing, and analysis of dEEG data.
The HCGSN features a low-profile electrode pedestal, which, when filled with electrolyte solution, creates a sealed microenvironment and an electrode-scalp interface. In all Geodesic dEEG systems, EEG sensors detect changes in voltage originating from the participant's scalp, along with a small amount of electrical noise originating from the room environment. Electrical signals from all sensors of the Geodesic sensor net are received simultaneously by the amplifier, where they are automatically processed, packaged, and sent to the data-acquisition computer (DAC). Once received by the DAC, scalp electrical activity can be isolated from artifacts for analysis using the filtering and artifact detection tools included in the EGI software. Typically, the HCGSN can be used continuously for only up to two hours because the electrolyte solution dries out over time, gradually decreasing the quality of the scalp-electrode interface.
In the Parent-Infant Research Lab at the University of Toronto, we are using dEEG to study social cognitive processes including memory, emotion, goals, intentionality, anticipation, and executive functioning in both adult and infant participants.

Investigating Social Cognition in Infants and Adults Using Dense Array Electroencephalography dEEG

Dense array electroencephalography is being used increasingly to study social cognitive functions in infants and adults. Here we present an established methodology that represents a significant improvement on conventional methodologies for studying EEG in infants and adults.

Indagare Cognizione sociale nei neonati e adulti Utilizzando Elettroencefalografia Dense Array ( D EEG)

Dense array electroencephalography (dEEG), which provides a non-invasive window for measuring brain activity and a temporal resolution unsurpassed by any ...

Ricerca

Neuroscienze

Morphometric Analyses of Retinal Sections

Morphometric analyses of retinal sections have been used in examining retinal diseases. For examples, neuronal cells were significantly lost in the retinal ganglion cell layer (RGCL) in rat models with N-methyl-D-aspartate (NMDA)&#x2013;induced excitotoxicity1, retinal ischemia-reperfusion injury2 and glaucoma3. Reduction of INL and inner plexiform layer (IPL) thicknesses were reversed with citicoline treatment in rats' eyes subjected to kainic acid-mediated glutamate excitotoxicity4. Alteration of RGC density and soma sizes were observed with different drug treatments in eyes with elevated intraocular pressure3,5,6. Therefore, having objective methods of analyzing the retinal morphometries may be of great significance in evaluating retinal pathologies and the effectiveness of therapeutic strategies.
The retinal structure is multi-layers and several different kinds of neurons exist in the retina. The morphometric parameters of retina such as cell number, cell size and thickness of different layers are more complex than the cell culture system. Early on, these parameters can be detected using other commercial imaging software. The values are normally of relative value, and changing to the precise value may need further accurate calculation. Also, the tracing of the cell size and morphology may not be accurate and sensitive enough for statistic analysis, especially in the chronic glaucoma model. The measurements used in this protocol provided a more precise and easy way. And the absolute length of the line and size of the cell can be reported directly and easy to be copied to other files. For example, we traced the margin of the inner and outer most nuclei in the INL and formed a line then using the software to draw a 90 degree angle to measure the thickness. While without the help of the software, the line maybe oblique and the changing of retinal thickness may not be repeatable among individual observers. In addition, the number and density of RGCs can also be quantified. This protocol successfully decreases the variability in quantitating features of the retina, increases the sensitivity in detecting minimal changes.
 	This video will demonstrate three types of morphometric analyses of the retinal sections. They include measuring the INL thickness, quantifying the number of RGCs and measuring the sizes of RGCs in absolute value. These three analyses are carried out with Stereo Investigator (MBF Bioscience &mdash; MicroBrightField, Inc.). The technique can offer a simple but scientific platform for morphometric analyses.

This video demonstrates three types of morphometric analyses of the retina, which include measuring the inner nuclear layer thickness, quantifying the number of retinal ganglion cells (RGCs) and measuring the sizes of RGCs. The technique can offer a simple but scientific platform for morphometric analyses.

Le analisi morfometriche delle sezioni della retina

Morphometric analyses of retinal sections have been used in examining retinal diseases. For examples, neuronal cells were significantly lost in the ...

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

Drosophila larval locomotion is a splendid model system in developmental and physiological neuroscience, by virtue of the genetic accessibility of the underlying neuronal components in the circuits1-6. Application of optogenetics7,8 in the larval neural circuit allows us to manipulate neuronal activity in spatially and temporally patterned ways9-13. Typically, specimens are broadly illuminated with a mercury lamp or LED, so specificity of the target neurons is controlled by binary gene expression systems such as the Gal4-UAS system14,15. In this work, to improve the spatial resolution to "sub-genetic resolution", we locally illuminated a subset of neurons in the ventral nerve cord using lasers implemented in a conventional confocal microscope. While monitoring the motion of the body wall of the semi-intact larvae, we interactively activated or inhibited neural activity with channelrhodopsin16,17 or halorhodopsin18-20, respectively. By spatially and temporally restricted illumination of the neural tissue, we can manipulate the activity of specific neurons in the circuit at a specific phase of behavior. This method is useful for studying the relationship between the activities of a local neural assembly in the ventral nerve cord and the spatiotemporal pattern of motor output.

Optogenetic Perturbation of Neural Activity with Laser Illumination in Semi-intact Drosophila Larvae in Motion

Here we describe a protocol for optogenetic manipulation of motoneuronal activity while monitoring changes in motor output (muscle contraction) in semi-intact Drosophila larvae using lasers within a conventional confocal microscope. This technique enables researchers to achieve local perturbation of neural activity in a few neuromeres to elucidate the dynamics of motor circuits.

Optogenetic Perturbazione di attività neurale con illuminazione laser in semi-intatte<em&gt; Drosophila</em&gt; Larve in Motion

Drosophila larval locomotion is a splendid model system in developmental and physiological neuroscience, by virtue of the genetic accessibility of the ...

Investigating the Function of Deep Cortical and Subcortical Structures Using Stereotactic Electroencephalography: Lessons from the Anterior Cingulate Cortex

Stereotactic Electroencephalography (SEEG) is a technique used to localize seizure foci in patients with medically intractable epilepsy. This procedure involves the chronic placement of multiple depth electrodes into regions of the brain typically inaccessible via subdural grid electrode placement. SEEG thus provides a unique opportunity to investigate brain function. In this paper we demonstrate how SEEG can be used to investigate the role of the dorsal anterior cingulate cortex (dACC) in cognitive control. We include a description of the SEEG procedure, demonstrating the surgical placement of the electrodes. We describe the components and process required to record local field potential (LFP) data from consenting subjects while they are engaged in a behavioral task. In the example provided, subjects play a cognitive interference task, and we demonstrate how signals are recorded and analyzed from electrodes in the dorsal anterior cingulate cortex, an area intimately involved in decision-making. We conclude with further suggestions of ways in which this method can be used for investigating human cognitive processes.

Stereotactic Electroencephalography (SEEG) is an operative technique used in epilepsy surgery to help localize seizure foci. It also affords a unique opportunity to investigate brain function. Here we describe how SEEG can be used to investigate cognitive processes in human subjects.

Indagare la funzione di Deep corticale e strutture sottocorticali Usando stereotassica Elettroencefalografia: gli insegnamenti della corteccia cingolata anteriore

Stereotactic Electroencephalography (SEEG) is a technique used to localize seizure foci in patients with medically intractable epilepsy. This procedure ...

Assessment of Hippocampal Dendritic Complexity in Aged Mice Using the Golgi-Cox Method

Dendritic spines are the protuberances from the neuronal dendritic shafts that contain&#160; excitatory synapses. The morphological and branching variations of the neuronal dendrites within the hippocampus are implicated in cognition and memory formation. There are several approaches to Golgi staining, all of which have been useful for determining the morphological characteristics of dendritic arbors and produce a clear background. The present Golgi-Cox method, (a slight variation of the protocol that is provided with a commercial Golgi staining kit), was designed to assess how a relatively low dose of the chemotherapeutic drug 5-flurouracil (5-Fu) would affect dendritic morphology, the number of spines, and the complexity of arborization within the hippocampus. The 5-Fu significantly modulated the dendritic complexity and decreased the spine density throughout the hippocampus in a region-specific manner. The data presented show that the Golgi staining method effectively stained the mature neurons in the CA1, the CA3, and the dentate gyrus (DG) of the hippocampus. This protocol reports the details for each step so that other researchers can reliably stain tissue throughout the brain with high quality results and minimal troubleshooting.

Here we present a Golgi-Cox protocol in extensive detail. This reliable tissue stain method allows for a high-quality assessment of the cytoarchitecture in the hippocampus, and throughout the entire brain, with minimal troubleshooting.

Valutazione della complessità dendritica ippocampale nei topi invecchiati utilizzando il metodo Golgi-Cox

Dendritic spines are the protuberances from the neuronal dendritic shafts that contain&#160; excitatory synapses. The morphological and branching ...

Concurrent Recording of Co-localized Electroencephalography and Local Field Potential in Rodent

Although electroencephalography (EEG) is widely used as a non-invasive technique for recording neural activities of the brain, our understanding of the neurogenesis of EEG is still very limited. Local field potentials (LFPs) recorded via a multi-laminar microelectrode can provide a more detailed account of simultaneous neural activity across different cortical layers in the neocortex, but the technique is invasive. Combining EEG and LFP measurements in a pre-clinical model can greatly enhance understanding of the neural mechanisms involved in the generation of EEG signals, and facilitate the derivation of a more realistic and biologically accurate mathematical model of EEG. A simple procedure for acquiring concurrent and co-localized EEG and multi-laminar LFP signals in the anesthetized rodent is presented here. We also investigated whether EEG signals were significantly affected by a burr hole drilled in the skull for the insertion of a microelectrode. Our results suggest that the burr hole has a negligible impact on EEG recordings.

This protocol describes a simple method for concurrent recording of co-localized electroencephalography (EEG) and multi-laminar local field potential in an anesthetized rat. A burr hole drilled in the skull for the insertion of a microelectrode is shown to produce negligible distortion of the EEG signal.

Registrazione simultanea di co-localizzato elettroencefalografia e potenziali di campo locale nel roditore

Although electroencephalography (EEG) is widely used as a non-invasive technique for recording neural activities of the brain, our understanding of the ...

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. Drosophila larval neuronal dendritic arborization (da) is an ideal model for studying morphogenesis of neural dendrites and gene function in the development of nervous system. There are four classes of da neurons. Class IV is the most complex with a branching pattern that covers almost the entire area of the larval body wall. We have previously characterized the effect of silencing the Drosophila ortholog of SOX5 on class IV neuronal dendritic arborization complexity (NDAC) using four parameters: the length of dendrites, the surface area of dendrite coverage, the total number of branches, and the branching structure. This protocol presents the workflow of NDAC quantitative analysis, consisting of larval dissection, confocal microscopy, and image analysis procedures using ImageJ software. Further insight into da neuronal development and its underlying mechanisms will improve the understanding of neuronal function and provide clues about the fundamental causes of neurological and neurodevelopmental disorders.

Quantitative Analysis of Neuronal Dendritic Arborization Complexity in Drosophila

This protocol focuses on quantitative analysis of neuronal dendritic arborization complexity (NDAC) in Drosophila, which can be used for studies of dendritic morphogenesis.

Analisi quantitativa di un neurone Arborization dentritico complessità in Drosophila

Dendrites are the branched projections of a neuron, and dendritic morphology reflects synaptic organization during the development of the nervous system. ...

Combined Transcranial Magnetic Stimulation and Electroencephalography of the Dorsolateral Prefrontal Cortex

Transcranial magnetic stimulation (TMS) is a non-invasive method that produces neural excitation in the cortex by means of brief, time-varying magnetic field pulses. The initiation of cortical activation or its modulation depends on the background activation of the neurons of the cortical region activated, the characteristics of the coil, its position and its orientation with respect to the head. TMS combined with simultaneous electrocephalography (EEG) and neuronavigation (nTMS-EEG) allows for the assessment of cortico-cortical excitability and connectivity in almost all cortical areas in a reproducible manner. This advance makes nTMS-EEG a powerful tool that can accurately assess brain dynamics and neurophysiology in test-retest paradigms that are required for clinical trials. Limitations of this method include artifacts that cover the initial brain reactivity to stimulation. Thus, the process of removing artifacts may also extract valuable information. Moreover, the optimal parameters for dorsolateral prefrontal (DLPFC) stimulation are not fully known and current protocols utilize variations from the motor cortex (M1) stimulation paradigms. However, evolving nTMS-EEG designs hope to address these issues. The protocol presented here introduces some standard practices for assessing neurophysiological functioning from stimulation to the DLPFC that can be applied in patients with treatment resistant psychiatric disorders that receive treatment such as transcranial direct current stimulation (tDCS), repetitive transcranial magnetic stimulation (rTMS), magnetic seizure therapy (MST) or electroconvulsive therapy (ECT).

The protocol presented here is for TMS-EEG studies utilizing intracortical excitability test-retest design paradigms. The intent of the protocol is to produce reliable and reproducible cortical excitability measures for assessing neurophysiological functioning related to therapeutic interventions in the treatment of neuropsychiatric diseases such as major depression.

Stimolazione magnetica transcranica combinata e l'elettroencefalografia della corteccia prefrontale dorsolaterale

Transcranial magnetic stimulation (TMS) is a non-invasive method that produces neural excitation in the cortex by means of brief, time-varying magnetic ...

Collection of Frozen Rodent Brain Regions for Downstream Analyses

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex (mPFC) or nucleus accumbens. The challenge in this work is to dissect the correct area while preserving the microenvironment to be examined. In this paper, we describe a simple, low-cost method using resources readily available in most labs. This method preserves nucleic acid and proteins by keeping the tissue frozen throughout the process. Brains are cut into 0.5&#8211;1.0 mm sections using a brain matrix and arranged on a frozen glass plate. Landmarks within each section are compared to a reference, such as the Allen Mouse Brain Atlas, and regions are dissected using a cold scalpel or biopsy punch. Tissue is then stored at -80 &#176;C until use. Through this process rat and mouse mPFC, nucleus accumbens, dorsal and ventral hippocampus and other regions have been successfully analyzed using qRT-PCR and Western assays. This method is limited to brain regions that can be identified by clear landmarks.

This procedure describes the collection of discrete frozen brain regions to obtain high-quality protein and RNA using inexpensive and commonly available tools.

Raccolta di regioni cerebrali del roditore congelato per analisi a valle

As our understanding of neurobiology has progressed, molecular analyses are often performed on small brain areas such as the medial prefrontal cortex ...

Preparation of the Rat Vocal Fold for Neuromuscular Analyses

The purpose of this tutorial is to describe the preparation of the rat vocal fold for histochemical neuromuscular study. This protocol outlines procedures for rat laryngeal dissection, flash-freezing, and cryosectioning of the vocal folds. This study describes how to cryosection vocal folds in both longitudinal and cross-sectional planes. A novelty of this protocol is the laryngeal tracking during cryosectioning that ensures accurate identification of the intrinsic laryngeal muscles and reduces the chance of tissue loss. Figures demonstrate the progressive cryosectioning in both planes. Twenty-nine rat hemi-larynges were cryosectioned and tracked from the emergence of the thyroid cartilage to the appearance of the first section that included the full vocal fold. The full vocal fold was visualized for all animals in both planes. There was high variability in the distance from the appearance of the thyroid cartilage to the appearance of the full vocal fold in both planes. Weight was not correlated to depth of laryngeal landmarks, suggesting individual variability and other factors related to tissue preparation may be responsible for the high variability in the appearance of landmarks during sectioning. This study details a methodology and presents morphological data for preparing the rat vocal fold for histochemical neuromuscular investigation. Due to high individual variability, laryngeal landmarks should be closely tracked during cryosectioning to prevent oversectioning tissue and tissue loss. The use of a consistent methodology, including adequate tissue preparation and awareness of landmarks within the rat larynx, will assist with consistent results across studies and aid new researchers interested in using the rat vocal fold as a model to investigate laryngeal neuromuscular mechanisms.

This protocol describes methods used to prepare rat vocal folds for histochemical neuromuscular study.

Preparazione della piega vocale del ratto per le analisi neuromuscolari

The purpose of this tutorial is to describe the preparation of the rat vocal fold for histochemical neuromuscular study. This protocol outlines procedures ...