Identification of neuromagnetic responses for real-time analysis in magnetoencephalography

Breuer, Lukas; Steland, Ansgar; Shah, Nadim Joni

doi:34899

Identification of neuromagnetic responses for real-time analysis in magnetoencephalography = Identifikation von Neuromagnetischen Hirnaktivitäten zur Echtzeitanalyse in Magnetoenzephalographie

Breuer, Lukas

2016

Verantwortlichkeitsangabevorgelegt von M.Sc. Lukas Breuer aus Simmerath

ImpressumAachen 2016

Umfang1 Online-Ressource (viii, 96 Seiten) : Illustrationen

Dissertation, RWTH Aachen, 2015

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Shah, Nadim Joni (Thesis advisor) ; Steland, Ansgar (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2015-10-20

Online
URN: urn:nbn:de:hbz:82-rwth-2016-012717
URL: https://publications.rwth-aachen.de/record/569556/files/569556.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Mathematik (frei) ; ocular and cardiac artifact rejection for real-time analysis (OCARTA) (frei) ; real-time artifact reduction (frei) ; neurofeedback real-time source localization (frei) ; constrained independent component analysis (cICA) (frei) ; magnetoencephalography (MEG) (frei) ; cross trial phase statistics (CTPS) (frei)

Thematische Einordnung (Klassifikation)
DDC: 510

Kurzfassung
Die Magnetoenzephalographie (MEG) ist ein ideales nicht-invasives Verfahren zur in vivo Untersuchung der raumzeitlichen Informationsverarbeitung im menschlichen Gehirn. Basierend auf echtzeitfähige Brain-Computing-Interfaces wurden kürzlich Studien vorgestellt, die es erlauben, schnelle elektrophysiologische Prozesse im Gehirn interaktiv zu analysieren. Solche Echtzeitanalysen in Kombination mit Neurofeedback-Stimulationen bieten vielfältige Anwendungsmöglichkeiten zu Diagnose- und Therapieverfahren im Bereich der Neurologie und Psychiatrie. Echtzeitanalysen in der Magnetoenzephalographie sind aufgrund der Komplexität der Quellenanalyse anspruchsvoll und zeitaufwendig. Insbesondere, die Datenmenge und das geringe Signal-zu-Rauschverhältnis stellen für die Quellenlokalisation unter Echtzeitbedingungen eine große Herausforderung dar. In den bislang publizierten Studien hatte man sich daher bei MEG-basierten Echtzeitanalysen auf vordefinierte „Regions-of-Interest“ beschränkt, während die Artefaktunterdrückung entweder vernachlässigt oder nur rudimentär durchgeführt wurde. In dieser Doktorarbeit wird ein neuer Ansatz zur Echtzeitanalyse für MEG Daten vorgestellt. Die Echtzeitanalysen in dieser Arbeit, umfassen neue Konzepte zur Artefaktunterdrückung sowie zur Quellenlokalisation, die Signale vom ganzen Hirn in der Quellenanalyse einbeziehen. Getestet wurde das neue Verfahren an MEG Daten von sechs Probanden. Die erzielten Ergebnisse verdeutlichen, dass mit den neuen Konzepten die Echtzeitanalyse auf dem gesamten Gehirn möglich ist. Somit leistet die vorliegende Dissertation einen wichtigen Beitrag um elektrophysiologische Informationsprozesse mittels MEG in Echtzeit entschlüsseln zu können.

Magnetoencephalography (MEG) is an ideal tool for interactively studying the spatio-temporal organization of the human brain. Recently, MEG based real-time brain computing interfaces have been developed to study the acting and responding brain interactively. It is expected that real-time analysis combined with neurofeedback techniques will offer a great potential for the development of novel diagnostic and therapy routines in neurology and psychiatry. The analysis, however, is challenging and requires the design of novel strategies to cope with real-time data processing millisecond by millisecond. In particular, under real-time conditions whole-brain source analysis is challenging, as the signal-to-noise ratio is poor and inter-trial or across subject averaging cannot be applied. Previous attempts using MEG showed results where the analysis was restricted to predefined regions of interests, while artifact rejection was either neglected or simplified. In this thesis, a new real-time analysis workflow for MEG recordings is introduced. Thereby, novel concepts in real-time artifact rejection and whole-brain source localization are demonstrated using real data from six subjects. The new analysis approach introduced here reveals that real-time whole-brain MEG analysis now becomes possible, thus providing the necessary analysis steps needed for studying the information processes in the human brain online.

OpenAccess:
PDF
(additional files)