La magnetoencefalografía ( MEG ) es una técnica de neuroimagen funcional para mapear la actividad cerebral mediante el registro de campos magnéticos producidos por corrientes eléctricas que ocurren naturalmente en el cerebro , utilizando magnetómetros muy sensibles . Las matrices de SQUID (dispositivos superconductores de interferencia cuántica) son actualmente el magnetómetro más común, mientras que el magnetómetro SERF (sin relajación de intercambio de espín) se está investigando para futuras máquinas. [1] [2]Las aplicaciones de MEG incluyen la investigación básica de los procesos cerebrales perceptivos y cognitivos, la localización de las regiones afectadas por la patología antes de la extirpación quirúrgica, la determinación de la función de varias partes del cerebro y el neurofeedback . Esto se puede aplicar en un entorno clínico para encontrar ubicaciones de anomalías, así como en un entorno experimental para simplemente medir la actividad cerebral. [3]
Magnetoencefalografía | |
---|---|
Malla | D015225 |
Historia
Las señales de MEG fueron medidas por primera vez por el físico David Cohen de la Universidad de Illinois en 1968, [4] antes de la disponibilidad del SQUID , utilizando una bobina de inducción de cobre como detector. Para reducir el ruido de fondo magnético, las mediciones se realizaron en una habitación blindada magnéticamente. El detector de bobina era apenas lo suficientemente sensible, lo que resultaba en mediciones de MEG deficientes y ruidosas que eran difíciles de usar. Más tarde, Cohen construyó una habitación mucho mejor blindada en el MIT y usó uno de los primeros detectores SQUID, desarrollado recientemente por James E. Zimmerman , un investigador de Ford Motor Company, [5] para medir nuevamente las señales MEG. [6] Esta vez las señales fueron casi tan claras como las del EEG . Esto estimuló el interés de los físicos que habían estado buscando usos de los SQUID. Posteriormente, se comenzaron a medir varios tipos de MEG espontáneos y evocados.
Al principio, se utilizó un solo detector SQUID para medir sucesivamente el campo magnético en varios puntos alrededor de la cabeza del sujeto. Esto era engorroso y, en la década de 1980, los fabricantes de MEG comenzaron a organizar varios sensores en matrices para cubrir un área más grande de la cabeza. Las matrices de MEG actuales se colocan en un matraz de vacío con forma de casco que normalmente contiene 300 sensores, que cubren la mayor parte de la cabeza. De esta manera, los MEG de un sujeto o paciente ahora pueden acumularse rápida y eficazmente.
Los desarrollos recientes intentan aumentar la portabilidad de los escáneres MEG mediante el uso de magnetómetros libres de relajación de intercambio de espín (SERF). Los magnetómetros SERF son relativamente pequeños, ya que no requieren sistemas de enfriamiento voluminosos para funcionar. Al mismo tiempo, presentan una sensibilidad equivalente a la de los SQUID. En 2012, se demostró que MEG podía funcionar con un magnetómetro atómico a escala de chip (CSAM, tipo de SERF). [7] Más recientemente, en 2017, los investigadores construyeron un prototipo funcional que usa magnetómetros SERF instalados en cascos portátiles impresos en 3D individualmente, [2] que notaron en entrevistas que podrían ser reemplazados por algo más fácil de usar en el futuro, como una bicicleta. casco.
La base de la señal MEG
Las corrientes neuronales sincronizadas inducen campos magnéticos débiles. El campo magnético del cerebro, que mide a 10 femto tesla (fT) para la actividad cortical y a 10 3 fT para el ritmo alfa humano , es considerablemente más pequeño que el ruido magnético ambiental en un entorno urbano, que es del orden de 10 8 fT o 0.1 μT. El problema esencial del biomagnetismo es, por tanto, la debilidad de la señal en relación con la sensibilidad de los detectores y con el ruido ambiental competitivo.
Las señales MEG (y EEG) se derivan del efecto neto de las corrientes iónicas que fluyen en las dendritas de las neuronas durante la transmisión sináptica . De acuerdo con las ecuaciones de Maxwell , cualquier corriente eléctrica producirá un campo magnético, y es este campo el que se mide. Las corrientes netas se pueden considerar como dipolos de corriente , [8] es decir, corrientes con una posición, orientación y magnitud, pero sin extensión espacial [ dudoso ] . Según la regla de la mano derecha , un dipolo de corriente da lugar a un campo magnético que apunta alrededor del eje de su componente vectorial.
Para generar una señal que sea detectable, se necesitan aproximadamente 50.000 neuronas activas. [9] Dado que los dipolos de corriente deben tener orientaciones similares para generar campos magnéticos que se refuercen entre sí, a menudo es la capa de células piramidales , que se encuentran perpendiculares a la superficie cortical, la que da lugar a campos magnéticos medibles. Los haces de estas neuronas que están orientadas tangencialmente a la superficie del cuero cabelludo proyectan porciones mensurables de sus campos magnéticos fuera de la cabeza, y estos haces se encuentran típicamente en los surcos . Los investigadores están experimentando con varios métodos de procesamiento de señales en la búsqueda de métodos que detecten señales cerebrales profundas (es decir, no corticales), pero actualmente no hay ningún método clínicamente útil disponible.
Vale la pena señalar que los potenciales de acción no suelen producir un campo observable, principalmente porque las corrientes asociadas con los potenciales de acción fluyen en direcciones opuestas y los campos magnéticos se cancelan. Sin embargo, los campos de acción se han medido a partir de nervios periféricos.
Blindaje magnético
Dado que las señales magnéticas emitidas por el cerebro son del orden de unas pocas femtoteslas, es necesario protegerse de las señales magnéticas externas, incluido el campo magnético de la Tierra . Se puede obtener un blindaje magnético apropiado construyendo salas de aluminio y mu-metal para reducir el ruido de alta y baja frecuencia , respectivamente.
Habitación con blindaje magnético (MSR)
Un modelo de habitación con blindaje magnético (MSR) consta de tres capas principales anidadas. Cada una de estas capas está hecha de una capa de aluminio puro más una capa ferromagnética de alta permeabilidad , similar en composición a la permalloy de molibdeno . La capa ferromagnética se suministra en láminas de 1 mm, mientras que la capa más interna está compuesta por cuatro láminas en estrecho contacto y las dos capas externas están compuestas por tres láminas cada una. La continuidad magnética se mantiene mediante tiras superpuestas. Se utilizan arandelas aislantes en los conjuntos de tornillos para garantizar que cada capa principal esté aislada eléctricamente. Esto ayuda a eliminar la radiación de radiofrecuencia , que degradaría el rendimiento de SQUID. La continuidad eléctrica del aluminio también se mantiene mediante tiras superpuestas de aluminio para garantizar el blindaje de corriente parásita de CA , que es importante en frecuencias superiores a 1 Hz. Las uniones de la capa interna a menudo se galvanizan con plata u oro para mejorar la conductividad de las capas de aluminio. [10]
Sistema de blindaje activo
Los sistemas activos están diseñados para la cancelación de ruido tridimensional. Para implementar un sistema activo, se montan magnetómetros fluxgate de bajo ruido en el centro de cada superficie y se orientan ortogonalmente a ella. Esto alimenta negativamente un amplificador de CC a través de una red de paso bajo con una caída lenta para minimizar la retroalimentación positiva y la oscilación. Integrados en el sistema hay cables de sacudida y desmagnetización . Los alambres de agitación aumentan la permeabilidad magnética, mientras que los alambres de desmagnetización permanente se aplican a todas las superficies de la capa principal interna para desmagnetizar las superficies. [4] Además, los algoritmos de cancelación de ruido pueden reducir tanto el ruido de baja frecuencia como el de alta frecuencia. Los sistemas modernos tienen un piso de ruido de alrededor de 2-3 fT / Hz 0.5 por encima de 1 Hz.
Localización de fuentes
El problema inverso
El desafío que plantea MEG es determinar la ubicación de la actividad eléctrica dentro del cerebro a partir de los campos magnéticos inducidos fuera de la cabeza. Problemas como éste, donde los parámetros del modelo (la ubicación de la actividad) tienen que estimarse a partir de los datos medidos (las señales SQUID) se denominan problemas inversos (en contraste con los problemas de avance [11] donde los parámetros del modelo (por ejemplo, la ubicación de la fuente) ) son conocidos y los datos (por ejemplo, el campo a una distancia determinada) deben estimarse.) La dificultad principal es que el problema inverso no tiene una solución única (es decir, hay infinitas respuestas "correctas" posibles), y la El problema de definir la "mejor" solución es en sí mismo objeto de una intensa investigación. [12] Se pueden derivar posibles soluciones utilizando modelos que implican un conocimiento previo de la actividad cerebral.
Los modelos de origen pueden estar sobredeterminados o subdeterminados. Un modelo sobredeterminado puede consistir en algunas fuentes puntuales ("dipolos equivalentes"), cuyas ubicaciones se estiman luego a partir de los datos. Los modelos subdeterminados pueden usarse en casos donde se activan muchas áreas distribuidas diferentes ("soluciones de fuente distribuida"): hay infinitas distribuciones de corriente posibles que explican los resultados de la medición, pero se selecciona la más probable. Los algoritmos de localización utilizan modelos de fuente y cabezal dados para encontrar una ubicación probable para un generador de campo focal subyacente.
Un tipo de algoritmo de localización para modelos sobredeterminados opera mediante la maximización de expectativas : el sistema se inicializa con una primera conjetura. Se inicia un bucle, en el que se utiliza un modelo directo para simular el campo magnético que resultaría de la estimación actual. La conjetura se ajusta para reducir la discrepancia entre el campo simulado y el campo medido. Este proceso se repite hasta la convergencia.
Otra técnica común es la formación de haces , en la que un modelo teórico del campo magnético producido por un dipolo de corriente dado se utiliza como anterior, junto con estadísticas de segundo orden de los datos en forma de matriz de covarianza , para calcular una ponderación lineal de la matriz de sensores (el formador de haz) a través de la inversa de Backus-Gilbert . Esto también se conoce como un formador de haz de varianza mínima linealmente restringida (LCMV). Cuando el formador de haz se aplica a los datos, produce una estimación de la potencia en un "canal virtual" en la ubicación de la fuente.
No se puede dejar de enfatizar hasta qué punto el problema inverso de MEG sin restricciones está mal planteado. Si el objetivo de uno es estimar la densidad de corriente dentro del cerebro humano con una resolución de 5 mm, entonces está bien establecido que la gran mayoría de la información necesaria para realizar una inversión única no debe provenir de la medición del campo magnético sino de las restricciones aplicadas. al problema. Además, incluso cuando es posible una inversión única en presencia de tales limitaciones, dicha inversión puede ser inestable. Estas conclusiones se deducen fácilmente de trabajos publicados. [13]
Imágenes de fuente magnética
Las ubicaciones de las fuentes se pueden combinar con imágenes de resonancia magnética (MRI) para crear imágenes de fuentes magnéticas (MSI). Los dos conjuntos de datos se combinan midiendo la ubicación de un conjunto común de puntos fiduciales marcados durante la resonancia magnética con marcadores de lípidos y marcados durante la MEG con bobinas de alambre electrificadas que emiten campos magnéticos. Las ubicaciones de los puntos fiduciales en cada conjunto de datos se utilizan luego para definir un sistema de coordenadas común de modo que sea posible superponer los datos de MEG funcionales sobre los datos de MRI estructurales (" coregistro ").
Una crítica del uso de esta técnica en la práctica clínica es que produce áreas coloreadas con límites definidos superpuestos a una resonancia magnética: el espectador inexperto puede no darse cuenta de que los colores no representan una certeza fisiológica, debido a la resolución espacial relativamente baja de MEG, sino más bien una nube de probabilidad derivada de procesos estadísticos. Sin embargo, cuando la imagen de la fuente magnética corrobora otros datos, puede ser de utilidad clínica.
Localización de fuente de modelo dipolo
Una técnica de modelado de fuentes ampliamente aceptada para MEG implica calcular un conjunto de dipolos de corriente equivalente (ECD), que asume que las fuentes neuronales subyacentes son focales. Este procedimiento de ajuste de dipolos no es lineal y está sobredeterminado, ya que el número de parámetros de dipolos desconocidos es menor que el número de mediciones de MEG. [14] Los algoritmos automatizados de modelos de múltiples dipolos, como la clasificación de señales múltiples (MUSIC) y el modelado MSST (MultiStart Spatial and Temporal), se aplican al análisis de las respuestas de MEG. Las limitaciones de los modelos dipolares para caracterizar las respuestas neuronales son (1) dificultades para localizar fuentes extendidas con ECD, (2) problemas para estimar con precisión el número total de dipolos por adelantado y (3) dependencia de la ubicación del dipolo, especialmente la profundidad en el cerebro .
Modelos de fuente distribuida
A diferencia del modelado de múltiples dipolos, los modelos de fuentes distribuidas dividen el espacio fuente en una cuadrícula que contiene una gran cantidad de dipolos. El problema inverso es obtener los momentos dipolares para los nodos de la cuadrícula. [15] Como el número de momentos dipolares desconocidos es mucho mayor que el número de sensores MEG, la solución inversa está muy subdeterminada, por lo que se necesitan restricciones adicionales para reducir la ambigüedad de la solución. La principal ventaja de este enfoque es que no es necesaria una especificación previa del modelo fuente. Sin embargo, las distribuciones resultantes pueden ser difíciles de interpretar, porque solo reflejan una imagen "borrosa" (o incluso distorsionada) de la verdadera distribución de la fuente neuronal. El asunto se complica por el hecho de que la resolución espacial depende en gran medida de varios parámetros como el área del cerebro, la profundidad, la orientación, el número de sensores, etc. [16]
Análisis de componentes independientes (ICA)
El análisis de componentes independientes (ICA) es otra solución de procesamiento de señales que separa diferentes señales que son estadísticamente independientes en el tiempo. Se utiliza principalmente para eliminar artefactos como parpadeo, movimiento de los músculos oculares, artefactos de los músculos faciales, artefactos cardíacos, etc. de las señales MEG y EEG que pueden estar contaminadas con ruido exterior. [17] Sin embargo, ICA tiene una resolución pobre de fuentes cerebrales altamente correlacionadas.
Usar en el campo
En la investigación, el uso principal de MEG es la medición de los cursos de actividad en el tiempo. La MEG puede resolver eventos con una precisión de 10 milisegundos o más rápido, mientras que la MRI funcional (fMRI), que depende de cambios en el flujo sanguíneo, puede en el mejor de los casos resolver eventos con una precisión de varios cientos de milisegundos. MEG también identifica con precisión las fuentes en las áreas auditivas, somatosensoriales y motoras primarias. Para crear mapas funcionales de la corteza humana durante tareas cognitivas más complejas, la MEG se combina con mayor frecuencia con fMRI, ya que los métodos se complementan entre sí. Los datos neuronales (MEG) y hemodinámicos (fMRI) no coinciden necesariamente, a pesar de la estrecha relación entre los potenciales de campo local (LFP) y las señales dependientes del nivel de oxigenación sanguínea (BOLD). Las señales MEG y BOLD pueden originarse en la misma fuente (aunque las señales BOLD se filtran a través de la respuesta hemodinámica).
MEG también se está utilizando para localizar mejor las respuestas en el cerebro. La apertura de la configuración de MEG permite introducir fácilmente estímulos visuales y auditivos externos. También es posible algún movimiento del sujeto siempre que no mueva la cabeza del sujeto. Las respuestas en el cerebro antes, durante y después de la introducción de tales estímulos / movimiento se pueden cartografiar con una resolución espacial mayor que la que antes era posible con EEG. [18] Los psicólogos también están aprovechando la neuroimagen MEG para comprender mejor las relaciones entre la función cerebral y el comportamiento. Por ejemplo, se han realizado varios estudios que comparan las respuestas de MEG de pacientes con problemas psicológicos con pacientes de control. Ha habido un gran éxito en el aislamiento de respuestas únicas en pacientes con esquizofrenia, como los déficits auditivos de activación de las voces humanas. [19] MEG también se está utilizando para correlacionar las respuestas psicológicas estándar, como la dependencia emocional de la comprensión del lenguaje. [20]
Estudios recientes han reportado una clasificación exitosa de pacientes con esclerosis múltiple , enfermedad de Alzheimer , esquizofrenia , síndrome de Sjögren , alcoholismo crónico , dolor facial y arritmias talamocorticales . MEG se puede utilizar para distinguir a estos pacientes de los sujetos de control sanos, lo que sugiere un papel futuro de MEG en el diagnóstico. [21] [22]
Epilepsia focal
Los usos clínicos de MEG se encuentran en la detección y localización de la actividad patológica en pacientes con epilepsia y en la localización de la corteza elocuente para la planificación quirúrgica en pacientes con tumores cerebrales o epilepsia intratable. El objetivo de la cirugía de la epilepsia es extirpar el tejido epileptógeno sin afectar las áreas cerebrales sanas. [23] Conocer la posición exacta de las regiones cerebrales esenciales (como la corteza motora primaria y la corteza sensorial primaria , la corteza visual y las áreas involucradas en la producción y comprensión del habla) ayuda a evitar déficits neurológicos inducidos quirúrgicamente. La estimulación cortical directa y los potenciales evocados somatosensoriales registrados en ECoG se consideran el estándar de oro para localizar regiones cerebrales esenciales. Estos procedimientos se pueden realizar intraoperatoriamente o con electrodos de rejilla subdurales que permanecen crónicamente. Ambos son invasivos.
Las localizaciones no invasivas de MEG del surco central obtenidas de campos magnéticos evocados somatosensoriales muestran un fuerte acuerdo con estas grabaciones invasivas. [24] [25] [26] Los estudios de MEG ayudan a aclarar la organización funcional de la corteza somatosensorial primaria ya delinear la extensión espacial de la corteza somatosensorial de la mano mediante la estimulación de los dedos individuales. Este acuerdo entre la localización invasiva de tejido cortical y los registros de MEG muestra la efectividad del análisis de MEG e indica que MEG puede sustituir a los procedimientos invasivos en el futuro.
Fetal
MEG se ha utilizado para estudiar procesos cognitivos como la visión , la audición y el procesamiento del lenguaje en fetos y recién nacidos. [27]
MEG ha estado en desarrollo desde la década de 1960, pero se ha beneficiado enormemente de los avances recientes en algoritmos informáticos y hardware, y promete una resolución espacial mejorada junto con una resolución temporal extremadamente alta (mejor que 1 ms ). Dado que la señal de MEG es una medida directa de la actividad neuronal, su resolución temporal es comparable a la de los electrodos intracraneales.
La MEG complementa otras técnicas de medición de la actividad cerebral, como la electroencefalografía (EEG), la tomografía por emisión de positrones (PET) y la resonancia magnética funcional . Sus puntos fuertes consisten en la independencia de la geometría de la cabeza en comparación con el EEG (a menos que existan implantes ferromagnéticos ), la no invasividad, el uso de radiación no ionizante, en contraposición a la PET y una alta resolución temporal en contraposición a la fMRI.
MEG en comparación con EEG
Aunque las señales de EEG y MEG se originan en los mismos procesos neurofisiológicos, existen diferencias importantes. [28] Los campos magnéticos están menos distorsionados que los campos eléctricos por el cráneo y el cuero cabelludo, lo que resulta en una mejor resolución espacial del MEG. Mientras que el EEG del cuero cabelludo es sensible a los componentes tangenciales y radiales de una fuente de corriente en un conductor de volumen esférico, MEG detecta solo sus componentes tangenciales. El EEG del cuero cabelludo puede, por tanto, detectar actividad tanto en los surcos como en la parte superior de los giros corticales, mientras que MEG es más sensible a la actividad que se origina en los surcos. Por lo tanto, el EEG es sensible a la actividad en más áreas del cerebro, pero la actividad que es visible en MEG también se puede localizar con más precisión.
El EEG del cuero cabelludo es sensible a las corrientes de volumen extracelular producidas por los potenciales postsinápticos. MEG detecta corrientes intracelulares asociadas principalmente con estos potenciales sinápticos porque los componentes de campo generados por las corrientes de volumen tienden a cancelarse en un conductor de volumen esférico. [29] La desintegración de los campos magnéticos en función de la distancia es más pronunciada que la de los campos eléctricos. Por tanto, la MEG es más sensible a la actividad cortical superficial, lo que la hace útil para el estudio de la epilepsia neocortical. Finalmente, MEG no tiene referencias, mientras que el EEG del cuero cabelludo se basa en una referencia que, cuando está activa, dificulta la interpretación de los datos.
Ver también
- Campo evocado auditivo
- Interfaces cerebrales directas
- Electrofisiología
- Campo evocado
- Viaje de estudios
- Magnetocardiografia
- Magnetogastrografía
- Magnetómetro
- Magnetomiografia
- CALAMAR
- Emulación de cerebro completo
Referencias
- ↑ Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano en funcionamiento" (PDF) . Reseñas de Física Moderna . 65 (2): 413–497. Código Bibliográfico : 1993RvMP ... 65..413H . doi : 10.1103 / RevModPhys.65.413 . ISSN 0034-6861 .
- ^ a b Boto, Elena; Holmes, Niall; Leggett, James; Roberts, Gillian; Shah, Vishal; Meyer, Sofie S .; Muñoz, Leonardo Duque; Mullinger, Karen J .; Tierney, Tim M. (marzo de 2018). "Moviendo la magnetoencefalografía hacia aplicaciones del mundo real con un sistema portátil" . Naturaleza . 555 (7698): 657–661. Código Bib : 2018Natur.555..657B . doi : 10.1038 / nature26147 . ISSN 1476-4687 . PMC 6063354 . PMID 29562238 .
- ^ Carlson NR (2013). Fisiología del comportamiento . Upper Saddle River, Nueva Jersey: Pearson Education Inc. pp. 152 -153. ISBN 978-0-205-23939-9.
- ^ a b Cohen D (agosto de 1968). "Magnetoencefalografía: evidencia de campos magnéticos producidos por corrientes de ritmo alfa". Ciencia . 161 (3843): 784–6. Código bibliográfico : 1968Sci ... 161..784C . doi : 10.1126 / science.161.3843.784 . PMID 5663803 . S2CID 34001253 .
- ^ Zimmerman JE, Theine P, Harding JT (1970). "Diseño y operación de dispositivos cuánticos de contacto puntual superconductores con polarización de radiofrecuencia estables, etc.". Revista de Física Aplicada . 41 (4): 1572-1580. doi : 10.1063 / 1.1659074 .
- ^ Cohen D (febrero de 1972). "Magnetoencefalografía: detección de la actividad eléctrica del cerebro con un magnetómetro superconductor" (PDF) . Ciencia . 175 (4022): 664–6. Código Bibliográfico : 1972Sci ... 175..664C . doi : 10.1126 / science.175.4022.664 . PMID 5009769 . S2CID 29638065 .
- ^ Sander TH, Preusser J, Mhaskar R, Kitching J, Trahms L, Knappe S (mayo de 2012). "Magnetoencefalografía con un magnetómetro atómico a escala de chip" . Óptica Biomédica Express . 3 (5): 981–90. doi : 10.1364 / BOE.3.000981 . PMC 3342203 . PMID 22567591 .
- ^ Hämäläinen, Matti; Hari, Riitta; Ilmoniemi, Risto J .; Knuutila, Jukka; Lounasmaa, Olli V. (1 de abril de 1993). "Magnetoencefalografía --- teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano en funcionamiento" . Reseñas de Física Moderna . 65 (2): 413–497. Código Bibliográfico : 1993RvMP ... 65..413H . doi : 10.1103 / RevModPhys.65.413 .
- ^ Okada Y (1983). "Neurogénesis de campos magnéticos evocados" . En Williamson SH, Romani GL, Kaufman L, Modena I (eds.). Biomagnetismo: un enfoque interdisciplinario . Nueva York: Plenum Press. págs. 399–408. ISBN 978-1-4757-1785-3.
- ^ Cohen D, Schläpfer U, Ahlfors S, Hämäläinen M, Halgren E. "Nueva habitación blindada magnéticamente de seis capas para MEG" (PDF) . Charlestown, Massachusetts: Centro Athinoula A. Martinos de Imágenes Biomédicas, Hospital General de Massachusetts. S2CID 27016664 . Archivado desde el original (PDF) el 2020-08-03. Cite journal requiere
|journal=
( ayuda ) - ^ Tanzer IO (2006). Modelado numérico en electro y magnetoencefalografía (tesis doctoral). Finlandia: Universidad Tecnológica de Helsinki.
- ^ Hauk O, Wakeman DG, Henson R (febrero de 2011). "Comparación de estimaciones de normas mínimas normalizadas por ruido para análisis MEG utilizando métricas de resolución múltiple" . NeuroImage . 54 (3): 1966–74. doi : 10.1016 / j.neuroimage.2010.09.053 . PMC 3018574 . PMID 20884360 .
- ^ Sheltraw D, Coutsias E (2003). "Invertibilidad de la densidad de corriente a partir de datos electromagnéticos de campo cercano" (PDF) . Revista de Física Aplicada . 94 (8): 5307–5315. Código Bibliográfico : 2003JAP .... 94.5307S . doi : 10.1063 / 1.1611262 .
- ^ Huang MX, Dale AM, Song T, Halgren E, Harrington DL, Podgorny I, Canive JM, Lewis S, Lee RR (julio de 2006). "Solución de norma L1 mínima espacial-temporal basada en vectores para MEG". NeuroImage . 31 (3): 1025–37. doi : 10.1016 / j.neuroimage.2006.01.029 . PMID 16542857 . S2CID 9607000 .
- ^ Hämäläinen MS, Ilmoniemi RJ (enero de 1994). "Interpretación de los campos magnéticos del cerebro: estimaciones de la norma mínima". Ingeniería y Computación Médica y Biológica . 32 (1): 35–42. doi : 10.1007 / BF02512476 . PMID 8182960 . S2CID 6796187 .
- ^ Molins A, Stufflebeam SM, Brown EN, Hämäläinen MS (septiembre de 2008). "Cuantificación del beneficio de la integración de datos de MEG y EEG en estimación mínima de norma l2". NeuroImage . 42 (3): 1069–77. doi : 10.1016 / j.neuroimage.2008.05.064 . PMID 18602485 . S2CID 6462818 .
- ^ Jung TP, Makeig S, Westerfield M, Townsend J, Courchesne E, Sejnowski TJ (octubre de 2000). "Eliminación de artefactos de actividad ocular de potenciales relacionados con eventos visuales en sujetos normales y clínicos" (PDF) . Neurofisiología clínica . 111 (10): 1745–58. CiteSeerX 10.1.1.164.9941 . doi : 10.1016 / S1388-2457 (00) 00386-2 . PMID 11018488 . S2CID 11044416 .[ enlace muerto permanente ]
- ^ Cui R, Cunnington R, Beisteiner R, Deecke L (2012). "Efectos de la carga de fuerza sobre la actividad cortical que precede al movimiento voluntario de los dedos". Investigación en Neurología, Psiquiatría y Cerebro . 18 (3): 97-104. doi : 10.1016 / j.npbr.2012.03.001 .
- ^ Hirano Y, Hirano S, Maekawa T, Obayashi C, Oribe N, Monji A, Kasai K, Kanba S, Onitsuka T (marzo de 2010). "Déficit de compuerta auditiva a voces humanas en la esquizofrenia: un estudio de MEG". Investigación de la esquizofrenia . 117 (1): 61–7. doi : 10.1016 / j.schres.2009.09.003 . PMID 19783406 . S2CID 7845180 .
- ^ Ihara A, Wei Q, Matani A, Fujimaki N, Yagura H, Nogai T, Umehara H, Murata T (enero de 2012). "Comprensión del lenguaje dependiente del contexto emocional: un estudio de magnetoencefalografía". Investigación en neurociencias . 72 (1): 50–8. doi : 10.1016 / j.neures.2011.09.011 . PMID 22001763 . S2CID 836242 .
- ^ Georgopoulos AP, Karageorgiou E, Leuthold AC, Lewis SM, Lynch JK, Alonso AA, Aslam Z, Carpenter AF, Georgopoulos A, Hemmy LS, Koutlas IG, Langheim FJ, McCarten JR, McPherson SE, Pardo JV, Pardo PJ, Parry GJ , Rottunda SJ, Segal BM, Sponheim SR, Stanwyck JJ, Stephane M, Westermeyer JJ (diciembre de 2007). "Interacciones neuronales sincrónicas evaluadas por magnetoencefalografía: un biomarcador funcional para trastornos cerebrales" . Revista de Ingeniería Neural . 4 (4): 349–55. Código Bibliográfico : 2007JNEng ... 4..349G . doi : 10.1088 / 1741-2560 / 4/4/001 . hdl : 10161/12446 . PMID 18057502 .
- ^ Montez T, Poil SS, Jones BF, Manshanden I, Verbunt JP, van Dijk BW, Brussaard AB, van Ooyen A, Stam CJ, Scheltens P, Linkenkaer-Hansen K (febrero de 2009). "Correlaciones temporales alteradas en las oscilaciones theta parietal alfa y prefrontal en la enfermedad de Alzheimer en etapa temprana" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 106 (5): 1614–9. Código Bibliográfico : 2009PNAS..106.1614M . doi : 10.1073 / pnas.0811699106 . PMC 2635782 . PMID 19164579 .
- ^ Luders HO (1992). Cirugía de epilepsia . Prensa del cuervo de Nueva York.
- ^ Sutherling WW, Crandall PH, Darcey TM, Becker DP, Levesque MF, Barth DS (noviembre de 1988). "Los campos magnéticos y eléctricos concuerdan con las localizaciones intracraneales de la corteza somatosensorial". Neurología . 38 (11): 1705–14. doi : 10.1212 / WNL.38.11.1705 . PMID 3185905 . S2CID 8828767 .
- ^ Rowley HA, Roberts TP (noviembre de 1995). "Localización funcional por magnetoencefalografía". Clínicas de neuroimagen de América del Norte . 5 (4): 695–710. PMID 8564291 .
- ^ Gallen CC, Hirschkoff EC, Buchanan DS (mayo de 1995). "Magnetoencefalografía e imagen de fuente magnética. Capacidades y limitaciones". Clínicas de neuroimagen de América del Norte . 5 (2): 227–49. PMID 7640886 .
- ^ Sheridan CJ, Matuz T, Draganova R, Eswaran H, Preissl H (2010). "Magnetoencefalografía fetal: logros y desafíos en el estudio de las respuestas cerebrales prenatales y posnatales tempranas: una revisión" . Desarrollo infantil y de lactantes . 19 (1): 80–93. doi : 10.1002 / icd.657 . PMC 2830651 . PMID 20209112 .
- ^ Cohen D, Cuffin BN (julio de 1983). "Demostración de diferencias útiles entre magnetoencefalograma y electroencefalograma". Electroencefalografía y neurofisiología clínica . 56 (1): 38–51. doi : 10.1016 / 0013-4694 (83) 90005-6 . PMID 6190632 .
- ^ Barth DS, Sutherling W, Beatty J (marzo de 1986). "Corrientes intracelulares de picos de penicilina interictal: evidencia de mapeo neuromagnético". Investigación del cerebro . 368 (1): 36–48. doi : 10.1016 / 0006-8993 (86) 91040-1 . PMID 3955364 . S2CID 3078690 .
Otras lecturas
- Baillet S, Mosher JC, Leahy RM (noviembre de 2001). "Mapeo electromagnético del cerebro". Revista de procesamiento de señales IEEE . 18 (6): 14-30. Código Bibliográfico : 2001ISPM ... 18 ... 14B . doi : 10.1109 / 79.962275 .
- Cohen D (2004). "Boston y la historia del biomagnetismo". Neurología y neurofisiología clínica . 30 (1): 114. PMID 16012683 .
- Cohen D, Halgren E (2004). "Magnetoencefalografía". En Adelman G, Smith B (eds.). Enciclopedia de neurociencia . Elsevier.
- Hämäläinen M, Hari R, Ilmoniemi R, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del procesamiento de señales en el cerebro humano" (PDF) . Reseñas de Física Moderna . 65 (2): 413–497. Código Bibliográfico : 1993RvMP ... 65..413H . doi : 10.1103 / revmodphys.65.413 .
- Hansen PC, Kringelbach ML, Salmelin R (2010). MEG: Introducción a los métodos . Nueva York: Oxford University Press Inc.
- Murakami S, Okada Y (septiembre de 2006). "Contribuciones de las principales neuronas neocorticales a las señales de magnetoencefalografía y electroencefalografía" . La revista de fisiología . 575 (Pt 3): 925–36. doi : 10.1113 / jphysiol.2006.105379 . PMC 1995687 . PMID 16613883 .
- Suk J, Ribary U, Cappell J, Yamamoto T, Llinás R (marzo de 1991). "Localización anatómica revelada por grabaciones MEG del sistema somatosensorial humano". Electroencefalografía y neurofisiología clínica . 78 (3): 185–96. doi : 10.1016 / 0013-4694 (91) 90032-y . PMID 1707790 .
- Tanzer OI (2006). Modelado numérico en electro y magnetoencefalografía (tesis doctoral). Finlandia: Universidad Tecnológica de Helsinki.
- Wolters CH, Anwander A, Tricoche X, Weinstein D, Koch MA, MacLeod RS (2006). "Influencia de la anisotropía de conductividad tisular en el campo EEG / MEG y el cálculo de la corriente de retorno en un modelo de cabeza realista: un estudio de simulación y visualización utilizando modelado de elementos finitos de alta resolución" . NeuroImage . 30 (3): 813–826. doi : 10.1016 / j.neuroimage.2005.10.014 . hdl : 11858 / 00-001M-0000-0010-BD20-9 . PMID 16364662 . S2CID 5578998 .