Istraivaki lanak

Brainstorm: Jednostavna aplikacija za MEG/EEG analize

Franc oisTadel, Sylvain Baillet, John C.Mosher, Dimitrios Pantazis, i RichardM. Leahy
1

Signal & Image Processing Institute, University of Southern California, Los Angeles, CA 90089, USA 2 MEG Program, Departments of Neurology & Biophysics, Froedtert & Medical College of Wisconsin, Milwaukee, WI 53226, USA 3 Epilepsy Center, Cleveland Clinic Neurological Institute, Cleveland, OH 44195, USA 4 MEG Lab, McGovern Institute for Brain Research, Massachusetts Institute of Technology, Cambridge, MA 02139, USA Correspondence should be addressed to Franc ois Tadel, tadel@usc.edu Received 4 October 2010; Accepted 28 January 2011 Akademski urednik: Robert Oostenveld Copyright 2011 Franc ois Tadel et al. Ovo je otvoreni lanak distribuiran pod Commons Attribution licencom, koja omoguava nesmetanu upotrebu, distribuciju i reprodukciju u bilo kojem mediju, pod uvjetom da se originalni rad pravilno navodi. Brainstorm je zajedniki program otvorenog koda posveen magnetoencefalografiji (MEG) i elektroencefalografiji (EEG), vizualizaciji podataka i obradi, s naglaskom na kortikalne tehnike procjene izvora i njihovu integraciju s anatomskom magnetskom rezonancijom (MRI) podataka. Primarni cilj programa je povezivanje MEG / EEG istraivanja u neuroznanosti sa najutemeljenijim i najefikasnijim metodama kroz jednostavni i intuitivni ivopisni korisniki interfejs (GUI).

1. Uvod Iako je MEG i EEG instrumentacija sve ea u neuroznanosti istraivakih centara i bolnica, istraivanje mogunosti softvera i standardizacija su i dalje ogranieni u usporedbi s drugim prikazima naina funkcioniranja mozga. MEG/EEG napredna tehnika snimanja predstavlja niz specifinih tehnikih izazova koji su, donedavno, sprijeili akademski softverski razvoj i njegovo prihvaanje od strane korisnika (npr., viedimenzionalna priroda podataka, mnotvo pristupa modeliranju tkiva glave i geometrije, a neodreenost izvornog modela). U idealnom sluaju, MEG / EEG snimanje je multimodalno: MEG i EEG snimci trebaju biti registrirani u izvornom prostoru koji se moe dobiti od strukturnih MRI podataka, to pridonosi sloenosti analize. Nadalje, ne postoji iroko prihvaeni standardni MEG / EEG format podataka, to je ograniilo distribuciju i razmjenu podataka i uzrokovalo znaajnu tehniku prepreku akademskim softverskim programerima. MEG / EEG analiza podataka i tehnika snimanja istiu mnotvo moguih pristupa, to otvara irok raspon mogunosti za tehniku obradu signala. Napredni model glave, npr., koji nalazi aktualne neuronske bazne izvore potencijala vlasita ovisi o obliku i vodljivosti tkiva glave, te se moe obavljati pomou vie metoda, poevi od jednosfernih modela glave [1] do preklapajuih sfernih modela [2], te graninih ili metoda konanih elemenata [3]. Inverznoj tehnici modeliranja, koja rjeava kortikalne izvore a koji bivaju uzrokom MEG/EEG snimaka, pristupalo se kroz mnoge metode, od dipolnog fitinga [4] do distribuirane tehnike snimanja Bajesovom inferencijom. Ova raznolikost modela i metoda izraava lou predstavu elektrofiziolokih snimaka, pa to zahtijeva restrikciju modela ili regulaciju procedura u cilju pronalaenja odrivog rjeenja. Potrebe korisnika za analizu i vizualizaciju MEG i EEG podataka variraju u zavisnosti od njihove primjene. U klinikom okruenju, neobraeni snimci se esto koriste za identifikaciju i karakterizaciju abnormalne aktivnosti mozga, kao to su sluajevi napada kod epileptiara [8]. Alternativno, usrednjavanje podataka u eksperimentima i izazvane reakcije [9] ostaju kao tipian pristup otkrivanju dogaaja vezanih za kortikalne aktivnosti. Vremensko-frekventna analiza [10] prua uvid u indicirane reakcije i proiruje analize MEG/EEG vremenskih nizova na razini senzora i izvora, na prostorne, vremenske, i spektralne dimenzije. Mnoge od ovih tehnika predstavljaju raunalni i memorijski izazov.

U novije vrijeme, sve vie metoda bivaju predloene u cilju otkrivanja funkcionalne i uinkovite veze izmeu modanih centara: koherentnost (povezanost) [11], zakljuavanje fazne vrijednosti (PLV) [12], Grangerova uzronost [13, 14] i njegove proirene varijante [15], te zakonske korelacije [16], izmeu ostalog. Konano, niska prostorna rezolucija i neizotropnost kovarijantnog strukturnog mjerenja zahtijeva odgovarajue pristupe za njihovu statistiku analizu [17].

Unato takvoj obeshrabrujuoj raznolikosti i kompleksnosti potreba korisnika i metodolokih pristupa, jedan integrirani softver bio bi korisno rjeenje za interesnu zajednicu i ostvarenje progresivne automatizacije, standardizacije i reprodukcije nekih od najee koritenih naina analize. Brainstorm projekt je pokrenut prije vie od 10 godina, u saradnji izmeu Univerziteta u Junoj Kaliforniji iz Los Anelesa, Bolnice Salpetriere iz Pariza, te Los Alamos Nacionalne Laboratorije iz New Mexica. Projekat je podran od Nacionalnog Instituta Zdravlja (NIH) u SAD-u i Nacionalnog Centra za nauna istraivanja (CNRS) u Francuskoj. Njegov cilj je sainiti irok spektar elektromagnetskih tehnika snimanja i tehnika vizualizacije dostupnih netehnikim korisnicima, s naglaskom na interakciju korisnika u vie faza u procesima analize. Prva verzija softvera je izdata 2000., a grafiko korisniko suelje (GUI) je dodano u Brainstorm 2, 2004. godine. Kako je broj korisnika sve vei, dolazi do potpunog redizajniranja i poboljanja suelja, to e biti opisano u ovom radu. Kao odgovor na velike potranje od korisnika, i mnogi drugi alati su integrirani u Brainstorm u cilju pokrivanja potpune obrade i vizualizacije MEG/EEG snimaka, sa uvozom datoteka, s velikim izborom formata, te statistike analize dijagrama. Brainstorm 3 je dostupan od juna 2009. a predstavljen je na 15. Human Brain Mapping konferenciji u San Francisku. Softver je sad unaprijeen i auriran na regularnim osnovama. Bilo je oko 950 novih registriranih korisnika od juna 2009., sveukupno 4.000 od poetka projekta. Brainstorm je besplatan i dostupan u obliku otvorenog koda. Neke novije publikacije koriste Brainstorm kao glavni programski paket za analize pobrojane u [20-26]. Ovaj rad opisuje Projekat Brainstorm i glavne odlike softvera, njegovu povezanost sa drugim projektima, i izvjesni budui razvoj planiran za naredne dvije godine. Od softvera, rad ovdje daje samo opis, ne i pozadinu metodolokog pristupa, ali to se moe pronai u mnogim lancima i knjigama, npr., [1, 27, 28].

2. Opis softvera Brainstorm je softver otvorenog koda, pisan skoro u cjelosti u Matlabu i plasiran pod uvjetima GPL- a (General Public License). Njegov interfejs je raen u Java/Swing-u koji je u sklopu Matlab-a, uz koritenje mogunosti Matlaba koji daje podrku u radu s Javom. Matlab i Java ine Brainstorm potpuno prenosivom, interaktivnom aplikacijom. Prednost programskih jezika u istraivakom okruenju je jednostavnost odravanja mijenjanja, razmjene, i ponovnog koritenja funkcija i biblioteka. Iako Python moe biti bolji izbor za novi projekat zbog svoje nekomercijalne otvoreno kodske licence, Brainstorm je napravljen u irokom opsegu od ve postojeih linija Matlab koda kao metodolokih temelja u svrhu analize podataka. Matlab razvojno okruenje je takoer alatka za izradu prototipova visokih performansi. Potrebno je istaknuti, da za korisnike koji nemaju vlastitu Matlab licencu, postoji samostalna verzija Brainstorm-a, generisana sa Matlab kompajlerom, koja je takoer dostupna za Windows i Linux operativne sisteme. Sve funkcije softvera su dostupne kroz GUI, bez izravne interakcije s MATLAB okruenjem, dakle, Brainstorm se moe koristiti bez Matlaba i programerskog iskustva. Za naprednije

korisnike, takoer je mogue pokretati sve procese i prikaze iz Matlab kodova sadranih u tekst fajlovima, tako da se svim podatkovnim strukturama manipulisanim od strane Brainstorm-a moe pristupiti kroz komandni prozor Matlaba. Izvorni kod je dostupan za programere na SVN serveru, i svi povezani Brainstorm fajlovi se svakodnevno smjetaju u zip datoteke dostupne na web stranici, radi lakeg preuzimanja i auriranja za krajnjeg korisnika. Brainstorm takoer ima automatsko auriranje sistema i provjerava pri svakom pokretanju da li softver treba biti auriran, te da li je potrebna novija verzija. Korisnika dokumentacija je uglavnom organizirana u vidu podrobnih online tutorijala ilustrovanih sa numerisanim slikama koje korisnika vode korak po korak kroz sve softverske crte. Cjelokupna stranica je u osnovi na aMoinMoin wiki sistemu [29]; dakle, korisnici su u mogunosti da ureuju tu online dokumentaciju. Korisnici, takoer, mogu prijaviti bagove ili postavljati pitanja kroz Vbulletin forum [30], koji je isto tako dostupan na glavnoj stranici. 3. Integrirani interfejs Brainstorm-om upravljamo putem njegovog interfejsa; ne radi se o biblioteci funkcija koje GUI daje u vrhu suelja pojednostavljujui pristup, nego o opem okruenju osmiljenom kao jedinstvenom interfejsu u kojem su implementirane specifine funkcije (Slika 1). Iz perspektive korisnika, njegova kontekstualna organizacija je radije prihvaena od linearne; mnoge mogunosti programa nisu na dugim meni listama; one su dostupne samo onda kada su potrebne, a obino su dostupne u vidu dodatnih iskonih izbornika ili specifinih prozora. Ova struktura omoguuje bri i laki pristup zahtijevanim funkcijama. Podatkovne datoteke se spremaju u Matlab.mat formatu i organizirane su u strukturiranim bazama podataka s tri nivoa klasifikacije: protokoli, subjekti i eksperimentalni uslovi. Korisniki podaci su uvijek direktno dostupni iz baze podataka preko explorer-a, bez obzira na aktuelnu organizaciju fajlova na hard disku. Time se osigurava neposredan pristup svim protokolima i omoguava simultani prikaz i usporedba tehnika snimanja u mnogim pokretanjima, uslovima, i za mnoge subjekte.

Slika 1. Opi pregled interfejsa Brainstorma. Znaajan napor je uloen u cilju realizacije intuitivnog i
jednostavnog dizajna za koritenje. Interfejs ukljuuje: (a) fajl bazu podataka koja omoguava izravan pristup svim podacima (snimke, povrine, itd.), (b) kontekstualne izbornike koji su dostupni desnim klikom na gumb, (c) alatke za pokretanje procesa (filtriranje, usrednjavanje, statistiki testovi, itd.) za sve datoteke koje su povuenei-putene iz baze podataka; (desno) prikaz vie informacija iz baze podataka, organiziran je kao u vidu pojedinih slika automatski postavljenih na zaslonu, i (d) svojstva trenutno aktivnog zaslona.

4. Podrani formati Brainstorm zahtijeva tri kategorije ulaza za prelazak na MEG/EEG tehnike analize: anatomija subjekta, MEG/EEG snimci, te 3D lokacije senzora. Ulaz anatomije je obino teinski T1 MRI itave glave, uz najmanje dva mozaika koja predstavljaju cerebralni korteks i vlasite. Podrani formati ukljuuju: Analyze, NIfTI, CTF, Neuromag, BrainVISA, i MGH. Brainstorm ne izdvaja kortikalne povrine i povrine glave sa MRI, ali ukljuuje iste od drugih programa. S tim u vezi podrana su tri popularna i besplatna formata BrainSuite [31], BrainVISA [32], and FreeSurfer [33]. Autohtoni fajl formati su podrani od strane tri glavna MEG proizvoaa: Elekta-Neuromag, CTF, i BTi/4D Neuroimaging. Takoer je podran opi fajl format razvijen u La Salpetriere Bolnici u Parizu (LENA). Podrani EEG formati ukljuuju: Neurosnimanje (cnt, eeg, avg), EGI (osjeti), BrainVision BrainAmp, EEGLab, i Cartool. Korisnici takoer mogu uvesti svoje podatke pomou generikih ASCII tekstualnih datoteka. Lokacije senzora su uvijek ukljuene u MEG fajlove; meutim, to nije sluaj kod veine EEG formata. Lokacije elektroda treba uvesti zasebno. Podrane elektrodske definirane fajlove obuhvataju: BESA, Polhemus Isotrak, Curry, EETrak, EGI, EMSE, Neuroscan, EEGLab, Cartool, i generisane ASCII tekst fajlove. Brainstorm jo ne podrava druge formate ali bit e uskoro i to u mogunosti. Naom strategijom bit e spojene ulazne i izlazne funkcije Brainstorma i vanjski formati fajlova sa leio modulom iz FieldTrip toolbox-a [34]. Ova nezavisna biblioteka, takoer napisana Matlab kodom, sadri rutine za itanje i pisanje veine

formata datoteka koje su u upotrebi MEG/EEG-a i ve je podran od strane vie programskih paketa otvorenog koda (EEGLab, SPM, and FieldTrip)

5. Procesiranje datoteka Brainstorm se odlikuje opsenim predprocesiranjem kanala za MEG/EEG podatke: vizualno ili automatsko otkrivanje tetnih procesa i loih kanala, oznaavanje i definiranje dogaaja, otklanjanje greaka, frekventno filtriranje, resempling podataka, raunanje srednjih vrijednosti i statistike procjene uma. Ostale predprocesne operacije mogu se jednostavno provesti sa drugim programima (EEGLab [35], FieldTrip, or MNE [36]), a rjeenja se mogu ukljuiti u Brainstorm kao to je ve opisano. Proirivanje predprocesnih operacija sa najpopularnijim tehnikama za otklanjanje umova i automatsko otkrivanje smetnji, je jedan od naih prioriteta kad je rije o razvoju u narednih nekoliko godina.

6. Vizualizacija senzornih podataka Brainstorm karakterie bogat interfejs za prikazivanje i interakciju sa MEG/EEG snimcima (Slika 2) ukljuujui razliite prikaze vremenskih nizova (a)-(c), topografske prikaze u 2D ili u 3D (d)-(e), generiranje animacija i nizova snimaka s identinim gleditima u sekvencionalnim vremenskim takama (f), selekciju kanala i vremenskih segmenata, te manipulaciju klastera senzora. Ovi vizualni alati mogu se koristiti ili na segmentima snimaka koji su u potpunosti kopirani u Brainstorm bazu podataka i sauvani u Matlab.mat fajl, ili na karakteristinim veim, pokretnim snimcima, izravno oitanim sa originalnih fajlova koji se pohranjuju u izvorne fajl formate. Interfejs za pregled neobraenih snimaka (Slika 3) karakterie brzo i kontinualno obiljeavanje, te simultano prikazivanje odgovarajueg izvornog modela (vidjeti ispod).

7. Vizualizacija anatomskih snimaka i figura sa MRI Analize se mogu provesti na individualnom anatomskom subjektu (to zahtijeva uvoz MRI-a i prethodno opisanih prikaza) ili koritenjem ve zadane Brainstorm anatomije (ukljuujui Brainstorm raspodjele), koja je izvedena u MNI/Colin27 brain-u. Dostupno je vie opcija vizualnog prikaza, ukljuujui transparentnost, glaanje, te sempliranje mozainih prikaza. Slika 4 prikazuje neke primjere vizualizacije MRI figura i povrina.

8. Registriranje MRI u MEG/EEG Analize u Brainstormu ukljuuju integraciju podataka iz vie izvora: MEG i/ili EEG snimci, strukturni MRI snimci, mozaine prikaze korteksa i vlasita. Njihova geometrijska

interpretacija u zajednikom koordinatnom sistemu je vrlo bitna za snimanje. Brainstorm usklauje sve podatke u jedinstveni koordinatni sistem (SCS- subject coordinate system), ije je definiranje bazirano na 3 pouzdane take. Pojedinosti u vezi SCS-a su dostupni na internet stranicama Brainstorma. MRI- povrine. Povezivanje MRI obima podataka sa ploastim povrinama tkiva glave je jednostavno i automatsko budui da oba obino potjeu iz istog tog obima podataka. Meutim, Brainstorm nudi nekoliko opcija za za runo usklaivanje ploastih povrina s MRI, obavljanje kvalitetne kontrole pri ovom vanom koraku, ukljuujui definiranje referentnih taaka na povrini vlasita (Slika 5 (a)) i vizualne verifikacije i odgovarajue prilagodbe jednoj od povrina u 3D MRI (Slike 5 (b), 5 (c)). Registriranje MRI u MEG/EEG. Pouzdane referentne take moraju se prvo definirati u MRI obimu (vidjeti sliku 4), a zatim zdruiti s odgovarajuim koordinatama istih referentnih taaka izmjerenih u koordinatnom sistemu MEG / EEG tokom akvizicije. Usklaivanje vreno sa samo tri take je relativno neispravno i moe biti povoljno dopunjena automatskim postupkom usavravanja kada su lokacije dodatnih taaka vlasita dobivene tokom MEG/EEG sesije koristei 3D digitalizator. Brainstorm omoguava korisniku pokretanje ovog dodatnog usklaivanja, koje je bazirano na automatskom iterativnom postupku najbliih taaka.

U EEG-u uobiajeno je pokretanje studija bez prikupljanja pojedinanih anatomskih podataka (MRI kapacitet podataka ili pojedinane pozicije elektroda). Brainstorm je alat koji omoguava korisnicima definiranje i ureivanje lokacija EEG elektroda po povrini individue ili openito glave (slika 6). Ovaj alat moe se koristiti za runo podeavanje jedne od standardnih EEG montaa dostupnih u programu, ukljuujui i one koji su ve definirane za MNI/Colin27 ablon anatomije. Obim i deformacije povrine u anatomskom ablonu. Kada pojedini MRI podatak nije dostupan za subjekta, MNI/Colin27 ablon se moe deformisati te tako podesiti sklop taaka glave digitalizovanih u zasebnoj anatomiji subjekta. Navedeno uzrokuje aproksimaciju zasebne anatomije koja se temelji na morfologiji vlasita, kao to je prikazano na slici. Tehniki detalji su navedeni u [38]. To je osobito korisno za EEG studije gdje MRI snimci nisu dobiveni a gdje su dostupne lokacije taaka vlasita.

9. Napredno modeliranje Napredno modeliranje odnosi se na korespondenciju izmeu neuronskih struja i MEG / EEG mjernih senzora. Ovaj korak ovisi o obliku i vodljivost glave, a moe se izraunati koritenjem vie metoda, poevi od jednostavnih sfernih modela glave [1] do preklapajuih sfernih modela [2], te graninih ili metoda konanih elemenata [39].

Tokom proteklih deset godina, vie pristupa naprednom modeliranju je konstruirano, implementirano, i testirano u Brainstorm-u. Oni koja se pojavljuju u softveru danas nude najbolji kompromis izmeu robustnosti (prilagodljivost svakom konkretnom sluaju) i tanosti (preciznost rezultata). Druge mogunosti e biti dodane u budunosti. Trenutni modeli ukljuuju jednosferne i viesferne metode za MEG [2], te Bergov troslojni sferni model za EEG [40]. Za jednosferne metode, interaktivno suelje omoguava korisniku usavravanje nakon automatske estimacije parametara sfera koji e najbolje odgovarati glavi subjekta (slika 8). EEG je osjetljiviji na aproksimacije u geometriji glave s obzirom na zapreminu vodia, tako da metoda graninih elemenata (BEMs) moe poboljati ispravnost modela. BEM pristup, i za MEG i za EEG e biti uskoro implementiran u Brainstorm kroz doprinos OpenMEEG projekta [41], razvijenog u Francuskom nacionalnom institutu za istraivanje informatike i sigurnosti (INRIA). 10. Inverzno modeliranje Inverzno modeliranje rjeava pitanja izvora na kori koji uzrokuju sprecifini set MEG ili EEG snimaka. U Brainstorm-u, glavni metod za procjenjivanje aktivnosti izvora je preraen prema dubinsko-teinskom minimumu L2 estimatoru norme trenutane gustoe kore [42], koje se moe potom normalizirati koritenjem ili statistikih podataka o umu (dSPM [43]) ili podataka kovarijanse (sLORETA [44]), procjenjen tako iz eksperimentalnih snimanja. U cilju konzistentnosti i nastojanja da se propagira standardizacija, implementacija ovih estimatora je slina onim dostupnim u MNE softveru [36]. Dva dodatna inverzna modela su dostupna u Brainstormu: beamformer sa linerano-ogranienim minimumom varijanse (LCMV) [45] i MUSIC signal klasifikacijska tehnologija [4, 46]. Takoer planiramo dodati barem[4] kvadratno viestruko podeavanje dipola u Brainstorm u bliskoj budunosti. Region koji moe biti od interesa za ove inverzne modele moe biti ili cijeli volumen ili ogranien na koru mozga, sa ili bez ogranienja na orijentaciju izvora. U drugom sluaju, elementarni izvori dipola su distribuirani preko vorita povrinske mree kore mozga. Orijentacija elementarnih dipola moe ostati ili neograniena ili ograniena na povrinu kore mozga. U svim sluajevima, preporueni broj dipola koji se treba koristiti za procjenu izvora je oko 15000 (izuzimanje od originalne povrinske mree moe biti izvreno unutar Brainstorm-a). Brainstorm moe vladati sa razliitim tipovima senzora (EEG, MEG gradiometara MEG magnetometri) koji mogu biti dostupni unutar ponuenog dataseta-a. Kada se vie razliitih senzora koristi zajedno u udruenom source modelu, empirijska matrica kovarijanse uma se koristi da procijeni teinu svakog od senzora pojedinano, u globalnoj rekonstrukciji. Statistiki podaci kovarijanse uma se obino prikupljaju iz snimanja prazne sobe (emptyroom recording), koje sakuplja tipine promjene instrumenata i okoline. 11. Vizuelizacija i analiza izvora

Brainstorm prua velik set alata za prikaz, vizuelizaciju, i istrauje prostorno-vremenska obiljeja mapa izvora(Slika 9), oba na povrini kore mozga (a) i na cijelom volumenu glave (b). Izvori procjenjeni na povrini kore mogu biti reprojicirani i prikazani u originalnom volumenu MRI podataka (c) ili na drugoj mrei kore vie ili nie rezolucije. Rekonstruisane trenutne vrijednosti mogu biti izglaene u prostoru ili prije poetka grupne analize. Namjenski interfejs puta korisniku da definira i analizira vremensko predstavljanje specifinih regiona od interesa, zvanih scout-i u Brainstormu-u (slika 10). Raspodjela u Brainstorm-u ukljuuje dvije predefinirane segmentacije defaultne anatomije (MNI Colin27 [37] u regione od interesa, bazirane na anatomskom atlasu Tzourio-Mazoyer. [47]. Bogati pop-up meniji dostupni u svim vizuelizacijama predlau predefiniranu selekciju pogleda za kreiranje velikog broja plotova (slika). Krajnji pogled moe biti snimljen kao slika, film, ili kontaktne ploe (Slika 9). Napomenimo da je takoer mogue importovati dipole procjenjene sa FDA-unaprijeenim softverom Xfit iz Elekta-Neuromag-a (Slika 11). a.) b.)

c.) Slika 9: Razliite opcije za vizualizaciju procjenjenih izvora. (a) 3D prikazivanje povrine kore, sa kontrolom filtriranja povrine; (c) 3D ortogonalne ravni MRI volumena; (b) konvencionalni ortogonalni pogledi na MRI volumen prekrivenim sa MEG/EEG gustoom izvora.

Slika 10: Selekcija regiona na kori od interesa u Brainstormu i ekstrakcija reprezentativne krive elementarnih izvora.

Slika 11: Vremenski razvoj elementarnih izvora dipola procjenjenih sa eksternim Xfit softverom. Podaci iz desnog vremenskog epileptikog probnog signala. Ova komponenta je implementirana u saradnji sa Elizabeth Bock, MEG Program, Medicinski fakultet Wisconsin. 12. Vremensko-frekventna analiza senzora ili signala izvora Brainstorm omoguava namjenski korisniki interfejs za izvravanje vremensko-frekventne dekompozicije MEG/EEG senzora i izvornih vremenskih serija koritenjem Morlet valova [10]. Oblik skalirane verzije kompleksno-valovite sinusoide, s teinskim faktorom od Gausove osnove Morlet valova moe efikasno uhvatiti zaetak oscilatorne aktivnosti mozga. Upravo iz ovog razloga, oni su jedan od najpopularnijih alata za vremenskofrekventnu dekompoziciju elektropsiholokih podataka [26, 48]. Vremenska i sprektralna rezolucija dekompozicije moe biti podeena prema korisniku, u zavisnosti od eksperimenta i specifinih zahtjeva podataka analize koja se treba izvriti. Vremensko-frekventne dekompozicije tee da drastino poveaju opseg podataka, tako da se dekompozicije izvre u razliitim dimenzijama, kao to su prostor, vrijeme i frekvencija. Brainstorm je efikasno dizajniran ili da pohrani pretvorene podatke ili da ih istovremeno i prorauna. Podaci mogu biti analizirani kao trenutna, pojedinana mjerenja, ili grupno u vremenskim i spektralnim podrujima od interesa, kao to su alfa (8-12 Hz) [26, 49], theta (57 Hz) [50-53], i tako dalje. Iako ovo smanjuje rezoluciju dekompozicije, moe poboljati analizu na vie naina: reduciranje potrebne memorije za smjetanje podataka, poboljan odnos signal-um, i bolja kontrola nad pitanjem viestrukih poreenja postignuta reduciranjem broja hipoteza koje se istovremeno testiraju. Slika 12 ilustrira neke od prikaza koji su dostupni za predstavljanje vremenskofrekventnih dekompozicija: mape vrijeme-frekvencija razliitih vremenskih serija od jednog senzora (a)-(b), jedan izvor (c) i jedan ili vie scout-a (d), vremenski courses snage senzora za jedno frekventno podruje (e), 2D/3D mapiranje (f), i kortekstne mape (g)-(h) snage za jedno vremensko ili frekventno podruje.

Slika 12: Razliiti opcije displeja dekompozicija koritenjem Brainstorm-a

za

vizualizaciju

vremensko-frekventnih

13. Grafiki grupirajui interfejs Glavni prozor predstavlja grafiki grupirajui interfejs (Slika 13) koji se direktno koristi iz displeja baze podataka. Datoteke su organizovane kao 'drvo' tema i uslova, i jednostavnim drag-and-drop operacijama se lahko selektuju datoteke za naredno grupno procesiranje. Veina Brainstorm znaajki su dostupne kroz ovaj interfejs, ukljuujui predprocesiranje snimaka, usrednjavanje, procjenjivanje izvora, vremensko-frekventnu dekompoziciju, i proraun statistikih vrijednosti. Potpuna analiza kanala moe biti izvrena u par minuta, spremljena u korisnike postavke i moe se ponovo pokrenuti jednim klikom, provedena direktno ili eksportovana u Matlab fajl. Dostupni procesi su organizovani u plug-in strukturu. Bilo koji Matlab fajl koji je dodan u plug-in folder i koji ima ispravan format automatski e biti pronaen i postati dostupan u GUI. Ovaj mehanizam ini da sudjelovanje u Brainstorm za ostale programere bude veoma lahko.

Slika 13: Grafiki interfejs alata za grupiranje: (a) selekcija ulaznih datoteka sa drag-and-drop metodom. (b) kreiranje analize pipeline. (c) primjer skripte u Matlabu koja se direktno generie. 14. Visok nivo ispisivanja naredbi programa (scripting) Za napredne korisnike i za namjene vizuelizacije, Brainstorm moe biti koriten kao okruenje sa visokim nivoom ispisivanja. Sve funkcije u Brainstorm-u su dizajnirane da vre interakciju sa grafikim interfejsom i bazom podataka; zbog toga, one imaju veoma jednostavne ulaze: klik miom i tipka tastature. Kao rezultat ovoga, interfejs moe biti manipuliran kroz Matlab kodove, i svaki klik miom moe biti preveden u liniju koda. Istovremeno radu sa grafikim interfejsom, sve tekstualne informacije se prikupljaju iz interfejsa i baze podataka, tako da veina funkcija moe biti pozivana sa ogranienim brojem parametara, i, na primjer, nema potrebe za praenjem naziva datoteka. Za posljedicu imamo da je pisanje koda u Brainstorm-u intuitivno i lahko za injenje. Slika 14 pokazuje primjer jednog Matlab koda uz koritenje Brainstorm-a.

Slika 14: Primjer Brainstorm skripte 15. Rjeenja za izvoenje grupne analize sa MEG/EEG podacima i source modelima Brainstorm-ov tab Process2 dozvoljava usporedbu dva uzorka podataka. Ovo odgovara single factor 2-level analizi i podrani testovima ukljuuju jednostavnu diferenciju, uparne/neuparene Student t-testove jednake/nejednake varijanse, i njihovih neparametarskih razmjena/alternativa [17]. Dvije grupe mogu biti sastavljene od bilo kojih tipova datoteka, na primjer, dva uslova unutar subjekta, dva uslova naspram subjekta ili dva subjekta za iste uslove, i tako dalje. Ove operacije su generike u Brainstorm-u i mogu biti primjenjene na bilo koje tipove podataka iz baze: MEG/EEG snimanja, mape izvora, i vremensko-frekventna dekompozicija. Osim toga, analize testova varijanse (ANOVA) su podrane sa 4 faktora. Slika 15 pokazuje upotrebu Student t-testova za poreenje dva uslova, GM i GMM, preko 16 subjekata.

Slika 15: Student t-test izmeu dva uslova. (a) odabir datoteka. (b) odabir testa. (c) opcioni tab za vizuelizaciju statistikih mapa, ukljuujui odabir graninog metoda Ovdje mi posebno ukazujemo kako da se izvri viesubjektna analiza podataka koritenjem Brainstorm-a. U viesubjektnim studijama mjerenja varijansa ima dva izvora: unutarsubjektna i meusubjektna varijansa. Zajednikim koritenjem svih ispitivanja, od svih subjekata istovremeno, za poreenje je korigovana analiza [54] i ne odgovara varijansi viestrukih subjekata. Nasumino ostvarena analiza [54, 55], koja korektno uzima u obzir sve izvore varijanse, je dostupna u Brainstorm-u sa svojom jednostavnijom i najee koritenom formom ukupnog statistikog pristupa [56, 57]. Bazirana na ovom pristupu, analiza se pojavljuje na dva nivoa. Na prvom nivou, ispitivanja od svakog subjekta su koritena za proraun statistikih podataka od interesa za svakog subjekta posebno, i na drugom nivou, razliiti subjekti su objedinjeni u potpunu statistiku. Razmatramo primjer istraivanja eksperimentalnih uinaka, gdje su prestimulus podaci uporeeni sa poststimulus podacima. Prvi nivo analize usrednjava sva ispitivanja od svakog subjekta za pre-stimulus i post-stimulus odzive. Drugi nivo analize moe biti upareni t-test izmeu rezultujue N prestimulus mape naspram N post-stimulus mape, gdje je N broj subjekata. Brainstorm procesi i statistike ukljuuju usrednjavanje ispitivanja i uparenih ttestova, inei takvu analizu moguom. Takoer, procedura opisana iznad pretpostavlja jednaku unutar-subjektnu varijansu, ali zato subjekti mogu biti optereeni ako to nije sluaj. Brainstorm takoer podrava statistiko gradiranje rezultirajuih aktivacijskih mapa, koje uzima u obzir viestruke hipotetike testne probleme. Dostupni metodi ukljuuju Bonferroni, norma netanih otkria, koja kontrolie oekivajui udio netano odreenih naspram odbaenih hipoteza, i mudro osmiljenu normu pogreaka [59], koja kontrolie vjerovatnou barem jedne netano odreene pod nul hipotezom i neeskperimentalnim efektima. Drugi je kontrolisan sa testom permutacija i maksimalnim statistikim pristupom, detaljnije obraenom u [17]. Radi uporeivanja viestrukih subjekata na nivou izvora, potreban je posredni korak ako su izvori originalno bili mapirani na individualnim anatomijama subjekata. Izvori procjenjeni na pojedinanim mozgovima su prvi put projektovani na povrini kore mozga MNI-Colin27 mozga. U trenutnoj implementaciji, registracija povrina-povrina je obavljena hemisferu po hemisferu koritenjem sljedee procedure: (1) prilagoavanje sa strane prethodnih poetnih/krajnjih spajanja osa, (2) prostorno filtriranje da ostavi glavnu osobine povrina nad kojim e biti izvrena registracija, (3) deformacija pojedinane povrine da se podudari sa MNI povrinom sa algoritmom najblie iterativne take (ICP) [60], i (4) interpolacija amplituda izvora koritenjem Shepard metode [61]. Slika 16 pokazuje izvore na individualnoj anatomiji (lijevo), i njenu reprojekciju na MNI mozak (desno). Ovaj jednostavni pristup e na kraju biti zamjenjen sa registracijom povrine kore i metode registracije sa povrinski ogranienim volumenom razvijenom na Univerzitetu Southern California opisanoj u [62]. Takoer emo dodati funkcionalnost upotrebi zajednikog koordinatnog sistema koritenom u FreeSurfer za unutarsubjektnu registraciju povrine.

Slika 16: Aktivacija korteksa 46ms poslije elektrike stimulacije na lijevi srednji nerv mozga subjekta (a) i njegova projekcija na MNI mozak (b).

16. Budui razvoj Brainstorm je projekat koji se nalazi u konstantnom razvoju, i trenutna verzija prua okolinu u kojoj se nove znaajke brzo implementiraju i prilagoavaju interfejsu. Postoji nekoliko ponavljajuih zahtjeva od strane korisniku u svrhu ugradnje novih znaajkih, kao i planovi za budui razvoj. Primjeri predstojeih inovacija u naredne dvije godine su: - proirenje predprocesorskih operacija sa najpopularnijom tehnikom za redukciju uma i automatsku detekciju smetnji - integracija metoda za funkcionalno spojene analize i multivarijantne statistike analize [16, 63],

proirenje direktnih i inverznih kalkulacija sa ukljuivanjem BEM i viestrukih dipol metoda prilagoavanja, interfejs za simuliranje MEG/EEG snimaka koritenjem simuliranih izvora i stvarne anatomije, segmentacija MEG/EEG snimaka u funkcionalna mikro-stanja, koritenjem optiko propusnih modela [64].

17. Brainstorm u softverskom razvojnom okruenju Na raspolaganju je nekoliko rjeenja za vizuelizaciju i procesiranje MEG/EEG podataka. Veina je razvijena za sisteme za sakupljenje informacija i esto su dizajnirani od strane proizvoaa ovih sistema. Po pravilu su nepodudarni za istraivanja iz nekoliko razloga: uglavnom su upravljeni zahtjevima klinikog okruenja i FDA i CE certifikatima; njihov cjelokupni interfejs rijetko prua informaciju o temeljnim analizama podataka, formatima datoteka, ponekad su zatieni i nedokumetovani; source kod i opis algoritma nisu prihvatljive korisniku, i takoer su i skupe. Istraivaka zajednica treba rjeenja koja su potpuno otvorena, sa mogunosu direktne manipulacije kodom, podacima i parametrima. Kao rezultat, mnoge laboratorije su razvile svoej vlastite alate za analizu MEG i EEG podataka. Kakogod, ovi alati se esto ne mogu dijeliti bilo zbog manjka interesa ili zahtjevanog napora da se podri softver, razvojna dokumentacija, i kreira i odri website za distribuciju. Kakogod, pristup sa razvojem individualnih alata je veoma ogranien zbog ogranenosti same raspoloivosti ljudskih resursa posveenim razvoja softvera u istraivakim grupama i irinu strunosti koja se zahtjeva (elektropsihologija, elektromagnetsko modeliranje, procesiranje signala, statistike, klasifikacija, optimizacija softvera, procesiranje u relanom vremenu, egronomija interfejsa ovjek-maina, itd.). U protekla dva desetljea razvijeni je mnogo projekata s ciljem da ponude otvorene i besplatne alternative za iroko podruje komercijanih rjeenja. Zajedniko ovim projektima je to da su podrani od strane velikog broja programera irom svijeta, koji kreiraju besplatan i upotrebljiv source kod. U tu svrhu, ovo softversko drutvo opremilo je sebe s alatima za poboljanje timskog rada, kao to su verzije direktora, foruma, lanaka, i pregovarakih lista. Ovaj pristup za zajedniki razvoj softvera, ne samo da je dostigao visok nivo zrelosti, nego i dokazao njegovu efikasnost. Najbolji primjer najvjerovatnije je Linux operativni sistem, ija se stabilnost podudara ili je vea od komercijalno proizvedenih operativnih sistema. U podruju funkcionalnog mapiranja mozga, open-source alati kao to su SPM [65] i EEGlab [35] su iroko usvojeni u mnogim istraivakim laboratorijama po itavom svijetu. Pruanje otvorenog pristupa source kodu u kombinaciji sa spremnou da se prihvate dodaci i promjene od strane drugih stranica, jasno je usmjereno korisnicima u klinikim i neuronaunim istraivanjima i drugim ukljuenim u metodologijski razvoj. Raznolikost public licenci takoer doputa programerima da izaberu da li itav ili dio koda ostaje u public domeni. Vano za softver razvijen u akademskim i neprofitnim laboratorijama, koje su ovisne o podrci istraivakih fondova izvana, nedavna iskustva ukazuju da se open-source distribucija evaluira od strane istraivake zajednice i odobrenje za ovu distribuciju zavisi od prvobitnih programera.

Besplatni programski paketi sa slinim znaajkama kao Brainstorm (softver openito namjenjen za MEG/EEG) su EEGlab, FiledTrip, i MNE. Prva dva su napisana u Matlab okruenju, sa nekompajliranim skriptama, i podrani su od strane velikog broja korisnikih zajednica spojenih sa aktivnim forumima i rairenim listama. EEGlab nudi jednostavan ali funkcionalan interfejs, i njegov cilj primjene je usmjeren na predprocesiranje snimaka i ICA analize. FieldTrip je bogat i moan toolbox koji nudi najiri opseg funkcionalnosti, ali bez grafikog interfejsa; njegovo koritenej zahtijeva dobre vjetine programiranja u Matlabu. MNE je takoer organizovan kao set nezavisnih funkcija, lahko ispisivih i najvie orijentisanim predprocesiranju snimaka i procjeni izvora koritenjem normativne tehnike minimuma, ali napisanih u C++ i kompajliranim za Linux i MacOSX platforme. Brainstorm, za razliku, je integrisana aplikacija vie nego toolbox. Danas, on nudi manje mogunosti nego FieldTrip; ali u drugu ruku, njegov intuitivni interfejs, njegovi moni alati za vizuelizaciju, i struktura njegove baze podataka doputa korisniku da radi na viem nivou. Mogue je zavriti za nekoliko minuta, i sa nekoliko klika miem, to bi u drugom sluaju trajalo satima: nema potrebe za pisanjem bilo kakvih kodova, i nema potreba da mislimo gdje su datoteke podataka smjetene na hard disku; podaci su direktno dostupni, i jednostavan klik miem je dovoljan da se otvore veliki broj display prozora. On omoguava istraivaima da se koncntriraju na iskoritavanje podataka. Kada je vizuelno istraivanje zavreno i potrebo je izvriti grupnu analizu, Brainstorm nudi veoma visok nivo sistema za ispisivanje naredbi, baziranom na interfejsu i bazi podataka. Rezultirajui kod je jednostavan za shvatiti, i sa nekoliko parametara: sve tekstualne informacije se prikupljaju automatski iz baze podataka kada su potrebne, za razliku od FieldTrip, na primjer, gdje se ova informacija mora posebno proslijediti kao argument svakoj funkciji. Da zakljuimo, Brainstorm sada predstavlja visoko-produktivnu opciju za istraivae koritenjem MEG/EEG; kakogod, on je i dalje u razvoju i neke znaajke i dalje nedostaju. U duhu ostalih open source razvoja, u mjeri u kojoj je to mogue, mi emo iskoristiti funkcije razvijene od strane ostalih grupacija, koje e se tad skupa provoditi. Slino, drugi programeri su dobro doli da koriste Brainstorm-ov kod u svom programu. Zahvala Program je razvijen prvenstveno uz podrku Nacionalnih instituta zdravlj. R01EB002010, R01-EB009048, and R01-EB000473. Prvobitna podrka takoer ukljuuje trajnu podrku site od strane Centre National de la Recherche Scientifique (CNRS, France) za Cognitive Neuroscience and Brain Imaging Laboratory (La Salpetri`ere Hospital and Pierre and Marie Curie University, Paris, France). Dodatna podrka je ostvarena od dvije donacije od French National Research Agency (ANR) za Cognitive Neuroscience Unit (Inserm/CEA, Neurospin, France) i za ViMAGINE projekt (ANR-08-BLAN-0250), i sa Epilepsy Center u Cleveland Clinic Neurological Institute. Autori su zahvalni svim ljudima koji su doprinijeli koncepciji, razvoju, ili validaciji specifinih znaajki Brainstorm-a. Po alfabetnom redu: Charles Aissani, Syed Ashrafulla, Elizabeth Bock, Lucie Charles, Felix Darvas, Ghislaine Dehaene-Lambertz, Claude Delpuech, Belma Dogdas, Antoine Ducorps, Guillaume Dumas, John Ermer, Line Garnero, Alexandre Gramfort, Matti Hamalainen, Louis Hovasse, Esen Kucukaltun-Yildirim, Etienne Labyt, Karim NDiaye, Alexei Ossadtchi, Rey Ramirez, Denis Schwartz, Darren Weber, and Lydia Yahia-Cherif. Program, opsena dokumentacija, podaci

za tutorijal, korisniki forum, http://neuroimage.usc.edu/brainstorm.

referentna

izdanja

su

dostupna

na