皮質脳波による視覚認知ネットワークの解明  [in Japanese] Visualization of a Functional Visual Cognition Network by Electrocorticogram  [in Japanese]

Access this Article

Search this Article

Author(s)

Abstract

 ヒト高次脳機能画像化を目的として頭蓋内電極留置された患者に, さまざまな課題を行いながらelectrocorticogram (ECoG) を計測した. 対象は診断目的に頭蓋内電極留置を行った難治性てんかんをもつ20症例である. 異なる視覚刺激を提示しながら広範に脳表を覆った頭蓋内電極よりECoGを計測し, 加算平均, 時間-周波数解析処理を行った. また, コンピュータ学習ソフトウェアを応用して, ECoG生データから刺激に応じた自動判別を行った. さらに20症例に留置した全電極を標準脳座標に変換, 重畳することで高密度の電極配置と典型的な脳機能ダイナミクスの画像化をした. 側頭葉底部では視覚刺激が単純であればあるほど後頭極側にγ帯域成分が集積する傾向があった. 顔刺激では右優位であり, かつ両側側頭葉底部の前外側にγ帯域成分の増加が広がっていた. 自動判別関数では3種類の異なる視覚刺激を90%以上の正答率で判別が可能であった. 電極位置の標準化により文字認知では左紡錘状回-海馬傍回に, 顔認知では右紡錘状回から下側頭回にγ帯域成分が出現していた. 本研究で示したように誘発ECoG計測を解析することにより, 今後てんかん術前評価目的の新たなマッピング法として期待できるものと考えられる.

  In order to better interpret spatial and temporal changes on electrocorticograms (ECoG) taken during semantic tasks, we developed software to visualize semantic-ECoG dynamics on individual brains. Twenty patients with intractable epilepsy underwent implantation of subdural electrodes (more than 80 channels) bilaterally. Semantic-ECoGs were then recorded during word, figure and face recognition tasks. The ECoG raw data was processed by averaging and time-frequency analysis and the functional profiles were projected on individual brain surfaces. Acquired ECoG was classified by Support Vector Machine and Sparse Logistic Regression to classify brain signals evoked by different stimuli. Because of electrode location variations, we normalized the ECoG elecrtrodes using SPM8. The basal temporal-occipital cortex was activated within 250msec after visual object presentations. Face stimulation evoked significantly higher ECoG amplitudes than other stimuli. The prediction rate of ECoG-classification reached 90%, which is sufficient for clinical use. Semantic-ECoG is a powerful technique to detect and decode human brain functions.

Journal

  • Japanese Journal of Neurosurgery

    Japanese Journal of Neurosurgery 22(3), 178-184, 2013-03-20

    The Japanese Congress of Neurological Surgeons

Codes

  • NII Article ID (NAID)
    10031138816
  • NII NACSIS-CAT ID (NCID)
    AN10380506
  • Text Lang
    JPN
  • Article Type
    REV
  • ISSN
    0917950X
  • Data Source
    CJP  J-STAGE 
Page Top