Nicht-invasive Einzelreizdetektion hochfrequenter somatosensorisch evozierter Potentiale des Menschen

Abstract

Einleitung Durch elektrische Nervenstimulation evozierte hochfrequente (> 400 Hz) somatosensorische Potentiale (hf-SEPs) im Oberflächen-EEG des Menschen sind nicht-invasive Korrelate kortikaler Summenaktionspotentiale, wie in simultanen mikroskopischen Einzelzellableitungen und makroskopischen epiduralen EEG-Ableitungen bei Makaken gezeigt wurde. Aufgrund des niedrigen Signal-Rausch-Verhältnisses erfolgte die Analyse von hf-SEP bisher durch Mittelung einer Vielzahl (Tausenden) von Reizantworten. Dieses Verfahren nimmt jedoch an, dass die Reizantwort auf jeden Stimulus exakt identisch ist; eine Analyse der zeitlichen Variabilität der Reizantworten ist auf diese Weise nicht möglich. Ziel der vorliegenden Arbeit war, durch Optimierung der EEG- Aufnahmetechnik sowie Entwicklung spezieller offline-Analysen eine Charakterisierung von Einzelreizantworten zu ermöglichen. Methoden: Eine Analyse des Rausch-Budgets erkannte das Verstärkerrauschen sowie das thermische Rauschen an der Elektroden-Haut-Schnittstelle als maßgebliche Rauschkomponenten des Hochfrequenz-EEGs. Messungen mittels optimierter rauscharmer Verstärkertechnologie und sorgfältiger Elektrodenpräparation führten somit zu einer Reduktion des technischen Rauschanteils. „Biologisches Rauschen“, d. h. für die Analyse irrelevante EEG-Aktivität, wurde anschließend durch eine datengetriebene Optimierung räumlicher und zeitlicher Filter reduziert. Ein nicht-linearer Klassifikator wurde zur Detektion der Hochfrequenz-SEPs implementiert. Um Widersprüche zu früheren Publikationen zu erklären und die Algorithmen bezüglich ihrer Parameter detailliert zu charakterisieren, erfolgten statistische Analysen und Simulationen. Resultate: Ein zunehmender Optimierungsgrad der verwendeten offline-Analysen führte zu einer sukzessiven Verbesserung der Einzelreizauflösung der nicht-invasiv aufgezeichneten Hochfrequenz-SEP: (i) Durch rauscharme Messungen in Kombination mit „traditioneller“ Mittelung der Reizantworten konnten erstmals Hochfrequenz-SEPs um 1000 Hz („κ-bursts“) im nicht-invasiven Oberflächen-EEG nachgewiesen werden. (ii) Durch Hinzuziehung einer Zeit-Frequenz-Analyse der Einzelreizantworten konnte zudem im Gegensatz zu früheren Studien ein mit 600 Hz-SEP („σ-bursts“) assoziierter Amplitudenanstieg der Einzelreizantworten im nicht-invasiven Oberflächen-EEG nachgewiesen werden; dieser Befund stützt das 'added energy' Modell evozierter Potentiale. (iii) Die datengetriebene Optimierung räumlicher und zeitlicher Filter in Kombination mit einem nicht- linearen Klassifikator erlaubte in Probanden mit hoher Signalamplitude erstmals eine verlässliche und spezifische Detektion von σ-bursts in nicht- invasiven EEG-Aufzeichnungen ohne Kenntnis der Stimulationszeitpunkte. Schlussfolgerungen: Optimierte Aufnahmetechniken und offline-Analysen ermöglichen beim Menschen die Detektion und Charakterisierung hochfrequenter SEPs im nicht-invasiven Oberflächen-EEG auf der Ebene von Einzelreizantworten. Die entwickelten Techniken ermöglichen zudem eine weitergehende Beschreibung der zeitlichen Variabilität der Reizantworten als Marker einer variierenden Stimulusverarbeitung im somatosensorischen System. Perspektivisch können die verwendeten Methoden zu einer allgemeinen Verwendung hochfrequenter iktualer und interiktualer Oszillationen als vorteilhafter Biomarker bei Epilepsien beitragen.

Introduction: High-frequency (> 400 Hz) somatosensory evoked potentials (hf- SEP) following electric nerve stimulation can be measured non-invasively at the scalp. As inferred from simultaneous microscopic single cell recordings and macroscopic epidural recordings in Macaque monkeys, they are correlates of cortical population spikes. Due to the low signal-to-noise ratio, traditionally their analysis involved averaging across a multitude (thousands) of trials. However, this technique assumed an identical response to each stimulus; therefore, analyzing their temporal variability became impossible. Here, optimized low-noise EEG-technology and purpose-made offline analyses shall enable single-trial analysis. Methods: Amplifier noise and thermal noise at the electrode-skin-interface are major constituents of the noise budget in the high-frequency EEG. Accordingly, measurements with optimized low-noise EEG amplifiers and careful preparation of recording electrodes lead to a reduction of the technical noise content of the recordings. Consequently, data-driven optimization of spatial and temporal filters decreased the level of “biological noise”, i.e., EEG activity deemed to be irrelevant for the analysis. To detect single-trial high-frequency SEP in noninvasive EEG recordings, a non-linear classifier was implemented. Simulations and statistical analyses were conducted to characterize the algorithms in detail and to resolve discrepancies between earlier publications. Results: An increasing degree of optimization of the offline-analyses lead to a successive enhancement of the single-trial visibility of non-invasively recorded high- frequency SEP: (i) Using low-noise measurements, high-frequency SEP around 1000 Hz (“κ-burst”) could be detected for the first time in non-invasive surface EEG. (ii) In contrast to previous studies, it was demonstrated that 600 Hz-SEP (“σ-bursts”) are associated with an increase of the single-trial amplitude in the non-invasive surface EEG, hereby providing evidence for the ‘added energy’ model of evoked potentials. (iii) The combination of data- driven filter optimization and a non-linear classifier eventually enabled a reliable and specific detection of single-trial σ-bursts in the non-invasive surface EEG of subjects with high signal amplitude. Conclusion: Optimized recording technology and offline analyses enable detecting and characterizing human single-trial high-frequency SEP in non-invasive surface EEG. Using the developed techniques, the temporal variability of single trials can serve as an identifiable marker of variations in the stimulus processing of the somatosensory system. Perspectively, these methods might contribute to establish ictual and interictual high-frequency oscillations as common biomarkers in epilepsy.