Magnetoencefalografía

Mapeo de la actividad cerebral mediante el registro de los campos magnéticos producidos por las corrientes en el cerebro

Magnetoencefalografía
Persona sometida a una MEG
MallaD015225

La magnetoencefalografía ( MEG ) es una técnica de neuroimagen funcional para mapear la actividad cerebral mediante el registro de los campos magnéticos producidos por las 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 por intercambio de espín) se está investigando para futuras máquinas. [1] [2] Las aplicaciones de MEG incluyen la investigación básica en procesos cerebrales perceptivos y cognitivos, la localización de regiones afectadas por 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 medir simplemente la actividad cerebral. [3]

Historia

La sala blindada del Dr. Cohen en el MIT, en la que se midió por primera vez la MEG con un SQUID
Primer MEG medido con SQUID, en la sala del Dr. Cohen en el MIT

Las señales MEG fueron medidas por primera vez por el físico de la Universidad de Illinois David Cohen 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 protegida magnéticamente. El detector de bobina apenas era lo suficientemente sensible, lo que daba como resultado mediciones MEG deficientes y ruidosas que eran difíciles de usar. Más tarde, Cohen construyó una habitación mucho mejor protegida en el MIT y utilizó uno de los primeros detectores SQUID, recién desarrollado 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, comenzaron a medirse varios tipos de MEG espontáneos y evocados.

Al principio, se utilizaba un único detector SQUID para medir sucesivamente el campo magnético en varios puntos alrededor de la cabeza del sujeto. Esto era complicado y, en la década de 1980, los fabricantes de MEG comenzaron a organizar múltiples sensores en conjuntos para cubrir un área más grande de la cabeza. [7] Los conjuntos de MEG actuales se colocan en un frasco de vacío con forma de casco que normalmente contiene 300 sensores, que cubren la mayor parte de la cabeza. De esta manera, ahora se pueden acumular MEG de un sujeto o paciente de manera rápida y eficiente.

Los últimos avances intentan aumentar la portabilidad de los escáneres MEG mediante el uso de magnetómetros libres de relajación por intercambio de espín (SERF). Los magnetómetros SERF son relativamente pequeños, ya que no requieren sistemas de refrigeración 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). [8] Más recientemente, en 2017, los investigadores construyeron un prototipo funcional que utiliza magnetómetros SERF instalados en cascos portátiles impresos individualmente en 3D, [2] que, según señalaron en las entrevistas, podrían reemplazarse por algo más fácil de usar en el futuro, como un casco de bicicleta.

La base de la señal MEG

Las corrientes neuronales sincronizadas inducen campos magnéticos débiles. El campo magnético del cerebro, que mide 10 femto tesla (fT) para la actividad cortical y 10 3 fT para el ritmo alfa humano , es considerablemente menor 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 el ruido ambiental competidor.

Origen del campo magnético cerebral. La corriente eléctrica también produce la señal EEG.

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 pueden considerarse como dipolos de corriente , [9] es decir, corrientes con una posición, orientación y magnitud, pero sin extensión espacial. [ dudosodiscutir ] 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. [10] Dado que los dipolos actuales deben tener orientaciones similares para generar campos magnéticos que se refuercen entre sí, a menudo es la capa de células piramidales , que están situadas perpendicularmente a la superficie cortical, la que da lugar a campos magnéticos mensurables. Los haces de estas neuronas que están orientados tangencialmente a la superficie del cuero cabelludo proyectan porciones mensurables de sus campos magnéticos fuera de la cabeza, y estos haces suelen estar ubicados en los surcos . Los investigadores están experimentando con varios métodos de procesamiento de señales en la búsqueda de métodos que detecten la señal cerebral profunda (es decir, no cortical), pero actualmente no hay ningún método clínicamente útil disponible.

Cabe señalar que los potenciales de acción no suelen producir un campo observable, principalmente porque las corrientes asociadas a los potenciales de acción fluyen en direcciones opuestas y los campos magnéticos se cancelan. Sin embargo, se han medido campos de acción en el sistema nervioso periférico.

Blindaje magnético

Dado que las señales magnéticas emitidas por el cerebro son del orden de unos pocos femtoteslas, es necesario protegerlo de las señales magnéticas externas, incluido el campo magnético de la Tierra . Se puede obtener un blindaje magnético adecuado construyendo habitaciones hechas de aluminio y mu-metal para reducir el ruido de alta y baja frecuencia , respectivamente.

Entrada al MSR, que muestra las capas de protección separadas

Habitación protegida magnéticamente (MSR)

Un modelo de sala protegida magnéticamente (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 como láminas de 1 mm, mientras que la capa más interna se compone de cuatro láminas en estrecho contacto, y las dos capas externas se componen de 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 corrientes parásitas de CA , que es importante a 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. [11]

Sistema de protección activa

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. El sistema incluye cables de vibración y desmagnetización . Los cables de vibración aumentan la permeabilidad magnética, mientras que los cables de desmagnetización permanentes 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 nivel de ruido de alrededor de 2-3 fT/Hz 0,5 por encima de 1 Hz.

Localización de la fuente

El problema inverso

El reto que plantea la MEG es determinar la ubicación de la actividad eléctrica dentro del cerebro a partir de los campos magnéticos inducidos fuera de la cabeza. Los problemas como éste, en los que los parámetros del modelo (la ubicación de la actividad) tienen que estimarse a partir de datos medidos (las señales SQUID), se denominan problemas inversos (en contraste con los problemas directos [12], en los que se conocen los parámetros del modelo (por ejemplo, la ubicación de la fuente) y se deben estimar los datos (por ejemplo, el campo a una distancia dada). La principal dificultad es que el problema inverso no tiene una solución única (es decir, hay infinitas posibles respuestas "correctas"), y el problema de definir la "mejor" solución es en sí mismo objeto de una intensa investigación. [13] Se pueden derivar posibles soluciones utilizando modelos que implican un conocimiento previo de la actividad cerebral.

Los modelos de fuente pueden ser sobredeterminados o subdeterminados. Un modelo sobredeterminado puede constar de unas pocas fuentes puntuales ("dipolos equivalentes"), cuyas ubicaciones se estiman a partir de los datos. Los modelos subdeterminados se pueden utilizar en casos en los que se activan muchas áreas distribuidas diferentes ("soluciones de fuente distribuida"): existen 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 de cabezal dados para encontrar una ubicación probable para un generador de campo focal subyacente.

Un tipo de algoritmo de localización para modelos sobredeterminados funciona mediante maximización de expectativas : el sistema se inicializa con una primera estimación. Se inicia un bucle en el que se utiliza un modelo directo para simular el campo magnético que resultaría de la estimación actual. La estimación 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 se utiliza un modelo teórico del campo magnético producido por un dipolo de corriente dado como un valor previo, junto con estadísticas de segundo orden de los datos en forma de una matriz de covarianza , para calcular una ponderación lineal de la matriz de sensores (el formador de haces) a través de la inversa de Backus-Gilbert . Esto también se conoce como un formador de haces de varianza mínima restringida linealmente (LCMV). Cuando el formador de haces 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 es estimar la densidad de corriente dentro del cerebro humano con, por ejemplo, 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 restricciones, dicha inversión puede ser inestable. Estas conclusiones se deducen fácilmente de trabajos publicados. [14]

Imágenes de fuente magnética

Las ubicaciones de las fuentes se pueden combinar con imágenes de resonancia magnética (IRM) para crear imágenes de fuentes magnéticas (IEM). Los dos conjuntos de datos se combinan midiendo la ubicación de un conjunto común de puntos fiduciales marcados durante la IRM con marcadores lipídicos 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 IRM estructurales (" corregistro ").

Una crítica al uso de esta técnica en la práctica clínica es que produce áreas coloreadas con límites definidos superpuestos a una imagen de resonancia magnética: el observador no entrenado puede no darse cuenta de que los colores no representan una certeza fisiológica, no por la resolución espacial relativamente baja de la MEG, sino más bien por cierta incertidumbre inherente en la nube de probabilidad derivada de los procesos estadísticos. Sin embargo, cuando la imagen de la fuente magnética corrobora otros datos, puede ser de utilidad clínica.

Localización de la fuente del modelo dipolar

Una técnica de modelado de fuentes ampliamente aceptada para MEG implica el cálculo de un conjunto de dipolos de corriente equivalente (ECD), que supone 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 dipolares desconocidos es menor que el número de mediciones de MEG. [15] Los algoritmos de modelos dipolares múltiples automatizados, como la clasificación de señales múltiples (MUSIC) y el modelado espacial y temporal de inicio múltiple (MSST), se aplican al análisis de las respuestas de MEG. Las limitaciones de los modelos dipolares para caracterizar las respuestas neuronales son (1) las dificultades para localizar fuentes extendidas con ECD, (2) los problemas para estimar con precisión el número total de dipolos por adelantado y (3) la dependencia de la ubicación del dipolo, especialmente la profundidad en el cerebro.

Modelos de fuentes distribuidas

A diferencia del modelado de múltiples dipolos, los modelos de fuente distribuida dividen el espacio de la 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. [16] Como la cantidad de momentos dipolares desconocidos es mucho mayor que la cantidad de sensores MEG, la solución inversa está altamente 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 ninguna especificación previa del modelo de 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 cerebral, la profundidad, la orientación, la cantidad de sensores, etc. [17]

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 externo. [18] Sin embargo, el ICA tiene una resolución deficiente de fuentes cerebrales altamente correlacionadas.

Uso en el campo

Se sabe que en todo el mundo funcionan más de 100 sistemas MEG, siendo Japón el que posee la mayor cantidad de sistemas MEG per cápita y Estados Unidos el que posee la mayor cantidad total de sistemas MEG. Una cantidad muy pequeña de sistemas en todo el mundo están diseñados para grabaciones de bebés y/o fetos.

En la investigación, el uso principal de la MEG es la medición de los cursos temporales de actividad. La MEG puede resolver eventos con una precisión de 10 milisegundos o más rápido, mientras que la resonancia magnética funcional (fMRI), que depende de los cambios en el flujo sanguíneo, puede, en el mejor de los casos, resolver eventos con una precisión de varios cientos de milisegundos. La 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 la fMRI, ya que los métodos se complementan entre sí. Los datos neuronales (MEG) y hemodinámicos de la fMRI no necesariamente coinciden, 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 de la misma fuente (aunque las señales BOLD se filtran a través de la respuesta hemodinámica).

La electroencefalografía también se está utilizando para localizar mejor las respuestas en el cerebro. La apertura de la configuración de la electroencefalografía permite introducir fácilmente estímulos auditivos y visuales externos. También es posible que el sujeto se mueva siempre que no sacuda la cabeza. Las respuestas en el cerebro antes, durante y después de la introducción de dichos estímulos/movimientos se pueden mapear con una resolución espacial mayor que la que era posible anteriormente con la electroencefalografía. [19] Los psicólogos también están aprovechando la neuroimagen de la electroencefalografía para comprender mejor las relaciones entre la función cerebral y el comportamiento. Por ejemplo, se han realizado varios estudios comparando las respuestas de la electroencefalografía de pacientes con problemas psicológicos con pacientes de control. Se ha obtenido un gran éxito aislando respuestas únicas en pacientes con esquizofrenia, como déficits de compuerta auditiva a voces humanas. [20] La electroencefalografía también se está utilizando para correlacionar respuestas psicológicas estándar, como la dependencia emocional de la comprensión del lenguaje. [21]

Estudios recientes han informado de una clasificación exitosa de pacientes con esclerosis múltiple , enfermedad de Alzheimer , esquizofrenia , síndrome de Sjögren , alcoholismo crónico , dolor facial y disritmias talamocorticales . La MEG se puede utilizar para distinguir a estos pacientes de los sujetos de control sanos, lo que sugiere un papel futuro de la MEG en el diagnóstico. [22] [23]

Gran parte de la dificultad y el coste de la utilización de la MEG se debe a la necesidad de realizar un análisis manual de los datos. Se han logrado avances en el análisis por ordenador, comparando las exploraciones de un paciente con las extraídas de una gran base de datos de exploraciones normales, con el potencial de reducir considerablemente los costes. [24]

Conectividad cerebral y oscilaciones neuronales

Basándose en su resolución temporal perfecta, la magnetoencefalografía (MEG) se utiliza ahora ampliamente para estudiar la actividad oscilatoria en el cerebro, tanto en términos de sincronía neuronal local como de sincronización entre áreas. Como ejemplo de sincronía neuronal local, la MEG se ha utilizado para investigar los ritmos alfa en varias regiones cerebrales específicas, como en la corteza visual [25] [26] o auditiva. [27] Otros estudios han utilizado la MEG para estudiar las interacciones neuronales entre diferentes regiones cerebrales (por ejemplo, entre la corteza frontal y la corteza visual). [28] La magnetoencefalografía también se puede utilizar para estudiar los cambios en las oscilaciones neuronales en diferentes etapas de la conciencia, como en el sueño. [29]

Epilepsia focal

Los usos clínicos de la MEG son la detección y localización de la actividad patológica en pacientes con epilepsia y 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 eliminar el tejido epileptogénico mientras se preservan las áreas sanas del cerebro. [30] 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 la electrocorticografía (ECoG) se consideran el estándar de oro para localizar regiones cerebrales esenciales. Estos procedimientos se pueden realizar intraoperatoriamente o a partir de electrodos de rejilla subdurales permanentes. Ambos son invasivos.

Las localizaciones MEG no invasivas del surco central obtenidas a partir de campos magnéticos evocados somatosensoriales muestran una fuerte concordancia con estos registros invasivos. [31] [32] [33] Los estudios MEG ayudan a aclarar la organización funcional de la corteza somatosensorial primaria y a delinear la extensión espacial de la corteza somatosensorial de la mano mediante la estimulación de los dedos individuales. Esta concordancia entre la localización invasiva del tejido cortical y los registros MEG muestra la eficacia del análisis MEG e indica que la MEG puede sustituir a los procedimientos invasivos en el futuro.

Fetal

La MEG se ha utilizado para estudiar procesos cognitivos como la visión , la audición y el procesamiento del lenguaje en fetos y recién nacidos. [34] Solo dos sistemas MEG a medida, diseñados específicamente para grabaciones fetales, funcionan en todo el mundo. [35] El primero se instaló en la Universidad de Arkansas en 2000, y el segundo se instaló en la Universidad de Tübingen en 2008. Ambos dispositivos se conocen como matrices SQUID para evaluación reproductiva (SARA) y utilizan una matriz de sensores cóncavos cuya forma complementa el abdomen de una mujer embarazada. Las grabaciones fetales de la actividad cortical son factibles con un dispositivo SARA desde una edad gestacional de aproximadamente 25 semanas en adelante hasta el nacimiento. Aunque están diseñados para grabaciones fetales, los sistemas SARA también pueden grabar desde bebés colocados en una cuna con la cabeza primero hacia la matriz sensorial. [35] Si bien a partir de 2023 solo una pequeña cantidad de dispositivos en todo el mundo son capaces de realizar registros MEG fetales, la proliferación de magnetómetros bombeados ópticamente para MEG en la investigación en neurociencia [36] probablemente dará como resultado una mayor cantidad de centros de investigación capaces de registrar y publicar datos MEG fetales en el futuro cercano. [35]

Lesión cerebral traumática

La MEG se puede utilizar para identificar lesiones cerebrales traumáticas, que son particularmente comunes entre los soldados expuestos a explosiones. Estas lesiones no se diagnostican fácilmente con otros métodos y a menudo se diagnostican erróneamente como trastorno de estrés postraumático (TEPT). [24]

La electromiografía por emisión de positrones (MEG) se viene desarrollando desde los años 1960, pero ha recibido una gran ayuda de los recientes avances en algoritmos y hardware informáticos, y promete una resolución espacial mejorada junto con una resolución temporal extremadamente alta (mejor que 1 ms ). Dado que la señal 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 fMRI . Sus puntos fuertes son la independencia de la geometría de la cabeza en comparación con la EEG (a menos que haya implantes ferromagnéticos ), la no invasividad, el uso de radiación no ionizante, a diferencia de la PET, y la alta resolución temporal en comparación con la fMRI.

MEG en comparación con EEG

Aunque las señales de EEG y MEG se originan a partir de los mismos procesos neurofisiológicos, existen diferencias importantes. [37] Los campos magnéticos están menos distorsionados que los campos eléctricos por el cráneo y el cuero cabelludo, lo que da como resultado una mejor resolución espacial de la MEG. Mientras que el EEG del cuero cabelludo es sensible tanto a los componentes tangenciales como radiales de una fuente de corriente en un conductor de volumen esférico, la MEG detecta solo sus componentes tangenciales. El EEG del cuero cabelludo puede, por lo tanto, detectar actividad tanto en los surcos como en la parte superior de los giros corticales, mientras que la MEG es más sensible a la actividad que se origina en los surcos. El EEG es, por lo tanto, sensible a la actividad en más áreas del cerebro, pero la actividad que es visible en la MEG también se puede localizar con mayor precisión.

El EEG del cuero cabelludo es sensible a las corrientes de volumen extracelular producidas por los potenciales postsinápticos. La 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. [38] La disminución de los campos magnéticos en función de la distancia es más pronunciada que la de los campos eléctricos. Por lo tanto, la MEG es más sensible a la actividad cortical superficial, lo que la hace útil para el estudio de la epilepsia neocortical. Finalmente, la MEG no tiene referencia, mientras que el EEG del cuero cabelludo depende de una referencia que, cuando está activa, dificulta la interpretación de los datos.

Véase también

Referencias

  1. ^ Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano funcional" (PDF) . Reseñas de Física Moderna . 65 (2): 413–497. Bibcode :1993RvMP...65..413H. doi :10.1103/RevModPhys.65.413. ISSN  0034-6861.
  2. ^ ab Boto E, Holmes N, Leggett J, Roberts G, Shah V, Meyer SS, Muñoz LD, Mullinger KJ, Tierney TM (marzo de 2018). "Avanzando con la magnetoencefalografía hacia aplicaciones en el mundo real con un sistema portátil". Nature . 555 (7698): 657–661. Bibcode :2018Natur.555..657B. doi :10.1038/nature26147. ISSN  1476-4687. PMC 6063354 . PMID  29562238. 
  3. ^ Carlson NR (2013). Fisiología del comportamiento . Upper Saddle River, NJ: Pearson Education Inc., págs. 152-153. ISBN 978-0-205-23939-9.
  4. ^ ab Cohen D (agosto de 1968). "Magnetoencefalografía: evidencia de campos magnéticos producidos por corrientes de ritmo alfa". Science . 161 (3843): 784–6. Bibcode :1968Sci...161..784C. doi :10.1126/science.161.3843.784. PMID  5663803. S2CID  34001253.
  5. ^ Zimmerman JE, Theine P, Harding JT (1970). "Diseño y operación de dispositivos cuánticos superconductores de contacto puntual estables con polarización por radiofrecuencia, etc." Journal of Applied Physics . 41 (4): 1572–1580. Bibcode :1970JAP....41.1572Z. doi :10.1063/1.1659074.
  6. ^ Cohen D (febrero de 1972). "Magnetoencefalografía: detección de la actividad eléctrica del cerebro con un magnetómetro superconductor" (PDF) . Science . 175 (4022): 664–6. Bibcode :1972Sci...175..664C. doi :10.1126/science.175.4022.664. PMID  5009769. S2CID  29638065.
  7. ^ Yamamoto T, Williamson SJ, Kaufman L, Nicholson C, Llinas R: Localización magnética de la actividad neuronal en el cerebro humano. Proc Natl Acad Sci 85:8732-8736,1988[9]
  8. ^ Sander TH, Preusser J, Mhaskar R, Kitching J, Trahms L, Knappe S (mayo de 2012). "Magnetoencefalografía con un magnetómetro atómico a escala de chip". Biomedical Optics Express . 3 (5): 981–90. doi :10.1364/BOE.3.000981. PMC 3342203 . PMID  22567591. 
  9. ^ Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993-04-01). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano funcional" (PDF) . Reseñas de Física Moderna . 65 (2): 413–497. Bibcode :1993RvMP...65..413H. doi :10.1103/RevModPhys.65.413.
  10. ^ Okada Y (1983). "Neurogénesis de campos magnéticos evocados". En Williamson SH, Romani GL, Kaufman L, Módena I (eds.). Biomagnetismo: un enfoque interdisciplinario . Nueva York: Plenum Press. págs. 399–408. ISBN 978-1-4757-1785-3.
  11. ^ Cohen D, Schläpfer U, Ahlfors S, Hämäläinen M, Halgren E. "Nueva sala de seis capas con blindaje magnético para MEG" (PDF) . Charlestown, Massachusetts: Centro de imágenes biomédicas Athinoula A. Martinos, Hospital General de Massachusetts. S2CID  27016664. Archivado desde el original (PDF) el 2020-08-03. {{cite journal}}: Requiere citar revista |journal=( ayuda )
  12. ^ Tanzer IO (2006). Modelado numérico en electroencefalografía y magnetoencefalografía (tesis doctoral). Finlandia: Universidad Tecnológica de Helsinki.
  13. ^ 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. 
  14. ^ Sheltraw D, Coutsias E (2003). "Invertibilidad de la densidad de corriente a partir de datos electromagnéticos de campo cercano" (PDF) . Journal of Applied Physics . 94 (8): 5307–5315. Bibcode :2003JAP....94.5307S. doi :10.1063/1.1611262.
  15. ^ Huang MX, Dale AM, Song T, Halgren E, Harrington DL, Podgorny I, Canive JM, Lewis S, Lee RR (julio de 2006). "Solución de norma mínima espacio-temporal basada en vectores L1 para MEG". NeuroImage . 31 (3): 1025–37. doi :10.1016/j.neuroimage.2006.01.029. PMID  16542857. S2CID  9607000.
  16. ^ Hämäläinen MS, Ilmoniemi RJ (enero de 1994). "Interpretación de los campos magnéticos del cerebro: estimaciones de normas mínimas". Ingeniería médica y biológica e informática . 32 (1): 35–42. doi :10.1007/BF02512476. PMID  8182960. S2CID  6796187.
  17. ^ Molins A, Stufflebeam SM, Brown EN, Hämäläinen MS (septiembre de 2008). "Cuantificación del beneficio de la integración de datos de MEG y EEG en la estimación mínima de la norma ℓ 2 ". NeuroImage . 42 (3): 1069–77. doi :10.1016/j.neuroimage.2008.05.064. PMID  18602485. S2CID  6462818.
  18. ^ 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". Neurofisiología clínica . 111 (10): 1745–58. CiteSeerX 10.1.1.164.9941 . doi :10.1016/S1388-2457(00)00386-2. PMID  11018488. S2CID  11044416. 
  19. ^ Cui R, Cunnington R, Beisteiner R, Deecke L (2012). "Efectos de la fuerza-carga en la actividad cortical que precede al movimiento voluntario de los dedos". Neurología, psiquiatría e investigación cerebral . 18 (3): 97–104. doi :10.1016/j.npbr.2012.03.001.
  20. ^ Hirano Y, Hirano S, Maekawa T, Obayashi C, Oribe N, Monji A, Kasai K, Kanba S, Onitsuka T (marzo de 2010). "Déficit de activación auditiva de las voces humanas en la esquizofrenia: un estudio MEG". Investigación sobre esquizofrenia . 117 (1): 61–7. doi :10.1016/j.schres.2009.09.003. PMID  19783406. S2CID  7845180.
  21. ^ 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 neurociencia . 72 (1): 50–8. doi :10.1016/j.neures.2011.09.011. PMID  22001763. S2CID  836242.
  22. ^ 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 neuronal . 4 (4): 349–55. Código Bib : 2007JNEng...4..349G. doi :10.1088/1741-2560/4/4/001. hdl : 10161/12446 . PMID:  18057502. S2CID  : 2836220.
  23. ^ 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 alfa parietal y theta 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. 
  24. ^ ab Rose D (20 de febrero de 2022). "A los veteranos del ejército británico se les niega el tratamiento por lesiones cerebrales". The Observer .
  25. ^ Bagherzadeh Y, Baldauf D, Pantazis D, Desimone R (febrero de 2020). "Sincronía alfa y control de la atención espacial mediante neurofeedback". Neuron . 105 (3): 577–587.e5. doi : 10.1016/j.neuron.2019.11.001 . hdl : 11572/252726 . ISSN  0896-6273. PMID  31812515. S2CID  208614924.
  26. ^ de Vries E, Baldauf D (1 de octubre de 2019). "Ponderación atencional en la red de procesamiento facial: un estudio de magnetoencefalografía guiada por imágenes de respuesta magnética utilizando múltiples arrastres cíclicos". Journal of Cognitive Neuroscience . 31 (10): 1573–1588. doi :10.1162/jocn_a_01428. hdl : 11572/252722 . ISSN  0898-929X. PMID  31112470. S2CID  160012572.
  27. ^ Vries IE, Marinato G, Baldauf D (24 de agosto de 2021). "Decodificación de la atención auditiva basada en objetos a partir de oscilaciones alfa MEG reconstruidas en la fuente". Revista de neurociencia . 41 (41): 8603–8617. doi :10.1523/JNEUROSCI.0583-21.2021. ISSN  0270-6474. PMC 8513695 . PMID  34429378. 
  28. ^ Baldauf D, Desimone R (25 de abril de 2014). "Mecanismos neuronales de la atención basada en objetos". Science . 344 (6182): 424–427. Bibcode :2014Sci...344..424B. doi : 10.1126/science.1247003 . ISSN  0036-8075. PMID  24763592. S2CID  34728448.
  29. ^ Brancaccio A, Tabarelli D, Bigica M, Baldauf D (24 de abril de 2020). "Localización de la fuente cortical de la actividad oscilatoria específica de la etapa del sueño". Scientific Reports . 10 (1): 6976. Bibcode :2020NatSR..10.6976B. doi :10.1038/s41598-020-63933-5. ISSN  2045-2322. PMC 7181624 . PMID  32332806. 
  30. ^ Luders HO (1992). Cirugía de la epilepsia . Nueva York Raven Press.
  31. ^ 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.
  32. ^ Rowley HA, Roberts TP (noviembre de 1995). "Localización funcional mediante magnetoencefalografía". Clínicas de neuroimagen de Norteamérica . 5 (4): 695–710. PMID  8564291.
  33. ^ Gallen CC, Hirschkoff EC, Buchanan DS (mayo de 1995). "Magnetoencefalografía e imágenes de fuentes magnéticas. Capacidades y limitaciones". Clínicas de neuroimagen de Norteamérica . 5 (2): 227–49. PMID  7640886.
  34. ^ 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 del bebé . 19 (1): 80–93. doi :10.1002/icd.657. PMC 2830651 . PMID  20209112. 
  35. ^ abc Frohlich J, Bayne T, Crone JS, DallaVecchia A, Kirkeby-Hinrup A, Mediano PA, Moser J, Talar K, Gharabaghi ​​A, Preissl H (1 de junio de 2023). "No con un "zap" sino con un "bip": Medición de los orígenes de la experiencia perinatal". NeuroImage . 273 : 120057. doi : 10.1016/j.neuroimage.2023.120057 . ISSN  1053-8119. PMID  37001834. S2CID  257807321.
  36. ^ Brookes MJ, Leggett J, Rea M, Hill RM, Holmes N, Boto E, Bowtell R (agosto de 2022). "Magnetoencefalografía con magnetómetros de bombeo óptico (OPM-MEG): la próxima generación de neuroimagen funcional". Tendencias en neurociencias . 45 (8): 621–634. doi : 10.1016/j.tins.2022.05.008 . ISSN  0166-2236. PMC 10465236 . PMID  35779970. S2CID  250122240. 
  37. ^ Cohen D, Cuffin BN (julio de 1983). "Demostración de diferencias útiles entre el magnetoencefalograma y el electroencefalograma". Electroencefalografía y neurofisiología clínica . 56 (1): 38–51. doi :10.1016/0013-4694(83)90005-6. PMID  6190632.
  38. ^ Barth DS, Sutherling W, Beatty J (marzo de 1986). "Corrientes intracelulares de picos de penicilina interictal: evidencia del mapeo neuromagnético". Brain Research . 368 (1): 36–48. doi :10.1016/0006-8993(86)91040-1. PMID  3955364. S2CID  3078690.

Lectura adicional

  • Baillet S, Mosher JC, Leahy RM (noviembre de 2001). "Mapeo electromagnético del cerebro". Revista IEEE Signal Processing . 18 (6): 14–30. Bibcode :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. Bibcode :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 neuronas neocorticales principales a las señales de magnetoencefalografía y electroencefalografía". The Journal of Physiology . 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 registros 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 electroencefalografía 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 la 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 el 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.
Obtenido de "https://es.wikipedia.org/w/index.php?title=Magnetoencefalografía&oldid=1231613868"