Pre-processing using Brainstorm

Click on the flag to see the version in English

ENflag1

Version française

  1. Prérequis
  2. Préparation des données MEG
  3. Import des données MEG
  4. Import des données anatomiques individuelles
  5. Suppression des mauvais capteurs
  6. Détection et suppression des artéfacts liés aux mouvements oculaires et aux battements cardiaques

1. Prerequisites

  • Matlab: version >= R2006b (7.3)
  • Brainstorm: dernière version, cliquez ici. Si vous utilisez Brainstorm pour la première fois, nous vous recommandons de commencer par les deux tutoriels suivants :
    • Comprendre l’architecture de Braintorm cliquez ici
    • Démarrage rapide avec Brainstorm, cliquez ici
  • Données fonctionnelles MEG : dans le contexte des projets BLRI, les données brutes de format  BTi/4D proviennent de la plateforme MEG située à l’Hôpital de la Timone  (Centre MEG de Marseille).
  • Données IRM anatomiques : les données IRM T1 de format nifti  proviennent, dans le cadre de projets  BLRI, de la plateforme IRMf de l’Hôpital de la Timone (Centre IRMf de Marseille).

 

2. Preparation des données MEG

Les données MEG initiales ont typiquement un large décalage (‘offset’) d’un capteur à l’autre. Ce décalage peut-être éliminé en utilisant un filtre passe-haut sur les données continues brutes, retirant ainsi les basses fréquences  (0.3 Hz par exemple).  En outre, un filtre passe-bas  avec une fréquence de coupe de 40 Hz peut être utilisé dans le contexte classique des ERFs (Event Related Fields). Les filtres ayant une fréquence de coupe élevées (300 Hz par exemple) sont utilisés davantage dans des analyses de type “temps-fréquence”.  Le processus de filtrage sur les données brutes peut être réalisé à l’aide du logiciel open-source AnyWave.
Nous vous recommandons de  renommer les fichiers résultants pour décrire la valeur des fréquences de coupe et le nom des runs.
Pour résumer, la préparation des données MEG, avant leur importation dans Brainstorm,  nécessite 2 étapes principales :

  • Filtrage passe-bande 0.3_300Hz, par exemple avec AnyWave
  • Choix d’un nom de fichier résultant explicite (optionnel), qui précise les fréquences de coupe et le numéro de run.

 

3. Import des données  MEG

Avec Interface graphique

  • Créez un nouveau protocole nommé par exemple ‘Blog_Tutorial’ à l’aide du menu File>Create new protocol

BST_CreateProtocol

  • Créez un nouveau répertoire par sujet à l’aide du menu contextuel sur sélection du nom du protocole : menu ‘New subject’

BST_CreateSubject

  • Sélectionnez le protocole Blog_Tutorial et cliquer sur la vue ‘Functional data’ (sorted by subjects)

ImportRawFile

  • A la suite d’un clic droit sur le sujet  (répertoire NV_002_A2 sur la figure ci-dessus), sélectionnez  Review RawFile..
    File format: “MEG/EEG: 4D-Neuroimaging/BTi (*.*)”

    File
    : c_rfDC_bp0p3_300_run1
  • Cliquez sur  Open
  • Boîte de dialogue ‘Read events’ : validez les cases à cocher ‘Trigger’ et ‘Response’

BST_ReadEvents

  • Boîte de dialogue ‘Type of events’ : appuyez sur le bouton ‘Value’

BST_TypeEvents

  • Visualisez le fichier des données continues ‘Link to raw

DisplayRawFile

Avec le script Matlab
Le  script  illustre la création d’un protocole Brainstorm appelé ‘Blog-tutorial’ comprenant 2 sujets (NV_001_A1 et NV_002_A2) et 6 fichiers de données continues par sujet. Les données brutes proviennent d’un projet BLRI (projet Nom/Verbe).

CREx_MEG_BST_Pipeline_1_CreateProtocolFolders

2. Import des données individuelles anatomiques

Avec Interface Graphique
Avant d’importer les données individuelles anatomiques (données IRM de type T1) dans Brainstorm, les surfaces corticales doivent être extraites à partir du logiciel open-source FreeSurfer. Ainsi, les données individuelles corticales pourront être réalignées avec les surfaces des atlas anatomiques (Desikan-Killiany, Destrieux, Brodmann). Les étapes d’utilisation de FreeSurfer et d’import des données anatomiques sont décrites en détail ici.
Les étapes principales d’importation des données anatomiques à l’aide de l’interface graphique de Brainstorm sont les suivantes :

  • Import des données anatomiques à partir du répertoire “FreeSurfer”
  • Nombres de vertex de la surface corticale : 15000 par exemple
  • Renseignez les repères fiduciaires dans le système de Brainstorm (CTF) : nasion (na), point pré-auriculaire gauche (lpa), point pré-auriculaire droit (rpa), commissure antérieure (ac), commissure postérieure (pc) and point inter-hémisphérique (ih).
  • Vérifiez le résultat avec le menu: “Cortex->MRI registration->CheckMRI/surface registration”
  • Alignez les points fiduciaires si nécessaire avec le menu “4D channels -> MRI registration -> Refine with head points”

Avec le script Matlab
Nous ne recommandons pas ce code car l’import des données anatomiques dans Brainstorm nécessite l’entrée manuelle de la positions des repères fiduciaires.

BST_Pipeline_2_ImportMRI

5. Suppression des mauvais capteurs

Les données MEG brutes peuvent contenir certains artéfacts liés au système d’acquisition.T Ces artéfacts sont typiquement dus aux sauts de SQUID ou à des capteurs bruités.  Nous vous conseillons de calculer un spectre de type “ Power Spectrum Density” (PSD) sur chaque fichier brut en vue de détecter les capteurs défectueux.  L’affichage simultané du PSD et de la topographie des capteurs est très utile pour détecter les mauvais capteurs.  La figure suivante illustre une activité suspecte  au niveau du lobe frontal droit sur l’un de nos participants..

Sensor_Artifact

Pour résumer, les principales étapes de cette section sont :

  • Détection des artéfacts liés au système via le processus : Power spectrum density (Welch)
  • Utilisation des topographies pour détecter et supprimer ce genre d’artéfacts.

Pour plus de détails, voir tutorial for exploring recordings sur le site de Brainstorm.

Avec le script Matlab
le script  crée le fichier PSD (Welch) à partir de chaque fichier MEG ‘raw data file’.

BST_Pipeline_3_CreateWelch

6. Détection et suppression des artéfacts liés aux mouvements oculaires et aux battements cardiaques

Avec Interface Graphique
Le processus dénommé ‘Signal-Space Projection’ (SSP) est une approche pour rejeter les artéfacts liés aux mouvement oculaires et battements cardiaques.
Une brève description de la méthode SSP introduite par Matti Hämäläinen est disponible sur le site de Brainstorm, ici : Tutorial of detection and removins artifacts.
Pour résumer, les principales étapes de cette section sont :

  • Process: Detect eye blinks
  • Process: Detect heartbeats
  • Signal-Space Projection Process: SSP EOG: blink
  • Signal-Space Projection Process: SSP ECG: cardiac
  • Select Active SSP projectors and verify first components and their topography
  • Remove first Component of heartbeats and eye blinks SSP processes

Avec le script Matlab
BST_Pipeline_4_DoPhysioCleaning

 

posté parValérie Chanoine le 23/01/2015

English Version

  1. Prerequisites
  2. Preparing MEG data
  3. Import MEG recordings
  4. Import individual anatomical data
  5. Looking for bad Channels on Each Raw Run
  6. Detection of eye blinks and heartbeats (and removing)

1. Prerequisites

  • Matlab: version >= R2006b (7.3)
  • Brainstorm: latest version, click here. The easiet way to get started with Brainstorm is to read carefully the two following tutorials:
    • Understand the architecture of Braintorm click here
    • Quick start with Brainstorm, click here
  • MEG functional data as input files: the BTi/4D raw files in the context of BLRI projects come from the MEG platform located in Marseille Hospital (Centre MEG de Marseille).
  • MRI anatomical data as input files: the T1 MRI nifti files of BLRI projects were acquired in the fMRI platform located in Marseille Hospital (Centre IRMf de Marseille).

2. Preparing MEG data

The raw MEG data  typically have a large offset from one sensor to the other. The offset can be eliminated using a high-pass filter with a low cut-off frequency (0.3 Hz for example) applied to the continuous raw files. On the other side, a long-pass filter with a high cut-off frequency (40 Hz for example) can be used in the context of classical analyses of ERF (Event Related Fields). Higher Filters (high cut-off of 300 Hz for example) are commonly used in time-frequency analyses. The filtering  process on raw data can be performed with the open-source AnyWave software.
It is also recommended to rename the resultant files to describe filtering bounds and run number.
To sum up,  the preparation of MEG data before importing MEG recordings consist of 2 major steps :

  • Filtering band-pass 0.3_300Hz, for example with AnyWave
  • Rename the raw file “c,rfDC” indicating for example filter bounds and run number: “c,rfDC_bp0p3_300_run3”

3. Import MEG recordings

With Graphical User Interface

  • Create a new protocol named for instance  ‘Blog_Tutorial’ using menu File>Create new protocol

BST_CreateProtocol

  • Create  one folder by subject using the contextual menu from the selection of  protocol name : menu ‘New subject’

BST_CreateSubject

  • Select the Blog_Tutorial protocol, and go to the Functional data (sorted by subjects) view

ImportRawFile

  • Right-click on Subject01 (NV_001_A1), select Review RawFile..
    File format: “MEG/EEG: 4D-Neuroimaging/BTi (*.*)”

    File
    : c_rfDC_bp0p3_300_run1 (select the full directory and click on Open)
  • Dialog Read events: check Trigger and Response on check-boxes

BST_ReadEvents

  • Dialog Type of events: click on Value button

BST_TypeEvents

  • Display Link to raw file

DisplayRawFile

With Matlab Script
Thereafter, the  script  illustrates the creation of a Brainstorm protocol called ‘Blog-tutorial’ consisting of 2 subjects (NV_001_A1 and NV_002_A2) and 6 data raw files per subject. The raw data comes from a BLRI project (Noun/Verb project).

BST_Pipeline_1_CreateProtocolFolders

 

2. Import individual anatomical data

With Graphical User Interface
Before importing individual anatomical (T1 MRI) in Brainstorm, the cortical surfaces can be extracted from T1 MRI using the open-source software FreeSurfer. Thus, the individual cortex surfaces can be realigned to the surface-based anatomical atlases (Desikan-Killiany, Destrieux, Brodmann). The processes of using FreeSurfer and importing the results in Brainstorm are fully described here.
Main steps of importing individual anatomical data using Brainstorm  GUI are:

  • Import anatomical data from “FreeSurfer” folder
  • Number of vertices on the cortex surface : 15000 for example
  • Set Fiducials for Brainstorm system (CTF): nasion (na), left pre-auricular point (lpa), right pre-auricular point (rpa), anterior commissure (ac), posterior commissure (pc) and Interhemispheric point (ih).
  • Verify the quality of cortex with the menu: “Cortex->MRI registration->CheckMRI/surface registration”
  • 4D channels -> MRI registration -> Refine with head points

With Matlab Script
We do not recommend using this code because the import of individual anatomical data in Brainstorm requires manual entry of position for all the fiducials points.

BST_Pipeline_2_ImportMRI

5. Looking for bad Channels on Each Raw Run

The MEG raw data may contain some system artifacts. These  artifacts are typically due to SQUID jumps or noisy sensors. We recommend you to compute a Power Spectrum Density (PSD) on each raw data files to detect channels with excessive noise. Displaying PSD combined with the sensors topography is very useful for removing the bad sensors. The following figure illustrates an artifactual activity on right frontal lobe for one participant.

Sensor_Artifact

To sum up, the main steps of this section are:

  • Detect system Artifacts – Process: Power spectrum density (Welch)
  • Use topographies to detect and remove system artifacts

For more details, see tutorial for exploring recordings on Brainstorm website.

With Matlab Script
The  script  creates the Power spectrum density (Welch) file for each MEG raw data file.

BST_Pipeline_3_CreateWelch

6. Detection of eye blinks and heartbeats (and removing)

With Graphical User Interface
The Signal-Space Projection (SSP) is one approach to rejection of eye blinks and heartbeats artifacts.
Here is a short description of the method by Matti Hämäläinen, from the Tutorial of detection and removing artifacts (on section “Signal Space Projection”) on Brainstorm website.
To sum up, the main steps of this section are:

  • Process: Detect eye blinks
  • Process: Detect heartbeats
  • Signal-Space Projection Process: SSP EOG: blink
  • Signal-Space Projection Process: SSP ECG: cardiac
  • Select Active SSP projectors and verify first components and their topography
  • Remove first Component of heartbeats and eye blinks SSP processes

With Matlab Script
BST_Pipeline_4_DoPhysioCleaning

posted byValérie Chanoine on 2015/01/23

Blog du Centre de Ressources pour l'Expérimentation de l'ILCB

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search