Hispanopedia Wiki
Articulo de referencia

Magnetoencefalografía

La magnetoencefalografía ( MEG ) es una técnica de neuroimagen funcional para mapear la actividad cerebral mediante el registro de campos magnéticos producidos por corrientes el...

Hispanopedia WikiContenido en espanolLectura gratuita

La magnetoencefalografía ( MEG ) es una técnica de neuroimagen funcional para mapear la actividad cerebral mediante el registro de campos magnéticos producidos por corrientes eléctricas que ocurren naturalmente en el cerebro , utilizando magnetómetros de alta sensibilidad . Los conjuntos de SQUID (dispositivos de interferencia cuántica superconductores) son actualmente los magnetómetros más comunes, mientras que el magnetómetro SERF (sin relajación por intercambio de espín) se está investigando para futuras máquinas. [ 1 ] [ 2 ] Las aplicaciones de la MEG incluyen la investigación básica de los procesos cerebrales perceptivos y cognitivos, la localización de regiones afectadas por patologías 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 simplemente medir la actividad cerebral. [ 3 ]

Historia

La sala blindada del Dr. Cohen en el MIT, donde se midió la primera MEG con un SQUID.
Primera medición MEG realizada con SQUID, en la habitación 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 sala blindada magnéticamente. El detector de bobina era apenas lo suficientemente sensible, lo que resultó en mediciones MEG deficientes y ruidosas que eran difíciles de usar. Más tarde, Cohen construyó una sala blindada mucho mejor en el MIT y utilizó uno de los primeros detectores SQUID (para que los superconductores funcionen, requieren un entorno de -270 °C producido por helio líquido [ 5 ] ), recién desarrollado por James E. Zimmerman , un investigador de Ford Motor Company, [ 6 ] para medir nuevamente las señales MEG. [ 7 ] Esta vez las señales fueron casi tan claras como las del EEG . Esto estimuló el interés de los físicos que habían estado buscando usos para los SQUID. Posteriormente, se comenzaron a medir varios tipos de MEG espontáneos y evocados.

Inicialmente, se utilizaba un único detector SQUID para medir sucesivamente el campo magnético en varios puntos alrededor de la cabeza del sujeto. Esto resultaba engorroso, por lo que, en la década de 1980, los fabricantes de MEG comenzaron a organizar múltiples sensores en matrices para cubrir una mayor área de la cabeza. [ 8 ] Las matrices de MEG actuales se encuentran dentro de una cápsula de vacío con forma de casco que normalmente contiene 300 sensores, cubriendo la mayor parte de la cabeza. De esta manera, ahora es posible acumular de forma rápida y eficiente los registros de MEG de un sujeto o paciente.

Los avances recientes buscan aumentar la portabilidad de los escáneres MEG mediante el uso de magnetómetros SERF ( sin relajación por intercambio de espín ). Los magnetómetros SERF son relativamente pequeños, ya que no requieren sistemas de refrigeración voluminosos para funcionar. Al mismo tiempo, ofrecen 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, un tipo de SERF). [ 9 ] 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 indicaron en 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 femtoteslas (fT) para la actividad cortical y 10³ fT para el ritmo alfa humano , es considerablemente menor que el ruido magnético ambiental en un entorno urbano, que es del orden de 10⁸ fT o 0,1 μT. El problema fundamental del biomagnetismo reside, por lo tanto, en la debilidad de la señal en relación con la sensibilidad de los detectores y con el ruido ambiental que la interfiere.

Origen del campo magnético del cerebro. 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 produce un campo magnético, y es este campo el que se mide. Las corrientes netas pueden considerarse como dipolos de corriente , [ 1 ] es decir, corrientes con una posición, orientación y magnitud, pero que no siguen la extensión espacial de las corrientes reales en el tejido neural, sino que surgen de su suma. 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 detectable, se necesitan aproximadamente 50 000 neuronas activas. [ 10 ] Dado que los dipolos de corriente deben tener orientaciones similares para generar campos magnéticos que se refuercen entre sí, a menudo es la capa de células piramidales , que se sitúan perpendicularmente a la superficie cortical, la que da lugar a campos magnéticos medibles. Los haces de estas neuronas que se orientan tangencialmente a la superficie del cuero cabelludo proyectan porciones medibles de sus campos magnéticos fuera de la cabeza, y estos haces se encuentran típicamente en los surcos . Los investigadores están experimentando con varios métodos de procesamiento de señales en la búsqueda de métodos que detecten señales cerebrales profundas (es decir, no corticales), pero actualmente no hay ningún método clínicamente útil disponible.

Cabe destacar que los potenciales de acción no suelen generar un campo observable, principalmente porque las corrientes asociadas a ellos fluyen en direcciones opuestas y los campos magnéticos se anulan entre sí. 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 protegerse de las señales magnéticas externas, incluido el campo magnético terrestre . Un blindaje magnético adecuado puede lograrse construyendo salas de aluminio y mu-metal para reducir el ruido de alta y baja frecuencia , respectivamente.

Entrada a MSR, mostrando las distintas capas de blindaje.

Sala blindada magnéticamente (MSR)

Un modelo de sala blindada magnéticamente (MSR) consta de tres capas principales anidadas. Cada una de estas capas está compuesta por una capa de aluminio puro y una capa ferromagnética de alta permeabilidad, de composición similar a la permalloy de molibdeno . La capa ferromagnética se suministra en  láminas de 1 mm, mientras que la capa más interna se compone de cuatro láminas en contacto directo, 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 el aislamiento eléctrico de cada capa principal. Esto ayuda a eliminar la radiación de radiofrecuencia , que degradaría el rendimiento del SQUID. La continuidad eléctrica del aluminio también se mantiene mediante tiras superpuestas de aluminio para garantizar el blindaje contra corrientes parásitas de CA , lo cual es importante a frecuencias superiores a 1 Hz. Las uniones de la capa interna suelen estar galvanizadas con plata u oro para mejorar la conductividad de las capas de aluminio. [ 11 ] 

Sistema de blindaje activo

Los sistemas activos están diseñados para la cancelación de ruido tridimensional. Para implementar un sistema activo, se montan magnetómetros de puerta de flujo 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 incorpora 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 desmagnetizarlas. [ 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 desafío 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. Problemas como este, donde los parámetros del modelo (la ubicación de la actividad) deben estimarse a partir de datos medidos (las señales SQUID) se denominan problemas inversos (en contraste con los problemas directos [ 12 ] donde los parámetros del modelo (p. ej., la ubicación de la fuente) son conocidos y los datos (p. ej., el campo a una distancia dada) deben estimarse). 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 intensa investigación . [ 13 ] Las posibles soluciones pueden derivarse utilizando modelos que involucran conocimiento previo de la actividad cerebral.

Los modelos de fuente pueden ser sobredeterminados o subdeterminados. Un modelo sobredeterminado puede consistir en unas pocas fuentes puntuales ("dipolos equivalentes"), cuyas ubicaciones se estiman a partir de los datos. Los modelos subdeterminados se utilizan cuando 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 cabeza dados para encontrar una ubicación probable para un generador de campo focal subyacente.

Un tipo de algoritmo de localización para modelos sobredeterminados funciona mediante el principio de maximización de la esperanza : 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 resultante de la estimación actual. Esta 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 información previa, junto con estadísticas de segundo orden de los datos en forma de matriz de covarianza , para calcular una ponderación lineal del conjunto de sensores (el formador de haces) mediante la inversa de Backus-Gilbert . Esto también se conoce como formador de haces de varianza mínima con restricciones lineales (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 subestimar la gravedad del problema inverso de MEG sin restricciones. Si el objetivo es estimar la densidad de corriente en el cerebro humano con una resolución de, por ejemplo, 5 mm, es evidente que la mayor parte de la información necesaria para realizar una inversión única no proviene de la medición del campo magnético, sino de las restricciones aplicadas al problema. Además, incluso cuando es posible una inversión única con dichas restricciones, esta puede ser inestable. Estas conclusiones se deducen fácilmente de trabajos publicados. [ 14 ]

Imágenes de fuentes magnéticas

Las ubicaciones de las fuentes se pueden combinar con imágenes de resonancia magnética (IRM) para crear imágenes de fuentes magnéticas (MSI). Ambos conjuntos de datos se combinan midiendo la ubicación de un conjunto común de puntos de referencia marcados durante la IRM con marcadores lipídicos y durante la MEG con bobinas de alambre electrificadas que emiten campos magnéticos. Las ubicaciones de los puntos de referencia en cada conjunto de datos se utilizan para definir un sistema de coordenadas común, lo que permite superponer los datos funcionales de MEG sobre los datos estructurales de IRM (" corregistro ").

Una crítica al uso de esta técnica en la práctica clínica es que produce áreas coloreadas con límites definidos superpuestas a una resonancia magnética: el observador no especializado podría 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 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 equivalentes (ECD), que asume que las fuentes neuronales subyacentes son focales. Este procedimiento de ajuste de dipolos es no lineal y sobredeterminado, ya que el número de parámetros de dipolo desconocidos es menor que el número de mediciones de MEG. [ 15 ] Los algoritmos automatizados de modelos de dipolos múltiples, 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 de dipolos para caracterizar las respuestas neuronales son (1) dificultades para localizar fuentes extendidas con ECD, (2) problemas para estimar con precisión el número total de dipolos de antemano, y (3) dependencia de la ubicación del dipolo, especialmente la profundidad en el cerebro.

Modelos de fuentes distribuidas

A diferencia del modelado de dipolos múltiples, los modelos de fuente distribuida dividen el espacio de la fuente en una cuadrícula que contiene un gran número de dipolos. El problema inverso consiste en obtener los momentos dipolares para los nodos de la cuadrícula. [ 16 ] Como el número de momentos dipolares desconocidos es mucho mayor que el número de sensores MEG, la solución inversa está muy subdeterminada, por lo que se necesitan restricciones adicionales para reducir la ambigüedad de la solución. La principal ventaja de este enfoque es que no se requiere 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, el número 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 para fuentes cerebrales altamente correlacionadas.

Uso en el campo

Se sabe que existen más de 100 sistemas MEG en funcionamiento en todo el mundo. Japón cuenta con el mayor número de sistemas MEG per cápita, mientras que Estados Unidos posee el mayor número total de sistemas MEG. Un número muy reducido de sistemas a nivel mundial está diseñado para registros fetales o de bebés.

En investigación, el uso principal de MEG es la medición de la actividad neuronal a lo largo del tiempo. MEG puede detectar eventos con una precisión de 10 milisegundos o más, mientras que la resonancia magnética funcional (RMf), que depende de los cambios en el flujo sanguíneo, puede detectar eventos con una precisión máxima de varios cientos de milisegundos. MEG también localiza con precisión las fuentes en las áreas auditivas, somatosensoriales y motoras primarias. Para crear mapas funcionales de la corteza cerebral humana durante tareas cognitivas más complejas, MEG se combina con frecuencia con RMf, ya que ambos métodos se complementan. Los datos neuronales (MEG) y hemodinámicos de RMf no necesariamente coinciden, a pesar de la estrecha relación entre los potenciales de campo locales (PCL) y las señales dependientes del nivel de oxigenación sanguínea (BOLD). Las señales MEG y BOLD pueden originarse en la misma fuente (aunque las señales BOLD se filtran a través de la respuesta hemodinámica).

La MEG también se utiliza para localizar mejor las respuestas en el cerebro. La apertura de la configuración de MEG permite introducir fácilmente estímulos auditivos y visuales externos. También es posible cierto movimiento por parte del sujeto, siempre que no sacuda su cabeza. Las respuestas en el cerebro antes, durante y después de la introducción de dichos estímulos/movimientos pueden mapearse con una resolución espacial mayor que la que era posible anteriormente con EEG. [ 19 ] Los psicólogos también están aprovechando la neuroimagen MEG para comprender mejor las relaciones entre la función cerebral y el comportamiento. Por ejemplo, se han realizado varios estudios que comparan las respuestas MEG de pacientes con problemas psicológicos con pacientes de control. Se ha tenido mucho éxito aislando respuestas únicas en pacientes con esquizofrenia, como déficits de filtrado auditivo a voces humanas. [ 20 ] La MEG también se utiliza para correlacionar respuestas psicológicas estándar, como la dependencia emocional de la comprensión del lenguaje. [ 21 ]

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

Gran parte de la dificultad y el costo del uso de MEG radica en la necesidad de un análisis manual de los datos. Se han logrado avances en el análisis computarizado, comparando las exploraciones de un paciente con las de una gran base de datos de exploraciones normales, lo que podría reducir considerablemente los costos. [ 24 ]

Conectividad cerebral y oscilaciones neuronales

Debido a su perfecta resolución temporal, la magnetoencefalografía (MEG) se utiliza 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 diversas regiones cerebrales específicas, como 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 puede utilizarse para estudiar los cambios en las oscilaciones neuronales en diferentes estados de conciencia, como durante el sueño [ 29 ] .

Epilepsia focal

Los usos clínicos de MEG son la detección y localización de actividad patológica en pacientes con epilepsia , y la localización de la corteza elocuente para la planificación quirúrgica en pacientes con tumores cerebrales o epilepsia refractaria. El objetivo de la cirugía de la epilepsia es eliminar el tejido epileptogénico preservando las áreas cerebrales sanas. [ 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 las regiones cerebrales esenciales. Estos procedimientos se pueden realizar intraoperatoriamente o a partir de electrodos de rejilla subdurales permanentes. Ambos son invasivos.

Las localizaciones no invasivas del surco central obtenidas mediante MEG a partir de campos magnéticos evocados somatosensoriales muestran una fuerte concordancia con estos registros invasivos. [ 31 ] [ 32 ] [ 33 ] Los estudios de MEG ayudan a esclarecer la organización funcional de la corteza somatosensorial primaria y a delimitar 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 de MEG demuestra la eficacia del análisis MEG e indica que la MEG podría sustituir 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 personalizados, diseñados específicamente para registros fetales, operan en todo el mundo. [ 35 ] El primero se instaló en la Universidad de Arkansas en 2000, y el segundo en la Universidad de Tübingen en 2008. Ambos dispositivos se denominan matrices SQUID para evaluación reproductiva (SARA) y utilizan una matriz de sensores cóncava cuya forma complementa el abdomen de una mujer embarazada. Los registros 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 construidos para registros fetales, los sistemas SARA también pueden registrar a bebés colocados en una cuna con la cabeza hacia la matriz sensorial. [ 35 ] Una tercera unidad personalizada de alta densidad con una cobertura abdominal completa similar se instaló en 2002 en el Centro Médico de la Universidad de Kansas para evaluar la electrofisiología fetal. [ 36 ] [ 37 ] Si bien a partir de 2023 solo un pequeño número de dispositivos en todo el mundo son capaces de realizar registros MEG fetales, la proliferación de magnetómetros con bombeo óptico para MEG en la investigación en neurociencia [ 38 ] probablemente dará como resultado un mayor número de centros de investigación capaces de registrar y publicar datos MEG fetales en un futuro próximo. [ 35 ]

Lesión cerebral traumática

La MEG puede utilizarse para identificar lesiones cerebrales traumáticas, que son particularmente comunes entre los soldados expuestos a explosiones. Estas lesiones no se diagnostican fácilmente con otros métodos, ya que los síntomas (por ejemplo, trastornos del sueño, problemas de memoria) se superponen con los de comorbilidades frecuentes como el trastorno de estrés postraumático (TEPT). [ 24 ]

La magnetoencefalografía (MEG) se ha desarrollado desde la década de 1960, pero se ha visto enormemente beneficiada por los recientes avances en algoritmos informáticos y hardware, y promete una mejor resolución espacial 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 magnetoencefalografía ( MEG) complementa otras técnicas de medición de la actividad cerebral, como la electroencefalografía (EEG), la tomografía por emisión de positrones (PET) y la resonancia magnética funcional (fMRI) . Sus ventajas radican en su independencia de la geometría de la cabeza en comparación con la EEG (a menos que haya implantes ferromagnéticos ), su carácter no invasivo, la ausencia de radiación ionizante, a diferencia de la PET, y su alta resolución temporal en comparación con la fMRI.

MEG en comparación con EEG

Aunque las señales de EEG y MEG se originan en los mismos procesos neurofisiológicos, existen diferencias importantes. [ 39 ] Los campos magnéticos se distorsionan menos que los campos eléctricos por el cráneo y el cuero cabelludo, lo que resulta en 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. Por lo tanto, el EEG del cuero cabelludo puede detectar actividad tanto en los surcos como en la parte superior de las circunvoluciones corticales, mientras que la MEG es más sensible a la actividad que se origina en los surcos. Por consiguiente, el EEG es sensible a la actividad en más áreas del cerebro, pero la actividad que es visible en la MEG también puede localizarse con mayor precisión.

El EEG de cuero cabelludo es sensible a las corrientes de volumen extracelulares producidas por potenciales postsinápticos. El 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. [ 40 ] La atenuación de los campos magnéticos en función de la distancia es más pronunciada que la de los campos eléctricos. Por lo tanto, el MEG es más sensible a la actividad cortical superficial, lo que lo hace útil para el estudio de la epilepsia neocortical. Finalmente, el MEG no requiere referencia, mientras que el EEG de cuero cabelludo depende de una referencia que, cuando está activa, dificulta la interpretación de los datos.

Véase también

Referencias

  1. 1 2 Hämäläinen M, Hari R, Ilmoniemi RJ, Knuutila J, Lounasmaa OV (1993). "Magnetoencefalografía: teoría, instrumentación y aplicaciones a estudios no invasivos del cerebro humano en funcionamiento" (PDF) . Reviews of Modern Physics . 65 (2): 413– 497. Bibcode : 1993RvMP...65..413H . doi : 10.1103/RevModPhys.65.413 . ISSN 0034-6861 . 
  2. 1 2 Boto E, Holmes N, Leggett J, Roberts G, Shah V, Meyer SS, et al. (marzo de 2018). " Avanzando en la magnetoencefalografía hacia aplicaciones del mundo real con un sistema portátil" . Nature . 555 (7698): 657– 661. Bibcode : 2018Natur.555..657B . doi : 10.1038/nature26147 . PMC 6063354. PMID 29562238 .   
  3. ↑ Carlson NR (2013). Fisiología del comportamiento . Upper Saddle River, NJ: Pearson Education Inc. pp. 152–153 . ISBN  978-0-205-23939-9.
  4. 1 2 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. ↑ "Magnetoencefalografía : Anales de la Academia India de Neurología" . Ovid . doi : 10.4103/0972-2327.128676~magnetoencephalography-basic-principles (inactivo el 16 de julio de 2026) . Consultado el 16 de julio de 2026 . {{cite web}}: CS1 maint: DOI inactivo desde julio de 2026 ( enlace )
  6. ↑ Zimmerman JE, Theine P, Harding JT (1970). "Diseño y funcionamiento de dispositivos cuánticos superconductores de contacto puntual con polarización de radiofrecuencia estables, etc." Journal of Applied Physics . 41 (4): 1572– 1580. Bibcode : 1970JAP....41.1572Z . doi : 10.1063/1.1659074 .
  7. ↑ 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 .  
  8. ↑ 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]
  9. ↑ 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 .  
  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 (agosto de 2002). "Nueva sala blindada magnéticamente de seis capas para MEG" (PDF) . Actas de la 13.ª Conferencia Internacional sobre Biomagnetismo . 10. Jena, Alemania: VDE Verlag: 919–921 . S2CID 27016664. Archivado del original (PDF) el 3 de agosto de 2020. 
  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 norma mínima normalizadas por ruido para el análisis MEG utilizando múltiples métricas de resolución" . 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, et al. (julio de 2006). " Solución de norma L1 mínima espacio-temporal basada en vectores 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 campos magnéticos del cerebro: estimaciones de norma mínima". Medical & Biological Engineering & Computing . 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 integrar datos MEG y EEG en la estimación de la norma ℓ 2 mínima ". 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 carga de fuerza sobre la actividad cortical que precede al movimiento voluntario de los dedos". Neurology, Psychiatry and Brain Research . 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, et al. (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, et al. (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, et al. (diciembre de 2007). "Interacciones neuronales sincrónicas evaluadas mediante magnetoencefalografía: un biomarcador funcional para trastornos cerebrales" . Journal of Neural Engineering . 4 (4): 349– 55. Bibcode : 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, et al. (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. 1 2 Rose D (20 de febrero de 2022). "Veteranos del ejército británicos reciben tratamiento para lesiones cerebrales" . The Observer .
  25. ↑ Bagherzadeh Y, Baldauf D, Pantazis D, Desimone R (febrero de 2020). "Sincronía alfa y el control de la atención espacial mediante neurofeedback" . Neuron . 105 ( 3): 577–587.e5. doi : 10.1016/j.neuron.2019.11.001 . hdl : 11572/252726 . PMID 31812515. S2CID 208614924 .  
  26. ↑ de Vries E, Baldauf D (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 . PMID 31112470. S2CID 160012572 .  
  27. ↑ de Vries IE, Marinato G, Baldauf D (octubre de 2021). "Decodificación de la atención auditiva basada en objetos a partir de oscilaciones alfa MEG reconstruidas de la fuente" . The Journal of Neuroscience . 41 (41): 8603– 8617. doi : 10.1523/JNEUROSCI.0583-21.2021 . PMC 8513695. PMID 34429378 .  
  28. ↑ Baldauf D, Desimone R (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 . PMID 24763592. S2CID 34728448 .  
  29. ↑ Brancaccio A, Tabarelli D, Bigica M, Baldauf D (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 . 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 coinciden con las localizaciones intracraneales de la corteza somatosensorial". Neurology . 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". Neuroimaging Clinics of North America . 5 (4): 695– 710. doi : 10.1016/S1052-5149(25)00331-4 . PMID 8564291 . 
  33. ↑ Gallen CC, Hirschkoff EC, Buchanan DS (mayo de 1995). "Magnetoencefalografía e imágenes de fuentes magnéticas. Capacidades y limitaciones". Neuroimaging Clinics of North America . 5 (2): 227– 49. doi : 10.1016/S1052-5149(25)00292-8 . 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" . Infant and Child Development . 19 (1): 80– 93. doi : 10.1002/icd.657 . PMC 2830651. PMID 20209112 .  
  35. 1 2 3 Frohlich J, Bayne T, Crone JS, DallaVecchia A, Kirkeby-Hinrup A, Mediano PA, et al. (junio de 2023). " No con un "zap" sino con un "bip": Midiendo los orígenes de la experiencia perinatal" . NeuroImage . 273 120057. doi : 10.1016/j.neuroimage.2023.120057 . hdl : 10044/1/115634 . PMID 37001834. S2CID 257807321 .   
  36. ↑ "CTF instala sistema MEG en KUMC" . AuntMinnie . 10 de diciembre de 2002. Consultado el 22 de octubre de 2024 .
  37. ↑ Minai U, Gustafson K, Fiorentino R, Jongman A, Sereno J (julio de 2017). "Discriminación del lenguaje basada en el ritmo fetal: un estudio de biomagnetometría" . NeuroReport . 28 ( 10): 561– 564. doi : 10.1097/WNR.0000000000000794 . PMC 5611858. PMID 28538518 .  
  38. ↑ Brookes MJ, Leggett J, Rea M, Hill RM, Holmes N, Boto E, et al. (agosto de 2022). " Magnetoencefalografía con magnetómetros de bombeo óptico (OPM-MEG): la próxima generación de neuroimagen funcional" . Trends in Neurosciences . 45 (8): 621– 634. doi : 10.1016/j.tins.2022.05.008 . PMC 10465236. PMID 35779970. S2CID 250122240 .    
  39. ↑ Cohen D, Cuffin BN (julio de 1983). "Demostración de diferencias útiles entre magnetoencefalograma y electroencefalograma". Electroencefalografía y neurofisiología clínica . 56 (1): 38– 51. doi : 10.1016/0013-4694(83)90005-6 . PMID 6190632 . 
  40. ↑ Barth DS, Sutherling W, Beatty J (marzo de 1986). "Corrientes intracelulares de espigas interictales de penicilina: evidencia del mapeo neuromagnético". Brain Research . 368 (1): 36– 48. doi : 10.1016/0006-8993(86)91040-1 . PMID 3955364. S2CID 3078690 .  

Lecturas adicionales

  • Baillet S, Mosher JC, Leahy RM (noviembre de 2001). "Mapeo electromagnético del cerebro". IEEE Signal Processing Magazine . 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) . Reviews of Modern Physics . 65 (2): 413– 497. Bibcode : 1993RvMP...65..413H . doi : 10.1103/revmodphys.65.413 .
  • Hansen PC, Kringelbach ML, Salmelin R (2010). MEG: Una 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 cálculo del campo y la corriente de retorno del EEG/MEG en un modelo de cabeza realista: un estudio de simulación y visualización utilizando 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 .