Brainstorm: Eine auf MATLAB basierende Open-Source-Anwendung für die fortschrittliche Verarbeitung und Visualisierung von MEG-/EEG-Daten

Der Anblick eines schlangenähnlichen Objekts zu Ihren Füßen schickt neuronale Signale an die Amygdala, eine ziemlich archaische Gehirnstruktur, die sofort eine Kampf/Flucht-Reaktion auslöst. Erst Zehntel Millisekunden später nimmt der Neokortex, der sich erst später entwickelte, eine genauere Analyse desselben sensorischen Reizes vor und identifiziert das Objekt als einen harmlosen Wasserschlauch.

Hirntomografie oder Neuroimaging gibt Neuropsychologen und Neurowissenschaftlern nichtinvasive Techniken zur Untersuchung von Gehirnprozessen wie die Kampf/Flucht-Entscheidung an die Hand. Dieses interdisziplinäre Forschungsgebiet hat sich seit den späten 1990er-Jahren rasant entwickelt. Die funktionelle Magnetresonanztomografie (fMRI) kann für eine Kartierung der Topografie der Gehirntätigkeit eingesetzt werden, hat aber nur eine zeitliche Auflösung von etwa einer Sekunde, was sie für eine Untersuchung der dynamischen Abläufe im Gehirn nicht nützlich erscheinen lässt. Die modernen Technologien der Elektroenzephalografie (EEG) und der Magnetoenzephalografie (MEG) haben eine zeitliche Auflösung von Millisekunden. Damit können Forscher die neurale Gehirntätigkeit in natürlicher Geschwindigkeit verfolgen. Ein weiterer Vorteil der MEG und der EEG ist ihre Empfindlichkeit auf neurale elektrochemische Signalgebung, was die Überprüfung von Hypothesen zu elektrophysiologischen Mechanismen der Tätigkeit von Hirnarealen zulässt. Schließlich verraten die hohe zeitliche Auflösung und die synoptische Abdeckung der kortikalen Aktivität aus MEG- und EEG-Daten Muster funktionaler Konnektivität zwischen Hirnarealen.

Die Entdeckung funktioneller Konnektivität im Neuroimaging dehnt die Forschung weit über das Abbilden wichtiger Funktionen, wie Wahrnehmung, motorische Kontrolle, Erinnerung und Sprache, hinaus aus. Die derzeitige Auffassung ist, dass die meisten Gehirnfunktionen eine Koordinierung der Aktivitäten in vielen Hirnarealen verlangen, die dynamisch in Netzwerken vereint werden. Die zeitliche Auflösung der MEG- und EEG-Aufnahmen in Millisekunden ist aktuell die beste Ressource für Neurowissenschaftler, wenn sie die Komplexität der elektrophysiologischen Aktivität aus vielen Hirnarealen gleichzeitig erfassen möchten. Viele Neurowissenschaftler meinen auch, dass die meisten neurologischen und psychiatrischen Störungen mit geänderten Formen der funktionellen Konnektivität in Verbindung gebracht werden können, wie jene, die Anfälle im epileptischen Gehirn verursachen. Diese transformative Annahme soll unser Wissen über das Gehirn wesentlich verbessern und den Ärzten ermöglichen, zahlreiche neurologische Störungen zu verhindern und zu behandeln.

MEG-/EEG-Geräte erfassen die elektrische Aktivität des gesamten Hirnvolumens mit einer Scanrate von 1.000-mal pro Sekunde, was ca. 100 MB an Daten pro Minute ergibt. Die Darstellung und die Verarbeitung dieser großen Datenmengen, die solche Geräte erzeugen, stellt eine beträchtliche Herausforderung für Neurowissenschaftler dar. Erschwerend kommt hinzu, dass die Neurowissenschaftler, die Neuropsychologen und die Imaging-Wissenschaftler, die Methoden zur zeitaufgelösten Bildwiederherstellung aus MEG- und EEG-Daten entwickeln, nicht immer eng zusammenarbeiten. Diese Physiker und Elektroingenieure entwickeln in der Regel fortschrittliche und hochtechnisierte Instrumente, die sie nur schwer oder mit viel Zeiteinsatz an die Bedürfnisse der Neurowissenschaftler anpassen können.

Um diesen Graben zu überbrücken, haben wir die Open-Source-Softwareanwendung Brainstorm mit MATLAB^® entwickelt. Mit Brainstorm können Forscher der Neurowissenschaften ohne Programmiererfahrung große MEG- und EEG-Datenvolumen darstellen und verarbeiten (Abbildung 1).

In den letzten zehn Jahren wurde Brainstorm von mehr als 10.000 Forschern weltweit herunterladen und in über 250 Zeitschriftenaufsätzen zitiert, darunter so einflussreiche Zeitschriften wie Nature Neuroscience, Science und Proceedings of the National Academy of Sciences. Die Benutzer-Community von Brainstorm besteht zu ca. 70 % aus Neurowissenschaftlern (klinische Forscher, Neuropsychologen und kognitive Neurowissenschaftler). Die restlichen 30 % sind Tomografie-Wissenschaftler und Techniker mit dem Spezialgebiet MEG-/EEG-Methodenentwicklung. Brainstorm wird auch häufig in anderen Forschungsumgebungen eingesetzt, beispielsweise bei der Untersuchung der pathologischen Hirntätigkeit bei Patienten mit Epilepsie sowie in der Elektrophysiologie von Kleintieren.

Warum MATLAB?

MATLAB bietet mehrere Vorteile gegenüber herkömmlichen Programmiersprachen. Zum einen sind wir Physiker und Techniker. Als wir mit der Entwicklung von Brainstorm begannen, wussten wir wenig über Softwareentwicklung. Mit MATLAB konnten wir ganz einfach eine intelligente wissenschaftliche Anwendung mit extensiver grafischer Oberfläche entwickeln. Zum anderen ist MATLAB in der Welt der Wissenschaft weit verbreitet. Die Forscher können daher direkt mit ihren Daten in Brainstorm arbeiten, neue Plug-ins hinzufügen und Ideen und Codeprototypen mit anderen Brainstorm-Benutzern austauschen.

Und drittens ist MATLAB eine produktive Entwicklungsumgebung. Dank der Fähigkeit zu interaktivem Debugging und zur Visualisierung von Daten in MATLAB konnten wir schnell neue Einsatzmöglichkeiten für Brainstorm schaffen. Die Brainstorm-Oberfläche ist in Java geschrieben und in MATLAB-Skripten eingebettet, so profitieren wir von der engen Verflechtung zwischen den beiden Sprachen. Für die meisten 2D- und 3D-Datenabbildungen verwendet Brainstorm das Grafiksystem von MATLAB, das die Erstellung von komplexen und interaktiven Szenen vereinfacht.

Brainstorm-Anwender können die Software herunterladen und installieren, selbst wenn sie keine lizenzierten MATLAB-Benutzer sind. Mit MATLAB Compiler™ und MATLAB Compiler SDK™ stellen wir eine Standalone-Version der Software bereit, die auf Windows, Linux und Mac OS-X ausgeführt werden kann.

In zukünftigen Entwicklungen soll insbesondere eine engere Integration in die Python-Umgebung erfolgen, die seit MATLAB 2014b bereitsteht. Die Bekanntheit der Open-Source-Sprache Python verbreitet sich schnell in der universitären Welt, insbesondere unter den neuen Studenten des wissenschaftlichen Computings. Diese neue Generation von Studenten und Forschen generiert eine große Diversität an Python-Skripten und -Bibliotheken, von denen MATLAB-Anwender profitieren können. Wir denken, es ist wichtig und zum gegenseitigen Nutzen, die Verbindung zwischen MATLAB und der Open-Source- und Open-Environment-Community zu fördern und zu entwickeln.

Brainstorm-Forschungsworkflow

In einer typischen MEG- und EEG-Studie werden zwischen 1 und 100 (in der Regel 15) Personen unter verschiedenen Testbedingungen getestet. Die EEG-Daten werden von den Elektroden erfasst, die am Schädel der Person angebracht sind. MEG-Daten werden über Sensoren aufgezeichnet, die sich innen im MEG-Helm befinden (Abbildung 2).

Um die Ergebnisse dieser Experimente zu analysieren, verwenden die Forscher multimodale Datensätze: die MEG- oder simultanen EEG-Aufzeichnungen, die 3D-Positionen der Sensoren und die Anatomie des Kopfvolumens des Patienten – diese wird später mit der MRI aufgezeichnet.

Der erste Schritt im Standard-Brainstorm-Workflow ist der Import der MRI-Daten zusammen mit den Oberflächen, die den zerebralen Kortex und den Schädel darstellen. Der MEG-/EEG-Raum wird mit der MRI aufgezeichnet, indem die Sensoren auf der Schädeloberfläche des Patienten angeordnet werden.

Dann werden die MEG-/EEG-Aufzeichnungen geprüft und vorverarbeitet. Im Brainstorm Data Viewer können die Benutzer umfangreiche Aufzeichnungen effizient durchsuchen, die Amplituden anpassen, interessante Ereignisse markieren und schlechte Segmente und verrauschte Sensoren oder andere Störungen kennzeichnen. (Abbildung 3). Da es kein Standarddateiformat für MEG-/EEG-Daten gibt, haben wir in MATLAB herstellerspezifische Datenanalyse-Routinen für die gängigsten Formate entwickelt. Wir werden auch Support für neue Formate bieten, die von der Anwender-Community entwickelt werden.

Die Vorverarbeitung von Rohdaten beinhaltet das Entfernen von Datenkomponenten, die durch Rauschen und Artefakte entstehen. MEG-/EEG-Signale werden in der Regel durch das Rauschen des Erfassungssystems selbst (Sensorrauschen), die Umgebung (wie 50/60 Hz-Kraftleitungen, Stimulierungsgeräte und Gebäudevibrationen) und durch die Person selbst (Bewegungen, Augenblinzeln, Herzschläge und Atmung) gestört. Je nach Art und Umfang der Rauschens sorgt eine Kombination aus Frequenzfiltern und Raumprojektoren für eine effektive Rauschminderung.

Nach der Vorverarbeitung importieren die Forscher die betreffenden Datensegmente in die Brainstorm-Datenbank, die daraus einen Satz MAT-Dateien erstellt, die strukturierte MATLAB-Variablen unterschiedlicher Art enthalten. In einem typischen ereignisbezogenen Aufbau sind die Daten in Epochensegmenten rund um die Reizereignisse organisiert, wie beispielsweise Töne oder Bilder, die der Versuchsperson vorgespielt werden.

Der Forscher rekonstruiert dann die Hirnaktivität aus den Messdaten. In dieser Phase wendet Brainstorm eine Vorwärtsmodellierung mit Randelementemethoden (Boundary Element Method, BEM) an, um ein Kopfmodell zu berechnen, indem die Anwendung neurale Ströme und MEG-/EEG-Sensormessdaten einander zuordnet. Der Forscher verwendet dann die erweiterten Brainstorm-Funktionen zur inversen Modellierung, um nach den kortikalen Quellen zu suchen, die einen spezifischen Satz an MEG-/EEG-Aufzeichnungen produziert haben (Abbildung 4).

Sobald neurale Signale auf Sensor- und Quellebene abgreifbar sind, kann eine tiefere Analyse vorgenommen werden, um die spezifischen Auswirkungen des Experiments zu untersuchen. Spektral- und Zeit-Frequenz-Zerlegungen, Messungen der funktionellen Konnektivität zwischen Hirnarealen, Kreuz-Frequenz-Kopplungsmechanismen und statistische Interferenzen sind die typischen Methodengruppen, die zusammen mit zeitaufgelösten Hirntomografien und -signalen in Brainstorm verwendet werden (Abbildung 5).

Alle Brainstorm-Funktionen sind über standardmäßige Tastatur- und Mauseingaben verfügbar. Nach Austesten der Analysepipeline mit einigen Datensätzen auf der grafischen Oberfläche müssen Forscher üblicherweise dieselben Vorgänge an zig oder hunderten von Datensätzen wiederholen. Brainstorm bietet zu diesem Zweck ein flexibles grafisches Batch-Verarbeitungstool: Der Benutzer wählt die zu verarbeitenden Dateien in einem Datenbank-Explorer aus und listet alle nacheinander an den ausgewählten Dateien auszuführenden Arbeitsgänge auf (Abbildung 6), und Brainstorm generiert automatisch ein MATLAB-Batchskript. Das Skript kann als solches ausgeführt und als Forschungsprotokoll gespeichert oder mit weiteren Arbeitsgängen, die nicht in Brainstorm vorhanden sind, optimiert werden.

Einbindung der Brainstorm-Entwickler-Community

Da Brainstorm offen und erweiterbar ist, sind Benutzer aufgerufen, eigenen MATLAB-Code einzubringen, um die vorhandenen Brainstorm-Arbeitsgänge, wie Filterung, statistische Analyse, Signal- und Bildverarbeitung, Vorwärtsmodellierung und inverse Modellierung, zu ersetzen oder zu ergänzen. Zusätzlich zum Teilen dieser Plug-Ins unterstützen Forscher diese Open-Source-Entwicklungsanstrengungen, indem sie ihre eigenen Konzepte und MATLAB-Code einbringen. In einigen Fällen optimieren wir den eingebrachten Code, bevor er in Brainstorm integriert wird, aber zahlreiche erfahrene MATLAB-Programmierer haben Code eingebracht, den wir quasi unverändert in Brainstorm übernehmen konnten.

Die Schulungen, die wir weltweit anbieten, sind weiterer Quell neuer Ideen. Im letzten Jahr haben wir Schulungen für etwa 900 Benutzer in Europa, Asien, Nordamerika und im Mittleren Osten organisiert. In diesen Sitzungen können neue Benutzer auf ideale Weise Brainstorm kennenlernen, zusätzlich zu unseren ausführlichen Online-Tutorials und Schulungsdatensätzen. Genauso wichtig ist, dass die Schulungen für uns eine unvergleichliche Gelegenheit bieten, unsere Benutzer kennenzulernen. Wir erfahren dabei viel über ihre Bedürfnisse, ihre Forschung und die verschiedenen Punkte, die sie in Brainstorm verwirrend oder schwierig finden. Auf Grundlage dieses Inputs verwenden wir MATLAB, um Verbesserungen für eine Integration in eine zukünftige Brainstorm-Version zu testen.

Wir verbessern Brainstorm ständig. Künftige Weiterentwicklungen in MATLAB werden mehr Unterstützung für das Kombinieren mehrerer Imaging-Modalitäten und mehr Verarbeitungsmethoden bieten, um stets auf der Höhe der bekannten Forschung zu sein. Forscher werden dann in der Lage sein, Brainstorm zur Visualisierung und Analyse nicht nur von MEG-/EEG-Daten einzusetzen, sondern auch für Daten der optischen Bildgebung (fNIRS), der funktionalen und diffusionsgewichteten Magnetresonanztomografie, aus CT-Scans und der Positronen-Emissions-Tomografie (PET), und das alles in einer einzigen Umgebung.

Danksagung

Die hier vorgestellte Forschung und Software wurde vom Montreal Neurological Institute und dem National Institute of Biomedical Imaging and Bioengineering des National Institutes of Health unter der Nummer R01EB009048 bereitgestellt. Der Inhalt liegt in der alleinigen Verantwortung der Autoren und spiegelt nicht die offizielle Meinung des National Institutes of Health wider.