Abstract Electroencephalographic (EEG) data is typically contaminated with non-neural artifacts which can confound the results of experiments. Artifact cleaning approaches are available, but often require time-consuming manual input and significant expertise. Advancements in artifact cleaning often only address a single artifact, are only compared against a small selection of pre-existing methods, and seldom assess whether a proposed advancement improves experimental outcomes. To address these issues, we developed RELAX (the Reduction of Electroencephalographic Artifacts), an automated EEG cleaning pipeline implemented within EEGLAB that reduces all artifact types. RELAX cleans continuous data using Multiple Wiener filtering [MWF] and/or wavelet enhanced independent component analysis [wICA] applied to artifacts identified by ICLabel [wICA_ICLabel]). Several versions of RELAX were tested using three datasets containing a mix of cognitive and resting recordings (N = 213, 60 and 23 respectively). RELAX was compared against six commonly used EEG cleaning approaches across a wide range of artifact cleaning quality metrics, including signal-to-error and artifact-to-residue ratios, measures of remaining blink and muscle activity, and the amount of variance explained by experimental manipulations after cleaning. RELAX with MWF and wICA_ICLabel showed amongst the best performance for cleaning blink and muscle artifacts while still preserving neural signal. RELAX with wICA_ICLabel (and no MWF) may perform better at detecting the effect of experimental manipulations on alpha oscillations in working memory tasks. The pipeline is easy to implement in MATLAB and freely available on GitHub. Given its high cleaning performance, objectivity, and ease of use, we recommend RELAX for data cleaning across EEG studies.

Electroencephalography (EEG) is commonly used to examine neural activity time-locked to the presentation of a stimulus, referred to as an Event-Related Potential (ERP). However, EEG is also influenced by non-neural artifacts, which can confound ERP comparisons. Artifact cleaning can reduce artifacts, but often requires time-consuming manual decisions. Most automated cleaning methods require frequencies <1Hz to be filtered out of the data, so are not recommended for ERPs (which often contain <1Hz frequencies). In our companion article, we introduced RELAX (the Reduction of Electroencephalographic Artifacts), an automated and modular cleaning pipeline that reduces artifacts with Multiple Wiener Filtering (MWF) and/or wavelet enhanced independent component analysis (wICA) applied to artifact components detected with ICLabel (wICA_ICLabel) (Bailey et al., 2022). To evaluate the suitability of RELAX for data cleaning prior to ERP analysis, multiple versions of RELAX were compared to four commonly used EEG cleaning pipelines. Cleaning performance was compared across a range of artifact cleaning metrics and in the amount of variance in ERPs explained by different conditions in a Go-Nogo task. RELAX with MWF and wICA_ICLabel cleaned the data the most effectively and produced amongst the most dependable ERP estimates. RELAX with wICA_ICLabel only or MWF_only may detect experimental effects better for some ERP measures. Importantly, RELAX can high-pass filter data at 0.25Hz, so is applicable to analyses involving ERPs. The pipeline is easy to implement via EEGLAB in MATLAB and is freely available on GitHub. Given its performance, objectivity, and ease of use, we recommend RELAX for EEG data cleaning.

Abstract Individual differences in visual working memory capacity are related to slow-wave event-related potentials (ERPs) and suppression of alpha-band oscillatory power measured during the delay period of memory tasks using electroencephalography (EEG). However, recent evidence suggests that changes in the non-oscillatory, aperiodic features of the EEG signal may also contribute to working memory performance. We assessed several features of task-related changes in aperiodic activity including the spatial distribution, the effect of memory load, and the relationship between memory capacity, slow-wave ERPs, and alpha suppression. Eighty-four healthy individuals performed a continuous recall working memory task consisting of 2, 4 or 6 coloured squares while EEG was recorded. Aperiodic activity during a baseline and delay period was quantified by fitting a model to the background of the EEG power spectra using the FOOOF toolbox, which returned parameters describing the slope (exponent) and broadband offset of the spectra. The aperiodic exponent decreased (i.e., slope flattened) over lateral parieto-occipital electrodes but increased (i.e., slope steepened) over fronto-central electrodes during the delay period, whereas the offset decreased over parieto-occipital electrodes. These task-related changes in aperiodic activity were not altered by memory load. Larger increases in the aperiodic exponent were associated with higher working memory capacity measured from both the EEG task and a separate battery of complex span tasks, and this relationship was independent of slow-wave ERPs and alpha suppression. Our findings suggest that task-related changes in aperiodic activity during working memory are region specific and reflect an independent neural mechanism important for general working memory ability.

Abstract Background Transcranial magnetic stimulation (TMS) evokes voltage deflections in electroencephalographic (EEG) recordings, known as TMS-evoked potentials (TEPs), which are increasingly used to study brain dynamics. However, the extent to which TEPs reflect activity directly evoked by magnetic rather than sensory stimulation is unclear. Objective To characterize and minimize the contribution of sensory inputs to TEPs. Methods Twenty-four healthy participants received TMS over the motor cortex using two different intensities (below and above cortical motor threshold) and waveforms (monophasic, biphasic). TMS was also applied over the shoulder as a multisensory control condition. Common sensory attenuation measures, including coil padding and noise masking, were adopted. We examined spatiotemporal relationships between the EEG responses to the scalp and shoulder stimulations at sensor and source levels. Furthermore, we compared three different filters (independent component analysis, signal-space projection with source informed reconstruction (SSP-SIR) and linear regression) designed to attenuate the impact of sensory inputs on TEPs. Results The responses to the scalp and shoulder stimulations were correlated in both temporal and spatial domains, especially after ∼60 ms, regardless of the intensity and stimuli waveform. Among the three filters, SSP-SIR showed the best trade-off between removing sensory-related signals while preserving data not related to the control condition. Conclusions The findings demonstrate that TEPs elicited by motor cortex TMS reflect a combination of transcranially and peripherally evoked brain responses despite adopting sensory attenuation methods during experiments, thereby highlighting the importance of adopting sensory control conditions in TMS-EEG studies. Offline filters may help to isolate the transcranial component of the TEP from its peripheral component, but only if these components express different spatiotemporal patterns. More realistic control conditions may help to improve the characterization and attenuation of sensory inputs to TEPs, especially in early responses.

Abstract Continuous theta burst stimulation (cTBS) is thought to reduce cortical excitability and modulate functional connectivity, possibly by altering cortical inhibition at the site of stimulation. However, most evidence comes from the motor cortex and it remains unclear whether similar effects occur following stimulation over other brain regions. We assessed whether cTBS over left dorsolateral prefrontal cortex altered gamma aminobutyric acid (GABA) concentration, functional connectivity and brain dynamics at rest, and brain activation and memory performance during a working memory task. Seventeen healthy individuals participated in a randomised, sham-controlled, cross-over experiment. Before and after either real or sham cTBS, magnetic resonance spectroscopy was obtained at rest to measure GABA concentrations. Functional magnetic resonance imaging (fMRI) was also recorded at rest and during an n-back working memory task to measure functional connectivity, regional brain activity (low-frequency fluctuations), and task-related patterns of brain activity. We could not find evidence for changes in GABA concentration ( P =0.66, Bayes factor [BF 10 ]=0.07), resting-state functional connectivity ( P (FWE) >0.05), resting-state low-frequency fluctuations ( P =0.88, BF 10 =0.04), blood-oxygen level dependent activity during the n-back task ( P (FWE) >0.05), or working memory performance ( P =0.13, BF 10 =0.05) following real or sham cTBS. Our findings add to a growing body of literature suggesting the effects of cTBS are highly variable between individuals and question the notion that cTBS is a universal ‘inhibitory’ paradigm.

Abstract Transcranial magnetic stimulation (TMS) is a powerful tool to investigate cortical circuits. Changes in cortical excitability following TMS are typically assessed by measuring changes in either conditioned motor-evoked potentials (MEPs) following paired-pulse TMS over motor cortex or evoked potentials measured with electroencephalography following single-pulse TMS (TEPs). However, it is unclear whether these two measures of cortical excitability index the same cortical response. Twenty-four healthy participants received local and interhemispheric paired-pulse TMS over motor cortex with eight inter-pulse intervals, suband suprathreshold conditioning intensities, and two different pulse waveforms, while MEPs were recorded from a hand muscle. TEPs were also recorded in response to single-pulse TMS using the conditioning pulse alone. The relationships between TEPs and conditioned-MEPs were evaluated using metrics sensitive to both their magnitude at each timepoint and their overall shape across time. The impacts of undesired sensory potentials resulting from TMS pulse and muscle contractions were also assessed on both measures. Both conditioned-MEPs and TEPs were sensitive to re-afferent somatosensory activity following motor-evoked responses, but over different post-stimulus timepoints. Moreover, the amplitude of low-frequency oscillations in TEPs was strongly correlated with the sensory potentials, whereas early and local high-frequency responses showed minimal relationships. Accordingly, conditioned-MEPs did not correlate with TEPs in the time domain but showed high shape similarity with the amplitude of high-frequency oscillations in TEPs. Therefore, despite the effects of sensory confounds, the TEP and MEP measures share a response component, suggesting that they index a similar cortical response and perhaps the same neuronal populations.

ADHD is a prevalent neurodevelopmental disorder associated with adverse outcomes and significant social and economic cost. However, efforts to develop a more detailed understanding of the neuropsychology of ADHD are complicated by the diversity of interindividual presentation and the inability of current clinical tests to distinguish between its sensory, attentional, arousal or motoric contributions. Identifying objective methods that can decompose the clinical heterogeneity of ADHD is a long-held goal that will advance our understanding of aetiological processes and aid the development of personalised treatment approaches. Here, we examine key neuropsychological components of ADHD with an electrophysiological (EEG) decision making paradigm capable of isolating distinct neural signals of several key information processing stages necessary for sensory-guided actions from initial sensory processing to motor responses. We show that compared to typically developing children, children with ADHD display slower and less accurate behavioural performance driven by the atypical dynamics of discrete electrophysiological signatures of attentional allocation, the accumulation of sensory evidence, and strategic adjustments reflecting urgency of response. These findings offer an integrated account of impairments in ADHD and establish neural signals that can serve as critical guidance in constructing or constraining mechanistic accounts in future research, as well as in ADHD diagnosis and treatment tailoring.

Transcranial magnetic stimulation (TMS) results in a series of evoked potentials (TEPs) in electroencephalography (EEG) recordings. However, it remains unclear whether these responses reflect neural activity resulting from transcranial stimulation of the cortex, or from the sensory experiences of TMS. Across three experiments (total n = 135), we recorded EEG activity following TMS to the dorsolateral prefrontal cortex, premotor cortex, and parietal cortex as well as a sensory control condition (stimulation of the shoulder or electrical stimulation of the scalp with a click sound). We found that TEPs showed a stereotypical frontocentral N100/P200 complex following TMS of all cortical sites and control conditions, regardless of TMS intensity or the type of sensory control. In contrast, earlier TEPs (<60 ms) showed site-specific characteristics which were largest at the site of stimulation. Self-reported sensory experiences differed across sites, with prefrontal stimulation resulting in stronger auditory (click sound perception) and somatosensory input (scalp muscle twitch, discomfort) than premotor or parietal stimulation, a pattern that was reflected in the amplitude of later (N100/P200), but not earlier (<60 ms) TEP peak amplitudes. Later TEPs were also larger in individuals who experienced stronger click sound perception and, to a lesser extent, TMS-evoked scalp muscle twitches. Increasing click sound perception by removing auditory masking increased N100/P200 amplitudes without altering earlier peaks, an effect which was more prominent at sites with more successful masking. Together, these findings suggest that the frontocentral N100/P200 complex represents a generalised sensory response resulting from TMS-related auditory and somatosensory input. In contrast, early TEP peaks likely reflect activity resulting from transcranial stimulation of the cortex. The results have important implications for designing and interpreting TEP studies, especially when comparing TEPs between stimulation sites and participant groups showing differences in sensory experiences following TMS.

Measuring the brain's response to transcranial magnetic stimulation (TMS) with electroencephalography (EEG) offers a unique insight into the local cortical circuits and networks activated following stimulation, particularly in non-motor regions where less is known about TMS physiology. However, the mechanisms underlying TMS-evoked EEG potentials (TEPs) remain largely unknown. We assessed TEP reliability, site-specificity, and sensitivity to changes in excitatory neurotransmission mediated by n-methyl-d-aspartate (NMDA) receptors following stimulation of non-motor regions. In fourteen male volunteers, resting EEG and TEPs from prefrontal (PFC) and parietal (PAR) cortex were measured before and after administration of either dextromethorphan (an NMDA receptor antagonist) or placebo across two sessions separated by at least a week in a double-blinded pseudo-randomised crossover design. At baseline, TEPs showed lower within- than between-subject variability for both stimulation sites across sessions, demonstrating the reliability of non-motor TEPs within individuals. There were differences in amplitude between PFC and PAR TEPs across a wide time range (15-250 ms), however the signals were correlated after ~80 ms, suggesting that early peaks reflect site-specific activity, whereas late peaks reflect activity patterns less dependent on the stimulated sites. TEPs were not altered following dextromethorphan compared to placebo, however low frequency resting oscillations were reduced in power. Our findings suggest that TEPs from PFC and PAR: 1) are reliable within and variable between individuals; 2) reflect stimulation site specific activity across early time periods (<80 ms); and 3) are not sensitive to changes in NMDA receptor-mediated neurotransmission.

Abstract Background In primary motor cortex, changes in excitatory and inhibitory neurotransmission (E:I balance) accompany motor sequence learning. In particular, there is an early reduction in inhibition (i.e., disinhibition). The supplementary motor area (SMA) is a key brain region involved in the learning of sequences, however the neurophysiological mechanisms within SMA which support motor sequence learning remain poorly understood. Disinhibition may also occur in SMA, but this possibility remains unexamined. Objective We investigated disinhibition within SMA during motor sequence learning using combined transcranial magnetic stimulation (TMS) and electroencephalography (EEG). Methods Twenty-nine healthy adults practiced a sequential motor task. TMS-evoked potentials (TEPs) resulting from SMA stimulation were measured with EEG before, during, and after practice. The N45 TEP peak was our primary measure of disinhibition. Furthermore, the slope of aperiodic EEG activity was included as an additional E:I balance measure. Results Significant improvements in task performance (i.e., learning) occurred with practice. We observed smaller N45 amplitudes during early learning relative to baseline (both p < .01), indicative of disinhibition. Intriguingly, aperiodic exponents increased as learning progressed and were associated with greater sequence learning ( p < .05). Conclusion Our results show disinhibition within SMA during the planning phase of motor sequence learning and thus provide novel understanding on the neurophysiological mechanisms within higher-order motor cortex that accompany new sequence learning.