Abstract When combined with source modeling, magneto‐ (MEG) and electroencephalography (EEG) can be used to study long-range interactions among cortical processes non-invasively. Estimation of such inter-areal connectivity is nevertheless hindered by instantaneous field spread and volume conduction, which artificially introduce linear correlations and impair source separability in cortical current estimates. To overcome the inflating effects of linear source mixing inherent to standard interaction measures, alternative phase‐ and amplitude-correlation based connectivity measures, such as imaginary coherence and orthogonalized amplitude correlation have been proposed. Being by definition insensitive to zero-lag correlations, these techniques have become increasingly popular in the identification of correlations that cannot be attributed to field spread or volume conduction. We show here, however, that while these measures are immune to the direct effects of linear mixing, they may still reveal large numbers of spurious false positive connections through field spread in the vicinity of true interactions. This fundamental problem affects both region-of-interest-based analyses and all-to-all connectome mappings. Most importantly, beyond defining and illustrating the problem of spurious, or “ghost” interactions, we provide a rigorous quantification of this effect through extensive simulations. Additionally, we further show that signal mixing also significantly limits the separability of neuronal phase and amplitude correlations. We conclude that spurious correlations must be carefully considered in connectivity analyses in MEG/EEG source space even when using measures that are immune to zero-lag correlations. Highlights ✓ Reliable estimation of neuronal coupling with MEG and EEG is challenged by signal mixing ✓ A number of coupling techniques attempt to overcome this limitation by excluding zero-lag interactions ✓ Contrary to what is commonly admitted, our simulations illustrate that such interaction metrics will still yield false positives ✓ Spurious, or “ghost”, interactions are generally detected between sources in the vicinity of true phase-lagged interacting sources ✓ Signal mixing also severely affects the mutual separability of phase and amplitude correlations

Abstract One of the most central cognitive functions is attention. Its neuronal underpinnings have primarily been studied during conditions of sustained attention. Much less is known about the neuronal dynamics underlying the processes of shifting attention in space, as compared to maintaining it on one stimulus, and of deploying it to a particular stimulus. Here, we use ECoG to investigate four rhythms across large parts of the left hemisphere of two macaque monkeys during a task that allows investigation of deployment and shifting. Shifting involved a strong transient enhancement of power in a 2-7 Hz theta band in frontal, pre-motor and visual areas, and reductions of power in an 11-20 Hz beta band in a fronto-centro-parietal network and in a 29-36 Hz high-beta band in premotor cortex. Deployment of attention to the contralateral hemifield involved an enhancement of beta power in parietal areas, a concomitant reduction of high-beta power in pre-motor areas and an enhancement of power in a 60-76 Hz gamma band in extra-striate cortex. Effects due to shifting occurred earlier than effects due to deployment. These results demonstrate that the four investigated rhythms are involved in attentional allocation, with striking differences between shifting and deployment between different brain areas. Significance We are often confronted by many visual stimuli, and attentional mechanisms select one stimulus for in-depth processing. This involves that attention is shifted between stimuli and deployed to one stimulus at a time. Prior studies have revealed that these processes are subserved by several brain rhythms. Therefore, we recorded brain activity in macaque monkeys with many electrodes distributed over large parts of their left hemisphere, while they performed a task that involved shifting and deploying attention. We found four dominant rhythms: theta (2-7 Hz), beta (11-20 Hz), high-beta (29-36 Hz) and gamma (60-76 Hz). Attentional shifting and deployment involved dynamic modulations in the strength of those rhythms with high specificity in space and time.

Abstract Alpha activity (8–14 Hz) is the dominant rhythm in the awake brain, and thought to play an important role in setting the brain’s internal state. Previous work has associated states of decreased alpha power with enhanced neural excitability. However, evidence is mixed on whether and how such excitability enhancement modulates sensory signals of interest versus noise differently, and what, if any, the consequences are for subsequent perception. Here, human subjects (male and female) performed a visual detection task in which we manipulated their decision criteria in a block-wise manner. While our manipulation led to substantial criterion shifts, these shifts were not reflected in pre-stimulus alpha-band changes. Rather, lower pre-stimulus alpha power in occipital-parietal areas improved perceptual sensitivity and enhanced information content decodable from neural activity patterns. Additionally, oscillatory alpha phase immediately before stimulus presentation modulated accuracy. Together, our results suggest that alpha-band dynamics modulate sensory signals of interest more strongly than noise. Significance statement The internal state of our brain fluctuates, giving rise to variability in perception and action. Neural oscillations, most prominently in the alpha-band, have been suggested to play a role in setting this internal state. Here, we show that ongoing alpha-band activity in occipital-parietal regions predicts the quality of visual information decodable in neural activity patterns, and subsequently human observer’s sensitivity in a visual detection task. Our results provide comprehensive evidence that visual representation is modulated by ongoing alpha-band activity, and advance our understanding on how, when faced with unchanging external stimuli, internal neural fluctuations influence perception and behavior.

Abstract Sustained attention has long been thought to benefit perception in a continuous fashion, but recent evidence suggests that it affects perception in a discrete, rhythmic way. Periodic fluctuations in behavioral performance over time, and modulations of behavioral performance by the phase of spontaneous oscillatory brain activity point to an attentional sampling rate in the theta or alpha frequency range. We investigated whether such discrete sampling by attention is reflected in periodic fluctuations in the decodability of visual stimulus orientation from magnetoencephalographic (MEG) brain signals. In this exploratory study, human subjects attended one of two grating stimuli while MEG was being recorded. We assessed the strength of the visual representation of the attended stimulus using a support vector machine (SVM) to decode the orientation of the grating (clockwise vs. counterclockwise) from the MEG signal. We tested whether decoder performance depended on the theta/alpha phase of local brain activity. While the phase of ongoing activity in visual cortex did not modulate decoding performance, theta/alpha phase of activity in the FEF and parietal cortex, contralateral to the attended stimulus did modulate decoding performance. These findings suggest that phasic modulations of visual stimulus representations in the brain are caused by frequency- specific top-down activity in the fronto-parietal attention network.

Abstract The analysis of EEG and MEG data typically requires a lengthy and complicated sequence of analysis steps, often requiring large amounts of computations, which are ideally represented in analysis scripts. These scripts are often written by researchers without formal training in computer science, resulting in the quality and readability of these analysis scripts to be highly dependent on individual coding expertise and style. Even though the computational outcomes and interpretation of the results can be correct, the inconsistent style and quality of analysis scripts make reviewing the details of the analysis difficult for other researchers that are either involved in the study or not, and the quality of the scripts might compromise the reproducibility of obtained results. This paper describes the design and implementation of a strategy that allows complete reproduction of MATLAB-based scripts with little extra efforts on behalf of the user, which we have implemented as part of the FieldTrip toolbox. Starting from the researchers’ idiosyncratic pipeline scripts, this new functionality allows researchers to automatically create and publish analysis pipeline scripts in a standardized format, along with all relevant intermediate data. We demonstrate the functionality and validate its effectiveness by applying it to the analysis of a recently published MEG study.

Abstract Analyses of cerebro-peripheral connectivity aim to quantify ongoing coupling between brain activity (measured by MEG/EEG) and peripheral signals such as muscle activity, continuous speech, or physiological rhythms (such as pupil dilation or respiration). Due to the distinct rhythmicity of these signals, undirected connectivity is typically assessed in the frequency domain. This leaves the investigator with two critical choices, namely a) the appropriate measure for spectral estimation (i.e., the transformation into the frequency domain) and b) the actual connectivity measure. As there is no consensus regarding best practice, a wide variety of methods has been applied. Here we systematically compare combinations of six standard spectral estimation methods (comprising fast Fourier and continuous wavelet transformation, bandpass filtering, and short-time Fourier transformation) and six connectivity measures (phase-locking value, Gaussian-Copula mutual information, Rayleigh test, weighted pairwise phase consistency, magnitude squared coherence, and entropy). We provide performance measures of each combination for simulated data (with precise control over true connectivity), a single-subject set of real MEG data, and a full group analysis of real MEG data. Our results show that, overall, wppc and gcmi tend to outperform other connectivity measures, while entropy was the only measure sensitive to bimodal deviations from a uniform phase distribution. For group analysis, choosing the appropriate spectral estimation method appeared to be more critical than the connectivity measure. We discuss practical implications (sampling rate, SNR, computation time, and data length) and aim to provide recommendations tailored to particular research questions.

Abstract Previous studies have found electroencephalogram (EEG) amplitude and scalp topography differences between neurotypical and neurological/neurosurgical groups, being interpreted at the cognitive level. However, these comparisons are invariably accompanied by anatomical changes. Critical to EEG are the so‐called volume currents, which are affected by the spatial distribution of the different tissues in the head. We investigated the effect of cerebrospinal fluid (CSF)‐filled cavities on simulated EEG scalp data. We simulated EEG scalp potentials for known sources using different volume conduction models: a reference model (i.e., unlesioned brain) and models with realistic CSF‐filled cavities gradually increasing in size. We used this approach for a single source close or far from the CSF‐lesion cavity, and for a scenario with a distributed configuration of sources (i.e., a “cognitive event‐related potential effect”). The magnitude and topography errors between the reference and lesion models were quantified. For the single‐source simulation close to the lesion, the CSF‐filled lesion modulated signal amplitude with more than 17% magnitude error and topography with more than 9% topographical error. Negligible modulation was found for the single source far from the lesion. For the multisource simulations of the cognitive effect, the CSF‐filled lesion modulated signal amplitude with more than 6% magnitude error and topography with more than 16% topography error in a nonmonotonic fashion. In conclusion, the impact of a CSF‐filled cavity cannot be neglected for scalp‐level EEG data. Especially when group‐level comparisons are made, any scalp‐level attenuated, aberrant, or absent effects are difficult to interpret without considering the confounding effect of CSF.

Autism Spectrum Disorder is increasingly associated with atypical perceptual and sensory symptoms. Here we explore the hypothesis that aberrant sensory processing in Autism Spectrum Disorder could be linked to atypical intra- (local) and inter-regional (global) brain connectivity. To elucidate oscillatory dynamics and connectivity in the visual domain we used magnetoencephalography and a simple visual grating paradigm with a group of 18 adolescent autistic participants and 18 typically developing controls. Both groups showed similar increases in gamma (40-80Hz) and decreases in alpha (8-13Hz) frequency power in occipital cortex. However, systematic group differences emerged when analysing intra- and inter-regional connectivity in detail. Firstly, directed connectivity was estimated using non-parametric Granger causality between visual areas V1 and V4. Feedforward V1-to-V4 connectivity, mediated by gamma oscillations, was equivalent between Autism Spectrum Disorder and control groups, but importantly, feedback V4-to-V1 connectivity, mediated by alpha (8-13Hz) oscillations, was significantly reduced in the Autism Spectrum Disorder group. This reduction was positively correlated with autistic quotient scores, consistent with an atypical visual hierarchy in autism, characterised by reduced top-down modulation of visual input via alpha-band oscillations. Secondly, at the local level in V1, coupling of alpha-phase to gamma amplitude (alpha-gamma phase amplitude coupling, PAC) was reduced in the Autism Spectrum Disorder group. This implies dysregulated local visual processing, with gamma oscillations decoupled from patterns of wider alpha-band phase synchrony (i.e. reduced PAC), possibly due to an excitation-inhibition imbalance. More generally, these results are in agreement with predictive coding accounts of neurotypical perception and indicate that visual processes in autism are less modulated by contextual feedback information.* ASD : Autism Spectrum Disorder MEG : Magnetoencephalography PAC : Phase Amplitude Coupling E-I : Excitation-Inhibition ECoG : Electrocorticography GSQ : Glasgow Sensory Questionnaire AQ : Autism Quotient GC : Granger Causality DAI : Directed Asymmetry Index ROI : Region of Interest tSSS : temporo-spatial signal separation

The human cortex is characterized by local morphological features such as cortical thickness, myelin content and gene expression that change along the posterior-anterior axis. We investigated if these structural gradients are associated with a similar gradient in a prominent feature of brain activity - namely the frequency of brain oscillations. In resting-state MEG recordings from healthy participants (N=187), we found that the strongest peak frequency in a brain area decreases significantly, gradually and robustly along the posterior-anterior axis following the global hierarchy from early sensory to higher-order areas. This spatial gradient of peak frequency was significantly anticorrelated with the cortical thickness of corresponding areas representing a proxy of the cortical hierarchical level. This result indicates that the intrinsic 'resonance' frequency decreases systematically from early sensory to higher-order areas and establishes a new structure-function relationship pertaining to brain oscillations as a core organizational principle that may underlie hierarchical specialization in the brain.

We present a significant extension of the Brain Imaging Data Structure (BIDS) to support the specific aspects of magnetoencephalography (MEG) data. MEG provides direct measurement of brain activity with millisecond temporal resolution and unique source imaging capabilities. So far, BIDS has provided a solution to structure the organization of magnetic resonance imaging (MRI) data, which nature and acquisition parameters are different. Despite the lack of standard data format for MEG, MEG-BIDS is a principled solution to store, organize and share the typically-large data volumes produced. It builds on BIDS for MRI, and therefore readily yields a multimodal data organization by construction. This is particularly valuable for the anatomical and functional registration of MEG source imaging with MRI. With MEG-BIDS and a growing range of software adopting the standard, the MEG community has a solution to minimize curation overheads, reduce data handling errors and optimize usage of computational resources for analytics. The standard also includes well-defined metadata, to facilitate future data harmonization and sharing efforts.