Abstract Deidentifying MRIs constitutes an imperative challenge, as it aims at precluding the possibility of re-identification of a research subject or patient, but at the same time it should preserve as much geometrical information as possible, in order to maximize data reusability and to facilitate interoperability. Although several deidentification methods exist, no comprehensive and comparative evaluation of deidentification performance has been carried out across them. Moreover, the possible ways these methods can compromise subsequent analysis has not been exhaustively tested. To tackle these issues, we developed AnonyMI, a novel MRI deidentification method, implemented as a user-friendly 3D Slicer plugin-in, which aims at providing a balance between identity protection and geometrical preservation. To test these features, we performed two series of analyses on which we compared AnonyMI to other two state-of-the-art methods, to evaluate, at the same time, how efficient they are at deidentifying MRIs and how much they affect subsequent analyses, with particular emphasis on source localization procedures. Our results show that all three methods significantly reduce the re-identification risk but AnonyMI provides the best geometrical conservation. Notably, it also offers several technical advantages such as a user-friendly interface, multiple input-output capabilities, the possibility of being tailored to specific needs, batch processing and efficient visualization for quality assurance.

Abstract Background Cortico-cortical evoked potentials (CCEPs) recorded by stereo-electroencephalography (SEEG) are a valuable clinical tool to investigate brain reactivity and effective connectivity. However, these invasive recordings are spatially sparse since they depend on clinical needs. This sparsity hampers systematic comparisons across-subjects, the detection of the whole-brain spatiotemporal properties of CCEPs, as well as their relationships with classic sensory evoked potentials. Objective To demonstrate that CCEPs recorded by high-density electroencephalography (hd-EEG) are sensitive to changes in stimulation parameters and compensate for the limitations typical of invasive recordings. Methods SEEG and hd-EEG activities were simultaneously recorded during SPES in drug-resistant epileptic patients (N=36). Changes in stimulation parameters encompassed physical (pulse intensity and width), geometrical (angle and position with respect to white/grey matter) and topological (stimulated cortical area) properties. Differences were assessed by measuring the overall responses and the amplitude of N1 and N2 components of the CCEPs, and by their spectral profiles. Results While invasive and non-invasive CCEPs were generally correlated, differences in pulse duration, angle and stimulated cortical area were better captured by hd-EEG. Further, hd-EEG responses to SPES reproduced basic features of responses to transcranial magnetic stimulation and showed a much larger amplitude as compared to typical sensory evoked potentials. Conclusions The present results show that macroscale hd-EEG recordings are exquisitely sensitive to variations in SPES parameters, including local changes in physical and geometrical stimulus properties, while providing valuable information about whole-brain dynamics. Moreover, the common reference space across subjects represented by hd-EEG may facilitate the construction of a perturbational atlas of effective connectivity. Highlights CCEPs recorded with hd-EEG and SEEG are correlated. hd-EEG recording is highly sensitive to changes in stimulation parameters. hd-EEG responses show higher amplitude responses with respect to non-invasive ones. Simultaneous recordings provide a fixed observation point across subjects.

Abstract Cortical stimulation with single pulses is a common technique in clinical practice and research. However, we still do not understand the extent to which it engages subcortical circuits which contribute to the associated evoked potentials (EPs). Here we find that cortical stimulation generates remarkably similar EPs in humans and mice, with a late component similarly modulated by the subject’s behavioral state. We optogenetically dissect the underlying circuit in mice, demonstrating that the late component of these EPs is caused by a thalamic hyperpolarization and rebound. The magnitude of this late component correlates with the bursting frequency and synchronicity of thalamic neurons, modulated by the subject’s behavioral state. A simulation of the thalamo-cortical circuit highlights that both intrinsic thalamic currents as well as cortical and thalamic GABAergic neurons contribute to this response profile. We conclude that the cortical stimulation engages cortico-thalamo-cortical circuits highly preserved across different species and stimulation modalities. Graphical abstract

Precisely localizing the sources of brain activity as recorded by EEG is a fundamental procedure and a major challenge for both research and clinical practice. Even though many methods and algorithms have been proposed, their relative advantages and limitations are still not well established. Moreover, these methods involve tuning multiple parameters, for which no principled way of selection exists yet. These uncertainties are emphasized due to the lack of ground-truth for their validation and testing. Here we provide the first open dataset that comprises EEG recorded electrical activity originating from precisely known locations inside the brain of living humans. High-density EEG was recorded as single-pulse biphasic currents were delivered at intensities ranging from 0.1 to 5 mA through stereotactically implanted electrodes in diverse brain regions during pre-surgical evaluation of patients with drug-resistant epilepsy. The uses of this dataset range from the estimation of in vivo tissue conductivity to the development, validation and testing of forward and inverse solution methods.

At any given moment, we experience a perceptual scene as a single whole and yet we may distinguish a variety of objects within it. This phenomenon instantiates two properties of conscious perception: integration and differentiation. Integration to experience a collection of objects as a unitary percept, and differentiation to experience these objects as distinct from each other. Here we evaluated the neural information dynamics underlying integration and differentiation of perceptual contents during bistable perception. Participants listened to a sequence of tones (auditory bistable stimuli) experienced either as a single stream (perceptual integration) or as two parallel streams (perceptual differentiation) of sounds. We computed neurophysiological indices of information integration and information differentiation with electroencephalographic and intracranial recordings. When perceptual alternations were endogenously driven, the integrated percept was associated with an increase in neural information-integration and a decrease in neural differentiation across frontoparietal regions, whereas the opposite pattern was observed for the differentiated percept. However, when perception was exogenously driven by a change in the sound stream (no bistability) neural oscillatory power distinguished between percepts but information measures did not. We demonstrate that perceptual integration and differentiation can be mapped to theoretically-motivated neural information signatures, suggesting a direct relationship between phenomenology and neurophysiology.

Abstract Electrical source imaging (ESI) aims at reconstructing the electrical brain activity from measurements of the electric field on the scalp. Even though the localization of single focal sources should be relatively straightforward, different methods provide diverse solutions due to the different underlying assumptions. Furthermore, their input parameter(s) further affects the solution provided by each method, making localization even more challenging. In addition, validations and comparisons are typically performed either on synthetic data or through post-operative outcomes, in both cases with considerable limitations. We use an in-vivo high-density EEG dataset recorded during intracranial single pulse electrical stimulation, in which the true sources are substantially dipolar and their locations are known. We compare ten different ESI methods under multiple choices of input parameters, to assess the accuracy of the best reconstruction, as well as the impact of the parameters on the localization performance. Best reconstructions often fall within 1 cm from the true source, with more accurate methods outperforming less accurate ones by 1 cm, on average. Expectedly, dipolar methods tend to outperform distributed methods. Sensitivity to input parameters varies widely between methods. Depth weighting played no role for three out of six methods implementing it. In terms of regularization parameters, for several distributed methods SNR=1 unexpectedly turned out to be the best choice among the tested ones. Our data show similar levels of accuracy of ESI techniques when applied to “conventional” (32 channels) and dense (64, 128, 256 channels) EEG recordings. Overall findings reinforce the importance that ESI may have in the clinical context, especially when applied to identify the surgical target in potential candidates for epilepsy surgery.

The purpose of this study was to evaluate the applicability of visual evoked potentials (VEP) for intraoperative visual pathway monitoring in epilepsy surgery of the posterior hemispheric quadrant (PHQ) and to correlate it with post-operative visual field status.

ABSTRACT The human brain exhibits a modular and hierarchical structure, spanning low-order sensorimotor to high-order cognitive/affective systems. What is the causal significance of this organization for brain dynamics and information processing properties? We investigated this question using rare simultaneous multimodal electrophysiology (stereotactic and scalp EEG) recordings in patients during presurgical intracerebral electrical stimulation (iES). Our analyses revealed an anatomical gradient of excitability across the cortex, with stronger iES-evoked EEG responses in high-order compared to low-order regions. Mathematical modeling further showed that this variation in excitability levels results from a differential dependence of recurrent feedback from non-stimulated regions across the anatomical hierarchy, and could be extinguished by suppressing those connections in-silico. High-order brain regions/networks thus show a more functionally integrated processing style than low-order ones, which manifests as a spatial gradient of excitability that is emergent from, and causally dependent on, the underlying hierarchical network structure.