Abstract Electrophysiological power spectra typically consist of two components: An aperiodic part usually following an 1/f power law P ∝1/ f β and periodic components appearing as spectral peaks. While the investigation of the periodic parts, commonly referred to as neural oscillations, has received considerable attention, the study of the aperiodic part has only recently gained more interest. The periodic part is usually quantified by center frequencies, powers, and bandwidths, while the aperiodic part is parameterized by the y-intercept and the 1/f exponent β. For investigation of either part, however, it is essential to separate the two components. In this article, we scrutinize two frequently used methods, FOOOF (Fitting Oscillations & One-Over-F) and IRASA (Irregular Resampling Auto-Spectral Analysis), that are commonly used to separate the periodic from the aperiodic component. We evaluate these methods using diverse spectra obtained with electroencephalography (EEG), magnetoencephalography (MEG), and local field potential (LFP) recordings relating to three independent research datasets. Each method and each dataset poses distinct challenges for the extraction of both spectral parts. The specific spectral features hindering the periodic and aperiodic separation are highlighted by simulations of power spectra emphasizing these features. Through comparison with the simulation parameters defined a priori, the parameterization error of each method is quantified. Based on the real and simulated power spectra, we evaluate the advantages of both methods, discuss common challenges, note which spectral features impede the separation, assess the computational costs, and propose recommendations on how to use them.

Abstract While many structural and biochemical changes in the brain have been previously associated with aging, the findings concerning electrophysiological signatures, reflecting functional properties of neuronal networks, remain rather controversial. To try resolve this issue, we took advantage of a large population study (N=1703) and comprehensively investigated the association of multiple EEG biomarkers (power of alpha and theta oscillations, individual alpha peak frequency (IAF), the slope of 1/f power spectral decay), aging, and aging and cognitive performance. Cognitive performance was captured with three factors representing processing speed, episodic memory, and interference resolution. Our results show that not only did IAF decline with age but it was also associated with interference resolution over multiple cortical areas. To a weaker extent, 1/f slope of the PSD showed age-related reductions, mostly in frontal brain regions. Finally, alpha power was negatively associated with the speed of processing in the right frontal lobe, despite the absence of age-related alterations. Our results thus demonstrate that multiple electrophysiological features, as well as their interplay, should be considered when investigating the association between age, neuronal activity, and cognitive performance.

Abstract Immersive virtual reality (VR) enables naturalistic neuroscientific studies while maintaining experimental control, but dynamic and interactive stimuli pose methodological challenges. We here probed the link between emotional arousal, a fundamental property of affective experience, and parieto-occipital alpha power under naturalistic stimulation: 37 young healthy adults completed an immersive VR experience, which included rollercoaster rides, while their EEG was recorded. They then continuously rated their subjective emotional arousal while viewing a replay of their experience. The association between emotional arousal and parieto-occipital alpha power was tested and confirmed by (1) decomposing the continuous EEG signal while maximizing the comodulation between alpha power and arousal ratings and by (2) decoding periods of high and low arousal with discriminative common spatial patterns and a Long Short-Term Memory recurrent neural network. We successfully combine EEG and a naturalistic immersive VR experience to extend previous findings on the neurophysiology of emotional arousal towards real-world neuroscience.

Abstract Analyzing non-invasive recordings of electroencephalography (EEG) and magnetoencephalography (MEG) directly in sensor space, using the signal from individual sensors, is a convenient and standard way of working with this type of data. However, volume conduction introduces considerable challenges for sensor space analysis. While the general idea of signal mixing due to volume conduction in EEG/MEG is recognized, the implications have not yet been clearly exemplified. Here, we illustrate how different types of activity overlap on the level of individual sensors. We show spatial mixing in the context of alpha rhythms, which are known to have generators in different areas of the brain. Using simulations with a realistic 3D head model and lead field and data analysis of a large resting-state EEG dataset, we show that electrode signals can be differentially affected by spatial mixing by computing a sensor complexity measure. While prominent occipital alpha rhythms result in less heterogeneous spatial mixing on posterior electrodes, central electrodes show a diversity of rhythms present. This makes the individual contributions, such as the sensorimotor mu-rhythm and temporal alpha rhythms, hard to disentangle from the dominant occipital alpha. Additionally, we show how strong occipital rhythms rhythms can contribute the majority of activity to frontal channels, potentially compromising analyses that are solely conducted in sensor space. We also outline specific consequences of signal mixing for frequently used assessment of power, power ratios and connectivity profiles in basic research and for neurofeedback application. With this work, we hope to illustrate the effects of volume conduction in a concrete way, such that the provided practical illustrations may be of use to EEG researchers to in order to evaluate whether sensor space is an appropriate choice for their topic of investigation.

Abstract Cross-frequency synchronization (CFS) has been proposed as a mechanism for integrating spatially and spectrally distributed information in the brain. However, investigating CFS in Magneto- and Electroencephalography (MEG/EEG) is hampered by the presence of spurious neuronal interactions due to the non-sinusoidal waveshape of brain oscillations. Such waveshape gives rise to the presence of oscillatory harmonics mimicking genuine neuronal oscillations. Until recently, however, there has been no methodology for removing these harmonics from neuronal data. In order to address this long-standing challenge, we introduce a novel method (called HARMOnic miNImization - Harmoni) that removes the signal components which can be harmonics of a non-sinusoidal signal. Harmoni’s working principle is based on the presence of CFS between harmonic components and the fundamental component of a non-sinusoidal signal. We extensively tested Harmoni in realistic EEG simulations. The simulated couplings between the source signals represented genuine and spurious CFS and within-frequency phase synchronization. Using diverse evaluation criteria, including ROC analyses, we showed that the within- and cross-frequency spurious interactions are suppressed significantly, while the genuine activities are not affected. Additionally, we applied Harmoni to real resting-state EEG data revealing intricate remote connectivity patterns which are usually masked by the spurious connections. Given the ubiquity of non-sinusoidal neuronal oscillations in electrophysiological recordings, Harmoni is expected to facilitate novel insights into genuine neuronal interactions in various research fields, and can also serve as a steppingstone towards the development of further signal processing methods aiming at refining within- and cross-frequency synchronization in electrophysiological recordings.

Abstract Aging is associated with increased white matter hyperintensities (WMHs) and with the alterations of alpha oscillations (7–13 Hz). However, a crucial question remains, whether changes in alpha oscillations relate to aging per se or whether this relationship is mediated by age-related neuropathology like WMHs. Using a large cohort of cognitively healthy older adults (N=907, 60-80 years), we assessed relative alpha power, alpha peak frequency, and long-range temporal correlations (LRTC) from resting-state EEG. We further associated these parameters with voxel-wise WMHs from 3T MRI. We found that a higher prevalence of WMHs in the superior and posterior corona radiata as well as in the thalamic radiation was related to elevated alpha power, with the strongest association in the bilateral occipital cortex. In contrast, we observed no significant relation of the WMHs probability with alpha peak frequency and LRTC. Finally, higher age was associated with elevated alpha power via total WMH volume. Although an increase in alpha oscillations due to WMH can have a compensatory nature, we rather suggest that an elevated alpha power is a consequence of WMH affecting a spatial organization of alpha sources.

Abstract Aggregating voxel-level statistical dependencies between multivariate time series is an important intermediate step when characterising functional connectivity (FC) between larger brain regions. However, there are numerous ways in which voxel-level data can be aggregated into inter-regional FC, and the advantages of each of these approaches are currently unclear. In this study we generate ground-truth data and compare the performances of various pipelines that estimate directed and undirected linear phase-to-phase FC between regions. We test the ability of several existing and novel FC analysis pipelines to identify the true regions within which connectivity was simulated. We test various inverse modelling algorithms, strategies to aggregate time series within regions, and connectivity metrics. Furthermore, we investigate the influence of the number of interactions, the signal-to-noise ratio, the noise mix, the interaction time delay, and the number of active sources per region on the ability of detecting phase-to-phase FC. Throughout all simulated scenarios, lowest performance is obtained with pipelines involving the absolute value of coherency. Further, the combination of dynamic imaging of coherent sources (DICS) beamforming with directed FC metrics that aggregate information across multiple frequencies leads to unsatisfactory results. Pipeline that show promising results with our simulated pseudo-EEG data involve the following steps: (1) Source projection using the linearly-constrained minimum variance (LCMV) beamformer. (2) Principal component analysis (PCA) using the same fixed number of components within every region. (3) Calculation of the multivariate interaction measure (MIM) for every region pair to assess undirected phase-to-phase FC, or calculation of time-reversed Granger Causality (TRGC) to assess directed phase-to-phase FC. We formulate recommendations based on these results that may increase the validity of future experimental connectivity studies. We further introduce the free ROIconnect plugin for the EEGLAB toolbox that includes the recommended methods and pipelines that are presented here. We show an exemplary application of the best performing pipeline to the analysis EEG data recorded during motor imagery.

Abstract The spinal cord is of fundamental importance for somatosensory processing and plays a significant role in various pathologies, such as chronic pain. However, knowledge on spinal cord processing in humans is limited due to the vast technical challenges involved in its investigation via non-invasive recording approaches. Here, we aim to address these challenges by developing an electrophysiological approach – based on a high-density electrode-montage – that allows for characterizing spinal cord somatosensory evoked potentials (SEPs) and combining this with concurrent recordings of the spinal cord’s input (peripheral nerve action potentials) and output (SEPs in brainstem and cortex). In two separate experiments, we first methodologically validate the approach (including replication and robustness analyses) and then assess its application in the context of a neuroscientific question (integrative processes along the neural hierarchy). Critically, we demonstrate the benefits of multi-channel recordings in terms of enhancing sensitivity via spatial filtering, which also allows for obtaining spinal cord SEPs at the single-trial level. We make use of this approach to demonstrate the feasibility of recording spinal cord SEPs in low-signal scenarios (single-digit stimulation) and – most importantly – to provide evidence for bottom-up signal integration already at the level of the spinal cord. Taken together, our approach of concurrent multi-channel recordings of evoked responses along the neural hierarchy allows for a comprehensive assessment of the functional architecture of somatosensory processing at a millisecond timescale.

Abstract Females demonstrate greater risk aversion than males on a variety of tasks, but the underlying neurobiological basis is still unclear. We studied how theta (4-7 Hz) oscillations at rest related to three different measures of risk taking. Thirty-five participants (15 females) completed the Bomb Risk Elicitation Task (BRET), which allowed us to measure risk taking during an economic game. The Domain-Specific Risk-Taking Scale (DOSPERT) was used to measure self-assessed risk attitudes as well as reward and punishment sensitivities. In addition, the Barratt Impulsiveness Scale (BIS11) was included to quantify impulsiveness. To obtain measures of frontal theta asymmetry and frontal theta power, we used magnetoencephalography (MEG) acquired prior to task completion, while participants were at rest. Frontal theta asymmetry correlated with average risk taking during the game but only in the female sample. By contrast, frontal theta power correlated with risk taking as well as with measures of reward and punishment sensitivity in the joint sample. Importantly, we showed that reward sensitivity mediated a correlation between risk taking and the power of theta oscillations localized to the anterior cingulate cortex. In addition, we observed significant sex differences in source- and sensor-space theta power, risk taking during the game, and reward sensitivity. Our findings suggest that sensitivity to rewards, associated with resting-state theta oscillations in the anterior cingulate cortex, is a trait that potentially contributes to sex differences in risk taking.

Abstract Oscillations and evoked responses are two main types of neuronal activity recorded non-invasively with EEG/MEG. Although typically studied separately, they might in fact represent the same neuronal process. One possibility to unite them is to demonstrate that neuronal oscillations have non-zero mean which would indicate that stimulus- or task-triggered amplitude modulation of oscillations will unavoidably lead to the generation of evoked responses. We validated this mechanism using computational modelling and analysis of a large EEG data set. With a biophysical model, we indeed demonstrated that the mean of alpha oscillations is non-zero for a wide range of model parameters. In EEG data we detected non-zero mean alpha oscillations in about 96% of the participants. Furthermore, using complementary neuronal-ensemble modelling, we provided an explanation for the previously observed discrepancies between evoked responses and oscillatory amplitude changes after stimulus presentation. Overall, our results provide strong support for the unification of neuronal oscillations and evoked responses.