Abstract Background Brain sensing devices are approved today for Parkinson’s, essential tremor, and epilepsy therapies. Clinical decisions for implants are often influenced by the premise that patients will benefit from using sensing technology. However, artifacts, such as ECG contamination, can render such treatments unreliable. Therefore, clinicians need to understand how surgical decisions may affect artifact probability. Objectives Investigate neural signal contamination with ECG activity in sensing enabled neurostimulation systems, and in particular clinical choices such as implant location that impact signal fidelity. Methods Electric field modelling and empirical signals from 85 patients were used to investigate the relationship between implant location and ECG contamination.a Results The impact on neural recordings depends on the difference between ECG signal and noise floor of the electrophysiological recording. Empirically, we demonstrate that severe ECG contamination was more than 3.2x higher in left-sided subclavicular implants (48.3%), when compared to right-sided implants (15.3%). Cranial implants did not show ECG contamination. Conclusions Given the relative frequency of corrupted neural signals, we conclude that implant location will impact the ability of brain sensing devices to be used for “closed-loop” algorithms. Clinical adjustments such as implant location can significantly affect signal integrity and need consideration. Highlights Chronic embedded brain sensing promises algorithm-based neurostimulation Algorithms for closed-loop stimulation can be impaired by artifacts The relationship of implant location to cardiac dipole has relevant impact on neural signal fidelity; simple models can provide guidance on the sensitivity ECG artifacts are present in up to 50% of neural signals from left subclavicular DBS systems Implanting DBS in a right subclavicular location significantly reduces frequency of ECG artifacts Cranial-mounted implants are relatively immune to artifacts

Information flow in brain networks is reflected in intracerebral local field potential (LFP) measurements that have both periodic and aperiodic components. The 1/fχ broadband aperiodic component of the power spectra has been shown to track arousal level and to correlate with other physiological and pathophysiological states, with consistent patterns across cortical regions. Previous studies have focused almost exclusively on cortical neurophysiology. Here we explored the aperiodic activity of subcortical nuclei from the human thalamus and basal ganglia, in relation to simultaneously recorded cortical activity. We elaborated on the FOOOF (fitting of one over f) method by creating a new parameterization of the aperiodic component with independent and more easily interpretable parameters, which allows seamlessly fitting spectra with and without an aperiodic knee, a component of the signal that reflects the dominant timescale of aperiodic fluctuations. First, we found that the aperiodic exponent from sensorimotor cortex in Parkinson's disease (PD) patients correlated with disease severity. Second, although the aperiodic knee frequency changed across cortical regions as previously reported, no aperiodic knee was detected from subcortical regions across movement disorders patients, including the ventral thalamus (VIM), globus pallidus internus (GPi) and subthalamic nucleus (STN). All subcortical region studied exhibited a relatively low aperiodic exponent (χSTN=1.3±0.2, χVIM=1.4±0.1, χGPi =1.4±0.1) that differed markedly from cortical values (χCortex=3.2±0.4, fkCortex=17±5 Hz). These differences were replicated in a second dataset from epilepsy patients undergoing intracranial monitoring that included thalamic recordings. The consistently lower aperiodic exponent and lack of an aperiodic knee from all subcortical recordings may reflect cytoarchitectonic and/or functional differences between subcortical nuclei and the cortex.

Why does closed-loop invasive brain stimulation improve seizure control in some patients with epilepsy, but not others? The RNS System, the only FDA-approved bi-directional brain-computer interface, has been shown to improve seizure control in patients with refractory epilepsy, although the mechanisms behind this success are undefined. We analyzed recordings from the RNS System and discovered two main categories of electrophysiological signatures of stimulation-induced modulation of the seizure network. Direct effects included ictal inhibition and early frequency modulation but did not correlate with improved clinical outcomes. Only indirect effects, those occurring remote from triggered stimulation, predicted improved clinical outcomes. These indirect effects, which included spontaneous ictal inhibition, frequency modulation, fragmentation, and ictal duration modulation, may reflect progressive local epileptogenic network compartmentalization that hinders the spread of pathological synchrony from recruiting neuronal populations. Our findings suggest that responsiveness to RNS may be explained by chronic stimulation-induced modulation of seizure network activity, rather than direct effects on each detected seizure.

This work investigates the presence of common anatomic regions associated with interictal activity in patients with hyperkinetic seizures type I by means of concurrent electroencephalography and functional magnetic resonance imaging.