Cells in the precentral gyrus of the human brain directly send signals to the periphery to generate movement and are topologically organized as a map of the body. We find that movement induced electrophysiological changes from implanted depth electrodes extend this map 3-dimensionally throughout the volume of the gyrus. Unexpectedly, this organization is interrupted by a motor association area in the depths of the central sulcus at its mid-lateral aspect that is active during many different types of movements from both sides of the body.

Abstract Music perception engages multiple brain regions, however the neural dynamics of this core human experience remains elusive. We applied predictive models to intracranial EEG data from 29 patients listening to a Pink Floyd song. We investigated the relationship between the song spectrogram and the elicited high-frequency activity (70-150Hz), a marker of local neural activity. Encoding models characterized the spectrotemporal receptive fields (STRFs) of each electrode and decoding models estimated the population-level song representation. Both methods confirmed a crucial role of the right superior temporal gyri (STG) in music perception. A component analysis on STRF coefficients highlighted overlapping neural populations tuned to specific musical elements (vocals, lead guitar, rhythm). An ablation analysis on decoding models revealed the presence of unique musical information concentrated in the right STG and more spatially distributed in the left hemisphere. Lastly, we provided the first song reconstruction decoded from human neural activity.

Abstract The scientific and clinical value of event-related potentials (ERPs) depends on understanding the contributions to them of three possible mechanisms: (1) additivity of time-locked voltage changes; (2) phase resetting of ongoing oscillations; (3) asymmetrical oscillatory activity. Their relative contributions are currently uncertain. This study uses analysis of human electrocorticographic activity to quantify the origins of movement-related potentials (MRPs) and auditory evoked potentials (AEPs). The results show that MRPs are generated primarily by endogenous additivity (88%). In contrast, P1 and N1 components of AEPs are generated almost entirely by exogenous phase reset (93%). Oscillatory asymmetry contributes very little. By clarifying ERP mechanisms, these results enable creation of ERP models; and they enhance the value of ERPs for understanding the genesis of normal and abnormal auditory or sensorimotor behaviors.

What is the neural basis of the human capacity for music? Neuroimaging has suggested some segregation between responses to music and other sounds, like speech. But it remains unclear whether finer-grained neural organization exists within the domain of music. Here, using intracranial recordings from the surface of the human brain, we demonstrate a selective response to music with vocals, distinct from responses to speech and to music more generally. Song selectivity was evident using both data-driven component modeling and single-electrode analyses, and could not be explained by standard acoustic features. These results suggest that music is represented by multiple neural populations selective for different aspects of music, at least one of which is specialized for the analysis of song.

Abstract Precise electrode localization is important for maximizing the utility of intracranial EEG data. Electrodes are typically localized from post-implantation CT artifacts, but algorithms can fail due to low signal-to-noise ratio, unrelated artifacts, or high-density electrode arrays. Minimizing these errors usually requires time-consuming visual localization and can still result in inaccurate localizations. In addition, surgical implantation of grids and strips typically introduces non-linear brain deformations, which result in anatomical registration errors when post-implantation CT images are fused with the pre-implantation MRI images. Several projection methods are currently available, but they either fail to produce smooth solutions or do not account for brain deformations. To address these shortcomings, we propose two novel algorithms for the anatomical registration of intracranial electrodes that are almost fully automatic and provide highly accurate results. We first present GridFit, an algorithm that simultaneously localizes all contacts in grids, strips, or depth arrays by fitting flexible models to the electrodes’ CT artifacts. We observed localization errors of less than one millimeter (below 8% relative to the inter-electrode distance) and robust performance under the presence of noise, unrelated artifacts, and high-density implants when we ran ∼6000 simulated scenarios. Furthermore, we validated the method with real data from 20 intracranial patients. As a second registration step, we introduce CEPA, a brain-shift compensation algorithm that combines orthogonal-based projections, spring-mesh models, and spatial regularization constraints. When tested with real data from 15 patients, anatomical registration errors were smaller than those obtained for well-established alternatives. Additionally, CEPA accounted simultaneously for simple mechanical deformation principles, which is not possible with other available methods. Inter-electrode distances of projected coordinates smoothly changed across neighbor electrodes, while changes in inter-electrode distances linearly increased with projection distance. Moreover, in an additional validation procedure, we found that modeling resting-state high-frequency activity (75-145 Hz) in five patients further supported our new algorithm. Together, GridFit and CEPA constitute a versatile set of tools for the registration of subdural grid, strip, and depth electrode coordinates that provide highly accurate results even in the most challenging implantation scenarios. The methods presented here are implemented in the iElectrodes open-source toolbox, making their use simple, accessible, and straightforward to integrate with other popular toolboxes used for analyzing electrophysiological data.

Abstract This article describes our initial work toward a general-purpose platform for non-invasive neurotechnology research. This platform consists of a multi-modal wireless recording device, an associated software API, and full integration into BCI2000 software. The device is placed on the forehead and features two electroencephalographic (EEG) sensors, an inertial movement sensor (IMU), a photoplethysmogram (PPG) sensor, a microphone, and vibration-based feedback. Herein, we demonstrate different technical characteristics of our platform and its use in the context of sleep monitoring/modulation, simultaneous and synchronized recordings from different hardware, and evoked potentials. With further development and widespread dissemination, our platform could become an important tool for research into new non-invasive neurotechnology protocols in humans.

Context modulates sensory neural activations enhancing perceptual and behavioral performance and reducing prediction errors. However, the mechanism of when and where these high-level expectations act on sensory processing is unclear. Here, we isolate the effect of expectation absent any auditory evoked activity by assessing the response to omitted expected sounds. Electrophysiological signals were recorded directly from the superior temporal gyrus (STG) and superior temporal sulcus (STS) in patients with medically refractory epilepsy. Subjects listened to a predictable sequence of syllables, with some infrequently omitted. We found a high frequency band (HFB, 70-150Hz) response to omissions, which overlap with a posterior subset of auditory active electrodes. This response is distinct from omission activations observed in non-auditory selective sites in STG. Heard syllables could be classified reliably from STG, but not the identity of the omitted stimulus. Both omission- and target detection activations were also observed in prefrontal cortex. We propose that the posterior STG and STS are central for implementing predictions in the auditory environment. HFB omission activations in this region appear to index mismatch-signaling or salience detection processes.