Abstract Evoked neural responses to sensory stimuli have been extensively investigated in humans and animal models both to enhance our understanding of brain function and to aid in clinical diagnosis of neurological and neuropsychiatric conditions. Recording and imaging techniques such as electroencephalography (EEG), magnetoencephalography (MEG), local field potentials (LFPs), and calcium imaging provide complementary information about different aspects of brain activity at different spatial and temporal scales. Modeling and simulations provide a way to integrate these different types of information to clarify underlying neural mechanisms. In this study, we aimed to shed light on the neural dynamics underlying auditory evoked responses by fitting a rate-based model to LFPs recorded via multi-contact electrodes which simultaneously sampled neural activity across cortical laminae. Recordings included neural population responses to best-frequency (BF) and non-BF tones at four representative sites in primary auditory cortex (A1) of awake monkeys. The model considered major neural populations of excitatory, parvalbumin-expressing (PV), and somatostatin-expressing (SOM) neurons across layers 2/3, 4, and 5/6. Unknown parameters, including the connection strength between the populations, were fitted to the data. Our results revealed similar population dynamics, fitted model parameters, predicted equivalent current dipoles (ECD), tuning curves, and lateral inhibition profiles across recording sites and animals, in spite of quite different extracellular current distributions. We found that PV firing rates were higher in BF than in non-BF responses, mainly due to different strengths of tonotopic thalamic input, whereas SOM firing rates were higher in non-BF than in BF responses due to lateral inhibition. In conclusion, we demonstrate the feasibility of the model-fitting approach in identifying the contributions of cell-type specific population activity to stimulus-evoked LFPs across cortical laminae, providing a foundation for further investigations into the dynamics of neural circuits underlying cortical sensory processing.

Abstract Sensitivity to repetitions in sound amplitude and frequency is crucial for sound perception. As with other aspects of sound processing, sensitivity to such patterns may change with age, and may help explain some age-related changes in hearing such as segregating speech from background sound. We recorded magnetoencephalography to characterize differences in the processing of sound patterns between younger and older adults. We presented tone sequences that either contained a pattern (made of a repeated set of tones) or did not contain a pattern. We show that auditory cortex in older, compared to younger, adults is hyperresponsive to sound onsets, but that sustained neural activity in auditory cortex, indexing the processing of a sound pattern, is reduced. Hence, the sensitivity of neural populations in auditory cortex fundamentally differs between younger and older individuals, overresponding to sound onsets, while underresponding to patterns in sounds. This may help to explain some age-related changes in hearing such as increased sensitivity to distracting sounds and difficulties tracking speech in the presence of other sound.

Abstract Perception of speech requires sensitivity to features, such as amplitude and frequency modulations, that are often temporally regular. Previous work suggests age-related changes in neural responses to temporally regular features, but little work has focused on age differences for different types of modulations. We recorded magnetoencephalography in younger (21–33 years) and older adults (53–73 years) to investigate age differences in neural responses to slow (2-6 Hz sinusoidal and non-sinusoidal) modulations in amplitude, frequency, or combined amplitude and frequency. Audiometric pure-tone average thresholds were elevated in older compared to younger adults, indicating subclinical hearing impairment in the recruited older-adult sample. Neural responses to sound onset (independent of temporal modulations) were increased in magnitude in older compared to younger adults, suggesting hyperresponsivity and a loss of inhibition in the aged auditory system. Analyses of neural activity to modulations revealed greater neural synchronization with amplitude, frequency, and combined amplitude-frequency modulations for older compared to younger adults. This potentiated response generalized across different degrees of temporal regularity (sinusoidal and non-sinusoidal), although neural synchronization was generally lower for non-sinusoidal modulation. Despite greater synchronization, sustained neural activity was reduced in older compared to younger adults for sounds modulated both sinusoidally and non-sinusoidally in frequency. Our results suggest age differences in the sensitivity of the auditory system to features present in speech and other natural sounds.

Non-invasive approaches to modulate oscillatory activity in the brain receive growing popularity in the scientific community. Transcranial alternating current stimulation (tACS) has been shown to modulate neural oscillations in a frequency specific manner. Due to a massive stimulation artifact at the targeted frequency, only little is known about effects of tACS during stimulation. I.e. it remains unclear how the continuous application of tACS affects event-related oscillations during cognitive tasks. Depending on whether tACS merely affects pre- or post-stimulus oscillations or both, stimulation can alter patterns of event-related oscillatory dynamics in various directions or may not affect them at all. Thus, knowledge about these directions is crucial to plan, predict and understand outcomes of solely behavioral tACS experiments. Here, a recently proposed procedure to suppress tACS artifacts by projecting MEG data into source space using spatial filtering was utilized to recover event-related power modulations in the alpha band during a mental rotation task. MEG of twenty-five volunteers was continuously recorded. After 10 minutes of baseline measurement, they received either 20 minutes of tACS at individual alpha frequency or sham stimulation. Another 40 minutes of MEG were acquired thereafter. Data were projected into source space and carefully examined for residual artifacts. Results revealed strong facilitation of event-related power modulations in the alpha band during tACS application. Data provide first direct evidence, that tACS does not counteract top-down suppression of intrinsic oscillations, but rather enhances pre-existent power modulations within the range of the individual alpha (=stimulation) frequency.

In perceptual decision making the brain extracts and accumulates decision evidence from a stimulus over time and eventually makes a decision based on the accumulated evidence. Several characteristics of this process have been observed in human electrophysiological experiments, especially an average build-up of motor-related signals supposedly reflecting accumulated evidence, when averaged across trials. Another recently established approach to investigate the representation of decision evidence in brain signals is to correlate the within-trial fluctuations of decision evidence with the measured signals. We here report results for a two-alternative forced choice reaction time experiment in which we applied this approach to human magnetoencephalographic (MEG) recordings. These results consolidate a range of previous findings. In addition, they show: 1) that decision evidence is most strongly represented in the MEG signals in three consecutive phases, 2) that motor areas contribute longer to these representations than parietal areas and 3) that posterior cingulate cortex is involved most consistently, among all brain areas, in all three of the identified phases. As most previous work on perceptual decision making in the brain has focused on parietal and motor areas, our findings therefore suggest that the role of the posterior cingulate cortex in perceptual decision making may be currently underestimated.

Abstract Listening in everyday life requires attention to be deployed dynamically – when listening is expected to be difficult and when relevant information is expected to occur – to conserve mental resources. Conserving mental resources may be particularly important for older adults who often experience difficulties understanding speech. In the current study, we use electro- and magnetoencephalography to investigate the neural and behavioral mechanics of attention regulation during listening and the effects that aging has on these. We show that neural alpha oscillatory activity indicates when in time attention is deployed (Experiment 1) and that deployment depends on listening difficulty (Experiment 2). Older adults (54–72 years) also show successful attention regulation but appear to utilize timing information differently compared to younger adults (20–33 years). We further show a notable age-group dissociation in recruited brain regions. In younger adults, superior parietal cortex underlies alpha power during attention regulation, whereas, in older adults, alpha power emerges from more ventro-lateral areas (posterior temporal cortex; Experiment 3). This difference in the sources of alpha activity between age groups only occurred during task performance and was absent during rest (Experiment S1). In sum, our study suggests that older adults employ different neural control strategies compared to younger adults to regulate attention in time under listening challenges.

Abstract Background Accurate high-resolution EEG source reconstruction (localization) is important for several tasks, including rigorous and rapid mental health screening. Objective The present study has developed, validated, and applied a new source localization algorithm utilizing a charge-based boundary element fast multipole method (BEM-FMM) coupled with the Helmholtz reciprocity principle and the transcranial electrical stimulation (TES) forward solution. Methods The unknown cortical dipole density is reconstructed over the entire cortical surface by expanding into global basis functions in the form of cortical fields of active TES electrode pairs. These pairs are constructed from the reading electrodes. An analog of the minimum norm estimation (MNE) equation is obtained after substituting this expansion into the reciprocity principle written in terms of measured electrode voltages. Delaunay (geometrically balanced) triangulation of the electrode cap is introduced first. Basis functions for all electrode pairs connected by the edges of a triangular mesh are precomputed and stored in memory. A smaller set of independent basis functions is then selected and employed at every time instant. This set is based on the highest voltage differences measured. Results The method is validated against the classic, yet challenging problem of median nerve stimulation and the tangential cortical sources located at the posterior wall of the central sulcus for an N20/P20 peak (2 scanned subjects). The method is further applied to perform source reconstruction of synthesized tangential cortical sources located at the posterior wall of the central sulcus (12 different subjects). In the second case, an average source reconstruction error of 7 mm is reported for the best possible noiseless scenario. Conclusions Once static preprocessing with TES electrodes has been done (the basis functions have been computed), our method requires fractions of a second to complete the accurate high-resolution source localization.

Abstract The event-related potential/field component N400(m) has been widely used as a neural index for semantic prediction. It has long been hypothesized that feedback information from inferior frontal areas plays a critical role in generating the N400. However, due to limitations in causal connectivity estimation, direct testing of this hypothesis has remained difficult. Here, magnetoencephalography (MEG) data was obtained during a classic N400 paradigm where the semantic predictability of a fixed target noun was manipulated in simple German sentences. To estimate causality, we implemented a novel approach based on machine learning and temporal generalization to estimate the effect of inferior frontal gyrus (IFG) on temporal areas. In this method, a support vector machine (SVM) classifier is trained on each time point of the neural activity in IFG to classify less predicted (LP) and highly predicted (HP) nouns and then tested on all time points of superior/middle temporal sub- regions activity (and vice versa, to establish spatio-temporal evidence for or against causality). The decoding accuracy was significantly above chance level when the classifier was trained on IFG activity and tested on future activity in superior and middle temporal gyrus (STG/MTG). The results present new evidence for a model predictive speech comprehension where predictive IFG activity is fed back to shape subsequent activity in STG/MTG, implying a feedback mechanism in N400 generation. In combination with the also observed strong feedforward effect from left STG/MTG to IFG, our findings provide evidence of dynamic feedback and feedforward influences between IFG and temporal areas during N400 generation.

Cross-frequency coupling (CFC) is a phenomenon through which spatially and spectrally distributed information can be integrated in the brain. There is, however, a lack of methods decomposing brain electrophysiological data into interacting components. Here, we propose a novel framework for detecting such interactions in Magneto- and Electroencephalography (MEG/EEG), which we refer to as Nonlinear Interaction Decomposition (NID). In contrast to all previous methods for separation of cross-frequency (CF) sources in the brain, we propose that the extraction of nonlinearly interacting oscillations can be based on the statistical properties of their linear mixtures. The main idea of NID is that nonlinearly coupled brain oscillations can be mixed in such a way that the resulting linear mixture has a non-Gaussian distribution. We evaluate this argument analytically for amplitude-modulated narrow-band oscillations which are either phase-phase or amplitude-amplitude CF coupled. We validated NID extensively with simulated EEG obtained with realistic head modeling. The method extracted nonlinearly interacting components reliably even at SNRs as small as −15 (dB). Additionally, we applied NID to the resting-state EEG of 81 subjects to characterize CF phase-phase coupling between alpha and beta oscillations. The extracted sources were located in temporal, parietal and frontal areas, demonstrating the existence of diverse local and distant nonlinear interactions in resting-state EEG data.

Objective: To compare cortical dipole fitting spatial accuracy between the widely used yet highly simplified 3-layer and modern more realistic 5-layer BEM-FMM models with and without adaptive mesh refinement (AMR) methods. Methods: We generate simulated noiseless 256-channel EEG data from 5-layer (7-compartment) meshes of 15 subjects from the Connectome Young Adult dataset. For each subject, we test four dipole positions, three sets of conductivity values, and two types of head segmentation. We use the boundary element method (BEM) with fast multipole method (FMM) acceleration, with or without (AMR), for forward modeling. Dipole fitting is carried out with the FieldTrip MATLAB toolbox. Results: The average position error (across all tested dipoles, subjects, and models) is ~4 mm, with a standard deviation of ~2 mm. The orientation error is ~20 deg on average, with a standard deviation of ~15 deg. Without AMR, the numerical inaccuracies produce a larger disagreement between the 3- and 5-layer models, with an average position error of ~8 mm (6 mm standard deviation), and an orientation error of 28 deg (28 deg standard deviation). Conclusions: The low-resolution 3-layer models provide excellent accuracy in dipole localization. On the other hand, dipole orientation is retrieved less accurately. Therefore, certain applications may require more realistic models for practical source reconstruction. AMR is a critical component for improving the accuracy of forward EEG computations using a high-resolution 5-layer volume conduction model. Significance: Improving EEG source reconstruction accuracy is important for several clinical applications, including epilepsy and other seizure-inducing conditions.