Human neuroimaging studies suggest that localization and identification of relevant auditory objects are accomplished via parallel parietal-to-lateral-prefrontal “where” and anterior-temporal-to-inferior-frontal “what” pathways, respectively. Using combined hemodynamic (functional MRI) and electromagnetic (magnetoencephalography) measurements, we investigated whether such dual pathways exist already in the human nonprimary auditory cortex, as suggested by animal models, and whether selective attention facilitates sound localization and identification by modulating these pathways in a feature-specific fashion. We found a double dissociation in response adaptation to sound pairs with phonetic vs. spatial sound changes, demonstrating that the human nonprimary auditory cortex indeed processes speech-sound identity and location in parallel anterior “what” (in anterolateral Heschl’s gyrus, anterior superior temporal gyrus, and posterior planum polare) and posterior “where” (in planum temporale and posterior superior temporal gyrus) pathways as early as ≈70–150 ms from stimulus onset. Our data further show that the “where” pathway is activated ≈30 ms earlier than the “what” pathway, possibly enabling the brain to use top-down spatial information in auditory object perception. Notably, selectively attending to phonetic content modulated response adaptation in the “what” pathway, whereas attending to sound location produced analogous effects in the “where” pathway. This finding suggests that selective-attention effects are feature-specific in the human nonprimary auditory cortex and that they arise from enhanced tuning of receptive fields of task-relevant neuronal populations.

In diffusion MRI, simultaneous multi-slice single-shot EPI acquisitions have the potential to increase the number of diffusion directions obtained per unit time, allowing more diffusion encoding in high angular resolution diffusion imaging (HARDI) acquisitions. Nonetheless, unaliasing simultaneously acquired, closely spaced slices with parallel imaging methods can be difficult, leading to high g-factor penalties (i.e., lower SNR). The CAIPIRINHA technique was developed to reduce the g-factor in simultaneous multi-slice acquisitions by introducing inter-slice image shifts and thus increase the distance between aliased voxels. Because the CAIPIRINHA technique achieved this by controlling the phase of the RF excitations for each line of k-space, it is not directly applicable to single-shot EPI employed in conventional diffusion imaging. We adopt a recent gradient encoding method, which we termed "blipped-CAIPI", to create the image shifts needed to apply CAIPIRINHA to EPI. Here, we use pseudo-multiple replica SNR and bootstrapping metrics to assess the performance of the blipped-CAIPI method in 3 × simultaneous multi-slice diffusion studies. Further, we introduce a novel image reconstruction method to reduce detrimental ghosting artifacts in these acquisitions. We show that data acquisition times for Q-ball and diffusion spectrum imaging (DSI) can be reduced 3-fold with a minor loss in SNR and with similar diffusion results compared to conventional acquisitions.

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° on average, with a standard deviation of ∼15°. 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° (28° 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.

Abstract Working memory (WM), short term maintenance of information for goal directed behavior, is essential to human cognition. Identifying the neural mechanisms supporting WM is a focal point of neuroscientific research. One prominent theory hypothesizes that WM content is carried in a dynamic fashion, involving an “activity-silent” brain state based on synaptic facilitation. Information carried in such activity-silent brain states could be decodable from content-specific changes in responses to unrelated “impulse stimuli”. A potential method for such impulses is single-pulse transcranial magnetic stimulation (TMS) with its focal, precise nature. Here, we tested the activity-silent model by combining TMS/EEG and multivariate pattern analysis (MVPA) with a non-conceptual auditory WM task that employed parametric ripple sound stimuli and a retro-cue design. Our MVPA employed between-subject cross-validation and robust non- parametric permutation testing. The decoding accuracy of WM content significantly increased after a single pulse TMS was delivered to the posterior superior temporal cortex during WM maintenance. Our results are compatible with the theory that WM maintenance involves brain states which are effectively “activity-silent” relative to other intrinsic processes visible in the EEG signal. Single-pulse TMS combined with MVPA could provide a powerful way to decode information content of “activity-silent” brain states involved in WM.

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 Previous studies have demonstrated that auditory cortex activity can be influenced by cross-sensory visual inputs. Intracortical recordings in non-human primates (NHP) have suggested a bottom-up feedforward (FF) type laminar profile for auditory evoked but top-down feedback (FB) type for cross-sensory visual evoked activity in the auditory cortex. To test whether this principle applies also to humans, we analyzed magnetoencephalography (MEG) responses from eight human subjects (six females) evoked by simple auditory or visual stimuli. In the estimated MEG source waveforms for auditory cortex region of interest, auditory evoked responses showed peaks at 37 and 90 ms and cross-sensory visual responses at 125 ms. The inputs to the auditory cortex were then modeled through FF and FB type connections targeting different cortical layers using the Human Neocortical Neurosolver (HNN), which consists of a neocortical circuit model linking the cellular- and circuit-level mechanisms to MEG. The HNN models suggested that the measured auditory response could be explained by an FF input followed by an FB input, and the cross-sensory visual response by an FB input. Thus, the combined MEG and HNN results support the hypothesis that cross-sensory visual input in the auditory cortex is of FB type. The results also illustrate how the dynamic patterns of the estimated MEG/EEG source activity can provide information about the characteristics of the input into a cortical area in terms of the hierarchical organization among areas. Significance statement Laminar intracortical profiles of activity characterize feedforward- and feedback-type influences in the inputs to a cortical area. By combining magnetoencephalography (MEG) and biophysical computational neural modeling, we obtained evidence of cross-sensory visual evoked activity in human auditory cortex being of feedback type. The finding is consistent with previous intracortical recordings in non-human primates. The results illustrate how patterns of MEG source activity can be interpreted in the context of the hierarchical organization among cortical areas.

Abstract A BEM (boundary element method) based approach is developed to accurately solve an EEG/MEG forward problem for a modern high-resolution head model in approximately 60 seconds using a common workstation. The method utilizes a charge-based BEM with fast multipole acceleration (BEM-FMM) and a “smart” mesh pre-refinement (called b -refinement) close to the singular source(s). No costly matrix-filling or direct solution steps typical for the standard BEM are required; the method generates on-skin voltages as well as MEG magnetic fields for high-resolution head models in approximately 60 seconds after initial model assembly. The method is verified both theoretically and experimentally.

Computational modeling of Transcranial Magnetic Stimulation (TMS) is a tradeoff between computational speed vs. spatial precision. In this study, we introduce a software toolkit for high-resolution TMS modeling, which may offer the best of both. The toolkit employs the recently developed boundary element fast multipole method (BEM-FMM) with accurate solution computations close to tissue interfaces. It operates within the MATLAB platform and is designed for a broad, medically-oriented computational research community. To enable easy, subject-specific operation, the package is compatible with human head models generated with automated tools such as SimNIBS and FreeSurfer. Both coil design in free space as well as efficacy and focality of TMS for a specific subject could be modeled by the package, including optional user-defined parametric loops. Detailed and widely used coil models, generated in both CAD and wire formats, may include several hundred thousand elementary current elements and observation spaces with approximately 1 M field points; the corresponding computational times are on the order of 1 sec. Detailed head models with approximately 1 M triangular facets and a mesh resolution of 0.6 points per mm2 are simulated in approximately 1.5 min which is arguably the fastest time to date. Further reduction of computational times is foreseen. The toolkit is augmented with a population of 16 ready-to-use head models for performing simulations for computational studies that do not involve MRI data collection. The toolkit is also augmented with a coil geometry generator capable of creating accurate coil models.

Background: Transcranial magnetic stimulation (TMS) is currently the only non-invasive neurostimulation modality that enables painless and safe supra-threshold stimulation by employing electromagnetic induction to efficiently penetrate the skull. Accurate, fast, and high resolution modeling of the electric fields (E-fields) may significantly improve individualized targeting and dosing of TMS and therefore enhance the efficiency of existing clinical protocols as well as help establish new application domains. Objective: To present and disseminate our TMS modeling software toolkit, including several new algorithmic developments, and to apply this software to realistic TMS modeling scenarios given a high-resolution model of the human head including cortical geometry and an accurate coil model. Method: The recently developed charge-based boundary element fast multipole method (BEM-FMM) is employed as an alternative to the 1st order finite element method (FEM) most commonly used today. The BEM-FMM approach provides high accuracy and unconstrained field resolution close to and across cortical interfaces. Here, the previously proposed BEM-FMM algorithm has been improved in several novel ways. Results and Conclusions: The improvements resulted in a threefold increase in computational speed while maintaining the same solution accuracy. The computational code based on the MATLAB platform is made available to all interested researchers, along with a coil model repository and examples to create custom coils, head model repository, and supporting documentation. The presented software toolkit may be useful for post-hoc analyses of navigated TMS data using high-resolution subject-specific head models as well as accurate and fast modeling for the purposes of TMS coil/hardware development.