Magnetoencephalography (MEG) is measured above the head, which makes it sensitive to variations of the head position with respect to the sensors. Head movements blur the topography of the neuronal sources of the MEG signal, increase localization errors, and reduce statistical sensitivity. Here we describe two novel and readily applicable methods that compensate for the detrimental effects of head motion on the statistical sensitivity of MEG experiments. First, we introduce an online procedure that continuously monitors head position. Second, we describe an offline analysis method that takes into account the head position time-series. We quantify the performance of these methods in the context of three different experimental settings, involving somatosensory, visual and auditory stimuli, assessing both individual and group-level statistics. The online head localization procedure allowed for optimal repositioning of the subjects over multiple sessions, resulting in a 28% reduction of the variance in dipole position and an improvement of up to 15% in statistical sensitivity. Offline incorporation of the head position time-series into the general linear model resulted in improvements of group-level statistical sensitivity between 15% and 29%. These tools can substantially reduce the influence of head movement within and between sessions, increasing the sensitivity of many cognitive neuroscience experiments.

Rhythmic neural activity within the alpha (8-12 Hz) and beta (15-25 Hz) frequency bands is modulated during actual and imagined movements. Changes in these rhythms provide a mechanism to select relevant neuronal populations, although the relative contributions of these rhythms remain unclear. Here we use MEG to investigate changes in oscillatory power while healthy human participants imagined grasping a cylinder oriented at different angles. This paradigm allowed us to study the neural signals involved in the simulation of a movement in the absence of signals related to motor execution and sensory reafference. Movement selection demands were manipulated by exploiting the fact that some object orientations evoke consistent grasping movements, whereas others are compatible with both overhand and underhand grasping. By modulating task demands, we show a functional dissociation of the alpha- and beta-band rhythms. As movement selection demands increased, alpha-band oscillatory power increased in the sensorimotor cortex ipsilateral to the arm used for imagery, whereas beta-band power concurrently decreased in the contralateral sensorimotor cortex. The same pattern emerged when motor imagery trials were compared with a control condition, providing converging evidence for the functional dissociation of the two rhythms. These observations call for a re-evaluation of the role of sensorimotor rhythms. We propose that neural oscillations in the alpha-band mediate the allocation of computational resources by disengaging task-irrelevant cortical regions. In contrast, the reduction of neural oscillations in the beta-band is directly related to the disinhibition of neuronal populations involved in the computations of movement parameters.

The exquisite spatiotemporal precision of human intracranial EEG recordings (iEEG) permits characterizing neural processing with a level of detail that is inaccessible to scalp-EEG, MEG, or fMRI. However, the same qualities that make iEEG an exceptionally powerful tool also present unique challenges. Until now, the fusion of anatomical data (MRI and CT images) with the electrophysiological data and its subsequent analysis has relied on technologically and conceptually challenging combinations of software. Here, we describe a comprehensive protocol that addresses the complexities associated with human iEEG, providing complete transparency and flexibility in the evolution of raw data into illustrative representations. The protocol is directly integrated with an open source toolbox for electrophysiological data analysis (FieldTrip). This allows iEEG researchers to build on a continuously growing body of scriptable and reproducible analysis methods that, over the past decade, have been developed and employed by a large research community. We demonstrate the protocol for an example complex iEEG data set to provide an intuitive and rapid approach to dealing with both neuroanatomical information and large electrophysiological data sets. We explain how the protocol can be largely automated, taking under an hour to complete, and readily adjusted to iEEG data sets with other characteristics.

This study uses electrocorticography in humans to assess how alpha- and beta-band rhythms modulate excitability of the sensorimotor cortex during movement selection, as indexed through a psychophysically-controlled movement imagery task. Both rhythms displayed effector-specific modulations, tracked spectral markers of action potentials in the local neuronal population, and showed spatially systematic phase relationships (traveling waves). Yet, alpha- and beta-band rhythms differed in their anatomical and functional properties, were weakly correlated, and traveled along opposite directions across the sensorimotor cortex. Increased alpha-band power in the somatosensory cortex ipsilateral to the selected arm was associated with spatially-unspecific inhibition. Decreased beta-band power over contralateral motor cortex was associated with a focal shift from relative inhibition to excitation. These observations indicate the relevance of both inhibition and disinhibition mechanisms for precise spatiotemporal coordination of neuronal populations during movement selection. Those mechanisms are implemented through the substantially different neurophysiological properties of sensorimotor alpha- and beta-band rhythms.

Abstract Individuals with autism may perform well in structured Theory of Mind (ToM) tasks that assess their ability to infer mental states, yet encounter challenges in everyday social interactions. Using fMRI and pupillometry, we investigated whether this discrepancy stems from reduced spontaneous mentalizing or broader difficulties in unstructured environments. Autistic adults and neurotypical controls viewed a nonverbal animated movie featuring events known to evoke mental state inferences. Both groups exhibited similar ToM network activations and pupil responses to these events, alongside comparable verbal accounts of the mental states portrayed. However, intersubject correlation analysis revealed a significant reduction in response variability among autistic participants throughout the movie’s complex visual narrative, affecting brain regions beyond the ToM network. We suggest that the primary challenge for individuals with autism may lie in the idiosyncratic exploration of narratives in unstructured settings, regardless of whether mental state inferences are involved.

Abstract Stereotypes can exert a powerful influence on our interactions with others, potentially leading to prejudice when factual evidence is ignored. Here, we identify neuroanatomical and developmental factors that influence the real-time integration of stereotypes and factual evidence during live social interactions. The study uses precisely quantified communicative exchanges in a longitudinal cohort of seventeen-year-olds followed since infancy, testing their ability to moderate stereotype tendencies toward children as contrary evidence accumulates. Our results reveal that the impact of stereotypes on communicative behavior is linked to individual variation in the right anterior cingulate gyrus. In contrast, the ability to moderate stereotype tendencies is influenced by early-life exposure to social interactions, beyond the effects of familial environment and social experiences acquired later in life. These findings pinpoint a key brain structure underlying stereotype tendencies and suggest that early-life social experiences have lasting consequences on how individuals integrate factual evidence during interpersonal communication.