HH
Hiroaki Hashimoto
Author with expertise in Brain-Computer Interfaces in Neuroscience and Medicine
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
9
(78% Open Access)
Cited by:
2,399
h-index:
17
/
i10-index:
40
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
1

Visualization of Phase-Amplitude Coupling Using Rhythmic High-Frequency Activity

Hiroaki Hashimoto et al.Aug 13, 2020
Abstract Objective High-frequency activities (HFAs) and phase-amplitude coupling (PAC) are gaining attention as key neurophysiological biomarkers for studying human epilepsy. We aimed to clarify and visualize how HFAs are modulated by the phase of low-frequency bands during seizures. Methods We used intracranial electrodes to record seizures of symptomatic focal epilepsy (15 seizures in seven patients). Ripples (80–250 Hz), as representative of HFAs, were evaluated along with PAC. The synchronization index (SI), representing PAC, was used to analyze the coupling between the amplitude of ripples and the phase of lower frequencies. We created a video in which the intracranial electrode contacts were represented by circles that were scaled linearly to the power changes of ripple. Results The main low frequency band modulating ictal-ripple activities was the θ band (4–8 Hz), and after completion of ictal-ripple burst, δ (1–4 Hz)-ripple PAC occurred. The video showed that fluctuation of the diameter of these circles indicated the rhythmic changes during significant high values of θ-ripple PAC. Conclusions We inferred that ripple activities occurring during seizure evolution were modulated by θ rhythm. In addition, we concluded that rhythmic circles’ fluctuation presented in the video represents the PAC phenomenon. Our video is thus a useful tool for understanding how ripple activity is modulated by the low-frequency phase in relation with PAC.
0

Swallowing-related neural oscillation: An intracranial EEG study

Hiroaki Hashimoto et al.Dec 7, 2020
Abstract Swallowing is a unique movement due to the indispensable orchestration of voluntary and involuntary movement. The transition from voluntary to involuntary swallowing is executed on the order of milliseconds. We hypothesized that its neural mechanism is revealed by high frequency cortical activities. Eight epileptic participants fitted with intracranial electrodes over the orofacial cortex were asked to swallow a water bolus, and cortical oscillatory changes, including high γ band (75–150 Hz) and β band (13–30 Hz) were investigated at the time of mouth-opening, water-injection, and swallowing. High γ power increases associated with mouth-opening were observed in the ventrolateral prefrontal cortex with water-injection in the lateral central sulcus and with swallowing in the region along the Sylvian fissure. Mouth-opening induced a β power decrease, which continued until the completion of swallowing. The high γ burst activity was focal and specific to swallowing, however, the β activities were extensive and not specific to swallowing. At the boundary time between voluntary and involuntary swallowing, swallowing-related high γ power achieved the peak, and subsequently, the power decreased. We demonstrated three distinct activities related to mouth-opening, water-injection, and swallowing induced at different timings, using high γ activities. The peak of high γ power related to swallowing suggests that during voluntary swallowing phases, the cortex is the main driving force for swallowing rather than the brain stem.
0
Citation2
0
Save
0

Comprehensive assessment of supratentorial and infratentorial volumes in infants with myelomeningocele with and without Chiari malformation type II

Hiroaki Hashimoto et al.Dec 4, 2024
Abstract Purpose Chiari malformation type II (CM-II) is a congenital anomaly commonly associated with myelomeningocele (MMC), a severe form of open spina dysraphism. This study aimed to evaluate both supratentorial and infratentorial volumes in MMC infants with and without CM-II. Methods We conducted a single-center, retrospective study of 52 MMC infants treated between April 2006 and July 2023. Infants were classified as non-CM-II or CM-II based on the presence of cerebellar displacement. All patients underwent computed tomography (CT) at 0 months of age. Volumetric parameters included intracranial volume (ICV), lateral ventricles volume (LVV), posterior cranial fossa volume (PCFV), cerebellum volume (CBMV), and brainstem volume (BSV). LVV represented supratentorial structures, while PCFV, CBMV, and BSV represented infratentorial structures. Results CM-II was diagnosed in 30 infants (57.7%). Correlation analysis revealed significant negative correlations between supratentorial (LVV) and infratentorial volumes (PCFV, CBMV, and BSV), and positive correlations among volumes within the same space(e.g., PCFV, CBMV, and BSV). CM-II infants exhibited significantly larger ICV ( p = 0.04) and LVV ( p < 0.001), but smaller PCFV ( p < 0.001) and CBMV ( p < 0.001) than non-CM-II infants. LVV was the best predictor for distinguishing non-CM-II from CM-II (area under the curve = 0.91). Conclusion This study identified positive correlations within the same space and negative correlations between supratentorial and infratentorial volumes. LVV emerged as a critical indicator of CM-II, reflecting the relationship between reduced infratentorial space and enlarged supratentorial ventricles (hydrocephalus). These findings provide insights into the pathophysiology and clinical implications of CM-II in MMC patients.
0
Citation1
0
Save
1

Frequency band coupling with high-frequency activities during seizures shifts from θ band in tonic phase to δ band in clonic phase

Hiroaki Hashimoto et al.Oct 7, 2021
Abstract Objective To clarify variations in the relationship between high-frequency activities (HFAs) and low-frequency bands from the tonic to the clonic phase in focal to bilateral tonic-clonic seizures (FBTCS), using phase-amplitude coupling. Methods This retrospective study enrolled six patients with drug-resistant focal epilepsy who underwent intracranial electrode placement for presurgical invasive electroencephalography at Osaka University Hospital (July 2018–July 2019). We used intracranial electrodes to record seizures in focal epilepsy (11 FBTCS). The magnitude of synchronization index (SIm) and receiver-operating characteristic (ROC) analysis were used to analyze the coupling between HFA amplitude (80–250 Hz) and lower frequencies phase. Results The θ (4–8 Hz)-HFA SIm peaked in the tonic phase, whereas the δ (2–4 Hz)-HFA SIm peaked in the clonic phase. ROC analysis indicated that the δ-HFA SIm discriminated well the clonic from the tonic phase. Conclusions The main low-frequency band modulating the HFA shifted from the θ band in the tonic phase to the δ band in the clonic phase. Significance In FBTCS, low-frequency band coupling with HFA amplitude varies temporally. Especially, the δ band is specific to the clonic phase. These results suggest dynamically neurophysiological changes in the thalamus or basal ganglia throughout FBTCS. Highlights The θ band (4–8 Hz) was mainly coupled with high-frequency activity (HFA) in the tonic phase of focal to bilateral tonic-clonic seizures (FBTCS). The δ band (2–4 Hz) was mainly coupled with HFA in the clonic phase of FBTCS. The magnitude of the synchronization index related to δ-HFA phase-amplitude coupling discriminated well the clonic from the tonic phase.
1

Functional cortical localization of the tongue using corticokinematic coherence with a deep learning-assisted motion capture system

Hitoshi Maezawa et al.Aug 19, 2021
Abstract Measuring the corticokinematic coherence (CKC) between magnetoencephalographic and movement signals using an accelerometer can evaluate the functional localization of the primary sensorimotor cortex (SM1) of the upper limbs. However, it is difficult to determine the tongue CKC because an accelerometer yields excessive magnetic artifacts. We introduce and validate a novel approach for measuring the tongue CKC using a deep learning-assisted motion capture system with videography, and compare it with an accelerometer in a control task measuring finger movement. Twelve healthy volunteers performed rhythmical side-to-side tongue movements in the whole-head magnetoencephalographic system, which were simultaneously recorded using a video camera and examined offline using a deep learning-assisted motion capture system. In the control task, right finger CKC measurements were simultaneously evaluated via motion capture and an accelerometer. The right finger CKC with motion capture was significant at the movement frequency peaks or its harmonics over the contralateral hemisphere; the motion-captured CKC was 84.9% similar to that with the accelerometer. The tongue CKC was significant at the movement frequency peaks or its harmonics over both hemispheres, with no difference between the left and right hemispheres. The CKC sources of the tongue were considerably lateral and inferior to those of the finger. Thus, the CKC based on deep learning-assisted motion capture can evaluate the functional localization of the tongue SM1. In this approach, because no devices are placed on the tongue, magnetic noise, disturbances due to tongue movements, risk of aspiration of the device, and risk of infection to the experimenter are eliminated.