تطبيقات EEG البيانات تصوير الأعصاب: الإمكانيات ذات الصلة بالحدث، والسلطة، الطيفية، ومتعددة النطاقات الانتروبيا

الهدف العام من هذا الإجراء هو تحديد تباين السلسلة الزمنية لمخطط كهربية الدماغ وربط هذا التباين بقدرة معالجة المعلومات للنظام العصبي الأساسي. يتم تحقيق ذلك من خلال الحصول أولا على تسجيلات مخطط كهربية الدماغ عالية الجودة لاستجابة الدماغ. الخطوة الثانية هي المعالجة المسبقة للبيانات لإزالة أي عناصر ملموسة.

بعد ذلك ، يتم استخراج الإحصائيات ذات الأهمية. هنا سوف نقارن التطبيق الجديد للإنتروبيا متعددة المقاييس مع الطرق الأكثر تقليدية لمتوسط السعة والقوة الطيفية. الخطوة الأخيرة هي تحليل الدلالة الإحصائية للنتائج وتفسير البيانات.

يمكن تسهيل هذه الخطوة باستخدام مناهج متعددة المتغيرات تعتمد على البيانات مثل تحليل مربع الإيجار الجزئي. في النهاية ، يتم استخدام الانتروبيا متعددة المقاييس لإظهار كيف تساهم سلسلة من التغييرات في النمط الزمني المكاني عبر مقاييس متعددة الأوقات في عمليات معرفية محددة. ميزة استخدام MSC على الطرق الحالية مثل متوسط السعة أو طاقة الأطياف ، هي أن MSC حساس للغير الخطية في البيانات.

تعكس هذه الديناميكيات غير الخطية التحولات أو التشعبات بين الحالات الدقيقة للشبكة ، وهو أمر مهم لتبادل المعلومات عبر شبكة موزعة من مناطق الدماغ. ستظهر هذا الإجراء كريستينا باكر من مختبر تخطيط موارد المؤسسات في معهد روتمان للأبحاث. أولا ، اشرح الإجراءات التجريبية للمشارك واحصل على موافقة مستنيرة.

نظف المنطقة التي سيتم وضع الأقطاب الكهربائية المنسدلة فيها باستخدام مسحة كحولية. ضع بعض الجل على القطب. انزع الأوراق من جانب الجلد وضع الأقطاب الكهربائية على المشارك لتحديد القطع الأثرية لحركة العين.

ضع قطبا كهربائيا على التقاطع الجانبي للجزء العلوي والسفلي من الجفن. ضع قطبا كهربائيا آخر في وسط التلال المدارية ، حوالي سنتيمتر واحد تحت العين وبما يتماشى مع التلميذ. كرر للعين الأخرى.

قم بقياس محيط رأس المشارك واختر حجم غطاء القطب المناسب باتباع نظام 10 20 المعترف به دوليا. لوضع القطب الكهربائي ، قم بقياس المسافة من Indian Ian على طول خط الوسط واقسم على 10٪ باستخدام هذا الرقم. قم بالقياس من NAS وعلامة.

قم بمحاذاة موضع غطاء القطب FP مع هذه العلامة واسحب الغطاء للخلف. تأكد من أن مركز الغطاء يتماشى مع الأنف. قم بقياس nasn إلى cz وتأكد من أن هذه المسافة هي نصف المسافة من NAS إلى Indian.

ثم شد حزام الذقن وضع الشاش تحت الحزام للراحة إذا لزم الأمر. الآن ، ضع حقنة النقطة الحادة المملوءة بالهلام في حاملات الأقطاب الكهربائية لإنشاء عمود موصل من الجل. ابدأ في ملامسة فروة الرأس ، ثم اضغط واسحب.

لاحظ أن استخدام الكثير من الجل قد يربط إشارات الأقطاب الكهربائية المجاورة. بعد ذلك ، قم بتثبيت الأقطاب الكهربائية النشطة في حاملات الأقطاب الكهربائية. ثم ضع الموضوع أمام الشاشة على المسافة المناسبة.

بالنسبة للتجربة ، اطلب من المشارك أن يظل مستمرا في التأكيد على أهمية تقليل حركات العين والومضات. للحصول على تسجيل نظيف ، افحص توصيلات القطب الكهربائي وجودة إشارة مخطط كهربية الدماغ على كمبيوتر الاستحواذ. إذا كانت هناك مشكلة في قطب كهربائي معين ، فأخرج هذا القطب وأعد تطبيق الجل لضبط المعاوقات في هذا الموقع بعد التجربة ، ولكن قبل استخراج الإحصائية المحددة ذات الأهمية.

قم بالمعالجة المسبقة لبيانات مخطط كهربية الدماغ المستمرة لإزالة القطع الأثرية باستخدام الإجراءات القياسية للتصفية ورفض القطع الأثرية. يلتقط تحليل الإمكانات المتعلق بالحدث نشاط الدماغ المتزامن الذي هو قفل الطور لبداية المنبه ، ويقوم الوقت بقفل استجابة الدماغ لبداية حدث بارز ، ثم المتوسط على العديد من الأحداث المماثلة. لزيادة نسبة الإشارة إلى الضوضاء ، وتحديد سعة الذروة وزمن انتقال مكون تخطيط موارد المؤسسات لكل موضوع ، تحدد قوة الأطياف المساهمة النسبية للتردد في إشارة EEG معينة.

استخدم تحليل فورييه لتحويل إشارة مخطط كهربية الدماغ من المجال الزمني إلى مجال التردد وتحلل الإشارة إلى موجات جيبية مكونة لها بترددات متفاوتة. الانتروبيا متعددة المقاييس هي مقياس نظري للمعلومات يلتقط تباين الإشارات الكهربائية العصبية بمرور الوقت وعبر عدة مرات. ميزان. استخدم الخوارزمية في PhysioNet لحساب الانتروبيا متعددة المقاييس في خطوتين.

في الخطوة الأولى ، ينخفض تدريجيا. عينة من الإشارة لكل الجدول الزمني للتجربة والشرط. يمثل أحدهما الإشارة الأصلية.

قم بإنشاء جداول زمنية لاحقة عن طريق تقسيم الإشارة الأصلية أولا إلى نوافذ غير متداخلة بطول المقياس الزمني. ثم قم بحساب متوسط نقاط البيانات داخل كل نافذة. على سبيل المثال، لإنشاء المقياس الزمني متوسط اثنين معا.

النقطتان الأوليان والنقطتان التاليتان وهكذا. لإنشاء المقياس الزمني ثلاثة متوسط النقاط الثلاث الأولى معا ، والنقاط الثلاث التالية وما إلى ذلك. من خلال تمثيل الإشارة الأصلية في نطاقات زمنية مختلفة ، يمكن تحليل العمليات العصبية التي قد تتكشف بمعدلات مختلفة.

الخطوة الثانية تحسب عينة إنتروبيا لكل مقرر. سلسلة زمنية محببة. يوفر هذا تقديرا لمدى تعقيد استجابة الدماغ في النطاقات الزمنية المختلفة.

الإشارات العادية على إنتروبيا عينة أقل من الإشارات العشوائية. في هذا المثال، يتم تعيين طول النمط M إلى اثنين. هذا يعني أنه سيتم تمثيل السلسلة الزمنية كنسبة من مطابقتي تسلسل نقطتين مقابل ثلاث نقاط.

المعلمة R هي معيار التشابه. نقاط البيانات التي تقع ضمن نطاق السعة هذا لها قيم متشابهة وبالتالي يقال إنها تتطابق. للحصول على تفاصيل حول تعيين المعلمات ، راجع بروتوكول النص لحساب إنتروبيا العينة لهذه السلسلة الزمنية المحاكاة.

ابدأ بالمكونين الأولين. نمط التسلسل ، البرتقالي الأحمر ، احسب أولا عدد المرات التي يحدث فيها نمط التسلسل البرتقالي الأحمر في السلسلة الزمنية. هناك 10 مباريات لهذا الغرض.

تسلسل مكونين. ثانيا ، عد عدد مرات المكونات الثلاثة الأولى. نمط التسلسل ، الأحمر ، البرتقالي ، الأرجواني يحدث في السلسلة الزمنية.

هناك خمس مباريات لهذا الغرض. تسلسل ثلاثة مكونات. استمر في نفس العمليات للتسلسل المكونين التاليين ، البرتقالي والأرجواني والتسلسل المكونات الثلاثة التالي ، البرتقالي والأرجواني والأخضر من السلسلة الزمنية.

أضف عدد تطابقات المكونات وثلاثة تطابقات المكونات لهذه التسلسلات إلى القيم السابقة. كرر لجميع تطابقات التسلسل الأخرى في السلسلة الزمنية لتحديد النسبة الإجمالية لمطابقتي مكونتين إلى ثلاث تطابقات مكونات. إنتروبيا العينة هي اللوغاريتم الطبيعي لهذه النسبة.

تظهر هذه البيانات اختلافات في الحالة في القوة الطيفية لتخطيط موارد المؤسسات والإنتروبيا التي تتناقض مع العرض الأولي مقابل العرض المتكرر لصور الوجه. في هذا المثال ، تقاربت جميع المقاييس لتكشف عن نفس تأثير الانخفاض في إنتروبيا العينة المصاحب لتكرار الوجه. يشير هذا الانخفاض في التعقيد إلى أن الشبكة الوظيفية المشاركة أبسط وتعالج معلومات أقل.

هذه النتائج الإحصائية مشتقة من التحليل متعدد المتغيرات لمربعات الإيجار الجزئي للقوة الطيفية لتخطيط موارد المؤسسات والإنتروبيا متعددة المقاييس للوجوه المرتبطة بمستويات مختلفة من الألفة. يظهر التباين أن سعة تخطيط موارد المؤسسات ميزت الوجوه الجديدة عن الوجوه المألوفة ، ولكن ليس بين الوجوه المألوفة التي اختلفت في مقدار التعرض السابق. ميزت القوة الطيفية الوجوه وفقا للألمفة ، لكنها لم تميز بدقة بين الوجوه ذات الألفة المنخفضة والمتوسطة.

كانت الانتروبيا متعددة المقاييس هي الأكثر حساسية لاختلافات الحالة. زادت قيم إنتروبيا العينة مع زيادة الإلمام بالوجه. تلتقط مخططات الصور هذه التوزيع الزمني المكاني لتأثير الحالة.

ومن المثير للاهتمام أن الانتروبيا متعددة المقاييس كشفت عن معلومات فريدة لم يتم الحصول عليها من خلال التحليلات الأكثر تقليدية لتخطيط موارد المؤسسات أو القوة الطيفية. يشير هذا الاختلاف في الانتروبيا متعددة المقاييس إلى أن الظروف تختلف فيما يتعلق بالجوانب غير الخطية لديناميات شبكتها التي قد تنطوي على تفاعلات بين نطاقات التردد. تساعدنا هذه الأداة التحليلية الجديدة على التقاط معلومات جديدة حول ديناميكيات الشبكة العصبية ، مما يساعد على إبعادنا عن توصيف الوظيفة العقلية من حيث الحالات الثابتة ونحو فهم السوائل التي تتكشف عن العمليات التي ترتبط بالإدراك البشري.