婴儿听觉处理和事件相关的脑振荡

该程序的总体目标是在短时间内估计婴儿大脑结构中神经元振荡的动力学。这是通过首先在婴儿的头部应用高密度传感器网并在刺激呈现期间记录脑电波来实现的。第二步是预处理脑电波数据以创建与事件相关的电位。

接下来，执行投影到适合年龄的婴儿 MRI 模板上的谨慎多源分析。最后一步是应用源蒙太奇并将信号分解到时频域中。最终，对婴儿脑振荡的分析用于显示早期发育中大脑功能的变化。

与传统 ERP 分析相比，该技术的主要优点是它允许检查具有不同频率、发生幅度和时间跨度参数的大脑振荡。这种技术的视觉演示至关重要，因为蚊帐应用步骤很难学习，因为手、身体和手臂相对于婴儿和照顾者的动作很难用语言描述。演示此程序的是我们的负责人、脑电图技术人员 Theresa Alpe，实验室中的另一位脑电图技术人员 Jess 将协助她。

首先护送婴儿和看护者进入检测室时，将婴儿坐在看护者的实验室中，并让助手与婴儿玩耍。同时解释了净申请程序。在头部最宽处测量婴儿的头围，并根据此测量值选择合适的网尺寸。

接下来，测量 nasion 到 nian 并在总测量值的一半处标记头皮。然后对耳朵到耳朵的测量执行相同的作。这两个测量值之间的最后一个顶点是将网放在婴儿头上的 cz，因为助手在孩子身后握住网连接器和聚集的电线。

通过将 CZ 电极放在顶点头皮标记处来调整网络位置。通过从后向前移动来定位每个电极，以确保每个电极与头部表面之间成直角。最后，插入网络连接器。

测量阈值小于 50 千克欧姆的电极阻抗。在开始录制之前，请为照护者提供耳机，以避免照护者干扰婴儿录制。一旦掌握，如果执行得当，这项技术可以在 10 分钟内完成。

现在婴儿已经为乐器做好了准备，首先通过与婴儿头部等距的扬声器呈现听觉刺激。然后开始脑电图记录。为婴儿提供一个平静、安静的环境。

在录制过程中，使用安静的玩具让婴儿参与进来。实验完成后，取下蚊帐，擦干婴儿的头发和头部。通过目视检查原始输出来开始处理 ERP 数据。

拒绝任何具有高 amplitude 伪影的 Segment。以每个个体和每个条件的平均史诗为例。根据组和条件将这些平均值组合起来，得出一个总平均值。

接下来，将每个单独的和总平均的 ERP 文件与适合年龄的磁共振模板共同注册。然后估计要拟合到数据的基础源的数量和位置。对于这种听觉范例，使用具有自由定位和旋转的左偶极子和右偶极子来处理源定位数据。

首先，在对应于峰值的总平均 ERP 文件中选择一个感兴趣的时间窗口。检查偶极子模型解的拟合优度。使用残差方差的软件输出，调整时间窗以最小化残差方差。

最后，为了分析源空间中的时频数据，通过将时域单个试验源信号转换为时频域，将 DPO 模型解应用于原始未过滤的连续 EEG 数据完成。这项脑电图研究的结果显示，23 名 4 个月大的婴儿对控制和快速心率状况具有代表性的大平均 ERP 反应。一个奇怪的范式被用来确定婴儿的大脑是否能识别两种不同音调之间的差异。

在这里，显示了左偶极子和右偶极子的源局部数据的结果。在快速速率条件下，对于变体音调对，在右半球 400 毫秒处有一个明显的大峰值。此外，这些时间谱图表示控制条件下的音调，其中 300 毫秒的刺激间隔会引发与事件相关的振荡，功率变化在 delta theta 范围内。

按照这个程序，可以执行其他方法，如交叉频相位耦合或振荡相干，以回答有关早期大脑发育的其他问题。看完这个视频后，你应该对如何在时域和时频域中记录和分析婴儿大脑的反应有一个很好的理解。