Method Article

Eine Methode zur Verfolgung der Zeitentwicklung von Steady-State Evoked Potentials

DOI:

10.3791/59898

⸱

May 25th, 2019

 ,  ,  ,  ,  ,  , 
1Advanced Center for Electrical and Electronic Engineering (AC3E), Universidad Técnica Federico Santa María, 2Department of Electronic Engineering, Universidad Técnica Federico Santa María, 3Neuroinformatics Department, Cuban Neuroscience Center, 4Centro de Investigación y Desarrollo en IngenierÍa, Universidad de Valparaíso

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ein Protokoll zur Beurteilung der Zeitlichen Entwicklung der neuronalen Verzierung zu externen, sich wiederholenden Reizen wird vorgestellt. Steady-State-Aufnahmen desselben experimentellen Zustandes werden im Zeitbereich erfasst und gemittelt. Die Steady-State-Dynamik wird analysiert, indem die Antwortamplitude als Funktion der Zeit nachzeichnet.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Neurale Entrainment bezieht sich auf die Synchronisation der neuronalen Aktivität mit der Periodizität der sensorischen Reize. Diese Synchronisation definiert die Erzeugung von steady-State evozierten Antworten (d. h. Schwingungen im Elektroenzephalogramm phasengebunden an die Antriebsstimuli). Die klassische Interpretation der Amplitude der steady-state evozierten Antworten setzt eine stereotype zeitinvariante neuronale Reaktion plus zufällige Hintergrundschwankungen voraus, so dass die Mittelung über wiederholte Darstellungen des Stimulus die stereotypische Reaktion. Dieser Ansatz ignoriert die Dynamik des Steady-State, wie im Falle der Anpassung, die durch längere Expositionen gegenüber dem Stimulus ausgelöst wird. Um die Dynamik von stationären Reaktionen zu analysieren, kann davon ausgegangen werden, dass die Zeitentwicklung der Antwortamplitude in verschiedenen Stimulationsläufen gleich ist, die durch ausreichend lange Pausen getrennt sind. Basierend auf dieser Annahme wird eine Methode vorgestellt, um die Zeitentwicklung von steady-state-Antworten zu charakterisieren. Eine ausreichend große Anzahl von Aufnahmen wird als Reaktion auf den gleichen experimentellen Zustand erworben. Experimentelle Durchläufe (Aufnahmen) werden spaltenweise gemittelt (d. h. Läufe werden gemittelt, aber Epochen innerhalb von Aufnahmen werden nicht mit den vorhergehenden Segmenten gemittelt). Die säulenweise Mittelung ermöglicht die Analyse von stationären Reaktionen in Aufnahmen mit bemerkenswert hohen Signal-Rausch-Verhältnissen. Daher liefert das gemittelte Signal eine genaue Darstellung der Zeitentwicklung der stationären Reaktion, die sowohl in den Zeit- als auch in der Frequenzbereich analysiert werden kann. In dieser Studie wird eine detaillierte Beschreibung der Methode bereitgestellt, bei der visuell evozierte Potentiale für den stationären Zustand als Beispiel für eine Antwort verwendet werden. Vorteile und Vorbehalte werden anhand eines Vergleichs mit Einzelversuchsmethoden zur Analyse der neuronalen Entrainment bewertet.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wenn von der Kopfhaut aufgezeichnet, Gehirn elektrische Aktivität wird als kontinuierliche und regelmäßige Veränderungen der Spannungen im Laufe der Zeit beobachtet. Diese elektrische Aktivität wird Elektroenzephalogramm (EEG) genannt und wurde erstmals von Hans Berger in den späten zwanziger Jahren des letzten Jahrhundertsbeschrieben 1. Nachfolgende wegweisende Studien beschrieben das EEG als eine zusammengesetzte Zeitreihe, in der verschiedene rhythmische oder sich wiederholende Muster beobachtet werden können2,3,4. Heutzutage ist das EEG in der Regel in fünf etablierte Frequenzbänder unterteilt, Delta, Theta, Alpha, Beta und Gamma, die mit dem unterschiedlichen sensorischen und kognitiven Prozess verbunden sind.

Jahrelang beschränkte sich die Untersuchung von Gehirnschwingungen mit EEG entweder auf die Analyse des Spektrums in der laufenden Aktivität oder auf Veränderungen der oszillatonischen Aktivität, die durch nicht periodische sensorische Ereignisse ausgelöst wurden. In den letzten Jahrzehnten wurden verschiedene Methoden implementiert, um laufende EEG-Oszillationen zu modulieren und die Auswirkungen solcher Modulationen auf Wahrnehmungs- und kognitive Prozesse zu untersuchen, einschließlich der Darstellung rhythmischer sensorischer Stimulation für neuronale Verzierung. Der Begriff neuronale Verzierung bezieht sich auf die Synchronisation der neuronalen Aktivität mit den periodischen Eigenschaften sensorischer Reize. Dieser Prozess führt zur Erzeugung von steady-State evozierten Potentialen (d. h. EEG-Oszillationen, die an die periodischen Eigenschaften der Antriebsreize gebunden sind). Steady-State evozierte Potentiale werden am häufigsten durch visuelle, auditive und vibrotaktile Stimulation ausgelöst, entweder mit transienten Reizen präsentiert mit einer konstanten Rate oder kontinuierliche Stimulation in Amplitude bei der Häufigkeit des Interesses moduliert. Während somatosensorische Steady-State-Evoktionspotentiale (SSSEPs) als Reaktion auf sich wiederholende taktile Stimulation5,6aufgezeichnet werden, werden die periodischen, attinierten, visuell evozierten Potentiale (SSVEPs) im allgemeinen durch die periodischen Darstellung von Luminanzflimmern, Bildern und Gesichtern7,8. Auditorische Steady-State-Antworten (ASSRs) werden in der Regel von Zügen transienter akustischer Reize oder durch die kontinuierliche Darstellung von Amplituden-modulierten Tönen9,10erzeugt.

Die Extraktion von steady-state evozierten Potentialen aus dem gemessenen EEG beruht im Wesentlichen auf der Mittelung später erworbener EEG-Epochen, die zeitgebunden an den Stimulus11gebunden sind. Aufgrund der Periodizität der Antworten können sie sowohl in Zeit- als auch in Frequenzbereichen analysiert werden. Nach der Frequenz-Domänen-Transformation wird das sensorische Ansprechen als Amplitudenspitzen bei der Darstellungsrate oder Modulationsfrequenz der äußeren Reize und der entsprechenden Oberschwingungen beobachtet. Diese Verfahren (Time-Domain-Mittelung und die anschließende Frequenz-Domain-Transformation) waren für die Entwicklung eines Hörtestes auf der Grundlage des Nachweises von ASSR-Methoden mit klinischen Zwecken unerlässlich12,13,14 ,15,16.

Darüber hinaus war die klassische Zeitbereichsmittelung von EEG-Epochen äußerst nützlich für die Analyse physiologischer Prozesse wie der Erzeugung und aussterbenden SSVEP17,18. Die Darstellung aufeinander folgender Züge von Flimmerlichtern und die Mittelung nachfolgender Epochen innerhalb einer Aufzeichnung stellten Wacker et al.19 fest, dass der Phasensperrindex des SSVEP während der ersten 400 ms Stimulation schnell angestiegen ist und danach hoch blieb. . Sie berichteten auch, dass eine robuste visuelle Verzessement zwischen 700-1 100 ms nach Stimulusbeginn etabliert wurde. Ein gewisses Maß an Einschulung blieb nach dem Offset des Stimulationszuges wirksam, der etwa drei Perioden der oszillatoren Reaktion17,19dauerte. Diese Verhaltensweisen wurden als die einnehmende/entfesselnde Wirkung der beobachteten Schwingungen interpretiert, die eine Folge der nichtlinearen Informationsverarbeitung im menschlichen visuellen System ist17. Alternativ ist bekannt, dass unter bestimmten experimentellen Bedingungen die Flickerstimulation zu Beginn On-Responses und off-responses am Ende von Stimulationszügen anstelle von neuronaler Entrainment18auslösen kann.

Die Hauptannahme für durchschnittliche nacheinander erworbene EEG-Epochen ist, dass das EEG-Signal eine lineare Kombination aus sensorischer Reaktion und Hintergrundrauschen20darstellt. Darüber hinaus wird angenommen, dass die Amplitude, Frequenz und Phase der oszillierenden Reaktion stationär sind, während das Hintergrundrauschen als zufällige Aktivität betrachtet wird. In Fällen, in denen diese Annahme nicht erfüllt ist, entspricht die nach mehreren Epochen berechnete Antwortamplitude jedoch nicht unbedingt der momentanen Amplitude des evozierten Potentials.

Kürzlich wurde berichtet, dass sich die im Hirnstamm von Ratten erzeugte ASSR an die kontinuierliche Darstellung von Amplituden-modulierten Tönen anpasst (d. h. die Reaktionsamplitude nimmt im Laufe der Zeit exponentiell ab)21,22. Die Anpassung wurde als neuronaler Mechanismus interpretiert, der den Verlust der Neuheit eines monoton repetitiven Sinnesreizes widerspiegelt und die Empfindlichkeit gegenüber relevanten Schwankungen in der akustischen Umgebung erhöht23,24. Im akustischen Pfad kann Anpassung das Sprachverständnis in lauten Umgebungen verbessern. Darüber hinaus kann dieser Prozess Teil der bestehenden Mechanismen zur Überwachung des akustischen Feedbacks der eigenen Stimme sein, um die Sprachproduktion zu steuern.

Bei der Analyse der Zeitentwicklung der 40 Hz ASSR beim Menschen beobachteten Van Eeckhoutte et al.25 eine signifikante, aber geringe Abnahme der Antwortamplitude im Laufe der Zeit (etwa -0,0002 V/s basierend auf der Gruppenanalyse, wenn man von einer linearen Abnahme im Laufe der Zeit ausging). Folglich kamen diese Autoren zu dem Schluss, dass die 40 Hz ASSR beim Menschen sich nicht an die Stimulation anpasst. Beim Menschen wurden bei der Analyse der Stabilität des SSVEP26nicht stationäre Verhaltensweisen beobachtet. Diese Autoren stellten fest, dass die Amplitude der Grundfrequenz und die zweite Oberschwingung des SSVEP nur bei 30 % bzw. 66,7 % der getesteten Probanden stationär waren. Die Phasen beider SSVEP-Frequenzkomponenten waren zwar im Laufe der Zeit relativ stabil, zeigten aber kleine Drifts26.

Obwohl die klassische Zeitbereichsmittelung später erworbener Epochen die Erforschung stationärer Eigenschaften der neuronalen Einbahnung ermöglicht, muss diese Methodik überarbeitet werden, wenn die langfristige Dynamik der Forschung, oder wenn die Mittelung der kurzfristigen Dynamik durch das Auftreten von langzeit-Dynamik korrumpiert wird. Um nicht stationäre Verhaltensweisen der konstanten Variablen zu charakterisieren, sollte die evozierte Antwort, die in einem bestimmten Zeitfenster berechnet wird, nicht durch die in den vorhergehenden EEG-Segmenten berechneten beeinträchtigt werden. Mit anderen Worten, das evozierte Potential sollte aus dem Hintergrundrauschen extrahiert werden, ohne dass Epochen mit den vorhergehenden EEG-Segmenten gemittelt sind.

In dieser Studie wird eine Methode zur Bewertung der Dynamik der neuronalen Entrainment vorgestellt. Steady-State-Antworten werden wiederholt als Reaktion auf die gleiche Stimulation aufgezeichnet, bei der aufeinander folgende Aufnahmen durch ein Ruheintervall von dreimal so lang wie der Versuchslauf überfliegt werden. Wenn man bedenkt, dass, wenn die Zeitentwicklung der physiologischen Reaktion in verschiedenen unabhängigen experimentellen Läufen (unabhängige Aufnahmen) gleich ist, werden Aufnahmen spaltenweise gemittelt. Mit anderen Worten, Epochen, die dem gleichen Ort in den verschiedenen Aufnahmen entsprechen, werden gemittelt, ohne Mittelungsepochen innerhalb einer Aufnahme. Folglich entspricht die in jedem Stimulationsintervall berechnete Antwortamplitude der momentanen Amplitude des evozierten Potentials. Die sensorischen Reaktionen können je nach Ziel des Experiments entweder im Zeitbereich analysiert oder in den Frequenzbereich umgewandelt werden. In jedem Fall können die Amplituden als Funktion der Zeit dargestellt werden, um die Zeitentwicklung der stationären Reaktion zu analysieren. Die Generierung und das Aussterben der beschworenen Steady-State-Potenziale kann beurteilt werden, indem die Analyse auf die erste und letzte Epoche der Aufnahmen beschränkt wird.

Die Dynamik der neuronalen Einspeisung kann mit anderen Ansätzen analysiert werden, wie z. B. Schmalbandfiltermessungen, die die Häufigkeit des Interesses umschließen, und die Berechnung der Umhüllung des Leistungssignals mittels Low-Pass-Filterung25 und Hilbert Transformation27. Im Vergleich zu diesen Methoden ermöglicht die säulenweise Mittelung von Epochen die Berechnung von Steady-State-Parametern basierend auf Signalen mit dem höheren Signal-Rausch-Verhältnis (SNR). Kürzlich hat sich die Kalman-Filterung als vielversprechende Technik für die Schätzung von 40-Hz-ASSR-Amplituden28,29,30herauskristallisiert. Die Implementierung der Kalman-Filterung kann die Erkennung von stationären Reaktionen näher ander elektrophysiologischen Schwelle verbessern und die Zeit des Hörtests 29 reduzieren. Darüber hinaus sind stationäre Antworten nicht anzunehmen, wenn ein Kalman-Filteransatz verwendet wird, um die ASSR-Amplitude30zu schätzen. Dennoch hat nur eine Studie die Zeitentwicklung von ASSRs mit Kalman-Filterung25analysiert. Das Fazit der Studie ist, dass die 40-Hz-ASSR-Amplitude über das Stimulationsintervall stabil ist. Daher muss die Kalman-Filterung unter Bedingungen getestet werden, unter denen die ASRR nicht stationär ist.

Obwohl zeitaufwändig, ist die spaltenweise Mittelungsmethode modellfrei und benötigt keine Initialisierungswerte und/oder a priori Definitionen des Rauschverhaltens. Da es sich nicht um Konvergenzzeiten handelt, kann die säulenweise Mittelung eine zuverlässigere Darstellung des Beginns der neuronalen Einbahnung liefern. Daher können die Ergebnisse, die mit der säulenweisen Mittelungsmethode erzielt wurden, als die Bodenwahrheit für die Analyse der Dynamik der neuronalen Einbahnung mit Kalman-Filterung betrachtet werden.

Diese Beschreibung des Protokolls basiert auf einem Beispiel von SSVEP. Es ist jedoch wichtig zu beachten, dass die hier vorgestellte Methode modalitätsunabhängig ist, so dass sie auch verwendet werden kann, um die Zeitentwicklung von SSSEP und ASSR zu analysieren.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die vorliegende Studie wurde unter Genehmigung der Forschungs- und Ethikkommission der Universidad de Valparaéso, Chile (Bewertungserklärung S. 170-18), durchgeführt, die den nationalen Leitlinien für die Forschung mit menschlichen Probanden bestätigt wurde.

1. Vorbereitung

  1. Begrüßen Sie das Thema.
  2. Erläutern Sie die Ziele und die Relevanz der Studie. Geben Sie eine Beschreibung der relevanten technischen Details an. Beantworten Sie alle Fragen gründlich.
  3. Ausdrücklich erwähnen, dass sie/er die experimentelle Sitzung jederzeit unterbrechen kann, wenn gewünscht.
  4. Bitten Sie den Freiwilligen, die betreffende informierte Zustimmung zu lesen und das entsprechende Formular zu unterzeichnen. Unterbrechen Sie die Experimentelle Sitzung, wenn die informierte Zustimmung nicht eingeholt wird.

2. Themenvorbereitung

  1. Bitten Sie das Subjekt, in einer bequemen Position in einem Laborstuhl zu sitzen.
    1. Reinigen Sie die Kopfhaut mit Ethanol (eine Lösung bei 95%) , um die Schicht von abgestorbenen Hautzellen und Talg zu entfernen, die sie bedecken. Dieser Schritt ist wichtig, um die Impedanz zwischen den Elektroden und der Kopfhaut zu reduzieren.
  2. Messen Sie den Kopfumfang mit einem Maßband, um die Größe der zu verwendenden Elektrodenkappe zu definieren.
    1. Bitten Sie das Motiv, die Elektrodenkappe zu tragen. Geben Sie die Anweisungen für eine bequeme, aber korrekte Positionierung der Kappe an.
    2. Messen Sie den Abstand zwischen der Nasion (Nz, dem Mittelpunkt der nasofrontalen Naht, die durch die Depression zwischen den Augen und der Oberseite der Nase identifiziert werden kann) und der Inion (Iz, die Prominenz des okzipitalen Knochens) mit einem Messband.
    3. Messen Sie den Abstand zwischen dem linken und rechten vorauricularen Punkt (identifiziert als die Depression kurz vor der Ohrohruurtur) mit einem Maßband.
    4. Korrigieren Sie die Position der Elektrodenkappe, sodass der Schnittpunkt zwischen den imaginären Linien, die in den vorherigen Schritten definiert wurden, dem Scheitelpunkt des Kopfes entspricht. Stellen Sie sicher, dass das Motiv nach den Einstellungen bequem ist.
  3. Setzen Sie leitfähiges Gel in die Elektrodenhalter, je nach den für das Experiment berücksichtigten Stellen.
    1. Verwenden Sie 64 Kopfhautstandorte nach dem International 10-20 System31, um das Ergebnis des Protokolls für die Quelllokalisierungsanalyse zu verwenden. Die höhere Anzahl der Elektrodenstellen (128) auf der Kopfhaut kann bei Bedarf verwendet werden.
    2. Implementieren Sie klinische oder ambulante Einstellungen (mit nur wenigen Elektroden), wenn keine Quellenlokalisierungsanalyse geplant ist. Verwenden Sie okzipitale Positionen, um SSVEP, zeitliche Standorte zum Erfassen von ASSR und parietale Standorte zum Aufzeichnen von SSSEP aufzuzeichnen.
    3. Drücken Sie die Elektroden in die Elektrodenhalter. Stellen Sie sicher, dass das Etikett der Elektrode mit dem Etikett der Position in der Kappe übereinstimmt.
    4. Begleiten Sie den Freiwilligen in den Versuchsraum (vorzugsweise eine abgeschirmte, schalldämpfende Kammer). Bitten Sie das Subjekt, in einem Stuhl im Raum in einer bequemen Position zu sitzen.
  4. Platzieren Sie externe Elektroden auf der Nase und Ohrläppchen, wenn eine physikalische Referenz (anders als die Kopfhautelektroden) zur erneuten Referenzierung der EEG-Aufnahme verwendet wird (in Schritt 3.8.1).
  5. Platzieren Sie externe Elektroden an periokulären Stellen.
    1. Legen Sie Elektroden auf die Wange und den vorderen Bereich des Kopfes, ca. 1 cm über der Augenbraue, um blinkend aufzuzeichnen (in Schritt 2.6.1).
    2. Legen Sie Elektroden auf den äußeren Canthus der Augen, ca. 1 cm über/unter der Mittellinie, um Augenbewegungen aufzuzeichnen (in Schritt 2.6.1).
      HINWEIS: Das Elektrookulogramm (EOG) wird im Schritt 3.8.5 zum Entfernen von EGG-Artefakten verwendet, die durch Blinken und Augenbewegungen induziert werden.
  6. Schalten Sie das EEG-Erfassungssystem ein und überprüfen Sie die Elektrodenimpedanz, wenn ein Niederimpedanzsystem zur Aufzeichnung des EEG verwendet wird. Korrigieren Sie die Impedanz nach Bedarf gemäß den Anweisungen des Herstellers. Die Impedanz sollte unter 10 k x32 gehalten werden.
    1. Bitten Sie das Subjekt, zu blinken und die Augen in verschiedene Richtungen zu bewegen, um sicherzustellen, dass EOG korrekt aufgezeichnet wird.
  7. Um die Dynamik von SSVEP zu analysieren, passen Sie die Position des Bildschirms in vertikaler Richtung an den Ansichtswinkel des Motivs an. Verdunkeln Sie die Lichter des Raumes, bis ein komfortables Niveau erreicht ist. Passen Sie die Leuchtdichte des Bildschirms an die obere Grenze des Komfortniveaus des Teilnehmers an.
    1. Um die Dynamik von ASSR zu analysieren, legen Sie die Kopfhörer mit den richtigen Schaumstoffeinsätzen ein, damit die Kopfhörer in den Gehörgang passen. Prüfen Sie, ob die Geräusche mit der gewünschten Intensität geliefert werden (z.B. eine psychophysikalisch komfortable Stufe33).

3. EEG-Erwerb und -Vorverarbeitung

  1. Legen Sie die im experimentellen Entwurf definierten Stimulusparameter fest. Weitere Informationen zur Software finden Sie in der Bedienungsanleitung des Herstellers des Stimulationssystems.
    HINWEIS: Für umfassende Erläuterungen des Stimulus, der für die Erzeugung von SSVEP und ASSR verwendet wird, siehe Norcia et al.8 bzw. Rance34.
  2. Weisen Sie das Subjekt an, auf die Stimulation zu achten, falls die visuelle Verzierung das Thema des Experiments ist.
    1. Präsentieren Sie einen untertitelten Film mit dem Ton aus, wenn auditive entrainment das Thema des Experiments ist.
      HINWEIS: Die Präsentation eines Stummfilms ermöglicht die Ablenkung der Aufmerksamkeit von der akustischen Stimulation unter Beibehaltung der Erregungsstufe25.
  3. Präsentieren Sie Reize länger als 90 s, wie getan wurden, um die Zeitentwicklung von SSVEPs und ASSR in Menschen- und Tiermodellen21,22,25,26zu untersuchen.
    HINWEIS: Präsentieren Sie Reize kürzer in der Dauer, wenn eine Pilotstudie durchgeführt wurde.
  4. Halten Sie die Stimulation für 2 min an, wenn nur eine experimentelle Erkrankung getestet wird. Interagieren Sie mit dem Subjekt, um das Bewusstsein zu überprüfen.
    HINWEIS: Die Dauer der Pause hängt von der Dauer der Stimulation ab. Pausen 3x länger als die Stimulationsintervalle stellen sicher, dass eine Reaktion, die durch einen Reiz ausgelöst wird, nicht durch die vorherige Stimulation beeinflusst wird. Längere Pausen sind zulässig, wenn der Betreff dies fordert.
    1. Anhalten Sie die Stimulation für mindestens 10 s, wenn verschiedene experimentelle Bedingungen getestet werden, da abwechselnde Stimulation mit Pausen von 10 s vorgeschlagen wurde, zusätzliche Anpassungseffekte zu verringern und die Länge des Experiments zu reduzieren25.
  5. Wiederholen Sie die Präsentationsschritte (Schritte 3.3-3.4) mindestens 30x, um den hohen SNR der Messungen nach der Mittelung der Epochen zu gewährleisten (Schritt 4.4).
  6. Zeichnen Sie das EEG mit Standardverfahren35auf. Erstellen Sie für jeden experimentellen Lauf eine separate EEG-Datei.
    HINWEIS: Weitere Informationen zur Software finden Sie in der Bedienungsanleitung des Erfassungssystems.
  7. Überwachen Sie die EEG-Aufzeichnung, um Schlafperioden basierend auf dem Niveau der Alphaaktivität und der Häufigkeit zu erkennen, mit der blinkende Artefakte angezeigt werden. Unterbrechen Sie das Experiment, wenn erhöhte Alpha-Werte begleitet von verringerten Blinkfrequenzen erkannt werden, was auf Schläfrigkeit hindeutet. Lehnen Sie den Versuchslauf aus einer weiteren Analyse ab, wenn Schlafperioden erkannt werden.
    1. Berechnen Sie die Amplitude der stationären Reaktion am Ende jedes Versuchslaufs gemäß den Anweisungen im Benutzerhandbuch der im Experiment verwendeten Erfassungssoftware.
    2. Überwachen Sie die Aufmerksamkeitsstufe des Themas, indem Sie die Amplitude der stationären Reaktionen vergleichen, die am Ende jedes Versuchslaufs erhalten wurden. Legen Sie die in den ersten Versuchsläufen erhaltene Steady-State-Amplitude als Referenzamplitude fest.
    3. Legen Sie einen Ablehnungsschwellenwert fest (eine Verringerung der Antwortamplitude um 5 % in Bezug auf die Referenzamplitude). Lehnen Sie die experimentellen Durchläufe ab, in denen die Amplitude der steady-state-Antwort auf das Ablehnungskriterium trifft.
    4. Beenden Sie die experimentelle Sitzung, nachdem Sie die Anzahl der im Versuchsentwurf definierten Durchläufe erhalten haben.
  8. Vorverarbeitung der EEG-Daten offline mit Standard-EEG-Verfahren35, die in den nächsten Schritten nach Dener-Richtung beschrieben werden.
    1. Verweisen Sie erneut auf die Aufzeichnung mit einer durchschnittlichen Referenz (Durchschnitt aller Aufnahmeelektroden) oder dem Durchschnitt einer Teilmenge von Elektroden. Alternativ können Sie eine physikalische Referenz verwenden (z. B. externe Elektroden, die auf der Nase und Ohrläppchen in Schritt 2.4 beschrieben werden).
    2. Konvertieren Sie die Elektrodenkoordinaten in das internationale 10/20-System, wenn das radiale Koordinatensystem während der EEG-Erfassungen verwendet wurde. Weitere Informationen zur Konvertierung finden Sie im Herstellerhandbuch.
    3. Bandpassfilter das EEG-Signal zwischen 0,5-300 Hz. Stellen Sie bei Bedarf einen Kerbfilter (zentriert bei 50 Hz oder 60 Hz) ein.
    4. Nach unten das EEG-Signal, um die Ausführungszeit des Algorithmus zum Entfernen von Okulären Artefakten ausgewählt zu verringern (Schritt 3.8.5).
      HINWEIS: Eine Abtastfrequenz von 512 Hz ist ausreichend, um Gehirnschwingungen der Frequenz unter 40 Hz35zu analysieren.
    5. Entfernen Sie die Augenartefakte.
      HINWEIS: Zu diesem Zweck können verschiedene Techniken verwendet werden (siehe Urigüen und Garcia-Zapirain35 für eine ausführliche Überprüfung der Algorithmen zur Entfernung von Artefakten). Unter ihnen ist die unabhängige Komponentenanalyse eine der am weitesten ausgedehnten Methoden und wird sowohl in kommerziellen als auch in freien Analysesoftwaresimplementiert 37,38,39.
    6. Segmentieren Sie die EEG-Daten in Epochen, die zeitgebunden bis zur Stimulation sind. Wählen Sie die Epochen Länge nach dem Ziel des Experiments.
      HINWEIS: Epochen sollten so lang sein, dass eine Analyse der stationären Reaktion im Frequenzbereich mit einer angemessenen Spektralauflösung möglich ist.
    7. Führen Sie in dieser Phase keine Artefakt-Ablehnungsalgorithmen aus, um Epochen zu erkennen und zu entfernen, die Artefakte enthalten.
      HINWEIS: Wenn Sie die Epoche in dieser Phase entfernen, werden Fehler verursacht, wenn das Dataset so organisiert ist, dass die spaltenweise Mittelung von Epochen ausgeführt wird (Schritte 4.2 und 4.4). Ablehnungsalgorithmen werden zu einem späteren Verarbeitungsschritt implementiert (Schritt 4.1.4).
    8. Führen Sie die DC-detrend-Funktion aus, um DC-Trends in einzelnen EEG-Epochen zu berechnen und zu korrigieren.
    9. Führen Sie die Baseline-Korrekturfunktion aus, um die Baseline der Aufzeichnung zu korrigieren. Wählen Sie Pre-Stimulus-Zeitintervalle von mehr als 200 ms aus.
      HINWEIS: Die Basislinienkorrektur besteht darin, die Daten im ausgewählten Zeitintervall zu mittelisieren. Der Durchschnitt wird für jeden Kanal berechnet und von jedem Datenpunkt in jeder Epoche subtrahiert.

4. Berechnung der Antwortamplituden

  1. Geben Sie die Parameter ein, die für die Berechnung der stationären Antworten erforderlich sind (Abbildung 1A).
    HINWEIS: Der für die Verarbeitung der Daten verwendete interne Code ist unter frei verfügbar. Weitere Anweisungen finden Sie im Hilfetext im Code. Ebenso ist eine Teilmenge der in dieser Studie verwendeten Daten verfügbar.
    1. Geben Sie die Anzahl der Aufnahmen (experimentelle Durchläufe) des Experiments ein.
    2. Geben Sie die Länge der Epochen ein, um die einzelnen Aufnahmen zu segmentieren.
    3. Geben Sie die Abtasthäufigkeit des Experiments ein.
    4. Wählen Sie Artefakt-Ablehnungsalgorithmen aus, um Epochen zu erkennen und zu entfernen, die Artefakte enthalten. Die verfügbaren Auswahlkriterien sind 1) Gradient (absolute Differenz zwischen zwei aufeinander folgenden Stichproben), 2) max-min (die Differenz zwischen der maximalen und minimalen Amplitude in der Epoche) und 3) Amplitude (absolute maximale und minimale Amplituden).
    5. Führen Sie den Verarbeitungscode aus.
      HINWEIS: Die Schritte 4.2-4.7 werden automatisch ausgeführt, wenn diese Option ausgewählt ist. Führen Sie die Schritte ggf. manuell aus.
  2. Ordnen Sie die Epochen in eine Datenmatrix von n Zeilen und m Spalten um, in der n die Anzahl der Aufnahmen (experimentelle Durchläufe) und m die Anzahl der Epochen darstellt (Abbildung 1B).
  3. Gewichten Sie die Epoche, um die Wirkung von Bewegung und muskulösen Artefakten zu dämpfen.
    HINWEIS: Gewichtete EEG-Epochen werden ermittelt, indem jede Spannungsprobe durch die Amplitudenvarianz der Epoche dividiert wird, zu der sie gehören, so dass Varianz als Maß für Amplitudenvariabilität und Gewichtungsfaktor40verwendet wird.
  4. Spaltenweiseer Durchschnitt des Datasets. Zu diesem Zweck durchschnittlich die Zeit-Domain die Epochen, die dem gleichen Zeitfenster in den verschiedenen Aufnahmen entsprechen.
    HINWEIS: Dieser Schritt ermöglicht die Berechnung der stationären Amplitude in Aufnahmen mit einem bemerkenswert hohen Signal-Rausch-Verhältnis (SNR).
  5. Exportieren Sie die Zeitreihen, die sich aus der Mittelung ergeben, um die Zeitentwicklung der Einschreibung in externe Software weiter zu analysieren.
    1. Berechnen Sie die Amplitude der steady-State-Antwort in jeder Epoche, die sich aus der spaltenweisen Mittelung ergibt, mithilfe der schnellen Fourier-Transformation (FFT).
      HINWEIS: Die FFT-Länge sollte der Länge einer Epoche entsprechen. Die Implementierung einer Fenstertechnik ist nicht obligatorisch. Die Amplitude der stationären Reaktion ist definiert als die spektrale Amplitude, die bei der Frequenz der Amplitudenmodulation der sensorischen Reize erhalten wird.
  6. Vektordurchschnitt der Amplitude einer Ad-hoc-Anzahl von FFT-Behältern auf jeder Seite der Häufigkeit der Antwort, um den Restrauschenpegel (RNL) zu berechnen. Die Anzahl der FFT-Behälter sollte mit einem Frequenzband von etwa 3 Hz auf jeder Seite der Frequenz des Ansprechgangs übereinstimmen.
    ANMERKUNG: Die hohe Frequenzspezifität der stationären Antworten macht die Antwortamplitude unabhängig von den Hintergrundschwingungen mit ähnlichen Frequenzen, die sich wiederum gleichmäßig in einem relativ schmalen Frequenzband41 verteilen. , 42 , 43.
  7. Zeichnen Sie die Amplitude der stationären Reaktion und des RNL als Funktion des Säulenindex (d. h. der Anzahl der erworbenen Epoche), um die Entwicklung der stationären Reaktion während des Stimulationsintervalls zu untersuchen.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

SSVEP wurde durch kontinuierliche visuelle Reize von 40 s Länge ausgelöst, wo die Lichtintensität durch eine sinusförmige Welle von 10 Hz moduliert wurde (Modulationstiefe von 90%). Stimuli wurden von vier Leuchtdioden (LEDs) geliefert, die sich in der Mitte eines 50 cm x 50 cm schwarzen Bildschirms als Scheitelpunkte eines Quadrats von 5 cm x 5 cm befinden. Wenn der Teilnehmer 70 cm vom Bildschirm entfernt saß, untergibt die Fläche des Quadrats der LEDs einen Sichtwinkel von etwa 4°. Der LED-Bildschirm wurde mit einem USB-basierten Mikrocontroller-Entwicklungssystem und vier superhellen weißen LEDs mit einem Durchmesser von 10 mm entwickelt. Die Pulsweitenmodulation (PWM) wurde verwendet, um die Stromversorgung der LEDs zu steuern. Diese Technik kontrollierte die LEDs-Intensitäten bei einer bestimmten Frequenz und erzeugte die endgültige sinusförmige Hülle. Eine PWM-Frequenz von 40 kHz wurde verwendet, um einen spürbaren Flimmereffekt zu vermeiden.

Es wurden dreißig Aufnahmen erhalten, die in Epochen von 4 s segmentiert wurden. Daher wurde ein Datensatz aus 10 Spalten (Anzahl der EEG-Epochen innerhalb von Aufzeichnungen) und 30 Zeilen (Anzahl der Aufnahmen, Anzahl der experimentellen Durchläufe) erhalten.

Die neuronale Schwingung, die zeitverriegelt für die Stimulation war, wurde deutlich, als die säulenweise Mittelung durchgeführt wurde (Abbildung 2). Bezeichnenderweise kann das Intervall, in dem das SSVEP erzeugt wird, in Spuren beobachtet werden, die der Spalte 1 entsprechen. In dieser Spalte werden zusätzlich zu den ersten 0,8 s neuronaler Einbahnung 0,2 s Vorstimulus-Baseline dargestellt. Daher erlaubt das hier beschriebene Verfahren die Charakterisierung von 1) der Dynamik der oszillierenden Reaktion, sobald die neuronale Einspeisung bereits etabliert ist, und 2) dem Eingreifen neuronaler Schwingungen. Eine oder mehrere Epochen, die nach dem Ende der Stimulation aufgezeichnet wurden, können auch in die Datenmatrix aufgenommen werden, um das Aussterben der stationären Reaktion nach Stimuluskompensation zu untersuchen.

Während der säulenweisen Mittelung der Epochen verringerte sich die mittlere Amplitude des SSVEP (Spektralamplitude bei 10 Hz, berechnet durch Anwendung des FFT) während der Mittelung der ersten Epochen der Spalten und tendierte dazu, sich danach zu stabilisieren (Abbildung 3A). Dieses Ergebnis stimmt mit früheren Studien überein, die die Entwicklung der ASSR während der Mittelung der sequenziell erworbenen Epochen21,22,40,43,44analysieren. Das Verhalten der Antwortamplitude während der Mittelung wird in der Regel durch den relativ hohen Beitrag von undurchschnittlichem Rauschen zur in den ersten Epochen berechneten Antwortamplitude erklärt, die abgeschwächt wird, wenn die Mittelung13 durchgeführt wird. 44 , 45 , 46 , 47. Bemerkenswert ist, dass die Amplitudenvariabilität des SSVEP mit fortschreitender Mittelung deutlich abnahm.

Wir analysierten auch die RNL der Messungen während der spaltenweisen Mittelung von Epochen (Abbildung 3B). Der RNL wurde in einem schmalen Frequenzband (3 Hz) auf beiden Seiten der Frequenz des SSVEP berechnet. Obwohl dieses Verfahren bei der Analyse von SSVEP nicht üblich ist, ist die Vektormittelung einer bestimmten Anzahl von Frequenzabschnitten um die der neuronalen Einbahnung der Standard für die Schätzung des RNL in den ASSR-Messungen41,42, 43. Wie erwartet nahm die RNL allmählich ab, da die Anzahl der durchschnittlichen Epochen zunahm und das asymptotische Niveau erreichte, nachdem etwa 20 Epochen verarbeitet wurden. Im Gegensatz zu der bei der Analyse der SSVEP-Amplitude beobachteten, blieb die Standardabweichung des RNL relativ konstant, da die Anzahl der gemittelten Epochen zunahm, was darauf hindeutet, dass die Aufnahmebedingungen während der experimentellen Sitzung stabil waren.

Die oben vorgestellten Ergebnisse ermittelten die Veränderungen des Spitzen-Signal-Rausch-Verhältnisses (pSNR) der Messungen während der säulenweisen Mittelung der Epoche (Abbildung 3C). Dieser Begriff wird hier als das Verhältnis (in dB) zwischen der quadratischen Amplitude der Antwortvariablen (SSVEP) und der quadratischen Amplitude des RNL definiert. Im Mittelwert stieg die pSNR an, als die Zahl der durchschnittlichen Epochen auf etwa 18 anwuchs. Weitere Erhöhungen in der Anzahl der gemittelten Epochen hatten keinen wesentlichen Einfluss auf die Qualität des Signals. Die Variabilität des pSNR nahm ab, da mehr Epochen gemittelt wurden.

Schließlich sind die Dynamik der SSVEP-Amplitude und der RNL in Abbildung 4dargestellt. Diese Zeitentwicklungen wurden durch Plotten der Antwortparameter erreicht, die am Ende der spaltenweisen Mittelung von Epochen als Funktion der Anzahl der Spalten (als Funktion der Zeit) berechnet wurden. Wie Labecki et al.26gezeigt haben, kann die Dynamik von SSVEP je nach Fächern erheblich variieren. Da die in Abbildung 4 dargestellten Ergebnisse einer einzelnen Person entsprechen, können keine Verallgemeinerungen vorgenommen werden. In diesem Bereich zeigte die Amplitude des SSVEP ein relativ komplexes Verhalten (Abbildung 4A). Die Antwortamplitude nahm in den ersten 12 Sekunden nach dem Stimulusbeginn allmählich zu (Zeit, die der Länge von 3 Epochen entspricht). Als der Reiz anhielt, ging der SSVEP in den folgenden 12 Sekunden kontinuierlich zurück und blieb danach relativ konstant. Diese Ergebnisse können nicht durch das Verhalten des RNL erklärt werden, da dieser Parameter während des Stimulationsintervalls relativ konstant war (Abbildung 4B). Die Zunahme der SSVEP-Amplitude nach dem Stimulusbeginn zeigt sich in den in Abbildung 2 dargestellten Spuren und lässt sich durch Integrationsprozesse erklären, die zur Stabilisierung des neuronalen Eineingriffs führen. Die anschließende Abnahme der Amplitude deutet auf eine Anpassung von SSVEP an die nachhaltige Stimulation hin. Dennoch müssen diese Hypothesen in kontrollierten Experimenten mit geeigneten Probengrößen getestet werden.

figure-results-1
Abbildung 1 : Kritische Schritte zum Extrahieren der Zeitentwicklung der Amplitude von stationären Antworten. (A) Screenshot des Verarbeitungscodes, in dem Analyseparameter definiert sind. (B) Repräsentatives Diagramm zur Veranschaulichung der Organisation des Datasets. Eine Datenmatrix bestehend aus 30 Aufzeichnungen aus 10 Epochen wird dargestellt. Die spaltenweise Mittelung von Epochen wird in der ersten Spalte hervorgehoben. Die vertikale Linie stellt die Richtung der Mittelung dar. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-2
Abbildung 2 : Veränderungen in der Wellenform der stabilen visuell evozierten Potentiale (SSVEP) während der säulenweisen Mittelung von Epochen. Die Reaktionen wurden durch die kontinuierliche Darstellung des in Amplitude modulierten Lichts bei 10 Hz ausgelöst. Die Zeilen zeigen die Wellenformen, die nach der Mittelung aller vorherigen Aufnahmen erhalten wurden (d. h., Zeile 1 ist die erste Aufnahme, Zeile 5 ist die Wellenform, die nach der Mittelung der ersten fünf Aufnahmen erhalten wurde, und die letzte Zeile ist der Durchschnitt aller Aufnahmen). In jeder Spalte wurden zuverlässigere Wellenformen von SSVEP beobachtet, da die Anzahl der Mittelungsläufe zunahm. Um Klarheit zu schaffen (um die Schwingungen des SSVEP sichtbar zu machen), wird nur die erste Sekunde der Epochen dargestellt. Die Ausnahmen sind Ablaufverfolgungen in der ersten Spalte des Datensatzes, für die 0,2 Sekunden der Vor-Stimulus-Baseline angezeigt werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-3
Abbildung 3 : Änderungen der Antwort- und Aufzeichnungsparameter während der spaltenweisen Mittelung von Epochen. (A) Entwicklung der SSVEP-Amplitude. (B) Verhalten der RNL. (C) Änderungen im pSNR. Schwarze Linien stellen die Mittelwerte dar, die für jede Spalte (n = 10) erhalten wurden, und der graue Schatten stellt die Fläche dar, die von einer Standardabweichung abgedeckt wird. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-4
Abbildung 4 : Die Zeitliche Entwicklung des SSVEP wird durch die Präsentation einer kontinuierlichen visuellen Stimulation ausgelöst, moduliert in Amplitude bei 10 Hz. (A) Zeitverlauf der SSVEP-Amplitude. (B) Zeitverlauf des RNL. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Arbeit beschreibt ein experimentelles Verfahren zur Analyse der Dynamik oszillatorischer Gehirnreaktionen. Eine solche Methode besteht darin, eine ausreichende Anzahl unabhängiger Versuchsläufe desselben experimentellen Zustandes zu erwerben, und Zeitbereichs-Mittelungsepochen, die dem gleichen Zeitfenster in den verschiedenen Aufnahmen entsprechen (spaltenweise Mittelung in Abbildung 1B). Die in den gemittelten Daten berechnete Amplitude stellt die momentane Amplitude der oszillatorischen Antwort variablen Antwort variablen Darstellung dar. Das Plotten dieser Amplituden als Funktion der Zeit (oder der Anzahl der Spalten im Dataset) ermöglicht die Analyse der Zeitentwicklung der oszillatorischen Reaktion, die zeitgesperrt für die Stimulation ist. Diese Methode ist eine Änderung der von Ritter et al.23 vorgeschlagenen Änderung zur Analyse der Anpassung vorübergehender kortikal evozierter Potentiale. Die Methode wurde verwendet, um die Dynamik der auditivevoevoevoken Potenziale sowohl beim Menschen24 und Tiermodelle20,21zu analysieren.

Aus methodischer Sicht ist die Kombination von Parametern, die verwendet werden, um die stationäre Reaktion auszulösen, und der Parameter, die implementiert werden, um die neuronale Reaktion aus Hintergrundrauschen zu extrahieren, entscheidend, um die Zeitentwicklung von evozierten Potentialen zu analysieren. 22. Die in dem hier vorgestellten Experiment verwendete Stimuluslänge (40 s) wurde anhand der Ergebnisse einer Pilotstudie ausgewählt. Diese Stimuluslänge reichte aus, um die Anpassung der im Rattenhirnstamm erzeugten ASSR zu analysieren21,22. Darüber hinaus sollte die Stimuluslänge die Zeit überschreiten, zu der die asymptotische Momentbandbreitenleistung von SSVEPs erreicht wird (Abbildung 1 in Labecki et al.26). Dennoch kann die asymptotische Momentbandbreitenleistung von SSVEPs in einigen Fällen über 60 jahre hinaus erreicht werden (Abbildung 2 in Labecki et al.26). Daher wird empfohlen, eine Pilotstudie mit kleinen Stichproben auszuführen, um die Stimuluslänge der Stimulation zu definieren. Andernfalls wird eine Stimuluslänge von mehr als 90 s empfohlen, um eine vollständige Darstellung der Zeitentwicklung der Antwort zu erreichen. Die Verwendung angemessen langer Pausen zwischen aufeinanderfolgenden Aufzeichnungen impliziert die Berücksichtigung aufeinander folgender Versuchsläufe als statistisch unabhängig (d. h. unterschiedliche, unabhängige Kennzahlen derselben Variablen). Nach bestem Wissen und Gewissen wurden keine Experimente durchgeführt, um die optimale Pause zwischen den Läufen zu analysieren (Mindestpause erforderlich, um Läufe voneinander unabhängig zu machen). Das Kriterium der Verwendung von Pausen, die mindestens 3x länger als die Stimuluslänge sind, ist konservativ genug, um sicherzustellen, dass die in einem bestimmten Lauf aufgezeichnete stationäre Reaktion nicht durch die vorherige Stimulation beeinflusst wird.

Kürzlich wurden abwechselnde Reize (experimentelle Bedingungen) vorgeschlagen, um die Pause zwischen experimentellen Läufen zu reduzieren und zusätzliche Anpassungseffekte zu vermeiden25. Ebenso ist die Anzahl der in diesem Experimentellen Protokoll implementierten experimentellen Durchläufe (30) konservativ, da die asymptotischen RNL und pSNR in der Regel nach durchschnittlich 20 experimentellen Durchläufen erreicht werden, ungefähr. Wenn Reize innerhalb des mittleren oberen Bereichs des dynamischen Bereichs der Reaktion liegen (hohe Empfindungsniveaus), sind wahrscheinlich niedrigere Anzahl von Durchläufen erforderlich, um die Dynamik der evozierten Reaktion zu analysieren. In Fällen, in denen unterschiedliche Versuchsbedingungen getestet werden, ist jedoch die gleiche Anzahl von Versuchsläufen für Vergleiche zwischen Bedingungen (d. h. unterschiedlichen Empfindungsniveaus) von entscheidender Bedeutung.

Zusätzlich zur säulenweisen Mittelung von Epochen wurde die Dynamik oszillatorisch evozierter Potentiale analysiert, indem die Einzelversuchsmessungen in einem schmalen Frequenzband um die Frequenz des Interesses gefiltert und die Umhüllung der Leistung berechnet wurden. Signal mit Tiefpassfilterung26. Ebenso wurde eine Einzelversuchsanalyse implementiert, um die Übergangszeit zu charakterisieren, die der stabilen Region von SSVEP48vorausgeht, und die Veränderungen der Amplitude und Phase des SSVEP während des stabilen Bereichs der Antwort49. Während Einzelversuchsanalysen die Diskriminierung relativ schneller Schwankungen der Antwortamplitude ermöglichen, berücksichtigen experimentelle Entwürfe zur Analyse der durchschnittlichen Reaktion in Blöcken, die durch ein bestimmtes Interblockintervall getrennt sind, nur langfristige Schwankungen in der Amplitude des evozierten Potentials50,51. Die säulenweise Mittelung der Epochen steht zwischen diesen beiden Optionen. Das Konvertieren des gemittelten Signals in die Frequenzdomäne mit dem FFT impliziert die Analyse der Dynamik der Antwortvariablen mit einer Auflösung, die der Länge der Epoche entspricht. Im hier vorgestellten Beispiel wurde der SSVEP alle 4 s gemeldet. Obwohl 4 s Auflösung ausreichend ist, um Dynamiken zu beschreiben, die in Zeitabständen auftreten, die zig Sekunden übersteigen, wie die des SSVEP26,ermöglicht es teilweise überlappende Epochen in den Originalaufnahmen, die Zeitentwicklung der steady-state-Reaktion in einer raffinierteren Art und Weise25.

Die Dynamik der konstanten Reaktionen, die nach der spaltenmäßigen Mittelung von Epochen erhalten wurden, stellt hauptsächlich die Entwicklung der oszillatonischen Aktivität dar, die zwischen den gemittelten EEG-Segmenten synchronisiert wird (die, die die Mittelung überleben). Daher ist eine wichtige Frage in Bezug auf die Durchführbarkeit der Methodik die mögliche Dämpfung von Reaktionsamplituden aufgrund von Variationen in der Phase der neuronalen Schwingungen von einem unabhängigen Versuch zum anderen (d. h. zwischen Aufnahmen). Dieses Thema muss experimentell behandelt werden. Es gibt jedoch Hinweise darauf, dass die Phase der oszillatonen Reaktionen des Gehirns weniger variabel ist als erwartet. Tatsächlich haben mehrere Studien eine Regelmäßigkeit in der erwarteten Phase des menschlichen 80 Hz ASSR47,48,49berichtet. Wenn Latenzen auf der Grundlage der Phase der oszillatorischen Aktivität geschätzt werden, wurde die vorhersagbare Wirkung der Intensität und der Trägerfrequenz der akustischen Reize auf die Latenz der akustischen Reaktionen beobachtet (d. h. die Latenzabnahme Intensität und Trägerfrequenzerhöhung)52,53,54. Darüber hinaus wurden typische maturationale Veränderungen der Amplitude und der Links-nach-Rechts-Asymmetrie in den Hörpegeln auch beobachtet, wenn Latenzen aus der Phase der ASSR47,55,56 geschätzt werden. , 57 , 58. Bei der Beschreibung der Zeitentwicklung von SSVEP mittels Einzelversuchsanalyse stellten Labecki et al.26 fest, dass die Variabilität der Reaktionsamplituden innerhalb desselben Subjekts zwar erheblich hoch sei, Phase war deutlich weniger ausgeprägt.

Auf der Grundlage ihrer Beobachtungen schlugen Labecki et al.26 vor, dass mindestens 50 Versuche gemittelt werden sollten, um eine zuverlässige Schätzung der mittleren Leistungshülle der Antwort zu erhalten. Diese Ergebnisse deuten darauf hin, dass selbst bei der Berechnung der Amplitude der Antwortvariablen in einzelversuchen eine Mittelung (in diesem Fall von Umschlägen) erforderlich ist, um vertrauenswürdige Ergebnisse zu melden. Darüber hinaus deutet die von Labecki et al.26 gemeldete Inter-Trial-Variabilität in der Amplitude von SSVEP darauf hin, dass die Berechnung dieses Parameters in Einzelversuchen stark durch Hintergrundgeräusche beeinflusst werden kann. Unter Berücksichtigung der Entwicklung des in Abbildung 2dargestellten Signal-Rausch-Verhältnisses reduziert die Berechnung der Antwortvariablen im gemittelten Signal anstelle einzelner Versuche die Anzahl der EEG-Segmente, die verarbeitet werden müssen, um zuverlässige Messungen. Darüber hinaus unterstützt die geringe Variabilität in der Phase, die Labecki et al.26 erhalten hat, die Idee, dass die hier vorgestellte säulenweise Mittelung von Epochen ein gültiges Verfahren zur Berechnung der Dynamik oszillatorisch evozierter Potentiale ist.

Die Mittelung der Daten auf verschiedenen Ebenen führt zu einer unterschiedlichen Interpretation der Ergebnisse. In Bezug auf oszillaton evozierte Potentiale bedeutet die Berechnung der Antwortamplitude nach der Zeitbereichsmittelung unabhängiger Durchläufe, dass nur zeitgesperrte Schwingungen analysiert werden (d. h. solche, die die Mittelung überleben). Dieses Verfahren kann relevante Informationen über die Dynamik der Reaktion in einzelnen Versuchen filtern. Sie garantiert jedoch ein ausreichend hohes Signal-Rausch-Verhältnis der Messungen. Dieser Aspekt könnte von Bedeutung sein, wenn die Antworten nahe an der elektrophysiologischen Schwelle liegen, ein Zustand, in dem die Detektion des Einstrangs durch ein geringes Signal-Rausch-Verhältnis der Messung beeinträchtigt werden kann.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts zu verraten.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren würdigen Luca Zepeda, Grace A. Whitaker und Nicolas Nieto für ihre Beiträge zur Videoproduktion. Diese Arbeit wurde teilweise von den CONICYT-Programmen BASAL FB0008, MEC 80170124 und PhD-Stipendium 21171741 sowie dem National Institute on Deafness and Other Communication Disorders der National Institutes of Health unter der Nummer P50DC015446 unterstützt. Der Inhalt liegt allein in der Verantwortung der Autoren und stellt nicht unbedingt die offizielle Meinung der National Institutes of Health dar.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Aktive Elektroden BiosemiP32-1020-32ACMS (ABC)für Kanäle 1-32
Aktive Elektroden BiosemiP32-1020-32A (ABC)für Kanäle 33-64
Aktive Elektroden Biosemi8 x TP FLATexterne Elektroden
Active-Two AufnahmesystemBiosemiVersion 7.0EEG-Aufnahmesystem
AlkoholSalcobrandCode:  3309011zur Reinigung der Kopfhaut
Elektrodenkappe 64 Kanäle BiosemiCAP MS xx yycap 
Elektrodenkappe 64 KanäleBiosemiCAP ML xx yycap 
GelBiosemiSIGNA BOX12leitfähiges Gel
LaptopAsusCore i7 1TB DD + 128GB SSD 8GB RAM  Computer zur Stimulation
LaptopAsusCore i7 1TB DD + 128GB SSD 8GB RAM  Computer für die Aufnahme
LED-Bildschirmaus eigener Produktion-Der Bildschirm besteht aus vier Leuchtdioden (LEDs), die sich in der Mitte eines 50x50 cm großen schwarzen Bildschirms befinden, als Eckpunkte eines Quadrats von 5x5 cm
steriler GazeSalcobrandCode:  8730277zur Reinigung der Kopfhaut

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Berger, H. Über das elektrenkephalogramm des menschen. European Archives of Psychiatry and Clinical Neuroscience. 87 (1), 527-570 (1929).
  2. Berger, H. Electroencephalogram of humans. Journal fur Psychologie und Neurologie. 40, 160-179 (1930).
  3. Walter, W. G. The location of cerebral tumours by electro-encephalography. The Lancet. 228 (5893), 305-308 (1936).
  4. Jasper, H. H., Andrews, H. L. Electro-encephalography: III. Normal differentiation of occipital and precentral regions in man. Archives of Neurology & Psychiatry. 39 (1), 96-115 (1938).
  5. Snyder, A. Z. Steady-state vibration evoked potentials: descriptions of technique and characterization of responses. Electroencephalography and Clinical Neurophysiology. 84 (3), 257-268 (1992).
  6. Giabbiconi, C. M., Trujillo-Barreto, N. J., Gruber, T., Muller, M. M. Sustained spatial attention to vibration is mediated in primary somatosensory cortex. Neuroimage. 35, 255-262 (2007).
  7. Rossion, B., Boremanse, A. Robust sensitivity to facial identity in the right human occipito-temporal cortex as revealed by steady-state visual-evoked potentials. Journal of Vision. 11 (2), (2011).
  8. Norcia, A. M., Appelbaum, L. G., Ales, J. M., Cottereau, B. R., Rossion, B. The steady-state visual evoked potential in vision research: a review. Journal of Vision. 15 (6), 4(2015).
  9. Galambos, R., Makeig, S., Talmachoff, P. J. A 40-Hz auditory potential recorded from the human scalp. Proceedings of the National Academy of Sciences of the United States of America. 78 (4), 2643-2647 (1981).
  10. Picton, T. W., Skinner, C. R., Champagne, S. C., Kellett, A. J., Maiste, A. C. Potentials evoked by the sinusoidal modulation of the amplitude or frequency of a tone. The Journal of the Acoustical Society of America. 82 (1), 165-178 (1987).
  11. Dawson, G. D. A summation technique for the detection of small evoked potentials. Electroencephalography and Clinical Neurophysiology. 6 (1), 65-84 (1954).
  12. Savio, G., Cardenas, J., Abalo, M. P., Gonzalez, A., Valdes, J. The low and high frequency auditory steady state responses mature at different rates. Audiology and Neurotology. 6 (5), 279-287 (2001).
  13. Luts, H., Desloovere, C., Kumar, A., Vandermeersch, E., Wouters, J. Objective assessment of frequencyspecific hearing thresholds in babies. International Journal of Pediatric Otorhinolaryngology. 68, 915-926 (2004).
  14. Valdes, J. L., et al. Comparison of statistical indicators for the automatic detection of 80 Hz auditory steady state responses. Ear and Hearing. 18 (5), 420-429 (1997).
  15. Wilding, T., McKay, C., Baker, R., Kluk, K. Auditory steady state responses in normal-hearing and hearing-impaired adults: an analysis of between-session amplitude and latency repeatability, test time, and F ratio detection paradigms. Ear and Hearing. 33 (2), 267(2012).
  16. de Resende, L. M., et al. Auditory steady-state responses in school-aged children: a pilot study. Journal of NeuroEngineering and Rehabilitation. 12 (1), 13(2015).
  17. Halbleib, A., et al. Topographic analysis of engagement and disengagement of neural oscillators in photic driving: a combined electroencephalogram/magnetoencephalogram study. Journal of Clinical Neurophysiology. 29 (1), 33-41 (2012).
  18. Salchow, C., et al. Rod Driven Frequency Entrainment and Resonance Phenomena. Frontiers in Human Neuroscience. 10, 413(2016).
  19. Wacker, M., et al. A time-variant processing approach for the analysis of alpha and gamma MEG oscillations during flicker stimulus generated entrainment. IEEE Transactions on Biomedical Engineering. 58 (11), 3069-3077 (2011).
  20. Glaser, E. M., Ruchkin, D. S. Principles of Neurobiological Signal Analysis. Journal of Clinical Engineering. 2 (4), 382-383 (1977).
  21. Prado-Gutierrez, P., et al. Habituation of auditory steady state responses evoked by amplitude-modulated acoustic signals in rats. Audiology Research. 5 (1), (2015).
  22. Prado-Gutierrez, P., Martínez-Montes, E., Weinstein, A., Zañartu, M. Estimation of auditory steady-state responses based on the averaging of independent EEG epochs. PLoS ONE. 14 (1), (2019).
  23. Ritter, W., Vaughan, H. G. Jr, Costa, L. D. Orienting and habituation to auditory stimuli: a study of short terms changes in average evoked responses. Electroencephalography and Clinical Neurophysiology. 25 (6), 550-556 (1968).
  24. Malmierca, M. S., Cristaudo, S., Pérez-González, D., Covey, E. Stimulus-specific adaptation in the inferior colliculus of the anesthetized rat. Journal of Neuroscience. 29 (17), 5483-5493 (2009).
  25. Van Eeckhoutte, M., Luke, R., Wouters, J., Francart, T. Stability of auditory steady state responses over time. Ear and Hearing. 39 (2), 260-268 (2018).
  26. Labecki, M., Nowicka, M. M., Suffczynski, P. Temporal Modulation of Steady-State Visual Evoked Potentials. International Journal of Neural Systems. 29 (3), 1850050(2019).
  27. Zhang, S., et al. A study on dynamic model of steady-state visual evoked potentials. Journal of Neural Engineering. 15 (4), 046010(2018).
  28. Wilson, U. S., Kaf, W. A., Danesh, A. A., Lichtenhan, J. T. Assessment of low-frequency hearing with narrowband chirp evoked 40-Hz sinusoidal auditory steady state response. International Journal of Audiology. 55 (4), 239-247 (2016).
  29. Kaf, W. A., Mohamed, E. S., Elshafiey, H. 40-Hz Sinusoidal Auditory Steady-State Response and Tone Burst Auditory Brainstem Response Using a Kalman Filter to Determine Thresholds Pre- and Post-Myringotomy with Grommet Tube in Children With Mild, Low-Frequency Conductive Hearing Loss. American Journal of Audiology. 25 (1), 41-53 (2016).
  30. Luke, R., Wouters, J. Kalman filter based estimation of auditory steady state response parameters. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 25, 196-204 (2017).
  31. Homan, R. W. The 10-20 Electrode System and Cerebral Location. American Journal of EEG Technology. 28 (4), 269-279 (1988).
  32. Kappenman, E. S., Steven, J. L. The Effects of Electrode Impedance on Data Quality and Statistical Significance in ERP Recordings. Psychophysiology. 47 (5), 888-904 (2010).
  33. Moore, R., Gordon-Hickey, S., Jones, A. Most comfortable listening levels, background noise levels, and acceptable noise levels for children and adults with normal hearing. Journal of the American Academy of Audiology. 22 (5), 286-293 (2011).
  34. Rance, G. The Auditory Steady-state Response: Generation, Recording, and Clinical Application. Plural Publishing. 335, (2008).
  35. Luck, S. J. An introduction to the event-related potential technique. Second Edition. , MIT Press. 406(2014).
  36. Urigüen, J. A., Garcia-Zapirain, B. EEG artifact removal-state-of-the-art and guidelines. Journal of Neural Engineering. 12 (3), (2015).
  37. Jung, T. P., et al. Removing electroencephalographic artifacts by blind source separation. Psychophysiology. 37 (2), 163-178 (2000).
  38. Li, Y., Ma, Z., Lu, W., Li, Y. Automatic removal of the eye blink artifact from EEG using an ICA-based template matching approach. Physiological Measurement. 27 (4), 425(2006).
  39. Mannan, M. M. N., Jeong, M. Y., Kamran, M. A. Hybrid ICA-Regression: automatic identification and removal of ocular artifacts from electroencephalographic signals. Frontiers in Human Neuroscience. 10, 193(2016).
  40. John, M. S., Dimitrijevic, A., Picton, T. W. Weighted averaging of steady-state responses. Clinical Neurophysiology. 112 (3), 555-562 (2001).
  41. Zurek, P. M. Detectability of transient and sinusoidal otoacoustic emissions. Ear and Hearing. 13 (5), 307-310 (1992).
  42. Lins, O. G., Picton, P. E., Picton, T. W., Champagne, S. C., Durieux-Smith, A. Auditory steady-state responses to tones amplitude-modulated at 80-110 Hz. Journal of the Acoustical Society of America. 97 (5), 3051-3063 (1995).
  43. John, M. S., Picton, T. W. Human auditory steady-state responses to amplitude-modulated tones: phase and latency measurements. Hearing Research. 141 (1-2), 57-79 (2000).
  44. Fortuny, A. T., et al. Criterio de parada de la promediación de la respuesta auditiva de estado estable. Acta Otorrinolaringológica Española. 62 (3), 173-254 (2011).
  45. John, M. S., Purcell, D. W., Dimitrijevic, A., Picton, T. W. Advantages and caveats when recording steady-state responses to multiple simultaneous stimuli. Journal of the American Academy of Audiology. 13 (5), 246-259 (2002).
  46. Luts, H., Van Dun, B., Alaerts, J., Wouters, J. The influence of the detection paradigm in recording auditory steady-state responses. Ear and Hearing. 29 (4), 638-650 (2008).
  47. Choi, J. M., Purcell, D. W., John, M. S. Phase stability of auditory steady state responses in newborn infants. Ear and Hearing. 32 (5), 593-604 (2011).
  48. Xu, M., et al. Use of a steady-state baseline to address evoked vs. oscillation models of visual evoked potential origin. Neuroimage. 134, 204-212 (2016).
  49. Peachey, N. S., Demarco, P. J. Jr, Ubilluz, R., Yee, W. Short-term changes in the response characteristics of the human visual evoked potential. Vision Research. 34 (21), 2823-2831 (1994).
  50. Woods, D. L., Elmasian, R. The habituation of event-related potentials to speech soundsand tones. Electroencephalography and Clinical Neurophysiology. 65, 447-459 (1986).
  51. Ravden, D., Polich, J. Habituation of P300 from visual stimuli. International Journal of Psychophysiology. 30 (3), 359-365 (1998).
  52. Picton, T. W., Dimitrijevic, A., John, M. S., Van Roon, P. The use of phase in the detection of auditory steady-state responses. Clinical Neurophysiology. 112 (9), 1698-1711 (2001).
  53. Alaerts, J., Luts, H., Van Dun, B., Desloovere, C., Wouters, J. Latencies of auditory steady-state responses recorded in early infancy. Audiology and Neurotology. 15 (2), 116-127 (2010).
  54. John, M. S., Brown, D. K., Muir, P. J., Picton, T. W. Recording auditory steady-state responses in young infants. Ear and Hearing. 25 (6), 539-553 (2004).
  55. Purcell, D. W., John, S. M., Schneider, B. A., Picton, T. W. Human temporal auditory acuity as assessed by envelope following responses. Journal of the Acoustical Society of America. 116 (6), 3581-3593 (2004).
  56. Kuwada, S., et al. Sources of the scalp-recorded amplitude-modulation following response. Journal of the American Academy of Audiology. 13 (4), 188-204 (2002).
  57. Pauli-Magnus, D., et al. Detection and differentiation of sensorineural hearing loss in mice using auditory steady-state responses and transient auditory brainstem responses. Neuroscience. 149 (3), 673-684 (2007).
  58. Prado-Gutierrez, P., et al. Maturational time course of the Envelope Following Response to amplitude-modulated acoustic signals in rats. International Journal of Audiology. 51 (4), 309-316 (2012).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Steady State Evoked PotentialsNeural EntrainmentColumn Wise AveragingEEG Signal ProcessingFast Fourier TransformVisual StimulationSignal to Noise RatioTime Evolution AnalysisElectrophysiological ThresholdOcular Artifact Removal

Related Articles