Microstate und Omega Komplexität Analysen der ruhenden Zustand Elektroenzephalographie

In diesem Semester wurden 10 Fragen auf dem Gebiet der Hirnstörung beantwortet, z. B. wie man ein effizientes Markerpaar für einen Bios-Code in der heutigen Diagnose identifiziert. Der Hauptvorteil dieser Technik besteht darin, dass sie als Referenz für das anstehende Problem ausgegeben werden kann, wenn Sie sich an die traditionelle EEG-Analyse halten. Die Anwendungen dieser Technik erstrecken sich auf unser Verständnis der Ruhezustandsnetzwerke des menschlichen Gehirns.

Um dieses Verfahren zu starten, importieren Sie die EEG-Rohdaten in die EEG-Laborsoftware. Laden Sie als Nächstes die Kanalpositionsdatei in die EEG-Laborsoftware, um die räumlichen Positionen dieser Elektroden zu erhalten. Um die Referenzelektroden zu entfernen, wählen Sie mit der Option Daten im Kanalbereich auswählen des Popup-Dialogfelds nur die Aufzeichnungselektroden aus und wählen Sie die Referenzelektroden nicht aus, damit die Referenzelektroden entfernt werden können.

Um die EEG-Daten zwischen 0,5 und 80 Hertz zu filtern, wählen Sie im Popup-Dialogfeld 0,5 für den unteren Rand des Frequenzpassbandes Hertz und 80 für den oberen Rand des Frequenzpassbandes Hertz. Klicken Sie dann auf Ok.To entfernen Sie das Powerline-Rauschen mit einem Kerbfilter zwischen 49 und 51 Hertz, wählen Sie im Popup-Dialogfeld 49 für den unteren Rand des Frequenzpassbandes Hertz und wählen Sie 51 für den oberen Rand des Frequenzpassbandes Hertz. Wählen Sie dann die Option Notch-Filter für die Daten anstelle des Durchlassbands, und klicken Sie auf Ok.To Augenbewegungen entfernen, klicken Sie auf Extras und dann auf Artefaktentfernung mit AAR 1.3 und EOG-Entfernung mit BSS.

Um EMG zu entfernen, klicken Sie auf Extras und dann auf Artefaktentfernung mit AAR 1.3 und EMG-Entfernung mit BSS. Segmentieren Sie als Nächstes die vorverarbeiteten kontinuierlichen EEG-Daten in Epochen mit einer Epochenlänge von zwei Sekunden. Es öffnet sich ein Fenster, in dem die segmentierten EEG-Daten gespeichert werden können.

Importieren Sie dann die segmentierten EEG-Daten in die EEG-Laborsoftware und verwerfen Sie EEG-Epochen mit Amplitudenwerten von mehr als oder minus 80 Mikrovolt an einer beliebigen Elektrode. Speichern Sie anschließend die vorverarbeiteten EEG-Daten. Laden Sie bei diesem Verfahren für jeden Probanden die vorverarbeiteten EEG-Daten, konvertieren Sie Referenzkanäle in eine gemeinsame durchschnittliche Referenz und filtern Sie die EEG-Daten mit einem Bandpassfilter zwischen zwei und 20 Hertz.

Identifizieren Sie als Nächstes die vier Mikrozustandskarten in jedem Thema. Wählen Sie im Popup-Dialogfeld drei für die minimale Anzahl von Klassen, sechs für die maximale Anzahl von Klassen, 50 für die Anzahl der Neustarts, wählen Sie die maximale Anzahl der zu verwendenden Maps aus, und wählen Sie die Optionen Nur GFP-Peak und Keine Polarität aus. Klicken Sie dann auf die Schaltfläche OK.

Speichern Sie anschließend die EEG-Daten jedes Probanden, nachdem Sie seine eigenen Mikrozustandskarten identifiziert haben. Importieren Sie die EEG-Datensätze aller im letzten Schritt gespeicherten Probanden auf einmal. Identifizieren Sie dann die Mikrozustandskarten auf Gruppenebene.

Wählen Sie im Popup-Dialogfeld die Datensätze aller Probanden in der Option Sätze für Mittelwertbildung auswählen aus. Geben Sie in der Option Name des Mittelwerts einen Namen für die Mikrozustandskarten auf Gruppenebene ein und klicken Sie dann auf die Schaltfläche OK.Dadurch wird ein neuer Datensatz mit dem Namen GrandMean erstellt, in dem die Mikrozustandskarten auf Gruppenebene gespeichert werden. Sortieren Sie die Reihenfolge von vier Mikrozustandskarten auf Gruppenebene manuell nach ihrer klassischen Reihenfolge.

Wählen Sie im Popup Mehr aus, und dann wird die Anzahl der angezeigten Karten auf vier. Wählen Sie danach Man sort aus. Geben Sie im Popup-Dialogfeld die neue Reihenfolge von vier Mikrozustandskarten auf Gruppenebene ein, und klicken Sie auf Schließen.

Sortieren Sie anschließend die Reihenfolge der vier Mikrozustandskarten jedes Subjekts und speichern Sie die Mikrozustandsparameter für jedes Subjekt, wodurch zwei Popup-Dialogfelder nacheinander aufgerufen werden. Wählen Sie im ersten Dialogfeld die Datensätze aller Probanden aus. Wählen Sie im zweiten Dialogfeld die Option 4-Klassen für die Option Anzahl der Klassen aus.

Wählen Sie die Optionen Nur an GFP-Peaks anpassen und Potenziell abgeschnittene Mikrozustände entfernen. Wählen Sie als Nächstes 30 für das Beschriftungsglättungsfenster, ms, und wählen Sie Eins für die Strafe für Nicht-Glättung, und klicken Sie dann auf OK.Eine CSV-Datei, in der Submikrozustandsparameter gespeichert sind, wird auf dem Computer gespeichert. Diese Bilder zeigen, dass die Mikrozustände der Klassen A und B eine rechte frontale bis linke okzipitale Orientierung bzw. eine linksfrontale bis rechte okzipitale Ausrichtung aufweisen.

Die Mikrozustandsklassen C und D weisen symmetrische Topographien auf, aber es wurden jeweils eine präfrontale bis okzipitale Orientierung und eine Orientierung von vorne zu zentral bis okzipital beobachtet. Diese Tabelle zeigt den Mittelwert und die Standardabweichung der Mikrozustandsparameter der gesunden Probanden. Einmal gemeistert, kann diese Technik in einer Stunde durchgeführt werden, wenn sie richtig ausgeführt wird.

Wenn Sie dieses Verfahren versuchen, ist es wichtig, daran zu denken, dass die EEG-Daten sorgfältig vorverarbeitet werden sollten. Im Anschluss an dieses Verfahren können weitere Methoden wie die Quellenlokalisierung durchgeführt werden, um zusätzliche Fragen zu beantworten, z. B. woher diese Mikrozustandskarten stammen. Diese Technik ebnete Forschern auf dem Gebiet der Hirnforschung den Weg, Krankheiten wie im menschlichen Gehirn freizulegen.