Bildediagnostiske forskere vanligvis vurdere hjernens respons som den gjennomsnittlige aktiviteten over gjentatte eksperimentelle studier og ignorering signal variasjon over tid som "støy". Imidlertid er det blitt klart at det er signal på at støy. Denne artikkelen beskriver romanen metode for multiscale entropi for å kvantifisere hjernen signal variasjon i tiden domenet.
Når du vurderer menneskelige bildediagnostiske data, representerer en styrking av signal variabilitet en fundamental innovasjon i måten vi tenker om hjernens signal. Vanligvis forskerne representerer hjernens respons som gjennomsnittet over gjentatte eksperimentelle studier og ignorering signal svingninger over tid som "støy". Men, blir det klart at hjernen signal variasjon formidler meningsfull funksjonell informasjon om nevrale nettverk dynamikk. Denne artikkelen beskriver romanen metode for multiscale entropi (MSE) for å kvantifisere hjernen signal variabilitet. MSE kan være spesielt informativt av nevrale nettverk dynamikk fordi det viser tidsskala avhengighet og følsomhet for lineære og ikke-lineære dynamikk i dataene.
Nylige fremskritt innen neuroimaging har dramatisk utvidet vår forståelse av hjernens funksjon. Men mange av de programmene av bildediagnostiske data tendens til å forsterke den oppfatning av hjernen i statiske tilstander heller enn å vektlegge kognitive operasjoner som de utvikler seg i sanntid. Følgelig er lite kjent om rom-tid strukturen i hjernen nettverk og hvordan sekvensen av endringer i tid og rom mønstre på tvers av flere tidsskalaer bidrar til en spesifikk kognitiv operasjon. Denne artikkelen beskriver multiscale entropi (MSE) 5, et nytt analytisk verktøy for neuroimaging data som undersøker kompleksiteten i tid og rom mønster underliggende spesifikke kognisjon operasjoner ved å gi informasjon om hvordan ulike nevrale generatorer i en funksjonell hjerne nettverket kommuniserer på tvers av flere tidsrammer.
Avledet fra informasjonsteori, en anvendt gren av matematikken 7,16, var MSE opprinneligely utformet for å undersøke kompleksiteten i elektrokardiogram fire. I teorien kunne MSE brukes til å analysere den kompleksitet som helst serie, den primære nødvendige er at signalet tidsserie inneholder minst 50 datapunktene for kontinuerlig gang. Imidlertid kan tidsskalaen avhengighet og følsomhet for lineære og ikke-lineære dynamikk i dataene gjør MSE spesielt lærerikt av nevrale nettverk dynamikk.
Her fokuserer vi på anvendelse av MSE til electroencephalogram (EEG) neuroimaging data 9,12. EEG er en ikke-invasiv neuroimaging teknikk der elektroder som er plassert på hodebunnen fange postsynaptiske svar av populasjoner av nerveceller i neocortex en. Med høy tidsoppløsning, møter EEG lett tidsserien nødvendige lengde av MSE uten å endre den typiske anskaffelse protokollen. For å understreke nytten av anvendelsen av MSE til EEG-data, sammenligner vi denne romanen metoden med mer tradisjonelle tilnærminger inkl.uding event-related potensial og spektral makt. Når den brukes sammen, disse komplementære analysemetoder gi en mer utfyllende beskrivelse av de data som kan føre til ytterligere innsikt i nevrale nettverk operasjoner som gir opphav til kognisjon.
Målet med denne artikkelen var å gi et konseptuelt og metodisk beskrivelse av multiscale entropi (MSE) som det gjelder for EEG bildediagnostiske data. EEG er et kraftig ikke-invasiv neuroimaging teknikk som måler nevrale nettverk aktivitet med høy tidsoppløsning. EEG-signalet reflekterer post-synaptiske aktiviteten av bestander av pyramideformet cellene i hjernebarken, som kollektive reaksjoner er endret av ulike eksitatoriske og hemmende innadgående tilkoblinger. Følgelig, det er flere måter å analysere EEG data og hver metode ekstraherer en unik del av dataene.
Vi diskuterte to vanlige metoder for analyse: event-related potensial (ERP) analyse og spektral maktanalyse. ERP analyse fanger synkron neuronal aktivitet i EEG-signalet som er faselåste til utbruddet av en diskret hendelse. Erps reflektere spesifikke perseptuelle, motor, eller kognitive operasjoner, noe som gjør denne statistikken ideelt for å undersøke specIFIC prosesstrinnene. Spektral-analyse kraft kvantifiserer det relative bidraget av en bestemt frekvens til EEG-signalet. Forskjellige stimulerende og hemmende feedbacksløyfer samhandler for å rive med aktiviteten av nevronale populasjoner på en bestemt frekvens 1,3. Slik synkronisering mellom ulike områder av hjernen er tenkt å fremme binding av informasjon på tvers utbredt nevrale nettverk. Det er en rik litteratur som støtter koblingen mellom makt innenfor et bestemt frekvensområde og en bestemt emosjonell eller kognitiv tilstand av funksjon tre.
Ved å analysere EEG er det også viktig å huske på at nevrale nettverk er komplekse systemer med ikke-lineær dynamikk. Slik kompleksitet er reflektert i EEG-signalet som uregelmessige svingninger som ikke er en konsekvens av meningsløse bakgrunnsstøy. Som synkron oscillasjon aktivitet, samspillet mellom ulike eksitatoriske og hemmende innadgående løkker forårsake forbigående influensactuations i hjernen signal over tid 6.. Slike transienter antas å reflektere overganger eller bifurcations mellom nettverk mikrotilstander som kan brukes for å anslå graden av frihet eller kompleksitet av det underliggende nettverk; større variabilitet i amplituden mønster av signalet over tid er en indikasjon på et mer komplekst system 5. Kritisk, ERP eller spektrale strøm analyser ikke er følsomme for slike uregelmessig aktivitet, mens MSE er. Videre kan en indeks av nettverk, ikke fås ved ganske enkelt å telle antall aktive områder av hjernen som en slik fremgangsmåte er blinde for transient og dynamisk tilbakevendende interaksjoner mellom hjerneregioner.
Komplementære metoder for neuroimaging analyse kombineres for å skape et komplett bilde av den underliggende nevrale aktiviteten. Tolkningen av resultatene fra mer tradisjonelle anvendelser av bildediagnostiske data, for eksempel ERP og spektral makt, er utvidet med tiltak av kompleksitet som MSE; MSE tilbyr en måte å fange sekvensen av endringer i tid og rom mønstre av hjernens aktivitet på tvers av flere tidsskalaer som bidrar til en spesifikk kognitiv operasjon. Påføring MSE til nye og eksisterende datasett kan gi ytterligere innsikt i hvordan kognisjon kommer fra nevrale nettverk dynamikk.
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |