Según los Estados y análisis de complejidad de Omega de la electroencefalografía de estado descansando

Este artículo describe el protocolo subyacente electroencefalografía (EEG) microestado análisis y análisis de complejidad de omega, que son dos medidas de EEG de referencia gratuita y muy valiosa para explorar los mecanismos neurales de los trastornos cerebrales.

Este semestre hemos respondido a 10 preguntas en el campo de los trastornos cerebrales, como por ejemplo cómo identificar un par de marcadores eficientes para un código de biografías en el diagnóstico actual. La principal ventaja de esta técnica es que podría emanar como referencia del problema pendiente cuando se adhiere al análisis de EEG tradicional. Las aplicaciones de esta técnica se extienden hacia nuestra comprensión de las redes de estados de reposo del cerebro humano.

Para comenzar este procedimiento, importe los datos de EEG sin procesar al software de laboratorio de EEG. A continuación, cargue el archivo de ubicación de canales en el software del laboratorio de EEG para obtener las ubicaciones espaciales de estos electrodos. Para eliminar los electrodos de referencia, una opción de Seleccionar datos en el rango de canales del cuadro de diálogo emergente, seleccione solo los electrodos de registro y no seleccione los electrodos de referencia para que se puedan eliminar los electrodos de referencia.

Para filtrar los datos de EEG entre 0,5 y 80 hercios, en el cuadro de diálogo emergente, elija 0,5 para el borde inferior de los hercios de la banda de paso de frecuencia y elija 80 para el borde superior de los hercios de la banda de paso de frecuencia. Luego haga clic en Ok.To eliminar el ruido de la línea eléctrica con un filtro de muesca entre 49 y 51 hercios, en el cuadro de diálogo emergente, elija 49 para el borde inferior de los hercios de la banda de paso de frecuencia y elija 51 para el borde superior de los hercios de la banda de paso de frecuencia. A continuación, seleccione la opción de Filtro de muesca de los datos en lugar de la banda de paso y haga clic en Ok.To eliminar los movimientos oculares, haga clic en Herramientas, luego haga clic en Eliminación de artefactos mediante AAR 1.3 y eliminación de EOG mediante BSS.

Para eliminar EMG, haga clic en Herramientas y, a continuación, haga clic en Eliminación de artefactos mediante AAR 1.3 y Eliminación de EMG mediante BSS. A continuación, segmente los datos de EEG continuos preprocesados en épocas con una duración de época de dos segundos. Aparecerá una ventana que permite guardar los datos de EEG segmentados.

A continuación, importe los datos de EEG segmentados al software del laboratorio de EEG y rechace las épocas de EEG con valores de amplitud superiores a más o menos 80 microvoltios en cualquier electrodo. A continuación, guarde los datos de EEG preprocesados. En este procedimiento, cargue los datos de EEG preprocesados, convierta los canales de referencia en referencia promedio común y filtre los datos de EEG de paso de banda entre dos y 20 hercios.

A continuación, identifique los cuatro mapas de microestados en cada sujeto. En el cuadro de diálogo emergente, elija tres para el número mínimo de clases, elija seis para el número máximo de clases, elija 50 para el número de reinicios, elija el número máximo de mapas a usar y seleccione las opciones de Solo pico GFP y Sin polaridad. A continuación, haga clic en el botón Aceptar.

Posteriormente, guarde los datos de EEG de cada sujeto después de identificar sus propios mapas de microestados. Importe los conjuntos de datos de EEG de todos los sujetos guardados en el último paso a la vez. A continuación, identifique los mapas de microestado a nivel de grupo.

En el cuadro de diálogo emergente, seleccione los conjuntos de datos de todos los sujetos en la opción Elegir conjuntos para promediar. En la opción Nombre de la media, asigne un nombre a los mapas de microestados a nivel de grupo y, a continuación, haga clic en el botón Aceptar. Esto creará un nuevo conjunto de datos denominado GrandMean que almacena los mapas de microestados a nivel de grupo. Ordene manualmente el orden de cuatro mapas de microestado a nivel de grupo según su orden clásico.

En la ventana emergente, seleccione Más y, a continuación, el número de mapas que se muestran se convierte en cuatro. Después de eso, seleccione Ordenar hombre. En el cuadro de diálogo emergente, introduzca el nuevo orden de cuatro mapas de microestado a nivel de grupo y haga clic en Cerrar.

A continuación, ordene el orden de los cuatro mapas de microestado de cada sujeto, guarde los parámetros de microestado para cada sujeto que invocarán dos cuadros de diálogo emergentes secuencialmente. En el primer cuadro de diálogo, seleccione los conjuntos de datos de todos los temas. En el segundo cuadro de diálogo, seleccione 4 clases para la opción Número de clases.

Seleccione las opciones de Ajustar solo en picos de GFP y Eliminar microestados potencialmente truncados. A continuación, elija 30 para la ventana de suavizado de etiquetas, ms, y elija Uno para la penalización de no suavidad, luego haga clic en Aceptar.Un archivo CSV que almacena los parámetros de submicroestado se guardará en la computadora. Estas imágenes muestran que los microestados de clase A y B tienen una orientación frontal derecha a occipital izquierda, y una orientación frontal izquierda a occipital derecha, respectivamente.

Los microestados de clase C y D tienen topografías simétricas, pero se observó una orientación prefrontal a occipital, y frontal a central a occipital, respectivamente. Esta tabla muestra la media y la desviación estándar de los parámetros de microestado de los sujetos sanos. Una vez dominada, esta técnica se puede realizar en una hora si se realiza correctamente.

Al intentar este procedimiento, es importante recordar que los datos del EEG deben preprocesarse con cuidado. Siguiendo este procedimiento, se pueden realizar otros métodos, como la localización de fuentes, para responder a preguntas adicionales, como de dónde provienen estos mapas de microestados. Esta técnica allanó el camino para que los investigadores en el campo de la ciencia del cerebro expusieran la enfermedad como en el cerebro humano.