Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de méthode

Intégration des phases du cycle cardiaque dans l’analyse du potentiel liée aux événements : un protocole pour les environnements bidimensionnels et de réalité virtuelle

69 vues

⸱

DOI :

10.3791/69752

⸱

5 mai 2026

 ,  ,  ,  , 
1Research Center for Genetics and Life Sciences, Sirius University of Science and Technology, 2Samara State Medical University, 3National Research University Higher School of Economics

Dans cet article

Résumé

Ce protocole décrit une approche visant à étudier la modulation cardiaque dépendante de la phase des potentiels liés aux événements visuels en utilisant des enregistrements simultanés d’électroencéphalographie et d’électrocardiographie. Le protocole détaille la synchronisation des stimulus, la segmentation de phase cardiaque et l’analyse des potentiels liés aux événements pendant la systole et la diastole, et est applicable aussi bien dans les environnements de réalité virtuelle bidimensionnelle conventionnels que dans les environnements immersifs.

Résumé

Le battement de cœur est un rythme physiologique fondamental qui non seulement soutient la vie, mais module également les processus perceptifs et neuronaux, influençant ainsi la reproductibilité des potentiels liés aux événements (ERP). Bien que la réalité virtuelle (VR) offre des environnements très immersifs comparés aux écrans bidimensionnels (2D) conventionnels, elle introduit également des défis uniques pour l’enregistrement électrophysiologique, notamment des artefacts de mouvement, une latence de présentation et une modulation cardiogénique potentiellement plus forte. Ces facteurs peuvent diminuer l’efficacité du prétraitement standard de l’électroencéphalographie (EEG), entraînant une perte importante de données. Cette étude présente un protocole détaillé combinant EEG et électrocardiographie (ECG) simultanés pour étudier les interactions cœur-cerveau dans des conditions VR et 2D. Cette approche implique un alignement précis des stimuli avec les signaux cardiaques, la correction de la latence induite par la VR et une gestion prolongée des artefacts. La segmentation des époques EEG en fonction de l’apparition de stimuli lors de la systole cardiaque ou de la diastole a révélé une suppression robuste de l’amplitude de l’ERP visuel pendant la systole. Fait crucial, cet effet suppressif était presque identique en VR et en 2D, démontrant l’efficacité du protocole et confirmant que cette interaction fondamentale cœur-cerveau est résistante aux variations du niveau d’immersion. Ce protocole offre ainsi un cadre standardisé pour étudier l’influence cardiaque sur la cognition, adaptable à diverses méthodes de présentation visuelle.

Introduction

L’activité rythmique du cœur est de plus en plus reconnue non seulement comme un processus homéostatique vital, mais aussi comme un modulateur fondamental des fonctions cérébrales et de la cognition1. Un corpus croissant de preuves démontre que les signaux cardiaques exercent une influence continue sur un large éventail de processus neurocognitifs, incluant la perception, l’attention, la régulation émotionnelle etla conscience 2,3. Cet axe cœur-cerveau est médié par des signaux interoceptifs afférents provenant des barorécepteurs et mécanorécepteurs cardiovasculaires, qui projettent via le tronc cérébral vers les zones corticales où ils s’intègrent avec l’information sensorielleexteroceptive 4,5. Par conséquent, le cerveau ne traite pas passivement les stimuli externes, mais le fait dans le contexte de l’état interne du corps, dont un indicateur clé est la phase du cycle cardiaque.

Le défi méthodologique central est de révéler comment l’activité neuronale cardiogénique influence le traitement des stimuli externes, mesurés par les ERP visuelles. La manifestation électrophysiologique la plus marquante de cette interaction est le potentiel évoqué par le battement de cœur (HEP), un schéma spécifique d’activité EEG verrouillé dans le temps par rapport à la contractioncardiaque 6. La HEP est considérée comme un marqueur neuronal de l’attention interoceptive, reflétant le codage prédictif du cœur imminent et ses conséquences sur le traitement sensoriel 7,8. Selon des modèles contemporains, le cerveau utilise ces signaux cardiaques pour créer une représentation unifiée de l’état interne du corps dans son contexte externe 9,10. Les preuves empiriques indiquent que le traitement des stimuli externes, y compris leur saillance perceptuelle et leurs corrélats neuronaux sous-jacents, varie significativement selon qu’ils sont présentés lors de la systole cardiaqueou de la diastole 11,12,13. Les stimuli présentés pendant la systole (phase de contraction) sont systématiquement associés à un traitement neuronal supprimé, témoigné d’amplitudes ERP réduites et de réponses comportementales modifiées, comparés à ceux présentés pendant la diastole (phase de relaxation)14,15,16. Cet effet s’explique par l’hypothèse du « gating somatosensoriel », qui postule que le cerveau supprime le traitement extéroceptif du signal pour prioriser temporairement les signaux interoceptifs cardiaques pendant lasystole 15,17.

Malgré l’intérêt croissant pour l’axe cœur-cerveau, les protocoles standards d’analyse ERP se concentrent exclusivement sur les stimuli externes, segmentant les époques par rapport au début du stimulus et ignorant ainsi la profonde variabilité essai par essai introduite par le cycle cardiaque en cours. Pour capturer avec précision la modulation du cycle cardiaque des ERP visuelles, une approche fondamentalement différente est nécessaire. Cela nécessite un alignement précis de la présentation du stimulus avec des phases cardiaques spécifiques, vérifié par l’enregistrement ECGsimultané 18. La littérature actuelle manque de protocoles standardisés, détaillés et facilement reproductibles qui décrivent de manière exhaustive toutes les étapes de traitement, de l’acquisition brute des données à l’analyse statistique, tenant compte des phases cardiaques.

Un défi méthodologique supplémentaire survient avec l’adoption rapide de technologies immersives comme la VR en neurosciences. Les environnements VR offrent des contextes hautement immersifs et engageants, permettant la création de décors expérimentaux contrôlés maisréalistes 19,20 . Cependant, l’acquisition simultanée de données EEG et ECG de haute qualité dans un environnement VR est associée à plusieurs difficultés techniques. Cela inclut les artefacts de mouvement potentiels, les interférences électromagnétiques du casque, et le besoin critique d’une synchronisation temporelle précise entre la présentation du stimulus (souvent avec latence inhérente), l’acquisition de données et les systèmes de suivide mouvement 21. Ces défis techniques ont contribué à la rareté de protocoles d’analyse robustes spécifiquement conçus pour la comparaison directe de la modulation neuronale cardio-dépendante entre les paradigmes classiques 2D et immersifs de la VR. Ce manque de cadre commun freine finalement la recherche sur la manière dont l’immersion et la présence modulent les mécanismes fondamentaux d’interaction cerveau-corps.

Pour relever ces défis, ce travail présente un protocole méthodologique complet et étape par étape pour étudier la modulation du cycle cardiaque des ERP visuelles en intégrant des enregistrements simultanés EEG et ECG. La pierre angulaire de cette approche est la segmentation des données neuronales par rapport au pic R cardiaque, permettant de classer les stimuli en fonction de leur apparition lors de la systole ou de la diastole. De manière cruciale, une analyse basée sur les données de toute l’époque post-stimulus est utilisée pour identifier des fenêtres temporelles spécifiques où la phase cardiaque exerce une influence modulatrice significative sur la réponse neuronale. Les principales contributions de ce travail sont trois : (1) un protocole complet et visualisé conçu pour une réplication simple est fourni, (2) le protocole est adapté et validé pour comparer les données acquises à l’aide d’un moniteur 2D standard et d’un casque VR immersif, et (3) l’utilité du protocole est démontrée en révélant comment les stimuli faciaux de valence émotionnelle modulent différemment l’influence cardiaque sur le traitement neuronal selon l’immersion de l’environnement.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

L’étude a été approuvée par le Comité de bioéthique de l’Université médicale d’État de Samara (code de protocole 195, daté du 10 octobre 2018). Tous les participants ont donné leur consentement volontaire éclairé avant l’étude. L’échantillon final comprenait 27 volontaires masculins en bonne santé âgés de 19 à 21 ans. Au cours des séances de test, chaque participant a réalisé une série d’évaluations standardisées administrées individuellement. Les réactifs et l’équipement utilisés sont listés dans le tableau des matériaux.

1. Matériaux et équipements

REMARQUE : Utilisez du matériel et des logiciels fonctionnellement équivalents lorsque cela est approprié. Voir la Figure 1 pour un aperçu de la configuration expérimentale, incluant la disposition du système et les connexions. Préparez l’équipement et le logiciel suivants avant l’expérience. Les exigences générales sont décrites ci-dessous, et les configurations spécifiques sont listées dans le tableau des matériaux.

  1. Système d’acquisition EEG/ECG
    1. Utilisez un système d’amplification permettant l’enregistrement simultané de l’EEG et de l’ECG.
    2. Utilisez des électrodes EEG qui peuvent être réaffectées depuis le cuir chevelu pour l’enregistrement ECG.
  2. Options d’entrée ECG (le système EEG prend en charge les canaux bipolaires)
    1. Utilisez des canaux d’entrée bipolaires dédiés pour l’enregistrement ECG, lorsque disponible.
    2. Réassignez deux électrodes EEG non critiques pour former une paire ECG bipolaire si les canaux bipolaires dédiés ne sont pas disponibles.
  3. Options d’entrée ECG (le système EEG ne prend en charge que les canaux monopolaires)
    1. Utilisez un adaptateur différentiel pour acheminer les signaux ECG vers une entrée auxiliaire (AUX) ou différentielle.
    2. Utilisez des électrodes passives et des électrodes adhésives jetables compatibles avec la configuration d’entrée sélectionnée.
  4. Présentation du stimulus
    1. Utilisez un ordinateur avec un affichage à haut taux de rafraîchissement (≥120 Hz) pour une présentation 2D.
    2. Utilisez un écran monté sur la tête avec un moniteur secondaire pour le miroirement du signal pour la présentation VR.
  5. Synchronisation et capteurs
    1. Utilisez une photodiode ou un photocapteur avec accessoires de montage et connectez-le au système d’acquisition EEG.
  6. Logiciels
    1. Utilisez un environnement d’exécution VR et un logiciel de contrôle de stimulus capable d’un timing précis, d’un séquençage et d’une sortie de déclenchement précis.
    2. Utilisez un logiciel d’analyse EEG/ECG qui prend en charge la gestion des événements, le prétraitement et l’analyse ERP ; Utilisez des scripts personnalisés optionnels si nécessaire.
  7. Environnement de laboratoire et accessoires
    1. Utilisez une pièce blindée et correctement isolée pour l’enregistrement EEG.
    2. Fournissez un fauteuil confortable, des solutions de gestion des câbles, des fournitures de préparation de la peau, du gel conducteur et des matériaux d’hygiène pour les écrans sur la tête.

2. Installation du système et détection de latence

  1. Installez et configurez le logiciel de présentation de relance.
    1. Condition VR
      1. Installez le runtime VR spécifique au fabricant nécessaire pour l’affichage sur la tête.
      2. Déploie l’application expérimentale de stimulation sur le casque VR selon la documentation à l’exécution.
      3. Effectuez la configuration initiale du système VR en calibrant le système de suivi (le cas échéant) et en définissant les limites de la zone de jeu selon les instructions du fabricant afin d’assurer un suivi stable et de minimiser les artefacts liés au mouvement.
    2. Condition 2D
      1. Optimisez la station de travail de présentation de stimulus en désactivant les applications et processus en arrière-plan inutiles afin de minimiser les interruptions et les délais de temporisation lors de l’acquisition des données.
  2. Créez le montage d’enregistrement dans le logiciel d’acquisition EEG.
    1. Créez un nouvel espace de travail ou une nouvelle configuration d’enregistrement et nommez-le selon l’identifiant de l’étude.
    2. Attribuez les canaux EEG et réservez les canaux d’entrée AUX selon la documentation matérielle de l’amplificateur.
    3. Ajoutez deux canaux supplémentaires pour la photodiode et les signaux ECG. Configurez les noms, types et unités des canaux selon les besoins, et incluez ces canaux dans le même fichier d’enregistrement que l’EEG. Étiquetez le canal ECG de manière cohérente (par exemple, « ECG »).
  3. Mesurez la latence de présentation du stimulus à l’aide d’une photodiode.
    1. Connectez la photodiode à une entrée AUX disponible de l’amplificateur EEG.
    2. Condition VR : Montez la photodiode sur l’objectif du casque à un emplacement correspondant à un patch de luminance verrouillé par stimulus. Présentez au moins 100 événements de stimulus et enregistrez le signal de la photodiode pour mesurer la latence d’affichage et le jitter d’essai à essai par rapport au déclencheur prévu. Après avoir terminé les mesures VR, déplacez la photodiode sur l’écran 2D.
    3. Condition 2D : Placez la photodiode sur une zone de pixel dédiée verrouillée par stimulus sur le moniteur. Présentez au moins 100 événements de stimulus et enregistrez le signal de la photodiode pour mesurer la latence d’affichage et le jitter par rapport au déclencheur prévu.
    4. Optionnel : si deux photodiodes sont disponibles, connectez chaque capteur à un canal AUX séparé et présentez des flashs synchronisés pour mesurer simultanément les latences 2D et VR.
    5. Retirez la photodiode de l’affichage 2D après avoir effectué des mesures de latence afin d’éviter d’obstruer la vue du participant.
    6. Calculez la latence moyenne d’affichage et l’écart-type (jitter) pour chaque environnement de présentation.
    7. Documentez séparément les valeurs de latence et de gigue pour les conditions 2D et VR.
    8. Vérifiez que la gigue de latence reste stable tout au long de la session. Si les paramètres matériels ou logiciels sont modifiés, répétez les mesures de latence.
  4. Configurez le canal d’enregistrement ECG.
    1. Déterminez la configuration de l’entrée ECG en fonction des capacités d’amplification disponibles (canaux bipolaires pris en charge vs. canaux monopolaires uniquement ; voir étapes 1.2 et 1.3).
    2. Si l’enregistrement ECG bipolaire est pris en charge, activez l’entrée ECG bipolaire dédiée dans le logiciel d’enregistrement et réservez l’étiquette de canal « ECG ».
    3. Si seuls des canaux monopolaires sont disponibles, connectez un adaptateur différentiel à une entrée AUX ou différentielle et mappez cette entrée comme canal ECG dans le logiciel d’enregistrement. Réservez l’étiquette de la chaîne « ECG ».
    4. Ne placez pas d’électrodes ECG à ce stade. Effectuer des contrôles de placement des électrodes et d’impédance pendant la préparation des participants.

3. Préparation des participants

  1. Placement du capuchon EEG
    1. Ajustez le capuchon EEG selon le système international 10–10 ou 10–20 en alignant l’électrode Cz et en ajustant la taille du capuchon au circonférencede la tête du participant à 22.
    2. Séparez les cheveux à chaque site d’électrode à l’aide d’un coton-tige ou d’une canule à pointe émoussée (environ 2 à 3 mm de diamètre). Appliquez un abrasif doux ou une solution de préparation de la peau pour réduire l’impédance.
    3. Placez chaque électrode, appliquez un gel conducteur et assurez-vous d’un contact ferme avec le cuir chevelu en faisant tourner doucement le support d’électrode. Évitez de créer des ponts de gel conducteur entre les électrodes voisines.
    4. Mesurez les impédances des électrodes et réduisez-les en dessous de 8 kΩ (ou la norme de laboratoire) en répétant la séparation des cheveux, en appliquant une préparation supplémentaire de la peau, ou en ajoutant du gel conducteur selon les besoins.
    5. Fixez les câbles EEG pour minimiser les mouvements et vérifier que le participant se sent à l’aise avant de procéder.
  2. Placement des électrodes ECG
    1. Nettoyez la peau du côté interne (face à la paume) des deux poignets avec des lingettes alcoolisées et laissez la peau sécher complètement.
    2. Placez des électrodes adhésives jetables sur les poignets pour enregistrer le plomb standard du membre I, en positionnant l’électrode négative sur le poignet droit et l’électrode positive sur le poignet gauche. Assurez-vous d’avoir un bon contact avec les électrodes et évitez de les placer au-dessus des proéminences osseuses.
    3. Fixez les câbles ECG avec du ruban médical, en laissant de petites boucles mous pour réduire les artefacts liés au mouvement.
    4. Vérifiez le signal ECG au repos. Assurez-vous que les pics R sont clairement visibles et droits. Si les pics R apparaissent inversés, inversez la polarité de l’électrode. Confirmez que le signal ECG reste stable dans le temps.
    5. Si vous utilisez un seul amplificateur pour l’enregistrement EEG et ECG, connectez les électrodes de masse EEG et ECG selon les besoins du système. Lorsque plusieurs contacts de terre sont disponibles, placez des électrodes de terre séparées pour l’EEG et l’ECG afin d’améliorer la stabilité du signal, en veillant à ce que toutes les électrodes de masse soient connectées en interne à l’intérieur de l’amplificateur.

4. Ajustement du casque VR (condition VR uniquement)

  1. Ne retirez pas le bouchon EEG ni ne déconnectez aucune électrode EEG ou ECG avant l’installation du casque.
  2. Desserrez la sangle supérieure et le mécanisme de serrage arrière du casque VR pour permettre le placement sur le bouchon EEG.
  3. Demandez au participant de positionner la partie avant du casque VR sur son visage. Baissez la partie arrière au-dessus du bouchon EEG et serrez progressivement les sangles jusqu’à ce que le casque soit bien ajusté.
    1. Veillez à ce que le casque n’exerce pas de pression excessive sur les électrodes EEG. Ajustez l’ajustement pour éviter le glissement du casque tout en maintenant le confort des participants lors d’une utilisation prolongée. Inspectez le signal EEG pour détecter le bruit de ligne ou les artefacts induits par la pression et réajustez le casque si nécessaire23.
  4. Mettez en miroir la sortie d’affichage VR vers un moniteur secondaire pour permettre une supervision en temps réel de la présentation du stimulus et du comportement des participants.
  5. Revérifiez les impédances des électrodes EEG après l’installation du casque. Réappliquez le gel conducteur sur tout canal dépassant 8 kΩ (ou la norme de laboratoire). Répétez périodiquement les contrôles d’impédance tout au long de la réalité virtuelle.

5. Enregistrement

  1. Présentation du stimulus
    1. Présentez les stimuli visuels avec un timing précis et reproductible. Envoyez et enregistrez les déclencheurs d’événements pour chaque déclenchement de stimulus dans l’enregistrement EEG. Utilisez des paramètres de temporisation du stimulus identiques (par exemple, durée du stimulus, intervalle inter-stimulus) dans les environnements 2D et VR.
  2. Suivi des participants
    1. Instruire le participant à minimiser les mouvements de la tête et les clignements des yeux lors de la présentation du stimulus. Surveillez en continu les signaux EEG et ECG lors de l’enregistrement. Mettez l’expérience en pause si nécessaire pour corriger les impédances des électrodes ou ajuster le câblage.
  3. Blocs d’enregistrement
    1. Enregistrer les données dans les deux environnements de présentation (2D et VR). Contrebalancer l’ordre des environnements entre les participants lorsque cela est applicable pour contrôler les effets d’ordre.

6. Prétraitement EEG

  1. Importation de données et vérification des canaux
    1. Importez les données continues de l’EEG, de l’ECG et de la photodiode dans le logiciel d’analyse EEG. Vérifiez que toutes les étiquettes, types et unités de canal sont correctement attribués.
  2. Filtrage du signal
    1. Appliquez un filtre à encoche à la fréquence locale de la ligne électrique (50 Hz ou 60 Hz). Inclure des fréquences harmoniques si la norme du laboratoire l’exige.
    2. Appliquer un filtre passe-bande aux données EEG selon la norme de laboratoire (par exemple, 0,1–40 Hz).
  3. Correction et réétiquetage des marqueurs d’événement
    1. Corrigez les marqueurs d’événement de stimulus en soustrayant la latence d’affichage spécifique à l’environnement mesurée à l’étape 2.3. Générez des marqueurs de stimulus corrigés en fonction de la latence pour les analyses ultérieures.
    2. Reclassez les marqueurs de stimulus selon l’environnement de présentation (par exemple, les préfixes des étiquettes d’événements avec « 2D_ » ou « VR_ »).
  4. Détection et correction d’artefacts
    1. Inspectez visuellement les données continues à la recherche d’artefacts. Identifier et marquer les segments contenant un bruit excessif ou des artefacts de mouvement. Interpolez les canaux défectueux lorsque cela est approprié, en suivant les procédures standard de laboratoire.
    2. Effectuer une analyse indépendante des composants (ICA)24 pour identifier les artefacts oculaires et musculaires. Inspectez les parcours à temps partiel, les topographies du cuir chevelu et les caractéristiques spectrales. Retirez les éléments liés à l’artefact en fonction de critères objectifs ou de jugement d’expert. Lorsque cela est approprié, étendre les approches basées sur l’ACI ou la régression pour modéliser les artefacts liés au cœur.
    3. Calculer les ERP verrouillés dans le temps au pic R en utilisant les mêmes paramètres de prétraitement que pour les ERP verrouillés par stimulus. Inspectez les formes d’onde résultantes et les topographies du cuir chevelu pour évaluer une contamination potentielle par un artefact cardiaque du champ (CFA) 25. Identifier les complexes proéminents de type QRS ou d’autres déviations liées à l’ECG dans les signaux EEG (Figure 2), qui indiquent un volume résiduel d’activité cardiaque conduit vers le cuir chevelu.
      1. Si une activité cardiaque importante est observée, appliquer des procédures correctives supplémentaires, une régression linéaire générale basée sur un modèle utilisant l’ECG comme prédicteurcontinu 26, des méthodes étendues basées sur l’ACI, ou des approches basées sur l’apprentissageautomatique 27.
    4. Prendre en compte le chevauchement entre les ERP verrouillés par stimulus et les HEP. Utilisez des méthodes qui modélisent explicitement les réponses neuronales qui se chevauchent, telles que les approches basées sur la régression ou ladéconvolution 26. Lorsque cela est approprié, appliquer des procédures basées sur des gestes de substitution ou des analyses témoins pour évaluer la robustesse des effets neuronaux liés aucœur 28,29.

7. Segmentation de la phase cardiaque (hors ligne)

  1. Détection des pics R
    1. Détectez automatiquement les pics R dans le signal ECG à l’aide du logiciel d’analyse. Examinez manuellement tous les événements détectés et corrigez les pics R manqués ou faussés pour garantir une synchronisation précise des battements cardiaques.
  2. Définir les phases cardiaques
    1. Définissez systole et diastole en tenant compte des différences interindividuelles de fréquence cardiaque et de variabilité des battements à battements. Privilégiez les définitions spécifiques au cycle plutôt que des fenêtres temporelles fixes lorsque cela est possible.
      REMARQUE : Utilisez l’une des approches suivantes : (1) Définir la systole et la diastole comme des proportions de chaque intervalle R-R individuel, cohérentes avec la relation non linéaire entre la fréquence cardiaque et la durée des phases cardiaques ; (2) Lorsque la qualité du signal ECG le permet, définir la fin de la systole en utilisant l’extrémité de l’onde T comme marqueur physiologiquement ancré ; (3) Si une détection fiable des ondes T n’est pas réalisable, définir la systole à l’aide d’une fenêtre temporelle fixe (par exemple, les 300 premiers ms suivant le pic R). Reconnaître explicitement cette approximation et prendre en compte les différences de fréquence cardiaque individuelles dans les analyses ultérieures.
  3. Attribuer des étiquettes de phase cardiaque aux stimuli
    1. Utilisez des marqueurs de stimulus corrigés en latence pour attribuer chaque stimulus à la phase cardiaque présente au début du stimulus (systole ou diastole). Attribuez séparément des étiquettes de phase à chaque environnement de présentation (2D ou VR) et renommez les événements en conséquence (par exemple, 2D_systole, VR_diastole).
  4. Excluez les procès ambigus
    1. Identifier et supprimer les essais dans lesquels la fenêtre d’analyse ERP prévue couvrirait les deux phases cardiaques en fonction de la fréquence cardiaque instantanée du participant.
  5. Exemple d’implémentation logicielle
    REMARQUE : Les étapes suivantes illustrent une implémentation possible utilisant un logiciel d’analyse EEG qui prend en charge la détection et le réétiquetage des événements ECG.
    1. Détection automatisée des pics R : Ouvrez le menu de détection d’événements et sélectionnez la fonction de détection de battement de cœur. Sélectionnez le canal ECG avec la meilleure qualité de signal, définissez une étiquette pour les événements détectés (par exemple, « R-pic »), et exécutez l’algorithme de détection pour générer des marqueurs d’événements R-pic.
    2. Examen manuel de la détection des pics R : Inspectez visuellement le signal ECG avec des marqueurs superposés aux pics R. Ajoutez les marqueurs manquants et supprimez les détections incorrectes grâce aux outils d’édition d’événements fournis par le logiciel.
    3. Remarquage des événements basé sur la phase cardiaque : Utilisez la combinaison d’événements ou la fonction de sélection pour classer les stimuli selon la phase cardiaque au début.
      REMARQUE : Pour les essais systoliques, sélectionnez les stimuli survenant dans l’intervalle systolique prédéfini suivant chaque pic R. Pour les essais diastoliques, sélectionnez des stimuli survenant dans l’intervalle diastolique prédéfini précédant le prochain pic R. Créez de nouvelles catégories d’événements pour la systole et la diastole. Effectuez cette procédure séparément pour chaque phase cardiaque et environnement de présentation.

8. Époque et moyenne

  1. Époque et correction de base
    1. Attribuer des étiquettes de phase cardiaque exclusivement en fonction de la phase cardiaque présente au début du stimulus (c’est-à-dire systole ou diastole). Définissez l’époque ERP par rapport à l’apparition du stimulus. Laisser l’époque s’étendre aux phases cardiaques suivantes sans affecter la classification des phases.
    2. Utilisez une durée d’époque d’environ 400 ms. Si une fenêtre plus longue (par exemple, 600 ms) est nécessaire, on exclut les essais dans lesquels la fenêtre d’analyse s’étend substantiellement à la phase cardiaque suivante. Appliquez la correction de base en utilisant un court intervalle pré-stimulus (par exemple, -50 à 0 ms, ou -50 à -2 ms).
  2. Moyenne
    1. Calculez les ERP séparément pour les quatre conditions expérimentales : 2D_systole, 2D_diastole, VR_systole et VR_diastole. Indiquez le nombre d’essais conservés pour chaque condition.
  3. Considérations sur la sélection des électrodes
    1. Sélectionnez les électrodes pour l’analyse en fonction de la question de recherche et de la nature des composants ERP d’intérêt. Utilisez des électrodes occipitales (O1, Oz, O2) pour les paradigmes visuels car elles capturent des ERP visuelles canoniques avec un rapport signal/bruit élevé.

9. Contrôle qualité et dépannage

  1. Jitter de latence déclencheur-stimulus
    1. Évaluer la gigue de latence d’essai en essai entre les horodatages de déclenchement et le début du stimulus mesuré par photodiode. Considérez que la gigue dépassant environ 10 ms entre les essais est problématique, en particulier pour les composants ERP précoces. Si un jitter excessif est observé, réévaluer le timing des stimulus, la synchronisation matérielle, et appliquer les corrections de latence spécifiques à la course si nécessaire.
  2. Saturation ECG ou bruit
    1. Vérifiez le contact et l’impédance de l’électrode ECG. Inversez la polarité de l’électrode si les pics R sont inversés. Déplacez les électrodes ECG sur les avant-bras si les enregistrements du poignet restent bruyants.
  3. Artefacts de pression sur le casque VR
    1. Reajustez les sangles du casque pour réduire la pression sur les électrodes EEG. Ajoutez un rembourrage si nécessaire et réappliquez du gel conducteur sur les électrodes concernées.
  4. Nombre inégal d’essais entre les phases cardiaques
    1. Ajustez la fenêtre d’époque ERP ou le moment du stimulus pour garantir un échantillonnage équilibré entre les phases systolique et diastolique.
  5. Essais en phase ambiguë
    1. Identifier les essais dans lesquels le début du stimulus survient près d’une frontière de phase cardiaque (par exemple, autour du pic R ou près de la transition entre la systole et la diastole) et où la fenêtre d’analyse prévue peut couvrir les deux phases. Signalez ces procès comme ambigus. Inspectez le signal ECG et l’intervalle R-R instantané et excluez les essais ambigus de l’analyse ultérieure.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

La présente étude a utilisé un protocole d’analyse pour étudier la modulation ERP par des signaux interoceptifs afférents durant la phase du cycle cardiaque (systole vs. diastole) dans deux environnements expérimentaux : un moniteur 2D standard et un cadre immersif en réalité virtuelle. Les époques EEG ont été extraites et analysées par rapport au pic R de l’ECG enregistré simultanément.

Le test de permutation non paramétrique basé sur un cluster appliqué aux ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Étapes critiques au sein du protocole
Plusieurs étapes du protocole proposé sont cruciales pour obtenir des effets ERP dépendant de phase cardiaque valides. Premièrement, une synchronisation précise entre la présentation du stimulus et l’enregistrement EEG est essentielle, et la latence d’affichage spécifique à l’environnement doit être quantifiée à l’aide d’une photodiode et corrigée au niveau du marqueur d’événement, car des délais non corrigés ou un jitter excessif...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs déclarent qu’ils n’ont aucun conflit d’intérêts.

Remerciements

Ce travail a été soutenu par la subvention du programme d’État du Territoire fédéral « Sirius » « Développement scientifique et technologique du Territoire fédéral « Sirius » (Accord n° 28-03, date 27.09.2024).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
actiCAP slim / snapBrain Products GmbHBP-185-2200Capsule d’électrode active avec 64 canaux.
actiCHamp Plus Amplificateur polyvalent tout-en-un pour laboratoireBrain Products GmbHN/D/ACBM17120955Système primaire d’acquisition de données EEG.
Électores Ag/AgCl jetables 26 mmNika-Medical LtdN/AÉlectrodes jetables pour l’ECG à trois dérivations
Adaptateur BIP2AUXBrain Products GmbHN/ARelie la sortie ECG à l’entrée auxiliaire EEG.
Desktop ROG Srtix  ;ASUSTeK Computer Inc.G835LR-SA117Poste de travail haute performance. Utilisé pour le fonctionnement simultané du système VR (HTC Vive), du logiciel de présentation de stimuli et de la plateforme d’enregistrement EEG (BrainVision Recorder).
HTC Vive  ; Pro EyeHTC Corporation & nbsp ;N/D/FA1142100443Système VR pour une présentation immersive de stimulus.
Capteur photoBrain Products GmbHN/APour la détection optique de l’apparition du stimulus.
Samsung 27" ViewFinity S8  ;Samsung Electronics Co., LtdN.C.S. 0UYMHNBXB00044DAffichage principal pour la condition 2D.
Samsung 27" ViewFinity S8  ;Samsung Electronics Co., LtdN.S. 0UYMHNBXB00030EExposition d’expérimentateur. Utilisé pour exécuter un logiciel d’enregistrement EEG et surveiller les données lors des expériences.
Neiroiconica « Expert » de la pièce protégéeNeiroiconica Assistive LtdS/N figure-materials-1Câble à plomb à fixationNeurosoft LtdN/ARelie les électrodes ECG à l’adaptateur
TriggerBox PlusBrain Products GmbHN.d.A. à lire à lire A100009-0624Interface de synchronisation pour les déclencheurs TTL.

Références

  1. Barrett, L. F., Simmons, W. K. Interoceptive predictions in the brain. Nat Rev Neurosci. 16 (7), 419-429 (2015).
  2. Critchley, H. D., Garfinkel, S. N. Interoception and emotion. Curr Opin Psychol. 17, 7-14 (2017).
  3. Quigley, K. S., Kanoski, S., Grill, W. M., Barrett, L. F., Tsakiris, M. Functions of interoception: from energy regulation to experience of the self. Trends Neurosci. 44 (1), 29-38 (2021).
  4. Cechetto, D. F. Cortical control of the autonomic nervous system. Exp Physiol. 99 (2), 326-331 (2014).
  5. Gianaros, P. J., Wager, T. D. Brain-body pathways linking psychological stress and physical health. Curr Dir Psychol Sci. 24 (4), 313-321 (2015).
  6. Schandry, R., Sparrer, B., Weitkunat, R. From the heart to the brain: a study of heartbeat-contingent scalp potentials. Int J Neurosci. 30 (4), 261-275 (1986).
  7. Azzalini, D., Rebollo, I., Tallon-Baudry, C. Visceral signals shape brain dynamics and cognition. Trends Cogn Sci. 23 (6), 488-509 (2019).
  8. Park, H. D., Blanke, O. Heartbeat-evoked cortical responses: underlying mechanisms, functional roles, and methodological considerations. Neuroimage. 197, 502-511 (2019).
  9. Saltafossi, M., Zaccaro, A., Perrucci, M. G., Ferri, F., Costantini, M. The impact of cardiac phases on multisensory integration. Biol Psychol. 182, 108642(2023).
  10. Seth, A. K., Friston, K. J. Active interoceptive inference and the emotional brain. Philos Trans R Soc B Biol Sci. 371 (1708), 20160007(2016).
  11. Kirasirova, L. A., Pyatin, V. F. Face-related ERP is influenced by cardiac afferent information. Opera Med Physiol. 9 (1), 54-59 (2022).
  12. Martins, A. Q., Ring, C., McIntyre, D., Edwards, L., Martin, U. Effects of unpredictable stimulation on pain and nociception across the cardiac cycle. Pain. 147 (1-3), 84-90 (2009).
  13. Motyka, P., et al. Interactions between cardiac activity and conscious somatosensory perception. Psychophysiology. 56 (3), e13424(2019).
  14. Edwards, L., Inui, K., Ring, C., Wang, X., Kakigi, R. Pain-related evoked potentials are modulated across the cardiac cycle. Pain. 137 (3), 488-494 (2008).
  15. Garfinkel, S. N., et al. Fear from the heart: sensitivity to fear stimuli depends on individual heartbeats. J Neurosci. 34 (19), 6573-6582 (2014).
  16. Rau, H., Elbert, T. Psychophysiology of arterial baroreceptors and the etiology of hypertension. Biol Psychol. 57, 179-201 (2001).
  17. Gray, M. A., Rylander, K., Harrison, N. A., Wallin, B. G., Critchley, H. D. Following one’s heart: cardiac rhythms gate central initiation of sympathetic reflexes. J Neurosci. 29, 1817-1825 (2009).
  18. Pollatos, O., Schandry, R. Accuracy of heartbeat perception is reflected in the amplitude of the heartbeat-evoked brain potential. Psychophysiology. 41 (3), 476-482 (2004).
  19. Parsons, T. D. Virtual reality for enhanced ecological validity and experimental control in clinical, affective and social neurosciences. Front Hum Neurosci. 9, 520(2015).
  20. Slobounov, S. M., Ray, W., Johnson, B., Slobounov, E., Newell, K. M. Modulation of cortical activity in 2D versus 3D virtual reality environments: an EEG study. Int J Psychophysiol. 95 (3), 254-260 (2015).
  21. Pavlov, Y. G., et al. EEGManyLabs: Investigating the replicability of influential EEG experiments. Cortex. 144, 213-229 (2021).
  22. Klem, G., Lüders, H., Jasper, H., Elger, C. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  23. Larsen, O. F. P., et al. A method for synchronized use of EEG and eye tracking in fully immersive VR. Front Hum Neurosci. 18, 1347974(2024).
  24. Vigário, R., Särelä, J., Jousmäki, V., Hämäläinen, M., Oja, E. Independent component approach to the analysis of EEG and MEG recordings. IEEE Trans Biomed Eng. 47 (5), 589-593 (2000).
  25. Al, E., et al. Heart-brain interactions shape somatosensory perception and evoked potentials. Proc Natl Acad Sci USA. 117 (19), 10575-10584 (2020).
  26. Ehinger, B. V., Dimigen, O. Unfold: An integrated toolbox for overlap correction, non-linear modeling, and regression-based EEG analysis. PeerJ. 7, e7838(2019).
  27. Arnau, S., Sharifian, F., Wascher, E., Larra, M. F. Removing the cardiac field artifact from EEG using neural network regression. Psychophysiology. 60 (4), e14323(2023).
  28. Aprile, F., et al. The heartbeat-evoked potential in young and older adults during attention orienting. Psychophysiology. 62 (1), e70057(2025).
  29. Steinfath, P., et al. Validating genuine changes in heartbeat-evoked potentials using pseudotrials and surrogate procedures. Imaging Neurosci. 3, IMAG.a.30(2025).
  30. Walker, B. B., Sandman, C. A. Visual evoked potentials change as heart rate and carotid pressure change. Psychophysiology. 19 (5), 520-527 (1982).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG and MEG data. J Neurosci Methods. 164 (1), 177-190 (2007).
  32. Coll, M. P., Hobson, H., Bird, G., Murphy, J. Systematic review and meta-analysis of the relationship between the heartbeat-evoked potential and interoception. Neurosci Biobehav Rev. 122, 190-200 (2021).
  33. Kirasirova, L., Tugin, S., Pyatin, V., Kabir, M. S., Sagalajev, B. Modality-specific ERP dynamics in virtual and non-immersive environments. Proc Int Conf Neurotechnologies Neurointerfaces, , 36-39 (2025).
  34. Sagehorn, M., et al. Real-life relevant face perception is not captured by the N170 but reflected in later potentials: a comparison of 2D and virtual reality stimuli. Front Psychol. 14, 1050892(2023).
  35. Kirasirova, L., Maslova, O., Pyatin, V. Impact of virtual agent facial emotions and attention on N170 ERP amplitude: comparative study. Front Behav Neurosci. 19, 1523705(2025).
  36. Marín-Morales, J., et al. Affective computing in virtual reality: Emotion recognition from brain and heartbeat dynamics using wearable sensors. Sci Rep. 8, 13657(2018).
  37. Kirasirova, L., et al. Standardized EEG protocol for comparing cortical responses to mechanical and electrical tactile stimuli. J Vis Exp. (229), e69817(2026).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Mots-clés

Potentiels voqu sEEG en r alit virtuelleinteraction c ur cerveaupr traitement de l EEGlectrocardiographie ECGart facts de mouvementamplitude des PE visuelssystole cardiaquediastole cardiaque
Vidéo bientôt disponible
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.