Micro-État et Analyses complexité Omega de l’état de repos l’électroencéphalographie

Cet article décrit le protocole sous-jacent électroencéphalographie (EEG) micro-État analyse et analyse de complexité oméga, qui sont deux mesures d’EEG référence-gratuit et très utile pour explorer les mécanismes neuronaux des troubles cérébraux.

Ce semestre a répondu à 10 questions dans le domaine des troubles cérébraux, comme comment identifier une paire efficace de marqueurs à un code de bios dans le diagnostic d’aujourd’hui. Le principal avantage de cette technique est qu’elle peut émaner comme une référence du problème en cours lorsque vous adhérez à l’analyse EEG traditionnelle. Les applications de cette technique s’étendent à notre compréhension des réseaux d’états de repos du cerveau humain.

Pour commencer cette procédure, importez les données EEG brutes dans le logiciel de laboratoire EEG. Ensuite, chargez le fichier de localisation du canal dans le logiciel de laboratoire EEG pour obtenir les emplacements spatiaux de ces électrodes. Pour supprimer les électrodes de référence, l’option Sélectionner les données dans la plage de canaux de la boîte de dialogue contextuelle permet de sélectionner uniquement les électrodes d’enregistrement et de ne pas sélectionner les électrodes de référence afin de pouvoir les supprimer.

Pour filtrer les données EEG entre 0,5 et 80 hertz, dans la boîte de dialogue contextuelle, choisissez 0,5 pour le bord inférieur de la bande passante hertz et 80 pour le bord supérieur de la bande passante hertz. Cliquez ensuite Ok.To supprimer le bruit du courant porteur avec un filtre coupe-bande entre 49 et 51 hertz, dans la boîte de dialogue contextuelle, choisissez 49 pour le bord inférieur de la bande passante hertz et choisissez 51 pour le bord supérieur de la bande passante hertz. Sélectionnez ensuite l’option Filtre coupe-bande des données au lieu de la bande passante, puis cliquez Ok.To supprimer les mouvements oculaires, cliquez sur Outils, puis cliquez sur Suppression des artefacts à l’aide d’AAR 1.3 et Suppression de l’EOG à l’aide de BSS.

Pour supprimer l’EMG, cliquez sur Outils, puis sur Suppression des artefacts à l’aide d’AAR 1.3 et Suppression d’EMG à l’aide de BSS. Ensuite, segmentez les données EEG continues prétraitées en époques d’une durée de deux secondes. Une fenêtre s’ouvrira qui permettra d’enregistrer les données EEG segmentées.

Importez ensuite les données EEG segmentées dans le logiciel de laboratoire EEG et rejetez les époques EEG avec des valeurs d’amplitude supérieures à plus ou moins 80 microvolts à n’importe quelle électrode. Ensuite, enregistrez les données EEG prétraitées. Dans cette procédure pour chaque sujet, chargez les données EEG prétraitées, convertissez les canaux de référence en référence moyenne commune et filtrez les données EEG passe-bande entre deux et 20 hertz.

Ensuite, identifiez les quatre cartes de micro-états dans chaque sujet. Dans la boîte de dialogue contextuelle, choisissez trois pour le nombre minimum de classes, choisissez six pour le nombre maximal de classes, choisissez 50 pour le nombre de redémarrages, choisissez le nombre maximal de cartes à utiliser et sélectionnez les options Pic GFP uniquement et Aucune polarité. Cliquez ensuite sur le bouton Ok.

Par la suite, enregistrez les données EEG de chaque sujet après avoir identifié ses propres cartes de micro-états. Importez en une seule fois les ensembles de données EEG de tous les sujets enregistrés à la dernière étape. Identifiez ensuite les cartes de micro-états au niveau du groupe.

Dans la boîte de dialogue contextuelle, sélectionnez les ensembles de données de tous les sujets dans l’option Choisir les ensembles pour le calcul de la moyenne. Dans l’option Nom de la moyenne, donnez un nom aux cartes de micro-états au niveau du groupe, puis cliquez sur le bouton OK.Cela créera un nouvel ensemble de données nommé GrandMean qui stocke les cartes de micro-états au niveau du groupe. Triez manuellement l’ordre des cartes de micro-états au niveau du groupe en fonction de leur ordre classique.

Dans la fenêtre contextuelle, sélectionnez Plus, puis le nombre de cartes affichées devient quatre. Après cela, sélectionnez Tri de l’homme. Dans la boîte de dialogue contextuelle, entrez le nouvel ordre des quatre cartes de micro-états au niveau du groupe et cliquez sur Fermer.

Ensuite, triez l’ordre des quatre cartes de micro-états de chaque sujet, enregistrez les paramètres de micro-états pour chaque sujet qui appellera deux boîtes de dialogue contextuelles séquentiellement. Dans la première boîte de dialogue, sélectionnez les ensembles de données de tous les sujets. Dans la deuxième boîte de dialogue, sélectionnez 4 classes pour l’option Nombre de classes.

Sélectionnez les options Ajuster uniquement sur les pics GFP et Supprimer les micro-états potentiellement tronqués. Ensuite, choisissez 30 pour la fenêtre de lissage d’étiquette, ms, et choisissez Un pour la pénalité de non-lissage, puis cliquez sur OK.Un fichier CSV qui stocke les paramètres de sous-micro-état sera enregistré sur l’ordinateur. Ces images montrent que les classes de micro-états A et B ont respectivement une orientation frontale droite vers l’occipitale gauche et une orientation frontale gauche vers l’occipitale droite.

Les classes C et D des micro-états ont des topographies symétriques, mais une orientation préfrontale à occipitale et une orientation frontale à centrale à occipitale ont été observées respectivement. Ce tableau montre la moyenne et l’écart-type des paramètres de micro-état des sujets sains. Une fois maîtrisée, cette technique peut être réalisée en une heure si elle est exécutée correctement.

Lors de la tentative de cette procédure, il est important de se rappeler que les données EEG doivent être prétraitées avec soin. Après cette procédure, d’autres méthodes telles que la localisation de la source peuvent être effectuées afin de répondre à des questions supplémentaires telles que l’origine de ces cartes de micro-états. Cette technique a ouvert la voie aux chercheurs dans le domaine de la science du cerveau pour exposer la maladie comme dans le cerveau humain.