Une méthode pour suivre l'évolution temporelle des potentiels évoqués à l'état stable

L’entraînement neuronal est la synchronisation de l’activité neuronale à la péripécité des stimuli sensoriels. Cette synchronisation génère le potentiel évoqué à l’état stable, c’est-à-dire des oscillations dans l’électroencéphalogramme verrouillée progressivement aux stimuli sensoriels. L’interprétation classique de l’amplitude des réponses évoquées à l’état stable, suppose une réponse neuronale constante phase verrouillée au stimulus, plus un bruit de fond aléatoire non lié au stimulus.

La réponse stéréotypée peut être obtenue en moyenne sur la présentation répétée du stimulus. Cette approche ne tient pas compte de la dynamique de la réponse, comme dans le cas de l’adaptation potentielle évoquée, obtenue par une exposition prolongée au stimulus. Dans les modèles animaux, la réponse auditive à l’état stable générée dans les régions corticales du cerveau, et ajoute à la présentation continue des tons amplitude-modulés.

Chez l’homme, il a été récemment démontré que la puissance de la fréquence fondamentale du potentiel visuellement invoqué à l’état stable n’est stationnaire que chez 30 % des sujets. Lorsque la recherche se concentre sur la dynamique de l’entraînement, nous pouvons supposer que l’évolution temporelle de la réponse sera la même dans différentes séries expérimentales indépendantes. Par conséquent, la moyenne du signal à chaque époque à travers les courses indépendantes, nous fournissons une représentation précise de la dynamique à long terme de la réponse oscillatoire.

Sur la base de cette hypothèse, nous avons développé une méthode pour caractériser l’évolution du temps de la réponse à l’état stable. La méthode consiste à acquérir plusieurs enregistrements de la même condition expérimentale, suivant au lieu de faire la moyenne des époques ultérieures dans les enregistrements. Les époques qui correspondent à la même fenêtre de temps dans les différents enregistrements sont moyennes.

Dans cette étude, nous fournissons une description détaillée de la méthode, en utilisant l’état stable visuellement évoqué potentiels comme un exemple d’une réponse. Cependant, la méthodologie peut être utilisée pour analyser les réponses à l’état stable d’autres stimuli sensoriels. Enfin, nous présentons les avantages et les inconvénients de la méthodologie, basée sur la comparaison avec les méthodes d’essai unique l’utiliser pour analyser l’entraînement neuronal.

Bienvenue sur le sujet. Invitez le sujet à parler dans une ambiance conviviale, à lui expliquer les objectifs et la pertinence de cette étude. Fournir une description des détails techniques pertinents.

Répondez à toutes ses questions à fond. Mentionnez explicitement qu’elle ou lui est autorisé à interrompre la session d’expérience à tout moment si vous le souhaitez. Demandez au bénévole de lire le consentement éclairé du sujet et de signer le formulaire correspondant.

Nettoyez le cuir chevelu avec de l’éthanol, une solution à 95% pour enlever la couche de cellules mortes de la peau et le sébum qui le couvrent. Cette étape est importante pour réduire l’impédance entre les électrodes et le cuir chevelu. Mesurez la circonférence de la tête pour définir la taille du bouchon d’électrode qui sera utilisé dans l’expérience.

Demandez au sujet de porter le bouchon d’électrode. Fournir les instructions pour un positionnement confortable mais correct du bouchon. Mesurer la distance entre nasion et inion.

De même, mesurez la distance entre les points pré-auriculaires gauche et droit. Corriger la position du bouchon d’électrode. Mettez du gel conductrice dans les emplacements d’électrodes considérés pour l’expérience.

Le nombre de sites d’enregistrement peut varier au besoin. Habituellement, nous enrions à partir de 64 emplacements de cuir chevelu à l’aide d’un système radio. Placez les électrodes d’enregistrement aux bons endroits.

Accompagnez le bénévole à la salle expérimentale et demandez au sujet de s’asseoir dans une position confortable. Placez des électrodes externes dans des endroits périioculaires pour enregistrer l’électrooculogramme. Ces signaux seront utilisés dans les prochaines étapes, pour corriger les artefacts EEG induits par les clignotants et les mouvements oculaires.

Allumer le système d’acquisition EEG et vérifier l’impédance de l’électrode. Corriger l’impédance, au besoin, selon les directives du fabricant. Demandez au sujet de clignoter et de déplacer les yeux dans différentes directions pour s’assurer que l’EOG est correctement enregistré par les électrodes externes.

Ajustez l’emplacement de l’écran dans la direction verticale, en fonction de l’angle de vue du sujet. Notre écran se compose de quatre diodes électroluminescentes situées au centre d’un écran noir de 50x50 cm, car les vertexes du carré mesurent 5x5 cm. Les participants sont assis à environ 70 centimètres de l’écran de sorte que le sont de la place des LED sous-tend un angle visuel d’environ quatre degrés.

Ajustez le niveau de luminance de l’écran à la limite supérieure du niveau confortable des participants. Définissez les paramètres de la stimulation visuelle. Dans nos expériences, une stimulation visuelle continue est présentée où l’intensité lumineuse est modulée à 10Hz.

Présentez le stimulus pour le temps requis dans l’expérience. Suspendre la stimulation pendant deux minutes. Pauses trois fois plus longues que la période de stimulation sont recommandées.

Répétez les étapes de présentation 30 fois. 30 séries de l’expérience assureront un rapport signal/bruit élevé des mesures. Néanmoins, un plus grand nombre de répétitions peuvent être implémentées dans le protocole expérimental.

Enregistrez l’EEG à l’aide de procédures standard. Les séries expérimentales peuvent être stockées dans un seul fichier, ou un fichier différent peut être créé pour chaque course. Les étapes suivantes correspondent à un traitement EEG standard.

Ce traitement est effectué hors ligne et peut être modifié le cas échéant. Re-référencer l’enregistrement à l’aide d’une référence moyenne. Filtre de passage de bande le signal d’EEG, les fréquences coupées peuvent être modifiées au besoin.

Si nécessaire, convertir les coordonnées électrodes en système international 10-20. Retirez les artefacts oculaires en utilisant les procédures appropriées. À cette fin, différentes techniques peuvent être utilisées.

Segmenter les données EEG et les époques de longueur appropriée. Supprimez les époques contenant des artefacts EEG. Détendez les époques de l’EEG pour diriger les dérives du courant.

Réarrangez les époques en une matrice de données de n rows et de colonnes M, dans laquelle N représente le nombre d’enregistrements, et M, le nombre d’époques. Colonne sage, moyenne de l’ensemble de données. À cette fin, les trente époques correspondant à la même fenêtre de temps dans les différents enregistrements doivent être moyennes dans le domaine du temps.

Calculer l’amplitude de la réponse à l’état stable à la fin de la moyenne à l’aide de la transformation Fast Fourier. L’amplitude de la réponse à l’état stable est définie comme l’amplitude spectrale obtenue à la fréquence des modulations d’amplitude des stimuli sensoriels. Vector moyenne de l’amplitude d’un nombre de faucons ajouter des bacs FFT de chaque côté de la fréquence de la réponse pour calculer le niveau de bruit résiduel.

Tracez l’amplitude de la réponse à l’état stable et du RNL en fonction de l’indice de colonne pour explorer l’évolution des paramètres pendant la période de stimulation. Résultats. La figure deux illustre les changements dans la forme d’onde du SSVEP résultant de la moyenne sage de colonne des époques. Trente enregistrements ont été obtenus.

Le temps d’oscillation neural verrouillé à la stimulation est devenu évident pendant que la moyenne sage de colonne a été exécutée. De manière significative, la période à laquelle le SSVEP est généré peut être observée dans les traces correspondant à la colonne 1. Dans cette colonne, 02 secondes de base de pré-stimulus sont tracées.

Par conséquent, la procédure décrite ici permet de caractériser non seulement la dynamique de la réponse oscillatoire une fois que l’entraînement neuronal est déjà établi, mais aussi l’engagement des oscillations neurales. L’amplitude moyenne du SSVEP a diminué pendant la moyenne des premières époques des colonnes et a eu tendance à se stabiliser par la suite. Ce comportement peut s’expliquer par la contribution relativement élevée du bruit à l’amplitude de réponse calculée dans les premières époques moyennes qui est atténuée au fur et à mesure que la moyenne est effectuée.

L’écart type du niveau de bruit résiduel est demeuré relativement constant à mesure que le nombre d’époques moyennes augmentait, ce qui donne à penser que les conditions d’enregistrement étaient stables le long de la section expérimentale. Les résultats présentés ci-dessus ont déterminé les changements dans le rapport signal/bruit de pointe des mesures. Au fur et à mesure que la moyenne progressait, le rapport signal/bruit de pointe augmentait à mesure que le nombre d’époques moyennes augmentait jusqu’à 18, environ.

D’autres augmentations du nombre d’époques moyennes n’ont pas eu d’incidence significative sur la qualité du signal. Enfin, la dynamique du visuel à l’état stable évoquait l’amplitude potentielle, et le niveau de bruit résiduel est représenté à la figure 4 Ces dynamiques ont été obtenues en traçant les paramètres de réponse calculés à la fin de la colonne moyenne sage des époques en fonction du nombre de colonnes en fonction du temps.

Dans ce sujet, l’amplitude de réponse a graduellement augmenté pendant les 12 premières secondes, suivant le début de stimulus. Le temps, qui correspond à la longueur de trois époques. Pendant que le stimulus persistait, la réponse a uniformément diminué pendant les 12 secondes suivantes, et est restée relativement constante après.

Ces résultats ne peuvent pas être expliqués par le comportement du RNL, puisque ce paramètre était relativement constant pendant la période de stimulation. L’augmentation de l’amplitude SSVEP après le début du stimulus, peut s’expliquer par des processus d’intégration, qui entraînent la stabilisation de l’entraînement neuronal. La diminution suivante de l’amplitude suggère l’adaptation du SSVEP à la stimulation soutenue.

Néanmoins, ces hypothèses doivent être testées dans le cadre d’expériences contrôlées avec la taille de l’échantillon approprié. Calculer l’amplitude des réponses à l’état stable après la moyenne du domaine du temps des courses indépendantes implique d’analyser uniquement les oscillations verrouillées dans le temps, celles qui survivent à la moyenne. Cette procédure peut filtrer les informations pertinentes concernant la dynamique de la réponse dans les essais individuels.

Toutefois, il garantit un rapport signal/bruit suffisamment élevé. Cet aspect peut être particulièrement important lorsque les réponses sont proches du seuil électrophysiologique, une condition dans laquelle la détection de l’entraînement peut être compromise en raison du faible rapport signal-bruit de la mesure.