הרשמה ל-JoVE נדרשת לצפייה בתוכן זה. התחברו או התחילו בגרסת ניסיון בחינם.

מאמר שיטה

שילוב שלבי מחזור לב בניתוח פוטנציאל הקשור לאירועים: פרוטוקול לסביבות דו-ממדיות ומציאות מדומה

69 צפיות

⸱

DOI:

10.3791/69752

⸱

5 במאי 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

במאמר זה

סיכום

פרוטוקול זה מתאר גישה לחקר מודולציה תלויה בפאזה של פוטנציאלים הקשורים לאירועים חזותיים באמצעות הקלטות אלקטרואנצפלוגרפיה ואלקטרוקרדיוגרפיה בו-זמנית. הפרוטוקול מפרט סנכרון גירויים, סגמנטציה של פאזה לבבית, וניתוח פוטנציאלים הקשורים לאירועים במהלך סיסטולה ודיאסטולה, והוא רלוונטי הן בסביבות מציאות מדומה קונבנציונליות והן בסביבות מציאות מדומה סוחפת.

תקציר

פעימות הלב הן קצב פיזיולוגי בסיסי שלא רק שמחזיק את החיים אלא גם מווסת תהליכים תפיסתיים ועצביים, ובכך משפיע על השכפול של פוטנציאלים הקשורים לאירועים (ERPs). בעוד שמציאות מדומה (VR) מציעה סביבות סוחפות מאוד בהשוואה למסכים דו-ממדיים (דו-ממדיים) קונבנציונליים, היא גם מציבה אתגרים ייחודיים בהקלטה אלקטרופיזיולוגית, כולל ארטיפקטים בתנועה, עיכוב בהצגה, ומודולציה קרדיוגנית פוטנציאלית חזקה יותר. גורמים אלו עלולים להפחית את יעילות עיבוד מוקדם של אלקטרואנצפלוגרפיה סטנדרטית (EEG), ולהוביל לאובדן נתונים משמעותי. מחקר זה מציג פרוטוקול מפורט המשלב EEG ואלקטרוקרדיוגרפיה (ECG) סימולטנית כדי לחקור אינטראקציות לב-מוח בתנאי VR ודו-ממדיים כאחד. הגישה כוללת יישור מדויק של גירויים עם אותות לב, תיקון השהיה הנגרמת מ-VR, וניהול מורחב של ארטיפקטים. סגמנטציה של תקופות EEG בהתבסס על האם הגירויים התרחשו במהלך סיסטולה לבבית או דיאסטולה חשפה דיכוי חזק של משרעת ERP חזותית במהלך הסיסטולה. חשוב לציין שהאפקט המדכא הזה היה כמעט זהה הן במציאות מדומה והן בסביבות דו-ממדיות, מה שהדגים את יעילות הפרוטוקול ואישר שהאינטראקציה הבסיסית הזו בין לב למוח עמידה בפני שינויים ברמת ההטמעה. פרוטוקול זה, לפיכך, מציע מסגרת סטנדרטית לחקר השפעת הלב על הקוגניציה, הניתנת להתאמה לשיטות הצגה חזותית מגוונות.

מבוא

הפעילות הקצבית של הלב מוכרת יותר ויותר לא רק כתהליך הומאוסטטי חיוני אלא גם כמודולטור יסודי של תפקוד המוח והקוגניציה1. גוף הולך וגדל של ראיות מראה שאותות הלב משפיעים באופן רציף על מגוון רחב של תהליכים נוירוקוגניטיביים, כולל תפיסה, קשב, ויסות רגשי ותודעה 2,3. ציר זה-לב-מוח מתווך על ידי אותות אינטרוספטיביים אפרנטיים מבראורצפטורים ומכנורצפטורים קרדיווסקולטוריים, המועברים דרך גזע המוח לאזורים קורטיקליים, שם הם משתלבים עם מידע חושי אקסטרוספטיבי 4,5. כתוצאה מכך, המוח אינו מעבד גירויים חיצוניים באופן פסיבי, אלא עושה זאת בהקשר של המצב הפנימי של הגוף, שמדד מרכזי לכך הוא שלב מחזור הלב.

האתגר המתודולוגי המרכזי הוא לחשוף כיצד פעילות עצבית קרדיווגנית משפיעה על עיבוד גירויים חיצוניים, כפי שנמדד באמצעות ERPs חזותיים. הביטוי האלקטרופיזיולוגי הבולט ביותר של אינטראקציה זו הוא הפוטנציאל המעורר דופק הלב (HEP), דפוס ספציפי של פעילות EEG הנעולה בזמן להתכווצות הלב6. ה-HEP נחשב לסמן עצבי של קשב אינטרוספטיבי, המשקף את הקידוד החיזוי של המוח של פעימות הלב המתקרבות והשלכותיו על עיבוד חושי 7,8. לפי מודלים עכשוויים, המוח משתמש באותות הלב הללו כדי ליצור ייצוג מאוחד של מצבו הפנימי של הגוף בהקשר החיצוני שלו 9,10. ראיות אמפיריות מצביעות על כך שעיבוד הגירויים החיצוניים, כולל הבולטות התפיסתית שלהם והקשרים העצביים הבסיסיים, משתנה משמעותית בהתאם לשאלה האם הם מופיעים במהלך סיסטולה לבבית או דיאסטולה 11,12,13. הגירויים המוצגים במהלך הסיסטולה (שלב ההתכווצות) קשורים בעקביות לדיכוי עיבוד עצבי, כפי שמעיד על ידי ירידה באמפליטודות ERP ותגובות התנהגותיות משתנות, בהשוואה לאלו שהוצגו במהלך הדיאסטולה (שלב הרפיה) 14,15,16. אפקט זה מוסבר על ידי השערת "גייטינג סומטוסנסורי", המניחה שהמוח מדכא עיבוד אותות אקסטרוספטיביים כדי להעדיף זמנית אותות אינטרוספטיביים קרדיאליים במהלך סיסטולה15,17.

למרות העניין הגובר בציר הלב-מוח, פרוטוקולי ניתוח ERP סטנדרטיים מתמקדים אך ורק בגירויים חיצוניים, מחלקים תקופות ביחס להתחלת הגירוי ובכך מתעלמים מהשונות העמוקה של ניסוי אחר ניסוי שמביאה מחזור הלב המתמשך. כדי ללכוד במדויק את מודולציית מחזור הלב של ERPs חזותיים, נדרשת גישה שונה באופן יסודי. דבר זה מחייב יישור מדויק של הצגת הגירוי עם שלבים לבביים ספציפיים, כפי שאומת על ידי רישום ECG סימולטני18. הספרות הנוכחית חסרה פרוטוקולים סטנדרטיים, מפורטים וניתנים לשחזור בקלות המתארים באופן מקיף את כל שלבי העיבוד, מאיסוף נתונים גולמיים ועד ניתוח סטטיסטי, תוך התחשבות בשלבי הלב.

אתגר מתודולוגי נוסף עולה עם האימוץ המהיר של טכנולוגיות סוחפות כמו VR במדעי המוח. סביבות VR מספקות הקשרים סוחפים ומרתקים, ומאפשרות יצירת סביבות ניסיוניות מבוקרות אך ריאליסטיות19,20. עם זאת, רכישת נתוני EEG ו-ECG איכותיים במקביל בסביבת VR קשורה למספר קשיים טכניים. אלה כוללים ארטיפקטים פוטנציאליים של תנועה, הפרעות אלקטרומגנטיות מהאוזניות, והצורך הקריטי בסנכרון זמני מדויק בין הצגת הגירויים (לעיתים עם השהיה מובנית), רכישת נתונים ומערכות מעקב תנועה21. אתגרים טכניים אלו תרמו למחסור בפרוטוקולי ניתוח חזקים המיועדים במיוחד להשוואה ישירה של מודולציה עצבית תלויה בקרדיו בין פרדיגמות דו-ממדיות קלאסיות ל-VR סוחף. היעדר מסגרת משותפת זה פוגע במחקר כיצד טבילה ונוכחות מווסתות מנגנוני אינטראקציה בסיסיים בין מוח לגוף.

כדי להתמודד עם אתגרים אלו, עבודה זו מציגה פרוטוקול מתודולוגי מקיף שלב אחר שלב לחקירת מודולציה של ERPs חזותיים במחזור הלב, על ידי שילוב הקלטות EEG ו-ECG סימולטניות. אבן היסוד של הגישה היא סגמנטציה של נתונים עצביים ביחס לשיא R הלבבי, המאפשרת סיווג גירויים בהתבסס על הופעתם במהלך הסיסטולה או הדיאסטולה. חשוב לציין, נעשה ניתוח מבוסס נתונים של כל התקופה שלאחר הגירוי כדי לזהות חלונות זמן ספציפיים שבהם שלב הלב משפיע באופן משמעותי על התגובה העצבית. התרומות העיקריות של עבודה זו הן בשלושה: (1) מסופק פרוטוקול מלא ומוצג ויזואלי המיועד לשכפול פשוט, (2) הפרוטוקול מותאם ומאומת להשוואה בין נתונים שנאספו באמצעות מסך דו-ממדי סטנדרטי ואוזניית VR סוחפת, ו-(3) השימושיות של הפרוטוקול מודגם על ידי גילוי כיצד גירויים פנים של ערכיות רגשית מווסתים באופן שונה את השפעת הלב על עיבוד עצבי בהתאם לעומק הסביבה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

המחקר אושר על ידי ועדת האתיקה הביולוגית של אוניברסיטת סמרה לרפואה (קוד פרוטוקול 195, מיום 10 באוקטובר 2018). כל המשתתפים נתנו הסכמה מדעת מרצון לפני המחקר. המדגם הסופי כלל 27 מתנדבים בריאים בגילאי 19-21. במהלך מפגשי המבחנים, כל משתתף ביצע סדרת הערכות סטנדרטיות שנערכו באופן אישי. החומרים והציוד בהם משתמשים מופיעים בטבלת החומרים.

1. חומרים וציוד

הערה: השתמש בחומרה ותוכנה פונקציונלית שוות ערך כאשר זה מתאים. עיין באיור 1 לסקירה של ההתקנה הניסויית, כולל פריסת המערכת והחיבורים. הכינו את הציוד והתוכנה הבאים לפני הניסוי. דרישות כלליות מתוארות להלן, וקונפיגורציות ספציפיות מפורטות בטבלת החומרים.

  1. מערכת רכישת EEG/ECG
    1. השתמש במערכת מגבר שמאפשרת הקלטה סימולטנית של EEG ו-ECG.
    2. השתמש באלקטרודות EEG שניתן להקצות מחדש מהקרקפת להקלטת א.ק.ג.
  2. אפשרויות קלט של ECG (מערכת EEG תומכת בערוצים דו-קוטביים)
    1. השתמש בערוצי קלט ביפולריים ייעודיים להקלטת א.ק.ג, כאשר זה אפשרי.
    2. הקצה מחדש שתי אלקטרודות EEG לא קריטיות ליצירת זוג ECG דו-קוטבי אם אין תעלות ביפולריות ייעודיות.
  3. אפשרויות כניסת ECG (מערכת EEG תומכת בערוצים מונופולריים בלבד)
    1. השתמש במתאם דיפרנציאלי כדי לנתב אותות ECG לקלט עזר (AUX) או דיפרנציאלי.
    2. השתמש באלקטרודות פסיביות ובאלקטרודות דבק חד-פעמיות התואמות לתצורת הקלט הנבחרת.
  4. הצגת גירוי
    1. השתמש במחשב עם תצוגה בקצב רענון גבוה (≥120 הרץ) להצגה דו-ממדית.
    2. השתמשו בתצוגה המותקנת על הראש עם מסך משני לשיקוף אותות להצגת VR.
  5. סנכרון וחיישנים
    1. השתמש בפוטודיאודה או חיישן פוטו-חיישן עם אביזרי התקנה וחבר אותו למערכת רכישת ה-EEG.
  6. תוכנה
    1. השתמש בסביבת ריצה של VR ותוכנת בקרת גירויים המסוגלת לזמן מדויק, רצף ופלט טריגרים.
    2. השתמש בתוכנת ניתוח EEG/ECG התומכת בטיפול באירועים, עיבוד מוקדם וניתוח ERP; השתמש בסקריפטים מותאמים אופציונליים במידת הצורך.
  7. סביבת מעבדה ואביזרים
    1. השתמש בחדר מוגן ומבודד כראוי להקלטת EEG.
    2. ספק כיסא נוח, פתרונות לניהול כבלים, חומרי הכנת עור, ג'ל מוליך וחומרי היגיינה לתצוגות המותקנות על הראש.

2. הגדרת מערכת וזיהוי השהיה

  1. התקן והגדר את תוכנת הצגת הגירוי.
    1. תנאי VR
      1. התקן את זמן הריצה הספציפי ליצרן הנדרש לתצוגה המותקנת על הראש.
      2. פרוס את יישום הגירוי הניסיוני על משקפי ה-VR בהתאם לתיעוד בזמן הריצה.
      3. בצע את ההגדרה הראשונית של מערכת ה-VR על ידי כיול מערכת המעקב (אם רלוונטי) והגדרת גבולות אזור המשחק לפי הוראות היצרן כדי להבטיח מעקב יציב ולמזער ארטיפקטים הקשורים לתנועה.
    2. תנאי דו-ממדי
      1. אופטימיזציה של תחנת העבודה להצגת גירויים על ידי השבתת יישומים ותהליכים רקע מיותרים כדי למזער הפרעות ועיכובים בזמן איסוף נתונים.
  2. צור את מונטאז' ההקלטה בתוכנת רכישת ה-EEG.
    1. צור תצורת עבודה חדשה או תצורת הקלטה וקבע לה שם לפי מזהה המחקר.
    2. הקצו ערוצי EEG ושמרו ערוצי קלט AUX בהתאם לתיעוד החומרה של המגבר.
    3. הוסיפו שני ערוצים נוספים לאותות הפוטודיאודה וה-ECG. הגדר שמות ערוצים, סוגים ויחידות לפי הצורך, וכללו את הערוצים הללו באותו קובץ הקלטה כמו ה-EEG. תייג את ערוץ ה-ECG באופן עקבי (למשל, "ECG").
  3. מדדו את זמן ההשהיה של הצגת הגירוי באמצעות פוטודיודה.
    1. חבר את הפוטודיאודה לכניסת AUX זמינה של מגבר ה-EEG.
    2. תנאי VR: התקנת הפוטודיאודה על עדשת האוזניות במיקום התואם לתיקון בהירות נעול גירוי. הציגו לפחות 100 אירועי גירוי והקלטו את אות הפוטודיאודה כדי למדוד השהיה בתצוגה ורטט מניסיון לניסוי ביחס לטריגר המיועד. לאחר השלמת מדידות ה-VR, העבר את הפוטודיאודה לתצוגה הדו-ממדית.
    3. תנאי דו-ממדי: מניח את הפוטודיאודה מעל אזור פיקסלים ייעודי שננעל על ידי גירוי על המסך. הצג לפחות 100 אירועי גירוי והקלט את אות הפוטודיאודה כדי למדוד את השהיה התצוגה והרעד ביחס לטריגר המיועד.
    4. אופציונלי: אם קיימות שתי פוטודיאודות זמינות, חבר כל חיישן לערוץ AUX נפרד והצג פלאשים מסונכרנים למדידת השהיה דו-ממדית ו-VR בו-זמנית.
    5. הסר את הפוטודיאודה מהתצוגה הדו-ממדית לאחר השלמת מדידות השהייה כדי למנוע חסימת שדה הראייה של המשתתף.
    6. חשב את השהיית התצוגה הממוצעת ואת סטיית התקן (ג'יטר) עבור כל סביבת הצגה.
    7. ערכי השהייה והג'יטר של המסמכים בנפרד עבור תנאי 2D ו-VR.
    8. ודאו שרטט ההשהייה נשאר יציב לאורך כל הסשן. אם שונו הגדרות חומרה או תוכנה, חזור על מדידות ההשהיה.
  4. הגדר את ערוץ ההקלטה של ה-ECG.
    1. קבע את תצורת קלט ה-ECG בהתבסס על יכולות המגבר הזמינות (תעלות ביפולריות נתמכות לעומת ערוצים מונופולריים בלבד; ראו שלבים 1.2 ו-1.3).
    2. אם הקלטת א.ק.ג דו-קוטבית נתמכת, הפעל את קלט ה-ECG הדו-קוטבי הייעודי בתוכנת ההקלטה ושמור את תווית הערוץ "ECG".
    3. אם קיימים רק ערוצים מונופולריים, יש לחבר מתאם דיפרנציאלי לקלט AUX או דיפרנציאלי ולמפות את הקלט הזה כערוץ ECG בתוכנת ההקלטה. שמרו את תווית הערוץ "ECG".
    4. אל תמקם אלקטרודות ECG בשלב זה. בצע בדיקות מיקום אלקטרודות והתנגדות במהלך הכנת המשתתפים.

3. הכנת המשתתפים

  1. מיקום פקק EEG
    1. להתאים את מכסה ה-EEG לפי המערכת הבינלאומית 10–10 או 10–20 על ידי יישור אלקטרודת Cz והתאמת גודל הכובע להיקף הראש של המשתתף22.
    2. הפרדת השיער בכל אתר אלקטרודה באמצעות מטלית כותנה או קנולה קהה (בקוטר של כ-2–3 מ"מ). מרחו תמיסת שוחקת עדינה או תמיסת הכנת עור כדי להפחית התנגדות.
    3. הנח כל אלקטרודה, מרח ג'ל מוליך וודא מגע יציב עם הקרקפת על ידי סיבוב עדין של מחזיק האלקטרודה. הימנע מיצירת גשרים ג'ליים מוליכים בין אלקטרודות שכנות.
    4. מדדו את התנגדות האלקטרודות והורידו אותן מתחת ל-8 kΩ (או התקן במעבדה) על ידי חזרה על חלוקת שיער, הוספת חומר להכנת עור נוסף או הוספת ג'ל מוליך לפי הצורך.
    5. אבטחו כבלי EEG כדי למזער תנועה ולוודא שהמשתתף מרגיש בנוח לפני ההמשך.
  2. מיקום אלקטרודות ECG
    1. נקה את העור בצד הפנימי (הפונה לכף היד) של שתי פרקי הידיים באמצעות מגבוני אלכוהול ותן לעור להתייבש לחלוטין.
    2. הניחו אלקטרודות דבק חד-פעמיות על פרק כף היד כדי להקליט את Limb Lead I, תוך מיקום האלקטרודה השלילית על פרק כף היד הימני והאלקטרודה החיובית על פרק כף היד השמאלית. ודאו מגע טוב עם האלקטרודות והימנעו ממיקום מעל בליטות עצם.
    3. אבטח את כבלי ה-ECG באמצעות סרט רפואי, תוך השארת לולאות רפוי קטנות להפחתת ארטיפקטים הקשורים לתנועה.
    4. בדוק את אות ה-ECG במנוחה. ודא שפסגות R נראות בבירור וזקופות. אם פסגות R נראות הפוכות, החלף את קוטביות האלקטרודה. אשר שאות ה-ECG נשאר יציב לאורך זמן.
    5. אם משתמשים במגבר יחיד להקלטת EEG ו-ECG, חבר את אלקטרודות ההארקה של ה-EEG וה-ECG לפי דרישת המערכת. כאשר יש מספר מגעי הארקה זמינים, יש להניח אלקטרודות הארקה נפרדות ל-EEG ו-ECG כדי לשפר את יציבות האות, ולהבטיח שכל אלקטרודות ההארקה מחוברות פנימית בתוך המגבר.

4. התקנת אוזניות VR (תנאי VR בלבד)

  1. אל תסיר את מכסה ה-EEG או תנתק אלקטרודות EEG או ECG לפני התקנת האוזניות.
  2. שחרר את הרצועה העליונה ואת מנגנון ההידוק האחורי של קסדת ה-VR כדי להתאים למיקום מעל מכסה ה-EEG.
  3. הנחו את המשתתף למקם את החלק הקדמי של קסדת ה-VR על פניו. הורד את החלק האחורי מעל פקק ה-EEG והדק בהדרגה את הרצועות עד שהאוזניות מותקנות היטב.
    1. ודא שהאוזניות אינן מפעילות לחץ מופרז על אלקטרודות EEG. כוון את ההתאמה כדי למנוע החלקת אוזניות תוך שמירה על נוחות המשתתפים במהלך שימוש ממושך. בדוק את אות ה-EEG לרעש קו או ארטיפקטים שנגרמו מלחץ וכיוון מחדש את האוזניות במידת הצורך23.
  4. משקף את פלט תצוגת ה-VR למסך משני כדי לאפשר פיקוח בזמן אמת על הצגת הגירויים והתנהגות המשתתפים.
  5. בדוק מחדש את התנגדות האלקטרודות EEG אחרי התקנת האוזניות. יש להחיל מחדש ג'ל מוליך על כל ערוץ העולה על 8 kΩ (או התקן המעבדתי). חזרו על בדיקות התנגדות מדי פעם לאורך מצב ה-VR.

5. הקלטה

  1. הצגת גירוי
    1. הצג גירויים ויזואליים בתזמון מדויק וניתן לשחזור. שלחו והקלטו טריגרים של אירועים לכל תחילת גירוי בתוך הקלטת ה-EEG. השתמש בפרמטרי תזמון גירויים זהים (למשל, משך הגירוי, מרווח בין גירויים) בין סביבות דו-ממדיות ומציאות מדומה.
  2. ניטור משתתפים
    1. הנחו את המשתתף למזער תנועות ראש ומצמוץ עיניים במהלך הצגת הגירוי. יש לעקוב באופן רציף אחרי אותות ה-EEG וה-ECG במהלך ההקלטה. עצרו את הניסוי אם צריך כדי לתקן התנגדות אלקטרודות או לכוון את הכבלים.
  3. בלוקים של הקלטה
    1. להקליט נתונים בשתי סביבות ההצגה (דו-ממדי ו-VR). אזן את סדר הסביבות בין המשתתפים כאשר זה רלוונטי לשליטה על אפקטי הסדר.

6. קדם-עיבוד EEG

  1. ייבוא נתונים ואימות ערוץ
    1. ייבא את נתוני ה-EEG, ECG והפוטודיאודה הרציפים לתוכנת ניתוח ה-EEG. ודאו שכל התוויות, הסוגים והיחידות של הערוצים מוקצים נכון.
  2. סינון אותות
    1. הפעילו פילטר חריץ בתדר קו החשמל המקומי (50 הרץ או 60 הרץ). כלול תדרים הרמוניים אם נדרש לפי תקן המעבדה.
    2. החלו מסנן פס-מעבר על נתוני ה-EEG בהתאם לתקן המעבדה (למשל, 0.1–40 הרץ).
  3. תיקון וסימון מחדש של סימני אירועים
    1. תקן את סימני אירועי הגירוי על ידי הפחתת השהיה התצוגה הספציפית לסביבה שנמדדה בשלב 2.3. יצר סימני גירוי מתוקנים להשהיה לניתוחים הבאים.
    2. תייגו מחדש את סימני הגירוי בהתאם לסביבת ההצגה (למשל, תוויות אירועים עם קידומת עם "2D_" או "VR_").
  4. זיהוי ותיקון ממצאים
    1. בדוק ויזואלית את הנתונים הרציפים לאיתור ארטיפקטים. זהה וסמן קטעים המכילים רעש מופרז או ארטיפקטים של תנועה. העברו ערוצים פגומים כאשר זה מתאים, בהתאם לנהלים המעבדתיים הסטנדרטיים.
    2. בצע ניתוח רכיבים עצמאי (ICA)24 לזיהוי ארטיפקטים עיניים ושרירים. בדוק את מסלולי הזמן של הרכיבים, טופוגרפיות הקרקפת ומאפיינים ספקטרליים. הסר רכיבים הקשורים לממצאים בהתבסס על קריטריונים אובייקטיביים או שיפוט מומחה. כאשר מתאים, הרחיב גישות מבוססות ICA או רגרסיה למודלים של ארטיפקטים הקשורים ללב.
    3. חישבו ERPs נעולים בזמן לשיא R באמצעות אותם פרמטרי קדם-עיבוד כמו ב-ERPs נעולים בגירוי. בדוק את צורות הגל וטופוגרפיות הקרקפת שנוצרות כדי להעריך זיהום שדה לב (CFA) פוטנציאלי25. זהה קומפלקסים בולטים דמויי QRS או סטיות אחרות הקשורות ל-ECG באותות ה-EEG (איור 2), המצביעים על נפח פעילות קרדיאלית שנותרה לקרקפת.
      1. אם נצפית פעילות משמעותית הקשורה ללב, יש ליישם נהלי תיקון נוספים, רגרסיה כללית מבוססת מודל ליניארי באמצעות ECG כמנבא רציף26, שיטות מבוססות ICA מורחבות, או גישות מבוססות למידת מכונה27.
    4. יש לקחת בחשבון חפיפה בין ERPs נעולים ל-HEP. השתמש בשיטות שמדמות במפורש תגובות עצביות חופפות, כגון גישות מבוססות רגרסיה או גישות דה-קונבולוציה26. כאשר זה מתאים, יש ליישם פרוצדורות מבוססות תחליף או ניתוחי בקרה להערכת עמידות ההשפעות העצביות הקשורות ללב28,29.

7. סגמנטציה של שלב הלב (לא מקוון)

  1. זיהוי פסגות R
    1. מזהה שיאים של R אוטומטית באות ה-ECG באמצעות תוכנת הניתוח. בדוק ידנית את כל האירועים שזוהו ותתקן שיאי R שהוחמצו או זוהו בטעות כדי להבטיח תזמון דופק מדויק.
  2. הגדר שלבי לב
    1. הגדר סיסטולה ודיאסטולה תוך התחשבות בהבדלים בין-אישיים בקצב הלב ובשונות בין פעימה לפעימה. עדיף הגדרות ספציפיות למחזור על פני חלונות זמן קבועים כשאפשר.
      הערה: השתמש באחת מהגישות הבאות: (1) הגדר סיסטולה ודיאסטולה כפרופורציות של כל מרווח R-R בנפרד, בהתאם לקשר הלא ליניארי בין משך הדופק לשלב הלב; (2) כאשר איכות אות ה-ECG מאפשרת, הגדר את סוף הסיסטולה באמצעות קצה גל ה-T כסמן פיזיולוגי מוארק; (3) אם זיהוי גלי T אמין אינו אפשרי, הגדר סיסטולה באמצעות חלון זמן קבוע (למשל, 300 מילישניות ראשונות לאחר שיא ה-R). הכירו במפורש בקירוב זה והתחשבו בהבדלים בקצב הלב האישי בניתוחים הבאים.
  3. הקצאת תוויות שלב לב לגירויים
    1. השתמשו בסמני גירוי מתוקנים על ידי השהיה כדי להקצות כל גירוי לשלב הלב הקיים בתחילת הגירוי (סיסטולה או דיאסטולה). הקצה תוויות פאזה בנפרד לכל סביבת הצגה (דו-ממדי או VR) ושנו את שמות האירועים בהתאם (למשל, 2D_systole, VR_diastole).
  4. החרגת משפטים עמומים
    1. זהה והסרת ניסויים שבהם חלון ניתוח ה-ERP המתוכנן יכלול את שני שלבי הלב בהתאם לדופק המיידי של המשתתף.
  5. דוגמה ליישום תוכנה
    הערה: השלבים הבאים ממחישים יישום אפשרי באמצעות חבילת תוכנה לניתוח EEG התומכת בזיהוי אירועי ECG ובתיוג מחדש של אירועים.
    1. זיהוי אוטומטי של R-peak: פתח את תפריט זיהוי האירועים ובחר את פונקציית זיהוי דופק הלב. בחר את ערוץ ה-ECG בעל איכות האות הגבוהה ביותר, הגדר תווית לאירועים שזוהו (למשל, "R-peak"), והרץ את אלגוריתם הזיהוי ליצירת סימני אירועי R-Peak.
    2. סקירה ידנית של זיהוי R-peak: בדוק את אות ה-ECG ויזואלית עם סימני R-peak מונחים עליו. הוסף סימנים חסרים והסר זיהויים שגויים באמצעות כלי עריכת אירועים שמספקת התוכנה.
    3. תיוג מחדש של אירועים מבוסס שלב לבבי: השתמש בשילוב אירועים או פונקציית הבחירה כדי לסיווג גירויים לפי שלב הלב בתחילת האירוע.
      הערה: בניסויים סיסטוליים, בחרו גירויים המתרחשים במרווח הסיסטולי המוגדר מראש לאחר כל שיא R. לניסויים דיאסטוליים, ישנם גירויים נבחרים המתרחשים במרווח הדיאסטולי המוגדר מראש שלפני שיא ה-R הבא. צרו קטגוריות אירועים חדשות לסיסטולה ודיאסטולה. בצע הליך זה בנפרד לכל שלב לב וסביבת הצגה.

8. אפוקינג וממוצע

  1. אפוקינג ותיקון קו בסיס
    1. הקצה תוויות לשלב הלב המבוססות אך ורק על השלב הקרדיאלי הקיים בתחילת הגירוי (כלומר, סיסטולה או דיאסטולה). הגדר את תקופת ה-ERP ביחס לתחילת הגירוי. לאפשר לתקופה להתארך לשלבים הלביים הבאים מבלי להשפיע על סיווג השלבים.
    2. השתמש באורך אפוק של כ-400 מילישניות. אם נדרש חלון זמן ארוך יותר (למשל, 600 מילישניות), יש להוציא מחקרים שבהם חלון הניתוח מתארך משמעותית לשלב הלב הבא. הפעילו תיקון בסיס באמצעות מרווח קדם-גירוי קצר (למשל, -50 עד 0 מילישניות, או -50 עד -2 מילישניות).
  2. ממוצע
    1. חשב ERPs בנפרד עבור ארבעת תנאי הניסוי: 2D_systole, 2D_diastole, VR_systole ו-VR_diastole. דווח על מספר הניסויים שנשמרו עבור כל מצב.
  3. שיקולי בחירת אלקטרודות
    1. בחרו אלקטרודות לניתוח בהתבסס על שאלת המחקר ואופי רכיבי ה-ERP הרלוונטיים. השתמש באלקטרודות אוקסיפיטליות (O1, oz, O2) לפרדיגמות ויזואליות שהן לוכדות ERPs חזותיים קנוניים עם יחס אות לרעש גבוה.

9. בקרת איכות ופתרון תקלות

  1. רטט השהיה של גירוי-טריגר
    1. העריך את רטט ההשהיה בין חותמות זמן של טריגר לבין תחילת גירוי שנמדד על ידי פוטודיודה. קחו בחשבון רעידות העולות על כ-10 מילישניות בניסויים כבעיה, במיוחד עבור רכיבי ERP מוקדמים. אם נצפית רעד מופרז, יש להעריך מחדש את תזמון הגירוי, סנכרון חומרה, וליישם תיקוני השהייה ספציפיים לריצה לפי הצורך.
  2. רוויה או רעש של א.ק.ג
    1. בדוק את מגע האלקטרודות וההתנגדות של ה-ECG. החלף את קוטביות האלקטרודות אם פסגות R הפוכות. העבר את אלקטרודות ה-ECG לאמות אם הקלטות שורש כף היד נשארות רועשות.
  3. ארטיפקטים של לחץ במשקפי VR
    1. להתאים מחדש רצועות אוזניות כדי להפחית לחץ על אלקטרודות EEG. הוסף ריפוד במידת הצורך ומרח מחדש ג'ל מוליך על האלקטרודות המושפעות.
  4. ספירת ניסויים לא שוויונית לאורך שלבי הלב
    1. כוון את חלון תקופת ERP או תזמון הגירוי כדי להבטיח דגימה מאוזנת בין שלבים סיסטוליים ודיאסטוליים.
  5. ניסויים בשלב עמום
    1. זהה ניסויים שבהם הופעת הגירוי מתרחשת סמוך לגבול שלב הלב (למשל, סביב שיא ה-R או קרוב למעבר בין סיסטולה לדיאסטולה) וכאשר חלון הניתוח המתוכנן עשוי לכלול את שני השלבים. סמן את המשפטים האלה כלא ברורים. בדוק את אות ה-ECG ואת מרווח R-R המיידי והחריג ניסויים מעורפלים מניתוח נוסף.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

המחקר הנוכחי השתמש בפרוטוקול ניתוח לחקירת מודולציית ERP על ידי אותות אינטרוספטיביים אפרנטיים במהלך שלב מחזור הלב (סיסטולה מול דיאסטולה) בשני סביבות ניסוי: מוניטור דו-ממדי סטנדרטי והגדרת VR סוחפת. נלקחו ונותחו תקופות EEG ביחס לשיא ה-R של ה-ECG שנרשם במקביל.

מבחן הפרמוטציה הלא-פרמטרי מבוסס אשכולות שהוחל על ERPs חזותיים שנרשמו באלקטרודות אוקסיפיטליות (O1, Oz, O2) לאורך כל התקופה גילה הבדל מתמשך ומובהק סטטיסטית בגל ERP בין הפאזות הסיסטוליות והדיאסטוליות בשתי הסביב...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

שלבים קריטיים בתוך הפרוטוקול
מספר שלבים בפרוטוקול המוצע קריטיים להשגת השפעות ERP תלויות פאזה תקפות בלב. ראשית, סנכרון מדויק בין הצגת הגירוי לרישום EEG הוא חיוני, ויש לכמת את השהיית התצוגה הספציפית לסביבה באמצעות פוטודיאודה ולתקן ברמת סמן האירוע, שכן עיכובים לא מתוקנים או רעידות מופרזות עלולים להוביל לטשטוש זמני של רכיבי ERP. שנית, זיהוי מדויק של פסגות R-ECG והגדרת פאזה קרדיאלית אמינה הם קריטיים, שכן סיווג שגוי של התחלות סיסטוליות ודיאסטוליות משפיע ישירות על הקצאת הפאז...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

המחברים מצהירים שאין ביניהם ניגוד עניינים.

תודות

עבודה זו נתמכה על ידי הענקת תוכנית המדינה של הטריטוריה הפדרלית «סיריוס» «פיתוח מדעי וטכנולוגי של טריטוריית הפדרציה של «סיריוס» (הסכם מס' 28-03, תאריך 27.09.2024).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
ActiCAP Slim / Snapבריין פרודקטס GmbHBP-185-2200פקק אלקטרודות אקטיבי עם 64 ערוצים.
actiCHamp Plus מגבר מעבדה רב-תכליתי הכוללבריין פרודקטס GmbHמחבר/ת ACBM17120955מערכת רכישת נתוני EEG ראשית.
אלקטודות חד-פעמיות של Ag/AgCl 26 מ"מניקה-מדיקל בע"מלא זמיןאלקטרודות חד-פעמיות ל-ECG תלת-ראשי
מתאם BIP2AUXבריין פרודקטס GmbHלא זמיןמחבר את יציאת ה-ECG לכניסת EEG AUX.
Desktop ROG Srtix ASUSTeK Computer Inc.G835LR-SA117תחנת עבודה בעלת ביצועים גבוהים. משמש להפעלה סימולטנית של מערכת ה-VR (HTC Vive), תוכנת הצגת גירויים ופלטפורמת הקלטת EEG (BrainVision Recorder).
HTC Vive  עין מקצועיתHTC Corporation S/N FA1142100443מערכת VR להצגת גירויים סוחפת.
חיישן צילוםבריין פרודקטס GmbHלא זמיןלזיהוי אופטי של הופעת גירוי.
Samsung 27" ViewFinity S8 סמסונג אלקטרוניקס בע"מהעתק 0UYMHNBXB00044Dתצוגה ראשית למצב דו-ממדי.
Samsung 27" ViewFinity S8 סמסונג אלקטרוניקס בע"מהערת המשם 0UYMHNBXB00030Eתצוגת הניסוי. משמש להפעלת תוכנת הקלטת EEG ולניטור נתונים במהלך ניסויים.
חדר מוגן ניירויקוניקה "מומחה"ניירויקוניקה אסיסטיב בע"מS/N figure-materials-1K20210119011תא מוגן אלקטרומגנטית.
כבל עופרת נערץNeurosoft בע"מלא זמיןמחבר את אלקטרודות ה-ECG למתאם
טריגרבוקס פלוסבריין פרודקטס GmbHמחבר' TB-A100009-0624ממשק סנכרון לטריגרים של TTL.

מקורות

  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).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

תגיות

EEGEEGECGERP
הסרטון יגיע בקרוב
צור קשר
המלצה לספרייה

פרטיות

תנאי שימוש

מדיניות

2026 © זכויות יוצרים MyJoVE Corporation. כל הזכויות שמורות.