יישומים של נתוני ה-EEG הדמייה: פוטנציאל הקשור לאירוע, כוח של רוח רפאים, וMultiscale אנטרופיה

המטרה הכוללת של הליך זה היא לכמת את השונות של סדרת זמן EEG ולקשר את השונות הזו ליכולת עיבוד המידע של המערכת העצבית הבסיסית. זה מושג תחילה על ידי רכישת הקלטות EEG באיכות גבוהה של תגובת המוח. השלב השני הוא לעבד מראש את הנתונים כדי להסיר חפצים.

לאחר מכן, הנתונים הסטטיסטיים המעניינים מופקים. כאן נשווה את היישום החדשני של אנטרופיה רב-ממדית עם שיטות מסורתיות יותר של משרעת ממוצעת והספק ספקטרלי. השלב האחרון הוא ניתוח המובהקות הסטטיסטית של התוצאות ופירוש הנתונים.

ניתן להקל על שלב זה על ידי שימוש בגישות מרובות משתנים מונעות נתונים כמו ניתוח ריבוע חכירה חלקי. בסופו של דבר, אנטרופיה רב-סולמית משמשת כדי להראות כיצד רצף של שינויים בדפוס הזמן המרחבי על פני סולמות מרובים תורם לפעולות קוגניטיביות ספציפיות. היתרון בשימוש ב-MSC על פני שיטות קיימות כמו משרעת ממוצעת או הספק ספקטרה, הוא ש-MSC רגיש לאי-ליניאריות בנתונים.

הדינמיקה הלא-ליניארית הזו משקפת מעברים או התפצלויות בין מצבי המיקרו של הרשת, מה שחשוב לחילופי מידע על פני רשת מבוזרת של אזורי מוח. מי שתדגים את ההליך הזה היא כריסטינה בקר ממעבדת ה-ERP במכון רוטמן למחקר. ראשית, הסבירו למשתתף את נהלי הניסוי וקבלו הסכמה מדעת.

נקה את האזור שבו ימוקמו האלקטרודות הנפתחות באמצעות ספוגית אלכוהול. הניחו מעט ג'ל על האלקטרודה. הסירו את הניירות מצד העור והניחו את האלקטרודות על המשתתף כדי לזהות חפצים של תנועות עיניים.

הניחו אלקטרודה על הצומת הרוחבי של העפעף העליון והתחתון. הנח אלקטרודה נוספת במרכז רכס המסלול, כסנטימטר אחד מתחת לעין ובקו אחד עם האישון. יש לחזור על הפעולה עבור העין השנייה.

מדוד את היקף הראש של המשתתף ובחר את גודל מכסה האלקטרודה המתאים בהתאם למערכת 10 20 המוכרת בעולם. למיקום אלקטרודות, מדוד את המרחק מאיאן ההודי לאורך קו האמצע וחלקו ב-10%באמצעות מספר זה. למדוד מ-NAS ולסמן.

יישר את מיקום מכסה האלקטרודה FP עם סימן זה ומשוך את המכסה לאחור. ודא שמרכז הכובע נמצא בקו אחד עם האף. מדוד nasn ל-cz ואשר שהמרחק הזה הוא מחצית המרחק מ-NAS לאינדיאנית.

לאחר מכן הדק את רצועת הסנטר והנח גזה מתחת לרצועה לנוחות במידת הצורך. כעת, הכניסו את מזרק הנקודה הבוטה המלא בג'ל במחזיקי האלקטרודות כדי ליצור עמוד מוליך של ג'ל. התחל במגע עם הקרקפת, ולאחר מכן לחץ ומשוך לאחור.

שימו לב שמריחת יותר מדי ג'ל עלולה לגשר על האותות של אלקטרודות שכנות. לאחר מכן, תקן אלקטרודות פעילות במחזיקי האלקטרודות. לאחר מכן מקם את הנושא מול הצג במרחק המתאים.

לצורך הניסוי, בקשו מהמשתתף להישאר ללא תנועה תוך הדגשת החשיבות של מזעור תנועות עיניים ומצמוצים. להקלטה נקייה, בדוק את חיבורי האלקטרודות ואת איכות אות ה-EEG במחשב הרכישה. אם יש בעיה באלקטרודה מסוימת, הוציאו את האלקטרודה ומרחו מחדש ג'ל כדי להתאים את העכבות באותו אתר לאחר הניסוי, אך לפני חילוץ הסטטיסטיקה הספציפית המעניינת.

עבד מראש את נתוני ה-EEG הרציפים כדי להסיר חפצים באמצעות נהלים סטנדרטיים של סינון ודחיית חפצים. ניתוח פוטנציאל הקשור לאירוע לוכד את הפעילות המוחית הסינכרונית שהיא נעילת פאזה לתחילת הגירוי נועל את תגובת המוח להופעת אירוע בולט, ולאחר מכן ממוצע על פני אירועים דומים רבים. כדי להגדיל את יחס האות לרעש, לזהות את משרעת השיא והחביון של רכיב ה-ERP עבור כל נושא, הספק ספקטרה מכמת את התרומה היחסית של תדר לאות EEG מסוים.

השתמש בניתוח פורייה כדי להפוך את אות ה-EEG מתחום הזמן לתחום התדרים ולפרק את האות לגלי הסינוס המרכיבים אותו בתדרים משתנים. אנטרופיה רב-סקאלית היא מדד תיאורטי של מידע הלוכד את השונות של אותות נוירו-חשמליים לאורך זמן ולאורך מספר פעמים. מאזניים. השתמש באלגוריתם ב-PhysioNet כדי לחשב אנטרופיה רב-ממדית בשני שלבים.

בשלב הראשון, יורד בהדרגה. דגמו את האות עבור כל ניסוי וציר זמן של תנאי. אחד מייצג את האות המקורי.

צור צירי זמן עוקבים על ידי חלוקת האות המקורי תחילה לחלונות לא חופפים באורך ציר הזמן. לאחר מכן ממוצע של נקודות הנתונים בכל חלון. לדוגמה, כדי ליצור ציר זמן שני ממוצע יחד.

שתי הנקודות הראשונות, שתי הנקודות הבאות וכן הלאה. כדי ליצור ציר זמן, שלוש ממוצעות יחד של שלוש הנקודות הראשונות, שלוש הנקודות הבאות וכן הלאה. על ידי ייצוג האות המקורי בטווחי זמן שונים, ניתן לנתח תהליכים עצביים שעשויים להתפתח בקצבים שונים.

השלב השני מחשב אנטרופיה לדוגמה עבור כל קורס. סדרות זמן מגורענות. זה מספק הערכה של מורכבות תגובת המוח בטווחי הזמן השונים.

לאותות רגילים יש אנטרופיה נמוכה יותר של דגימה מאשר לאותות סטוכסטיים יותר. בדוגמה זו, אורך התבנית M מוגדר לשניים. המשמעות היא שסדרת הזמן תוצג כיחס של משחקי רצף של שתיים לעומת שלוש נקודות.

פרמטר R הוא קריטריון הדמיון. לנקודות נתונים הנמצאות בטווח משרעת זה יש ערכים דומים ולכן אומרים שהן תואמות. לפרטים על הגדרת פרמטרים, עיין בפרוטוקול הטקסט כדי לחשב אנטרופיה לדוגמה עבור סדרת זמן מדומה זו.

התחל עם שני המרכיבים הראשונים. תבנית רצף, כתום אדום, ספר תחילה את מספר הפעמים שתבנית הרצף הכתום האדום מתרחשת בסדרת הזמן. יש 10 משחקים בשביל זה.

רצף שני רכיבים. שנית, ספור את מספר הפעמים שלושת המרכיבים הראשונים. תבנית רצף, אדום, כתום, סגול מתרחשת בסדרות הזמן.

יש חמישה משחקים בשביל זה. רצף שלושה רכיבים. המשך עם אותן פעולות עבור שני רצפי הרכיבים הבאים, כתום, סגול, ורצף שלושת הרכיבים הבאים, כתום, סגול, ירוק של סדרת הזמן.

הוסף את מספר שני התאמות הרכיבים ושלוש התאמות הרכיבים עבור רצפים אלה לערכים הקודמים. חזור על הפעולה עבור כל התאמות הרצף האחרות בסדרת הזמן כדי לקבוע את היחס הכולל בין התאמות של שני רכיבים להתאמות של שלושה רכיבים. אנטרופיה מדגמית היא הלוגריתם הטבעי של יחס זה.

נתונים אלה מראים הבדלים בתנאים בעוצמה הספקטרלית ובאנטרופיה של ERP המנוגדים להצגה הראשונית לעומת החוזרת של צילומי פנים. בדוגמה זו, כל המדדים התכנסו כדי לחשוף את אותה השפעה של ירידה באנטרופיה של הדגימה המלווה את החזרה על הפנים. ירידה זו במורכבות מצביעה על כך שהרשת הפונקציונלית המעורבת פשוטה יותר ומעבדת פחות מידע.

תוצאות סטטיסטיות אלו נגזרות מהניתוח הרב-משתני של ריבועי חכירה חלקיים של הספק ספקטרלי של ERP ואנטרופיה רב-קנה מידה עבור פנים הקשורות לרמות היכרות שונות. הניגודיות מראה כי משרעת ה-ERP הבחינה בין פנים חדשות לפנים מוכרות, אך לא בין הפנים המוכרות שהשתנו בכמות החשיפה הקודמת. הכוח הספקטרלי הבחין בין פנים על פי המוכרות, אך לא הבחין במדויק בין פנים בעלות היכרות נמוכה ובינונית.

אנטרופיה רב-ממדית הייתה רגישה ביותר להבדלי המצב. ערכי האנטרופיה של המדגם עלו עם הגדלת ההיכרות עם הפנים. עלילות תמונה אלה לוכדות את ההתפלגות המרחבית של אפקט התנאי.

מעניין לציין שאנטרופיה רב-ממדית חשפה מידע ייחודי שלא הושג על ידי הניתוחים המסורתיים יותר של ERP או כוח ספקטרלי. סטייה זו של אנטרופיה רב-סקאלית מצביעה על כך שהתנאים שונים ביחס להיבטים לא ליניאריים של דינמיקת הרשת שלהם, וייתכן שהם כרוכים באינטראקציות בין פסי תדרים. כלי אנליטי חדשני זה עוזר לנו ללכוד מידע חדש על הדינמיקה של הרשת העצבית, ועוזר להרחיק אותנו מאפיון התפקוד המנטלי במונחים של מצבים סטטיים ולקראת הבנת ההתפתחות הנוזלית של תהליכים הקשורים לקוגניציה האנושית.