Articolo metodologico

Integrare le fasi del ciclo cardiaco nell'analisi del potenziale correlato agli eventi: un protocollo per ambienti bidimensionali e di realtà virtuale

69 visualizzazioni

⸱

DOI:

10.3791/69752

⸱

5 maggio 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

In questo articolo

Sommario

Questo protocollo descrive un approccio per indagare la modulazione cardiaca dipendente dalla fase dei potenziali visivi correlati agli eventi utilizzando registrazioni simultanee di elettroencefalografia ed elettrocardiografia. Il protocollo dettaglia la sincronizzazione degli stimoli, la segmentazione della fase cardiaca e l'analisi dei potenziali correlati agli eventi durante la sistole e la diastole, ed è applicabile sia in ambienti bidimensionali convenzionali che in quelli di realtà virtuale immersiva.

Abstract

Il battito cardiaco è un ritmo fisiologico fondamentale che non solo sostiene la vita, ma modula anche i processi percettivi e neurali, influenzando così la riproducibilità dei potenziali correlati agli eventi (ERP). Sebbene la realtà virtuale (VR) offra ambienti altamente immersivi rispetto agli schermi bidimensionali (2D) convenzionali, introduce anche sfide uniche per la registrazione elettrofisiologica, tra cui artefatti di movimento, latenza di presentazione e potenzialmente una modulazione cardiogenica più forte. Questi fattori possono ridurre l'efficienza della pre-elaborazione standard dell'elettroencefalografia (EEG), portando a una notevole perdita di dati. Questo studio presenta un protocollo dettagliato che combina EEG e elettrocardiografia (ECG) simultanei per indagare le interazioni cuore-cervello sia in condizioni VR che 2D. L'approccio prevede un allineamento preciso degli stimoli con i segnali cardiaci, la correzione della latenza indotta dalla VR e una gestione estesa degli artefatti. La segmentazione delle epoche EEG basata sul fatto che gli stimoli si siano verificati durante la sistole cardiaca o la diastole ha rivelato una robusta soppressione dell'ampiezza dell'ERP visiva durante la sistole. Fondamentalemente, questo effetto soppressivo è stato quasi identico sia in ambienti VR che 2D, dimostrando l'efficacia del protocollo e confermando che questa interazione fondamentale cuore-cervello è resistente ai cambiamenti del livello di immersione. Questo protocollo, quindi, offre un quadro standardizzato per studiare l'influenza cardiaca sulla cognizione, adattabile a diversi metodi di presentazione visiva.

Introduzione

L'attività ritmica del cuore è sempre più riconosciuta non solo come un processo omeostatico vitale, ma anche come modulatore fondamentale della funzione cerebrale e dellacognizione 1. Un corpo crescente di evidenze dimostra che i segnali cardiaci esercitano un'influenza continua su un ampio spettro di processi neurocognitivi, inclusi percezione, attenzione, regolazione emotiva ecoscienza 2,3. Questo asse cuore-cervello è mediato da segnali interocettivi afferenti provenienti dai barorecettori e meccanorecettori cardiovascolari, che proiettano attraverso il tronco encefalico verso le aree corticali dove si integrano con le informazioni sensorialiesterocettive 4,5. Di conseguenza, il cervello non elabora gli stimoli esterni in modo passivo, ma lo fa nel contesto dello stato interno del corpo, un indicatore chiave del quale è la fase del ciclo cardiaco.

La sfida metodologica centrale è rivelare come l'attività neurale cardiogenica influenzi l'elaborazione degli stimoli esterni, misurati dalle ERP visive. La manifestazione elettrofisiologica più prominente di questa interazione è il potenziale evocato dal battito cardiaco (HEP), uno specifico schema di attività EEG bloccato nel tempo alla contrazionecardiaca 6. L'HEP è considerato un marcatore neurale dell'attenzione interocettiva, riflettendo la codifica predittiva del cervello sul battito cardiaco imminente e le sue conseguenze sull'elaborazionesensoriale 7,8. Secondo i modelli contemporanei, il cervello utilizza questi segnali cardiaci per creare una rappresentazione unificata dello stato interno del corpo all'interno del suo contestoesterno 9,10. Le evidenze empiriche indicano che l'elaborazione degli stimoli esterni, inclusa la loro salienza percettiva e i correlati neurali sottostanti, varia significativamente a seconda che si presentino durante la sistole cardiaca o la diastole 11,12,13. Gli stimoli presentati durante la sistole (la fase di contrazione) sono costantemente associati a una soppressione dell'elaborazione neurale, evidenziato da ampiezze ridotte dell'ERP e risposte comportamentali alterate, rispetto a quelli presentati durante la diastole (la fase di rilassamento)14,15,16. Questo effetto è spiegato dall'ipotesi del "somatosensory gating", che sostiene che il cervello sopprime l'elaborazione del segnale esterocettivo per dare temporaneamente priorità ai segnali interocettivi cardiaci durante lasistole 15,17.

Nonostante il crescente interesse per l'asse cuore-cervello, i protocolli standard di analisi ERP si concentrano esclusivamente sugli stimoli esterni, segmentando le epoche rispetto all'inizio dello stimolo e ignorando così la profonda variabilità prova per prova introdotta dal ciclo cardiaco in corso. Per catturare accuratamente la modulazione del ciclo cardiaco delle ERP visive, è necessario un approccio fondamentalmente diverso. Ciò richiede l'allineamento preciso della presentazione dello stimolo con specifiche fasi cardiache, verificato dalla registrazione ECGsimultanea 18. La letteratura attuale manca di protocolli standardizzati, dettagliati e facilmente riproducibili che descrivano in modo completo tutte le fasi di elaborazione, dall'acquisizione dei dati grezzi all'analisi statistica, tenendo conto delle fasi cardiache.

Un'ulteriore sfida metodologica sorge con la rapida adozione di tecnologie immersive come la VR nelle neuroscienze. Gli ambienti VR offrono contesti altamente immersivi e coinvolgenti, permettendo la creazione di ambientazioni sperimentali controllate marealistiche 19,20 . Tuttavia, l'acquisizione simultanea di dati EEG ed ECG di alta qualità in un ambiente VR è associata a diverse difficoltà tecniche. Questi includono potenziali artefatti di movimento, interferenze elettromagnetiche provenienti dal visore e la necessità critica di una sincronizzazione temporale precisa tra la presentazione dello stimolo (spesso con latenza intrinseca), l'acquisizione dati e i sistemi di tracciamentodel movimento 21. Queste sfide tecniche hanno contribuito alla scarsità di protocolli di analisi robusti specificamente progettati per il confronto diretto della modulazione neurale cardio-dipendente tra paradigmi classici 2D e VR immersivi. Questa mancanza di un quadro comune ostacola infine la ricerca su come immersione e presenza modulino i meccanismi fondamentali di interazione cervello-corpo.

Per affrontare queste sfide, questo lavoro presenta un protocollo metodologico completo e passo dopo passo per investigare la modulazione del ciclo cardiaco delle ERP visive integrando registrazioni simultanee di EEG ed ECG. La pietra angolare dell'approccio è la segmentazione dei dati neurali rispetto al picco cardiaco R, permettendo la classificazione degli stimoli in base alla loro presenza durante la sistole o la diastole. Fondamentalmente, viene utilizzata un'analisi basata sui dati dell'intera epoca post-stimolo per identificare finestre temporali specifiche in cui la fase cardiaca esercita un'influenza modulatrice significativa sulla risposta neurale. I principali contributi di questo lavoro sono tre: (1) viene fornito un protocollo completo e visualizzato progettato per una replica diretta, (2) il protocollo viene adattato e validato per confrontare i dati acquisiti utilizzando un monitor 2D standard e un visore VR immersivo, e (3) l'utilità del protocollo è dimostrata rivelando come gli stimoli facciali di valenza emotiva modulino differenzialmente l'influenza cardiaca sull'elaborazione neurale a seconda dell'immersione dell'ambiente.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Lo studio è stato approvato dal Comitato di Bioetica dell'Università Medica Statale di Samara (codice di protocollo 195, datato 10 ottobre 2018). Tutti i partecipanti hanno fornito un consenso volontario informato prima dello studio. Il campione finale era composto da 27 volontari maschi sani di età compresa tra i 19 e i 21 anni. Durante le sessioni di test, ogni partecipante ha completato una serie di valutazioni standardizzate somministrate individualmente. I reagenti e le attrezzature utilizzate sono elencati nella Tabella dei Materiali.

1. Materiali e attrezzature

NOTA: Utilizzare hardware e software funzionalmente equivalenti quando appropriato. Consulta la Figura 1 per una panoramica dell'allestimento sperimentale, inclusa la disposizione del sistema e le connessioni. Prepara le seguenti attrezzature e software prima dell'esperimento. I requisiti generali sono descritti di seguito e le configurazioni specifiche sono elencate nella Tabella dei Materiali.

  1. Sistema di acquisizione EEG/ECG
    1. Utilizzare un sistema amplificatore che consenta la registrazione simultanea di EEG ed ECG.
    2. Usa elettrodi EEG che possono essere riassegnati dal cuoio capelluto per la registrazione ECG.
  2. Opzioni di input ECG (il sistema EEG supporta canali bipolari)
    1. Usa canali di ingresso bipolari dedicati per la registrazione ECG, quando disponibili.
    2. Riassegnare due elettrodi EEG non critici per formare una coppia ECG bipolare se canali bipolari dedicati non sono disponibili.
  3. Opzioni di input ECG (il sistema EEG supporta solo canali monopolari)
    1. Utilizzare un adattatore differenziale per instradare i segnali ECG in un ingresso ausiliario (AUX) o differenziale.
    2. Utilizzare elettrodi passivi e elettrodi adesivi usa e getta compatibili con la configurazione di ingresso selezionata.
  4. Presentazione dello stimolo
    1. Usa un computer con display ad alta frequenza di aggiornamento (≥120 Hz) per una presentazione 2D.
    2. Usa un display montato sulla testa con un monitor secondario per il mirroring del segnale per la presentazione VR.
  5. Sincronizzazione e sensori
    1. Usa un fotodiodo o fotosensore con accessori di montaggio e collegalo al sistema di acquisizione EEG.
  6. Software
    1. Utilizza un ambiente di esecuzione VR e un software di controllo degli stimoli in grado di tempizzare, sequenziare e produrre trigger precisi.
    2. Utilizzare software di analisi EEG/ECG che supportano la gestione degli eventi, la pre-elaborazione e l'analisi ERP; Usa script personalizzati opzionali se necessario.
  7. Ambiente di laboratorio e accessori
    1. Usa una stanza schermata e adeguatamente isolata per la registrazione EEG.
    2. Fornisci una sedia comoda, soluzioni per la gestione dei cavi, forniture per la preparazione della pelle, gel conduttivo e materiali igienici per display montati sulla testata.

2. Configurazione del sistema e rilevamento della latenza

  1. Installa e configura il software di presentazione degli stimoli.
    1. Condizioni VR
      1. Installa il runtime VR specifico per il produttore richiesto per il display montato sulla testa.
      2. Distribuire l'applicazione sperimentale di stimolo sul visore VR secondo la documentazione di runtime.
      3. Esegui la configurazione iniziale del sistema VR calibrando il sistema di tracciamento (se applicabile) e definendo i confini dell'area di gioco secondo le istruzioni del produttore per garantire un tracciamento stabile e minimizzare gli artefatti legati al movimento.
    2. Condizione 2D
      1. Ottimizzare la workstation di presentazione dello stimolo disabilitando applicazioni e processi in background non necessari per minimizzare interruzioni e ritardi temporali durante l'acquisizione dei dati.
  2. Crea il montaggio di registrazione nel software di acquisizione EEG.
    1. Crea un nuovo spazio di lavoro o una nuova configurazione di registrazione e chiamala in base all'identificatore dello studio.
    2. Assegnare i canali EEG e riservare i canali di ingresso AUX in base alla documentazione hardware dell'amplificatore.
    3. Aggiungi due canali aggiuntivi per i segnali fotodiodo ed ECG. Configurare nomi, tipi e unità dei canali secondo opportunità, e includere questi canali nello stesso file di registrazione dell'EEG. Etichetta il canale ECG in modo coerente (ad esempio, "ECG").
  3. Misura la latenza nella presentazione dello stimolo usando un fotodiodo.
    1. Collega il fotodiodo a un ingresso AUX disponibile dell'amplificatore EEG.
    2. Condizione VR: Montare il fotodiodo sull'obiettivo del visore in una posizione corrispondente a una patch di luminanza bloccata da stimolo. Presentare almeno 100 eventi di stimolo e registrare il segnale del fotodiodo per misurare la latenza di visualizzazione e il jitter da prova a prova rispetto al trigger previsto. Dopo aver completato le misurazioni VR, sposta il fotodiodo sul display 2D.
    3. Condizione 2D: Posizionare il fotodiodo sopra un'area pixel dedicata a uno stimolo bloccato sul monitor. Presentare almeno 100 eventi di stimolo e registrare il segnale del fotodiodo per misurare la latenza di visualizzazione e il jitter rispetto al trigger previsto.
    4. Opzionale: Se sono disponibili due fotodiodi, collega ciascun sensore a un canale AUX separato e presenta lampi sincronizzati per misurare simultaneamente latenze 2D e VR.
    5. Rimuovere il fotodiodo dal display 2D dopo aver completato le misurazioni di latenza per evitare di ostruire la visuale del partecipante.
    6. Calcola la latenza media di visualizzazione e la deviazione standard (jitter) per ogni ambiente di presentazione.
    7. Documenta separatamente i valori di latenza e jitter per le condizioni 2D e VR.
    8. Verifica che il jitter di latenza rimanga stabile durante tutta la sessione. Se le impostazioni hardware o software vengono modificate, ripeti le misurazioni della latenza.
  4. Configura il canale di registrazione ECG.
    1. Determinare la configurazione dell'ingresso ECG in base alle capacità disponibili dell'amplificatore (canali bipolari supportati vs. solo canali monopolari; vedi passaggi 1.2 e 1.3).
    2. Se è supportata la registrazione ECG bipolare, abilita l'ingresso ECG bipolare dedicato nel software di registrazione e riserva l'etichetta del canale "ECG".
    3. Se sono disponibili solo canali monopolari, collegare un adattatore differenziale a un ingresso AUX o differenziale e mappare questo ingresso come canale ECG nel software di registrazione. Riserva l'etichetta del canale "ECG."
    4. Non posizionare elettrodi ECG in questa fase. Eseguire il posizionamento degli elettrodi e i controlli di impedenza durante la preparazione del partecipante.

3. Preparazione dei partecipanti

  1. Posizionamento del cappuccio EEG
    1. Adatta il cappuccio EEG secondo il sistema internazionale 10–10 o 10–20 allineando l'elettrodo Cz e regolando la dimensione del cappuccio alla circonferenza dellatesta del partecipante 22.
    2. Dividere i peli in ogni sito elettrodo usando un cotton fioc o una cannula con punta smussata (circa 2–3 mm di diametro). Applica un abrasivo delicato o una soluzione per la preparazione della pelle per ridurre l'impedenza.
    3. Posiziona ogni elettrodo, applica il gel conduttivo e assicurati un contatto saldo con il cuoio capelluto ruotando delicatamente il portaelettrodo. Evita di creare ponti di gel conduttivi tra elettrodi vicini.
    4. Misurare le impedenze degli elettrodi e ridurle sotto 8 kΩ (o lo standard di laboratorio) ripetendo la ripartenza dei capelli, applicando ulteriore preparazione della pelle o aggiungendo gel conduttivo secondo necessità.
    5. Fissare cavi EEG per minimizzare i movimenti e verificare che il partecipante si senta a suo agio prima di procedere.
  2. Posizionamento degli elettrodi ECG
    1. Pulisci la pelle sul lato interno (rivolto verso il palmo) di entrambi i polsi usando salviette con alcol e lascia asciugare completamente la pelle.
    2. Posizionare elettrodi adesivi usa e getta sui polsi per registrare il Lead I Standard Limb, posizionando l'elettrodo negativo sul polso destro e quello positivo sul sinistro. Assicurati un buon contatto con gli elettrodi ed evita di posizionarli sopra le protuberanze ossee.
    3. Fissare i cavi ECG usando nastro medico, lasciando piccoli anelli di flessibilità per ridurre gli artefatti legati al movimento.
    4. Verifica il segnale ECG a riposo. Assicurati che i picchi R siano chiaramente visibili e verticali. Se i picchi R appaiono invertiti, si scambia la polarità dell'elettrodo. Conferma che il segnale ECG rimanga stabile nel tempo.
    5. Se si utilizza un singolo amplificatore per la registrazione EEG ed ECG, collegare gli elettrodi di massa EEG ed ECG come richiesto dal sistema. Quando sono disponibili più contatti di massa, si posizionano elettrodi di massa separati per EEG ed ECG per migliorare la stabilità del segnale, assicurando che tutti gli elettrodi di massa siano collegati internamente all'interno dell'amplificatore.

4. Adattamento visore VR (solo in condizioni VR)

  1. Non rimuovere il cappuccio EEG né scollegare elettrodi EEG o ECG prima dell'installazione del visore.
  2. Allenta la cinghia superiore e il meccanismo di serratura posteriore del visore VR per permettere il posizionamento sopra il cappuccio EEG.
  3. Istrui il partecipante a posizionare la parte frontale del visore VR sul viso. Abbassa la sezione posteriore sopra il tappo EEG e stringi gradualmente le cinghie finché il visore non è ben fissato.
    1. Assicurati che il visore non eserciti una pressione eccessiva sugli elettrodi EEG. Regolare la vestibilità per evitare scivolamenti delle cuffie mantenendo il comfort del partecipante durante un uso prolungato. Ispezionare il segnale EEG per rumori di linea o artefatti indotti dalla pressione e regolare nuovamente le cuffie senecessario 23.
  4. Specchiare l'output del display VR su un monitor secondario per consentire la supervisione in tempo reale della presentazione dello stimolo e del comportamento dei partecipanti.
  5. Ricontrollare le impedenze degli elettrodi EEG dopo l'installazione delle cuffie. Reapplicare gel conduttivo su qualsiasi canale superiore a 8 kΩ (o lo standard di laboratorio). Ripetere periodicamente i controlli di impedenza durante la condizione VR.

5. Registrazione

  1. Presentazione dello stimolo
    1. Presenta gli stimoli visivi con tempi precisi e riproducibili. Invia e registra i trigger degli eventi per ogni inizio dello stimolo all'interno della registrazione EEG. Utilizza parametri di temporizzazione dello stimolo identici (ad esempio, durata dello stimolo, intervallo inter-stimolo) negli ambienti 2D e VR.
  2. Monitoraggio dei partecipanti
    1. Istruire il partecipante a minimizzare i movimenti della testa e il battito di ciglia durante la presentazione dello stimolo. Monitorare continuamente i segnali EEG ed ECG durante la registrazione. Mettere in pausa l'esperimento se necessario per correggere le impedenze degli elettrodi o modificare i cavi.
  3. Blocchi di registrazione
    1. Registra i dati in entrambi gli ambienti di presentazione (2D e VR). Bilanciare l'ordine degli ambienti tra i partecipanti quando applicabile al controllo degli effetti dell'ordine.

6. Preprocessing EEG

  1. Importazione dati e verifica del canale
    1. Importare i dati continui di EEG, ECG e fotodiodi nel software di analisi EEG. Verifica che tutte le etichette, i tipi e le unità dei canali siano assegnati correttamente.
  2. Filtraggio del segnale
    1. Applica un filtro a tacca alla frequenza locale della linea elettrica (50 Hz o 60 Hz). Includere frequenze armoniche se richiesto dallo standard di laboratorio.
    2. Applicare un filtro passa-banda ai dati EEG secondo lo standard di laboratorio (ad esempio, 0,1–40 Hz).
  3. Correzione e rietichettatura dei marker di evento
    1. Correggere i marcatori degli eventi di stimolo sottraendo la latenza di visualizzazione specifica dell'ambiente misurata nel passo 2.3. Generare marcatori di stimolo corretti in latenza per analisi successive.
    2. Rietichetta i marcatori di stimolo in base all'ambiente di presentazione (ad esempio, prefisso delle etichette degli eventi con "2D_" o "VR_").
  4. Rilevamento e correzione degli artefatti
    1. Ispeziona visivamente i dati continui per la presenza di artefatti. Identificare e segnare i segmenti contenenti rumore eccessivo o artefatti di movimento. Interpola i canali danneggiati quando opportuno, seguendo le procedure standard di laboratorio.
    2. Eseguire un'analisi indipendente dei componenti (ICA)24 per identificare artefatti oculari e muscolari. Ispeziona i corsi a tempo part, le topografie del cuoio capelluto e le caratteristiche spettrali. Rimuovere i componenti legati agli artefatti basandosi su criteri oggettivi o giudizio esperto. Quando opportuno, estendere gli approcci basati su ICA o regressione per modellare artefatti cardiaci.
    3. Calcolare gli ERP in time-locked al picco R utilizzando gli stessi parametri di preprocessing degli ERP bloccati allo stimolo. Ispezionare le forme d'onda risultanti e le topografie del cuoio capelluto per valutare la potenziale contaminazione da artefatti cardiaci del campo (CFA) 25. Identificare complessi prominenti simili a QRS o altre deviazioni legate all'ECG nei segnali EEG (Figura 2), che indicano l'attività cardiaca residua e volumetrica condotta al cuoio capelluto.
      1. Se si osserva un'attività cardiaca significativa, applicare procedure correttive aggiuntive, regressione lineare generale basata su modelli utilizzando l'ECG come predittorecontinuo 26, metodi estesi basati su ICA o approcci basati su machinelearning 27.
    4. Considera la sovrapposizione tra ERP bloccati da stimolo e HEP. Utilizzare metodi che modellano esplicitamente risposte neurali sovrapposte, come gli approcci basati su regressione o deconvoluzione26. Quando opportuno, applicare procedure basate su surrogati o analisi di controllo per valutare la robustezza degli effetti neuralicardiaci 28,29.

7. Segmentazione della fase cardiaca (offline)

  1. Rilevare i picchi R
    1. Rilevare automaticamente i picchi R nel segnale ECG utilizzando il software di analisi. Esamina manualmente tutti gli eventi rilevati e correggi i picchi R mancati o erroneamente rilevati per garantire un tempo accurato del battito cardiaco.
  2. Definisci le fasi cardiache
    1. Definisci sistole e diastole tenendo conto delle differenze interindividuali nella frequenza cardiaca e nella variabilità battito a battito. Preferisci definizioni specifiche per ciclo rispetto a finestre temporali fisse, quando possibile.
      NOTA: Utilizzare uno dei seguenti approcci: (1) Definire sistole e diastole come proporzioni di ciascun singolo intervallo R-R, coerenti con la relazione non lineare tra frequenza cardiaca e durate di fase cardiaca; (2) Quando la qualità del segnale ECG lo permette, definire l'estremità della sistole usando l'estremità dell'onda T come marcatore fisiologicamente radicato; (3) Se la rilevazione affidabile delle onde T non è fattibile, definire la sistole usando una finestra temporale fissa (ad esempio, i primi 300 ms dopo il picco R). Riconosci esplicitamente questa approssimazione e considera le differenze individuali della frequenza cardiaca nelle analisi successive.
  3. Assegnare le marcature di fase cardiaca agli stimoli
    1. Utilizzare marcatori di stimolo corretti in latenza per assegnare ogni stimolo alla fase cardiaca presente all'inizio dello stimolo (sistole o diastole). Assegnare etichette di fase separatamente per ogni ambiente di presentazione (2D o VR) e rinominare gli eventi di conseguenza (ad esempio, 2D_systole, VR_diastole).
  4. Escludere processi ambigui
    1. Identificare e rimuovere studi in cui la finestra prevista di analisi ERP coprirebbe entrambe le fasi cardiache in base alla frequenza cardiaca istantanea del partecipante.
  5. Esempio di implementazione software
    NOTA: I seguenti passaggi illustrano una possibile implementazione utilizzando un pacchetto software di analisi EEG che supporta il rilevamento e la rietichettatura degli eventi ECG.
    1. Rilevamento automatico dei picchi R: apri il menu di rilevamento eventi e seleziona la funzione di rilevamento battito. Seleziona il canale ECG con la qualità del segnale più alta, definisci un'etichetta per gli eventi rilevati (ad esempio, "R-picco") ed esegui l'algoritmo di rilevamento per generare marcatori di evento R-picco.
    2. Revisione manuale del rilevamento R-peak: Ispezionare visivamente il segnale ECG con marcatori R-peak sovrapposti. Aggiungi marcatori mancanti e rimuovi i rilevamenti errati usando gli strumenti di modifica degli eventi forniti dal software.
    3. Remarcatura degli eventi basata sulla fase cardiaca: Utilizzare la combinazione di eventi o la funzione di selezione per classificare gli stimoli in base alla fase cardiaca all'inizio.
      NOTA: Per le sperimentazioni sistoliche, selezionare gli stimoli che si verificano all'interno dell'intervallo sistolico predefinito dopo ogni picco R. Per le sperimentazioni diastoliche, si selezionano gli stimoli che si verificano all'interno dell'intervallo diastolico predefinito che precede il prossimo picco R. Crea nuove categorie di eventi per la sistole e la diastole. Esegui questa procedura separatamente per ogni fase cardiaca e ambiente di presentazione.

8. Epoche e media

  1. Epocalia e correzione della base
    1. Assegnare le vignette della fase cardiaca esclusivamente in base alla fase cardiaca presente all'inizio dello stimolo (ad esempio, sistole o diastole). Definisci l'epoca ERP rispetto all'inizio dello stimolo. Permettere all'epoca di estendersi alle fasi cardiache successive senza influenzare la classificazione delle fasi.
    2. Usa una durata epocale di circa 400 ms. Se è richiesta una finestra di tempo più lunga (ad esempio, 600 ms), escludono gli studi in cui la finestra di analisi si estende sostanzialmente nella fase cardiaca successiva. Applicare la correzione di base usando un breve intervallo pre-stimolo (ad esempio, -50 a 0 ms, o -50 a -2 ms).
  2. Media
    1. Calcolare separatamente gli ERP per le quattro condizioni sperimentali: 2D_systole, 2D_diastole, VR_systole e VR_diastole. Segnala il numero di studi trattenuti per ogni condizione.
  3. Considerazioni sulla selezione degli elettrodi
    1. Seleziona gli elettrodi per l'analisi in base alla domanda di ricerca e alla natura dei componenti ERP di interesse. Usa elettrodi occipitali (O1, Oz, O2) per paradigmi visivi, poiché catturano ERP visivi canonici con un alto rapporto segnale-rumore.

9. Controllo qualità e risoluzione dei problemi

  1. Jitter di latenza stimolo trigger
    1. Valutare il jitter di latenza da prova a prova tra i timestamp del trigger e l'inizio dello stimolo misurato da fotodiodo. Si considera problematico il jitter superiore a circa 10 ms tra i trial, in particolare per i primi componenti ERP. Se si osserva un jitter eccessivo, rivalutare il tempismo degli stimoli, la sincronizzazione hardware e applicare correzioni di latenza specifiche per la run se necessario.
  2. Saturazione o rumore ECG
    1. Controlla il contatto e l'impedenza dell'elettrodo ECG. Inverti la polarità dell'elettrodo se i picchi R sono invertiti. Spostare gli elettrodi ECG sugli avambracci se le registrazioni del polso rimangono rumorose.
  3. Artefatti sulla pressione del visore VR
    1. Rimontare le cinghie delle cuffie per ridurre la pressione sugli elettrodi EEG. Aggiungi imbottiture se necessario e riapplica gel conduttivo sugli elettrodi interessati.
  4. Conteggi diseguali degli studi tra le fasi cardiache
    1. Regolare la finestra di epoca ERP o il momento dello stimolo per garantire un campionamento equilibrato tra le fasi sistoliche e diastoliche.
  5. Sperimentazioni a fasi ambigue
    1. Individuare studi in cui l'insorgenza dello stimolo avviene vicino a un confine di fase cardiaca (ad esempio, intorno al picco R o vicino alla transizione tra sistole e diastole) e dove la finestra di analisi prevista può coprire entrambe le fasi. Segnala questi processi come ambigui. Ispezionare il segnale ECG e l'intervallo istantaneo R-R ed escludere le prove ambigue da ulteriori analisi.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Il presente studio ha utilizzato un protocollo di analisi per indagare la modulazione ERP tramite segnali interocettivi afferenti durante la fase del ciclo cardiaco (sistole vs. diastole) in due ambienti sperimentali: un monitor 2D standard e un'atmosfera VR immersiva. Le epoche EEG sono state estratte e analizzate rispetto al picco R dell'ECG registrato contemporaneamente.

Il test di permutazione basato su cluster non parametrico applicato agli ERP visivi reg...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Fasi critiche all'interno del protocollo
Diversi passaggi del protocollo proposto sono fondamentali per ottenere effetti ERP cardiaci dipendenti dalla fase e validi. Innanzitutto, è essenziale una sincronizzazione precisa tra la presentazione dello stimolo e la registrazione EEG, e la latenza di visualizzazione specifica dell'ambiente deve essere quantificata tramite un fotodiodo e corretta a livello di marcatore di evento, poiché ritardi non corretti o jitter eccessi...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori dichiarano di non avere conflitto di interessi.

Ringraziamenti

Questo lavoro è stato supportato dalla sovvenzione del programma statale del Territorio Federale «Sirius» «Sviluppo scientifico e tecnologico del Territorio Federale «Sirius» (Accordo n. 28-03, data 27.09.2024).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
actiCAP slim / snapBrain Products GmbHBP-185-2200Cappuccio elettrodo attivo con 64 canali.
actiCHamp Plus Amplificatore versatile all-in-one da laboratorioBrain Products GmbHN/S/ACBM17120955Sistema primario di acquisizione dati EEG.
Elettori Ag/AgCl usa e getta 26 mmNika-Medical LtdN/AElettrodi usa e getta per ECG a tre derivazioni
Adattatore BIP2AUXBrain Products GmbHN/ACollega l'uscita ECG all'ingresso ausiliario EEG.
Desktop ROG Srtix ASUSTeK Computer Inc.G835LR-SA117Postazione di lavoro ad alte prestazioni. Utilizzato per il funzionamento simultaneo del sistema VR (HTC Vive), del software di presentazione degli stimoli e della piattaforma di registrazione EEG (BrainVision Recorder).
HTC Vive  Pro EyeHTC Corporation & nbsp;N/D.FA1142100443Sistema VR per una presentazione immersiva degli stimoli.
Sensore fotograficoBrain Products GmbHN/APer la rilevazione ottica dell'inizio dello stimolo.
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00044DDisplay primario per la condizione 2D.
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00030EEsposizione del sperimentatore. Utilizzato per eseguire software di registrazione EEG e monitorare i dati durante gli esperimenti.
Stanza schermata Neiroiconica "Esperta"Neiroiconica Assistive LtdS/N figure-materials-1K20210119011Camera schermata elettromagneticamente.
Cavo a scattoNeurosoft LtdN/ACollega elettrodi ECG all'adattatore
TriggerBox PlusBrain Products GmbHN.d.: TB-A100009-0624Interfaccia di sincronizzazione per trigger TTL.

Riferimenti

  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).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Potenziali correlati all eventoEEG in realt virtualeinterazione cuore cervellopreelaborazione dell EEGelettrocardiografia ECGartefatti da movimentoampiezza dei ERP visivisistole cardiacadiastole cardiaca
Video in arrivo

Articoli correlati