Neuroimaging forskerne typisk overveje hjernens respons som den gennemsnitlige aktivitet på tværs af gentagne eksperimentelle forsøg, og se bort fra signalvariabilitet over tid, da "støj". Imidlertid er det efterhånden klart, at der er signal i at støj. Denne artikel beskriver den hidtil ukendte fremgangsmåde multiscale entropi til kvantificering hjerne signal variabilitet i tidsdomænet.
Når man overvejer menneskelige neuroimaging data, en vurdering af signalvariabilitet repræsenterer en fundamental fornyelse i den måde, vi tænker om hjernens signal. Typisk forskere repræsenterer hjernens respons som middelværdien over gentagne eksperimentelle forsøg, og se bort fra signal udsving over tid, da "støj". Imidlertid er det efterhånden klart, at hjernen signal variabilitet formidler meningsfuld funktionel information om neurale netværk dynamik. Denne artikel beskriver den ny metode til multiscale entropi (MSE) til kvantificering hjernens signal variabilitet. MSE kan være særligt informative af neurale netværk dynamik, fordi det viser tidsskala afhængighed og følsomhed over for lineære og ikke-lineære dynamik i dataene.
Nylige fremskridt inden neuroimaging har dramatisk udvidet vores forståelse af hjernens funktion. Men mange af de anvendelser af neuroimaging data en tendens til at styrke opfattelse af hjernen i statiske tilstande snarere end at understrege kognitive operationer, som de udspiller sig i real tid. Derfor er lidt kendt om den rum-tid struktur netværk i hjernen, og hvordan sekvensen af ændringer i spatiotemporale mønstre på tværs af flere tidsskalaer bidrager til en specifik kognitiv operation. Nærværende artikel beskriver multiscale entropi (MSE) 5, en ny analytisk værktøj til Neuroimaging data, der undersøger den komplekse Spatiotemporal mønster bag specifikke kognition operationer ved at give oplysninger om, hvordan de forskellige neurale generatorer i en funktionel hjerne netværk kommunikerer på tværs af flere tidsskalaer.
Stammer fra informationsteori, en anvendt gren af matematikken 7,16, MSE var originaltly designet til at undersøge kompleksiteten af elektrokardiogram 4.. I teorien kunne MSE anvendes til at analysere kompleksiteten af enhver tidsserier, den primære forudsætning er, at signalet tidsserie indeholder mindst 50 datapunkter kontinuert tid. Dog kan tidshorisonten afhængighed og følsomhed over for lineære og ikke-lineære dynamik i data gør MSE særdeles informativ af neurale netværk dynamik.
Her fokuserer vi på anvendelsen af MSE til elektroencefalogram (EEG) Neuroimaging data 9,12. EEG er en noninvasiv neuroimaging teknik, hvor elektroder, der er placeret på hovedbunden fange postsynaptiske svarene fra populationer af neuroner i neocortex 1.. Med høj tidslig opløsning, let EEG opfylder tidsserier længde nødvendige for MSE uden at ændre den typiske erhvervelse protokol. For at understrege nytten af anvendelsen af MSE til EEG data, vi sammenligner denne roman metode med mere traditionelle tilgange including event-relaterede potentialer og spektral effekttæthed. Når det bruges sammen, disse komplementære analysemetoder giver en mere fuldstændig beskrivelse af de data, der kan føre til yderligere indsigt i neurale netværk operationer, der giver anledning til kognition.
Målet med denne artikel var at give en begrebsmæssig og metodisk beskrivelse af multiscale entropi (MSE), som det gælder for EEG neuroimaging data. EEG er en kraftfuld non-invasiv neuroimaging teknik, der måler neurale netværk aktivitet med den høje tidsopløsning. EEG signal afspejler postsynaptisk aktivitet af populationer af pyramideformede celler i cortex, hvis samlede reaktioner modificeres ved forskellige excitatoriske og hæmmende reentrant forbindelser. Derfor er der flere måder at analysere EEG data, og hver metode udtrækker en unik aspekt af data.
Vi diskuterede to almindelige analysemetoder: event-relaterede potentiale (ERP) analyse og spektral magt analyse. ERP analyse indfanger den synkrone neuronale aktivitet i EEG signal, der er faselåst til udbrud af en diskret begivenhed. ERP afspejler specifikke perceptuelle, motoriske eller kognitive operationer, hvilket gør denne statistik ideal for behandlingen specific procestrin. Spectral magt analyse kvantificerer relative bidrag for en bestemt frekvens til EEG-signalet. Forskellige excitatoriske og hæmmende feedback loops sammen for at indblande aktiviteten af neuronale befolkninger til en bestemt frekvens 1,3. Sådanne synkroni mellem uforenelige områder af hjernen menes at fremme bindingen af information på tværs udbredte neurale netværk. Der er en rig litteratur, der støtter forbindelsen mellem magt inden for et bestemt frekvensområde og en specifik følelsesmæssige eller kognitive tilstand af funktion 3.
Når man analyserer EEG er det også vigtigt at huske på, at neurale netværk er komplekse systemer med ikke-lineær dynamik. Sådan kompleksitet afspejles i EEG signal som uregelmæssige svingninger, der ikke er resultatet af meningsløse baggrundsstøj. Ligesom synkron oscillerende aktivitet forårsager samspillet mellem forskellige excitatoriske og hæmmende genindtrædende loops forbigående influenzactuations i hjernen signal over tid 6.. Sådanne transienter menes at afspejle overgange eller bifurkationer mellem netværks mikrotilstande, der kan anvendes til at estimere frihedsgrader eller kompleksiteten af den underliggende netværk, større variation i amplitude mønster af signalet over tid er indikativ for et mere komplekst system 5. Kritisk, ERP eller spektral effekttæthed analyser er ikke følsomme over sådanne uregelmæssig aktivitet, hvorimod MSE er. Desuden kan et indeks af kompleksitet i nettet ikke opnås ved blot at tælle antallet af aktive områder af hjernen som en sådan metode er blinde for forbigående og dynamisk tilbagevendende interaktioner mellem hjerneregioner.
Supplerende metoder til Neuroimaging analyse kombineres for at skabe et fuldstændigt billede af den underliggende neurale aktivitet. Fortolkningen af resultaterne fra mere traditionelle anvendelser af neuroimaging data, såsom ERP og spektral effekttæthed, er suppleret med foranstaltninger af kompleksitet som MSE; MSE giver en måde at fange sekvens af ændringer i spatiotemporale mønstre af hjernens aktivitet på tværs af flere tidsskalaer, der bidrager til en specifik kognitiv operation. Anvendelse MSE til nye og eksisterende datasæt kan give yderligere indblik i, hvordan kognition fremgår neurale netværk dynamik.
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |