Name: 정상 상태 유발 잠재력의 시간 진화를 추적하는 방법 (동영상) | JoVE Journal
Uploaded: 2019-05-25T15:00:00.000+00:00
Duration: 12 min 3 s
Description: 배우세요 정상 상태 시각 유발 전위(SSVEP)의 시간적 진화를 추적하는 방법을. 독립 실험 실행 간 에폭 평균화를 통해 신경 동기화 역학을 분석하고 장기 신경 반응 패턴을 정확하게 특성화합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

저자들은 비디오 제작에 기여한 루시아 제페다, 그레이스 A. 휘태커, 니콜라스 니에토에게 감사의 마음을 전한다. 이 작품은 CONICYT 프로그램 BASAL FB0008, MEC 80170124 및 박사 장학금 21171741뿐만 아니라 수상 번호 P50DC015446에 따라 국립 보건원의 청각 장애 및 기타 통신 장애에 대한 국립 연구소에 의해 부분적으로 지원되었다. 이 내용은 전적으로 저자의 책임이며 반드시 국립 보건원의 공식 견해를 나타내는 것은 아닙니다.

본 연구는 Universidad 드 Valparaíso의 연구 및 윤리위원회의 승인하에 수행되었다, 칠레 (평가 성명 코드 CEC170-18), 인간 과목과 연구를위한 국가 지침에 확인.
1. 준비
<ol><li>주제를 환영합니다.</li>
	<li>연구의 목적과 관련성을 설명한다. 관련 기술 세부 사항에 대한 설명을 제공합니다. 모든 질문에 철저히 답하십시오.</li>
	<li>원하는 경우 언제든지 실험 세션을 중단할 수 있음을 명시적으로 언급합니다.</li>
	<li>자원봉사자에게 주체 동의서를 읽고 해당 양식에 서명하도록 요청하십시오. 통보된 동의가 얻어지지 않은 경우 실험 세션을 중단합니다.</li>
</ol>2. 과목 준비
<ol><li>피사체에게 편안한 자세로 실험실 의자에 앉도록 요청하십시오.<ol>
<li>에탄올로 두피를 청소 (용액 95 %) 그것을 덮는 죽은 피부 세포와 피지의 층을 제거합니다. 이 단계는 전극과 두피 사이의 임피던스를 줄이는 데 중요합니다.</li>
	</ol>
</li>
	<li>측정 테이프로 헤드 둘레를 측정하여 사용할 전극 캡의 크기를 정의합니다.<ol>
<li>전극 캡을 착용하도록 피사체에 문의하십시오. 캡의 편안하면서도 올바른 위치 지정에 대한 지침을 제공합니다.</li>
		<li>측정 테이프를 사용하여 nasion (눈과 코의 상단 사이의 우울증으로 식별 할 수있는 난전봉사의 중간 점 인 nz)과 이니온 (Iion, 후두 뼈의 돌출부) 사이의 거리를 측정합니다.</li>
		<li>측정 테이프를 사용하여 왼쪽 및 오른쪽 전 주구 점 (귀의 귀 의 귀 직전 우울증으로 확인) 사이의 거리를 측정합니다.</li>
		<li>이전 단계에서 정의된 가상 선 간의 교차점이 헤드의 정점에 해당하므로 전극 캡의 위치를 수정합니다. 조정 후 피사체가 편안한지 확인하십시오.</li>
	</ol>
</li>
	<li>실험에 고려된 위치에 따라 전극 홀더에 도전성 겔을 넣습니다.<ol>
<li>국제 10-20 시스템31 에 따라 64개의 두피 위치를 사용하여 프로토콜의 결과를 사용하여 소스 지역화 분석을 수행합니다. 필요에 따라 두피 상에서 전극 위치(128)의 수가 많을수록 사용될 수 있다.</li>
		<li>소스 현지화 분석이 계획되지 않은 경우 임상 또는 외래 설정(소수의 전극만 사용)을 구현합니다. 후두 엽 위치를 사용하여 SSVEP, 시간적 위치를 기록하여 ASSR을 획득하고 정수리 위치를 기록하여 SSSEP를 기록합니다.</li>
		<li>전극 홀더에 전극을 밀어 넣습니다. 전극의 레이블이 캡의 위치 레이블과 일치하는지 확인합니다.</li>
		<li>실험실(바람직하게는, 차폐된, 방음 된 챔버)에 자원 봉사자를 동반한다. 피사체에게 편안한 자세로 방 안의 의자에 앉도록 요청하십시오.</li>
	</ol>
</li>
	<li>물리적 참조(두피 전극과 다른)가 EEG 기록을 재참조하는 데 사용될 경우 코 와 귓불에 외부 전극을 놓습니다(단계 3.8.1).</li>
	<li>외부 전극을 안구 위치에 놓습니다.<ol>
<li>눈썹 위 약 1cm의 뺨과 머리의 정면 부위에 전극을 놓아 깜박임을 기록합니다(단계 2.6.1).</li>
		<li>눈의 위/아래 약 1cm 의 눈 캔에 전극을 배치하여 눈의 움직임을 기록합니다 (단계 2.6.1). 참고: 전기실로그램(EOG)은 깜박임과 눈의 움직임에 의해 유도된 EGG 아티팩트를 제거하기 위한 3.8.5 단계에서 사용됩니다.</li>
	</ol>
</li>
	<li>EEG 획득 시스템을 켜고 낮은 임피던스 시스템이 EEG를 기록하는 데 사용되는 경우 전극 임피던스를 확인합니다. 제조업체의 지시에 따라 필요에 따라 임피던스를 수정합니다. 임피던스는 10 kΩ32 이하로 유지되어야 합니다.<ol>
<li>피사체에 깜박이도록 요청하고 눈을 다른 방향으로 이동하여 EOG가 올바르게 기록되고 있는지 확인합니다.</li>
	</ol>
</li>
	<li>SSVEP의 동적을 분석하려면 피사체의 시야각과 일치하도록 화면의 위치를 수직 방향으로 조정합니다. 편안한 레벨이 달성 될 때까지 방의 조명을 어둡게. 화면의 휘도 레벨을 참가자의 편안함 레벨의 상한까지 조정합니다.<ol>
<li>ASSR의 역학을 분석하려면 올바른 폼 인서트를 사용하여 이어폰을 삽입하여 이어폰이 외이도에 맞도록 합니다. 소리가 원하는 강도로 전달되는지 확인하십시오 (예를 들어,심리적 편안한 레벨 33).</li>
	</ol>
</li>
</ol>3. EEG 획득 및 전처리
<ol><li>실험 설계에 정의된 자극 파라미터를 설정합니다. 소프트웨어에 대한 자세한 내용은 자극 시스템 제조업체에서 제공하는 사용 설명서를 참조하십시오. 참고: SSVEP 및 ASSR 생성에 사용되는 자극에 대한 포괄적인 설명은 각각 Norcia et al.8 및 Rance34를참조하십시오.</li>
	<li>실험의 주제인 경우 자극에 주의를 기울이도록 피사체에게 지시하십시오.<ol>
<li>청각 적폐가 실험의 주제일 때 소리가 꺼지는 자막 영화를 제시하십시오. 참고 : 무음 영화의 프리젠 테이션은 각성 수준25를유지하면서 음향 자극에서 주의의 편향을 할 수 있습니다.</li>
	</ol></li>
	<li>현재 자극은 90초 이상, 인간 및 동물 모델 둘 다에서 SSVEPs 및 ASSR의 시간 진화를 조사하기 위해 수행된 바와 같이21,22,25,26. 참고: 파일럿 연구가 수행된 경우 자극이 더 짧아지다.</li>
	<li>하나의 실험 조건만 테스트하는 경우 자극을 2분 동안 일시 중지합니다. 피사체와 상호 작용하여 인식을 확인합니다. 참고: 일시 중지 기간은 자극 지속 시간에 따라 다릅니다. 자극 간격보다 3배 더 오래 일시 중지하면 하나의 자극에 의해 유도된 반응이 이전 자극의 영향을 받지 않도록 합니다. 피사체가 요청하는 경우 더 긴 일시 중지가 허용됩니다.<ol>
<li>10초의 일시정지로 자극을 번갈아 가며 실험할 때 적어도 10s에 대한 자극을 일시 중지하고 실험의 길이를감소시키는 것이 제안되었다(25)</li>
	</ol></li>
	<li>프리젠테이션 단계(단계 3.3-3.4)를 30배 이상 반복하여 평균화 후 측정의 높은 SNR을 보장합니다(단계 4.4).</li>
	<li>표준 절차35를사용하여 EEG를 기록합니다. 각 실험 실행에 대해 별도의 EEG 파일을 만듭니다. 참고: 소프트웨어에 대한 자세한 내용은 수집 시스템의 사용자 설명서를 참조하십시오.</li>
	<li>EEG 기록을 모니터링하여 알파 활동 수준과 깜박이는 아티팩트가 나타나는 빈도에 따라 수면 기간을 감지합니다. 감소 깜박임 주파수와 함께 증가 알파 수치가 감지 될 때 실험을 일시 중지, 이는 졸음을 나타내는. 수면 기간이 감지되면 추가 분석에서 실험 실행을 거부합니다.<ol>
<li>실험에 사용된 수집 소프트웨어의 사용자 매뉴얼에 제공된 지시에 따라 각 실험 실행이 끝날 때 정상 상태 응답의 진폭을 계산합니다.</li>
		<li>각 실험 실행이 끝날 때 얻어진 정상 상태 응답의 진폭을 비교하여 피험자의 주의 수준을 모니터링합니다. 첫 번째 실험 실행에서 얻은 정상 상태 진폭을 참조 진폭으로 설정합니다.</li>
		<li>리젝션 임계값을 설정합니다(기준 진폭에 대한 응답 진폭 5% 감소). 정상 상태 응답의 진폭이 거부 기준을 충족하는 실험 실행을 거부합니다.</li>
		<li>실험 설계에 정의된 실행 횟수를 획득한 후 실험 세션을 완료합니다.</li>
	</ol></li>
	<li>제조업체의 지시에 따라 다음 단계에 설명된 표준 EEG 절차(35)를 사용하여 EEG 데이터를 오프라인으로 미리 처리합니다.<ol>
<li>평균 기준(모든 기록 전극의 평균) 또는 전극의 서브세트의 평균을 사용하여 레코딩을 다시 참조합니다. 대안적으로, 물리적 레퍼런스(예를 들어, 2.4단계에서 기재된 코 및 귓불에 배치된 외부 전극)를 사용한다.</li>
		<li>방사형 좌표계가 EEG 획득 중에 사용된 경우 전극 좌표를 국제 10/20 시스템으로 변환합니다. 변환에 대한 자세한 내용은 제조업체 설명서를 참조하십시오.</li>
		<li>밴드 패스는 EEG 신호를 0.5-300Hz 사이에서 필터링합니다.</li>
		<li>안구 아티팩트를 제거하기 위해 선택된 알고리즘의 실행 시간을 감소시키기 위해 EEG 신호를 다운 샘플링합니다(단계 3.8.5). 참고: 512 Hz의 샘플링 주파수는 40 Hz35미만의 주파수의 뇌 진동을 분석하기에 적합합니다.</li>
		<li>안구 아티팩트를 제거합니다. 참고: 이를 위해 다양한 기술을 사용할 수 있습니다(아티팩트 제거 알고리즘에 대한 광범위한 검토는 Urigüen 및 Garcia-Zapirain35 참조). 그 중, 독립적 인 구성 요소 분석은 가장 확장 된 방법론 중 하나이며 상용 및 자유 분석 소프트웨어37,38,39모두에서 구현된다.</li>
		<li>EEG 데이터를 자극에 시간 잠긴 시대에 분할합니다. 실험의 목적에 따라 에포크 길이를 선택합니다. 참고: 적절한 스펙트럼 분해능을 가진 주파수 도메인의 정상 상태 응답을 분석할 수 있을 만큼 충분히 길어야 합니다.</li>
		<li>이 단계에서 아티팩트 거부 알고리즘을 실행하여 아티팩트가 포함된 시기를 검색하고 제거하지 마십시오. 참고: 이 단계에서 epoch를 제거하면 데이터 집합이 열별 평균화(4.2단계 및 4.4단계)를 실행하도록 구성될 때 오류가 유발됩니다. 거부 알고리즘은 이후 처리 단계(단계 4.1.4)에서 구현됩니다.</li>
		<li>DC-디트렌드 함수를 실행하여 개별 EEG 시대의 DC 동향을 계산하고 수정합니다.</li>
		<li>베이스라인 보정 기능을 실행하여 레코딩의 기준선을 수정합니다. 200ms보다 긴 사전 자극 시간 간격을 선택합니다. 참고: 기준선 보정은 선택한 시간 간격의 데이터를 평균화하는 것으로 구성됩니다. 평균은 각 채널에 대해 계산되고 모든 시대의 각 데이터 포인트에서 뺍니다.</li>
	</ol></li>
</ol>4. 응답 진폭 계산
<ol><li>정상 상태 응답계산에 필요한 매개 변수를 입력합니다(그림1A). 참고: 데이터 처리에 사용되는 사내 코드는 <https://figshare.com/project/Steady-state_visually_evoked_potentials_SSVEP_elicited_in_humans_by_continuos_light_modulated_in_amplitude_at_10Hz/62573> 자세한 지침은 코드 내부의 도움말 텍스트를 참조하십시오. 마찬가지로 이 연구에 사용된 데이터의 하위 집합을 사용할 수 있습니다.<ol>
<li>실험의 기록 횟수(실험 실행)를 입력합니다.</li>
		<li>개별 레코딩을 분할할 시기의 길이를 입력합니다.</li>
		<li>실험의 샘플링 빈도를 입력합니다.</li>
		<li>아티팩트 거부 알고리즘을 선택하여 아티팩트가 포함된 시대를 감지하고 제거합니다. 사용 가능한 선택 기준은 1) 그라데이션(연속된 두 샘플 간의 절대 차이), 2) 최대 분(epoch의 최대 진폭과 최소 진폭 간의 차이), 3) 진폭(절대 최대 및 최소 진폭)입니다.</li>
		<li>처리 코드를 실행합니다. 참고: 이 옵션을 선택하면 4.2-4.7 단계가 자동으로 수행됩니다. 해당하는 경우 단계를 수동으로 실행합니다.</li>
	</ol>
</li>
	<li>n이 기록(실험 실행)의 수와 m 의 epoch 수를 나타내는 n 행 및 m 열의 데이터 매트릭스로 에포크를 다시 정렬합니다(그림1B).</li>
	<li>운동과 근육 유물의 효과를 감쇠하기 위해 시대의 무게. 참고: 가중 EEG 에보치는 각 전압 샘플을 그들이 속한 시대의 진폭 분산으로 나누어 수득되므로 분산은 진폭 가변성 및 가중치40의측정값으로 사용됩니다.</li>
	<li>열별 데이터 집합의 평균입니다. 이를 위해, 시간 도메인은 상이한 레코딩에서 동일한 시간 윈도우에 해당하는 시대를 평균화한다. 참고: 이 단계를 통해 매우 높은 신호 대 잡음 비(SNR)를 가진 레코딩에서 정상 상태 진폭을 계산할 수 있습니다.</li>
	<li>외부 소프트웨어의 시간 진화에 대한 추가 분석을 위해 평균화로 인한 타임계를 내보냅니다.<ol>
<li>빠른 푸리에 변환(FFT)을 사용하여 열 별 평균화로 인한 각 epoch에서 정상 상태 응답의 진폭을 계산합니다. 참고: FFT 길이는 한 시대의 길이와 일치해야 합니다. 창 기법의 구현은 필수가 아닙니다. 정상 상태 응답의 진폭은 감각 자극의 진폭 변조 주파수에서 얻어진 스펙트럼 진폭으로 정의됩니다.</li>
	</ol>
</li>
	<li>벡터는 잔류 노이즈 레벨(RNL)을 계산하기 위해 응답 주파수의 각 측면에 있는 임시 수의 FFT 빈의 진폭을 평균화한다. FFT 빈의 수는 응답 주파수의 각 면에서 약 3Hz의 주파수 대역과 일치해야 합니다. 참고: 정상 상태 응답의 높은 주파수 특이성은 응답 진폭을 유사한 주파수와 독립적으로 만들어 상대적으로 좁은 주파수 대역41에서 균일하게 분배합니다. , 42세 , 43.</li>
	<li>정상 상태 응답및 RNL의 진폭을 컬럼 인덱스(즉, 획득한 시대의 수)의 함수로 플롯하여 자극 간격 동안 정상 상태 응답의 진화를 탐구한다.</li>
</ol>

저자는 공개 할 것이 없다.

이 작품은 진동 뇌 반응의 역학을 분석하기위한 실험 절차를 설명합니다. 이러한 방법론은 동일한 실험 조건의 충분한 수의 독립적인 실험 실행을 획득하고, 다른 기록에서 동일한 시간 창에 해당하는 시간 영역 평균화 에 이의를 제기한다(컬럼-와이즈 평균화 그림1B)를 참조하십시오. 평균 데이터에서 계산된 진폭은 진동 반응의 순간 진폭을 나타냅니다. 이러한 진폭을 시간 함수(또는 데이터 집합의 열 수)로 플로팅하면 자극에 시간 잠긴 진동 반응의 시간 진화를 분석할 수 있습니다. 이러한 방법론은 과도 피질 유발 전위전성의 적응을 분석하기 위한 리터 등23에 의해 제안된 변형이다. 이 방법은 인간24 및 동물 모델20,21모두에서 청각 유발 전위둘다의 역동성을 분석하는 데 사용되어 왔다.
방법론적 관점에서, 정상 상태 응답을 유도하는 데 사용되는 매개 변수와 배경 잡음에서 신경 반응을 추출하기 위해 구현된 매개 변수의 조합은 정상 상태 발생 전위 시간의 진화를 분석하는 데 중요합니다. 22.본원에 제시된 실험에 사용된 자극 길이(40s)는 파일럿 연구에서 얻은 결과에 기초하여 선택되었다. 이러한 자극 길이는 쥐 뇌간(21,22)에서생성된 ASSR의 적응을 분석하기에 충분했다. 더욱이, 자극 길이는 SSVEPs의 점액성 순간 대역 전력에 도달하는 시간을 초과해야 한다(라베키 외26의도 1). 그럼에도 불구하고, SSVEPs의 점근 순간 대역 전력은 어떤 경우에는 60년대 를 초과하여 도달될 수 있다(라베키 등에서26). 따라서, 작은 샘플 파일럿 스터디를 실행하는 것은 자극의 자극 길이를 정의하는 것이 좋습니다. 그렇지 않으면, 90s보다 긴 자극 길이는 응답의 시간 진화의 완전한 표현을 달성하는 것이 좋습니다. 연속 된 기록 사이의 적절한 긴 일시 정지를 사용하는 것은 통계적으로 독립적 인 것으로 연속 실험 실행을 고려하는 것을 의미한다 (즉, 동일한 변수의 다른 독립적 인 측정). 우리가 아는 한, 실행 사이의 최적의 일시 정지를 분석하기 위한 실험이 수행되지 않았습니다(서로 독립적으로 실행을 하는 데 필요한 최소 일시 중지). 자극 길이보다 3배 이상 더 긴 일시 정지를 사용하는 기준은 임의의 주어진 실행에 기록된 정상 상태 반응이 이전 자극의 영향을 받지 않도록 충분히 보수적이다.
최근에는, 교대 자극(experimental conditions)이 추가 적응 효과(25)를 피하면서 실험 실행사이의 일시 정지를 감소시키는 선택으로 제안되고 있다. 마찬가지로, 이러한 실험 프로토콜에 구현된 실험 실행(30)의 수는 보수적이며, 공조 RNL 및 pSNR은 전형적으로 평균 20회 실험 실행 후 약 20회 도달하기 때문이다. 자극이 반응의 동적 범위(높은 센세이션 수준)의 중간 상부 영역 내에 있을 때, 더 낮은 수의 실행이 유발된 반응의 역학을 분석하는 데 필요할 수 있습니다. 그럼에도 불구하고, 다른 실험 조건이 테스트되는 경우, 동일한 수의 실험 실행을 갖는 것은 조건 (즉, 다른 감각 수준)을 비교하는 데 중요합니다.
열별 평균화 에이프릴 에피토치 외에도, 관심 주파수 를 중심으로 좁은 주파수 대역에서 단일 시험 측정을 필터링하고 전력의 봉투를 계산하여 진동 유발 전위역학의 역학을 분석했습니다. 낮은 패스 필터링 을 사용하여 신호26. 마찬가지로, 단일 시험 분석은 SSVEP48의안정영역보다 선행되는 전이 기간을 특성화하기 위해 구현되었으며,응답(49)의안정영역 동안의 SSVEP의 진폭 및 위상의 변화. 단일 시험 분석은 응답 진폭에서 상대적으로 빠른 변동의 차별을 허용하지만, 실험 설계는 주어진 블록 간 간격으로 분리 된 블록의 평균 응답을 분석하는 것은 단지 장기적인 변동을 차지합니다. 불러일으킨 전위50,51의진폭. 열별 평균의 에포크는 이 두 옵션 사이에 있습니다. FFT를 사용하여 평균 신호를 주파수 도메인으로 변환하는 것은 epoch의 길이와 동일한 해상도로 응답의 역학을 분석하는 것을 의미합니다. 여기서 제시된 예에서, SSVEP는 4s마다 보고되었다. 4 초의 해상도는 SSVEP26과같이 수십 초를 초과하는 시간 간격으로 발생하는 역학을 설명하기에 충분하지만 원래 기록에서 부분적으로 겹치는 시대는 보다 세련된 방식으로 정상 상태 응답25.
열별 평균화 후 얻은 정상 상태 응답의 역학은 주로 평균화된 EEG 세그먼트(평균에서 살아남는 것)들 사이에서 동기화되는 진동 활동의 진화를 나타낸다. 따라서, 방법론의 타당성에 관한 주요 문제는 하나의 독립적 인 실험 실행에서 다른 (즉, 기록 중)로의 신경 진동 단계의 변화로 인한 응답 진폭의 감쇠가 가능하다는 것입니다. 이 항목은 실험적으로 다루어야 합니다. 그러나, 증거는 뇌 진동 반응의 단계가 예상보다 덜 변수임을 나타냅니다. 사실, 여러 연구는 인간 80 Hz ASSR47,48,49의예상 단계에서 규칙성을보고했다. 진동 활성의 단계에 기초하여 대기 시간을 추정할 때, 청각 반응의 대기 시간에 대한 음향 자극의 강도 및 담체 주파수의 예측 가능한 효과가 관찰되었다(즉, 대기 시간이 감소함에 따라 레이턴시 감소) 강도 및 캐리어 주파수 증가)52,53,54. 또한, ASSR47,55,56의 단계에서 대기 시간을 추정할 때 청력 수준에서 진폭과 좌우 비대칭의 전형적인 성교 변화가 관찰되었습니다. , 57세 , 58. 단일 시험 분석을 사용하여 SSVEP의 시간 진화를 설명 할 때, Labecki 등26은 동일한 주제 내의 응답 진폭의 시험 간 가변성이 상당히 높았지만, 단계가 현저히 덜 두드러졌습니다.
그들의 관측에 근거하여, Labecki 등26는 응답의 평균 전력 봉투의 믿을 수 있는 추정을 얻기 위하여 최소 50의 예심을 평균되어야 한다는 것을 건의했습니다. 이러한 결과는 응답의 진폭이 단일 평가판에서 계산되더라도 신뢰할 수 있는 결과를 보고하기 위해 평균(해당 경우 봉투의)이 필요하다는 것을 나타냅니다. 더욱이, Labecki 등26에 의해 보고된 SSVEP의 진폭에 있는 시험 간 가변성은 단 하나 예심에 있는 이 매개변수의 계산이 배경 잡음에 의해 높게 영향을 받을 수 있다는 것을 건의합니다. 그림2에 제시된 신호 대 잡음 비율의 진화를 고려할 때, 단일 시험 대신 평균 신호에서의 응답 계산은 신뢰할 수 있는 얻기 위해 처리되어야 하는 EEG 세그먼트의 수를 크게 감소시킵니다. 측정. 또한 Labecki 등26에서 얻은 위상의 낮은 가변성은 여기에 제시된 열별 평균이 진동 유발 전위역학의 역학을 계산하는 유효한 절차라는 생각을 뒷받침합니다.
서로 다른 수준에서 데이터를 평균화하면 결과를 다르게 해석할 수 있습니다. 진동 유발 전위와 관련하여 독립 실행의 시간 영역 평균화 후 응답 진폭을 계산하는 것은 시간 잠긴 진동(예: 평균에서 살아남는 진동)만 분석하는 것을 의미합니다. 이 절차는 개별 시험에서 응답의 역학에 관한 관련 정보를 필터링 할 수 있습니다. 그러나 측정값의 신호 대 잡음 비율이 충분히 높습니다. 이러한 양상은 응답이 전기 생리학적 임계값에 가까우면 중요할 수 있으며, 이는 측정의 낮은 신호 대 잡음 비로 인해 entrainment의 검출이 손상될 수 있는 조건입니다.

두피에서 기록될 때, 두뇌 전기 활동은 시간이 지남에 따라 전압의 연속적이고 규칙적인 변화로 관찰됩니다. 이 전기 활동은 뇌전도에게 불리고 (EEG) 및 마지막 세기1의후반 20에서 한스 버거에 의해 처음으로 기술되었습니다. 후속 정액 연구는 다른 리듬 또는 반복적 인 패턴이 2,3,4관찰 될 수있는 복합 타임 시리즈로 EEG를 설명했다. 요즘, EEG는 전형적으로 다른 감각 및 인지 프로세스와 연관되는 5개의 잘 확립된 주파수 대역, 델타, 세타, 알파, 베타 및 감마로 분할됩니다.
수년 동안, EEG를 이용한 뇌 진동의 연구는 진행 중인 활동의 스펙트럼 분석 또는 비주기적인 감각 사건에 의해 유도된 진동 활동의 변화로 제한되었다. 지난 수십 년 동안, 다른 방법론은 지속적인 EEG 진동을 조절하고 지각 및 인지 과정에 대한 이러한 변조의 효과를 탐구하기 위해 구현되었습니다, 리듬 감각 자극의 프리젠 테이션을 포함 신경 적폐를 유도합니다. 용어 신경 entrainment 감각 자극의 주기적인 속성과 신경 활동의 동기화를 말합니다. 이 과정은 정상 상태 유발 전위(즉, 주행 자극의 주기적 특성에 잠긴 EEG 진동)의 생성으로 이어집니다. 정상 상태 유발 전위는 관심 의 주파수에서 진폭으로 변조 일정한 속도로 제시 일시적인 자극 또는 연속 자극중 하나를 사용하여, 시각적, 청각 및 진동 자극에 의해 가장 일반적으로 유도된다. 체감각 안정 상태 유발 전위(SSPS)는 반복적인 촉각 자극에 반응하여 기록되는반면 5,6,정상 상태 시각적으로 유발되는 전위(SSVEPs)는 일반적으로 주기적으로 유도됩니다. 휘도 깜박임, 사진 및 얼굴7,8의프리젠 테이션 . 청각 정상 상태 응답 (ASSRs)는 일반적으로 일시적인 음향 자극의 열차 또는 진폭 변조 톤9,10의지속적인 프리젠 테이션에 의해 생성됩니다.
측정된 EEG로부터 정상 상태 유발 전위들의 추출은 본질적으로 후천적인 EEG 에보시(11)에 시간 잠김을 획득하는 평균에 의존한다. 응답의 주기성으로 인해 시간 및 주파수 도메인 모두에서 분석할 수 있습니다. 주파수-도메인 변환 후, 감각 반응은 외부 자극의 프리젠테이션 속도 또는 변조 주파수, 및 이들의 상응하는 고조파에서 진폭의 피크로서 관찰된다. 이러한 절차(시간 도메인 평균화 및 후속 주파수 도메인 변환)는 임상 목적12,13,14를 가진 ASSR 방법의 검출에 기초한 청력 검사를 개발하는 데 필수적이었습니다. ,15,16.
더욱이, EEG 시대의 고전적인 시간-도메인 평균화는 SSVEP17,18의생성 및 소멸과 같은 생리적 과정을 분석하는데 매우 유용하다. 깜박임 조명의 연속 열차를 제시하고 기록 내에서 연속 적 시점을 평균, 바커 등19 SSVEP의 위상 잠금 지수는 자극의 처음 400 ms 동안 빠르게 증가하고 나중에 높은 남아 관찰 . 그(것)들은 또한 자극 개시 후에 700-1 100 ms 사이에서 강력한 시각적 entrainment가 설치되었다는 것을 보고했습니다. 어느 정도의 감응은 자극 열차의 오프셋 후 유효하며, 이는 진동 반응17,19의약 3주기를 지속하였다. 이러한 동작은 관찰된 진동의 관여/분리 효과로 해석되었으며, 이는 인간 시각 시스템(17)에서 비선형정보 처리의 결과이다. 대안적으로, 특정 실험 조건 하에서, 깜박임 자극은 신경 entrainment18대신에 자극 열차의 끝에서 처음에 반응및 오프 응답을 유도할 수 있는 것으로 알려져 있다.
평균적으로 연속적으로 획득된 EEG 에보에 대한 주된 가정은 EEG 신호가 감각 반응과 배경 잡음(20)의 선형 조합을 나타낸다는 것입니다. 또한 진동 반응의 진폭, 주파수 및 위상은 고정된 것으로 간주되지만 배경 잡음은 임의 활동으로 간주됩니다. 그러나 이러한 가정이 충족되지 않는 경우 여러 시대 이후 계산된 응답 진폭이 반드시 유발된 전위 잠재성의 순간 진폭과 일치하지는 않습니다.
최근 쥐의 뇌간에서 생성된 ASSR이 진폭 조절 톤의 지속적인 프리젠테이션에 적응하는 것으로 보고되었다(즉, 응답 진폭은 시간이 지남에 따라 기하급수적으로 감소)21,22. 적응은 단조로운 반복적인 감각 자극의 참신함의 손실을 반영하는 신경 메커니즘으로 해석되어, 음향 환경(23,24)에서관련 변동에 대한 민감도를 증가시킨다. 청각 경로에서 적응은 시끄러운 환경에서 음성 이해를 향상시킬 수 있습니다. 더욱이, 이러한 과정은 음성 생산을 제어하기 위해 자신의 목소리의 청각 피드백을 모니터링하는 기존 메커니즘의 일부일 수 있다.
인간에서 40Hz ASSR의 시간 진화를 분석한 결과, 반 Eeckhoutte등 25는 시간이 지남에 따라 응답 진폭이 유의하지만 작은 감소를 관찰했습니다(시간 동안 선형 감소를 가정할 때 그룹 분석에 기초하여 약 0.0002μV/s). 따라서, 이 저자는 인간에 있는 40 Hz ASSR자극에 적응하지 않는다는 것을 결론을 내렸습니다. 인간에서, SSVEP26의안정성을 분석할 때 비고정 거동이 관찰되었다. 이 저자들은 SSVEP의 기본 주파수와 두 번째 고조파의 진폭이 각각 테스트한 피험자의 30%와 66.7%에서만 고정되어 있음을 관찰했습니다. 두 SSVEP 주파수 구성 요소의 단계는 시간이 지남에 따라 상대적으로 안정적이지만, 작은 드리프트26을나타냈다.
따라서, 이후 획득 한 시대의 고전적인 시간 영역 평균은 신경 entrainment의 고정 특성을 탐구 할 수 있지만, 이 방법론은 entrainment의 장기 역학이 초점 때 개정 될 필요가있다 단기 역학의 평균이 장기 역학의 발생에 의해 손상된 경우. 정상 상태 응답의 고정되지 않은 동작을 특성화하기 위해 지정된 시간 창에서 계산된 불러오는 응답은 이전 EEG 세그먼트에서 계산된 응답에 의해 손상되지 않아야 합니다. 즉, 상기 전위는 선행 EEG 세그먼트와 평균화되는 시간 도메인이 되는 시대없이 배경 잡음으로부터 추출되어야 한다.
이 연구에서는 신경 동조의 역학을 평가하는 방법이 제시됩니다. 정상 상태 응답은 동일한 자극에 반응하여 반복적으로 기록되며, 여기서 연속기록은 실험 실행의 길이의 3배의 휴식 간격에 의해 인터리브됩니다. 생리학적 반응의 시간 진화가 다른 독립적인 실험 실행(독립적인 기록)에서 동일하다면, 기록은 컬럼-와이즈 평균화된다. 즉, 다른 기록에서 동일한 위치에 해당하는 시대는 기록 내에서 평균화하지 않고 평균화됩니다. 따라서 모든 자극 간격에서 계산된 응답 진폭은 유발된 전위 전위자의 순간 진폭에 해당합니다. 감각 반응은 실험의 목표에 따라 시간 영역에서 분석되거나 주파수 영역으로 변환될 수 있습니다. 어쨌든 진폭은 정상 상태 응답의 시간 진화를 분석하는 시간 함수로 플롯될 수 있습니다. 정상 상태 유발 전위의 생성 및 소멸은 분석을 기록의 첫 번째 및 마지막 시대로 제한함으로써 평가할 수 있습니다.
신경 장관의 역학은 관심 주파수 를 중심으로 단일 시험 측정을 필터링하고 로우 패스 필터링(25)을 사용하여 전력 신호의 봉투를 계산하는 등 다른 접근법을 사용하여 분석할 수 있습니다. 힐베르트 변환27. 이러한 방법론과 비교하여, 열별 평균화는 더 높은 신호 대 잡음 비(SNR)를 가진 신호를 기반으로 정상 상태 파라미터를 계산할 수 있게 해줍니다. 최근 칼만 필터링은 40Hz ASSR 진폭28,29,30의추정을 위한 유망한 기술로 대두되었습니다. Kalman 필터링의 구현은 전기 생리학적 임계값에 가까운 정상 상태 응답의 검출을 개선하고 청력 검사29의시간을 줄일 수 있습니다. 또한, KALman 필터링 접근 방식을 사용하여 ASSR 진폭30을추정할 때 고정 응답이 가정될 필요가 없습니다. 그럼에도 불구하고, 단 하나의 연구는 칼만 필터링 을 사용하여 ASSR의 시간 진화를 분석했다25. 연구의 결론은 40Hz ASSR 진폭이 자극 간격에 걸쳐 안정하다는 것입니다. 따라서 Kalman 필터링은 ASRR이 고정되지 않은 조건에서 테스트해야 합니다.
시간이 많이 걸리지만 열 별 평균화 방법은 모델이 없으며 초기화 값 및/또는 노이즈 동작의 우선 순위 정의가 필요하지 않습니다. 더욱이, 수렴 시간을 포함하지 않기 때문에, 컬럼 와이즈 평균화는 신경 entrainment의 개시의 보다 신뢰할 수 있는 표현을 제공할 수 있다. 따라서, 컬럼 와이즈 평균화 방법으로 얻어진 결과는 칼만 필터링을 이용하여 신경 장생의 역학을 분석하기 위한 기초 진실로 간주될 수 있다.
프로토콜에 대한 이 설명은 SSVEP의 예를 기반으로 합니다. 그러나 여기에 제시된 방법은 양식에 독립적이며 SSSEP 및 ASSR의 시간 진화를 분석하는 데도 사용할 수 있습니다.

<table><tbody><tr><td>활성 전극&nbsp;</td><td>Biosemi</td><td>P32-1020-32ACMS (ABC)</td><td>는 채널 1-32</td></tr><tr><td>활성 전극용&nbsp;</td><td>Biosemi</td><td>P32-1020-32A (ABC)</td> <td>채널 33-64</td></tr><tr><td>활성 전극&nbsp;</td><td>Biosemi</td><td>8 x TP FLAT</td><td>외부 전극</td></tr><tr><td>Active-Two 흡착 시스템</td><td>Biosemi</td><td>버전 7.0</td><td>EEG 흡착 시스템</td></tr><tr><td>알코올</td><td>Salcobrand</td><td>코드:두</td><td>피 청소용</td></tr><tr><td>3309011 전극 캡 64 채널&nbsp;</td><td>Biosemi</td><td>CAP MS xx yy</td><td>캡&nbsp;</td></tr><tr><td>전극 캡 64 채널&nbsp;</td><td>Biosemi</td><td>CAP ML xx yy</td><td>캡&nbsp;</td></tr><tr><td>gel</td><td>Biosemi</td><td>SIGNA BOX12</td><td>전도성 젤</td></tr><tr><td>노트북</td><td>Asus</td><td>Core i7 1TB DD + 128GB SSD 8GB RAM&nbsp;</td><td>자극을 위한 컴퓨터</td></tr><tr><td>노트북</td><td>Asus</td><td>Core i7 1TB DD + 128GB SSD 8GB RAM&nbsp;</td><td>녹음용 컴퓨터</td></tr><tr><td>LED 스크린</td><td>자체 생산</td> <td>-</td> <td>스크린은 50x50cm 블랙 스크린 중앙에 위치한 4 개의 발광 다이오드 (LED)로 구성되며, 5x5cm</td></tr><tr><td>멸균 거즈</td><td>Salcobrand</td><td>코드 : &nbsp;</td><td>두피 청소에 8730277</td></tr></tbody></table>

정상 상태 유발 잠재력의 시간 진화를 추적하는 방법

A Method for Tracking the Time Evolution of Steady-State Evoked Potentials

신경 entrainment 감각 자극의 주기성에 신경 활동의 동기화를 말합니다. 이러한 동기화는 정상 상태 유발 반응의 생성을 정의합니다(즉, 구동 자극에 잠긴 뇌파 상에서의 진동). 정상 상태 유발 응답의 진폭의 고전적인 해석은 고정 관념적 시간 불변 신경 반응 플러스 임의의 배경 변동을 가정, 자극의 반복 프리젠 테이션을 통해 평균이 복구되도록, 고정 관념응답. 이 접근법은 자극에 장기간 노출에 의해 유도된 적응의 경우와 같이 정상 상태의 역학을 무시합니다. 정상 상태 응답의 역학을 분석하기 위해, 응답 진폭의 시간 진화가 충분히 긴 휴식에 의해 분리된 상이한 자극 실행에서 동일하다고 가정할 수 있다. 이러한 가정을 바탕으로 정상 상태 응답의 시간 진화를 특성화하는 방법이 제시된다. 동일한 실험 조건에 대한 응답으로 충분히 많은 수의 기록이 획득됩니다. 실험 실행(기록)은 열별 평균값입니다(즉, 실행은 평균화되지만 레코딩 내의 연도는 이전 세그먼트로 평균화되지 않음). 컬럼 별 평균을 통해 신호 대 잡음 비가 매우 높은 레코딩에서 정상 상태 응답을 분석할 수 있습니다. 따라서, 평균 신호는 정상 상태 응답의 시간 진화의 정확한 표현을 제공하며, 이는 시간 및 주파수 도메인 모두에서 분석될 수 있다. 이 연구에서는 응답의 예로 정상 상태 시각적으로 불러일으킨 잠재력을 사용하여 메서드에 대한 자세한 설명이 제공됩니다. 장점과 주의 사항은 신경 적 동조를 분석하도록 설계된 단일 시험 방법과의 비교를 기반으로 평가됩니다.

SSVEP는 길이 40s의 연속 적인 시각적 자극에 의해 유도되었고, 여기서 광 강도는 10 Hz의 정현파 (변조 깊이 90 %)에 의해 변조되었다. 자극은 5cm x 5cm 정사각형의 정점으로서 50 cm x 50 cm 블랙 스크린의 중앙에 위치한 4개의 발광 다이오드(LED)에 의해 전달되었다. 참가자가 화면에서 70cm 떨어진 곳에 앉았을 때, LED 의 사각형 영역은 약 4°의 시각적 각도를 하역합니다. LED 스크린은 USB 기반 마이크로 컨트롤러 개발 시스템과 직경 10mm의 4개의 초고휘도 백색 LED를 사용하여 설계되었습니다. 펄스 폭 변조(PWM) 기술을 사용하여 LED에 공급되는 전력을 제어하였다. 이 기술은 주어진 주파수에서 LED 강도를 제어하고 최종 정현파 봉투를 생성합니다. 40 kHz의 PWM 주파수는 인식 가능한 깜박임 효과를 피하기 위해 사용되었습니다.
30개의 음반이 얻어졌으며, 이는 4초의 시대에 세분화되었다. 따라서 10개의 열(레코딩 내의 EEG 시대 수)과 30개의 행(기록 수, 실험 실행 횟수)으로 구성된 데이터 세트를 얻었습니다.
자극에 잠긴 신경 진동 시간-컬럼 와이즈 평균화가 수행됨에 따라 명백해졌다(도 2). 크게, SSVEP가 생성되는 간격은 열 1에 해당하는 추적에서 관찰될 수 있습니다. 이 열에서, 0.2s의 사전 자극 기준선은 신경 entrainment의 처음 0.8 s 이외에 플롯됩니다. 따라서, 여기에 설명된 절차는 1) 신경 entrainment가 이미 확립되고 2) 신경 진동의 관여가 확립되면 진동 반응의 역학의 특성화를 허용한다. 자극의 종료 후에 기록된 하나 이상의 에포크는 또한 자극 오프셋 후 정상 상태 반응의 소멸을 연구하기 위해 데이터 매트릭스에 포함될 수 있다.
열별 평균화 동안, SSVEP의 평균 진폭(10Hz에서 스펙트럼 진폭, FFT를 적용하여 계산)은 컬럼의 첫 번째 에보의 평균화 동안 감소하고 그 후 안정화되는 경향이 있었다(그림3A). 이 결과는 순차적으로 획득 한 21,22,40,43,44의평균 동안 ASSR의 진화를 분석하는 이전 연구와 일치한다. 평균화 중 응답 진폭의 동작은 일반적으로 평균이 수행됨에 따라 감쇠되는 첫 번째 시대에 계산된 응답 진폭에 대한 평균되지 않은 노이즈의 상대적으로 높은 기여도에 의해 설명되며,13, 44세 , 45세 , 46세 , 47. 주목할 만한, SSVEP 진폭 가변성은 평균진행으로 크게 감소했다.
또한, 근구 별 평균화 동안의 측정의 RNL을 분석하였다(도3B). RNL은 SSVEP 주파수의 양쪽에 있는 좁은 주파수 대역(3Hz)으로 계산되었습니다. 이 절차는 SSVEP가 분석될 때 일반적이지 는 않지만, 벡터-신경 entrainment의 주위에 주어진 주파수 빈의 주어진 수를 평균하는 것은 ASSR 측정41,42에서RNL을 추정하기 위한 표준입니다. 43. 예상대로 RNL은 평균 적인 시기의 수가 증가하고 약 20 epochs가 처리 된 후 점액 수준에 도달함에 따라 점진적으로 감소했습니다. SSVEP 진폭을 분석할 때 관찰된 것과 는 달리, RNL의 표준 편차는 평균 적인 일보의 수가 증가함에 따라 상대적으로 일정하게 유지되었으며, 이는 실험 세션을 통해 기록 조건이 안정적이었음을 시사한다.
상기 제시된 결과는 종단별 평균화(도3C)동안의 측정의 피크 신호 대 잡음 비(pSNR)의 변화를 결정했다. 이 용어는 응답의 제곱 진폭(SSVEP)과 RNL의 제곱 진폭 사이의 비율(dB)으로 정의됩니다. 평균이 진행됨에 따라, pSNR은 평균 적인 epoch의 수가 대략 18까지 증가함에 따라 증가했습니다. 평균 에포크 수의 추가 증가는 신호의 품질에 크게 영향을 미치지 않았습니다. pSNR의 가변성은 더 많은 시대가 평균으로 감소했습니다.
마지막으로 SSVEP 진폭과 RNL의 역학은 그림4에 표시됩니다. 이 시간 진화는 열 수의 함수로서(시간의 함수로서) 열 의 평균화열의 끝에 계산된 응답 파라미터를 플로팅함으로써 얻어졌다. Labecki 등26에의해 입증 된 바와 같이, SSVEP의 역학은 과목마다 크게 다를 수 있습니다. 그림 4에 제시된 결과는 단일 개인에 해당하므로 일반화를 만들 수 없습니다. 이 과목에서, SSVEP의 진폭은 비교적 복잡한동작을 나타냈다(도 4A). 반응 진폭은 자극 발병 후 처음 12 초 동안 점차적으로 증가했습니다 (3 epochs의 길이에 해당하는 시간). 자극이 지속됨에 따라, SSVEP는 다음 12초 동안 지속적으로 감소하였고, 그 후에도 비교적 일정하게 유지되었다. 이러한 결과는 자극 간격 동안 이 파라미터가 상대적으로 일정했기 때문에 RNL의거동에 의해 설명될 수 없다(도 4B). 자극 발병 후 SSVEP 진폭의 증가는 그림 2에 제시된 흔적에서 분명하며 통합 프로세스에 의해 설명될 수 있으며, 이는 신경 장전의 안정화를 초래합니다. 진폭의 후속 감소는 지속적인 자극에 대한 SSVEP의 적응을 시사한다. 그럼에도 불구하고, 이러한 가설은 적절한 샘플 크기의 제어 실험에서 테스트할 필요가 있습니다.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59898/59898fig1v2.jpg"> 그림 1 : 정상 상태 응답진폭의 시간 진화를 추출하기 위한 중요한 단계입니다. (A) 분석 매개 변수가 정의되는 처리 코드의 스크린샷입니다. (B) 데이터 집합의 구성을 설명하는 대표 다이어그램입니다. 10개의 시대에 대한 30개의 기록으로 구성된 데이터 매트릭스가 표현됩니다. 열별 에포크의 평균화는 첫 번째 열에서 강조 표시됩니다. 세로선은 평균의 방향을 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/59898/59898fig1large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59898/59898fig2v2.jpg"> 그림 2 : 포근별 평균화 기간 동안 정상 상태의 시각적으로 유발되는 전위(SSVEP)의 파형 변화. 응답은 10 Hz에서 진폭으로 변조 된 빛의 지속적인 프리젠 테이션에 의해 유도되었다. 행은 모든 이전 레코딩을 평균화한 후 얻은 파형을 보여 준다(즉, 행 1은 첫 번째 레코딩이고, 행 5는 처음 5개의 레코딩을 평균한 후에 얻어진 파형이고, 마지막 행은 모든 레코딩의 평균이다). 평균 실행 횟수가 증가함에 따라 각 컬럼에서 SSVEP의 보다 신뢰할 수 있는 파형이 관찰되었습니다. 선명도를 제공하기 위해(SSVEP의 진동을 볼 수 있도록) 시대의 첫 번째 초만 표시됩니다. 예외는 데이터 집합의 첫 번째 열에 있는 추적으로, 0.2초의 사전 자극 기준선이 표시됩니다. <a href="https://www.jove.com/files/ftp_upload/59898/59898fig2large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59898/59898fig3v2.jpg"> 그림 3 : 열별 평균화 기간 동안 응답 및 기록 매개 변수의 변경. (A) SSVEP 진폭의 진화. (B) RNL의 동작입니다. (C) pSNR의 변경 사항입니다. 검정선은 각 열에 대해 얻은 평균 값(n = 10)을 나타내고 회색 그림자는 ± 하나의 표준 편차로 덮인 영역을 나타냅니다. <a href="https://www.jove.com/files/ftp_upload/59898/59898fig3large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59898/59898fig4v2.jpg"> 그림 4 : 10Hz에서 진폭으로 변조된 연속적인 시각적 자극의 프리젠테이션에 의해 유도된 SSVEP의 시간 진화. (A) SSVEP 진폭의 시간 코스입니다. (B) RNL의 시간 코스. <a href="https://www.jove.com/files/ftp_upload/59898/59898fig4large.jpg" target="_blank">이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.</a>

외부 반복 자극에 대한 신경 entrainment의 시간 진화를 평가하는 프로토콜이 제시된다. 동일한 실험 조건의 정상 상태 기록은 시간 도메인에서 획득되고 평균화됩니다. 정상 상태 역학은 응답 진폭을 시간 함수로 플로팅하여 분석됩니다.

Neural entrainment refers to the synchronization of neural activity to the periodicity of sensory stimuli. This synchronization defines the generation of ...

신경 자극은 신경 활성을 감각 자극의 주기성에 동기화한다. 이러한 동기화는 뇌전도의 진동이 감각 자극에 잠겨 있는 정상 상태 발생 전위, 즉 진동을 생성한다. 정상 상태의 진폭의 고전적인 해석은 자극에 고정된 일정한 신경 반응 단계와 자극과 관련이 없는 임의의 배경 잡음으로 가정합니다.고정 관념 반응은 자극의 반복된 프리젠 테이션을 통해 평균적으로 얻을 수 있습니다. 이 접근은 자극에 장기간 노출에 의해 유도된 잠재적인 적응의 경우와 같이 반응의 역학을 무시합니다. 동물 모델에서, 피질 뇌 영역에서 생성된 청각 정상 상태 반응은 진폭 변조 된 톤의 지속적인 프리젠 테이션에 추가합니다.인간에서는, 최근 시각적으로 호출된 정상 상태의 근본적인 주파수의 힘이 피험자의 30%에 만 고정되어 있음을 입증되었습니다. 연구의 초점이 훈련의 역학인 경우, 우리는 응답의 현세적 진화가 다른 독립적 인 실험 실행에서 동일할 것이라고 가정 할 수 있습니다. 따라서 독립 실행전반에 걸쳐 모든 획기적인 신호의 평균은 진동 반응의 장기적인 역학을 정확하게 표현합니다.이러한 가정에 기초하여, 우리는 정상 상태 응답의 시간 진화를 특성화하는 방법을 개발했습니다. 이 방법은 녹음 내의 후속 시대를 평균하는 대신 동일한 실험 상태의 여러 레코딩을 획득하는 것으로 구성됩니다. 다른 레코딩의 동일한 시간 창에 해당하는 시대는 평균입니다.이 연구에서는 응답의 예로, 정시적으로 시각적으로 불러일으킨 잠재 잠재력을 사용하여 방법에 대한 자세한 설명을 제공합니다. 그러나, 방법론은 다른 감각 자극의 정상 상태 반응을 분석하는 데 사용될 수 있다. 마지막으로, 단일 평가판 방법과의 비교를 기반으로 방법론의 장점과 단점을 제시하여 신경 연수를 분석합니다.주제에 오신 것을 환영합니다. 이 연구의 목적과 관련성을 설명하기 위해, 친절한 분위기에서 이야기하는 주제를 초대합니다. 관련 기술 정보에 대한 설명을 제공합니다.모든 질문에 철저히 대답하십시오. 원하는 경우 언제든지 실험 세션을 중단할 수 있음을 명시적으로 언급합니다. 자원봉사자에게 주제 통보 동의서를 읽고 해당 양식에 서명하도록 요청한다.에탄올로 두피를 청소, 95%에서 용액은 죽은 피부 세포의 층을 제거하고 그것을 커버 피지. 이 단계는 전극과 두피 사이의 임피던스를 줄이는 것이 중요합니다. 상기 상기 원주를 측정하여 실험에 사용될 전극 캡의 크기를 정의한다.피사체에게 전극 캡을 착용하도록 요청하십시오. 캡의 편안하지만 올바른 위치에 대한 지침을 제공합니다. 내침과 이온 사이의 거리를 측정합니다.마찬가지로 왼쪽과 오른쪽 사전 소변 지점 사이의 거리를 측정합니다. 전극 캡의 위치를 수정합니다. 실험에 고려된 전극 위치에 전도성 젤을 넣습니다.녹음 사이트 수는 필요에 따라 다를 수 있습니다. 보통, 우리는 라디오 시스템을 사용하여 64 두피 위치에서 기록합니다. 레코딩 전극을 올바른 위치에 놓습니다.자원봉사자와 함께 실험실에 가서 피사체에게 편안한 자세로 앉도록 부탁한다. 전자경전을 기록하기 위해 외부 전극을 관동맥 위치에 배치합니다. 이러한 신호는 깜박임 및 눈 의 움직임에 의해 유도된 EEG 아티팩트를 교정하기 위해 다음 단계에서 사용됩니다.EEG 획득 시스템을 켜고 전극 임피던드를 확인합니다. 필요에 따라 제조업체의 지시에 따라 임피던스를 수정합니다. EOG가 외부 전극에 의해 올바르게 기록되고 있는지 확인하기 위해 피사체에게 눈을 깜박이고 다른 방향으로 움직이도록 요청합니다.피사체의 시야각에 따라 화면의 위치를 수직 방향으로 조정합니다. 우리의 화면은 사각형의 정점이 5x5cm이기 때문에 50x50cm 검은 화면의 중앙에 위치한 4 개의 발광 다이오드로 구성됩니다. 참가자는 화면에서 약 70센티미터 떨어진 곳에 앉아 있기 때문에 LED 제곱의 사각형은 약 4도의 시각적 각도를 서브스텐시합니다.화면의 휘도 레벨을 참가자의 편안한 레벨의 상한으로 조정합니다. 시각적 자극의 매개 변수를 설정합니다. 실험에서 광강도가 10Hz에서 변조되는 지속적인 시각적 자극이 제공됩니다.실험에 필요한 시간에 대한 자극을 제시한다. 자극을 2분 동안 일시 중지합니다. 자극 기간보다 3배 더 긴 일시 중지를 권장합니다.프레젠테이션 단계를 30회 반복합니다. 실험의 30실행은 측정의 높은 신호 대 잡음 비율을 보장합니다. 그럼에도 불구하고 실험 프로토콜에서 더 많은 수의 반복을 구현할 수 있습니다.표준 절차를 사용하여 EEG를 기록합니다. 실험 실행은 단일 파일에 저장하거나 각 실행에 대해 다른 파일을 만들 수 있습니다. 다음 단계는 표준 EEG 처리에 해당합니다.이 처리는 오프라인으로 수행되며 적절하게 수정할 수 있습니다. 평균 참조를 사용하여 레코딩을 다시 참조합니다. 밴드 패스필터 EEG 신호, 차단 주파수는 필요에 따라 수정할 수 있다.필요한 경우 전극 좌표를 국제 10-20 시스템으로 변환합니다. 적절한 절차를 사용하여 안구 아티팩트를 제거합니다. 이를 위해 다른 기술을 사용할 수 있습니다.EEG 데이터와 적절한 길이의 시대를 분류합니다. EEG 아티팩트가 포함된 시대를 제거합니다. EEG 시대를 따라 현재의 드리프트를 직접 드렌딩합니다.이 시대를 N 행 및 M 열의 데이터 행렬로 재배열하여 N은 기록 수와 시대 수를 나타내는 M을 나타냅니다. 컬럼 현명한, 데이터 집합을 평균. 이를 위해 서로 다른 레코딩의 동일한 시간 창에 해당하는 30개의 시대는 시간 영역에서 평균화되어야 합니다.빠른 포리에 변환을 사용하여 평균의 끝에서 정상 상태 응답의 진폭을 계산합니다. 정상 상태 반응의 진폭은 감각 자극의 진폭 변조의 주파수에서 얻어진경 진폭으로 정의된다. 벡터는 응답의 주파수의 각 면에 FFT 저장소의 추가 매 수의 진폭을 평균하여 잔류 노이즈 레벨을 계산합니다.컬럼 인덱스의 함수로서 정상 상태 응답 및 RNL의 진폭을 플롯하여 자극 기간 동안 매개 변수의 진화를 탐구합니다. 결과. 그림 2는 초조의 컬럼 의 평균에서 발생하는 SSVEP의 파형의 변화를 보여줍니다. 30개의 녹음이 입수되었다.자극에 잠긴 신경 진동 시간은 컬럼 의 평균이 수행됨에 따라 분명해졌습니다. 크게, SSVEP가 생성되는 기간은 열 하나에 대응하는 추적에서 관찰될 수 있다. 이 열에서는 02초의 사전 자극 기준선이 플롯됩니다.따라서, 여기서 설명된 절차는 신경 자극이 이미 확립되면 진동 반응의 역학뿐만 아니라 신경 진동의 참여도 특성화할 수 있다. SSVEP의 평균 진폭은 컬럼의 첫 번째 시대의 평균 동안 감소하고 나중에 안정화하는 경향이 있었다. 이러한 동작은 평균화가 수행됨에 따라 감쇠되는 첫 번째 평균 시대에 계산된 응답 진폭에 대한 노이즈의 상대적으로 높은 기여도에 의해 설명될 수 있다.잔류 노이즈 레벨의 표준 편차는 평균 시대의 수가 증가함에 따라 상대적으로 일정하게 유지되었으며, 이는 실험 섹션을 따라 기록 조건이 안정적이었다는 것을 시사합니다. 위에 제시된 결과는 측정의 고음 비율에 대한 피크 신호의 변화를 결정했습니다. 평균화가 진행됨에 따라 평균 시대가 18개로 증가함에 따라 피크 신호 대 잡음 비율이 증가했습니다.평균 시대의 수의 추가 증가는 신호의 품질에 크게 영향을 미치지 않았다. 마지막으로, 상류 상태의 시각적 인 역학은 잠재적 인 진폭을 불러 일으켰으며, 잔류 노이즈 레벨은 도 4에서 표현된다. 4 이러한 역학은 시간의 함수로서 기둥의 수의 함수로서 기둥의 수의 함수로서 기둥의 수의 함수로서 열의 끝에 계산 된 응답 매개 변수를 플로팅하여 얻어졌다.이 피험자에서, 자극 개시에 따라 처음 12초 동안 반응 진폭이 점차 증가했습니다. 세 시대의 길이에 해당하는 시간입니다. 자극이 지속됨에 따라 다음 12초 동안 반응이 지속적으로 감소했으며 그 후에도 비교적 일정하게 유지되었습니다.이러한 결과는 자극 기간 동안 이 매개 변수가 상대적으로 일정했기 때문에 RNL의 동작에 의해 설명될 수 없습니다. 자극 개시 에 따른 SSVEP 진폭의 증가는 통합 프로세스에 의해 설명될 수 있으며, 이는 신경 자극의 안정화를 초래한다. 진폭의 후속 감소는 지속적인 자극에 SSVEP의 적응을 시사한다.그럼에도 불구하고 이러한 가설은 적절한 샘플 크기를 가진 제어 된 실험에서 테스트해야합니다. 독립 실행의 시간 도메인 평균 이후에 정상 상태 응답의 진폭을 계산하는 것은 평균에서 살아남은 시간 잠긴 진동만 분석하는 것을 의미합니다. 이 절차는 개별 시험에서 응답의 역학에 관한 관련 정보를 필터링할 수 있습니다.그러나 노이즈 비율에 대한 신호가 충분히 높다는 것을 보장합니다. 이러한 측면은 반응이 전기생리학적 임계값에 가까우면 특히 중요할 수 있으며, 측정의 낮은 신호 대 잡음 비율로 인해 실내학습의 검출이 손상될 수 있는 조건이다.

a-method-for-tracking-time-evolution-steady-state-evoked

Research

연구

JoVE Journal

Neuroscience

신경과학

정상 상태 유발 전위의 시간 변화를 추적하는 방법

이 비디오는 시냅스 활동을 기록하기 위해 침수실에서 뇌 절편을 설정하는 절차를 보여줍니다. 이 과정에는 렌즈 종이에 슬라이스를 고정하고, 신경 세포의 생존력을 보장하기 위해 인공 뇌척수액(aCSF)의 지속적인 흐름을 유지하고, 관심 있는 특정 뇌 영역과 관련된 자극 및 기록 전극을 정확하게 배치하는 것이 포함됩니다. 이 설정을 통해 기준선 시냅스 활동과 전기 자극의 영향을 정밀하게 모니터링할 수 있습니다.

Recording Neuronal Field Excitatory Postsynaptic Potentials in Acute Hippocampal Slices(급성 해마 절편에서 신경 필드 흥분성 시냅스 후 전위)

정위 뇌파 (SEEG)은 발작 초점을 현지화하기 위해 간질 수술에 사용되는 수술 방법이다. 또한 뇌 기능을 연구 할 수있는 독특한 기회를 제공한다. 여기에서 우리는 SEEG 인간을 대상으로인지 과정을 조사하는 데 사용할 수있는 방법에 대해 설명합니다.

정위 뇌파를 사용하여 깊은 피질의 기능 및 피질 하 구조 조사 : 전방에 cingulate 피질 수업

셔틀 박스 회피 학습은 행동 신경 과학에 잘 확립되어있다. 이 프로토콜은 설치류에서 학습 셔틀 상자가 사이트 별 전기 intracortical 미세 자극 (ICMS) 및 학습과 인식의 여러 측면을 연구하는 도구로 생체 내 녹음 동시 만성와 결합 할 수있는 방법에 대해 설명합니다.

인식 및 학습을 연구하는 도구로 전기 생리 텍스 녹화 및 자극과 셔틀 박스 교육을 결합

Resting-state functional-connectivity MRI는 피질 발달의 기형으로 인한 간질을 포함한 광범위한 신경 정신 질환을 가진 환자의 이상을 확인했습니다. EEG와 함께 경두개 자기 자극법은 간질 환자가 비정상적인 연결성을 가진 영역에서 피질 과흥분성을 가지고 있음을 입증할 수 있습니다.

간질 환자의 뇌 흥분을 연결 관련 평가하는 멀티 모달 Imaging- 및 자극 기반 방법

다중 전극 어레이에서 배양 된 마우스 신경 세포는 전기적 자극 후 반응의 증가를 나타낸다. 이 프로토콜은 뉴런을 배양하는 방법, 활동을 기록하는 방법, 자극 패턴에 반응하도록 네트워크를 훈련시키는 프로토콜을 수립하는 방법을 보여줍니다.

미세 전극 배열에서 신경 세포 배양의 자극에 대한 네트워크 반응의 시간 의존적 증가

우리는 비-침략 적, 변형, 그리고 재사용 가능한 드라이 타입 16 채널 EEG 센서를 설계. 이 종이 생산 신호 비주얼 갖는 잠재력 (VEP)의 처리를 제안 된 뇌 파 전극 건조 비-침략 적 다중 채널 EEG 센서를 사용 하 여 마우스 두 피 측정 신호 전체 프로세스를 설명 합니다.

드라이 비-침략 적 멀티 채널을 사용 하 여 마우스에 비주얼 갖는 잠재적인 녹음 두 피 뇌 파 센서

우리는 microelectrode 배열을 사용 하는 설치류 뇌 조각에 4 aminopyridine 이용한 epileptiform 활동의 기록 및 전기 변조를 수행 하는 방법을 보여 줍니다. 사용자 지정 녹음 실 조직 생존 연장된 실험 세션에 걸쳐 유지합니다. 전극 매핑 라이브 고 자극 쌍의 선택 사용자 지정 그래픽 사용자 인터페이스에 의해 수행 됩니다.

녹음 및 Microelectrode 배열에 결합 하는 설치류 뇌 조각에 Epileptiform 활동의 변조

이 논문에서는 고밀도 EEG를 사용하여 복부 및 등쪽 네트워크의 자극을 통해 차동 피질 시각적 으로 잠재적인 형태학적 패턴을 불러일으킨 프로토콜을 제시합니다. 시간지터가 유무에 관계없이 시각적 개체 및 모션 자극 패러다임이 설명됩니다. 시각적으로 불러일으킨 잠재적 형태학적 분석도 설명되어 있습니다.

자극 특이적 피질 시각적 자극 잠재적 인 형태 학적 패턴을 불러 일으켰다

자기 뇌파(MEG)와 고밀도 뇌파 검사(HD-EEG)는 확증 및 보완 정보를 제공하기는 하지만 동시에 기록되는 경우는 드뭅니다. 여기에서는 MEG 및 HD-EEG를 동시에 기록하기 위한 실험 설정과 약물 내성 간질이 있는 소아의 간질 유발 및 웅변 뇌 영역을 국소화하는 것을 목표로 하는 이러한 데이터를 분석하는 방법론을 설명합니다.

약물 내성 간질이 있는 소아의 수술 전 평가에서 전자기 소스 이미징

이 프로토콜은 작업 기억의 세타 주파수 자극을 예로 사용하여 인지 작업 중 신경 진동에 대한 자극 효과를 조사하기 위해 HD-tACS와 EEG를 결합하기 위한 실용적인 접근 방식을 확립합니다.

경두개 교류 자극과 뇌파도의 조합

배우세요 정상 상태 시각 유발 전위(SSVEP)의 시간적 진화를 추적하는 방법을. 독립 실험 실행 간 에폭 평균화를 통해 신경 동기화 역학을 분석하고 장기 신경 반응 패턴을 정확하게 특성화합니다.

정상 상태 유발 잠재력의 시간 진화를 추적하는 방법

더 많은 동영상 탐색