27 juni 2013
Neuroimaging onderzoekers overwegen over het algemeen de reactie van de hersenen als de gemiddelde activiteit in herhaalde experimentele proeven en te negeren signaal variabiliteit in de tijd als "ruis". Het is echter duidelijk dat er signaal dat ruis. Dit artikel beschrijft de nieuwe methode van multiscale entropie voor het kwantificeren van de hersenen het signaal variabiliteit in de tijd domein.
Het algemene doel van deze procedure is om de variabiliteit van een EEG-tijdreeks te kwantificeren en die variabiliteit te relateren aan de informatieverwerkingscapaciteit van het onderliggende neurale systeem. Dit wordt bereikt door eerst hoogwaardige EEG-opnames van de hersenreactie te verkrijgen. De tweede stap is om de gegevens vooraf te verwerken om eventuele artefacten te verwijderen.
Vervolgens worden de statistieken van belang geëxtraheerd. Hier zullen we de nieuwe toepassing van multi-schaal entropie contrasteren met meer traditionele methoden van gemiddelde amplitude en spectraal vermogen. De laatste stap is om de statistische significantie van de resultaten te analyseren en de gegevens te interpreteren.
Deze stap kan worden vergemakkelijkt door gegevensgestuurde multi-variate benaderingen te gebruiken, zoals deels lease vierkante analyse. Uiteindelijk wordt multi-schaal entropie gebruikt om te laten zien hoe een reeks veranderingen in het ruimtelijk-temporele patroon over meerdere tijdschalen bijdraagt aan specifieke cognitieve operaties. Het voordeel van het gebruik van MSC boven bestaande methoden zoals gemiddelde amplitude of spectraal vermogen, is dat MSC gevoelig is voor de non-lineariteiten in de gegevens.
Deze niet-lineaire dynamiek weerspiegelt overgangen of bifurcaties tussen de microtoestanden van een netwerk, wat belangrijk is voor informatie-uitwisseling over een verdeeld netwerk van hersengebieden. Het demonstreren van deze procedure zal Christina Backer zijn vanuit het ERP-lab van het Rotman Research Institute. Eerst, leg de experimentele procedures uit aan de deelnemer en verkrijg geïnformeerde toestemming.
Reinig het gebied waar de afhankelijke elektroden zullen worden geplaatst met een alcoholwattenstaafje. Doe wat gel op de elektrode. Verwijder de papiertjes vanaf de huidzijde en plaats de elektroden op de deelnemer om oogbewegingsartefacten te identificeren.
Plaats een elektrode op de laterale verbinding van de bovenste en onderste ooglid. Plaats een andere elektrode op het midden van de orbitale rand, ongeveer een centimeter onder het oog en in lijn met de pupil. Herhaal dit voor het andere oog.
Meet de hoofdomtrek van de deelnemer en kies de juiste elektrodenkapmaat volgens het internationaal erkende 10 20-systeem. Voor elektrodeplaatsing, meet de afstand vanaf Indian Ian langs de middenlijn en deel door 10% dat getal. Meet op vanaf NAS en markeer.
Lign de positie van de elektrodenkap FP met deze markering en trek de dop terug. Zorg ervoor dat het midden van de dop in lijn is met de neus. Meet nasn naar cz en bevestig dat deze afstand de helft is van de afstand van NAS naar Indian.
Trek vervolgens de kinriem vast en plaats gaas onder de riem voor comfort indien nodig. Nu, plaats de met gel gevulde stompe puntspuit in de elektrodehouders om een geleidende gelkolom te creëren. Begin in contact met de hoofdhuid, knijp en trek terug.
Merk op dat het aanbrengen van te veel gel de signalen van naburige elektroden kan overbruggen. Bevestig vervolgens actieve elektroden in de elektrodehouders. Plaats vervolgens het onderwerp voor de monitor op de juiste afstand.
Vraag de deelnemer voor het experiment stil te blijven en benadruk de belangrijkheid van het minimaliseren van oogbewegingen en knipperen. Voor een schone opname, bekijk de elektrodeconnecties en EEG-signaalkwaliteit op de aankoopcomputer. Als er een probleem is met een specifieke elektrode, verwijder die elektrode en breng gel opnieuw aan om de impedanties op die plaats aan te passen na het experiment, maar voordat u de specifieke statistiek van belang extraheert.
Verwerk de continue EEG-gegevens vooraf om artefacten te verwijderen met behulp van standaardprocedures van filteren en artefactafwijzing. Eventueel gerelateerde potentiaalanalyse vangt de synchrone hersenactiviteit die fase vergrendeld is aan het begin van een stimulus. Tijd vergrendel de reactie van de hersenen op het begin van een opvallend evenement en gemiddeld over veel soortgelijke gebeurtenissen. Om de signaal-ruisverhouding te verhogen, identificeer de piekamplitude en latentie van de ERP-component voor elke proefpersoon. Spectraal vermogen kwantificeren de relatieve bijdrage van een frequentie aan een specifiek EEG-signaal.
Gebruik Fourier-analyse om het EEG-signaal van de tijdsdomein naar het frequentiedomein te transformeren en het signaal te ontbinden in zijn samenstellende sinusgolven van variërende frequenties. Multi-schaal entropie is een informatietheoretische metriek die de variabiliteit van neuro-elektrische signalen in de tijd en over meerdere tijdschalen vastlegt. Gebruik het algoritme bij PhysioNet om multi-schaal entropie in twee stappen te berekenen.
In de eerste stap, neem progressief af. Sample het signaal voor elke proef en conditie tijdschaal. Een vertegenwoordigt het originele signaal.
Maak vervolgende tijdschalen door het originele signaal eerst in niet-overlappende vensters van de tijdschaallengte te verdelen. Gemiddel vervolgens de gegevenspunten binnen elk venster. Bijvoorbeeld, om tijdschaal twee te creëren, gemiddel samen.
De eerste twee punten, de volgende twee punten, enzovoort. Om tijdschaal drie te maken, gemiddel samen de eerste drie punten, de volgende drie punten en zo verder. Door het originele signaal op verschillende tijdschalen weer te geven, kunnen neurale processen die zich mogelijk met verschillende snelheden ontvouwen worden geanalyseerd.
De tweede stap berekent de steekproef entropie voor elke cursus. De gegevensreeks. Dit geeft een schatting van de complexiteit van de hersenreactie op de verschillende tijdschalen.
Regelmatige signalen hebben een lagere steekproef entropie dan meer stochastische signalen. In dit voorbeeld is de patroonlengte M ingesteld op twee. Dit betekent dat de tijdreeks zal worden weergegeven als een verhouding van twee versus drie puntensequentieovereenkomsten.
Parameter R is het gelijkeniscriterium. Gegevenspunten die binnen dit amplitudebereik liggen, hebben vergelijkbare waarden en worden dus geacht overeen te komen. Raadpleeg het tekstprotocol voor details over het instellen van parameters om steekproef entropie te berekenen voor deze gesimuleerde tijdreeks.
Begin met
Dit artikel presenteert een nieuwe methode voor het kwantificeren van de variabiliteit van hersensignalen met behulp van multiscale entropy, waarmee het traditionele standpunt dat signaalvariabiliteit slechts ruis is, wordt uitgedaagd. Door EEG-tijdreeksen te analyseren, kunnen onderzoekers inzicht verkrijgen in de informatieverwerkingscapaciteit van neurale systemen.
Het kwantificeren van de variabiliteit van neurale signalen via multiscale entropy biedt een mechanistisch perspectief voor targetvalidatie bij de ontdekking van geneesmiddelen voor het CZS. Door niet-lineaire dynamiek en tijdschaalafhankelijke informatieverwerking vast te leggen, ondersteunt deze benadering het voorspellend vertrouwen in de vroege stadia van drug discovery. Het maakt het mogelijk om therapeutische hypothesen minder risicovol te maken door elektrofysiologische biomarkers te koppelen aan de functie van cognitieve netwerken.
Deze methode integreert in het ontdekkingscontinuüm, van hypothesetoetsing tot lead-identificatie, door dynamische neurale read-outs te bieden die complementair zijn aan statische gemiddelde benaderingen.