Method Article

Metoda śledzenia ewolucji w czasie potencjałów wywołanych w stanie ustalonym

DOI:

10.3791/59898

⸱

May 25th, 2019

 ,  ,  ,  ,  ,  , 
1Advanced Center for Electrical and Electronic Engineering (AC3E), Universidad Técnica Federico Santa María, 2Department of Electronic Engineering, Universidad Técnica Federico Santa María, 3Neuroinformatics Department, Cuban Neuroscience Center, 4Centro de Investigación y Desarrollo en IngenierÍa, Universidad de Valparaíso

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Przedstawiono protokół do oceny ewolucji w czasie porywania neuronów do zewnętrznych powtarzających się bodźców. Zapisy w stanie ustalonym tego samego stanu eksperymentalnego są pozyskiwane i uśredniane w dziedzinie czasu. Dynamika stanu ustalonego jest analizowana poprzez wykreślenie amplitudy odpowiedzi w funkcji czasu.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Porywanie neuronów odnosi się do synchronizacji aktywności neuronalnej z okresowością bodźców sensorycznych. Ta synchronizacja określa generowanie reakcji wywołanych w stanie ustalonym (tj. oscylacji w elektroencefalogramie zsynchronizowanych fazowo z bodźcami sterującymi). Klasyczna interpretacja amplitudy reakcji wywołanych w stanie ustalonym zakłada stereotypową niezmienniczą w czasie odpowiedź neuronalną oraz losowe fluktuacje tła, tak że uśrednienie powtarzających się prezentacji bodźca przywraca stereotypową odpowiedź. Takie podejście ignoruje dynamikę stanu ustalonego, jak w przypadku adaptacji wywołanej długotrwałą ekspozycją na bodziec. Aby przeanalizować dynamikę reakcji w stanie ustalonym, można założyć, że ewolucja amplitudy odpowiedzi w czasie jest taka sama w różnych seriach stymulacji oddzielonych wystarczająco długimi przerwami. Opierając się na tym założeniu, przedstawiono metodę charakteryzowania ewolucji w czasie reakcji w stanie ustalonym. Wystarczająco duża liczba nagrań jest pozyskiwana w odpowiedzi na ten sam warunek eksperymentalny. Przebiegi eksperymentalne (nagrania) są uśredniane kolumnowo (tj. przebiegi są uśredniane, ale epoki w nagraniach nie są uśredniane z poprzednimi segmentami). Uśrednianie kolumnowe umożliwia analizę odpowiedzi w stanie ustalonym w nagraniach o wyjątkowo wysokich stosunkach sygnału do szumu. W związku z tym uśredniony sygnał zapewnia dokładne odwzorowanie ewolucji w czasie odpowiedzi w stanie ustalonym, która może być analizowana zarówno w dziedzinie czasu, jak i częstotliwości. W niniejszej pracy przedstawiono szczegółowy opis metody, wykorzystując jako przykład odpowiedzi potencjały wywołane wizualnie w stanie ustalonym. Zalety i zastrzeżenia są oceniane na podstawie porównania z metodami jednopróbowymi przeznaczonymi do analizy porywania neuronów.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gdy aktywność elektryczna mózgu jest rejestrowana ze skóry głowy, jest obserwowana jako ciągłe i regularne zmiany napięcia w czasie. Ta aktywność elektryczna nazywa się elektroencefalogramem (EEG) i została po raz pierwszy opisana przez Hansa Bergera pod koniec lat dwudziestych ubiegłego wieku1. Późniejsze badania naukowe opisywały EEG jako złożony szereg czasowy, w którym można zaobserwować różne rytmiczne lub powtarzające się wzorce2,3,4. Obecnie EEG jest zwykle podzielone na pięć dobrze ustalonych pasm częstotliwości: delta, theta, alfa, beta i gamma, które są związane z różnymi procesami sensorycznymi i poznawczymi.

Przez lata badanie oscylacji mózgu za pomocą EEG ograniczało się albo do analizy spektrum w trwającej aktywności, albo do zmian w aktywności oscylacyjnej wywołanych przez nieokresowe zdarzenia sensoryczne. W ostatnich dziesięcioleciach wdrożono różne metodologie modulacji trwających oscylacji EEG i badania wpływu takich modulacji na procesy percepcyjne i poznawcze, w tym prezentacji rytmicznej stymulacji sensorycznej w celu wywołania porywania neuronów. Termin porywanie neuronów odnosi się do synchronizacji aktywności neuronalnej z okresowymi właściwościami bodźców sensorycznych. Proces ten prowadzi do generowania potencjałów wywołanych w stanie ustalonym (tj. oscylacji EEG związanych z okresowymi właściwościami bodźców sterujących). Potencjały wywołane w stanie ustalonym są najczęściej wywoływane przez stymulację wzrokową, słuchową i wibrodotykową, przy użyciu bodźców przejściowych prezentowanych ze stałą szybkością lub ciągłej stymulacji modulowanej amplitudą przy interesującej częstotliwości. Podczas gdy somatosensoryczne potencjały wywołane w stanie ustalonym (SSSEP) są rejestrowane w odpowiedzi na powtarzającą się stymulację dotykową5,6, wizualne potencjały wywołane w stanie ustalonym (SSVEPs) są zazwyczaj wywoływane przez okresową prezentację migotania luminancji, obrazów i twarzy7,8. Słuchowe reakcje w stanie ustalonym (ASSR) są zwykle generowane przez ciągi przejściowych bodźców akustycznych lub przez ciągłą prezentację tonów modulowanych amplitudą9,10.

Ekstrakcja potencjałów wywołanych w stanie ustalonym z mierzonego EEG zasadniczo polega na uśrednianiu następnie nabytych epok EEG związanych z bodźcem11. Ze względu na okresowość odpowiedzi można je analizować zarówno w dziedzinie czasu, jak i częstotliwości. Po transformacji w dziedzinie częstotliwości, odpowiedź sensoryczna jest obserwowana jako piki amplitudy przy szybkości prezentacji lub częstotliwości modulacji bodźców zewnętrznych i odpowiadających im harmonicznych. Procedury te (uśrednianie w dziedzinie czasu i późniejsza transformacja w dziedzinie częstotliwości) były niezbędne do opracowania testu słuchu opartego na wykrywaniu metod ASSR w celach klinicznych12,13,14,15,16.

Ponadto, klasyczne uśrednianie epok EEG w dziedzinie czasu było niezwykle przydatne do analizy procesów fizjologicznych, takich jak powstawanie i wymieranie SSVEP17,18. Prezentując kolejne ciągi migotania świateł i uśredniając kolejne epoki w obrębie nagrania, Wacker i in.19 zaobserwowali, że wskaźnik blokowania fazy SSVEP gwałtownie wzrósł podczas pierwszych 400 ms stymulacji i utrzymywał się później na wysokim poziomie. Poinformowali również, że silne porywanie wzrokowe zostało ustalone między 700-1 100 ms po nadejściu bodźca. Pewien stopień porywania pozostał skuteczny po przesunięciu ciągu stymulacji, co trwało około trzech okresów odpowiedzi oscylacyjnej17,19. Zachowania te zostały zinterpretowane jako efekt włączania/wyłączania obserwowanych oscylacji, który jest konsekwencją nieliniowego przetwarzania informacji w ludzkim systemie wzrokowym17. Alternatywnie, wiadomo, że w pewnych warunkach eksperymentalnych stymulacja migotania może wywoływać reakcje włączania na początku i reakcje wyłączenia na końcu pociągów stymulacji zamiast porywania neuronów18.

Głównym założeniem do uśredniania kolejno nabytych epok EEG jest to, że sygnał EEG stanowi liniową kombinację odpowiedzi sensorycznej i szumu tła20. Ponadto zakłada się, że amplituda, częstotliwość i faza odpowiedzi oscylacyjnej są stacjonarne, podczas gdy szum tła jest uważany za aktywność losową. Jednak w przypadkach, w których założenie to nie jest spełnione, amplituda odpowiedzi obliczona po kilku epokach niekoniecznie odpowiada chwilowej amplitudzie potencjału wywołanego.

Ostatnio doniesiono, że ASSR generowany w pniu mózgu szczurów dostosowuje się do ciągłej prezentacji tonów modulowanych amplitudą (tj. amplituda odpowiedzi maleje wykładniczo w czasie)21,22. Adaptacja została zinterpretowana jako mechanizm neuronalny, który odzwierciedla utratę nowości monotonnie powtarzającego się bodźca sensorycznego, zwiększając wrażliwość na odpowiednie fluktuacje w środowisku akustycznym23,24. W ścieżce słuchowej adaptacja może poprawić rozumienie mowy w hałaśliwym otoczeniu. Co więcej, proces ten może być częścią istniejących mechanizmów monitorowania słuchowego sprzężenia zwrotnego własnego głosu w celu kontrolowania produkcji mowy.

Analizując ewolucję czasową ASSR 40 Hz u ludzi, Van Eeckhoutte et al.25 zaobserwowali znaczący, ale niewielki spadek amplitudy odpowiedzi w czasie (około -0,0002 μV/s na podstawie analizy grupowej, zakładając liniowy spadek w czasie). W związku z tym autorzy ci doszli do wniosku, że ASSR 40 Hz u ludzi nie dostosowuje się do stymulacji. U ludzi zaobserwowano zachowania niestacjonarne podczas analizy stabilności SSVEP26. Autorzy ci zaobserwowali, że amplituda częstotliwości podstawowej i druga harmoniczna SSVEP były stacjonarne odpowiednio tylko u 30% i 66,7% badanych. Fazy obu składowych częstotliwości SSVEP, choć względnie stabilne w czasie, wykazywały niewielkie dryfty26.

Dlatego, mimo że klasyczne uśrednianie w dziedzinie czasu kolejnych nabytych epok pozwala na badanie stacjonarnych właściwości porywania neuronów, ta metodologia musi zostać zrewidowana, gdy długoterminowa dynamika porywania jest przedmiotem badań, lub gdy uśrednianie krótkoterminowej dynamiki jest zniekształcone przez występowanie długoterminowej dynamiki. Aby scharakteryzować niestacjonarne zachowania reakcji w stanie ustalonym, odpowiedź wywołana obliczona w danym oknie czasowym nie powinna być zagrożona przez odpowiedzi obliczone w poprzednich segmentach EEG. Innymi słowy, potencjał wywołany powinien być wydobyty z szumu tła bez uśredniania epok w dziedzinie czasu z poprzedzającymi je segmentami EEG.

W tym badaniu przedstawiono metodę oceny dynamiki porywania neuronów. Reakcje w stanie ustalonym są powtarzalnie rejestrowane w odpowiedzi na tę samą stymulację, gdzie kolejne nagrania są przeplatane interwałem spoczynkowym trzykrotnie dłuższym niż długość przebiegu eksperymentalnego. Biorąc pod uwagę, że jeśli ewolucja w czasie reakcji fizjologicznej jest taka sama w różnych niezależnych seriach eksperymentalnych (niezależnych nagraniach), nagrania są uśredniane kolumnowo. Innymi słowy, epoki odpowiadające tej samej lokalizacji w różnych nagraniach są uśredniane, bez uśredniania epok w obrębie nagrania. W związku z tym amplituda odpowiedzi obliczona w dowolnym interwale stymulacji będzie odpowiadać chwilowej amplitudzie wywołanego potencjału. Reakcje sensoryczne mogą być analizowane w dziedzinie czasu lub przekształcane w dziedzinę częstotliwości, w zależności od celu eksperymentu. W każdym razie amplitudy można wykreślić jako funkcję czasu, aby przeanalizować ewolucję w czasie odpowiedzi w stanie ustalonym. Generowanie i ekstynkcja potencjałów wywołanych w stanie ustalonym może być oceniona poprzez ograniczenie analizy do pierwszej i ostatniej epoki nagrań.

Dynamika porywania neuronów może być analizowana za pomocą innych podejść, takich jak wąskopasmowe filtrowanie pojedynczych prób pomiarów wokół interesującej nas częstotliwości i obliczanie obwiedni sygnału mocy za pomocą filtrowania dolnoprzepustowego25 i transformacja Hilberta27. W porównaniu z tymi metodologiami, kolumnowe uśrednianie epok umożliwia obliczanie parametrów stanu ustalonego na podstawie sygnałów o wyższym stosunku sygnału do szumu (SNR). Ostatnio filtrowanie Kalmana okazało się obiecującą techniką szacowania amplitud ASSR 40 Hz28,29,30. Implementacja filtrowania Kalmana może poprawić wykrywanie reakcji w stanie ustalonym bliżej progu elektrofizjologicznego i skrócić czas testu słuchu29. Co więcej, nie trzeba zakładać odpowiedzi stacjonarnych, gdy do oszacowania amplitudy ASSR stosuje się podejście filtrujące Kalmana30. Niemniej jednak tylko w jednym badaniu przeanalizowano ewolucję ASSR w czasie przy użyciu Kalman filtering25. Wniosek z badania jest taki, że amplituda ASSR 40 Hz jest stabilna w okresie stymulacji. Dlatego filtrowanie Kalmana musi być testowane w warunkach, w których ASRR nie jest nieruchomy.

Chociaż czasochłonna, metoda uśredniania kolumn nie wymaga modelu i nie wymaga wartości inicjalizacji i/lub apriorycznych definicji zachowania szumu. Ponadto, ponieważ nie obejmuje czasów zbieżności, uśrednianie kolumnowe może zapewnić bardziej wiarygodną reprezentację początku porywania neuronów. W związku z tym wyniki uzyskane metodą uśredniania kolumnowego można uznać za podstawową prawdę do analizy dynamiki porywania neuronów za pomocą filtrowania Kalmana.

Ten opis protokołu jest oparty na przykładzie SSVEP. Należy jednak zauważyć, że przedstawiona tutaj metoda jest niezależna od modalności, dzięki czemu może być również wykorzystana do analizy ewolucji w czasie SSSEP i ASSR.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Niniejsze badanie zostało przeprowadzone za zgodą Komitetu ds. Badań i Etyki Universidad de Valparaíso, Chile (kod oceny CEC170-18), potwierdzone krajowymi wytycznymi dla badań z udziałem ludzi.

1. Przygotowanie

  1. Witam w temacie.
  2. Proszę wyjaśnić cele i znaczenie badania. Należy podać opis odpowiednich szczegółów technicznych. Dokładnie odpowiedz na wszystkie pytania.
  3. Wyraźnie wspomnij, że może przerwać sesję eksperymentalną w dowolnym momencie, jeśli jest to pożądane.
  4. Poproś ochotnika o przeczytanie Świadomej Zgody Uczestnika i podpisanie odpowiedniego formularza. Przerwij sesję eksperymentalną, jeśli nie uzyskano świadomej zgody.

2. Przygotowanie przedmiotu

  1. Poproś osobę, aby usiadła na krześle laboratoryjnym w wygodnej pozycji.
    1. Oczyść skórę głowy etanolem (roztwór o stężeniu 95%), aby usunąć warstwę martwych komórek naskórka i sebum, które ją pokrywają. Ten krok jest ważny, aby zmniejszyć impedancję między elektrodami a skórą głowy.
  2. Zmierz obwód głowy za pomocą taśmy mierniczej, aby określić rozmiar nasadki elektrody, która ma być użyta.
    1. Poproś osobę badaną o założenie nasadki elektrody. Podaj instrukcje dotyczące wygodnego, ale prawidłowego ułożenia nasadki.
    2. Zmierz odległość między nasionem (Nz, środkowy punkt szwu nosowo-czołowego, który można zidentyfikować po zagłębieniu między oczami a czubkiem nosa) a wgłębieniem (Iz, wypukłość kości potylicznej) za pomocą taśmy mierniczej.
    3. Zmierz odległość między lewym i prawym punktem przedusznym (identyfikowanym jako wgłębienie tuż przed małżowiną uszną) za pomocą taśmy mierniczej.
    4. Popraw położenie nasadki elektrody tak, aby przecięcie między wyimaginowanymi liniami zdefiniowanymi w poprzednich krokach odpowiadało wierzchołkowi głowicy. Upewnij się, że obiekt jest wygodny po regulacjach.
  3. Umieść żel przewodzący w uchwytach elektrod, zgodnie z lokalizacjami branymi pod uwagę w eksperymencie.
    1. Użyj 64 lokalizacji skalpów zgodnie z systemem International 10-2031, aby użyć wyniku protokołu do przeprowadzenia analizy lokalizacji źródłowej. W razie potrzeby można użyć większej liczby miejsc elektrod (128) na skórze głowy.
    2. Zastosuj warunki kliniczne lub ambulatoryjne (z tylko kilkoma elektrodami), jeśli analiza lokalizacji źródła nie jest planowana. Użyj lokalizacji potylicznych, aby zarejestrować SSVEP, lokalizacji czasowych, aby uzyskać ASSR, i lokalizacji ciemieniowych, aby zarejestrować SSSEP.
    3. Wciśnij elektrody w uchwyty elektrod. Upewnij się, że etykieta elektrody jest zgodna z etykietą lokalizacji w nasadce.
    4. Odprowadź ochotnika do pomieszczenia doświadczalnego (najlepiej ekranowanej komory wyciszającej). Poproś osobę, aby usiadła na krześle w pokoju, w wygodnej pozycji.
  4. Umieść elektrody zewnętrzne na nosie i płatkach uszu, jeśli do ponownego odniesienia do zapisu EEG będzie używane fizyczne odniesienie (inne niż elektrody skóry głowy) (w kroku 3.8.1).
  5. Umieść elektrody zewnętrzne w miejscach okołogałkowych.
    1. Umieść elektrody na policzku i przedniej części głowy, około 1 cm nad brwią, aby zarejestrować mruganie (w kroku 2.6.1).
    2. Umieścić elektrody na zewnętrznej kancie oczu, około 1 cm powyżej/poniżej linii środkowej, aby rejestrować ruchy gałek ocznych (w kroku 2.6.1).
      UWAGA: Elektrookulogram (EOG) zostanie użyty w kroku 3.8.5 do usuwania artefaktów EGG wywołanych mruganiem i ruchami gałek ocznych.
  6. Włącz system akwizycji EEG i sprawdź impedancję elektrody, jeśli do rejestracji EEG używany jest system o niskiej impedancji. W razie potrzeby skoryguj impedancję zgodnie ze wskazówkami producenta. Impedancja powinna być utrzymywana poniżej 10 kΩ32.
    1. Poproś osobę, aby mrugnęła i poruszała oczami w różnych kierunkach, aby upewnić się, że EOG jest prawidłowo rejestrowany.
  7. Aby przeanalizować dynamikę SSVEP, dostosuj położenie ekranu w kierunku pionowym, aby dopasować je do kąta widzenia obiektu. Przyciemnij światła w pomieszczeniu, aż do osiągnięcia komfortowego poziomu. Dostosuj poziom luminancji ekranu do górnej granicy poziomu komfortu uczestnika.
    1. Aby przeanalizować dynamikę ASSR, włóż słuchawki za pomocą odpowiednich wkładek piankowych, tak aby słuchawki pasowały do kanału słuchowego. Sprawdź, czy dźwięki są dostarczane z pożądaną intensywnością (np. poziom komfortu psychofizycznego33).

3. Akwizycja EEG i wstępne przetwarzanie

  1. Ustawić parametry bodźca zdefiniowane w projekcie eksperymentalnym. Szczegółowe informacje na temat oprogramowania można znaleźć w instrukcji obsługi dostarczonej przez producenta systemu stymulacji.
    UWAGA: Aby uzyskać wyczerpujące wyjaśnienia bodźca używanego do generowania SSVEP i ASSR, zobacz Norcia et al.8 i Rance34, odpowiednio.
  2. Poinstruuj badanego, aby zwracał uwagę na stymulację, w przypadku, gdy tematem eksperymentu jest porywanie wzrokowe.
    1. Przedstaw film z napisami z wyłączonym dźwiękiem, gdy tematem eksperymentu jest porywanie słuchowe.
      UWAGA: Prezentacja niemego filmu pozwala na odwrócenie uwagi od stymulacji akustycznej przy jednoczesnym zachowaniu poziomu pobudzenia25.
  3. Obecne bodźce dłuższe niż 90 s, tak jak to zostało zrobione w celu zbadania ewolucji czasowej SSVEP i ASSR zarówno u ludzi, jak i u modeli zwierzęcych21,22,25,26.
    UWAGA: Prezentuj bodźce o krótszym czasie trwania, jeśli przeprowadzono badanie pilotażowe.
  4. Przerwij stymulację na 2 minuty, jeśli testowany jest tylko jeden warunek eksperymentalny. Wejdź w interakcję z obiektem, aby sprawdzić świadomość.
    UWAGA: Czas trwania pauzy zależy od czasu trwania stymulacji. Przerwy 3 razy dłuższe niż interwały stymulacji zapewnią, że reakcja wywołana przez jeden bodziec nie zostanie zakłócona przez poprzednią stymulację. Dłuższe przerwy są dozwolone, jeśli podmiot o to poprosi.
    1. Wstrzymaj stymulację na co najmniej 10 sekund, gdy testowane są różne warunki eksperymentalne, ponieważ zaproponowano naprzemienną stymulację z przerwami trwającymi 10 sekund, aby zmniejszyć dodatkowe efekty adaptacyjne i skrócić czas trwania eksperymentu25.
  5. Powtórz kroki prezentacji (kroki 3.3-3.4) co najmniej 30 razy, aby zapewnić wysoki stosunek sygnału do szumu (SNR) pomiarów po uśrednieniu epok (krok 4.4).
  6. Zapisz EEG przy użyciu standardowych procedur35. Utwórz osobny plik EEG dla każdego przebiegu eksperymentalnego.
    UWAGA: Szczegółowe informacje na temat oprogramowania można znaleźć w instrukcji obsługi systemu akwizycji.
  7. Monitoruj zapis EEG, aby wykrywać okresy snu na podstawie poziomu aktywności alfa i częstotliwości, z jaką pojawiają się artefakty mrugania. Przerwij eksperyment, gdy wykryte zostaną zwiększone poziomy alfa, którym towarzyszy zmniejszona częstotliwość mrugania, co wskazuje na senność. Odrzuć przebieg eksperymentalny od dalszej analizy po wykryciu okresów snu.
    1. Obliczyć amplitudę odpowiedzi w stanie ustalonym na końcu każdego przebiegu doświadczalnego, postępując zgodnie z instrukcjami zawartymi w instrukcji obsługi oprogramowania do akwizycji użytego w eksperymencie.
    2. Monitoruj poziom uwagi badanego, porównując amplitudę odpowiedzi w stanie ustalonym uzyskanych na koniec każdego cyklu eksperymentalnego. Ustawić amplitudę w stanie ustalonym uzyskaną w pierwszych seriach doświadczalnych jako amplitudę odniesienia.
    3. Ustaw próg odrzucenia (spadek amplitudy odpowiedzi o 5% w stosunku do amplitudy odniesienia). Odrzuć przebiegi eksperymentalne, w których amplituda odpowiedzi w stanie ustalonym spełnia kryterium odrzucenia.
    4. Zakończ sesję eksperymentalną po uzyskaniu liczby przebiegów zdefiniowanej w projekcie eksperymentalnym.
  8. Wstępnie przetwórz dane EEG w trybie offline przy użyciu standardowych procedur EEG35 opisanych w kolejnych krokach zgodnie ze wskazówkami producenta.
    1. Ponownie należy odnieść się do zapisu, używając średniego odniesienia (średnia ze wszystkich elektrod rejestrujących) lub średniej z podzbioru elektrod. Alternatywnie należy użyć fizycznego odniesienia (np. elektrod zewnętrznych umieszczonych na nosie i płatkach uszu opisanych w kroku 2.4).
    2. Przekonwertuj współrzędne elektrody na międzynarodowy układ 10/20, jeśli radialny układ współrzędnych był używany podczas akwizycji EEG. Zapoznaj się z instrukcją producenta, aby uzyskać szczegółowe informacje na temat konwersji.
    3. Filtruj pasmowo-przepustowy sygnał EEG w zakresie 0,5-300 Hz. W razie potrzeby ustaw filtr wycinający (wyśrodkowany na 50 Hz lub 60 Hz).
    4. Próbkowanie sygnału EEG w dół w celu skrócenia czasu wykonania algorytmu wybranego do usuwania artefaktów ocznych (krok 3.8.5).
      UWAGA: Częstotliwość próbkowania 512 Hz jest wystarczająca do analizy oscylacji mózgu o częstotliwości poniżej 40 Hz35.
    5. Usuń artefakty oka.
      UWAGA: W tym celu można zastosować różne techniki (zobacz Urigüen i Garcia-Zapirain35, aby uzyskać obszerny przegląd algorytmów usuwania artefaktów). Wśród nich niezależna analiza składowych jest jedną z najbardziej rozbudowanych metodologii i jest implementowana zarówno w komercyjnych, jak i bezpłatnych programach analitycznych37,38,39.
    6. Segmentuj dane EEG w epokach ograniczonych czasowo do stymulacji. Wybierz długość epok zgodnie z celem eksperymentu.
      UWAGA: Epoki powinny być wystarczająco długie, aby umożliwić analizę odpowiedzi w stanie ustalonym w dziedzinie częstotliwości z odpowiednią rozdzielczością spektralną.
    7. Na tym etapie nie uruchamiaj algorytmów odrzucania artefaktów w celu wykrywania i usuwania epok zawierających artefakty.
      UWAGA: Usunięcie epoki na tym etapie spowoduje błędy, gdy zestaw danych jest zorganizowany w taki sposób, aby uruchamiał uśrednianie epok według kolumn (kroki 4.2 i 4.4). Algorytmy odrzucania są implementowane na późniejszym etapie przetwarzania (krok 4.1.4).
    8. Uruchom funkcję detrendu DC, aby obliczyć trendy DC w poszczególnych epokach EEG i je skorygować.
    9. Uruchom funkcję korekcji linii bazowej, aby skorygować linię bazową nagrania. Wybierz przedziały czasowe przed bodźcem dłuższe niż 200 ms.
      UWAGA: Korekta linii bazowej polega na uśrednieniu danych w wybranym przedziale czasu. Średnia jest obliczana dla każdego kanału i odejmowana od każdego punktu danych w każdej epoce.

4. Obliczanie amplitud odpowiedzi

  1. Wprowadź parametry potrzebne do obliczenia odpowiedzi w stanie ustalonym (Rysunek 1A).
    UWAGA: Wewnętrzny kod używany do przetwarzania danych jest swobodnie dostępny pod adresem . Zapoznaj się z tekstem pomocy w kodzie, aby uzyskać dalsze instrukcje. Podobnie dostępny jest podzbiór danych wykorzystanych w tym badaniu.
    1. Wprowadź liczbę nagrań (przebiegów eksperymentalnych) eksperymentu.
    2. Wprowadź długość epok, aby podzielić poszczególne nagrania na segmenty.
    3. Wprowadź częstotliwość próbkowania eksperymentu.
    4. Wybierz algorytmy odrzucania artefaktów, aby wykrywać i usuwać epoki zawierające artefakty. Dostępne kryteria wyboru to: 1) gradient (bezwzględna różnica między dwiema kolejnymi próbkami), 2) max-min (różnica między maksymalną i minimalną amplitudą w epoce) oraz 3) amplituda (bezwzględne maksymalne i minimalne amplitudy).
    5. Uruchom kod przetwarzania.
      UWAGA: Kroki 4.2-4.7 są wykonywane automatycznie po wybraniu tej opcji. W razie potrzeby uruchom kroki ręcznie.
  2. Ułóż epoki w macierz danych składającą się z n wierszy i m kolumn, w której n oznacza liczbę nagrań (przebiegów eksperymentalnych), a m liczbę epok (Rysunek 1B).
  3. Zważ epokę, aby złagodzić efekt ruchu i artefaktów mięśniowych.
    UWAGA: Ważone epoki EEG uzyskuje się przez podzielenie każdej próbki napięcia przez wariancję amplitudy epoki, do której należą, tak aby wariancja była używana jako miara zmienności amplitudy i współczynnika wagowego40.
  4. Uśrednianie zestawu danych według kolumn. W tym celu w dziedzinie czasu należy uśrednić epoki odpowiadające temu samemu oknu czasowemu w różnych nagraniach.
    UWAGA: Ten krok umożliwia obliczenie amplitudy w stanie ustalonym w nagraniach o wyjątkowo wysokim stosunku sygnału do szumu (SNR).
  5. Eksport szeregów czasowych wynikających z uśredniania w celu dalszej analizy ewolucji czasu porywania w oprogramowaniu zewnętrznym.
    1. Oblicz amplitudę odpowiedzi w stanie ustalonym w każdej epoce wynikającą z uśredniania kolumnowego, używając szybkiej transformaty Fouriera (FFT).
      UWAGA: Długość FFT powinna odpowiadać długości jednej epoki. Wdrożenie techniki okienkowania nie jest obowiązkowe. Amplitudę odpowiedzi w stanie ustalonym definiuje się jako amplitudę widmową uzyskaną przy częstotliwości modulacji amplitudy bodźców czuciowych.
  6. Wektor uśrednia amplitudę doraźnej liczby przedziałów FFT po każdej stronie częstotliwości odpowiedzi w celu obliczenia poziomu szumu resztkowego (RNL). Liczba odbiorników FFT powinna odpowiadać paśmie częstotliwości około 3 Hz, po każdej stronie częstotliwości odpowiedzi.
    UWAGA: Wysoka specyficzność częstotliwościowa odpowiedzi w stanie ustalonym sprawia, że amplituda odpowiedzi jest niezależna od oscylacji tła o podobnych częstotliwościach, które z kolei rozkładają się równomiernie w stosunkowo wąskim paśmie częstotliwości41,42,43.
  7. Wykreśl amplitudę odpowiedzi w stanie ustalonym i RNL w funkcji indeksu kolumnowego (tj. liczby nabytej epoki), aby zbadać ewolucję odpowiedzi w stanie ustalonym w okresie stymulacji.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

SSVEP był wywoływany przez ciągłe bodźce wizualne o długości 40 s, gdzie natężenie światła było modulowane przez falę sinusoidalną 10 Hz (głębokość modulacji 90%). Bodźce były dostarczane przez cztery diody elektroluminescencyjne (LED) umieszczone w środku czarnego ekranu o wymiarach 50 cm x 50 cm, jako wierzchołki kwadratu o wymiarach 5 cm x 5 cm. Gdy uczestnik znajduje się w odległości 70 cm od ekranu, obszar kwadratu diod LED zmienia kąt widzenia około 4°. Ekran LED został zaprojektowany przy użyciu systemu rozwoju mikrokontrolera opartego na USB i czterech super jasnych białych diod LED o średnicy 10 mm. Technika modulacji szerokości impulsu (PWM) została wykorzystana do sterowania mocą dostarczaną do diod LED. Technika ta kontrolowała natężenie diod LED przy danej częstotliwości i generowała końcową obwiednię sinusoidalną. Zastosowano częstotliwość PWM 40 kHz, aby uniknąć zauważalnego efektu migotania.

Uzyskano trzydzieści nagrań, które zostały podzielone na epoki trwające 4 sekundy. W związku z tym uzyskano zbiór danych składający się z 10 kolumn (liczba epok EEG w nagraniach) i 30 wierszy (liczba zapisów, liczba przebiegów eksperymentalnych).

Oscylacja neuronalna zablokowana w czasie stymulacji stała się oczywista, gdy przeprowadzono uśrednianie kolumnowe (Rysunek 2). Co istotne, interwał, w którym generowany jest SSVEP, można zaobserwować w śladach odpowiadających kolumnie 1. W tej kolumnie wykreśla się 0,2 s linii bazowej przed bodźcem oprócz pierwszych 0,8 s porywania neuronalnego. W związku z tym opisana tutaj procedura pozwala scharakteryzować 1) dynamikę odpowiedzi oscylacyjnej, gdy porywanie neuronalne jest już ustalone, oraz 2) zaangażowanie oscylacji neuronalnych. Jedna lub więcej epok zarejestrowanych po zakończeniu stymulacji może być również uwzględniona w macierzy danych w celu zbadania wygaszania reakcji w stanie ustalonym po przesunięciu bodźca.

Podczas kolumnowego uśredniania epok, średnia amplituda SSVEP (amplituda widmowa przy 10 Hz, obliczona przez zastosowanie FFT) zmniejszyła się podczas uśredniania pierwszych epok kolumn i miała tendencję do ustabilizowania się później (Rysunek 3A). Wynik ten zgadza się z wcześniejszymi badaniami analizującymi ewolucję ASSR podczas uśredniania kolejno nabytych epok21,22,40,43,44. Zachowanie amplitudy odpowiedzi podczas uśredniania jest zwykle tłumaczone stosunkowo dużym udziałem nieuśrednionego szumu w amplitudzie odpowiedzi obliczonej w pierwszych epokach, który jest tłumiony w miarę uśredniania13,44,45,46,47. Warto zauważyć, że zmienność amplitudy SSVEP znacznie zmniejszyła się wraz z postępem uśredniania.

Przeanalizowaliśmy również RNL pomiarów podczas kolumnowego uśredniania epok (Rysunek 3B). RNL obliczono w wąskim paśmie częstotliwości (3 Hz) po obu stronach częstotliwości SSVEP. Chociaż ta procedura nie jest powszechna, gdy analizowane są SSVEP, uśrednianie wektorów danej liczby przedziałów częstotliwości wokół porywania neuronów jest standardem szacowania RNL w pomiarach ASSR41,42,43. Zgodnie z oczekiwaniami, RNL stopniowo zmniejszał się wraz ze wzrostem liczby uśrednionych epok i osiągnął poziom asymptotyczny po przetworzeniu około 20 epok. W przeciwieństwie do tego, co obserwowano, gdy analizowano amplitudę SSVEP, odchylenie standardowe RNL pozostawało względnie stałe wraz ze wzrostem liczby uśrednionych epok, co sugeruje, że warunki zapisu były stabilne podczas sesji eksperymentalnej.

Wyniki przedstawione powyżej określiły zmiany w szczytowym stosunku sygnału do szumu (pSNR) pomiarów podczas kolumnowego uśredniania epoki (Rysunek 3C). Termin ten jest tutaj zdefiniowany jako stosunek (w dB) między amplitudą kwadratową odpowiedzi (SSVEP) a amplitudą kwadratową RNL. Wraz z postępem uśredniania pSNR wzrastał, ponieważ liczba uśrednionych epok rosła do około 18. Dalsze przyrosty liczby uśrednionych epok nie wpłynęły istotnie na jakość sygnału. Zmienność pSNR zmniejszała się wraz z uśrednianiem kolejnych epok.

Na koniec, dynamika amplitudy SSVEP i RNL jest reprezentowana w Rysunek 4. Te ewolucje w czasie uzyskano przez wykreślenie parametrów odpowiedzi obliczonych na końcu kolumnowego uśredniania epok w funkcji liczby kolumn (w funkcji czasu). Jak wykazali Labecki i wsp.26, dynamika SSVEP może się znacznie różnić w zależności od badanego. Ponieważ wyniki przedstawione w Rysunek 4 odpowiadają pojedynczej osobie, nie można dokonywać uogólnień. W tym temacie amplituda SSVEP wykazywała stosunkowo złożone zachowanie (Rysunek 4A). Amplituda odpowiedzi stopniowo wzrastała w ciągu pierwszych 12 sekund po wystąpieniu bodźca (czas odpowiadający długości 3 epok). W miarę utrzymywania się bodźca, SSVEP konsekwentnie zmniejszał się w ciągu następnych 12 sekund, a następnie utrzymywał się na względnie stałym poziomie. Wyniki te nie mogą być wyjaśnione przez zachowanie RNL, ponieważ parametr ten był względnie stały podczas interwału stymulacji (Rysunek 4B). Wzrost amplitudy SSVEP po nadejściu bodźca jest widoczny w śladach przedstawionych na Rysunek 2 i można go wytłumaczyć procesami integracji, które skutkują stabilizacją porywania neuronów. Późniejszy spadek amplitudy sugeruje adaptację SSVEP do długotrwałej stymulacji. Niemniej jednak hipotezy te muszą zostać przetestowane w kontrolowanych eksperymentach z odpowiednimi wielkościami prób

.

figure-results-1
Rysunek 1: Kluczowe kroki do wyodrębnienia ewolucji w czasie amplitudy odpowiedzi w stanie ustalonym. (A) Zrzut ekranu kodu przetwarzania, na którym zdefiniowano parametry analizy. (B) Reprezentatywny diagram ilustrujący organizację zbioru danych. Reprezentowana jest macierz danych składająca się z 30 nagrań z 10 epok. Uśrednianie epok według kolumn jest wyróżnione w pierwszej kolumnie. Linia pionowa reprezentuje kierunek uśredniania. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: Zmiany w przebiegu wizualnie wywołanych potencjałów w stanie ustalonym (SSVEP) podczas kolumnowego uśredniania epok. Odpowiedzi zostały wywołane przez ciągłą prezentację światła o modulowanej amplitudzie przy 10 Hz. Wiersze pokazują przebiegi uzyskane po uśrednieniu wszystkich poprzednich nagrań (tj. wiersz 1 to pierwsze nagranie, wiersz 5 to przebieg uzyskany po uśrednieniu pierwszych pięciu nagrań, a ostatni wiersz to średnia ze wszystkich nagrań). Bardziej wiarygodne przebiegi SSVEP zaobserwowano w każdej kolumnie wraz ze wzrostem liczby przebiegów uśredniania. Aby zapewnić przejrzystość (aby oscylacje SSVEP były widoczne), reprezentowana jest tylko pierwsza sekunda epok. Wyjątkami są ślady w pierwszej kolumnie zestawu danych, dla których wyświetlane jest 0,2 sekundy punktu odniesienia sprzed bodźca. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3: Zmiany w parametrach odpowiedzi i zapisu podczas kolumnowego uśredniania epok. (A) Ewolucja amplitudy SSVEP. (b) Zachowanie RNL. (C) Zmiany w pSNR. Czarne linie reprezentują średnie wartości uzyskane dla każdej kolumny (n = 10), a szary cień reprezentuje obszar objęty ± jednym odchyleniem standardowym. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Ewolucja czasowa SSVEP wywołana prezentacją ciągłej stymulacji wizualnej, modulowanej amplitudą przy 10 Hz. (A) Przebieg czasowy amplitudy SSVEP. (B) Przebieg czasowy RNL. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W niniejszej pracy opisano eksperymentalną procedurę analizy dynamiki oscylacyjnych reakcji mózgu. Taka metodologia polega na uzyskaniu wystarczającej liczby niezależnych serii doświadczalnych w tych samych warunkach eksperymentalnych oraz na uśrednieniu epok w dziedzinie czasu odpowiadających temu samemu oknu czasowemu w różnych nagraniach (uśrednianie kolumnowe na rysunku 1B). Amplituda obliczona na uśrednionych danych reprezentuje chwilową amplitudę odpowiedzi oscylacyjnej. Wykreślenie tych amplitud w funkcji czasu (lub liczby kolumn w zbiorze danych) pozwala na analizę ewolucji w czasie odpowiedzi oscylacyjnej zablokowanej w czasie na stymulację. Metodologia ta jest modyfikacją tej zaproponowanej przez Rittera i wsp.23 do analizy adaptacji przejściowych korowych potencjałów wywołanych. Metoda ta została wykorzystana do analizy dynamiki słuchowych potencjałów wywołanych zarówno u ludzi24, jak i na modelach zwierzęcych20,21.

Z metodologicznego punktu widzenia kombinacja parametrów użytych do wywołania reakcji w stanie ustalonym i tych zaimplementowanych w celu wyodrębnienia odpowiedzi neuronalnej z szumu tła ma kluczowe znaczenie dla analizy ewolucji w czasie potencjałów wywołanych w stanie ustalonym22. Długość bodźca zastosowana w prezentowanym eksperymencie (40 s) została dobrana na podstawie wyników uzyskanych w badaniu pilotażowym. Ta długość bodźca była wystarczająca do analizy adaptacji ASSR generowanego w pniu mózgu szczura21,22. Ponadto długość bodźca powinna przekraczać czas, w którym osiągana jest asymptotyczna chwilowa moc pasma SSVEP (ryc. 1 w Labecki i wsp.26). Niemniej jednak, asymptotyczne chwilowe pasmo mocy SSVEP mogą być w niektórych przypadkach osiągnięte powyżej 60 s (Rysunek 2 w Labecki i wsp.26). Dlatego zaleca się przeprowadzenie badania pilotażowego na małej próbie w celu określenia długości bodźca stymulacji. W przeciwnym razie zaleca się długość bodźca dłuższą niż 90 s, aby uzyskać pełną reprezentację ewolucji reakcji w czasie. Stosowanie odpowiednio długich przerw między kolejnymi nagraniami implikuje traktowanie kolejnych przebiegów eksperymentalnych jako statystycznie niezależnych (tj. różnych, niezależnych miar tej samej zmiennej). Zgodnie z naszą najlepszą wiedzą, nie przeprowadzono żadnych eksperymentów w celu przeanalizowania optymalnej przerwy między biegami (minimalna przerwa wymagana do uniezależnienia się od siebie). Kryterium stosowania pauz co najmniej 3 razy dłuższych niż długość bodźca jest wystarczająco konserwatywne, aby zapewnić, że poprzednia stymulacja nie ma wpływu na reakcję w stanie ustalonym zarejestrowaną w dowolnym przebiegu.

Ostatnio zaproponowano naprzemienne bodźce (warunki eksperymentalne) jako wybór w celu skrócenia przerwy między seriami eksperymentalnymi, unikając dodatkowego efektu adaptacji25. Podobnie, liczba przebiegów eksperymentalnych (30) zaimplementowanych w tym protokole eksperymentalnym jest konserwatywna, ponieważ asymptotyczne RNL i pSNR są zwykle osiągane po uśrednieniu około 20 przebiegów eksperymentalnych. Gdy bodźce mieszczą się w środkowym i górnym obszarze zakresu dynamicznego odpowiedzi (wysokie poziomy odczuć), prawdopodobnie potrzebna jest mniejsza liczba przebiegów do analizy dynamiki wywołanej reakcji. Niemniej jednak, w przypadkach, w których testowane są różne warunki eksperymentalne, posiadanie tej samej liczby serii eksperymentalnych ma kluczowe znaczenie dla dokonywania porównań między warunkami (tj. różnymi poziomami wrażeń).

Oprócz kolumnowego uśredniania epok, dynamika oscylacyjnych potencjałów wywołanych została przeanalizowana poprzez filtrowanie pomiarów pojedynczej próby w wąskim paśmie częstotliwości wokół interesującej nas częstotliwości i obliczenie obwiedni sygnału mocy za pomocą filtrowania dolnoprzepustowego26. Podobnie, analiza pojedynczego badania została wdrożona w celu scharakteryzowania okresu przejściowego, który poprzedza stabilny region SSVEP48, oraz zmian amplitudy i fazy SSVEP w stabilnym regionie odpowiedzi49. Podczas gdy analizy pojedynczej próby pozwalają na rozróżnienie stosunkowo szybkich wahań amplitudy odpowiedzi, projekty eksperymentalne do analizy średniej odpowiedzi w blokach oddzielonych danym interwałem międzyblokowym uwzględniają tylko długoterminowe zmiany amplitudy potencjału wywołanego50,51. Kolumnowe uśrednianie epok plasuje się pomiędzy tymi dwiema opcjami. Konwersja uśrednionego sygnału na dziedzinę częstotliwości za pomocą FFT implikuje analizę dynamiki odpowiedzi z rozdzielczością równą długości epoki. W przedstawionym przykładzie SSVEP był raportowany co 4 s. O ile rozdzielczość 4 s jest wystarczająca do opisania dynamiki zachodzącej w odstępach czasu przekraczających kilkadziesiąt sekund, jak np. SSVEP26, o tyle częściowo nakładające się na siebie epoki w oryginalnych nagraniach pozwalają w bardziej wyrafinowany sposób opisać ewolucję w czasie reakcji w stanie ustalonym25.

Dynamika odpowiedzi w stanie ustalonym uzyskanych po kolumnowym uśrednieniu epok reprezentuje głównie ewolucję aktywności oscylacyjnej, która jest zsynchronizowana między uśrednionymi segmentami EEG (tymi, które przeżywają uśrednianie). W związku z tym głównym zagadnieniem dotyczącym wykonalności metodologii jest możliwe tłumienie amplitud odpowiedzi spowodowane zmianami w fazie oscylacji neuronalnych z jednego niezależnego przebiegu eksperymentalnego na drugi (tj. między nagraniami). Temat ten wymaga eksperymentalnego rozwiązania. Dowody wskazują jednak, że faza reakcji oscylacyjnych mózgu jest mniej zmienna niż oczekiwano. W rzeczywistości kilka badań wykazało regularność w oczekiwanej fazie ludzkiego ASSR 80 Hz 47,48,49. Gdy opóźnienia są szacowane na podstawie fazy aktywności oscylacyjnej, zaobserwowano przewidywalny wpływ intensywności i częstotliwości nośnej bodźców akustycznych na opóźnienie odpowiedzi słuchowych (tj. opóźnienie zmniejsza się wraz ze wzrostem intensywności i częstotliwości nośnej)52,53,54. Co więcej, typowe dojrzewające zmiany amplitudy i asymetrii od lewej do prawej w poziomach słyszenia zaobserwowano również przy szacowaniu opóźnień od fazy ASSR 47,55,56,57,58. Opisując ewolucję SSVEP w czasie za pomocą analizy pojedynczej próby, Labecki i wsp.26 zaobserwowali, że chociaż międzyprocesowa zmienność amplitud odpowiedzi w obrębie tego samego podmiotu była znacznie wysoka, zmienność fazy była znacznie mniej wyraźna.

Opierając się na swoich obserwacjach, Labecki i wsp.26 zasugerowali, że należy uśrednić co najmniej 50 prób, aby uzyskać wiarygodne oszacowanie średniej obwiedni mocy odpowiedzi. Wyniki te wskazują, że nawet jeśli amplituda odpowiedzi jest obliczana w pojedynczych próbach, uśrednianie (w tym przypadku kopert) jest potrzebne, aby uzyskać wiarygodne wyniki. Co więcej, międzypróbna zmienność amplitudy SSVEP zgłoszona przez Labeckiego i wsp.26 sugeruje, że na obliczenie tego parametru w pojedynczych próbach może mieć duży wpływ szum tła. Biorąc pod uwagę ewolucję stosunku sygnału do szumu przedstawioną na rysunku 2, obliczenie odpowiedzi w uśrednionym sygnale zamiast w pojedynczych próbach znacznie zmniejsza liczbę odcinków EEG, które należy przetworzyć w celu uzyskania wiarygodnych pomiarów. Dodatkowo, niska zmienność fazy uzyskana przez Labeckiego i wsp.26 potwierdza ideę, że kolumnowe uśrednianie epok przedstawione tutaj jest poprawną procedurą obliczania dynamiki oscylacyjnych potencjałów wywołanych.

Uśrednianie danych na różnych poziomach prowadzi do różnej interpretacji wyników. Jeśli chodzi o oscylacyjne potencjały wywołane, obliczanie amplitudy odpowiedzi po uśrednieniu w dziedzinie czasu niezależnych przebiegów oznacza analizowanie tylko oscylacji zablokowanych w czasie (tj. tych, które przetrwały uśrednianie). Procedura ta może filtrować istotne informacje dotyczące dynamiki odpowiedzi w poszczególnych badaniach. Gwarantuje jednak odpowiednio wysoki stosunek sygnału do szumu pomiarów. Ten aspekt może mieć znaczenie, gdy odpowiedzi są bliskie progowi elektrofizjologicznemu, w którym to stanie wykrywanie porywania może być utrudnione ze względu na niski stosunek sygnału do szumu pomiaru.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy dziękują Lucíi Zepedzie, Grace A. Whitaker i Nicolasowi Nieto za ich wkład w produkcję wideo. Prace te były częściowo wspierane przez programy CONICYT BASAL FB0008, stypendium MEC 80170124 i doktoranckie 21171741, a także Narodowy Instytut Głuchoty i Innych Zaburzeń Komunikacyjnych Narodowych Instytutów Zdrowia w ramach nagrody numer P50DC015446. Wyłączną odpowiedzialność za treść ponoszą autorzy i nie muszą one reprezentować oficjalnych poglądów National Institutes of Health.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Elektrody aktywne BiosemiP32-1020-32ACMS (ABC)dla kanałów 1-32
Elektrody aktywne BiosemiP32-1020-32A (ABC)dla kanałów 33-64
Elektrody aktywne Elektrody zewnętrzneBiosemi8 x TP FLAT
System adquisition Active-Two System pozyskiwaniaBiosemiwersja 7.0System pozyskiwania EEG
alkoholSalcobrandKod:  3309011do czyszczenia skóry głowy
Nasadka elektrody 64 kanały BiosemiCAP MS xx yycap 
Nasadka elektrody 64 kanały BiosemiCAP ML xx yycap 
żelBiosemiSIGNA BOX12żel przewodzący
LaptopAsusCore i7 1TB DD + 128GB SSD 8GB RAM komputer do stymulacji
LaptopAsusCore i7 1TB DD + 128GB SSD 8GB RAM Komputer do nagrywania
Ekran LEDwłasnej produkcji-Ekran składa się z czterech diod elektroluminescencyjnych (LED) umieszczonych na środku czarnego ekranu o wymiarach 50x50 cm, jako wierzchołki kwadratu o wymiarach 5x5 cm
sterylnej gazyKod Salcobrand:   8730277do czyszczenia skóry głowy

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Berger, H. Über das elektrenkephalogramm des menschen. European Archives of Psychiatry and Clinical Neuroscience. 87 (1), 527-570 (1929).
  2. Berger, H. Electroencephalogram of humans. Journal fur Psychologie und Neurologie. 40, 160-179 (1930).
  3. Walter, W. G. The location of cerebral tumours by electro-encephalography. The Lancet. 228 (5893), 305-308 (1936).
  4. Jasper, H. H., Andrews, H. L. Electro-encephalography: III. Normal differentiation of occipital and precentral regions in man. Archives of Neurology & Psychiatry. 39 (1), 96-115 (1938).
  5. Snyder, A. Z. Steady-state vibration evoked potentials: descriptions of technique and characterization of responses. Electroencephalography and Clinical Neurophysiology. 84 (3), 257-268 (1992).
  6. Giabbiconi, C. M., Trujillo-Barreto, N. J., Gruber, T., Muller, M. M. Sustained spatial attention to vibration is mediated in primary somatosensory cortex. Neuroimage. 35, 255-262 (2007).
  7. Rossion, B., Boremanse, A. Robust sensitivity to facial identity in the right human occipito-temporal cortex as revealed by steady-state visual-evoked potentials. Journal of Vision. 11 (2), (2011).
  8. Norcia, A. M., Appelbaum, L. G., Ales, J. M., Cottereau, B. R., Rossion, B. The steady-state visual evoked potential in vision research: a review. Journal of Vision. 15 (6), 4(2015).
  9. Galambos, R., Makeig, S., Talmachoff, P. J. A 40-Hz auditory potential recorded from the human scalp. Proceedings of the National Academy of Sciences of the United States of America. 78 (4), 2643-2647 (1981).
  10. Picton, T. W., Skinner, C. R., Champagne, S. C., Kellett, A. J., Maiste, A. C. Potentials evoked by the sinusoidal modulation of the amplitude or frequency of a tone. The Journal of the Acoustical Society of America. 82 (1), 165-178 (1987).
  11. Dawson, G. D. A summation technique for the detection of small evoked potentials. Electroencephalography and Clinical Neurophysiology. 6 (1), 65-84 (1954).
  12. Savio, G., Cardenas, J., Abalo, M. P., Gonzalez, A., Valdes, J. The low and high frequency auditory steady state responses mature at different rates. Audiology and Neurotology. 6 (5), 279-287 (2001).
  13. Luts, H., Desloovere, C., Kumar, A., Vandermeersch, E., Wouters, J. Objective assessment of frequencyspecific hearing thresholds in babies. International Journal of Pediatric Otorhinolaryngology. 68, 915-926 (2004).
  14. Valdes, J. L., et al. Comparison of statistical indicators for the automatic detection of 80 Hz auditory steady state responses. Ear and Hearing. 18 (5), 420-429 (1997).
  15. Wilding, T., McKay, C., Baker, R., Kluk, K. Auditory steady state responses in normal-hearing and hearing-impaired adults: an analysis of between-session amplitude and latency repeatability, test time, and F ratio detection paradigms. Ear and Hearing. 33 (2), 267(2012).
  16. de Resende, L. M., et al. Auditory steady-state responses in school-aged children: a pilot study. Journal of NeuroEngineering and Rehabilitation. 12 (1), 13(2015).
  17. Halbleib, A., et al. Topographic analysis of engagement and disengagement of neural oscillators in photic driving: a combined electroencephalogram/magnetoencephalogram study. Journal of Clinical Neurophysiology. 29 (1), 33-41 (2012).
  18. Salchow, C., et al. Rod Driven Frequency Entrainment and Resonance Phenomena. Frontiers in Human Neuroscience. 10, 413(2016).
  19. Wacker, M., et al. A time-variant processing approach for the analysis of alpha and gamma MEG oscillations during flicker stimulus generated entrainment. IEEE Transactions on Biomedical Engineering. 58 (11), 3069-3077 (2011).
  20. Glaser, E. M., Ruchkin, D. S. Principles of Neurobiological Signal Analysis. Journal of Clinical Engineering. 2 (4), 382-383 (1977).
  21. Prado-Gutierrez, P., et al. Habituation of auditory steady state responses evoked by amplitude-modulated acoustic signals in rats. Audiology Research. 5 (1), (2015).
  22. Prado-Gutierrez, P., Martínez-Montes, E., Weinstein, A., Zañartu, M. Estimation of auditory steady-state responses based on the averaging of independent EEG epochs. PLoS ONE. 14 (1), (2019).
  23. Ritter, W., Vaughan, H. G. Jr, Costa, L. D. Orienting and habituation to auditory stimuli: a study of short terms changes in average evoked responses. Electroencephalography and Clinical Neurophysiology. 25 (6), 550-556 (1968).
  24. Malmierca, M. S., Cristaudo, S., Pérez-González, D., Covey, E. Stimulus-specific adaptation in the inferior colliculus of the anesthetized rat. Journal of Neuroscience. 29 (17), 5483-5493 (2009).
  25. Van Eeckhoutte, M., Luke, R., Wouters, J., Francart, T. Stability of auditory steady state responses over time. Ear and Hearing. 39 (2), 260-268 (2018).
  26. Labecki, M., Nowicka, M. M., Suffczynski, P. Temporal Modulation of Steady-State Visual Evoked Potentials. International Journal of Neural Systems. 29 (3), 1850050(2019).
  27. Zhang, S., et al. A study on dynamic model of steady-state visual evoked potentials. Journal of Neural Engineering. 15 (4), 046010(2018).
  28. Wilson, U. S., Kaf, W. A., Danesh, A. A., Lichtenhan, J. T. Assessment of low-frequency hearing with narrowband chirp evoked 40-Hz sinusoidal auditory steady state response. International Journal of Audiology. 55 (4), 239-247 (2016).
  29. Kaf, W. A., Mohamed, E. S., Elshafiey, H. 40-Hz Sinusoidal Auditory Steady-State Response and Tone Burst Auditory Brainstem Response Using a Kalman Filter to Determine Thresholds Pre- and Post-Myringotomy with Grommet Tube in Children With Mild, Low-Frequency Conductive Hearing Loss. American Journal of Audiology. 25 (1), 41-53 (2016).
  30. Luke, R., Wouters, J. Kalman filter based estimation of auditory steady state response parameters. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 25, 196-204 (2017).
  31. Homan, R. W. The 10-20 Electrode System and Cerebral Location. American Journal of EEG Technology. 28 (4), 269-279 (1988).
  32. Kappenman, E. S., Steven, J. L. The Effects of Electrode Impedance on Data Quality and Statistical Significance in ERP Recordings. Psychophysiology. 47 (5), 888-904 (2010).
  33. Moore, R., Gordon-Hickey, S., Jones, A. Most comfortable listening levels, background noise levels, and acceptable noise levels for children and adults with normal hearing. Journal of the American Academy of Audiology. 22 (5), 286-293 (2011).
  34. Rance, G. The Auditory Steady-state Response: Generation, Recording, and Clinical Application. Plural Publishing. 335, (2008).
  35. Luck, S. J. An introduction to the event-related potential technique. Second Edition. , MIT Press. 406(2014).
  36. Urigüen, J. A., Garcia-Zapirain, B. EEG artifact removal-state-of-the-art and guidelines. Journal of Neural Engineering. 12 (3), (2015).
  37. Jung, T. P., et al. Removing electroencephalographic artifacts by blind source separation. Psychophysiology. 37 (2), 163-178 (2000).
  38. Li, Y., Ma, Z., Lu, W., Li, Y. Automatic removal of the eye blink artifact from EEG using an ICA-based template matching approach. Physiological Measurement. 27 (4), 425(2006).
  39. Mannan, M. M. N., Jeong, M. Y., Kamran, M. A. Hybrid ICA-Regression: automatic identification and removal of ocular artifacts from electroencephalographic signals. Frontiers in Human Neuroscience. 10, 193(2016).
  40. John, M. S., Dimitrijevic, A., Picton, T. W. Weighted averaging of steady-state responses. Clinical Neurophysiology. 112 (3), 555-562 (2001).
  41. Zurek, P. M. Detectability of transient and sinusoidal otoacoustic emissions. Ear and Hearing. 13 (5), 307-310 (1992).
  42. Lins, O. G., Picton, P. E., Picton, T. W., Champagne, S. C., Durieux-Smith, A. Auditory steady-state responses to tones amplitude-modulated at 80-110 Hz. Journal of the Acoustical Society of America. 97 (5), 3051-3063 (1995).
  43. John, M. S., Picton, T. W. Human auditory steady-state responses to amplitude-modulated tones: phase and latency measurements. Hearing Research. 141 (1-2), 57-79 (2000).
  44. Fortuny, A. T., et al. Criterio de parada de la promediación de la respuesta auditiva de estado estable. Acta Otorrinolaringológica Española. 62 (3), 173-254 (2011).
  45. John, M. S., Purcell, D. W., Dimitrijevic, A., Picton, T. W. Advantages and caveats when recording steady-state responses to multiple simultaneous stimuli. Journal of the American Academy of Audiology. 13 (5), 246-259 (2002).
  46. Luts, H., Van Dun, B., Alaerts, J., Wouters, J. The influence of the detection paradigm in recording auditory steady-state responses. Ear and Hearing. 29 (4), 638-650 (2008).
  47. Choi, J. M., Purcell, D. W., John, M. S. Phase stability of auditory steady state responses in newborn infants. Ear and Hearing. 32 (5), 593-604 (2011).
  48. Xu, M., et al. Use of a steady-state baseline to address evoked vs. oscillation models of visual evoked potential origin. Neuroimage. 134, 204-212 (2016).
  49. Peachey, N. S., Demarco, P. J. Jr, Ubilluz, R., Yee, W. Short-term changes in the response characteristics of the human visual evoked potential. Vision Research. 34 (21), 2823-2831 (1994).
  50. Woods, D. L., Elmasian, R. The habituation of event-related potentials to speech soundsand tones. Electroencephalography and Clinical Neurophysiology. 65, 447-459 (1986).
  51. Ravden, D., Polich, J. Habituation of P300 from visual stimuli. International Journal of Psychophysiology. 30 (3), 359-365 (1998).
  52. Picton, T. W., Dimitrijevic, A., John, M. S., Van Roon, P. The use of phase in the detection of auditory steady-state responses. Clinical Neurophysiology. 112 (9), 1698-1711 (2001).
  53. Alaerts, J., Luts, H., Van Dun, B., Desloovere, C., Wouters, J. Latencies of auditory steady-state responses recorded in early infancy. Audiology and Neurotology. 15 (2), 116-127 (2010).
  54. John, M. S., Brown, D. K., Muir, P. J., Picton, T. W. Recording auditory steady-state responses in young infants. Ear and Hearing. 25 (6), 539-553 (2004).
  55. Purcell, D. W., John, S. M., Schneider, B. A., Picton, T. W. Human temporal auditory acuity as assessed by envelope following responses. Journal of the Acoustical Society of America. 116 (6), 3581-3593 (2004).
  56. Kuwada, S., et al. Sources of the scalp-recorded amplitude-modulation following response. Journal of the American Academy of Audiology. 13 (4), 188-204 (2002).
  57. Pauli-Magnus, D., et al. Detection and differentiation of sensorineural hearing loss in mice using auditory steady-state responses and transient auditory brainstem responses. Neuroscience. 149 (3), 673-684 (2007).
  58. Prado-Gutierrez, P., et al. Maturational time course of the Envelope Following Response to amplitude-modulated acoustic signals in rats. International Journal of Audiology. 51 (4), 309-316 (2012).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Steady State Evoked PotentialsNeural EntrainmentColumn Wise AveragingEEG Signal ProcessingFast Fourier TransformVisual StimulationSignal to Noise RatioTime Evolution AnalysisElectrophysiological ThresholdOcular Artifact Removal

Related Articles