Artykuł metodologiczny

Komputerowy program do spektrogramu wielostożkowego do danych elektroencefalograficznych

14K wyświetleń

⸱

DOI:

10.3791/60333

⸱

13 listopada 2019

 ,  , 
1Department of Psychology, University of Tennessee, 2Department of Anesthesiology, University of Tennessee, 3Oak Ridge National Laboratory

W tym artykule

Podsumowanie

Ten protokół dostarcza otwarty program MATLAB, który generuje spektrogramy wielostożkowe dla danych elektroencefalograficznych.

Streszczenie

Obecne zasoby internetowe dostarczają ograniczonych, przyjaznych dla użytkownika narzędzi do obliczania spektrogramów do wizualizacji i kwantyfikacji danych elektroencefalograficznych (EEG). W tym artykule opisano oparty na systemie Windows, otwarty kod źródłowy do tworzenia spektrogramów wielostożkowych EEG. Skompilowany program jest dostępny dla użytkowników systemu Windows bez licencji na oprogramowanie. W przypadku użytkowników komputerów Macintosh program jest ograniczony do osób z licencją na oprogramowanie MATLAB. Program jest zilustrowany za pomocą spektrogramów EEG, które różnią się w zależności od stanów snu i czuwania oraz zmian wywołanych przez opiaty w tych stanach. EEG myszy C57BL / 6J rejestrowano bezprzewodowo przez 4 godziny po dootrzewnowym wstrzyknięciu soli fizjologicznej (kontrola nośnika) i antynocyceptywne dawki morfiny, buprenorfiny i fentanylu. Spektrogramy wykazały, że buprenorfina i morfina powodowały podobne zmiany w mocy EEG przy 1−3 Hz i 8−9 Hz. Spektrogramy po podaniu fentanylu wykazały maksymalne średnie pasma mocy przy 3 Hz i 7 Hz. Spektrogramy ujawniły zróżnicowany wpływ opiatów na częstotliwość i moc EEG. Te metody komputerowe można uogólnić na różne klasy leków i można je łatwo modyfikować w celu ilościowego określenia i wyświetlenia szerokiego zakresu rytmicznych sygnałów biologicznych.

Wprowadzenie

Dane EEG mogą być produktywnie analizowane w dziedzinie częstotliwości w celu scharakteryzowania poziomów pobudzenia behawioralnego i neurofizjologicznego1. Spektrogramy wielostożkowe przekształcają przebieg EEG w domeny czasu i częstotliwości, co skutkuje wizualizacją dynamicznej mocy sygnału przy różnych częstotliwościach w czasie. Spektrogram wielostożkowy wykorzystuje analizę Fouriera do oszacowania gęstości spektralnej. Oszacowanie gęstości spektralnej rozdziela przebieg na czyste fale sinusoidalne składające się na sygnał i jest analogiczne do dyfrakcji białego światła przez pryzmat, aby zobaczyć całe spektrum kolorów2. Wielostożkowy spektrogram EEG reprezentuje połączoną aktywność wielu sieci neuronów o wzorcach wyładowań, które oscylują z różnymi częstotliwościami2. Ze względu na niezmiennik przesunięcia w czasie, transformata Fouriera jest uważana za najlepszą transformację między dziedzinami czasu i częstotliwości3. Analiza Fouriera ma również szereg ograniczeń. Sygnały EEG są niestacjonarne. W związku z tym małe zmiany mogą nie być zauważalne w metodach Fouriera, a analiza może się zmieniać w zależności od wielkości zbioru danych. Jednak okienkowanie jest używane podczas stosowania transformaty Fouriera do sygnału niestacjonarnego. Zakłada to, że widmo sygnału zmienia się tylko nieznacznie w krótkich okresach czasu. Alternatywną metodą analizy spektralnej jest transformacja falkowa, która może być bardziej odpowiednia do wykrywania chorób mózgu3.

Z funkcjonalnego punktu widzenia, różne oscylacje składające się na sygnał EEG są fenotypami niższego poziomu, cechami charakterystycznymi dla fenotypów wyższego poziomu, stanów takich jak sen i czuwanie2, lub utrata czuwania spowodowana przez ogólne znieczulenie4,5,6. Jeśli chodzi o stany snu i czuwania, spektrogram wyraźnie pokazuje, że endogennie generowane rytmy snu są ciągłe i dynamiczne7. Ilościowe opisy stanów snu i czuwania tradycyjnie obejmowały proces kategoryzacji, który przypisuje klasyfikację snu lub czuwania do każdej konkretnie zdefiniowanej epoki (np. 10 s) zapisu EEG. Te przedziały stanów są następnie wykreślane jako funkcja czasu. Wykresy danych przebiegu czasu, często określane jako hipnogramy, są używane do odróżniania normalnego snu od snu zakłóconego przez chorobę, podawanie leków, zmiany rytmu okołodobowego, pracę zmianową itp. Ograniczeniem wykresów hipnogramów jest to, że błędnie przedstawiają one sygnały EEG, wyrażając stany pobudzenia jako przebiegi prostokątne. Kreślenie hipnogramu obejmuje dyskretyzację stanów pobudzenia2 i nie pozwala na drobnoziarniste wyświetlanie etapów pośrednich lub przejściowych. Co więcej, epoki punktacji 10 s powodują dyskretyzację czasu poprzez nałożenie dolnej granicy na skalę czasu. Wynikiem dyskretyzacji zarówno stanu, jak i czasu jest utrata informacji neurofizjologicznych dotyczących dynamicznego oddziaływania między stanami świadomości2 oraz wywołane przez leki zakłócenie tych stanów4. Na przykład różne środki znieczulające działają na różne cele molekularne i sieci neuronowe. Farmakologiczna manipulacja tymi sieciami neuronowymi niezawodnie tworzy spektrogramy unikalne dla leku, dawki i drogi podawania4.

Obecny protokół został opracowany w celu ułatwienia badań nad mechanizmami, za pomocą których opioidy wpływają na sen8, breathing9, nociception10, and brain neurochemistry11. Protokół ten opisuje kroki wymagane do stworzenia wielotapetkowego spektrogramu do analiz EEG, które można wykonać przy użyciu zastrzeżonego oprogramowania lub systemu, który nie ma licencji MATLAB. Myszy C57BL/6J (B6) wykorzystano do walidacji zdolności tej metody komputerowej do tworzenia nowych spektrogramów EEG podczas normalnych, niezakłóconych stanów snu i czuwania oraz po ogólnoustrojowym podawaniu opiatów. Wiarygodność i trafność analiz potwierdzono poprzez systematyczne porównania różnic między spektrogramami EEG po tym, jak myszy B6 otrzymały dootrzewnowe wstrzyknięcia soli fizjologicznej (kontrola nośnika) i antynocyceptywne dawki morfiny, buprenorfiny i fentanylu.

Badania ilościowe dynamiki EEG u noworodków u myszy mają znaczenie translacyjne, dostarczając modelu do badań mających na celu lepsze zrozumienie EEG u noworodków u ludzi12. Kwantyfikacja dynamiki EEG nie jest jedynie opisowa i może przyczynić się do opracowania podejść do uczenia maszynowego, które mogą przewidywać pobudzenie częściowo na podstawie danych EEG13. Celem niniejszego raportu jest promowanie nauki translacyjnej poprzez dostarczenie szeroko dostępnego, przyjaznego dla użytkownika kodu do obliczania spektrogramów wielostożkowych, które charakteryzują zmiany w EEG myszy wywołane przez leki.

Protokół

Wszystkie procedury z udziałem myszy były zgodne z Przewodnikiem Opieki i Użytkowania Zwierząt Laboratoryjnych (8edycja, National Academies Press, Waszyngton, 2011) i zostały sprawdzone i zatwierdzone przez Komitet ds. Opieki i Użytkowania Zwierząt Uniwersytetu Tennessee.

1. Implantacja elektrod rejestrujących i wstępne zbieranie danych

  1. Kupuj myszy i trzymaj je w pomieszczeniu o kontrolowanej wilgotności i temperaturze z dostępem ad libitum do jedzenia i wody. Pozwól myszom przystosować się do nowego środowiska przez tydzień przed chirurgicznym wszczepieniem elektrod rejestrujących. Procedura implantacji została szczegółowo opisana1,14.
  2. Wysterylizuj cały sprzęt chirurgiczny.
  3. Znieczulenie myszy izofluranem w dawce 2,5%-3% dostarczanym w 100% tlenu.
  4. Po utracie odruchu prostowania wyjmij mysz z komory indukcyjnej znieczulenia i przenieś ją do ramy stereotaktycznej.
  5. Nałóż maść okulistyczną na oba oczy.
  6. Zmniejsz stężenie izofluranu do 1,7%, dostarczanego w sposób ciągły przez maskę.
  7. Wykonaj nacięcie skóry głowy w linii środkowej, aby odsłonić czaszkę.
  8. Wywierć dwie kraniotomie powyżej lewej i prawej kory (każda na współrzędnych stereotaktycznych przód = 1,0 i boczny = 3,0 względem bregma15).
  9. Wprowadź elektrody EEG do każdej kraniotomii i zabezpiecz akrylem dentystycznym.
  10. Implant elektrod bipolarnych w mięśniu czworobocznym grzbietowym do rejestracji elektromiogramu (EMG).
    nuta: Cztery elektrody są doprowadzone do bezprzewodowego telemetru wszczepionego podskórnie powyżej dolnego prawego kwadrantu ciała. Z tymi technikami chirurgicznymi można zapoznać się tutaj (https://www.datasci.com/services/dsi-surgical-services/surgical-videos).
  11. Po operacji podaj przeciwbólowy karprofen i umieść mysz w ciepłej klatce rekonwalescencji. Obserwuj mysz, dopóki nie zacznie chodzić. Myszy wszczepione w domu pojedynczo.
  12. Po pełnym wyzdrowieniu po operacji należy codziennie zajmować się myszami i oceniać jakość zapisów EEG i EMG.
  13. Skonfiguruj system akwizycji danych tak, aby rejestrował wszystkie sygnały ± 1 000 mV.
  14. Uzyskaj zapisy EEG i EMG przez potrzebny czas.
  15. Oceniaj każdy 10-sekundowy przedział cyfrowych zapisów EEG i EMG jako czuwanie, sen z szybkimi ruchami gałek ocznych (REM) lub sen bez REM (NREM) za pomocą oprogramowania do oceny snu.
    nuta: Wśród szczepów myszy występują specyficzne dla genotypu i stanu różnice w mocy EEG wyrażone jako procent całkowitej mocy16. U myszy B6 stany czuwania charakteryzują się EEG o mieszanej częstotliwości 75−100 mV oraz sygnałami EMG wykazującymi wyraźne napięcie mięśniowe z dużym wzrostem amplitudy podczas ruchu. Kryteria oceny snu NREM obejmują zmniejszenie amplitudy EMG w stosunku do amplitudy EMG czuwania. EEG snu NREM ma wolniejszą częstotliwość i zwiększoną amplitudę (100−150 mV) w porównaniu do czuwania. Sen REM charakteryzuje się atonią mięśniową i sygnałem EEG, który jest podobny do EEG czuwania.
  16. Poinstruuj dwie osoby, aby niezależnie zdobyły ten sam rekord. Co najmniej jedna osoba powinna być ślepa na stan leczenia. Wartości zgodności między dwoma wskaźnikami snu powinny być większe niż 90%.

2. Udogodnienia i wyposażenie

  1. Wzmacniaj i digitalizuj niefiltrowane sygnały EEG i EMG za pomocą oprzyrządowania do akwizycji danych i oprogramowania.
    nuta: Zestaw narzędzi do analizy spektralnej Chronux opracowany w Laboratorium Mitra w Cold Spring Harbor Laboratory służy do wyrażania sygnałów EEG jako mocy w odniesieniu do domen czasu i częstotliwości.

3. Obliczenia spektrogramu

  1. Jeśli jesteś użytkownikiem systemu Windows, użyj skompilowanego programu.
  2. Jeśli jesteś użytkownikiem komputera Macintosh, uruchom plik z nieprzetworzonym kodem.
  3. Uzyskaj surowe, nieprzetworzone dane EEG w formacie pliku EDF lub CSV i umieść je w tym samym miejscu, co skompilowany plik programu.
    1. Nazwij pliki danych przy użyciu następujących ograniczeń: nazwy muszą składać się tylko z liter, cyfr, podkreśleń lub myślników.
    2. Nazwij pliki danych przy użyciu następujących ograniczeń: nazwy plików nie mogą zawierać kropek, przecinków, spacji ani żadnych innych symboli.
  4. Pobierz skompilowany program Multitaper Spectrogram (https://drive.google.com/ lub skontaktuj się z C. O'Brienem pod adresem cobrien8@vols.utk.edu).
  5. Uruchom program spektrogramu i postępuj zgodnie z instrukcjami wyświetlanymi w wyskakującym okienku. Wybierz typ pliku: *. CSV lub *. EDF.
    nuta: Dalsze szczegóły instalacji programu znajdują się w pliku readme.txt.
  6. Wpisz całą nazwę pliku EEG (np. 419eeg.edf lub 419.eeg.csv).
  7. Wybierz parametry do obliczenia spektrogramu: Domyślne lub Nowy. Ten krok wymaga najdłuższego czasu przetwarzania, ponieważ spektrogram jest obliczany. Matematyczna funkcja okienkowania (stożek) zapewnia statystycznie niezależne oszacowania widma bazowego. Im dłuższy czas trwania nagrania, tym dłużej ten krok potrwa. Na platformie PC z systemem Windows 10 wymagało to maksymalnie około 3-4 minut na 4-godzinne nagranie.
    1. Użyj następujących domyślnych parametrów spektrogramu:
      Częstotliwość próbkowania = 500 Hz. Reprezentuje to liczbę próbek na sekundę.
      fpass = 0,3 Hz i 30 Hz. Fpass definiuje częstotliwości wejściowe i kontroluje zakres częstotliwości dostarczanych na wyjściu.
      Dopełnienie = 2. Dopełnienie działa w celu precyzyjnej interpolacji danych wyjściowych bez wpływu w żaden sposób na obliczanie wyników. Może to pomóc w wizualizacji i precyzyjnej identyfikacji linii widmowych. Pole jest dowolną liczbą całkowitą z zakresu od -1 wzwyż.
      Iloczyn przepustowości czasowej (NW) = 15. Iloczyn czasowego czasu trwania sygnału i szerokości widmowej.
      Liczba stożków = 29. Przy doborze liczby stożków należy zastosować 2NW-1. Nie ma ograniczeń co do liczby stosowanych stożków. Im więcej użytych stożków, tym więcej stożków zostanie włączonych do określonego pasma częstotliwości.
      Średnia próbna = 1. Ten parametr określa, czy jest wykonywane uśrednianie wersji próbnej lub kanału. Jeśli ten parametr jest ustawiony na 0, nie ma uśredniania kanałów, a funkcja będzie wyprowadzać niezależne wyniki dla każdej próby lub kanału przekazanego jako dane wejściowe. Jeśli jednak średnia z wersji próbnej jest ustawiona na wartość 1, wyniki wyjściowe dla użytkownika są uśredniane w wersjach próbnych lub kanałach.
      Czas na obliczenie FFT ~30 s. Służy do śledzenia ewolucji widma poprzez obliczanie widma w wielu małych oknach.
      Rozmiar kroku okna do obliczeń FFT = 5. Stopień, o jaki przesuwa się okno czasowe przesuwania po każdym obliczeniach widma.
      nuta: Domyślne parametry spektrogramu podane w kroku 3.7.1 można zmienić w razie potrzeby.
  8. Wprowadź tytuły zarówno spektrogramu, jak i EEG.
  9. Zapisz powstały spektrogram i EEG.
    1. Zapisz figury, klikając Plik | Zapisz w oknie rysunku.
      nuta: Dane liczbowe dostarczą użytkownikom programu podsumowań, które można przekształcić w dane o jakości publikacji.

4. Rozwiązywanie problemów

  1. Pobierz przykładowe dane EEG dotyczące snu myszy do obliczenia próbki spektrogramu.
  2. Uruchom program z przykładowymi danymi, aby upewnić się, że użytkownik poprawnie korzysta z programu. Znajdź dane liczbowe dla tych przykładowych danych w załączniku, aby upewnić się, że dane utworzone na podstawie przykładowych danych są dokładne.
    nuta: Wszystkie użyte urządzenia i materiały zostały podane w Tabeli Materiałów.

Wyniki

Poniższe rysunki ilustrują rodzaj nowych wniosków dotyczących wskaźników pobudliwości mózgu w EEG, jakie dostarczają spektrogramy.

Rysunek 1A przedstawia podobieństwa i różnice w korowym EEG podczas czuwania, snu NREM oraz snu REM. Wielu badaczy wykorzystuje tego typu zapisy wraz z rejestracjami EMG (nie pokazano), aby ilościowo określić czas snu i czuwania. Rysunek 1B wykorzystuje wykres hipnogramu do przedstawienia organizacji czasowej stanów snu i czuwania na podstawie analizy zapisów EEG i EMG. Stany oceniano w 10 s epokach, a epoki te naniesiono na hipnogram w ciągu 14 400 s obejmujących 4 h rejestracji. Wykresy hipnogramów nie oddają faktu, że przejścia między stanami są ciągłe i nieliniowe. W przeciwieństwie do wykresu hipnogramu, spektrogram (Rysunek 1C) ilustruje wysoce dynamiczne zmiany częstotliwości i mocy EEG w funkcji czasu. Spektrogram podkreśla również podobieństwa między sygnałem korowym EEG podczas czuwania a sygnałem podczas snu REM. Trzy ramki nałożone na spektrogram (Rysunek 1C) zaznaczają stany zidentyfikowane jako czuwanie (WAKE), sen NREM i sen REM w powyższym hipnogramie (Rysunek 1B) i służą one ułatwieniu wizualizacji szczegółowych zmian częstotliwości i mocy EEG. Spektrogram z całego okresu rejestracji pozwala na niuansowe ujęcie EEG jako procesu ciągłego.

Rysunek 2 przedstawia cztery spektrogramy wielookienne, z których każdy podsumowuje 4 h zapisów EEG po podaniu doszpikowym soli fizjologicznej, morfiny, buprenorfiny i fentanylu. Wszystkie cztery zapisy pochodzą od tej samej myszy i rozpoczęto je 2 h po wystąpieniu fazy światła. Opioidy, w przeciwieństwie do soli fizjologicznej, hamowały sen NREM i REM oraz zwiększały czas czuwania. Na spektrogramach widocznych jest szereg nowych cech. Wykrycie nowych cech EEG sugeruje możliwość zastosowania tej metody do rozróżniania opioidów w środowisku zagrożenia chemicznego. Po wstrzyknięciu soli fizjologicznej (Rysunek 2A) największa moc koncentrowała się w zakresie 2−4 Hz, co wskazuje na sen NREM. Należy zauważyć, że spektrogramy EEG uległy zasadniczej zmianie pod wpływem podania opioidu i że każdy z nich wywołał unikalne zmiany spektralne.

Rysunek 3 pokazuje, że zmiany w EEG przedstawione na spektrogramach mogą zostać skwantyfikowane i wyrażone jako średnia dominująca moc widmowa każdej połowy częstotliwości (Rysunek 3A) oraz jako średnia moc widmowa w określonych pasmach częstotliwości EEG (Rysunek 3B). Największe różnice w stosunku do soli fizjologicznej wywołała buprenorfina, a wystąpiły one w zakresach delta i theta.

Schematy EEG, hypnogramu i spektrogramu dla analizy faz czuwania, snu NREM i REM.
Rycina 1: Rejestracje kory EEG wykorzystane do stworzenia hypnogramów i spektrogramów. (A) Formy fal EEG zarejestrowane podczas czuwania, snu NREM i snu REM podczas pomiaru bazowego (bez iniekcji). Każły ślad przedstawia 90 s rejestracji. (B) Hypnogram wykorzystuje wysokość słupków do określenia stanu świadomości (oś rzędnych) w funkcji 4 h rejestracji (oś odciętych). (C) Spektrogram zwężony (tapered spectrogram) wykorzystujący pasek kolorów do przedstawienia mocy EEG w decybelach (dB, prawa oś rzędnych) lub gęstości mocy spektralnej przy różnych częstotliwościach EEG w hercach (Hz, lewa oś rzędnych) jako funkcję 4 h czasu rejestracji (oś odciętych). Do spektrogramu dodano czarne linie pionowe, aby wyznaczyć po jednym epizodzie czuwania, snu NREM i snu REM. (Parametry spektrogramu: częstotliwość próbkowania = 500 Hz, fpass = 0.3 Hz i 30 Hz, padding = 2, time-bandwidth = 15, liczba taperów 29, średnia z prób = 1, czas obliczeń FFT ~30 s, wielkość kroku okna dla obliczeń FFT = 5). Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Spektrogramy częstotliwości w funkcji czasu; analiza efektów soli fizjologicznej, morfiny, buprenorfiny i fentanylu.
Rycina 2: Spektrogramy ilustrujące zmiany mocy i częstotliwości EEG wywołane podaniem opioidów. Każdy spektrogram przedstawia częstotliwość EEG w hercach (Hz, oś rzędnych po lewej) oraz moc EEG w decybelach (dB) przy użyciu paska kolorów (oś rzędnych po prawej) przez 4 h (oś odciętych) po podaniu (A) soli fizjologicznej, (B) morfiny, (C) buprenorfiny oraz (D) fentanylu. (Parametry spektrogramu: częstotliwość próbkowania = 500 Hz, fpass = 0.3 Hz i 30 Hz, padding = 2, time-bandwidth = 15, liczba taperów 29, średnia z prób = 1, czas obliczeń FFT ~30 s, wielkość kroku okna dla obliczeń FFT = 5). Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Wykresy średniej mocy widmowej porównujące wpływ soli fizjologicznej, fentanylu, morfiny i buprenorfiny na EEG.
Rycina 3: Opioidy w różny sposób zmieniały średnią moc EEG w pasmach częstotliwości delta i theta. (A) Podsumowanie średniej mocy EEG podczas każdego 4-godzinnego zapisu przedstawionego na Rycini 2. Oś rzędnych przedstawia średnią moc EEG dla każdej połowy częstotliwości (oś odciętych). W stosunku do kontroli z solą fizjologiczną, każda z trzech pozostałych funkcji wykazuje specyficzne dla danego opioidu zmiany średniej mocy EEG. (B) Ilustracja średniej mocy EEG w czterech pasmach częstotliwości EEG (delta, theta, alfa i beta) po podaniu soli fizjologicznej (S), buprenorfiny (B), morfiny (M) i fentanylu (F). Kodowanie kolorystyczne jest takie samo dla funkcji mocy w części A oraz średnich pasm mocy w części B. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Dyskusja

Opisany tutaj program został opracowany w celu stworzenia spektrogramu przy użyciu dziewięciu kroków opisanych w sekcji 3 protokołu, Obliczenia spektrogramu. Kroki te obejmują nabycie programu do spektrogramu, zapewnienie prawidłowego formatu pliku i zmianę parametrów obliczeniowych w celu wygenerowania unikalnych spektrogramów użytkownika. Użytkownicy mogą tworzyć spektrogramy, które są dostosowane do szeregu pytań koncepcyjnych i projektów eksperymentalnych. Aby zwiększyć łatwość i wydajność tego procesu rozwoju, konieczne jest dostarczenie surowych danych EEG w odpowiednim formacie pliku, nazwanym zgodnie z ograniczeniami opisanymi powyżej. Chociaż podano przykładowe sygnały dla danych EEG myszy, program spektrogramu można łatwo zastosować do danych EEG pochodzących od ludzi i innych osób, które są wolne od ograniczeń przetwarzania sygnału.

Zalecanym podejściem do rozwiązywania problemów i modyfikacji metody jest rozpoczęcie od przeanalizowania małego zestawu danych. Główne wyniki programu, które należy wziąć pod uwagę, obejmują wykresy przefiltrowanego EEG, a także spektrogram. Atrakcyjnym aspektem stożkowego spektrogramu jest to, że można go zastosować do szerokiej gamy okresowych sygnałów biologicznych. Różnorodność waha się od długotrwałych rytmów okołodobowych (24 godziny)17 do bardzo szybkich rytmów, takich jak szybkość rozładowania 1,000 Hz ogniwa Renshawa18.

Formatowanie danych jest ograniczeniem tego protokołu spektrogramu. Europejski format danych (EDF) jest szeroko stosowany w przypadku danych EEG. Istnieje jednak wiele innych opcji formatowania. Z tego powodu dołączono plik z nieprzetworzonym kodem (patrz 3.2 powyżej) na wypadek, gdyby użytkownik chciał zmienić format pliku. W odniesieniu do surowego pliku programu kolejnym ograniczeniem jest konieczność posiadania doświadczenia z językiem programowania komputerowego w celu zmiany formatu pliku. Nie wszyscy śledczy mają dostęp do zastrzeżonego oprogramowania i pełnej gamy wtyczek. Ten protokół został opracowany w celu obejścia tego problemu poprzez dostarczenie skompilowanego programu, który działa na urządzeniu z systemem Windows bez licencji na oprogramowanie. Osiąga się to za pomocą wtyczki RUNTIME, która jest zawarta w skompilowanym programie i nie wymaga żadnej rejestracji oprogramowania przez użytkownika.

Ta procedura spektrogramu EEG jest nowatorskim programem komputerowym o otwartym kodzie źródłowym, który umożliwia użytkownikom tworzenie spersonalizowanych, wielostożkowych spektrogramów z szerokiego zakresu danych. Użytkownik ma pełną kontrolę nad wszystkimi aspektami obliczeniowymi generowania spektrogramu. Bez wcześniejszej wiedzy na temat przetwarzania sygnałów i programowania komputerowego generowanie spektrogramów może być trudne. Opisany tutaj protokół ułatwi generowanie spektrogramu. Zapoznaj się z sekcją materiałów uzupełniających, aby uzyskać dalsze odczyty przetwarzania sygnału i wskazówki dotyczące spektrogramu wielostożkowego.

Materiały uzupełniające
http://chronux.org
http://www-users.med.cornell.edu/~jdvicto/pdfs/pubo08.pdf
http://www.fieldtriptoolbox.org/tutorial/timefrequencyanalysis/
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4502759/#SD3-data

Oświadczenia

Autorzy nie pozostają w konflikcie interesów.

Podziękowania

Ta praca jest częściowo wspierana przez grant NIH HL-65272. Autorzy dziękują Zachary'emu T. Glovakowi i Clarence'owi E. Locklearowi za ich wkład w ten projekt.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Akryl dentystycznyLang Dental Manufacturing CoJet w proszku i płynny
wzmacniacz EEG/EMGData Science Internationalmodel MX2
macOS MojaveApplev10.14.4
MATLABMathworksv9.4.0.813654oprogramowanie do spektrogramu comp.
Maska anestezjologiczna dla myszyDavid Kopf Instrumentsmodel 907
NeuroscoreData Science Internationalv3.3.9317-1oprogramowanie do oceny snu i czuwania
PonemahData Science Internationalv5.32do akwizycji danych EEG/EMG
Ramka stereotaktycznaDavid Kopf Instrumentsmodel 962
Ramka stereotaktyczna, adapter myszyDavid Kopf Instrumentsmodel 921
Windows 10Microsoftv10.0.17763.503
Bezprzewodowy telemetrData ScienceInternational model HD-X02
Oprogramowanie

Bibliografia

  1. Wasilczuk, A. Z., Proekt, A., Kelz, M. B., McKinstry-Wu, A. R. High-density electroencephalographic acquisition in a rodent model using low-cost and open source resources. Journal of Visualized Experiments. 117, 10(2016).
  2. Prerau, M. J., Brown, R. E., Bianchi, M. T., Ellenbogen, J. M., Purdon, P. L. Sleep neurophysiological dynamics through the lens of multitaper spectral analysis. Physiology. 32, 60-92 (2017).
  3. Akin, M. Comparison of wavelet transform and FFT methods in the analysis of EEG signals. Journal of Medical Systems. 26 (3), 241-247 (2002).
  4. Purdon, P. L., Sampson, A., Pavone, A., Brown, E. N. Clinical electroencephalography for anesthesiologists Part 1: Background and basic signatures. Anesthesiology. 123 (4), 937-960 (2015).
  5. Liu, Q., et al. Frontal EEG temporal and spectral dynamics similarity analysis between propofol and desflurane induced anesthesia using Hilbert-Huang Transform. BioMed Research International. 2018, 4939480(2018).
  6. Akeju, O., et al. Spatiotemporal dynamics of dexmedetomidine-induced electroencephalogram oscillations. PLoS One. 11 (10), (2016).
  7. Ogilvie, R. D. The process of falling asleep. Sleep Medicine Reviews. 5 (3), 247-270 (2001).
  8. Baghdoyan, H. A., Lydic, R. Basic Neurochemistry. Brady, S. T., Albers, R. W., Price, D. L., Siegel, G. J. , Elsevier. 982-999 (2012).
  9. Angel, C., et al. Buprenorphine depresses respiratory variablity in obese mice with altered leptin signaling. Anesthesiology. 128 (5), 984-991 (2018).
  10. Glovak, Z. T., Mihalko, S., Baghdoyan, H. A., Lydic, R. Leptin status alters buprenorphine-induced antinociception in obese mice with dysfunctional leptin receptors. Neuroscience Letters. 660, 29-33 (2017).
  11. Zhang, X., et al. Morphine and fentanyl delivered to prefrontal cortex of behaving mice depress breathing and alter neurotransmitter concentrations. Anesthesia & Analgesia. , In Press (2019).
  12. Cornelissen, L., Kim, S. E., Purdon, P. L., Brown, E. N., Berde, C. B. Age-dependent electroencephalogram (EEG) patterns during sevoflurane general anesthesia in infants. eLIFE. 4, e06513(2015).
  13. Chini, M., et al. Neural correlates of anesthesia in newborn mice and humans. Front Neural Circuits. 13 (Article 38), 1-13 (2019).
  14. Flint, R. R., Chang, T., Lydic, R., Baghdoyan, H. A. GABA-A receptors in the pontine reticular formation of C57BL/6J mouse modulate neurochemical, electrographic, and behavioral phenotypes of wakefulness. Journal of Neuroscience. 30 (37), 12301-12309 (2010).
  15. Paxinos, G., Franklin, K. B. J. The Mouse Brain in Stereotaxic Coordinates. , 4th edn, Academic Press. (2018).
  16. Franken, P., Malafosse, A., Tafti, M. Genetic variation in EEG activity during sleep in inbred mice. American Journal of Physiology. 257 (4), (1998).
  17. Ko, C. H., et al. Emergence of noise-induced oscillations in the central circadian pacemaker. PLoS Biol. 8 (10), e1000513(2010).
  18. Steriade, M., Curró Dossi, R., Conteras, D. Electrophysiological properties of intralaminar thalamocortical cells discharging rhythmic (40 Hz) spike-bursts at 1000 Hz during waking and rapid eye movement sleep. Neuroscience. 56, 1-9 (1993).

Przedruki i uprawnienia

Tagi

Analiza EEGefekty opioidówstany snuprogram Windowsakwizycja danychobliczanie spektrogramówrejestracja EEGpasma częstotliwościwidma mocy
Komputerowy program do spektrogramu wielostożkowego do danych elektroencefalograficznych
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.