Artykuł metodologiczny

Integracja faz cyklu serca z analizą potencjału związaną ze zdarzeniami: protokół dla środowisk dwuwymiarowej i wirtualnej rzeczywistości

69 wyświetleń

⸱

DOI:

10.3791/69752

⸱

5 maja 2026

 ,  ,  ,  , 
1Research Center for Genetics and Life Sciences, Sirius University of Science and Technology, 2Samara State Medical University, 3National Research University Higher School of Economics

W tym artykule

Podsumowanie

Protokół ten opisuje podejście do badania modulacji fazowej zależnej od serca potencjałów związanych z zdarzeniami wzrokowymi z wykorzystaniem jednoczesnej elektroencefalografii i rejestracji elektrokardiograficznej. Protokół szczegółowo opisuje synchronizację bodźców, segmentację fazy serca oraz analizę potencjałów związanych ze zdarzeniami podczas systoli i rozkroku, i jest stosowany zarówno w konwencjonalnych środowiskach dwuwymiarowej, jak i immersyjnej rzeczywistości wirtualnej.

Streszczenie

Bicie serca to podstawowy rytm fizjologiczny, który nie tylko podtrzymuje życie, ale także moduluje procesy percepcyjne i nerwowe, wpływając tym samym na powtarzalność potencjałów związanych ze zdarzeniami (ERP). Choć wirtualna rzeczywistość (VR) oferuje bardzo immersyjne środowiska w porównaniu do tradycyjnych dwuwymiarowych (2D) ekranów, wprowadza także unikalne wyzwania dla rejestrowania elektrofizjologicznego, w tym artefakty ruchu, opóźnienia prezentacji oraz potencjalnie silniejszą modulację kardiogenną. Czynniki te mogą obniżać efektywność standardowego procesu wstępnego elektroencefalografii (EEG), prowadząc do znacznej utraty danych. Niniejsze badanie przedstawia szczegółowy protokół łączący jednoczesne EEG i elektrokardiografię (EKG) do badania interakcji serce-mózg zarówno w warunkach VR, jak i 2D. Podejście polega na precyzyjnym dopasowaniu bodźców do sygnałów sercowych, korekcji opóźnień wywołanych przez VR oraz rozszerzonym zarządzaniu artefaktami. Segmentacja epok EEG na podstawie tego, czy bodźce występowały podczas systolu serca czy diastolu, wykazała silne tłumienie amplitudy wzrokowej ERP podczas systolu. Co istotne, ten efekt tłumiący był niemal identyczny zarówno w środowiskach VR, jak i 2D, co potwierdza skuteczność protokołu i potwierdza, że ta fundamentalna interakcja serce-mózg jest odporna na zmiany poziomu immersji. Protokół ten oferuje więc ustandaryzowane ramy do badania wpływu serca na funkcje poznawcze, dostosowane do różnych metod prezentacji wzrokowej.

Wprowadzenie

Rytmiczna aktywność serca jest coraz częściej uznawana nie tylko za istotny proces homeostatyczny, ale także za fundamentalny modulator funkcji i poznania mózgu1. Coraz więcej dowodów wskazuje, że sygnały sercowe wywierają ciągły wpływ na szerokie spektrum procesów neuropoznawczych, w tym percepcję, uwagę, regulację emocji i świadomość 2,3. Ta oś serce-mózg jest pośredniczona przez aferentne sygnały interoceptywne z baroreceptorów sercowo-naczyniowych i mechanoreceptorów, które przenoszą się przez pień mózgu do obszarów korowych, gdzie integrują się z informacjami sensorycznymi eksteroceptywnymi 4,5. W konsekwencji mózg nie przetwarza bodźców zewnętrznych pasywnie, lecz robi to w kontekście wewnętrznego stanu organizmu, którego kluczowym wskaźnikiem jest faza cyklu sercowego.

Głównym wyzwaniem metodologicznym jest ujawnienie, jak aktywność nerwowa kardiogenna wpływa na przetwarzanie bodźców zewnętrznych, mierzonych przez wzrokowe ERP. Najbardziej wyraźnym elektrofizjologicznym przejawem tego oddziaływania jest potencjał wywołany przez bicie serca (HEP), czyli specyficzny wzorzec aktywności EEG powiązany czasowo ze skurczem serca6. HEP jest uważany za marker nerwowy uwagi interoceptywnej, odzwierciedlający predykcyjne kodowanie mózgu dotyczące nadchodzącego bicia serca oraz jego konsekwencji dla przetwarzania sensorycznego 7,8. Według współczesnych modeli mózg wykorzystuje te sygnały sercowe do stworzenia jednolitej reprezentacji wewnętrznego stanu ciała w jego kontekście zewnętrznym 9,10. Dowody empiryczne wskazują, że przetwarzanie bodźców zewnętrznych, w tym ich percepcyjne znaczenie i korelaty nerwowe, zmienia się znacząco w zależności od tego, czy występują podczas systoli serca, czy podczas rozkroku 11,12,13. Bodźce prezentowane podczas systolu (fazy skurczowej) są konsekwentnie powiązane z tłumionym przetwarzaniem nerwowym, co potwierdzają zmniejszone amplitudy ERP i zmienione reakcje behawioralne, w porównaniu z tymi prezentowanymi podczas fazy rozkurczowej (rozluźnienia)14,15,16. Efekt ten wyjaśnia hipoteza "somatosensorycznego gatingu", która zakłada, że mózg tłumi przetwarzanie sygnałów eksteroceptywnych, aby tymczasowo priorytetyzować sygnały interoceptywne serca podczas systolu15,17.

Pomimo rosnącego zainteresowania osi serce-mózg, standardowe protokoły analizy ERP koncentrują się wyłącznie na bodźcach zewnętrznych, segmentując epoki względem początku bodźca, ignorując tym samym głęboką zmienność w zależności od próby wprowadzoną przez trwający cykl serca. Aby dokładnie uchwycić modulację ERP wzrokowych w cyklu serca, potrzebne jest zasadniczo inne podejście. Wymaga to precyzyjnego dopasowania prezentacji bodźców z konkretnymi fazami serca, potwierdzonym przez jednoczesne EKG18. Obecna literatura nie zawiera ustandaryzowanych, szczegółowych i łatwo powtarzalnych protokołów, które kompleksowo opisywałyby wszystkie etapy przetwarzania, od pozyskiwania surowych danych po analizę statystyczną, uwzględniając fazy serca.

Dodatkowe wyzwanie metodologiczne pojawia się wraz z szybkim wdrażaniem technologii immersyjnych, takich jak VR, w neurobiologii. Środowiska VR zapewniają wysoce immersyjne i angażujące konteksty, umożliwiając tworzenie kontrolowanych, a jednocześnie realistycznych środowisk eksperymentalnych19,20. Jednak jednoczesne pozyskiwanie wysokiej jakości danych EEG i EKG w środowisku VR wiąże się z kilkoma trudnościami technicznymi. Należą do nich potencjalne artefakty ruchu, zakłócenia elektromagnetyczne ze strony zestawu słuchawkowego oraz krytyczna potrzeba precyzyjnej synchronizacji czasowej między prezentacją bodźców (często z wrodzonym opóźnieniem), akwizycją danych i systemami śledzenia ruchu21. Te techniczne wyzwania przyczyniły się do niedoboru solidnych protokołów analitycznych specjalnie zaprojektowanych do bezpośredniego porównania modulacji nerwowej zależnej od serca między klasycznymi paradygmatami 2D a immersive VR. Brak wspólnych ram ostatecznie utrudnia badania nad tym, jak immersja i obecność modulują podstawowe mechanizmy interakcji mózg-ciało.

Aby sprostać tym wyzwaniom, praca przedstawia kompleksowy, krok po kroku protokół metodologiczny badający modulację cyklu serca ERP wzrokowych poprzez integrację jednoczesnych nagrań EEG i EKG. Fundamentem podejścia jest segmentacja danych neuronalnych względem tętnowego szczytu R, co pozwala na klasyfikację bodźców na podstawie ich występowania podczas systoli lub diastolu. Kluczowe jest wykorzystanie analizy opartej na danych całej epoki po bodźcu, aby zidentyfikować konkretne okna czasowe, w których faza serca wywiera istotny modulacyjny wpływ na odpowiedź neuronalną. Główne osiągnięcia tej pracy są trzy: (1) dostarczany jest kompletny, wizualizowany protokół zaprojektowany do prostej replikacji, (2) protokół jest dostosowany i weryfikowany w celu porównania danych uzyskanych za pomocą standardowego monitora 2D i immersyjnego zestawu VR, oraz (3) użyteczność protokołu demonstrowana jest poprzez ujawnienie, jak bodźce twarzowe o walencji emocjonalnej różnie modulują wpływ serca na przetwarzanie nerwowe w zależności od immersji otoczenia.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Badanie zostało zatwierdzone przez Komitet Bioetyczny Państwowego Uniwersytetu Medycznego w Samarze (kod protokołu 195, z dnia 10 października 2018). Wszyscy uczestnicy wyrazili świadomą zgodę dobrowolną przed rozpoczęciem badania. Ostateczna próba obejmowała 27 zdrowych ochotników w wieku 19-21 lat. Podczas sesji testowych każdy uczestnik realizował serię indywidualnych standaryzowanych ocen. Odczynniki i używany sprzęt są wymienione w Tabeli Materiałów.

1. Materiały i wyposażenie

UWAGA: Używaj funkcjonalnie równoważnego sprzętu i oprogramowania, gdy jest to stosowne. Zobacz Rysunek 1 , aby zobaczyć przegląd konfiguracji eksperymentalnej, w tym układ systemu i połączenia. Przygotuj następujące urządzenia i oprogramowanie przed eksperymentem. Ogólne wymagania opisano poniżej, a konkretne konfiguracje wymienione są w Tabeli Materiałów.

  1. System akwizycji EEG/EKG
    1. Użyj systemu wzmacniającego umożliwiającego jednoczesne nagrywanie EEG i EKG.
    2. Używaj elektrod EEG, które można przenieść ze skóry głowy do rejestracji EKG.
  2. Opcje wejścia EKG (system EEG obsługuje kanały bipolarne)
    1. Używaj dedykowanych kanałów wejściowych dla osób bipolarnych do nagrywania EKG, jeśli jest to możliwe.
    2. Przypisz dwie niekrytyczne elektrody EEG, aby utworzyć parę EKG dwubiegunowych, jeśli dedykowane kanały bipolarne są niedostępne.
  3. Opcje wejścia EKG (system EEG obsługuje tylko kanały monopolarne)
    1. Użyj adaptera różnicowego, aby przekierować sygnały EKG do wejścia pomocniczego (AUX) lub różnicowego.
    2. Używaj biernych elektrod oraz jednorazowych elektrod klejących kompatybilnych z wybraną konfiguracją wejściową.
  4. Prezentacja bodźców
    1. Do prezentacji 2D użyj komputera z wyświetlaczem o wysokiej częstotliwości odświeżania (≥120 Hz).
    2. Użyj wyświetlacza montowanego na głowie z monitorem dodatkowym do lustrzanego odbicia sygnału do prezentacji VR.
  5. Synchronizacja i czujniki
    1. Użyj fotodiody lub fotosensora z akcesoriami montażowymi i podłącz je do systemu akwizycji EEG.
  6. Oprogramowanie
    1. Używaj środowiska wykonawczego VR oraz oprogramowania do sterowania bodźcami, które umożliwiają precyzyjne wyznaczanie czasu, sekwencjonowanie i wyjście wyzwalaczy.
    2. Korzystaj z oprogramowania do analizy EEG/EKG, które obsługuje obsługę zdarzeń, wstępne przetwarzanie i analizę ERP; Używaj opcjonalnych, niestandardowych skryptów, jeśli jest to konieczne.
  7. Środowisko laboratoryjne i akcesoria
    1. Używaj ekranowanego i odpowiednio odizolowanego pomieszczenia do nagrywania EEG.
    2. Zapewnij wygodne krzesło, rozwiązania do zarządzania kablami, środki do pielęgnacji skóry, przewodzący żel oraz materiały higieniczne do wyświetlaczy montowanych na głowie.

2. Konfiguracja systemu i wykrywanie opóźnień

  1. Zainstaluj i skonfiguruj oprogramowanie do prezentacji bodźców.
    1. Stan VR
      1. Zainstaluj specyficzne dla producenta środowisko VR wymagane dla wyświetlacza zamontowanego na głowie.
      2. Wdroż aplikację bodźca eksperymentalnego na goglach VR zgodnie z dokumentacją wykonawczą.
      3. Wykonaj wstępne skonfigurowanie systemu VR, kalibrując system śledzenia (jeśli dotyczy) i wyznaczając granice stref zabaw zgodnie z instrukcjami producenta, aby zapewnić stabilne śledzenie i zminimalizować artefakty związane z ruchem.
    2. Stan 2D
      1. Zoptymalizuj stanowisko pracy do prezentacji bodźców, wyłączając niepotrzebne aplikacje i procesy w tle, aby zminimalizować przerwy i opóźnienia podczas akwizycji danych.
  2. Stwórz montaż nagrań w oprogramowaniu do akwizycji EEG.
    1. Stwórz nową przestrzeń roboczą lub konfigurację nagrywania i nazwij ją zgodnie z identyfikatorem badania.
    2. Przypisz kanały EEG i zarezerwuj kanały wejściowe AUX zgodnie z dokumentacją sprzętową wzmacniacza.
    3. Dodaj dwa dodatkowe kanały dla sygnałów fotodiody i EKG. Konfiguruj nazwy kanałów, typy i jednostki w zależności od tego, a następnie uwzględnij te kanały w tym samym pliku nagraniowym co EEG. Regularnie oznaczaj kanał EKG (np. "EKG").
  3. Zmierz opóźnienie prezentacji bodźca za pomocą fotodiody.
    1. Podłącz fotodiodę do dostępnego wejścia AUX wzmacniacza EEG.
    2. Warunek VR: Zamontuj fotodiodę na soczewce zestawu w miejscu odpowiadającym łatce luminancyjnej zablokowanej bodźcem. Prezentuj co najmniej 100 zdarzeń bodźców i nagrywaj sygnał fotodiody, aby zmierzyć opóźnienie wyświetlania i drgania między próbami względem zamierzonego wyzwalacza. Po zakończeniu pomiarów VR przenieś fotodiodę na wyświetlacz 2D.
    3. Warunek 2D: Umieść fotodiodę nad dedykowanym obszarem pikseli zablokowanym na bodźcach na monitorze. Prezentuj co najmniej 100 zdarzeń bodźców i nagrywaj sygnał fotodiody, aby zmierzyć opóźnienie wyświetlania i drgania względem zamierzonego wyzwalacza.
    4. Opcjonalnie: Jeśli dostępne są dwie fotodiody, podłącz każdy czujnik do osobnego kanału AUX i prezentuj zsynchronizowane błyski do jednoczesnego pomiaru opóźnień 2D i VR.
    5. Po zakończeniu pomiarów opóźnień usuń fotodiodę z wyświetlacza 2D, aby nie zasłaniać widzenia uczestnikowi.
    6. Oblicz średnie opóźnienie wyświetlania oraz odchylenie standardowe (drżenie) dla każdego środowiska prezentacji.
    7. Dokumentuj osobno wartości opóźnień i jitterów dla warunków 2D i VR.
    8. Sprawdź, czy opóźnienie drgań pozostaje stabilne przez całą sesję. Jeśli ustawienia sprzętowe lub programowe zostaną zmodyfikowane, powtórz pomiary opóźnień.
  4. Skonfiguruj kanał nagrywania EKG.
    1. Określ konfigurację wejścia EKG na podstawie dostępnych możliwości wzmacniacza (obsługiwane kanały bipolarne vs. tylko kanały monopolarne; patrz kroki 1.2 i 1.3).
    2. Jeśli nagrywanie EKG dwubiegunowego jest obsługiwane, włącz dedykowane wejście EKG dla bipolarnych w oprogramowaniu nagrywającym i zarezerwuj etykietę kanału "EKG".
    3. Jeśli dostępne są tylko kanały monopolarne, podłącz adapter różnicowy do wejścia AUX lub różnicowego i przypisz to wejście jako kanał EKG w oprogramowaniu nagrywającym. Zarezerwuj etykietę kanału "EKG."
    4. Nie umieszczaj elektrod EKG na tym etapie. Wykonaj pomiary umieszczania i impedancji elektrod podczas przygotowania uczestników.

3. Przygotowanie uczestników

  1. Umieszczenie kaptury EEG
    1. Dopasuj nasadkę EEG zgodnie z międzynarodowym systemem 10–10 lub 10–20, wyrównując elektrodę Cz i dostosowując rozmiar pokrywy do obwodu głowy uczestnika22.
    2. Rozdziel włosy w każdym miejscu elektrody za pomocą patyczka kocickiego lub tępego końcówki kaniulowej (około 2–3 mm średnicy). Stosuj łagodny środek ścierny lub preparat przygotowujący do skóry, aby zmniejszyć impedancję.
    3. Umieść każdą elektrodę, nałóż przewodzący żel i zapewnij mocny kontakt ze skórą głowy, delikatnie obracając uchwyt elektrody. Unikaj tworzenia przewodzących mostków żelowych między sąsiednimi elektrodami.
    4. Mierz impedancje elektrod i zmniejszaj je poniżej 8 kΩ (lub standardu laboratoryjnego) poprzez powtarzanie przedziałkowania włosów, dodatkowe przygotowanie skóry lub dodawanie przewodzącego żelu w razie potrzeby.
    5. Zabezpiecz kable EEG, aby zminimalizować ruchy i upewnić się, że uczestnik czuje się komfortowo przed dalszą pracą.
  2. Umieszczenie elektrod EKG
    1. Oczyść skórę po wewnętrznej stronie (skierowanej do dłoni) obu nadgarstków chusteczkami alkoholowymi i pozwól skórze całkowicie wyschnąć.
    2. Umieść jednorazowe elektrody samoprzylepne na nadgarstkach, aby zapisać Standard Limb Lead I, umieszczając elektrodę ujemną na prawym nadgarstku, a dodatnią na lewym. Zadbaj o dobry kontakt elektrody i unikaj umieszczania ich na kostnych wypukłościach.
    3. Zabezpiecz kable EKG taśmą medyczną, pozostawiając małe pętle luźne, aby zmniejszyć artefakty związane z ruchem.
    4. Sprawdź sygnał EKG w spoczynku. Upewnij się, że szczyty R są wyraźnie widoczne i pionowe. Jeśli szczyty R wydają się odwrócone, zamieniaj polaryzację elektrody. Potwierdź, że sygnał EKG pozostaje stabilny w czasie.
    5. Jeśli używasz pojedynczego wzmacniacza do nagrywania EEG i EKG, podłącz elektrody uziemiające EEG i EKG zgodnie z wymaganiami systemu. Gdy dostępnych jest wiele styków masowych, umieść oddzielne elektrody masowe do EEG i EKG, aby poprawić stabilność sygnału i zapewnić, że wszystkie elektrody uziemiające są połączone wewnętrznie w wzmacniaczu.

4. Dopasowanie goglu VR (tylko w stanie VR)

  1. Nie zdejmuj nasadki EEG ani nie odłączaj żadnych elektrod EEG czy EKG przed założeniem headsetu.
  2. Poluzuj górny pasek i tylny mechanizm dokręcania gogli VR, aby umożliwić założenie na nasadkę EEG.
  3. Poinstruuj uczestnika, aby ustawił przednią część gogla VR na twarzy. Opuść tylną część nad nasadką EEG i stopniowo dokręcaj paski, aż słuchawka będzie dobrze zamocowana.
    1. Upewnij się, że słuchawki nie wywierają nadmiernego nacisku na elektrody EEG. Dostosuj zestaw, aby zapobiec ślizganiu się headsetu, jednocześnie zachowując komfort podczas dłuższego użytkowania. Sprawdź sygnał EEG pod kątem szumów liniowych lub artefaktów wywołanych ciśnieniem i w razie potrzeby ponownie dostosuj słuchawkę23.
  4. Lustrzanie wyjścia VR na monitorze dodatkowym, aby umożliwić monitorowanie prezentacji bodźców i zachowań uczestników w czasie rzeczywistym.
  5. Ponownie sprawdź impedancje elektrod EEG po zamontowaniu słuchawki. Ponownie nałóż żel przewodzący na każdy kanał przekraczający 8 kΩ (lub standard laboratoryjny). Powtarzaj kontrolę impedancji okresowo przez cały stan VR.

5. Nagrywanie

  1. Prezentacja bodźców
    1. Prezentuj bodźce wzrokowe z precyzyjnym i powtarzalnym wyczuciem czasu. Wyślij i zapisz wyzwalacze zdarzeń dla każdego początku bodźca w ramach nagrania EEG. Stosuj identyczne parametry czasowe bodźca (np. czas trwania bodźca, interwał między bodźcami) w środowiskach 2D i VR.
  2. Monitorowanie uczestników
    1. Instruuj uczestnika, aby minimalizował ruchy głową i mruganie oczami podczas prezentacji bodźców. Nieprzerwanie monitoruj sygnały EEG i EKG podczas nagrywania. Zatrzymaj eksperyment, jeśli to konieczne, aby skorygować impedancje elektrod lub dostosować okablowanie.
  3. Bloki nagrywania
    1. Rejestruj dane w obu środowiskach prezentacji (2D i VR). Przeciwważ kolejność środowisk między uczestnikami, gdy jest to możliwe do kontroli efektów porządku.

6. Wstępne przetwarzanie EEG

  1. Import danych i weryfikacja kanałów
    1. Importuj ciągłe dane EEG, EKG i fotodiody do oprogramowania do analizy EEG. Sprawdź, czy wszystkie etykiety, typy i jednostki kanałów są poprawnie przypisane.
  2. Filtrowanie sygnału
    1. Zastosuj filtr z wycięciem na lokalnej częstotliwości linii energetycznej (50 Hz lub 60 Hz). Uwzględnij częstotliwości harmonicznych, jeśli wymaga tego standard laboratoryjny.
    2. Zastosowanie filtra pasmowego do danych EEG zgodnie ze standardem laboratoryjnym (np. 0,1–40 Hz).
  3. Korekcja i zmiana etykiet zdarzeń
    1. Koryguj markery zdarzeń bodźców, odejmując opóźnienie wyświetlania specyficzne dla środowiska zmierzone w kroku 2.3. Generuj markery bodźców skorygowanych przez latencję do kolejnych analiz.
    2. Przemianowanie znaczników bodźców zgodnie ze środowiskiem prezentacji (np. przedrostkowe etykiety zdarzeń na "2D_" lub "VR_").
  4. Wykrywanie i korekcja artefaktów
    1. Wizualnie obejrzyj ciągłe dane pod kątem artefaktów. Zidentyfikuj i oznacz segmenty zawierające nadmierne zakłócenia lub artefakty ruchu. Interpoluj uszkodzone kanały, gdy to konieczne, zgodnie ze standardowymi procedurami laboratoryjnymi.
    2. Wykonaj niezależną analizę komponentów (ICA)24 w celu identyfikacji artefaktów oczu i mięśni. Sprawdź tory składowe, topografie skóry głowy oraz charakterystyki spektralne. Usuń komponenty związane z artefaktami na podstawie obiektywnych kryteriów lub oceny ekspertów. Gdy to stosowne, rozszerzaj podejścia oparte na ICA lub regresji do modelowania artefaktów związanych z chorobą serca.
    3. Obliczaj ERP zablokowane czasowo do szczytu R, używając tych samych parametrów wstępnego przetwarzania co ERP zablokowane bodźcem. Zbadać powstałe przebiegi i topografie skóry głowy, aby ocenić potencjalne zanieczyszczenie artefaktów pola serca (CFA)25. Zidentyfikuj wyraźne kompleksy QRS lub inne odchylenia związane z EKG w sygnałach EEG (Rysunek 2), które wskazują na resztkową objętość czynności serca przeniesioną na skórę głowy.
      1. Jeśli zaobserwowana jest znaczna aktywność związana z sercem, należy stosować dodatkowe procedury korekcyjne, ogólną regresję opartą na modelach liniowych z wykorzystaniem EKG jako predyktora ciągłego26, rozszerzone metody oparte na ICA lub podejścia oparte na uczeniu maszynowym27.
    4. Uwzględnij nakładanie się ERP zablokowanych bodźców a HEP. Stosuj metody wyraźnie modelujące nakładające się reakcje neuronowe, takie jak podejścia oparte na regresji lub dekonwolucyjne26. Gdy to stosowne, stosuj procedury oparte na surogatach lub analizy kontrolne, aby ocenić odporność efektów nerwowych związanych z sercem28,29.

7. Segmentacja fazy serca (offline)

  1. Wykrywanie szczytów R
    1. Automatycznie wykrywaj szczyty R w sygnale EKG za pomocą oprogramowania analitycznego. Ręcznie przejrzyj wszystkie wykryte zdarzenia i poprawiaj pomijane lub błędnie wykryte szczyty R, aby zapewnić dokładne wymierzanie rytmu bicia serca.
  2. Definiuj fazy serca
    1. Zdefiniuj skurcz i rozczulenie przy uwzględnieniu różnic między osobami w tętnie i zmienności między uderzeniami. Wolej definicje specyficzne dla cyklu niż stałe okna czasowe, jeśli to możliwe.
      UWAGA: Stosuj jedno z następujących podejść: (1) Zdefiniuj systol i rozkosz jako proporcje każdego indywidualnego przedziału R-R, zgodnie z nieliniową zależnością między tętnem a czasem trwania fazy serca; (2) Gdy jakość sygnału EKG pozwala na to, zdefiniuj koniec systoli, używając końca fali T jako fizjologicznie uziemionego markera; (3) Jeśli niezawodne wykrywanie fal T nie jest możliwe, zdefiniuj systolę przy użyciu stałego okna czasowego (np. pierwsze 300 ms po szczycie R). Wyraźnie przyznać to przybliżenie i uwzględnić indywidualne różnice w tętnie w kolejnych analizach.
  3. Przypisanie etykiet fazy serca bodźcom
    1. Używaj markerów bodźców korygowanych przez latencję, aby przypisać każdy bodziec fazie sercowej obecnej na początku bodźca (systola lub rozkurcz). Przypisz osobne etykiety faz dla każdego środowiska prezentacji (2D lub VR) i odpowiednio nazwij wydarzenia (np. 2D_systole, VR_diastole).
  4. Wyklucz niejednoznaczne procesy
    1. Identyfikacja i usunięcie badań, w których planowane okno analizy ERP obejmowałoby obie fazy serca, w zależności od natychmiastowego tętna uczestnika.
  5. Przykładowa implementacja oprogramowania
    UWAGA: Poniższe kroki ilustrują jedną z możliwych implementacji z wykorzystaniem pakietu oprogramowania do analizy EEG, który wspiera wykrywanie zdarzeń EKG i przemianę zdarzeń.
    1. Automatyczne wykrywanie szczytów R: Otwórz menu wykrywania zdarzeń i wybierz funkcję wykrywania tętna. Wybierz kanał EKG o najwyższej jakości sygnału, zdefiniuj etykietę dla wykrytych zdarzeń (np. "R-szczyt") i uruchom algorytm detekcji, aby wygenerować markery zdarzeń R-szczytowych.
    2. Ręczna weryfikacja detekcji szczytu R: Wizualnie sprawdź sygnał EKG za pomocą nakładanych markerów szczytu R. Dodaj brakujące znaczniki i usuń błędne wykrycia za pomocą narzędzi do edycji zdarzeń dostępnych w oprogramowaniu.
    3. Przeznaczanie zdarzeń na podstawie fazy serca: Użyj kombinacji zdarzeń lub funkcji selekcji, aby sklasyfikować bodźce według fazy serca na początku.
      UWAGA: W badaniach skurczowych wybrano bodźce występujące w określonym przedziale skurczowym po każdym piku R. W badaniach rozkurczowych wybieraj bodźce występujące w określonym przedziale rozkurczowym poprzedzającym kolejny szczyt R. Stwórz nowe kategorie zdarzeń dla systoli i diastole. Wykonuj ten zabieg osobno dla każdej fazy serca i środowiska prezentacji.

8. Epoching i uśrednianie

  1. Epoching i korekta punktu odniesienia
    1. Przypisuj etykiety fazy serca wyłącznie na podstawie fazy serca obecnej na początku bodźca (tj. systolu lub rozgoru). Zdefiniuj epokę ERP względem początku bodźca. Pozwól epoce rozciągać się na kolejne fazy serca bez wpływu na klasyfikację faz.
    2. Użyj długości epoki około 400 ms. Jeśli wymagane jest dłuższe okno (np. 600 ms), wyklucz badania, w których okno analizy znacznie przechodzi na kolejną fazę serca. Stosuj korekcję bazową przy użyciu krótkiego interwału przedbodziecowego (np. -50 do 0 ms lub -50 do -2 ms).
  2. Uśrednianie
    1. Obliczaj ERP osobno dla czterech warunków eksperymentalnych: 2D_systole, 2D_diastole, VR_systole i VR_diastole. Zgłoś liczbę badań zatrzymanych dla każdego schorzenia.
  3. Rozważania dotyczące wyboru elektrod
    1. Wybierz elektrody do analizy na podstawie pytania badawczego oraz charakteru interesujących nas komponentów ERP. Używaj elektrod potylicznych (O1, Oz, O2) do paradygmatów wizualnych, ponieważ rejestrują one kanoniczne wizualne ERP o wysokim stosunku sygnału do szumu.

9. Kontrola jakości i rozwiązywanie problemów

  1. Opóźnienie wyzwalacza bodźca
    1. Oceń opóźnienie między próbami między znacznikami czasu wyzwalania a rozpoczęciem bodźca mierzonym fotodiodą. Za problematyczne należy uznać jitter przekraczający około 10 ms w różnych badaniach, szczególnie dla wczesnych komponentów ERP. Jeśli zaobserwuje się nadmierne drganie, ponownie oceń czas stymulacji, synchronizację sprzętową i zastosuj korekty opóźnień specyficzne dla poszczególnych serii.
  2. Saturacja lub szum EKG
    1. Sprawdź kontakt elektrody EKG i impedancję. Zamieniaj polaryzację elektrod, jeśli szczyty R są odwrócone. Przenieś elektrody EKG na przedramiona, jeśli nagrania nadgarstkowe pozostają głośne.
  3. Artefakty nacisku w goglach VR
    1. Przerób paski do słuchawek, aby zmniejszyć nacisk na elektrody EEG. Dodaj wypełnienie, jeśli to konieczne, i ponownie nałóż przewodzący żel na zakażone elektrody.
  4. Nierówna liczba badań w fazach serca
    1. Dostosuj okno epoki ERP lub czas bodźca, aby zapewnić zrównoważone próbkowanie w fazach skurczowej i rozkurczowej.
  5. Badania w fazie niejednoznacznej
    1. Zidentyfikuj badania, w których początek bodźca występuje w pobliżu granicy fazy serca (np. wokół szczytu R-szczytu lub w pobliżu przejścia między systolem a rozkrokiem) oraz gdzie planowane okno analizy może obejmować obie fazy. Oznacz te procesy jako niejednoznaczne. Sprawdź sygnał EKG oraz natychmiastowy interwał R-R, wykluczając niejednoznaczne próby z dalszej analizy.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Niniejsze badanie wykorzystało protokół analityczny do badania modulacji ERP za pomocą sygnałów interoceptywnych aferentnych podczas fazy cyklu sercowego (systol vs. rozskok) w dwóch środowiskach eksperymentalnych: standardowym monitorze 2D oraz immersyjnym VR. Epoki EEG zostały wyodrębnione i przeanalizowane względem szczytu R z równolegle zarejestrowanego EKG.

Nieparametryczny test permutacji oparty na klastrze zastosowany do wizualnych ERP zarejestrowanych na elektrodach potylicznych (O1, O...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Kluczowe kroki w protokole
Kilka etapów proponowanego protokołu jest kluczowych dla uzyskania prawidłowych efektów ERP zależnych od fazy serca. Po pierwsze, niezbędna jest precyzyjna synchronizacja między prezentacją bodźca a zapisem EEG, a opóźnienia wyświetlania specyficzne dla środowiska muszą być ilościowo określane za pomocą fotodiody i korygowane na poziomie markerów zdarzeń, ponieważ nieskorygowane opóźnienia lub nadmierne drganie mogą prowadzić do rozmazania elementów ERP w czasie rzeczywist...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy deklarują, że nie mają konfliktu interesów.

Podziękowania

Prace te zostały wsparte przez przyznanie państwowego programu Terytorium Federalnego «Syrius» «Rozwój naukowo-technologiczny Terytorium Federalnego «Syrius» (Umowa nr 28-03, data 27.09.2024).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
actiCAP slim / snapBrain Products GmbHBP-185-2200Aktywna elektroda z 64 kanałami.
actiCHamp Plus Wszechstronny wzmacniacz laboratoryjny all-in-oneBrain Products GmbHS/N ACBM17120955Podstawowy system pozyskiwania danych EEG.
Ag/AgCl electodes jednorazowe 26 mmNika-Medical LtdNie maElektrody jednorazowe do EKG trójodprowadzeniowego
BIP2AUX adapterBrain Products GmbHNie maŁączy wyjście EKG z wejściem aux EEG.
Desktop ROG Srtix ASUSTeK Computer Inc.G835LR-SA117Wysokowydajne stanowisko robocze. Wykorzystywany do jednoczesnej obsługi systemu VR (HTC Vive), oprogramowania do prezentacji bodźców oraz platformy do nagrywania EEG (BrainVision Recorder).
HTC Vive  Pro EyeHTC Corporation S/N FA1142100443System VR do immersyjnej prezentacji bodźców.
Sensor fotograficznyBrain Products GmbHNie maDo optycznego wykrywania początku bodźca.
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00044DGłówny wyświetlacz do stanu 2D.
Samsung 27" ViewFinity S8 Samsung Electronics Co., LtdS/N 0UYMHNBXB00030EEkspozycja eksperymentatora. Używany do uruchamiania oprogramowania do nagrywania EEG oraz monitorowania danych podczas eksperymentów.
Osłonięta Neiroiconica "Ekspert"Neiroiconica Assistive LtdS/N figure-materials-1K20210119011Komora osłonięta elektromagnetycznie.
Kabel przełomowy z zatrzaskiemNeurosoft ltdNie maŁączy elektrody EKG z adapterem
TriggerBox PlusBrain Products GmbHS/N TB-A100009-0624Interfejs synchronizacji wyzwalaczy TTL.

Bibliografia

  1. Barrett, L. F., Simmons, W. K. Interoceptive predictions in the brain. Nat Rev Neurosci. 16 (7), 419-429 (2015).
  2. Critchley, H. D., Garfinkel, S. N. Interoception and emotion. Curr Opin Psychol. 17, 7-14 (2017).
  3. Quigley, K. S., Kanoski, S., Grill, W. M., Barrett, L. F., Tsakiris, M. Functions of interoception: from energy regulation to experience of the self. Trends Neurosci. 44 (1), 29-38 (2021).
  4. Cechetto, D. F. Cortical control of the autonomic nervous system. Exp Physiol. 99 (2), 326-331 (2014).
  5. Gianaros, P. J., Wager, T. D. Brain-body pathways linking psychological stress and physical health. Curr Dir Psychol Sci. 24 (4), 313-321 (2015).
  6. Schandry, R., Sparrer, B., Weitkunat, R. From the heart to the brain: a study of heartbeat-contingent scalp potentials. Int J Neurosci. 30 (4), 261-275 (1986).
  7. Azzalini, D., Rebollo, I., Tallon-Baudry, C. Visceral signals shape brain dynamics and cognition. Trends Cogn Sci. 23 (6), 488-509 (2019).
  8. Park, H. D., Blanke, O. Heartbeat-evoked cortical responses: underlying mechanisms, functional roles, and methodological considerations. Neuroimage. 197, 502-511 (2019).
  9. Saltafossi, M., Zaccaro, A., Perrucci, M. G., Ferri, F., Costantini, M. The impact of cardiac phases on multisensory integration. Biol Psychol. 182, 108642(2023).
  10. Seth, A. K., Friston, K. J. Active interoceptive inference and the emotional brain. Philos Trans R Soc B Biol Sci. 371 (1708), 20160007(2016).
  11. Kirasirova, L. A., Pyatin, V. F. Face-related ERP is influenced by cardiac afferent information. Opera Med Physiol. 9 (1), 54-59 (2022).
  12. Martins, A. Q., Ring, C., McIntyre, D., Edwards, L., Martin, U. Effects of unpredictable stimulation on pain and nociception across the cardiac cycle. Pain. 147 (1-3), 84-90 (2009).
  13. Motyka, P., et al. Interactions between cardiac activity and conscious somatosensory perception. Psychophysiology. 56 (3), e13424(2019).
  14. Edwards, L., Inui, K., Ring, C., Wang, X., Kakigi, R. Pain-related evoked potentials are modulated across the cardiac cycle. Pain. 137 (3), 488-494 (2008).
  15. Garfinkel, S. N., et al. Fear from the heart: sensitivity to fear stimuli depends on individual heartbeats. J Neurosci. 34 (19), 6573-6582 (2014).
  16. Rau, H., Elbert, T. Psychophysiology of arterial baroreceptors and the etiology of hypertension. Biol Psychol. 57, 179-201 (2001).
  17. Gray, M. A., Rylander, K., Harrison, N. A., Wallin, B. G., Critchley, H. D. Following one’s heart: cardiac rhythms gate central initiation of sympathetic reflexes. J Neurosci. 29, 1817-1825 (2009).
  18. Pollatos, O., Schandry, R. Accuracy of heartbeat perception is reflected in the amplitude of the heartbeat-evoked brain potential. Psychophysiology. 41 (3), 476-482 (2004).
  19. Parsons, T. D. Virtual reality for enhanced ecological validity and experimental control in clinical, affective and social neurosciences. Front Hum Neurosci. 9, 520(2015).
  20. Slobounov, S. M., Ray, W., Johnson, B., Slobounov, E., Newell, K. M. Modulation of cortical activity in 2D versus 3D virtual reality environments: an EEG study. Int J Psychophysiol. 95 (3), 254-260 (2015).
  21. Pavlov, Y. G., et al. EEGManyLabs: Investigating the replicability of influential EEG experiments. Cortex. 144, 213-229 (2021).
  22. Klem, G., Lüders, H., Jasper, H., Elger, C. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 52, 3-6 (1999).
  23. Larsen, O. F. P., et al. A method for synchronized use of EEG and eye tracking in fully immersive VR. Front Hum Neurosci. 18, 1347974(2024).
  24. Vigário, R., Särelä, J., Jousmäki, V., Hämäläinen, M., Oja, E. Independent component approach to the analysis of EEG and MEG recordings. IEEE Trans Biomed Eng. 47 (5), 589-593 (2000).
  25. Al, E., et al. Heart-brain interactions shape somatosensory perception and evoked potentials. Proc Natl Acad Sci USA. 117 (19), 10575-10584 (2020).
  26. Ehinger, B. V., Dimigen, O. Unfold: An integrated toolbox for overlap correction, non-linear modeling, and regression-based EEG analysis. PeerJ. 7, e7838(2019).
  27. Arnau, S., Sharifian, F., Wascher, E., Larra, M. F. Removing the cardiac field artifact from EEG using neural network regression. Psychophysiology. 60 (4), e14323(2023).
  28. Aprile, F., et al. The heartbeat-evoked potential in young and older adults during attention orienting. Psychophysiology. 62 (1), e70057(2025).
  29. Steinfath, P., et al. Validating genuine changes in heartbeat-evoked potentials using pseudotrials and surrogate procedures. Imaging Neurosci. 3, IMAG.a.30(2025).
  30. Walker, B. B., Sandman, C. A. Visual evoked potentials change as heart rate and carotid pressure change. Psychophysiology. 19 (5), 520-527 (1982).
  31. Maris, E., Oostenveld, R. Nonparametric statistical testing of EEG and MEG data. J Neurosci Methods. 164 (1), 177-190 (2007).
  32. Coll, M. P., Hobson, H., Bird, G., Murphy, J. Systematic review and meta-analysis of the relationship between the heartbeat-evoked potential and interoception. Neurosci Biobehav Rev. 122, 190-200 (2021).
  33. Kirasirova, L., Tugin, S., Pyatin, V., Kabir, M. S., Sagalajev, B. Modality-specific ERP dynamics in virtual and non-immersive environments. Proc Int Conf Neurotechnologies Neurointerfaces, , 36-39 (2025).
  34. Sagehorn, M., et al. Real-life relevant face perception is not captured by the N170 but reflected in later potentials: a comparison of 2D and virtual reality stimuli. Front Psychol. 14, 1050892(2023).
  35. Kirasirova, L., Maslova, O., Pyatin, V. Impact of virtual agent facial emotions and attention on N170 ERP amplitude: comparative study. Front Behav Neurosci. 19, 1523705(2025).
  36. Marín-Morales, J., et al. Affective computing in virtual reality: Emotion recognition from brain and heartbeat dynamics using wearable sensors. Sci Rep. 8, 13657(2018).
  37. Kirasirova, L., et al. Standardized EEG protocol for comparing cortical responses to mechanical and electrical tactile stimuli. J Vis Exp. (229), e69817(2026).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Potencja y wywo aneEEG w rzeczywisto ci wirtualnejinterakcja serce m zgprzetwarzanie wst pne EEGelektrokardiografia EKGartefakty ruchoweamplituda wzrokowych ERPskurcz sercarozkurcz serca
Film wkrótce dostępny

Powiązane artykuły