BrainBeats jako wtyczka EEGLAB o otwartym kodzie źródłowym do wspólnej analizy EEG i sygnałów sercowo-naczyniowych
26 kwietnia 2024
Zestaw narzędzi BrainBeats to wtyczka EEGLAB o otwartym kodzie źródłowym, przeznaczona do wspólnej analizy sygnałów EEG i sercowo-naczyniowych (EKG/PPG). Obejmuje ocenę potencjałów wywołanych biciem serca (HEP), analizę opartą na cechach i ekstrakcję artefaktów serca z sygnałów EEG. Protokół pomoże w badaniu interakcji mózg-serce przez dwie soczewki (HEP i funkcje), zwiększając odtwarzalność i dostępność.
Zadaniem BrainBeats jest zapewnienie zautomatyzowanego narzędzia typu open source do prowadzenia badań nad wzajemnymi oddziaływaniami mózgu-serca. Umożliwia naukowcom przeprowadzanie multimodalnej analizy sygnałów EEG i sercowo-naczyniowych poprzez ustandaryzowane przetwarzanie sygnałów, ekstrakcję cech, graficzny interfejs użytkownika i wizualizację danych. W wyniku historycznego redukcjonistycznego podejścia w nauce układy mózgowy i sercowy zostały rozdzielone i odizolowane, co doprowadziło do ograniczonego zrozumienia ich interakcji i wzajemnego wpływu.
Zestaw narzędzi BrainBeats ma na celu wypełnienie tej luki. Zrozumienie wzajemnych oddziaływań między mózgiem a sercem pozwala naukowcom uzyskać głębszy wgląd w to, jak stany poznawcze i emocjonalne wpływają na funkcjonowanie układu sercowo-naczyniowego i odwrotnie. Z kolei te spostrzeżenia mogą prowadzić do nowych terapii lub interwencji i zabiegów.
Aby rozpocząć, otwórz MATLAB na komputerze. W panelu głównym MATLAB kliknij przycisk Ustaw ścieżkę, aby dodać ścieżkę do folderu laboratorium EEG. Kliknij przycisk Dodaj folder i wybierz folder laboratorium EEG, który został rozpakowany.
Następnie kliknij Zapisz, a następnie Zamknij. W oknie poleceń MATLAB wpisz EEG lab, aby uruchomić EEG lab. Aby zainstalować wtyczkę BrainBeats, kliknij plik, a następnie zarządzaj rozszerzeniami laboratorium EEG.
Następnie w pasku wyszukiwania wpisz BrainBeats, wybierz wtyczkę BrainBeats z listy i kliknij zainstaluj. Aby załadować przykładowy zestaw danych do laboratorium EEG, kliknij Plik i załaduj istniejące dane. Przejdź do folderu laboratorium EEG, a następnie przejdź do folderów wtyczek i BrainBeats.
Otwórz folder przykładowych danych i wybierz plik dataset.set. W laboratorium EEG sekwencyjnie klikaj narzędzia, BrainBeats i pierwszy poziom, poziom tematu, aby otworzyć pierwszy ogólny interfejs użytkownika lub GUI brain beats. Wybierz potencjały wywołane biciem serca lub HEP jako analizę do uruchomienia i EKG jako typ danych serca.
Następnie kliknij przycisk, aby wyświetlić listę kanałów i wybierz kanał EKG. Pozostaw wybrane opcje wizualizacji zalecanych wyjść i zapisz wyjścia, a następnie kliknij OK.In drugim oknie GUI, w sekcji EEG przed przetwarzaniem, zmień szum linii energetycznej na 50 Hz i kliknij OK, aby uruchomić. Po wyświetleniu komunikatu ostrzegawczego o konieczności usunięcia wykrytego kanału PPG kliknij przycisk Tak.
W przypadku sygnału PPG załaduj zestaw danych. ustaw plik ponownie. Następnie w laboratorium EEG sekwencyjnie klikaj narzędzia, BrainBeats i poziom przedmiotu pierwszego poziomu, aby otworzyć pierwszy graficzny interfejs użytkownika BrainBeats.
Wybierz potencjały wywołane biciem serca lub HEP jako analizę do uruchomienia i PPG jako typ danych serca. Następnie kliknij przycisk, aby wyświetlić listę kanałów i wybierz kanał PPG. Pozostaw wybrane opcje wizualizacji zalecanych wyjść i zapisz wyjścia, a następnie kliknij OK.In drugim oknie GUI, w sekcji EEG przed przetwarzaniem, zmień szum linii energetycznej na 50 Hz i kliknij OK, aby uruchomić.
Gdy pojawi się komunikat ostrzegawczy o konieczności usunięcia dodatkowego kanału EKG, kliknij przycisk Tak. BrainBeats z powodzeniem wykrył odstępy RR na podstawie sygnału EKG i niektóre artefakty RR. Zaobserwowano znaczne bicie serca wywołane oscylacjami w paśmie alfa od 150 do 400 milisekund po uderzeniu serca w czołowo-centralnym miejscu skóry głowy.
Z drugiej strony, wewnątrzprocesowa analiza koherencji nie sugerowała znaczącego blokowania faz lub resetowania fazy EEG w odniesieniu do bicia serca. BrainBeats wykrył również interwały RR z sygnału PPG i niektóre artefakty RR. Zaobserwowano istotny efekt w miejscu czołowo-centralnym skóry głowy w prawie całym oknie czasowym następującym po załamku R i prawie w całym zakresie częstotliwości.
Analiza koherencji między badaniami sugerująca brak istotnego blokowania faz lub resetowania fazy EEG. Aby załadować przykładowy zestaw danych do laboratorium EEG, kliknij Plik i załaduj istniejące dane. Przejdź do folderu laboratorium EEG, a następnie przejdź do folderu wtyczek i folderu BrainBeats.
Otwórz folder przykładowych danych i wybierz plik dataset.set. Po załadowaniu przykładowego zestawu danych do laboratorium EEG, sekwencyjnie klikaj narzędzia, BrainBeats i poziom przedmiotu pierwszego poziomu, aby otworzyć główny graficzny interfejs użytkownika i wybrać parametry. Wybierz cechy ekstrakcji EEG i HRV dla typu analizy i EKG dla typu sygnału serca.
Wybierz EKG z listy etykiet elektrod i kliknij OK. Następnie pojawia się drugie okno GUI z różnymi parametrami wstępnego przetwarzania EEG i wyodrębniania funkcji HRV i EEG. W sekcji EEG przed procesem zmień szum linii energetycznej na 50 Hz i kliknij OK, aby uruchomić. Gdy pojawi się komunikat ostrzegawczy o konieczności usunięcia dodatkowego kanału PPG, kliknij przycisk Tak.
Pod koniec wszystkich operacji wpisz eegh w oknie poleceń MATLAB, aby wydrukować wiersz poleceń i powtórzyć wszystkie kroki za pomocą jednego wiersza poleceń. Po załadowaniu tego samego pliku zestawu danych sekwencyjnie klikaj narzędzia, BrainBeats i poziom tematu pierwszego poziomu, aby otworzyć główny graficzny interfejs użytkownika w celu wybrania parametrów. Wybierz cechy ekstrakcji EEG i HRV do analizy oraz PPG dla typu sygnału serca.
Wybierz PPG jako nazwę kanału i kliknij OK.In drugim oknie GUI, w sekcji EEG przed przetwarzaniem zmień szum linii energetycznej na 50 Hz i kliknij OK, aby uruchomić. Gdy pojawi się komunikat ostrzegawczy o konieczności usunięcia wykrytego kanału EKG, kliknij Tak i przejrzyj wygenerowane dane wyjściowe. Załaduj przykładowy plik zestawu danych dataset.set.
Następnie kolejno klikaj narzędzia, BrainBeats i poziom tematu pierwszego poziomu, aby otworzyć główny graficzny interfejs użytkownika. wybierz wyodrębnij artefakty serca z sygnałów EEG dla typu analizy i EKG dla typu sygnału serca. Wpisz EKG na liście etykiet elektrod i kliknij przycisk OK. Po wybraniu parametrów wstępnego przetwarzania sygnałów EEG, wybierz 50 Hz dla szumu linii, zaznacz pole trybu wzmocnienia i kliknij OK, aby uruchomić.
Gdy pojawi się komunikat ostrzegawczy o konieczności usunięcia dodatkowego kanału PPG, kliknij przycisk Tak. Za pomocą BrainBeats wyodrębniono cechy EEG i zmienności rytmu serca z sygnałów EKG, ujawniając szczyt gęstości widmowej mocy zmienności rytmu serca na poziomie około 0,19 Hz w paśmie wysokich częstotliwości oraz EEG na poziomie około 10,5 Hz w paśmie alfa. Topografie skóry głowy wykazały dominujące lokalizacje w obszarach tylnych o większej złożoności w obszarze czołowym, prawym i tylnym.
Późniejsza analiza z wykorzystaniem sygnałów PPG do zmienności rytmu serca wykazała szczyt przy około 0,04 Hz w paśmie niskich częstotliwości i rozwidlony szczyt około 0,19 Hz, co sugeruje niższą jakość sygnału PPG.
Przegląd
Przyrząd BrainBeats jest otwartym oprogramowaniem do EEGLAB, którego celem jest ułatwienie wspólnej analizy sygnałów EEG i układu krążenia (EKG/PPG). To narzędzie poprawia badania interakcji mózg-serce poprzez zapewnienie narzędzi do oceny potencjałów wywołanych przez bicie serca (HEP) oraz ekstrakcji artefaktów serca z sygnałów EEG, co ostatecznie poprawia reproduktywalność i dostępność w badaniach.
Kluczowe komponenty badania
Dziedzina nauki
- Neuronauki
- Badania nad układem krążenia
- Przetwarzanie sygnałów
Tło
- Historycznie, układy mózgu i serca były badane osobno, co ograniczało zrozumienie ich interakcji.
- Przyrząd BrainBeats wypełnia tę lukę, umożliwiając badaczom zbadanie dynamicznej interakcji między tymi systemami.
- Wgląd w wpływ stanów poznawczych i emocjonalnych na funkcję układu krążenia może prowadzić do nowych interwencji terapeutycznych.
Cel badania
- Dostarczyć standaryzowane narzędzie do multimodalnej analizy sygnałów EEG i układu krążenia.
- Poprawić zrozumienie interakcji mózg-serce i ich implikacji dla zdrowia psychicznego i fizycznego.
- Poprawić dostępność i reproduktywalność w powiązanych badaniach.
Stosowane metody
- Badanie wykorzystywało przyrząd BrainBeats w ramach EEGLAB w MATLAB.
- Sygnały EEG i układu krążenia (zarówno EKG, jak i PPG) były analizowane za pomocą interfejsów graficznych w celu oceny HEP i artefaktów serca.
- Protokół obejmował ustawianie ścieżek w MATLAB, ładowanie zestawów danych i wykonywanie ekstrakcji cech.
- Kluczowe kroki obejmowały zmianę ustawień szumów linii zasilającej i walidowanie wyników podczas analizy.
Główne wyniki
- Do znaczących odkryć należały oscylacje wywołane biciem serca w paśmie alfa po biciu serca.
- Analiza spójności między próbami nie wykazała znaczącego blokowania fazy EEG z biciem serca.
- Kluczowe wyniki obejmowały także cechy HRV i dane EEG, ujawniając ważne wzorce związane z rytmami serca.
Wnioski
- Przyrząd BrainBeats pokazuje potencjał w przekraczaniu luki między badaniami nad mózgiem i sercem.
- Umożliwia bardziej kompleksowe zrozumienie wpływu poznawczego i emocjonalnego na zdrowie układu krążenia.
- Zdobyte wglądy mogą wpłynąć na przyszłe strategie terapeutyczne i interwencje.
Często zadawane pytania
Executive Industry Relevance
Integrating EEG and cardiovascular signal analysis addresses a critical gap in early discovery by enabling standardized, multimodal interrogation of brain-heart interplay. The BrainBeats toolbox enhances predictive confidence in neurocardiac biomarker research and supports robust feature extraction for translational and preclinical studies. This capability is strategically positioned to improve reproducibility, data quality, and cross-functional R&D workflows in biopharma pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables mechanistic de-risking by jointly analyzing neural and cardiovascular signals for target validation.
- Supports hypothesis-driven exploration of brain-heart interactions relevant to neurocardiac disease models.
- Facilitates extraction of quantitative features for pathway clarification and functional biomarker identification.
Screening & Assay Development
- Standardizes EEG and HRV feature extraction to improve assay reproducibility and downstream screening reliability.
- Automates artifact removal, ensuring clean datasets for high-throughput compound evaluation.
- Prepares validated multimodal datasets for scalable machine learning model development.
Translational & Preclinical Research
- Aligns extracted features with disease-relevant neurocardiac biomarkers for translational continuity.
- Enables risk-adjusted advancement decisions by providing robust, reproducible readouts across preclinical models.
- Supports cross-system mechanistic studies to inform therapeutic hypothesis refinement.
Pipeline & Workflow Integration
The BrainBeats plugin fits within the discovery-to-preclinical continuum by enabling standardized, multimodal data integration and analysis.
- Discovery Biology: Facilitates null hypothesis testing and pathway interrogation through synchronized EEG and cardiovascular signal analysis.
- Screening: Provides reproducible, quantitative outputs for assay development and compound triage.
- Analytics: Delivers feature-rich datasets and statistical outputs for robust condition comparison and model training.
- Translational Research: Bridges discovery and preclinical phases by aligning neurocardiac features with disease models.
- Enterprise Reuse: Offers an open-source, GUI-driven platform adaptable across diverse R&D programs and datasets.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neurocardiac research.
- Operational Value: Enhances standardization, reproducibility, and scalability of multimodal signal analysis.
- Strategic Value: Improves go/no-go decision quality and capital efficiency by enabling robust biomarker discovery.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of neurocardiac targets and models.
Implementation Considerations
- Requires expertise in EEG, cardiovascular signal processing, and MATLAB/EEGLAB environments.
- Depends on access to high-quality, synchronized EEG and ECG/PPG datasets.
- Necessitates cross-team agreement on feature extraction and artifact removal standards.
- Adaptable to various model systems but may require parameter tuning for optimal results.
- Data quality and signal integrity directly impact analysis reliability and downstream utility.
