Microestado e análises de complexidade Omega de eletroencefalografia a estado descansando

Este artigo descreve a análise de microestado protocolo subjacente de eletroencefalografia (EEG) e análise de complexidade de omega, que são duas medidas de EEG livre de referência e altamente valioso para explorar os mecanismos neurais de distúrbios cerebrais.

Este semestre respondeu a 10 perguntas no campo do distúrbio cerebral, como identificar um par eficiente de marcadores para um código de bios no diagnóstico de hoje. A principal vantagem dessa técnica é que ela pode emanar como uma referência do problema pendente quando você está aderindo à análise tradicional de EEG. As aplicações dessa técnica se estendem à nossa compreensão das redes de estados de repouso do cérebro humano.

Para iniciar este procedimento, importe os dados brutos do EEG para o software do laboratório de EEG. Em seguida, carregue o arquivo de localização do canal no software de laboratório de EEG para obter as localizações espaciais desses eletrodos. Para remover os eletrodos de referência, uma opção de Selecionar dados no intervalo de canais da caixa de diálogo pop-up, selecione apenas os eletrodos de gravação e não selecione os eletrodos de referência para que os eletrodos de referência possam ser removidos.

Para filtrar os dados de EEG entre 0,5 e 80 hertz, na caixa de diálogo pop-up, escolha 0,5 para a borda inferior da banda de passagem de frequência hertz e escolha 80 para a borda superior da banda de passagem de frequência hertz. Em seguida, clique Ok.To remover o ruído da linha de energia com um filtro de entalhe entre 49 e 51 hertz, na caixa de diálogo pop-up, escolha 49 para a borda inferior do hertz da banda de passagem de frequência e escolha 51 para a borda superior do hertz da banda de passagem de frequência. Em seguida, selecione a opção Entalhe filtrar os dados em vez da banda de passagem e clique Ok.To remover movimentos oculares, clique em Ferramentas e, em seguida, clique em Remoção de artefatos usando AAR 1.3 e Remoção de EOG usando BSS.

Para remover o EMG, clique em Ferramentas e, em seguida, clique em Remoção de artefato usando AAR 1.3 e remoção de EMG usando BSS. Em seguida, segmente os dados de EEG contínuos pré-processados em épocas com duração de dois segundos. Uma janela aparecerá que permite salvar os dados segmentados do EEG.

Em seguida, importe os dados segmentados do EEG para o software do laboratório de EEG e rejeite as épocas do EEG com valores de amplitude superiores a mais ou menos 80 microvolts em qualquer eletrodo. Em seguida, salve os dados de EEG pré-processados. Neste procedimento, para cada sujeito, carregue os dados de EEG pré-processados, converta os canais de referência em referência média comum e filtre os dados de EEG entre dois e 20 hertz.

Em seguida, identifique os quatro mapas de microestados em cada assunto. Na caixa de diálogo pop-up, escolha três para o número mínimo de classes, escolha seis para o número máximo de classes, escolha 50 para o número de reinicializações, escolha o número máximo de mapas a serem usados e selecione as opções de apenas pico GFP e Sem polaridade. Em seguida, clique no botão Ok.

Posteriormente, salve os dados de EEG de cada sujeito após identificar seus próprios mapas de microestados. Importe os conjuntos de dados EEG de todos os assuntos salvos na última etapa de uma só vez. Em seguida, identifique os mapas de microestado no nível do grupo.

Na caixa de diálogo pop-up, selecione os conjuntos de dados de todos os assuntos na opção Escolher conjuntos para a média. Na opção Nome da média, dê um nome para os mapas de microestado de nível de grupo e clique no botão Ok.Isso criará um novo conjunto de dados chamado GrandMean que armazena os mapas de microestado de nível de grupo. Classifique manualmente a ordem de quatro mapas de microestado de nível de grupo de acordo com sua ordem clássica.

No pop-up, selecione Mais e, em seguida, o número de mapas mostrados se torna quatro. Depois disso, selecione Man sort. Na caixa de diálogo pop-up, insira a nova ordem de quatro mapas de microestado de nível de grupo e clique em Fechar.

Em seguida, classifique a ordem dos quatro mapas de microestado de cada assunto, salve os parâmetros de microestado para cada assunto, que invocarão duas caixas de diálogo pop-up sequencialmente. Na primeira caixa de diálogo, selecione os conjuntos de dados de todos os assuntos. Na segunda caixa de diálogo, selecione 4 classes para a opção, Número de classes.

Selecione as opções de Ajustar somente em picos GFP e Remover microestados potencialmente truncados. Em seguida, escolha 30 para a janela de suavização de rótulo, ms, e escolha Um para a penalidade de não suavidade e clique em Ok.Um arquivo CSV que armazena parâmetros de submicroestado será salvo no computador. Essas imagens mostram que os microestados Classe A e B têm uma orientação frontal direita para occipital esquerda e uma orientação frontal esquerda para occipital direita, respectivamente.

Microestados Classe C e D têm topografias simétricas, mas orientação pré-frontal a occipital e orientação frontal a central para occipital foram observadas, respectivamente. Esta tabela mostra a média e o desvio padrão dos parâmetros de microestado dos indivíduos saudáveis. Uma vez dominada, essa técnica pode ser feita em uma hora se for executada corretamente.

Ao tentar este procedimento, é importante lembrar que os dados do EEG devem ser pré-processados com cuidado. Seguindo este procedimento, outros métodos, como localização de origem, podem ser executados para responder a perguntas adicionais, como de onde vêm esses mapas de microestado. Essa técnica abriu caminho para pesquisadores no campo da ciência do cérebro exporem doenças como no cérebro humano.