Summary
חוקרי הדמייה בדרך כלל לשקול תגובה של המוח כפעילות ממוצעת על פני ניסויי ניסוי חוזרים ונשנים והתעלמות השתנות אות לאורך זמן כמו "רעש". עם זאת, מתברר שיש אות שברעש. מאמר זה מתאר את השיטה החדשה של multiscale אנטרופיה לכימות השתנות אות מוח במישור הזמן.
Abstract
כאשר בוחנים נתונים הדמייה אדם, הערכה של השתנות אות מייצגת חדשנות מהותית בדרך בה אנו חושבים על אות המוח. בדרך כלל, חוקרים לייצג תגובה של המוח כממוצע על פני ניסויי ניסוי חוזרים ונשנים והתעלמות תנודות אותות לאורך זמן כמו "רעש". עם זאת, מתברר כי השתנות אות המוח מעבירה מידע תפקודי משמעותי על דינמיקת רשת עצבית. מאמר זה מתאר את השיטה החדשה של multiscale אנטרופיה (MSE) לכימות השתנות אות מוח. MSE יכול להיות אינפורמטיבי במיוחד של דינמיקת רשת עצבית כי זה מראה תלות ורגישות לדינמיקה לינארית לינארית בנתוני לוח זמנים.
Introduction
ההתקדמות בהדמייה יש מוגברת באופן דרמטי את ההבנה של תפקוד המוח שלנו. עם זאת, רבים מהיישומים של נתונים הדמייה נוטים לחזק את הנוף של המוח במצבים סטטיים ולא הדגשת פעולות קוגניטיביות כפי שהם נפרשים בזמן אמת. כתוצאה מכך, מעט מאוד ידוע על מבנה מרחב הזמן של רשתות מוח וכיצד הרצף של שינויים בדפוסי spatiotemporal פני לוחות זמנים מרובים תורם לפעולה קוגניטיבית ספציפית. המאמר הנוכחי מתאר multiscale אנטרופיה (MSE) 5, כלי האנליטי חדש להדמייה נתונים הבוחנים את מורכבותו של דפוס spatiotemporal שבסיס פעולות קוגניציה ספציפית על ידי מתן מידע על אופן המחוללים עצביים שונים ברשת תקשורת תפקודית של מוח על פני לוחות זמנים מרובים.
נגזר מתאורית המידע, ענף של מתמטיקה מיושם 7,16, MSE היה מקוריly נועד לבחון את המורכבות של אק"ג 4. בתאוריה, MSE יכול לשמש כדי לנתח את המורכבות של כל סדרת זמן; הנדרש עיקרי הוא שסדרת זמן האות מכילה לפחות 50 נקודות נתונים של זמן מתמשך. עם זאת, תלות ורגישות לדינמיקה לינארית לינארית בנתוני לוח הזמנים עלולות לגרום MSE אינפורמטיבי במיוחד של דינמיקת רשת עצבית.
כאן, אנו מתמקדים ביישום של MSE לאלקטרואנצפלוגרם (EEG) הדמייה נתונים 9,12. EEG הוא טכניקת הדמייה לא פולשנית לפי אלקטרודות המונחות על הקרקפת ללכוד את תגובות postsynaptic של אוכלוסיות של תאי עצב בקליפת המוח 1. עם רזולוציה גבוהה זמנית, EEG פוגש את אורך הזמן הנדרש הסדרה של MSE קלות מבלי לשנות את פרוטוקול הרכישה הטיפוסי. כדי להדגיש את התועלת של היישום של MSE לנתוני ה-EEG, נשווה את זה עם שיטה חדשה כוללים גישות מסורתיות יותרuding כוח פוטנציאלי ורפאים הקשורים לאירוע. כאשר משתמשים בו יחד, שיטות משלימות אלה של ניתוח לספק תיאור של הנתונים שעשויים להוביל לתובנה נוספת לתוך פעילות רשת עצבית המקנים להכרה מלאה יותר.
Protocol
1. רכישת EEG
- הסבירו את הליכי הניסוי למשתתף וקבלת הסכמה מדעת.
- החל נפתחים אלקטרודות. אזור נקי על פניו שבו נפתח אלקטרודות תהיה ממוקמות באמצעות ספוגית אלכוהול.
- הנח כובע אלקטרודה על ראשו של המשתתף. מדוד את היקף ראשו של המשתתף ולבחור את גודל הכובע המתאים. בעקבות המערכת להכרה בינלאומית 10-20 למיקום האלקטרודה, למדוד את המרחק מnasion לInion לאורך קו האמצע ויחלק ב -10%. באמצעות מספר זה, למדוד עד מnasion וסימן. יישר את האלקטרודה כובע עמדת Fp עם הסימן הזה ולמשוך את הכובע בחזרה. ודא כי המרכז של הכובע הוא בקנה אחד עם האף. מדוד nasion לCz, ולוודא כי המרחק הזה הוא מחצית המרחק מnasion לInion. להדק את רצועת הסנטר.
- מקום ג'ל מילא מזרק בוטה נקודות במחזיקי אלקטרודה. כדי ליצור עמודה של ג'ל מוליך, להתחיל במגע עםהקרקפת, ולאחר מכן לסחוט ולמשוך בחזרה. שימו לב שהיישום של יותר מדי ג'ל עשוי לגשר את האותות של אלקטרודות שכנות.
- תקן את האלקטרודות פעילה לתוך מחזיקי אלקטרודה.
- מקם את הנושא מול המסך במרחק המתאים לניסוי. שאל את המשתתף להישאר עדיין, תוך שימת דגש על החשיבות של צמצום תנועות עיניים ומהבהב להקלטה נקיות.
- בדוק את חיבורי אלקטרודה ואיכות אות ה-EEG במחשב הרכישה. ודא כי כל קיזוזי אלקטרודה הם נמוכים (<40 mV) ויציבים. אם יש בעיה עם אלקטרודה מסוימת, להוציא את האלקטרודה ושלהחיל מחדש ג'ל להתאים עכבות באתר זה.
- שמור את הקובץ ולהפעיל את הניסוי.
2. ניתוח EEG
- לאחר ניסויים, אבל לפני חילוץ נתון המסוים של ריבית, preprocess את נתוני ה-EEG הרציף כדי להסיר חפצים באמצעות נהלים סטנדרטיים של סינוןדחיית חפץ ND. חותכים את ה-EEG הרציף לתקופות מתאימות לכל אירוע בדיד, כגון הצגה של תמונה. בכל תקופה, כולל חלון מראש גירוי אלפית שני 100 כנקודת התחלה.
- ניתוח פוטנציאל הקשור לאירוע (ERP) לוכד את פעילות מוח סינכרוני שהוא שלב נעול לתחילתו של האירוע. ממוצע על פני ניסויים להפריד את התגובות שעוררו מ" רועש "(כלומר, שאינו שלב נעול) פעילות רקע. ההשתנות פני ניסויים ובין נושאים-מציגה אתגר גדול לשיטת ה-ERP של ניתוח. כדי להשיג יחס אות לרעש טוב פרוטוקול הניסוי צריך לכלול אירועים בדידים רבים עם onsets להגדרה. זמן נעילת התגובה של המוח לתחילת אירוע בולט ולאחר מכן בממוצע על רבים כמו אירועים מסייע להפחית חלק מהרעש הזה, עם זאת, התיאום הזמני שנוצר על ידי הליך זה בדרך כלל מתמוסס בתוך שניות 1. זהה אמפליטודות שיא רכיב ה-ERP וlatencies לכל תתJECT (להנחיות מפורטות יותר על ניתוח ה-ERP, ראה פיקטון et al., 2000).
- באמצעות אנליזה פורייה, להפוך את אות ה-EEG ממישור הזמן למישור התדר ולפרק את האות לגלי סינוס מרוכבים של משתנה תדרים 6.
- Multiscale אנטרופיה (MSE) היא מדד תיאורטי מידע האומד את השונות של אותות neuroelectical לאורך זמן ועל פני לוחות זמנים מרובים. כדי לספק תיאור רעיוני של ניתוח MSE, לשקול שתי צורות גל מדומה, גל רגיל ואחד יותר אקראי. ערכי האנטרופיה דוגמה הם קרובים לאפס לגל הרגיל ו ~ 2.5 לצורת הגל משתנה יותר. גידול באנטרופיה המדגם מתאים לגידול במורכבות אות, אשר, על פי התיאוריה של המידע, יכול להתפרש כעלייה בסך של יכולת עיבוד מידע של המערכת הבסיסית 7,16. זכור כי היכולת של מוח אינה קבועה, אלא משתנה Depending על 2 הקשר העצבי, כלומר את האזורים במוח שקורים להיות מחוברים באופן פונקציונלי בנקודה מסוימת בזמן.
- כדי לחשב MSE, השתמש באלגוריתם זמין בwww.physionet.org/physiotools/mse/, אשר מחשב MSE בשני שלבים.
- ראשית, אלגוריתם הדרגה מורידה את דגימות זמן סדרת ה-EEG למשפט וכל מצב. למטה מדגם סדרת הזמן המקורי כדי ליצור סדרת זמן מרובה של לוחות זמנים שונים. סדרת 1 זמן היא סדרת הזמן המקורית. כדי ליצור סדרה של לוחות זמנים בזמן שלאחר מכן, יש לחלק את הזמן לסדרה המקורית שאינם חופפים חלונות של האורך הממוצע וזמני הנקודות הנתונים בתוך כל חלון. למטה דגימה היא דומה לסינון נמוך לעבור; חלוקת תדר הדגימה על ידי לוח הזמנים יהיו קרוב את התדר שבו האות היא נמוך לעבור סינון שלזמנים מסוימים. היישום של MSE לסעיףטווח תדרי ticular (למשל, אלפא: 9 הרץ עד 12 הרץ) יכול להתפרש כמייצג את ההרכב של מקצבים בטווח זה, כמו גם את האינטראקציה בין התדרים הללו.
- שנית, האלגוריתם מחשב את האנטרופיה המדגם עבור כל סדרת זמן גס גרגר 14. האנטרופיה מדגם מעריכה את המורכבות של סדרת זמן. בניתוח קוי של EEG, מניח כי סדרת זמן פרט מייצגת את הביטוי של מודל דינמי בסיסי רב ממדי שאינו ליניארי (ראה סת"ם, 2005 לביקורת). בדוגמה זו, מ '(אורך התבנית) מוגדרת לשתיים, מה שאומר שהשונות של דפוס המשרעת של כל סדרת זמן יהיו מיוצגות במרחב דו ממדים לעומת תלת ממדי על ידי בהתחשב דפוס הרצף של שתיים לעומת שלוש ברציפות נקודות נתונים, בהתאמה. פרמטר r (קריטריון הדמיון), משקף את מגוון משרעת (כונה על ידי הגובה של הלהקות הצבעוניות) שבתוכו נתונים מצביעמחדש נחשב "להתאים". לסדרת זמן EEG טיפוסית עם נקודות נתונים יותר מ -100, מוגדר מ 'הפרמטר שווה ל 2 ו R הפרמטר שווה לערך בין 0.5 ו 1 (ראה ריצ'מן ומורמן, 2000; להליך מפורט על בחירת פרמטרים מתייחסים לאגם et al., 2002).
כדי לחשב את האנטרופיה מדגם עבור סדרת הזמן מדומה הזה, תתחיל עם דפוס רצף שני המרכיבים הראשון, אדום והכתום. ראשית, לספור את מספר הפעמים דפוס רצף אדום הכתום מתרחש בסדרה בזמן, יש 10 משחקים לרצף של שני רכיב זה. שנית, לספור את מספר פעמים דפוס רצף של שלושה מרכיב הראשון, אדום כתום וצהוב, מתרחש בזמן הסדרה, יש 5 משחקים לרצף של שלושה רכיב זה. להמשיך עם אותו רצף הפעולות לשני המרכיבים הבאים (צהוב הכתום) והרצף של שלושה הרכיב הבא (כתום, צהוב, ירוק) של סדרת הזמן. מספר התאמות שני מרכיבים (5) והגפרורים שלושה רכיבים (3) לsequen אלהCES מתווספים לערכים הקודמים (סה"כ תוצאות שני מרכיבים = 15; גפרורי שלושה רכיבים סה"כ = 8). חזור על פעולה עבור כל המשחקים האחרים בסדרה ברצף הזמן (עד N - מ ') כדי לקבוע את היחס הכולל של שני משחקי רכיב למשחקי שלושה רכיבים. האנטרופיה מדגם היא הלוגריתם הטבעי של יחס זה. עבור כל נושא, לחשב את אומדן MSE הספציפי הערוץ כממוצע על פני אמצעי האנטרופיה משפט אחד לכל זמנים.
Representative Results
דמויות 1A ו 2A מייצגים את אות ה-EEG, בתגובה למצגת של תמונת הפנים. ממוצע על פני כמו ניסויים מייצר צורת גל ה-ERP, שמורכב מסדרה של סטיות חיוביות ושליליות נקראת רכיבי ה-ERP. איור 1 מדגים גל בממוצע עבור נושא אחד ואיור 6 א ממחיש צורת גל ממוצעת גדולה לקבוצה של נבדקים. יש ספרות עשירה המתייחסת כל אחד מרכיבי ה-ERP לתפיסתי, מנוע ספציפי, או פעולה קוגניטיבית. לדוגמה, N170 היא סטייה שלילית שפסגות בכ 170 לאחר תחילת גירוי אלפיות השנייה והוא מעורבים בעיבוד פנים 8,15.
איור 2 ממחישים את הפירוק של אותה אות ה-EEG לתדרי רכיב. התוצאות מניתוח כוח רפאים לחשוף את התוכן בתדירות של האות (איור 2 ג), לפיועלייה בכח בתדר מסוים משקפת גידול בנוכחות של קצב שבתוך אות ה-EEG.
כמו כוח ספקטרלי, MSE הוא רגיש למורכבות של מרכיבי oscillatory תורמים לאות. עם זאת, בניגוד לכוח ספקטרלי, MSE הוא גם רגיש לאינטראקציות בין רכיבי תדר (כלומר לא קוי דינמיקה 18). המורכבות של אות EEG מיוצגת כפונקציה של אנטרופיה מדגם (איור 5) על פני לוחות זמנים מרובים (איור 4). כפי שמודגם באיור 3, האנטרופיה מדגם היא נמוכה לאותות רגילים ועולה עם מידה מסוימת של אקראיות אות. שלא כמו אמצעים מסורתיים האנטרופיה שיגדלו עם מידה של אקראי, multiscale אנטרופיה היא מסוגלת להבחין אותות מורכבים מרעש לבן על ידי בהתחשב האנטרופיה על פני לוחות זמנים מרובים. לדוגמה, קוסטה ואח'. 2005 לעומת F ערכי האנטרופיה multiscaleאו רעש (לבן) לעומת מתואם מתואם (ורוד) רעש. בעוד האנטרופיה מדגם הייתה גדולה יותר עבור רעש לבן מרעש ורוד בזמנים בסדר, ההפך נצפה בלוחות זמנים גסי 5-20. במילים אחרות, כאשר האנטרופיה נחשבת על פני לוחות זמנים מרובים, המורכבות האמיתית של האותות הייתה מיוצגת בצורה מדויקת יותר מאשר תהיה אם רק לוח זמנים יחיד שנחשבו. בהתאם לדינמיקה זמנית של ניגוד מסוים, השפעות המצב יכולה לבוא לידי ביטוי: 1) באותו אופן בכל לוחות הזמנים, 2) בכמה לוחות זמנים, אך לא אחרת, או 3) כתופעות מוצלבים לפיה לעומת זאת היא שונה בקנס לעומת גס לוחות זמנים.
איור 6 מתאר מצב שהבדלי ה-ERP (איור 6 א), כוח של רוח רפאים (איור 6), MSE (איור 6 ג') מנוגדים למצגות הראשוניות לעומת חוזרות של צילומי פנים 9. בדוגמה זו בכל האמצעים התכנסו כדי לחשוףאת אותו האפקט, עם זאת, הירידה שנצפתה באנטרופיה המדגם שמלווה את חזרות פנים חשובה כפי שהוא מגביל את הפרשנות של התוצאות. ירידה במורכבות עולה כי הרשת הפונקציונלית הבסיסית היא פשוט יותר ומסוגלת לעבד פחות מידע.
איור 7 מתאר תוצאות סטטיסטיות מניתוח רב משתני של חלקי לפחות 11 ריבועים להחיל ERP, כוח וMSE רפאים. ניסוי מניפולציות ההיכרות קשורה עם פרצופים שונים (Heisz et al., 2012). לעומת (גרף עמודות) מראה כי ה-ERP משרעת להבחין פרצופים חדשים מפרצופים מוכרים, אבל לא בין הפרצופים המוכרים שהיו שונים במידת חשיפה מוקדמת. כוח הרפאים להבחין פרצופים על פי היכרות שנרכשה אך לא להבחין במדויק בין הפרצופים של היכרות בינונית ונמוכה. MSE היה רגיש ביותר למצב את ההבדלים שבמדגם increas ערכי האנטרופיהאד עם היכרות פנים הולך וגדל. חלקות התמונה ללכוד הפצת spatiotemporal של השפעת המצב על פני כל האלקטרודות והזמן / תדירות / זמנים. דוגמה זו ממחישה מצב שבו הניתוח של ה-EEG על ידי MSE הפיק מידע ייחודי שלא הושג תוך שימוש בשיטות מסורתיות של ERP או כוח רפאים. סטייה זו של MSE מצביעה על כך שהתנאים שונים ביחס להיבטים של הדינמיקה לא לינארית הרשת שלהם, ואולי לערב את יחסי גומלין בין רכיבי תדר שונים.
איור 1.) תגובות EEG של נושא אחד, כפונקציה של סטייה משרעת מנקודת התחלה לכל ניסוי זממו נגד זמן ממועד תחילת המשפט. כל ניסוי היה מורכב מהמצגת של תצלום של תמונת הפנים. deflections משרעת חיובי מתואר באדום; deflections משרעת שלילי מתואר בכחול. כל המחקרים מראים סטייה חיובית סביב 100 אלפיות שנייה ו250 אלפיות שניות, המציין שלב נעול פעילות. B הקשור לאירוע) מיצוע על פני כל הניסויים מתוארים באיור 1 א מייצר צורת גל ERP ממוצעים עם סטיות חיוביות ושליליות שונות הנקראות רכיבים הקשורים לאירוע ושם על פי מינוח סטנדרטי. לדוגמה, P1 הוא המרכיב החיובי הולך הראשון, וN170 הנו מרכיב שלילי שפסגות בכ 170 לאחר תחילת גירוי אלפיות שנייה.
איור 2.) תגובת EEG מנושא אחד למשפט אחד זומם משרעת על ידי זמן (בנקודות נתונים, דגימת הרץ שיעור 512). ב ') התגובה של EEG bandpass איור 2 א המסוננת לבודד את התדרים של דלתא(0-4 הרץ), תטא (5-8 הרץ), אלפא (9-12 הרץ), בטא (13-30 הרץ) וגאמא (> 30 הרץ). C) צפיפות ההספק הספקטרלית של EEG התגובה מתוארת באיור 2A מייצג הרכב תדר של האות כפונקציה של כוח על ידי תדר. גידול בכוחה של רוח רפאים בתדר מסוים משקף עלייה במספר הנוירונים סינכרוני פעילים entrained בתוך תחום תדרים מסוים. לחץ כאן לצפייה בדמות גדולה.
איור 3) שתי צורות גל מדומה:.. צורת גל רגילה או צפוי המתוארת בסגול, וצורת גל סטוכסטית יותר מתוארות בשחור B) ערכי האנטרופיה לדוגמה בשתי צורות הגל מדומה לתקופה של שלושת לוחות הזמנים הראשונים. entr המדגםעתק הוא נמוך ביותר עבור אותות לחיזוי מאשר אותות אקראיים יותר. לחץ כאן לצפייה בדמות גדולה.
איור 4. למטה דגימת סדרת הזמן המקורית יוצרת סדרת זמן מרובה של לוחות זמנים שונים. 1 ציר הזמן הוא סדרת הזמן המקורית. סדרת הזמן של לוח זמנים 2 נוצרה על ידי חילוק הסדרה המקורית בזמן שאינם חופף חלונות באורך 2 נקודות ונתונים ממוצעות בתוך כל חלון. על מנת ליצור את סדרת הזמן של לוחות זמנים שלאחר מכן, יש לחלק את הזמן לסדרה המקורית שאינם חופפים חלונות של האורך הממוצע וזמני הנקודות הנתונים בתוך כל חלון.
איור 5. צורת גל מדומה שבו כל מלבן מייצג נקודת נתונים יחידה בסדרת זמן אנטרופיה. דוגמה מעריכה השתנות של סדרת זמן. בדוגמה זו, מ '(אורך התבנית) מוגדרת לשתיים, מה שאומר שהשונות של דפוס המשרעת של כל סדרת זמן יהיו מיוצגות במרחב דו ממדים לעומת תלת ממדי על ידי בהתחשב דפוס הרצף של שתיים לעומת שלוש ברציפות נקודות נתונים, בהתאמה; R (קריטריון הדמיון), משקפת את מגוון משרעת (כונה על ידי הגובה של הלהקות הצבעוניות) שבתוכו נקודות נתונים נחשבות "להתאים". כדי לחשב את האנטרופיה מדגם עבור סדרת הזמן מדומה הזה, תתחיל עם דפוס רצף שני המרכיבים הראשון, אדום והכתום. ראשית, לספור את מספר הפעמים דפוס רצף אדום הכתום מתרחש בסדרה בזמן, יש 10 משחקים לרצף של שני רכיב זה. שנית, לספור את מספר פעמים שהתבנית של שלושה מרכיב הרצף הראשון,-לצעוק אדום כתוםבענווה, מתרחשת בזמן הסדרה, יש 5 משחקים לרצף של שלושה רכיב זה. תמשיך בצורה הזו הרצף דו הרכיבים הבאים (צהוב כתום) ושלוש מרכיב רצף (כתום, צהוב, ירוק). מספר ההתאמות שני מרכיבים (5) והגפרורים שלושה רכיבים (3) לרצפים אלה מתווספים לערכים הקודמים (סך הכל שני מרכיבי משחקים = 15; גפרורי שלושה רכיבים סה"כ = 8). חזור על פעולה עבור כל המשחקים האחרים בסדרה ברצף הזמן (עד N - מ ') כדי לקבוע את היחס הכולל של שני משחקי רכיב למשחקי שלושה רכיבים. האנטרופיה מדגם היא הלוגריתם הטבעי של יחס זה. עבור כל נושא, לחשב את אומדן MSE הספציפי הערוץ כממוצע על פני אמצעי האנטרופיה משפט אחד לכל זמנים.
הבדלי איור 6. מצב ה-ERP (), כוח של רוח רפאים (ב),MSE (C) מנוגד למצגות הראשוניות לעומת חוזרות ונשנות של צילומי פנים. לחץ כאן לצפייה בדמות גדולה.
איור 7. הניגודיות תגובת EEG לפרצופים למדו ברחבי מדדים של ה-ERP, כוח של רוח רפאים, וmultiscale אנטרופיה. הגרפים בר מתארים את הניגוד בין תנאים כפי שנקבע על ידי ניתוח ריבועים חלקי לפחות 11. עלילת התמונה מדגישה את חלוקת מרחב והזמן שבו הניגוד הזה היה יציב ביותר, כפי שנקבע על ידי bootstrapping. ערכים מייצגים ~ z ציונים וערכים שליליים נסמן משמעות להשפעת המצב ההפוכה. לחצו כאן לצפייה בדמות גדולה.
Discussion
המטרה של המאמר הנוכחי הייתה לספק תיאור רעיוני והמתודולוגית של multiscale אנטרופיה (MSE) כפי שהוא חל על נתונים הדמייה EEG. EEG הוא טכניקת הדמייה לא פולשנית רב עוצמה המודדת את פעילות רשת עצבית עם הרזולוציה הגבוהה הזמנית. אות EEG משקפת את הפעילות הסינפטית פוסט של אוכלוסיות של תאים פירמידליים בקליפה, שהם קולקטיבי תגובות שונה על ידי קשרים הולך ושבו מעוררים ומעכבים שונים. בהתאם לכך, יש דרכים רבות כדי לנתח את נתוני ה-EEG וכל שיטה מחלצת היבט ייחודי של הנתונים.
דנו שתי שיטות נפוצות של ניתוח: ניתוח פוטנציאל (ERP) הקשורה לאירוע וניתוח כוח של רוח רפאים. ה-ERP ניתוח לוכד את הפעילות העצבית סינכרוני באות ה-EEG היא שהשלב נעול לתחילת אירוע דיסקרטי. ERPs משקף ספציפית תפיסתי, מוטורי, או פעולות קוגניטיביות, מה שהופך את הנתון הזה אידיאלי לבחינת מפרטשלבי עיבוד IFIC. ניתוח כוח רפאים מכמת את תרומתו היחסית של תדר מסוים לאות ה-EEG. לולאות משוב מעוררות ומעכבות שונות לאינטראקציה לעלות לרכבת את הפעילות של אוכלוסיות עצביות בתדר מסוים 1,3. תיאום כזה בין אזורי מוח השונים הוא חשב כדי לקדם את הכריכה של מידע ברשתות עצביות נרחבות. יש ספרות עשירה התומכת בקשר שבין כוח בטווח תדר מסוים ומצבו רגשי או קוגניטיבי ספציפי של פונקציה 3.
בעת ניתוח EEG חשוב גם לזכור שרשתות עצביות הן מערכות מורכבות עם דינמיקה שאינה ליניארי. מורכבות זו באה לידי ביטוי באות ה-EEG כתנודות חריגות שאינן התוצאה של רעש רקע חסר משמעות. כמו פעילות תנודתית סינכרוני, את יחסי הגומלין בין לולאות הולך ושבו מעוררות ומעכבות שונות לגרום לשפעת חולפתctuations באות המוח לאורך זמן 6. ארעיים כאלה הם האמינו כדי לשקף מעברים או הסתעפויות בין microstates הרשת כי ניתן להשתמש כדי להעריך את דרגות חופש או מורכבות של הרשת הבסיסית; שונות רבה יותר בדפוס המשרעת של האות לאורך הזמן מעידה על מערכת מורכבת יותר 5. באופן ביקורתי, ERP או ניתוחי כוח רפאים אינם רגיש לפעילות סדירה כאמורה, ואילו MSE הוא. יתר על כן, לא ניתן לקבל מדד של מורכבות רשת, פשוט על ידי ספירת מספר האזורים פעילים במוח כשיטה כזו היא עיוורת לאינטראקציות החוזרות ונשנות החולפים ודינמיות בין האזורים במוח.
שיטות משלימות להדמייה ניתוח לשלב כדי ליצור תמונה של הפעילות העצבית הבסיסית מלאה. הפרשנות של תוצאות מיישומים מסורתיים יותר של נתונים הדמייה, כגון ה-ERP וכוח של רוח רפאים, היא בתוספת אמצעים של מורכבות כמו MSE; MSE מספק דרך כדי ללכוד את הרצף של שינויים בדפוסי פעילות המוח של spatiotemporal פני לוחות זמנים מרובים שתורמים לפעילות קוגניטיבית מסוימת. החלת MSE לערכות נתונים חדשות וקיימות עשויה לספק תובנה נוספת לתוך איך קוגניציה עולה מדינמיקת רשת עצבית.
Disclosures
אין ניגודי האינטרסים הכריזו.
Materials
| Name | Company | Catalog Number | Comments |
| EEG | BioSemi |
References
- Bressler, S. L. Event-related potentials. The Handbook of Brain Theory and Neural Networks. Arbib, M. A. , MIT Press. Cambridge, MA. 412-415 (2002).
- Bressler, S. L., McIntosh, A. R. The role of neural context in large-scale neurocognitive network operations. Springer Handbook on Brain Connectivity. Jirsa, V. K., McIntosh, A. R. , Springer. New York. 403-419 (2007).
- Buzsaki, G. Rhythms of the brain. , Oxford University Press. (2006).
- Costa, M., Goldberger, A., Peng, C. Multiscale entropy analysis of biological signals. Phys. Rev. E. 712, 1-18 (2005).
- Deco, G., Jirsa, V., McIntosh, A. R. Emerging concepts for the dynamical organization of resting-state activity in the brain. Nat. Rev. Neurosci. 12, 43-56 (2011).
- Friston, K. J. The labile brain. I. Neuronal transients and nonlinear coupling. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 355, 215-236 (2001).
- Gatlin, L. Information Theory and the Living System. , Columbia University Press. New York. (1972).
- Heisz, J. J., Shedden, J. M. Semantic learning modifies perceptual face processing. Journal of Cognitive Neuroscience. 21, 1127-1134 (2009).
- Heisz, J. J., Shedden, J. M., McIntosh, A. R. Relating brain signal variability to knowledge representation. NeuroImage. 63, 1384-13 (2012).
- Lake, D. E., Richman, J. S., Griffin, P., Moorman, J. R. Sample entropy analysis of neonatal heart rate variability. Am. J. Physiol. Regul. Integr. Comp. Physiol. 283, R789-R797 (2002).
- Lobaugh, N. J., West, R., McIntosh, A. R. Spatiotemporal analysis of experimental differences in event-related potential data with partial least squares. Psychophysio. 38, 517-530 (2001).
- McIntosh, A. R., Kovacevic, N., Itier, R. J. Increased brain signal variability accompanies behavioral variability in development. PLoS Computational Biology. 4, 7 (2008).
- Picton, T. W., Bentin, S., Berg, P., Donchin, E., Hillyard, S. A., Johnson, R., et al. Guidelines for using human event-related potentials to study cognition: Recording standards and publication criteria. Psychophysiology. 37, 127-152 (2000).
- Richman, J. S., Moorman, J. R. Physiological time series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ Physiol. 278, H2039-H2049 (2000).
- Rossion, B., Jacques, C. Does physical interstimulus variance account for early electrophysiological face sensitivity responses in the human brain? Ten lessons on the N170. NeuroImage. 39, 1959-1979 (2008).
- Shannon, C. E. A Mathematical Theory of Communication. The Bell System Technical Journal. 27, 379-423 (1948).
- Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: review of an emerging field. Clinical Neurophysiology. 116, 2266-2301 (2005).
- Vakorin, V. A., McIntosh, A. R. Mapping the multi-scale information content of complex brain signals. Principles of Brain Dynamics: Global State Interactions. Rabinovich, M. I., Friston, K. J., Varona, P. , The MIT Press. (2012).
