Neuroimaging forskare anser typiskt hjärnans svar som den genomsnittliga aktiviteten över upprepade experimentella försök och bortse signal variation över tiden som "brus". Det är dock tydligt att det finns signal på att buller. I den här artikeln beskrivs den nya metoden för Multiscale entropi för att kvantifiera variabiliteten hjärnan signal i tidsdomänen.
När man överväger mänskliga neuroradiologiska uppgifter, betyder appreciering av signal variabilitet en grundläggande innovation i sättet vi tänker på hjärnans signaler. Typiskt, forskare representerar hjärnans svar som medelvärde över upprepade experimentella försök och bortse signalvariationer över tiden som "brus". Det är dock tydligt att hjärnans signaler variabilitet förmedlar meningsfull funktionell information om neurala nätverk dynamik. I den här artikeln beskrivs den nya metoden för Multiscale entropi (MSE) för att kvantifiera variabiliteten hjärnan signal. MSE kan vara särskilt upplysande om neurala nätverk dynamik eftersom det visar tidsskala beroende och känslighet för linjära och olinjära dynamiken i data.
Senaste framstegen inom neuroimaging har dramatiskt utökat vår förståelse av hjärnans funktion. Men många av de tillämpningar av neuroradiologiska uppgifter tenderar att förstärka uppfattningen av hjärnan i statiska tillstånd snarare än att betona kognitiva funktioner som de spelas i realtid. Följaktligen, är lite känt om rumtiden struktur hjärnans nätverk och hur sekvensen av förändringar i Spatiotemporal mönster över flera tidsskalor bidrar till en specifik kognitiv funktion. Den nuvarande artikeln beskrivs Multiscale entropi (MSE) 5, ett nytt analysverktyg för neuroimaging uppgifter som undersöker komplexiteten i spatiotemporal mönstret underliggande specifika kognition verksamhet genom att ge information om hur olika neurala generatorer i en fungerande hjärna nätverk kommunicerar över flera tidsskalor.
Härstammar från informationsteori, en tillämpad gren av matematiken 7,16, var MSE originally utformad för att undersöka komplexiteten i elektrokardiogram 4. I teorin skulle MSE användas för att analysera komplexiteten i varje tidsserie, det primära kravet är att signalen tidsserien innehåller minst 50 datapunkter i kontinuerlig tid. Dock kan tidsskalan beroende och känslighet för linjära och olinjära dynamiken i data gör MSE särskilt informativt för neurala nätverk dynamik.
Här fokuserar vi på tillämpningen av MSE till elektroencefalogram (EEG) neuroimaging uppgifter 9,12. EEG är en icke-invasiv neuroimaging teknik där elektroder som placeras på hårbotten fånga postsynaptiska svaren från populationer av nervceller i neocortex 1. Med hög tidsupplösning, möter EEG enkelt längden tidsserierna förutsättning för MSE utan att förändra den typiska förvärvet protokollet. För att betona nyttan av tillämpningen av MSE till EEG-data, jämför vi denna nya metod med mer traditionella metoder inkluding händelserelaterade potential och spektrala makt. När de används tillsammans, dessa kompletterande analysmetoder ge en mer fullständig beskrivning av de uppgifter som kan leda till ytterligare insikt i neurala nätverk verksamhet som ger upphov till kognition.
Målet med denna artikel var att ge en begreppsmässig och metodisk beskrivning av Multiscale entropi (MSE) eftersom det gäller EEG neuroradiologiska uppgifter. EEG är en kraftfull icke-invasiv neuroimaging teknik som mäter neurala nätverk aktivitet med hög tidsupplösning. EEG-signalen speglar postsynaptiska aktiviteten hos populationer av pyramidala celler i hjärnbarken, vars sammanlagda svar modifieras av olika retande och hämmande inåtgående anslutningar. Följaktligen det finns flera sätt att analysera EEG-data och varje metod extraherar en unik aspekt av data.
Vi diskuterade två vanligaste metoderna för analys: händelserelaterad potential (ERP) analys och spektrala maktanalys. ERP analys fångar synkrona neuronal aktivitet i EEG-signalen som är fas-låst till uppkomsten av en diskret händelse. ERP återspeglar specifika perceptuella, motoriska eller kognitiva funktioner, vilket gör denna statistik idealisk för prövningen specIFIC behandlingssteg. Spectral maktanalys kvantifierar den relativa betydelsen av en viss frekvens till EEG-signalen. Olika retande och hämmande återkopplingar samverkar för att medbringa aktiviteten av neuronala populationer vid en viss frekvens 1,3. Sådan synkronisering mellan olikartade områden i hjärnan tros främja bindningen av information över omfattande neurala nätverk. Det finns en rik litteratur som stöder sambandet mellan makt inom ett visst frekvensområde och ett visst emotionellt eller kognitivt tillstånd av funktion 3.
Vid analys av EEG är det också viktigt att hålla i minnet att neurala nätverk är komplexa system med icke-linjär dynamik. Sådan komplexitet återspeglas i EEG-signalen så oregelbundna svängningar som inte är en följd av meningslösa bakgrundsljud. Liksom synkron oscillerande aktivitet, samspelet mellan olika retande och hämmande inåtgående slingor orsaka övergående influensactuations i hjärnan signalen över tiden 6. Sådana transienter tros spegla övergångar eller bifurkationer mellan nätverk mikrostater som kan användas för att uppskatta de frihetsgrader eller komplexiteten i det underliggande nätverket, större variationer i amplitud mönstret av signalen över tiden indikerar ett mer komplext system 5. Kritiskt, ERP eller spektralanalyser makt inte är känsliga för sådan oregelbunden aktivitet, medan MSE är. Dessutom kan ett index av nätverk komplexitet inte kan erhållas genom att helt enkelt räkna antalet aktiva områden i hjärnan som en sådan metod är blind för de transienta och dynamiska återkommande växelverkan mellan hjärnan.
Kompletterande metoder för neuroradiologiska analys kombineras för att skapa en fullständig bild av den underliggande neurala aktiviteten. Tolkningen av resultaten från mer traditionella tillämpningar av neuroradiologiska uppgifter, såsom ERP och spektrala makt, som kompletteras med åtgärder av komplexitet som MSE, MSE är ett sätt att fånga den sekvens av förändringar i Spatiotemporal mönster av hjärnaktivitet i flera tidsskalor som bidrar till en specifik kognitiv funktion. Tillämpa MSE till nya och befintliga dataset kan ge ytterligare insikt i hur kognition framgår av neurala nätverk dynamik.
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |