Summary
뇌파 방법은 뇌 기능 장애의 바이오 마커추출에 적용된다. 초점은 큐드 GO/NOGO 작업에 기록된 다중 채널 이벤트 관련 잠재력(ERP)에 있습니다. 비뇌 아티팩트는 수정되고 ERP는 규범 데이터와 비교됩니다. 예는 ADHD 진단 및 약물 반응의 예측에 대 한 바이오 마커에 관한.
Abstract
ADHD 와 같은 신경 정신과 진단 인터뷰 같은 주관적인 방법에 따라, 등급 척도 및 관찰. 더 많은 두뇌 기반 보충교재에 대 한 필요가 있다. 각성제 약물은 ADHD에 대 한 가장 일반적인 치료. 임상적으로 유용한 반응 예측변수는 지금까지 보고되지 않았다. 이 논문의 목적은 뇌 기능 장애에 대한 잠재적인 바이오마커를 추출하기 위해 적용하는 EEG 기반 방법을 설명하는 것입니다. 예는 소아 ADHD에 대한 바이오마커, 약물 반응의 예측과 관련이 있다. 주요 강조는 이벤트 관련 잠재력 (ERP)에 있습니다.
19 채널 EEG는 3 분 눈 열린 작업, 3 분 눈 폐쇄 작업, 그리고 20 분 cued 시각적 GO / NOGO 작업 (VCPT) 동안 기록됩니다. ERP는 이 작업 중에 기록됩니다. ERP 프로토콜의 목표는 환자 그룹과 건강한 대조군을 현저하게 구별하는 가정된 뇌 기능 장애의 바이오마커를 추출하는 것입니다. 프로토콜에는 표준 조건 및 아티팩트 보정 중에 기록이 포함됩니다. ERP 웨이브를 사용하거나 잠재 구성 요소로 변환할 수 있습니다. 환자 그룹의 구성 요소는 대조군과 비교하여, 비교될 때 상대적으로 높은 효과 크기를 보이는 성분을 공감한다. 환자의 하위 그룹은 구성 요소의 공간에서 클러스터 분석에 기초하여 선택된다. 치료 절차 (약물, tDCS 또는 신경 피드백 프로토콜과 같은)가 적용 될 수 있으며 하위 그룹에서의 치료와 관련된 구성 요소의 변화가 관찰되어 임상 권장 사항의 기초를 형성합니다.
설명된 방법은 87명의 소아 ADHD 환자를 대상으로 한 연구에서 적용되었습니다. 약물 반응의 지수는 크고 임상적으로 의미 있는 효과크기(d = 1.84)를 가진 응답자와 비응답자 사이에서 현저하게 구별되었다. ADHD 어린이와 일치하는 대조군을 비교하는 지속적인 연구에서, 몇몇 변수는 환자와 통제 사이 현저하게 구별합니다. 글로벌 인덱스는 d = .8을 초과합니다. 여기서 설명된 뇌파 기반 방법은 임상적으로 의미가 있을 수 있다.
Introduction
2008년, NIMH에 의해 시작된, 연구 도메인 기준 (RDoC) 프로젝트1은 정신 장애의 이해를 위한 생물학적으로 유효한 틀을 찾아기 위하여 간행되었습니다. 2013년, 미국 식품의약국(FDA)은 6세에서 17세까지의 환자에서 ADHD를 평가하는 데 도움을 주기 위해 ADHD의 첫 EEG 기반 바이오마커를 승인했습니다. 신경 정신과 뇌파 기반 평가 원조 (NEBA) 시스템은 15-20 분 동안 EEG를 기록합니다. 그것은 일반적으로 개발 어린이보다 ADHD와 어린이와 청소년에서 더 높은 것으로 발견 세타 / 베타 비율의 계산을 기반으로2. 최근 간행물은이 비율이 모든 ADHD를 캡처하지 않는 것을 발견3.
임상 신경 과학에 있는 간행물의 다수는 손상한 인식 통제가 ADHD, 정신 분열증, 불경기 및 강박관박 증4,,5를포함하여 많은 정신 장애의 일반적인 특징을 나타낸다는 것을 보여줍니다. 이론적으로 인지 제어는 사람들이 목표와 맥락에 유연하게 적응할 수 있도록 하는 가상의 작업으로 구성됩니다. 인지 제어, 사전 및 사후 제어의 두 가지 범주는6. 우리의 주요 초점은 인지 제어의 반응 모드에. 사전 인지 제어에는 작업 기억(즉, 감각 및 운동 이벤트를 초 동안 유지)이 포함됩니다. 반응성 인지 제어는 모니터링,충돌7,8,및 작용 억제의 검출을 포함한다(검토용9,,10참조).
GO/NOGO 패러다임은 인지 제어11,,12,,13,,14,,15에민감합니다. GO 자극은 정수리 뇌 영역에서 긍정적 인 변동을 유도. (P3 GO)를 참조하십시오. 전방 분포된 양성 N2 및 P3 NOGO 파는 NOGO 자극에 의해 유도되며, 충돌 및 작용 억제의 검출과 연관된다16,,17,,18,,19. N2 파는 작용 억제의 지표로 이해되었지만, 업데이트된 연구는 N2 파가 드문 GO 자극 및충돌(20)의검출과 연관되어 있음을 보여준다. 행동 억제는 정면 중앙 사이트에서 P3 NOGO 파에 연결됩니다.
N2/P3 이분법이 올바르지 않을 수 있습니다. ERP 파도, 특히 인지 제어를 나타내는 사람들은 위치와 시간14,,21에서겹칠 수있는 여러 소스의 합계라는 견해에 의해 의문을 제기했습니다.
ERP 파의 근원을 분산시키기 위해, 블라인드 소스 분리의 여러 가지 방법이15,,22,,23,,24로사용되어 왔다. 인간 두뇌 연구소에서 연구에서, 상트 페테르부르크, N2d NOGO 파도 분해 되었습니다. 숨겨진 구성 요소가 검색되었습니다. 이러한 구성 요소는 뚜렷한 논문과 기능적 의미를 가졌습니다. 그 중 하나만이 충돌14,,15,,25,,26의탐지와 관련이 있었습니다. ADHD의 대부분의 성인 연구에서, P3 NOGO는 일치하는 건강한 대조군27,,28,,29,30,,,31,,32에비해 작다.
GO/NOGO 패러다임의 ERP를 분석할 때 인지 제어 작업 중에 일어나는 뇌 수술은 N2/P3 이분헌에 의해 정확하게 설명되지 않는 것으로 보입니다14,,15. ERP 파파에서 숨겨진 구성 요소를 분산시키는 것을 목표로 하는 몇 가지 접근 법이 사용되었습니다(검토용21참조). 일부 연구는 정신 분열증 환자(29)및 ADHD33,34성인과같은 환자 그룹에서 ERP에 대한 독립적 인 성분 분석 (ICA)을 사용하여 진단없이 대조군에서 환자를 차별하려고 시도했습니다.
(Yeredor, 2010,25 p.75)에서 ERP에 대한 새로운 방법이 제안되고 조정됩니다. 교차 분산 행렬의 공동 대각선화 절차에 따라 블라인드 소스 분리 의 방법입니다. CUED GO/NOGO 패러다임에서 이 방법을 적용하는 이러한 잠재 성분의 기능적 의미를 연구하기 위해, 인간 뇌 연구소의 연구는 최근26을구현하였다. 본 연구에서 는 작업 억제 작업 및 충돌 감지 작업이 큐드 GO/NOGO 작업의 수정에 의해 독립적으로 조작되었다. 충돌 감지를 반영하는 것으로 생각되는 숨겨진 구성 요소가 발견되었습니다. N2와 같은 반응및 정면 지형은 이성분(35)을특징으로 한다. 준비된 행동의 억제를 요구하는 예심에서 중앙 지형 및 P3 같이 반응이 보였습니다.
이 간행물에서 보고된 연구 결과는 전통적인 ERP 방법을 이용했습니다. ICA의 적용, 또는 교차 분산매트릭스(25)의 조인트 대각선화의 절차는 지금까지 수행되지 않았다. 일반적으로, 다른 방법에 따라 결과 서로 동의, 하지만 잠재 구성 요소를 발견 하기 위한 방법은 더 순전히 별개의 신경 심리적 기능과 관련 된 것 같다. 이 백서의 목적은 WinEEG 방법에 대한 자세한 설명을 제공하는 것입니다. 초점은 ERPs에, 그러나 GO/NOGO 태스크에서 EEG 스펙트럼 및 행동 데이터는 또한 WinEEG 방법을 설명하기 위하여 기술된 연구 결과에 포함됩니다.
Protocol
프로토콜에 설명된 장비는 병원 당국의 윤리적 승인을 받았으며 임상 목적으로 사용됩니다. 의료 연구 윤리에 대한 지역위원회는 설명 된 프로젝트를 승인했다.
1. ERP 기록을 위한 하드웨어 및 소프트웨어
- 제조업체의 프로토콜에 따라 EEG 증폭을 위해 증폭기(예: Mitsar 201)를 사용하십시오. WinEEG 소프트웨어와 두 개의 상호 연결된 컴퓨터가 필요합니다 : EEG 및 버튼을 누르는 기록을위한 메인 컴퓨터와 자극 프리젠 테이션을위해 메인 컴퓨터에 의해 제어되는 슬레이브 컴퓨터.
- 국제 10-20 시스템에 따라 머리에 배치 된 19 개의 전극이있는 캡을 사용하십시오.
참고 : 필요한 장비, 캡, 전극, 젤 등은 여러 제조업체에서 얻을 수 있습니다. - 환자/피험자를 백라이트가 없는 방음실에 편안한 의자에 놓습니다.
- 기본값인 참조 몽타주(참조)를 사용합니다. HBi 데이터베이스와의 이후 비교를 위해; 몽타주를 공통 평균(Av)으로 변경합니다.
2. 역량 과 교육
- EEG 등록, 데이터 해석, 임상 사용 및 연구에 관련된 모든 사람이 WinEEG 사용에 필요한 전문 적 배경과 특정 교육을 받아야합니다.
3. 환자/참가자에게 알리기
- 환자/피험자에게 절차가 위험하지 않으며 다치지 않는다는 것을 알려주십시오.
참고 : 젤로 19 구멍을 채우는 데 필요한 주사기는 날카롭지 않습니다. - 어린이들에게 연구원들이 그들의 마음을 읽을 수 없다고 알려 한다. 모든 뇌에서 전기 활동이 일어난다고 말한다. 그것을 읽으려면, 연구원은이 장비가 필요합니다. 두뇌에는 아무것도 없다, 그러나 연구원은 그것이 이완할 때 어떻게 작동하는지 보고 싶어합니다, 그리고 때 는 작업에 참석해야 합니다.
- 장비를 10분 동안 그대로 둡니다.
참고: 이 기간 동안 막내 아이들은 원한다면 만화를 볼 수 있습니다. 때때로 부모는 아이가 안전하다고 느낄 때까지 방 뒤쪽에 조용히 존재합니다. - 시험은 약 1시간이 걸린다는 것을 피험자에게 알립니다. 장비가 제대로 배치되면 피사체에게 3 분 동안 눈을 감고 휴식을 취하고 3 분 동안 눈을 뜨고 휴식을 취하십시오.
4. EEG 데이터 파일 만들기
참고: WinEEG에는 원시 EEG 파일(확장명 - .eeg), EEG 스펙트럼(확장명 - .spec) 및 ERP 파일(확장명 - .erp)을 저장하기 위한 자체 빌드 인 데이터베이스가 별도로 있습니다. 데이터베이스는 자동으로 생성되고 처음에 WinEEG / 데이터, WinEEG / 사양 및 WinEEG / erp 폴더에 저장됩니다.
- 환자와 세션을 시작하려면 메뉴 파일을 클릭하여 해당 EEG 데이터 파일을 만듭니다 | 새. 환자의 카드가 화면에 나타납니다.
참고: 다음 형식이 사용됩니다: 테스트할 사람의 이름이나 코드에 넣습니다. 생년월일 (DD. M m. YYYY) 및 섹스에 대한 M 또는 F. 필요에 따라 환자 카드의 다른 열린 필드를 사용합니다.
5. 장비의 준비
- 작은 색으로 구분된 밴드를 사용하여 머리 둘레를 측정하여 캡의 적절한 크기를 찾습니다. 작은 패치를 사용하여 귓불과 이마에서 기름을 닦아냅니다. 내시 거리(예: 35cm)를 측정합니다. 정면 극 전극의 중심은 나시온 (예 . 3.5 cm) 위의이 거리의 수평 선 10 %에 떨어질 것이다.
참고: 환자의 모발은 깨끗해야 하며(헤어 제품 등) 건조해야 합니다. - 피부 준비 젤(예: Neuprep)을 귓불에 놓습니다. 귀 전극 컵을 전도성 전기 젤(예: Ten20)으로 채우고 귀 전극에 넣습니다. 이러한 케이블의 다른 끝이 앰프에 연결되어 있는지 확인합니다.
- 귓불 전극이 방에있는 "소음 전기"를 캡처하고,이 소음없이 머리에서 오는 것을 확인하기 위해 머리에서 전기에서 빼는 것을 피사체에게 말한다.
- 위에서 설명한 대로 정면 극 전극을 배치하여 캡을 머리에 대칭으로 배치합니다. 캡을 가능한 한 아래로 당겨 머리에 가까이 고정하십시오.
- 가슴 주위에 허리 밴드를 넣고이 밴드에 캡에 연결된 푸시 버튼을 고정합니다. 이렇게 하면 테스트 중 캡과 전극의 움직임이 방지됩니다.
- 캡 케이블과 이어 케이블을 앰프에 연결합니다. 왼쪽 귀와 오른쪽 귀를 섞지 마십시오.
- 임피던스 아이콘의 WinEEG 메뉴 컨트롤을 클릭합니다. 모든 전극이 있는 단순화된 헤드가 나타납니다. 둘째, 주사기를 젤로 채우고 모든 전극 구멍을 채우는 데 사용합니다. 검은색 원이 노란색일 때 임피던스는 괜찮습니다.
참고: 각 전극으로 작업을 시작하기 전에 모든 구멍을 채우면 적절한 임피던스를 확보할 수 있습니다. 얇은 나무 막대기를 사용하여 젤이 전기 뇌 활동을 포착하기위한 전제 조건인 머리의 피부에 도달 할 수 있도록하십시오. - 모든 20개의 구멍이 화면에 노란색이 있고 개별 구멍 간의 색상 차이가 작으면 등록을 시작합니다.
- EEG 레코드 모니터링을 시작합니다. 녹색 화살표(EEG 모니터링)를 클릭합니다.
참고: 19개의 전극에서 원시 EEG 신호가 표시되면 눈을 깜박이고 정면 부위의 큰 변화를 지적해 달라고 요청하십시오. 이러한 아티팩트는 자동으로 제거할 수 있습니다. 등록의 품질은 편안한 턱, 눈 및 이마에 달려 있으며 모든 종류의 머리와 몸의 움직임은 가능한 한 피해야합니다.
6. "눈을 감은" 및 "눈을 뜨다"의 등록
- 3 분 동안 눈을 감고 편안한 의자에서 휴식을 취하도록 피사체에게 말하십시오. "눈을 뜨고"를 시작하기 전에 그들의 눈이 그들 앞에 화면에 휴식으로 3 분 동안 조용히 앉아 그들에게 말한다.
- "임피던스 제어" 버튼 옆의 메뉴 줄에서 빨간색 원(EEG 획득)을 누를 수 있습니다.
- 다음 아이콘 드롭다운 메뉴를 푸시하여 "눈을 감은" 또는 "눈을 뜨다"를 선택합니다. 그러면 등록이 시작됩니다. 경과 시간(초)은 EEG 곡선 위에서 볼 수 있습니다.
- 180 s 후 일시 정지 버튼을 누르십시오 (이 같은 파일에 추가 등록을 불가능하게 됩니다"로 하지) 눈을 열어 달라고 요청 (또는 눈을 열면 그들을 닫습니다 첫 번째 부분이었다). 등록을 계속합니다. 3 분 후, 중지하고 저장합니다.
참고: 저장하지 않으면 새 파일을 만들 때 데이터가 손실됩니다.
7. 큐드 GO / NOGO 작업에서 뇌파 녹음 준비
- EEG 녹화를 시작하기 전에 적절한 포트에 특수 USB 동글을 삽입합니다. 동글에 작은 표시등이 켜져 있는 것은 시스템이 작동하고 있음을 나타냅니다.
- 피사체에 오른손에 특별한 버튼 스위치를 지정합니다. 약 20분 정도 걸리는 테스트를 완료하는 데 필요합니다.
- 작업 메뉴를 열고 환자/참가자 앞의 슬레이브 컴퓨터에서 VCPT를 선택합니다.
참고: 슬레이브 컴퓨터 화면에는 (동물-동물(a-a), 동물-식물(a-p), 식물(p-p) 및 식물 인간(p-h)의 네 가지 그림 조합을 모두 보여주는 명령 창이 나타납니다. (그림1)을참조하십시오. 자극은 피사체 앞1.5미터의 17인치 컴퓨터 화면에 표시됩니다. 피사체의 머리에서 측정된 소리는 70dB여야 합니다. - 그림이 쌍으로 와서 피사체를 지시, 첫 번째 그림은 1 초에 두 번째 가 옵니다. 3 s 후 새로운 쌍이 시작됩니다.
- a-a 조합이 나타날 때마다 왼쪽 마우스 버튼을 눌러야 한다고 피사체에 알린다. a-a 조합에서 두 동물은 항상 동일합니다.
- 피사체에 가능한 한 정확하지만 빠르도록 알려주십시오. 피사체는 A-p, p-p 또는 a-h 조합에서 마우스 버튼을 누르지 않아야 합니다.
- p-h 조합의 임의의 소리를 무시하도록 피사체에 지시합니다.
- 슬레이브 컴퓨터에 입력하고 그 / 그녀가 제대로 이해할 때까지 피사체를 훈련하기 위해 약 2-5 분 동안 작업을 실행합니다.
- 슬레이브 컴퓨터에서 슬레이브 모드로 전환 옵션을 선택합니다.
참고: 이제 작업 프레젠테이션은 기본 컴퓨터의 WinEEG 프로그램에서 관리됩니다.
그림 1: VCPT: 시각적 연속 성능 테스트. 도 1은 VCPT의 4가지 조건을 나타낸다. 각 조건의 100개의 예심은 무작위로 제출됩니다. 총 테스트 시간은 20 분입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
8. EEG 및 버튼 프레스 기록 작업 조건
- 시스템이 제대로 작동하는지 확인하기 위해 녹화 메뉴에서 메인 컴퓨터에서 EEG 모니터링 옵션을 시작합니다.
- 메인 컴퓨터 메뉴 상자의 레코딩 메뉴에서 EEG 획득 옵션을 시작합니다. 자극 프리젠 테이션 프로그램 옵션이 강조 표시됩니다. VCPT를 선택하고 슬레이브 컴퓨터에서 자극 프레젠테이션을 시작합니다.
참고: 왼쪽 마우스 버튼을 누를 때마다 EEG 곡선 아래에 빨간색 표시가 표시됩니다. 왼쪽에는 하나, 오른쪽 마우스 단추에는 두 개의 선이 있습니다. - 빨간색 표시가 오른쪽 단추를 사용했음을 나타내므로 가장 낮은 줄에 빨간색 표시가 나타나지 않는지 확인합니다. 일시 정지 버튼을 사용하여 피사체에 왼쪽 마우스 버튼을 사용하도록 지시합니다.
- EEG 등록을 모니터링하고 잠재적 인 관심사를 기록하십시오. 근육이나 움직임과 관련된 너무 많은 유물이 관찰되면; 등록을 일시 중지하고 피사체가 긴장을 풀고 가만히 앉아 있음을 상기시킵니다. 등록을 계속합니다.
참고 : 작업 중 뇌파 등록은 20 분이 걸리며 400 쌍의 사진으로 구성됩니다. 각 쌍의 100; A-a, A-p, p-p 및 p-h. 쌍은 임의의 순서로 표시됩니다. (그림 1참조). - 매 100 쌍 후 짧은 휴식을 취하십시오. 일시 중지 버튼을 누를 수 있습니다. 의자에 앉을 때 팔과 다리를 스트레칭하고 얼굴 근육을 풀도록 격려하십시오. 마실 것을 제안하십시오. 1~2분 후에 등록을 계속합니다.
9. 등록 종료
- 녹화를 눌러 400개의 모든 시험이 완료되면 등록을 중지합니다 | 중지합니다.
참고: 파일 저장 옵션을 누르면 녹음된 원시 EEG 및 버튼 누른 채널이 있는 파일이 기본 제공 데이터베이스에 저장됩니다. - 연구원이 캡, 허리 밴드 및 귀 전극을 제거 할 때까지 피사체에 앉아 있다고 말하십시오.
참고 : 일반적으로 이 완료되면 머리에 젤이 없습니다. 종이 천으로 젤을 제거합니다. 대부분의 환자/참가자는 집에 있을 때 머리를 씻는 것을 선호하지만 등록 직후 머리를 씻을 수있는 옵션이 있어야합니다. - 작업을 완료해 주셔서 감사합니다. VCPT (1-10 규모)를 평가하도록 요청, 얼마나 지루한? 얼마나 피곤? 계약에 따라 테스트 결과와 관련하여 다음에 어떤 일이 발생하는지 알려주십시오.
10. 청소
- 귀 전극(뜨거운 물에 담그기)을 청소하고 가능한 한 빨리 뚜껑을 덮습니다. 물, 비누, 부드러운 브러쉬가 필요합니다. 모든 구멍을 확인하여 뚜껑이 어딘가에 걸려 건조되기 전에 젤 남은 것이 제거되는지 확인하십시오.
11. EEG 기록 전처리
참고: HBIdb 소프트웨어에는 세 가지 다른 전극 몽타주가 제공됩니다. 그들은 다음과 같습니다 링크 된 귀 참조 (참조로 레이블), 공통 평균 참조 (Av로 레이블), 및 로컬 평균 참조 (Aw로 레이블). SETUP 메뉴에서 몽타주 목록에서 몽타주를 선택합니다. EEG는 아티팩트 수정을 시작하기 전에 참조. Av로 변경에 기록됩니다.
- 공간 여과 절차를 적용하여 눈 운동 아티팩트를 제거합니다.
참고: 공간 필터는 선택한 EEG 조각에 독립적인 성분 분석(ICA)을 적용하여 얻을 수 있습니다. 조각에는 90s 이상의 원시 데이터가 포함되어야 합니다. - 조각의 시작 부분에 있는 시간 표시줄에서 마우스의 왼쪽 버튼을 클릭하고 조각 끝의 시간 표시줄에 있는 오른쪽 버튼을 클릭하여 EEG 조각을 선택합니다. 선택 후의 전체 조각은 노란색으로 강조 표시됩니다.
참고: 아티팩트 수정 절차는 분석 메뉴에서 아티팩트 수정 옵션을 선택하여 구현됩니다. 공간 필터 매개변수 추정이라는 창이 화면에 나타납니다. - 개별 스펙트럼 및 ERP를 HBI 참조 데이터베이스와 비교할 수 있는 ICA 방법을 선택합니다.
참고: 공간 필터 매개변수 추정 창이 나타납니다. 왼쪽에서 오른쪽으로: 1) 원시의 조각 (수정되지 않은) 멀티 채널 EEG, 2) 수정 된 EEG의 조각, 3) 수정 된 유물의 파형, 4) 추출 된 ICA 구성 요소의 시간 과정 (위에서 아래로) 및 5) 독립적 인 지형 구성 요소. - 눈 깜박임 및 수평 눈 움직임과 관련된 토포그래피를 선택합니다. 확인을클릭하여 수락합니다.
- 분석 메뉴에서 마크 아티팩트 옵션을 클릭하여 마크 아티팩트라는 절차를 구현합니다.
참고 : 이것은 느리고 고주파 단편 이상값을 거부합니다 : 비 눈 운동 아티팩트 (근육 긴장, 머리 움직임 등)에 의해 오염 된 EEG 조각은 추가 분석에서 제외됩니다. 일부 복잡한 경우에는 수동 아티팩트 거부가 설명된 절차를 보완할 수 있습니다.
12. EEG 스펙트럼 컴퓨팅
- 분석 메뉴에서 눈을 감거나 눈을 뜨거나 EEG 스펙트럼 및 조각-눈을 선택합니다. 기본 설정이 그림 2에 표시된 대로 있으면 확인을누릅니다.
참고: 스펙트럼은 모든 19개 사이트에 대해 그림 3에 표시됩니다. x축은 헤르츠(Hz)의 주파수이고 y축은 마이크로볼트(μV)의 전력입니다. - 분석 선택 | 개별 스펙트럼을 데이터베이스와 비교하는 결과 비교입니다. 왼쪽 창에서 환자 / 피사체를 선택합니다. 오른쪽 창에서 데이터베이스 파일 (또는 다른 열린 파일)을 선택하고 비교를 위해 확인을 누릅니다. 피사체와 데이터베이스의 차이를 보여주는 이미지가 나타납니다.
참고: 스펙트럼은 0Hz에서 30Hz까지의 주파수의 제곱 평균 전력을 보여줍니다(1.5-2Hz 미만의 주파수는 종종 아티팩트의 영향을 받기 때문에 주의해서 해석되어야 합니다). 스펙트럼을 해석하는 것은 이 프로토콜의 범위를 벗어납니다. 잠재적인 임상 관심의 발작은 스펙트럼에서 나타나지 않을 수 있지만 원시 EEG에서 볼 수 있습니다.
그림 2: EEG 스펙트럼 컴퓨팅. 스펙트럼을 계산하려면: 분석을 클릭 | 스펙트럼. 설정이 올바르면 그림 2에 표시된 그림이 나타납니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 19개의 전극이 있는 EEG 스펙트럼. 도 3은 19개 사이트에서 EEG 스펙트럼을 나타낸다. x축은 0-30Hz의 주파수입니다. y축은 μV2의전력입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
13. 컴퓨팅 이벤트 관련 전위(ERP)
참고: 이벤트 관련 전위(ERP)는 평균 프로시저에 의해 계산됩니다. 올바른 시험만 포함됩니다. ERP는 위에서 설명한 전처리가 완료된 후 계산됩니다. ERP 컴퓨팅의 표준은 평균 시험 수를 50개 이상으로 유지하는 것입니다.
- 공통 평균 몽타주(Av)에서 EEG VCPT 파일을 선택합니다. 분석 메뉴에서 ERP 계산을 클릭합니다.
참고: HBdb 동글이 컴퓨터에 연결되지 않았거나 어떤 이유로 활성화되지 않은 경우 HBdb는 사용자가 EEG 파일을 읽고 전처리할 수 있지만 데이터베이스로 스펙트럼 및 ERP를 계산할 수는 없습니다. - 확인을 클릭합니다. ERP 계산의 매개 변수를 묘사하는 창이 발생합니다(그림4).
참고: 그림 4에표시된 대로 매개 변수는 다음과 같습니다: 평가판 그룹: 1: a-a-GO; 2: a-p NOGO; 3: p-p (시험 무시); 4: p-h (참신한 시험); 뿐만 아니라 5 : + 모든 시험의 프리젠 테이션으로 시작 의미; 및 6 : - 모든 시험은 p의 프리젠 테이션으로 시작 의미. 또한 ERP 차이 파가 도시됩니다. - 확인을 클릭합니다. 분석된 파일에 대한 ERP는 ERP 창에서 그래픽 형식으로 계산되고표시됩니다(그림 4).
참고: ERP 창은 각 작업 조건에 대한 ERP 그래프 19개(a-a GO, a-p NOGO, p-p, p-h)로 구성됩니다. 그림 4에는A-A 및 a-p NOGO만 표시됩니다. 각 그래프에서 X축은 ms.의 시간, Y축은 μV의 전압입니다. 도 4는 프리젠테이션 형태의 조정 결과를 제시한다. 시험a-a-a GO, a-p NOGO의 범주만 선택됩니다(GO는 녹색으로 묘사되고 NOGO는 빨간색으로 묘사됨). 스케일은 12 μV에서 선택됩니다. 시간 간격은 1400 ms에서 선택됩니다. 자극 2의 프리젠 테이션 시간은 700 ms의 기간으로 선택됩니다. - 이벤트 관련 전위(ERP)에 대한 웨이브를 매핑하려면 그래프에서 선택한 시간(X-축을따라)에서 마우스의 오른쪽 버튼을 클릭한 다음 마우스를 놓고 열린 메뉴에 대한 맵 추가 옵션을 선택합니다. 해당 맵이 페이지 하단에 나타납니다.
그림 4: ERP 계산의 매개 변수입니다. 그림 4는 19개 사이트에서 ERP 성분 a-a-A GO(녹색) 및 a-p NOGO(빨간색)를 나타낸다. 시간 간격은 1400 ms에서 2100 ms. A-A GO는 가장 명확하게 사이트 PZ및 Cz에서 A-p NOGO에서 볼 수 있습니다.
14. VCPT의 행동 데이터 등록 및 비교
- 창에서 오른쪽 마우스 버튼을 클릭하고 그룹 정보를 선택하여 누락 횟수(버튼 클릭 누락), 커미션(충동적인 추가 클릭, A-GO의 평균 반응 시간(RT) 및 RT 가변성을 확인합니다.
- 분석 선택 | 결과의 비교. 피사체의 파일을 왼쪽 창에 표시하고 비교 파일을 오른쪽 창에 표시합니다. 확인을 클릭합니다.
참고: 표준 그룹에서 이러한 변수에 대한 백분위수(percentiles)를 표시하는 연령 기반 종이 테이블을 사용합니다.
15. 이벤트 관련 전위(ERP)를 참조 데이터 베이스와 비교
참고: 비교를 위한 관심 시간 간격은 메뉴에 해당 숫자를 입력하여 정의됩니다: (ms), 기간(ms)의 시간 간격. ERPs can be selectively presented for certain categories of trials (such a-a GO, a-p NOGO, p-p, p-h) by selecting the corresponding graph from the menu Active groups on the top of the ERP window.
- 분석 메뉴에서 결과 비교를 선택합니다. 왼쪽 창에서 환자/피사체를 클릭하고 오른쪽 창에 있는 HBIdb를 클릭합니다.
참고: 예를 들어 이전 등록과 주제를 비교하려면 이전 파일을 열고 HBIdb 대신 이 파일을 선택합니다. ERP 비교 창이 나타납니다. 이 창은 μV. 주제-평균 참조의 차이 ERP 웨이브를 각 채널에 대해 계산된 것을 묘사합니다. - 참조에서 편차의 유의 수준을 얻기 위해 관심있는 시점과 관심 채널에서 마우스의 오른쪽 버튼을 누릅니다. 해당 값은 μV, 선택한 시간점 및 p 값의 차이를 나타내는 창 하단에 나타납니다.
참고: 신뢰 도표로 차이 웨이브를 표시하는 것이 사용 가능한 옵션입니다. 그래프 아래의 파란색 선은 각 채널에 대해 계산된 참조와 그룹 3의 각 시점으로부터의 신뢰도 편차 수준을 나타내입니다. - 1(개인의 ERP)에서 화살표를 클릭하여 ERP 차이에 대한 그룹을 선택합니다. a-a GO [1]을선택합니다. 참조 ERP의 경우 2를 클릭합니다. A-a GO [2]를선택합니다. 3과 A-A GO [D]를 클릭하여 차이점(1-2)을 확인합니다. 활성 그룹 4: 이 메뉴에서 없음을 선택합니다.
- 메뉴에서 해당 숫자를 입력(또는 선택)하여 관심 시간 간격을 정의합니다: (ms), 기간(ms)(예를 들어, 1400, 700)에서 제2 자극에 응답하여 ERP를 분석한다.
- 관심 있는 시점과 채널에 커서를 놓고 마우스오른쪽 버튼을 클릭하고 팝업 메뉴에서 맵 추가를 선택합니다. 참조에서 편차를 보여주는 맵이 표시됩니다.
참고: ERP(이벤트 관련 전위)의 독립적인 구성 요소를 참조 데이터 베이스와 비교하는 이 소프트웨어는 개별 ERP를 독립적인 구성 요소로 분해하는 옵션을 제공합니다. 구성 요소는 독특한 심리적 작업과 관련이 있습니다.
Representative Results
소아 ADHD에서 약물 반응의 예측
ADHD는 일반적인 신경 정신과 어린 시절 장애36. 그것은 과잉 행동과 충동성의 증상을 동반 한 부주의의 증상을 특징으로합니다. 학교, 가정 및 여가 환경에서 장애가 일반적입니다. 학교 나이 든 아이들에서는, 추정된 보급은 5%에서 7%입니다. 혼모바이드는 일반적입니다. 메틸페니데이트(MPH) 또는 덱스트로암페타민(DEX)에 기초한 각성제를 사용한 치료법이 널리 사용된다. 흥분 제 약물의 긍정적인 효과 (쉼 없는 감소, 과잉 행동 및 충 동성 및 향상 된 관심) 보고 70% 환자의. MPH를 기반으로 약물에서 DEX로 전환하는 것은 80 %37,38로긍정적 인 효과를 증가시킬 수 있습니다. 정면-striatal 회로 각성제에 의해 활성화 될 것 같다39.
임상적으로 의미 있는 약물 반응의 일반적으로 허용된 정의는 없습니다. 평가 척도를 적용, 약물에 점수와 기준 점수를 비교, 가장 일반적으로 사용되는 방법입니다. 일부 연구에서는, 25% 또는 50% 점수의 감소 응답의 정의로 사용 됩니다. 다른 연구에서는, 인구 평균 을 초과하지 않는 점수는40,,41. 임상적으로, 모든 관련 가능한 데이터에 근거한 전반적인 결정이 이용됩니다. 식욕 부진, 불면증, 과민성 증가, 또는 불안등의 부작용을 평가하는 것이 중요하며,37,,42.
등급 척도의 사용은 여러 가지 이유로 비판될 수 있습니다. 교사와 학부모 점수 사이의 작은 상관 관계 (0.30-0.50)는 여러 연구에서 보고됩니다48. 응답의 임상적으로 유용한 예측 변수에 대 한 검색은 많은 수의 비 응답자에 의해 동기를 부여, 동의 하지 않는 제보자, 그리고 모든 사람들이 각성제의 작은 복용량을 사용 하는 경우 향상 된 주의의 몇 가지 겸손 한 효과 가질 수 있는 사실. 응답의 예측변수에 대한 발표된 연구는 ADHD 아류형, 인구통계학적 특성, comorbid 장애, 유전자 변수, 등급 척도점수, 신경심리학적 검사 결과 및 EEG/ERP 변수43,,44,,45,,46을포함한다. 우리의 2016 간행물47는 약물 반응을 예측하기 위하여 ERP를 적용한 연구 결과를 요약합니다.
이전 연구에서는 cued 시각적 GO/NOGO 작업(즉, 주의력 테스트 데이터, EEG 스펙트럼 및 ERP)의 d 데이터를 분석합니다. 한 연구에서는 부작용 예측에 크게 기여하는 3가지 변수를 발견했습니다. 이들 변수는 임상적으로 의미 있는42로간주된 지수로 결합되었다. 임상 효과에 대한 연구에서, 동일한 방법을 적용하여, 예측 지수는 또한 임상적으로 유용한 것으로 간주되었다48. 약물 반응자에 자극 제 약물의 단일 복용량의 효과 (REs) 그리고 비 응답자 (비-REs) 세 번째 연구에서 조사 되었다47. 시험 절차는 두 번 완료되었다, 약물없이 첫 번째 테스트, 두 번째 테스트는 시험 용량을받은 후 한 시간. 4 주 약물 시험 후 평가 척도 및 인터뷰에 따라, 환자는 REs 또는 비 REs로 분류 되었다. 우리의 초점은 인지 ERP및 주의력 시험 점수의 변화에 있었습니다. 우리는 P3 NOGO 성분에 대한 효과가 큰 효과 크기(d = 1.76)와 함께 두 그룹에서 크게 다르다는 것을 발견했습니다. 구성 요소 진폭의 현저한 증가는 REs에서 보였지만 비 REs에서는 볼 수 없었습니다.
우리의 최신 연구 결과에서는, 우리는 임상 이득의 예측을 위한 1개 및 부작용의 예측을 위한 1개의 글로벌 색인을 개발했습니다. 위에서 설명한 바와 같이 우리는 적당한 또는 큰 효과 크기와 비교 된 그룹 사이에 크게 구별 변수를 결합. 각 변수는 효과 크기에 따라 가중치를 적용하였습니다. 우리는 세 가지 WinEEG 도메인모두의 변수를 검사했습니다: EEG 스펙트럼, ERP 및 동작. 다음 변수가 결합되었다: 테스트 1: P3NOGO 진폭 및 세타/알파 비율; 테스트 2와 테스트 1의 차이: 누락 오류, 반응 시간 변동성, 우발적 인 음의 변화 (CNV) 및 P3NOGO 진폭. 전역 눈금의 효과 크기는 d = 1.86이었습니다. 정확도는 0.92였습니다. 부작용의 예측은 4가지 변수를 기반으로 하였다: 테스트 1: RT, 테스트 2: 신규성 성분, 알파 피크 주파수, 및 반응 시간 변화(테스트 2 - 테스트 1). 글로벌 스케일 d는 1.08이고 정확도는 0.7849였습니다.
일부 예비 결과
진행 중인 연구에서는 9-12세의 ADHD 환자 61명과 67세 연령대의 건강한 대조군(HC)을 비교합니다. 최종 통계 분석은 지금까지 완료되지 않았습니다. 아래에서 WinEEG 평가에서 얻은 예비 결과를 발표하고 있습니다.
행동적으로, ADHD 그룹은 건강한 대조군(HC) 그룹(13.7% 대 4.8%)에 비해 통계적으로(p&0.001) 더 많은 누락 오차를 가진 부주의 패턴을 보였다. 통계적으로 더 높은 (p&0.001) 반응 시간 (151 ms 대 125 ms)의 가변성으로 표현 된 주의 경과 패턴과 함께.
두 그룹 간의 ERP 파형을 비교하는 주요 결과는 그림 5 및 도 6에나와 있습니다. 그림 5는 ERP가 ADHD 그룹에서 사전 인지 조절 기능 장애의 상관 관계를 보여줍니다. 사전 인지 제어의 두 인덱스 (P3 큐 파와 CNV 파) HC 그룹에 비해 ADHD 그룹에서 감소. 그림 6은 ERP가 ADHD 그룹에서 반응성 인지 조절 기능 장애의 상관 관계를 보여줍니다. 반응성 인지 제어의 두 인덱스 (N2 NOGO 및 P3 NOGO) HC 그룹에 비해 ADHD 그룹에서 감소.
도 5: ADHD 및 건강한 대조군(HC) 그룹에서 의 전형적 인지 제어에서 의한 대평균 ERP 파 패턴(a) 및 해당 맵(b). (a)ADHD 군(녹색선)과 HC군(레드라인)에서 P3로 측정된 ERP와 이들의 차이(ADHD-HC) 웨이브(파란색 선)를 측정하였다. 곡선 아래의 파란색 세로 막대는 차이의 통계적 유의 수준을 나타냅니다(작은 막대 - p&0.05, 중간 막대 - p&0.01, 큰 막대 - p&0.001). 화살표는 고전적인 파도를 나타냅니다 - P3 큐 및 CNV (우발적 인 음의 변화). (b)두 그룹에 대한 P3 및 CNV 파도의 최대 진폭에 지도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 6: ADHD 및 건강한 대조군(HC) 그룹에서 반응성 인지 조절에서의 그랜드 평균 ERP 파 패턴(a) 및 해당 맵(b). (a)ErPs는 Fz 및 Cz ADHD 군(녹색 선) 및 HC 군(빨간색 선)과 이들의 차이(ADHD-HC) 웨이브(파란색 선)에서 측정하였다. 곡선 아래의 파란색 세로 막대는 차이의 통계적 유의수준을 나타냅니다(작은 막대 - p&0.05, 중간 막대 - p&0.01, 큰 막대 - p&0.001). N2 NOGO 및 P3 NOGO - 화살표는 고전적인 파도를 나타냅니다. (b)두 그룹에 대한 N2 NOGO 및 P3 NOGO 파도의 진폭의 최대지도. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
하나는 ADHD 그룹을 볼 수 있듯이 인지 제어의 여러 작업의 저 기능 표시. 이러한 작업은 서로 다른 시간 창과 다른 공간 위치에서 발생합니다. 특정 환자는 개별 무질서의 근원 및 그것의 보정의 쪽을 나타내는 단지 1개의 hypo 기능있을 지도 모릅니다.
임상적 중요성
ADHD와 같은 이종 진단을 위해 임상적으로 유용한 바이오마커를 계산하려면 ADHD와 대조군 간에 크게 다른 몇 가지 변수를 결합해야 합니다. 인덱스의 효과크기(d)는 d = .8 이상이어야 합니다. ADHD가 임상 통제와 비교될 때 중요한 다음 단계는 이 색인을 적용하는 것입니다.
Discussion
정신과에서 진단은 관찰 된 행동을 기반으로합니다. 대부분의 경우 지정된 수의 증상을 6 개월 이상 다른 설정에서 관찰해야합니다. 진단 과정의 중요한 부분은 체세포 병인을 배제하는 것입니다. 또한, 다른 정신 진단을 고려해야합니다. 종종 관심의 증상은 다른 진단 범주의 일부가 될 수 있습니다. 몇몇 현상이 그밖 무질서와 겹치는 경우에, 임상의는 이 두 번째 무질서가 comorbid 또는 감별 진단인지 결정해야 합니다.
사용 가능한 임상 도구는 진단 인터뷰, 등급 척도, 의료 및 발달 역사, 심리 테스트 및 직접 관찰입니다. 이러한 방법의 대부분은 매우 주관적이다; 제보자뿐만 아니라 전문가의 영향을 많이 받습니다. 학부모와 교사의 등급 척도는 일반적으로 매우 겸손한 상관 관계를 보여줍니다 (r = 0.3 - 0.5).
대표적인 결과에서, 우리는 ADHD에 있는 근본적인 기계장치가 아마 환자에서 환자에게 다르다는 것을 주장합니다. (언어) 이해의 부족, 자기 동기 부여 문제, 외부 산만에 대한 민감성 등은 모두 부주의의 증상으로 이어질 수 있습니다. 이 백서에 기술된 EEG 기반 방법은 이러한 과제 중 일부를 해결하는 데 도움이 될 수 있습니다. 주관적인 해석의 문제는 없다. 설명 된 ERP 방법은 작업 메모리 같은 기본 심리적 작업을 공개 하는 것 같다, 작업 억제, 모니터링, 응답 준비, 등. 특정 뇌 구조를 포함 하 여. 이 기계장치에 있는 적자는 특정 진단 범주에 국한되지 않습니다. 우리는 미래에, 치료 (약물, 신경 피드백, 인지 훈련, tDCS, ...) 이러한 인지 및 / 또는 정서적 작업과 그들의 기본 뇌 메커니즘에 초점을 맞출 것이라고 생각하지 현재 의 진단 범주에.
진단의 목적은 최상의 치료를 결정하는 것입니다. 치료의 효과 평가 하기 위해, 자기 보고 및 관찰 개선은 물론 결정적이다. 이러한 보고서는 어느 정도 위약 효과 나타낼 수 있습니다., 그러나, ERP 구성 요소의 예를 들어 변경에 반영 하는 기본 뇌 기능 장애의 (부분) 정상화에 의해 지원 되어야 한다. 치료 효과의 주관적이 고 객관적인 측정의이 조합은 클리닉 및 연구에서 중요 한.
위에서 언급 한 것과 같은 이유로 동일한 진단을받은 사람들이 종종 동일한 치료에 반응하지 않는 것은 놀라운 일이 아닙니다. 개인화된 의학에서 진단은 개별 적인 환자를 위한 제일 처리를 정확하게 찾아내기 위하여 반응 예측의 경험적 기지를 둔 측정으로 보충됩니다. 이 논문에서 우리는 소아 ADHD에서 흥분 제 약물 반응의 예측에 우리의 연구를 설명 했습니다. 항우울제약물에 대한 긍정적인 반응의 신뢰할 수 있는 예측 변수를 찾는 것은 적정 기간과 마찬가지로 반응을 평가하는 데 필요한 시간이 길기 때문에 아마도 더욱 중요합니다. 이 논문에 기술된 절차는 우울증에 있는 약물 효력의 예측에 진행중인 EEG 및 ERP 기지를 둔 연구에 기여할 수 있었습니다53.
기재된 EEG 기지를 둔 방법은 비침범성 및 적당한, 연구 뿐만 아니라 임상 업무를 위해 잘 적당합니다.
Disclosures
Ogrim G.는 공개할 것이 없습니다. Kropotov J.D.는 WinEEG 프로그램이 개발된 시기와 장소에서 상트페테르부르크인 인간 뇌 연구소의 실험실 책임자였습니다. 그는 시스템에 경제적 이익이 없습니다.
Acknowledgments
없음.
Materials
| Name | Company | Catalog Number | Comments |
| amplifier + | www.mitsar-medical.com | ||
| Body harness, different sizes | Electro-Cap International, Inc | E3 SM; E3 M; E3 L | |
| Ear electrodes 9 mm sockets | Electro-Cap International, Inc | E5-9S | |
| Electrocaps 19 channel different sizes | Electro-Cap International, Inc | E1 SM; E1 M; E1 M/SM | |
| Electrocaps 19 channel different sizes | Electro-Cap International, Inc | E1 L/M; E1 L | |
| Electrogel for electrocaps | Electro-Cap International, Inc | E9; E10 | |
| HBi database | www.hbimed.com | ||
| Head size measure band | Electro-Cap International, Inc | E 12 | |
| Needle syringe kit | Electro-Cap International, Inc | E7 | |
| Nuprep EEG and ECG skin prep gel | Electro-Cap International, Inc | R7 | |
| Ten20 EEG conductive paste | Electro-Cap International, Inc | R5-4T | |
| WinEEG program | www.mitsar-medical.com |
References
- Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
- Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician's ADHD evaluation. Brain and Behavior. 5 (4), e00330 (2015).
- Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
- Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
- Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
- Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
- Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
- Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
- Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
- Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
- Simson, R., Vaughan, H. G. Jr, Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
- Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
- Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
- Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
- Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
- Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
- Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
- Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
- Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
- Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
- Kappenman, E. S., Luck, S. J. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. Luck, S. J., Kappenman, E. S. , 1st, University Press. Oxford: Oxford. 3-29 (2012).
- Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
- Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
- Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
- Kropotov, J. D. Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , 1st, Elsevier/Academic Press. London. (2016).
- Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
- Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
- Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
- Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
- Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404 (2016).
- Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
- Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
- Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
- Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5 (2010).
- Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
- Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
- Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , Third, The Guilford Press. New York, London. (2006).
- Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
- Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
- Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
- Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
- Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
- Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
- Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
- Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
- Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
- Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
- Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
- Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
- Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
- Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
- Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
- van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).
