Method Article

Microstate ve dinlenme-devlet elektroansefalografi Omega karmaşıklık analizleri

DOI:

10.3791/56452

⸱

June 15th, 2018

 ,  , 
1Department of Pain Medicine, Peking University People's Hospital, 2Key Laboratory of Child Development and Learning Science of Ministry of Education, Research Center for Learning Science, School of Biological Sciences & Medical Engineering, Southeast University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

İki başvuru içermeyen EEG önlemlerdir protokol temel elektroansefalografi (EEG) microstate Analizi ve omega karmaşıklık analizi, bu makalede ve sinirsel mekanizmalar beyin bozukluklarının keşfetmek için son derece değerli.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Microstate ve omega karmaşıklığı EEG veri zamansal ve mekansal karmaşıklığı gösterebilir ve bazı beyin bozukluklarında sinirsel mekanizmalar araştırmak için yaygın olarak kullanılmış iki başvuru içermeyen elektroansefalografi (EEG) önlemler vardır. Bu makalenin amacı EEG microstate ve omega karmaşıklık çözümlemeleri adım adım temel Protokolü tarif etmektir. Bu iki önlemler büyük avantajı onlar geleneksel spektrum analizi için doğal başvuru bağımlı sorunu ortadan kaldırmak olduğunu. Buna ek olarak, microstate analiz dinlenme-devlet EEG zaman yüksek çözünürlüğe iyi kullanır ve dört elde edilen microstate sınıflar sırasıyla ilgili dinlenme-devlet ağlar maç olabilir. Omega karmaşıklık bariz avantajı tek bir kanal sinyal karmaşıklığı odaklanan geleneksel karmaşıklık önlemler ile karşılaştırıldığında olan uzamsal karmaşıklığı bütün beyin ya da belirli beyin bölgeleri, karakterize. Bu iki EEG ölçümleri zamansal ve mekansal etki alanından beyin karmaşıklık sırasıyla araştırmak için birbirlerini tamamlayıcı.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Elektroansefalografi (EEG) beri bu noninvaziv, düşük mal oldu ve çok yüksek zamansal çözünürlük1olan klinik tanı ve bilimsel araştırma, hem de insan beyin elektriksel aktivitesinin kaydetmek için yaygın olarak kullanılmış. Devlet dinlenme içinde EEG sinyallerini incelemek için araştırmacılar birçok EEG teknikleri (örneğin, güç spektrum analizi, fonksiyonel bağlantı analizi)2,3geliştirdik. Bunlar microstate analiz ve omega karmaşıklık Analizi iyi kayma ve temporal bilgi EEG sinyallerini4doğasında faydalanmak.

Önceki araştırmalar ne kadar zaman içinde göz kapalı EEG sinyallerinin topografik dağıtım değişir veya göz-açık devlet dinlenme, anlık haritalar dizi manzara, kesintili değişiklikleri göstermek bu göstermiştir Yani, dönemleri, istikrar alternatif bazı yarı kararlı EEG Topografyaları5arasında kısa geçiş dönemleri ile. Lihtenştayn 80 ile 120 ms1arasında son yarı kararlı EEG Topografyaları Bu bölüm olarak tanımlanır. Farklı elektrik potansiyel manzara farklı sinirsel kaynaklar tarafından oluşturulan gerekir bu Lihtenştayn okunmasının temel taşları hak kazanabilirsiniz ve "düşünce ve duygu atomlarının"6kabul edilebilir. Modern desen sınıflandırma algoritmaları kullanarak, dört EEG microstate sınıfları dinlenme sürekli olarak, A sınıfı, B sınıfı, C sınıfı ve D sınıfı7etiketli gözlenmiştir. Ayrıca, araştırmacılar EEG veri dinlenme bu dört microstate sınıflar birçok dinlenme-devlet fMRI (fonksiyonel manyetik rezonans görüntüleme) çalışmalar8',9 gözlenen iyi bilinen fonksiyonel sistemleri ile yakından ilişkili olduğunu ortaya koydu . Böylece, microstate analiz dinlenme ağları (RSNs) insan beyninin çalışma için yeni bir yaklaşım sağladı. Ayrıca, ortalama süresi ve dört microstate haritalar topografik şeklinde her microstate sınıfın oluşum sıklığını önemli ölçüde bazı beyin bozuklukları4,10,11tarafından etkilenmiştir, ve sıvı istihbarat12 ve kişilik13ile ilişkilidir.

Diğer yönü olarak, çok kanallı EEG geleneksel fonksiyonel bağlantı sadece böylece küresel fonksiyonel bağlantı kafa derisi veya belirli bir beyin bölgesi içinde değerlendirmek başarısız oldu iki kafa derisi elektrot arasındaki işlevsel bağlantıları tarif olabilir. Wackermann (1996)14 tarafından önerilen ve asıl bileşen analizi (PCA) ve Shannon entropi, birleştiren bir yaklaşımla hesaplanan omega karmaşıklığı arasındaki geniş bant genel eşitleme dağınık şekilde ölçmek için kullanılan Dağıtılmış beyin bölgeleri. Her frekans bandı omega karmaşıklığını değerlendirmek için Fourier dönüşümü yaygın bir ilk adım25yapılmıştır.

Lihtenştayn ve omega karmaşıklık iki yakından bağlantılı kavram, yani, temporal karmaşıklığı ve kayma karmaşıklık4yansıtacak şekilde kullanılabilir. İnsan beyninin belirli zihinsel işlemlerde microstate sınıfları temsil ettiğinden, nöronal salınımlarını zamansal yapısını yansıtabilir. Alt süresi ve daha yüksek oluşum hızı / sn yüksek temporal karmaşıklığı belirtmeniz gerekir. Omega karmaşıklık olumlu ilgili beyinde sinirsel bağımsız kaynaklar sayı ile böylece sık kayma karmaşıklık4bir göstergesi olarak kabul edilir.

Geçerli makalenin EEG microstate analiz ve omega karmaşıklık Analizi ayrıntılı protokolünü açıklar. EEG microstate ve omega karmaşıklık çözümlemeleri beyin aktivitesi zamansal ve mekansal karmaşıklığı sırasıyla ölçmek için fırsat sunar.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu iletişim kuralı yerel etik kurul tarafından kabul edildi. Tüm katılımcılar ve velileri bu deneme için bir onam formu imzaladı.

1. konular

  1. Sadece, Yaş aralıkları 14 22 yıl 15 sağlıklı erkek ergen, konular (yani ± standart sapma: 18.3 ± 2.8 yıl).
    Not: microstate ve omega karmaşıklık çözümlemek için geçerli protokol sağlıklı konular için geliştirilmiştir, ancak bu gruba yalnızca sınırlı değildir.

2. EEG veri kaydı

  1. Konular nerede EEG veri kaydedildi bir sessiz, ısı kontrollü oda rahat bir sandalyede oturmak için sor. Bu protokol için ANT EEG sistemi kullanarak 20-Kanal EEG veri toplamak.
  2. Kap konularda başının üstüne koy.
    1. Bu çalışmada, orta boy ile en ergen ya da erkek konular için uygun bir kap kullanın. Çocuklar, lütfen her konu baş çevresi ölçmek ve uygun boyutta cap belirlemek.
    2. Elektrot Cz yaklaşık % 50'sini Trinitron ile nasion arasındaki uzaklık ve sol ve sağ arası işitsel girintiler arasındaki uzaklığı % 50'si yerleştirin. Referans elektrotlar sırasıyla sol ve sağ mastoid kemiğe yer. Diğer kafa derisi elektrotlar standart konumlarda Uluslararası göre 10-20 sistemi yer.
      Not: Bir elektrot sistemi ve EEG ile 20 Kanal amplifikatör EEG microstate analiz ve omega karmaşıklık analizi için yeterli.
  3. Tüm elektrotlar elektrotlar aracılığıyla künt bir iğne ekleyerek iletken jel ile doldurun. Empedans düşürmek için iletken jel kullanın. Bütün elektrot impedances 10 kiloohms (kΩ) daha düşük tutmak.
    1. Bu dönemde, bazı eğlence ilgililer sağlar (örneğin, bir kısa film göster). Kuru bir elektrot veya serum fizyolojik bir elektrot kullandıysanız, iletken jel enjekte etme adımı atlayın.
  4. Konular süren 5 dk. dijital ortama ve EEG kaydetmek için kullandığı sayısallaştırma yazılım sinyal kayıt sırasında kapalı gözlerle dinlenmek için talimat. En az 250 örnekleri/s. kullanım çevrimiçi bir filtre 0,1 geniş ve 80 Hz örnekleme hızını kullanın.
    Not: çoğu ticari kullanılabilir elektrot-amplifikatör sistemleri EEG sinyal gürültü oranı sinyal artırabilirsiniz, bir aktif elektrot sistemi kullanıyor olsa da bu sistem herhangi bir elektrikli cihazlara yakın EEG kayıt sırasında koymayın.

3. EEG veri ön işleme

Not: EEG veri çeşitli açık kaynak veya ticari yazılım kullanarak Önişlenmiş. Aşağıdaki talimatları EEGLAB için özeldir. Bu sadece bir EEG veri önişlem için birçok kullanılabilir seçenekler dışarı biridir.

  1. EEG yazılım (örneğin, EEGLAB) ham EEG veri alma (dosya | Verilerini alma | EEGLAB işlevleri ve eklentileri kullanarak).
    Not: ham EEG adet çeşitli elektrot-amplifikatör sistemlerden kaydı EGI, karınca, gibi EEGLAB tarafından tanınan beyin vizyon kaydedici ve Neuroscan.
  2. EEG yazılımına Kanal konumu dosya yüklemek (Düzenle | Kanal konumları). EEG veri ve programın ismi EEGLAB için ithal edilmiş olsa da, bir kanal konum dosyası Bu elektrotlar mekansal konumlarını elde etmek için EEG yazılım alın.
  3. Referans elektrotlar kaldırmak (Düzenle | Verileri seçmek | Veri kanalı aralıktaki seçin). "Select aralığındaki veriler kanal" açılan iletişim kutusunun seçeneği, yalnızca kayıt elektrotları seçin ve böylece referans elektrotlar kaldırılabilmesi için referans elektrotlar seçmeyin. Bu iki elektrot sırasıyla sol ve sağ mastoid kemiğe yerleştirilir beri adet referans elektrotlar kaydı 'true' beyin sinyal, değil.
  4. Bant 0.5 ve 80 Hz arasında pass filtre EEG veri (Araçlar | Verilere filtre | Temel köknar filtre [yeni, varsayılan]). Açılan iletişim kutusunda "alt frekans geçiş bandı (Hz) kenarına" için 5 seçin ve 80 "yüksek frekans geçiş bandı (Hz) kenarına" için seçin. Sonra "Tamam" düğmesini tıklatın.
  5. 49 ve 51 Hz arasında bir çentik filtre ile güç hat gürültüsü kaldırmak (Araçlar | Verilere filtre | Temel köknar filtre [yeni, varsayılan]). Açılan diyalog kutusunda, 49 için "alt kenarına frekans geçiş bandı (Hz)", seçin ve "yüksek frekans geçiş bandı (Hz) kenarına" için 51 seçin ve "Çentik filtre veri geçişi bant yerine" seçeneğini seçin. Sonra "Tamam" düğmesini tıklatın.
  6. Göz hareketleri, elektromiyografi (EMG) veya kör kaynak ayırma (BSS) algoritması15kullanarak diğer fizyolojik olmayan yapıları tarafından kontamine veri bölümleri düzeltin. Göz hareketleri için tıkırtı üstünde alet | AAR 1,3 kullanarak yapı kaldırma | EOG kaldırma | BSS kullanarak; EMG için Araçlar | AAR 1,3 kullanarak yapı kaldırma | BSS kullanarak EMG kaldırma.
  7. Dönemini, dönem uzunluğu 2 ile önceden işlenmiş sürekli EEG veri kesimi s. Bunu yapmak için yazmak 'EEG eeg_regepochs = (EEG, 'yineleme', 2, 'sınırlar', [0 2], 'rmbase', NaN); pop_saveset(EEG)', o zaman klavyenin Enter tuşuna basın. Bir pencere kesimli EEG veri kaydetme sağlayan çıkacaktır.
  8. EEG yazılım kesimli EEG veri alma (dosya | «««Yük) varolan bir veri kümesi.
  9. EEG dönemini aşan ± 80 µV herhangi bir elektrot, genlik değerlerle reddetmek (Araçlar | Veri dönemini reddetmek | «««Reddetmek) veri [tüm yöntemleri].
  10. Önişlenmiş EEG verileri kaydetmek (dosya | Geçerli veri kümesi olarak) kaydedin.

4. EEG Microstate Analizi

Not: Bir tabandan tavana yordam ve bir yukarı-alt yordamı içeren microstate sınıf analiz16için klasik K Ortalamalar kümeleme algoritması değiştirilmiş bir sürümü kullanılır. Aşağıdan yukarıya yordamda, grup düzeyi microstate sınıfları kayma korelasyon bir küme ölçüt olarak kullanılarak tanımlanır. Sonra yukarı-alt yordam, her gruptaki her konunun her topografik harita EEG microstate sınıf maksimum kayma korelasyon ile atanır. Dinlenme-devlet EEG microstate analiz için topografik haritalar polarite sık gözardı edilir. EEG microstate sınıf Analizi yapılabilir çeşitli açık kaynak bilgisayar yazılımı, CARTOOL, sLORETA, aynı derecede kullanarak EMMA ve MapWin. Aşağıdaki talimatları için Lihtenştayn EEGLAB eklenti özgüdür. Bu EEGLAB eklenti https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins karşıdan yüklenemedi.

  1. Her konu için Önişlenmiş EEG verileri yüklemek (dosya | Yük) veri kümesi mevcut, dönüştürme başvuru kanalları ortak ortalama referans için (Araçlar | Yeniden başvuru) ve bant geçiren 2 ve 20 Hz arasında EEG verilere filtre uygulama (Araçlar | Verilere filtre | Temel köknar filtre [yeni, varsayılan]).
  2. Dört microstate haritalar her konuda tanımlamak (Araçlar | Lihtenştayn | «««tanımlamak) microstate haritalar. Açılan diyalog kutusunda, 3 dk sayısı"sınıflar" seçin, 6 Max sayısı"sınıflar" Seç, "yeniden başlatılma sayısını" için 50 seçin, "Kullanmak için haritalar sayısı" seçin ve "Sadece GFP zirve" ve "Polarizasyon" seçeneklerini seçin. Sonra "Tamam" düğmesini tıklatın.
  3. Sonra kendi microstate tanımlayan haritalar her konunun EEG verileri kaydetmek (dosya | Geçerli veri kümesi olarak) kaydedin.
  4. Hemen son adımda kaydettiğiniz tüm konuların EEG veri alma (dosya | «««Yük) varolan bir veri kümesi.
  5. Grup düzeyi microstate haritalar tanımlamak (Araçlar | Lihtenştayn | Ortalama microstate eşler arasında veri kümeleri). Açılan diyalog kutusunda "Seç ortalama için ayarlar" seçeneği tüm konuların veri kümelerini seçin. Seçenek "Demek adını", grup düzeyi microstate haritalar için bir ad verin. "GrandMean" varsayılan adıdır. Sonra "Tamam" düğmesini tıklatın. Bu "grup düzeyi microstate haritalar saklayan GrandMean", adlı yeni bir veri kümesi oluşturur.
  6. El ile dört grup düzeyi microstate haritalar klasik sıralarına göre sıralama (Arsa | «««Edit) microstate haritalar. "Daha fazla" ve menüden seçin ve sonra gösterildiği haritalar sayısı olur dört. "Adam sıralama" seçin. Açılan diyalog kutusunda dört grup düzeyi microstate haritalar yeni sırasını girin. O zaman tıkırtı "Kapatmak".
  7. Dört microstate haritalar her konunun sıralama (Araçlar | Lihtenştayn | «««Sıralama) bireysel microstate haritalar göre demek.
  8. Her konunun microstate parametrelerini kaydedin (Araçlar | Lihtenştayn | Lihtenştayn [Ortalama şablon Haritalar] veri kümesinde, ölçmek) hangi sırayla iki açılır diyalog kutusu çağıracaktır.
    1. İlk diyalog kutusunda tüm konuların veri kümelerini seçin. İkinci iletişim kutusunda seçin "4 sınıfları" seçeneği "Sınıfların numarası" için "Uydurma GFP tepeler üzerinde sadece" seçenekleri seçin ve "Kaldır potansiyel Lihtenştayn kesildi", "etiket" pencere (ms) yumuşatma için 30 seçin ve "Sigara pürüzsüzlük için 1'i seçin ceza". Sonra "Tamam" ı tıklatın. Microstate parametreleri depolayan bir csv dosyası bilgisayarda kaydedilir.

5. omega karmaşıklık Analizi

  1. Her dönem EEG verileri kaydetmek ve her konu ASCII veya txt biçimi kullanarak özelleştirilmiş komut dosyası. Adım 5.1 için özelleştirilmiş komut dosyası örneği ek materyalleri bulunamadı.
    Not: Eğer küresel omega karmaşıklık hesaplanır, tüm kafa derisi elektrotları EEG veri ASCII veya txt biçiminde vermek için ihtiyaç vardır. Bölgesel omega karmaşıklık hesaplanır, sadece o kafa derisi bölgede elektrot EEG veri verin. Örneğin, ön omega karmaşıklık hesaplamak için sadece EEG elektrot anterior bölgesi (yani, Fp1, Fp2, F7, F3, Fz, F4 ve F8); verileri posterior omega karmaşıklık hesaplamak amacıyla elektrot (yani, T5, T6, P3, P4, Pz, O1 ve O2) posterior bölgede sadece EEG veri verin.
  2. SLORETA yazılım17 kullanarak tüm ayrık Frekanslar omega karmaşıklığı hesaplamak (yardımcı programlar | Çaplı connectivity). Bu yazılım http://www.uzh.ch/keyinst/loreta.htm kullanılabilir.
  3. Özelleştirilmiş komut dosyası26kullanarak her frekans bandı omega karmaşıklığı hesaplamak. Bizim durumumuzda, delta olan aşağıdaki sekiz frekans bantlarında omega karmaşıklığı her frekans aralığında ortalama değeri olarak hesaplamak (0,5-3.5 Hz), teta (4-7.5 Hz), alfa1 (8-10 Hz), alpha2 (10,5-13,5 Hz), beta1 (14-18 Hz), beta2 (18,5-30 Hz), gamma1 () 30.5-48 Hz) ve gamma2 (52-80 Hz)4. Adım 5,3 için özelleştirilmiş komut dosyası örneği ek materyalleri bulunamadı.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

EEG microstate

Grand normalleştirilmiş microstate haritalar Şekil 1' de gösterilen demek. Elektrik potansiyel manzara burada tanımlanan dört bu microstate sınıfların çok önceki çalışmalar4' te bulunanlara benzer.

Ortalama ve standart sapma (SD) sağlıklı deneklerin microstate parametrelerinin Tablo 1' d...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu makalede, EEG analitik yöntemleri (yani, microstate analiz ve omega karmaşıklık Analizi), iki tür insan beyni uzaysal karmaşıklığını ve temporal karmaşıklığı sırasıyla ölçme, ayrıntılı olarak tarif edildi. Birkaç kritik adım içinde belirtilmelidir Protokolü vardır. İlk olarak, EEG veri microstate ve omega karmaşıklık hesaplama önce temizlenmesi gerekir. İkinci olarak, EEG veri hesaplama microstate ve omega karmaşıklık önce ortalama başvuru karşı remontaged. Üçüncü olarak, sürekli EEG veri önce microstate ve omega karm...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar ifşa gerek yok.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu ulusal doğal Bilim Vakfı Çin tarafından (31671141) desteklenir.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
ANT 20 kanal EEG / ERP sistemiASA-Lab, ANT B.V., Hollandaşirket web adresi: Mikro durumlar için
> http://www.ant-neuro.com/ EEGLAB eklentisiThomas Koenighttps://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins
sLORETARoberto D. Pascual-Marquihttp://www.uzh.ch/keyinst/loreta.htm
MATLAB 2010a Matematik İşleri A.Ş.şirket web adresi:
http://www.mathworks.com/
eeglabSwartz Hesaplamalı Sinirbilim Merkezi, California Üniversitesi, San Diegohttps://sccn.ucsd.edu/eeglab/index.php

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Khanna, A., et al. Microstates in resting-state EEG: current status and future directions. Neurosci Biobehav Rev. 49, 105-113 (2015).
  2. Chen, J. L., Ros, T., Gruzelier, J. H. Dynamic changes of ICA-derived EEG functional connectivity in the resting state. Hum Brain Mapp. 34 (4), 852-868 (2013).
  3. Imperatori, C., et al. Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study. Biol Psychol. 102, 10-17 (2014).
  4. Gao, F., et al. Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia. Brain Topogr. 30 (2), 233-244 (2017).
  5. Seitzman, B. A., et al. Cognitive manipulation of brain electric microstates. Neuroimage. 146, 533-543 (2017).
  6. Lehmann, D., Michel, C. M. EEG-defined functional microstates as basic building blocks of mental processes. Clin Neurophysiol. 122 (6), 1073-1074 (2011).
  7. Koenig, T., et al. Millisecond by millisecond, year by year: normative EEG microstates and developmental stages. Neuroimage. 16 (1), 41-48 (2002).
  8. Britz, J., Van De Ville, D., Michel, C. M. BOLD correlates of EEG topography reveal rapid resting-state network dynamics. Neuroimage. 52 (4), 1162-1170 (2010).
  9. Musso, F., et al. Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks. Neuroimage. 52 (4), 1149-1161 (2010).
  10. Strelets, V., et al. Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations. Clin Neurophysiol. 114 (11), 2043-2051 (2003).
  11. Kikuchi, M., et al. EEG microstate analysis in drug-naive patients with panic disorder. PLoS One. 6 (7), e22912(2011).
  12. Santarnecchi, E., et al. EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training. Brain Topogr. , (2017).
  13. Schlegel, F., et al. EEG microstates during resting represent personality differences. Brain Topogr. 25 (1), 20-26 (2012).
  14. Wackermann, J. Beyond mapping: estimating complexity of multichannel EEG recordings. Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).
  15. Jung, T. P., et al. Removing electroencephalographic artifacts by blind source separation. Psychophysiology. 37 (2), 163-178 (2000).
  16. Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. Segmentation of brain electrical activity into microstates: model estimation and validation. IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).
  17. Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods Find Exp Clin Pharmacol. 24, Suppl D. 5-12 (2002).
  18. Hu, L., et al. The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans. Neuroimage. 84, 383-393 (2014).
  19. Murray, M. M., Brunet, D., Michel, C. M. Topographic ERP analyses: a step-by-step tutorial review. Brain Topogr. 20 (4), 249-264 (2008).
  20. Van de Ville, D., Britz, J., Michel, C. M. EEG microstate sequences in healthy humans at rest reveal scale-free dynamics. Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).
  21. Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. Identification of emotion associated brain functional network with phase locking value. Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).
  22. Wen, D., et al. Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information. Clin Neurophysiol. 127 (1), 335-348 (2016).
  23. Rosales, F., et al. An efficient implementation of the synchronization likelihood algorithm for functional connectivity. Neuroinformatics. 13 (2), 245-258 (2015).
  24. Jia, H., Peng, W., Hu, L. A novel approach to identify time-frequency oscillatory features in electrocortical signals. J Neurosci Methods. 253, 18-27 (2015).
  25. Wackermann, J. Global characterization of brain electrical activity by means of the Ω complexity production rate. Brain Topogr. 18, 135(2005).
  26. Wackermann, J., Putz, P., Gaßler, M. Unfolding EEG spatial complexity as a function of frequency. Brain Topogr. 16 (2), 124(2003).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

EEG Microstate AnalysisOmega ComplexityResting state EEGEEG PreprocessingBandpass FilteringArtifact RemovalMicrostate MappingGroup Level AnalysisEEG Lab SoftwareReference free EEG

Related Articles