Name: Microstate ve dinlenme-devlet elektroansefalografi Omega karmaşıklık analizleri (Video) | JoVE Journal
Uploaded: 2018-06-15T12:30:00.000+00:00
Duration: 6 min 40 s
Description: Öğrenin, referanssız EEG mikro durum analizi ve omega karmaşıklığı ölçümleriyle beyin bozukluklarının nöral mekanizmalarını araştırın. Bu yöntem, dinlenme durumu ağlarını verimli bir şekilde incelemenizi sağlar.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

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

Bu iletişim kuralı yerel etik kurul tarafından kabul edildi. Tüm katılımcılar ve velileri bu deneme için bir onam formu imzaladı.
1. konular
<ol><li>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.</li>
</ol>2. EEG veri kaydı
<ol><li>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.</li>
	<li>Kap konularda başının üstüne koy.<ol>
<li>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.</li>
		<li>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.</li>
	</ol>
</li>
	<li>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.<ol>
<li>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.</li>
	</ol>
</li>
	<li>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.</li>
</ol>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.
<ol><li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>EEG yazılım kesimli EEG veri alma (dosya | «««Yük) varolan bir veri kümesi.</li>
	<li>EEG dönemini aşan ± 80 µV herhangi bir elektrot, genlik değerlerle reddetmek (Araçlar | Veri dönemini reddetmek | «««Reddetmek) veri [tüm yöntemleri].</li>
	<li>Önişlenmiş EEG verileri kaydetmek (dosya | Geçerli veri kümesi olarak) kaydedin.</li>
</ol>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.
<ol><li>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]).</li>
	<li>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.</li>
	<li>Sonra kendi microstate tanımlayan haritalar her konunun EEG verileri kaydetmek (dosya | Geçerli veri kümesi olarak) kaydedin.</li>
	<li>Hemen son adımda kaydettiğiniz tüm konuların EEG veri alma (dosya | «««Yük) varolan bir veri kümesi.</li>
	<li>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.</li>
	<li>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".</li>
	<li>Dört microstate haritalar her konunun sıralama (Araçlar | Lihtenştayn | «««Sıralama) bireysel microstate haritalar göre demek.</li>
	<li>Her konunun microstate parametrelerini kaydedin (Araçlar | Lihtenştayn | Lihtenştayn [Ortalama şablon Haritalar] veri kümesinde, ölçmek) hangi sırayla iki açılır diyalog kutusu çağıracaktır.<ol>
<li>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.</li>
	</ol>
</li>
</ol>5. omega karmaşıklık Analizi
<ol><li>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.</li>
	<li>SLORETA yazılım17 kullanarak tüm ayrık Frekanslar omega karmaşıklığı hesaplamak (yardımcı programlar | Çaplı connectivity). Bu yazılım http://www.uzh.ch/keyinst/loreta.htm kullanılabilir.</li>
	<li>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.</li>
</ol>

<ol><li>Khanna, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microstates+in+resting-state+EEG%3A+current+status+and+future+directions%5BTitle%5D)+AND+%22Neurosci+Biobehav+Rev%22%5BJournal%5D)">Microstates in resting-state EEG: current status and future directions.</a> Neurosci Biobehav Rev. 49, 105-113 (2015).</li>
<li>Chen, J. L., Ros, T., Gruzelier, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+changes+of+ICA-derived+EEG+functional+connectivity+in+the+resting+state%5BTitle%5D)+AND+%22Hum+Brain+Mapp%22%5BJournal%5D)">Dynamic changes of ICA-derived EEG functional connectivity in the resting state.</a> Hum Brain Mapp. 34 (4), 852-868 (2013).</li>
<li>Imperatori, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Aberrant+EEG+functional+connectivity+and+EEG+power+spectra+in+resting+state+post-traumatic+stress+disorder%3A+a+sLORETA+study%5BTitle%5D)+AND+%22Biol+Psychol%22%5BJournal%5D)">Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study.</a> Biol Psychol. 102, 10-17 (2014).</li>
<li>Gao, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Altered+Resting-State+EEG+Microstate+Parameters+and+Enhanced+Spatial+Complexity+in+Male+Adolescent+Patients+with+Mild+Spastic+Diplegia%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia.</a> Brain Topogr. 30 (2), 233-244 (2017).</li>
<li>Seitzman, B. A., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/27742598">Cognitive manipulation of brain electric microstates.</a> Neuroimage. 146, 533-543 (2017).</li>
<li>Lehmann, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG-defined+functional+microstates+as+basic+building+blocks+of+mental+processes%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">EEG-defined functional microstates as basic building blocks of mental processes.</a> Clin Neurophysiol. 122 (6), 1073-1074 (2011).</li>
<li>Koenig, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Millisecond+by+millisecond%2C+year+by+year%3A+normative+EEG+microstates+and+developmental+stages%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Millisecond by millisecond, year by year: normative EEG microstates and developmental stages.</a> Neuroimage. 16 (1), 41-48 (2002).</li>
<li>Britz, J., Van De Ville, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((BOLD+correlates+of+EEG+topography+reveal+rapid+resting-state+network+dynamics%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">BOLD correlates of EEG topography reveal rapid resting-state network dynamics.</a> Neuroimage. 52 (4), 1162-1170 (2010).</li>
<li>Musso, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spontaneous+brain+activity+and+EEG+microstates.+A+novel+EEG%2FfMRI+analysis+approach+to+explore+resting-state+networks%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks.</a> Neuroimage. 52 (4), 1149-1161 (2010).</li>
<li>Strelets, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chronic+schizophrenics+with+positive+symptomatology+have+shortened+EEG+microstate+durations%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations.</a> Clin Neurophysiol. 114 (11), 2043-2051 (2003).</li>
<li>Kikuchi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+microstate+analysis+in+drug-naive+patients+with+panic+disorder%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">EEG microstate analysis in drug-naive patients with panic disorder.</a> PLoS One. 6 (7), e22912(2011).</li>
<li>Santarnecchi, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+Microstate+Correlates+of+Fluid+Intelligence+and+Response+to+Cognitive+Training%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training.</a> Brain Topogr. , (2017).</li>
<li>Schlegel, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+microstates+during+resting+represent+personality+differences%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">EEG microstates during resting represent personality differences.</a> Brain Topogr. 25 (1), 20-26 (2012).</li>
<li>Wackermann, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beyond+mapping%3A+estimating+complexity+of+multichannel+EEG+recordings%5BTitle%5D)+AND+%22Acta+Neurobiol+Exp+%28Wars%29%22%5BJournal%5D)">Beyond mapping: estimating complexity of multichannel EEG recordings.</a> Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).</li>
<li>Jung, T. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removing+electroencephalographic+artifacts+by+blind+source+separation%5BTitle%5D)+AND+%22Psychophysiology%22%5BJournal%5D)">Removing electroencephalographic artifacts by blind source separation.</a> Psychophysiology. 37 (2), 163-178 (2000).</li>
<li>Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Segmentation+of+brain+electrical+activity+into+microstates%3A+model+estimation+and+validation%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Segmentation of brain electrical activity into microstates: model estimation and validation.</a> IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).</li>
<li>Pascual-Marqui, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Standardized+low-resolution+brain+electromagnetic+tomography+%28sLORETA%29%3A+technical+details%5BTitle%5D)+AND+%22Methods+Find+Exp+Clin+Pharmacol%22%5BJournal%5D)">Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details.</a> Methods Find Exp Clin Pharmacol. 24, Suppl D. 5-12 (2002).</li>
<li>Hu, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+primary+somatosensory+cortex+contributes+to+the+latest+part+of+the+cortical+response+elicited+by+nociceptive+somatosensory+stimuli+in+humans%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans.</a> Neuroimage. 84, 383-393 (2014).</li>
<li>Murray, M. M., Brunet, D., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Topographic+ERP+analyses%3A+a+step-by-step+tutorial+review%5BTitle%5D)+AND+%22Brain+Topogr%22%5BJournal%5D)">Topographic ERP analyses: a step-by-step tutorial review.</a> Brain Topogr. 20 (4), 249-264 (2008).</li>
<li>Van de Ville, D., Britz, J., Michel, C. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEG+microstate+sequences+in+healthy+humans+at+rest+reveal+scale-free+dynamics%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">EEG microstate sequences in healthy humans at rest reveal scale-free dynamics.</a> Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).</li>
<li>Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+emotion+associated+brain+functional+network+with+phase+locking+value%5BTitle%5D)+AND+%22Conf+Proc+IEEE+Eng+Med+Biol+Soc%22%5BJournal%5D)">Identification of emotion associated brain functional network with phase locking value.</a> Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).</li>
<li>Wen, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Resting-state+EEG+coupling+analysis+of+amnestic+mild+cognitive+impairment+with+type+2+diabetes+mellitus+by+using+permutation+conditional+mutual+information%5BTitle%5D)+AND+%22Clin+Neurophysiol%22%5BJournal%5D)">Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information.</a> Clin Neurophysiol. 127 (1), 335-348 (2016).</li>
<li>Rosales, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+implementation+of+the+synchronization+likelihood+algorithm+for+functional+connectivity%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient implementation of the synchronization likelihood algorithm for functional connectivity.</a> Neuroinformatics. 13 (2), 245-258 (2015).</li>
<li>Jia, H., Peng, W., Hu, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+approach+to+identify+time-frequency+oscillatory+features+in+electrocortical+signals%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">A novel approach to identify time-frequency oscillatory features in electrocortical signals.</a> J Neurosci Methods. 253, 18-27 (2015).</li>
<li>Wackermann, J. Global characterization of brain electrical activity by means of the Ω complexity production rate. Brain Topogr. 18, 135(2005).</li>
<li>Wackermann, J., Putz, P., Gaßler, M. Unfolding EEG spatial complexity as a function of frequency. Brain Topogr. 16 (2), 124(2003).</li>
</ol>

Yazarlar ifşa gerek yok.

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...

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.

<table><tbody><tr><td>ANT 20 kanal EEG / ERP sistemi</td><td>ASA-Lab, ANT B.V., Hollanda</td><td></td><td>şirket web adresi: Mikro durumlar için </tr> <tr><td>> http://www.ant-neuro.com/ EEGLAB eklentisi</td><td>Thomas Koenig</td><td></td><td>https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins</td></tr><tr><td>sLORETA</td><td>Roberto D. Pascual-Marqui</td><td></td><td>http://www.uzh.ch/keyinst/loreta.htm</td></tr><tr><td>MATLAB 2010a</td><td> Matematik İşleri A.Ş.</td><td></td><td>şirket web adresi: http://www.mathworks.com/</td></tr> <tr><td>eeglab</td><td>Swartz Hesaplamalı Sinirbilim Merkezi, California Üniversitesi, San Diego</td><td></td><td>https://sccn.ucsd.edu/eeglab/index.php</td></tr></tbody></table>

microstate ve dinlenme-devlet elektroansefalografi omega karmaşıklık analizleri

Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography

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.

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...

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.

Microstate ve dinlenme-devlet elektroansefalografi Omega karmaşıklık analizleri

Microstate and omega complexity are two reference-free electroencephalography (EEG) measures that can represent the temporal and spatial complexities of ...

Bu dönem, beyin bozukluğu alanında, bugünün teşhisinde bir bios koduna etkili bir belirteç çiftinin nasıl tanımlanacağı gibi 10 soruyu yanıtladı. Bu tekniğin ana avantajı, geleneksel EEG analizine bağlı kaldığınızda bekleyen sorunun bir referansı olarak ortaya çıkabilmesidir. Bu tekniğin uygulamaları, insan beyninin dinlenme durumları ağlarını anlamamıza kadar uzanır.Bu işleme başlamak için, ham EEG verilerini EEG laboratuvar yazılımına aktarın. Ardından, bu elektrotların uzamsal konumlarını elde etmek için kanal konum dosyasını EEG laboratuvar yazılımına yükleyin. Referans elektrotları kaldırmak için, açılır iletişim kutusunun Kanal aralığındaki verileri seç seçeneğini belirleyin, yalnızca kayıt elektrotlarını seçin ve referans elektrotların çıkarılabilmesi için referans elektrotlarını seçmeyin.EEG verilerini 0,5 ile 80 hertz arasında bant geçirerek filtrelemek için, açılır iletişim kutusunda, frekans geçiş bandı hertz'in alt kenarı için 0,5'i seçin ve frekans geçiş bandı hertz'in üst kenarı için 80'i seçin. Ardından, 49 Ok.To 51 hertz arasında bir çentik filtresi ile elektrik hattı gürültüsünü tıklayın, açılır iletişim kutusunda, frekans geçiş bandı hertz'in alt kenarı için 49'u seçin ve frekans geçiş bandı hertz'in üst kenarı için 51'i seçin. Ardından Çentik seçeneğini seçin, geçiş bandı yerine verileri filtreleyin ve göz hareketlerini kaldırmak Ok.To tıklayın, Araçlar'a tıklayın, ardından AAR 1.3 kullanarak Artefakt kaldırma'ya ve BSS kullanarak EOG kaldırma'ya tıklayın.EMG'yi kaldırmak için Araçlar'ı tıklayın, sonra AAR 1.3 kullanarak artefakt kaldırma'yı ve BSS kullanarak EMG kaldırma'yı tıklayın. Daha sonra, önceden işlenmiş sürekli EEG verilerini, iki saniyelik bir dönem uzunluğuna sahip dönemlere bölün. Segmentlere ayrılmış EEG verilerinin kaydedilmesine izin veren bir pencere açılacaktır.Daha sonra segmentlere ayrılmış EEG verilerini EEG laboratuvar yazılımına aktarın ve herhangi bir elektrotta artı veya eksi 80 mikrovoltu aşan genlik değerlerine sahip EEG dönemlerini reddedin. Ardından, önceden işlenmiş EEG verilerini kaydedin. Bu prosedürde, her denek için, önceden işlenmiş EEG verilerini yükleyin, referans kanallarını ortak ortalama referansa dönüştürün ve EEG verilerini iki ile 20 hertz arasında bant geçirerek filtreleyin.Ardından, her konudaki dört mikro durum haritasını tanımlayın. Açılır iletişim kutusunda, minimum sınıf sayısı için üç'ü seçin, maksimum sınıf sayısı için altı'yı seçin, yeniden başlatma sayısı için 50'yi seçin, kullanılacak maksimum harita sayısını seçin ve yalnızca GFP zirvesi ve Polarite yok seçeneklerini belirleyin. Ardından, tıklayın tamam düğmesine basın.Daha sonra, kendi mikro durum haritalarını tanımladıktan sonra her deneğin EEG verilerini kaydedin. Son adımda kaydedilen tüm deneklerin EEG veri setlerini bir kerede içe aktarın. Ardından grup düzeyinde mikro durum haritalarını tanımlayın.Açılır iletişim kutusunda, Ortalama alma için kümeler seç seçeneğinde tüm konuların veri kümelerini seçin. Ortalamanın adı seçeneğinde, grup düzeyi mikro durum haritaları için bir ad verin, ardından düğmesine tıklayın Tamam.Bu, grup düzeyinde mikro durum haritalarını depolayan GrandMean adlı yeni bir veri seti oluşturacaktır. Dört grup düzeyi mikro durum haritasının sırasını klasik sıralarına göre manuel olarak sıralayın.Açılır pencerede Diğer'i seçin ve ardından gösterilen harita sayısı dört olur. Bundan sonra, Adam sıralaması'nı seçin. Açılır iletişim kutusunda, dört grup düzeyi mikro durum haritasının yeni sırasını girin ve Kapat'ı tıklatın.Bunu takiben, her konunun dört mikro durum haritasının sırasını sıralayın, sırayla iki açılır iletişim kutusunu çağıracak olan her konu için mikro durum parametrelerini kaydedin. İlk iletişim kutusunda, tüm konuların veri kümelerini seçin. İkinci iletişim kutusunda, Sınıf sayısı seçeneği için 4 Sınıf'ı seçin.Yalnızca GFP tepe noktalarına sığdır ve Potansiyel olarak kesilmiş mikro durumları kaldır seçeneklerini belirleyin. Ardından, etiket yumuşatma penceresi için 30'u seçin, ms ve Düzgün Olmama cezası için Bir'i seçin, ardından Tamam'a tıklayın. Bu görüntüler, mikrostat Sınıf A ve B'nin sırasıyla sağ frontalden sola oksipital oryantasyona ve sol frontalden sağa oksipital oryantasyona sahip olduğunu göstermektedir.Mikrostat Sınıf C ve D simetrik topografyalara sahip olmakla birlikte sırasıyla prefrontalden oksipital oryantasyona ve önden merkeze oksipital oryantasyon gözlenmiştir. Bu tablo, sağlıklı deneklerin mikrostat parametrelerinin ortalama ve standart sapmasını göstermektedir. Bir kez ustalaştıktan sonra, bu teknik düzgün bir şekilde yapılırsa bir saat içinde yapılabilir.Bu prosedürü denerken, EEG verilerinin dikkatli bir şekilde önceden işlenmesi gerektiğini hatırlamak önemlidir. Bu prosedürü takiben, bu mikro durum haritalarının nereden geldiği gibi ek soruları yanıtlamak için kaynak yerelleştirme gibi diğer yöntemler gerçekleştirilebilir. Bu teknik, beyin bilimi alanındaki araştırmacıların insan beynindeki gibi hastalıkları ortaya çıkarmalarının yolunu açtı.

microstate-omega-complexity-analyses-resting-state

Research

JoVE Journal

Neuroscience

Sinirbilim

Beyin görüntüleme araştırmacılar genellikle tekrarlanan deneysel çalışmalar boyunca ortalama faaliyet olarak beynin yanıtı düşünün ve "gürültü" olarak zaman içinde sinyal değişkenliği göz ardı. Ancak, bu gürültü sinyal olduğu açık hale gelmektedir. Bu makalede, zaman tanım beyin sinyal değişkenlik ölçülmesi için çok ölçekli entropi yeni yöntem açıklanır.

Olay İlişkili Potansiyeller, Spektral Güç ve Çok Ölçekli Entropi: EEG beyin görüntüleme Veri Uygulamaları

Bu el yazması mekansal odaklı mühendislik problemlerini çözerken insanların sinir aktivitesini ölçmek için bir yaklaşım anlatılmaktadır. EEG yöntemi sonuçta sorun türleri arasında ve katılımcılar arasında hem görev performansı karşılaştırmaları sağlayan amacıyla, nöral verimlilik açısından beta beyin dalgası ölçümleri yorumlamaya yardımcı olur.

Görev Özgü Sinir Efficiencies Karşılaştırma için Elektroensefalografi Ölçümler kullanmak: Mekansal Zeka Görevleri

Bu protokol, temporal lob epilepsi (TLE) hastalarında mesial ağ ölçümlerinin evrimini izlemek için bir prosedürü tanımlar. İntrakraniyal kayıtların veri analizi için yeni bir sayısal teknikle birleştirilmesine dayanır. Özellikle, foramen ovale kayıtlarının ağ analizleri için bir protokol sunuyoruz.

İlaca dirençli Temporal Lob Epilepsi Hastalarında Foramen Ovale Elektrot Kayıtları Ağ Analizi

Yüksek Frekans salınımların (HFO) ilaca dirençli epilepsi olan pediatrik hastalarda Epileptojenik bölgenin belirlenmesi için cerrahi öncesi biyomarkerların olarak ortaya çıkmıştır. eşzamanlı kafa derisi elektroensefalografisine (EEG) ve manyetoensefalografinin (MEG) ile HFO invazif olmayan kayıt, algılama ve yerelleştirme için bir metodoloji sunulmuştur.

Pediatrik Epilepsi biyolojik belirteç olarak Eşzamanlı Manyetoensefalografi ve elektroensefalografi ile Tespit Edilen interiktal Yüksek Frekans Salınımlılığı

Farelere kronik transkraniyal yüksek yoğunluklu elektroensefalografik montajın düşük maliyetli yapımı ve cerrahi implantasyonu için talimatlar verilmiştir. Sinyal kaydetme, çıkarma ve işleme teknikleri de açıklanmaktadır.

Bir Kemirgen Modelinde Yüksek yoğunluklu Elektroensefalografik Toplama Düşük maliyetli ve Açık kaynak Kaynakları Kullanma

Hipokampustaki teta aktivitesi, belirli bilişsel ve davranışsal aşamalarla ilgilidir. Burada, zaman-frekans (yani dalgacık analizi) tabanlı bir yaklaşım kullanarak hipokampus içindeki yüksek düzeyde organize teta salınımlarını tespit etmek için analitik bir yöntem açıklıyoruz.

Fare EEG yüksek Organize Teta Titreşim Otomatik Algılama

Burada, akustik uyarılara karşı uyku tepkisini modüle eden, farelerde non-REM uykusunda sinirsel ve kardiyak değişkenlerin zamansal dinamiklerini tanımlamak için deneysel ve analitik prosedürleri sunuyoruz.

Uyku Faresinde Spektral Gücün ve İnsanın Yavaş yavaş Dinamiklerinin Nicelleştirilmesi

Biz istatistik parametrik eşleme (SPM) yazılımını kullanarak kafa içi elektroansefalografi verileri çözümlemek için kullanılan iki analitik protokol mevcut: zaman-frekans istatistiksel parametrik eşleme analizi için sinirsel aktivite ve dinamik nedensel içi ve arası regional bağlantısı için indüklenen tepkilerin modelleme.

Sinirsel aktivite ve bağlanırlığı İntrakraniyal EEG veri SPM yazılım programıyla analiz

Bu makalede, hazır tıbbi ürünler kullanılarak eşzamanlı EEG ve fonksiyonel manyetik rezonans görüntüleme sırasında kaliteli elektroensefalografi (EEG) verilerinin elde alınması için basit bir protokol sağlanmaktadır.

Eşzamanlı Elektroensefalografi ve Fonksiyonel MRI Sırasında Elektroensefalografi Verilerinin Güvenilir Bir Şekilde Eldeılması

Bu protokol, bilinç bozukluğu olan hastalarda non-invaziv nörostimülasyon, özellikle transauriküler vagus sinir stimülasyonu (taVNS) hakkında yeni metodolojik bilgiler sağlamayı amaçlamaktadır. Ek olarak, bu kohorttaki tedavinin etkinliğini değerlendirmek için bir klinik ve elektroensefalografik analiz protokolü ve ilgili etik hususların tartışılması önerilmektedir.

Bilinç Bozukluklarında Transauriküler Vagus Sinir Stimülasyonu ve Elektroensefalografik Değerlendirme

Bu protokol, dinlenme durumu EEG verileri için standartlaştırılmış bir MATLAB tabanlı ön işleme boru hattı olan PIPEMAT-RS'yi sunar. Artefaktın kaldırılmasını sağlar, sinyal kalitesini iyileştirir ve etütler arasında veri tekrarlanabilirliğini artırır. Boru hattı, filtreleme, bağımsız bileşen analizi (ICA) ve artefakt sınıflandırması dahil olmak üzere temel ön işleme adımlarını otomatikleştirerek nörofizyolojik araştırmalar için tutarlı ve güvenilir EEG analizini kolaylaştırır.

PIPEMAT-RS: Dinlenme Durumu EEG Ön İşleme için Standartlaştırılmış Bir MATLAB Boru Hattının Geliştirilmesi ve Doğrulanması

Öğrenin, referanssız EEG mikro durum analizi ve omega karmaşıklığı ölçümleriyle beyin bozukluklarının nöral mekanizmalarını araştırın. Bu yöntem, dinlenme durumu ağlarını verimli bir şekilde incelemenizi sağlar.

Microstate ve dinlenme-devlet elektroansefalografi Omega karmaşıklık analizleri

Daha fazla video keşfet