تطبيقات EEG البيانات تصوير الأعصاب: الإمكانيات ذات الصلة بالحدث، والسلطة، الطيفية، ومتعددة النطاقات الانتروبيا

1Rotman Research Institute, Baycrest
Published 6/27/2013
0 Comments
  CITE THIS  SHARE 
Neuroscience
 

Summary

تصوير الأعصاب الباحثين يأخذون في اعتبارهم استجابة الدماغ باعتبارها النشاط يعني عبر التجارب التجريبية المتكررة وتجاهل تقلب إشارة بمرور الوقت مع "الضجيج". ومع ذلك، فإنه أصبح من الواضح أن هناك إشارة في هذا الصخب. توضح هذه المقالة طريقة رواية متعددة النطاقات الكون لقياس تقلب إشارة الدماغ في المجال الزمني.

Cite this Article

Copy Citation

Heisz, J. J., McIntosh, A. R. Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy. J. Vis. Exp. (76), e50131, doi:10.3791/50131 (2013).

Please note that all translations are automatically generated through Google Translate.

Click here for the english version. For other languages click here.

Abstract

عند النظر في البيانات تصوير الأعصاب البشرية، تقديرا لتقلب إشارة يمثل الابتكار الأساسية في الطريقة التي نفكر بها إشارة الدماغ. عادة، تمثل الباحثون استجابة الدماغ كما يعني عبر التجارب التجريبية المتكررة وتجاهل تقلبات إشارة مرور الوقت بأنها "الضوضاء". ومع ذلك، فإنه أصبح من الواضح أن تقلب إشارة الدماغ ينقل المعلومات وظيفية ذات مغزى حول ديناميات الشبكة العصبية. توضح هذه المقالة طريقة رواية متعددة النطاقات الكون (MSE) لقياس تقلب إشارة الدماغ. MSE قد تكون مفيدة بشكل خاص للديناميات الشبكة العصبية لأنه يظهر الاعتماد مقياس الوقت وحساسية لديناميات الخطية وغير الخطية في البيانات.

Introduction

التطورات الحديثة في التشخيص التصويري للأعصاب قد زادت بشكل كبير من فهمنا وظيفة الدماغ. ومع ذلك، فإن العديد من تطبيقات البيانات تصوير الأعصاب تميل إلى تعزيز وجهة نظر الدماغ في الولايات ثابت بدلا من التركيز على العمليات المعرفية وقوعها في الوقت الحقيقي. وبالتالي، لا يعرف إلا القليل حول بنية الزمكان شبكات الدماغ وكيف تسلسل التغيرات في أنماط الزمانية المكانية عبر نطاقات زمنية متعددة تساهم في عملية معرفية نوعية. يصف هذه المادة متعددة النطاقات الكون (MSE) وأداة تحليلية جديدة لتصوير الأعصاب البيانات التي يدرس تعقيد نمط الزمانية المكانية الكامنة وراء عمليات الإدراك المحددة من خلال توفير المعلومات حول كيفية مولدات العصبية المختلفة في المخ وظيفية التواصل عبر شبكة فترات زمنية متعددة.

المستمدة من نظرية المعلومات، وهو فرع من الرياضيات التطبيقية 7،16، كان MSE الأصليلاي تهدف إلى دراسة تعقيد كهربية 4. من الناحية النظرية، MSE يمكن أن تستخدم لتحليل تعقيد أي سلسلة زمنية، والمطلوب الأساسي هو أن السلسلة الزمنية إشارة يحتوي على 50 نقطة على الأقل البيانات من الزمن المتواصل. ومع ذلك، يجوز للاعتماد الجدول الزمني والحساسية لديناميات الخطية وغير الخطية في البيانات جعل MSE بالمعلومات خاصة من ديناميات الشبكة العصبية.

هنا، ونحن نركز على تطبيق MSE لالكهربائي (EEG) تصوير الأعصاب بيانات 9،12. EEG هو تقنية تصوير الأعصاب موسع حيث الأقطاب التي توضع على فروة الرأس التقاط الردود بعد المشبكي من السكان من الخلايا العصبية في القشرة المخية الحديثة 1. مع القرار الزماني عالية، EEG تجتمع بسهولة الوقت طول سلسلة المطلوب من MSE دون تغيير بروتوكول اكتساب نموذجية. للتأكيد على جدوى تطبيق MSE إلى البيانات EEG، قارنا هذا الأسلوب رواية مع أكثر النهج مدفوع التقليديةuding ذات الصلة بالحدث الطاقة المحتملة والطيفية. عندما تستخدم معا، وهذه الأساليب التكميلية لتحليل تقدم وصفا أكثر اكتمالا من البيانات التي قد تؤدي إلى مزيد من التبصر في عمليات الشبكة العصبية التي تؤدي إلى الإدراك.

Protocol

1. اكتساب EEG

  1. شرح الإجراءات التجريبية إلى المشارك والحصول على الموافقة المسبقة.
  2. تطبيق المنسدلة الأقطاب. منطقة نظيفة على الوجه حيث سيتم تقع الأقطاب المنسدلة باستخدام مسحة الكحول.
  3. وضع قبعة على رأسه القطب المشارك. قياس محيط الرأس المشاركين واختيار حجم قبعة مناسبة. بعد 10-20 نظام معترف به دوليا لوضع قطب كهربائي، وقياس المسافة من الأنيفى إلى inion على طول خط الوسط ويقسم بنسبة 10٪. باستخدام هذا العدد، ترقى من الأنيفى وعلامة. محاذاة القطب قبعة موقف FP مع هذه العلامة وسحب الغطاء الخلفي. تأكد من أن مركز سقف يتماشى مع الأنف. قياس الأنيفى إلى تشيكوسلوفاكيا، والتأكد من أن هذه المسافة هي نصف المسافة من الأنيفى إلى inion. تشديد chinstrap.
  4. مكان هلام مملوءة حقنة حادة نقطة في أصحاب القطب. لإنشاء عمود موصل من هلام، وتبدأ في اتصال معفروة الرأس، ثم الضغط وسحب. لاحظ أن تطبيق الكثير من هلام قد سد إشارات من الأقطاب الكهربائية المجاورة.
  5. إصلاح الأقطاب النشطة إلى أصحاب القطب.
  6. ضع هذا الموضوع في مقدمة الشاشة في مسافة مناسبة للتجربة. اطلب من المشاركين أن تبقى لا يزال، مع التشديد على أهمية التقليل من حركات العين ويومض لتسجيل نظيفة.
  7. فحص التوصيلات الكهربائية وجودة الإشارة EEG على الكمبيوتر الاستحواذ. تحقق من أن كافة إزاحة القطب منخفضة (<40 بالسيارات) ومستقرة. إذا كان هناك مشكلة مع القطب خاصة، واخراج هذا القطب وتطبيق هلام لضبط ممانعات في ذلك الموقع.
  8. حفظ الملف وبدء التجربة.

2. تحليل EEG

  1. بعد التجريب، ولكن قبل استخراج إحصائية معينة من الفائدة، preprocess البيانات EEG المستمر لإزالة القطع الأثرية باستخدام الإجراءات القياسية للتصفيةرفض قطعة أثرية الثانية. قطع EEG المستمر في العهود المقابلة لكل حدث منفصلة، ​​مثل عرض صورة. في كل عصر، وتشمل ميللي ثانية نافذة 100 قبل التحفيز كأساس.
  2. يلتقط إمكانات ذات الصلة بالحدث (ERP) تحليل نشاط الدماغ متزامن التي هي مرحلة غير الساحلية إلى بداية الحدث. متوسط ​​عبر التجارب للفصل بين استجابات أثار من "صاخبة" (أي غير مؤمن المرحلة) النشاط الخلفية. التباين عبر التجارب وبين الأشخاص أصحاب يمثل تحديا رئيسيا لأسلوب تخطيط موارد المؤسسات من تحليل. لتحقيق نسبة الإشارة إلى الضوضاء جيد وينبغي أن تشمل بروتوكول التجريبية العديد من الأحداث المنفصلة مع onsets يمكن تحديدها. الوقت تأمين استجابة الدماغ على بداية حدثا البارزة وبعد ذلك يبلغ أكثر من كثيرة مثل الأحداث يساعد على الحد من بعض من هذا الضجيج، إلا أن التزامن الزمني الناجم عن هذا الإجراء يذوب عادة في غضون 1 ثانية. تحديد ERP مكون سعة الذروة والإختفاء لكل الفرعيةJECT (مبادئ توجيهية أكثر تفصيلا على تحليل تخطيط موارد المؤسسات، انظر بيكتون وآخرون، 2000).
  3. باستخدام تحليل فورييه، تحويل إشارة EEG من المجال الزمني إلى المجال التردد وتتحلل إشارة إلى أمواجه شرط مركب من ترددات مختلفة 6.
  4. متعددة النطاقات الكون (MSE) هو متري النظرية المعلومات التي يقدر تباين إشارات neuroelectical على مر الزمن وعبر نطاقات زمنية متعددة. لتوفير تصوير المفاهيمي لتحليل MSE، والنظر في اثنين من الطول الموجي المحاكاة، والموجي العادية وأكثر واحد مؤشر ستوكاستيك. القيم الكون العينة هي قريبة من الصفر لالموجي العادية و~ 2.5 لالموجي أكثر متغير. زيادة في الانتروبيا عينة يقابل ذلك زيادة في تعقيد إشارة، والتي، وفقا لنظرية المعلومات، يمكن أن تفسر على أنها زيادة في كمية من القدرة على تجهيز المعلومات من النظام الأساسي 7،16. تذكر أن قدرة الدماغ ليست ثابتة ولكن التغييرات DEPEnding على السياق 2 العصبية، أي مناطق الدماغ التي تحدث لتكون مرتبطة وظيفيا عند نقطة معينة في الوقت المناسب.
  5. لحساب MSE، استخدام خوارزمية متاحة على www.physionet.org/physiotools/mse/ ، الذي يحسب MSE في خطوتين.
  6. أولا، الخوارزمية تدريجيا أسفل عينات السلسلة الزمنية EEG في المحاكمة وفقا للحالة. أسفل نموذج السلسلة الزمنية الأصلية لتوليد سلسلة زمنية متعددة من الجداول الزمنية متفاوتة. الوقت سلسلة 1 هو سلسلة الوقت الأصلي. لإنشاء سلسلة زمنية من فترات زمنية لاحقة، تقسيم السلسلة الزمنية الأصلية في ويندوز غير متداخلة من طول الفترة الزمنية ومتوسط ​​نقاط البيانات داخل كل نافذة. أخذ عينات بانخفاض مشابه لتصفية تمرير منخفض، وسوف يقسم تردد أخذ العينات بواسطة مقياس الوقت تقريبي التردد الذي كانت الإشارة المنخفضة تمرير تصفيتها لهذا الجدول الزمني معينة. تطبيق MSE إلى قدم المساواةيمكن أن تفسر على أنها تمثل تركيبة الإيقاعات ضمن هذا النطاق، فضلا عن التفاعل بين تلك الترددات: تردد نطاق حتديدا (9 هرتز إلى 12 هرتز على سبيل المثال، ألفا).
  7. الثانية، الخوارزمية بحساب الكون العينة لكل السلاسل الزمنية خشن الحبيبات 14. تقدر الكون عينة تعقيد سلسلة زمنية. في التحليل غير الخطية من EEG، واحدة يفترض أن السلسلة الزمنية الفردية يمثل مظهر من مظاهر نموذج ديناميكي غير خطي متعدد الأبعاد الكامنة (انظر ستام، عام 2005 لاستعراض). في هذا المثال، يتم تعيين م (طول نمط) لاثنين، وهو ما يعني أن تقلب نمط السعة من كل سلسلة الوقت سوف تكون ممثلة في الفضاء ثنائي الأبعاد مقابل ثلاثي الأبعاد من خلال النظر في نمط تسلسل من اثنين مقابل ثلاث مرات متتالية نقاط البيانات، على التوالي. المعلمة R (معيار التشابه)، تعكس مدى سعة (الرمز بواسطة ذروة نطاقات ملونة) داخل الأمر الذي يشير إلى البياناتإعادة النظر إلى "تطابق". لسلسلة زمنية EEG نموذجي مع أكثر من 100 نقطة بيانات، تعيين م المعلمة تساوي 2 وr المعلمة يساوي قيمة بين 0.5 و 1 (انظر ريتشمان ومورمان، 2000؛ لإجراء مفصلة حول اختيار المعلمات الرجوع إلى بحيرة وآخرون، 2002).
    لحساب الكون عينة لهذه السلسلة الوقت المحاكاة، وتبدأ مع أول نمط تسلسل ثنائي مكون والأحمر والبرتقالي. الأول، حساب عدد مرات حدوث نمط تسلسل الاحمر والبرتقالي في السلسلة الزمنية، وهناك 10 مباريات لهذا التسلسل ثنائي مكون. الثانية، عد عدد من أول نمط تسلسل ثلاثي مكون مرات والأحمر والبرتقالي والأصفر، ويحدث في السلسلة الزمنية، وهناك 5 مباريات لهذا التسلسل ثلاثة المكون. تواصل مع نفس العمليات التالي من تسلسل ثنائي مكون (البرتقالي والأصفر) وتسلسل ثلاثي مكون المقبل (البرتقالي والأصفر والأخضر) من سلسلة زمنية. عدد المباريات اثنين من عناصر (5) وثلاث مباريات مكون (3) لهذه sequenتضاف CES إلى القيم السابقة (مجموع المباريات ثنائي مكون = 15؛ مجموع المباريات الثلاث مكون = 8). كرر لجميع المباريات تسلسل الأخرى في السلسلة الزمنية (إلى N - M) لتحديد نسبة مجموع مباراتين مكون إلى مكون ثلاث مباريات. الكون عينة هو اللوغاريتم الطبيعي لهذه النسبة. لكل موضوع، حساب تقديرات محددة MSE قناة كمتوسط ​​عبر تدابير الكون محاكمة واحدة لكل مقياس الوقت.

Representative Results

أرقام 1A 2A وتمثل إشارة EEG ردا على عرض صورة الوجه. المتوسط ​​عبر مثل المحاكمات ينتج الموجي تخطيط موارد المؤسسات التي تتكون من سلسلة من الانحرافات الإيجابية والسلبية ودعا مكونات ERP. يوضح الشكل 1B وبلغ متوسط ​​الموجي لموضوع واحد والشكل 6A يوضح متوسط ​​الموجي الكبرى لمجموعة من المواضيع. هناك أدب غني والتي ترتبط كل مكون تخطيط موارد المؤسسات لمحددة الإدراك الحسي، والسيارات، أو تشغيل المعرفية. على سبيل المثال، N170 هو انحراف السلبية التي القمم في حوالي 170 ميللي ثانية بداية مرحلة ما بعد التحفيز ومتورط في معالجة الوجه 8،15.

يوضح الشكل 2B التحلل من نفس إشارة EEG في نطاقات التردد المكون. النتائج من تحليل القدرة الطيفية تكشف عن محتوى تردد الإشارة (الشكل 2C)، حيثيعكس زيادة في السلطة على تردد خاص بزيادة في وجود ذلك الإيقاع داخل إشارة EEG.

مثل الطاقة الطيفية، MSE حساس لتعقيد مكونات متذبذبة المساهمة في إشارة. ومع ذلك، على عكس الطاقة الطيفية، MSE هو أيضا حساسة للتفاعلات بين مكونات تردد (أي غير الخطية ديناميات 18). ويمثل تعقيد إشارة EEG بوصفها وظيفة من الكون العينة (الشكل 5) على مدى فترات زمنية متعددة (الشكل 4). كما هو موضح في الشكل (3)، الكون عينة منخفضة للإشارات العادية ويزداد مع درجة من العشوائية إشارة. على عكس التدابير الكون التقليدية التي تزيد مع درجة من العشوائية، متعددة النطاقات الكون هي قادرة على التمييز إشارات معقدة من الضوضاء البيضاء من خلال النظر في الكون عبر نطاقات زمنية متعددة. على سبيل المثال، كوستا وآخرون، 2005، مقارنة متعددة النطاقات الكون و القيمأو غير مترابطة (أبيض) الضوضاء مقابل المترابطة (الوردي) الضوضاء. بينما الكون عينة كان أكبر لضوضاء بيضاء من الضوضاء الوردي في مقياس الوقت غرامة، لوحظ العكس في خشونة الجداول الزمنية 5-20. وبعبارة أخرى، عندما كان يعتبر الكون عبر نطاقات زمنية متعددة، وتعقد الحقيقي للإشارات ومثلت أكثر دقة مما سيكون إذا تم النظر فيها إلا فترة زمنية واحدة. تبعا لديناميات الزماني للتناقض معين، وآثار حالة يمكن التعبير: 1) بنفس الطريقة في جميع النطاقات الزمنية، 2) في بعض الجداول الزمنية ولكن ليس غيرها، أو 3) وآثار كروس حيث التباين يختلف في غرامة مقابل خشونة الجداول الزمنية.

يصور الشكل 6 الاختلافات في حالة تخطيط موارد المؤسسات (الشكل 6A)، والطاقة الطيفية (الشكل 6B)، MSE (الشكل 6C) المتناقضة في العروض الأولية مقابل تكرار الصور الوجه 9. في هذا المثال المتقاربة جميع التدابير للكشف عننفس التأثير، ومع ذلك، فإن الانخفاض الملحوظ في الكون عينة الذي يصاحب وجه التكرار مهم لأنه يحد من تفسير النتائج. وحدث انخفاض في تعقيد يشير إلى أن الشبكة الوظيفية الأساسية هي أبسط وقادرة على معالجة معلومات أقل.

الرقم 7 يصور النتائج الإحصائية من التحليل متعدد المتغيرات من الجزئي المربعات الصغرى 11 تطبق على تخطيط موارد المؤسسات، والطاقة الطيفية وMSE. التجربة التلاعب الألفة المرتبطة جوه مختلفة (Heisz وآخرون، 2012). على النقيض من ذلك (الرسم البياني بار) يدل على أن ERP السعة تميز وجوه جديدة من الوجوه المألوفة ولكن ليس من بين الوجوه المألوفة التي تفاوتت في مقدار التعرض السابقة. القدرة الطيفية ميز يواجه فقا لالألفة المكتسبة ولكن لم يميز بدقة بين وجوه الألفة المتوسطة والمنخفضة. كان MSE الأكثر حساسية للاختلافات في حالة أن نموذج الكون القيم المتزايدةإد مع زيادة الألفة وجهه. المؤامرات التقاط الصور توزيع الزمانية المكانية من تأثير حالة في جميع الأقطاب والوقت / تردد / مقياس الوقت. يوضح هذا المثال الحالة التي تحليل EEG التي كتبها MSE إنتاج المعلومات الفريدة التي لم يتم الحصول عليها باستخدام الأساليب التقليدية لتخطيط موارد المؤسسات أو القدرة الطيفية. هذا الاختلاف في MSE يشير إلى أن الظروف تختلف فيما يتعلق بجوانب غير الخطية ديناميات شبكة الاتصال الخاصة بهم، ربما تنطوي على التفاعلات بين مكونات تردد مختلف.

الشكل 1
الشكل رقم 1. A) الردود EEG من موضوع واحد بوصفها وظيفة من انحراف السعة من خط الأساس لكل محاكمة تآمر ضد الزمن من بداية المحاكمة. وتألفت كل محاكمة من عرض صورة لصورة الوجه. وصفت الانحرافات السعة إيجابية فيأحمر؛ وصفت الانحرافات السلبية السعة في الزرقاء. إظهار جميع المحاكمات انحراف إيجابي نحو 100 ميللي ثانية و 250 مللي ثانية، مشيرا ذات الصلة بالحدث مرحلة غير الساحلية النشاط. B) بمعدل عبر جميع المحاكمات مبين في الشكل 1A ينتج الموجي ERP بلغ متوسط ​​مع الانحرافات الإيجابية والسلبية متميزة تسمى المكونات ذات الصلة بالحدث واسمه وفقا لمعيار التسميات. على سبيل المثال، P1 هو أول عنصر ذاهب إيجابية، وN170 هو عنصر السلبية التي القمم في حوالي 170 ميللي ثانية بداية مرحلة ما بعد التحفيز.

الشكل 2
الشكل 2. A) واستجابة EEG من موضوع واحد للمحاكمة واحدة بالتآمر السعة إلى جانب الوقت (في نقاط البيانات، وأخذ العينات معدل 512 هرتز). ب) استجابة EEG في الشكل 2A ممر الموجة تصفية لعزل نطاقات التردد من دلتا(0-4 هرتز)، ثيتا (5-8 هرتز)، ألفا (9-12 هرتز)، بيتا (13-30 هرتز) وغاما (> 30 هرتز). C) كثافة القدرة الطيفية للاستجابة EEG هو مبين في الشكل 2A يمثل تكوين تردد الإشارة بوصفها وظيفة من الطاقة حسب التردد. يعكس زيادة في القدرة الطيفية على تردد خاص زيادة في عدد الخلايا العصبية نشطة بشكل متزامن مجرور ضمن هذا النطاق تردد معين. انقر هنا لعرض أكبر شخصية .

الشكل (3)
الشكل 3) اثنين من محاكاة الطول الموجي: أ الموجي العادية أو يمكن التنبؤ به صورت في الأرجواني، والموجي أكثر الاستوكاستك صورت في سوداء B) القيم الكون عينة من اثنين محاكاة الطول الموجي للالجداول الزمنية الثلاثة الأولى. إنتر عينةسخ منخفضة للإشارات يمكن التنبؤ بها للغاية من إشارات أكثر العشوائية. انقر هنا لعرض أكبر شخصية .

الشكل 4
الشكل 4. أخذ عينات بانخفاض السلسلة الزمنية الأصلية يولد سلسلة زمنية متعددة من الجداول الزمنية متفاوتة. مقياس الوقت (1) هي سلسلة الوقت الاصلي. يتم إنشاء سلسلة زمنية من مقياس 2 بقسمة سلسلة الوقت الأصلي إلى غير تداخل النوافذ من طول 2 ومتوسط ​​نقاط البيانات الموجودة داخل كل نافذة. لإنشاء سلسلة زمنية من فترات زمنية لاحقة، تقسيم السلسلة الزمنية الأصلية في ويندوز غير متداخلة من طول الفترة الزمنية ومتوسط ​​نقاط البيانات داخل كل نافذة.

الرقم 5
الشكل 5. A الموجي محاكاة حيث يمثل كل مستطيل نقطة بيانات واحدة في السلسلة الزمنية الكون. عينة تقدر تقلب من سلسلة زمنية. في هذا المثال، يتم تعيين م (طول نمط) لاثنين، وهو ما يعني أن الفرق من هذا النمط السعة من كل سلسلة الوقت سوف تكون ممثلة في الفضاء ثنائي الأبعاد مقابل ثلاثي الأبعاد من خلال النظر في نمط تسلسل من اثنين مقابل ثلاث مرات متتالية نقاط البيانات، على التوالي؛ ص (معيار التشابه)، تعكس مدى سعة (الرمز بواسطة ذروة نطاقات الملونة) في غضون التي تعتبر نقاط البيانات إلى "تطابق". لحساب الكون عينة لهذه السلسلة الوقت المحاكاة، وتبدأ مع أول نمط تسلسل ثنائي مكون والأحمر والبرتقالي. الأول، حساب عدد مرات حدوث نمط تسلسل الاحمر والبرتقالي في السلسلة الزمنية، وهناك 10 مباريات لهذا التسلسل ثنائي مكون. الثانية، عد عدد المرات الثلاثة الأولى المكون نمط تسلسل، أحمر اللون البرتقالي ويصيحآه، ويحدث في السلسلة الزمنية، وهناك 5 مباريات لهذا التسلسل ثلاثة المكون. تستمر على هذا النحو التالي من تسلسل ثنائي مكون (البرتقالي والأصفر) وثلاثة عنصر التسلسل (البرتقالي والأصفر والأخضر). يتم إضافة عدد من المباريات لمدة العنصر (5) وثلاث مباريات مكون (3) لهذه المتتاليات إلى القيم السابقة (مجموع ثنائي مكون مباريات = 15؛ مجموع المباريات الثلاث مكون = 8). كرر لجميع المباريات تسلسل الأخرى في السلسلة الزمنية (إلى N - M) لتحديد نسبة مجموع مباراتين مكون إلى مكون ثلاث مباريات. الكون عينة هو اللوغاريتم الطبيعي لهذه النسبة. لكل موضوع، حساب تقديرات محددة MSE قناة كمتوسط ​​عبر تدابير الكون محاكمة واحدة لكل مقياس الوقت.

الشكل (6)
الشكل (6). الاختلافات في حالة تخطيط موارد المؤسسات (A)، والطاقة الطيفية (B)،MSE (C) المتناقضة في العروض الأولية مقابل المتكررة من الصور الفوتوغرافية الوجه. انقر هنا لعرض أكبر شخصية .

الرقم 7
الرقم 7. وبمقارنة استجابة EEG إلى وجوه المستفادة عبر تدابير لتخطيط موارد المؤسسات، والطاقة الطيفية، ومتعددة النطاقات الكون. الرسوم البيانية شريط يصور التناقض بين الشروط على النحو الذي يحدده جزئية تحليل المربعات الصغرى 11. المؤامرة صورة يسلط الضوء على التوزيع المكاني الزماني الذي هذا التناقض كان الأكثر استقرارا على النحو الذي يحدده إلباس الحذاء. تمثل القيم ~ Z عشرات والقيم السلبية دلالة على أهمية لتأثير حالة عكسية. انقر هنا لعرض أكبر شخصية .

Discussion

وكان الهدف من هذه المادة إلى تقديم وصف المفاهيمية والمنهجية متعددة النطاقات الكون (MSE) كما ينطبق على البيانات تصوير الأعصاب EEG. EEG يعد مصدرا قويا لتقنية تصوير الأعصاب غير الغازية الذي يقيس نشاط الشبكة العصبية مع القرار الزماني عالية. يعكس إشارة EEG النشاط بعد متشابك من السكان من الخلايا الهرمية في قشرة، التي يتم تعديلها بواسطة مختلف اتصالات إعادة مشترك مثير والمثبطة استجابات جماعية. وفقا لذلك، وهناك طرق متعددة لتحليل البيانات EEG ولكل طريقة استخراج ومن الجوانب الفريدة للبيانات.

ناقشنا اثنين من الطرق الشائعة لتحليل: المحتملة ذات الصلة بالحدث (ERP) تحليل وتحليل القدرة الطيفية. تحليل ERP يلتقط نشاط الخلايا العصبية متزامن في إشارة EEG التي هي مرحلة غير الساحلية إلى بداية حدثا منفصلة. نظم تخطيط موارد المؤسسات تعكس محددة الإدراك الحسي، والسيارات، أو العمليات المعرفية، مما يجعل هذه الإحصائية مثالية لدراسة المواصفاتمراحل التجهيز IFIC. تحليل القدرة الطيفية الكمي المساهمة النسبية لتردد معين لإشارة EEG. مختلف الحلقات ردود فعل مثير والمثبطة تتفاعل لجر النشاط من السكان العصبية في معين تردد 1،3. ويعتقد أن هذا التزامن بين مناطق الدماغ المتباينة لتعزيز ملزم من المعلومات عبر الشبكات العصبية على نطاق واسع. هناك أدب الغنية دعم الصلة بين السلطة ضمن نطاق تردد معين وحالة عاطفية أو إدراكية معينة من وظيفة 3.

عند تحليل EEG من المهم أيضا أن نأخذ في الاعتبار أن الشبكات العصبية والنظم المعقدة مع الديناميات غير الخطية. ويتجلى هذا التعقيد في إشارة EEG كما التذبذبات غير النظامية التي ليست هي نتيجة للضجيج في الخلفية لا معنى لها. مثل النشاط متذبذبة متزامن، والتفاعلات بين مختلف الحلقات إعادة مشترك مثير والمثبطة يسبب انفلونزا عابرةctuations في إشارة الدماغ مع مرور الوقت 6. ويعتقد أن هذه العابرين لتعكس التحولات أو التشعبات بين microstates شبكة الاتصال التي يمكن استخدامها لتقدير درجات الحرية أو تعقيد الشبكة الأساسية؛ أكبر تنوع في نمط السعة للإشارة مرور الوقت يدل على نظام أكثر تعقيدا 5. خطيرة، تخطيط موارد المؤسسات أو تحليلات القدرة الطيفية ليست حساسة لمثل هذا النشاط غير النظامية، في حين MSE هو. وعلاوة على ذلك، وهو مؤشر من تعقيد الشبكة لا يمكن الحصول عليها ببساطة عن طريق عد عدد من مناطق الدماغ النشطة لأن مثل هذا الأسلوب هو أعمى إلى التفاعلات المتكررة عابرة وديناميكية بين مناطق الدماغ.

أساليب مكملة لتصوير الأعصاب تحليل تتضافر لخلق صورة كاملة من النشاط العصبي الأساسي. وزادت تفسير النتائج من التطبيقات الأكثر تقليدية من البيانات تصوير الأعصاب، مثل تخطيط موارد المؤسسات والقدرة الطيفية، من خلال تدابير من التعقيد مثل MSE؛ MSE يوفر وسيلة لالتقاط سلسلة من التغييرات في أنماط الزمانية المكانية من نشاط الدماغ عبر نطاقات زمنية متعددة تساهم في عملية معرفية نوعية. تطبيق MSE إلى مجموعات البيانات الجديدة والقائمة قد توفر مزيد من التبصر في كيفية الإدراك يخرج من ديناميات الشبكة العصبية.

Disclosures

الإعلان عن أي تضارب في المصالح.

Materials

Name Company Catalog Number Comments
EEG BioSemi

DOWNLOAD MATERIALS LIST

References

  1. Bressler, S. L. Event-related potentials. The Handbook of Brain Theory and Neural Networks. Arbib, M. A. MIT Press. Cambridge, MA. 412-415 (2002).
  2. Bressler, S. L., McIntosh, A. R. The role of neural context in large-scale neurocognitive network operations. Springer Handbook on Brain Connectivity. Jirsa, V. K., McIntosh, A. R. Springer. New York. 403-419 (2007).
  3. Buzsaki, G. Rhythms of the brain. Oxford University Press. (2006).
  4. Costa, M., Goldberger, A., Peng, C. Multiscale entropy analysis of biological signals. Phys. Rev. E. 712, 1-18 (2005).
  5. Deco, G., Jirsa, V., McIntosh, A. R. Emerging concepts for the dynamical organization of resting-state activity in the brain. Nat. Rev. Neurosci. 12, 43-56 (2011).
  6. Friston, K. J. The labile brain. I. Neuronal transients and nonlinear coupling. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 355, 215-236 (2001).
  7. Gatlin, L. Information Theory and the Living System. Columbia University Press. New York. (1972).
  8. Heisz, J. J., Shedden, J. M. Semantic learning modifies perceptual face processing. Journal of Cognitive Neuroscience. 21, 1127-1134 (2009).
  9. Heisz, J. J., Shedden, J. M., McIntosh, A. R. Relating brain signal variability to knowledge representation. NeuroImage. 63, 1384-13 (2012).
  10. Lake, D. E., Richman, J. S., Griffin, P., Moorman, J. R. Sample entropy analysis of neonatal heart rate variability. Am. J. Physiol. Regul. Integr. Comp. Physiol. 283, R789-R797 (2002).
  11. Lobaugh, N. J., West, R., McIntosh, A. R. Spatiotemporal analysis of experimental differences in event-related potential data with partial least squares. Psychophysio. 38, 517-530 (2001).
  12. McIntosh, A. R., Kovacevic, N., Itier, R. J. Increased brain signal variability accompanies behavioral variability in development. PLoS Computational Biology. 4, 7 (2008).
  13. Picton, T. W., Bentin, S., Berg, P., Donchin, E., Hillyard, S. A., Johnson, R., et al. Guidelines for using human event-related potentials to study cognition: Recording standards and publication criteria. Psychophysiology. 37, 127-152 (2000).
  14. Richman, J. S., Moorman, J. R. Physiological time series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ Physiol. 278, H2039-H2049 (2000).
  15. Rossion, B., Jacques, C. Does physical interstimulus variance account for early electrophysiological face sensitivity responses in the human brain? Ten lessons on the N170. NeuroImage. 39, 1959-1979 (2008).
  16. Shannon, C. E. A Mathematical Theory of Communication. The Bell System Technical Journal. 27, 379-423 (1948).
  17. Stam, C. J. Nonlinear dynamical analysis of EEG and MEG: review of an emerging field. Clinical Neurophysiology. 116, 2266-2301 (2005).
  18. Vakorin, V. A., McIntosh, A. R. Mapping the multi-scale information content of complex brain signals. Principles of Brain Dynamics: Global State Interactions. Rabinovich, M. I., Friston, K. J., Varona, P. The MIT Press. (2012).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Video Stats