১. ভূমিকা

স্বাগতম! এই টিউটোরিয়ালে আমরা ব্রেন ওয়েভ বা মস্তিষ্কের তরঙ্গ এবং কীভাবে এগুলো ব্যবহার করে মস্তিষ্ক ও আচরণ সম্পর্কে জানা যায় সে সম্পর্কে শিখব।

হ্যান্স বার্জার ১৯২৯ সালে প্রথম 'ইলেক্ট্রোএনসেফালোগ্রাম' শব্দটি ব্যবহার করেন, যখন তিনি একজন মানুষের মাথায় সেন্সর বসিয়ে রেকর্ড করা বৈদ্যুতিক বিভবের পরিবর্তন বর্ণনা করেছিলেন। তিনি দুই ধরনের ব্রেন ওয়েভ চিহ্নিত করেছিলেন, যেগুলোকে তিনি কেবল রেকর্ড করার ক্রম অনুসারে আলফা এবং বিটা তরঙ্গ নাম দিয়েছিলেন। এই ধরণের তরঙ্গ অন্যান্য স্তন্যপায়ী প্রাণীর মধ্যেও রেকর্ড করা হয়েছিল কিন্তু বার্জারই প্রথম মানুষের মধ্যে এগুলো বর্ণনা করেছিলেন!

তারপর থেকে, ইলেক্ট্রোএনসেফালোগ্রাফি পদ্ধতিটি নিউরোসায়েন্সের একটি মূল অনুষঙ্গ হয়ে উঠেছে এবং ব্রেন ওয়েভ (যাকে গবেষকরা নিউরাল অসিলেশন বা স্নায়বিক দোলন বলেন) সম্পর্কে আমাদের ধারণার বিকাশে এবং মস্তিষ্কের ক্লান্তি ও জাগ্রত অবস্থার মতো বিষয়গুলো চিহ্নিত করতে সাহায্য করেছে।

এই সংক্ষিপ্ত টিউটোরিয়ালে আমরা নিম্নলিখিত বিষয়গুলো কভার করব:

• নিউরাল অসিলেশন কি?

• আমরা কিভাবে নিউরাল অসিলেশন পরিমাপ করতে পারি?

• নিউরাল অসিলেশন দিয়ে আমরা কি করতে পারি?

• Emotiv ডিভাইস এবং সফটওয়্যার ব্যবহার করে বাস্তব প্রয়োগ।

২. EEG কি?

ইলেক্ট্রোএনসেফালোগ্রাফি (EEG) হল আমাদের মস্তিষ্কের বৈদ্যুতিক কার্যকলাপ পরিমাপের একটি অনাক্রমণকারী (নন-ইনভেসিভ) এবং নিষ্ক্রিয় পদ্ধতি। নিউরন নামক মস্তিষ্কের কোষের সমষ্টি দ্বারা উৎপন্ন বৈদ্যুতিক ক্রিয়াকলাপ রেকর্ড করার জন্য মাথার ত্বকে ইলেক্ট্রোড/সেন্সর/চ্যানেল স্থাপন করা হয়।

চিত্র ১ – নিউরনগুলো বৈদ্যুতিক শক্তি উৎপন্ন করে যা একটি EEG ডিভাইসের সাহায্যে সনাক্ত করা যায় [Siuly, et al. (2016)]।

২.১. EEG সিস্টেম

বাজারে অনেক EEG ডিভাইস পাওয়া যায় যা একটি EEG রেকর্ড করতে ব্যবহার করা যেতে পারে। EEG ডিভাইসগুলোর পরিধি যেমন হতে পারে:

• একটি একক সেন্সর বা ২৫৬টি পর্যন্ত ইলেক্ট্রোড – বেশি ইলেক্ট্রোড মাথার ত্বকে তথ্যের একটি উচ্চ স্থানিক রেজোলিউশন (স্পেশিয়াল রেজোলিউশন) প্রদান করবে।

• ভেজা বা শুকনো ইলেক্ট্রোড – ভেজা ইলেক্ট্রোডগুলো মাথার ত্বক এবং সেন্সরের মধ্যে পরিবাহিতা উন্নত করতে একটি ইলেক্ট্রোলাইটিক জেল বা স্যালাইন দ্রবণ ব্যবহার করে। শুকনো ইলেক্ট্রোডগুলো ধাতব বা পরিবাহী পলিমার হতে পারে যার জন্য মাথার ত্বকের সাথে সরাসরি যোগাযোগের প্রয়োজন হয়।

• সক্রিয় বা নিষ্ক্রিয় ইলেক্ট্রোড – নিষ্ক্রিয় ইলেক্ট্রোড সিস্টেমগুলো কেবল সংকেতটিকে ডিভাইসে পরিচালনা করে যেখানে এটি পরিবর্ধিত হয়। সক্রিয় ইলেক্ট্রোড সিস্টেমগুলো সংকেতটিকে পরিবর্ধনের জন্য ডিভাইসে পৌঁছানোর আগেই প্রতিটি ইলেক্ট্রোডে পরিবর্ধন করে। এটি সংকেতে পরিবেশগত বৈদ্যুতিক কোলাহল (নয়েজ) কমিয়ে দেয়।

• তারযুক্ত বা তারবিহীন ডিভাইস যা ব্লুটুথের মাধ্যমে ডেটা পাঠায়।

চিত্র ২ – একটি ওয়্যারলেস, কম ঘনত্বের EEG সিস্টেম।

চিত্র ৩ – একটি তারযুক্ত, উচ্চ ঘনত্বের ইলেক্ট্রোড সমৃদ্ধ EEG সিস্টেম।

২.২. কখন EEG ব্যবহার করবেন?

প্রতিটি নিউরোইমেজিং পদ্ধতি বিভিন্ন গবেষণামূলক প্রশ্নের উত্তর দিতে সাহায্য করতে পারে।

EEG-এর সবচেয়ে বড় শক্তি হল এটি মিলিসেকেন্ডের স্কেলে স্নায়বিক কার্যকলাপ পরিমাপ করতে পারে, যা প্রাক-সচেতন প্রক্রিয়াগুলো পরিমাপ করতে সক্ষম।

চিত্র ৪ – বিভিন্ন নিউরোইমেজিং টুলের স্পেশিয়াল বনাম টেম্পোরাল রেজোলিউশন।

এটি এই জাতীয় প্রশ্নের জন্য সবচেয়ে উপযুক্ত যেমন, “আমার ভিডিওর কোন অংশগুলোতে অংশগ্রহণকারীরা সবচেয়ে বেশি মনোযোগ দিয়েছে?”

EEG মূলত মস্তিষ্কের বাইরের স্তরগুলো থেকে ক্রিয়াকলাপ রেকর্ড করে (অর্থাৎ এর স্পেশিয়াল রেজোলিউশন কম থাকে)। একটি একক সেন্সর দিয়ে কার্যকলাপের উৎস চিহ্নিত করা অসম্ভব। বিপুল সংখ্যক চ্যানেল দিয়ে রেকর্ডিং করার মাধ্যমে গাণিতিকভাবে এর উৎস পুনর্গঠন করা সম্ভব হতে পারে কিন্তু গভীরের উৎসগুলো চিহ্নিত করার ক্ষেত্রে এটি এখনও সীমাবদ্ধ। ফাংশনাল ম্যাগনেটিক রেজোন্যান্স ইমেজিং (fMRI) এই জাতীয় প্রশ্নের উত্তর দেওয়ার জন্য আরও উপযুক্ত যেমন, “মস্তিষ্কের কোন অংশটি মনোযোগের পরিবর্তনের সাথে সম্পর্কিত?”

২.৩. সেন্সর থেকে র (কাঁচা) EEG?

মাথায় একটি EEG ডিভাইস বসানোর পর, একটি একক সেন্সরে মস্তিষ্কের কার্যকারিতা পরিমাপ করা হয় সেই সেন্সর এবং একটি রেফারেন্স সেন্সরের মধ্যে অ্যাম্প্লিটিউডের পার্থক্য হিসেবে। বেশিরভাগ EEG সিস্টেমে এটিকে কমন মোড সেন্স (CMS) ইলেক্ট্রোড বলা হয়। একটি অতিরিক্ত সেন্সর, ড্রাইভেন রাইট লেগ (DRL), CMS-এ যেকোনো প্রকারের হস্তক্ষেপ কমাতে সাহায্য করে।

চিত্র ৫ – EEG সিগন্যাল ট্রান্সমিশনের সরলীকৃত ব্লক ডায়াগ্রাম।

সক্রিয় এবং নিষ্ক্রিয় উভয় ইলেক্ট্রোড বিশিষ্ট সিস্টেমে সিগন্যালটিকে পরিবর্ধন করা হয় এবং লো-পাস ফিল্টার করা হয়। লো-পাস ফিল্টারিং হল এমন একটি ধাপ যা আপনার সিগন্যালে পরিবেশ থেকে সম্ভাব্য বৈদ্যুতিক হস্তক্ষেপ দূর করবে যেমন প্রধান পাওয়ার লাইনগুলোর হস্তক্ষেপ।

র EEG সিগন্যাল কম্পিউটার স্ক্রিনে দেখার আগেই এই ধাপগুলো হার্ডওয়্যারের ভেতরেই সম্পন্ন হয়ে থাকে।

২.৪. কিছু মৌলিক পরিভাষা

১০-২০ স্ট্যান্ডার্ড নামকরণ প্রথা

বাম দিকের সেন্সরগুলো সাধারণত বিজোড় সংখ্যার এবং ডান দিকের সেন্সরগুলো সাধারণত জোড় সংখ্যার হয়।

নোট ১: এগুলো কেবলই নামকরণের প্রথা এবং EEG সেন্সরের অবস্থানের উৎসটি কার্যকলাপের উৎসের নির্দেশক নয়।

নোট ২: একটি একক চ্যানেলে কার্যকলাপের উৎস নির্ধারণ করতে উৎসের গাণিতিক পুনর্গঠনের মতো অতিরিক্ত পদক্ষেপ গ্রহণের প্রয়োজন পড়ে।

৩. নিউরাল অসিলেশন কি?

ব্রেন ওয়েভ বা মস্তিষ্কের তরঙ্গ, যা প্রায়শই নিউরাল অসিলেশন বা স্নায়বিক দোলন নামে পরিচিত, তা হল একক বা একগুচ্ছ নিউরন দ্বারা উত্পাদিত ছন্দময় প্যাটার্ন।

যদিও অনেক তত্ত্ব রয়েছে, তবুও মস্তিষ্ক কেন এই বিভিন্ন ধরণের অসিলেশন তৈরি করে তা এখনও পুরোপুরি স্পষ্ট নয়। গবেষকরা এই দোদুল্যমান কার্যকলাপের বৈশিষ্ট্য নির্ধারণ করতে বিভিন্ন কাজ ব্যবহার করেন এবং এই ছন্দময় প্যাটার্নগুলো ব্যবহার করে মস্তিষ্কের রহস্য উন্মোচনের লক্ষ্য রাখেন।

৩.১. অসিলেশনের কিছু বৈশিষ্ট্য

এই চিত্রটি একটি সাধারণ বৈদ্যুতিক সংকেতের পরিমাপ প্রদর্শন করছে:

চিত্র ৬ – বিভিন্ন নিউরোইমেজিং টুলের স্পেশিয়াল বনাম টেম্পোরাল রেজোলিউশন।

বাম দিকে (Y-অক্ষ) আমরা বৈদ্যুতিক রেকর্ডিংয়ের অ্যাম্প্লিটিউড গ্রাফ করতে পারি এবং অনুভূমিক অক্ষে (X-অক্ষ) সময় নির্ধারণ করতে পারি। সিগন্যালের অ্যাম্প্লিটিউড একটি কেন্দ্রীয় বিন্দুকে ঘিরে নিয়মিতভাবে পরিবর্তিত হবে। একটি চক্রকে অসিলেশনও বলা হয়।

প্রতি সেকেন্ডে চক্রের সংখ্যাকে তরঙ্গের কম্পাঙ্ক বা ফ্রিকোয়েন্সি বলা হয় এবং এর একক হল হার্টজ (Hz)। অর্থাৎ ১ চক্র প্রতি সেকেন্ড = ১ Hz। অ্যাম্প্লিটিউড সাধারণত মাইক্রোভোল্টে (µV) পরিমাপ করা হয়।

মস্তিষ্কে আমরা ০.২ Hz (খুব ধীর তরঙ্গ) থেকে ৮০ Hz বা তার বেশি (খুব দ্রুত তরঙ্গ) ফ্রিকোয়েন্সির তরঙ্গ দেখতে পাই। মৃগীরোগের আক্রমণের সাথে সম্পর্কিত ৫০০ Hz পর্যন্ত উচ্চ-ফ্রিকোয়েন্সি কার্যকলাপ মস্তিষ্কে রেকর্ড করা সম্ভব হয়েছে।

মস্তিষ্কের বিভিন্ন ধরনের অসিলেশন তাদের ফ্রিকোয়েন্সির উপর ভিত্তি করে শ্রেণীবদ্ধ করা হয়। এগুলো ফ্রিকোয়েন্সি ব্যান্ড নামে পরিচিত এবং মস্তিষ্কের বিভিন্ন অবস্থার সাথে সম্পর্কিত হতে পারে:

চিত্র ৭ – সাধারণ EEG-তে ব্রেন ওয়েভ বা মস্তিষ্কের তরঙ্গসমূহ।

৩.২. বিভিন্ন ফ্রিকোয়েন্সি ব্যান্ড কেন গুরুত্বপূর্ণ?

1. স্বাভাবিক বনাম অস্বাভাবিক মস্তিষ্কের প্যাটার্ন সনাক্তকরণ
   নিউরোলজিতে খিঁচুনি সনাক্তকরণ এবং মৃগীরোগ নির্ণয়ের জন্য নিউরাল অসিলেশন খুবই গুরুত্বপূর্ণ।

2. ব্রেন কম্পিউটার ইন্টারফেস (BCI)
   দূরের কোনো ডিভাইস পরিচালনার প্রশিক্ষণ দিতে (যেমন চিন্তা দিয়ে হুইলচেয়ার চালানো) প্রায়শই বিটা, গামা এবং মিউ অসিলেশনের পরিমাণ ব্যবহার করা হয়।

3. নিউরোফিডব্যাক
   এটি মস্তিষ্কের প্রশিক্ষণের একটি রূপ যেখানে আপনি আপনার ব্রেন ওয়েভ (যেমন গামা অসিলেশন) দেখতে পারেন এবং আপনার মস্তিষ্কে গামা অসিলেশনের পরিমাণ বাড়াতে জ্ঞানীয় ক্রিয়াকলাপে নিযুক্ত হতে পারেন।

4. নিউরোমার্কেটিং
   একটি বিজ্ঞাপনের কোন অংশটি বেশি বা কম আকর্ষক তা নির্ধারণ করতে আলফা এবং বিটা ফ্রিকোয়েন্সি ব্যান্ড ব্যবহার করা যেতে পারে।

৩.৩. EEG ডেটা বিশ্লেষণের ধরন

বেশিরভাগ ক্ষেত্রে গবেষকরা টাইম ডোমেইন বা ফ্রিকোয়েন্সি ডোমেইন বিশ্লেষণ পরিচালনা করেন।

1. টাইম ডোমেইন বিশ্লেষণ

   সাধারণত কোনো উদ্দীপনার পর লক্ষ্যযুক্ত সময়ে ভোল্টেজ অ্যাম্প্লিটিউড পরিমাপ করা হয়। এগুলোকে ইভেন্ট-রিলেটেড পোটেনশিয়াল (ERP) বলা হয়।

2. ফ্রিকোয়েন্সি ডোমেইন বিশ্লেষণ

   সাধারণত একটি নির্দিষ্ট সময়সীমার মধ্যে বা কোনো ঘটনার শুরু সম্পর্কিত বিভিন্ন ফ্রিকোয়েন্সি ব্যান্ডে নিউরাল অসিলেশনের পরিমাণ পরিমাপ করে।

এরপর আমরা ফ্রিকোয়েন্সি ডোমেইন বিশ্লেষণের একটি ওভারভিউ প্রদান করছি।

৩.৪. প্রসেসিং

একবার আপনি একটি EEG রেকর্ড করার পর, সাধারণত অসিলেশনগুলো বিশ্লেষণ করার আগে ডেটা পরিষ্কার করেন।

1. ফিল্টারিং
   ডেটার মধ্যে থাকা উচ্চ এবং নিম্ন ফ্রিকোয়েন্সির পরিবেশগত কোলাহল দূর করার একটি কৌশল।

2. আর্টিফ্যাক্ট দূরীকরণ
   শারীরিক নড়াচড়া, চোখের পলক ফেলার কারণে বড় ধরনের জটিলতা তৈরি হতে পারে (EEG-তে > ৫০ µV পিকস)। এগুলো দূর করা যেতে পারে যাতে এগুলো আমাদের ফলাফলে প্রভাব না ফেলে। কিছু গবেষক ডেটা সংরক্ষণের জন্য এই আর্টিফ্যাক্টগুলো সংশোধন করতে জটিলতর পদ্ধতি ব্যবহার করেন।

ডেটা প্রসেস করার পর সিগন্যালটিকে ফ্রিকোয়েন্সি ডোমেইনে রূপান্তরিত করা যেতে পারে যাতে আমরা প্রতিটি প্রকারের ব্রেন ওয়েভের পরিমাণ নির্ধারণ করতে পারি।

চিত্র ৮ – র EEG-তে চোখের পলক ফেলার আর্টিফ্যাক্ট।

৩.৫. ফাস্ট ফুরিয়ার ট্রান্সফর্ম (FFT)

একটি ফুরিয়ার ট্রান্সফর্ম হল 'টাইম ডোমেইন' (ছবি A) থেকে 'ফ্রিকোয়েন্সি ডোমেইনে (ছবি B)' EEG সিগন্যালের গাণিতিক রূপান্তর।

ফ্রিকোয়েন্সি ডোমেইনে, আমাদের রেকর্ডিংয়ে প্রতিটি ধরণের অসিলেশন কতটা ছিল তা আমরা পরিমাপ করতে পারি। এটি সাধারণত ফ্রিকোয়েন্সি ব্যান্ডের 'পাওয়ার' এবং এটি পাওয়ার স্পেকট্রাম (ছবি B) হিসেবে প্রদর্শিত হতে পারে।

চিত্র ৯A – টাইম ডোমেইনে র EEG।

চিত্র ৯B – FFT-এর পরে পাওয়ার স্পেকট্রাম (ফ্রিকোয়েন্সি ডোমেইন)।

৩.৬. ব্যান্ড পাওয়ার

ফুরিয়ার ট্রান্সফর্ম থেকে প্রাপ্ত ফ্রিকোয়েন্সি ব্যান্ডের পাওয়ার (যেমন আলফা ব্যান্ড) আমাদের বলে যে প্রতিটি ফ্রিকোয়েন্সি ব্যান্ড কতটা রয়েছে। ব্যান্ড পাওয়ারের একক সাধারণত µV2/Hz-এ হয়ে থাকে। বেশিরভাগ ক্ষেত্রে, FFT থেকে প্রাপ্ত অ্যাম্প্লিটিউড বা পাওয়ার স্পেকট্রা লোগারিদমিক একক ডেসিবেলে (dB) দেখানো হয়। ডেসিবেল হল পরিমাপকৃত পাওয়ার (P) এবং রেফারেন্স পাওয়ার (Pr)-এর মধ্যে অনুপাতের একটি একক যা নিম্নরূপ:

একবার লক্ষ্যযুক্ত ইভেন্টগুলোর জন্য পরিমাপের এই এককটি পাওয়া গেলে, ব্রেন ওয়েভের ওপর পরীক্ষামূলক প্রভাবগুলো বোঝার জন্য ব্যান্ড পাওয়ারের তুলনা করা যেতে পারে।

৪. তত্ত্ব থেকে ব্যবহারিক প্রয়োগ

এরপরে, আমরা আলফা সাপ্রেশন ইফেক্ট বা আলফা দমন প্রভাবটি দেখতে যাচ্ছি।

এটি এমন একটি ঘটনা যা প্রথম হ্যান্স বার্জার রিপোর্ট করেছিলেন, যেখানে চোখ বন্ধ থাকার তুলনায় চোখ খোলা রাখলে আলফা অসিলেশনের পরিমাণ (আলফা পাওয়ার) উল্লেখযোগ্যভাবে হ্রাস পায়।

চিত্র ১০ – চোখ খোলা থাকলে আলফা অসিলেশন বৃদ্ধি পাওয়া দেখা যেতে পারে।

প্রথমে EmotivPRO Builder ব্যবহার করে আমরা একটি সাধারণ পরীক্ষা তৈরি করেছি। এই পরীক্ষায় একজন অংশগ্রহণকারীকে কেবল স্ক্রিনে মনোযোগ দিয়ে ২ মিনিটের জন্য চোখ খোলা রাখতে বলা হয়, এবং তারপর ২ মিনিটের জন্য চোখ বন্ধ রাখতে বলা হয়। চোখ খোলার সঙ্কেত দিতে ২ মিনিট শেষে তারা একটি ঘণ্টার শব্দ শুনতে পাবেন।

আপনার নিজের আলফা সাপ্রেশন পরীক্ষা তৈরি করতে নিচের ভিডিওটি অনুসরণ করতে পারেন অথবা আমাদের পরীক্ষাটি এখানে থাকা লিংক থেকে চালাতে পারেন:

৪.১. ডিভাইস ফিটিং এবং EEG গুণমান

আমাদের EQ গেট কীভাবে কাজ করে সে সম্পর্কে আরও বিস্তারিত জানুন এখানে। আপনার হেডসেট অনুযায়ী ডিভাইস ফিটিং সম্পর্কে আরও তথ্য পাবেন এখানে:

• EPOC-এর ধরণ

• Insight-এর ধরণ

৪.২. EEG ডেটা প্রসেসিং এবং রূপান্তর

এখন যে আপনার কাছে ডেটা রয়েছে, আপনি Emotiv Analyzer ব্যবহার করে এটিকে ফ্রিকোয়েন্সি ডোমেইনে রূপান্তর করতে পারেন। ভিডিওর ধাপগুলো অনুসরণ করুন।

৪.৩. ডেটার ব্যাখ্যা

অ্যানালাইজারের কাজ শেষ হলে জিপ ফাইলটি ডাউনলোড করুন। প্রতিটি রেকর্ডের জন্য আপনার কাছে ব্যান্ড পাওয়ারসহ একটি csv ফাইল এবং একটি ইমেজ ফাইল থাকবে যা দিয়ে আপনি নিজের পরিসংখ্যানগত বিশ্লেষণ চালাতে পারেন।

চিত্র ১১ – ব্যান্ড পাওয়ারসমূহ।

আমাদের আউটপুট বা ফলাফলে আমরা চোখ খোলা থাকার (নীল) তুলনায় চোখ বন্ধ করার পর (কমলা) আলফা পাওয়ার বৃদ্ধি দেখতে পাচ্ছি।

এটির মাধ্যমেই আমাদের টিউটোরিয়াল শেষ হচ্ছে! আপনি এখন প্রাথমিক ধারণাগুলো পেয়ে গেছেন 🙂

রিসোর্স সেকশনে আরও উন্নত পড়াশোনার জন্য কিছু লিংক পেতে পারেন।

৫. রিসোর্স সমূহ

উন্নত পড়াশোনা

ডোনোহিউ এবং অন্যান্য। ২০২২ নিউরাল অসিলেশন অধ্যয়নের জন্য পদ্ধতিগত বিবেচনা

EEG পরিভাষার শব্দকোষ

কেন এবং অন্যান্য। ২০১৭ (এখানে)

উন্মুক্ত উৎস কোড (ওপেন সোর্স কোড)

আপনি যদি পাইথন কোডিংয়ে স্বাচ্ছন্দ্য বোধ করেন, তবে আমরা পাইথন স্ক্রিপ্টগুলো সহজলভ্য করেছি যা ব্যবহার করে আপনি চোখ খোলা এবং চোখ বন্ধের সেগমেন্টগুলো দ্বারা চিহ্নিত আলফা পাওয়ারের মানগুলো পেতে পারেন। কোড এবং ডেমো আলফা সাপ্রেশন ডেটা ফাইলগুলো এখানে পাবেন: https://osf.io/9bvgh/

Emotiv ম্যানুয়ালসমূহ

EmotivPRO Builder ম্যানুয়াল
EmotivPRO ম্যানুয়াল
EmotivPRO Analyzer ম্যানুয়াল

৭. তথ্যসূত্র

Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361

Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002

Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1