اصول اولیه پتانسیلهای وابسته به رویداد
روشینی راندنیا
بهروزرسانی در
۲ خرداد ۱۴۰۳
اصول اولیه پتانسیلهای وابسته به رویداد
روشینی راندنیا
بهروزرسانی در
۲ خرداد ۱۴۰۳
اصول اولیه پتانسیلهای وابسته به رویداد
روشینی راندنیا
بهروزرسانی در
۲ خرداد ۱۴۰۳
۱. مقدمه
خوش آمدید! در این آموزش دوم یاد خواهیم گرفت که چگونه پاسخ مغز به محرکها را علامتگذاری کنیم.
ما خواهیم آموخت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مولفههای ERP چه هستند؟
مراحل معمول برای به دست آوردن یک ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP) که به عنوان پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). به طور دقیقتر - تغییر دامنه ولتاژی است که در EEG در نتیجه یک رویداد حسی یا شناختی مشاهده میشود.
ما میتوانیم «مولفههای ERP» را مشاهده کنیم که قلههای پایداری هستند که پس از شروع یک محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مولفههای ERP به خوبی تعریف شده مانند مولفههای N100 یا P300 نیستند.
به یاد داشته باشید که هنگام مشاهده یک EEG در حوزه زمان، به جهت محور نگاه کنید. گاهی اوقات علامت – در بالا و + در پایین محور را مشاهده خواهید کرد، به ویژه در EEG بالینی
توجه: یک ERP را میتوان از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمایش از آن رویداد نشان داد. به طور معمول، ERPهای هموار با چنین مولفههای متمایزی - مانند تصویر - تنها با میانگینگیری در صدها آزمایش به دست میآیند
شکل ۱ – مولفههای معمول ERP شنوایی
مولفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان رخ دادن آنها (به عنوان مثال اولین مولفه منفی N1) مشخص میشوند. همان مولفه N1 را میتوان با زمانی که رخ داده است نیز شناسایی کرد (به عنوان مثال ۱۰۰ میلیثانیه پس از شروع صدا) - N100
۳. مراحل به دست آوردن یک ERP
مرحله آزمایش:
ما آزمایشهایی را برای به دست آوردن ERPهای خاص مورد نظر طراحی میکنیم.
به عنوان مثال، ممکن است در حین گوش دادن شرکتکنندگان به صداهای صوتی، EEG جمعآوری کنیم.
برای درک دادههای EEG، باید زمانی را که شرکتکننده صدایی را در EEG شنیده است، مشخص کنیم. اینها نشانگر رویداد یا Event markers نامیده میشوند (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایش داده شده در یک EEG خام
همتراز کردن دقیق زمانبندی نشانگر رویداد با شروع صدا برای اینکه بتوانیم یک ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به ما در به دست آوردن برچسبهای زمانی دقیق مهم است.
انتخاب یک مرجع (Reference)
به یاد داشته باشید که فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی در هر سنسور نسبت به سنسورهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای سنسورهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید (Mastoid Reference) – برای استفاده از ماستوئید به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای P3/P4 و نمدهای مرطوب را روی سنسورهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای ماستوئید M1/M2 و نمدهای مرطوب را روی سنسورهای P3/P4 قرار میدهیم
به طور معمول از مرجعهای ماستوئید برای آزمایشهای ERP استفاده میشود، اما میتوانید از مرجع P3/P4 نیز استفاده کنید زیرا همیشه میتوانید بعداً هنگام پیشپردازش دادههای خود قبل از تجزیه و تحلیل، دادهها را به صورت آنلاین مجدداً مرجعدهی کنید. معمول است که قبل از تجزیه و تحلیل دادهها، دادهها را به میانگین تمام سنسورها مجدداً مرجعدهی کنید.
برای آزمایش خود، دادهها را با استفاده از مرجعدهی ماستوئید جمعآوری میکنیم. فرض معمولاً خوب در اینجا این است که زائده ماستوئید دادههای EEG را به اندازه سایر نقاط روی سر انتقال نمیدهد، بنابراین یک نقطه مرجع خوب است.
پیشپردازش:
ما نمیتوانیم بلافاصله یک ERP را در EEG خام ببینیم زیرا در مقایسه با هر چیز دیگری که در داخل و اطراف مغز ما میگذرد (~ ±۴۰uV)، اثر بسیار کوچکی (~ ±۵uV) دارد!
بنابراین برای دیدن اثر مغزی خاص به صدای خود، نیاز داریم دادههای خود را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت را حذف کنیم. سپس دادهها را «اپوک» (epoch) خواهیم کرد – که اصطلاحی است برای تقسیم پاسخهای مغز به یک پنجره زمانی که تعریف کردهایم (به عنوان مثال پاسخ مغز که از ۵۰ میلیثانیه قبل از صدا شروع شده و ۴۰۰ میلیثانیه بعد از صدا ادامه دارد). سپس میانگین تمام دادههای جداگانه EEG اپوک شده را محاسبه میکنیم (یعنی پاسخهای مغزی به تمام صداها) تا یک ERP متمایز به دست آوریم.
در زیر مراحلی اساسی در یک خط لوله معمول ERP آورده شده است. پژوهشگران مراحل را بسته به دادهها و اهداف خود انتخاب خواهند کرد.
شکل ۴ – یک مسیر پردازش معمول ERP
۴. بیایید ERP خودمان را به دست آوریم
ابتدا نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قصد داریم از PsychoPy برای ارائه صداها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG دریافت کنید.
برنامه PsychoPy را با نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل را در ویدیو دنبال کنید:
ساخت یک آزمایش EEG با Emotiv با استفاده از PsychoPy
یک ERP هموار را میتوان با تکرارهای متعدد از هر محرکی (به عنوان مثال یک تصویر، یک صدا) به دست آورد. در اینجا ما قصد داریم همان صدای ۵۰ میلیثانیهای را هر ۴ ثانیه به مدت حدود ۱۵۰ بار به شرکتکننده ارائه دهیم!
با ویدیو همراه شوید تا یک آزمایش شنوایی ساده با یک تک صدا بسازید:
بیایید مقداری داده به دست آوریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا در مورد نحوه راهاندازی هدست خود برای دریافت بهترین کیفیت EEG بیاموزید:
مسیر پردازش ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را برای ایجاد ERP خود دنبال کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک شکل موج میانگینگیری شده را مشاهده خواهید کرد. یک ERP معمولِ هموار با یک قله منفی در ۱۰۰ میلیثانیه را میتوان در زیر مشاهده کرد. خط پررنگ نشاندهنده دامنه میانگین و سایه روشنتر نشاندهنده خطای استاندارد میانگین است:
در اینجا یک شکل موج نویزی بدون هیچ مولفه واضح ERP وجود دارد. این میتواند ناشی از تعداد کم آزمایشها باشد:
نکاتی که باید در نظر گرفت
هنگام مقایسه ERPهای بین شرکتکنندگان، به طور کلی بهتر است اثر تفاوت را مقایسه کنیم.
به عنوان مثال، ما میتوانیم به میانگین ERP یک صدای مکررتر (استاندارد) در مقایسه با صداهایی که کمتر رخ میدهند (انحرافی/غیرمعمول) در یک الگو نگاه کنیم. ما میتوانیم با کم کردن ساده دامنه یک موج از موج دیگر، یک شکل موج تفاوت به دست آوریم. همانطور که در شکل ۵ دیده میشود، ما میتوانیم یک مولفه ERP را که معمولاً به عنوان منفیگرایی ناهمخوانی (MMN) شناخته میشود و در تحقیقات ERP بسیار مطالعه میشود، مشاهده کنیم.
شکل ۵ – مولفه منفیگرایی ناهمخوانی (MMN) را میتوان در ERP زمانی مشاهده کرد که نقضی در یک الگو در محیط رخ دهد
۵. کاربردهای ERPها
شناسایی زیستنشانگرها (Biomarkers):
یکی از رایجترین کاربردهای ERPها در محققان بالینی برای یافتن راههای بهتر جهت تشخیص اختلالات روانپزشکی ماند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیگرایی ناهمخوانی خود از گروههای کنترل سالم متمایز شوند
شکل ۶ – دامنههای منفیگرایی ناهمخوانی به طور قابل توجهی در اسکیزوفرنی مزمن، شروع اخیر و همچنین افراد در معرض خطر ابتلا به این اختلال بیشتر است (Jashan 2012)
ERP – BCI (واسطهای مغز و رایانه)
از ERPها به دستورات ذهنی مختلف یا محرکهای بصری (مانند حروف روی صفحهکلید) میتوان برای حرکت دادن صندلیهای چرخدار یا تغذیه هجاکنندههای BCI استفاده کرد
۶. منابع
دفترچههای راهنمای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. Ten simple rules for designing and interpreting ERP experiments. Event-related potentials: A methods handbook, 4.
۱. مقدمه
خوش آمدید! در این آموزش دوم یاد خواهیم گرفت که چگونه پاسخ مغز به محرکها را علامتگذاری کنیم.
ما خواهیم آموخت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مولفههای ERP چه هستند؟
مراحل معمول برای به دست آوردن یک ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP) که به عنوان پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). به طور دقیقتر - تغییر دامنه ولتاژی است که در EEG در نتیجه یک رویداد حسی یا شناختی مشاهده میشود.
ما میتوانیم «مولفههای ERP» را مشاهده کنیم که قلههای پایداری هستند که پس از شروع یک محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مولفههای ERP به خوبی تعریف شده مانند مولفههای N100 یا P300 نیستند.
به یاد داشته باشید که هنگام مشاهده یک EEG در حوزه زمان، به جهت محور نگاه کنید. گاهی اوقات علامت – در بالا و + در پایین محور را مشاهده خواهید کرد، به ویژه در EEG بالینی
توجه: یک ERP را میتوان از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمایش از آن رویداد نشان داد. به طور معمول، ERPهای هموار با چنین مولفههای متمایزی - مانند تصویر - تنها با میانگینگیری در صدها آزمایش به دست میآیند
شکل ۱ – مولفههای معمول ERP شنوایی
مولفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان رخ دادن آنها (به عنوان مثال اولین مولفه منفی N1) مشخص میشوند. همان مولفه N1 را میتوان با زمانی که رخ داده است نیز شناسایی کرد (به عنوان مثال ۱۰۰ میلیثانیه پس از شروع صدا) - N100
۳. مراحل به دست آوردن یک ERP
مرحله آزمایش:
ما آزمایشهایی را برای به دست آوردن ERPهای خاص مورد نظر طراحی میکنیم.
به عنوان مثال، ممکن است در حین گوش دادن شرکتکنندگان به صداهای صوتی، EEG جمعآوری کنیم.
برای درک دادههای EEG، باید زمانی را که شرکتکننده صدایی را در EEG شنیده است، مشخص کنیم. اینها نشانگر رویداد یا Event markers نامیده میشوند (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایش داده شده در یک EEG خام
همتراز کردن دقیق زمانبندی نشانگر رویداد با شروع صدا برای اینکه بتوانیم یک ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به ما در به دست آوردن برچسبهای زمانی دقیق مهم است.
انتخاب یک مرجع (Reference)
به یاد داشته باشید که فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی در هر سنسور نسبت به سنسورهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای سنسورهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید (Mastoid Reference) – برای استفاده از ماستوئید به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای P3/P4 و نمدهای مرطوب را روی سنسورهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای ماستوئید M1/M2 و نمدهای مرطوب را روی سنسورهای P3/P4 قرار میدهیم
به طور معمول از مرجعهای ماستوئید برای آزمایشهای ERP استفاده میشود، اما میتوانید از مرجع P3/P4 نیز استفاده کنید زیرا همیشه میتوانید بعداً هنگام پیشپردازش دادههای خود قبل از تجزیه و تحلیل، دادهها را به صورت آنلاین مجدداً مرجعدهی کنید. معمول است که قبل از تجزیه و تحلیل دادهها، دادهها را به میانگین تمام سنسورها مجدداً مرجعدهی کنید.
برای آزمایش خود، دادهها را با استفاده از مرجعدهی ماستوئید جمعآوری میکنیم. فرض معمولاً خوب در اینجا این است که زائده ماستوئید دادههای EEG را به اندازه سایر نقاط روی سر انتقال نمیدهد، بنابراین یک نقطه مرجع خوب است.
پیشپردازش:
ما نمیتوانیم بلافاصله یک ERP را در EEG خام ببینیم زیرا در مقایسه با هر چیز دیگری که در داخل و اطراف مغز ما میگذرد (~ ±۴۰uV)، اثر بسیار کوچکی (~ ±۵uV) دارد!
بنابراین برای دیدن اثر مغزی خاص به صدای خود، نیاز داریم دادههای خود را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت را حذف کنیم. سپس دادهها را «اپوک» (epoch) خواهیم کرد – که اصطلاحی است برای تقسیم پاسخهای مغز به یک پنجره زمانی که تعریف کردهایم (به عنوان مثال پاسخ مغز که از ۵۰ میلیثانیه قبل از صدا شروع شده و ۴۰۰ میلیثانیه بعد از صدا ادامه دارد). سپس میانگین تمام دادههای جداگانه EEG اپوک شده را محاسبه میکنیم (یعنی پاسخهای مغزی به تمام صداها) تا یک ERP متمایز به دست آوریم.
در زیر مراحلی اساسی در یک خط لوله معمول ERP آورده شده است. پژوهشگران مراحل را بسته به دادهها و اهداف خود انتخاب خواهند کرد.
شکل ۴ – یک مسیر پردازش معمول ERP
۴. بیایید ERP خودمان را به دست آوریم
ابتدا نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قصد داریم از PsychoPy برای ارائه صداها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG دریافت کنید.
برنامه PsychoPy را با نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل را در ویدیو دنبال کنید:
ساخت یک آزمایش EEG با Emotiv با استفاده از PsychoPy
یک ERP هموار را میتوان با تکرارهای متعدد از هر محرکی (به عنوان مثال یک تصویر، یک صدا) به دست آورد. در اینجا ما قصد داریم همان صدای ۵۰ میلیثانیهای را هر ۴ ثانیه به مدت حدود ۱۵۰ بار به شرکتکننده ارائه دهیم!
با ویدیو همراه شوید تا یک آزمایش شنوایی ساده با یک تک صدا بسازید:
بیایید مقداری داده به دست آوریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا در مورد نحوه راهاندازی هدست خود برای دریافت بهترین کیفیت EEG بیاموزید:
مسیر پردازش ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را برای ایجاد ERP خود دنبال کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک شکل موج میانگینگیری شده را مشاهده خواهید کرد. یک ERP معمولِ هموار با یک قله منفی در ۱۰۰ میلیثانیه را میتوان در زیر مشاهده کرد. خط پررنگ نشاندهنده دامنه میانگین و سایه روشنتر نشاندهنده خطای استاندارد میانگین است:
در اینجا یک شکل موج نویزی بدون هیچ مولفه واضح ERP وجود دارد. این میتواند ناشی از تعداد کم آزمایشها باشد:
نکاتی که باید در نظر گرفت
هنگام مقایسه ERPهای بین شرکتکنندگان، به طور کلی بهتر است اثر تفاوت را مقایسه کنیم.
به عنوان مثال، ما میتوانیم به میانگین ERP یک صدای مکررتر (استاندارد) در مقایسه با صداهایی که کمتر رخ میدهند (انحرافی/غیرمعمول) در یک الگو نگاه کنیم. ما میتوانیم با کم کردن ساده دامنه یک موج از موج دیگر، یک شکل موج تفاوت به دست آوریم. همانطور که در شکل ۵ دیده میشود، ما میتوانیم یک مولفه ERP را که معمولاً به عنوان منفیگرایی ناهمخوانی (MMN) شناخته میشود و در تحقیقات ERP بسیار مطالعه میشود، مشاهده کنیم.
شکل ۵ – مولفه منفیگرایی ناهمخوانی (MMN) را میتوان در ERP زمانی مشاهده کرد که نقضی در یک الگو در محیط رخ دهد
۵. کاربردهای ERPها
شناسایی زیستنشانگرها (Biomarkers):
یکی از رایجترین کاربردهای ERPها در محققان بالینی برای یافتن راههای بهتر جهت تشخیص اختلالات روانپزشکی ماند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیگرایی ناهمخوانی خود از گروههای کنترل سالم متمایز شوند
شکل ۶ – دامنههای منفیگرایی ناهمخوانی به طور قابل توجهی در اسکیزوفرنی مزمن، شروع اخیر و همچنین افراد در معرض خطر ابتلا به این اختلال بیشتر است (Jashan 2012)
ERP – BCI (واسطهای مغز و رایانه)
از ERPها به دستورات ذهنی مختلف یا محرکهای بصری (مانند حروف روی صفحهکلید) میتوان برای حرکت دادن صندلیهای چرخدار یا تغذیه هجاکنندههای BCI استفاده کرد
۶. منابع
دفترچههای راهنمای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. Ten simple rules for designing and interpreting ERP experiments. Event-related potentials: A methods handbook, 4.
۱. مقدمه
خوش آمدید! در این آموزش دوم یاد خواهیم گرفت که چگونه پاسخ مغز به محرکها را علامتگذاری کنیم.
ما خواهیم آموخت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مولفههای ERP چه هستند؟
مراحل معمول برای به دست آوردن یک ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP) که به عنوان پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). به طور دقیقتر - تغییر دامنه ولتاژی است که در EEG در نتیجه یک رویداد حسی یا شناختی مشاهده میشود.
ما میتوانیم «مولفههای ERP» را مشاهده کنیم که قلههای پایداری هستند که پس از شروع یک محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مولفههای ERP به خوبی تعریف شده مانند مولفههای N100 یا P300 نیستند.
به یاد داشته باشید که هنگام مشاهده یک EEG در حوزه زمان، به جهت محور نگاه کنید. گاهی اوقات علامت – در بالا و + در پایین محور را مشاهده خواهید کرد، به ویژه در EEG بالینی
توجه: یک ERP را میتوان از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمایش از آن رویداد نشان داد. به طور معمول، ERPهای هموار با چنین مولفههای متمایزی - مانند تصویر - تنها با میانگینگیری در صدها آزمایش به دست میآیند
شکل ۱ – مولفههای معمول ERP شنوایی
مولفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان رخ دادن آنها (به عنوان مثال اولین مولفه منفی N1) مشخص میشوند. همان مولفه N1 را میتوان با زمانی که رخ داده است نیز شناسایی کرد (به عنوان مثال ۱۰۰ میلیثانیه پس از شروع صدا) - N100
۳. مراحل به دست آوردن یک ERP
مرحله آزمایش:
ما آزمایشهایی را برای به دست آوردن ERPهای خاص مورد نظر طراحی میکنیم.
به عنوان مثال، ممکن است در حین گوش دادن شرکتکنندگان به صداهای صوتی، EEG جمعآوری کنیم.
برای درک دادههای EEG، باید زمانی را که شرکتکننده صدایی را در EEG شنیده است، مشخص کنیم. اینها نشانگر رویداد یا Event markers نامیده میشوند (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایش داده شده در یک EEG خام
همتراز کردن دقیق زمانبندی نشانگر رویداد با شروع صدا برای اینکه بتوانیم یک ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به ما در به دست آوردن برچسبهای زمانی دقیق مهم است.
انتخاب یک مرجع (Reference)
به یاد داشته باشید که فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی در هر سنسور نسبت به سنسورهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای سنسورهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید (Mastoid Reference) – برای استفاده از ماستوئید به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای P3/P4 و نمدهای مرطوب را روی سنسورهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 به عنوان سنسورهای مرجع، درپوشهای لاستیکی را روی سنسورهای ماستوئید M1/M2 و نمدهای مرطوب را روی سنسورهای P3/P4 قرار میدهیم
به طور معمول از مرجعهای ماستوئید برای آزمایشهای ERP استفاده میشود، اما میتوانید از مرجع P3/P4 نیز استفاده کنید زیرا همیشه میتوانید بعداً هنگام پیشپردازش دادههای خود قبل از تجزیه و تحلیل، دادهها را به صورت آنلاین مجدداً مرجعدهی کنید. معمول است که قبل از تجزیه و تحلیل دادهها، دادهها را به میانگین تمام سنسورها مجدداً مرجعدهی کنید.
برای آزمایش خود، دادهها را با استفاده از مرجعدهی ماستوئید جمعآوری میکنیم. فرض معمولاً خوب در اینجا این است که زائده ماستوئید دادههای EEG را به اندازه سایر نقاط روی سر انتقال نمیدهد، بنابراین یک نقطه مرجع خوب است.
پیشپردازش:
ما نمیتوانیم بلافاصله یک ERP را در EEG خام ببینیم زیرا در مقایسه با هر چیز دیگری که در داخل و اطراف مغز ما میگذرد (~ ±۴۰uV)، اثر بسیار کوچکی (~ ±۵uV) دارد!
بنابراین برای دیدن اثر مغزی خاص به صدای خود، نیاز داریم دادههای خود را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت را حذف کنیم. سپس دادهها را «اپوک» (epoch) خواهیم کرد – که اصطلاحی است برای تقسیم پاسخهای مغز به یک پنجره زمانی که تعریف کردهایم (به عنوان مثال پاسخ مغز که از ۵۰ میلیثانیه قبل از صدا شروع شده و ۴۰۰ میلیثانیه بعد از صدا ادامه دارد). سپس میانگین تمام دادههای جداگانه EEG اپوک شده را محاسبه میکنیم (یعنی پاسخهای مغزی به تمام صداها) تا یک ERP متمایز به دست آوریم.
در زیر مراحلی اساسی در یک خط لوله معمول ERP آورده شده است. پژوهشگران مراحل را بسته به دادهها و اهداف خود انتخاب خواهند کرد.
شکل ۴ – یک مسیر پردازش معمول ERP
۴. بیایید ERP خودمان را به دست آوریم
ابتدا نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قصد داریم از PsychoPy برای ارائه صداها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG دریافت کنید.
برنامه PsychoPy را با نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل را در ویدیو دنبال کنید:
ساخت یک آزمایش EEG با Emotiv با استفاده از PsychoPy
یک ERP هموار را میتوان با تکرارهای متعدد از هر محرکی (به عنوان مثال یک تصویر، یک صدا) به دست آورد. در اینجا ما قصد داریم همان صدای ۵۰ میلیثانیهای را هر ۴ ثانیه به مدت حدود ۱۵۰ بار به شرکتکننده ارائه دهیم!
با ویدیو همراه شوید تا یک آزمایش شنوایی ساده با یک تک صدا بسازید:
بیایید مقداری داده به دست آوریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا در مورد نحوه راهاندازی هدست خود برای دریافت بهترین کیفیت EEG بیاموزید:
مسیر پردازش ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را برای ایجاد ERP خود دنبال کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک شکل موج میانگینگیری شده را مشاهده خواهید کرد. یک ERP معمولِ هموار با یک قله منفی در ۱۰۰ میلیثانیه را میتوان در زیر مشاهده کرد. خط پررنگ نشاندهنده دامنه میانگین و سایه روشنتر نشاندهنده خطای استاندارد میانگین است:
در اینجا یک شکل موج نویزی بدون هیچ مولفه واضح ERP وجود دارد. این میتواند ناشی از تعداد کم آزمایشها باشد:
نکاتی که باید در نظر گرفت
هنگام مقایسه ERPهای بین شرکتکنندگان، به طور کلی بهتر است اثر تفاوت را مقایسه کنیم.
به عنوان مثال، ما میتوانیم به میانگین ERP یک صدای مکررتر (استاندارد) در مقایسه با صداهایی که کمتر رخ میدهند (انحرافی/غیرمعمول) در یک الگو نگاه کنیم. ما میتوانیم با کم کردن ساده دامنه یک موج از موج دیگر، یک شکل موج تفاوت به دست آوریم. همانطور که در شکل ۵ دیده میشود، ما میتوانیم یک مولفه ERP را که معمولاً به عنوان منفیگرایی ناهمخوانی (MMN) شناخته میشود و در تحقیقات ERP بسیار مطالعه میشود، مشاهده کنیم.
شکل ۵ – مولفه منفیگرایی ناهمخوانی (MMN) را میتوان در ERP زمانی مشاهده کرد که نقضی در یک الگو در محیط رخ دهد
۵. کاربردهای ERPها
شناسایی زیستنشانگرها (Biomarkers):
یکی از رایجترین کاربردهای ERPها در محققان بالینی برای یافتن راههای بهتر جهت تشخیص اختلالات روانپزشکی ماند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیگرایی ناهمخوانی خود از گروههای کنترل سالم متمایز شوند
شکل ۶ – دامنههای منفیگرایی ناهمخوانی به طور قابل توجهی در اسکیزوفرنی مزمن، شروع اخیر و همچنین افراد در معرض خطر ابتلا به این اختلال بیشتر است (Jashan 2012)
ERP – BCI (واسطهای مغز و رایانه)
از ERPها به دستورات ذهنی مختلف یا محرکهای بصری (مانند حروف روی صفحهکلید) میتوان برای حرکت دادن صندلیهای چرخدار یا تغذیه هجاکنندههای BCI استفاده کرد
۶. منابع
دفترچههای راهنمای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. Ten simple rules for designing and interpreting ERP experiments. Event-related potentials: A methods handbook, 4.
به خواندن ادامه دهید