مبانی پتانسیلهای مرتبط با رویداد
روشنایی راندنیا
بهروزرسانی در
۱ اسفند ۱۴۰۲
مبانی پتانسیلهای مرتبط با رویداد
روشنایی راندنیا
بهروزرسانی در
۱ اسفند ۱۴۰۲
مبانی پتانسیلهای مرتبط با رویداد
روشنایی راندنیا
بهروزرسانی در
۱ اسفند ۱۴۰۲
۱. مقدمه
خوش آمدید! در این دومین آموزش، قرار است یاد بگیریم چگونه به یک پاسخ مغزی به محرکها علامتگذاری کنیم.
یاد خواهیم گرفت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مؤلفههای ERP چیستند؟
مراحل معمول برای بهدست آوردن ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP)، که با نام پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). بهطور مشخص، این تغییر دامنه ولتاژ است که در EEG در نتیجه یک رویداد حسی یا شناختی دیده میشود.
میتوانیم «مؤلفههای ERP» را مشاهده کنیم که قلههای پایداری هستند و پس از آغاز محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مؤلفههای ERP بهخوبی تعریفشدهای مانند مؤلفههای N100 یا P300 نیستند.
یادتان باشد وقتی یک EEG را در حوزه زمان میبینید، به جهت محور توجه کنید. گاهی علامت – را در بالا و + را در پایین محور میبینید، بهویژه در EEG بالینی
نکته: یک ERP میتواند از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمون از آن رویداد نمایش داده شود. معمولاً ERPهای هموار با چنین مؤلفههای متمایزی — مانند تصویر — فقط با میانگینگیری روی صدها آزمون بهدست میآیند
شکل ۱ – مؤلفههای معمول ERP شنوایی
مؤلفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان وقوعشان (مثلاً اولین مؤلفه منفی N1) مشخص میشوند. همان مؤلفه N1 را میتوان بر اساس زمانی که رخ داده است نیز شناسایی کرد (مثلاً ۱۰۰ میلیثانیه از آغاز تُن) — N100
۳. مراحل بهدست آوردن ERP
فاز آزمایش:
ما آزمایشهایی طراحی میکنیم تا ERPهای خاصِ موردنظر را بهدست آوریم.
برای مثال، ممکن است هنگام گوش دادن شرکتکنندگان به تُنهای صوتی، EEG ثبت کنیم.
برای معنا دادن به دادههای EEG، باید زمانی را که شرکتکننده تُنی را در EEG شنیده است، علامتگذاری کنیم. به اینها نشانگرهای رویداد گفته میشود (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایشدادهشده روی یک EEG خام
دریافتِ زمانبندی نشانگر رویداد بهصورت دقیق و همراستا با آغاز تُن برای اینکه بتوانیم ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به بهدست آوردن زمانمهرهای دقیق اهمیت دارد.
انتخاب یک مرجع
یادتان باشد فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی هر حسگر در برابر حسگرهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای حسگرهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید – برای استفاده از ماستوئید بهعنوان حسگر مرجع، در حسگرهای P3/P4 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 بهعنوان حسگر مرجع، در حسگرهای ماستوئید M1/M2 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای P3/P4 قرار میدهیم
معمول است که برای آزمایشهای ERP از ارجاع ماستوئید استفاده شود، اما میتوانید از ارجاع P3/P4 هم استفاده کنید، چون همیشه میتوانید بعداً هنگام پیشپردازش دادهها پیش از تحلیل، دادهها را بهصورت آنلاین دوباره ارجاعدهی کنید. معمول است که دادهها را پیش از تحلیل به میانگین همه حسگرها دوباره ارجاع دهند.
برای آزمایش ما دادهها را با استفاده از ارجاع ماستوئید جمعآوری میکنیم. فرضِ معمولاً خوب در اینجا این است که زائده ماستوئید به اندازه سایر نواحی سر، داده EEG منتقل نمیکند، بنابراین نقطه مرجع خوبی است.
پیشپردازش:
ما نمیتوانیم فوراً ERP را در EEG خام ببینیم، زیرا این اثر بسیار کوچک است (~ ±5uV) در مقایسه با همه چیزهای دیگری که درون و اطراف مغز ما رخ میدهد (~ ±40uV)!
بنابراین برای دیدن اثر مغزیِ خاصِ تُنمان باید دادهها را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت حذف شود. سپس دادهها را «اپوک» میکنیم — اصطلاحی که برای خرد کردن پاسخهای مغزی به یک پنجره زمانیِ تعریفشده به کار میرود (مثلاً پاسخ مغزی از 50 میلیثانیه قبل از تُن تا 400 میلیثانیه پس از تُن). سپس همه دادههای اپوکشدهٔ جداگانهٔ EEG (یعنی پاسخهای مغزی به همه تُنها) را میانگین میگیریم تا یک ERP متمایز بهدست آوریم.
در زیر مراحل پایه در یک خط لوله معمول ERP آمده است. پژوهشگران بسته به دادهها و اهدافشان مراحل را انتخاب میکنند.
شکل ۴ – یک خط لوله پردازش معمول ERP
۴. بیایید ERP خودمان را بهدست آوریم
اول بیایید نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قرار است از PsychoPy برای ارائه تُنها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG تهیه کنید.
PsychoPy را به نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل موجود در ویدیو را دنبال کنید:
ساخت یک آزمایش EEG با Emotiv و PsychoPy
یک ERP هموار را میتوان با استفاده از تکرارهای متعدد هر محرکی (مثلاً یک تصویر، یک تُن) بهدست آورد. در اینجا قرار است همان تُن ۵۰ میلیثانیهای را هر ۴ ثانیه، حدود ۱۵۰ بار برای شرکتکننده ارائه کنیم!
همراه ویدیو پیش بروید تا یک آزمایش شنیداری ساده با یک تُن بسازید:
بیایید کمی داده بگیریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا درباره نحوه راهاندازی هدست خود برای بهدست آوردن بهترین کیفیت EEG بیاموزید:
خط لوله ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را دنبال کنید تا ERP خودتان را تولید کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک موجنمای میانگینگیریشده خواهید دید. یک ERP هموار معمول با یک قله منفی در ۱۰۰ میلیثانیه در زیر دیده میشود. خط پررنگ دامنه میانگین را نشان میدهد و سایه روشنتر خطای استاندارد میانگین را نشان میدهد:
در اینجا یک موجنمای پرنویز با هیچ مؤلفه ERP روشنی وجود ندارد. این میتواند ناشی از تعداد کم آزمونها باشد:
نکاتی برای در نظر گرفتن
هنگام مقایسه ERPها بین شرکتکنندگان، معمولاً بهتر است اثر تفاوت را مقایسه کنید.
برای مثال، میتوانیم ERP میانگینگیریشده به یک تُن پرتکرارتر (استاندارد) را در مقایسه با تُنهایی که کمتر رخ میدهند (انحرافی/نادر) در یک الگو بررسی کنیم. میتوانیم یک موجنمای تفاضلی را بهسادگی با کم کردن دامنههای یک موج از موج دیگر بهدست آوریم. همانطور که در شکل ۵ میبینیم، سپس میتوانیم یک مؤلفه ERP را مشاهده کنیم که معمولاً به عنوان منفیبودن عدم تطابق (MMN) شناخته میشود و در پژوهش ERP بهطور رایج مطالعه میشود.
شکل ۵ – مؤلفه منفیبودن عدم تطابق را میتوان در ERP زمانی مشاهده کرد که یک الگو در محیط نقض میشود
۵. کاربردهای ERP
شناسایی نشانگرهای زیستی :
یکی از رایجترین کاربردهای ERPها در پژوهشهای بالینی، یافتن روشهای بهتر برای تشخیص اختلالات روانپزشکی مانند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیبودن عدم تطابق از افراد سالم متمایز شوند
شکل ۶ – دامنههای منفیبودن عدم تطابق بهطور معنیداری بالاتر از افراد مبتلا به اسکیزوفرنی مزمن، شروعاخیر و نیز افراد در معرض خطرِ ابتلا به این اختلال است (Jashan 2012)
ERP – BCI (رابطهای مغز-رایانه)
ERPها برای فرمانهای ذهنی مختلف یا محرکهای دیداری (مانند حروف روی صفحهکلید) میتوانند برای حرکت دادن ویلچرها یا راهاندازی هجیکنندههای BCI استفاده شوند
۶. منابع
راهنماهای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. ده قانون ساده برای طراحی و تفسیر آزمایشهای ERP. پتانسیلهای وابسته به رویداد: یک راهنمای روشها, 4.
۱. مقدمه
خوش آمدید! در این دومین آموزش، قرار است یاد بگیریم چگونه به یک پاسخ مغزی به محرکها علامتگذاری کنیم.
یاد خواهیم گرفت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مؤلفههای ERP چیستند؟
مراحل معمول برای بهدست آوردن ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP)، که با نام پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). بهطور مشخص، این تغییر دامنه ولتاژ است که در EEG در نتیجه یک رویداد حسی یا شناختی دیده میشود.
میتوانیم «مؤلفههای ERP» را مشاهده کنیم که قلههای پایداری هستند و پس از آغاز محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مؤلفههای ERP بهخوبی تعریفشدهای مانند مؤلفههای N100 یا P300 نیستند.
یادتان باشد وقتی یک EEG را در حوزه زمان میبینید، به جهت محور توجه کنید. گاهی علامت – را در بالا و + را در پایین محور میبینید، بهویژه در EEG بالینی
نکته: یک ERP میتواند از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمون از آن رویداد نمایش داده شود. معمولاً ERPهای هموار با چنین مؤلفههای متمایزی — مانند تصویر — فقط با میانگینگیری روی صدها آزمون بهدست میآیند
شکل ۱ – مؤلفههای معمول ERP شنوایی
مؤلفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان وقوعشان (مثلاً اولین مؤلفه منفی N1) مشخص میشوند. همان مؤلفه N1 را میتوان بر اساس زمانی که رخ داده است نیز شناسایی کرد (مثلاً ۱۰۰ میلیثانیه از آغاز تُن) — N100
۳. مراحل بهدست آوردن ERP
فاز آزمایش:
ما آزمایشهایی طراحی میکنیم تا ERPهای خاصِ موردنظر را بهدست آوریم.
برای مثال، ممکن است هنگام گوش دادن شرکتکنندگان به تُنهای صوتی، EEG ثبت کنیم.
برای معنا دادن به دادههای EEG، باید زمانی را که شرکتکننده تُنی را در EEG شنیده است، علامتگذاری کنیم. به اینها نشانگرهای رویداد گفته میشود (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایشدادهشده روی یک EEG خام
دریافتِ زمانبندی نشانگر رویداد بهصورت دقیق و همراستا با آغاز تُن برای اینکه بتوانیم ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به بهدست آوردن زمانمهرهای دقیق اهمیت دارد.
انتخاب یک مرجع
یادتان باشد فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی هر حسگر در برابر حسگرهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای حسگرهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید – برای استفاده از ماستوئید بهعنوان حسگر مرجع، در حسگرهای P3/P4 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 بهعنوان حسگر مرجع، در حسگرهای ماستوئید M1/M2 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای P3/P4 قرار میدهیم
معمول است که برای آزمایشهای ERP از ارجاع ماستوئید استفاده شود، اما میتوانید از ارجاع P3/P4 هم استفاده کنید، چون همیشه میتوانید بعداً هنگام پیشپردازش دادهها پیش از تحلیل، دادهها را بهصورت آنلاین دوباره ارجاعدهی کنید. معمول است که دادهها را پیش از تحلیل به میانگین همه حسگرها دوباره ارجاع دهند.
برای آزمایش ما دادهها را با استفاده از ارجاع ماستوئید جمعآوری میکنیم. فرضِ معمولاً خوب در اینجا این است که زائده ماستوئید به اندازه سایر نواحی سر، داده EEG منتقل نمیکند، بنابراین نقطه مرجع خوبی است.
پیشپردازش:
ما نمیتوانیم فوراً ERP را در EEG خام ببینیم، زیرا این اثر بسیار کوچک است (~ ±5uV) در مقایسه با همه چیزهای دیگری که درون و اطراف مغز ما رخ میدهد (~ ±40uV)!
بنابراین برای دیدن اثر مغزیِ خاصِ تُنمان باید دادهها را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت حذف شود. سپس دادهها را «اپوک» میکنیم — اصطلاحی که برای خرد کردن پاسخهای مغزی به یک پنجره زمانیِ تعریفشده به کار میرود (مثلاً پاسخ مغزی از 50 میلیثانیه قبل از تُن تا 400 میلیثانیه پس از تُن). سپس همه دادههای اپوکشدهٔ جداگانهٔ EEG (یعنی پاسخهای مغزی به همه تُنها) را میانگین میگیریم تا یک ERP متمایز بهدست آوریم.
در زیر مراحل پایه در یک خط لوله معمول ERP آمده است. پژوهشگران بسته به دادهها و اهدافشان مراحل را انتخاب میکنند.
شکل ۴ – یک خط لوله پردازش معمول ERP
۴. بیایید ERP خودمان را بهدست آوریم
اول بیایید نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قرار است از PsychoPy برای ارائه تُنها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG تهیه کنید.
PsychoPy را به نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل موجود در ویدیو را دنبال کنید:
ساخت یک آزمایش EEG با Emotiv و PsychoPy
یک ERP هموار را میتوان با استفاده از تکرارهای متعدد هر محرکی (مثلاً یک تصویر، یک تُن) بهدست آورد. در اینجا قرار است همان تُن ۵۰ میلیثانیهای را هر ۴ ثانیه، حدود ۱۵۰ بار برای شرکتکننده ارائه کنیم!
همراه ویدیو پیش بروید تا یک آزمایش شنیداری ساده با یک تُن بسازید:
بیایید کمی داده بگیریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا درباره نحوه راهاندازی هدست خود برای بهدست آوردن بهترین کیفیت EEG بیاموزید:
خط لوله ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را دنبال کنید تا ERP خودتان را تولید کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک موجنمای میانگینگیریشده خواهید دید. یک ERP هموار معمول با یک قله منفی در ۱۰۰ میلیثانیه در زیر دیده میشود. خط پررنگ دامنه میانگین را نشان میدهد و سایه روشنتر خطای استاندارد میانگین را نشان میدهد:
در اینجا یک موجنمای پرنویز با هیچ مؤلفه ERP روشنی وجود ندارد. این میتواند ناشی از تعداد کم آزمونها باشد:
نکاتی برای در نظر گرفتن
هنگام مقایسه ERPها بین شرکتکنندگان، معمولاً بهتر است اثر تفاوت را مقایسه کنید.
برای مثال، میتوانیم ERP میانگینگیریشده به یک تُن پرتکرارتر (استاندارد) را در مقایسه با تُنهایی که کمتر رخ میدهند (انحرافی/نادر) در یک الگو بررسی کنیم. میتوانیم یک موجنمای تفاضلی را بهسادگی با کم کردن دامنههای یک موج از موج دیگر بهدست آوریم. همانطور که در شکل ۵ میبینیم، سپس میتوانیم یک مؤلفه ERP را مشاهده کنیم که معمولاً به عنوان منفیبودن عدم تطابق (MMN) شناخته میشود و در پژوهش ERP بهطور رایج مطالعه میشود.
شکل ۵ – مؤلفه منفیبودن عدم تطابق را میتوان در ERP زمانی مشاهده کرد که یک الگو در محیط نقض میشود
۵. کاربردهای ERP
شناسایی نشانگرهای زیستی :
یکی از رایجترین کاربردهای ERPها در پژوهشهای بالینی، یافتن روشهای بهتر برای تشخیص اختلالات روانپزشکی مانند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیبودن عدم تطابق از افراد سالم متمایز شوند
شکل ۶ – دامنههای منفیبودن عدم تطابق بهطور معنیداری بالاتر از افراد مبتلا به اسکیزوفرنی مزمن، شروعاخیر و نیز افراد در معرض خطرِ ابتلا به این اختلال است (Jashan 2012)
ERP – BCI (رابطهای مغز-رایانه)
ERPها برای فرمانهای ذهنی مختلف یا محرکهای دیداری (مانند حروف روی صفحهکلید) میتوانند برای حرکت دادن ویلچرها یا راهاندازی هجیکنندههای BCI استفاده شوند
۶. منابع
راهنماهای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. ده قانون ساده برای طراحی و تفسیر آزمایشهای ERP. پتانسیلهای وابسته به رویداد: یک راهنمای روشها, 4.
۱. مقدمه
خوش آمدید! در این دومین آموزش، قرار است یاد بگیریم چگونه به یک پاسخ مغزی به محرکها علامتگذاری کنیم.
یاد خواهیم گرفت:
پتانسیل وابسته به رویداد (ERP) چیست؟
قلهها و مؤلفههای ERP چیستند؟
مراحل معمول برای بهدست آوردن ERP
کاربرد عملی با استفاده از دستگاه و نرمافزار Emotiv EPOC
۲. پتانسیل وابسته به رویداد (ERP) چیست؟
پتانسیل وابسته به رویداد (ERP)، که با نام پتانسیل برانگیخته نیز شناخته میشود، پاسخ مغز به یک رویداد یا محرک است (مانند شنیدن یک صدای بلند). بهطور مشخص، این تغییر دامنه ولتاژ است که در EEG در نتیجه یک رویداد حسی یا شناختی دیده میشود.
میتوانیم «مؤلفههای ERP» را مشاهده کنیم که قلههای پایداری هستند و پس از آغاز محرک رخ میدهند. یک ERP میتواند قلههای مثبت یا منفی زیادی داشته باشد، اما همه آنها مؤلفههای ERP بهخوبی تعریفشدهای مانند مؤلفههای N100 یا P300 نیستند.
یادتان باشد وقتی یک EEG را در حوزه زمان میبینید، به جهت محور توجه کنید. گاهی علامت – را در بالا و + را در پایین محور میبینید، بهویژه در EEG بالینی
نکته: یک ERP میتواند از یک رویداد منفرد یا با میانگینگیری دامنهها در چندین آزمون از آن رویداد نمایش داده شود. معمولاً ERPهای هموار با چنین مؤلفههای متمایزی — مانند تصویر — فقط با میانگینگیری روی صدها آزمون بهدست میآیند
شکل ۱ – مؤلفههای معمول ERP شنوایی
مؤلفههای معمول با قطبیت آنها (یعنی مثبت (P) یا منفی (N)) و زمان وقوعشان (مثلاً اولین مؤلفه منفی N1) مشخص میشوند. همان مؤلفه N1 را میتوان بر اساس زمانی که رخ داده است نیز شناسایی کرد (مثلاً ۱۰۰ میلیثانیه از آغاز تُن) — N100
۳. مراحل بهدست آوردن ERP
فاز آزمایش:
ما آزمایشهایی طراحی میکنیم تا ERPهای خاصِ موردنظر را بهدست آوریم.
برای مثال، ممکن است هنگام گوش دادن شرکتکنندگان به تُنهای صوتی، EEG ثبت کنیم.
برای معنا دادن به دادههای EEG، باید زمانی را که شرکتکننده تُنی را در EEG شنیده است، علامتگذاری کنیم. به اینها نشانگرهای رویداد گفته میشود (خطوط قرمز عمودی در شکل ۲).
شکل ۲ – نشانگرهای رویداد (خطوط قرمز) نمایشدادهشده روی یک EEG خام
دریافتِ زمانبندی نشانگر رویداد بهصورت دقیق و همراستا با آغاز تُن برای اینکه بتوانیم ERP را ببینیم بسیار مهم است! بنابراین انتخاب سختافزار و نرمافزار مناسب برای کمک به بهدست آوردن زمانمهرهای دقیق اهمیت دارد.
انتخاب یک مرجع
یادتان باشد فعالیت الکتریکی همیشه بین دو نقطه اندازهگیری میشود. در دستگاههای EEG، پتانسیل الکتریکی هر حسگر در برابر حسگرهای مرجع (DRL + CMS) اندازهگیری میشود.
در دستگاههای Emotiv EPOC دو گزینه برای حسگرهای مرجع وجود دارد
شکل ۳ – گزینههای مرجع در دستگاههای نوع Emotiv EPOC
یک هدست نوع EPOC دو گزینه برای ارجاع دارد:
مرجع ماستوئید – برای استفاده از ماستوئید بهعنوان حسگر مرجع، در حسگرهای P3/P4 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای ماستوئید قرار میدهیم.
مرجع P3/P4 – برای استفاده از P3/P4 بهعنوان حسگر مرجع، در حسگرهای ماستوئید M1/M2 درپوشهای لاستیکی میگذاریم و نمدهای مرطوب را روی حسگرهای P3/P4 قرار میدهیم
معمول است که برای آزمایشهای ERP از ارجاع ماستوئید استفاده شود، اما میتوانید از ارجاع P3/P4 هم استفاده کنید، چون همیشه میتوانید بعداً هنگام پیشپردازش دادهها پیش از تحلیل، دادهها را بهصورت آنلاین دوباره ارجاعدهی کنید. معمول است که دادهها را پیش از تحلیل به میانگین همه حسگرها دوباره ارجاع دهند.
برای آزمایش ما دادهها را با استفاده از ارجاع ماستوئید جمعآوری میکنیم. فرضِ معمولاً خوب در اینجا این است که زائده ماستوئید به اندازه سایر نواحی سر، داده EEG منتقل نمیکند، بنابراین نقطه مرجع خوبی است.
پیشپردازش:
ما نمیتوانیم فوراً ERP را در EEG خام ببینیم، زیرا این اثر بسیار کوچک است (~ ±5uV) در مقایسه با همه چیزهای دیگری که درون و اطراف مغز ما رخ میدهد (~ ±40uV)!
بنابراین برای دیدن اثر مغزیِ خاصِ تُنمان باید دادهها را پاکسازی کنیم تا هرگونه نویز یا آرتیفکت حذف شود. سپس دادهها را «اپوک» میکنیم — اصطلاحی که برای خرد کردن پاسخهای مغزی به یک پنجره زمانیِ تعریفشده به کار میرود (مثلاً پاسخ مغزی از 50 میلیثانیه قبل از تُن تا 400 میلیثانیه پس از تُن). سپس همه دادههای اپوکشدهٔ جداگانهٔ EEG (یعنی پاسخهای مغزی به همه تُنها) را میانگین میگیریم تا یک ERP متمایز بهدست آوریم.
در زیر مراحل پایه در یک خط لوله معمول ERP آمده است. پژوهشگران بسته به دادهها و اهدافشان مراحل را انتخاب میکنند.
شکل ۴ – یک خط لوله پردازش معمول ERP
۴. بیایید ERP خودمان را بهدست آوریم
اول بیایید نرمافزار را راهاندازی کنیم
آخرین نسخه PsychoPy را دانلود کنید – https://www.psychopy.org/ ما قرار است از PsychoPy برای ارائه تُنها به شرکتکنندگان استفاده کنیم.
برنامههای Emotiv Launcher و EmotivPRO را برای ثبت و مشاهده EEG تهیه کنید.
PsychoPy را به نرمافزار Emotiv خود متصل کنید تا بتوانند با یکدیگر ارتباط برقرار کنند.
مراحل موجود در ویدیو را دنبال کنید:
ساخت یک آزمایش EEG با Emotiv و PsychoPy
یک ERP هموار را میتوان با استفاده از تکرارهای متعدد هر محرکی (مثلاً یک تصویر، یک تُن) بهدست آورد. در اینجا قرار است همان تُن ۵۰ میلیثانیهای را هر ۴ ثانیه، حدود ۱۵۰ بار برای شرکتکننده ارائه کنیم!
همراه ویدیو پیش بروید تا یک آزمایش شنیداری ساده با یک تُن بسازید:
بیایید کمی داده بگیریم
اکنون که مرجع را انتخاب کردهاید، میتوانید ویدیو را تماشا کنید تا درباره نحوه راهاندازی هدست خود برای بهدست آوردن بهترین کیفیت EEG بیاموزید:
خط لوله ERP با EmotivPRO Analyzer
ویدیو را تماشا کنید و مراحل را دنبال کنید تا ERP خودتان را تولید کنید:
درک خروجی ERP از Analyzer
برای هر کانال یک موجنمای میانگینگیریشده خواهید دید. یک ERP هموار معمول با یک قله منفی در ۱۰۰ میلیثانیه در زیر دیده میشود. خط پررنگ دامنه میانگین را نشان میدهد و سایه روشنتر خطای استاندارد میانگین را نشان میدهد:
در اینجا یک موجنمای پرنویز با هیچ مؤلفه ERP روشنی وجود ندارد. این میتواند ناشی از تعداد کم آزمونها باشد:
نکاتی برای در نظر گرفتن
هنگام مقایسه ERPها بین شرکتکنندگان، معمولاً بهتر است اثر تفاوت را مقایسه کنید.
برای مثال، میتوانیم ERP میانگینگیریشده به یک تُن پرتکرارتر (استاندارد) را در مقایسه با تُنهایی که کمتر رخ میدهند (انحرافی/نادر) در یک الگو بررسی کنیم. میتوانیم یک موجنمای تفاضلی را بهسادگی با کم کردن دامنههای یک موج از موج دیگر بهدست آوریم. همانطور که در شکل ۵ میبینیم، سپس میتوانیم یک مؤلفه ERP را مشاهده کنیم که معمولاً به عنوان منفیبودن عدم تطابق (MMN) شناخته میشود و در پژوهش ERP بهطور رایج مطالعه میشود.
شکل ۵ – مؤلفه منفیبودن عدم تطابق را میتوان در ERP زمانی مشاهده کرد که یک الگو در محیط نقض میشود
۵. کاربردهای ERP
شناسایی نشانگرهای زیستی :
یکی از رایجترین کاربردهای ERPها در پژوهشهای بالینی، یافتن روشهای بهتر برای تشخیص اختلالات روانپزشکی مانند اسکیزوفرنی است. افراد مبتلا به اسکیزوفرنی ممکن است بر اساس پاسخ منفیبودن عدم تطابق از افراد سالم متمایز شوند
شکل ۶ – دامنههای منفیبودن عدم تطابق بهطور معنیداری بالاتر از افراد مبتلا به اسکیزوفرنی مزمن، شروعاخیر و نیز افراد در معرض خطرِ ابتلا به این اختلال است (Jashan 2012)
ERP – BCI (رابطهای مغز-رایانه)
ERPها برای فرمانهای ذهنی مختلف یا محرکهای دیداری (مانند حروف روی صفحهکلید) میتوانند برای حرکت دادن ویلچرها یا راهاندازی هجیکنندههای BCI استفاده شوند
۶. منابع
راهنماهای Emotiv
مطالعه پیشنهادی
Luck, S.J., 2005. ده قانون ساده برای طراحی و تفسیر آزمایشهای ERP. پتانسیلهای وابسته به رویداد: یک راهنمای روشها, 4.
به خواندن ادامه دهید