موضوعات دیگر را جستجو کنید…

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

قشر مغز با فعالیت الکتریکی ریتمیک زمزمه می‌کند که روی پوست سر به عنوان الکتروانسفالوگرام (EEG) قابل اندازه‌گیری است. در میان این نوسانات، امواج گاما با سریع‌ترین فرکانس شلیک، یعنی تقریباً 30 تا 100 چرخه در ثانیه، برجسته هستند. ریتم‌های گاما منعکس‌کننده همگام‌سازی گذرا و با زمان‌بندی دقیق در میان هزاران نورون در شبکه‌های توزیع‌شده هستند و سازوکاری را فراهم می‌کنند که مغز از آن برای پیوند دادن جزئیات حسی به ادراک‌های یکپارچه و نگهداری اطلاعات در ذهن استفاده می‌کند.

مجموعه وسیعی از تحقیقات، فعالیت همگام‌سازی‌شده گاما را به عملکردهای شناختی مانند توجه، حافظه و پردازش آگاهانه مرتبط می‌سازد. این مقاله به بررسی مولدهای فیزیولوژیکی نوسانات گاما، نحوه تفسیر قدرت گاما در طیف EEG و چرایی اهمیت فزاینده اختلالات در همگامی باند گاما برای درک شرایط عصبی و روان‌پزشکی می‌پردازد.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

امواج گاما چیستند؟

امواج گاما الگوهای ریتمیکی در فعالیت‌های عصبی هستند که در فرکانس‌های نسبتاً بالا رخ می‌دهند. آن‌ها به جای منعکس کردن یک فکر، احساس یا حالت ذهنی خاص، زمان‌بندی فعالیت الکتریکی را در گروه‌هایی از نورون‌ها نشان می‌دهند.

پژوهشگران آن‌ها را در رابطه با ادراک، توجه، حافظه و ارتباط بین مناطق مغزی مطالعه می‌کنند. این اصطلاح مفید است، اما نباید به عنوان یک برچسب ساده برای هوش برتر یا هوشیاری مطلق در نظر گرفته شود.

ویژگی‌های امواج گاما

فعالیت گاما معمولاً با نوسانات سریع توصیف می‌شود، اما دامنه، زمان‌بندی و موقعیت مکانی آن به اندازه فرکانس اسمی‌اش اهمیت دارد. یک انفجار کوتاه در طول یک تکلیف ادراکی ممکن است معنای متفاوتی با فعالیت طولانی‌مدت با فرکانس بالا که در زمان بیداری ثبت می‌شود، داشته باشد. بنابراین پژوهشگران بررسی می‌کنند که آیا قدرت گاما تغییر می‌کند، آیا فعالیت در سراسر مناطق همگام‌سازی شده است و آیا الگو با یک رویداد هم‌زمان شده است یا خیر.

سیگنال همچنین می‌تواند در معرض آلودگی ناشی از فعالیت‌های عضلانی، حرکت و نویز الکتریکی قرار گیرد. این امر به‌ویژه برای ثبت‌های پوست سر مطرح است، جایی که برخی فعالیت‌های با فرکانس بالا ممکن است بازتابی از منابع غیرعصبی باشند.

چگونه فعالیت مغزی امواج گاما اندازه‌گیری می‌شود

فعالیت گاما را می‌توان با چندین روش اندازه‌گیری کرد که هر کدام تعادل متفاوتی از زمان‌بندی، اطلاعات فضایی و حساسیت به آرتیفکت‌ها را ارائه می‌دهند.

دستگاه ثبت EEG تغییرات ولتاژ مرتبط با فعالیت عصبی همگام‌سازی شده را ثبت می‌کند و وضوح زمانی در مقیاس میلی‌ثانیه ارائه می‌دهد. مگنتوانسفالوگرافی یا MEG، میدان‌های مغناطیسی تولید شده توسط جریان‌های عصبی را ثبت می‌کند و نمای غیرتهاجمی دیگری از فعالیت نوسانی ارائه می‌دهد.

تحلیل اغلب با پیش‌پردازش، از جمله حذف یا نشانه‌گذاری حرکت، چشم، عضله و آرتیفکت‌های الکتریکی شروع می‌شود. پژوهشگران ممکن است سپس قدرت طیفی، همگام‌سازی فاز، تغییرات مرتبط با رویداد یا بازنمایی‌های زمان-فرکانس را محاسبه کنند. انتخاب روش می‌تواند به‌طور قابل‌توجهی بر اینکه آیا یک انفجار کوتاه، ریتم پایدار یا رابطه بین منطقه‌ای شناسایی شود، تأثیر بگذارد.

تفسیر همچنین به محل قرارگیری الکترود، انتخاب مرجع، اندازه نمونه، کنترل‌های آماری و تکلیف انجام شده در حین ثبت بستگی دارد. سیگنال‌های با فرکانس بالا در پوست سر می‌توانند به‌ویژه به فعالیت عضلات صورت و پوست سر حساس باشند.

بنابراین، یک نتیجه‌گیری معتبر، بررسی‌های کیفیت سیگنال را با داده‌های رفتاری یا بالینی ترکیب می‌کند، نه اینکه یک نمودار رنگارنگ را به عنوان تشخیص در نظر بگیرد.

امواج گاما از کجای مغز منشأ می‌گیرند

نوسانات گاما از رفتار هماهنگ مدارهای محلی در قشر مخ ناشی می‌شوند که هم توسط نورون‌ها و هم توسط کلاسی از سلول‌های پشتیبان شکل می‌گیرند که زمانی تصور می‌شد نقشی در پیام‌رسانی سریع ندارند.

ثبت‌های انجام‌شده از تمام لایه‌های قشر بینایی اولیه (V1) در میمون‌ها نشان‌دهنده یک سازمان‌دهی لایه‌ای است. گزارش شده است که امواج گاما در لایه ورودی ۴ شروع می‌شوند و سپس به سمت لایه‌های سطحی به بالا و به سمت لایه‌های عمیق قشر به پایین منتشر می‌شوند. این الگو موازی با جریان اطلاعات حسی از تالاموس به سمت مناطق قشری مرتبه بالاتر است و گاما را مشخصاً به عنوان یک سیگنال پیش‌خور (feedforward) معرفی می‌کند—روش مغز برای فرستادن سریع جزئیات جدید به جلو جهت تحلیل بیشتر.

این منشأ لایه‌ای به ما می‌گوید که گاما یک پدیده مدار محلی است که می‌تواند در لایه‌های یک ستون قشری منتشر شود. با این حال، تولید این ریتم‌های سریع به یک شرکت‌کننده غیرمنتظره بستگی دارد.

در آماده‌سازی‌های برشی هیپوکامپ، مسدود کردن انتخابی آزادسازی مولکول‌های پیام‌رسان از آستروسیت‌ها (سلول‌های گلیال ستاره‌ای شکل که سیناپس‌ها را احاطه کرده‌اند) مدت زمان نوسانات گامای ناشی از مواد شیمیایی را به میزان قابل‌توجهی کوتاه‌تر می‌کند. با تکیه بر این موضوع، یک مدل موش تراریخته با اختلال القایی در آستروسیت‌ها، کاهش چشمگیری در قدرت گامای EEG در مغز بیدار و فعال نشان داد، حتی با وجود اینکه انتقال سیناپسی سنتی نورون به نورون دست‌نخورده باقی مانده بود.

به نظر می‌رسد آستروسیت‌ها مشارکت‌کنندگان ضروری در پویایی‌های سریع شبکه‌ای هستند که گاما را حفظ می‌کنند.

چگونه امواج گاما همگام‌سازی عصبی را هماهنگ می‌کنند

انتشار پیش‌خور امواج گاما به یک منطقه واحد محدود نمی‌شود. ثبت‌های هم‌زمان ذکر شده از V1 و یک منطقه بینایی بالاتر، V4، نشان می‌دهند که امواج گاما در جهت پیش‌خور حرکت می‌کنند: وقتی یک محرک بینایی برای اولین بار به قشر می‌رسد، همگام‌سازی گاما در V1 جلوتر از گاما در V4 قرار گرفته و آن را هدایت می‌کند.

رابطه علیت با تحریک میکروسکوپی V1 و مشاهده اینکه مستقیماً نوسانات گاما را در منطقه پایین‌دستی V4 ایجاد می‌کند، اثبات شد. این رانش جهتی، گاما را به گزینه‌ای برای انتقال سریع جزئیات حسی از مراحل پردازش پایین‌تر به بالاتر تبدیل می‌کند.

اما نوسانات گاما به تنهایی عمل نمی‌کنند. پردازش قشری به‌طور هم‌زمان شامل چندین باند فرکانسی است، که این سوال را مطرح می‌کند که چگونه جریان‌های از نظر طیفی مجزا، یکپارچه می‌شوند.

در یک مطالعه مگنتوانسفالوگرافی روی بزرگسالان سالم در حین انجام محاسبات ذهنی مداوم، پژوهشگران همگام‌سازی فاز بین فرکانسی قوی را میان نوسانات آلفا (حدود ۱۰ هرتز)، بتا (حدود ۲۰ هرتز) و گاما (حدود ۳۰ تا ۴۰ هرتز) یافتند. این تکالیف—که نیاز به نگهداری و جمع کردن اعداد در حافظه فعال داشتند—نه تنها همگام‌سازی کلاسیک درون‌باندی را تقویت کردند، بلکه به‌ویژه جفت‌شدن فاز بین باندهای گاما و آلفا را افزایش دادند.

به‌طور حیاتی، وقتی تکلیف دشوارتر شد (افزایش تعداد موارد ذخیره‌شده)، برجسته‌ترین تقویت در همگام‌سازی دقیقاً بین گاما و آلفا ظاهر شد. این یافته نشان می‌دهد که گاما به عنوان یک گره کلیدی در شبکه‌ای عمل می‌کند که ریتم‌های کندتر و از نظر فضایی گسترده‌تر را به یک لحظه منسجم از شناخت پیوند می‌دهد.

هماهنگی بین فرکانسی یک مکانیسم باورپذیر برای چگونگی یکپارچه‌سازی پردازش ویژگی‌های سریع و محلی (گاما) با فعالیت‌های گسترده‌تر و زمینه‌ساز (آلفا) توسط مغز ارائه می‌دهد.

نقش نوسانات گاما در حافظه فعال و تشخیص

پیوند دادن همگام‌سازی گاما به سیستم‌های حافظه خاص، تصویر کاربردی را دقیق‌تر می‌کند. تکلیف محاسبات ذهنی که در بالا توصیف شد نشان داد که همگام‌سازی باند گاما، به‌ویژه زمانی که با نوسانات آلفا هم‌فاز باشد، با افزایش بار حافظه فعال تقویت می‌شود. همگام‌سازی بین فرکانس‌های گاما و آلفا، تقاضای شناختی مورد نیاز برای نگهداری و دستکاری اطلاعات را در طول چند ثانیه دنبال می‌کند.

شواهد حاصل از یک حوزه حافظه دیگر، یعنی حافظه تشخیص، بیشتر از یک رابطه علّی بین قدرت گاما و رفتار حمایت می‌کند و در اینجا ارتباط آستروسیت تعیین‌کننده می‌شود. همان موش‌های تراریخته که به دلیل بیان توکسین کزاز در آستروسیت‌ها کاهش قدرت گامای قشری را نشان دادند، در تست تشخیص شیء جدید که یک ارزیابی استاندارد برای توانایی تمایز بین موارد آشنا و جدید است نیز ضعیف عمل کردند.

شایان ذکر است که سایر ظرفیت‌های حافظه—حافظه فعال در یک ماز و شرطی‌سازی ترس—بدون تغییر باقی ماندند. این نقص فقط به حافظه تشخیص مربوط می‌شد و زمانی که بیان توکسین سرکوب شد، هم قدرت گاما و هم عملکرد تشخیص شیء جدید بهبود یافتند. این مشاهدات به هم پیوسته به نقش بالقوه نوسانات گاما در مدارهای زمینه‌ساز تشخیص آشنایی اشاره دارند.

به‌طور گسترده‌تر، یک مرور بر همگام‌سازی نوسانی در شبکه‌های قشری، فعالیت باند گاما را در میان ریتم‌های مرتبط با گروه‌بندی ادراکی، انتخاب محرک وابسته به توجه، یکپارچه‌سازی زیرسیستم‌ها، حافظه فعال و هوشیاری فهرست می‌کند. هرگاه هماهنگی بین جمعیت‌های عصبی دور از هم مورد نیاز باشد، به نظر می‌رسد همگام‌سازی گاما به‌طور مداوم ظاهر می‌شود.

حضور آن در تکالیفی از پیوند بینایی گرفته تا جمع ذهنی تاکید می‌کند که گاما به یک حوزه شناختی واحد اختصاص ندارد؛ بلکه یک ابزار زمانی Flex (انعطاف‌پذیر) است که مغز هر زمان به یکپارچه‌سازی سریع اطلاعات نیاز باشد، آن را به کار می‌گیرد.

ناهنجاری‌های گاما به عنوان دریچه‌ای به سوی اختلالات مغزی

از آنجا که همگام‌سازی گاما از عملیات‌های شناختی اصلی پشتیبانی می‌کند، تغییرات در باند گاما می‌تواند نشان‌دهنده آسیب‌شناسی‌های زمینه‌ای باشد.

اسکیزوفرنی یکی از مورد مطالعه‌ترین نمونه‌ها را ارائه می‌دهد. یک مطالعه EEG مرتبط با رویداد، ۲۲ کنترل سالم و ۲۱ بیمار تحت درمان را در طول یک تکلیف ساده شنیداری اودبال (oddball) مقایسه کرد. با استفاده از تحلیل زمان-فرکانس، پژوهشگران قفل فاز باند گاما (۳۶–۵۰ هرتز)—یعنی همسانی زمانی پاسخ‌های عصبی در طول تلاش‌های مختلف—را در ۱۰۰ میلی‌ثانیه اول پس از یک تن صدای استاندارد اندازه‌گیری کردند.

سوژه‌های سالم قفل فاز برجسته‌ای را در الکترودهای پیشانی بین ۲۰ تا ۶۰ میلی‌ثانیه نشان دادند. در گروه اسکیزوفرنی، این همگام‌سازی اولیه برانگیخته گاما به‌طور قابل‌توجهی کاهش یافته بود (P = ۰.۰۳)، که نشان می‌دهد همگام‌سازی اولیه مغز با یک محرک شنیداری در این اختلال مغزی دچار نقص است.

این یافته با مجموعه بزرگ‌تری از کارها همخوانی دارد که نشان می‌دهند اسکیزوفرنی شامل نوسانات و همگام‌سازی‌های عصبی غیرطبیعی، به‌ویژه در باند گاما است و این نوسانات غیرطبیعی با اختلالات و علائم شناختی مرتبط هستند. کاهش قفل فاز گاما ممکن است نشان‌دهنده یک مکانیسم پاتوفیزیولوژیک باشد که به پراکندگی فکر و ادراک که از ویژگی‌های این بیماری است، کمک می‌کند.

اگرچه این مطالعه بر پتانسیل همگام‌سازی گاما به عنوان یک زیست‌نشانگر تأکید می‌کند، اما همچنین هشدار می‌دهد که انتخاب‌های روش‌شناختی از جمله پارامترهای خاص تجزیه زمان-فرکانس می‌توانند به شدت بر نتایج تأثیر بگذارند و مطالعات قبلی همیشه همان نقص را شناسایی نکرده‌اند. با این حال، اجماع در حال ظهور، همگام‌سازی باند گاما را در میان نویدبخش‌ترین سرنخ‌های الکتروفیزیولوژیک برای درک و در نهایت طبقه‌بندی شرایط عصبی-روانی قرار می‌دهد.

چرا امواج گاما برای هماهنگی و سلامت مغز حیاتی هستند

امواج گاما سریع‌ترین ریتم‌های مغز هستند و به عنوان یک سیگنال زمان‌بندی عمل می‌کنند که بخش‌های مجزای اطلاعات را در یک تجربه ذهنی هماهنگ ادغام می‌کند. در اینجا ما نشان می‌دهیم که این ریتم‌ها هم به نورون‌ها و هم به سلول‌های پشتیبان تخصصی وابسته هستند و برای انتقال جزئیات حسی تازه رسیده به جلو جهت پردازش بیشتر، در قشر حرکت می‌کنند. با این حال، گاما به تنهایی کار نمی‌کند؛ هنگامی که تکالیف نیاز به حافظه فعال بیشتری دارند، با ریتم‌های کندتر مانند آلفا قفل می‌شود و نشان می‌دهد که شناخت Flex (انعطاف‌پذیر) بر هماهنگی دقیق بین فرکانسی استوار است.

اختلال در این زمان‌بندی ممکن است نشان‌دهنده بیماری باشد. هنگامی که عملکرد سلول‌های پشتیبان در آزمایش‌ها غیرفعال شد، قدرت گاما کاهش یافت و حافظه تشخیص آسیب دید، در حالی که افراد مبتلا به اسکیزوفرنی پاسخ‌های گامای اولیه ضعیف‌تری به صداهای ساده نشان دادند.

این یافته‌ها از همگام‌سازی گاما به عنوان یک نشانگر بالقوه برای میزان یکپارچه‌سازی اطلاعات در مغز حمایت می‌کنند، نه به عنوان یک علت اثبات شده برای هرگونه بیماری. اندازه‌گیری ریتم‌های گاما در افراد می‌تواند در نهایت به پزشکان در شناسایی و نظارت بر اختلالاتی که در آن‌ها سریع‌ترین پیام‌رسانی مغز از هماهنگی خارج می‌شود، کمک کند.

منابع

  1. Van Kerkoerle, T., Self, M. W., Dagnino, B., Gariel-Mathis, M. A., Poort, J., Van Der Togt, C., & Roelfsema, P. R. (2014). Alpha and gamma oscillations characterize feedback and feedforward processing in monkey visual cortex. Proceedings of the national academy of sciences, 111(40), 14332-14341. https://doi.org/10.1073/pnas.1402773111

  2. Lee, H. S., Ghetti, A., Pinto-Duarte, A., Wang, X., Dziewczapolski, G., Galimi, F., Huitron-Resendiz, S., Piña-Crespo, J. C., Roberts, A. J., Verma, I. M., Sejnowski, T. J., & Heinemann, S. F. (2014). Astrocytes contribute to gamma oscillations and recognition memory. Proceedings of the National Academy of Sciences of the United States of America, 111(32), E3343–E3352. https://doi.org/10.1073/pnas.1410893111

  3. Palva, J. M., Palva, S., & Kaila, K. (2005). Phase synchrony among neuronal oscillations in the human cortex. The Journal of Neuroscience, 25(15), 3962-3972. https://doi.org/10.1523/JNEUROSCI.4250-04.2005

  4. Uhlhaas, P. J., Haenschel, C., Nikolić, D., & Singer, W. (2008). The role of oscillations and synchrony in cortical networks and their putative relevance for the pathophysiology of schizophrenia. Schizophrenia bulletin, 34(5), 927-943. https://doi.org/10.1093/schbul/sbn062

  5. Roach, B. J., & Mathalon, D. H. (2008). Event-related EEG time-frequency analysis: an overview of measures and an analysis of early gamma band phase locking in schizophrenia. Schizophrenia bulletin, 34(5), 907-926. https://doi.org/10.1093/schbul/sbn093

پرسش‌های متداول

امواج گاما چیستند و چرا برای کارکرد مغز مهم هستند؟

امواج گاما سریع‌ترین فعالیت‌های الکتریکی ریتمیک مغز هستند که با استفاده از EEG قابل اندازه‌گیری می‌باشند. آن‌ها همگام‌سازی سریع نورون‌ها را در سراسر شبکه‌ها تسهیل می‌کنند که به پیوند دادن جزئیات حسی در قالب ادراک‌های یکپارچه کمک کرده و از عملکردهای شناختی مانند توجه، حافظه و پردازش هوشیارانه پشتیبانی می‌کند.

امواج گاما در کجای مغز منشأ می‌گیرند و چگونه حرکت می‌کنند؟

امواج گاما در لایه ورودی (لایه ۴) قشر مخ منشأ می‌گیرند و سپس به لایه‌های سطحی و عمیق منتشر می‌شوند. این الگو موازی با جریان اطلاعات حسی است و گاما را به عنوان یک سیگنال پیش‌خور معرفی می‌کند که به سرعت جزئیات جدید را برای تحلیل‌های مرتبه بالاتر به جلو می‌راند.

آستروسیت‌ها چه نقشی در تولید امواج گاما دارند؟

آستروسیت‌ها، سلول‌های گلیال ستاره‌ای شکل که سیناپس‌ها را احاطه کرده‌اند، از مشارکت‌کنندگان ضروری در نوسانات گاما هستند. مسدود کردن پیام‌رسانی آن‌ها نوسانات گاما را کوتاه‌تر می‌کند و ایجاد اختلال در عملکرد آن‌ها قدرت گاما را در مغز کاهش می‌دهد، حتی زمانی که انتقال سنتی نورون به نورون دست‌نخورده باقی بماند.

امواج گاما چگونه با سایر ریتم‌های مغز هماهنگ می‌شوند؟

نوسانات گاما از طریق همگام‌سازی فاز بین فرکانسی با ریتم‌های کندتر مانند آلفا و بتا یکپارچه می‌شوند. این هماهنگی اجازه می‌دهد پردازش ویژگی‌های سریع و محلی در گاما با فعالیت‌های گسترده‌تر و زمینه‌ساز در ریتم‌های کندتر در طول تکالیفی مانند محاسبات ذهنی پیوند یابد.

فعالیت گاما چگونه با حافظه فعال مرتبط است؟

همگام‌سازی باند گاما با افزایش بار حافظه فعال تقویت می‌شود، به‌ویژه زمانی که با نوسانات آلفا هم‌فاز باشد. این همگام‌سازی، تقاضای شناختی مورد نیاز برای نگهداری و دستکاری اطلاعات را در دوره‌های کوتاه دنبال می‌کند.

چه ارتباطی بین قدرت گاما و حافظه تشخیص وجود دارد؟

قدرت گاما برای حافظه تشخیص ضروری به نظر می‌رسد، زیرا کاهش آن از طریق اختلال در عملکرد آستروسیت‌ها به‌طور انتخابی به تشخیص شیء جدید آسیب می‌زند. با بازیابی قدرت گاما، توانایی حافظه تشخیص بهبود می‌یابد، در حالی که سایر انواع حافظه تحت تأثیر قرار نمی‌گیرند.

چرا جهت پیش‌خور امواج گاما اهمیت دارد؟

انتشار پیش‌خور از قشر بینایی اولیه (V1) به منطقه بینایی بالاتر (V4) تایید می‌کند که گاما به عنوان یک مکانیسم انتقال سریع عمل می‌کند. این رانش جهتی از انتقال سریع جزئیات حسی از مراحل پردازش پایین‌تر به بالاتر پشتیبانی کرده و ادراک منسجم را امکان‌پذیر می‌سازد.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

جدول زمانی الکتروانسفالوگرافی (EEG) تحلیلی خود را با آرایه‌های بی‌سیم با تراکم بالا و راه‌اندازی سریع که برای استقرار انعطاف‌پذیر در میدان بهینه‌سازی شده‌اند، شتاب بخشید.

Emotiv یک شرکت پیشرو در فناوری عصبی است که با ابزارهای در دسترس EEG و داده‌های مغزی به پیشبرد پژوهش‌های علوم اعصاب کمک می‌کند.

سلب مسئولیت پزشکی: اطلاعات ارائه شده در این وب‌سایت صرفاً برای اهداف آموزشی و اطلاع‌رسانی است و به عنوان توصیه پزشکی یا بهداشتی در نظر گرفته نشده است. این محتوا ممکن است حاوی خطا باشد و نباید برای تصمیم‌گیری‌های حیاتی در زمینه سلامت، پزشکی یا سبک زندگی به آن استناد کرد. همیشه برای هرگونه سؤال در رابطه با یک شرایط پزشکی یا درمان، از پزشک خود یا سایر ارائه‌دهندگان واجد شرایط مراقبت‌های بهداشتی راهنمایی بخواهید.

کریستین بورگوس

جدیدترین اخبار از ما

باندهای فرکانسی EEG

الکتروانسفالوگرافی (EEG) به یکی از ارکان علوم اعصاب تبدیل شده است و دریچه‌ای در زمان واقعی رو به فعالیت الکتریکی مغز می‌گشاید. پژوهشگران با قرار دادن الکترودها روی پوست سر، مجموع فعالیت الکتریکی جمعیت‌های بزرگی از نورون‌ها را که در قالب یک مسیر ولتاژ پیوسته و آشفته کدگذاری شده است، ثبت می‌کنند.

دانشمندان برای استخراج امضاهای ریتمیک از این سیگنال، از تجزیه‌های ریاضی استفاده می‌کنند که آن را به فرکانس‌های تشکیل‌دهنده‌اش تجزیه می‌کند. این فرآیند منجر به ایجاد باندهای فرکانسی آشنا (دلتا، تتا، آلفا، بتا، گاما) می‌شود که بر ادبیات علمی EEG تسلط دارند.

درک اینکه این باندها چه چیزی را نشان می‌دهند، چگونه تولید می‌شوند، چه چیزی را درباره حالت‌های مغزی آشکار می‌سازند، و کاربرد بالینی آن‌ها در کجا قرار دارد، مستلزم فراتر رفتن از برچسب‌های ساده و ورود به فیزیک و فیزیولوژی پشتیبان آن‌ها است.

مطالب را بخوانید

امواج تتا

امواج تتا که از نظر فنی به عنوان نوسانات الکتریکی ریتمیک در باند فرکانسی 4–8 هرتز تعریف می‌شوند؁ در ثبت‌های الکتروآنسفالوگرافی پوست سر (EEG)؁ EEG داخل جمجمه‌ای و پتانسیل‌های میدانی محلی ظاهر می‌شوند. آن‌ها به‌ویژه در هیپوکامپ برجسته هستند؁ ساختاری که در عمق لوب گیجگاهی قرار دارد و به عنوان یک کانون حیاتی برای حافظه رویدادی و مسیریابی فضایی عمل می‌کند.

این مقاله اصول آن را به‌طور مستقیم مورد بررسی قرار می‌دهد و با استفاده آن از شواهد همگرا حاصل از الکتروفیزیولوژی جوندگان و ثبت‌های داخل جمجمه‌ای انسان؁ به درک این موضوع کمک می‌کند که چگونه تتا؁ فعالیت‌های عصبی زمینه‌ساز شکل‌گیری حافظه؁ بازیابی و مسیریابی را هماهنگ می‌کند.

مطالب را بخوانید

امواج آلفا

برای دهه‌ها، امواج آلفا به اشتباه به عنوان نشانه‌ای از زمان غیرفعال بودن قشر مغز تلقی می‌شدند. هنگامی که یک ثبت الکتروانسفالوگرافی (EEG) فعالیت آلفای قوی را در پشت سر نشان می‌داد، محققان فرض می‌کردند که بخش‌های بینایی مغز به سادگی از مدار خارج شده و در حالتی آرام و بدون تمرکز در حال درجا زدن هستند.

امروزه، نوسانات آلفا بسیار فراتر از یک ریتم استراحت غیرفعال، به عنوان یک فرآیند فعال و مصرف‌کننده انرژی شناخته می‌شوند که مغز برای کنترل جریان اطلاعات حسی از آن استفاده می‌کند. این مقاله شواهدی را بررسی می‌کند که نشان می‌دهد امواج آلفا به عنوان یک دروازه‌بان پویا عمل می‌کنند؛ ورودی‌های نامربوط را سرکوب می‌کنند، زمان‌بندی پنجره‌های ادراکی مغز را تنظیم می‌کنند و تصمیماتی را که درباره آنچه می‌بینیم می‌گیریم، شکل می‌دهند.

مطالب را بخوانید

آنالیز چگالی جریان منبع

تجزیه و تحلیل چگالی منبع جریان (CSD) با بررسی تغییرات فضایی در ولتاژ خارج سلولی، محل ورود یا خروج جریان الکتریکی به بافت عصبی را تخمین می‌زند. این روش می‌تواند تفسیر ثبت‌های EEG و میکروالکترود را دقیق‌تر کند، اما اعتبار آن به هندسه الکترود، کیفیت نمونه‌برداری، انتخاب‌های مرجع و فرضیات مدل بستگی دارد.

مطالب را بخوانید