La densité spectrale de puissance, ou DSP (PSD en anglais), est l'outil qui démêle les signaux EEG et vous indique quelle quantité d'énergie chacune de ces vitesses, ou fréquences, apporte à l'enregistrement global. Une fois que vous savez lire un graphique de DSP, vous lisez une sorte de partition rythmique du cerveau, un graphique qui montre quels tempos dominent et lesquels s'effacent à l'arrière-plan.
Qu'est-ce que la densité spectrale de puissance en EEG ?
Considérez le tracé EEG brut comme un accord joué par un orchestre où chaque instrument représente une fréquence différente d'onde cérébrale. Il est impossible de déterminer à l'oreille seule la contribution de chaque instrument.
La DSP résout ce problème en calculant l'amplitude au carré du signal à chaque fréquence et en faisant la moyenne de cette mesure sur une durée d'enregistrement donnée. Le résultat est une courbe présentant la fréquence sur un axe et la puissance sur l'autre, montrant exactement comment l'activité électrique du cerveau est répartie entre rythmes lents et rapides.
La DSP compresse toute une période d'enregistrement en une seule courbe ; elle vous informe donc sur l'équilibre global des fréquences pendant cette fenêtre plutôt que de suivre la façon dont la composition évolue de seconde en seconde. C'est essentiel dans la mesure où l'état cérébral d'une personne peut changer rapidement, mais un tracé de DSP standard fait la moyenne de ces variations.
Les chercheurs comparant les casques EEG grand public et de qualité médicale ont utilisé une méthode de calcul spécifique pour cette moyenne, appelée périodogramme modifié de Welch, qui divise l'enregistrement en segments se chevauchant et fait la moyenne de leurs spectres pour produire une estimation de la DSP plus nette et moins bruitée.
Ce type d'étape de traitement du signal est une pratique standard pour produire une courbe de DSP qui reflète l'activité cérébrale sous-jacente plutôt que des fluctuations aléatoires.
Calculer la densité spectrale de puissance étape par étape
Le calcul de la DSP implique généralement une séquence de décisions relatives à la qualité et au traitement du signal plutôt qu'une commande unique. L'enregistrement est d'abord vérifié pour détecter les données manquantes, les canaux inappropriés et les artefacts importants. Les analystes sélectionnent ensuite des segments, suppriment ou modélisent les tendances lentes lorsque cela est approprié, appliquent une fenêtre, transforment les données dans le domaine fréquentiel et mettent le résultat à l'échelle.
Le spectre obtenu doit être inspecté parallèlement à la série temporelle d'origine et, le cas échéant, aux annotations concernant les mouvements, les perturbations d'électrodes, l'activité oculaire, l'activité musculaire ou les événements expérimentaux. Cette comparaison permet de distinguer un schéma rythmique authentique d'une perturbation transitoire qui se trouve produire de la puissance spectrale.
Un flux de travail pratique peut être organisé selon les étapes suivantes :
Vérifier le taux d'échantillonnage, les étiquettes des canaux, la référence et la durée d'enregistrement.
Identifier les époques utilisables et traiter les artefacts ou les segments rejetés.
Choisir la longueur des segments, le chevauchement, le fenêtrage et la plage de fréquences.
Estimer et mettre à l'échelle la DSP, puis inspecter les pics et la puissance par bande.
Documenter les paramètres afin que le résultat puisse être reproduit et comparé.
Ces étapes rendent le calcul traçable. Elles évitent également qu'un spectre visuellement attrayant soit considéré comme indépendant des choix de prétraitement et d'estimation qui l'ont produit.
Méthodes courantes : le périodogramme et la méthode de Welch
Un périodogramme calcule la magnitude au carré de la transformée de Fourier pour un segment sélectionné. Il est simple et peut fournir une résolution fréquentielle nominale fine lorsque le segment est long, mais son estimation peut fluctuer considérablement d'un intervalle de fréquence à l'autre. Cette variabilité est particulièrement pertinente pour les enregistrements biologiques bruités.
La méthode de Welch divise le signal en segments qui se chevauchent, applique une fenêtre à chaque segment, calcule un périodogramme pour chacun d'eux et fait la moyenne des résultats. La moyenne produit généralement une estimation plus lisse et de variance plus faible, tandis que les segments plus courts peuvent réduire la résolution fréquentielle. Le meilleur compromis dépend de la priorité de l'analyse : pics étroits, bandes larges ou activité moyenne stable.
La différence n'est pas simplement cosmétique. Un spectre plus lisse peut faciliter la comparaison de schémas généraux, mais un moyennage excessif risque de masquer des changements éphémères ou étroitement localisés. Pour un EEG variant dans le temps, une approche temps-fréquence peut être plus appropriée qu'une DSP unique sur l'ensemble de l'enregistrement.
À quoi ressemble le spectre EEG d'un état de repos sain
Si vous installez un adulte en bonne santé, lui demandez de se détendre et que vous enregistrez son EEG, la courbe de DSP obtenue présente une forme reconnaissable. La puissance est maximale aux fréquences les plus basses et diminue régulièrement à mesure que la fréquence augmente, produisant ce déclin de type 1/f.
Cette courbe descendante reflète la composante apériodique décrite ci-dessus, et sa pente est résumée par un nombre unique appelé exposant spectral, parfois noté β. Un déclin plus marqué correspond à un exposant négatif plus grand ; un déclin plus plat signifie que la puissance est plus uniformément répartie entre les fréquences.
Superposé à ce déclin de fond, un cerveau au repos avec les yeux fermés produit généralement une bosse visible autour de 8 à 12 Hz, le pic alpha. Cette bosse est généralement plus prononcée à l'arrière de la tête. Ouvrez les yeux de cette même personne, et ce pic alpha diminue nettement.
Une comparaison directe réalisée par Ratti et al. entre des systèmes EEG de qualité médicale et des bandeaux grand public a enregistré exactement ce schéma : sur tous les systèmes testés, la signature rythmique la plus importante dans les données était un rythme alpha postérieur qui réagissait de manière prévisible aux conditions yeux fermés versus yeux ouverts.
Cette même comparaison posait également une question plus pratique : si vous enregistrez la même personne deux fois, lors de deux visites distinctes, la courbe de DSP a-t-elle le même aspect ?
La réponse dépendait fortement de la qualité de l'équipement. Les systèmes de qualité médicale ont produit des DSP sur l'électrode Fp1 (Fp1 est située sur le front et était la seule électrode commune aux quatre systèmes testés) qui étaient cohérentes d'une visite à l'autre, tandis qu'un système grand public a montré la variation relative la plus élevée entre les sessions de test et de retest. Cela nous montre qu'une courbe de DSP bien définie n'est pas seulement une propriété du cerveau, mais dépend également du soin apporté à la capture du signal.
Comment l'anesthésie modifie la signature spectrale du cerveau
La DSP statique devient particulièrement informative lorsque l'état du cerveau change radicalement, et aucun exemple n'est plus direct que l'anesthésie. Une étude de 2019 menée par Colombo et al. a enregistré l'EEG au repos chez des volontaires sains avant et pendant une anesthésie avec trois agents différents : le xénon, le propofol et la kétamine.
Après chaque séance, les chercheurs ont demandé si la personne avait le moindre souvenir d'une expérience consciente pendant la période de non-réponse, distinguant ainsi les états où la conscience était rapportée des états où elle semblait absente ou inaccessible au rappel.
L'exposant spectral a suivi de près cette distinction. Le xénon et le propofol, tous deux associés à une perte d'expérience consciente, ont entraîné une diminution substantielle de l'exposant spectral négatif chez chaque sujet, ce qui signifie que la courbe de DSP est devenue nettement plus raide. Cette accentuation de la pente sur la large plage de 1 à 40 Hz semble être un indice de l'absence d'expérience consciente plutôt que d'une simple absence de réponse.
La kétamine a montré une situation différente. Même si les sujets ne répondaient pas sur le plan comportemental sous kétamine, ils conservent généralement une certaine expérience consciente, et la décroissance globale de la DSP ressemblait à celle de l'éveil normal. La seule exception était un aplatissement de la courbe spécifiquement dans la plage de 20 à 40 Hz, un détail qui concorde avec le mécanisme d'action distinct de la kétamine par rapport aux deux autres agents.
L'élément de preuve le plus convaincant était peut-être une corrélation entre cet exposant spectral et une mesure distincte et indépendante appelée indice de complexité perturbationnelle (PCI), générée par une technique différente qui stimule le cerveau et mesure la complexité de la réponse obtenue. La forte corrélation entre ces deux mesures très différentes soutient l'idée que l'exposant spectral n'est pas une configuration fortuite, mais un véritable marqueur lié à la présence même de la conscience.
Comment le TDAH modifie le spectre de puissance de l'EEG
Le même déclin apériodique qui se modifie sous anesthésie semble également différer chez les enfants atteints de TDAH. Une étude sur des enfants âgés de 3 à 7 ans, comparant ceux atteints de TDAH à des pairs au développement typique, a mesuré la pente spectrale et le décalage (la hauteur de la courbe apériodique) aux côtés de mesures plus traditionnelles telles que la fréquence du pic alpha et les ratios de puissance de bande.
Les enfants atteints de TDAH n'ayant jamais reçu de traitement médicamenteux présentaient une puissance alpha plus élevée, des décalages apériodiques plus importants et des pentes spectrales plus raides par rapport aux enfants au développement typique. Ce schéma d'accentuation de la pente mérite qu'on s'y attarde, car il fait écho à la même direction de changement observée dans l'étude sur l'anesthésie, même si les deux conditions ne sont évidemment pas comparables en gravité ou en mécanisme.
La pente spectrale était également corrélée au ratio thêta/bêta traditionnel utilisé dans la recherche sur le TDAH depuis des années, ce qui suggère que la pente capture des informations convergentes tout en offrant potentiellement un marqueur plus net et plus complet.
Un détail supplémentaire vient renforcer cette découverte. Les enfants atteints de TDAH traités par des médicaments stimulants, même après une période de sevrage thérapeutique de 24 heures durant laquelle les effets actifs du médicament auraient dû s'estomper, présentaient des pentes et des décalages comparables à ceux du groupe au développement typique.
Cela soulève la possibilité que le schéma spectral modifié dans le TDAH ne soit pas figé, bien que l'étude présente cela comme une piste plutôt que comme un effet de traitement confirmé. Étant donné que la pente spectrale a également été liée dans des recherches antérieures au fonctionnement exécutif et à l'équilibre entre l'activité cérébrale excitatrice et inhibitrice, les auteurs suggèrent que la pente modifiée pourrait refléter un aspect significatif de la condition sous-jacente plutôt qu'un artefact statistique du calcul du ratio thêta/bêta.
Groupe | Pente spectrale | Puissance alpha | Décalage (Offset) |
|---|---|---|---|
Développement typique | Pente normale | Puissance normale | Décalage normal |
TDAH, sans médication | Pente plus raide | Puissance plus élevée | Décalage plus grand |
TDAH, traité par stimulant | Similaire au typique | Non rapporté | Similaire au typique |
Utilisation de la densité spectrale de puissance pour classifier les crises d'épilepsie
La conscience et l'attention ne sont pas les seuls domaines où une DSP statique s'avère utile. La classification de l'épilepsie offre un exemple informatique plus automatisé.
Une approche a converti des enregistrements EEG épileptiques en ce que les chercheurs ont appelé des diagrammes d'énergie de densité de spectre de puissance, essentiellement des représentations visuelles de la DSP, puis a transmis ces images à un réseau de neurones convolutif profond, un type de modèle d'apprentissage automatique bien adapté à la reconnaissance de motifs dans des données de type image.
Le modèle a été entraîné pour classer les segments d'EEG en quatre catégories :
Intercritique (entre les crises)
Deux fenêtres pré-critiques différentes (30 minutes et 10 minutes avant le début d'une crise)
L'état de crise lui-même
En utilisant un ensemble de données publiques sur l'épilepsie, cette méthode a atteint une précision de classification moyenne supérieure à 90 % pour l'ensemble des quatre catégories. Ce résultat confirme que la forme générale de la DSP statique contient suffisamment d'informations distinctives pour qu'un algorithme puisse différencier de manière fiable ces états cérébraux cliniquement importants, sans avoir besoin de suivre les changements du signal instant par instant.
Applications de recherche de la densité spectrale de puissance
La forme de la courbe de densité spectrale de puissance a été utilisée pour étudier un large éventail d'états cérébraux, du déclin cognitif à la méditation concentrée. Les études suivantes ont utilisé la technologie Emotiv pour capturer ces signatures spectrales.
Différencier le déclin cognitif grâce à la DSP au repos
Une étude de l'EEG au repos a examiné si la densité spectrale de puissance pouvait distinguer les individus sains de ceux présentant des troubles cognitifs. À l'aide d'un headset Emotiv Epoc X à 14 canaux, les chercheurs ont analysé la DSP pendant un état de repos de deux minutes avec les yeux fermés chez des témoins sains, des personnes atteintes de troubles cognitifs légers (MCI) et des patients atteints de démence.
Les auteurs rapportent que l'EEG a efficacement différencié les patients atteints de démence des témoins sains, mais n'a pas montré de différences significatives entre le groupe MCI et le groupe sain. Cela suggère que si la DSP statique est prometteuse pour identifier le déclin cognitif avancé, elle présente des limites pour la détection précoce, comme le souligne l'étude sur les troubles cognitifs.
Comparaison des électrodes humides et sèches pour la mesure de la DSP
Le type d'électrode utilisé pour capturer l'EEG peut influencer la densité spectrale de puissance obtenue. Une recherche a comparé directement la DSP obtenue à partir d'électrodes humides et sèches à l'aide de deux appareils Emotiv : l'Epoc X (humide) et l'Insight (sec). Des enregistrements ont été effectués à partir d'électrodes temporales et frontales antérieures avant et après une tâche de stimulation audio.
La comparaison des types d'électrodes a observé que le pourcentage de diminution de la DSP après la stimulation était plus élevé pour les électrodes humides que pour les électrodes sèches, mettant en évidence une considération pratique pour les chercheurs concevant un protocole basé sur la DSP.
Changements de DSP pendant la récitation de mantras
La densité spectrale de puissance a également été utilisée pour étudier l'activité cérébrale lors de pratiques méditatives. Une étude menée auprès de pratiquants expérimentés a examiné l'effet de la récitation du mantra « OM » sur l'EEG, enregistré avec un appareil Emotiv Flex à 32 canaux.
Les auteurs ont calculé la DSP à l'aide de la méthode de Welch et ont constaté des augmentations significatives de puissance dans plusieurs bandes de fréquences pendant la récitation, notamment alpha, gamma, bêta et delta. Les recherches sur la récitation de mantras rapportent que ces changements de DSP suggèrent un état de relaxation et de concentration plus profond pendant la pratique.
Effet de la caféine sur le spectre de puissance EEG
L'impact d'un stimulant courant sur le profil spectral du cerveau a été capturé dans une étude pilote utilisant le système Emotiv Flex. Les chercheurs ont enregistré l'EEG à partir d'électrodes centrales avant et après la consommation par les participants d'une dose modérée de caféine. L'analyse de la densité spectrale de puissance a révélé une augmentation significative de la suppression absolue de la puissance alpha et une augmentation de la puissance bêta.
Les auteurs de l'étude pilote sur la caféine rapportent que ces modifications de la DSP, confirmées comme étant de véritables décalages oscillatoires, indiquent une augmentation de l'éveil cortical détectable à l'aide de capteurs portables.
Ensemble, ces études illustrent la polyvalence de la densité spectrale de puissance en tant qu'outil pour capturer les changements d'activité cérébrale liés à la cognition, à l'éveil et à l'attention focalisée. Bien que les résultats mettent en évidence des schémas spectraux cohérents dans des états distincts, ils sont tirés de populations d'échantillons spécifiques, souvent réduites, et de conditions contrôlées. La recherche n'établit pas que la DSP puisse à elle seule diagnostiquer une affection ou prédire l'état d'un individu, mais elle suggère que la mesure est sensible à une série de changements neuronaux significatifs.
Pièges courants lors de l'interprétation de la DSP
Une courbe de DSP n'est fiable qu'à la hauteur de l'enregistrement dont elle est issue, et plusieurs problèmes pratiques peuvent déformer la forme de cette courbe sans aucun rapport avec la fonction cérébrale sous-jacente.
Les artefacts constituent la préoccupation la plus immédiate. Les clignements d'yeux et les mouvements musculaires génèrent leurs propres signaux électriques qui sont captés par les électrodes du cuir chevelu, en particulier sur les sites frontaux.
La comparaison entre systèmes EEG grand public et de qualité médicale a révélé que les appareils grand public étaient plus sujets à ce type de contamination, et un bandeau grand public en particulier a montré une augmentation de puissance à large bande sur l'ensemble du spectre, une signature correspondant à des artefacts musculaires et de clignement plutôt qu'à un véritable rythme neuronal. Ainsi, un nettoyage minutieux des données et la sélection de segments à faible artefact avant de calculer une DSP est une étape nécessaire, et non facultative.
La conduction de volume est une autre limite largement discutée dans la recherche en EEG en général : parce que les champs électriques se propagent à travers les tissus et le crâne avant d'atteindre le cuir chevelu, une source unique d'activité dans le cerveau peut s'enregistrer simultanément sur plusieurs électrodes voisines, brouillant la précision spatiale de toute lecture de DSP donnée.
Le choix de la référence présente une situation similaire. L'EEG est par nature une mesure différentielle, ce qui signifie que le signal de chaque électrode est calculé par rapport à un certain point de référence, qu'il s'agisse d'une moyenne de toutes les électrodes, d'un os mastoïde derrière l'oreille ou d'un emplacement central sur le cuir chevelu comme Cz. Changer ce point de référence peut redistribuer la puissance entre les canaux et modifier la forme absolue d'une courbe de DSP.
Par conséquent, savoir quelle référence a été utilisée est souvent une information standard à vérifier lors de la comparaison des résultats de DSP entre différents articles ou ensembles de données.
Enfin, il y a la fiabilité test-retest. Même en maintenant le sujet et l'équipement constants, des enregistrements répétés lors de visites distinctes peuvent présenter une certaine variation naturelle de la courbe de DSP.
Les systèmes de qualité médicale ont produit des DSP de Fp1 plus cohérentes sur deux visites, tandis que le système grand public testé a montré la variation relative la plus importante. Il s'agit d'une mise en garde pratique contre une surinterprétation des petites différences de DSP observées chez un sujet unique, en particulier lorsque l'équipement ou le protocole d'enregistrement ne sont pas rigoureusement contrôlés.
Outils et logiciels pour calculer la densité spectrale de puissance
La DSP peut être calculée avec des bibliothèques de programmation scientifique, des progiciels d'analyse EEG dédiés ou des logiciels généraux de traitement du signal. Les exigences essentielles sont l'accès aux données échantillonnées et un contrôle transparent sur le taux d'échantillonnage, la segmentation, le fenêtrage, la suppression de tendance, le chevauchement, la mise à l'échelle et les limites de fréquence. Une sortie graphique seule ne suffit pas pour établir la façon dont l'estimation a été produite.
Une mise en œuvre reproductible enregistre les paramètres de prétraitement et d'estimation aux côtés du spectre. Elle préserve également la référence des canaux, les unités, les époques rejetées et toutes les transformations appliquées avant le calcul. Ces détails sont particulièrement importants lorsque les résultats sont utilisés dans une comparaison de groupe ou combinés entre plusieurs sessions d'enregistrement.
Les résultats sont plus faciles à auditer lorsque le flux de travail produit à la fois des tableaux numériques et des graphiques de diagnostic. Les vérifications utiles comprennent la forme d'onde d'origine, les intervalles marqués par des artefacts, la plage de fréquences sélectionnée et une comparaison des estimations selon différents choix de segments raisonnables. De telles vérifications ne rendent pas l'interprétation automatique, mais elles facilitent la détection des hypothèses implicites.
Conclusion
Le tracé de densité spectrale de puissance agit comme une partition rythmique pour le cerveau, et la pente de son déclin d'arrière-plan apparaît comme un marqueur remarquablement cohérent à travers des états mentaux très différents.
Qu'une personne perde conscience sous certains anesthésiques, qu'un enfant présente des difficultés d'attention liées au TDAH ou qu'une crise commence, cette forme générale évolue de manière prévisible, reliant ces conditions par une signature mesurable commune. Ce schéma suggère que le profil électrique de repos du cerveau contient des indices significatifs et transversaux sur son état fonctionnel, et pas seulement des pics isolés à des fréquences spécifiques.
Bien que la DSP ne donne qu'une moyenne statique sur une fenêtre d'enregistrement, sa capacité à distinguer de manière fiable les périodes conscientes des périodes inconscientes ou à permettre à des algorithmes de repérer les crises avec une grande précision démontre sa valeur pratique en neurosciences. Ces corrélations ne prouvent pas ce qui cause ces états, mais elles offrent un résumé accessible en un seul chiffre — la pente de la courbe — qui peut aider à évaluer la conscience, les différences d'attention ou le risque de crise.
Pour les chercheurs et les cliniciens, cette mesure simple offre un point d'entrée puissant dans la dynamique cérébrale, faisant le pont entre des rythmes abstraits et des différences concrètes.
Références
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
Foire aux questions
Qu'est-ce que la densité spectrale de puissance (DSP) en EEG ?
La DSP est une méthode qui calcule l'amplitude au carré des signaux EEG à chaque fréquence et en fait la moyenne sur une période d'enregistrement. La courbe résultante montre comment l'énergie est répartie entre les rythmes cérébraux lents et rapides, décomposant ainsi le tracé brut complexe.
À quoi ressemble une courbe de DSP saine à l'état de repos ?
La puissance est maximale aux basses fréquences et diminue régulièrement avec la fréquence, créant un fond de type 1/f. Un pic alpha visible autour de 8 à 12 Hz apparaît généralement à l'arrière de la tête lorsque les yeux sont fermés et diminue lorsque les yeux s'ouvrent.
En quoi la composante apériodique diffère-t-elle des pics oscillatoires ?
La composante apériodique, ou de type 1/f, correspond à la diminution régulière de la puissance à mesure que la fréquence augmente, sans former de bosses distinctes. Les pics oscillatoires, tels que le rythme alpha, s'élèvent au-dessus de ce fond à des fréquences spécifiques et portent des informations différentes sur le fonctionnement cérébral.
Comment l'anesthésie modifie-t-elle la signature spectrale du cerveau ?
Des agents comme le xénon et le propofol, qui entraînent une perte d'expérience consciente, provoquent une accentuation de la pente de la courbe de DSP entre 1 et 40 Hz. La kétamine, qui préserve l'expérience consciente malgré l'absence de réponse, montre une courbe similaire à celle de l'éveil, à l'exception d'un aplatissement dans la plage de 20 à 40 Hz.
Quelles différences de DSP observe-t-on chez les enfants atteints de TDAH ?
Les enfants atteints de TDAH présentent une puissance alpha plus élevée, des décalages apériodiques plus grands et des pentes spectrales plus raides par rapport à leurs pairs au développement typique. Après un traitement par stimulants, même après une période de sevrage, les pentes et les décalages peuvent ressembler à ceux du groupe au développement typique.
Comment la DSP peut-elle classifier les états de crise d'épilepsie ?
Une courbe de DSP statique peut être convertie en image et fournie à un réseau neuronal profond pour distinguer les états intercritique, pré-critique et de crise. Cette approche a permis d'obtenir une grande précision de classification dans au moins une étude, confirmant que la forme spectrale globale contient suffisamment d'informations distinctives.
Pourquoi la DSP est-elle considérée comme un instantané statique ?
La DSP compresse toute une période d'enregistrement en une seule courbe, en faisant la moyenne des changements survenant seconde par seconde. Elle révèle l'équilibre global des fréquences pendant cette fenêtre plutôt que de suivre l'évolution de la composition au fil du temps.
Quels sont les pièges courants lors de l'interprétation de la DSP ?
Les artefacts musculaires et oculaires peuvent contaminer le signal et fausser la courbe, en particulier dans les appareils grand public. La conduction de volume et le choix de la référence influencent également la forme de la DSP, et même avec un équipement stable, la variation naturelle test-retest signifie que de petites différences peuvent ne pas être significatives.
Quelle est la différence entre la DSP et un spectre d'amplitude ?
La DSP représente l'amplitude au carré par fréquence et est adaptée au calcul de la puissance, tandis qu'un spectre d'amplitude représente la magnitude des composantes fréquentielles et utilise des unités différentes.
Un pic de DSP plus grand indique-t-il toujours une activité cérébrale plus forte ?
Non. Un pic plus grand peut refléter des artefacts, des effets de référence, des conditions d'enregistrement ou des paramètres d'analyse, tout autant qu'une activité physiologique.
Emotiv est un leader des neurotechnologies qui aide à faire progresser la recherche en neurosciences grâce à des outils d'EEG et de données cérébrales accessibles.
Avis de non-responsabilité médicale : Les informations fournies sur ce site Web sont uniquement destinées à des fins éducatives et informatives et ne constituent pas des conseils médicaux ou de santé. Ce contenu peut contenir des erreurs et ne doit pas être utilisé pour prendre des décisions importantes en matière de santé, de médecine ou de mode de vie. Demandez toujours l'avis de votre médecin ou d'un autre professionnel de la santé qualifié pour toute question concernant une condition médicale ou un traitement.
Christian Burgos
