1. הקדמה

ברוכים הבאים! במדריך זה אנו לומדים על גלי מוח וכיצד נוכל להשתמש בהם כדי להבין את המוח ואת ההתנהגות.

Hans Berger טבע את המונח אלקטרואנצפלוגרם בשנת 1929, כאשר תיאר שינויים בפוטנציאלים חשמליים שנרשמו באמצעות חיישנים שהונחו על ראשו של אדם. הוא זיהה שני סוגים של גלי מוח, שאותם כינה גלי אלפא וגלי בטא פשוט משום שזה היה הסדר שבו רשם אותם. גלים כאלה נרשמו גם ביונקים אחרים, אך Berger תיאר אותם בבני אדם לראשונה!

מאז, שיטת האלקטרואנצפלוגרפיה הפכה לכלי מרכזי במדעי המוח וסייעה לפתח את הבנתנו לגבי גלי מוח (שחוקרים מכנים תנודות עצביות) וסייעה לאפיין מצבים במוח כגון עייפות וערנות.

במדריך קצר זה נסקור את הנושאים הבאים:

• מהן תנודות עצביות?

• כיצד נוכל למדוד תנודות עצביות?

• מה אפשר לעשות עם תנודות עצביות?

• יישום מעשי באמצעות מכשירי Emotiv ותוכנה.

2. מהו EEG?

אלקטרואנצפלוגרפיה (EEG) היא שיטה לא פולשנית ופסיבית למדידת הפעילות החשמלית של המוח שלנו. אלקטרודות/חיישנים/ערוצים ממוקמים על הקרקפת כדי לרשום פעילות חשמלית שנוצרת על ידי אוכלוסיות של תאי מוח, הנקראים נוירונים.

איור 1 – נוירונים מייצרים פעילות חשמלית שניתן לזהות באמצעות מכשיר EEG [Siuly, et al. (2016)].

2.1. מערכות EEG

ישנם מכשירי EEG רבים בשוק שניתן להשתמש בהם כדי לרשום EEG. מכשירי EEG יכולים לנוע בין:

• חיישן יחיד ועד 256 אלקטרודות – מספר גדול יותר של אלקטרודות יניב רזולוציה מרחבית גבוהה יותר של המידע על פני הקרקפת.

• אלקטרודות רטובות או יבשות – אלקטרודות רטובות משתמשות בג'ל אלקטרוליטי או בתמיסת מלח כדי לשפר את המוליכות בין הקרקפת לחיישן. אלקטרודות יבשות יכולות להיות מתכתיות או פולימרים מוליכים, הדורשים מגע ישיר עם הקרקפת.

• אלקטרודה פעילה או פסיבית – מערכות אלקטרודה פסיביות פשוט מוליכות את האות אל המכשיר, שם הוא מוגבר. מערכות אלקטרודה פעילות מגבירות את האות בכל אלקטרודה לפני שהוא מגיע למכשיר לצורך הגברה. הדבר מפחית רעש חשמלי סביבתי באות.

• מכשירים חוטיים או אלחוטיים המשדרים נתונים באמצעות Bluetooth.

איור 2 – מערכת EEG אלחוטית בצפיפות נמוכה.

איור 3 – מערכת EEG חוטית עם אלקטרודות בצפיפות גבוהה.

2.2. מתי להשתמש ב-EEG?

כל שיטת הדמיה מוחית יכולה לסייע לענות על שאלות מחקר שונות.

היתרון הגדול ביותר של EEG הוא שהוא יכול למדוד פעילות עצבית ברזולוציה של אלפיות השנייה, וכך למדוד תהליכים קדם-מודעים.

איור 4 – רזולוציה מרחבית לעומת רזולוציה זמנית של כלי הדמיה מוחית שונים.

הוא מתאים במיוחד לשאלות כגון: “איזה חלק בסרטון שלי משך את תשומת הלב של המשתתפים ביותר?”

EEG רושם פעילות בעיקר מהשכבות החיצוניות של המוח (כלומר, יש לו רזולוציה מרחבית נמוכה). עם חיישן יחיד אי אפשר לזהות את מקור הפעילות. רישום עם מספר גדול של ערוצים יכול לאפשר לשחזר מתמטית את המקור, אך עדיין יש מגבלה בזיהוי מקורות עמוקים. דימות תהודה מגנטית תפקודי (fMRI) מתאים יותר לענות על שאלות כגון: “איזה חלק של המוח קשור לשינויים בתשומת הלב?”

2.3. מחיישן ל-EEG גולמי?

לאחר שמכשיר EEG מורכב על הראש, פעילות המוח נמדדת בחיישן יחיד כהפרש באמפליטודה בין אותו חיישן לבין חיישן ייחוס. ברוב מערכות EEG זה נקרא אלקטרודת common mode sense (CMS). חיישן נוסף, driven right leg (DRL), מסייע להפחית כל הפרעה ב-CMS.

איור 5 – תרשים בלוקים פשוט של העברת אות EEG.

במערכות עם אלקטרודות פעילות ופסיביות כאחד, האות מוגבר ולאחר מכן עובר סינון מעביר-נמוכים. סינון מעביר-נמוכים הוא שלב שמסיר מהאות הפרעות חשמליות אפשריות מהסביבה, למשל מרשת החשמל.

שלבים אלה מתרחשים בחומרה עצמה לפני שניתן לצפות באות ה-EEG הגולמי על מסך המחשב.

2.4. כמה מונחים בסיסיים

כלל שמות תקני 10-20

חיישנים בצד שמאל ממוספרים בדרך כלל במספרים אי-זוגיים וחיישנים בצד ימין בדרך כלל במספרים זוגיים.

הערה 1: אלה הם רק כללי שמות, ומקור מיקום חיישן ה-EEG אינו אינדיקטור למקור הפעילות.

הערה 2: יש לבצע שלבים נוספים, כגון שחזור מתמטי של המקור, כדי לקבוע את מקור הפעילות בערוץ יחיד.

3. מהן תנודות עצביות?

גלי מוח, המכונים לעיתים קרובות תנודות עצביות, הם דפוסים מחזוריים שמיוצרים על ידי נוירון בודד או מקבץ של נוירונים.

עדיין לא ברור מדוע המוח מייצר סוגים שונים אלה של תנודות, אף שיש תיאוריות רבות. חוקרים משתמשים במשימות שונות כדי לאפיין פעילויות תנודתיות אלה ושואפים להבין את מסתורי המוח באמצעות דפוסים מחזוריים אלה.

3.1. כמה מאפיינים של תנודה

איור זה מציג מדידה של אות חשמלי סדיר:

איור 6 – רזולוציה מרחבית לעומת רזולוציה זמנית של כלי הדמיה מוחית שונים.

בצד השמאלי (ציר y) נוכל לשרטט את אמפליטודת הרישום החשמלי ועל הציר האופקי (ציר x) את הזמן. אמפליטודת האות תשתנה בעוצמה באופן סדיר סביב נקודת מרכז. מחזור אחד מכונה גם תנודה.

מספר המחזורים בשנייה נקרא התדירות של הגל והיחידה היא הרץ (Hz). לכן מחזור אחד בשנייה = 1 Hz. אמפליטודות נמדדות בדרך כלל במיקרו-וולט (µV).

במוח אנו רואים גלים בתדירויות הנעות מ-0.2 Hz (גלים איטיים מאוד) ועד 80 Hz או יותר (גלים מהירים מאוד). פעילות בתדירות גבוהה עד 500 Hz, הקשורה להתקפים, יכולה גם היא להירשם במוח.

סוגים שונים של תנודות מוחיות מאופיינים על פי התדירות שלהם. אלה נקראים תחומי תדר ויכולים להיות קשורים למצבי מוח שונים:

איור 7 – גלי מוח ב-EEG טיפוסי.

3.2. מדוע תחומי תדר שונים חשובים?

1. זיהוי דפוסי מוח תקינים לעומת חריגים
   תנודות עצביות חשובות לאיתור התקפים ולאבחון אפילפסיה בנוירולוגיה.

   
   
   

2. ממשקי מוח-מחשב (BCI)
   הכמות של תנודות בטא, גמא ומו משמשת לעיתים קרובות לאימון מכשירים מרוחקים (למשל, להזיז כיסא גלגלים באמצעות מחשבה).

   
   
   

3. נוירופידבק
   זוהי צורה של אימון מוחי שבה ניתן לצפות בגלי המוח שלך (למשל, תנודות גמא) ולעסוק במשימות קוגניטיביות כדי לשפר את כמות תנודות הגמא במוחך.

   
   
   

4. נוירומרקטינג
   ניתן להשתמש בתחומי התדר של אלפא ובטא כדי לקבוע איזה חלק של פרסומת מעורר יותר או פחות עניין.

3.3. סוגי ניתוח נתוני EEG

לרוב חוקרים מבצעים ניתוח או בתחום הזמן או בתחום התדר.

1. ניתוח בתחום הזמן

   בדרך כלל מודד את אמפליטודת המתח בנקודות זמן מעניינות לאחר תחילת גירוי. אלה נקראים פוטנציאלים הקשורים לאירוע (ERPs).

   
   
   

2. ניתוח בתחום התדר

   בדרך כלל מודד את הכמות של תנודות עצביות בתחומי תדר שונים בחלון זמן מוגדר או ביחס לתחילת אירוע.

בהמשך נציג סקירה כללית של ניתוח בתחום התדר.

3.4. עיבוד

לאחר ביצוע רישום EEG, בדרך כלל מנקים את הנתונים לפני שמפיקים מהם משמעות לגבי התנודות.

1. סינון
   טכניקה להסרת רעש סביבתי בתדרים גבוהים ונמוכים מהנתונים.

2. הסרת ארטיפקטים
   תנועה פיזית, מצמוץ עיניים, יכולים כולם לגרום לארטיפקטים גדולים (> 50 µV פסגות ב-EEG). ניתן להסיר אותם כך שלא ישפיעו על התוצאות שלנו. חלק מהחוקרים משתמשים בשיטות מתוחכמות כדי לתקן ארטיפקטים אלה ולשמר את הנתונים.

לאחר עיבוד הנתונים, ניתן כעת להמיר את האות לתחום התדר כך שנוכל לכמת את הכמות של כל סוג של גלי מוח.

איור 8 – ארטיפקט של מצמוץ עיניים ב-EEG גולמי.

3.5. התמרת פורייה מהירה (FFT)

התמרת פורייה היא ההמרה המתמטית של אות ה-EEG מ“תחום הזמן” (תמונה A) ל“תחום התדר” (תמונה B).

בתחום התדר, נוכל לכמת כמה מכל סוג של תנודה היה ברישום שלנו. בדרך כלל זהו ה“הספק” של תחום התדר וניתן להציגו כספקטרום הספק (תמונה B).

איור 9A – EEG גולמי בתחום הזמן.

איור 9B – ספקטרום הספק לאחר FFT (תחום התדר).

3.6. הספק תחום

הספק של תחום תדר (למשל, תחום אלפא) המתקבל מהתמרת פורייה אומר לנו כמה מכל תחום תדר יש. יחידות הספק תחום הן בדרך כלל µV2/Hz. לרוב, אמפליטודה או ספקטרומי הספק מ-FFT מוצגים ביחידה הלוגריתמית דציבלים (dB). דציבל הוא יחידת יחס בין הספק נמדד (P) לבין הספק ייחוס (Pr) כדלקמן:

לאחר שמתקבלת יחידת מדידה זו עבור אירועים מעניינים, ניתן להשוות הספקי תחום כדי להבין השפעות ניסוייות על גלי מוח.

4. מתיאוריה למעשה

כעת נבחן את אפקט דיכוי האלפא.

זוהי תופעה שדווחה לראשונה על ידי Hans Berger, שבה אנו רואים ירידה משמעותית בכמות תנודות האלפא (הספק אלפא) כאשר העיניים של אדם פתוחות בהשוואה למצב שבו הן סגורות.

איור 10 – ניתן לראות עלייה בתנודות אלפא כאשר העיניים פתוחות.

תחילה, באמצעות EmotivPRO Builder בנינו ניסוי פשוט. בניסוי זה המשתתף מתבקש פשוט להשאיר את עיניו פתוחות במשך 2 דקות תוך התמקדות במסך, ולאחר מכן לסגור אותן במשך 2 דקות. הוא ישמע צלצול בסוף 2 הדקות כדי לסמן שעליו לפתוח את עיניו.

תוכלו לעקוב אחר הסרטון שלהלן כדי ליצור ניסוי דיכוי אלפא משלכם, או להפעיל את הניסוי שלנו מהקישור כאן:

4.1. התאמת המכשיר ואיכות ה-EEG

קראו עוד על האופן שבו שער ה-EQ שלנו פועל כאן. מידע נוסף על התאמת המכשיר הספציפית לאוזנייה שלכם תמצאו כאן:

• סוג EPOC

• סוג Insight

4.2. עיבוד והמרת נתוני ה-EEG

כעת, לאחר שיש לכם את הנתונים, תוכלו להמיר אותם לתחום התדר באמצעות Emotiv Analyzer. עקבו אחר השלבים בסרטון.

4.3. פירוש הנתונים

לאחר ש-Analyzer מסיים, הורידו את קובץ ה-zip. עבור כל רשומה יהיה לכם קובץ csv עם הספקי תחום וקובץ תמונה שתוכלו להשתמש בו כדי להריץ ניתוח סטטיסטי משלכם.

איור 11 – הספקי תחום.

בפלט שלנו ניתן לראות את העלייה בהספק אלפא כאשר העיניים היו סגורות (כתום) לעומת כאשר היו פתוחות (כחול).

זהו סוף המדריך שלנו! כעת אתם מצוידים ביסודות 🙂

תוכלו למצוא כמה קישורים לקריאה מתקדמת יותר בסעיף המשאבים.

5. משאבים

קריאה מתקדמת

Donoghue et al. 2022 שיקולים מתודולוגיים לחקר תנודות עצביות

מילון מונחים של EEG

Kane et al. 2017 (כאן)

קוד פתוח

אם אתם מרגישים בנוח עם תכנות בפייתון, העמדנו לרשותכם סקריפטי פייתון שתוכלו להשתמש בהם כדי לקבל ערכי הספק אלפא, המסומנים לפי מקטעי עיניים-פתוחות ועיניים-סגורות. את הקוד ואת קובצי הנתונים לדוגמה של דיכוי אלפא תוכלו למצוא כאן: https://osf.io/9bvgh/

מדריכי EMOTIV

מדריך EmotivPRO Builder
מדריך EmotivPRO
מדריך EmotivPRO Analyzer

7. מקורות

Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. שיקולים מתודולוגיים לחקר תנודות עצביות. 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. מילון מונחים מעודכן של המונחים הנפוצים ביותר בשימוש על ידי אלקטרואנצפלוגרפים קליניים והצעה מעודכנת למבנה הדוח של ממצאי ה-EEG. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002

Siuly, S., Li, Y., Zhang, Y. (2016). אלקטרואנצפלוגרם (EEG) והרקע שלו. In: ניתוח וסיווג אותות EEG. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1