प्रत्येक इलेक्ट्रोएन्सेफलोग्राम, या ईईजी (EEG), एक ही बुनियादी सिद्धांत पर काम करता है: मस्तिष्क के भीतर उत्पन्न होने वाली विद्युत गतिविधि ऊतक, खोपड़ी और त्वचा के माध्यम से बाहर की ओर यात्रा करती है, जहां इसे सिर की सतह पर रखे सेंसर द्वारा रिकॉर्ड किया जा सकता है। उस रीडिंग की सटीकता इस बात पर बहुत अधिक निर्भर करती है कि आप कितने सेंसर का उपयोग करते हैं और उन्हें कहाँ रखते हैं।
10-5 इलेक्ट्रोड प्रणाली उस प्लेसमेंट के प्रश्न का गणितीय सटीकता के साथ उत्तर देने के लिए मौजूद है, जो शोधकर्ताओं और चिकित्सकों को 300 से अधिक संभावित रिकॉर्डिंग स्थानों के साथ एक मानकीकृत मानचित्र प्रदान करती है। यह मूल 10-20 प्रणाली में उपयोग किए जाने वाले 21 स्थानों की तुलना में एक नाटकीय वृद्धि है, जिसने 1950 के दशक से नैदानिक ईईजी (clinical EEG) को आधार प्रदान किया है।
10-5 प्रणाली क्या है?
10-5 प्रणाली इलेक्ट्रोड प्लेसमेंट मानकों के विकासक्रम का तीसरा और सबसे परिष्कृत चरण है। इसकी शुरुआत 10-20 प्रणाली से हुई थी, जो सिर को मापे गए प्रतिशत-आधारित अंतरालों में विभाजित करने के सिद्धांत पर बनी थी, ताकि विभिन्न सिर के आकारों और विभिन्न प्रयोगशालाओं में इलेक्ट्रोड की स्थिति सुसंगत बनी रहे।
जैसे-जैसे EEG अनुसंधान में अधिक सूक्ष्म विवरणों की मांग बढ़ी, विशेष रूप से निकटवर्ती मस्तिष्क क्षेत्रों के बीच अंतर करने जैसे कार्यों के लिए, तब 10-10 प्रणाली का उदय हुआ। इसने मूल 10-20 स्थानों के ठीक बीच में नए बिंदु जोड़कर इलेक्ट्रोड की संख्या को दोगुना कर दिया, जिससे लगभग 74 स्थान प्राप्त हुए।
10-5 प्रणाली उसी विभाजन तर्क को एक कदम और आगे ले जाती है। यह 10-10 अंतरालों को पुनः विभाजित करती है, जिससे खोपड़ी (scalp) पर 300 से अधिक नामांकित स्थान प्राप्त होते हैं।
मुख्य विचार यह है कि मस्तिष्क की विद्युत गतिविधि को बिखरे हुए, दूर-दूर के बिंदुओं पर मापने के बजाय, आप पूरे सिर की सतह पर एक सघन, समान रूप से वितरित ग्रिड का निर्माण करते हैं। यह 10-20 या 10-10 प्रणालियों को प्रतिस्थापित नहीं करता है बल्कि उनका विस्तार करता है।
10-5 EEG प्रणाली के शारीरिक मील के पत्थर (Anatomical Landmarks) और समन्वय गणित
चार मील के पत्थर पूरी प्रणाली को स्थिर करते हैं:
नेज़ियन (Nasion) नाक के ऊपरी हिस्से पर स्थित होता है, जहाँ माथा नाक की हड्डी से मिलता है।
इमियन (Inion) सिर के पिछले हिस्से में, खोपड़ी के आधार पर महसूस होने वाला छोटा हड्डीदार उभार है।
बाएं और दाएं प्रीऑरिकुलर (Preauricular) बिंदु प्रत्येक कान के ठीक सामने, गाल की हड्डी के ऊपर छोटे गड्ढे में स्थित होते हैं।
ये चार बिंदु व्यावहारिक रूप से हर मानव खोपड़ी पर महसूस किए जा सकते हैं, यही कारण है कि इन्हें संपूर्ण मापन प्रणाली के ज्यामितीय आधार के रूप में चुना गया था।
इन मील के पत्थरों से, तकनीशियन मानक मापों का एक सेट लेते हैं:
सैगिटल आर्क (Sagittal arc): सिर के शीर्ष से होते हुए नेज़ियन से इनियन तक मापता है
कोरोनल आर्क (Coronal arc): सिर के मुकुट के पार बाएं और दाएं प्रीऑरिकुलर बिंदुओं के बीच चलता है
सिर की परिधि (Head circumference): चारों प्राथमिक मील के पत्थरों से होकर क्षैतिज रूप से गुजरती है
इलेक्ट्रोड लगाने के लिए प्रत्येक आर्क को प्रतिशत-आधारित खंडों में विभाजित किया जाता है
ये निश्चित माप यह सुनिश्चित करते हैं कि ग्रिड किसी भी सिर के आकार के अनुकूल हो जाए
एक बार जब इन आर्कों को माप लिया जाता है, तो नामकरण का तर्क सरल विभाजन के माध्यम से स्पष्ट हो जाता है। 10-20 प्रणाली प्रत्येक आर्क को कुल आर्क लंबाई के प्रतिशत में मापे गए खंडों में विभाजित करती है, आमतौर पर 10% और 20% के चरणों में, जहाँ से इस प्रणाली को अपना नाम मिला है। इससे क्लासिक 21-इलेक्ट्रोड लेआउट बनता है जो आज भी कई मानक नैदानिक रिकॉर्डिंग में उपयोग किया जाता है। 10-10 प्रणाली उन प्रतिशत अंतरालों में से प्रत्येक को लेती है और उसे आधा कर देती है, जिससे विश्लेषण की स्पष्टता (resolution) लगभग दोगुनी हो जाती है और कुल इलेक्ट्रोड संख्या लगभग 74 हो जाती है।
10-5 प्रणाली विभाजन की इस प्रक्रिया को एक बार फिर दोहराती है, जिससे 10-10 अंतरालों को फिर से आधा कर दिया जाता है। इसका परिणाम एक ग्रिड है जिसमें 300 से अधिक पद हैं, जो एक औसत वयस्क सिर पर लगभग 2 से 3 सेंटीमीटर की दूरी पर स्थित हैं।
नामकरण की यह प्रणाली प्रत्येक इलेक्ट्रोड के लेबल में सीधे स्थिति की जानकारी को कूटबद्ध (encode) करती है। अक्षर मस्तिष्क के अंतर्निहित लोब से मेल खाते हैं: फ्रंटोपोलर के लिए Fp, फ्रंटल के लिए F, सेंट्रल के लिए C, टेम्पोरल के लिए T, पैरिएटल के लिए P, और ओसीसीपिटल के लिए O। संख्याएं, और अधिक सघन 10-5 नामकरण योजना में अतिरिक्त सबस्क्रिप्ट या प्राइम मार्क के साथ, यह दर्शाती हैं कि वह स्थिति मध्य रेखा से आर्क दूरी के अंश के रूप में कितनी दूर है।
कम संख्या वाला इलेक्ट्रोड सिर के केंद्र के करीब स्थित होता है, जबकि अधिक संख्याएं मंदिरों और कानों की ओर बढ़ती हैं। इसका मतलब यह है कि एक बार जब आप कोडिंग के तर्क को समझ जाते हैं, तो किसी आरेख की आवश्यकता के बिना, इलेक्ट्रोड का नाम ही आपको लगभग सटीक रूप से बता देता है कि वह खोपड़ी पर कहाँ स्थित है।
उन्नत स्थानिक नमूनाकरण (Spatial Sampling): अधिक सघनता बेहतर क्यों है
मस्तिष्क की विद्युत तरंगें, जब वे खोपड़ी तक पहुँचती हैं, तो अलग-अलग पैमानों के कई परस्पर जुड़े स्थानिक पैटर्न से मिलकर बने सिग्नल की तरह व्यवहार करती हैं।
कुछ पैटर्न विस्तृत और सुचारू होते हैं, जो सिर के बड़े क्षेत्रों में धीरे-धीरे फैलते हैं। अन्य बहुत अधिक संकीर्ण होते हैं, जो खोपड़ी के एक छोटे हिस्से से दूसरे हिस्से में तेजी से बदलते हैं।
बिना कुछ छोड़े पूरी तस्वीर को कैप्चर करने के लिए, सेंसरों को इन छोटे स्थानिक पैटर्नों का पता लगाने के लिए एक-दूसरे के पर्याप्त करीब रखा जाना चाहिए। यदि सेंसरों के बीच की दूरी बहुत अधिक होगी, तो सूक्ष्म विवरण पूरी तरह से छूट जाएंगे या, इससे भी बदतर, उन्हें गलत रूप से कुछ और समझ लिया जाएगा। सिग्नल प्रोसेसिंग में इस सामान्य सैंपलिंग समस्या को नाइक्विस्ट मानदंड (Nyquist criterion) के रूप में जाना जाता है, और यही वह अंतर्निहित कारण है कि इलेक्ट्रोड घनत्व मायने रखता है।
मानक 10-20 अंतराल इलेक्ट्रोड को एक औसत वयस्क सिर पर लगभग 6 से 7 सेंटीमीटर की दूरी पर रखता है। यह अंतर अंतर्निहित विद्युत क्षेत्र में बेहतर स्थानिक पैटर्नों को धुंधला करने या पूरी तरह से छोड़ने के लिए काफी बड़ा है। 10-5 प्रणाली की 2 से 3 सेंटीमीटर की दूरी उन सूक्ष्म पैटर्नों को हल करने के लिए आवश्यक स्थानिक सैंपलिंग दर के बहुत करीब पहुंच जाती है, जिसे अक्सर स्कैल्प-दर्ज EEG के लिए स्थानिक नाइक्विस्ट सीमा कहा जाता है।
सघन रिक्ति के लाभ का प्रत्यक्ष प्रमाण रॉबिन्सन एट अल. के अध्ययन में देखा जा सकता है जिसमें शोधकर्ताओं द्वारा कहे गए “सुपर-नाइक्विस्ट डेंसिटी” एरेज़ की तुलना मानक “नाइक्विस्ट डेंसिटी” एरेज़ से की गई है।
विजुअल प्रोसेसिंग से जुड़े मस्तिष्क के पिछले और पार्श्व हिस्सों, ओसीसीपिटोटेम्पोरल क्षेत्र पर केवल 14 मिलीमीटर की दूरी पर रखे गए 128 इलेक्ट्रोडों का उपयोग करके, शोधकर्ताओं ने EEG रिकॉर्ड किया, जबकि प्रतिभागियों ने झिलमिलाते चेकरबोर्ड पैटर्न देखे जिन्हें एक स्पष्ट, ट्रैक करने योग्य मस्तिष्क प्रतिक्रिया उत्पन्न करने के लिए डिज़ाइन किया गया था। जब उन्होंने संपूर्ण उच्च-घनत्व वाले एरे की तुलना उन्हीं इलेक्ट्रोडों के विरल उपसमुच्चयों से की, तो सघन एरे ने लगातार विरल एरे से बेहतर प्रदर्शन किया।
लेखकों ने बताया कि “SND EEG ने विजुअल कॉर्टेक्स से अधिक न्यूरल जानकारी कैप्चर की,” और यह कि झिलमिलाते उद्दीपनों को “समय और आवृत्ति दोनों डोमेन में ND एरेज़ की तुलना में SND के साथ अधिक सटीक रूप से वर्गीकृत किया गया था।” सघन रिकॉर्डिंग्स प्राथमिक विजुअल कॉर्टेक्स गतिविधि के कम्प्यूटेशनल मॉडल के साथ विरल रिकॉर्डिंग्स की तुलना में अधिक निकटता से संरेखित थीं।
यह खोज पूरे सिर के बजाय मस्तिष्क के एक क्षेत्र तक सीमित थी, लेकिन यह प्रदर्शित करती है कि इलेक्ट्रोडों की सघन दूरी, सैद्धांतिक रूप से, कॉर्टिकल गतिविधि की उन स्थानिक और लौकिक विशेषताओं को कैप्चर कर सकती है जिन्हें व्यापक दूरी आसानी से हल नहीं कर सकती।
स्रोत स्थानीयकरण (Source Localization) सेंसर घनत्व और कवरेज पर निर्भर करता है
सिग्नल को सघन रूप से रिकॉर्ड करना केवल आधी चुनौती है। चिकित्सक और शोधकर्ता अक्सर स्कैल्प रिकॉर्डिंग से पीछे की ओर काम करके यह अनुमान लगाना चाहते हैं कि मस्तिष्क के अंदर से कोई सिग्नल कहाँ से उत्पन्न हुआ, इस प्रक्रिया को सोर्स लोकलाइजेशन कहा जाता है। इस रिवर्स-इंजीनियरिंग समस्या को हल करना गणितीय रूप से कठिन है, और इसकी सटीकता सीधे तौर पर इस बात पर निर्भर करती है कि इसमें कितना सतह डेटा फीड किया गया है।
विशेष रूप से इस प्रश्न पर केंद्रित एक सिमुलेशन-आधारित अध्ययन ने जांच की कि सेंसर घनत्व और हेड कवरेज सोर्स लोकलाइजेशन अनुमानों की सटीकता को कैसे प्रभावित करते हैं। सिम्युलेटेड डेटा और वास्तविक मिर्गी जैसे EEG रिकॉर्डिंग्स (जिसका अर्थ है दौरे से संबंधित विद्युत डिस्चार्ज से जुड़े मस्तिष्क गतिविधि पैटर्न) दोनों का उपयोग करते हुए, शोधकर्ताओं ने विभिन्न स्रोत गहराइयों में कई सामान्य विलोम मॉडलिंग तकनीकों का परीक्षण किया।
इसके परिणाम प्रत्यक्ष थे: “अधिक सेंसर घनत्व स्रोत स्थानीयकरण की सटीकता में सुधार करता है।”
उतना ही महत्वपूर्ण, अध्ययन में पाया गया कि कवरेज घनत्व से स्वतंत्र रूप से मायने रखता है। निचले सतह (इनफीरियर सरफेस) पर इलेक्ट्रोड नमूने जोड़ने से, जो सिर के निचले हिस्से जैसे कान, कनपटी और खोपड़ी के आधार के पास होते हैं, “सभी गहराइयों पर स्रोत अनुमानों की सटीकता में सुधार होता है,” न कि केवल उस निचले क्षेत्र के निकट स्थित स्रोतों के लिए।
अध्ययन का समग्र निष्कर्ष दोनों निष्कर्षों को एक साथ सुदृढ़ करता है: “सबसे सटीक स्रोत स्थानीयकरण तब प्राप्त होता है जब वोल्टेज सतह को श्रेष्ठ (सुपीरियर) और निम्न (इनफीरियर) दोनों सतहों पर सघन रूप से नमूनों में लिया जाता है।”
यह एक महत्वपूर्ण विवरण है क्योंकि मानक 10-20 कैप सिर के शीर्ष भाग पर कवरेज को केंद्रित करते हैं, जिससे निचले स्कैल्प क्षेत्र अपेक्षाकृत विरल रह जाते हैं। एक पूर्ण 10-5 एरे स्वाभाविक रूप से दोनों आवश्यकताओं को एक साथ पूरा करता है, क्योंकि इसका समन्वय तंत्र निचले सतह की ओर कवरेज का विस्तार करता है और साथ ही बेहतर स्थानीयकरण के लिए आवश्यक घनत्व भी प्रदान करता है।
उच्च-घनत्व EEG के अनुप्रयोग
व्यापक रूप से, उच्च-घनत्व वाले लेआउट को अपनाने से प्रयोगशाला और बेडसाइड दोनों तरह के अवलोकनों की क्षमता बढ़ी है। विद्युत तरंगों के संचरण का सटीक त्रिकोणीयकरण (triangulation) सक्षम करके, ये सिस्टम शोधकर्ताओं को तंत्रिका फायरिंग पैटर्न में तेजी से होने वाले बदलावों को समझने में मदद करते हैं जो संज्ञान (cognition) को परिभाषित करते हैं।
न्यूरोलॉजिकल अनुसंधान और निदान
न्यूरोसाइंस के क्षेत्र में, सटीकता की आवश्यकता अक्सर कार्यप्रणाली को निर्धारित करती है। उच्च-घनत्व वाले एरे संज्ञानात्मक कार्यों के दौरान होने वाले सूक्ष्म स्थलाकृतिक (topographical) परिवर्तनों का पता लगाने की अनुमति देते हैं, जिससे शोधकर्ताओं को यह प्रमाण मिलता है कि विशिष्ट उत्तेजना स्थितियों के तहत तंत्रिका नेटवर्क कैसे व्यवस्थित होते हैं।
ये एरे प्रभावी रूप से विद्युत मार्गों का मानचित्रण करते हैं, जो उन मॉडलों के विकास में सहायता करते हैं जो यह बताते हैं कि कैसे दूरस्थ मस्तिष्क क्षेत्र सिंक्रनाइज़्ड ऑसिलेशन के माध्यम से समन्वय करते हैं।
ब्रेन-कंप्यूटर इंटरफेस (BCIs)
BCI अनुप्रयोगों को कमांड-संचालित विचार पैटर्न के निरंतर और स्थिर पहचान की आवश्यकता होती है। सेंसरों की बढ़ी हुई संख्या का उपयोग करके, BCI डेवलपर्स सामान्यीकृत पृष्ठभूमि हस्तक्षेप से विशिष्ट मोटर-संबंधित सिग्नल घटकों को अलग कर सकते हैं।
सिग्नल आइसोलेशन में इस रिफाइनमेंट से बाहरी प्रोस्थेटिक उपकरणों और डिजिटल संचार उपकरणों में नियंत्रण सटीकता में सुधार होता है, क्योंकि सिस्टम छोटे, अधिक स्थानीयकृत मोटर आशय हस्ताक्षरों को पहचान सकता है।
हाई-डेंसिटी EEG कैप के साथ नैदानिक अनुप्रयोग और निगरानी
नैदानिक सेटिंग्स के भीतर, बेहतर सटीकता के साथ दौरे के फोकस को मापने के लिए उच्च-घनत्व वाले कैप का उपयोग किया जाता है। कुछ मामलों में, चिकित्सकों को रेफरेंशियल मोंटाज EEG दिशानिर्देशों में वर्णित पद्धतियों का उपयोग करके विद्युत अवस्थाओं की स्थिरता का आकलन करना चाहिए।
एक अच्छी तरह से रखा गया उच्च-घनत्व कैप इन रेफरेंशियल सिग्नलों की अधिक बारीक व्याख्या की अनुमति देता है, जिससे चिकित्सकों को फोकल मिर्गी या संज्ञानात्मक प्रसंस्करण विकारों वाले व्यक्तियों में असामान्य गतिविधि के स्रोत को इंगित करने में मदद मिलती है।
न्यूरोसाइंस अध्ययनों के लिए उच्च-घनत्व EEG उपकरणों की तुलना
अध्ययन का संचालन करते समय, अक्सर यह मूल्यांकन करना आवश्यक होता है कि कौन सा सैंपलिंग घनत्व डेटा अधिग्रहण की जटिलता और आवश्यक वैज्ञानिक निष्ठा के बीच सबसे अच्छा संतुलन प्रदान करता है। निम्नलिखित तालिका सामान्य प्रयोगात्मक कॉन्फ़िगरेशन में इलेक्ट्रोड सैंपलिंग घनत्व में सामान्य अंतर को दर्शाती है।
सिस्टम प्रकार | इलेक्ट्रोड संख्या | विशिष्ट स्थानिक संकल्प (Resolution) | इसके लिए श्रेष्ठ उपयोग |
|---|---|---|---|
10-20 मानक | 21-32 | 6-8 cm | नियमित निगरानी |
मिड-रेंज | 64-128 | 3-4 cm | नैदानिक स्क्रीनिंग |
पूर्ण उच्च-घनत्व | 256+ | < 2 cm | स्रोत स्थानीयकरण अनुसंधान |
यह तुलना रेखांकित करती है कि स्थानिक विवरण को प्राथमिकता देने वाले शोधकर्ता जटिल स्थानीयकरण अध्ययनों के लिए अक्सर पूर्ण उच्च-घनत्व एरे की ओर क्यों आकर्षित होते हैं। सेंसरों के बीच के अंतर को कम करके, डेटा उन्नत गणितीय मॉडलिंग के लिए अधिक उपयुक्त हो जाता है, जिससे कॉर्टिकल स्रोतों के सटीक अंतर की अनुमति मिलती है जो अन्यथा कम-रिज़ॉल्यूशन रिकॉर्डिंग में आपस में मिल सकते हैं।
क्या उच्च-घनत्व EEG उप-कॉर्टिकल (Subcortical) गतिविधि का पता लगा सकता है?
सघन EEG एरे के बारे में अधिक बहस वाले दावों में से एक यह है कि क्या वे मस्तिष्क के अंदर गहराई में स्थित संरचनाओं से सिग्नल प्राप्त कर सकते हैं, जो कॉर्टेक्स के काफी नीचे हैं, जहाँ पारंपरिक रूप से माना जाता है कि मानक EEG की संवेदनशीलता बहुत कम होती है। इसलिए, इस प्रश्न को संबोधित करने वाले एक 2019 के शोध अध्ययन ने सेंट्रोमेडियल थैलेमस और न्यूक्लियस एक्यूम्बेंस में प्रत्यारोपित डीप ब्रेन स्टिम्यूलेशन इलेक्ट्रोड से ली गई इंट्राक्रैनियल रिकॉर्डिंग के साथ उच्च-घनत्व खोपड़ी EEG की सीधे तुलना की, जो व्यापक मस्तिष्क नेटवर्क में गतिविधि के समन्वय में शामिल दो संरचनाएं हैं।
क्योंकि इस अध्ययन में डीप ब्रेन स्टिम्यूलेशन इलेक्ट्रोड अस्थायी रूप से बाहरी रूप से सुलभ थे, जिसका अर्थ है कि उनके स्थायी आंतरिक उत्तेजक से जुड़े होने से पहले रिकॉर्डिंग के लिए सुलभ थे, शोधकर्ता आँखें बंद करके आराम करने की स्थिति में तीन रोगियों में 256-चैनल उच्च-घनत्व स्कैल्प EEG के साथ-साथ इन गहरी इंट्राक्रैनियल साइटों से रिकॉर्ड करने में सक्षम थे। फिर उन्होंने स्कैल्प डेटा पर स्रोत पुनर्निर्माण तकनीकों को लागू किया और परिणामी सिग्नलों की तुलना वास्तविक इंट्राक्रैनियल रिकॉर्डिंग के साथ की।
परिणामों ने इंट्राक्रैनियल और EEG सोर्स रिकंस्ट्रक्टेड मस्तिष्क सिग्नलों से प्राप्त अल्फा लिफाफे (alpha envelopes) के बीच एक सहसंबंध दिखाया, जो अल्फा-बैंड मस्तिष्क लय के धीमे उतार-चढ़ाव वाले पैटर्न को संदर्भित करता है। विशेष रूप से, “सबसे अधिक सहसंबंध वास्तविक रिकॉर्डिंग साइटों के निकटतम स्रोत सिग्नलों के लिए पाया गया,” जिसका अर्थ है कि स्कैल्प-आधारित अनुमान विशेष रूप से वास्तविक इंट्राक्रैनियल इलेक्ट्रोड प्लेसमेंट से मेल खाने वाली गहराई और स्थान पर सबसे सटीक था। शोधकर्ताओं ने निष्कर्ष निकाला कि यह इस बात का प्रमाण प्रदान करता है कि स्कैल्प EEG वास्तव में उप-कॉर्टिकल सिग्नलों को महसूस कर सकता है।
हालाँकि, इसे एक व्यवहारिक स्थिति के दौरान तीन रोगियों में एक छोटे प्रूफ-ऑफ-कांसेप्ट प्रदर्शन के रूप में पढ़ा जाना चाहिए। यह इस विचार का समर्थन करता है कि सघन-एरे स्रोत इमेजिंग कॉर्टिकल सतह से परे संवेदनशीलता का विस्तार कर सकती है, लेकिन यह स्थापित नहीं करता है कि व्यापक आबादी या परिस्थितियों में वह संवेदनशीलता कितनी विश्वसनीय या प्रतिलिपि प्रस्तुत करने योग्य (reproducible) है।
मिर्गी के दौरे के डिस्चार्ज मानचित्रण पर सघन एरे लागू करना
मिर्गी के मूल्यांकन के संदर्भ में 10-5 प्रणाली का नैदानिक मामला काफी मजबूत हो जाता है, जहाँ असामान्य विद्युत निर्वहन के सटीक मूल की पहचान करने से सर्जिकल उपचार के बारे में निर्णय लिए जा सकते हैं। पहले संदर्भित सिमुलेशन-आधारित स्रोत स्थानीयकरण अध्ययन ने स्पष्ट रूप से अपने सिमुलेशन निष्कर्षों को वास्तविक एपिलेप्टिफॉर्म EEG डेटा में विस्तारित किया, जिससे एपिलेप्टिफॉर्म EEG के स्रोत स्थानीयकरण में सेंसर घनत्व और कवरेज के प्रभावों की जांच की गई।
चूंकि अध्ययन की व्यापक खोज यह थी कि उच्च सेंसर घनत्व और निम्न सतह कवरेज दोनों स्वतंत्र रूप से स्रोत अनुमान की सटीकता में सुधार करते हैं, और चूंकि यह केवल सिम्युलेटेड डेटा के बजाय वास्तविक मिर्गी रिकॉर्डिंग्स के परीक्षण के दौरान भी सच साबित हुआ, इसलिए यह 10-5 प्रणाली के नैदानिक उपयोग के लिए एक सीधा साक्ष्य पुल प्रदान करता है।
प्रीसर्जिकल मिर्गी मूल्यांकन में, यह इरिटेटिव ज़ोन (irritative zone) के अधिक सटीक चित्रण में अनुवादित होता है, जो दौरों के बीच असामान्य डिस्चार्ज उत्पन्न करने वाले कॉर्टेक्स का क्षेत्र है, जो इस बारे में निर्णयों को सूचित कर सकता है कि आक्रामक निगरानी या सर्जरी की आवश्यकता है या नहीं। मिर्गी केंद्रों में 10-5 या तुलनात्मक रूप से सघन EEG मोंटाज के उपयोग के लिए नैदानिक और अनुसंधान हलकों में इस लाभ को प्राथमिक औचित्य के रूप में अक्सर चर्चा की जाती है।
उच्च-घनत्व EEG का भविष्य
उच्च-घनत्व रिकॉर्डिंग तकनीक में भविष्य की प्रगति संभवतः इलेक्ट्रोड घटकों के लघुकरण (miniaturization) पर केंद्रित होगी। जैसे-जैसे हार्डवेयर कम बोझिल होता जाएगा, शोधकर्ता मोबाइल, वास्तविक दुनिया के वातावरण में आसानी से उच्च-रिज़ॉल्यूशन रिकॉर्डिंग करने में सक्षम होंगे। यह पोर्टेबिलिटी उच्च-घनत्व अधिग्रहण को स्थिर प्रयोगशाला सेटिंग्स से एम्बुलेटरी संदर्भों में बदल देगी जहाँ मानव व्यवहार का अध्ययन पारंपरिक, भारी इलेक्ट्रोड सेटअप की सीमाओं के बिना प्राकृतिक परिस्थितियों में किया जा सकता है।
इसके साथ ही, वास्तविक समय के मशीन लर्निंग एल्गोरिदम का एकीकरण कच्चे डेटा को संसाधित करने के तरीके को बदल देगा। पूर्वव्यापी विश्लेषण पर भरोसा करने के बजाय, आधुनिक प्रणालियों को न्यूनतम देरी (latency) के साथ तुरंत तंत्रिका गतिविधि को डिकोड करने के लिए इंजीनियर किया जा रहा है। यह क्षमता न्यूरोरिहैबिलिटेशन प्रोटोकॉल और अनुकूली BCI मार्गों के लिए तत्काल प्रतिक्रिया प्रदान करेगी, जिससे सिस्टम रिकॉर्ड किए जा रहे व्यक्ति की विशिष्ट विद्युत विशेषताओं के आधार पर अपने सिग्नल प्रोसेसिंग मापदंडों को समायोजित करने में सक्षम होगा।
अंत में, शुष्क-इलेक्ट्रोड (dry-electrode) सामग्रियों का विकास जो कम प्रतिबाधा (impedance) बनाए रखते हैं, इन प्रणालियों में और क्रांति लाएगा। प्रवाहकीय जैल (conductive gels) की आवश्यकता को समाप्त करके, उच्च-घनत्व कैप के लिए सेटअप समय घंटों से घटकर केवल कुछ मिनट रह जाएगा, जिससे दीर्घकालिक निगरानी के लिए बाधाएं काफी कम हो जाएंगी।
रैपिड-एप्लिकेशन हार्डवेयर की ओर यह बदलाव नैदानिक निदान और अनुदैर्ध्य संज्ञानात्मक अनुसंधान दोनों में सघन-एरे मस्तिष्क इमेजिंग को एक आम अभ्यास बनाने का वादा करता है, जो मानव तंत्रिका कनेक्टिविटी की हमारी समझ को मौलिक रूप से बदल देगा।
निष्कर्ष
10-5 प्रणाली पूरी तरह से मापने योग्य शारीरिक मील के पत्थरों से निर्मित एक मानकीकृत समन्वय ढांचा प्रदान करती है, जो परिचित 10-20 और 10-10 प्रणालियों को लगभग 2 से 3 सेंटीमीटर की दूरी पर स्थित 300 से अधिक इलेक्ट्रोड स्थानों के ग्रिड में विस्तारित करती है। यह घनत्व स्कैल्प EEG रिकॉर्डिंग को मस्तिष्क की सतह पर उत्पन्न होने वाले सूक्ष्म विद्युत पैटर्नों को कैप्चर करने के लिए आवश्यक स्थानिक रिज़ॉल्यूशन के बहुत करीब लाता है, जो सामान्य न्यूरोसाइंस और सिग्नल प्रोसेसिंग सिद्धांत में निहित एक सिद्धांत है।
चर्चा किए गए साक्ष्य बताते हैं कि निचले सतह कवरेज के साथ सघन सैंपलिंग सिम्युलेटेड और वास्तविक एपिलेप्टिफॉर्म डेटा दोनों में स्रोत स्थानीयकरण सटीकता में सुधार करती है। स्रोत पुनर्निर्माण तकनीकों के साथ जोड़े गए उच्च-घनत्व एरे ने गहरे मस्तिष्क संरचनाओं से सीधे रिकॉर्ड की गई उप-कॉर्टिकल गतिविधि के साथ सहसंबंधित होने की एक औसत दर्जे की, भले ही प्रारंभिक, क्षमता दिखाई है। विजुअल कॉर्टेक्स पर बहुत उच्च-घनत्व वाली रिकॉर्डिंग ने उसी एरे के मानक-घनत्व उपसमुच्चय की तुलना में अधिक उपयोगी तंत्रिका जानकारी एकत्र की।
एक साथ मिलकर, ये निष्कर्ष एपिलेप्टिफॉर्म डिस्चार्ज मैपिंग और बारीक संज्ञानात्मक न्यूरोइमेजिंग जैसे कार्यों में 10-5 प्रणाली के मूल्य के लिए एक उचित सैद्धांतिक और प्रारंभिक अनुभवजन्य मामला प्रस्तुत करते हैं।
संदर्भ
Robinson, A. K., Venkatesh, P., Boring, M. J., Tarr, M. J., Grover, P., & Behrmann, M. (2017). Very high density EEG elucidates spatiotemporal aspects of early visual processing. Scientific reports, 7(1), 16248. https://doi.org/10.1038/s41598-017-16377-3
Song, J., Davey, C., Poulsen, C., Luu, P., Turovets, S., Anderson, E., ... & Tucker, D. (2015). EEG source localization: Sensor density and head surface coverage. Journal of neuroscience methods, 256, 9-21. https://doi.org/10.1016/j.jneumeth.2015.08.015
Seeber, M., Cantonas, L. M., Hoevels, M., Sesia, T., Visser-Vandewalle, V., & Michel, C. M. (2019). Subcortical electrophysiological activity is detectable with high-density EEG source imaging. Nature communications, 10(1), 753. https://doi.org/10.1038/s41467-019-08725-w
अक्सर पूछे जाने वाले प्रश्न
10-5 EEG प्रणाली क्या है?
10-5 प्रणाली एक मानकीकृत इलेक्ट्रोड प्लेसमेंट ग्रिड है जो खोपड़ी को 300 से अधिक नामांकित स्थानों में विभाजित करती है, जो लगभग कुछ ही सेंटीमीटर की दूरी पर स्थित हैं। यह मस्तिष्क की विद्युत गतिविधि का अधिक सघन सैंपलिंग प्रदान करने के लिए पुरानी 10-20 और 10-10 प्रणालियों का विस्तार करती है।
10-5 प्रणाली, 10-20 प्रणाली पर कैसे निर्मित होती है?
10-20 प्रणाली 21 मानक स्थितियों को परिभाषित करने के लिए प्रतिशत-आधारित अंतरालों का उपयोग करके सिर को विभाजित करती है। 10-10 प्रणाली उन अंतरालों को आधा करती है, और 10-5 प्रणाली उन्हें फिर से आधा कर देती है, जिससे सभी मूल मील के पत्थरों को रखते हुए एक बहुत ही महीन ग्रिड बनता है।
कौन से शारीरिक मील के पत्थर इलेक्ट्रोड प्लेसमेंट को स्थिर करते हैं?
चार टटोलने योग्य बिंदु—नाक के पुल पर नेज़ियन, खोपड़ी के आधार पर इनियन, और कानों के सामने बाएँ और दाएँ प्रीऑरिकुलर बिंदु—निश्चित संदर्भ बिंदुओं के रूप में कार्य करते हैं। सभी इलेक्ट्रोड स्थितियों की गणना इन मील के पत्थरों के बीच मापे गए आर्कों से की जाती है।
EEG के लिए सघन इलेक्ट्रोड अंतराल क्यों महत्वपूर्ण है?
मस्तिष्क के विद्युत पैटर्न खोपड़ी के छोटे क्षेत्रों पर भिन्न हो सकते हैं, और नाइक्विस्ट सैंपलिंग सिद्धांत के कारण व्यापक रूप से फैले इलेक्ट्रोड सूक्ष्म विवरणों को छोड़ सकते हैं। सघन अंतराल इन छोटे स्थानिक पैटर्नों को कैप्चर करता है, जिससे अधिक सटीक रिकॉर्डिंग होती है।
10-5 प्रणाली स्रोत स्थानीयकरण में कैसे सुधार करती है?
स्रोत स्थानीयकरण अनुमान लगाता है कि मस्तिष्क के अंदर कोई सिग्नल कहाँ से उत्पन्न होता है, और इसकी सटीकता कई माप बिंदुओं पर निर्भर करती है। निचले सिर पर कवरेज के साथ सघन सैंपलिंग से मस्तिष्क की सभी गहराइयों पर इन अनुमानों की सटीकता में सुधार होता है।
क्या सघन-एरे EEG गहरे मस्तिष्क संरचनाओं से संकेतों का पता लगा सकता है?
एक छोटे से अध्ययन में खोपड़ी और रोपित डीप ब्रेन इलेक्ट्रोड से एक साथ रिकॉर्ड किया गया, जिससे दोनों सिग्नलों के बीच संबंध दिखा। यह प्रत्यक्ष प्रमाण प्रदान करता है कि खोपड़ी का EEG उप-कॉर्टिकल गतिविधि को महसूस कर सकता है, हालांकि व्यापक सत्यापन की अभी भी आवश्यकता है।
क्या उच्च इलेक्ट्रोड घनत्व हमेशा रिकॉर्डिंग गुणवत्ता में सुधार करता है?
बढ़ा हुआ घनत्व स्थानिक मॉडलिंग के लिए अधिक डेटा प्रदान करता है, लेकिन यह डेटा प्रोसेसिंग की जटिलता और प्रतिबाधा (impedance) समस्याओं के जोखिम को भी बढ़ाता है; गुणवत्ता उचित अनुप्रयोग और स्पष्ट सिग्नल प्रबंधन पर निर्भर करती है।
क्या उच्च-घनत्व कैप्स के साथ विशिष्ट चुनौतियाँ हैं?
प्राथमिक चुनौती बड़े एरेज़ के लिए लगाने का समय और स्वच्छ मॉडलिंग के लिए एक साथ सैकड़ों चैनलों को संसाधित करने के लिए आवश्यक बढ़ा हुआ कम्प्यूटेशनल कार्यभार है।
Emotiv एक न्यूरोटेक्नोलॉजी अग्रणी कंपनी है जो सुलभ EEG और मस्तिष्क डेटा टूल्स के माध्यम से न्यूरोसाइंस अनुसंधान को आगे बढ़ाने में मदद करती है।
क्रिश्चियन बर्गोस
