चल रहे ईईजी (EEG) के भीतर विशिष्ट क्षणों से जुड़ी छोटी, क्षणभंगुर तंत्रिका प्रतिक्रियाएं (neural reactions) छिपी होती हैं: वह क्षण जब कोई प्रकाश दिखाई देता है, कोई स्वर सुनाई देता है, या कोई निर्णय लिया जाता है। घटना-संबंधित विभव (event-related potential या ERP) वह तकनीक है जिसका उपयोग उन्हें अलग करने के लिए किया जाता है।
ईईजी को किसी रुचि की घटना के साथ समय-बद्ध (time-locking) करके और दर्जनों या सैकड़ों समान परीक्षणों का औसत निकालकर, यादृच्छिक गतिविधि (random activity) समाप्त हो जाती है, और सुसंगत, घटना-बद्ध तरंग रूप (waveform) सामने आ जाता है। यह औसत निकालने की प्रक्रिया ईईजी अनुसंधान की नींव बनाती है, जो विशिष्ट चोटियों (peaks) और गर्तों (troughs) का एक क्रम उत्पन्न करती है जिसे तंत्रिका वैज्ञानिकों ने वर्गीकृत और व्याख्या करने में दशकों बिताए हैं।
इस लेख में हम बताएंगे कि उन विचलनों (deflections) को कैसे परिभाषित किया जाता है, नाम दिया जाता है, और संज्ञानात्मक संचालन को अनुक्रमित करने के लिए उपयोग किया जाता है, जिससे एक वर्गीकरण ढांचा स्थापित होता है जो सभी ईआरपी (ERP) कार्यों का आधार बनता है।
तीन आयाम जो एक ईआरपी (ERP) घटक को परिभाषित करते हैं
प्रत्येक ईआरपी (ERP) घटक को तीन मुख्य विशेषताओं द्वारा पहचाना जाता है, जिनमें से प्रत्येक उस तंत्रिका संबंधी घटना के बारे में एक अलग संकेत प्रदान करती है जिससे इसकी उत्पत्ति हुई है। वे सब मिलकर, मस्तिष्क के कार्य के साथ विद्युत गतिविधि को संरेखित करने के लिए एक प्रकार की समन्वय प्रणाली का निर्माण करते हैं।
ध्रुवीयता (Polarity) घटना-पूर्व आधार रेखा (baseline) के सापेक्ष विक्षेपण (deflection) की दिशा को दर्शाती है। परिपाटी के अनुसार, ऋणात्मक विक्षेपण को N के रूप में और धनात्मक विक्षेपण को P के रूप में लेबल किया जाता है। यह सरल बाइनरी हमें बताती है कि अंतर्निहित तंत्रिका आबादी उस क्षण खोपड़ी (scalp) पर शुद्ध ऋणात्मक विद्युत क्षेत्र उत्पन्न कर रही है या धनात्मक।
विलंबता (Latency) घटना के बाद मिलीसेकंड में उस समय को दर्शाती है जिस पर घटक अपने चरम आयाम (peak amplitude) तक पहुँचता है। लगभग 100 मिलीसेकंड पर चरम पर पहुँचने वाली ऋणात्मकता एक प्रारंभिक संवेदी प्रतिक्रिया है; 300 मिलीसेकंड पर चरम पर पहुँचने वाली धनात्मकता बाद की संज्ञानात्मक प्रक्रिया को दर्शाती है। विलंबता कोई निश्चित संख्या नहीं है बल्कि प्रसंस्करण गति का एक मोटा सूचकांक है, यानी एक विशेष तंत्रिका गणना को प्रकट होने में लगने वाला समय।
खोपड़ी वितरण (Scalp distribution), या स्थलाकृति (topography), यह सटीक रूप से बताती है कि सिर पर घटक कहाँ सबसे मजबूत है। फ्रंटल क्षेत्रों (frontal regions) पर अधिकतम दिखाई देने वाला घटक पैरिएटल क्षेत्रों (parietal areas) पर चरम पर पहुँचने वाले घटक की तुलना में विभिन्न अंतर्निहित मस्तिष्क संरचनाओं द्वारा उत्पन्न होने की संभावना रखता है। जब यह अनुमान लगाने का प्रयास किया जा रहा हो कि कौन से मस्तिष्क नेटवर्क सक्रिय हैं, तो स्थानिक जानकारी महत्वपूर्ण सीमाएं प्रदान करती है।
उदाहरण के लिए, कोक और अन्य द्वारा डिजाइन किए गए एक स्टॉप-सिग्नल कार्य (stop-signal task) में, सफल स्टॉप परीक्षणों पर P3 घटक की स्थलाकृति असफल स्टॉप परीक्षणों पर P3 की तुलना में बिल्कुल अलग होती है, और डिपोल विश्लेषण ने अनुमान लगाया कि वे विभिन्न कॉर्टिकल जनरेटर से उत्पन्न हुए थे। इसी तरह, प्रसिद्ध "एंटीरियर Go/NoGo N2 प्रभाव" को आंशिक रूप से इसके फ्रंटल-सेंट्रल स्कैल्प वितरण द्वारा परिभाषित किया गया है, जो NoGo परीक्षणों को Go परीक्षणों से अलग करता है।
इन तीनों आयामों को संश्लेषित करके शोधकर्ता एक घटक को एक विशिष्ट न्यूरोफिज़ियोलॉजिकल घटना (neurophysiological event) के रूप में परिभाषित कर सकते हैं। इलेक्ट्रोड Cz पर पैरिएटल कॉर्टेक्स के ऊपर 350 ms पर चरम पर पहुँचने वाला P3, फ्रंटल स्थानों के ऊपर 250 ms पर चरम पर पहुँचने वाले N2 की तुलना में एक अलग इकाई है। यह आयामी ढांचा संपूर्ण ईआरपी वर्गीकरण की धुरी है।
ईआरपी (ERP) घटकों के नाम कैसे तय होते हैं
नामकरण की परिपाटी सीधे परिभाषित करने वाले आयामों का अनुसरण करती है: ध्रुवीयता दर्शाने वाला अक्षर और अनुमानित चरम विलंबता (peak latency)। एक N100 एक ऋणात्मक विक्षेपण है जो घटना के लगभग 100 मिलीसेकंड बाद चरम पर होता है; एक P300 एक धनात्मक विक्षेपण है जो लगभग 300 मिलीसेकंड पर चरम पर होता है। यह ध्रुवीयता + विलंबता प्रणाली स्पष्ट, सहज और सीधे तौर पर जानकारी देने वाली है।
जब विभिन्न स्थितियों, प्रतिभागियों, या प्रयोगात्मक प्रतिमानों में सटीक विलंबता अलग-अलग होती है—या जब कोई घटक एक पहचानने योग्य अनुक्रम से संबंधित होता है—तो शोधकर्ता अक्सर एक क्रमिक संक्षिप्त रूप अपनाते हैं: N1, P2, N2, P3, इत्यादि। अनुक्रम में क्रम सटीक मिलीसेकंड समयबिंदु से अधिक मायने रखता है।
उदाहरण के लिए, एक विजुअल Go/Nogo कार्य में, N1, N2, और P3 को एक दूसरे के सापेक्ष परिभाषित किया जाता है, भले ही N2 कभी-कभी एक स्थिति में 240 ms और दूसरी स्थिति में 260 ms के करीब चरम पर पहुँचता हो। कोक और अन्य द्वारा किए गए स्टॉप-सिग्नल अध्ययन में भी प्रतिक्रिया अवरोध (response inhibition) के लिए निहित परिवर्तनशील समय को स्वीकार करते हुए, स्टॉप-सिग्नल परीक्षणों पर N2 और P3 का संदर्भ दिया गया है।
प्रारंभिक संवेदी घटक: P50, N100, और P200
प्रारंभिक संवेदी घटक उत्तेजना प्रस्तुति के अपेक्षाकृत शीघ्र बाद होते हैं और अक्सर आने वाली जानकारी के प्रारंभिक पंजीकरण और मूल्यांकन के मार्कर के रूप में इनका अध्ययन किया जाता है। P50, जिसे विशेष प्रतिमानों में कभी-कभी P1 कहा जाता है, प्रारंभिक संवेदी गेटिंग और ध्यान संबंधी मॉड्यूलेशन को प्रतिबिंबित कर सकता है। N100 को अक्सर श्रवण या दृश्य विशेषताओं (visual features) का पता लगाने और प्रारंभिक विश्लेषण से जोड़ा जाता है, जबकि P200 उत्तेजना वर्गीकरण और ध्यान के आवंटन के प्रति संवेदनशील हो सकता है।
इन घटकों की व्याख्या काफी हद तक संवेदी तौर-तरीकों और कार्य पर निर्भर करती है। एक श्रवण N100 और एक दृश्य N100 विनिमेय उपाय नहीं हैं, भले ही वे एक ही लेबल साझा करते हों। उनका आयाम और विलंबता उत्तेजना की तीव्रता, प्रत्याशा, दोहराव, ध्यान और घटना के भौतिक गुणों के साथ बदल सकती है।
इसलिए, प्रारंभिक घटक प्रसंस्करण के पहले चरणों के बारे में जानकारी प्रदान करते हैं, लेकिन वे यह स्थापित नहीं करते हैं कि धारणा पूरी तरह से सचेत थी या कोई विशेष मानसिक प्रक्रिया घटित हुई थी। उनका महत्व सावधानीपूर्वक मिलान की गई स्थितियों की तुलना करने और वेवफॉर्म के अंतर को स्वतंत्र व्यवहारिक या शारीरिक मापों से जोड़ने में निहित है।
संज्ञानात्मक घटक: N200 और P300
N200 ऋणात्मक-प्रतिक्रियाओं का एक परिवार है जिसे तब देखा जा सकता है जब कोई व्यक्ति संघर्ष का पता लगाता है, किसी अप्रत्याशित विशेषता का मूल्यांकन करता है, या कार्य-प्रासंगिक और अप्रासंगिक उत्तेजनाओं के बीच अंतर करता है। इसका अर्थ अलग-अलग प्रतिमानों में भिन्न होता है, और यह लेबल उत्तेजना और प्रतिक्रिया आवश्यकताओं के आधार पर आंशिक रूप से भिन्न तंत्रिका प्रक्रियाओं को संदर्भित कर सकता है। इस घटक को प्रयोगात्मक अंतर के माध्यम से सबसे अच्छी तरह समझा जाता है जिसमें यह प्रकट होता है।
दूसरी ओर, P300, या P3, एक बाद की धनात्मक प्रतिक्रिया है जो आमतौर पर ध्यान, उत्तेजना मूल्यांकन, संदर्भ अद्यतन और कार्य के लिए किसी घटना के महत्व से जुड़ी होती है। इसकी विलंबता मूल्यांकन के कुछ चरणों के लिए आवश्यक समय का अनुमान प्रदान कर सकती है, जबकि इसका आयाम संभावना, प्रासंगिकता, ध्यान और उपलब्ध संज्ञानात्मक संसाधनों के साथ भिन्न हो सकता है। यह बुद्धिमत्ता का कोई सामान्य-उद्देश्यीय माप या स्वतंत्र नैदानिक मार्कर नहीं है।
भाषा और स्मृति घटक: N400
N400 एक ऋणात्मक घटक है जिसका अक्सर शब्दार्थ प्रसंस्करण, भाषा समझ और सार्थक जानकारी के एकीकरण के संबंध में अध्ययन किया जाता है। यह शब्दों, चित्रों, ध्वनियों और अन्य सामग्रियों द्वारा तब उत्पन्न हो सकता है जब उनके अर्थ को संदर्भ में संसाधित किया जाता है। एक बड़ा N400 आमतौर पर तब देखा जाता है जब किसी वस्तु की उम्मीद कम होती है या पिछले संदर्भ के साथ उसका एकीकरण कम आसान होता है, हालांकि सटीक प्रभाव डिजाइन पर निर्भर करता है।
N400 अनुसंधान ने यह स्पष्ट करने में मदद की है कि भाषा प्रसंस्करण तेजी से सामने आता है और शब्दों और अवधारणाओं के बीच संबंधों के प्रति संवेदनशील होता है। इसके अलावा, यह घटक केवल शब्दावली के ज्ञान तक सीमित नहीं है। यह किसी आने वाली वस्तु को अर्थ, विमर्श, या घटना के संदर्भ के विकासशील प्रतिनिधित्व के साथ एकीकृत करने में शामिल प्रयास को भी प्रतिबिंबित कर सकता है।
व्याख्या तुलनात्मक स्थितियों पर निर्भर बनी रहती है। N400 के आयाम में अंतर पूर्वानुमानशीलता, शब्दार्थ जुड़ाव, कार्य की मांगों, या उत्तेजनाओं के अन्य गुणों को प्रतिबिंबित कर सकता है। इसी कारण से, अध्ययन आमतौर पर समझ के उपायों और सावधानीपूर्वक नियंत्रित भाषाई सामग्रियों के साथ वेवफॉर्म विश्लेषण (waveform analysis) को जोड़ते हैं।
घटकों को मानसिक क्रियाओं से जोड़ना
दशकों के अभिसारी साक्ष्य इस दृष्टिकोण का समर्थन करते हैं कि प्रत्येक ईआरपी घटक एक अलग संज्ञानात्मक क्रिया को इंगित करता है, जैसे संवेदी पंजीकरण, ध्यान संबंधी चयन, संघर्ष की निगरानी, या प्रतिक्रिया अवरोध। शोधकर्ता विभिन्न कार्य मांगों के तहत घटक विशेषताओं में होने वाले परिवर्तनों को मापकर इन क्रियाओं की जांच करते हैं, जिससे उपर्युक्त तीन प्रकार के माप विशेष रूप से जानकारीपूर्ण हो जाते हैं:
विलंबता (Latency)
आयाम (Amplitude)
खोपड़ी वितरण (Scalp distribution)
ईआरपी विलंबता (ERP Latency) हमें क्या बताती है
किसी घटक के चरम समय में विलंबता में बदलाव यह प्रदर्शित कर सकते हैं कि कोई संज्ञानात्मक प्रक्रिया पहले पूरी हुई है या बाद में। स्टॉप-सिग्नल प्रयोग में, स्टॉप सिग्नल द्वारा उत्पन्न P3 असफल परीक्षणों की तुलना में सफल स्टॉप परीक्षणों पर काफी पहले चरम पर पहुँच गया था। परिणामस्वरूप, लेखकों का सुझाव है कि सफल परीक्षणों पर, स्टॉप कमांड के प्रति आंतरिक तंत्रिका प्रतिक्रिया—जो P3 द्वारा परिलक्षित होती है—जल्द ही समाप्त हो गई, जो समय का एक अंतर है जो सीधे निरोधात्मक नियंत्रण (inhibitory control) से जुड़ा है।
इस बीच, विजुअल Go/NoGo कार्य में, उच्च ईईजी (EEG) स्थानिक जटिलता से जुड़े परीक्षणों ने भी छोटी N1 और N2 विलंबताएं दिखाईं, एक ऐसा पैटर्न जो तेजी से प्रारंभिक अवधारणात्मक और संज्ञानात्मक प्रसंस्करण को इंगित कर सकता है।
ईआरपी आयाम (ERP Amplitude) हमें क्या बताता है
किसी घटक का आकार कॉर्टिकल पिरामिडल कोशिकाओं की बड़ी आबादी में अंतर्निहित पोस्टसिनेप्टिक क्षमता (postsynaptic potentials) की ताकत या समकालिकता को दर्शाता है। एक बड़ा आयाम आम तौर पर उस ऑपरेशन के लिए अधिक तंत्रिका संलग्नता का संकेत देता है।
इसके विपरीत, छोटे आयाम अधिक कुशल प्रसंस्करण का संकेत दे सकते हैं। इसे एक ही लक्ष्य को प्राप्त करने के लिए मिलकर काम करने वाले कम न्यूरॉन्स के रूप में अनुवादित किया जा सकता है।
Go/No कार्य में, उच्च स्थानिक जटिलता N1, N2, और P3 घटकों के कम आयामों से जुड़ी थी, एक ऐसा संबंध जिसे लेखकों ने छोटी, अधिक कुशल समकालिक पोस्टसिनेप्टिक क्षमता के रूप में व्याख्यायित किया। तेजी से प्रतिक्रिया समय के साथ आयाम में कमी का परिणामी पैटर्न इस धारणा का समर्थन करता है कि आयाम केवल कच्चे प्रयास को नहीं, बल्कि प्रसंस्करण दक्षता को इंगित कर सकता है।
ईआरपी खोपड़ी वितरण (ERP Scalp Distribution) हमें क्या बताता है
जब दो घटकों की स्थलाकृति अलग-अलग होती है, तो वे संभवतः विभिन्न तंत्रिका जनरेटर से उत्पन्न होते हैं, भले ही वे समान ध्रुवीयता और विलंबता साझा करते हों। स्टॉप-सिग्नल अध्ययन में, सफल स्टॉप परीक्षणों पर P3 का स्कैल्प वितरण और डिपोल स्रोत कॉन्फ़िगरेशन असफल स्टॉप परीक्षणों पर P3 की तुलना में भिन्न था। लेखकों ने इस अंतर को नोट किया, जिससे यह संकेत मिलता है कि सफल P3 तंत्र स्टॉप सिग्नल के रूप में कार्य करता है; इसके अलावा, यह एक निरोधात्मक नियंत्रण नेटवर्क की भागीदारी की ओर इशारा करता है जिसने असफल प्रयासों के दौरान कम या विलंबित सक्रियता प्रदर्शित की।
ये संबंध स्वाभाविक रूप से सहसंबंधी प्रतीत होते हैं। साक्ष्य दर्शाते हैं कि घटक की विशेषताएं व्यवहार और कार्य की मांगों के साथ व्यवस्थित रूप से भिन्न होती हैं, लेकिन किसी एक घटक और एक विशिष्ट संज्ञानात्मक कार्य के बीच के संबंध का अनुमान लगाया जाता है, यह सीधे तौर पर सिद्ध नहीं होता है।
जिया और अन्य स्पष्ट रूप से कहते हैं कि उच्च स्थानिक जटिलता तेजी से संज्ञानात्मक प्रसंस्करण के साथ "जुड़ी हो सकती है", और कोक और अन्य सुझाव देते हैं कि सफल स्टॉप परीक्षणों पर P3 "निरोधात्मक नियंत्रण की दक्षता को दर्शाता है।" ऐसा सतर्क दृष्टिकोण ईआरपी विज्ञान में मानक है।
ईआरपी विशेषता | संज्ञानात्मक व्याख्या |
|---|---|
विलंबता (Latency) | प्रसंस्करण गति |
आयाम (Amplitude) | संसाधन आवंटन |
खोपड़ी वितरण (Scalp distribution) | स्रोत विशिष्टता |
औसत चोटियों से परे जाना: एकल-परीक्षण अपघटन (Single-Trial Decomposition)
पारंपरिक औसत, शक्तिशाली होने के बावजूद, यह महत्वपूर्ण धारणा बनाता है कि मस्तिष्क की प्रतिक्रिया हर परीक्षण में समान होती है। वास्तव में, एकल-परीक्षण ईआरपी आयाम और विलंबता दोनों में काफी भिन्न होते हैं—ऐसी भिन्नताएं जो व्यवहारिक रूप से सार्थक हो सकती हैं लेकिन औसत वेवफॉर्म में खो जाती हैं। हालिया कार्यप्रणाली प्रगति सीधे इस परीक्षण-दर-परीक्षण परिवर्तनशीलता का विश्लेषण करने का मार्ग प्रशस्त करती है।
क्या आईसीए (ICA) एकल-परीक्षण ईईजी में तंत्रिका संकेतों से कलाकृतियों (Artifacts) को अलग कर सकता है?
स्वतंत्र घटक विश्लेषण (Independent component analysis) एक डेटा-संचालित अपघटन तकनीक है जो मल्टीचैनल ईईजी को अस्थायी रूप से स्वतंत्र और स्थानिक रूप से निश्चित घटकों में विभाजित करती है। जब एक दृश्य चयनात्मक ध्यान प्रयोग से एकल-परीक्षण डेटा पर लागू किया गया, तो आईसीए ने सफलतापूर्वक कलाकृति स्रोतों (जैसे पलकें झपकना और आंखों की हलचल), प्रोत्साहन-लॉक और प्रतिक्रिया-लॉक ईआरपी घटकों, और चल रहे पृष्ठभूमि ईईजी को अलग-अलग घटकों में अलग कर दिया—एक ऐसा अलगाव जो पारंपरिक औसत प्राप्त नहीं कर सकता।
यह अपघटन सिग्नल से शोर को दूर करने में सक्षम है और प्रत्येक घटक की विलंबता और आयाम में एकल-परीक्षण उतार-चढ़ाव का अध्ययन करना संभव बनाता है, उदाहरण के लिए प्रतिक्रिया समय या सटीकता के अनुसार परीक्षणों को छाँटकर। आईसीए को इसी तरह अंतर्निहित घटक प्रक्रियाओं को अलग करने के लिए श्रवण ईआरपी डेटा पर भी लागू किया गया है।
क्या हम पारंपरिक औसत के बिना घटक विशेषताओं को निकाल सकते हैं?
एकल-परीक्षण स्तर पर ईआरपी का विश्लेषण करना वर्गीकरण को मौलिक रूप से बदल देता है। केवल एक स्थिर औसत चोटी द्वारा परिभाषित होने के बजाय, एक घटक की जांच एक गतिशील प्रक्रिया के रूप में की जा सकती है जिसकी परीक्षण-दर-परीक्षण विशेषताएं क्षणिक संज्ञानात्मक राज्यों से संबंधित होती हैं।
जिया और अन्य इस संभावना की ओर इशारा करते हैं कि एकल परीक्षणों के भीतर अनुमानित ईईजी स्थानिक जटिलता, ईआरपी आयाम और विलंबता विशेषताओं के साथ सहसंबंधित है, इस प्रकार, पारंपरिक औसत के बिना घटक जैसी जानकारी निकालने का मार्ग सुझाती है।
कम्प्यूटेशनल मॉडल एकल-परीक्षण ईईजी को संज्ञान से कैसे जोड़ते हैं?
अपघटन से परे, उभरते हुए दृष्टिकोण एकल-परीक्षण ईईजी सुविधाओं को सीधे संज्ञान के कम्प्यूटेशनल मॉडल से जोड़ने की वकालत करते हैं, जैसे ड्रिफ्ट डिफ्यूजन मॉडल या रीइन्फोर्समेंट लर्निंग एल्गोरिदम। पदानुक्रमित बायेसियन मॉडल (hierarchical Bayesian models) का उपयोग करते हुए, ब्रिंडवेल और अन्य के नेतृत्व में शोधकर्ता संयुक्त रूप से ईईजी और व्यवहार का मॉडल बनाने में सक्षम थे, जो "चोटियों और घटकों" के युग से आगे बढ़कर एक ऐसे ढांचे की ओर बढ़े जहाँ तंत्रिका संकेतों की व्याख्या औपचारिक संज्ञानात्मक प्रक्रियाओं के माध्यम से की जाती है।
यह मॉडल-आधारित अनुमान क्लासिक ईआरपी वर्गीकरण को खारिज नहीं करता है; बल्कि, यह विद्युत गतिविधि और व्यवहार के बीच एक समृद्ध, परीक्षण-स्तरीय सेतु प्रदान करके इस पर निर्माण करता है।
मस्तिष्क के संकेतों के लिए एक साझा भाषा अभी भी क्यों मायने रखती है
ध्रुवीयता, समय और खोपड़ी के स्थान की त्रि-स्तरीय प्रणाली मस्तिष्क शोधकर्ताओं को अध्ययनों के परिणामों की तुलना करने का एक व्यावहारिक तरीका देती है, भले ही तरीके विकसित हो रहे हों।
औसत (Averaging) इन छोटे संकेतों को देखने के लिए आधार बना हुआ है, लेकिन नए एकल-परीक्षण उपकरण विवरण की एक ऐसी परत जोड़ते हैं जिसे औसत चोटियां नहीं दिखा सकती हैं। यह क्लासिक ढांचे को खारिज नहीं करता है; यह इस पर निर्माण करता है, जिससे निश्चित लेबल गतिशील मापों में बदल जाते हैं जो क्षण-क्षण की मानसिक स्थितियों को ट्रैक कर सकते हैं।
साथ ही, किसी भी घटक और एक विशिष्ट मानसिक क्रिया के बीच के संबंधों को स्थापित तथ्यों के बजाय मजबूत सुराग के रूप में मानना सबसे अच्छा है। कई निष्कर्ष एकल अध्ययनों से आते हैं, और साहित्य में इस्तेमाल की जाने वाली सतर्क भाषा उस अनिश्चितता को दर्शाती है। जो चीज बची रहती है वह है खुद सामान्य शब्दावली, जो न्यूरोवैज्ञानिकों को इस बारे में अधिक स्पष्ट प्रश्न पूछने की अनुमति देती है कि दैनिक जीवन और नैदानिक सेटिंग्स में मस्तिष्क घटनाओं पर कैसे प्रतिक्रिया करता है।
संदर्भ
Kok, A., Ramautar, J. R., De Ruiter, M. B., Band, G. P., & Ridderinkhof, K. R. (2004). ERP components associated with successful and unsuccessful stopping in a stop‐signal task. Psychophysiology, 41(1), 9-20. https://doi.org/10.1046/j.1469-8986.2003.00127.x
Jia, H., Li, H., & Yu, D. (2017). The relationship between ERP components and EEG spatial complexity in a visual Go/Nogo task. Journal of neurophysiology, 117(1), 275-283. https://doi.org/10.1152/jn.00363.2016
Makeig, S., & Westerfield, M. Analysis and visualization of single-trial event-related potentials. Human Brain Mapping, 14, 166-185. https://doi.org/10.1002/hbm.1050
Bridwell, D. A., Cavanagh, J. F., Collins, A. G., Nunez, M. D., Srinivasan, R., Stober, S., & Calhoun, V. D. (2018). Moving beyond ERP components: a selective review of approaches to integrate EEG and behavior. Frontiers in human neuroscience, 12, 106. https://doi.org/10.3389/fnhum.2018.00106
अक्सर पूछे जाने वाले प्रश्न
एक घटना-संबंधित क्षमता (ERP) क्या है और यह कैसे प्राप्त की जाती है?
एक ईआरपी (ERP) एक छोटी मस्तिष्क प्रतिक्रिया है जो किसी विशिष्ट घटना, जैसे कि आवाज या प्रकाश की चमक, के समय से बंधी होती है। इसे प्राप्त करने के लिए, शोधकर्ता कई समान परीक्षणों में ईईजी का औसत निकालते हैं, जो यादृच्छिक पृष्ठभूमि गतिविधि को रद्द कर देता है और सुसंगत, घटना-संबंधित वेवफॉर्म को प्रकट करता है।
वे तीन मुख्य विशेषताएं क्या हैं जो किसी भी ईआरपी घटक को परिभाषित करती हैं?
तीन परिभाषित करने वाली विशेषताएं ध्रुवीयता (ऋणात्मक या धनात्मक विक्षेपण), विलंबता (घटना के बाद मिलीसेकंड में समय), और खोपड़ी वितरण (सिर पर घटक कहाँ सबसे मजबूत है) हैं। ये आयाम मिलकर शोधकर्ताओं को एक घटक को एक विशिष्ट न्यूरोफिज़ियोलॉजिकल घटना के रूप में पहचानने की अनुमति देते हैं।
शोधकर्ता आमतौर पर विभिन्न ईआरपी घटकों का नाम कैसे तय करते हैं?
घटकों का नाम ध्रुवीयता के लिए एक अक्षर (ऋणात्मक के लिए N, धनात्मक के लिए P) का उपयोग करके रखा जाता है, जिसके बाद या तो अनुमानित चरम विलंबता या एक क्रमिक संख्या (जैसे, N100, P300, या N1, P2, N2, P3) होती है। क्रमिक प्रणाली का उपयोग तब किया जाता है जब सटीक विलंबता भिन्न होती है, और अनुक्रम में क्रम सटीक समय बिंदु से अधिक मायने रखता है।
एक ईआरपी घटक की विलंबता शोधकर्ताओं को क्या बताती है?
विलंबता दर्शाती है कि कोई घटक किसी घटना के बाद अपने चरम आयाम पर कब पहुँचता है, जो प्रसंस्करण गति के एक मोटे सूचकांक के रूप में कार्य करता है। विलंबता में बदलाव यह प्रकट कर सकते हैं कि क्या कोई संज्ञानात्मक प्रक्रिया पहले या बाद में पूरी हुई है, जैसे कि सफल अवरोध परीक्षणों पर स्टॉप-सिग्नल P3 का पहले चरम पर पहुँचना।
संज्ञानात्मक संदर्भ में ईआरपी घटक के आयाम की व्याख्या कैसे की जाती है?
आयाम कॉर्टिकल न्यूरॉन्स की बड़ी आबादी में पोस्टसिनेप्टिक क्षमता की ताकत या समकालिकता को दर्शाता है, जो आम तौर पर तंत्रिका संलग्नता की मात्रा का प्रतिनिधित्व करता है। एक बड़े आयाम का मतलब आमतौर पर अधिक तंत्रिका गतिविधि होता है, जबकि एक छोटा आयाम अधिक कुशल प्रसंस्करण का संकेत दे सकता है, जैसा कि तब देखा जाता है जब तेज प्रतिक्रिया समय के साथ आयाम कम हो जाते हैं।
ईआरपी घटकों को समझने के लिए खोपड़ी वितरण क्यों महत्वपूर्ण है?
खोपड़ी वितरण दिखाता है कि सिर के ऊपर कोई घटक कहाँ अधिकतम है, जिससे यह संकेत मिलता है कि कौन से मस्तिष्क नेटवर्क सक्रिय हैं। यदि दो घटकों की स्थलाकृति भिन्न है, तो वे संभवतः विभिन्न तंत्रिका जनरेटर से उत्पन्न होते हैं, भले ही उनकी ध्रुवीयता और विलंबता समान हो।
पारंपरिक औसत की एक प्रमुख सीमा क्या है जिसे आईसीए जैसे आधुनिक तरीके हल करते हैं?
पारंपरिक औसत यह मान लेता है कि मस्तिष्क की प्रतिक्रिया हर परीक्षण पर समान होती है, जो आयाम और विलंबता में सार्थक परीक्षण-दर-परीक्षण भिन्नताओं को छुपाती है। स्वतंत्र घटक विश्लेषण (ICA) एकल-परीक्षण ईईजी को अलग-अलग घटकों में विभाजित करता है, जिससे शोधकर्ताओं को इन उतार-चढ़ावों का अध्ययन करने और शोर को अधिक प्रभावी ढंग से दूर करने में मदद मिलती है।
क्या ईआरपी घटकों को विशिष्ट संज्ञानात्मक क्रियाओं का प्रत्यक्ष और निश्चित माप माना जा सकता है?
नहीं, एक ईआरपी घटक और एक विशिष्ट संज्ञानात्मक कार्य के बीच का संबंध अनुमानित और सहसंबंधी होता है, न कि सीधे सिद्ध। साक्ष्य अक्सर "संबद्ध हो सकते हैं" या "सुझाव देते हैं" जैसी सतर्क भाषा का उपयोग करते हैं, और निष्कर्ष आमतौर पर प्रतिमान-विशिष्ट होते हैं और अभी तक व्यापक रूप से दोहराए नहीं गए हैं।
Emotiv एक न्यूरोटेक्नोलॉजी लीडर है जो सुलभ ईईजी (EEG) और मस्तिष्क डेटा उपकरणों के माध्यम से तंत्रिका विज्ञान (न्यूरोसाइंस) अनुसंधान को आगे बढ़ाने में मदद कर रहा है।
चिकित्सा संबंधी अस्वीकरण (Medical Disclaimer): इस वेबसाइट पर प्रदान की गई जानकारी केवल शैक्षिक और सूचनात्मक उद्देश्यों के लिए है और इसे चिकित्सा या स्वास्थ्य सलाह के रूप में नहीं माना जाना चाहिए। इस सामग्री में त्रुटियां हो सकती हैं और जीवन को प्रभावित करने वाले स्वास्थ्य, चिकित्सा या जीवन शैली के विकल्प चुनने के लिए इस पर भरोसा नहीं किया जाना चाहिए। किसी चिकित्सीय स्थिति या उपचार के संबंध में आपके किसी भी प्रश्न के लिए हमेशा अपने चिकित्सक या अन्य योग्य स्वास्थ्य प्रदाता की सलाह लें।
क्रिश्चियन बर्गोस
