EEG रिकॉर्ड करने के तरीके में एक लगातार बनी रहने वाली समस्या शामिल है, किसी भी एकल इलेक्ट्रोड पर पाया गया वोल्टेज सीधे उसके नीचे के मस्तिष्क के ऊतकों का एक स्पष्ट रीडआउट नहीं होता है। यह एक मिश्रण है, जो ऊतक परतों, इलेक्ट्रोड प्लेसमेंट और रिकॉर्डिंग चलाने वाले व्यक्ति द्वारा चुने गए एक मनमाने संदर्भ बिंदु (रेफरेंस पॉइंट) से आकार लेता है।
लप्लासियन मोंटाज (Laplacian montage) को विशेष रूप से इस मिश्रण की समस्या को हल करने के लिए विकसित किया गया था। कच्चे (रॉ) वोल्टेज की रिपोर्ट करने के बजाय, यह स्कैल्प सिग्नल को स्थानीय वर्तमान स्रोत घनत्व (लोकल करंट सोर्स डेंसिटी) के अनुमान में बदल देता है, यह एक ऐसा माप है जो किसी बाहरी संदर्भ से बंधा नहीं है और जो सीधे सेंसर के ठीक नीचे कॉर्टेक्स में होने वाली विद्युत गतिविधि से सहसंबद्ध होता है।
नीचे दिए गए अनुभाग बताते हैं कि यह परिवर्तन क्यों आवश्यक है, इसे गणितीय रूप से कैसे प्राप्त किया जाता है, और सहायक शोध इसके व्यावहारिक लाभों के बारे में क्या दर्शाता है।
ईईजी (EEG) में लैप्लासियन मोंटाज (Laplacian Montage) क्या है?
क्लिनिकल इलेक्ट्रोएन्सेफलोग्राफी तंत्रिका गतिविधि पैटर्न के सटीक दृश्य को देखने के लिए स्कैल्प सेंसर की व्यवस्था पर निर्भर करती है। पारंपरिक इलेक्ट्रोड मोंटाज एक विशिष्ट संदर्भ के सापेक्ष क्षमता रिकॉर्ड करते हैं, जो कभी-कभी बड़े सतह क्षेत्रों में सिग्नल स्पष्टता को भ्रमित कर सकता है। लैप्लासियन मोंटाज EEG वैश्विक क्षमता के बजाय स्थानीय अंतरों पर ध्यान केंद्रित करके एक अलग विश्लेषणात्मक विकल्प प्रदान करता है।
ईईजी लैप्लासियन मोंटाज की मूल बातें समझना
EEG सिग्नल अनिवार्य रूप से स्कैल्प के नीचे पिरामिडनुमा न्यूरॉन्स की सामूहिक विद्युत गतिविधि को दर्शाता है। जब एक इलेक्ट्रोड एक क्षमता का पता लगाता है, तो इसमें अनिवार्य रूप से खोपड़ी और स्कैल्प के वॉल्यूम कंडक्शन गुणों के कारण मस्तिष्क के दूर के स्रोतों से योगदान शामिल होता है।
इन सूक्ष्म लय को निकालने की प्रक्रिया के लिए स्पष्ट कार्यप्रणाली की आवश्यकता होती है, जिसमें अक्सर neuroscience के स्थापित सिद्धांतों को शामिल किया जाता है ताकि यह सुनिश्चित किया जा सके कि विश्लेषित तरंगें स्थानीयकृत मस्तिष्क क्षेत्रों के अनुरूप हैं।
स्कैल्प ईईजी सिग्नलों की सटीक व्याख्या करना क्यों कठिन है
मस्तिष्क के विद्युत सिग्नल इलेक्ट्रोड तक सीधे रास्ते से नहीं जाते हैं। वे मापे जाने से पहले सेरेब्रोस्पाइनल फ्लूइड, खोपड़ी की हड्डी और स्कैल्प के ऊतकों से होकर गुजरते हैं, और इनमें से प्रत्येक परत बिजली का संचालन अलग तरह से करती है।
विशेष रूप से, खोपड़ी एक स्पैटियल लो-पास फ़िल्टर की तरह व्यवहार करती है क्योंकि यह सिग्नल को सुचारू और विस्तृत करती है, जिससे कॉर्टेक्स में काफी स्थानीयकृत हो सकने वाली गतिविधि स्कैल्प तक पहुँचने तक एक व्यापक, बिखरे हुए पैटर्न में धुंधली हो जाती है।
Research (श्रीनिवासन और अन्य) ने सिर को चार संकेंद्रित गोलाकार परतों (मस्तिष्क, सेरेब्रोस्पाइनल फ्लूइड, खोपड़ी और स्कैल्प) के रूप में मॉडल किया है, जिससे पता चला है कि यह फैलाव इतना मजबूत है कि 10 से 12 सेंटीमीटर की दूरी पर स्थित इलेक्ट्रोड भी कृत्रिम रूप से सहसंबंधित दिखाई दे सकते हैं, भले ही अंतर्निहित तंत्रिका स्रोत पूरी तरह से असंबंधित हों। यह सहसंबंधित स्कैल्प रीडिंग को समन्वित मस्तिष्क गतिविधि के साक्ष्य के रूप में व्याख्या करने का एक वास्तविक जोखिम पैदा करता है, जबकि सहसंबंध केवल ऊतक के माध्यम से बिजली के प्रसार का परिणाम हो सकता है।
दूसरा विरूपण स्वयं संदर्भ इलेक्ट्रोड (reference electrode) से आता है। पारंपरिक EEG montages वोल्टेज को एक सक्रिय इलेक्ट्रोड और एक संदर्भ बिंदु के बीच के अंतर के रूप में रिपोर्ट करते हैं, लेकिन वह संदर्भ कभी भी विद्युत रूप से मूक नहीं होता है।
Simulation studies और अनुभवजन्य रिकॉर्डिंग (नुनेज़ और अन्य) ने प्रदर्शित किया है कि संदर्भ का विकल्प मस्तिष्क की घटनाओं के स्पष्ट समय को बदल सकता है, जिसका अर्थ है कि एक संदर्भ योजना के साथ रिकॉर्ड किए गए संवेदी प्रतिक्रिया की विलंबता (latency) दूसरी योजना के साथ रिकॉर्ड की गई विलंबता से मेल नहीं खा सकती है। यह एक सूक्ष्म लेकिन महत्वपूर्ण समस्या है, क्योंकि EEG का अधिकांश नैदानिक और अनुसंधान मूल्य सटीक समय पर निर्भर करता है।
संदूषण का तीसरा स्रोत मांसपेशियों से है, न कि तंत्रिका से। केंद्रीय और पेरीसेंट्रल स्कैल्प साइटें, सिर के शीर्ष और किनारों पर स्थित इलेक्ट्रोड, स्कैल्प और जबड़े की मांसपेशियों के करीब बैठते हैं। इन मांसपेशियों से विद्युत गतिविधि आसानी से रिकॉर्डिंग में लीक हो जाती है, विशेष रूप से उच्च आवृत्तियों पर, और पारंपरिक संदर्भ योजनाएं मस्तिष्क-जनित सिग्नल से मांसपेशियों-जनित सिग्नल को अलग करने के लिए बहुत कम काम करती हैं।
एक साथ मिलकर, वॉल्यूम कंडक्शन, संदर्भ निर्भरता और मांसपेशियों का संदूषण तीन ऐसे संचयी कारण बनते हैं जिनकी वजह से रॉ स्कैल्प क्षमताएं कॉर्टेक्स की वास्तविक सक्रियता की एक गलत तस्वीर देती हैं।
समस्या | विवरण |
|---|---|
वॉल्यूम कंडक्शन | खोपड़ी सिग्नलों को धुंधला और प्रसारित करती है |
संदर्भ इलेक्ट्रोड निर्भरता | संदर्भ का चयन घटना के समय को विकृत करता है |
मांसपेशियों का संदूषण | EMG केंद्रीय इलेक्ट्रोड में लीक हो जाता है |
सतह लैप्लासियन क्या है और यह कैसे काम करता है
सतह लैप्लासियन (surface Laplacian) मापे जा रहे मान को बदलकर इन समस्याओं का समाधान करता है। सीधे वोल्टेज रिकॉर्ड करने के बजाय, यह स्कैल्प पर वोल्टेज क्षेत्र के दूसरे स्पैटियल व्युत्पन्न (spatial derivative) की गणना करता है, जो मूल रूप से यह पूछता है कि सिर पर प्रत्येक बिंदु पर क्षमता कितनी तेजी से मुड़ रही है, न कि इसका पूर्ण मूल्य क्या है।
यह वक्रता माप उस स्थान पर स्कैल्प में बहने वाली रेडियल धारा के समानुपाती होता है, जो इसे दूर की गतिविधि से प्रभावित रॉ विद्युत विद्युत रीडिंग के बजाय स्थानीय धारा स्रोत घनत्व (current source density) का एक भौतिक अनुमान बनाता है।
चूंकि विभेदन (differentiation) एक गणितीय संचालन है जो स्थिर ऑफसेट को हटा देता है, इस दृष्टिकोण का एक अंतर्निहित लाभ है: कोई भी वोल्टेज जो समान रूप से प्रत्येक इलेक्ट्रोड में जोड़ा जाता है, जो ठीक वही है जो साझा संदर्भ इलेक्ट्रोड का उपयोग करते समय होता है, गणना के दौरान समाप्त हो जाता है।
परिणामस्वरूप मिलने वाला सिग्नल अब संदर्भ के स्थान पर बिल्कुल भी निर्भर नहीं करता है। यही कारण है कि लैप्लासियन को अक्सर संदर्भ-मुक्त (reference-free) के रूप में वर्णित किया जाता है।
लैप्लासियन उस रूप में भी कार्य करता है जिसे शोधकर्ता स्पैटियल बैंडपास फ़िल्टर (spatial bandpass filter) के रूप में वर्णित करते हैं। यह वोल्टेज परिवर्तन के बहुत व्यापक, छितरे हुए पैटर्न को दबाता है (उस प्रकार के जो स्कैल्प के बड़े क्षेत्रों में फैलने वाले वॉल्यूम कंडक्शन द्वारा उत्पन्न होते हैं) जबकि अत्यधिक तीक्ष्ण, केंद्रित शोर को भी कम करता है।
जो बचता है वह गतिविधि का एक मध्यम-स्तरीय अनुमान होता है जो इस बात से अच्छी तरह मेल खाता है कि कैसे कॉर्टेक्स से विद्युत धाराएं वास्तव में मानव सिर की परतों के माध्यम से फैलती हैं। वास्तव में, यह परिवर्तन उस भौतिक पैमाने पर अनुकूलित होता है जिस पर नियोकॉर्टिकल स्रोत वास्तव में स्कैल्प को प्रभावित करते हैं, जिससे बहुत व्यापक और बहुत संकीर्ण दोनों फ़िल्टर हो जाते हैं।
संदर्भ इलेक्ट्रोड मानकीकरण तकनीक (REST)
लैप्लासियन परिवर्तन को लागू करने से पहले, प्राथमिक भौतिक संदर्भ का विकल्प अक्सर प्रारंभिक रिकॉर्डिंग की गुणवत्ता को प्रभावित करता है।
कई क्लीनिक संदर्भ इलेक्ट्रोड मानकीकरण तकनीक (REST) का उपयोग करते हैं, जो गणितीय रूप से रॉ EEG डेटा को एक अनुमानित संदर्भ-स्वतंत्र वितरण में बदल देता है। यह सुनिश्चित करता है कि बाद की गणना प्रारंभिक रिकॉर्डिंग के लिए चुने गए विशिष्ट विद्युत साइट से विषम न हो, जो उद्देश्य नैदानिक मूल्यांकन के लिए महत्वपूर्ण है।
व्यावहारिक रूप से स्पलाइन-लैप्लासियन की गणना कैसे की जाती है
बिखरे हुए इलेक्ट्रोड रीडिंग के एक सीमित सेट से दूसरे व्युत्पन्न की गणना करना सीधा नहीं है, क्योंकि इलेक्ट्रोड लगातार नहीं बल्कि केवल अलग-अलग बिंदुओं पर स्कैल्प का नमूना लेते हैं।
स्पलाइन-लैप्लासियन (spline-Laplacian) विधि वास्तविक इलेक्ट्रोड स्थितियों के माध्यम से एक चिकनी, लचीली गणितीय सतह को फिट करके इसे हल करती है, जिसे एक गोले या अधिक शारीरिक रूप से यथार्थवादी दीर्घवृत्त (ellipsoid) के रूप में तैयार किया जाता है। एक बार जब यह निरंतर सतह परिभाषित हो जाती है, तो व्युत्पन्न की सीधे इससे गणना की जा सकती है, जिससे उसके आस-पास के पड़ोसियों पर रिकॉर्ड किए गए मूल्यों के आधार पर प्रत्येक इलेक्ट्रोड स्थान पर लैप्लासियन अनुमान तैयार होता है।
यह विधि मूल रूप से गोलाकार सिर के मॉडल के लिए तैयार की गई थी और बाद में इसे गणितीय रूप से दीर्घवृत्ताकार सतहों तक विस्तारित किया गया, जो मानव सिर के वास्तविक आकार का बेहतर अनुमान लगाती हैं। दोनों निष्कर्षों को स्थिर दिखाया गया है, भले ही सिर की ज्यामिति में अशुद्धियाँ हों या विभिन्न ऊतक परतों की प्रतिरोधकता के बारे में अनिश्चितता हो, जो कारक वास्तविक नैदानिक या अनुसंधान रिकॉर्डिंग सत्रों में अनिवार्य रूप से अपरिहार्य हैं।
इस मजबूती का मतलब है कि स्पलाइन-लैप्लासियन को उपयोगी और स्थिर परिणाम देने के लिए किसी व्यक्ति के सिर के सटीक शारीरिक मॉडल की आवश्यकता नहीं होती है।
एक व्यावहारिक आवश्यकता है जो यह निर्धारित करती है कि विधि कितना लाभ प्रदान करती है: इलेक्ट्रोड घनत्व। विभिन्न इलेक्ट्रोड लेआउट में स्पलाइन-लैप्लासियन प्रदर्शन की तुलना करने वाले नुनेज़ और अन्य के शोध में स्पैटियल रिज़ॉल्यूशन में नाटकीय सुधार पाया गया, विशेष रूप से जब पड़ोसी सेंसर के बीच औसत दूरी लगभग 3 सेंटीमीटर से कम होती है।
इस दूरी से नीचे, व्युत्पन्न का अनुमान पर्याप्त सटीकता के साथ लगाया जा सकता है ताकि अंतर्निहित सिग्नल को काफी तेज किया जा सके। इसके विपरीत, विरल इलेक्ट्रोड एरेज़ स्कैल्प का पर्याप्त बारीक नमूना नहीं लेते हैं ताकि सटीक दूसरे व्युत्पन्न की गणना का समर्थन किया जा सके, जिससे यह सीमा सीमित हो जाती है कि परिवर्तन रॉ क्षमताओं में कितना सुधार कर सकता है।
लैप्लासियन क्षमता की गणना करना
क्षमता की गणना करने के लिए, एक सॉफ़्टवेयर सिस्टम रेडियल पैटर्न में अपने तत्काल पड़ोसियों के भारित औसत के विरुद्ध केंद्र सेंसर का आकलन करता है। यह वर्तमान घनत्व का एक वर्चुअल मानचित्र बनाता है, जिसे निदान के दौरान व्याख्या करना अक्सर आसान होता है।
इस गणना के लिए गणितीय अनुक्रम का मुख्य भाग नीचे दिया गया है:
चरण | क्रिया | उद्देश्य |
|---|---|---|
1 | इलेक्ट्रोड चयन | विश्लेषण का केंद्रीय बिंदु चुनें। |
2 | स्पैटियल वेटिंग | पड़ोसी स्कैल्प सेंसरों पर मान लागू करें। |
3 | ग्रेडिएंट गणना | केंद्र से स्थानीय औसत घटाएं। |
निम्नलिखित मानदंड यह निर्धारित करने में मदद करते हैं कि स्पष्ट परिणामों के लिए कॉन्फ़िगरेशन अनुकूलित है या नहीं:
जहां संभव हो, इलेक्ट्रोडों के बीच की दूरी समान रहनी चाहिए।
सभी आस-पास के पड़ोसियों पर सिग्नल की गुणवत्ता तुलनीय होनी चाहिए।
कॉन्फ़िगरेशन को रुचि के क्षेत्र के आसपास समरूपता बनाए रखनी चाहिए।
एक बार जब ये मानदंड पूरे हो जाते हैं, तो परिणामी डेटा प्रभावी रूप से मस्तिष्क गतिविधि के केंद्रित स्रोत को उजागर करता है, जिससे दूर-क्षेत्र के पैटर्न से हस्तक्षेप कम होता है।
लैप्लासियन मोंटाज का उपयोग करने के लाभ
विशिष्ट कॉर्टिकल जनरेटर को अलग करने का लक्ष्य रखने वाले शोधकर्ताओं के लिए स्पैटियल फ़िल्टरिंग कई विशिष्ट लाभ प्रदान करती है। एक एकल संदर्भ बिंदु पर निर्भरता को कम करके, यह तकनीक विभिन्न प्रयोगात्मक स्थितियों में अधिक विश्वसनीय परिणाम प्राप्त करने में मदद करती है।
लैप्लासियन ट्रांसफॉर्म के साथ बेहतर स्पैटियल रिज़ॉल्यूशन
लैप्लासियन मोंटाज के पीछे मुख्य व्यावहारिक दावा यह है कि यह असंसाधित स्कैल्प वोल्टेज की तुलना में spatial picture of brain activity को काफी तेज करता है।
गोलाकार और दीर्घवृत्ताकार सतहों पर स्पलाइन-आधारित व्युत्पत्तियों का उपयोग करने वाले नुनेज़ और अन्य के काम ने पारंपरिक रिकॉर्डिंग की तुलना में स्पैटियल रिज़ॉल्यूशन में कम से कम तीन गुना सुधार की रिपोर्ट की। यह सुधार कंप्यूटर सिमुलेशन, इवोक्ड क्षमता डेटा, स्वतःस्फूर्त विश्राम EEG, और मिर्गी के दौरे की रिकॉर्डिंग में भी बना रहा, जिससे पता चलता है कि यह केवल एक संकीर्ण प्रकार के मस्तिष्क सिग्नल तक सीमित नहीं है।
एक अलग analysis by Law et al. ने इस खोज को मजबूत किया कि रिज़ॉल्यूशन में सुधार काफी हद तक सिग्नल के स्रोत या सिर का प्रतिनिधित्व करने के लिए उपयोग किए जाने वाले ज्यामितीय मॉडल के बारे में की गई विशिष्ट मान्यताओं से स्वतंत्र है। यह एक महत्वपूर्ण अंतर है।
कई EEG स्रोत-स्थानीयकरण तकनीकों के लिए शोधकर्ताओं को पहले से यह मान लेने की आवश्यकता होती है कि मस्तिष्क में सिग्नल कहाँ से आने की संभावना है। स्पलाइन-लैप्लासियन उन मान्यताओं पर भारी निर्भर किए बिना अपने रिज़ॉल्यूशन लाभ प्राप्त करता है, जो इसे विभिन्न प्रकार के अध्ययनों और रोगी आबादी में अधिक व्यापक रूप से लागू करने योग्य बनाता है, बशर्ते इलेक्ट्रोड घनत्व पर्याप्त हो।
संदर्भ इलेक्ट्रोड विरूपण को हटाना
चूंकि लैप्लासियन गणना गणितीय रूप से सभी इलेक्ट्रोडों में जोड़े गए किसी भी निरंतर मूल्य को रद्द कर देती है, इसलिए यह किसी कथित रूप से तटस्थ संदर्भ साइट को चुनने के बजाय निर्माण द्वारा संदर्भ इलेक्ट्रोड के प्रभाव को समाप्त करती है।
क्षमता डेटा की सीधे जांच करने वाले नुनेज़ और अन्य के तुलनात्मक कार्य ने प्रदर्शित किया कि रॉ स्कैल्प क्षमताएं, जो अभी भी चयनित संदर्भ से जुड़ी हुई हैं, एक घटना से संबंधित मस्तिष्क प्रतिक्रिया के स्पष्ट आकार और समय को विकृत कर सकती हैं। इसके विपरीत, लैप्लासियन ट्रांसफॉर्म द्वारा उत्पादित वर्तमान स्रोत घनत्व अनुमान को उसी अंतर्निहित घटना का अधिक सटीक स्थानिक-कालिक विवरण प्रदान करते हुए दिखाया गया था।
व्यावहारिक रूप से, इसका मतलब यह है कि एक ही विषय पर अलग-अलग संदर्भ इलेक्ट्रोड का उपयोग करने वाली दो प्रयोगशालाएं रॉ क्षमताओं से सार्थक रूप से भिन्न दिखने वाली तरंगों की रिपोर्ट कर सकती हैं, जबकि उनका लैप्लासियन-रूपांतरित डेटा अंतर्निहित कॉर्टिकल गतिविधि के अधिक सुसंगत प्रतिनिधित्व पर एकत्रित होगा।
वॉल्यूम कंडक्शन से कृत्रिम सुसंगतता को कम करना
सुसंगतता (Coherence), एक सांख्यिकीय माप है कि समय के साथ दो सिग्नल कितने समान रूप से उतार-चढ़ाव करते हैं, आमतौर पर यह अनुमान लगाने के लिए EEG research में उपयोग किया जाता है कि क्या दो मस्तिष्क क्षेत्र संचार कर रहे हैं या मिलकर काम कर रहे हैं। समस्या यह है कि केवल वॉल्यूम कंडक्शन, जिसमें कोई वास्तविक समन्वित तंत्रिका गतिविधि शामिल नहीं है, पास के इलेक्ट्रोड के बीच उच्च सुसंगतता मान उत्पन्न कर सकता है क्योंकि अंतर्निहित वोल्टेज स्कैल्प पर फैल गया है।
सिर की स्तरित चालकता के एक विश्लेषणात्मक मॉडल का उपयोग करते हुए, श्रीनिवासन के समूह के शोधकर्ताओं ने प्रदर्शित किया कि यह वॉल्यूम-कंडक्शन प्रभाव 10 से 12 सेंटीमीटर की दूरी तक के इलेक्ट्रोड के बीच कृत्रिम सहसंबंध उत्पन्न कर सकता है। उसी डेटा पर सतह लैप्लासियन को लागू करने से इस कृत्रिम सुसंगतता में काफी कमी आई, क्योंकि इसके स्पैटियल बैंडपास गुण ठीक उसी प्रकार के व्यापक, बिखरे हुए फैलाव को फ़िल्टर करते हैं जो झूठे सहसंबंध उत्पन्न करते हैं।
इसका मतलब यह नहीं है कि रॉ संभावित सुसंगतता को पूरी तरह से खारिज कर दिया जाना चाहिए। उसी शोध ने इस बात पर जोर दिया कि रॉ स्कैल्प सुसंगतता और लैप्लासियन-व्युत्पन्न सुसंगतता कॉर्टिकल गतिविधि के विभिन्न स्पैटियल बैंडविड्थ के प्रति संवेदनशील हैं, जिसका अर्थ है कि प्रत्येक नियोकॉर्टिकल गतिशीलता के कुछ अलग हिस्से को कैप्चर करता है।
एक उपाय को दूसरे के साथ बदलने के बजाय, समानांतर में दोनों की जांच करने की सिफारिश की जाती है, क्योंकि मिलकर वे किसी एक की तुलना में अधिक संपूर्ण तस्वीर पेश करते हैं।
लौकिक सटीकता: विलंबता अनुमानों में सुधार क्यों होता है
EEG की प्रतिष्ठा मुख्य रूप से इसकी गति पर निर्भर करती है, जो मिलीसेकंड के स्तर पर मस्तिष्क की गतिविधि को ट्रैक करने की इसकी क्षमता है। रॉ स्कैल्प क्षमताओं पर लागू होने पर वह प्रतिष्ठा कुछ हद तक बढ़ा-चढ़ाकर पेश की जाती है।
उपर्युक्त सिमुलेशन कार्य ने दिखाया है कि वॉल्यूम कंडक्शन और संदर्भ इलेक्ट्रोड का चयन न केवल यह विकृत करते हैं कि सिग्नल कहाँ से उत्पन्न होता प्रतीत होता है, बल्कि वे यह भी विकृत करते हैं कि यह कब होता प्रतीत होता है। स्कैल्प क्षमताएं वास्तविक मस्तिष्क की घटनाओं की विलंबता (latency) का गलत अनुमान लगा सकती हैं क्योंकि ऊतक संचालन के स्मियरिंग प्रभाव और संदर्भ के प्रभाव विभिन्न समय बिंदुओं और विभिन्न स्रोतों से सिग्नलों को एक साथ मिला देते हैं।
काम के उसी निकाय ने पाया कि सतह लैप्लासियन के माध्यम से उत्पन्न वर्तमान स्रोत घनत्व अनुमान इस विरूपण के अधिकांश हिस्से से बचते हैं, जो शोधकर्ताओं ने मस्तिष्क की गतिविधि की स्थानिक-कालिक गतिशीलता के बहुत समृद्ध और बहुत अधिक सटीक दृश्य के रूप में वर्णित किया है। यह खोज दो सिमुलेशन अध्ययनों और दो अनुभवजन्य परीक्षणों में दोहराई गई थी, जिससे इसे काफी सुसंगत साक्ष्य आधार मिला।
व्यावहारिक निहितार्थ यह है कि संज्ञानात्मक या नैदानिक घटनाओं के सटीक समय का अध्ययन करने वाले शोधकर्ताओं के पास लैप्लासियन-रूपांतरित डेटा को इस बात का अधिक विश्वसनीय रिकॉर्ड मानने का कारण है कि मस्तिष्क में चीजें वास्तव में कब हो रही हैं।
केंद्रीय स्कैल्प लीड्स में मांसपेशियों की कलाकृतियों को अस्वीकार करना
मांसपेशियों द्वारा उत्पन्न विद्युत गतिविधि, या इलेक्ट्रोमायोग्राफी संदूषण, EEG recording में अधिक जिद्दी बाधाओं में से एक है, विशेष रूप से जबड़े और स्कैल्प की मांसपेशियों के पास केंद्रीय स्कैल्प साइटों पर।
इस प्रभाव को अलग करने के लिए डिज़ाइन किए गए study by Fitzgibbon et al. ने पूर्ण न्यूरोमस्कुलर नाकाबंदी से पहले और बाद में जागने वाले विषयों से ली गई रिकॉर्डिंग की तुलना की, जिससे शोधकर्ताओं को यह मापने की अनुमति मिली कि सामान्य परिस्थितियों में दर्ज किए गए सिग्नल का कितना हिस्सा वास्तव में मस्तिष्क की गतिविधि के बजाय मांसपेशियों का था।
बाएं कान के संदर्भ और सामान्य औसत संदर्भ मोंटाज के खिलाफ कई स्कैल्प सतह लैप्लासियन अनुमानकों की तुलना करते हुए, अध्ययन में पाया गया कि सतह लैप्लासियन प्रसंस्करण ने केंद्रीय और पेरीसेंट्रल लीड में मांसपेशियों की शक्ति को 30 हर्ट्ज से ऊपर के मस्तिष्क सिग्नल के छठे हिस्से से कम कर दिया, जो कि छह से अधिक का मस्तिष्क-से-मांसपेशी अनुपात है।
यह प्रदर्शन सामान्य औसत संदर्भ की तुलना में दो से तीन गुना बेहतर बताया गया था, जो कि अधिक व्यापक रूप से उपयोग किए जाने वाले पारंपरिक मोंटाज में से एक है। चूंकि मांसपेशियों का संदूषण उच्च आवृत्ति श्रेणियों में केंद्रित होता है, इसलिए यह लाभ गामा-बैंड गतिविधि का अध्ययन करने की कोशिश करने वाले किसी भी व्यक्ति के लिए विशेष रूप से प्रासंगिक है, जो नैदानिक और संज्ञानात्मक रुचि की एक आवृत्ति सीमा है जो अन्यथा स्कैल्प और जबड़े की मांसपेशियों के शोर से आसानी से अस्पष्ट हो जाती है।
शोधकर्ताओं ने नोट किया कि यह लैप्लासियन को उच्च-आवृत्ति गतिविधि का पता लगाने और रोग के इलेक्ट्रोफिजियोलॉजिकल सहसंबंधों का अध्ययन करने के लिए एक उपयोगी मानक बनाता है, जिसमें brain disorders अनुसंधान के भीतर अध्ययन की जाने वाली स्थितियां शामिल हैं, जहां सूक्ष्म उच्च-आवृत्ति वाले सिग्नलों का नैदानिक महत्व हो सकता है।
लैप्लासियन मोंटाज ईईजी के अनुप्रयोग
मिर्गी का नैदानिक मूल्यांकन इस स्पैटियल प्रसंस्करण पद्धति के प्राथमिक अनुप्रयोगों में से एक बना हुआ है। इंटरइक्टल डिस्चार्ज के सटीक स्थानिक वितरण की पहचान करके, न्यूरोलॉजिस्ट दौरे के मुख्य केंद्र को बेहतर ढंग से परिभाषित कर सकते हैं। यह मानक रिकॉर्डिंग की तुलना में एक स्पष्ट दृश्य प्रदान करता है, जो अक्सर आस-पास की क्रैनियल शारीरिक रचना के कारण महत्वपूर्ण धुंधलापन के साथ प्रस्तुत होता है।
संज्ञानात्मक न्यूरोसाइंस अनुसंधान भी इस दृष्टिकोण को नियोजित करता है, विशेष रूप से जब उच्च-आवृत्ति वाले दोलनों की जांच की जाती है, जिसके लिए सटीक समय और स्थान की आवश्यकता होती है। अध्ययन अक्सर कॉर्टिकल सतह पर इन तरंगों को ट्रैक करते हैं ताकि यह देखा जा सके कि वे संवेदी प्रसंस्करण केंद्रों के बीच कैसे यात्रा करती हैं।
अंत में, इस तकनीक का व्यापक रूप से Brain-Computer Interface (BCI) विकास में उपयोग किया जाता है जहाँ मोटर नियंत्रण के लिए वास्तविक समय की सटीकता आवश्यक है। मोटर कॉर्टेक्स में उत्पन्न विशिष्ट म्यू लय को अलग करके, सिस्टम अधिक सटीक रूप से इरादे की व्याख्या कर सकता है।
यह अनुप्रयोग कच्चे विद्युत संभावितों को बाहरी उपकरणों के लिए कार्यात्मक इनपुट में बदलने में लैप्लासियन फिल्टर की बहुमुखी प्रतिभा को प्रदर्शित करता है।
सीमाएँ और व्याख्या संबंधी चेतावनियाँ
इन फायदों में से कोई भी लैप्लासियन को अन्य EEG विश्लेषण दृष्टिकोणों के लिए एक सार्वभौमिक प्रतिस्थापन नहीं बनाता है, और सहायक अनुसंधान इसकी सीमाओं के बारे में स्पष्ट है।
पहला, लैप्लासियन सिग्नल के लिए एक सटीक शारीरिक स्थान को इंगित करने के अर्थ में कोई स्रोत स्थानीयकरण तकनीक नहीं है। यह एक मध्यम स्थानिक पैमाने पर वर्तमान घनत्व का अनुमान लगाता है, जो कि डाइपोल-फिटिंग या अन्य मॉडल-आधारित तरीकों द्वारा किए जाने वाले स्थानीयकरण के प्रकार से एक अलग लक्ष्य है।
दूसरा, इस परिवर्तन को उन स्रोतों के प्रति असंवेदनशील बताया गया है जो मस्तिष्क के भीतर गहरे से उत्पन्न होते हैं, कॉर्टिकल सतह से दूर, या इलेक्ट्रोड व्यूह के भौतिक सीमा के बाहर स्थित स्रोतों के प्रति। यदि कोई सिग्नल सबकोर्टिकल संरचनाओं से आता है या किसी ऐसे क्षेत्र से आता है जिसे इलेक्ट्रोड नेट कवर नहीं करता है, तो लैप्लासियन इसका अच्छी तरह से प्रतिनिधित्व नहीं करेगा, भले ही आसपास के इलेक्ट्रोड कितने भी घने क्यों न हों।
तीसरा, रिज़ॉल्यूशन लाभ सशर्त हैं। महत्वपूर्ण सुधार औसत इलेक्ट्रोड रिक्ति पर निर्भर करता है जो लगभग 3 सेंटीमीटर से कम है, इसलिए एक विरल या असमान रूप से दूरी वाला व्यूह अंतर्निहित अध्ययनों में प्रदर्शित समान लाभ प्रदान नहीं करेगा। कम-घनत्व वाली रिकॉर्डिंग पर विधि को लागू करने वाले किसी भी व्यक्ति को अधिक मामूली लाभ की उम्मीद करनी चाहिए।
अंत में, वही स्पैटियल बैंडपास गुण जो वॉल्यूम-कंडक्शन आर्टिफैक्ट को फ़िल्टर करता है, वास्तव में व्यापक कॉर्टिकल घटनाओं को भी कम कर सकता है, क्योंकि गतिविधि के बहुत व्यापक पैटर्न उन छितरे हुए सिग्नलों के समान होते हैं जिन्हें दबाने के लिए फ़िल्टर डिज़ाइन किया गया है।
यही कारण है कि सुसंगतता अनुसंधान ने रॉ संभावित डेटा और लैप्लासियन-रूपांतरित डेटा का समानांतर रूप से विश्लेषण करने की सिफारिश की है, न कि एक को दूसरे के सख्त अपग्रेड के रूप में मानने की। प्रत्येक नियोकॉर्टिकल गतिविधि के एक अलग स्थानिक बैंडविड्थ को कैप्चर करता है, और सबसे संपूर्ण व्याख्या दोनों पर एक साथ विचार करने से आती है।
निष्कर्ष: कॉर्टिकल गतिविधि पर एक पैना लेंस के रूप में लैप्लासियन
सतह लैप्लासियन इस बात को फिर से परिभाषित करता है कि स्कैल्प EEG क्या माप रहा है। एक ऐसे वोल्टेज की रिपोर्ट करने के बजाय जो एक मनमाने संदर्भ पर निर्भर करता है और जो खोपड़ी के फ़िल्टरिंग प्रभाव से धुंधला हो गया है, यह इलेक्ट्रोड व्यूह की ज्यामिति से सीधे स्थानीय वर्तमान स्रोत घनत्व का अनुमान लगाता है, स्पलाइन-आधारित विधियों का उपयोग करके जिन्हें वास्तविक दुनिया के सिर के मॉडलिंग त्रुटियों के तहत स्थिर दिखाया गया है।
इन अध्ययनों में निर्मित अनुभवजन्य रिकॉर्ड सुसंगत, मापने योग्य लाभों की ओर इशारा करते हैं:
स्पैटियल रिज़ॉल्यूशन में तीन गुना या उससे अधिक सुधार हुआ है
दूर के इलेक्ट्रोडों के बीच कृत्रिम सहसंबंध समाप्त हुआ
विलंबता अनुमान जो वास्तविक मस्तिष्क के समय को बेहतर ढंग से दर्शाते हैं
मांसपेशियों का संदूषण घटकर उस स्तर पर आ गया है जिसकी अनुमति पारंपरिक संदर्भ देते हैं
ये लाभ पर्याप्त इलेक्ट्रोड घनत्व पर निर्भर करते हैं और वास्तविक व्याख्यात्मक सीमाओं के साथ आते हैं, विशेष रूप से गहरे या व्यूह के बाहर के स्रोतों और व्यापक कॉर्टिकल पैटर्नों को कम करने के जोखिम के आसपास। रॉ क्षमता विश्लेषण के प्रतिस्थापन के बजाय इसके साथ उपयोग किए जाने पर, लैप्लासियन मोंटाज स्थानीय कॉर्टिकल गतिविधि में एक सार्थक रूप से तेज, संदर्भ-मुक्त खिड़की प्रदान करता है।
संदर्भ
श्रीनिवासन, आर., नुनेज़, पी. एल., और सिल्वरस्टीन, आर. बी. (1998)। स्पैटियल फ़िल्टरिंग और नियोकॉर्टिकल डायनेमिक्स: ईईजी सुसंगतता के अनुमान। बायोमेडिकल इंजीनियरिंग पर आईईईई लेनदेन, 45(7), 814-826। https://doi.org/10.1109/10.686789
नुनेज़, पी. एल., और पिलग्रीन, के. एल. (1991)। नैदानिक न्यूरोफिज़ियोलॉजी में स्पलाइन-लैप्लासियन: ईईजी स्पैटियल रिज़ॉल्यूशन को बेहतर बनाने की एक विधि। क्लिनिकल न्यूरोफिज़ियोलॉजी का जर्नल, 8(4), 397-413।
लॉ, एस. के., नुनेज़, पी. एल., और विजेसिंगे, आर. एस. (2002)। गोलाकार और दीर्घवृत्ताकार सतहों पर स्पलाइन जनित सतह लैप्लासियन का उपयोग करके उच्च-रिज़ॉल्यूशन ईईजी। बायोमेडिकल इंजीनियरिंग पर आईईईई लेनदेन, 40(2), 145-153। https://doi.org/10.1109/10.212068
फिट्ज़गिब्बन, एस. पी., लुईस, टी. डब्ल्यू., पॉवर्स, डी. एम., व्हिटम, ई. डब्ल्यू., विलोबी, जे. ओ., और पोप, के. जे. (2012)। केंद्रीय स्कैल्प विद्युत सिग्नलों का सतह लैप्लासियन मांसपेशियों के संदूषण के प्रति असंवेदनशील है। बायोमेडिकल इंजीनियरिंग पर आईईईई लेनदेन, 60(1), 4-9। https://doi.org/10.1109/TBME.2012.2195662
अक्सर पूछे जाने वाले प्रश्न
ईईजी विश्लेषण में सतह लैप्लासियन क्या है?
सतह लैप्लासियन स्कैल्प वोल्टेज क्षेत्र के दूसरे स्पैटियल व्युत्पन्न का अनुमान लगाता है, जो स्कैल्प में बहने वाली रेडियल धारा से मेल खाता है। यह रिकॉर्डिंग को रॉ वोल्टेज के बजाय स्थानीय धारा स्रोत घनत्व के माप में बदल देता है, जिससे यह काफी हद तक संदर्भ इलेक्ट्रोड से स्वतंत्र हो जाता है।
लैप्लासियन मोंटाज संदर्भ इलेक्ट्रोड की समस्या को कैसे समाप्त करता है?
लैप्लासियन गणना गणितीय रूप से किसी भी स्थिर वोल्टेज को रद्द कर देती है जो सभी इलेक्ट्रोडों में समान रूप से जोड़ा जाता है, जो ठीक वही है जो एक साझा संदर्भ करता है। इस अंतर्निहित रद्दीकरण के कारण, परिणामी सिग्नल अब इस बात पर निर्भर नहीं करता है कि संदर्भ इलेक्ट्रोड कहाँ रखा गया था।
वॉल्यूम कंडक्शन आर्टिफैक्ट्स को कम करने में लैप्लासियन क्या भूमिका निभाता है?
लैप्लासियन एक स्पैटियल बैंडपास फ़िल्टर के रूप में कार्य करता है जो खोपड़ी और स्कैल्प के माध्यम से वॉल्यूम कंडक्शन के कारण होने वाले व्यापक, छितरे हुए वोल्टेज पैटर्न को दबाता है। यह फ़िल्टरिंग दूर के इलेक्ट्रोडों के बीच कृत्रिम सुसंगतता को कम करती है जिसे अन्यथा समन्वित मस्तिष्क गतिविधि के रूप में गलत समझा जा सकता है।
लैप्लासियन ईईजी सिग्नलों की समय सटीकता में कैसे सुधार करता है?
वॉल्यूम कंडक्शन और संदर्भ का चयन रॉ स्कैल्प क्षमताओं में मस्तिष्क की घटनाओं के समय को धुंधला कर सकता है। लैप्लासियन का वर्तमान स्रोत घनत्व अनुमान इस धुंधलेपन को कम करता है, जिससे कॉर्टिकल गतिविधि वास्तव में कब होती है इसका अधिक सटीक प्रतिनिधित्व मिलता है।
स्पलाइन-लैप्लासियन विधि के लिए एक उच्च इलेक्ट्रोड घनत्व क्यों महत्वपूर्ण है?
स्पलाइन-लैप्लासियन इलेक्ट्रोड रीडिंग के एक अलग सेट से दूसरे व्युत्पन्न की गणना करता है, इसलिए वोल्टेज वक्रता को कैप्चर करने के लिए स्कैल्प का पर्याप्त बारीक नमूना लिया जाना चाहिए। जब औसत सेंसर रिक्ति पर्याप्त रूप से कम होती है, तो व्युत्पन्न का सटीकता से अनुमान लगाया जा सकता है, जिससे स्पैटियल रिज़ॉल्यूशन में काफी लाभ होता है।
क्या लैप्लासियन ईईजी में मांसपेशियों की कलाकृतियों को कम करने में मदद कर सकता?
हाँ, सतह लैप्लासियन प्रसंस्करण मांसपेशियों द्वारा उत्पन्न विद्युत शोर को काफी कम करता है, विशेष रूप से जबड़े और स्कैल्प की मांसपेशियों के पास केंद्रीय स्कैल्प साइटों पर। इसके परिणामस्वरूप मांसपेशियों के संदूषण की तुलना में मस्तिष्क सिग्नल का अनुपात बहुत अधिक होता है, विशेष रूप से गामा जैसी उच्च आवृत्ति श्रेणियों में।
लैप्लासियन मोंटाज की मुख्य सीमाएँ क्या हैं?
लैप्लासियन गहरे मस्तिष्क के स्रोतों या इलेक्ट्रोड व्यूह के बाहर के सिग्नलों का पता नहीं लगाता है, और यह वास्तव में व्यापक कॉर्टिकल गतिविधि को कम कर सकता है क्योंकि इसका फ़िल्टर व्यापक पैटर्न को दबाता है। इसका उपयोग रॉ संभावित विश्लेषण के साथ करना सबसे अच्छा है, क्योंकि प्रत्येक मस्तिष्क गतिविधि के एक अलग स्थानिक पैमाने को कैप्चर करता है।
लैप्लासियन मोंटाज द्विध्रुवी (bipolar) मोंटाज से कैसे भिन्न है?
एक द्विध्रुवी मोंटाज वोल्टेज अंतर को दिखाने के लिए दो अलग-अलग इलेक्ट्रोडों की तुलना करता है, जबकि लैप्लासियन मोंटाज एक सतह पर स्थानीय वर्तमान घनत्व का अनुमान लगाने के लिए एक केंद्रीय इलेक्ट्रोड और उसके तत्काल पड़ोसियों के आधार पर गणितीय दूसरे व्युत्पन्न का उपयोग करता है।
क्या इस तकनीक के लिए इलेक्ट्रोड की एक विशिष्ट संख्या की आवश्यकता होती है?
हाँ, मोंटाज की प्रभावकारिता चैनलों की संख्या के साथ बढ़ती है, क्योंकि गणना सेंसर व्यूह के स्थानिक घनत्व और पड़ोसी ग्रिड लेआउट की सापेक्ष सटीकता पर निर्भर करती है।
क्या लैप्लासियन मोंटाज का उपयोग मानक 10-20 सिस्टम लेआउट के साथ किया जा सकता है?
यद्यपि विशेष इंटरपोलेशन का उपयोग करके सीमित इलेक्ट्रोडों के साथ गणितीय रूप से संभव है, मानक 10-20 प्रणालियों में अत्यधिक विश्वसनीय या विस्तृत स्थानिक व्याख्या के लिए आवश्यक घनत्व की कमी हो सकती है।
क्या लैप्लासियन मोंटाज मस्तिष्क की गहरी संरचनाओं का पता लगा सकता है?
चूंकि मोंटाज एक स्पैटियल हाई-पास फ़िल्टर के रूप में कार्य करता है, इसे सतही कॉर्टिकल गतिविधि पर जोर देने के लिए डिज़ाइन किया गया है और यह क्षमता-आधारित दृश्यों की तुलना में गहरे उप-कॉर्टिकल स्रोतों के प्रति आम तौर पर कम संवेदनशील होता है।
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
