पावर स्पेक्ट्रल डेंसिटी, या PSD, वह उपकरण है जो EEG संकेतों को अलग करता है और आपको बताता है कि उन गतियों, या आवृत्तियों में से प्रत्येक समग्र रिकॉर्डिंग में कितनी ऊर्जा का योगदान देता है। एक बार जब आप PSD प्लॉट पढ़ना सीख जाते हैं, तो आप मस्तिष्क के लिए एक प्रकार का रिदम स्कोर पढ़ रहे होते हैं, एक ऐसा चार्ट जो दिखाता है कि कौन सी गति हावी है और कौन सी पृष्ठभूमि में गायब हो जाती है।
ईईजी (EEG) में पावर स्पेक्ट्रल डेंसिटी क्या है?
कच्चे EEG ट्रेस को एक ऑर्केस्ट्रा द्वारा बजाए गए सुर की तरह समझें जहाँ प्रत्येक वाद्य यंत्र मस्तिष्क तरंग की एक अलग आवृत्ति (फ़्रीक्वेंसी) है। आप केवल कान से सुनकर यह नहीं बता सकते कि प्रत्येक वाद्य यंत्र का कितना योगदान है।
PSD प्रत्येक आवृत्ति पर सिग्नल के वर्ग आयाम (स्क्वायर्ड एंप्लीट्यूड) की गणना करके और रिकॉर्डिंग समय के एक हिस्से में उस माप का औसत निकालकर इसे हल करता है। इसका परिणाम एक वक्र (कर्व) के रूप में मिलता है जिसके एक अक्ष पर आवृत्ति और दूसरे पर पावर होती है, जो बिल्कुल यह दिखाता है कि मस्तिष्क की विद्युत गतिविधि धीमी और तेज़ लय में कैसे वितरित होती है।
PSD पूरी रिकॉर्डिंग अवधि को एक वक्र में संकुचित (कंप्रेस) कर देता है, इसलिए यह आपको यह बताने के बजाय कि हर सेकंड यह मिश्रण कैसे बदलता है, उस विंडो के दौरान आवृत्तियों के समग्र संतुलन के बारे में बताता है। यह महत्वपूर्ण है क्योंकि किसी व्यक्ति के मस्तिष्क की स्थिति जल्दी बदल सकती है, लेकिन एक मानक PSD प्लॉट उन बदलावों का औसत निकाल देता है।
मेडिकल ग्रेड और उपभोक्ता ईईजी (EEG) हेडसेट की तुलना करने वाले शोधकर्ताओं ने इस औसत के लिए एक विशिष्ट गणना पद्धति का उपयोग किया, जिसे वेल्च की संशोधित पीरियोडोग्राम (Welch's modified periodogram) कहा जाता है, जो रिकॉर्डिंग को ओवरलैपिंग खंडों में तोड़ती है और एक स्वच्छ, कम शोर वाला PSD अनुमान उत्पन्न करने के लिए उनके स्पेक्ट्रा का औसत निकालती है।
इस तरह का सिग्नल प्रोसेसिंग चरण एक ऐसा PSD वक्र तैयार करने के लिए मानक अभ्यास है जो यादृच्छिक उतार-चढ़ाव के बजाय अंतर्निहित मस्तिष्क गतिविधि को दर्शाता है।
पावर स्पेक्ट्रल डेंसिटी की चरण-दर-चरण गणना
PSD की गणना करने में आमतौर पर एक एकल कमांड के बजाय सिग्नल-गुणवत्ता और सिग्नल-प्रोसेसिंग निर्णयों का एक क्रम शामिल होता है। रिकॉर्डिंग की सबसे पहले लापता डेटा, अनुपयुक्त चैनलों और प्रमुख आर्टिफैक्ट्स के लिए जाँच की जाती है। विश्लेषक फिर खंडों का चयन करते हैं, उपयुक्त होने पर धीमी प्रवृत्तियों को हटाते हैं या मॉडल करते हैं, एक विंडो लागू करते हैं, डेटा को आवृत्ति डोमेन में बदलते हैं, और परिणाम को स्केल करते हैं।
परिणामी स्पेक्ट्रम का निरीक्षण मूल समय श्रृंखला और जहाँ प्रासंगिक हो, आंदोलन, इलेक्ट्रोड व्यवधान, आँख की गतिविधि, मांसपेशियों की गतिविधि, या प्रयोगात्मक घटनाओं के एनोटेशन के साथ किया जाना चाहिए। यह तुलना एक वास्तविक लयबद्ध पैटर्न को एक क्षणिक अशांति से अलग करने में मदद करती है जो संयोगवश स्पेक्ट्रल पावर उत्पन्न करती है।
एक व्यावहारिक वर्कफ़्लो को निम्नलिखित चरणों में व्यवस्थित किया जा सकता है:
सैंपलिंग दर, चैनल लेबल, संदर्भ और रिकॉर्डिंग अवधि को सत्यापित करें।
उपयोग करने योग्य युगों (epochs) की पहचान करें और आर्टिफैक्ट्स या अस्वीकृत खंडों को संबोधित करें।
खंड की लंबाई, ओवरलैप, विंडो और आवृत्ति रेंज चुनें।
PSD का अनुमान लगाएं और स्केल करें, फिर चोटियों (peaks) और बैंड-सीमित पावर का निरीक्षण करें।
पैरामीटर का दस्तावेजीकरण करें ताकि परिणाम को पुनरुत्पादित और तुलना किया जा सके।
ये चरण गणना को खोजने योग्य बनाते हैं। वे एक दृष्टि से आकर्षक स्पेक्ट्रम को उन प्रीप्रोसेसिंग और अनुमान विकल्पों से स्वतंत्र मानने से भी रोकते हैं जिन्होंने इसे उत्पन्न किया है।
सामान्य तरीके: पीरियोडोग्राम और वेल्च की विधि
एक पीरियोडोग्राम चयनित खंड के लिए फूरियर ट्रांसफॉर्म के वर्ग परिमाण (स्क्वायर्ड मैग्नीट्यूड) की गणना करता है। यह सीधा है और खंड लंबा होने पर बढ़िया नाममात्र आवृत्ति अंतराल प्रदान कर सकता है, लेकिन इसका अनुमान एक आवृत्ति बिन से दूसरे आवृत्ति बिन में काफी भिन्न हो सकता है। यह परिवर्तनशीलता विशेष रूप से शोर वाले जैविक रिकॉर्डिंग के लिए प्रासंगिक है।
वेल्च की विधि सिग्नल को ओवरलैपिंग खंडों में विभाजित करती है, प्रत्येक खंड पर एक विंडो लागू करती है, प्रत्येक के लिए एक पीरियोडोग्राम की गणना करती है, और परिणामों का औसत निकालती है। औसत निकालने से आम तौर पर एक सहज, कम-विविधता वाला अनुमान प्राप्त होता है, जबकि छोटे खंड आवृत्ति रिज़ॉल्यूशन को कम कर सकते हैं। सबसे अच्छा संतुलन इस बात पर निर्भर करता है कि विश्लेषण संकीर्ण चोटियों, व्यापक बैंडों या स्थिर औसत गतिविधि पर जोर देता है या नहीं।
यह अंतर केवल सतही नहीं है। एक सहज स्पेक्ट्रम व्यापक पैटर्न की तुलना करना आसान बना सकता है, लेकिन अत्यधिक औसत अल्पकालिक या संकीर्ण रूप से स्थानीयकृत परिवर्तनों को अस्पष्ट कर सकता है। समय-परिवर्तित ईईजी (EEG) के लिए, संपूर्ण रिकॉर्डिंग में एकल PSD की तुलना में एक समय-आवृत्ति दृष्टिकोण अधिक उपयुक्त हो सकता है।
एक स्वस्थ विश्राम-अवस्था ईईजी (EEG) स्पेक्ट्रम कैसा दिखता है
यदि आप एक स्वस्थ वयस्क को बैठाते हैं, उनसे आराम करने के लिए कहते हैं, और उनके ईईजी (EEG) को रिकॉर्ड करते हैं, तो परिणामी PSD वक्र का एक पहचानने योग्य आकार होता है। सबसे कम आवृत्तियों पर पावर सबसे अधिक होती है और आवृत्ति बढ़ने के साथ लगातार गिरती जाती है, जिससे वह 1/f-जैसा पतन उत्पन्न होता है।
यह गिरता हुआ वक्र ऊपर वर्णित गैर-आवधिक (aperiodic) घटक को दर्शाता है, और इसकी ढलान को एक एकल संख्या द्वारा कैप्चर किया जाता है जिसे स्पेक्ट्रल एक्सपोनेंट कहा जाता है, जिसे कभी-कभी β के रूप में लिखा जाता है। एक तीव्र गिरावट का अर्थ है एक बड़ा नकारात्मक एक्सपोनेंट; एक सपाट गिरावट का अर्थ है कि पावर आवृत्तियों में अधिक समान रूप से फैली हुई है।
इस पृष्ठभूमि की गिरावट के शीर्ष पर बैठकर, आँखें बंद करके विश्राम करने वाला मस्तिष्क आमतौर पर 8 से 12 Hz के आसपास एक दृश्य उभार पैदा करता है, जिसे अल्फा पीक कहा जाता है। यह उभार आमतौर पर सिर के पिछले हिस्से पर सबसे मजबूत होता है। उसी व्यक्ति की आँखें खोलें, और वह अल्फा पीक विशेष रूप से सिकुड़ जाता है।
चिकित्सीय-ग्रेड ईईजी (EEG) प्रणालियों और उपभोक्ता हेडबैंड्स की रत्ती आदि द्वारा एक सीधी तुलना ने ठीक इसी पैटर्न को रिकॉर्ड किया: परीक्षण की गई प्रत्येक प्रणाली में, डेटा में सबसे बड़ा लयबद्ध हस्ताक्षर एक पश्च अल्फा लय (posterior alpha rhythm) था जिसने आँखें बंद होने बनाम आँखें खुली होने की स्थितियों में अनुमानित रूप से प्रतिक्रिया दी।
उसी तुलना ने एक अधिक व्यावहारिक प्रश्न भी पूछा: यदि आप एक ही व्यक्ति को दो अलग-अलग दौरों में दो बार रिकॉर्ड करते हैं, तो क्या PSD वक्र एक जैसा दिखता है?
उत्तर काफी हद तक उपकरणों की गुणवत्ता पर निर्भर करता था। मेडिकल-ग्रेड प्रणालियों ने Fp1 इलेक्ट्रोड PSDs का उत्पादन किया (Fp1 माथे पर बैठता है और परीक्षण किए गए चारों प्रणालियों में आम इलेक्ट्रोड था) जो दौरों के दौरान सुसंगत थे, जबकि एक उपभोक्ता प्रणाली ने परीक्षण और पुन: परीक्षण सत्रों के बीच उच्चतम सापेक्ष भिन्नता दिखाई। यह हमें बताता है कि एक अच्छा व्यवहार करने वाला PSD वक्र केवल मस्तिष्क की विशेषता नहीं है, यह इस बात की भी विशेषता है कि सिग्नल को कितनी सावधानी से कैप्चर किया गया था।
एनेस्थीसिया मस्तिष्क के स्पेक्ट्रल सिग्नेचर को कैसे बदलता है
स्थिर PSD विशेष रूप से तब जानकारीपूर्ण हो जाता है जब मस्तिष्क की स्थिति नाटकीय रूप से बदलती है, और एनेस्थीसिया से अधिक प्रत्यक्ष कोई उदाहरण नहीं है। कोलंबो आदि द्वारा 2019 के एक अध्ययन में तीन अलग-अलग एजेंटों: ज़ेनॉन, प्रोपोफोल और केटामाइन के साथ एनेस्थीसिया से पहले और उसके दौरान स्वस्थ स्वयंसेवकों में आराम की स्थिति के ईईजी (EEG) को रिकॉर्ड किया गया।
प्रत्येक सत्र के बाद, शोधकर्ताओं ने पूछा कि क्या व्यक्ति को अनुत्तरदायी अवधि के दौरान सचेत अनुभव की कोई स्मृति थी, उन राज्यों में अंतर करते हुए जहाँ चेतना की सूचना दी गई थी, उन राज्यों से जहाँ यह अनुपस्थित या याद रखने के लिए दुर्गम दिखाई दी।
स्पेक्ट्रल एक्सपोनेंट ने इस अंतर को बारीकी से ट्रैक किया। ज़ेनॉन और प्रोपोफोल, दोनों एजेंट सचेत अनुभव के नुकसान से जुड़े हैं, प्रत्येक विषय के भीतर नकारात्मक स्पेक्ट्रल एक्सपोनेंट में पर्याप्त कमी का कारण बने, जिसका अर्थ है कि PSD वक्र विशेष रूप से अधिक तीव्र हो गया। व्यापक 1 से 40 Hz रेंज में यह तीव्रता सरल अनुत्तरदायित्व के बजाय सचेत अनुभव की अनुपस्थिति को दर्शाती है।
केटामाइन ने एक अलग कहानी बताई। भले ही केटामाइन के तहत विषय व्यावहारिक रूप से अनुत्तरदायी थे, वे आमतौर पर कुछ सचेत अनुभव बनाए रखते हैं, और समग्र PSD क्षय सामान्य जागृति के समान दिखता था। एक अपवाद विशेष रूप से 20 से 40 Hz रेंज में वक्र का चपटा होना था, एक ऐसा विवरण जो अन्य दो एजेंटों की तुलना में केटामाइन की विशिष्ट क्रिया पद्धति से मेल खाता है।
शायद सबूत का सबसे सम्मोहक टुकड़ा इस स्पेक्ट्रल एक्सपोनेंट और एक अलग, स्वतंत्र रूप से व्युत्पन्न माप के बीच संबंध था जिसे पर्टरबेशनल कॉम्प्लेक्सिटी इंडेक्स, या PCI कहा जाता है, जो एक अलग तकनीक से उत्पन्न होता है जो मस्तिष्क को उत्तेजित करता है और मापता है कि परिणामी प्रतिक्रिया कितनी जटिल है। इन दो बहुत अलग मापों के बीच उच्च संबंध इस विचार का समर्थन करता है कि स्पेक्ट्रल एक्सपोनेंट कोई संयोगजन्य पैटर्न नहीं है बल्कि चेतना की उपस्थिति से जुड़ा एक वास्तविक मार्कर है।
एडीएचडी (ADHD) ईईजी (EEG) पावर स्पेक्ट्रम को कैसे बदलता है
वही गैर-आवधिक गिरावट जो एनेस्थीसिया के तहत बदलती है, ADHD से पीड़ित बच्चों में भी भिन्न दिखाई देती है। 3 से 7 वर्ष की आयु के बच्चों के एक अध्ययन में, एडीएचडी वाले बच्चों की तुलना सामान्य रूप से विकसित होने वाले साथियों से की गई, जिसमें स्पेक्ट्रल ढलान और ऑफ़सेट (गैर-आवधिक वक्र की ऊंचाई) को पीक अल्फा फ्रीक्वेंसी और बैंड पावर अनुपात जैसे अधिक पारंपरिक मापों के साथ मापा गया।
सामान्य रूप से विकसित होने वाले बच्चों की तुलना में दवा न लेने वाले एडीएचडी पीड़ित बच्चों में उच्च अल्फा पावर, अधिक गैर-आवधिक ऑफ़सेट और अधिक तीव्र स्पेक्ट्रल ढलान दिखाई दी। इस तीव्र होते पैटर्न पर रुकना महत्वपूर्ण है, क्योंकि यह एनेस्थीसिया अध्ययन में देखे गए परिवर्तन की समान दिशा को प्रतिध्वनित करता है, भले ही दोनों स्थितियाँ स्पष्ट रूप से गंभीरता या तंत्र में तुलनीय नहीं हैं।
स्पेक्ट्रल ढलान ने एडीएचडी अनुसंधान में वर्षों से उपयोग किए जाने वाले पारंपरिक थीटा/बीटा अनुपात के साथ भी सहसंबंध दिखाया, जिससे पता चलता है कि ढलान ओवरलैपिंग जानकारी को कैप्चर करता है और संभावित रूप से एक स्वच्छ, अधिक व्यापक मार्कर प्रदान करता है।
एक अतिरिक्त विवरण इस खोज को और पुख्ता करता है। एडीएचडी पीड़ित बच्चे जिनका उत्तेजक दवाओं से इलाज किया गया था, 24 घंटे की वाशआउट अवधि के बाद भी जिसके दौरान दवा के सक्रिय प्रभाव समाप्त हो जाने चाहिए थे, ने ढलान और ऑफ़सेट दिखाए जो सामान्य रूप से विकसित होने वाले समूह के तुलनीय थे।
यह संभावना को बढ़ाता है कि एडीएचडी में परिवर्तित स्पेक्ट्रल पैटर्न स्थिर नहीं है, हालांकि अध्ययन इसे एक पुष्ट उपचार प्रभाव के बजाय एक संकेत के रूप में प्रस्तुत करता है। चूंकि स्पेक्ट्रल ढलान को पिछले शोध में कार्यकारी कामकाज और मस्तिष्क की उत्तेजक और निरोधात्मक गतिविधि के बीच संतुलन से भी जोड़ा गया है, इसलिए लेखकों का सुझाव है कि परिवर्तित ढलान थीटा/बीटा अनुपात गणना का एक सांख्यिकीय आर्टिफैक्ट होने के बजाय अंतर्निहित स्थिति के बारे में कुछ सार्थक प्रतिबिंबित कर सकता है।
समूह (Group) | स्पेक्ट्रल ढलान (Spectral Slope) | अल्फा पावर (Alpha Power) | ऑफ़सेट (Offset) |
|---|---|---|---|
सामान्य रूप से विकसित होने वाले | सामान्य ढलान | सामान्य पावर | सामान्य ऑफ़सेट |
एडीएचडी (ADHD), बिना दवा वाले | अधिक तीव्र ढलान | उच्च पावर | अधिक ऑफ़सेट |
एडीएचडी (ADHD), उत्तेजक दवा से उपचारित | सामान्य के समान | रिपोर्ट नहीं की गई | सामान्य के समान |
मिर्गी के दौरों को वर्गीकृत करने के लिए पावर स्पेक्ट्रल डेंसिटी का उपयोग करना
चेतना और ध्यान ही एकमात्र ऐसे क्षेत्र नहीं हैं जहाँ एक स्थिर PSD उपयोगी साबित होता है। मिर्गी का वर्गीकरण एक अधिक स्वचालित, कम्प्यूटेशनल उदाहरण प्रदान करता है।
एक दृष्टिकोण ने मिर्गी की ईईजी (EEG) रिकॉर्डिंग को उस चीज़ में परिवर्तित कर दिया जिसे शोधकर्ताओं ने पावर स्पेक्ट्रम डेंसिटी एनर्जी आरेख कहा, जो अनिवार्य रूप से PSD का दृश्य प्रतिनिधित्व था, और फिर इन छवियों को एक गहरे कन्वेन्शनल न्यूरल नेटवर्क (deep convolutional neural network) में फीड किया, जो छवि-जैसे डेटा में पैटर्न को पहचानने के लिए उपयुक्त एक प्रकार का मशीन लर्निंग मॉडल है।
मॉडल को ईईजी (EEG) खंडों को चार श्रेणियों में छांटने के लिए प्रशिक्षित किया गया था:
इंटरइकटल (दौरों के बीच में)
दो अलग-अलग प्रीइकटल विंडो (दौरा शुरू होने से 30 मिनट और 10 मिनट पहले)
स्वयं दौरे की स्थिति
एक सार्वजनिक मिर्गी डेटासेट का उपयोग करते हुए, यह विधि चारों श्रेणियों में 90 प्रतिशत से अधिक की औसत वर्गीकरण सटीकता तक पहुँच गई। परिणाम पुष्टि करता है कि स्थिर PSD का समग्र आकार एक एल्गोरिदम के लिए सिग्नल में पल-पल के बदलावों को ट्रैक किए बिना इन चिकित्सकीय रूप से महत्वपूर्ण मस्तिष्क स्थितियों को विश्वसनीय रूप से अलग बताने के लिए पर्याप्त विशिष्ट जानकारी रखता है।
PSD की व्याख्या करते समय आम गलतियाँ
एक PSD वक्र केवल उतना ही भरोसेमंद होता है जितनी वह रिकॉर्डिंग जिससे वह आया है, और कई व्यावहारिक मुद्दे उस वक्र के आकार को इस तरह से विकृत कर सकते हैं जिसका अंतर्निहित मस्तिष्क कार्य से कोई लेना-देना नहीं है।
आर्टिफैक्ट्स सबसे तात्कालिक चिंता हैं। आँखों का झपकना और मांसपेशियों की गतिविधि अपने स्वयं के विद्युत संकेत उत्पन्न करती है जो खोपड़ी के इलेक्ट्रोड द्वारा पकड़े जाते हैं, विशेष रूप से ललाट (frontal) स्थानों पर।
उपभोक्ता और चिकित्सा-ग्रेड ईईजी (EEG) प्रणालियों की तुलना में पाया गया कि उपभोक्ता उपकरण इस प्रकार के संदूषण के प्रति अधिक प्रवृत्त थे, और विशेष रूप से एक उपभोक्ता हेडबैंड ने स्पेक्ट्रम में पावर में व्यापक बैंड वृद्धि दिखाई, एक ऐसा हस्ताक्षर जो वास्तविक तंत्रिका लय के बजाय मांसपेशियों और पलक झपकने के आर्टिफैक्ट के अनुरूप था। इस प्रकार, PSD की गणना करने से पहले डेटा की सावधानीपूर्वक सफाई और कम-आर्टिफैक्ट वाले खंडों का चयन एक आवश्यक कदम है, वैकल्पिक नहीं।
वॉल्यूम चालन (Volume conduction) आम तौर पर ईईजी (EEG) अनुसंधान में एक और व्यापक रूप से चर्चा की जाने वाली सीमा है क्योंकि विद्युत क्षेत्र खोपड़ी तक पहुँचने से पहले ऊतक और खोपड़ी के माध्यम से फैलते हैं, मस्तिष्क में गतिविधि का एक एकल स्रोत एक साथ कई आस-पास के इलेक्ट्रोड पर दर्ज हो सकता है, जिससे किसी भी दिए गए PSD रीडिंग की स्थानिक सटीकता धुंधली हो जाती है।
संदर्भ का चुनाव (Reference choice) एक समान स्थिति प्रस्तुत करता है। ईईजी (EEG) स्वाभाविक रूप से एक अंतर माप है, जिसका अर्थ है कि प्रत्येक इलेक्ट्रोड के सिग्नल की गणना किसी संदर्भ बिंदु के सापेक्ष की जाती है, चाहे वह सभी इलेक्ट्रोडों का औसत हो, कान के पीछे की मैस्टॉयड हड्डी हो, या Cz जैसी केंद्रीय खोपड़ी की स्थिति हो। उस संदर्भ बिंदु को बदलने से चैनलों पर पावर पुनर्वितरित हो सकती है और PSD वक्र का पूर्ण आकार बदल सकता है।
इसलिए, विभिन्न शोधपत्रों या डेटासेट में PSD निष्कर्षों की तुलना करते समय किस संदर्भ का उपयोग किया गया था, इसकी जानकारी अक्सर जाँचने के लिए एक मानक जानकारी होती है।
अंत में, परीक्षण-पुनर्परीक्षण विश्वसनीयता (test-retest reliability) है। यहाँ तक कि विषय और उपकरण को स्थिर रखने पर भी, अलग-अलग दौरों पर दोहराई गई रिकॉर्डिंग PSD वक्र में कुछ प्राकृतिक भिन्नता दिखा सकती हैं।
मेडिकल-ग्रेड प्रणालियों ने दो दौरों में अधिक सुसंगत Fp1 PSDs का उत्पादन किया, जबकि परीक्षण किए गए उपभोक्ता प्रणाली ने उच्चतम सापेक्ष भिन्नता दिखाई। यह एक एकल विषय में देखे गए छोटे PSD अंतरों को बहुत अधिक महत्व देने के खिलाफ एक व्यावहारिक सावधानी है, विशेष रूप से तब जब रिकॉर्डिंग उपकरण या प्रोटोकॉल कड़ाई से नियंत्रित न हो।
पावर स्पेक्ट्रल डेंसिटी की गणना के लिए उपकरण और सॉफ्टवेयर
PSD की गणना वैज्ञानिक प्रोग्रामिंग पुस्तकालयों, समर्पित ईईजी (EEG) विश्लेषण पैकेजों, या सामान्य सिग्नल-प्रोसेसिंग सॉफ्टवेयर के साथ की जा सकती है। आवश्यक आवश्यकताएं नमूना डेटा तक पहुंच और सैंपलिंग दर, सेगमेंटिंग, विंडोइंग, डिट्रेंडिंग, ओवरलैप, स्केलिंग और आवृत्ति सीमाओं पर पारदर्शी नियंत्रण हैं। यह अनुमान कैसे लगाया गया था, इसे स्थापित करने के लिए केवल एक ग्राफिकल आउटपुट पर्याप्त नहीं है।
एक प्रतिलिपि प्रस्तुत करने योग्य कार्यान्वयन स्पेक्ट्रम के साथ प्रीप्रोसेसिंग और अनुमान मापदंडों को रिकॉर्ड करता है। यह चैनल संदर्भ, इकाइयों, अस्वीकृत युगों और गणना से पहले लागू किए गए किसी भी परिवर्तन को भी सुरक्षित रखता है। ये विवरण विशेष रूप से तब महत्वपूर्ण होते हैं जब परिणामों का उपयोग समूह तुलना में किया जाता है या रिकॉर्डिंग सत्रों में संयुक्त किया जाता है।
परिणामों का ऑडिट करना तब आसान होता है जब वर्कफ़्लो संख्यात्मक सरणियों (numerical arrays) और नैदानिक प्लॉट दोनों का उत्पादन करता है। उपयोगी जाँचों में मूल तरंग रूप, आर्टिफैक्ट-चिह्नित अंतराल, चयनित आवृत्ति रेंज और उचित खंड विकल्पों में अनुमानों की तुलना शामिल है। इस तरह की जाँचें व्याख्या को स्वचालित नहीं बनाती हैं, लेकिन वे छिपी हुई धारणाओं का पता लगाना आसान बनाती हैं।
निष्कर्ष
पावर स्पेक्ट्रल डेंसिटी प्लॉट मस्तिष्क के लिए एक लय स्कोर के रूप में कार्य करता है, और इसके पृष्ठभूमि पतन की तीव्रता बेहद अलग मानसिक स्थितियों में एक उल्लेखनीय रूप से सुसंगत मार्कर के रूप में उभरती है।
चाहे कोई व्यक्ति कुछ एनेस्थेटिक्स के तहत चेतना खो देता है, कोई बच्चा एडीएचडी से जुड़ी ध्यान कठिनाइयों को दिखाता है, या कोई दौरा शुरू होता है, यह समग्र आकार अनुमानित तरीकों से बदल जाता है, इन स्थितियों को एक साझा मापने योग्य हस्ताक्षर के माध्यम से जोड़ता है। यह पैटर्न बताता है कि मस्तिष्क का विश्राम विद्युत प्रोफ़ाइल इसकी कार्यात्मक स्थिति के बारे में सार्थक, क्रॉस-कटिंग सुराग रखता है, न कि केवल विशिष्ट आवृत्तियों पर पृथक चोटियों को।
जबकि PSD केवल एक रिकॉर्डिंग विंडो पर एक स्थिर औसत देता है, सचेत और अचेत अवधियों को विश्वसनीय रूप से बताने की इसकी क्षमता या एल्गोरिदम को उच्च सटीकता के साथ दौरों का पता लगाने देने की क्षमता न्यूरोसाइंस में इसके व्यावहारिक मूल्य को प्रदर्शित करती है। ये सहसंबंध यह साबित नहीं करते कि इन स्थितियों का कारण क्या है, लेकिन वे एक सुलभ, एकल-संख्या सारांश प्रदान करते हैं—वक्र का ढलान—जो चेतना, ध्यान के अंतर या दौरे के जोखिम को मापने में मदद कर सकता है।
शोधकर्ताओं और चिकित्सकों के लिए, वह सरल उपाय मस्तिष्क की गतिशीलता में एक शक्तिशाली प्रवेश बिंदु प्रदान करता है, जो अमूर्त लय को वास्तविक दुनिया के अंतरों से जोड़ता है।
संदर्भ
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
अक्सर पूछे जाने वाले प्रश्न
ईईजी (EEG) में पावर स्पेक्ट्रल डेंसिटी (PSD) क्या है?
PSD एक ऐसी विधि है जो प्रत्येक आवृत्ति पर ईईजी (EEG) सिग्नलों के वर्ग आयाम की गणना करती है और रिकॉर्डिंग अवधि के दौरान इसका औसत निकालती है। परिणामी वक्र दिखाता है कि धीमी और तेज़ मस्तिष्क लय में ऊर्जा कैसे वितरित होती है, जिससे जटिल कच्चे ट्रेस का मिश्रण सुलझ जाता है।
एक स्वस्थ विश्राम-अवस्था का PSD वक्र कैसा दिखता है?
कम आवृत्तियों पर पावर सबसे अधिक होती है और आवृत्ति के साथ लगातार घटती जाती है, जिससे 1/f-जैसी पृष्ठभूमि बनती है। आँखें बंद होने पर सिर के पिछले हिस्से पर आमतौर पर 8-12 Hz के आसपास एक दृश्य अल्फा पीक दिखाई देती है और आँखें खुलने पर कम हो जाती है।
गैर-आवधिक घटक दोलनीय चोटियों (oscillatory peaks) से कैसे भिन्न 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।
क्रिश्चियन बर्गोस
