Dasar-dasar Osilasi Neural
Roshini Randeniya
1 Okt 2025
Bagikan:
1. Pendahuluan
Selamat datang! Di tutorial ini kita akan belajar tentang gelombang otak dan bagaimana kita dapat menggunakannya untuk memahami otak dan perilaku.
Hans Berger menciptakan istilah elektroensefalogram pada tahun 1929, ketika ia menggambarkan perubahan dalam potensial listrik yang direkam menggunakan sensor yang ditempatkan di kepala seseorang. Ia mengidentifikasi dua jenis gelombang otak, yang ia sebut gelombang alfa dan beta hanya karena urutan di mana ia merekamnya. Gelombang semacam itu telah direkam pada mamalia lain tetapi Berger telah mendeskripsikannya pada manusia untuk pertama kalinya!
Sejak saat itu, metode elektroensefalografi telah menjadi alat penting dalam neurocience dan telah membantu mengembangkan pemahaman kita tentang gelombang otak (yang disebut peneliti sebagai osilasi neural) dan telah membantu untuk mengkarakterisasi keadaan di otak seperti kelelahan dan kewaspadaan.
Dalam tutorial singkat ini, kita akan membahas hal-hal berikut:
Apa itu osilasi neural?
Bagaimana kita dapat mengukur osilasi neural?
Apa yang dapat kita lakukan dengan osilasi neural?
Aplikasi praktis menggunakan perangkat dan perangkat lunak Emotiv.
2. Apa itu EEG?
Elektroensefalografi (EEG) adalah metode non-invasif dan pasif untuk mengukur aktivitas listrik otak kita. Elektroda/sensor/saluran ditempatkan di kulit kepala untuk merekam aktivitas listrik yang dihasilkan oleh populasi sel otak, yang disebut neuron.
Gambar 1 – Neuron menghasilkan aktivitas listrik yang dapat terdeteksi dengan perangkat EEG [Siuly, et al. (2016)].
2.1. Sistem EEG
Ada banyak perangkat EEG di pasar yang dapat digunakan untuk merekam EEG. Perangkat EEG dapat bervariasi dari:
Sebuah sensor tunggal atau hingga 256 elektroda – Semakin banyak elektroda, semakin tinggi resolusi spasial informasi di kulit kepala.
Elektroda basah atau kering – Elektroda basah menggunakan gel elektrolit atau larutan salin untuk meningkatkan konduktivitas antara kulit kepala dan sensor. Elektroda kering dapat berupa logam atau polimer konduktif yang membutuhkan kontak langsung dengan kulit kepala.
Elektroda aktif atau pasif – Sistem elektroda pasif hanya mengalihkan sinyal ke perangkat tempat sinyal itu diperkuat. Sistem elektroda aktif memperkuat sinyal di setiap elektroda sebelum mencapai perangkat untuk amplifikasi. Ini mengurangi noise listrik lingkungan dalam sinyal.
Perangkat berkabel atau nirkabel yang mengirimkan data melalui Bluetooth.
Gambar 2 – Sistem EEG nirkabel dengan kepadatan rendah.
Gambar 3 – Sistem EEG elektroda berkepadatan tinggi yang berkabel.
2.2. Kapan menggunakan EEG?
Setiap metode neuroimaging dapat membantu menjawab pertanyaan penelitian yang berbeda.
Kekuatan terbesar EEG adalah kemampuannya untuk mengukur aktivitas neural dalam skala milidetik, yang dapat mengukur proses pra-sadar.
Gambar 4 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Ini paling cocok untuk pertanyaan seperti “bagian mana dari video saya yang paling diperhatikan oleh peserta?”
EEG merekam aktivitas terutama dari lapisan luar otak (yaitu, memiliki resolusi spasial rendah). Dengan satu sensor, tidak mungkin untuk mengidentifikasi sumber aktivitas. Merekam dengan sejumlah saluran yang besar dapat memungkinkan untuk merekonstruksi sumber secara matematis tetapi masih terbatas dalam mengidentifikasi sumber yang dalam. Pencitraan resonansi magnetik fungsional (fMRI) lebih cocok untuk menjawab pertanyaan seperti “Bagian mana dari otak yang terkait dengan perubahan perhatian?”
2.3. Sensor ke EEG mentah?
Setelah perangkat EEG dipasang di kepala, aktivitas otak diukur pada satu sensor sebagai perbedaan amplitudo antara sensor tersebut dan sensor referensi. Dalam sebagian besar sistem EEG ini disebut elektroda common mode sense (CMS). Sensor tambahan, driven right leg (DRL), membantu mengurangi interferensi di CMS.
Gambar 5 – Diagram blok sederhana dari transmisi sinyal EEG.
Dalam sistem dengan elektroda aktif dan pasif, sinyal kemudian diperkuat dan difilter low-pass. Filter low-pass adalah langkah yang akan menghilangkan kemungkinan gangguan listrik dari lingkungan dalam sinyal Anda, misalnya daya saluran utama.
Langkah-langkah ini terjadi di perangkat keras itu sendiri sebelum sinyal EEG mentah dapat dilihat di layar komputer Anda.
2.4. Beberapa Istilah Dasar
Konvensi penamaan standar 10-20
Sensor kiri biasanya bernomor ganjil dan sensor kanan biasanya bernomor genap.
Catatan 1: ini hanya konvensi penamaan dan lokasi sensor EEG tidak menjadi indikator sumber aktivitas.
Catatan 2: langkah tambahan seperti rekonstruksi matematis dari sumber perlu dilakukan untuk menentukan sumber aktivitas pada satu saluran.
3. Apa itu Osilasi Neural?
Gelombang otak, sering disebut sebagai osilasi neural, adalah pola ritmis yang dihasilkan oleh satu atau sekelompok neuron.
Belum jelas mengapa otak menghasilkan berbagai jenis osilasi ini, meskipun ada banyak teori. Peneliti menggunakan berbagai tugas untuk mengkarakterisasi aktivitas osilasi ini dan bertujuan untuk memahami misteri otak menggunakan pola ritmis ini.
3.1. Beberapa sifat osilasi
gambar ini menunjukkan pengukuran sinyal listrik reguler:
Gambar 6 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Di sebelah kiri (sumbu y) kita dapat menggambarkan amplitudo perekaman listrik dan di sumbu horizontal (sumbu x) waktu. Amplitudo sinyal akan bervariasi dalam besaran dengan cara yang teratur tentang titik tengah. Satu siklus juga disebut sebagai osilasi.
Jumlah siklus per detik disebut frekuensi gelombang dan satuannya adalah Hertz (Hz). Jadi 1 siklus per detik = 1 Hz. Amplitudo biasanya diukur dalam mikrovolt (µV).
Di otak, kita melihat gelombang dengan frekuensi berkisar dari 0,2 Hz (gelombang sangat lambat) hingga 80 Hz atau lebih (gelombang sangat cepat). Aktivitas frekuensi tinggi hingga 500 Hz yang terkait dengan kejang juga telah direkam di otak.
Jenis osilasi otak yang berbeda dicirikan berdasarkan frekuensinya. Ini dikenal sebagai pita frekuensi dan dapat terkait dengan keadaan otak yang berbeda:
Gambar 7 – Gelombang otak di EEG yang biasa.
3.2. Mengapa pita frekuensi yang berbeda penting?
Mengidentifikasi pola otak normal vs abnormal
Osilasi neural penting untuk mendeteksi kejang dan mendiagnosis epilepsi dalam neurologi.Antarmuka otak komputer (BCI)
Jumlah osilasi beta, gamma, dan mu sering digunakan untuk melatih perangkat jarak jauh (misalnya, menggerakkan kursi roda dengan pikiran).Neurofeedback
Ini adalah bentuk pelatihan otak di mana Anda dapat melihat gelombang otak Anda (misalnya, osilasi gamma) dan terlibat dalam tugas kognitif untuk meningkatkan jumlah osilasi gamma di otak Anda.Neuromarketing
Pita frekuensi alfa dan beta dapat digunakan untuk menentukan bagian mana dari iklan yang lebih atau kurang menarik.
3.3. Jenis analisis data EEG
Paling umum peneliti melakukan analisis di domain waktu atau domain frekuensi.
Analisis domain waktu
Biasanya mengukur amplitudo tegangan pada titik waktu yang menarik setelah munculnya stimulus. Ini disebut potensi terkait peristiwa (ERP).
Analisis domain frekuensi
Biasanya mengukur jumlah osilasi neural dalam pita frekuensi yang berbeda dalam jendela waktu yang ditentukan atau terkait dengan kemunculan suatu peristiwa.
Selanjutnya, kami memberikan gambaran umum tentang analisis domain frekuensi.
3.4. Pengolahan
Setelah Anda melakukan perekaman EEG, Anda biasanya membersihkan data sebelum memahami osilasi.
Penyaringan
Teknik untuk menghilangkan gangguan suara lingkungan frekuensi tinggi dan rendah dalam data.Penghapusan Artefak
Gerakan fisik, kedipan mata dapat menyebabkan artefak besar (> 50 µV puncak dalam EEG). Ini dapat dihilangkan agar tidak mempengaruhi hasil kami. Beberapa peneliti menggunakan metode canggih untuk memperbaiki artefak ini agar data tetap terjaga.
Setelah data diproses, sinyal sekarang dapat dikonversi ke domain frekuensi sehingga kita dapat mengukur jumlah setiap jenis gelombang otak.
Gambar 8 – Artefak kedipan mata dalam EEG mentah.
3.5. Transformasi Fourier Cepat (FFT)
Transformasi Fourier adalah konversi matematis dari sinyal EEG dari ‘domain waktu’ (gambar A) ke ‘domain frekuensi (gambar B)’.
Di domain frekuensi, kita dapat mengukur berapa banyak dari setiap jenis osilasi yang ada dalam perekaman kita. Ini biasanya adalah ‘daya’ pita frekuensi dan dapat ditampilkan dalam spektrum daya (Gambar B).
Gambar 9A – EEG mentah di domain waktu.
Gambar 9B – Spektrum daya setelah FFT (domain frekuensi).
3.6. Daya Pita
Daya dari suatu pita frekuensi (misalnya pita Alfa) yang diperoleh dari transformasi fourier memberi tahu kita seberapa banyak dari setiap pita frekuensi ada. Satuan daya pita biasanya dalam µV2/Hz. Paling sering, amplitudo atau spektrum daya dari FFT ditampilkan dalam unit logaritmik desibel (dB). Desibel adalah unit rasio antara daya yang diukur (P) dan daya referensi (Pr) sebagai berikut:
Setelah unit pengukuran ini diperoleh untuk peristiwa yang menarik, daya pita dapat dibandingkan untuk memahami efek eksperimen pada gelombang otak.
4. Dari Teori ke Praktik
Selanjutnya, kita akan melihat efek penekanan alfa.
Ini adalah fenomena yang pertama kali dilaporkan oleh Hans Berger, di mana kita melihat penurunan signifikan dalam jumlah osilasi alfa (daya alfa) ketika mata seseorang terbuka dibandingkan saat tertutup.
Gambar 10 – Peningkatan osilasi alfa dapat terlihat ketika mata terbuka.
Pertama menggunakan EmotivPRO Builder, kami membangun eksperimen sederhana. Dalam eksperimen ini, seorang peserta diminta untuk menjaga mata mereka terbuka selama 2 menit sambil fokus pada layar, dan kemudian tertutup selama 2 menit. Mereka akan mendengar bel di akhir 2 menit untuk sinyal membuka mata mereka.
Anda dapat mengikuti video di bawah ini untuk membuat eksperimen penekanan alfa Anda sendiri atau Anda dapat menjalankan eksperimen kami dari tautan di sini:
4.1. Pemasangan Perangkat dan Kualitas EEG
Baca lebih lanjut tentang bagaimana gerbang EQ kami bekerja di sini. Temukan lebih banyak info tentang pemasangan perangkat yang spesifik untuk headset Anda di sini:
Jenis EPOC
Jenis Insight
4.2. Mengolah dan mengubah data EEG
Sekarang setelah Anda memiliki data Anda, Anda dapat mengubahnya ke domain frekuensi menggunakan Emotiv Analyzer. Ikuti langkah-langkah dalam video.
4.3. Menginterpretasikan data
Setelah Analyzer selesai, unduh file zip tersebut. Untuk setiap rekaman Anda akan memiliki file csv dengan daya pita dan file gambar yang dapat Anda gunakan untuk melakukan analisis statistik Anda sendiri.
Gambar 11 – Daya pita.
Dalam keluaran kami, kami dapat melihat peningkatan daya Alfa ketika mata ditutup (oranye) dibandingkan saat terbuka (biru).
Ini adalah akhir dari tutorial kami! Anda sekarang dilengkapi dengan dasar-dasar 🙂
Anda dapat menemukan beberapa tautan untuk bacaan yang lebih lanjut di bagian sumber.
5. Sumber
BACCAAN LANJUT
Donoghue et al. 2022 Pertimbangan metodologis untuk mempelajari osilasi neural
KAMUS TERMINOLOGI EEG
Kane et al. 2017 (di sini)
KODE SUMBER TERBUKA
Jika Anda nyaman dengan kode python, kami telah menyediakan skrip python yang dapat Anda gunakan untuk mendapatkan nilai daya alfa, diberi label oleh segmen mata terbuka dan mata tertutup. Temukan kode dan file data Penekanan Alfa contoh di sini: https://osf.io/9bvgh/
MANUAL EMOTIV
Manual EmotivPRO Builder
Manual EmotivPRO
Manual EmotivPRO Analyzer
7. Referensi
Donoghue, T., Schaworonkow, N., dan Voytek, B., 2022. Pertimbangan metodologis untuk mempelajari osilasi neural. Jurnal Eropa tentang neuroscience, 55(11-12), hlm.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., dan van Putten, M.J., 2017. Kamus istilah yang direvisi yang paling umum digunakan oleh elektroensefalografer klinis dan proposal terbaru untuk format laporan temuan EEG. Revisi 2017. Praktik neurofisiologi klinis, 2, hlm.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Elektroensefalogram (EEG) dan Latar Belakangnya. Dalam: Analisis dan Klasifikasi Sinyal EEG. Ilmu Informasi Kesehatan. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Pendahuluan
Selamat datang! Di tutorial ini kita akan belajar tentang gelombang otak dan bagaimana kita dapat menggunakannya untuk memahami otak dan perilaku.
Hans Berger menciptakan istilah elektroensefalogram pada tahun 1929, ketika ia menggambarkan perubahan dalam potensial listrik yang direkam menggunakan sensor yang ditempatkan di kepala seseorang. Ia mengidentifikasi dua jenis gelombang otak, yang ia sebut gelombang alfa dan beta hanya karena urutan di mana ia merekamnya. Gelombang semacam itu telah direkam pada mamalia lain tetapi Berger telah mendeskripsikannya pada manusia untuk pertama kalinya!
Sejak saat itu, metode elektroensefalografi telah menjadi alat penting dalam neurocience dan telah membantu mengembangkan pemahaman kita tentang gelombang otak (yang disebut peneliti sebagai osilasi neural) dan telah membantu untuk mengkarakterisasi keadaan di otak seperti kelelahan dan kewaspadaan.
Dalam tutorial singkat ini, kita akan membahas hal-hal berikut:
Apa itu osilasi neural?
Bagaimana kita dapat mengukur osilasi neural?
Apa yang dapat kita lakukan dengan osilasi neural?
Aplikasi praktis menggunakan perangkat dan perangkat lunak Emotiv.
2. Apa itu EEG?
Elektroensefalografi (EEG) adalah metode non-invasif dan pasif untuk mengukur aktivitas listrik otak kita. Elektroda/sensor/saluran ditempatkan di kulit kepala untuk merekam aktivitas listrik yang dihasilkan oleh populasi sel otak, yang disebut neuron.
Gambar 1 – Neuron menghasilkan aktivitas listrik yang dapat terdeteksi dengan perangkat EEG [Siuly, et al. (2016)].
2.1. Sistem EEG
Ada banyak perangkat EEG di pasar yang dapat digunakan untuk merekam EEG. Perangkat EEG dapat bervariasi dari:
Sebuah sensor tunggal atau hingga 256 elektroda – Semakin banyak elektroda, semakin tinggi resolusi spasial informasi di kulit kepala.
Elektroda basah atau kering – Elektroda basah menggunakan gel elektrolit atau larutan salin untuk meningkatkan konduktivitas antara kulit kepala dan sensor. Elektroda kering dapat berupa logam atau polimer konduktif yang membutuhkan kontak langsung dengan kulit kepala.
Elektroda aktif atau pasif – Sistem elektroda pasif hanya mengalihkan sinyal ke perangkat tempat sinyal itu diperkuat. Sistem elektroda aktif memperkuat sinyal di setiap elektroda sebelum mencapai perangkat untuk amplifikasi. Ini mengurangi noise listrik lingkungan dalam sinyal.
Perangkat berkabel atau nirkabel yang mengirimkan data melalui Bluetooth.
Gambar 2 – Sistem EEG nirkabel dengan kepadatan rendah.
Gambar 3 – Sistem EEG elektroda berkepadatan tinggi yang berkabel.
2.2. Kapan menggunakan EEG?
Setiap metode neuroimaging dapat membantu menjawab pertanyaan penelitian yang berbeda.
Kekuatan terbesar EEG adalah kemampuannya untuk mengukur aktivitas neural dalam skala milidetik, yang dapat mengukur proses pra-sadar.
Gambar 4 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Ini paling cocok untuk pertanyaan seperti “bagian mana dari video saya yang paling diperhatikan oleh peserta?”
EEG merekam aktivitas terutama dari lapisan luar otak (yaitu, memiliki resolusi spasial rendah). Dengan satu sensor, tidak mungkin untuk mengidentifikasi sumber aktivitas. Merekam dengan sejumlah saluran yang besar dapat memungkinkan untuk merekonstruksi sumber secara matematis tetapi masih terbatas dalam mengidentifikasi sumber yang dalam. Pencitraan resonansi magnetik fungsional (fMRI) lebih cocok untuk menjawab pertanyaan seperti “Bagian mana dari otak yang terkait dengan perubahan perhatian?”
2.3. Sensor ke EEG mentah?
Setelah perangkat EEG dipasang di kepala, aktivitas otak diukur pada satu sensor sebagai perbedaan amplitudo antara sensor tersebut dan sensor referensi. Dalam sebagian besar sistem EEG ini disebut elektroda common mode sense (CMS). Sensor tambahan, driven right leg (DRL), membantu mengurangi interferensi di CMS.
Gambar 5 – Diagram blok sederhana dari transmisi sinyal EEG.
Dalam sistem dengan elektroda aktif dan pasif, sinyal kemudian diperkuat dan difilter low-pass. Filter low-pass adalah langkah yang akan menghilangkan kemungkinan gangguan listrik dari lingkungan dalam sinyal Anda, misalnya daya saluran utama.
Langkah-langkah ini terjadi di perangkat keras itu sendiri sebelum sinyal EEG mentah dapat dilihat di layar komputer Anda.
2.4. Beberapa Istilah Dasar
Konvensi penamaan standar 10-20
Sensor kiri biasanya bernomor ganjil dan sensor kanan biasanya bernomor genap.
Catatan 1: ini hanya konvensi penamaan dan lokasi sensor EEG tidak menjadi indikator sumber aktivitas.
Catatan 2: langkah tambahan seperti rekonstruksi matematis dari sumber perlu dilakukan untuk menentukan sumber aktivitas pada satu saluran.
3. Apa itu Osilasi Neural?
Gelombang otak, sering disebut sebagai osilasi neural, adalah pola ritmis yang dihasilkan oleh satu atau sekelompok neuron.
Belum jelas mengapa otak menghasilkan berbagai jenis osilasi ini, meskipun ada banyak teori. Peneliti menggunakan berbagai tugas untuk mengkarakterisasi aktivitas osilasi ini dan bertujuan untuk memahami misteri otak menggunakan pola ritmis ini.
3.1. Beberapa sifat osilasi
gambar ini menunjukkan pengukuran sinyal listrik reguler:
Gambar 6 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Di sebelah kiri (sumbu y) kita dapat menggambarkan amplitudo perekaman listrik dan di sumbu horizontal (sumbu x) waktu. Amplitudo sinyal akan bervariasi dalam besaran dengan cara yang teratur tentang titik tengah. Satu siklus juga disebut sebagai osilasi.
Jumlah siklus per detik disebut frekuensi gelombang dan satuannya adalah Hertz (Hz). Jadi 1 siklus per detik = 1 Hz. Amplitudo biasanya diukur dalam mikrovolt (µV).
Di otak, kita melihat gelombang dengan frekuensi berkisar dari 0,2 Hz (gelombang sangat lambat) hingga 80 Hz atau lebih (gelombang sangat cepat). Aktivitas frekuensi tinggi hingga 500 Hz yang terkait dengan kejang juga telah direkam di otak.
Jenis osilasi otak yang berbeda dicirikan berdasarkan frekuensinya. Ini dikenal sebagai pita frekuensi dan dapat terkait dengan keadaan otak yang berbeda:
Gambar 7 – Gelombang otak di EEG yang biasa.
3.2. Mengapa pita frekuensi yang berbeda penting?
Mengidentifikasi pola otak normal vs abnormal
Osilasi neural penting untuk mendeteksi kejang dan mendiagnosis epilepsi dalam neurologi.Antarmuka otak komputer (BCI)
Jumlah osilasi beta, gamma, dan mu sering digunakan untuk melatih perangkat jarak jauh (misalnya, menggerakkan kursi roda dengan pikiran).Neurofeedback
Ini adalah bentuk pelatihan otak di mana Anda dapat melihat gelombang otak Anda (misalnya, osilasi gamma) dan terlibat dalam tugas kognitif untuk meningkatkan jumlah osilasi gamma di otak Anda.Neuromarketing
Pita frekuensi alfa dan beta dapat digunakan untuk menentukan bagian mana dari iklan yang lebih atau kurang menarik.
3.3. Jenis analisis data EEG
Paling umum peneliti melakukan analisis di domain waktu atau domain frekuensi.
Analisis domain waktu
Biasanya mengukur amplitudo tegangan pada titik waktu yang menarik setelah munculnya stimulus. Ini disebut potensi terkait peristiwa (ERP).
Analisis domain frekuensi
Biasanya mengukur jumlah osilasi neural dalam pita frekuensi yang berbeda dalam jendela waktu yang ditentukan atau terkait dengan kemunculan suatu peristiwa.
Selanjutnya, kami memberikan gambaran umum tentang analisis domain frekuensi.
3.4. Pengolahan
Setelah Anda melakukan perekaman EEG, Anda biasanya membersihkan data sebelum memahami osilasi.
Penyaringan
Teknik untuk menghilangkan gangguan suara lingkungan frekuensi tinggi dan rendah dalam data.Penghapusan Artefak
Gerakan fisik, kedipan mata dapat menyebabkan artefak besar (> 50 µV puncak dalam EEG). Ini dapat dihilangkan agar tidak mempengaruhi hasil kami. Beberapa peneliti menggunakan metode canggih untuk memperbaiki artefak ini agar data tetap terjaga.
Setelah data diproses, sinyal sekarang dapat dikonversi ke domain frekuensi sehingga kita dapat mengukur jumlah setiap jenis gelombang otak.
Gambar 8 – Artefak kedipan mata dalam EEG mentah.
3.5. Transformasi Fourier Cepat (FFT)
Transformasi Fourier adalah konversi matematis dari sinyal EEG dari ‘domain waktu’ (gambar A) ke ‘domain frekuensi (gambar B)’.
Di domain frekuensi, kita dapat mengukur berapa banyak dari setiap jenis osilasi yang ada dalam perekaman kita. Ini biasanya adalah ‘daya’ pita frekuensi dan dapat ditampilkan dalam spektrum daya (Gambar B).
Gambar 9A – EEG mentah di domain waktu.
Gambar 9B – Spektrum daya setelah FFT (domain frekuensi).
3.6. Daya Pita
Daya dari suatu pita frekuensi (misalnya pita Alfa) yang diperoleh dari transformasi fourier memberi tahu kita seberapa banyak dari setiap pita frekuensi ada. Satuan daya pita biasanya dalam µV2/Hz. Paling sering, amplitudo atau spektrum daya dari FFT ditampilkan dalam unit logaritmik desibel (dB). Desibel adalah unit rasio antara daya yang diukur (P) dan daya referensi (Pr) sebagai berikut:
Setelah unit pengukuran ini diperoleh untuk peristiwa yang menarik, daya pita dapat dibandingkan untuk memahami efek eksperimen pada gelombang otak.
4. Dari Teori ke Praktik
Selanjutnya, kita akan melihat efek penekanan alfa.
Ini adalah fenomena yang pertama kali dilaporkan oleh Hans Berger, di mana kita melihat penurunan signifikan dalam jumlah osilasi alfa (daya alfa) ketika mata seseorang terbuka dibandingkan saat tertutup.
Gambar 10 – Peningkatan osilasi alfa dapat terlihat ketika mata terbuka.
Pertama menggunakan EmotivPRO Builder, kami membangun eksperimen sederhana. Dalam eksperimen ini, seorang peserta diminta untuk menjaga mata mereka terbuka selama 2 menit sambil fokus pada layar, dan kemudian tertutup selama 2 menit. Mereka akan mendengar bel di akhir 2 menit untuk sinyal membuka mata mereka.
Anda dapat mengikuti video di bawah ini untuk membuat eksperimen penekanan alfa Anda sendiri atau Anda dapat menjalankan eksperimen kami dari tautan di sini:
4.1. Pemasangan Perangkat dan Kualitas EEG
Baca lebih lanjut tentang bagaimana gerbang EQ kami bekerja di sini. Temukan lebih banyak info tentang pemasangan perangkat yang spesifik untuk headset Anda di sini:
Jenis EPOC
Jenis Insight
4.2. Mengolah dan mengubah data EEG
Sekarang setelah Anda memiliki data Anda, Anda dapat mengubahnya ke domain frekuensi menggunakan Emotiv Analyzer. Ikuti langkah-langkah dalam video.
4.3. Menginterpretasikan data
Setelah Analyzer selesai, unduh file zip tersebut. Untuk setiap rekaman Anda akan memiliki file csv dengan daya pita dan file gambar yang dapat Anda gunakan untuk melakukan analisis statistik Anda sendiri.
Gambar 11 – Daya pita.
Dalam keluaran kami, kami dapat melihat peningkatan daya Alfa ketika mata ditutup (oranye) dibandingkan saat terbuka (biru).
Ini adalah akhir dari tutorial kami! Anda sekarang dilengkapi dengan dasar-dasar 🙂
Anda dapat menemukan beberapa tautan untuk bacaan yang lebih lanjut di bagian sumber.
5. Sumber
BACCAAN LANJUT
Donoghue et al. 2022 Pertimbangan metodologis untuk mempelajari osilasi neural
KAMUS TERMINOLOGI EEG
Kane et al. 2017 (di sini)
KODE SUMBER TERBUKA
Jika Anda nyaman dengan kode python, kami telah menyediakan skrip python yang dapat Anda gunakan untuk mendapatkan nilai daya alfa, diberi label oleh segmen mata terbuka dan mata tertutup. Temukan kode dan file data Penekanan Alfa contoh di sini: https://osf.io/9bvgh/
MANUAL EMOTIV
Manual EmotivPRO Builder
Manual EmotivPRO
Manual EmotivPRO Analyzer
7. Referensi
Donoghue, T., Schaworonkow, N., dan Voytek, B., 2022. Pertimbangan metodologis untuk mempelajari osilasi neural. Jurnal Eropa tentang neuroscience, 55(11-12), hlm.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., dan van Putten, M.J., 2017. Kamus istilah yang direvisi yang paling umum digunakan oleh elektroensefalografer klinis dan proposal terbaru untuk format laporan temuan EEG. Revisi 2017. Praktik neurofisiologi klinis, 2, hlm.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Elektroensefalogram (EEG) dan Latar Belakangnya. Dalam: Analisis dan Klasifikasi Sinyal EEG. Ilmu Informasi Kesehatan. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Pendahuluan
Selamat datang! Di tutorial ini kita akan belajar tentang gelombang otak dan bagaimana kita dapat menggunakannya untuk memahami otak dan perilaku.
Hans Berger menciptakan istilah elektroensefalogram pada tahun 1929, ketika ia menggambarkan perubahan dalam potensial listrik yang direkam menggunakan sensor yang ditempatkan di kepala seseorang. Ia mengidentifikasi dua jenis gelombang otak, yang ia sebut gelombang alfa dan beta hanya karena urutan di mana ia merekamnya. Gelombang semacam itu telah direkam pada mamalia lain tetapi Berger telah mendeskripsikannya pada manusia untuk pertama kalinya!
Sejak saat itu, metode elektroensefalografi telah menjadi alat penting dalam neurocience dan telah membantu mengembangkan pemahaman kita tentang gelombang otak (yang disebut peneliti sebagai osilasi neural) dan telah membantu untuk mengkarakterisasi keadaan di otak seperti kelelahan dan kewaspadaan.
Dalam tutorial singkat ini, kita akan membahas hal-hal berikut:
Apa itu osilasi neural?
Bagaimana kita dapat mengukur osilasi neural?
Apa yang dapat kita lakukan dengan osilasi neural?
Aplikasi praktis menggunakan perangkat dan perangkat lunak Emotiv.
2. Apa itu EEG?
Elektroensefalografi (EEG) adalah metode non-invasif dan pasif untuk mengukur aktivitas listrik otak kita. Elektroda/sensor/saluran ditempatkan di kulit kepala untuk merekam aktivitas listrik yang dihasilkan oleh populasi sel otak, yang disebut neuron.
Gambar 1 – Neuron menghasilkan aktivitas listrik yang dapat terdeteksi dengan perangkat EEG [Siuly, et al. (2016)].
2.1. Sistem EEG
Ada banyak perangkat EEG di pasar yang dapat digunakan untuk merekam EEG. Perangkat EEG dapat bervariasi dari:
Sebuah sensor tunggal atau hingga 256 elektroda – Semakin banyak elektroda, semakin tinggi resolusi spasial informasi di kulit kepala.
Elektroda basah atau kering – Elektroda basah menggunakan gel elektrolit atau larutan salin untuk meningkatkan konduktivitas antara kulit kepala dan sensor. Elektroda kering dapat berupa logam atau polimer konduktif yang membutuhkan kontak langsung dengan kulit kepala.
Elektroda aktif atau pasif – Sistem elektroda pasif hanya mengalihkan sinyal ke perangkat tempat sinyal itu diperkuat. Sistem elektroda aktif memperkuat sinyal di setiap elektroda sebelum mencapai perangkat untuk amplifikasi. Ini mengurangi noise listrik lingkungan dalam sinyal.
Perangkat berkabel atau nirkabel yang mengirimkan data melalui Bluetooth.
Gambar 2 – Sistem EEG nirkabel dengan kepadatan rendah.
Gambar 3 – Sistem EEG elektroda berkepadatan tinggi yang berkabel.
2.2. Kapan menggunakan EEG?
Setiap metode neuroimaging dapat membantu menjawab pertanyaan penelitian yang berbeda.
Kekuatan terbesar EEG adalah kemampuannya untuk mengukur aktivitas neural dalam skala milidetik, yang dapat mengukur proses pra-sadar.
Gambar 4 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Ini paling cocok untuk pertanyaan seperti “bagian mana dari video saya yang paling diperhatikan oleh peserta?”
EEG merekam aktivitas terutama dari lapisan luar otak (yaitu, memiliki resolusi spasial rendah). Dengan satu sensor, tidak mungkin untuk mengidentifikasi sumber aktivitas. Merekam dengan sejumlah saluran yang besar dapat memungkinkan untuk merekonstruksi sumber secara matematis tetapi masih terbatas dalam mengidentifikasi sumber yang dalam. Pencitraan resonansi magnetik fungsional (fMRI) lebih cocok untuk menjawab pertanyaan seperti “Bagian mana dari otak yang terkait dengan perubahan perhatian?”
2.3. Sensor ke EEG mentah?
Setelah perangkat EEG dipasang di kepala, aktivitas otak diukur pada satu sensor sebagai perbedaan amplitudo antara sensor tersebut dan sensor referensi. Dalam sebagian besar sistem EEG ini disebut elektroda common mode sense (CMS). Sensor tambahan, driven right leg (DRL), membantu mengurangi interferensi di CMS.
Gambar 5 – Diagram blok sederhana dari transmisi sinyal EEG.
Dalam sistem dengan elektroda aktif dan pasif, sinyal kemudian diperkuat dan difilter low-pass. Filter low-pass adalah langkah yang akan menghilangkan kemungkinan gangguan listrik dari lingkungan dalam sinyal Anda, misalnya daya saluran utama.
Langkah-langkah ini terjadi di perangkat keras itu sendiri sebelum sinyal EEG mentah dapat dilihat di layar komputer Anda.
2.4. Beberapa Istilah Dasar
Konvensi penamaan standar 10-20
Sensor kiri biasanya bernomor ganjil dan sensor kanan biasanya bernomor genap.
Catatan 1: ini hanya konvensi penamaan dan lokasi sensor EEG tidak menjadi indikator sumber aktivitas.
Catatan 2: langkah tambahan seperti rekonstruksi matematis dari sumber perlu dilakukan untuk menentukan sumber aktivitas pada satu saluran.
3. Apa itu Osilasi Neural?
Gelombang otak, sering disebut sebagai osilasi neural, adalah pola ritmis yang dihasilkan oleh satu atau sekelompok neuron.
Belum jelas mengapa otak menghasilkan berbagai jenis osilasi ini, meskipun ada banyak teori. Peneliti menggunakan berbagai tugas untuk mengkarakterisasi aktivitas osilasi ini dan bertujuan untuk memahami misteri otak menggunakan pola ritmis ini.
3.1. Beberapa sifat osilasi
gambar ini menunjukkan pengukuran sinyal listrik reguler:
Gambar 6 – Resolusi spasial vs temporal alat neuroimaging yang berbeda.
Di sebelah kiri (sumbu y) kita dapat menggambarkan amplitudo perekaman listrik dan di sumbu horizontal (sumbu x) waktu. Amplitudo sinyal akan bervariasi dalam besaran dengan cara yang teratur tentang titik tengah. Satu siklus juga disebut sebagai osilasi.
Jumlah siklus per detik disebut frekuensi gelombang dan satuannya adalah Hertz (Hz). Jadi 1 siklus per detik = 1 Hz. Amplitudo biasanya diukur dalam mikrovolt (µV).
Di otak, kita melihat gelombang dengan frekuensi berkisar dari 0,2 Hz (gelombang sangat lambat) hingga 80 Hz atau lebih (gelombang sangat cepat). Aktivitas frekuensi tinggi hingga 500 Hz yang terkait dengan kejang juga telah direkam di otak.
Jenis osilasi otak yang berbeda dicirikan berdasarkan frekuensinya. Ini dikenal sebagai pita frekuensi dan dapat terkait dengan keadaan otak yang berbeda:
Gambar 7 – Gelombang otak di EEG yang biasa.
3.2. Mengapa pita frekuensi yang berbeda penting?
Mengidentifikasi pola otak normal vs abnormal
Osilasi neural penting untuk mendeteksi kejang dan mendiagnosis epilepsi dalam neurologi.Antarmuka otak komputer (BCI)
Jumlah osilasi beta, gamma, dan mu sering digunakan untuk melatih perangkat jarak jauh (misalnya, menggerakkan kursi roda dengan pikiran).Neurofeedback
Ini adalah bentuk pelatihan otak di mana Anda dapat melihat gelombang otak Anda (misalnya, osilasi gamma) dan terlibat dalam tugas kognitif untuk meningkatkan jumlah osilasi gamma di otak Anda.Neuromarketing
Pita frekuensi alfa dan beta dapat digunakan untuk menentukan bagian mana dari iklan yang lebih atau kurang menarik.
3.3. Jenis analisis data EEG
Paling umum peneliti melakukan analisis di domain waktu atau domain frekuensi.
Analisis domain waktu
Biasanya mengukur amplitudo tegangan pada titik waktu yang menarik setelah munculnya stimulus. Ini disebut potensi terkait peristiwa (ERP).
Analisis domain frekuensi
Biasanya mengukur jumlah osilasi neural dalam pita frekuensi yang berbeda dalam jendela waktu yang ditentukan atau terkait dengan kemunculan suatu peristiwa.
Selanjutnya, kami memberikan gambaran umum tentang analisis domain frekuensi.
3.4. Pengolahan
Setelah Anda melakukan perekaman EEG, Anda biasanya membersihkan data sebelum memahami osilasi.
Penyaringan
Teknik untuk menghilangkan gangguan suara lingkungan frekuensi tinggi dan rendah dalam data.Penghapusan Artefak
Gerakan fisik, kedipan mata dapat menyebabkan artefak besar (> 50 µV puncak dalam EEG). Ini dapat dihilangkan agar tidak mempengaruhi hasil kami. Beberapa peneliti menggunakan metode canggih untuk memperbaiki artefak ini agar data tetap terjaga.
Setelah data diproses, sinyal sekarang dapat dikonversi ke domain frekuensi sehingga kita dapat mengukur jumlah setiap jenis gelombang otak.
Gambar 8 – Artefak kedipan mata dalam EEG mentah.
3.5. Transformasi Fourier Cepat (FFT)
Transformasi Fourier adalah konversi matematis dari sinyal EEG dari ‘domain waktu’ (gambar A) ke ‘domain frekuensi (gambar B)’.
Di domain frekuensi, kita dapat mengukur berapa banyak dari setiap jenis osilasi yang ada dalam perekaman kita. Ini biasanya adalah ‘daya’ pita frekuensi dan dapat ditampilkan dalam spektrum daya (Gambar B).
Gambar 9A – EEG mentah di domain waktu.
Gambar 9B – Spektrum daya setelah FFT (domain frekuensi).
3.6. Daya Pita
Daya dari suatu pita frekuensi (misalnya pita Alfa) yang diperoleh dari transformasi fourier memberi tahu kita seberapa banyak dari setiap pita frekuensi ada. Satuan daya pita biasanya dalam µV2/Hz. Paling sering, amplitudo atau spektrum daya dari FFT ditampilkan dalam unit logaritmik desibel (dB). Desibel adalah unit rasio antara daya yang diukur (P) dan daya referensi (Pr) sebagai berikut:
Setelah unit pengukuran ini diperoleh untuk peristiwa yang menarik, daya pita dapat dibandingkan untuk memahami efek eksperimen pada gelombang otak.
4. Dari Teori ke Praktik
Selanjutnya, kita akan melihat efek penekanan alfa.
Ini adalah fenomena yang pertama kali dilaporkan oleh Hans Berger, di mana kita melihat penurunan signifikan dalam jumlah osilasi alfa (daya alfa) ketika mata seseorang terbuka dibandingkan saat tertutup.
Gambar 10 – Peningkatan osilasi alfa dapat terlihat ketika mata terbuka.
Pertama menggunakan EmotivPRO Builder, kami membangun eksperimen sederhana. Dalam eksperimen ini, seorang peserta diminta untuk menjaga mata mereka terbuka selama 2 menit sambil fokus pada layar, dan kemudian tertutup selama 2 menit. Mereka akan mendengar bel di akhir 2 menit untuk sinyal membuka mata mereka.
Anda dapat mengikuti video di bawah ini untuk membuat eksperimen penekanan alfa Anda sendiri atau Anda dapat menjalankan eksperimen kami dari tautan di sini:
4.1. Pemasangan Perangkat dan Kualitas EEG
Baca lebih lanjut tentang bagaimana gerbang EQ kami bekerja di sini. Temukan lebih banyak info tentang pemasangan perangkat yang spesifik untuk headset Anda di sini:
Jenis EPOC
Jenis Insight
4.2. Mengolah dan mengubah data EEG
Sekarang setelah Anda memiliki data Anda, Anda dapat mengubahnya ke domain frekuensi menggunakan Emotiv Analyzer. Ikuti langkah-langkah dalam video.
4.3. Menginterpretasikan data
Setelah Analyzer selesai, unduh file zip tersebut. Untuk setiap rekaman Anda akan memiliki file csv dengan daya pita dan file gambar yang dapat Anda gunakan untuk melakukan analisis statistik Anda sendiri.
Gambar 11 – Daya pita.
Dalam keluaran kami, kami dapat melihat peningkatan daya Alfa ketika mata ditutup (oranye) dibandingkan saat terbuka (biru).
Ini adalah akhir dari tutorial kami! Anda sekarang dilengkapi dengan dasar-dasar 🙂
Anda dapat menemukan beberapa tautan untuk bacaan yang lebih lanjut di bagian sumber.
5. Sumber
BACCAAN LANJUT
Donoghue et al. 2022 Pertimbangan metodologis untuk mempelajari osilasi neural
KAMUS TERMINOLOGI EEG
Kane et al. 2017 (di sini)
KODE SUMBER TERBUKA
Jika Anda nyaman dengan kode python, kami telah menyediakan skrip python yang dapat Anda gunakan untuk mendapatkan nilai daya alfa, diberi label oleh segmen mata terbuka dan mata tertutup. Temukan kode dan file data Penekanan Alfa contoh di sini: https://osf.io/9bvgh/
MANUAL EMOTIV
Manual EmotivPRO Builder
Manual EmotivPRO
Manual EmotivPRO Analyzer
7. Referensi
Donoghue, T., Schaworonkow, N., dan Voytek, B., 2022. Pertimbangan metodologis untuk mempelajari osilasi neural. Jurnal Eropa tentang neuroscience, 55(11-12), hlm.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., dan van Putten, M.J., 2017. Kamus istilah yang direvisi yang paling umum digunakan oleh elektroensefalografer klinis dan proposal terbaru untuk format laporan temuan EEG. Revisi 2017. Praktik neurofisiologi klinis, 2, hlm.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Elektroensefalogram (EEG) dan Latar Belakangnya. Dalam: Analisis dan Klasifikasi Sinyal EEG. Ilmu Informasi Kesehatan. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
Lanjutkan membaca
EEG Neurofeedback: Panduan Pemula
Solusi
Dukungan
Perusahaan
© 2025 EMOTIV, Semua hak dilindungi.
Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.
Solusi
Dukungan
Perusahaan
© 2025 EMOTIV, Semua hak dilindungi.
Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.
Solusi
Dukungan
Perusahaan
© 2025 EMOTIV, Semua hak dilindungi.
Pilihan Privasi Anda (Pengaturan Cookie)
*Pemberitahuan – Produk EMOTIV dimaksudkan untuk digunakan untuk aplikasi penelitian dan penggunaan pribadi saja. Produk kami tidak dijual sebagai Alat Medis sebagaimana didefinisikan dalam arahan UE 93/42/EEC. Produk kami tidak dirancang atau dimaksudkan untuk digunakan dalam diagnosis atau pengobatan penyakit.
Catatan tentang Terjemahan: Versi non-Inggris dari situs web ini telah diterjemahkan untuk kenyamanan Anda menggunakan kecerdasan buatan. Meskipun kami berusaha agar akurat, terjemahan otomatis dapat mengandung kesalahan atau nuansa yang berbeda dari teks aslinya. Untuk informasi yang paling akurat, silakan rujuk ke versi bahasa Inggris dari situs ini.