Hantaran volume (volume conduction) berarti bahwa tegangan kuat yang direkam pada satu elektroda tidak selalu berarti bahwa aktivitas otak yang mendasarinya berasal tepat di bawah elektroda tersebut. Aktivitas itu mungkin berasal dari sumber yang berjarak beberapa sentimeter, yang sinyalnya menyebar cukup luas sehingga tercatat di beberapa sensor secara bersamaan.
Hal ini menimbulkan masalah nyata bagi siapa pun yang mencoba menjawab dua pertanyaan ilmiah yang sangat berbeda: di bagian kulit kepala mana pola aktivitas tertentu terkonsentrasi, dan ritme atau frekuensi apa yang sedang diproduksi oleh otak pada saat itu? Kedua pertanyaan ini membutuhkan dua alat yang berbeda. Pertama, Laplacian permukaan (surface Laplacian), berfungsi untuk mempertajam detail spasial. Kedua, transformasi Fourier (Fourier transform), berfungsi untuk mendecode waktu.
Memahami apa yang sebenarnya dilakukan oleh masing-masing alat, dan mengapa tidak ada satu pun yang dapat menggantikan yang lain, akan memperjelas banyak kebingungan bagi siapa pun yang baru pertama kali membaca bagian metode EEG.
Laplace vs Fourier: Sebuah Tinjauan
Para insinyur dan ilmuwan sering kali harus memilih antara transformasi Laplace dan Fourier saat merancang sistem atau menganalisis data eksperimental. Meskipun kedua alat matematika ini berfungsi untuk memindahkan sinyal dari ranah waktu ke ranah yang memperlihatkan perilaku frekuensi, keduanya berbeda secara mendasar dalam hal cakupan, definisi, dan sifat dasarnya. Memilih pendekatan yang tepat sering kali dapat memperjelas hasil, terutama saat menangani aliran data dunia nyata yang kompleks yang mengandung osilasi stabil sekaligus transisi yang tidak terduga.
Transformasi Fourier dikenal luas karena kemampuannya untuk mengisolasi komponen frekuensi dalam sinyal periodik atau stasioner. Transformasi ini bergantung pada parameter frekuensi imajiner murni, menjadikannya bagian dari transformasi Laplace yang lebih umum.
Karena menangkap kerapatan spektral sinyal tanpa memperhitungkan kondisi awal atau faktor pertumbuhan, transformasi ini berfungsi sebagai landasan analisis analisis frekuensi klasik. Sebaliknya, transformasi Laplace menggunakan parameter frekuensi kompleks, yang memungkinkannya merangkum perilaku eksponensial yang meluruh maupun yang tumbuh dalam respons sistem.
Memilih di antara teknik-teknik ini melibatkan evaluasi stabilitas dan kondisi awal dari sistem yang bersangkutan. Ketika seorang peneliti berfokus pada konten harmonik kondisi mapan (steady-state), pendekatan Fourier tetap menjadi standar. Sebaliknya, jika seseorang perlu mengevaluasi stabilitas sistem umpan balik atau memperhitungkan periode transien, transformasi Laplace memberikan cakupan matematika yang jauh lebih luas. Dengan menyeimbangkan persyaratan ini, analis dapat memilih metode yang secara langsung menghasilkan informasi yang diperlukan untuk menginterpretasikan kumpulan data spesifik mereka secara efektif.
Apa yang Diungkapkan Surface Laplacian Tentang Aktivitas Otak Fokal
Surface Laplacian adalah filter spasial. Alat ini sama sekali tidak menyentuh waktu dari sebuah sinyal.
Sebaliknya, ia bekerja di seluruh peta elektroda pada kulit kepala, membandingkan tegangan pada setiap sensor individu dengan tegangan yang direkam pada sensor tetangga terdekatnya. Jika pembacaan suatu elektroda secara signifikan lebih tinggi atau lebih rendah daripada nilai rata-rata elektroda di sekitarnya, Laplacian akan menandai titik tersebut sebagai kemungkinan sumber lokal. Jika pembacaan elektroda sangat cocok dengan tetangganya, Laplacian menganggapnya sebagai aktivitas difus yang luas, bukan sesuatu yang terlokalisasi secara tajam, dan meredamnya dalam output.
Hasil praktis dari penyaringan ini adalah peta topografi dengan keburaman yang jauh lebih sedikit. Alih-alih berupa bercak aktivitas yang besar dan kabur yang secara masuk akal bisa berasal dari hampir semua tempat di bawah petak kulit kepala yang luas, peta yang ditransformasikan dengan Laplacian cenderung menghasilkan area aktivitas yang lebih ketat dan lebih kompak. Hal ini secara konseptual terhubung dengan kerapatan sumber arus (current source density), sebuah pendekatan terkait yang juga bertujuan untuk memperkirakan di mana arus sebenarnya mengalir masuk atau keluar dari permukaan kulit kepala, bukan sekadar di mana tegangan kebetulan berada di titik tertinggi.
Apa yang Diungkapkan Transformasi Fourier Tentang Irama Otak
Setelah pertanyaan spasial dikesampingkan, pertanyaan yang sama sekali berbeda mulai menjadi fokus. Rangkaian waktu EEG mentah, yaitu jejak tegangan yang tidak beraturan dan terus berubah yang direkam dari satu elektroda dari waktu ke waktu, tampak kacau di mata telanjang. Namun, di balik kekacauan yang tampak itu, terdapat osilasi berulang yang terjadi pada kecepatan yang berbeda secara bersamaan. Transformasi Fourier adalah alat matematika yang memisahkan sinyal menjadi ritme komponen yang saling tumpang tindih ini.
Alih-alih melihat ke seluruh elektroda pada satu momen waktu, seperti yang dilakukan Laplacian, transformasi Fourier melihat melintasi waktu dalam sinyal elektroda tunggal. Alat ini mengambil bentuk gelombang yang tidak teratur tersebut dan mengaturnya kembali menjadi spektrum, yang pada dasarnya merupakan daftar seberapa besar total energi sinyal yang dimiliki oleh setiap pita frekuensi.
Dalam penelitian EEG, pita-pita ini umumnya diberi label delta, theta, alpha, beta, dan gamma, yang masing-masing dikaitkan dengan rentang kecepatan osilasi berbeda, diukur dalam siklus per detik. Sinyal yang didominasi oleh gelombang lambat dan besar akan menunjukkan spektrum yang condong ke ujung bawah. Sinyal yang penuh dengan fluktuasi cepat dan kecil akan menunjukkan lebih banyak energi terkonsentrasi pada pita frekuensi yang lebih tinggi.
Secara krusial, transformasi Fourier membuang informasi spasial sepenuhnya. Alat ini tidak peduli apakah elektroda ditempatkan di dekat bagian depan atau belakang kepala, dan tidak mencoba menentukan apakah aktivitas yang dicatat bersifat fokal atau tersebar di area yang luas. Seluruh tujuannya adalah temporal: berdasarkan aktivitas satu saluran dari waktu ke waktu, pada ritme apa otak berosilasi.
Alat | Menganalisis | Menjawab | Output |
|---|---|---|---|
Surface Laplacian | Peta elektroda spasial | Di mana posisi aktivitas fokal | Peta spasial yang lebih tajam |
Transformasi Fourier | Elektroda tunggal dari waktu ke waktu | Irama apa saja yang ada | Spektrum frekuensi |
Menggabungkan Laplacian dan Transformasi Fourier untuk Spektrum yang Lebih Bersih
Karena kedua alat ini memecahkan masalah yang berbeda, pendekatan yang banyak diajarkan dalam analisis EEG adalah dengan menerapkannya secara berurutan, alih-alih memilih salah satu saja.
Alur kerja yang umum melibatkan penggunaan transformasi surface Laplacian di seluruh susunan elektroda terlebih dahulu, menghasilkan set baru bentuk gelombang yang disaring secara spasial, dan kemudian menerapkan transformasi Fourier pada sinyal yang sudah disaring tersebut, bukan pada rekaman mentah asli.
Konduksi volume mencampurkan sinyal dari berbagai sumber ke dalam rekaman mentah pada satu elektroda saja. Itu berarti deret waktu mentah sebenarnya bukanlah cerita tentang satu ritme saraf yang mendasarinya. Ini lebih seperti rekaman yang tumpang tindih dari beberapa ritme dari beberapa sumber terdekat dan jauh, semuanya tercampur bersama pada satu titik di kulit kepala.
Ketika transformasi Fourier diterapkan langsung ke sinyal campuran ini, spektrum frekuensi yang dihasilkan mencerminkan campuran tersebut. Ritme fokal yang asli mungkin akan melemah karena aktivitas yang lebih luas dan kurang spesifik yang ditangkap dari daerah lain.
Menerapkan surface Laplacian terlebih dahulu dimaksudkan untuk mengurangi kontaminasi tersebut bahkan sebelum analisis frekuensi dimulai. Dengan menekan komponen yang luas dan menyebar serta menekankan komponen lokal yang tajam, langkah Laplacian dimaksudkan untuk meninggalkan bentuk gelombang yang merupakan estimasi lebih dekat dari aktivitas yang dihasilkan langsung di bawah elektroda tersebut. Menjalankan transformasi Fourier pada bentuk gelombang yang difilter ini, secara prinsip, akan menghasilkan spektrum yang lebih mencerminkan aktivitas ritmis dari bagian korteks tertentu, daripada campuran sumber yang jauh.
Pendekatan gabungan ini populer digambarkan dapat menghasilkan estimasi spektral yang "lebih bersih" atau lebih terlokalisasi secara spasial, dan penalaran yang mendasarinya secara logis konsisten dengan apa yang dilakukan oleh masing-masing alat.
Mempertahankan Lensa yang Tepat untuk Pertanyaan yang Diajukan
Setiap rekaman EEG dalam ilmu saraf membawa kekusutan informasi yang saling tumpang tindih, dan pilihan alat menentukan apa yang menjadi terlihat.
Laplacian mempertajam peta tempat puncak aktivitas terjadi, sementara transformasi Fourier menyelaraskan diri ke dalam metronom tersembunyi dari kecepatan otak, dan salah mengira peran mereka akan mengarah pada pemaknaan yang dibangun di atas kejelasan palsu. Menerapkan filter spasial sebelum filter temporal mengikuti logika yang sehat untuk membersihkan kontaminasi berbasis jarak sebelum menanyakan tentang ritme, meskipun manfaat nyata dari langkah tersebut masih bergantung pada data spesifik yang ada.
Yang tetap konstan adalah trade-off dasar: metode yang menentukan lokasi membuang waktu, dan metode yang mengungkapkan frekuensi mengabaikan ruang. Membawa pemisahan konseptual ini ke dalam bagian metode EEG mana pun mencegah kesalahan umum dalam memperlakukan kalkulasi berbeda ini seolah-olah menjawab pertanyaan mendasar yang sama.
Referensi
Pascual-Marqui, R. D., Gonzalez-Andino, S. L., & Valdes-Sosa, P. A. (1988). Current source density estimation and interpolation based on the spherical harmonic Fourier expansion. International journal of neuroscience, 43(3-4), 237-249. https://doi.org/10.3109/00207458808986175
Pertanyaan yang Sering Diajukan
Apa masalah utama yang dipecahkan oleh surface Laplacian?
Surface Laplacian memecahkan masalah konduksi volume, yaitu pengaburan dan pemburaman sinyal otak saat mereka merambat melalui jaringan dan tengkorak menuju elektroda. Alat ini bertindak sebagai filter spasial untuk memberikan perkiraan yang lebih tajam tentang di mana aktivitas di kulit kepala benar-benar terkonsentrasi atau bersifat fokal.
Pertanyaan apa yang dijawab oleh transformasi Fourier dalam analisis EEG?
Transformasi Fourier menjawab pertanyaan tentang "irama apa" dengan memisahkan deret waktu elektroda tunggal yang tidak beraturan menjadi komponen frekuensi yang saling tumpang tindih. Ini mengungkapkan seberapa besar energi yang ada dalam pita osilasi yang berbeda seperti delta, theta, atau alpha, yang murni berfokus pada pola temporal.
Apakah surface Laplacian dapat digunakan untuk menemukan irama otak, atau sebaliknya?
Tidak, kedua alat ini tidak dapat dipertukarkan karena menjawab pertanyaan yang mendasarinya berbeda. Laplacian mempertajam lokasi spasial ("di mana"), sedangkan transformasi Fourier memecode waktu ritmik ("pada irama apa"), yang berarti satu alat tidak dapat menggantikan alat lainnya.
Mengapa seorang peneliti menerapkan surface Laplacian sebelum menggunakan transformasi Fourier?
Menerapkan Laplacian terlebih dahulu secara spasial membersihkan sinyal dengan mengurangi aktivitas difus dan jauh yang tercampur ke dalam rekaman akibat konduksi volume. Transformasi Fourier berikutnya kemudian menghasilkan spektrum frekuensi yang lebih merefleksikan irama dari area korteks tertentu secara langsung di bawah elektroda.
Untuk apa ekspansi Fourier harmonik bola (SHE) digunakan?
SHE adalah metode komputasi untuk memperkirakan surface Laplacian dengan memodelkan medan listrik kulit kepala di seluruh kepala. Penelitian simulasi menunjukkan metode ini memberikan estimasi Laplacian yang lebih baik dan mengungguli teknik perbandingan tetangga yang lebih sederhana untuk menginterpolasi nilai.
Bagaimana cara surface Laplacian mengidentifikasi kemungkinan sumber lokal aktivitas otak?
Laplacian membandingkan tegangan pada satu elektroda dengan tegangan rata-rata dari elektroda tetangga terdekatnya. Jika pembacaannya berbeda secara signifikan, itu akan ditandai sebagai sumber lokal, tetapi jika sangat cocok dengan tetangganya, itu diredam sebagai aktivitas difus yang luas.
Apa yang terjadi pada sinyal EEG setelah surface Laplacian diterapkan?
Output yang ditransformasikan menghasilkan peta topografi dengan keburaman yang jauh lebih sedikit, menunjukkan area aktivitas yang lebih ketat dan kompak. Waktu sinyal tidak diubah; hanya representasi spasialnya di seluruh kulit kepala yang dipertajam untuk mengindikasikan aliran arus dengan lebih baik.
Apakah menggabungkan Laplacian dan transformasi Fourier menjamin analisis yang lebih baik?
Penggunaan gabungan adalah heuristik yang masuk akal berdasarkan logika pengurangan kontaminasi spasial sebelum analisis frekuensi, tetapi ini bukan efek yang dijamin dan terukur secara universal. Peneliti masih perlu memverifikasi bahwa pemrosesan berurutan ini meningkatkan hasil untuk kumpulan data spesifik mereka.
Emotiv adalah pemimpin neuroteknologi yang membantu memajukan penelitian neurosains melalui alat EEG dan data otak yang mudah diakses.
Christian Burgos
