神経振動の基本
ロシニ・ランデニヤ
更新日
2024/02/22
神経振動の基本
ロシニ・ランデニヤ
更新日
2024/02/22
神経振動の基本
ロシニ・ランデニヤ
更新日
2024/02/22
1. はじめに
ようこそ！このチュートリアルでは、脳波と、それらを使って脳や行動を理解する方法について学びます。
ハンス・ベルガーは、1929年にelectroencephalogram（脳波図）という用語を作り、頭部に配置したセンサーを用いて記録した電位の変化を記述しました。彼は2種類の脳波を特定し、記録した順番にちなんで単にアルファ波とベータ波と名付けました。このような波は他の哺乳類でも記録されていましたが、ベルガーは人間で初めてそれらを記述したのです！
それ以来、脳波記録法は神経科学における重要なツールとなり、脳波（研究者はこれを神経振動と呼びます）への理解を深め、疲労や覚醒など脳内の状態を特徴づけるのに役立ってきました。
この短いチュートリアルでは、以下の内容を扱います。
神経振動とは何か？
神経振動はどのように測定できるか？
神経振動を使って何ができるか？
Emotivデバイスとソフトウェアを使った実践的な応用。
2. EEGとは？
脳波記録法（EEG）は、脳の電気活動を非侵襲的かつ受動的に測定する方法です。電極／センサー／チャネルを頭皮に配置して、ニューロンと呼ばれる脳細胞集団によって生じる電気活動を記録します。
図 1 – ニューロンは電気活動を生み出し、それはEEGデバイスで検出できます [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のような種類に分かれます。
単一センサーから最大256個の電極まで – 電極数が多いほど、頭皮上の情報の空間分解能は高くなります。
湿式または乾式電極 – 湿式電極は、頭皮とセンサー間の導電性を高めるために電解ゲルまたは生理食塩水を使用します。乾式電極は、頭皮との直接接触が必要な金属または導電性ポリマーです。
能動電極または受動電極 – 受動電極システムは、単純に信号をデバイスへ伝送し、そこで増幅されます。能動電極システムは、信号がデバイスに到達して増幅される前に、各電極で信号を増幅します。これにより、信号中の環境由来の電気ノイズが低減されます。
Bluetooth経由でデータを送信する有線または無線デバイス。
図 2 – ワイヤレスの低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. いつEEGを使うか？
各神経画像化手法は、異なる研究 প্রশ্নに答える助けになります。
EEGの最大の強みは、ミリ秒単位の神経活動を測定できることであり、前意識的な過程を捉えられる点です。
図 4 – さまざまな神経画像化ツールの空間分解能と時間分解能。
これは、「動画のどの部分に参加者が最も注意を向けたか？」といった問いに最適です。
EEGは主に脳の外層からの活動を記録するため（つまり空間分解能が低い）、単一センサーだけでは活動源を特定できません。多数のチャネルで記録すれば、数学的に活動源を再構成できますが、それでも深部の活動源の特定には限界があります。機能的磁気共鳴画像法（fMRI）は、「脳のどの部分が注意の変化に関連しているのか？」といった問いに答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスを頭部に装着すると、脳活動は、そのセンサーと参照センサーとの振幅差として単一センサーで測定されます。ほとんどのEEGシステムでは、これを共通モードセンス（CMS）電極と呼びます。追加のセンサーであるdriven right leg（DRL）は、CMSでの干渉を低減するのに役立ちます。
図 5 – EEG信号伝送の簡略ブロック図。
能動電極と受動電極の両方を備えたシステムでは、その後、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境由来の電気的干渉、例えば商用電源由来のノイズを取り除く工程です。
これらの処理は、生のEEG信号をコンピュータ画面で表示できるようになる前に、ハードウェア内部で行われます。
2.4. 基本用語
10-20標準命名規則
左側のセンサーは通常奇数番号で、右側のセンサーは通常偶数番号です。
注 1: これらは単なる命名規則であり、EEGセンサーの位置の名称は活動源を示す指標ではありません。
注 2: 単一チャネルで活動源を特定するには、活動源の数学的再構成などの追加手順を実施する必要があります。
3. 神経振動とは？
脳波は、しばしば神経振動と呼ばれ、単一のニューロンまたはニューロン群によって生み出されるリズミカルなパターンです。
なぜ脳がこうした異なる種類の振動を生み出すのかは、まだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使って脳の謎を理解することを目指し、さまざまな課題でこうした振動活動を特徴づけています。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています。
図 6 – さまざまな神経画像化ツールの空間分解能と時間分解能。
左側（y軸）には電気記録の振幅を、横軸（x軸）には時間をプロットできます。信号の振幅は、中心点の周りで規則的に大きさが変化します。1周期は振動とも呼ばれます。
1秒あたりの周期数は波の周波数と呼ばれ、単位はヘルツ（Hz）です。つまり、1秒あたり1周期 = 1 Hz です。振幅は通常、マイクロボルト（µV）で測定されます。
脳では、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）までの周波数の波が見られます。けいれんに関連する最大500 Hzまでの高周波活動も、脳で記録されることがあります。
脳の振動のさまざまな種類は、その周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられます:
図 7 – 典型的なEEGにおける脳波。
3.2. 異なる周波数帯が重要なのはなぜか？
正常な脳パターンと異常な脳パターンの識別
神経振動は、神経学におけるけいれんの検出やてんかんの診断に重要です。ブレイン・コンピューター・インターフェース（BCI）
ベータ、ガンマ、ミューの各振動量は、遠隔デバイスを訓練・制御するためによく使われます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳トレーニングの一形態で、自分の脳波（例：ガンマ振動）を見ながら認知課題に取り組み、脳内のガンマ振動の量を増やすことを目指します。ニューロマーケティング
アルファおよびベータの周波数帯は、広告のどの部分がより惹きつけ、あるいは惹きつけにくいかを判断するために使えます。
3.3. EEGデータ分析の種類
最も一般的には、研究者は時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の提示後の関心時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、定義された時間窓内、またはイベントの発生に関連して、さまざまな周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を示します。
3.4. 処理
EEG記録を行った後は、通常、振動を解釈する前にデータをクリーンアップします。
フィルタリング
データ内の高周波および低周波の環境ノイズを取り除く手法です。アーチファクト除去
身体の動きやまばたきは、いずれも大きなアーチファクト（EEGでは> 50 µVのピーク）を引き起こす可能性があります。これらは、結果に影響しないよう除去できます。一部の研究者は、データを保持するために、これらのアーチファクトを補正する高度な手法を用います。
データが処理されると、信号は周波数領域に変換できるようになり、各種類の脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）へ数学的に変換するものです。
周波数領域では、記録に含まれていた各種類の振動がどの程度あったのかを定量化できます。これは通常、その周波数帯の「パワー」であり、パワースペクトル（画像B）として表示できます。
図 9A – 時間領域の生のEEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯がどれだけ存在するかを示します。バンドパワーの単位は通常µV2/Hzです。多くの場合、FFTによる振幅スペクトルやパワースペクトルは、対数単位であるデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と参照パワー（Pr）の比率を表す単位で、次のようになります。
関心のあるイベントについてこの測定単位が得られたら、バンドパワーを比較して、脳波に対する実験効果を理解できます。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーが最初に報告した現象で、目を閉じているときと比べて目を開けているときに、アルファ振動（アルファパワー）が有意に減少することを示します。
図 10 – 目を開けているとアルファ振動の増加が見られます。
まず、EmotivPRO Builderを使って簡単な実験を作成しました。この実験では、参加者は画面に集中しながら2分間目を開け、その後2分間目を閉じるよう指示されます。2分の終わりにはベルが鳴り、目を開ける合図になります。
下の動画に従って自分のアルファ抑制実験を作成することもできますし、こちらのリンクから私たちの実験を実行することもできます。
4.1. デバイスの装着とEEGの品質
EQゲートの仕組みについてこちらで詳しくご覧いただけます。お使いのヘッドセットに特有のデバイス装着方法の詳細はこちらです:
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データが用意できたら、Emotiv Analyzerを使って周波数領域に変換できます。動画の手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードしてください。各記録には、バンドパワーを含むcsvファイルと画像ファイルがあり、それらを使って独自の統計分析を行えます。
図 11 – バンドパワー。
出力では、目を閉じたとき（オレンジ）に、目を開けたとき（青）と比べてAlphaパワーが増加していることがわかります。
チュートリアルはこれで終了です！これで基本は身につきました🙂
リソース欄に、より発展的な読み物へのリンクがあります。
5. リソース
発展的な参考資料
Donoghue et al. 2022 神経振動を研究するための方法論的考察
EEG用語集
Kane et al. 2017 (こちら)
オープンソースコード
Pythonでのコーディングに慣れているなら、目を開けた区間と閉じた区間でラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを公開しています。コードとAlpha Suppressionのサンプルデータファイルはこちら: https://osf.io/9bvgh/
Emotivマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考察。European journal of neuroscience, 55(11-12), pp.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. and van Putten, M.J., 2017. 臨床脳波医が最も一般的に使用する用語の改訂版用語集と、EEG所見の報告形式に関する更新提案。Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波図（EEG）とその背景。In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. はじめに
ようこそ！このチュートリアルでは、脳波と、それらを使って脳や行動を理解する方法について学びます。
ハンス・ベルガーは、1929年にelectroencephalogram（脳波図）という用語を作り、頭部に配置したセンサーを用いて記録した電位の変化を記述しました。彼は2種類の脳波を特定し、記録した順番にちなんで単にアルファ波とベータ波と名付けました。このような波は他の哺乳類でも記録されていましたが、ベルガーは人間で初めてそれらを記述したのです！
それ以来、脳波記録法は神経科学における重要なツールとなり、脳波（研究者はこれを神経振動と呼びます）への理解を深め、疲労や覚醒など脳内の状態を特徴づけるのに役立ってきました。
この短いチュートリアルでは、以下の内容を扱います。
神経振動とは何か？
神経振動はどのように測定できるか？
神経振動を使って何ができるか？
Emotivデバイスとソフトウェアを使った実践的な応用。
2. EEGとは？
脳波記録法（EEG）は、脳の電気活動を非侵襲的かつ受動的に測定する方法です。電極／センサー／チャネルを頭皮に配置して、ニューロンと呼ばれる脳細胞集団によって生じる電気活動を記録します。
図 1 – ニューロンは電気活動を生み出し、それはEEGデバイスで検出できます [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のような種類に分かれます。
単一センサーから最大256個の電極まで – 電極数が多いほど、頭皮上の情報の空間分解能は高くなります。
湿式または乾式電極 – 湿式電極は、頭皮とセンサー間の導電性を高めるために電解ゲルまたは生理食塩水を使用します。乾式電極は、頭皮との直接接触が必要な金属または導電性ポリマーです。
能動電極または受動電極 – 受動電極システムは、単純に信号をデバイスへ伝送し、そこで増幅されます。能動電極システムは、信号がデバイスに到達して増幅される前に、各電極で信号を増幅します。これにより、信号中の環境由来の電気ノイズが低減されます。
Bluetooth経由でデータを送信する有線または無線デバイス。
図 2 – ワイヤレスの低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. いつEEGを使うか？
各神経画像化手法は、異なる研究 প্রশ্নに答える助けになります。
EEGの最大の強みは、ミリ秒単位の神経活動を測定できることであり、前意識的な過程を捉えられる点です。
図 4 – さまざまな神経画像化ツールの空間分解能と時間分解能。
これは、「動画のどの部分に参加者が最も注意を向けたか？」といった問いに最適です。
EEGは主に脳の外層からの活動を記録するため（つまり空間分解能が低い）、単一センサーだけでは活動源を特定できません。多数のチャネルで記録すれば、数学的に活動源を再構成できますが、それでも深部の活動源の特定には限界があります。機能的磁気共鳴画像法（fMRI）は、「脳のどの部分が注意の変化に関連しているのか？」といった問いに答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスを頭部に装着すると、脳活動は、そのセンサーと参照センサーとの振幅差として単一センサーで測定されます。ほとんどのEEGシステムでは、これを共通モードセンス（CMS）電極と呼びます。追加のセンサーであるdriven right leg（DRL）は、CMSでの干渉を低減するのに役立ちます。
図 5 – EEG信号伝送の簡略ブロック図。
能動電極と受動電極の両方を備えたシステムでは、その後、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境由来の電気的干渉、例えば商用電源由来のノイズを取り除く工程です。
これらの処理は、生のEEG信号をコンピュータ画面で表示できるようになる前に、ハードウェア内部で行われます。
2.4. 基本用語
10-20標準命名規則
左側のセンサーは通常奇数番号で、右側のセンサーは通常偶数番号です。
注 1: これらは単なる命名規則であり、EEGセンサーの位置の名称は活動源を示す指標ではありません。
注 2: 単一チャネルで活動源を特定するには、活動源の数学的再構成などの追加手順を実施する必要があります。
3. 神経振動とは？
脳波は、しばしば神経振動と呼ばれ、単一のニューロンまたはニューロン群によって生み出されるリズミカルなパターンです。
なぜ脳がこうした異なる種類の振動を生み出すのかは、まだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使って脳の謎を理解することを目指し、さまざまな課題でこうした振動活動を特徴づけています。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています。
図 6 – さまざまな神経画像化ツールの空間分解能と時間分解能。
左側（y軸）には電気記録の振幅を、横軸（x軸）には時間をプロットできます。信号の振幅は、中心点の周りで規則的に大きさが変化します。1周期は振動とも呼ばれます。
1秒あたりの周期数は波の周波数と呼ばれ、単位はヘルツ（Hz）です。つまり、1秒あたり1周期 = 1 Hz です。振幅は通常、マイクロボルト（µV）で測定されます。
脳では、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）までの周波数の波が見られます。けいれんに関連する最大500 Hzまでの高周波活動も、脳で記録されることがあります。
脳の振動のさまざまな種類は、その周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられます:
図 7 – 典型的なEEGにおける脳波。
3.2. 異なる周波数帯が重要なのはなぜか？
正常な脳パターンと異常な脳パターンの識別
神経振動は、神経学におけるけいれんの検出やてんかんの診断に重要です。ブレイン・コンピューター・インターフェース（BCI）
ベータ、ガンマ、ミューの各振動量は、遠隔デバイスを訓練・制御するためによく使われます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳トレーニングの一形態で、自分の脳波（例：ガンマ振動）を見ながら認知課題に取り組み、脳内のガンマ振動の量を増やすことを目指します。ニューロマーケティング
アルファおよびベータの周波数帯は、広告のどの部分がより惹きつけ、あるいは惹きつけにくいかを判断するために使えます。
3.3. EEGデータ分析の種類
最も一般的には、研究者は時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の提示後の関心時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、定義された時間窓内、またはイベントの発生に関連して、さまざまな周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を示します。
3.4. 処理
EEG記録を行った後は、通常、振動を解釈する前にデータをクリーンアップします。
フィルタリング
データ内の高周波および低周波の環境ノイズを取り除く手法です。アーチファクト除去
身体の動きやまばたきは、いずれも大きなアーチファクト（EEGでは> 50 µVのピーク）を引き起こす可能性があります。これらは、結果に影響しないよう除去できます。一部の研究者は、データを保持するために、これらのアーチファクトを補正する高度な手法を用います。
データが処理されると、信号は周波数領域に変換できるようになり、各種類の脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）へ数学的に変換するものです。
周波数領域では、記録に含まれていた各種類の振動がどの程度あったのかを定量化できます。これは通常、その周波数帯の「パワー」であり、パワースペクトル（画像B）として表示できます。
図 9A – 時間領域の生のEEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯がどれだけ存在するかを示します。バンドパワーの単位は通常µV2/Hzです。多くの場合、FFTによる振幅スペクトルやパワースペクトルは、対数単位であるデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と参照パワー（Pr）の比率を表す単位で、次のようになります。
関心のあるイベントについてこの測定単位が得られたら、バンドパワーを比較して、脳波に対する実験効果を理解できます。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーが最初に報告した現象で、目を閉じているときと比べて目を開けているときに、アルファ振動（アルファパワー）が有意に減少することを示します。
図 10 – 目を開けているとアルファ振動の増加が見られます。
まず、EmotivPRO Builderを使って簡単な実験を作成しました。この実験では、参加者は画面に集中しながら2分間目を開け、その後2分間目を閉じるよう指示されます。2分の終わりにはベルが鳴り、目を開ける合図になります。
下の動画に従って自分のアルファ抑制実験を作成することもできますし、こちらのリンクから私たちの実験を実行することもできます。
4.1. デバイスの装着とEEGの品質
EQゲートの仕組みについてこちらで詳しくご覧いただけます。お使いのヘッドセットに特有のデバイス装着方法の詳細はこちらです:
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データが用意できたら、Emotiv Analyzerを使って周波数領域に変換できます。動画の手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードしてください。各記録には、バンドパワーを含むcsvファイルと画像ファイルがあり、それらを使って独自の統計分析を行えます。
図 11 – バンドパワー。
出力では、目を閉じたとき（オレンジ）に、目を開けたとき（青）と比べてAlphaパワーが増加していることがわかります。
チュートリアルはこれで終了です！これで基本は身につきました🙂
リソース欄に、より発展的な読み物へのリンクがあります。
5. リソース
発展的な参考資料
Donoghue et al. 2022 神経振動を研究するための方法論的考察
EEG用語集
Kane et al. 2017 (こちら)
オープンソースコード
Pythonでのコーディングに慣れているなら、目を開けた区間と閉じた区間でラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを公開しています。コードとAlpha Suppressionのサンプルデータファイルはこちら: https://osf.io/9bvgh/
Emotivマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考察。European journal of neuroscience, 55(11-12), pp.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. and van Putten, M.J., 2017. 臨床脳波医が最も一般的に使用する用語の改訂版用語集と、EEG所見の報告形式に関する更新提案。Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波図（EEG）とその背景。In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. はじめに
ようこそ！このチュートリアルでは、脳波と、それらを使って脳や行動を理解する方法について学びます。
ハンス・ベルガーは、1929年にelectroencephalogram（脳波図）という用語を作り、頭部に配置したセンサーを用いて記録した電位の変化を記述しました。彼は2種類の脳波を特定し、記録した順番にちなんで単にアルファ波とベータ波と名付けました。このような波は他の哺乳類でも記録されていましたが、ベルガーは人間で初めてそれらを記述したのです！
それ以来、脳波記録法は神経科学における重要なツールとなり、脳波（研究者はこれを神経振動と呼びます）への理解を深め、疲労や覚醒など脳内の状態を特徴づけるのに役立ってきました。
この短いチュートリアルでは、以下の内容を扱います。
神経振動とは何か？
神経振動はどのように測定できるか？
神経振動を使って何ができるか？
Emotivデバイスとソフトウェアを使った実践的な応用。
2. EEGとは？
脳波記録法（EEG）は、脳の電気活動を非侵襲的かつ受動的に測定する方法です。電極／センサー／チャネルを頭皮に配置して、ニューロンと呼ばれる脳細胞集団によって生じる電気活動を記録します。
図 1 – ニューロンは電気活動を生み出し、それはEEGデバイスで検出できます [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のような種類に分かれます。
単一センサーから最大256個の電極まで – 電極数が多いほど、頭皮上の情報の空間分解能は高くなります。
湿式または乾式電極 – 湿式電極は、頭皮とセンサー間の導電性を高めるために電解ゲルまたは生理食塩水を使用します。乾式電極は、頭皮との直接接触が必要な金属または導電性ポリマーです。
能動電極または受動電極 – 受動電極システムは、単純に信号をデバイスへ伝送し、そこで増幅されます。能動電極システムは、信号がデバイスに到達して増幅される前に、各電極で信号を増幅します。これにより、信号中の環境由来の電気ノイズが低減されます。
Bluetooth経由でデータを送信する有線または無線デバイス。
図 2 – ワイヤレスの低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. いつEEGを使うか？
各神経画像化手法は、異なる研究 প্রশ্নに答える助けになります。
EEGの最大の強みは、ミリ秒単位の神経活動を測定できることであり、前意識的な過程を捉えられる点です。
図 4 – さまざまな神経画像化ツールの空間分解能と時間分解能。
これは、「動画のどの部分に参加者が最も注意を向けたか？」といった問いに最適です。
EEGは主に脳の外層からの活動を記録するため（つまり空間分解能が低い）、単一センサーだけでは活動源を特定できません。多数のチャネルで記録すれば、数学的に活動源を再構成できますが、それでも深部の活動源の特定には限界があります。機能的磁気共鳴画像法（fMRI）は、「脳のどの部分が注意の変化に関連しているのか？」といった問いに答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスを頭部に装着すると、脳活動は、そのセンサーと参照センサーとの振幅差として単一センサーで測定されます。ほとんどのEEGシステムでは、これを共通モードセンス（CMS）電極と呼びます。追加のセンサーであるdriven right leg（DRL）は、CMSでの干渉を低減するのに役立ちます。
図 5 – EEG信号伝送の簡略ブロック図。
能動電極と受動電極の両方を備えたシステムでは、その後、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境由来の電気的干渉、例えば商用電源由来のノイズを取り除く工程です。
これらの処理は、生のEEG信号をコンピュータ画面で表示できるようになる前に、ハードウェア内部で行われます。
2.4. 基本用語
10-20標準命名規則
左側のセンサーは通常奇数番号で、右側のセンサーは通常偶数番号です。
注 1: これらは単なる命名規則であり、EEGセンサーの位置の名称は活動源を示す指標ではありません。
注 2: 単一チャネルで活動源を特定するには、活動源の数学的再構成などの追加手順を実施する必要があります。
3. 神経振動とは？
脳波は、しばしば神経振動と呼ばれ、単一のニューロンまたはニューロン群によって生み出されるリズミカルなパターンです。
なぜ脳がこうした異なる種類の振動を生み出すのかは、まだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使って脳の謎を理解することを目指し、さまざまな課題でこうした振動活動を特徴づけています。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています。
図 6 – さまざまな神経画像化ツールの空間分解能と時間分解能。
左側（y軸）には電気記録の振幅を、横軸（x軸）には時間をプロットできます。信号の振幅は、中心点の周りで規則的に大きさが変化します。1周期は振動とも呼ばれます。
1秒あたりの周期数は波の周波数と呼ばれ、単位はヘルツ（Hz）です。つまり、1秒あたり1周期 = 1 Hz です。振幅は通常、マイクロボルト（µV）で測定されます。
脳では、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）までの周波数の波が見られます。けいれんに関連する最大500 Hzまでの高周波活動も、脳で記録されることがあります。
脳の振動のさまざまな種類は、その周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられます:
図 7 – 典型的なEEGにおける脳波。
3.2. 異なる周波数帯が重要なのはなぜか？
正常な脳パターンと異常な脳パターンの識別
神経振動は、神経学におけるけいれんの検出やてんかんの診断に重要です。ブレイン・コンピューター・インターフェース（BCI）
ベータ、ガンマ、ミューの各振動量は、遠隔デバイスを訓練・制御するためによく使われます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳トレーニングの一形態で、自分の脳波（例：ガンマ振動）を見ながら認知課題に取り組み、脳内のガンマ振動の量を増やすことを目指します。ニューロマーケティング
アルファおよびベータの周波数帯は、広告のどの部分がより惹きつけ、あるいは惹きつけにくいかを判断するために使えます。
3.3. EEGデータ分析の種類
最も一般的には、研究者は時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の提示後の関心時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、定義された時間窓内、またはイベントの発生に関連して、さまざまな周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を示します。
3.4. 処理
EEG記録を行った後は、通常、振動を解釈する前にデータをクリーンアップします。
フィルタリング
データ内の高周波および低周波の環境ノイズを取り除く手法です。アーチファクト除去
身体の動きやまばたきは、いずれも大きなアーチファクト（EEGでは> 50 µVのピーク）を引き起こす可能性があります。これらは、結果に影響しないよう除去できます。一部の研究者は、データを保持するために、これらのアーチファクトを補正する高度な手法を用います。
データが処理されると、信号は周波数領域に変換できるようになり、各種類の脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）へ数学的に変換するものです。
周波数領域では、記録に含まれていた各種類の振動がどの程度あったのかを定量化できます。これは通常、その周波数帯の「パワー」であり、パワースペクトル（画像B）として表示できます。
図 9A – 時間領域の生のEEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯がどれだけ存在するかを示します。バンドパワーの単位は通常µV2/Hzです。多くの場合、FFTによる振幅スペクトルやパワースペクトルは、対数単位であるデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と参照パワー（Pr）の比率を表す単位で、次のようになります。
関心のあるイベントについてこの測定単位が得られたら、バンドパワーを比較して、脳波に対する実験効果を理解できます。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーが最初に報告した現象で、目を閉じているときと比べて目を開けているときに、アルファ振動（アルファパワー）が有意に減少することを示します。
図 10 – 目を開けているとアルファ振動の増加が見られます。
まず、EmotivPRO Builderを使って簡単な実験を作成しました。この実験では、参加者は画面に集中しながら2分間目を開け、その後2分間目を閉じるよう指示されます。2分の終わりにはベルが鳴り、目を開ける合図になります。
下の動画に従って自分のアルファ抑制実験を作成することもできますし、こちらのリンクから私たちの実験を実行することもできます。
4.1. デバイスの装着とEEGの品質
EQゲートの仕組みについてこちらで詳しくご覧いただけます。お使いのヘッドセットに特有のデバイス装着方法の詳細はこちらです:
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データが用意できたら、Emotiv Analyzerを使って周波数領域に変換できます。動画の手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードしてください。各記録には、バンドパワーを含むcsvファイルと画像ファイルがあり、それらを使って独自の統計分析を行えます。
図 11 – バンドパワー。
出力では、目を閉じたとき（オレンジ）に、目を開けたとき（青）と比べてAlphaパワーが増加していることがわかります。
チュートリアルはこれで終了です！これで基本は身につきました🙂
リソース欄に、より発展的な読み物へのリンクがあります。
5. リソース
発展的な参考資料
Donoghue et al. 2022 神経振動を研究するための方法論的考察
EEG用語集
Kane et al. 2017 (こちら)
オープンソースコード
Pythonでのコーディングに慣れているなら、目を開けた区間と閉じた区間でラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを公開しています。コードとAlpha Suppressionのサンプルデータファイルはこちら: https://osf.io/9bvgh/
Emotivマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考察。European journal of neuroscience, 55(11-12), pp.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. and van Putten, M.J., 2017. 臨床脳波医が最も一般的に使用する用語の改訂版用語集と、EEG所見の報告形式に関する更新提案。Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波図（EEG）とその背景。In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
