1. Inleiding

Welkom! In deze tutorial leren we over hersengolven en hoe we deze kunnen gebruiken om het brein en gedrag te begrijpen.

Hans Berger introduceerde de term elektro-encefalogram in 1929, toen hij veranderingen in elektrische potentialen beschreef die waren geregistreerd met behulp van sensoren op het hoofd van een persoon. Hij identificeerde twee soorten hersengolven, die hij simpelweg alfa- en bètagolven noemde vanwege de volgorde waarin hij ze registreerde. Dergelijke golven waren al bij andere zoogdieren geregistreerd, maar Berger beschreef ze voor het eerst bij de mens!

Sinds die tijd is de methode van elektro-encefalografie een belangrijk hulpmiddel in de neurowetenschappen geworden. Het heeft geholpen ons begrip van hersengolven (die onderzoekers neurale oscillaties noemen) te ontwikkelen en heeft geholpen om toestanden in de hersenen zoals vermoeidheid en waakzaamheid in kaart te brengen.

In deze korte tutorial behandelen we de volgende onderwerpen:

• Wat zijn neurale oscillaties?

• Hoe kunnen we neurale oscillaties meten?

• Wat kunnen we doen met neurale oscillaties?

• Praktische toepassing met behulp van Emotiv-apparaten en software.

2. Wat is EEG?

Elektro-encefalografie (EEG) is een niet-invasieve en passieve methode om de elektrische activiteit van onze hersenen te meten. Er worden elektroden/sensoren/kanalen op de hoofdhuid geplaatst om de elektrische activiteit te registreren die wordt gegenereerd door groepen hersencellen, neuronen genaamd.

Fig. 1 – Neuronen produceren elektrische activiteit die kan worden gedetecteerd met een EEG-apparaat [Siuly, et al. (2016)].

2.1. EEG-systemen

Er zijn veel EEG-apparaten op de markt die gebruikt kunnen worden om een EEG te registreren. EEG-apparaten kunnen variëren van:

• Een enkele sensor tot wel 256 elektroden – Meer elektroden zorgen voor een hogere ruimtelijke resolutie van informatie over de hoofdhuid.

• Natte of droge elektroden – Natte elektroden maken gebruik van een elektrolytische gel of zoutoplossing om de geleiding tussen de hoofdhuid and de sensor te verbeteren. Droge elektroden kunnen van metaal of geleidende polymeren zijn die direct contact met de hoofdhuid nodig hebben.

• Actieve of passieve elektrode – Passieve elektrodesystemen geleiden het signaal simpelweg naar het apparaat waar het wordt versterkt. Actieve elektrodesystemen versterken het signaal bij elke elektrode voordat het het apparaat bereikt voor versterking. Dit vermindert elektrische omgevingsruis in het signaal.

• Bedrade of draadloze apparaten die gegevens verzenden via Bluetooth.

Fig. 2 – Een draadloos EEG-systeem met lage dichtheid.

Fig. 3 – Een bedraad EEG-elektrodensysteem met hoge dichtheid.

2.2. Wanneer gebruik je EEG?

Elke neuroimaging-methode kan helpen bij het beantwoorden van verschillende onderzoeksvragen.

De grootste kracht van EEG is dat het neurale activiteit op de schaal van milliseconden kan meten, waarmee pre-bewuste processen kunnen worden gemeten.

Fig. 4 – Ruimtelijke versus temporele resolutie van verschillende neuroimaging-tools.

Het is het meest geschikt voor vragen als "voor welke delen van mijn video hadden de deelnemers de meeste aandacht?"

EEG registreert activiteit voornamelijk uit de buitenste lagen van de hersenen (d.w.z. het heeft een lage ruimtelijke resolutie). Met een enkele sensor is het onmogelijk om de bron van de activiteit te identificeren. Registratie met een groot aantal kanalen maakt het mogelijk om de bron wiskundig te reconstrueren, maar het is nog steeds beperkt in het identificeren van diepe bronnen. Functionele magnetische resonantie imaging (fMRI) is beter geschikt om vragen te beantwoorden zoals "Welk deel van de hersenen is gerelateerd aan veranderingen in de aandacht?"

2.3. Van sensor naar ruw EEG?

Zodra een EEG-apparaat op het hoofd is geplaatst, wordt de hersenactiviteit bij een enkele sensor gemeten als het verschil in amplitude tussen die sensor en een referentiesensor. In de meeste EEG-systemen wordt dit de common mode sense (CMS)-elektrode genoemd. Een extra sensor, de driven right leg (DRL), helpt om eventuele interferentie bij de CMS te verminderen.

Fig. 5 – Vereenvoudigd blokschema van EEG-signaaloverdracht.

In systemen met zowel actieve als passieve elektroden wordt het signaal vervolgens versterkt en laagdoorlaat gefilterd. Sluisfiltering (low-pass filtering) is een stap die mogelijke elektrische interferenties uit de omgeving in uw signaal verwijdert, bijv. van het elektriciteitsnet.

Deze stappen vinden plaats in de hardware zelf voordat het ruwe EEG-signaal op uw computerscherm kan worden bekeken.

2.4. Enkele basisbegrippen

10-20 standaard naamgevingsconventie

Sensoren aan de linkerkant zijn meestal oneven genummerd en sensoren aan de rechterkant hebben meestal een even nummer.

Opmerking 1: dit zijn slechts naamgevingsconventies en de locatie van de EEG-sensor is geen indicatie van de bron van de activiteit.

Opmerking 2: er moeten aanvullende stappen worden ondernomen, zoals wiskundige reconstructie van de bron, om de bron van de activiteit op een enkel kanaal te bepalen.

3. Wat zijn neurale oscillaties?

Hersengolven, vaak neurale oscillaties genoemd, zijn ritmische patronen die worden geproduceerd door een enkele neuron of groepen neuronen.

Het is nog niet duidelijk waarom de hersenen deze verschillende soorten oscillaties produceren, hoewel er veel theorieën zijn. Onderzoekers gebruiken verschillende taken om deze oscillatorische activiteiten te karakteriseren en proberen de mysteries van de hersenen te begrijpen met behulp van deze ritmische patronen.

3.1. Enkele eigenschappen van een oscillatie

Deze figuur toont een meting van een regelmatig elektrisch signaal:

Fig. 6 – Ruimtelijke versus temporele resolutie van verschillende neuroimaging-tools.

Aan de linkerkant (y-as) kunnen we de amplitude van de elektrische registratie uitzetten en op de horizontale as (x-as) de tijd. De amplitude van het signaal varieert in grootte op een regelmatige manier rond een centraal punt. Eén cyclus wordt ook wel een oscillatie genoemd.

Het aantal cycli per seconde wordt de frequentie van de golf genoemd en de eenheid is Hertz (Hz). Dus 1 cyclus per seconde = 1 Hz. Amplitudes worden doorgaans gemeten in microvolt (µV).

In de hersenen zien we golven met frequenties variërend van 0,2 Hz (zeer trage golven) tot 80 Hz of meer (zeer snelle golven). Ook kan in de hersenen hoogfrequente activiteit tot 500 Hz worden geregistreerd die geassocieerd is met epileptische aanvallen.

Verschillende soorten hersenoscillaties worden gekenmerkt op basis van hun frequentie. Deze staan bekend als frequentiebanden en kunnen worden gerelateerd aan verschillende hersentoestanden:

Fig. 7 – Hersengolven in een typisch EEG.

3.2. Waarom zijn verschillende frequentiebanden belangrijk?

1. Het identificeren van normale versus abnormale hersenpatronen
   Neurale oscillaties zijn belangrijk voor het detecteren van epileptische aanvallen en het diagnosticeren van epilepsie in de neurologie.

2. Brain-computer interfaces (BCI)
   De hoeveelheid bèta-, gamma- en mu-oscillaties wordt vaak gebruikt om externe apparaten aan te sturen (bijv. een rolstoel besturen met gedachten).

3. Neurofeedback
   Dit is een vorm van hersentraining waarbij u uw hersengolven (bijv. gamma-oscillaties) kunt bekijken en cognitieve taken kunt uitvoeren om de hoeveelheid gamma-oscillaties in uw hersenen te verbeteren.

4. Neuromarketing
   Alfa- en bètafrequentiebanden kunnen worden gebruikt om te bepalen welk deel van een advertentie meer of minder boeiend is.

3.3. Soorten EEG-data-analyse

Meestal voeren onderzoekers analyses uit in het tijddomein of in het frequentiedomein.

1. Tijddomeinanalyse

   Meet doorgaans de spanningsamplitude op specifieke tijdstippen na de start van een stimulus. Deze worden event-related potentials (ERP's) genoemd.

2. Frequentiedomeinanalyse

   Meet doorgaans de hoeveelheid neurale oscillaties in verschillende frequentiebanden in een gedefinieerd tijdsbestek of gerelateerd aan het begin van een gebeurtenis.

Hierna geven we een overzicht van de frequentiedomeinanalyse.

3.4. Signalverwerking

Nadat u een EEG-opname heeft gemaakt, schoont u de gegevens doorgaans op voordat u de oscillaties probeert te begrijpen.

1. Filteren
   Een techniek om hoog- en laagfrequente omgevingsruis in de gegevens te verwijderen.

2. Artefacten verwijderen
   Fysieke beweging en knipperen met de ogen kunnen grote artefacten veroorzaken (> 50 µV pieken in het EEG). Deze kunnen worden verwijderd, zodat ze onze resultaten niet beïnvloeden. Sommige onderzoekers gebruiken geavanceerde methoden om deze artefacten te corrigeren om gegevens te behouden.

Nadat de gegevens zijn verwerkt, kan het signaal nu worden geconverteerd naar het frequentiedomein, zodat we de hoeveelheid van elk type hersengolf kunnen kwantificeren.

Fig. 8 – Oogknipperartefact in ruw EEG.

3.5. Fast Fourier Transform (FFT)

Een Fourier-transformatie is de wiskundige omzetting van het EEG-signaal van het 'tijddomein' (afbeelding A) naar het 'frequentiedomein (afbeelding B)'.

In het frequentiedomein kunnen we kwantificeren hoeveel van elk type oscillatie in onze opname aanwezig was. Dit is doorgaans het 'vermogen' (power) van de frequentieband en kan worden weergegeven als een power spectrum (Afbeelding B).

Fig. 9A – Ruw EEG in tijddomein.

Fig. 9B – Powerspectrum na FFT (frequentiedomein).

3.6. Band Power

De power van een frequentieband (bijv. de Alfaband) verkregen uit een fouriertransformatie vertelt ons hoeveel er van elke frequentieband aanwezig is. Eenheden voor band power zijn doorgaans in µV2/Hz. Meestal worden amplitude- of vermogensspectra van een FFT weergegeven in de logaritmische eenheid decibel (dB). De decibel is een verhoudingseenheid tussen een gemeten vermogen (P) and een referentievermogen (Pr) als volgt:

Zodra deze meeteenheid is verkregen voor de interessante gebeurtenissen, kunnen band powers worden vergeleken om experimentele effecten op hersengolven te begrijpen.

4. Van theorie naar praktijk

Nu gaan we kijken naar het alfa-suppressie-effect.

Dit is een fenomeen dat voor het eerst werd gerapporteerd door Hans Berger, waarbij we een significante afname zien in de hoeveelheid alfa-oscillaties (alfa power) wanneer iemands ogen open zijn in vergelijking met wanneer ze gesloten zijn.

Fig. 10 – Een toename van alfa-oscillaties is te zien wanneer de ogen gesloten zijn.

Eerst hebben we met EmotivPRO Builder een eenvoudig experiment gebouwd. In dit experiment wordt een deelnemer simpelweg gevraagd om zijn of haar ogen gedurende 2 minuten open te houden terwijl hij of zij op het scherm focust, en daarna 2 minuten gesloten te houden. Ze horen een bel aan het einde van de 2 minuten om aan te geven dat ze hun ogen weer moeten openen.

Je kunt de onderstaande video volgen om je eigen alfa-suppressie-experiment te maken of je kunt ons experiment uitvoeren via de link hier:

4.1. Apparaat opzetten en EEG-kwaliteit

Lees hier meer over hoe onze EQ-gate werkt. Vind hier meer informatie over het opzetten van het apparaat dat specifiek is voor uw headset:

• Type EPOC

• Type Insight

4.2. De EEG-data verwerken en transformeren

Nu je je gegevens hebt, kun je deze transformeren naar het frequentiedomein met behulp van Emotiv Analyzer. Volg de stappen in de video.

4.3. De data interpreteren

Zodra Analyzer klaar is, downloadt u het zipbestand. Voor elke opname heeft u een csv-bestand met band powers en een afbeeldingsbestand dat u kunt gebruiken om uw eigen statistische analyse uit te voeren.

Fig. 11 – Bandpowers.

In onze output zien we de toename van de Alfa power wanneer de ogen gesloten waren (oranje) vergeleken met wanneer ze geopend waren (blauw).

Dit is het einde van onze handleiding! Je bent nu uitgerust met de basis 🙂

In de sectie bronnen vind je enkele links naar meer geavanceerde literatuur.

5. Bronnen

GEAVANCEERDE LITERATUUR

Donoghue et al. 2022 Methodological considerations for studying neural oscillations

WOORDENLIJST VAN EEG-TERMINOLOGIE

Kane et al. 2017 (hier)

OPEN SOURCE CODE

Als u vertrouwd bent met coderen in Python, hebben we Python-scripts beschikbaar gesteld die u kunt gebruiken om alfa power-waarden te verkrijgen, gelabeld met segmenten voor ogen open en ogen gesloten. Vind de code en voorbeelddata van Alfa-suppressie hier: https://osf.io/9bvgh/

Emotiv HANDLEIDINGEN

EmotivPRO Builder manual
EmotivPRO-handleiding
EmotivPRO Analyzer manual

7. Referenties

Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. 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. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002

Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1