Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Basisprincipes van neurale oscillaties
Roshini Randeniya
-
Delen:
1. Inleiding
Welkom! In deze tutorial leren we over hersengolven en hoe we die kunnen gebruiken om de hersenen en het gedrag te begrijpen.
Hans Berger introduceerde de term elektro-encefalogram in 1929, toen hij veranderingen beschreef in elektrische potentialen die werden geregistreerd met sensoren op iemands hoofd. Hij identificeerde twee soorten hersengolven, die hij alfa- en bètagolven noemde, simpelweg vanwege de volgorde waarin hij ze registreerde. Dergelijke golven waren al bij andere zoogdieren geregistreerd, maar Berger beschreef ze voor het eerst bij mensen!
Sindsdien is de elektro-encefalografiemethode een belangrijk hulpmiddel in de neurowetenschap geworden en heeft deze geholpen ons begrip van hersengolven (die onderzoekers neurale oscillaties noemen) te ontwikkelen, en toestanden in de hersenen zoals vermoeidheid en waakzaamheid te karakteriseren.
In deze korte tutorial behandelen we het volgende:
Wat zijn neurale oscillaties?
Hoe kunnen we neurale oscillaties meten?
Wat kunnen we doen met neurale oscillaties?
Praktische toepassing met 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. Elektroden/sensoren/kanalen worden op de hoofdhuid geplaatst om elektrische activiteit te registreren die wordt gegenereerd door populaties hersencellen, neuronen genoemd.
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 kunnen worden gebruikt om een EEG op te nemen. EEG-apparaten kunnen variëren van:
Eén enkele sensor of tot 256 elektroden – Meer elektroden leveren een hogere ruimtelijke resolutie van informatie over de hoofdhuid.
Natte of droge elektroden – Natte elektroden gebruiken een elektrolytische gel of zoutoplossing om de geleiding tussen de hoofdhuid en de sensor te verbeteren. Droge elektroden kunnen van metaal of geleidende polymeren zijn en hebben direct contact met de hoofdhuid nodig.
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 via Bluetooth verzenden.
Fig. 2 – Een draadloos EEG-systeem met lage dichtheid.
Fig. 3 – Een bedraad EEG-systeem met hoge elektrodedichtheid.
2.2. Wanneer EEG gebruiken?
Elke neuroimagingmethode kan helpen bij het beantwoorden van verschillende onderzoeksvragen.
De grootste kracht van EEG is dat het neurale activiteit op milliseconde-schaal kan meten, waarmee prebewuste processen gemeten kunnen worden.
Fig. 4 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Het is het meest geschikt voor vragen zoals: “op welke delen van mijn video letten deelnemers het meest?”
EEG registreert activiteit voornamelijk uit de buitenste lagen van de hersenen (d.w.z. heeft een lage ruimtelijke resolutie). Met één enkele sensor is het onmogelijk om de bron van de activiteit te identificeren. Opname met een groot aantal kanalen kan het mogelijk maken de bron wiskundig te reconstrueren, maar het blijft beperkt in het identificeren van diepe bronnen. Functionele magnetische resonantiebeeldvorming (fMRI) is beter geschikt om vragen te beantwoorden zoals: “Welk deel van de hersenen hangt samen met veranderingen in aandacht?”
2.3. Van sensor naar ruwe EEG?
Zodra een EEG-apparaat op het hoofd is geplaatst, wordt hersenactiviteit bij één sensor gemeten als het amplitudeverschil tussen die sensor en een referentiesensor. In de meeste EEG-systemen heet dit de common mode sense (CMS)-elektrode. Een extra sensor, de driven right leg (DRL), helpt 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. Laagdoorlaatfiltering is een stap die mogelijke elektrische storingen uit de omgeving in je signaal verwijdert, bijv. netspanning.
Deze stappen gebeuren in de hardware zelf voordat het ruwe EEG-signaal op je computerscherm kan worden bekeken.
2.4. Enkele basistermen
10-20 standaardnaamgevingsconventie
Linkersensoren hebben meestal oneven nummers en rechtersensoren meestal even nummers.
Opmerking 1: dit zijn slechts naamgevingsconventies en de bron van de EEG-sensorlocatie is geen indicator van de bron van de activiteit.
Opmerking 2: aanvullende stappen zoals wiskundige reconstructie van de bron moeten worden uitgevoerd 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 een cluster van 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 oscillerende 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 regulier elektrisch signaal:
Fig. 6 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Links (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 zal op regelmatige wijze in grootte variëren rond een centraal punt. Eén cyclus wordt ook wel een oscillatie genoemd.
Het aantal cycli per seconde heet de frequentie van de golf 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 langzame golven) tot 80 Hz of meer (zeer snelle golven). Hoogfrequente activiteit tot 500 Hz, geassocieerd met aanvallen, kan ook in de hersenen worden geregistreerd.
Verschillende typen hersenoscillaties worden gekarakteriseerd op basis van hun frequentie. Deze staan bekend als frequentiebanden en kunnen gerelateerd zijn aan verschillende hersentoestanden:
Fig. 7 – Hersengolven in een typische EEG.
3.2. Waarom zijn verschillende frequentiebanden belangrijk?
Normale vs abnormale hersenpatronen identificeren
Neurale oscillaties zijn belangrijk voor het detecteren van aanvallen en het diagnosticeren van epilepsie in de neurologie.Hersen-computerinterfaces (BCI)
De hoeveelheid bèta-, gamma- en mu-oscillaties wordt vaak gebruikt om apparaten op afstand te trainen (bijv. een rolstoel met gedachten bewegen).Neurofeedback
Dit is een vorm van hersentraining waarbij je je hersengolven (bijv. gamma-oscillaties) kunt bekijken en cognitieve taken uitvoert om de hoeveelheid gamma-oscillaties in je hersenen te verbeteren.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 tijdsdomein of in het frequentiedomein.
Tijdsdomeinanalyse
Meet doorgaans de spanningsamplitude op interessante tijdspunten na het begin van een stimulus. Deze worden event-related potentials (ERP’s) genoemd.
Frequentiedomeinanalyse
Meet doorgaans de hoeveelheid neurale oscillaties in verschillende frequentiebanden binnen een gedefinieerd tijdvenster of gerelateerd aan het begin van een gebeurtenis.
Hierna geven we een overzicht van frequentiedomeinanalyse.
3.4. Verwerking
Zodra je een EEG-opname maakt, maak je de data doorgaans eerst schoon voordat je oscillaties interpreteert.
Filteren
Een techniek om hoge- en lagefrequente omgevingsruis in de data te verwijderen.Artefactverwijdering
Fysieke beweging, knipperen met de ogen kunnen allemaal grote artefacten veroorzaken (> 50 µV pieken in de EEG). Deze kunnen worden verwijderd zodat ze onze resultaten niet beïnvloeden. Sommige onderzoekers gebruiken geavanceerde methoden om deze artefacten te corrigeren om data te behouden.
Nadat de data is verwerkt, kan het signaal nu worden omgezet naar het frequentiedomein zodat we de hoeveelheid van elk type hersengolf kunnen kwantificeren.
Fig. 8 – Oogknipperartefact in ruwe EEG.
3.5. Snelle Fourier-transformatie (FFT)
Een Fourier-transformatie is de wiskundige omzetting van het EEG-signaal van ‘tijdsdomein’ (afbeelding A) naar ‘frequentiedomein (afbeelding B)’.
In het frequentiedomein kunnen we kwantificeren hoeveel van elk type oscillatie in onze opname zat. Dit is meestal het ‘vermogen’ van de frequentieband en kan worden weergegeven als een vermogensspectrum (Afbeelding B).
Fig. 9A – Ruwe EEG in het tijdsdomein.
Fig. 9B – Vermogensspectrum na FFT (frequentiedomein).
3.6. Bandvermogen
Het vermogen van een frequentieband (bijv. alfa-band), verkregen uit een Fourier-transformatie, vertelt ons hoeveel van elke frequentieband aanwezig is. Eenheden voor bandvermogen zijn doorgaans in µV2/Hz. Meestal worden amplitude- of vermogensspectra van een FFT weergegeven in de logaritmische eenheid decibel (dB). De decibel is een verhoudingsmaat tussen een gemeten vermogen (P) en een referentievermogen (Pr) als volgt:
Zodra deze meeteenheid is verkregen voor relevante gebeurtenissen, kunnen bandvermogens worden vergeleken om experimentele effecten op hersengolven te begrijpen.
4. Van theorie naar praktijk
Hierna gaan we kijken naar het alfa-onderdrukkingseffect.
Dit is een fenomeen dat voor het eerst werd gerapporteerd door Hans Berger, waarbij we een significante afname zien in de hoeveelheid alfa-oscillaties (alfavermogen) wanneer iemands ogen open zijn vergeleken met wanneer ze gesloten zijn.
Fig. 10 – Een toename van alfa-oscillaties is te zien wanneer de ogen open zijn.
Eerst hebben we met EmotivPRO Builder een eenvoudig experiment gebouwd. In dit experiment wordt een deelnemer simpelweg gevraagd om de ogen 2 minuten open te houden terwijl hij/zij op het scherm focust, en daarna 2 minuten gesloten. Aan het einde van de 2 minuten klinkt een bel als signaal om de ogen te openen.
Je kunt de video hieronder volgen om je eigen alfa-onderdrukkingsexperiment te maken, of je kunt ons experiment uitvoeren via de link hier:
4.1. Apparaatpassing en EEG-kwaliteit
Lees meer over hoe onze EQ-gate werkt hier. Meer informatie over apparaatpassing specifiek voor je headset vind je hier:
EPOC-type
Insight-type
4.2. Verwerken en transformeren van de EEG-data
Nu je je data hebt, kun je die met Emotiv Analyzer omzetten naar het frequentiedomein. Volg de stappen in de video.
4.3. De data interpreteren
Zodra Analyzer klaar is, download je het zipbestand. Voor elke opname heb je een csv-bestand met bandvermogens en een afbeeldingsbestand dat je kunt gebruiken voor je eigen statistische analyse.
Fig. 11 – Bandvermogens.
In onze output zien we de toename in alfavermogen wanneer de ogen gesloten waren (oranje) vergeleken met open (blauw).
Dit is het einde van onze tutorial! Je hebt nu de basis onder de knie 🙂
Je vindt enkele links naar meer geavanceerde lectuur in de sectie bronnen.
5. Bronnen
GEAVANCEERDE LECTUUR
Donoghue et al. 2022 Methodologische overwegingen voor het bestuderen van neurale oscillaties
GLOSSARIUM VAN EEG-TERMINOLOGIE
Kane et al. 2017 (hier)
OPEN-SOURCECODE
Als je vertrouwd bent met Python-codering, hebben we Python-scripts beschikbaar gesteld die je kunt gebruiken om alfavermogenswaarden te verkrijgen, gelabeld naar segmenten met open en gesloten ogen. Vind de code en voorbeeldgegevensbestanden voor alfa-onderdrukking hier: https://osf.io/9bvgh/
EMOTIV-HANDLEIDINGEN
EmotivPRO Builder-handleiding
EmotivPRO-handleiding
EmotivPRO Analyzer-handleiding
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
1. Inleiding
Welkom! In deze tutorial leren we over hersengolven en hoe we die kunnen gebruiken om de hersenen en het gedrag te begrijpen.
Hans Berger introduceerde de term elektro-encefalogram in 1929, toen hij veranderingen beschreef in elektrische potentialen die werden geregistreerd met sensoren op iemands hoofd. Hij identificeerde twee soorten hersengolven, die hij alfa- en bètagolven noemde, simpelweg vanwege de volgorde waarin hij ze registreerde. Dergelijke golven waren al bij andere zoogdieren geregistreerd, maar Berger beschreef ze voor het eerst bij mensen!
Sindsdien is de elektro-encefalografiemethode een belangrijk hulpmiddel in de neurowetenschap geworden en heeft deze geholpen ons begrip van hersengolven (die onderzoekers neurale oscillaties noemen) te ontwikkelen, en toestanden in de hersenen zoals vermoeidheid en waakzaamheid te karakteriseren.
In deze korte tutorial behandelen we het volgende:
Wat zijn neurale oscillaties?
Hoe kunnen we neurale oscillaties meten?
Wat kunnen we doen met neurale oscillaties?
Praktische toepassing met 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. Elektroden/sensoren/kanalen worden op de hoofdhuid geplaatst om elektrische activiteit te registreren die wordt gegenereerd door populaties hersencellen, neuronen genoemd.
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 kunnen worden gebruikt om een EEG op te nemen. EEG-apparaten kunnen variëren van:
Eén enkele sensor of tot 256 elektroden – Meer elektroden leveren een hogere ruimtelijke resolutie van informatie over de hoofdhuid.
Natte of droge elektroden – Natte elektroden gebruiken een elektrolytische gel of zoutoplossing om de geleiding tussen de hoofdhuid en de sensor te verbeteren. Droge elektroden kunnen van metaal of geleidende polymeren zijn en hebben direct contact met de hoofdhuid nodig.
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 via Bluetooth verzenden.
Fig. 2 – Een draadloos EEG-systeem met lage dichtheid.
Fig. 3 – Een bedraad EEG-systeem met hoge elektrodedichtheid.
2.2. Wanneer EEG gebruiken?
Elke neuroimagingmethode kan helpen bij het beantwoorden van verschillende onderzoeksvragen.
De grootste kracht van EEG is dat het neurale activiteit op milliseconde-schaal kan meten, waarmee prebewuste processen gemeten kunnen worden.
Fig. 4 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Het is het meest geschikt voor vragen zoals: “op welke delen van mijn video letten deelnemers het meest?”
EEG registreert activiteit voornamelijk uit de buitenste lagen van de hersenen (d.w.z. heeft een lage ruimtelijke resolutie). Met één enkele sensor is het onmogelijk om de bron van de activiteit te identificeren. Opname met een groot aantal kanalen kan het mogelijk maken de bron wiskundig te reconstrueren, maar het blijft beperkt in het identificeren van diepe bronnen. Functionele magnetische resonantiebeeldvorming (fMRI) is beter geschikt om vragen te beantwoorden zoals: “Welk deel van de hersenen hangt samen met veranderingen in aandacht?”
2.3. Van sensor naar ruwe EEG?
Zodra een EEG-apparaat op het hoofd is geplaatst, wordt hersenactiviteit bij één sensor gemeten als het amplitudeverschil tussen die sensor en een referentiesensor. In de meeste EEG-systemen heet dit de common mode sense (CMS)-elektrode. Een extra sensor, de driven right leg (DRL), helpt 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. Laagdoorlaatfiltering is een stap die mogelijke elektrische storingen uit de omgeving in je signaal verwijdert, bijv. netspanning.
Deze stappen gebeuren in de hardware zelf voordat het ruwe EEG-signaal op je computerscherm kan worden bekeken.
2.4. Enkele basistermen
10-20 standaardnaamgevingsconventie
Linkersensoren hebben meestal oneven nummers en rechtersensoren meestal even nummers.
Opmerking 1: dit zijn slechts naamgevingsconventies en de bron van de EEG-sensorlocatie is geen indicator van de bron van de activiteit.
Opmerking 2: aanvullende stappen zoals wiskundige reconstructie van de bron moeten worden uitgevoerd 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 een cluster van 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 oscillerende 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 regulier elektrisch signaal:
Fig. 6 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Links (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 zal op regelmatige wijze in grootte variëren rond een centraal punt. Eén cyclus wordt ook wel een oscillatie genoemd.
Het aantal cycli per seconde heet de frequentie van de golf 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 langzame golven) tot 80 Hz of meer (zeer snelle golven). Hoogfrequente activiteit tot 500 Hz, geassocieerd met aanvallen, kan ook in de hersenen worden geregistreerd.
Verschillende typen hersenoscillaties worden gekarakteriseerd op basis van hun frequentie. Deze staan bekend als frequentiebanden en kunnen gerelateerd zijn aan verschillende hersentoestanden:
Fig. 7 – Hersengolven in een typische EEG.
3.2. Waarom zijn verschillende frequentiebanden belangrijk?
Normale vs abnormale hersenpatronen identificeren
Neurale oscillaties zijn belangrijk voor het detecteren van aanvallen en het diagnosticeren van epilepsie in de neurologie.Hersen-computerinterfaces (BCI)
De hoeveelheid bèta-, gamma- en mu-oscillaties wordt vaak gebruikt om apparaten op afstand te trainen (bijv. een rolstoel met gedachten bewegen).Neurofeedback
Dit is een vorm van hersentraining waarbij je je hersengolven (bijv. gamma-oscillaties) kunt bekijken en cognitieve taken uitvoert om de hoeveelheid gamma-oscillaties in je hersenen te verbeteren.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 tijdsdomein of in het frequentiedomein.
Tijdsdomeinanalyse
Meet doorgaans de spanningsamplitude op interessante tijdspunten na het begin van een stimulus. Deze worden event-related potentials (ERP’s) genoemd.
Frequentiedomeinanalyse
Meet doorgaans de hoeveelheid neurale oscillaties in verschillende frequentiebanden binnen een gedefinieerd tijdvenster of gerelateerd aan het begin van een gebeurtenis.
Hierna geven we een overzicht van frequentiedomeinanalyse.
3.4. Verwerking
Zodra je een EEG-opname maakt, maak je de data doorgaans eerst schoon voordat je oscillaties interpreteert.
Filteren
Een techniek om hoge- en lagefrequente omgevingsruis in de data te verwijderen.Artefactverwijdering
Fysieke beweging, knipperen met de ogen kunnen allemaal grote artefacten veroorzaken (> 50 µV pieken in de EEG). Deze kunnen worden verwijderd zodat ze onze resultaten niet beïnvloeden. Sommige onderzoekers gebruiken geavanceerde methoden om deze artefacten te corrigeren om data te behouden.
Nadat de data is verwerkt, kan het signaal nu worden omgezet naar het frequentiedomein zodat we de hoeveelheid van elk type hersengolf kunnen kwantificeren.
Fig. 8 – Oogknipperartefact in ruwe EEG.
3.5. Snelle Fourier-transformatie (FFT)
Een Fourier-transformatie is de wiskundige omzetting van het EEG-signaal van ‘tijdsdomein’ (afbeelding A) naar ‘frequentiedomein (afbeelding B)’.
In het frequentiedomein kunnen we kwantificeren hoeveel van elk type oscillatie in onze opname zat. Dit is meestal het ‘vermogen’ van de frequentieband en kan worden weergegeven als een vermogensspectrum (Afbeelding B).
Fig. 9A – Ruwe EEG in het tijdsdomein.
Fig. 9B – Vermogensspectrum na FFT (frequentiedomein).
3.6. Bandvermogen
Het vermogen van een frequentieband (bijv. alfa-band), verkregen uit een Fourier-transformatie, vertelt ons hoeveel van elke frequentieband aanwezig is. Eenheden voor bandvermogen zijn doorgaans in µV2/Hz. Meestal worden amplitude- of vermogensspectra van een FFT weergegeven in de logaritmische eenheid decibel (dB). De decibel is een verhoudingsmaat tussen een gemeten vermogen (P) en een referentievermogen (Pr) als volgt:
Zodra deze meeteenheid is verkregen voor relevante gebeurtenissen, kunnen bandvermogens worden vergeleken om experimentele effecten op hersengolven te begrijpen.
4. Van theorie naar praktijk
Hierna gaan we kijken naar het alfa-onderdrukkingseffect.
Dit is een fenomeen dat voor het eerst werd gerapporteerd door Hans Berger, waarbij we een significante afname zien in de hoeveelheid alfa-oscillaties (alfavermogen) wanneer iemands ogen open zijn vergeleken met wanneer ze gesloten zijn.
Fig. 10 – Een toename van alfa-oscillaties is te zien wanneer de ogen open zijn.
Eerst hebben we met EmotivPRO Builder een eenvoudig experiment gebouwd. In dit experiment wordt een deelnemer simpelweg gevraagd om de ogen 2 minuten open te houden terwijl hij/zij op het scherm focust, en daarna 2 minuten gesloten. Aan het einde van de 2 minuten klinkt een bel als signaal om de ogen te openen.
Je kunt de video hieronder volgen om je eigen alfa-onderdrukkingsexperiment te maken, of je kunt ons experiment uitvoeren via de link hier:
4.1. Apparaatpassing en EEG-kwaliteit
Lees meer over hoe onze EQ-gate werkt hier. Meer informatie over apparaatpassing specifiek voor je headset vind je hier:
EPOC-type
Insight-type
4.2. Verwerken en transformeren van de EEG-data
Nu je je data hebt, kun je die met Emotiv Analyzer omzetten naar het frequentiedomein. Volg de stappen in de video.
4.3. De data interpreteren
Zodra Analyzer klaar is, download je het zipbestand. Voor elke opname heb je een csv-bestand met bandvermogens en een afbeeldingsbestand dat je kunt gebruiken voor je eigen statistische analyse.
Fig. 11 – Bandvermogens.
In onze output zien we de toename in alfavermogen wanneer de ogen gesloten waren (oranje) vergeleken met open (blauw).
Dit is het einde van onze tutorial! Je hebt nu de basis onder de knie 🙂
Je vindt enkele links naar meer geavanceerde lectuur in de sectie bronnen.
5. Bronnen
GEAVANCEERDE LECTUUR
Donoghue et al. 2022 Methodologische overwegingen voor het bestuderen van neurale oscillaties
GLOSSARIUM VAN EEG-TERMINOLOGIE
Kane et al. 2017 (hier)
OPEN-SOURCECODE
Als je vertrouwd bent met Python-codering, hebben we Python-scripts beschikbaar gesteld die je kunt gebruiken om alfavermogenswaarden te verkrijgen, gelabeld naar segmenten met open en gesloten ogen. Vind de code en voorbeeldgegevensbestanden voor alfa-onderdrukking hier: https://osf.io/9bvgh/
EMOTIV-HANDLEIDINGEN
EmotivPRO Builder-handleiding
EmotivPRO-handleiding
EmotivPRO Analyzer-handleiding
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
1. Inleiding
Welkom! In deze tutorial leren we over hersengolven en hoe we die kunnen gebruiken om de hersenen en het gedrag te begrijpen.
Hans Berger introduceerde de term elektro-encefalogram in 1929, toen hij veranderingen beschreef in elektrische potentialen die werden geregistreerd met sensoren op iemands hoofd. Hij identificeerde twee soorten hersengolven, die hij alfa- en bètagolven noemde, simpelweg vanwege de volgorde waarin hij ze registreerde. Dergelijke golven waren al bij andere zoogdieren geregistreerd, maar Berger beschreef ze voor het eerst bij mensen!
Sindsdien is de elektro-encefalografiemethode een belangrijk hulpmiddel in de neurowetenschap geworden en heeft deze geholpen ons begrip van hersengolven (die onderzoekers neurale oscillaties noemen) te ontwikkelen, en toestanden in de hersenen zoals vermoeidheid en waakzaamheid te karakteriseren.
In deze korte tutorial behandelen we het volgende:
Wat zijn neurale oscillaties?
Hoe kunnen we neurale oscillaties meten?
Wat kunnen we doen met neurale oscillaties?
Praktische toepassing met 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. Elektroden/sensoren/kanalen worden op de hoofdhuid geplaatst om elektrische activiteit te registreren die wordt gegenereerd door populaties hersencellen, neuronen genoemd.
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 kunnen worden gebruikt om een EEG op te nemen. EEG-apparaten kunnen variëren van:
Eén enkele sensor of tot 256 elektroden – Meer elektroden leveren een hogere ruimtelijke resolutie van informatie over de hoofdhuid.
Natte of droge elektroden – Natte elektroden gebruiken een elektrolytische gel of zoutoplossing om de geleiding tussen de hoofdhuid en de sensor te verbeteren. Droge elektroden kunnen van metaal of geleidende polymeren zijn en hebben direct contact met de hoofdhuid nodig.
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 via Bluetooth verzenden.
Fig. 2 – Een draadloos EEG-systeem met lage dichtheid.
Fig. 3 – Een bedraad EEG-systeem met hoge elektrodedichtheid.
2.2. Wanneer EEG gebruiken?
Elke neuroimagingmethode kan helpen bij het beantwoorden van verschillende onderzoeksvragen.
De grootste kracht van EEG is dat het neurale activiteit op milliseconde-schaal kan meten, waarmee prebewuste processen gemeten kunnen worden.
Fig. 4 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Het is het meest geschikt voor vragen zoals: “op welke delen van mijn video letten deelnemers het meest?”
EEG registreert activiteit voornamelijk uit de buitenste lagen van de hersenen (d.w.z. heeft een lage ruimtelijke resolutie). Met één enkele sensor is het onmogelijk om de bron van de activiteit te identificeren. Opname met een groot aantal kanalen kan het mogelijk maken de bron wiskundig te reconstrueren, maar het blijft beperkt in het identificeren van diepe bronnen. Functionele magnetische resonantiebeeldvorming (fMRI) is beter geschikt om vragen te beantwoorden zoals: “Welk deel van de hersenen hangt samen met veranderingen in aandacht?”
2.3. Van sensor naar ruwe EEG?
Zodra een EEG-apparaat op het hoofd is geplaatst, wordt hersenactiviteit bij één sensor gemeten als het amplitudeverschil tussen die sensor en een referentiesensor. In de meeste EEG-systemen heet dit de common mode sense (CMS)-elektrode. Een extra sensor, de driven right leg (DRL), helpt 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. Laagdoorlaatfiltering is een stap die mogelijke elektrische storingen uit de omgeving in je signaal verwijdert, bijv. netspanning.
Deze stappen gebeuren in de hardware zelf voordat het ruwe EEG-signaal op je computerscherm kan worden bekeken.
2.4. Enkele basistermen
10-20 standaardnaamgevingsconventie
Linkersensoren hebben meestal oneven nummers en rechtersensoren meestal even nummers.
Opmerking 1: dit zijn slechts naamgevingsconventies en de bron van de EEG-sensorlocatie is geen indicator van de bron van de activiteit.
Opmerking 2: aanvullende stappen zoals wiskundige reconstructie van de bron moeten worden uitgevoerd 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 een cluster van 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 oscillerende 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 regulier elektrisch signaal:
Fig. 6 – Ruimtelijke vs temporele resolutie van verschillende neuroimagingtools.
Links (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 zal op regelmatige wijze in grootte variëren rond een centraal punt. Eén cyclus wordt ook wel een oscillatie genoemd.
Het aantal cycli per seconde heet de frequentie van de golf 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 langzame golven) tot 80 Hz of meer (zeer snelle golven). Hoogfrequente activiteit tot 500 Hz, geassocieerd met aanvallen, kan ook in de hersenen worden geregistreerd.
Verschillende typen hersenoscillaties worden gekarakteriseerd op basis van hun frequentie. Deze staan bekend als frequentiebanden en kunnen gerelateerd zijn aan verschillende hersentoestanden:
Fig. 7 – Hersengolven in een typische EEG.
3.2. Waarom zijn verschillende frequentiebanden belangrijk?
Normale vs abnormale hersenpatronen identificeren
Neurale oscillaties zijn belangrijk voor het detecteren van aanvallen en het diagnosticeren van epilepsie in de neurologie.Hersen-computerinterfaces (BCI)
De hoeveelheid bèta-, gamma- en mu-oscillaties wordt vaak gebruikt om apparaten op afstand te trainen (bijv. een rolstoel met gedachten bewegen).Neurofeedback
Dit is een vorm van hersentraining waarbij je je hersengolven (bijv. gamma-oscillaties) kunt bekijken en cognitieve taken uitvoert om de hoeveelheid gamma-oscillaties in je hersenen te verbeteren.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 tijdsdomein of in het frequentiedomein.
Tijdsdomeinanalyse
Meet doorgaans de spanningsamplitude op interessante tijdspunten na het begin van een stimulus. Deze worden event-related potentials (ERP’s) genoemd.
Frequentiedomeinanalyse
Meet doorgaans de hoeveelheid neurale oscillaties in verschillende frequentiebanden binnen een gedefinieerd tijdvenster of gerelateerd aan het begin van een gebeurtenis.
Hierna geven we een overzicht van frequentiedomeinanalyse.
3.4. Verwerking
Zodra je een EEG-opname maakt, maak je de data doorgaans eerst schoon voordat je oscillaties interpreteert.
Filteren
Een techniek om hoge- en lagefrequente omgevingsruis in de data te verwijderen.Artefactverwijdering
Fysieke beweging, knipperen met de ogen kunnen allemaal grote artefacten veroorzaken (> 50 µV pieken in de EEG). Deze kunnen worden verwijderd zodat ze onze resultaten niet beïnvloeden. Sommige onderzoekers gebruiken geavanceerde methoden om deze artefacten te corrigeren om data te behouden.
Nadat de data is verwerkt, kan het signaal nu worden omgezet naar het frequentiedomein zodat we de hoeveelheid van elk type hersengolf kunnen kwantificeren.
Fig. 8 – Oogknipperartefact in ruwe EEG.
3.5. Snelle Fourier-transformatie (FFT)
Een Fourier-transformatie is de wiskundige omzetting van het EEG-signaal van ‘tijdsdomein’ (afbeelding A) naar ‘frequentiedomein (afbeelding B)’.
In het frequentiedomein kunnen we kwantificeren hoeveel van elk type oscillatie in onze opname zat. Dit is meestal het ‘vermogen’ van de frequentieband en kan worden weergegeven als een vermogensspectrum (Afbeelding B).
Fig. 9A – Ruwe EEG in het tijdsdomein.
Fig. 9B – Vermogensspectrum na FFT (frequentiedomein).
3.6. Bandvermogen
Het vermogen van een frequentieband (bijv. alfa-band), verkregen uit een Fourier-transformatie, vertelt ons hoeveel van elke frequentieband aanwezig is. Eenheden voor bandvermogen zijn doorgaans in µV2/Hz. Meestal worden amplitude- of vermogensspectra van een FFT weergegeven in de logaritmische eenheid decibel (dB). De decibel is een verhoudingsmaat tussen een gemeten vermogen (P) en een referentievermogen (Pr) als volgt:
Zodra deze meeteenheid is verkregen voor relevante gebeurtenissen, kunnen bandvermogens worden vergeleken om experimentele effecten op hersengolven te begrijpen.
4. Van theorie naar praktijk
Hierna gaan we kijken naar het alfa-onderdrukkingseffect.
Dit is een fenomeen dat voor het eerst werd gerapporteerd door Hans Berger, waarbij we een significante afname zien in de hoeveelheid alfa-oscillaties (alfavermogen) wanneer iemands ogen open zijn vergeleken met wanneer ze gesloten zijn.
Fig. 10 – Een toename van alfa-oscillaties is te zien wanneer de ogen open zijn.
Eerst hebben we met EmotivPRO Builder een eenvoudig experiment gebouwd. In dit experiment wordt een deelnemer simpelweg gevraagd om de ogen 2 minuten open te houden terwijl hij/zij op het scherm focust, en daarna 2 minuten gesloten. Aan het einde van de 2 minuten klinkt een bel als signaal om de ogen te openen.
Je kunt de video hieronder volgen om je eigen alfa-onderdrukkingsexperiment te maken, of je kunt ons experiment uitvoeren via de link hier:
4.1. Apparaatpassing en EEG-kwaliteit
Lees meer over hoe onze EQ-gate werkt hier. Meer informatie over apparaatpassing specifiek voor je headset vind je hier:
EPOC-type
Insight-type
4.2. Verwerken en transformeren van de EEG-data
Nu je je data hebt, kun je die met Emotiv Analyzer omzetten naar het frequentiedomein. Volg de stappen in de video.
4.3. De data interpreteren
Zodra Analyzer klaar is, download je het zipbestand. Voor elke opname heb je een csv-bestand met bandvermogens en een afbeeldingsbestand dat je kunt gebruiken voor je eigen statistische analyse.
Fig. 11 – Bandvermogens.
In onze output zien we de toename in alfavermogen wanneer de ogen gesloten waren (oranje) vergeleken met open (blauw).
Dit is het einde van onze tutorial! Je hebt nu de basis onder de knie 🙂
Je vindt enkele links naar meer geavanceerde lectuur in de sectie bronnen.
5. Bronnen
GEAVANCEERDE LECTUUR
Donoghue et al. 2022 Methodologische overwegingen voor het bestuderen van neurale oscillaties
GLOSSARIUM VAN EEG-TERMINOLOGIE
Kane et al. 2017 (hier)
OPEN-SOURCECODE
Als je vertrouwd bent met Python-codering, hebben we Python-scripts beschikbaar gesteld die je kunt gebruiken om alfavermogenswaarden te verkrijgen, gelabeld naar segmenten met open en gesloten ogen. Vind de code en voorbeeldgegevensbestanden voor alfa-onderdrukking hier: https://osf.io/9bvgh/
EMOTIV-HANDLEIDINGEN
EmotivPRO Builder-handleiding
EmotivPRO-handleiding
EmotivPRO Analyzer-handleiding
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
Lees verder
EEG-neurofeedback: een beginnersgids
