Vermogensdichtheidsspectrum in EEG

Wat is Power Spectral Density (PSD) in EEG?

Beschouw het onbewerkte EEG-signaal als een akkoord dat door een orkest wordt gespeeld, waarbij elk instrument een andere frequentie van hersengolven vertegenwoordigt. Je kunt niet op het gehoor alleen bepalen hoeveel elk instrument bijdraagt.

PSD lost dit op door de gekwadrateerde amplitude van het signaal bij elke frequentie te berekenen en die meting te gemiddelden over een periode van de opname. Het resultaat is een curve met frequentie op de ene as en vermogen op de andere, die precies laat zien hoe de elektrische activiteit van de hersenen is verdeeld over trage en snelle ritmes.

PSD comprimeert een volledige opnameperiode tot één curve, zodat het u informeert over de algehele balans van frequenties tijdens dat venster in plaats van te volgen hoe het mengsel van seconde tot seconde verschuift. Dat is cruciaal omdat de hersentoestand van een persoon snel kan veranderen, maar een standaard PSD-grafiek middelt die veranderingen uit.

Onderzoekers die medische kwaliteit en consumenten-EEG-headsets vergeleken, gebruikten een specifieke berekeningsmethode voor deze gemiddelde bepaling, genaamd Welchs gemodificeerde periodogram, die de opname opdeelt in overlappende segmenten en hun spectra middelt om een schonere, minder ruizige PSD-schatting te produceren.

Dit soort signaalverwerking is standaardpraktijk voor het produceren van een PSD-curve die de onderliggende hersenactiviteit weerspiegelt in plaats van willekeurige fluctuaties.

Stap voor stap Power Spectral Density berekenen

Het berekenen van de PSD omvat meestal een opeenvolging van beslissingen over signaalkwaliteit en signaalverwerking in plaats van een enkele opdracht. De opname wordt eerst gecontroleerd op ontbrekende gegevens, ongeschikte kanalen en duidelijke artefacten. Analisten selecteren vervolgens segmenten, verwijderen of modelleren trage trends wanneer dat nodig is, passen een venster (window) toe, transformeren de gegevens naar het frequentiedomein en schalen het resultaat.

Het resulterende spectrum moet worden geïnspecteerd naast de originele tijdreeks en, waar relevant, annotaties voor beweging, elektrodeverstoring, oogactiviteit, spieractiviteit of experimentele gebeurtenissen. Deze vergelijking helpt om een echt ritmisch patroon te onderscheiden van een voorbijgaande verstoring die toevallig spectraal vermogen produceert.

Een praktische workflow kan in de volgende fasen worden georganiseerd:

1. Controleer de bemonsteringsfrequentie, kanaallabels, referentie en opnameduur.

2. Identificeer bruikbare tijdvakken (epochs) en pak artefacten of afgewezen segmenten aan.

3. Kies segmentlengte, overlap, venster en frequentiebereik.

4. Schat en schaal de PSD en inspecteer vervolgens de pieken en het bandbeperkte vermogen.

5. Documenteer parameters zodat het resultaat kan worden gereproduceerd en vergeleken.

Deze stappen maken de berekening traceerbaar. Ze voorkomen ook dat een visueel aantrekkelijk spectrum wordt behandeld als onafhankelijk van de voorverwerkings- en schattingkeuzes die het hebben geproduceerd.

Veelgebruikte methoden: Periodogram en de methode van Welch

Een periodogram berekent de gekwadrateerde grootte van de Fourier-transformatie voor een geselecteerd segment. Het is eenvoudig en kan een fijne nominale frequentie-afstand bieden wanneer het segment lang is, maar de schatting kan aanzienlijk fluctueren van het ene frequentie-interval (bin) naar het volgende. Deze variabiliteit is vooral relevant voor ruizige biologische opnames.

De methode van Welch verdeelt het signaal in overlappende segmenten, past een venster toe op elk segment, berekent een periodogram voor elk segment en middelt de resultaten. Middelen produceert over het algemeen een gladdere schatting met een lagere variantie, terwijl de kortere segmenten de frequentieresolutie kunnen verminderen. De beste balans hangt af van de vraag of de analyse de nadruk legt op smalle pieken, brede banden of een stabiele gemiddelde activiteit.

Het verschil is niet louter cosmetisch. Een gladder spectrum kan brede patronen gemakkelijker vergelijkbaar maken, maar overmatig uitmiddelen kan kortstondige of nauw gelokaliseerde veranderingen verhullen. Voor in de tijd variërende EEG-metingen kan een tijd-frequentiebenadering geschikter zijn dan een enkele PSD over de gehele opname.

Hoe een gezond EEG-spectrum in rusttoestand eruitziet

Als u een gezonde volwassene vraagt te gaan zitten, te ontspannen en hun EEG opneemt, heeft de resulterende PSD-curve een herkenbare vorm. Het vermogen is het hoogst bij de laagste frequenties en neemt gestaag af naarmate de frequentie toeneemt, wat die 1/f-achtige daling veroorzaakt.

Deze dalende curve weerspiegelt de hierboven beschreven aperiodieke component, en de steilheid ervan wordt vastgelegd door een enkel getal dat de spectrale exponent wordt genoemd, soms geschreven als β. Een steilere daling betekent een grotere negatieve exponent; een vlakkere daling betekent dat het vermogen gelijkmatiger over de frequenties is verdeeld.

Bovenop deze achtergronddaling produceert een rustend brein met gesloten ogen doorgaans een zichtbare bult rond 8 tot 12 Hz, de alfapiek. Deze bult is meestal het sterkst aan de achterkant van het hoofd. Open de ogen van dezelfde persoon en die alfapiek krimpt merkbaar.

Een directe vergelijking door Ratti et al. tussen medische EEG-systemen en consumentenheadbands registreerde exact dit patroon: bij elk getest systeem was de grootste ritmische signatuur in de gegevens een posterieur alfaritme dat voorspelbaar reageerde op de condities met gesloten versus open ogen.

Diezelfde vergelijking stelde ook een meer praktische vraag: als je dezelfde persoon twee keer opneemt, tijdens twee afzonderlijke bezoeken, ziet de PSD-curve er dan hetzelfde uit?

Het antwoord hing sterk af van de kwaliteit van de apparatuur. Medische systemen produceerden Fp1-elektrode-PSD's (Fp1 bevindt zich op het voorhoofd en was de enige elektrode die gemeenschappelijk was voor alle vier de geteste systemen) die consistent waren over de bezoeken heen, terwijl een consumentensysteem de hoogste relatieve variatie vertoonde tussen test- en hertestsessies. Dit vertelt ons dat een stabiele PSD-curve niet alleen een eigenschap van de hersenen is, maar ook een eigenschap van hoe zorgvuldig het signaal is vastgelegd.

Hoe anesthesie de spectrale signatuur van de hersenen verandert

De statische PSD wordt bijzonder informatief wanneer de toestand van de hersenen drastisch verandert, en geen voorbeeld is directer dan anesthesie. Een studie uit 2019 door Colombo et al. registreerde rust-EEG bij gezonde vrijwilligers voor en tijdens anesthesie met drie verschillende middelen: xenon, propofol en ketamine.

Na elke sessie vroegen onderzoekers of de persoon enige herinnering had aan een bewuste ervaring tijdens de periode van niet-reageren, waarbij staten waarin bewustzijn werd gerapporteerd, werden onderscheiden van staten waarin het afwezig leek of ontoegankelijk voor herinnering.

De spectrale exponent volgde dit onderscheid nauwgezet. Xenon en propofol, beide middelen die geassocieerd worden met een verlies van bewuste ervaring, veroorzaakten een substantiële afname van de negatieve spectrale exponent binnen elke proefpersoon, wat betekent dat de PSD-curve merkbaar steiler werd. Deze steilere daling over het brede bereik van 1 tot 40 Hz lijkt eerder te wijzen op de afwezigheid van bewuste ervaring dan op het simpelweg niet reageren.

Ketamine liet een ander verhaal zien. Hoewel proefpersonen onder ketamine gedragsmatig niet reageerden, behouden ze doorgaans wel enige bewuste ervaring, en de algehele PSD-daling zag er vergelijkbaar uit als bij normale waakzaamheid. De enige uitzondering was een afvlakking van de curve specifiek in het bereik van 20 tot 40 Hz, een detail dat aansluit bij het specifieke werkingsmechanisme van ketamine in vergelijking met de andere twee middelen.

Misschien wel het meest overtuigende bewijsstuk was een correlatie tussen deze spectrale exponent en een afzonderlijke, onafhankelijk afgeleide maatstaf genaamd de Perturbational Complexity Index, of PCI. Deze wordt gegenereerd met een andere techniek die de hersenen stimuleert en meet hoe complex de resulterende respons is. De hoge correlatie tussen deze twee zeer verschillende metingen ondersteunt het idee dat de spectrale exponent geen toevallig patroon is, maar een echte marker die verband houdt met de aanwezigheid van het bewustzijn zelf.

Hoe ADHD het EEG-vermogensspectrum verandert

Dezelfde aperiodieke daling die verschuift onder anesthesie, lijkt ook te verschillen bij kinderen met ADHD. Een studie bij kinderen tussen 3 en 7 jaar oud, waarbij kinderen met ADHD werden vergeleken met typisch ontwikkelende leeftijdsgenoten, mat de spectrale helling en offset (de hoogte van de aperiodieke curve) naast meer traditionele maten zoals de piek-alfafrequentie en bandvermogensverhoudingen.

Medicatie-naïeve kinderen met ADHD vertoonden een hoger alfavermogen, grotere aperiodieke offsets en steilere spectrale hellingen in vergelijking met typisch ontwikkelende kinderen. Dit patroon van steilere hellingen is interessant, omdat het dezelfde veranderingsrichting weerspiegelt die in de anesthesiestudie werd gezien, hoewel de twee aandoeningen uiteraard niet vergelijkbaar zijn in ernst of mechanisme.

De spectrale helling correleerde ook met de traditionele theta/beta-ratio die al jaren in ADHD-onderzoek wordt gebruikt, wat suggereert dat de helling overlappende informatie vastlegt en potentieel een schonere, uitgebreidere marker biedt.

Een aanvullend detail geeft meer gewicht aan deze bevinding. Kinderen met ADHD die waren behandeld met stimulerende medicatie, vertoonden zelfs na een uitwasperiode van 24 uur waarin de actieve effecten van de medicatie uitgewerkt hadden moeten zijn, hellingen and offsets die vergelijkbaar waren met de typisch ontwikkelende groep.

Dit roept de mogelijkheid op dat het veranderde spectrale patroon bij ADHD niet vaststaat, hoewel de studie dit eerder als een hint dan als een bevestigd behandelingseffect formuleert. Omdat de spectrale helling in eerder onderzoek ook in verband is gebracht met executief functioneren en met de balans tussen exciterende en inhiberende hersenactiviteit, suggereren de auteurs dat de veranderde helling iets betekenisvols weerspiegelt over de onderliggende aandoening, in plaats van een statistisch artefact te zijn van de theta/beta-ratioberekening.

Power Spectral Density gebruiken om epileptische aanvallen te classificeren

Bewustzijn en aandacht zijn niet de enige domeinen waar een statische PSD nuttig blijkt. De classificatie van epilepsie biedt een meer geautomatiseerd, computationeel voorbeeld.

Eén benadering zette epileptische EEG-opnames om in wat de onderzoekers 'power spectrum density energy-diagrammen' noemden, in wezen visuele weergaven van de PSD. Vervolgens voerden ze deze beelden in een diep convolutioneel neuraal netwerk in, een type machine learning-model dat zeer geschikt is voor het herkennen van patronen in beeldachtige gegevens.

Het model werd getraind om EEG-segmenten in vier categorieën in te delen:

• Interictaal (tussen aanvallen door)

• Twee verschillende pre-ictale vensters (30 minuten en 10 minuten voordat een aanval begint)

• De aanvalstoestand zelf

Met behulp van een openbare epilepsiedataset bereikte deze methode een gemiddelde classificatienauwkeurigheid van meer dan 90 procent over alle vier de categorieën. Het resultaat bevestigt dat de algehele vorm van de statische PSD voldoende onderscheidende informatie bevat voor een algoritme om deze klinisch belangrijke hersentoestanden betrouwbaar uit elkaar te houden, zonder dat van moment tot moment veranderingen in het signaal hoeven te worden gevolgd.

Veelvoorkomende valkuilen bij het interpreteren van PSD

Een PSD-curve is slechts zo betrouwbaar als de opname waar deze vandaan komt, en verschillende praktische problemen kunnen de vorm van die curve vervormen op manieren die niets te maken hebben met de onderliggende hersenfunctie.

Artefacten zijn de meest directe zorg. Oogknipperingen en spierbewegingen genereren hun eigen elektrische signalen die worden opgevangen door hoofdhuid-elektroden, met name op frontale locaties.

De vergelijking van consumenten- en medische EEG-systemen wees uit dat consumentenapparaten gevoeliger waren voor dit soort contaminatie. Met name één consumentenheadband vertoonde een breedbandige toename van het vermogen over het hele spectrum, een signatuur die consistent is met spier- en knipperartefacten in plaats van een echt neuraal ritme. Het zorgvuldig opschonen van de gegevens en het selecteren van segmenten met weinig artefacten vóór het berekenen van een PSD is dan ook een noodzakelijke stap, geen optionele.

Volumegeleiding is een andere veelbesproken beperking in algemeen EEG-onderzoek. Omdat elektrische velden zich door weefsel en de schedel verspreiden voordat ze de hoofdhuid bereiken, kan een enkele activiteitsbron in de hersenen zich tegelijkertijd registreren op meerdere nabijgelegen elektroden. Dit vervaagt de ruimtelijke precisie van elke gegeven PSD-meting.

Referentiekeuze vormt een vergelijkbare situatie. EEG is inherent een differentiële meting, wat betekent dat het signaal van elke elektrode wordt berekend ten opzichte van een bepaald referentiepunt, of dat nu een gemiddelde van alle elektroden is, een tepelbeen (mastoïde) achter het oor, of een centrale locatie op de hoofdhuid zoals Cz. Het wijzigen van dat referentiepunt kan het vermogen over de kanalen herverdelen en de absolute vorm van een PSD-curve veranderen.

Daarom is bewustzijn van welke referentie is gebruikt vaak een standaard gegeven om te controleren bij het vergelijken van PSD-bevindingen tussen verschillende artikelen of datasets.

Tot slot is er de test-hertestbetrouwbaarheid. Zelfs als de proefpersoon en de apparatuur constant worden gehouden, kunnen herhaalde opnames tijdens afzonderlijke bezoeken enige natuurlijke variatie in de PSD-curve vertonen.

Medische systemen produceerden consistentere Fp1-PSD's over twee bezoeken, terwijl het geteste consumentensysteem de grootste relatieve variatie vertoonde. Dit is een praktische waarschuwing om niet te veel waarde te hechten aan kleine PSD-verschillen die bij een enkele proefpersoon worden waargenomen, met name wanneer de opnameapparatuur of het protocol niet strikt gecontroleerd is.

Tools en software voor het berekenen van Power Spectral Density

PSD kan worden berekend met wetenschappelijke programmeerbibliotheken, speciale EEG-analysepakketten of algemene software voor signaalverwerking. De essentiële vereisten zijn toegang tot de bemonsterde gegevens en transparante controle over de bemonsteringsfrequentie, segmentering, venstertoepassing, trendverwijdering, overlap, schaling en frequentielimieten. Grafische uitvoer alleen is niet voldoende om vast te stellen hoe de schatting tot stand is gekomen.

Een reproduceerbare implementatie legt de voorverwerkings- en schattingsparameters vast naast het spectrum. Het behoudt ook de kanaalreferentie, eenheden, afgewezen tijdvakken en eventuele transformaties die vóór de berekening zijn toegepast. Deze details zijn met name belangrijk wanneer resultaten worden gebruikt in een groepsvergelijking of worden gecombineerd over verschillende opnamesessies.

Resultaten zijn gemakkelijker te controleren wanneer de workflow zowel numerieke arrays als diagnostische grafieken produceert. Nuttige controles omvatten de oorspronkelijke golfvorm, intervallen met artefactmarkeringen, het geselecteerde frequentiebereik en een vergelijking van schattingen over redelijke segmentkeuzes. Dergelijke controles maken de interpretatie niet automatisch, maar ze maken verborgen aannames wel gemakkelijker detecteerbaar.

Conclusie

De power spectral density-grafiek fungeert als een partituur van het hersenritme, en de steilheid van de achtergronddaling komt naar voren als een opmerkelijk consistente marker over enorm verschillende mentale toestanden heen.

Of een persoon nu het bewustzijn verliest onder bepaalde anesthetica, een kind aandachtsproblemen vertoont die verband houden met ADHD, of er een aanval begint, deze algehele vorm verschuift op voorspelbare wijze. Dit verbindt deze aandoeningen via een gedeelde meetbare signatuur. Dit patroon suggereert dat het elektrische profiel van de hersenen in rust zinvolle, overkoepelende aanwijzingen bevat over de functionele toestand, en niet alleen geïsoleerde pieken bij specifieke frequenties.

Hoewel de PSD slechts een statisch gemiddelde geeft over een opnamevenster, bewijst het vermogen om betrouwbaar bewuste van onbewuste perioden te onderscheiden of algoritmen in staat te stellen aanvallen met hoge nauwkeurigheid op te sporen de praktische waarde ervan in de neurowetenschappen. Deze correlaties bewijzen niet wat deze toestanden veroorzaakt, maar ze bieden een toegankelijke samenvatting in één getal — de helling van de curve — die kan helpen bij het beoordelen van bewustzijn, aandachtsverschillen of het risico op aanvallen.

Voor onderzoekers en clinici biedt die eenvoudige maatstaf een krachtig startpunt in de hersendynamica, die abstracte ritmes overbrugt naar verschillen in de echte wereld.

Referenties

1. Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398

2. Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024

3. Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019

4. Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375

Veelgestelde vragen

Wat is power spectral density (PSD) in EEG?

PSD is een methode die de gekwadrateerde amplitude van EEG-signalen bij elke frequentie berekent en dit middelt over een opnameperiode. De resulterende curve laat zien hoe energie is verdeeld over trage en snelle hersenritmes, waardoor het complexe ruwe signaal wordt ontrafeld.

Hoe ziet een gezonde PSD-curve in rusttoestand eruit?

Het vermogen is het hoogst bij lage frequenties en neemt gestaag af met de frequentie, waardoor een 1/f-achtige achtergrond ontstaat. Een zichtbare alfapiek rond 8-12 Hz verschijnt meestal over de achterkant van het hoofd wanneer de ogen gesloten zijn en neemt af wanneer de ogen geopend worden.

Hoe verschilt de aperiodieke component van oscillatorische pieken?

De aperiodieke, of 1/f-achtige, component is de geleidelijke daling van het vermogen naarmate de frequentie toeneemt, zonder duidelijke bulten te vormen. Oscillatorische pieken, zoals het alfaritme, stijgen bij specifieke frequenties boven deze achtergrond uit en dragen andere informatie over de hersenfunctie.

Hoe verandert anesthesie de spectrale signatuur van de hersenen?

Middelen zoals xenon en propofol, die leiden tot verlies van bewuste ervaring, zorgen ervoor dat de PSD-curve steiler wordt over het bereik van 1-40 Hz. Ketamine, dat de bewuste ervaring behoudt ondanks het niet reageren, toont een curve die vergelijkbaar is met waakzaamheid, behalve een afvlakking in het bereik van 20-40 Hz.

Welke PSD-verschillen worden gevonden bij kinderen met ADHD?

Kinderen met ADHD vertonen een hoger alfavermogen, grotere aperiodieke offsets en steilere spectrale hellingen in vergelijking met typisch ontwikkelende leeftijdsgenoten. Na behandeling met stimulantia, zelfs met een uitwasperiode, kunnen de hellingen en offsets lijken op die van de typisch ontwikkelende groep.

Hoe kan PSD epileptische aanvalstoestanden classificeren?

Een statische PSD-curve kan worden omgezet in een afbeelding en in een diep neuraal netwerk worden ingevoerd om interictale, pre-ictale en aanvalstoestanden te onderscheiden. Deze benadering behaalde in ten minste één onderzoek een hoge classificatienauwkeurigheid, wat bevestigt dat de algehele spectrale vorm voldoende onderscheidende informatie bevat.

Waarom wordt PSD beschouwd als een statische momentopname?

PSD comprimeert een volledige opnameperiode tot één curve, waarbij veranderingen van seconde tot seconde worden uitgemiddeld. Het onthult de algehele frequentiebalans tijdens dat venster in plaats van te volgen hoe het mengsel in de loop van de tijd verschuift.

Wat zijn veelvoorkomende valkuilen bij het interpreteren van PSD?

Spier- en oogartefacten kunnen het signaal vervuilen en de curve vervormen, vooral bij consumentenapparaten. Volumegeleiding en referentiekeuze beïnvloeden ook de PSD-vorm, en zelfs met stabiele apparatuur betekent natuurlijke test-hertestvariatie dat kleine verschillen mogelijk niet betekenisvol zijn.

Wat is het verschil tussen PSD en een amplitudespectrum?

PSD vertegenwoordigt het gekwadrateerde vermogen per frequentie en is geschikt voor het berekenen van vermogen, terwijl een amplitudespectrum de grootte van de frequentiecomponent vertegenwoordigt en andere eenheden gebruikt.

Wijst een grotere PSD-piek altijd op sterkere hersenactiviteit?

Nee. Een grotere piek kan zowel een weerspiegeling zijn van artefacten, referentie-effecten, opnameomstandigheden of analyseparameters, als van fysiologische activiteit.