Podstawy oscylacji neuronalnych
Roshini Randeniya
Zaktualizowano dnia
22 maj 2024
Podstawy oscylacji neuronalnych
Roshini Randeniya
Zaktualizowano dnia
22 maj 2024
Podstawy oscylacji neuronalnych
Roshini Randeniya
Zaktualizowano dnia
22 maj 2024
1. Wprowadzenie
Witaj! W tym samouczku dowiemy się czegoś o falach mózgowych i o tym, jak możemy ich użyć do zrozumienia mózgu i zachowania.
Hans Berger ukuł termin elektroencefalogram w 1929 roku, kiedy opisał zmiany w potencjałach elektrycznych rejestrowanych za pomocą czujników umieszczonych na głowie człowieka. Zidentyfikował dwa rodzaje fal mózgowych, które nazwał falami alfa i beta tylko ze względu na kolejność, w jakiej je zarejestrował. Fale te były rejestrowane u innych ssaków, ale Berger opisał je u ludzi po raz pierwszy!
Od tego czasu metoda elektroencefalografii stała się kluczowym narzędziem w neuronauce i pomogła rozwinąć nasze zrozumienie fal mózgowych (które badacze nazywają oscylacjami neuronowymi) oraz pomogła scharakteryzować stany w mózgu, takie jak zmęczenie i czuwanie.
W tym krótkim samouczku omówimy następujące zagadnienia:
Czym są oscylacje neuronowe?
Jak możemy mierzyć oscylacje neuronowe?
Co możemy zrobić z oscylacjami neuronowymi?
Praktyczne zastosowanie przy użyciu urządzeń i oprogramowania Emotiv.
2. Co to jest EEG?
Elektroencefalografia (EEG) to nieinwazyjna i pasywna metoda pomiaru aktywności elektrycznej naszego mózgu. Elektrody/czujniki/kanały są umieszczane na skórze głowy w celu rejestrowania aktywności elektrycznej generowanej przez populacje komórek mózgowych zwanych neuronami.
Rys. 1 – Neurony wytwarzają aktywność elektryczną, którą można wykryć za pomocą urządzenia EEG [Siuly, et al. (2016)].
2.1. Systemy EEG
Na rynku istnieje wiele urządzeń EEG, które można wykorzystać do rejestracji badania EEG. Urządzenia te mogą posiadać:
Pojedynczy czujnik lub do 256 elektrod – większa liczba elektrod zapewni wyższą rozdzielczość przestrzenną informacji na skórze głowy.
Mokre lub suche elektrody – elektrody mokre wykorzystują żel elektrolityczny lub roztwór soli fizjologicznej do poprawy przewodnictwa między skórą głowy a czujnikiem. Elektrody suche mogą być wykonane z metalu lub przewodzących polimerów, które wymagają bezpośredniego kontaktu ze skórą głowy.
Elektrody aktywne lub pasywne – pasywne systemy elektrod po prostu przewodzą sygnał do urządzenia, w którym jest on wzmacniany. Aktywne systemy elektrod wzmacniają sygnał na każdej elektrodzie, zanim dotrze on do urządzenia w celu wzmocnienia. Zmniejsza to zakłócenia elektryczne z otoczenia w sygnale.
Urządzenia przewodowe lub bezprzewodowe przesyłające dane przez Bluetooth.
Rys. 2 – Bezprzewodowy system EEG o niskiej gęstości elektrod.
Rys. 3 – Przewodowy system EEG o wysokiej gęstości elektrod.
2.2. Kiedy stosować EEG?
Każda metoda neuroobrazowania może pomóc w odpowiedzi na inne pytania badawcze.
Największą zaletą EEG jest to, że może mierzyć aktywność neuronową w skali milisekund, pozwalając na pomiar procesów przedświadomych.
Rys. 4 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Najlepiej sprawdza się przy pytaniach typu „na które części mojego wideo uczestnicy zwrócili największą uwagę?”.
EEG rejestruje aktywność głównie z zewnętrznych warstw mózgu (tj. ma niską rozdzielczość przestrzenną). Za pomocą jednego czujnika niemożliwe jest zidentyfikowanie źródła aktywności. Rejestracja przy użyciu dużej liczby kanałów pozwala na matematyczną rekonstrukcję źródła, ale wciąż ma ograniczenia w identyfikacji źródeł głębokich. Funkcjonalny rezonans magnetyczny (fMRI) jest lepiej przystosowany do odpowiadania na pytania takie jak „Która część mózgu jest związana ze zmianami uwagi?”
2.3. Od czujnika do surowego zapisu EEG
Po założeniu urządzenia EEG na głowę, aktywność mózgu jest mierzona na pojedynczym czujniku jako różnica amplitudy między tym czujnikiem a czujnikiem referencyjnym. W większości systemów EEG nazywa się to elektrodą CMS (common mode sense). Dodatkowy czujnik, DRL (driven right leg), pomaga zredukować wszelkie zakłócenia na elektrodzie CMS.
Rys. 5 – Uproszczony schemat blokowy transmisji sygnału EEG.
W systemach z elektrodami aktywnymi i pasywnymi sygnał jest następnie wzmacniany i filtrowany dolnoprzepustowo. Filtrowanie dolnoprzepustowe to etap, który usuwa potencjalne zakłócenia elektryczne z otoczenia w sygnale, np. z sieci zasilającej.
Kroki te odbywają się w samym sprzęcie, zanim surowy sygnał EEG będzie można zobaczyć na ekranie komputera.
2.4. Podstawowa terminologia
Standardowa konwencja nazewnictwa 10-20
Czujniki po lewej stronie są zazwyczaj nieparzyste, a te po prawej parzyste.
Uwaga 1: są to jedynie konwencje nazewnictwa, a lokacja czujnika EEG nie jest wprost wskaźnikiem źródła aktywności.
Uwaga 2: do określenia źródła aktywności na jednym kanale wymagane są dodatkowe kroki, takie jak matematyczna rekonstrukcja źródła.
3. Czym są oscylacje neuronowe?
Fale mózgowe, często nazywane oscylacjami neuronowymi, to rytmiczne wzorce wytwarzane przez pojedyncze neurony lub ich grupy.
Nie jest jeszcze jasne, dlaczego mózg generuje te różne rodzaje oscylacji, choć istnieje wiele teorii. Badacze wykorzystują różne zadania w celu scharakteryzowania tych aktywności oscylacyjnych, dążąc do zrozumienia tajemnic mózgu za pomocą owych rytmicznych wzorców.
3.1. Niektóre właściwości oscylacji
Ten rysunek przedstawia pomiar regularnego sygnału elektrycznego:
Rys. 6 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Po lewej stronie (oś y) możemy wykreślić amplitudę rejestracji elektrycznej, a na osi poziomej (oś x) – czas. Amplituda sygnału będzie się regularnie zmieniać wokół punktu środkowego. Jeden cykl nazywany jest również oscylacją.
Liczba cykli na sekundę nazywana jest częstotliwością fali, a jej jednostką jest herc (Hz). Zatem 1 cykl na sekundę = 1 Hz. Amplitudy są zazwyczaj mierzone w mikrowoltach (µV).
W mózgu obserwujemy fale o częstotliwościach od 0,2 Hz (bardzo wolne fale) do 80 Hz lub więcej (bardzo szybkie fale). W mózgu można również zarejestrować aktywność o wysokiej częstotliwości do 500 Hz, która wiąże się z napadami padaczkowymi.
Różne rodzaje oscylacji mózgowych charakteryzuje się na podstawie ich częstotliwości. Są one znane jako pasma częstotliwości i mogą mieć związek z różnymi stanami mózgu:
Rys. 7 – Fale mózgowe w typowym badaniu EEG.
3.2. Dlaczego różne pasma częstotliwości są ważne?
Identyfikacja prawidłowych i nieprawidłowych wzorców aktywności mózgu
Oscylacje neuronowe są ważne w neurologii do wykrywania napadów padaczkowych i diagnozowania epilepsji.Interfejsy mózg-komputer (BCI)
Ilość oscylacji beta, gamma i mu jest często wykorzystywana do trenowania urządzeń zewnętrznych (np. do poruszania wózkiem inwalidzkim za pomocą myśli).Neurofeedback
Jest to forma treningu mózgu, podczas której możesz obserwować swoje fale mózgowe (np. oscylacje gamma) i wykonywać zadania poznawcze w celu zwiększenia ilości oscylacji gamma w swoim mózgu.Neuromarketing
Pasma częstotliwości alfa i beta mogą służyć do określania, która część reklamy jest bardziej lub mniej angażująca.
3.3. Rodzaje analizy danych EEG
Najczęściej badacze przeprowadzają analizę w domenie czasu lub domenie częstotliwości.
Analiza w domenie czasu
Zwykle mierzy amplitudę napięcia w interesujących punktach czasowych po wystąpieniu bodźca. Są one nazywane potencjałami wywołanymi (ERP).
Analiza w domenie częstotliwości
Zwykle mierzy ilość oscylacji neuronowych w różnych pasmach częstotliwości w określonym oknie czasowym lub w powiązaniu z początkiem jakiegoś zdarzenia.
Następnie przedstawiamy przegląd analizy w domenie częstotliwości.
3.4. Przetwarzanie
Po wykonaniu rejestracji EEG, zazwyczaj oczyszcza się dane przed analizą oscylacji.
Filtrowanie
Technika usuwania szumów środowiskowych o wysokiej i niskiej częstotliwości z danych.Usuwanie artefaktów
Ruchy fizyczne, mrugnięcia oczami mogą powodować duże artefakty (piki > 50 µV w EEG). Można je usunąć, aby nie wpływały na nasze wyniki. Niektórzy badacze stosują zaawansowane metody korekcji tych artefaktów w celu zachowania danych.
Po przetworzeniu danych sygnał można przekonwertować na domenę częstotliwości, aby określić ilość każdego rodzaju fal mózgowych.
Rys. 8 – Artefakt mrugnięcia okiem w surowym EEG.
3.5. Szybka transformacja Fouriera (FFT)
Transformacja Fouriera to matematyczna konwersja sygnału EEG z „domeny czasu” (obraz A) na „domenę częstotliwości” (obraz B).
W domenie częstotliwości możemy określić ilość poszczególnych rodzajów oscylacji w naszym zapisie. Zazwyczaj jest to „moc” pasma częstotliwości i może być wyświetlana jako widmo mocy (Obraz B).
Rys. 9A – Surowe EEG w domenie czasu.
Rys. 9B – Widmo mocy po FFT (domena częstotliwości).
3.6. Moc pasma
Moc pasma częstotliwości (np. pasma alfa) uzyskana z transformacji Fouriera mówi nam, jak dużo jest danego pasma częstotliwości. Jednostkami mocy pasma są zazwyczaj µV2/Hz. Najczęściej amplituda lub widma mocy z FFT są przedstawiane w logarytmicznej jednostce decybeli (dB). Decybel to jednostka stosunku między mierzoną mocą (P) a mocą odniesienia (Pr) w następujący sposób:
Po uzyskaniu tej jednostki miary dla interesujących zdarzeń, można porównywać moce pasm w celu zrozumienia efektów eksperymentalnych na fale mózgowe.
4. Od teorii do praktyki
Następnie przyjrzymy się efektowi tłumienia fal alfa.
Jest to zjawisko opisane po raz pierwszy przez Hansa Bergera, w którym obserwujemy znaczny spadek ilości oscylacji alfa (mocy alfa), gdy dana osoba ma otwarte oczy, w porównaniu do sytuacji, gdy ma je zamknięte.
Rys. 10 – Wzrost oscylacji alfa można zaobserwować, gdy oczy są zamknięte.
Najpierw za pomocą EmotivPRO Builder stworzyliśmy prosty eksperyment. W tym eksperymencie uczestnik proszony jest o utrzymanie otwartych oczu przez 2 minuty, skupiając się na ekranie, a następnie o ich zamknięcie na kolejne 2 minuty. Na koniec tych 2 minut usłyszy dzwonek sygnalizujący otwarcie oczu.
Możesz postępować zgodnie z poniższym filmem, aby stworzyć własny eksperyment tłumienia fal alfa, lub uruchomić nasz eksperyment z linku tutaj:
4.1. Dopasowanie urządzenia i jakość sygnału EEG
Przeczytaj więcej o działaniu naszego wskaźnika jakości sygnału (EQ) tutaj. Więcej informacji o dopasowaniu urządzenia specyficznego dla Twojego zestawu znajdziesz tutaj:
Typ EPOC
Typ Insight
4.2. Przetwarzanie i transformacja danych EEG
Teraz, gdy masz już swoje dane, możesz przenieść je do domeny częstotliwości za pomocą programu Emotiv Analyzer. Postępuj zgodnie z krokami w filmie.
4.3. Interpretacja danych
Po zakończeniu pracy w Analyzer pobierz plik zip. Dla każdego rekordu otrzymasz plik csv z mocami pasm oraz plik graficzny, które możesz wykorzystać do samodzielnej analizy statystycznej.
Rys. 11 – Moce pasm.
W naszych wynikach widzimy wzrost mocy pasma Alfa przy zamkniętych oczach (kolor pomarańczowy) w porównaniu do oczu otwartych (kolor niebieski).
To już koniec naszego samouczka! Jesteś teraz wyposażony w podstawową wiedzę 🙂
W sekcji zasobów znajdziesz linki do bardziej zaawansowanych materiałów.
5. Zasoby
ZAAWANSOWANE MATERIAŁY
Donoghue i in. 2022 Rozważania metodologiczne dotyczące badania oscylacji neuronowych
SŁOWNIK TERMINOLOGII EEG
Kane i in. 2017 (tutaj)
OTWARTY KOD ŹRÓDŁOWY
Jeśli czujesz się swobodnie w programowaniu w języku Python, udostępniliśmy skrypty Python, których możesz użyć do pobrania wartości mocy alfa z podziałem na segmenty z otwartymi i zamkniętymi oczami. Kod i przykładowe pliki danych dotyczące tłumienia fal alfa znajdziesz tutaj: https://osf.io/9bvgh/
INSTRUKCJE Emotiv
Instrukcja EmotivPRO Builder
Instrukcja EmotivPRO
Instrukcja EmotivPRO Analyzer
7. Bibliografia
Donoghue, T., Schaworonkow, N. i Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), s.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. i 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, s.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. W: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Wprowadzenie
Witaj! W tym samouczku dowiemy się czegoś o falach mózgowych i o tym, jak możemy ich użyć do zrozumienia mózgu i zachowania.
Hans Berger ukuł termin elektroencefalogram w 1929 roku, kiedy opisał zmiany w potencjałach elektrycznych rejestrowanych za pomocą czujników umieszczonych na głowie człowieka. Zidentyfikował dwa rodzaje fal mózgowych, które nazwał falami alfa i beta tylko ze względu na kolejność, w jakiej je zarejestrował. Fale te były rejestrowane u innych ssaków, ale Berger opisał je u ludzi po raz pierwszy!
Od tego czasu metoda elektroencefalografii stała się kluczowym narzędziem w neuronauce i pomogła rozwinąć nasze zrozumienie fal mózgowych (które badacze nazywają oscylacjami neuronowymi) oraz pomogła scharakteryzować stany w mózgu, takie jak zmęczenie i czuwanie.
W tym krótkim samouczku omówimy następujące zagadnienia:
Czym są oscylacje neuronowe?
Jak możemy mierzyć oscylacje neuronowe?
Co możemy zrobić z oscylacjami neuronowymi?
Praktyczne zastosowanie przy użyciu urządzeń i oprogramowania Emotiv.
2. Co to jest EEG?
Elektroencefalografia (EEG) to nieinwazyjna i pasywna metoda pomiaru aktywności elektrycznej naszego mózgu. Elektrody/czujniki/kanały są umieszczane na skórze głowy w celu rejestrowania aktywności elektrycznej generowanej przez populacje komórek mózgowych zwanych neuronami.
Rys. 1 – Neurony wytwarzają aktywność elektryczną, którą można wykryć za pomocą urządzenia EEG [Siuly, et al. (2016)].
2.1. Systemy EEG
Na rynku istnieje wiele urządzeń EEG, które można wykorzystać do rejestracji badania EEG. Urządzenia te mogą posiadać:
Pojedynczy czujnik lub do 256 elektrod – większa liczba elektrod zapewni wyższą rozdzielczość przestrzenną informacji na skórze głowy.
Mokre lub suche elektrody – elektrody mokre wykorzystują żel elektrolityczny lub roztwór soli fizjologicznej do poprawy przewodnictwa między skórą głowy a czujnikiem. Elektrody suche mogą być wykonane z metalu lub przewodzących polimerów, które wymagają bezpośredniego kontaktu ze skórą głowy.
Elektrody aktywne lub pasywne – pasywne systemy elektrod po prostu przewodzą sygnał do urządzenia, w którym jest on wzmacniany. Aktywne systemy elektrod wzmacniają sygnał na każdej elektrodzie, zanim dotrze on do urządzenia w celu wzmocnienia. Zmniejsza to zakłócenia elektryczne z otoczenia w sygnale.
Urządzenia przewodowe lub bezprzewodowe przesyłające dane przez Bluetooth.
Rys. 2 – Bezprzewodowy system EEG o niskiej gęstości elektrod.
Rys. 3 – Przewodowy system EEG o wysokiej gęstości elektrod.
2.2. Kiedy stosować EEG?
Każda metoda neuroobrazowania może pomóc w odpowiedzi na inne pytania badawcze.
Największą zaletą EEG jest to, że może mierzyć aktywność neuronową w skali milisekund, pozwalając na pomiar procesów przedświadomych.
Rys. 4 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Najlepiej sprawdza się przy pytaniach typu „na które części mojego wideo uczestnicy zwrócili największą uwagę?”.
EEG rejestruje aktywność głównie z zewnętrznych warstw mózgu (tj. ma niską rozdzielczość przestrzenną). Za pomocą jednego czujnika niemożliwe jest zidentyfikowanie źródła aktywności. Rejestracja przy użyciu dużej liczby kanałów pozwala na matematyczną rekonstrukcję źródła, ale wciąż ma ograniczenia w identyfikacji źródeł głębokich. Funkcjonalny rezonans magnetyczny (fMRI) jest lepiej przystosowany do odpowiadania na pytania takie jak „Która część mózgu jest związana ze zmianami uwagi?”
2.3. Od czujnika do surowego zapisu EEG
Po założeniu urządzenia EEG na głowę, aktywność mózgu jest mierzona na pojedynczym czujniku jako różnica amplitudy między tym czujnikiem a czujnikiem referencyjnym. W większości systemów EEG nazywa się to elektrodą CMS (common mode sense). Dodatkowy czujnik, DRL (driven right leg), pomaga zredukować wszelkie zakłócenia na elektrodzie CMS.
Rys. 5 – Uproszczony schemat blokowy transmisji sygnału EEG.
W systemach z elektrodami aktywnymi i pasywnymi sygnał jest następnie wzmacniany i filtrowany dolnoprzepustowo. Filtrowanie dolnoprzepustowe to etap, który usuwa potencjalne zakłócenia elektryczne z otoczenia w sygnale, np. z sieci zasilającej.
Kroki te odbywają się w samym sprzęcie, zanim surowy sygnał EEG będzie można zobaczyć na ekranie komputera.
2.4. Podstawowa terminologia
Standardowa konwencja nazewnictwa 10-20
Czujniki po lewej stronie są zazwyczaj nieparzyste, a te po prawej parzyste.
Uwaga 1: są to jedynie konwencje nazewnictwa, a lokacja czujnika EEG nie jest wprost wskaźnikiem źródła aktywności.
Uwaga 2: do określenia źródła aktywności na jednym kanale wymagane są dodatkowe kroki, takie jak matematyczna rekonstrukcja źródła.
3. Czym są oscylacje neuronowe?
Fale mózgowe, często nazywane oscylacjami neuronowymi, to rytmiczne wzorce wytwarzane przez pojedyncze neurony lub ich grupy.
Nie jest jeszcze jasne, dlaczego mózg generuje te różne rodzaje oscylacji, choć istnieje wiele teorii. Badacze wykorzystują różne zadania w celu scharakteryzowania tych aktywności oscylacyjnych, dążąc do zrozumienia tajemnic mózgu za pomocą owych rytmicznych wzorców.
3.1. Niektóre właściwości oscylacji
Ten rysunek przedstawia pomiar regularnego sygnału elektrycznego:
Rys. 6 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Po lewej stronie (oś y) możemy wykreślić amplitudę rejestracji elektrycznej, a na osi poziomej (oś x) – czas. Amplituda sygnału będzie się regularnie zmieniać wokół punktu środkowego. Jeden cykl nazywany jest również oscylacją.
Liczba cykli na sekundę nazywana jest częstotliwością fali, a jej jednostką jest herc (Hz). Zatem 1 cykl na sekundę = 1 Hz. Amplitudy są zazwyczaj mierzone w mikrowoltach (µV).
W mózgu obserwujemy fale o częstotliwościach od 0,2 Hz (bardzo wolne fale) do 80 Hz lub więcej (bardzo szybkie fale). W mózgu można również zarejestrować aktywność o wysokiej częstotliwości do 500 Hz, która wiąże się z napadami padaczkowymi.
Różne rodzaje oscylacji mózgowych charakteryzuje się na podstawie ich częstotliwości. Są one znane jako pasma częstotliwości i mogą mieć związek z różnymi stanami mózgu:
Rys. 7 – Fale mózgowe w typowym badaniu EEG.
3.2. Dlaczego różne pasma częstotliwości są ważne?
Identyfikacja prawidłowych i nieprawidłowych wzorców aktywności mózgu
Oscylacje neuronowe są ważne w neurologii do wykrywania napadów padaczkowych i diagnozowania epilepsji.Interfejsy mózg-komputer (BCI)
Ilość oscylacji beta, gamma i mu jest często wykorzystywana do trenowania urządzeń zewnętrznych (np. do poruszania wózkiem inwalidzkim za pomocą myśli).Neurofeedback
Jest to forma treningu mózgu, podczas której możesz obserwować swoje fale mózgowe (np. oscylacje gamma) i wykonywać zadania poznawcze w celu zwiększenia ilości oscylacji gamma w swoim mózgu.Neuromarketing
Pasma częstotliwości alfa i beta mogą służyć do określania, która część reklamy jest bardziej lub mniej angażująca.
3.3. Rodzaje analizy danych EEG
Najczęściej badacze przeprowadzają analizę w domenie czasu lub domenie częstotliwości.
Analiza w domenie czasu
Zwykle mierzy amplitudę napięcia w interesujących punktach czasowych po wystąpieniu bodźca. Są one nazywane potencjałami wywołanymi (ERP).
Analiza w domenie częstotliwości
Zwykle mierzy ilość oscylacji neuronowych w różnych pasmach częstotliwości w określonym oknie czasowym lub w powiązaniu z początkiem jakiegoś zdarzenia.
Następnie przedstawiamy przegląd analizy w domenie częstotliwości.
3.4. Przetwarzanie
Po wykonaniu rejestracji EEG, zazwyczaj oczyszcza się dane przed analizą oscylacji.
Filtrowanie
Technika usuwania szumów środowiskowych o wysokiej i niskiej częstotliwości z danych.Usuwanie artefaktów
Ruchy fizyczne, mrugnięcia oczami mogą powodować duże artefakty (piki > 50 µV w EEG). Można je usunąć, aby nie wpływały na nasze wyniki. Niektórzy badacze stosują zaawansowane metody korekcji tych artefaktów w celu zachowania danych.
Po przetworzeniu danych sygnał można przekonwertować na domenę częstotliwości, aby określić ilość każdego rodzaju fal mózgowych.
Rys. 8 – Artefakt mrugnięcia okiem w surowym EEG.
3.5. Szybka transformacja Fouriera (FFT)
Transformacja Fouriera to matematyczna konwersja sygnału EEG z „domeny czasu” (obraz A) na „domenę częstotliwości” (obraz B).
W domenie częstotliwości możemy określić ilość poszczególnych rodzajów oscylacji w naszym zapisie. Zazwyczaj jest to „moc” pasma częstotliwości i może być wyświetlana jako widmo mocy (Obraz B).
Rys. 9A – Surowe EEG w domenie czasu.
Rys. 9B – Widmo mocy po FFT (domena częstotliwości).
3.6. Moc pasma
Moc pasma częstotliwości (np. pasma alfa) uzyskana z transformacji Fouriera mówi nam, jak dużo jest danego pasma częstotliwości. Jednostkami mocy pasma są zazwyczaj µV2/Hz. Najczęściej amplituda lub widma mocy z FFT są przedstawiane w logarytmicznej jednostce decybeli (dB). Decybel to jednostka stosunku między mierzoną mocą (P) a mocą odniesienia (Pr) w następujący sposób:
Po uzyskaniu tej jednostki miary dla interesujących zdarzeń, można porównywać moce pasm w celu zrozumienia efektów eksperymentalnych na fale mózgowe.
4. Od teorii do praktyki
Następnie przyjrzymy się efektowi tłumienia fal alfa.
Jest to zjawisko opisane po raz pierwszy przez Hansa Bergera, w którym obserwujemy znaczny spadek ilości oscylacji alfa (mocy alfa), gdy dana osoba ma otwarte oczy, w porównaniu do sytuacji, gdy ma je zamknięte.
Rys. 10 – Wzrost oscylacji alfa można zaobserwować, gdy oczy są zamknięte.
Najpierw za pomocą EmotivPRO Builder stworzyliśmy prosty eksperyment. W tym eksperymencie uczestnik proszony jest o utrzymanie otwartych oczu przez 2 minuty, skupiając się na ekranie, a następnie o ich zamknięcie na kolejne 2 minuty. Na koniec tych 2 minut usłyszy dzwonek sygnalizujący otwarcie oczu.
Możesz postępować zgodnie z poniższym filmem, aby stworzyć własny eksperyment tłumienia fal alfa, lub uruchomić nasz eksperyment z linku tutaj:
4.1. Dopasowanie urządzenia i jakość sygnału EEG
Przeczytaj więcej o działaniu naszego wskaźnika jakości sygnału (EQ) tutaj. Więcej informacji o dopasowaniu urządzenia specyficznego dla Twojego zestawu znajdziesz tutaj:
Typ EPOC
Typ Insight
4.2. Przetwarzanie i transformacja danych EEG
Teraz, gdy masz już swoje dane, możesz przenieść je do domeny częstotliwości za pomocą programu Emotiv Analyzer. Postępuj zgodnie z krokami w filmie.
4.3. Interpretacja danych
Po zakończeniu pracy w Analyzer pobierz plik zip. Dla każdego rekordu otrzymasz plik csv z mocami pasm oraz plik graficzny, które możesz wykorzystać do samodzielnej analizy statystycznej.
Rys. 11 – Moce pasm.
W naszych wynikach widzimy wzrost mocy pasma Alfa przy zamkniętych oczach (kolor pomarańczowy) w porównaniu do oczu otwartych (kolor niebieski).
To już koniec naszego samouczka! Jesteś teraz wyposażony w podstawową wiedzę 🙂
W sekcji zasobów znajdziesz linki do bardziej zaawansowanych materiałów.
5. Zasoby
ZAAWANSOWANE MATERIAŁY
Donoghue i in. 2022 Rozważania metodologiczne dotyczące badania oscylacji neuronowych
SŁOWNIK TERMINOLOGII EEG
Kane i in. 2017 (tutaj)
OTWARTY KOD ŹRÓDŁOWY
Jeśli czujesz się swobodnie w programowaniu w języku Python, udostępniliśmy skrypty Python, których możesz użyć do pobrania wartości mocy alfa z podziałem na segmenty z otwartymi i zamkniętymi oczami. Kod i przykładowe pliki danych dotyczące tłumienia fal alfa znajdziesz tutaj: https://osf.io/9bvgh/
INSTRUKCJE Emotiv
Instrukcja EmotivPRO Builder
Instrukcja EmotivPRO
Instrukcja EmotivPRO Analyzer
7. Bibliografia
Donoghue, T., Schaworonkow, N. i Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), s.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. i 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, s.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. W: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Wprowadzenie
Witaj! W tym samouczku dowiemy się czegoś o falach mózgowych i o tym, jak możemy ich użyć do zrozumienia mózgu i zachowania.
Hans Berger ukuł termin elektroencefalogram w 1929 roku, kiedy opisał zmiany w potencjałach elektrycznych rejestrowanych za pomocą czujników umieszczonych na głowie człowieka. Zidentyfikował dwa rodzaje fal mózgowych, które nazwał falami alfa i beta tylko ze względu na kolejność, w jakiej je zarejestrował. Fale te były rejestrowane u innych ssaków, ale Berger opisał je u ludzi po raz pierwszy!
Od tego czasu metoda elektroencefalografii stała się kluczowym narzędziem w neuronauce i pomogła rozwinąć nasze zrozumienie fal mózgowych (które badacze nazywają oscylacjami neuronowymi) oraz pomogła scharakteryzować stany w mózgu, takie jak zmęczenie i czuwanie.
W tym krótkim samouczku omówimy następujące zagadnienia:
Czym są oscylacje neuronowe?
Jak możemy mierzyć oscylacje neuronowe?
Co możemy zrobić z oscylacjami neuronowymi?
Praktyczne zastosowanie przy użyciu urządzeń i oprogramowania Emotiv.
2. Co to jest EEG?
Elektroencefalografia (EEG) to nieinwazyjna i pasywna metoda pomiaru aktywności elektrycznej naszego mózgu. Elektrody/czujniki/kanały są umieszczane na skórze głowy w celu rejestrowania aktywności elektrycznej generowanej przez populacje komórek mózgowych zwanych neuronami.
Rys. 1 – Neurony wytwarzają aktywność elektryczną, którą można wykryć za pomocą urządzenia EEG [Siuly, et al. (2016)].
2.1. Systemy EEG
Na rynku istnieje wiele urządzeń EEG, które można wykorzystać do rejestracji badania EEG. Urządzenia te mogą posiadać:
Pojedynczy czujnik lub do 256 elektrod – większa liczba elektrod zapewni wyższą rozdzielczość przestrzenną informacji na skórze głowy.
Mokre lub suche elektrody – elektrody mokre wykorzystują żel elektrolityczny lub roztwór soli fizjologicznej do poprawy przewodnictwa między skórą głowy a czujnikiem. Elektrody suche mogą być wykonane z metalu lub przewodzących polimerów, które wymagają bezpośredniego kontaktu ze skórą głowy.
Elektrody aktywne lub pasywne – pasywne systemy elektrod po prostu przewodzą sygnał do urządzenia, w którym jest on wzmacniany. Aktywne systemy elektrod wzmacniają sygnał na każdej elektrodzie, zanim dotrze on do urządzenia w celu wzmocnienia. Zmniejsza to zakłócenia elektryczne z otoczenia w sygnale.
Urządzenia przewodowe lub bezprzewodowe przesyłające dane przez Bluetooth.
Rys. 2 – Bezprzewodowy system EEG o niskiej gęstości elektrod.
Rys. 3 – Przewodowy system EEG o wysokiej gęstości elektrod.
2.2. Kiedy stosować EEG?
Każda metoda neuroobrazowania może pomóc w odpowiedzi na inne pytania badawcze.
Największą zaletą EEG jest to, że może mierzyć aktywność neuronową w skali milisekund, pozwalając na pomiar procesów przedświadomych.
Rys. 4 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Najlepiej sprawdza się przy pytaniach typu „na które części mojego wideo uczestnicy zwrócili największą uwagę?”.
EEG rejestruje aktywność głównie z zewnętrznych warstw mózgu (tj. ma niską rozdzielczość przestrzenną). Za pomocą jednego czujnika niemożliwe jest zidentyfikowanie źródła aktywności. Rejestracja przy użyciu dużej liczby kanałów pozwala na matematyczną rekonstrukcję źródła, ale wciąż ma ograniczenia w identyfikacji źródeł głębokich. Funkcjonalny rezonans magnetyczny (fMRI) jest lepiej przystosowany do odpowiadania na pytania takie jak „Która część mózgu jest związana ze zmianami uwagi?”
2.3. Od czujnika do surowego zapisu EEG
Po założeniu urządzenia EEG na głowę, aktywność mózgu jest mierzona na pojedynczym czujniku jako różnica amplitudy między tym czujnikiem a czujnikiem referencyjnym. W większości systemów EEG nazywa się to elektrodą CMS (common mode sense). Dodatkowy czujnik, DRL (driven right leg), pomaga zredukować wszelkie zakłócenia na elektrodzie CMS.
Rys. 5 – Uproszczony schemat blokowy transmisji sygnału EEG.
W systemach z elektrodami aktywnymi i pasywnymi sygnał jest następnie wzmacniany i filtrowany dolnoprzepustowo. Filtrowanie dolnoprzepustowe to etap, który usuwa potencjalne zakłócenia elektryczne z otoczenia w sygnale, np. z sieci zasilającej.
Kroki te odbywają się w samym sprzęcie, zanim surowy sygnał EEG będzie można zobaczyć na ekranie komputera.
2.4. Podstawowa terminologia
Standardowa konwencja nazewnictwa 10-20
Czujniki po lewej stronie są zazwyczaj nieparzyste, a te po prawej parzyste.
Uwaga 1: są to jedynie konwencje nazewnictwa, a lokacja czujnika EEG nie jest wprost wskaźnikiem źródła aktywności.
Uwaga 2: do określenia źródła aktywności na jednym kanale wymagane są dodatkowe kroki, takie jak matematyczna rekonstrukcja źródła.
3. Czym są oscylacje neuronowe?
Fale mózgowe, często nazywane oscylacjami neuronowymi, to rytmiczne wzorce wytwarzane przez pojedyncze neurony lub ich grupy.
Nie jest jeszcze jasne, dlaczego mózg generuje te różne rodzaje oscylacji, choć istnieje wiele teorii. Badacze wykorzystują różne zadania w celu scharakteryzowania tych aktywności oscylacyjnych, dążąc do zrozumienia tajemnic mózgu za pomocą owych rytmicznych wzorców.
3.1. Niektóre właściwości oscylacji
Ten rysunek przedstawia pomiar regularnego sygnału elektrycznego:
Rys. 6 – Rozdzielczość przestrzenna i czasowa różnych narzędzi neuroobrazowania.
Po lewej stronie (oś y) możemy wykreślić amplitudę rejestracji elektrycznej, a na osi poziomej (oś x) – czas. Amplituda sygnału będzie się regularnie zmieniać wokół punktu środkowego. Jeden cykl nazywany jest również oscylacją.
Liczba cykli na sekundę nazywana jest częstotliwością fali, a jej jednostką jest herc (Hz). Zatem 1 cykl na sekundę = 1 Hz. Amplitudy są zazwyczaj mierzone w mikrowoltach (µV).
W mózgu obserwujemy fale o częstotliwościach od 0,2 Hz (bardzo wolne fale) do 80 Hz lub więcej (bardzo szybkie fale). W mózgu można również zarejestrować aktywność o wysokiej częstotliwości do 500 Hz, która wiąże się z napadami padaczkowymi.
Różne rodzaje oscylacji mózgowych charakteryzuje się na podstawie ich częstotliwości. Są one znane jako pasma częstotliwości i mogą mieć związek z różnymi stanami mózgu:
Rys. 7 – Fale mózgowe w typowym badaniu EEG.
3.2. Dlaczego różne pasma częstotliwości są ważne?
Identyfikacja prawidłowych i nieprawidłowych wzorców aktywności mózgu
Oscylacje neuronowe są ważne w neurologii do wykrywania napadów padaczkowych i diagnozowania epilepsji.Interfejsy mózg-komputer (BCI)
Ilość oscylacji beta, gamma i mu jest często wykorzystywana do trenowania urządzeń zewnętrznych (np. do poruszania wózkiem inwalidzkim za pomocą myśli).Neurofeedback
Jest to forma treningu mózgu, podczas której możesz obserwować swoje fale mózgowe (np. oscylacje gamma) i wykonywać zadania poznawcze w celu zwiększenia ilości oscylacji gamma w swoim mózgu.Neuromarketing
Pasma częstotliwości alfa i beta mogą służyć do określania, która część reklamy jest bardziej lub mniej angażująca.
3.3. Rodzaje analizy danych EEG
Najczęściej badacze przeprowadzają analizę w domenie czasu lub domenie częstotliwości.
Analiza w domenie czasu
Zwykle mierzy amplitudę napięcia w interesujących punktach czasowych po wystąpieniu bodźca. Są one nazywane potencjałami wywołanymi (ERP).
Analiza w domenie częstotliwości
Zwykle mierzy ilość oscylacji neuronowych w różnych pasmach częstotliwości w określonym oknie czasowym lub w powiązaniu z początkiem jakiegoś zdarzenia.
Następnie przedstawiamy przegląd analizy w domenie częstotliwości.
3.4. Przetwarzanie
Po wykonaniu rejestracji EEG, zazwyczaj oczyszcza się dane przed analizą oscylacji.
Filtrowanie
Technika usuwania szumów środowiskowych o wysokiej i niskiej częstotliwości z danych.Usuwanie artefaktów
Ruchy fizyczne, mrugnięcia oczami mogą powodować duże artefakty (piki > 50 µV w EEG). Można je usunąć, aby nie wpływały na nasze wyniki. Niektórzy badacze stosują zaawansowane metody korekcji tych artefaktów w celu zachowania danych.
Po przetworzeniu danych sygnał można przekonwertować na domenę częstotliwości, aby określić ilość każdego rodzaju fal mózgowych.
Rys. 8 – Artefakt mrugnięcia okiem w surowym EEG.
3.5. Szybka transformacja Fouriera (FFT)
Transformacja Fouriera to matematyczna konwersja sygnału EEG z „domeny czasu” (obraz A) na „domenę częstotliwości” (obraz B).
W domenie częstotliwości możemy określić ilość poszczególnych rodzajów oscylacji w naszym zapisie. Zazwyczaj jest to „moc” pasma częstotliwości i może być wyświetlana jako widmo mocy (Obraz B).
Rys. 9A – Surowe EEG w domenie czasu.
Rys. 9B – Widmo mocy po FFT (domena częstotliwości).
3.6. Moc pasma
Moc pasma częstotliwości (np. pasma alfa) uzyskana z transformacji Fouriera mówi nam, jak dużo jest danego pasma częstotliwości. Jednostkami mocy pasma są zazwyczaj µV2/Hz. Najczęściej amplituda lub widma mocy z FFT są przedstawiane w logarytmicznej jednostce decybeli (dB). Decybel to jednostka stosunku między mierzoną mocą (P) a mocą odniesienia (Pr) w następujący sposób:
Po uzyskaniu tej jednostki miary dla interesujących zdarzeń, można porównywać moce pasm w celu zrozumienia efektów eksperymentalnych na fale mózgowe.
4. Od teorii do praktyki
Następnie przyjrzymy się efektowi tłumienia fal alfa.
Jest to zjawisko opisane po raz pierwszy przez Hansa Bergera, w którym obserwujemy znaczny spadek ilości oscylacji alfa (mocy alfa), gdy dana osoba ma otwarte oczy, w porównaniu do sytuacji, gdy ma je zamknięte.
Rys. 10 – Wzrost oscylacji alfa można zaobserwować, gdy oczy są zamknięte.
Najpierw za pomocą EmotivPRO Builder stworzyliśmy prosty eksperyment. W tym eksperymencie uczestnik proszony jest o utrzymanie otwartych oczu przez 2 minuty, skupiając się na ekranie, a następnie o ich zamknięcie na kolejne 2 minuty. Na koniec tych 2 minut usłyszy dzwonek sygnalizujący otwarcie oczu.
Możesz postępować zgodnie z poniższym filmem, aby stworzyć własny eksperyment tłumienia fal alfa, lub uruchomić nasz eksperyment z linku tutaj:
4.1. Dopasowanie urządzenia i jakość sygnału EEG
Przeczytaj więcej o działaniu naszego wskaźnika jakości sygnału (EQ) tutaj. Więcej informacji o dopasowaniu urządzenia specyficznego dla Twojego zestawu znajdziesz tutaj:
Typ EPOC
Typ Insight
4.2. Przetwarzanie i transformacja danych EEG
Teraz, gdy masz już swoje dane, możesz przenieść je do domeny częstotliwości za pomocą programu Emotiv Analyzer. Postępuj zgodnie z krokami w filmie.
4.3. Interpretacja danych
Po zakończeniu pracy w Analyzer pobierz plik zip. Dla każdego rekordu otrzymasz plik csv z mocami pasm oraz plik graficzny, które możesz wykorzystać do samodzielnej analizy statystycznej.
Rys. 11 – Moce pasm.
W naszych wynikach widzimy wzrost mocy pasma Alfa przy zamkniętych oczach (kolor pomarańczowy) w porównaniu do oczu otwartych (kolor niebieski).
To już koniec naszego samouczka! Jesteś teraz wyposażony w podstawową wiedzę 🙂
W sekcji zasobów znajdziesz linki do bardziej zaawansowanych materiałów.
5. Zasoby
ZAAWANSOWANE MATERIAŁY
Donoghue i in. 2022 Rozważania metodologiczne dotyczące badania oscylacji neuronowych
SŁOWNIK TERMINOLOGII EEG
Kane i in. 2017 (tutaj)
OTWARTY KOD ŹRÓDŁOWY
Jeśli czujesz się swobodnie w programowaniu w języku Python, udostępniliśmy skrypty Python, których możesz użyć do pobrania wartości mocy alfa z podziałem na segmenty z otwartymi i zamkniętymi oczami. Kod i przykładowe pliki danych dotyczące tłumienia fal alfa znajdziesz tutaj: https://osf.io/9bvgh/
INSTRUKCJE Emotiv
Instrukcja EmotivPRO Builder
Instrukcja EmotivPRO
Instrukcja EmotivPRO Analyzer
7. Bibliografia
Donoghue, T., Schaworonkow, N. i Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), s.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. i 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, s.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. W: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
Kontynuuj czytanie