Wyszukaj inne tematy…

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Dane EEG stanowią niezwykle czuły na czas zapis aktywności elektrycznej mierzonej na powierzchni skóry głowy. Ich wartość zależy nie tylko od samego zapisu, ale również od starannego pozyskiwania danych, przejrzystego przetwarzania, odpowiedniego przechowywania i odpowiedzialnej interpretacji.

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Czym są dane EEG?

Dane EEG to cyfrowy zapis różnic napięć mierzonych przez elektrody umieszczone na skórze głowy lub w jej pobliżu. Elektroencefalografia jest metodą nieinwazyjną i oferuje wysoką rozdzielczość czasową, co pozwala badaczom i klinicystom analizować zmiany w aktywności mózgu w skali milisekund. Uzyskany sygnał jest zazwyczaj zapisywany jako jeden lub więcej ciągłych szeregów czasowych, przy czym każdy kanał reprezentuje pomiar względem punktu odniesienia (referencji).

Sygnał odzwierciedla mieszaninę różnych źródeł. W zapisie uczestniczy aktywność neuronalna, ale w przebiegu mogą pojawić się również artefakty, takie jak ruchy gałek ocznych, skurcze mięśni, przemieszczanie się elektrod, zakłócenia środowiskowe czy zmiany jakości kontaktu.

Z tego powodu dane EEG nie są bezpośrednim odczytem pojedynczego procesu mózgowego. Są obserwacją, która wymaga kontekstu, kontroli jakości oraz jednoznacznej metody analitycznej.

Liczba kanałów, częstotliwość próbkowania, referencja, lokalizacje elektrod, znaczniki zdarzeń i informacje o uczestniku – wszystko to wpływa na sposób interpretacji danych. W praktyce zapis niesie najwięcej informacji wtedy, gdy sygnał jest rozpatrywany łącznie z zadaniem, stanem badanego, czasem trwania oraz warunkami, w jakich został zebrany.

Jak komórki mózgowe generują sygnał EEG

Wychylenia napięcia wykrywane przez elektrodę EEG nie pochodzą z gwałtownych potencjałów czynnościowych typu „wszystko albo nic”, którymi neurony posługują się do komunikacji na duże odległości, lecz z wolniejszych, stopniowanych potencjałów postsynaptycznych, które rozchodzą się wzdłuż dendrytów komórek piramidowych kory mózgowej.

Kiedy tysiące takich neuronów aktywują się w przybliżonej synchronii, ich drobne prądy zewnątrzkomórkowe sumują się poprzez przewodzące środowisko mózgu, płynu mózgowo-rdzeniowego, czaszki i skóry głowy – w procesie zwanym przewodzeniem objętościowym. Napięcie, które ostatecznie dociera do czujnika rejestrującego, jest rozmytym, ale rzeczywistym odzwierciedleniem tej wielkoskalowej synchronii neuronalnej.

Jak działa akwizycja danych EEG

Podczas akwizycji elektrody wykrywają niewielkie wahania napięcia, a system rejestrujący przekształca je w próbki cyfrowe. System zazwyczaj rejestruje wiele kanałów jednocześnie, podczas gdy referencja i uziemienie zapewniają kontekst elektryczny niezbędny do obliczenia wartości poszczególnych kanałów. Częstotliwość próbkowania decyduje o tym, jak często sygnał jest mierzony, a co za tym idzie – które zmiany mogą zostać wiernie odtworzone.

Przed rozpoczęciem rejestracji technicy lub badacze rozmieszczają elektrody zgodnie ze zdefiniowanym układem (montażem) i sprawdzają jakość kontaktu. Standardowy system rozmieszczenia elektrod EEG opisuje ustandaryzowane podejście, które ułatwia porównywanie wyników między sesjami i laboratoriami. W momencie pojawienia się bodźca, reakcji uczestnika lub wystąpienia zdarzenia klinicznego można dodać znaczniki zdarzeń, tworząc oś czasu, którą można później zsynchronizować z zarejestrowanymi sygnałami.

Na przebieg akwizycji wpływa także protokół badawczy. Zapisy w stanie spoczynku, badania snu, zadania poznawcze i monitorowanie napadów padaczkowych wymagają różnego czasu trwania, odmiennych instrukcji i dodatkowych czujników. Kompletny zbiór danych zawiera zatem więcej niż same przebiegi napięcia: może obejmować etykiety kanałów, pozycje elektrod, ustawienia urządzenia, kody zdarzeń, adnotacje oraz rejestr przerw lub nietypowych warunków.

Dobre praktyki zbierania danych EEG

Właściwe zbieranie danych rozpoczyna się od opracowania protokołu, który definiuje pytanie badawcze, czas trwania zapisu, konfigurację kanałów, częstotliwość próbkowania, referencję oraz procedurę oznaczania zdarzeń jeszcze przed przystąpieniem do badania uczestników. Konsekwencja ogranicza niepożądaną zmienność między sesjami i sprawia, że późniejsze porównania są bardziej wiarygodne. Protokół powinien również określać postępowanie w przypadku zaszumienia kanału, poruszenia się uczestnika lub pominięcia znacznika zdarzenia.

Kluczowe znaczenie ma także przygotowanie fizyczne, ponieważ jakość sygnału może ulec pogorszeniu w wyniku zwykłego ruchu czy słabego kontaktu elektrod. Z tego względu operatorzy rutynowo kontrolują impedancję lub równoważne wskaźniki jakości kontaktu, jasno objaśniają zadanie i odnotowują istotne zmiany w stanie uczestnika. Działania te nie eliminują każdego artefaktu, ale ułatwiają identyfikację jego źródła i zapobiegają myleniu możliwych do uniknięcia problemów z wynikami o charakterze neuronalnym.

Krótka lista kontrolna pozwala zachować kontrolę nad szczegółami operacyjnymi, nie zastępując przy tym naukowej oceny sytuacji:

  • Potwierdź etykiety kanałów, lokalizacje elektrod, referencję i uziemienie.

  • Zapisz parametry próbkowania, ustawienia filtrów i konfigurację urządzenia.

  • Konsekwentnie oznaczaj bodźce, reakcje, przerwy i zdarzenia istotne klinicznie.

  • Dokumentuj przerwy w badaniu, ruchy, zmiany elektrod i nietypowe stany uczestnika.

Po zakończeniu rejestracji listę kontrolną należy zestawić z inspekcją surowego zapisu i powiązanych metadanych. Przejrzysta dokumentacja akwizycji pozwala analitykom odróżnić rzeczywistą cechę sygnału od zmian wywołanych przez sprzęt, konfigurację lub odstępstwa od protokołu.

Elektrody mokre a suche oraz jakość kontaktu ze skórą

Każde badanie EEG rozpoczyna się od przyłożenia fizycznego czujnika do skóry, a czujniki te dzielą się na dwie główne grupy.

Elektrody mokre wykorzystują przewodzący żel lub pastę, aby połączyć metal ze skórą głowy i obniżyć impedancję. Elektrody suche eliminują konieczność stosowania żelu, opierając się na zaawansowanych materiałach i wbudowanym przedwzmacnianiu w celu zachowania wierności sygnału.

Część elektrod to elektrody aktywne, co oznacza, że zawierają układy dopasowujące impedancję bezpośrednio w miejscu rejestracji; elektrody pasywne są pozbawione tej wbudowanej elektroniki. Niezależnie od typu jakość połączenia między elektrodą a skórą głowy determinuje, jak duża część sygnału biologicznego przetrwa, zanim w ogóle dotrze do wzmacniacza.

Słaby kontakt sprzyja powstawaniu szumów środowiskowych i artefaktów ruchowych, które mogą zagłuszyć słabą aktywność mózgu. Winkler i in. zwrócili bezpośrednią uwagę na to wyzwanie, podejmując uniwersalny problem artefaktowych składowych źródłowych poprzez stworzenie niezależnego od badanych klasyfikatora składowych analizy składowych niezależnych (ICA).

Już sam fakt podjęcia takich prac podkreśla, że zanieczyszczenie artefaktami jest stałym problemem w badaniach EEG, a prawidłowe nałożenie elektrod na samym początku – oczyszczenie skóry, prawidłowe umieszczenie czujnika i weryfikacja stabilnego połączenia – stanowi pierwszy, najbardziej bezpośredni krok ku ograniczeniu liczby artefaktów, z którymi trzeba będzie sobie radzić na późniejszych etapach przetwarzania.

Projektowanie montażu i standardowy system 10–20

Ponieważ potencjały rejestrowane na skórze głowy nie mają przypisanej z natury lokalizacji przestrzennej, w dziedzinie tej dawno temu przyjęto siatkę współrzędnych. Międzynarodowy system 10–20 określa pozycje elektrod proporcjonalnie między czterema punktami anatomicznymi: nasion (nasada nosa), inion (guzowatość potyliczna zewnętrzna z tyłu głowy) oraz lewym i prawym punktem przedusznym, znajdującymi się tuż przed uszami. Dzięki tej standaryzacji kanał oznaczony jako „Cz” odnosi się do tej samej centralnej lokalizacji na wierzchołku głowy w każdym laboratorium, co sprawia, że zbiory danych stają się bezpośrednio porównywalne.

Montaż, definiowany jako określenie sposobu pomiaru napięcia każdej elektrody względem punktu odniesienia oraz sposobu wyświetlania lub zapisywania tych odprowadzeń dwubiegunowych lub referencyjnych, opiera się na tym fizycznym rozmieszczeniu. Badanie Arnauda Delorme'a doskonale ilustruje, dlaczego dokładne informacje o montażu są tak ważne na dalszych etapach: wykazano w nim, że interpolacja złych kanałów – jeden z nielicznych etapów wstępnego przetwarzania, który konsekwentnie poprawiał moc statystyczną potencjałów wywołanych – zależy od znajomości dokładnego przestrzennego sąsiedztwa każdej z elektrod. Bez poprawnej mapy kanałów interpolacja taka nie może funkcjonować niezawodnie.

Autor dodaje następnie, że klasyfikator artefaktów został zaprojektowany tak, aby działać poprawnie na danych o różnych konfiguracjach kanałów, co potwierdza, że przestrzenne cechy klasyfikatora zakładają dobrze udokumentowany układ. Ustandaryzowany, rzetelnie odnotowany montaż staje się zatem niewidocznym fundamentem, który wspiera zarówno interpretację ekspercką, jak i ponowne wykorzystanie danych przez algorytmy.

Wybór i dokumentowanie referencji podczas zapisu (online)

Każdy wzmacniacz EEG rejestruje różnicę napięć między dwoma punktami. Podczas rejestracji w czasie rzeczywistym jednym z tych punktów jest fizyczna elektroda referencyjna, którą sprzęt traktuje jako stałą linię bazową.

Częstymi wyborami są: czubek głowy (Cz), połączone płatki uszu lub wyrostki sutkowate, bądź średnia ze wszystkich kanałów na skórze głowy. Ponieważ plik z surowymi danymi zapisuje napięcia względem tej pierwotnej referencji, jej wybór trwale wpływa na wartości liczbowe – nawet jeśli badacz później matematycznie przeliczy sygnał względem innego wspólnego punktu (tzw. re-referencja).

We wspomnianym badaniu Delorme'a, w którym przetestowano zautomatyzowane ścieżki wstępnego przetwarzania na trzech publicznych zbiorach danych EEG, wykazano, że wybór referencji oraz zaawansowane metody usuwania linii bazowej znacząco pogarszały wyniki, zmniejszając odsetek kanałów wykazujących istotny efekt eksperymentalny.

Wniosek ten nie oznacza, że zmiana referencji jest zakazana, lecz wskazuje, że pierwotna referencja użyta podczas rejestracji musi zostać odnotowana w nagłówku pliku. Tylko dzięki tej informacji analityk pracujący z danymi w przyszłości będzie w stanie zrozumieć, jaka linia bazowa została pierwotnie odjęta, i ocenić, czy jakakolwiek późniejsza transformacja nie zniekształci autentycznej odpowiedzi mózgu.

Konwersja analogowo-cyfrowa i częstotliwość próbkowania

Ciągłe napięcie płynące z każdej elektrody jest przekształcane w ciąg dyskretnych liczb za pomocą przetwornika analogowo-cyfrowego (ADC). Częstotliwość, z jaką przetwornik ADC dokonuje próbkowania, wyznacza rozdzielczość czasową powstałego szeregu czasowego.

Na przykład częstotliwość próbkowania 500 Hz oznacza, że stan elektryczny mózgu jest rejestrowany raz na 2 milisekundy. Zgodnie z twierdzeniem Nyquista najwyższa częstotliwość, która może być wiernie odwzorowana w sygnale cyfrowym, jest mniejsza niż połowa częstotliwości próbkowania, zatem zapis o parametrze 500 Hz pozwala na odtworzenie częstotliwości sięgających nieco poniżej 250 Hz. Badawcze systemy EEG pracują zazwyczaj w zakresie od 250 Hz do 1000 Hz, w zależności od analizowanych pasm częstotliwości.

To, co czyni częstotliwość próbkowania szczególnie ważną składową metadanych, to fakt, że dyskretnie narzuca ona ograniczenia na decyzje analityczne podejmowane na znacznie późniejszych etapach. Fraschini i in. zbadali dokładnie ten efekt domina, sprawdzając, jak długość epoki – okna czasowego wyodrębnionego do analizy łączności – wpływa na wyniki.

Wykorzystując spoczynkowe EEG zdrowych dorosłych, badanie wykazało, że wartości średniego indeksu opóźnienia fazowego (phase-lag index) oraz korelacji obwiedni amplitudowych malały wraz z wydłużaniem epok, stabilizując się dopiero po odpowiednio około 12 i 6 sekundach. Nawet topologia sieci rekonstruowanych na podstawie teorii grafów zmieniała się wraz z czasem trwania epoki, chociaż parametry minimalnego drzewa rozpinającego na poziomie źródeł okazały się bardziej odporne.

Kluczowy wniosek dla dokumentacji surowych danych jest taki, że liczba próbek na sekundę wyznacza bezwzględną granicę tego, jak drobno można dzielić czas. Jeżeli częstotliwość próbkowania zostanie nieprawidłowo odnotowana, każdy kolejny znacznik zdarzenia, granica epoki i oszacowanie łączności odziedziczą ten błąd. Dlatego też odnotowanie dokładnej częstotliwości ADC w nagłówku pliku jest absolutnie niezbędnym elementem rzetelnego opisu danych.

Standardowe formaty przechowywania danych: EDF i BrainVision

Po zdigitalizowaniu szereg czasowy wraz z towarzyszącymi mu metadanymi musi zostać zapisany w formacie, który inne oprogramowanie i inne laboratoria mogą otworzyć w sposób jednoznaczny.

W tej dziedzinie dominują dwa otwarte formaty. European Data Format (EDF) to kompaktowy, powszechnie stosowany format kontenerowy, popularny w badaniach nad snem i w warunkach klinicznych, który przechowuje dane z wielu kanałów wraz z nagłówkiem określającym częstotliwość próbkowania, etykiety kanałów oraz wymiary fizyczne.

BrainVision, format opracowany przez firmę Brain Products, rozdziela te same informacje na trzy powiązane ze sobą pliki: nagłówek tekstowy (.vhdr), który zawiera listę nazw kanałów, częstotliwość próbkowania i pierwotną referencję; plik znaczników (.vmrk), rejestrujący kody zdarzeń i ich latencje; oraz binarny plik danych (.eeg), który zawiera surowe próbki napięć.

Wartość tych ustandaryzowanych formatów uwidacznia się w pełni przy publicznym udostępnianiu dużych zbiorów danych. Na przykład w badaniu z 2019 r. naukowcy udostępnili wieloparadygmatowy zbiór danych interfejsu mózg–komputer (BCI), obejmujący wyobrażenia ruchowe, potencjały wywołane zdarzeniami oraz wzrokowe potencjały wywołane stanem ustalonym od 54 uczestników. Udostępnienie takich zasobów wraz ze skryptami analitycznymi open-source byłoby bezcelowe, gdyby dane były zablokowane w zastrzeżonym, zamkniętym formacie.

Niezależnie od tego, czy pliki są ostatecznie archiwizowane w formacie EDF, czy BrainVision, wybór ten gwarantuje, że każdy badacz może pobrać zapis i zreplikować wyniki, włączając surowy przebieg do ogólnodostępnego łańcucha powtarzalności badań naukowych.

Cecha

EDF

BrainVision

Struktura plików

Pojedynczy kontener

Trzy powiązane pliki

Informacje w nagłówku

Wewnątrz pliku

Plik tekstowy .vhdr

Znaczniki zdarzeń

Brak osobnego pliku

Plik .vmrk

Surowe dane

W tym samym pliku

Plik binarny .eeg

Podstawowe zasady porządkowania: mapy kanałów i metadane próbkowania

Surowy plik EEG staje się przydatny pod względem naukowym tylko wtedy, gdy zawiera kompletny, dokładny opis swojej struktury przestrzennej i czasowej. Oznacza to, że każdy kanał musi posiadać standardową etykietę (np. Fz, C3, O2 itd.) wraz ze swoimi trójwymiarowymi współrzędnymi na skórze głowy. Współrzędne te umożliwiają przeprowadzenie każdej późniejszej analizy uwzględniającej relacje przestrzenne, takiej jak interpolacja uszkodzonego kanału na podstawie jego sąsiadów czy projekcja sygnału na model źródeł korowych.

Wspomniane badanie Fraschiniego i in. opierało się na cechach przestrzennych, widmowych i czasowych w celu klasyfikacji składowych ICA jako pochodzenia mózgowego lub artefaktowego; topografia przestrzenna składowej jest pozbawiona znaczenia bez znajomości fizycznej lokalizacji każdej z elektrod, które na nią wpływają.

Podobnie Delorme stwierdził, że interpolacja złych kanałów, wykorzystująca wartości z sąsiednich elektrod, była jedną z nielicznych korekt, które niezawodnie pozwalały zachować efekty eksperymentalne. Algorytm interpolujący może dokonać takiego przestrzennego oszacowania tylko wtedy, gdy mapa kanałów w zbiorze danych jest poprawna.

Nagłówek pliku musi również zawierać dokładną częstotliwość próbkowania, datę zapisu oraz jednoznaczne etykiety wszelkich kanałów pomocniczych, takich jak elektrookulogram (ruchy gałek ocznych) czy elektromiogram (aktywność mięśni). Nawet jeśli kanały te nie będą wykorzystywane podczas wstępnej eksploracji danych, ich obecność powinna być wyraźnie zaznaczona. Rozbieżność między zapisaną częstotliwością próbkowania a rzeczywistym zegarem przetwornika ADC może nieodwracalnie zaburzyć relacje czasowe, uniemożliwiając późniejszą synchronizację ze znacznikami bodźców.

Dane EEG w zastosowaniach klinicznych a badawczych

Rejestracje kliniczne i naukowe opierają się na tych samych fundamentalnych zasadach, lecz służą różnym celom doraźnym. Kliniczne EEG jest rejestrowane w celu wsparcia oceny, monitorowania lub diagnozy pacjenta zgodnie z ustalonymi procedurami zawodowymi i szpitalnymi. Badawcze EEG jest zazwyczaj zbierane w celu weryfikacji określonej hipotezy, porównania warunków lub opracowania metody analitycznej, przy zastosowaniu protokołów i dokumentacji specyficznych dla danego projektu badawczego.

W pracy klinicznej kładzie się duży nacisk na sprawną ocenę, układy odprowadzeń istotne diagnostycznie, zweryfikowaną interpretację oraz trwały zapis w odpowiednim systemie opieki zdrowotnej. W badaniach naukowych większą wagę przywiązuje się do kontrolowanych warunków, z góry określonych punktów końcowych, powtarzalności oraz przejrzystego raportowania kryteriów wykluczenia. Wynik badania naukowego nie jest automatycznie diagnozą kliniczną, a obserwacja kliniczna nie staje się automatycznie zwalidowaną miarą badawczą.

Rozróżnienie to wpływa również na zarządzanie danymi. Dane kliniczne mogą podlegać przepisom dotyczącym dokumentacji medycznej i bezpośredniej opieki nad pacjentem, podczas gdy naukowe zbiory danych kształtowane są przez treść formularzy świadomej zgody, komisje bioetyczne, plany udostępniania danych i cele badania. W obu środowiskach konieczna jest fachowa interpretacja i staranna dokumentacja, ponieważ wzorce EEG zależą od kontekstu, a nie od wyizolowanych wartości liczbowych.

Prywatność i kwestie etyczne dotyczące danych EEG

Zapisy EEG mogą zostać powiązane z konkretną osobą poprzez identyfikatory, informacje o sesji, kontekst kliniczny lub kombinacje metadanych. Nawet jeśli sam przebieg fali jest trudny do zinterpretowania poza gronem specjalistów, powinien być traktowany jako wrażliwe dane dotyczące osób badanych, ilekroć można go powiązać ze zidentyfikowanym uczestnikiem. Zbieranie i ponowne wykorzystanie danych powinno być zgodne z zatwierdzonym protokołem i obowiązującymi wymogami dotyczącymi ochrony prywatności.

Formularz zgody powinien wyjaśniać cel rejestracji, przewidywane rodzaje analiz, czas przechowywania, ewentualne udostępnianie oraz to, czy dopuszcza się przyszłe wykorzystanie danych. Badacze powinni unikać sugerowania, że badanie EEG może ujawnić więcej, niż przewiduje dany projekt. Jasna komunikacja jest szczególnie istotna, gdy uczestnicy mogą mylnie zakładać, że rejestracja naukowa dostarcza diagnozy lub indywidualnej oceny stanu zdrowia.

Zasady etyczne obowiązują również po zebraniu danych. Deidentyfikacja, kontrolowany dostęp, limity okresu przechowywania, rejestry operacji (ścieżki audytu) i ostrożne udostępnianie metadanych pomagają zmniejszyć ryzyko, ale żadna metoda nie eliminuje go całkowicie. Wyniki należy raportować bez przypisywania im nadmiernego znaczenia predykcyjnego lub diagnostycznego, a zautomatyzowane klasyfikacje powinny być traktowane jako rezultaty analityczne wymagające odpowiedniej walidacji, a nie niepodważalne osądy na temat danego człowieka.

Dlaczego jakość surowego zapisu stanowi fundament wiarygodnej analizy EEG

Pojedyncza sesja EEG to moment, w którym elektryczna architektura mózgu zostaje utrwalona w trwałej formie, a złożoność tego surowego zapisu bezpośrednio odzwierciedla działanie sieci neuronowych ukrytych pod skórą głowy. Przedstawione tu badania z zakresu neuronauki niosą ze sobą spójny przekaz: poszukiwany sygnał tkwi w samych danych surowych – pod warunkiem, że etap akwizycji zostanie przeprowadzony z należytą starannością. Jakość kontaktu elektrod, precyzyjne mapowanie kanałów, udokumentowane referencje i częstotliwości próbkowania oraz otwarte formaty przechowywania decydują o tym, czy sygnał ten pozostanie użyteczny dla innych laboratoriów przez kolejne lata.

Wreszcie, umiar w przetwarzaniu często okazuje się lepszy od agresywnej obróbki – badacze, którzy pozostawili surowe dane w stanie w dużej mierze nienaruszonym, lepiej zachowali autentyczne odpowiedzi mózgowe niż ci, którzy stosowali głębokie korekty. Staranne zbieranie danych, rzetelne metadane i minimalna ingerencja tworzą dyscyplinę, która pozwala zachować integralność sygnału naukowego.

Każda wiarygodna analiza nie zaczyna się więc od wyrafinowanych algorytmów, lecz od prostego aktu zarejestrowania wiernego, dobrze udokumentowanego zapisu.

Zarządzanie artefaktami i poprawa jakości sygnału w danych EEG

Wydajna klasyfikacja artefaktów oparta na sieciach CNN

Zanieczyszczenie artefaktami pozostaje kluczowym wyzwaniem w analizie danych EEG, a ich automatyczna identyfikacja może znacznie usprawnić wstępne przetwarzanie. W jednym z badań zaproponowano architekturę klasyfikacji artefaktów opartej na sieciach CNN, która nie wymaga ręcznego wyodrębniania cech. Naukowcy zaprojektowali pięć modeli splotowych sieci neuronowych i zoptymalizowali je pod kątem wydajności parametrycznej oraz złożoności obliczeniowej.

Ich najlepsza sieć osiągnęła 94,17% dokładności klasyfikacji w grupie 17 uczestników i dziewięciu klasach artefaktów. Podczas testów na osobnym zbiorze danych, zebranych za pomocą 14-kanałowego urządzenia Emotiv Epoc X headset, model wykrywał artefakty mrugania powiekami z dokładnością 93,5%, co wskazuje, że lekkie, dostosowane do urządzeń mobilnych sieci mogą niezawodnie oznaczać powszechne zakłócenia w ciągłych rejestracjach wielokanałowych.

Publiczny zbiór danych EEG z artefaktami ruchowymi

Mobilne systemy EEG są szczególnie podatne na artefakty ruchowe, a otwarte zbiory danych rejestrujące te zakłócenia wciąż należą do rzadkości. Aby wypełnić tę lukę, badacze udostępnili zbiór danych EEG z artefaktami ruchowymi zarejestrowany za pomocą urządzenia Emotiv Epoc X headset oraz oprogramowania EmotivPRO.

Pojedynczy, zdrowy uczestnik wykonywał sekwencję ruchów górnej części ciała, dolnej części ciała oraz całego ciała – w tym mruganie powiekami, potrząsanie głową, mówienie, chodzenie i siadanie – podczas gdy rejestrowano 14 kanałów EEG i sygnały z dziewięciu czujników ruchu. Autorzy udostępniają dane w formatach CSV i MATLAB, tworząc bazę do testowania algorytmów odszumiania w realistycznych warunkach ambulatoryjnych.

Wyodrębnianie wspólnych rytmów z wielokanałowego EEG

Oprócz usuwania artefaktów, poprawa stosunku sygnału do szumu dla wspólnego rytmu mózgowego w wielu kanałach może zwiększyć precyzję późniejszych analiz. W badaniu z wykorzystaniem urządzenia Emotiv Epoc X headset porównano analizę głównych składowych (PCA) z metodą wyodrębniania rytmu zbiorczego opartą na skręceniu Kosambiego-Hilberta (KHT).

Podejście KHT uwzględnia przesunięcia fazowe między kanałami i skupia się na określonym paśmie częstotliwości. W zapisach przy zamkniętych oczach oraz podczas patrzenia na migoczący ekran o częstotliwości 15 Hz metoda KHT zapewniła wyższy stosunek sygnału do szumu dla sygnału zbiorczego niż PCA, szczególnie w warunkach, gdy między kanałami wprowadzono losowe przesunięcia czasowe. Wynik ten wskazuje na wartość metod zsynchronizowanych fazowo w izolowaniu wspólnej aktywności oscylacyjnej w konsumenckich urządzeniach EEG.

Wspólnie badania te ilustrują praktyczne kierunki radzenia sobie z artefaktami i poprawy jakości sygnału w danych EEG. Pokazują, że wydajne modele głębokiego uczenia mogą klasyfikować popularne zakłócenia, dedykowane zbiory danych mogą wspierać rozwój algorytmów dla zapisów zniekształconych ruchem, a przetwarzanie sygnałów uwzględniające fazę może wzmacniać wspólne rytmy. Prace te opierają się na niewielkich próbach i kontrolowanych warunkach, dlatego odnotowane poziomy dokładności i poprawy należy traktować jako obiecujące, ale jeszcze niepozwalające na uogólnienie na wszystkie populacje czy środowiska rejestracji.

Bibliografia

  1. Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30

  2. Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0

  3. Fraschini, M., Demuru, M., Crobe, A., Marrosu, F., Stam, C. J., & Hillebrand, A. (2016). The effect of epoch length on estimated EEG functional connectivity and brain network organisation. Journal of neural engineering, 13(3), 036015.

  4. Lee, M. H., Kwon, O. Y., Kim, Y. J., Kim, H. K., Lee, Y. E., Williamson, J., ... & Lee, S. W. (2019). EEG dataset and OpenBMI toolbox for three BCI paradigms: An investigation into BCI illiteracy. GigaScience, 8(5), giz002. https://doi.org/10.1093/gigascience/giz002

Najczęściej zadawane pytania

Co dokładnie rejestruje badanie EEG i dlaczego uważa się je za odzwierciedlenie aktywności mózgu?

Zapis EEG rejestruje drobne wahania napięcia na skórze głowy, które wynikają ze zsynchronizowanej aktywności dużych grup neuronów korowych. Wahania te pochodzą przede wszystkim ze stopniowanych potencjałów postsynaptycznych w komórkach piramidowych, które sumują się w procesie przewodzenia objętościowego, tworząc rozmyty, lecz rzeczywisty pomiar wielkoskalowej synchronii neuronalnej.

Dlaczego sygnały EEG pochodzą z potencjałów postsynaptycznych, a nie z potencjałów czynnościowych?

Potencjały czynnościowe to krótkotrwałe zdarzenia o charakterze „wszystko albo nic”, które w niewielkim stopniu przekładają się na napięcie mierzone na powierzchni skóry głowy, podczas gdy wolniejsze, stopniowane potencjały postsynaptyczne rozchodzą się po dendrytach i sumują w tysiącach neuronów. Ta sumacja wywołuje mierzalne zmiany napięcia na skórze głowy, sprawiając, że potencjały postsynaptyczne stanowią główne źródło sygnału EEG.

Jaka jest różnica między elektrodami mokrymi a suchymi i jak jakość kontaktu elektrody wpływa na rejestrację?

Elektrody mokre wykorzystują żel przewodzący w celu obniżenia impedancji i poprawy transmisji sygnału, natomiast elektrody suche opierają się na zaawansowanych materiałach i wbudowanym przedwzmacnianiu, aby zachować wierność sygnału bez użycia żelu. Jakość kontaktu na granicy elektroda–skóra ma kluczowe znaczenie, ponieważ słabe przyleganie sprzyja powstawaniu szumów środowiskowych i artefaktów ruchowych, które mogą zagłuszyć delikatny sygnał mózgowy.

W jaki sposób międzynarodowy system 10–20 standaryzuje rozmieszczenie elektrod i dlaczego jest to ważne?

System 10–20 określa pozycje elektrod proporcjonalnie między czterema punktami anatomicznymi – nasion, inion oraz lewym i prawym punktem przedusznym – dzięki czemu oznaczony kanał, np. „Cz”, odpowiada tej samej lokalizacji w każdym laboratorium. Ta standaryzacja zapewnia bezpośrednią porównywalność zbiorów danych i umożliwia precyzyjne analizy przestrzenne, takie jak interpolacja wadliwych kanałów.

Dlaczego odnotowanie elektrody referencyjnej używanej podczas zapisu (online) jest tak istotne?

Plik z surowymi danymi przechowuje wartości napięć względem referencji online, dlatego wybór elektrody odniesienia (np. Cz, połączone uszy czy średnia) trwale wpływa na wartości liczbowe, nawet w przypadku późniejszej zmiany referencji. Bez udokumentowania pierwotnej referencji analityk pracujący z danymi w przyszłości nie będzie w stanie zrozumieć, jaka linia bazowa została odjęta, ani ocenić, czy kolejne przekształcenia nie zniekształcają autentycznych odpowiedzi mózgu.

Jaką rolę odgrywa częstotliwość próbkowania w badaniach EEG i jak stosuje się do niej twierdzenie Nyquista?

Częstotliwość próbkowania określa rozdzielczość czasową zdigitalizowanego sygnału, przy czym zgodnie z twierdzeniem Nyquista najwyższa wiernie odwzorowana częstotliwość jest mniejsza niż połowa częstotliwości próbkowania. Na przykład próbkowanie z częstotliwością 500 Hz pozwala na odtworzenie częstotliwości do poziomu nieco poniżej 250 Hz, a badawcze systemy EEG działają zwykle w przedziale od 250 do 1000 Hz. Prawidłowa częstotliwość próbkowania jest kluczowa, ponieważ warunkuje wszystkie późniejsze analizy zależne od czasu.

Jakie są dwa dominujące otwarte formaty danych w EEG i co jest w nich zapisywane?

European Data Format (EDF) to zwarty kontener, który przechowuje wiele kanałów z nagłówkiem określającym częstotliwość próbkowania, etykiety kanałów oraz wymiary fizyczne. BrainVision rozdziela informacje na trzy powiązane pliki: nagłówek (.vhdr), plik znaczników (.vmrk) i binarny plik danych (.eeg), z których wszystkie zapewniają jednoznaczność przy udostępnianiu danych oraz ich powtarzalność.

Dlaczego kompletna mapa kanałów i współrzędne przestrzenne są niezbędne dla surowego pliku EEG?

Mapa kanałów ze standardowymi etykietami i współrzędnymi 3D umożliwia wykonanie dowolnej analizy przestrzennej, takiej jak interpolacja złych kanałów na podstawie ich sąsiadów czy rzutowanie sygnałów na korowe modele źródeł. Przykładowo klasyfikatory artefaktów opierają się na topografiach przestrzennych, a interpolacja wymaga znajomości dokładnych pozycji elektrod – bez tego tego typu analizy kończą się niepowodzeniem.

Jakie kluczowe metadane muszą zostać zapisane w nagłówku pliku EEG i dlaczego?

Nagłówek musi zawierać dokładną częstotliwość próbkowania, datę rejestracji, etykiety kanałów wraz ze współrzędnymi 3D oraz jednoznaczne oznaczenia kanałów pomocniczych, takich jak EOG czy EMG. Informacje te są fundamentalne, ponieważ błędna częstotliwość próbkowania może nieodwracalnie zaburzyć zależności czasowe, a poprawna mapa kanałów jest warunkiem koniecznym do interpolacji przestrzennej i modelowania źródeł.

Dlaczego EEG jest użyteczne w badaniach naukowych?

EEG zapewnia niezwykle wysoką rozdzielczość czasową, dzięki czemu doskonale nadaje się do badania odpowiedzi wywołanych zdarzeniami, rytmów ciągłych, snu, uwagi, przetwarzania sensorycznego oraz innych zjawisk zależnych od czasu. Jego interpretacja pozostaje ściśle powiązana z planem eksperymentu i jakością sygnału.

Jakie są powszechne artefakty w EEG?

Do częstych artefaktów należą mrugnięcia powiekami, ruchy gałek ocznych, aktywność mięśniowa, przemieszczanie się elektrod, słaby kontakt ze skórą, ruch przewodów oraz zakłócenia sieci elektrycznej. Mogą one wpływać na jeden lub wiele kanałów i nakładać się na pasma częstotliwości istotne z punktu widzenia naukowego.

Czym jest wstępne przetwarzanie (preprocessing) w analizie EEG?

Wstępne przetwarzanie to udokumentowany zestaw operacji służących do przygotowania zapisów do analizy. Może obejmować filtrację, zmianę referencji, obsługę uszkodzonych kanałów, identyfikację artefaktów, podział na epoki, korekcję linii bazowej oraz kontrolę jakości.

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Przyspiesz analizę EEG dzięki szybkiemu wdrożeniu bezprzewodowych matryc o wysokiej gęstości, zoptymalizowanych pod kątem elastycznego użycia w terenie.

Emotiv jest liderem w dziedzinie neurotechnologii, pomagającym rozwijać badania neuronaukowe dzięki dostępnym narzędziom EEG i danym o mózgu.

Zastrzeżenie medyczne: Informacje podane na tej stronie służą wyłącznie celom edukacyjnym i informacyjnym i nie stanowią porady medycznej ani zdrowotnej. Treść ta może zawierać błędy i nie należy na niej polegać przy podejmowaniu kluczowych decyzji dotyczących zdrowia, leczenia lub stylu życia. W przypadku jakichkolwiek pytań dotyczących stanu zdrowia lub leczenia należy zawsze zasięgnąć porady lekarza lub innego wykwalifikowanego pracownika służby zdrowia.

Christian Burgos

Najnowsze od nas

Kompromis w suchych elektrodach EEG: szybkość i wygoda a wierność sygnału

Elektroencefalografia (EEG) od dziesięcioleci stanowi fundament neuronauki, mierząc aktywność elektryczną mózgu za pomocą elektrod umieszczonych na skórze głowy. Tradycyjne „mokre” elektrody wymagają przewodzącego żelu, który wypełnia przestrzeń między skórą a czujnikiem, zmniejszając opór — impedancję — który w przeciwnym razie blokowałby te drobne napięcia. Aplikacja żelu jest jednak kłopotliwa, czasochłonna i często niekomfortowa dla uczestników badania.

W miarę jak badania EEG wychodzą poza laboratorium — trafiając do domów, klinik i warunków ambulatoryjnych — rośnie zapotrzebowanie na szybszy i prostszy interfejs. Elektrody suche, które stykają się bezpośrednio ze skórą bez użycia żelu, obiecują dokładnie to: błyskawiczne przygotowanie do badania i większy komfort.

Jednak ta wygoda niesie za sobą koszt natury fizycznej. Brak żelu skutkuje wyższą impedancją i bardziej zaszumionym sygnałem, stwarzając stały kompromis między praktycznością a wiernością danych. Szereg ostatnich niezależnych badań dokładnie mapuje wymiary tego kompromisu, wyjaśniając, w jakich sytuacjach suche elektrody sprawdzają się znakomicie, a w jakich wciąż pozostają rozwiązaniem drugiego wyboru.

Przeczytaj artykuł

Jak działa domowe badanie EEG w codziennym monitorowaniu pracy mózgu?

Domowe EEG to samodzielnie przeprowadzane rejestracje wykonywane poza jakimkolwiek środowiskiem klinicznym lub laboratoryjnym. Oddaje żel do elektrod, headset i oprogramowanie rejestrujące w ręce nieprzeszkolonego użytkownika, często bez niczego więcej niż aplikacja na smartfona służąca jako wskazówka. Koncepcja ta polega na zapewnieniu możliwości pomiaru pracy mózgu, które wpisują się w codzienne życie, potencjalnie rejestrując architekturę snu, skupienie poznawcze lub wzorce napadów bez logistycznego ciężaru związanego z wizytą w szpitalu.

Przeczytaj artykuł

Urządzenia do neurofeedbacku jako kompletne systemy

Wyobraź sobie grę wideo, w której kontroler jest niewidzialny — sterujesz wyłącznie własnymi falami mózgowymi. Ta koncepcja leży u podstaw neurofeedbacku, techniki, która daje Ci wgląd w aktywność Twojego mózgu w czasie rzeczywistym, a następnie uczy Cię, jak ją zmieniać.

Urządzenie odbiera sygnały generowane przez Twój mózg, najczęściej za pomocą elektroencefalogramu (EEG), który wykrywa wzorce elektryczne na skórze głowy, lub niekiedy czujnika funkcjonalnej spektroskopii w bliskiej podczerwieni (fNIRS), który śledzi przepływ krwi. Te surowe sygnały są przetwarzane i przekształcane w prostą grę, dźwięk lub poruszającą się postać na ekranie. Metodą prób i błędów Twój mózg uczy się wytwarzać wzorce, które sprawiają, że sprzężenie zwrotne podąża w pożądanym przez Ciebie kierunku.

Wiele poradników skupia się na poszczególnych elementach — elektrodach EEG, przewodach, oprogramowaniu — ale urządzenie odnosi sukces tylko wtedy, gdy te części tworzą spójną całość. To wprowadzenie analizuje neurofeedback jako zintegrowany system, w którym przetwarzanie sygnału, projektowanie sprzężenia zwrotnego i codzienna użyteczność łączą się, decydując o tym, czy coś rzeczywiście pomaga.

Przeczytaj artykuł

Opanuj konfigurację EEG: Najlepsze praktyki przed rozpoczęciem badania

To, co odróżnia czytelny, możliwy do zinterpretowania sygnał neuronalny od zapisu zniekształconego przez artefakty mięśniowe lub szum sieci elektrycznej, to nie wyrafinowany algorytm typu post-hoc, lecz systematyczny, chronologiczny proces etapów przygotowawczych. W tym kontekście przygotowanie do badania EEG to nie po prostu nałożenie czepka z elektrodami na głowę badanego. Jest to zdyscyplinowana sekwencja biologicznych, środowiskowych i elektrycznych procedur kalibracyjnych, które wspólnie tworzą stabilny, niskoszumowy interfejs między mózgiem a wzmacniaczem.

W tym artykule omówiono procedurę przygotowawczą przed rejestracją, syntetyzując dostępne dowody, aby wykazać, że dokładny instruktaż uczestnika, przygotowanie skóry głowy, ekranowanie środowiskowe, dobór montażu referencyjnego oraz wstępne monitorowanie artefaktów tworzą nienaruszalny łańcuch zależności.

Przeczytaj artykuł