ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
พื้นฐานของศักย์ไฟฟ้าที่เกี่ยวข้องกับเหตุการณ์
โรชินี รันเดนิยา
แชร์:
1. บทนำ
ยินดีต้อนรับ! ในบทเรียนที่สองนี้ เราจะเรียนรู้เกี่ยวกับวิธีการวัดการตอบสนองของสมองต่อสิ่งกระตุ้น.
เราจะเรียนรู้:
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
ยอดและองค์ประกอบของ ERP คืออะไร?
ขั้นตอนทั่วไปในการได้มาซึ่ง ERP
การประยุกต์ใช้ในทางปฏิบัติด้วยอุปกรณ์และซอฟต์แวร์ Emotiv EPOC
2. เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) หรือที่เรียกว่าสัญญาณตอบสนองที่ปลุกขึ้น, คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งกระตุ้น (เช่น การได้ยินเสียงดัง). โดยเฉพาะ – คือการเปลี่ยนแปลงของแอมพลิจูดแรงดันไฟฟ้าที่เห็นได้ใน EEG อันเป็นผลจากเหตุการณ์ด้านประสาทสัมผัสหรือการรับรู้.
เราสามารถสังเกต 'องค์ประกอบ ERP' ซึ่งเป็นยอดที่คงที่ซึ่งเกิดขึ้นหลังจากการเริ่มต้นของสิ่งกระตุ้น. ERP อาจมีหลายยอดที่เป็นบวกหรือลบ แต่ไม่ใช่องค์ประกอบ ERP ที่ถูกระบุเป็นอย่างดีเช่น N100 หรือ P300.
อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา. บางครั้งคุณจะเห็น – ที่ด้านบนและ + ที่ด้านล่างของแกน โดยเฉพาะใน EEG ทางคลินิก
หมายเหตุ: ERP สามารถแสดงได้จากเหตุการณ์เดี่ยวหรือโดยการเฉลี่ยแอมพลิจูดผ่านการทดลองหลายครั้งของเหตุการณ์นั้น. โดยปกติแล้ว ERPs ที่ราบเรียบกับส่วนประกอบที่ชัดเจน – ตามภาพ – จะได้มาโดยการเฉลี่ยผ่านการทดลองนับร้อย
รูปที่ 1 – องค์ประกอบของ ERP ที่ได้ยินทั่วไป
องค์ประกอบทั่วไปถูกระบุด้วยขั้วของพวกมัน (เช่น บวก (P) หรือลบ (N) และเมื่อพวกมันเกิดขึ้น (เช่น องค์ประกอบลบแรก N1). องค์ประกอบ N1 เดียวกันยังสามารถระบุได้ตามเวลาที่เกิดขึ้น (เช่น 100ms จากการเริ่มต้นของเสียง) – N100
3. ขั้นตอนในการได้มาซึ่ง ERP
ขั้นตอนการทดลอง:
เราออกแบบการทดลองเพื่อให้ได้ ERP ที่เฉพาะเจาะจงที่สนใจ.
ตัวอย่างเช่น เราอาจเก็บข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียง.
เพื่อให้เข้าใจข้อมูล EEG ได้ เราต้องจดเวลาที่ผู้เข้าร่วมได้ยินเสียงใน EEG. สิ่งนี้เรียกว่าเครื่องหมายเหตุการณ์ (เส้นสีแดงในรูปที่ 2).
รูปที่ 2 – เครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ
การจัดเวลาเครื่องหมายเหตุการณ์ให้ตรงกับเวลาเริ่มต้นของเสียงเป็นสิ่งสำคัญสำหรับการมองเห็น ERP! ดังนั้นจึงสำคัญที่จะเลือกฮาร์ดแวร์และซอฟต์แวร์ที่ถูกต้องเพื่อช่วยเราให้ได้มาซึ่งเวลาแสตมป์ที่แม่นยำ.
การเลือกตัวอ้างอิง
อย่าลืมว่ากิจกรรมไฟฟ้ามักจะถูกวัดระหว่างสองจุด. ในอุปกรณ์ EEG ศักย์ไฟฟ้าของเซนเซอร์แต่ละตัวจะถูกวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS).
ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง
รูปที่ 3 – ตัวเลือกอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC
ชุดหูฟังประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:
การอ้างอิง Mastoid – การใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ P3/P4 และปุ่มที่ชุบในโพรงเซนเซอร์บน mastoid.
P3/P4 อ้างอิง – การใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ Mastoid M1/M2 และปุ่มที่ชุบในโพรงเซนเซอร์บน P3/P4
มันเป็นเรื่องปกติที่จะใช้การอ้างอิง Mastoid สำหรับการทดลอง ERP, แต่คุณสามารถใช้การอ้างอิง P3/P4 ได้ตามต้องการ โดยคุณสามารถเปลี่ยนการอ้างอิงข้อมูลออนไลน์ภายหลังเมื่อประมวลผลข้อมูลก่อนการวิเคราะห์. เป็นธรรมดาที่จะเปลี่ยนการอ้างอิงข้อมูลเป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนทำการวิเคราะห์ข้อมูล.
สำหรับการทดลองของเรา เราจะเก็บข้อมูลโดยใช้การอ้างอิง Mastoid. การถือสมมุติฐานที่ดีโดยทั่วไปคือเกี่ยวกับกระบวนการ Mastoid ที่จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่น ๆ บนหัว, จึงเป็นจุดอ้างอิงที่ดี.
การประมวลผลเบื้องต้น:
เราไม่สามารถเห็น ERP ใน EEG ดิบได้ทันทีเพราะมันเป็นผลที่เล็กมาก (~ ±5uV) เมื่อเทียบกับทุกสิ่งที่เกิดขึ้นในและรอบ ๆ สมองของเรา (~ ±40uV)!
ดังนั้น เพื่อที่จะเห็นผลของสมองที่เฉพาะเจาะจงกับเสียงของเรา เราจำเป็นต้องทำความสะอาดข้อมูลของเราเพื่อกำจัดเสียงรบกวนหรือสิ่งแปลกปลอม. จากนั้นเราจะ ‘epoched’ ข้อมูล – ซึ่งเป็นคำใช้สำหรับการตัดข้อมูลสมองเป็นหน้าต่างเวลาที่เรากำหนด (เช่น การตอบสนองของสมองเริ่มต้นจาก 50ms ก่อนเสียงและ 400ms หลังเสียง). แล้วเราจะเฉลี่ยข้อมูล EEG ที่แยก epoched ทั้งหมด (คือ การตอบสนองของสมองต่อเสียงทั้งหมด) เพื่อให้ได้มาซึ่ง ERP ที่ชัดเจน.
ด้านล่างนี้คือขั้นตอนพื้นฐานในท่อกระบวนการ ERP โดยทั่วไป. นักวิจัยจะเลือกขั้นตอนตามข้อมูลและวัตถุประสงค์ของพวกเขา.
รูปที่ 4 – ท่อกระบวนการ ERP ปกติ
4. มาหา ERP ของเราเองกันเถอะ
ก่อนอื่นมาตั้งค่าซอฟแวร์กัน
ดาวน์โหลดเวอร์ชั่นล่าสุดของ PsychoPy – https://www.psychopy.org/ เราจะใช้ PsychoPy เพื่อแสดงเสียงให้กับผู้เข้าร่วม.
ดาวน์โหลด Emotiv Launcher และแอพ EmotivPRO เพื่อบันทึกและดู EEG.
เชื่อมต่อ PsychoPy กับซอฟต์แวร์ Emotiv ของคุณเพื่อการสื่อสารระหว่างกัน.
ทำตามขั้นตอนในวิดีโอ:
สร้างการทดลอง EEG EMOTIV กับ PsychoPy
เราสามารถได้รับ ERP ที่ราบเรียบโดยใช้การทำซ้ำของสิ่งกระตุ้นหลายๆครั้ง (เช่น ภาพหรือเสียง). ที่นี่เราจะนำเสนอเสียงที่มีระยะเวลา 50ms ทุก ๆ 4 วินาที จำนวนเหล่านี้ซ้ำประมาณ ~150 ครั้ง!
ทำตามวิดีโอเพื่อสร้างการทดลองการได้ยินแบบง่าย ๆ ด้วยเสียงเดียว:
มาหาข้อมูลบางอย่างกันเถอะ
เมื่อคุณได้เลือกอ้างอิงแล้ว คุณสามารถรับชมวิดีโอเพื่อเรียนรู้วิธีตั้งค่าหูฟังเพื่อให้ได้คุณภาพ EEG ที่ดีที่สุด:
ท่อกระบวนการ ERP กับ EmotivPRO Analyzer
ชมวิดีโอและทำตามขั้นตอนเพื่อสร้าง ERP ของคุณเอง:
ทำความเข้าใจกับเอาท์พุต ERP จาก Analyzer
สำหรับแต่ละช่องสัญญาณ คุณจะเห็นเวฟฟอร์มที่เฉลี่ยแล้ว. ERP ที่ราบเรียบปกติกับยอดที่เป็นลบที่ 100ms สามารถเห็นได้ด้านล่าง. เส้นที่เป็นตัวบ่งชี้ถึงแอมพลิจูดเฉลี่ยและการใช้สีที่เบาลงแสดงถึงข้อผิดพลาดมาตรฐานของค่าเฉลี่ย:
นี่คือเวฟฟอร์มที่อึกทึกกับองค์ประกอบของ ERP ที่ไม่ชัดเจน. สิ่งนี้สามารถเกิดจากจำนวนน้อยของการทดลอง:
สิ่งที่ต้องพิจารณา
เมื่อเปรียบเทียบ ERPs ระหว่างผู้เข้าร่วม มันเป็นการดีที่จะแตกต่างความแตกต่างของผลกระทบเสมอ.
เช่น เราสามารถดูที่ ERP เฉลี่ยต่อเสียงที่มากกว่า (มาตรฐาน) เปรียบเทียบกับเสียงที่เกิดขึ้นมากหรือน้อยกว่า (deviant/oddball) ในรูปแบบหนึ่ง ๆ. เราสามารถได้รับเวฟฟอร์มความแตกต่างโดยการลบแอมพลิจูดของเวฟหนึ่งจากอีกเวฟหนึ่ง. ตามรูปที่ 5 เราจะสามารถสังเกตเห็นองค์ประกอบ ERP ที่มักรู้จักในชื่อว่า Mismatch Negativity (MMN) ซึ่งถูกศึกษาอย่างแพร่หลายในงานวิจัย ERP.
รูปที่ 5 – องค์ประกอบคงจะจับผิดพลาดสามารถสังเกตใน ERP เมื่อมีการฝ่าฝืนแบบแผนในสภาพแวดล้อม
5. การประยุกต์ของ ERPs
การระบุ Biomarkers :
หนึ่งในการประยุกต์ที่พบบ่อยที่สุดของ ERPs คือในนักวิจัยทางคลินิกในการหาวิธีที่ดีกว่าในการวินิจฉัยโรคทางจิตเวชเช่นโรคจิตเภท. ผู้ที่อาศัยกับโรคจิตเภทอาจถูกแยกแยะออกจากการควบคุมที่มีสุขภาพดีตามการตอบสนองคงจะจับผิดพลาดของพวกเขา
รูปที่ 6 – แอมพลิจูดคงจะจับผิดพลาดมีค่ามากกว่าที่เป็นโรคจิตเภทเรื้อรัง, การเริ่มต้นล่าสุดรวมถึงผู้ที่มีความเสี่ยงที่จะพัฒนาความไวต่อโรค (Jashan 2012)
ERP – ส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์ (BCI)
ERPs กับคำสั่งใจหรือตัวกระตุ้นมองเห็นต่างๆ (เช่น ตัวอักษรบนคีย์บอร์ด) สามารถใช้ในการเคลื่อนย้ายรถเข็นหรือพลังงานจาก BCI
6. ทรัพยากร
คู่มือ Emotiv
การอ่านที่แนะนำ
Luck, S.J., 2005. กฎสิบข้อสำหรับการออกแบบและตีความการทดลอง ERP. เหตุการณ์ที่เกี่ยวข้องกับศักย์: คู่มือวิธีการ, 4.
1. บทนำ
ยินดีต้อนรับ! ในบทเรียนที่สองนี้ เราจะเรียนรู้เกี่ยวกับวิธีการวัดการตอบสนองของสมองต่อสิ่งกระตุ้น.
เราจะเรียนรู้:
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
ยอดและองค์ประกอบของ ERP คืออะไร?
ขั้นตอนทั่วไปในการได้มาซึ่ง ERP
การประยุกต์ใช้ในทางปฏิบัติด้วยอุปกรณ์และซอฟต์แวร์ Emotiv EPOC
2. เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) หรือที่เรียกว่าสัญญาณตอบสนองที่ปลุกขึ้น, คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งกระตุ้น (เช่น การได้ยินเสียงดัง). โดยเฉพาะ – คือการเปลี่ยนแปลงของแอมพลิจูดแรงดันไฟฟ้าที่เห็นได้ใน EEG อันเป็นผลจากเหตุการณ์ด้านประสาทสัมผัสหรือการรับรู้.
เราสามารถสังเกต 'องค์ประกอบ ERP' ซึ่งเป็นยอดที่คงที่ซึ่งเกิดขึ้นหลังจากการเริ่มต้นของสิ่งกระตุ้น. ERP อาจมีหลายยอดที่เป็นบวกหรือลบ แต่ไม่ใช่องค์ประกอบ ERP ที่ถูกระบุเป็นอย่างดีเช่น N100 หรือ P300.
อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา. บางครั้งคุณจะเห็น – ที่ด้านบนและ + ที่ด้านล่างของแกน โดยเฉพาะใน EEG ทางคลินิก
หมายเหตุ: ERP สามารถแสดงได้จากเหตุการณ์เดี่ยวหรือโดยการเฉลี่ยแอมพลิจูดผ่านการทดลองหลายครั้งของเหตุการณ์นั้น. โดยปกติแล้ว ERPs ที่ราบเรียบกับส่วนประกอบที่ชัดเจน – ตามภาพ – จะได้มาโดยการเฉลี่ยผ่านการทดลองนับร้อย
รูปที่ 1 – องค์ประกอบของ ERP ที่ได้ยินทั่วไป
องค์ประกอบทั่วไปถูกระบุด้วยขั้วของพวกมัน (เช่น บวก (P) หรือลบ (N) และเมื่อพวกมันเกิดขึ้น (เช่น องค์ประกอบลบแรก N1). องค์ประกอบ N1 เดียวกันยังสามารถระบุได้ตามเวลาที่เกิดขึ้น (เช่น 100ms จากการเริ่มต้นของเสียง) – N100
3. ขั้นตอนในการได้มาซึ่ง ERP
ขั้นตอนการทดลอง:
เราออกแบบการทดลองเพื่อให้ได้ ERP ที่เฉพาะเจาะจงที่สนใจ.
ตัวอย่างเช่น เราอาจเก็บข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียง.
เพื่อให้เข้าใจข้อมูล EEG ได้ เราต้องจดเวลาที่ผู้เข้าร่วมได้ยินเสียงใน EEG. สิ่งนี้เรียกว่าเครื่องหมายเหตุการณ์ (เส้นสีแดงในรูปที่ 2).
รูปที่ 2 – เครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ
การจัดเวลาเครื่องหมายเหตุการณ์ให้ตรงกับเวลาเริ่มต้นของเสียงเป็นสิ่งสำคัญสำหรับการมองเห็น ERP! ดังนั้นจึงสำคัญที่จะเลือกฮาร์ดแวร์และซอฟต์แวร์ที่ถูกต้องเพื่อช่วยเราให้ได้มาซึ่งเวลาแสตมป์ที่แม่นยำ.
การเลือกตัวอ้างอิง
อย่าลืมว่ากิจกรรมไฟฟ้ามักจะถูกวัดระหว่างสองจุด. ในอุปกรณ์ EEG ศักย์ไฟฟ้าของเซนเซอร์แต่ละตัวจะถูกวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS).
ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง
รูปที่ 3 – ตัวเลือกอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC
ชุดหูฟังประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:
การอ้างอิง Mastoid – การใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ P3/P4 และปุ่มที่ชุบในโพรงเซนเซอร์บน mastoid.
P3/P4 อ้างอิง – การใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ Mastoid M1/M2 และปุ่มที่ชุบในโพรงเซนเซอร์บน P3/P4
มันเป็นเรื่องปกติที่จะใช้การอ้างอิง Mastoid สำหรับการทดลอง ERP, แต่คุณสามารถใช้การอ้างอิง P3/P4 ได้ตามต้องการ โดยคุณสามารถเปลี่ยนการอ้างอิงข้อมูลออนไลน์ภายหลังเมื่อประมวลผลข้อมูลก่อนการวิเคราะห์. เป็นธรรมดาที่จะเปลี่ยนการอ้างอิงข้อมูลเป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนทำการวิเคราะห์ข้อมูล.
สำหรับการทดลองของเรา เราจะเก็บข้อมูลโดยใช้การอ้างอิง Mastoid. การถือสมมุติฐานที่ดีโดยทั่วไปคือเกี่ยวกับกระบวนการ Mastoid ที่จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่น ๆ บนหัว, จึงเป็นจุดอ้างอิงที่ดี.
การประมวลผลเบื้องต้น:
เราไม่สามารถเห็น ERP ใน EEG ดิบได้ทันทีเพราะมันเป็นผลที่เล็กมาก (~ ±5uV) เมื่อเทียบกับทุกสิ่งที่เกิดขึ้นในและรอบ ๆ สมองของเรา (~ ±40uV)!
ดังนั้น เพื่อที่จะเห็นผลของสมองที่เฉพาะเจาะจงกับเสียงของเรา เราจำเป็นต้องทำความสะอาดข้อมูลของเราเพื่อกำจัดเสียงรบกวนหรือสิ่งแปลกปลอม. จากนั้นเราจะ ‘epoched’ ข้อมูล – ซึ่งเป็นคำใช้สำหรับการตัดข้อมูลสมองเป็นหน้าต่างเวลาที่เรากำหนด (เช่น การตอบสนองของสมองเริ่มต้นจาก 50ms ก่อนเสียงและ 400ms หลังเสียง). แล้วเราจะเฉลี่ยข้อมูล EEG ที่แยก epoched ทั้งหมด (คือ การตอบสนองของสมองต่อเสียงทั้งหมด) เพื่อให้ได้มาซึ่ง ERP ที่ชัดเจน.
ด้านล่างนี้คือขั้นตอนพื้นฐานในท่อกระบวนการ ERP โดยทั่วไป. นักวิจัยจะเลือกขั้นตอนตามข้อมูลและวัตถุประสงค์ของพวกเขา.
รูปที่ 4 – ท่อกระบวนการ ERP ปกติ
4. มาหา ERP ของเราเองกันเถอะ
ก่อนอื่นมาตั้งค่าซอฟแวร์กัน
ดาวน์โหลดเวอร์ชั่นล่าสุดของ PsychoPy – https://www.psychopy.org/ เราจะใช้ PsychoPy เพื่อแสดงเสียงให้กับผู้เข้าร่วม.
ดาวน์โหลด Emotiv Launcher และแอพ EmotivPRO เพื่อบันทึกและดู EEG.
เชื่อมต่อ PsychoPy กับซอฟต์แวร์ Emotiv ของคุณเพื่อการสื่อสารระหว่างกัน.
ทำตามขั้นตอนในวิดีโอ:
สร้างการทดลอง EEG EMOTIV กับ PsychoPy
เราสามารถได้รับ ERP ที่ราบเรียบโดยใช้การทำซ้ำของสิ่งกระตุ้นหลายๆครั้ง (เช่น ภาพหรือเสียง). ที่นี่เราจะนำเสนอเสียงที่มีระยะเวลา 50ms ทุก ๆ 4 วินาที จำนวนเหล่านี้ซ้ำประมาณ ~150 ครั้ง!
ทำตามวิดีโอเพื่อสร้างการทดลองการได้ยินแบบง่าย ๆ ด้วยเสียงเดียว:
มาหาข้อมูลบางอย่างกันเถอะ
เมื่อคุณได้เลือกอ้างอิงแล้ว คุณสามารถรับชมวิดีโอเพื่อเรียนรู้วิธีตั้งค่าหูฟังเพื่อให้ได้คุณภาพ EEG ที่ดีที่สุด:
ท่อกระบวนการ ERP กับ EmotivPRO Analyzer
ชมวิดีโอและทำตามขั้นตอนเพื่อสร้าง ERP ของคุณเอง:
ทำความเข้าใจกับเอาท์พุต ERP จาก Analyzer
สำหรับแต่ละช่องสัญญาณ คุณจะเห็นเวฟฟอร์มที่เฉลี่ยแล้ว. ERP ที่ราบเรียบปกติกับยอดที่เป็นลบที่ 100ms สามารถเห็นได้ด้านล่าง. เส้นที่เป็นตัวบ่งชี้ถึงแอมพลิจูดเฉลี่ยและการใช้สีที่เบาลงแสดงถึงข้อผิดพลาดมาตรฐานของค่าเฉลี่ย:
นี่คือเวฟฟอร์มที่อึกทึกกับองค์ประกอบของ ERP ที่ไม่ชัดเจน. สิ่งนี้สามารถเกิดจากจำนวนน้อยของการทดลอง:
สิ่งที่ต้องพิจารณา
เมื่อเปรียบเทียบ ERPs ระหว่างผู้เข้าร่วม มันเป็นการดีที่จะแตกต่างความแตกต่างของผลกระทบเสมอ.
เช่น เราสามารถดูที่ ERP เฉลี่ยต่อเสียงที่มากกว่า (มาตรฐาน) เปรียบเทียบกับเสียงที่เกิดขึ้นมากหรือน้อยกว่า (deviant/oddball) ในรูปแบบหนึ่ง ๆ. เราสามารถได้รับเวฟฟอร์มความแตกต่างโดยการลบแอมพลิจูดของเวฟหนึ่งจากอีกเวฟหนึ่ง. ตามรูปที่ 5 เราจะสามารถสังเกตเห็นองค์ประกอบ ERP ที่มักรู้จักในชื่อว่า Mismatch Negativity (MMN) ซึ่งถูกศึกษาอย่างแพร่หลายในงานวิจัย ERP.
รูปที่ 5 – องค์ประกอบคงจะจับผิดพลาดสามารถสังเกตใน ERP เมื่อมีการฝ่าฝืนแบบแผนในสภาพแวดล้อม
5. การประยุกต์ของ ERPs
การระบุ Biomarkers :
หนึ่งในการประยุกต์ที่พบบ่อยที่สุดของ ERPs คือในนักวิจัยทางคลินิกในการหาวิธีที่ดีกว่าในการวินิจฉัยโรคทางจิตเวชเช่นโรคจิตเภท. ผู้ที่อาศัยกับโรคจิตเภทอาจถูกแยกแยะออกจากการควบคุมที่มีสุขภาพดีตามการตอบสนองคงจะจับผิดพลาดของพวกเขา
รูปที่ 6 – แอมพลิจูดคงจะจับผิดพลาดมีค่ามากกว่าที่เป็นโรคจิตเภทเรื้อรัง, การเริ่มต้นล่าสุดรวมถึงผู้ที่มีความเสี่ยงที่จะพัฒนาความไวต่อโรค (Jashan 2012)
ERP – ส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์ (BCI)
ERPs กับคำสั่งใจหรือตัวกระตุ้นมองเห็นต่างๆ (เช่น ตัวอักษรบนคีย์บอร์ด) สามารถใช้ในการเคลื่อนย้ายรถเข็นหรือพลังงานจาก BCI
6. ทรัพยากร
คู่มือ Emotiv
การอ่านที่แนะนำ
Luck, S.J., 2005. กฎสิบข้อสำหรับการออกแบบและตีความการทดลอง ERP. เหตุการณ์ที่เกี่ยวข้องกับศักย์: คู่มือวิธีการ, 4.
1. บทนำ
ยินดีต้อนรับ! ในบทเรียนที่สองนี้ เราจะเรียนรู้เกี่ยวกับวิธีการวัดการตอบสนองของสมองต่อสิ่งกระตุ้น.
เราจะเรียนรู้:
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
ยอดและองค์ประกอบของ ERP คืออะไร?
ขั้นตอนทั่วไปในการได้มาซึ่ง ERP
การประยุกต์ใช้ในทางปฏิบัติด้วยอุปกรณ์และซอฟต์แวร์ Emotiv EPOC
2. เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) คืออะไร?
เหตุการณ์-ศักย์ที่เกี่ยวข้อง (ERP) หรือที่เรียกว่าสัญญาณตอบสนองที่ปลุกขึ้น, คือการตอบสนองของสมองต่อเหตุการณ์หรือสิ่งกระตุ้น (เช่น การได้ยินเสียงดัง). โดยเฉพาะ – คือการเปลี่ยนแปลงของแอมพลิจูดแรงดันไฟฟ้าที่เห็นได้ใน EEG อันเป็นผลจากเหตุการณ์ด้านประสาทสัมผัสหรือการรับรู้.
เราสามารถสังเกต 'องค์ประกอบ ERP' ซึ่งเป็นยอดที่คงที่ซึ่งเกิดขึ้นหลังจากการเริ่มต้นของสิ่งกระตุ้น. ERP อาจมีหลายยอดที่เป็นบวกหรือลบ แต่ไม่ใช่องค์ประกอบ ERP ที่ถูกระบุเป็นอย่างดีเช่น N100 หรือ P300.
อย่าลืมดูทิศทางของแกนเมื่อคุณเห็น EEG ในโดเมนเวลา. บางครั้งคุณจะเห็น – ที่ด้านบนและ + ที่ด้านล่างของแกน โดยเฉพาะใน EEG ทางคลินิก
หมายเหตุ: ERP สามารถแสดงได้จากเหตุการณ์เดี่ยวหรือโดยการเฉลี่ยแอมพลิจูดผ่านการทดลองหลายครั้งของเหตุการณ์นั้น. โดยปกติแล้ว ERPs ที่ราบเรียบกับส่วนประกอบที่ชัดเจน – ตามภาพ – จะได้มาโดยการเฉลี่ยผ่านการทดลองนับร้อย
รูปที่ 1 – องค์ประกอบของ ERP ที่ได้ยินทั่วไป
องค์ประกอบทั่วไปถูกระบุด้วยขั้วของพวกมัน (เช่น บวก (P) หรือลบ (N) และเมื่อพวกมันเกิดขึ้น (เช่น องค์ประกอบลบแรก N1). องค์ประกอบ N1 เดียวกันยังสามารถระบุได้ตามเวลาที่เกิดขึ้น (เช่น 100ms จากการเริ่มต้นของเสียง) – N100
3. ขั้นตอนในการได้มาซึ่ง ERP
ขั้นตอนการทดลอง:
เราออกแบบการทดลองเพื่อให้ได้ ERP ที่เฉพาะเจาะจงที่สนใจ.
ตัวอย่างเช่น เราอาจเก็บข้อมูล EEG ในขณะที่ผู้เข้าร่วมฟังเสียง.
เพื่อให้เข้าใจข้อมูล EEG ได้ เราต้องจดเวลาที่ผู้เข้าร่วมได้ยินเสียงใน EEG. สิ่งนี้เรียกว่าเครื่องหมายเหตุการณ์ (เส้นสีแดงในรูปที่ 2).
รูปที่ 2 – เครื่องหมายเหตุการณ์ (เส้นสีแดง) ที่แสดงบน EEG ดิบ
การจัดเวลาเครื่องหมายเหตุการณ์ให้ตรงกับเวลาเริ่มต้นของเสียงเป็นสิ่งสำคัญสำหรับการมองเห็น ERP! ดังนั้นจึงสำคัญที่จะเลือกฮาร์ดแวร์และซอฟต์แวร์ที่ถูกต้องเพื่อช่วยเราให้ได้มาซึ่งเวลาแสตมป์ที่แม่นยำ.
การเลือกตัวอ้างอิง
อย่าลืมว่ากิจกรรมไฟฟ้ามักจะถูกวัดระหว่างสองจุด. ในอุปกรณ์ EEG ศักย์ไฟฟ้าของเซนเซอร์แต่ละตัวจะถูกวัดเทียบกับเซนเซอร์อ้างอิง (DRL + CMS).
ในอุปกรณ์ Emotiv EPOC มีสองตัวเลือกสำหรับเซนเซอร์อ้างอิง
รูปที่ 3 – ตัวเลือกอ้างอิงในอุปกรณ์ประเภท Emotiv EPOC
ชุดหูฟังประเภท EPOC มีสองตัวเลือกสำหรับการอ้างอิง:
การอ้างอิง Mastoid – การใช้ Mastoid เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ P3/P4 และปุ่มที่ชุบในโพรงเซนเซอร์บน mastoid.
P3/P4 อ้างอิง – การใช้ P3/P4 เป็นเซนเซอร์อ้างอิง เราจะใส่จุกยางบนเซนเซอร์ Mastoid M1/M2 และปุ่มที่ชุบในโพรงเซนเซอร์บน P3/P4
มันเป็นเรื่องปกติที่จะใช้การอ้างอิง Mastoid สำหรับการทดลอง ERP, แต่คุณสามารถใช้การอ้างอิง P3/P4 ได้ตามต้องการ โดยคุณสามารถเปลี่ยนการอ้างอิงข้อมูลออนไลน์ภายหลังเมื่อประมวลผลข้อมูลก่อนการวิเคราะห์. เป็นธรรมดาที่จะเปลี่ยนการอ้างอิงข้อมูลเป็นค่าเฉลี่ยของเซนเซอร์ทั้งหมดก่อนทำการวิเคราะห์ข้อมูล.
สำหรับการทดลองของเรา เราจะเก็บข้อมูลโดยใช้การอ้างอิง Mastoid. การถือสมมุติฐานที่ดีโดยทั่วไปคือเกี่ยวกับกระบวนการ Mastoid ที่จะไม่ส่งข้อมูล EEG มากเท่ากับตำแหน่งอื่น ๆ บนหัว, จึงเป็นจุดอ้างอิงที่ดี.
การประมวลผลเบื้องต้น:
เราไม่สามารถเห็น ERP ใน EEG ดิบได้ทันทีเพราะมันเป็นผลที่เล็กมาก (~ ±5uV) เมื่อเทียบกับทุกสิ่งที่เกิดขึ้นในและรอบ ๆ สมองของเรา (~ ±40uV)!
ดังนั้น เพื่อที่จะเห็นผลของสมองที่เฉพาะเจาะจงกับเสียงของเรา เราจำเป็นต้องทำความสะอาดข้อมูลของเราเพื่อกำจัดเสียงรบกวนหรือสิ่งแปลกปลอม. จากนั้นเราจะ ‘epoched’ ข้อมูล – ซึ่งเป็นคำใช้สำหรับการตัดข้อมูลสมองเป็นหน้าต่างเวลาที่เรากำหนด (เช่น การตอบสนองของสมองเริ่มต้นจาก 50ms ก่อนเสียงและ 400ms หลังเสียง). แล้วเราจะเฉลี่ยข้อมูล EEG ที่แยก epoched ทั้งหมด (คือ การตอบสนองของสมองต่อเสียงทั้งหมด) เพื่อให้ได้มาซึ่ง ERP ที่ชัดเจน.
ด้านล่างนี้คือขั้นตอนพื้นฐานในท่อกระบวนการ ERP โดยทั่วไป. นักวิจัยจะเลือกขั้นตอนตามข้อมูลและวัตถุประสงค์ของพวกเขา.
รูปที่ 4 – ท่อกระบวนการ ERP ปกติ
4. มาหา ERP ของเราเองกันเถอะ
ก่อนอื่นมาตั้งค่าซอฟแวร์กัน
ดาวน์โหลดเวอร์ชั่นล่าสุดของ PsychoPy – https://www.psychopy.org/ เราจะใช้ PsychoPy เพื่อแสดงเสียงให้กับผู้เข้าร่วม.
ดาวน์โหลด Emotiv Launcher และแอพ EmotivPRO เพื่อบันทึกและดู EEG.
เชื่อมต่อ PsychoPy กับซอฟต์แวร์ Emotiv ของคุณเพื่อการสื่อสารระหว่างกัน.
ทำตามขั้นตอนในวิดีโอ:
สร้างการทดลอง EEG EMOTIV กับ PsychoPy
เราสามารถได้รับ ERP ที่ราบเรียบโดยใช้การทำซ้ำของสิ่งกระตุ้นหลายๆครั้ง (เช่น ภาพหรือเสียง). ที่นี่เราจะนำเสนอเสียงที่มีระยะเวลา 50ms ทุก ๆ 4 วินาที จำนวนเหล่านี้ซ้ำประมาณ ~150 ครั้ง!
ทำตามวิดีโอเพื่อสร้างการทดลองการได้ยินแบบง่าย ๆ ด้วยเสียงเดียว:
มาหาข้อมูลบางอย่างกันเถอะ
เมื่อคุณได้เลือกอ้างอิงแล้ว คุณสามารถรับชมวิดีโอเพื่อเรียนรู้วิธีตั้งค่าหูฟังเพื่อให้ได้คุณภาพ EEG ที่ดีที่สุด:
ท่อกระบวนการ ERP กับ EmotivPRO Analyzer
ชมวิดีโอและทำตามขั้นตอนเพื่อสร้าง ERP ของคุณเอง:
ทำความเข้าใจกับเอาท์พุต ERP จาก Analyzer
สำหรับแต่ละช่องสัญญาณ คุณจะเห็นเวฟฟอร์มที่เฉลี่ยแล้ว. ERP ที่ราบเรียบปกติกับยอดที่เป็นลบที่ 100ms สามารถเห็นได้ด้านล่าง. เส้นที่เป็นตัวบ่งชี้ถึงแอมพลิจูดเฉลี่ยและการใช้สีที่เบาลงแสดงถึงข้อผิดพลาดมาตรฐานของค่าเฉลี่ย:
นี่คือเวฟฟอร์มที่อึกทึกกับองค์ประกอบของ ERP ที่ไม่ชัดเจน. สิ่งนี้สามารถเกิดจากจำนวนน้อยของการทดลอง:
สิ่งที่ต้องพิจารณา
เมื่อเปรียบเทียบ ERPs ระหว่างผู้เข้าร่วม มันเป็นการดีที่จะแตกต่างความแตกต่างของผลกระทบเสมอ.
เช่น เราสามารถดูที่ ERP เฉลี่ยต่อเสียงที่มากกว่า (มาตรฐาน) เปรียบเทียบกับเสียงที่เกิดขึ้นมากหรือน้อยกว่า (deviant/oddball) ในรูปแบบหนึ่ง ๆ. เราสามารถได้รับเวฟฟอร์มความแตกต่างโดยการลบแอมพลิจูดของเวฟหนึ่งจากอีกเวฟหนึ่ง. ตามรูปที่ 5 เราจะสามารถสังเกตเห็นองค์ประกอบ ERP ที่มักรู้จักในชื่อว่า Mismatch Negativity (MMN) ซึ่งถูกศึกษาอย่างแพร่หลายในงานวิจัย ERP.
รูปที่ 5 – องค์ประกอบคงจะจับผิดพลาดสามารถสังเกตใน ERP เมื่อมีการฝ่าฝืนแบบแผนในสภาพแวดล้อม
5. การประยุกต์ของ ERPs
การระบุ Biomarkers :
หนึ่งในการประยุกต์ที่พบบ่อยที่สุดของ ERPs คือในนักวิจัยทางคลินิกในการหาวิธีที่ดีกว่าในการวินิจฉัยโรคทางจิตเวชเช่นโรคจิตเภท. ผู้ที่อาศัยกับโรคจิตเภทอาจถูกแยกแยะออกจากการควบคุมที่มีสุขภาพดีตามการตอบสนองคงจะจับผิดพลาดของพวกเขา
รูปที่ 6 – แอมพลิจูดคงจะจับผิดพลาดมีค่ามากกว่าที่เป็นโรคจิตเภทเรื้อรัง, การเริ่มต้นล่าสุดรวมถึงผู้ที่มีความเสี่ยงที่จะพัฒนาความไวต่อโรค (Jashan 2012)
ERP – ส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์ (BCI)
ERPs กับคำสั่งใจหรือตัวกระตุ้นมองเห็นต่างๆ (เช่น ตัวอักษรบนคีย์บอร์ด) สามารถใช้ในการเคลื่อนย้ายรถเข็นหรือพลังงานจาก BCI
6. ทรัพยากร
คู่มือ Emotiv
การอ่านที่แนะนำ
Luck, S.J., 2005. กฎสิบข้อสำหรับการออกแบบและตีความการทดลอง ERP. เหตุการณ์ที่เกี่ยวข้องกับศักย์: คู่มือวิธีการ, 4.
อ่านต่อ
Lab Streaming Layer (LSL) สำหรับการซิงโครไนซ์สตรีมข้อมูลหลายรายการ
