การวิเคราะห์ความหนาแน่นกระแสแหล่งกำเนิด

ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้าคืออะไร?

ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้า (Current source density) อธิบายถึงการกระจายตัวของกระแสไฟฟ้าที่ไหลเข้าและออกจากปริมาตรของเนื้อเยื่อประสาท ในสาขาประสาทวิทยาศาสตร์ แหล่งกำเนิด (source) มักจะแทนกระแสไฟฟ้าที่ออกจากพื้นที่นอกเซลล์ ในขณะที่แหล่งรับ (sink) จะแทนกระแสไฟฟ้าที่ไหลเข้าสู่พื้นที่ดังกล่าว คำศัพท์เหล่านี้ขึ้นอยู่กับข้อตกลงเรื่องเครื่องหมายและมุมมองที่เลือกใช้ ดังนั้น แหล่งกำเนิดหรือแหล่งรับจึงเป็นที่เข้าใจกันดีที่สุดว่าเป็นส่วนหนึ่งของรูปแบบกระแสไฟฟ้าในท้องถิ่น มากกว่าที่จะเป็นโครงสร้างทางกายวิภาคที่แยกจากกัน

การประมาณค่านี้มักจะมาจากการวัดแรงดันไฟฟ้านอกเซลล์ที่เก็บรวบรวมจากหลายตำแหน่งที่อยู่ใกล้เคียงกัน ความแตกต่างเชิงพื้นที่ระหว่างการวัดเหล่านั้นเผยให้เห็นว่าสนามแรงดันไฟฟ้าเปลี่ยนแปลงไปอย่างรวดเร็วเพียงใดในเนื้อเยื่อ เนื่องจากคำนวณโดยเน้นที่ความผันแปรในท้องถิ่น CSD จึงสามารถช่วยแยกแยะรูปแบบโฟกัสออกจากสนามกว้างที่เกิดจากกิจกรรมที่นำผ่านเนื้อเยื่อรอบข้างได้

CSD ไม่ได้ระบุเซลล์ประสาท ซินแนปส์ หรือช่องไอออนเดี่ยวโดยตรง แต่เป็นการประมาณค่าการกระจายตัวของกระแสไฟฟ้าข้ามเมมเบรนในระดับประชากรและขึ้นอยู่กับเรขาคณิต ภายในประสาทวิทยาศาสตร์ จึงมีการใช้งานร่วมกับกายวิภาคศาสตร์ สรีรวิทยาไฟฟ้า เวลาในการกระตุ้น และการสังเกตการณ์ทางพฤติกรรมหรือทางคลินิก แทนที่จะถือว่าเป็นแผนที่กิจกรรมของเซลล์แบบสแตนด์อโลน

พื้นฐานทางชีวฟิสิกส์: จากแรงดันไฟฟ้าสู่กระแสไฟฟ้า

เมื่อซินแนปส์ทำงาน ไอออนจะไหลผ่านเยื่อหุ้มเซลล์ประสาท ทำให้เกิดกระแสไฟฟ้าขนาดเล็กในเนื้อเยื่อรอบข้าง อิเล็กโทรดนอกเซลล์จะตรวจจับการเปลี่ยนแปลงของศักย์ไฟฟ้าที่เกิดขึ้น แต่การเปลี่ยนแปลงเหล่านี้เป็นส่วนผสมที่พร่ามัวของกระแสไฟฟ้าจากหลายๆ เซลล์

CSD ทำงานย้อนกลับจากแรงดันไฟฟ้าที่บันทึกไว้ เพื่ออนุมานกระแสไฟฟ้าสุทธิที่เข้าหรือออกจากเนื้อเยื่อในแต่ละจุด ซึ่งเป็นภาพแสดงว่ากระแสไฟฟ้าจากซินแนปส์เกิดขึ้นที่ใดและกลับคืนสู่เซลล์ที่ใด

ความสัมพันธ์ระหว่างศักย์สนามนอกเซลล์และกระแสไฟฟ้าที่อยู่เบื้องหลังนั้นถูกควบคุมโดยฟิสิกส์ที่เป็นที่ยอมรับกันอย่างดี ซึ่งบันทึกไว้ในสมการของปัวซง สำหรับตัวนำไฟฟ้า CSD (กระแสไฟฟ้าสุทธิที่ผ่านปริมาตรขนาดเล็ก) จะเกี่ยวข้องกับการลู่ออก (divergence) ของเวกเตอร์การไหลของกระแสไฟฟ้า ซึ่งจะเชื่อมโยงกับการแปรผันเชิงพื้นที่ของศักย์สนาม

ในตัวนำที่เรียบง่ายและเป็นเนื้อเดียวกัน CSD จะแปรผันตรงกับความเร็วในการเปลี่ยนแปลงของแรงดันไฟฟ้าตามระยะทาง ซึ่งในทางคณิตศาสตร์ก็คือ อนุพันธ์อันดับสองเชิงพื้นที่ของมัน Insight นี้เป็นรากฐานของการคำนวณ CSD แบบคลาสสิก แต่เนื้อเยื่อสมองในความเป็นจริงไม่ค่อยมีพฤติกรรมเหมือนอ่างเกลือที่เป็นเนื้อเดียวกัน

การทดลองพื้นฐานที่สร้างความน่าเชื่อถือทางชีวฟิสิกส์ของ CSD นั้นดำเนินการในสมองส่วนเซเบลลัมของกบและคางคก นักวิจัยได้วัดเทนเซอร์การนำไฟฟ้าเต็มรูปแบบ ซึ่งเป็นแผนที่สามมิติของการไหลของกระแสไฟฟ้าในทิศทางต่างๆ ได้อย่างง่ายดาย และพบว่าเนื้อเยื่อมีความไม่เป็นไอโซโทรปิก (กระแสไฟฟ้าไหลผ่านแกนบางแกนได้ง่ายกว่าแกนอื่นๆ) แต่มีความเป็นเนื้อเดียวกันอย่างน่าทึ่ง (การนำไฟฟ้าไม่แตกต่างกันอย่างมีนัยสำคัญตามตำแหน่ง) และเป็นแบบโอห์มมิก (ความสัมพันธ์ระหว่างแรงดันไฟฟ้าและกระแสไฟฟ้าเป็นแบบเส้นตรง)

การรู้เทนเซอร์การนำไฟฟ้าเดี่ยวนี้ทำให้ได้แบบจำลอง CSD ที่เรียบง่ายแต่มีความแม่นยำทางฟิสิกส์ ซึ่งช่วยปูทางไปสู่การประยุกต์ใช้งานจริง

วิธีคำนวณความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้า

การแปลงแรงดันไฟฟ้าที่บันทึกไว้ให้เป็นแผนที่ CSD ต้องอาศัยการเลือกวิธีการคำนวณอย่างระมัดระวัง ทางเลือกนี้ขึ้นอยู่กับความซับซ้อนของเนื้อเยื่อและรูปแบบเชิงพื้นที่ของอาร์เรย์บันทึกผล

วิธีหาอนุพันธ์อันดับสองเชิงพื้นที่แบบคลาสสิก

ภายใต้ข้อสมมติฐานของการนำไฟฟ้าที่เป็นเนื้อเดียวกันและเป็นไอโซโทรปิก CSD จะลดรูปเหลือเพียงการดำเนินการที่ตรงไปตรงมา: นำศักย์สนามที่บันทึกไว้ที่หน้าสัมผัสอิเล็กโทรดที่มีระยะห่างเท่าๆ กัน และคำนวณอนุพันธ์อันดับสองตามแกนของโพรบ ในทางปฏิบัติ วิธีนี้ทำได้โดยใช้สูตรผลต่างอันดับสุดท้าย (finite-difference) ที่ประมาณค่าอนุพันธ์โดยใช้แรงดันไฟฟ้าที่หน้าสัมผัสข้างเคียง

อย่างไรก็ตาม ใช่ว่ารูปแบบการหาอนุพันธ์ทั้งหมดจะเท่าเทียมกัน การเปรียบเทียบอย่างเป็นระบบในสมองส่วนเซเบลลัมของสัตว์ไม่มีหาง (anuran) ได้ประเมินสูตรต่างๆ ในแง่ของความแม่นยำ แนวโน้มที่จะบิดเบือนรูปแบบเชิงพื้นที่ที่เปลี่ยนแปลงอย่างรวดเร็ว (aliasing) และปริมาณการปรับให้เรียบที่เกิดขึ้น

เช่นเดียวกับการเลือกฟิลเตอร์ที่ผิดวิธีสามารถทำให้ภาพถ่ายเบลอได้ การเลือกรูปแบบการหาอนุพันธ์ที่ไม่เหมาะสมก็สามารถบดบังเหตุการณ์ที่คุณหวังจะมองเห็นได้ สูตรที่เหมาะสมที่สุดขึ้นอยู่กับเนื้อหาความถี่เชิงพื้นที่ของสัญญาณ ซึ่งเป็นบทเรียนที่ได้รับการตอกย้ำโดยการวัดสเปกตรัมความหนาแน่นพลังงานเชิงพื้นที่เพื่อหาระยะห่างระหว่างอิเล็กโทรดในอุดมคติ

เหนือกว่าข้อสมมติฐานที่ง่ายที่สุด: วิธีการผกผันและโปรไฟล์การนำไฟฟ้า

เมื่อเนื้อเยื่อมีความไม่เป็นไอโซโทรปิกหรือไม่เป็นเนื้อเดียวกัน วิธีการหาอนุพันธ์อันดับสองแบบง่ายๆ จะไม่สามารถใช้ได้อีกต่อไป กรอบการทำงานทั่วไปที่มากกว่าจะเริ่มจากสมการของปัวซงและรวมเอาเทนเซอร์การนำไฟฟ้าที่วัดได้เพื่อสร้างการกระจายตัวของแหล่งกำเนิดที่แท้จริงขึ้นมาใหม่

เอกสารทางทฤษฎีที่กล่าวถึงข้างต้นได้ให้สมการเต็มรูปแบบในพิกัดคาร์ทีเซียนรูปสี่เหลี่ยมผืนผ้า รวมถึงระบบพิกัดที่หมุนเพื่อให้สอดคล้องกับโครงสร้างลามิเนตที่เอียง รากฐานนี้ช่วยให้อัลกอริทึม CSD แบบผกผันสมัยใหม่สามารถแก้ไขการนำไฟฟ้าตามทิศทางและสร้างแผนที่ที่มีความแม่นยำยิ่งขึ้นได้

ที่สำคัญ การสาธิตในช่วงแรกที่ว่าเนื้อเยื่อเซเบลลัมมีความเป็นเนื้อเดียวกันและเป็นแบบโอห์มมิก หมายความว่าสามารถใช้เทนเซอร์การนำไฟฟ้าคงที่เดี่ยวได้ ซึ่งช่วยลดความซับซ้อนของปัญหาผกผันได้อย่างมาก สำหรับพื้นที่สมองที่มีลักษณะเป็นชั้นๆ หลายแห่ง สิ่งนี้ยังคงเป็นจุดเริ่มต้นที่สมเหตุสมผล แม้ว่าบางครั้งอาจจำเป็นต้องแก้ไขความไม่เป็นเนื้อเดียวกันอย่างแม่นยำก็ตาม

อัลกอริทึมและข้อสมมติฐานทั่วไป

มีหลายวิธีที่ถูกนำมาใช้ และแต่ละวิธีก็มีความต้องการข้อมูลที่แตกต่างกัน ผลต่างอันดับสุดท้ายแบบง่ายๆ นั้นมีความโปร่งใสและทำงานได้ตามธรรมชาติกับหน้าสัมผัสที่มีระยะห่างสม่ำเสมอ ในขณะที่วิธีที่ใช้สปลาย (spline-based) หรือเคอร์เนล (kernel-based) สามารถรองรับรูปแบบเชิงพื้นที่ที่กว้างกว่าได้ ใน EEG ส่วนพื้นผิว การแปลงลาปลาเซียนพื้นผิว คือการดำเนินการที่เกี่ยวข้องอย่างใกล้ชิดซึ่งประมาณค่าความโค้งในท้องถิ่นในขอบเขตแรงดันไฟฟ้าของหนังศีรษะ

การเลือกอัลกอริทึมควรเป็นไปตามการจัดเรียงอิเล็กโทรดแทนที่จะเป็นไปตามความสะดวกเพียงอย่างเดียว ข้อสมมติฐานและการตัดสินใจทั่วไป ได้แก่:

• การนำไฟฟ้าจะถูกปฏิบัติเสมือนว่าเป็นเนื้อเดียวกันและเป็นไอโซโทรปิกหรือไม่

• เรขาคณิตของการบันทึกรองรับอนุพันธ์หนึ่ง สอง หรือสามมิติหรือไม่

• วิธีจัดการกับเงื่อนไขขอบเขตและช่องสัญญาณที่ขาดหายไปเป็นอย่างไร

• มีการประยุกต์ใช้การปรับให้เรียบก่อนการหาอนุพันธ์เชิงพื้นที่หรือไม่

หลังจากการคำนวณ ต้องระบุข้อตกลงเรื่องเครื่องหมายให้ชัดเจน เนื่องจากฉลากแสดงภาพ "แหล่งกำเนิด" และ "แหล่งรับ" สามารถสลับกันได้ระหว่างการนำไปใช้งาน การตรวจสอบความถูกต้องสามารถรวมถึงฟิลด์จำลอง เวลาในการกระตุ้นที่ทราบ การจัดเรียงทางกายวิภาค และการวิเคราะห์ความไวโดยใช้พารามิเตอร์ระยะห่างหรือการปรับให้เรียบทางเลือกอื่น การตรวจสอบดังกล่าวไม่ได้ขจัดความไม่แน่นอนออกไปทั้งหมด แต่แสดงให้เห็นว่ารูปแบบหลักนั้นมีความเสถียรหรือไม่

เครื่องมือและซอฟต์แวร์สำหรับการวิเคราะห์ CSD

กระบวนการทำงานของ CSD สามารถดำเนินการได้ด้วยสภาพแวดล้อมการคำนวณเชิงตัวเลข แพ็คเกจการวิเคราะห์สรีรวิทยาไฟฟ้า และสคริปต์ที่กำหนดเอง ขั้นตอนหลักมักประกอบด้วยการนำเข้าสัญญาณ การตรวจสอบตำแหน่งช่องสัญญาณ การกรองด้วยเหตุผลที่ระบุไว้ การระบุช่องสัญญาณหรือหน้าสัมผัสที่ไม่ดี การใช้ตัวดำเนินการเชิงพื้นที่ และการแสดงผลลัพธ์ควบคู่ไปกับการบันทึกดั้งเดิม ซอฟต์แวร์ไม่ได้ช่วยลดความจำเป็นในการทำความเข้าใจข้อสมมติฐานที่สร้างขึ้นในตัวดำเนินการนั้น

เวิร์กโฟลว์ที่ทำซ้ำได้จะแยกรายละเอียดการรับข้อมูลและการแปลงออกจากกัน นักวิเคราะห์จะบันทึกเรขาคณิตของอิเล็กโทรด รูปแบบการอ้างอิง ค่าการนำไฟฟ้าเมื่อใช้ วิธีการประมาณค่าในช่วง พารามิเตอร์การปรับให้เรียบ และการจัดการขอบเขต สคริปต์หรือสมุดบันทึกที่มีเวอร์ชันสามารถสร้างตัวเลขขึ้นมาใหม่และสนับสนุนการเปรียบเทียบระหว่างอัลกอริทึมต่างๆ ได้

การนำไปใช้งานที่มีประโยชน์ควรช่วยให้สามารถตรวจสอบผลลัพธ์ระดับกลางได้ แทนที่จะแสดงเฉพาะแผนที่สีสุดท้าย สำหรับ EEG ส่วนพื้นผิว ซึ่งรวมถึงการตรวจสอบฟิลด์แรงดันไฟฟ้าที่ประมาณค่าในช่วงและรูปแบบของอิเล็กโทรด สำหรับอาร์เรย์ไมโครอิเล็กโทรด จะรวมถึงการยืนยันลำดับหน้าสัมผัส ระยะห่างทางกายภาพ การจัดวางทิศทางของโพรบ และการจัดการหน้าสัมผัสตรงขอบ การตรวจสอบเหล่านี้มักมีค่ามากกว่าการเพิ่มภาพแสดงผลอื่น

ข้อพิจารณาในทางปฏิบัติสำหรับแผนที่ CSD ที่น่าเชื่อถือ

ผลลัพธ์ CSD ดิบอาจทำให้เข้าใจผิดได้หากพารามิเตอร์การบันทึกและการวิเคราะห์ไม่ได้รับการปรับให้เหมาะสม แหล่งที่มาของข้อผิดพลาดหลักสามประการสามารถสร้างแหล่งกำเนิดและแหล่งรับเท็จได้:

1. ระยะห่างระหว่างหน้าสัมผัสอิเล็กโทรด

2. สัญญาณรบกวนทางไฟฟ้า

3. ความไม่แน่นอนเกี่ยวกับตำแหน่งที่แน่นอนของอิเล็กโทรด

ระยะห่างของอิเล็กโทรดและการสุ่มตัวอย่างเชิงพื้นที่

ระยะห่างระหว่างจุดบันทึกจะเป็นตัวกำหนดโครงสร้างเชิงพื้นที่ที่เล็กที่สุดที่คุณสามารถบันทึกได้อย่างแม่นยำ ระยะห่างที่มากเกินไปจะทำให้รายละเอียดปลีกย่อยเรียบหายไปและอาจทำให้เกิด aliasing ซึ่งการเปลี่ยนแปลงเชิงพื้นที่อย่างรวดเร็วจะปลอมตัวเป็นรูปแบบความถี่ต่ำ ในทางกลับกัน ระยะห่างที่น้อยเกินไปจะขยายผลกระทบของสัญญาณรบกวน เนื่องจากกระบวนการหาอนุพันธ์อันดับสองนั้นไวต่อความผันผวนของแรงดันไฟฟ้าเพียงเล็กน้อยอย่างมาก

วิธีแก้ไขมักเป็นการวัดสเปกตรัมความหนาแน่นพลังงานเชิงพื้นที่ของศักย์สนาม ในสมองส่วนเซเบลลัมของสัตว์ไม่มีหาง การวิเคราะห์นี้เผยให้เห็นย่านความถี่ที่สัญญาณทางสรีรวิทยาจริงมีความโดดเด่นเหนือสัญญาณรบกวน ทำให้นักวิจัยสามารถเลือกระยะห่างระหว่างอิเล็กโทรดที่เพิ่มการจับสัญญาณจริงได้สูงสุดในขณะที่ลดความบิดเบือนให้น้อยที่สุด การปรับปรุงประสิทธิภาพเชิงประจักษ์นี้ได้เปลี่ยนเทคนิคทางทฤษฎีให้กลายเป็นเครื่องมือที่ใช้งานได้จริงและมีความเที่ยงตรงสูง

สัญญาณรบกวน ตำแหน่งอิเล็กโทรด และสิ่งแปลกปลอม

นอกเหนือจากระยะห่างแล้ว แหล่งข้อผิดพลาดหลักสามประการสามารถทำให้แผนที่ CSD คลาดเคลื่อนได้:

1. สัญญาณรบกวนทางไฟฟ้าแบบสุ่ม

2. ความไม่แน่นอนในตำแหน่งปลายของอิเล็กโทรดบันทึกผล

3. ความไม่ถูกต้องในเทนเซอร์การนำไฟฟ้าที่สมมติขึ้น

ในการศึกษาของ Freeman และคณะ ที่อ้างถึงข้างต้น ได้มีการดึงนิพจน์ทางทฤษฎีเพื่อประมาณขนาดสัมพัทธ์ของแต่ละข้อผิดพลาด และการทดลองได้ยืนยันความถูกต้องของสิ่งเหล่านั้น ตัวอย่างเช่น แม้แต่การจัดวางตำแหน่งคลาดเคลื่อนเพียงเล็กน้อยระหว่างตำแหน่งอิเล็กโทรดที่สมมติกับตำแหน่งจริง ก็อาจสร้างคู่แหล่งรับ-แหล่งกำเนิดกระแสไฟฟ้าเทียมขึ้นมาได้

ในเรตินา การสำรวจทางระเบียบวิธีเผยให้เห็นสถานการณ์เฉพาะที่ทำให้เกิด "แหล่งกำเนิด/แหล่งรับที่เป็นสิ่งแปลกปลอม" การเปลี่ยนพารามิเตอร์อย่างเป็นระบบ เช่น การอ้างอิง การกรอง และเรขาคณิตของอาร์เรย์อิเล็กโทรด นักวิจัยได้ระบุแนวปฏิบัติที่ดีที่สุดซึ่งนำไปสู่ "ความแปรปรวนและสัญญาณรบกวนขั้นต่ำในโปรไฟล์ CSD" สิ่งนี้เน้นย้ำว่า CSD ไม่ใช่เทคนิคแบบเสียบปลั๊กแล้วใช้งานได้เลย และจำเป็นต้องมีการตรวจสอบความถูกต้องอย่างระมัดระวังเพื่อแยกแยะเหตุการณ์ทางสรีรวิทยาที่แท้จริงออกจากสิ่งแปลกปลอมจากการวิเคราะห์

มิติเชิงพื้นที่จำนวนเท่าใดจึงจะเพียงพอ?

การทำให้ง่ายขึ้นโดยทั่วไปคือการสมมติว่ากระแสไฟฟ้าไหลตามแกนของการทะลุผ่านของอิเล็กโทรดเท่านั้น ซึ่งก็คือ CSD แบบหนึ่งมิติ (1D) ข้อสมมติฐานนี้จะใช้ได้เมื่อองค์ประกอบของเซลล์ประสาทที่ทำงานอยู่ถูกจัดเรียงเป็นแผ่นเรียบขนานกัน และเส้นทางของอิเล็กโทรดตั้งฉากกับแผ่นเหล่านั้น

ในโครงสร้างอย่างเปลือกสมองหรือเซเบลลัมซึ่งเซลล์ถูกจัดเรียงเป็นชั้นๆ การประมาณค่าแบบ 1D มักจะเพียงพอ อย่างไรก็ตาม หากกระแสไฟฟ้าที่สำคัญไหลไปในทิศทางอื่น (ซึ่งอาจเกิดขึ้นใกล้กับขอบโค้งหรือเมื่อมีการเจาะทะแยง) การวิเคราะห์แบบ 1D จะระบุสัญญาณที่นำด้วยปริมาตรผิดพลาดว่าเป็นแหล่งกำเนิดในท้องถิ่น

การประยุกต์ใช้งาน CSD ในระบบประสาท

พลังของ CSD จะปรากฏชัดเจนเมื่อนำไปใช้กับวงจรที่กำหนดไว้อย่างดี การเตรียมการแบบคลาสสิกสามแบบแสดงให้เห็นว่า CSD แยกแยะสัญญาณที่ทับซ้อนกันและเผยให้เห็นการจัดระเบียบที่ซ่อนอยู่ของกระแสไฟฟ้าจากซินแนปส์ได้อย่างไร

การจัดเรียงชั้นของเซเบลลัม

สมองส่วนเซเบลลัมของกบและคางคกทำหน้าที่เป็นสนามพิสูจน์สำหรับวิธีการ CSD การประยุกต์ใช้เทคนิคที่ได้รับการปรับปรุงประสิทธิภาพกับอินพุต vestibulocerebellar ส่งผลให้ได้ "ความละเอียดเชิงเวลาและเชิงพื้นที่ของเหตุการณ์ทางประสาทที่ดีขึ้นอย่างมีนัยสำคัญ" กว่าศักย์สนามดิบเพียงอย่างเดียว

เนื่องจากเปลือกสมองส่วนเซเบลลัมเป็นโครงสร้างลามิเนตที่มีความสม่ำเสมอสูง แผนที่ CSD จึงสามารถระบุชั้นที่อินพุตจากซินแนปส์มาถึงและที่ซึ่งกระแสไฟฟ้าทำงานไหลกลับ ช่วยให้อ่านค่าการเชื่อมต่อการทำงานระหว่างเส้นประสาททรงตัว (vestibular nerve) และเซลล์ประสาทเป้าหมายได้อย่างตรงไปตรงมา งานนี้ไม่เพียงแต่ตรวจสอบความถูกต้องของวิธีนี้เท่านั้น แต่ยังแสดงให้เห็นว่า CSD สามารถทำหน้าที่เป็นเครื่องมือทั่วไปสำหรับพื้นที่สมองที่มีลักษณะเป็นชั้นๆ ได้อย่างไร

โปรไฟล์ความลึกของเรตินา

เรตินาที่มีชั้นที่กำหนดไว้อย่างดี เป็นอีกหนึ่งเนื้อเยื่อในอุดมคติสำหรับ CSD ในเรตินาของกบ โปรไฟล์ความลึกของ CSD ที่จุดสูงสุดของ b-wave ที่กระตุ้นด้วยแสงเผยให้เห็นแหล่งรับกระแสไฟฟ้าขนาดใหญ่ใกล้กับชั้นนอก plexiform (OPL) แหล่งกำเนิดที่เยื่อหุ้มจำกัดชั้นใน (ILM) และลำดับเหตุการณ์ที่ซับซ้อนยิ่งขึ้นในชั้นใน plexiform (IPL)

เมื่อเริ่มมีแสง การตอบสนองของ IPL จะคลี่คลายในสามขั้นตอนอย่างมีระเบียบ แหล่งรับที่แหลมคมในระยะเริ่มแรกสอดคล้องกับการตอบสนองเชิงลบส่วนปลาย (PNR) ตามด้วยแหล่งกำเนิดที่ช้ากว่าซึ่งสะท้อนถึง b-wave และในที่สุดก็เป็นแหล่งรับที่ช้าลงอีกตามเวลาของ M-wave

การสลายตัวนี้เป็นไปไม่ได้จากกราฟแรงดันไฟฟ้าเดี่ยว ซึ่งส่วนประกอบเหล่านี้จะรวมเข้าเป็นรูปคลื่นเดียว แหล่งรับ OPL มีความเชื่อมโยงอย่างชัดเจนกับตัวสร้าง b-wave ในขณะที่แหล่งรับ M-wave ดูเหมือนจะเล็กเนื่องจากบางส่วนหักล้างกับแหล่งกำเนิด b-wave ที่ทับซ้อนกันในความลึกเดียวกัน

CSD จึงให้การวิเคราะห์แบบทีละชั้นของการตอบสนองของวงจรเรตินาต่อแสง โดยแยกส่วนสนับสนุนของประชากรเซลล์ที่แตกต่างกันออกจากกัน

โปรไฟล์ชั้นของเปลือกสมอง

บางทีการสาธิตที่โดดเด่นที่สุดของมูลค่าของ CSD อาจมาจากการศึกษาเกี่ยวกับเปลือกสมองส่วนนอก (neocortex) ของสัตว์ตระกูลลิง ในพื้นที่การมองเห็นหลัก (V1) การได้ยิน และการรับความรู้สึกทางกายของลิงแสม การบันทึก LFP ลามิเนตได้รับการวิเคราะห์ด้วย CSD เพื่อระบุตำแหน่งของตัวสร้างการแกว่งตัวของคลื่นความถี่ α (α-band oscillations) แผนที่ CSD เผยให้เห็นตัวสร้างกระแส α ในเปลือกสมองทุกชั้น ทั้ง supragranular, granular และ infragranular โดยมีแหล่งกำเนิดที่แข็งแกร่งที่สุดในชั้นผิวเผิน supragranular

การค้นพบนี้ได้แก้ไขการตีความที่ผิดพลาดซึ่งมีมาอย่างยาวนาน สัญญาณ LFP ดิบแสดงพลังงาน α สูงสุดในชั้นลึก infragranular แต่ CSD แสดงให้เห็นชัดเจนว่านี่เป็นภาพลวงตาที่เกิดจาก "การปนเปื้อนของสัญญาณ LFP ในชั้น infragranular โดยกิจกรรมที่นำด้วยปริมาตรจากตัวสร้าง α ในชั้น supragranular ที่แข็งแกร่งกว่า"

การนำปริมาตร ซึ่งกระแสไฟฟ้าจะแพร่กระจายอย่างเงียบๆ ผ่านเนื้อเยื่อ จะทำให้จุดกำเนิดที่แท้จริงของสัญญาณพร่ามัว CSD จะกรองความพร่ามัวนี้ออก เผยให้เห็นว่าจังหวะ α ไม่ใช่การผูกขาดของชั้นลึก แต่เป็นปรากฏการณ์หลายชั้นที่มีแนวโน้มว่าจะมีส่วนร่วมในทั้งการประมวลผลแบบป้อนไปข้างหน้า (feedforward) และแบบป้อนกลับ (feedback)

การศึกษาเปลือกสมองส่วนที่สองใช้การวิเคราะห์กำลังไฟฟ้า CSD แบบจำกัดแบนด์เพื่อวิเคราะห์โปรไฟล์ลามิเนตของการตอบสนองทางสายตาใน V1 เมื่อสิ่งเร้าปรากฏขึ้นอย่างกะทันหัน LFP จะแสดงการเปลี่ยนแปลงที่แหลมคมตามด้วยส่วนประกอบที่ต่อเนื่อง โดยการแยกส่วนสนับสนุนที่ล็อคเฟส (ค่าเฉลี่ยจากการทดลอง) และไม่ล็อคเฟส (กำลังไฟฟ้าจากการทดลองต่อการทดลอง) การวิเคราะห์ CSD พบแหล่งรับกระแสไฟฟ้าที่มีเวลาแฝงสั้นในชั้น 4C ซึ่งเป็นอินพุตธาลาโมคอร์ติคัลแบบคลาสสิก และที่ความลึกกว่านั้นประมาณ 500 ไมโครเมตร พบแหล่งรับที่ต่อเนื่องและแตกต่างออกไปซึ่งคงอยู่ตราบเท่าที่สิ่งเร้าทางสายตายังคงอยู่บนหน้าจอ

แหล่งรับที่ลึกกว่านั้นไม่ได้ล็อคเฟส ซึ่งหมายความว่าเวลาของมันจะแตกต่างกันไปในการทดลองแต่ละครั้ง และมีแนวโน้มที่จะแสดงถึงการประมวลผลซ้ำหรือการประมวลผลแบบป้อนกลับ มากกว่าการขับเคลื่อนแบบป้อนไปข้างหน้าในตอนแรก การแยกตัวระหว่างการตรวจจับในตอนแรกและการแสดงผลที่คงอยู่นี้จะมองไม่เห็นอย่างสิ้นเชิงในค่าเฉลี่ย LFP มาตรฐาน ซึ่งตอกย้ำถึงความสามารถเฉพาะตัวของ CSD ในการเผยให้เห็นสถาปัตยกรรมเชิงเวลาของการประมวลผลของเปลือกสมอง

การแปลผล CSD ในบริบทของกิจกรรมของเซลล์ประสาท

บางครั้งแผนที่ CSD ถูกวิพากษ์วิจารณ์ว่าเป็นนามธรรมทางคณิตศาสตร์ที่แยกออกจากกิจกรรมการยิงกระแสประสาท (spiking activity) อย่างไรก็ตาม หลักฐานที่รวบรวมได้นั้นหักล้างเรื่องนี้ เนื่องจากแหล่งรับและแหล่งกำเนิด CSD มีความเชื่อมโยงอย่างใกล้ชิดกับการยิงของเซลล์ประสาท

การเชื่อมโยง CSD กับการยิงกระแสประสาทและความสามารถในการถูกกระตุ้น

ในการศึกษาจังหวะ α โดย Haegens และคณะ กิจกรรมหลายหน่วย (multiunit activity หรือ MUA) ที่บันทึกไว้พร้อมกันกับ LFP นั้นถูกล็อคเฟสกับการกำหนดค่าแหล่งกำเนิด/แหล่งรับกระแสไฟฟ้าในท้องถิ่นที่ตรวจพบโดย CSD ซึ่งหมายความว่าเมื่อ CSD แสดงแหล่งรับกระแสไฟฟ้าที่แข็งแกร่งในชั้นที่กำหนด เซลล์ประสาทที่อยู่ใกล้เคียงก็มีแนวโน้มที่จะยิงศักยะงาน (action potentials) ที่เฟสของการแกว่งตัวนั้นมากกว่า

การเชื่อมโยงนี้ยืนยันว่า "จังหวะ α ดัชนีความผันผวนของความสามารถในการถูกกระตุ้นของเซลล์ประสาทในท้องถิ่น" และแหล่งรับ CSD สอดคล้องกับการขับเคลื่อนซินแนปส์แบบกระตุ้นสุทธิ การตระหนักเชิงประจักษ์นี้ทำให้ CSD มีความหมายทางชีววิทยาเนื่องจากมันระบุตำแหน่งชั้นที่การขับเคลื่อนซินแนปส์และกระบวนการทำงานของเมมเบรนมีความแข็งแกร่งที่สุด ไม่ใช่แค่เสียงสะท้อนจากการนำไฟฟ้าเชิงปริมาตรเท่านั้น

การแยกแยะพลวัตที่แตกต่างกันด้วย CSD

การศึกษาการตอบสนองทางสายตาโดย Maier และคณะ ได้ให้ข้อมูลเชิงลึกอีกระดับหนึ่ง ไมโครเซอร์กิต V1 เดียวกันสร้างรูปแบบ CSD ที่แตกต่างกันสองรูปแบบโดยพื้นฐานสำหรับสิ่งเร้าทางสายตาแบบง่ายๆ แหล่งรับที่ล็อคเฟสในช่วงแรกในชั้น 4C สะท้อนถึงการมาถึงตรงเวลาที่แม่นยำของอินพุตธาลาโมคอร์ติคัล แหล่งรับที่ไม่ล็อคเฟสในภายหลังซึ่งมีศูนย์กลางลึกกว่านั้น สอดคล้องกับการประมวลผลในคอร์เทกซ์อย่างต่อเนื่องที่ไม่ได้ล็อคกับการเริ่มมีสิ่งเร้า

CSD จึงสามารถวิเคราะห์รูปแบบคลื่น LFP รวมชุดเดียวออกเป็นส่วนประกอบที่เกิดขึ้นจากกลไกทางประสาทที่แตกต่างกัน เช่น การป้อนไปข้างหน้าเทียบกับการป้อนซ้ำ การเปลี่ยนแปลงอย่างรวดเร็วเทียบกับความคงอยู่ เผยให้เห็นภาพที่สมบูรณ์ยิ่งขึ้นของพลวัตของวงจรมากกว่าที่สัญญาณแรงดันไฟฟ้าดิบจะทำได้

เหตุใดการวิเคราะห์ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้าจึงเป็นเครื่องมือสำคัญสำหรับนักประสาทวิทยา

การวิเคราะห์ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้าพัฒนาไปไกลกว่าการบันทึกสิ่งที่อิเล็กโทรดเพียงแค่ "ได้ยิน" ไปสู่การสร้างภาพทางกายภาพของกระแสไฟฟ้าที่สร้างสัญญาณนั้น โดยการบูรณาการทฤษฎีชีวฟิสิกส์ที่เข้มงวดเข้ากับการปรับปรุงประสิทธิภาพการทดลองอย่างรอบคอบและรูปแบบการวิเคราะห์ที่แปลกใหม่ CSD จะเผยให้เห็นการเคลื่อนไหวแบบลามิเนตที่ซ่อนอยู่ของซินแนปส์และกระแสไฟฟ้าที่ทำงานอยู่

ไม่ว่าจะจัดทำแผนที่วงจรเรตินา อินพุตเซเบลลัม หรือจังหวะคอร์เทกซ์ CSD จะช่วยไขรายละเอียดที่ศักย์สนามแบบเดิมทำให้เบลอได้อย่างสม่ำเสมอ: โดยแยกสัญญาณที่นำผ่านปริมาตรออกจากกิจกรรมในท้องถิ่น แยกแยะเหตุการณ์จากซินแนปส์ที่ทับซ้อนกัน และเผยให้เห็นต้นกำเนิดเชิงพื้นที่ที่แท้จริงของการประมวลผลที่ต่อเนื่องและการแกว่งตัว

สำหรับนักประสาทวิทยาที่ทำงานเกี่ยวกับโพรบลามิเนตหรือข้อมูลการถ่ายภาพคอร์เทกซ์ CSD ไม่ใช่ส่วนเสริมที่ละทิ้งได้ แต่เป็นขั้นตอนพื้นฐานในการแปลผลการบันทึกนอกเซลล์อย่างตรงไปตรงมา ช่วยเปลี่ยนเส้นทางแรงดันไฟฟ้าที่คลุมเครือให้กลายเป็นแผนที่โปร่งใสว่าเซลล์ประสาทแลกเปลี่ยนข้อมูลที่ใดและเมื่อใด ทำให้เป็นเทคนิคหลักในการทำความเข้าใจการทำงานของวงจรประสาท

CSD เทียบกับสัญญาณ EEG ดิบ: เหตุใดจึงสำคัญ

EEG ดิบ จะแสดงแรงดันไฟฟ้าที่สัมพันธ์กับค่าอ้างอิง ในขณะที่ CSD จะแสดงอนุพันธ์เชิงพื้นที่ของขอบเขตแรงดันไฟฟ้านั้น สัญญาณดิบจะเก็บข้อมูลสนามกว้างไว้และมีประโยชน์สำหรับการประเมินการประสานกันทั่วโลก ระยะเวลาของเหตุการณ์ และคุณภาพข้อมูลโดยรวม CSD จะระงับกิจกรรมที่ราบรื่นเชิงพื้นที่บางส่วนและเน้นความโค้งในท้องถิ่น ซึ่งสามารถช่วยให้มองเห็นรูปแบบโฟกัสได้ง่ายขึ้น

ความแตกต่างไม่ได้เป็นเพียงแค่ระหว่างสัญญาณที่ด้อยกว่าและดีกว่าเท่านั้น อนุพันธ์เชิงพื้นที่เปลี่ยนคำถามที่ถาม ศักยภาพที่กว้างอาจมีความหมายทางชีววิทยาแม้ว่า CSD จะลดทอนลง ในขณะที่คุณลักษณะ CSD ที่คมชัดอาจสะท้อนถึงการสุ่มตัวอย่างที่เบาบาง การประมาณค่าในช่วง หรือสัญญาณรบกวนหากเรขาคณิตของการวัดอ่อนแอ

การเปรียบเทียบในทางปฏิบัติจะชัดเจนที่สุดเมื่อตรวจสอบทั้งสองการนำเสนอร่วมกัน คุณลักษณะที่ยังคงสอดคล้องกันทั้งในเชิงพื้นที่และเชิงเวลาในข้อมูลดิบและข้อมูลที่แปลงแล้วจะแปลผลได้ง่ายกว่าคุณลักษณะที่ปรากฏเฉพาะหลังจากการกรองอย่างเข้มงวดเท่านั้น CSD สามารถให้ ความจำเพาะเชิงพื้นที่ที่มากขึ้น แต่ความจำเพาะนั้นต้องชั่งน้ำหนักกับข้อมูลที่ถูกขจัดออกไปโดยการหาอนุพันธ์

การวิเคราะห์ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้าเปลี่ยนกราฟแรงดันไฟฟ้าให้เป็นแผนที่สัญญาณสมองที่น่าเชื่อถือได้อย่างไร

การวิเคราะห์ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้าเปลี่ยนจุดเน้นจากแรงดันไฟฟ้าดิบที่อิเล็กโทรดตรวจจับได้ ไปเป็นตำแหน่งทางกายภาพที่เซลล์ประสาทแลกเปลี่ยนสัญญาณไฟฟ้ากันจริงๆ โดยการกรองความพร่ามัวของการนำกระแสไฟฟ้าทางปริมาตรออก เทคนิคนี้จะแก้ไขภาพลวงตาในการบันทึกมาตรฐาน เช่น กิจกรรมอัลฟ่าที่ปรากฏแข็งแกร่งที่สุดในจุดที่มันเป็นเพียงเสียงสะท้อนแบบพาสซีฟ ในวงจรเซเบลลัม เรตินา และเปลือกสมอง เทคนิคนี้จะแยกตัวขับเคลื่อนที่เข้ามาจากการประมวลผลที่ยั่งยืนอย่างต่อเนื่อง เผยให้เห็นกิจกรรมทีละชั้นที่กราฟปกติรวมเข้าด้วยกัน

อย่างไรก็ตาม CSD ไม่ใช่การแก้ไขแบบอัตโนมัติ ความน่าเชื่อถือของมันขึ้นอยู่กับระยะห่างของอิเล็กโทรดอย่างระมัดระวัง การควบคุมสัญญาณรบกวน และการแปลผลที่เหมาะสม วิธีการนี้เชื่อมโยงได้ดีที่สุดกับการยิงของเซลล์ประสาทจริงเมื่อแหล่งรับและแหล่งกำเนิดสอดคล้องกับกิจกรรมการยิงกระแสประสาท ทำให้นักวิทยาศาสตร์ได้แผนที่การสื่อสารทางประสาทที่น่าเชื่อถือ สิ่งนี้มีความสำคัญอย่างยิ่งเนื่องจากการรู้ว่าวงจรแลกเปลี่ยนข้อมูลที่ใดและเมื่อใดนั้นเป็นสิ่งจำเป็นสำหรับการทำความเข้าใจการบันทึกข้อมูลสมองอย่างตรงไปตรงมา

เอกสารอ้างอิง

1. Nicholson, C., & Freeman, J. A. (1975). Theory of current source-density analysis and determination of conductivity tensor for anuran cerebellum. Journal of neurophysiology, 38(2), 356-368. https://doi.org/10.1152/jn.1975.38.2.356

2. Freeman, J. A., & Nicholson, C. H. (1975). Experimental optimization of current source-density technique for anuran cerebellum. Journal of neurophysiology, 38(2), 369-382. https://doi.org/10.1152/jn.1975.38.2.369

3. Xu, X. I. J. I. N. G., & Karwoski, C. J. (1994). Current source density (CSD) analysis of retinal field potentials. I. Methodological considerations and depth profiles. Journal of neurophysiology, 72(1), 84-95. https://doi.org/10.1152/jn.1994.72.1.84

4. Haegens, S., Barczak, A., Musacchia, G., Lipton, M. L., Mehta, A. D., Lakatos, P., & Schroeder, C. E. (2015). Laminar profile and physiology of the α rhythm in primary visual, auditory, and somatosensory regions of neocortex. The Journal of Neuroscience, 35(42), 14341-14352. https://doi.org/10.1523/JNEUROSCI.0600-15.2015

5. Maier, A., Aura, C. J., & Leopold, D. A. (2011). Infragranular sources of sustained local field potential responses in macaque primary visual cortex. The Journal of Neuroscience, 31(6), 1971-1980. https://doi.org/10.1523/JNEUROSCI.5300-09.2011

คำถามที่พบบ่อย

การวิเคราะห์ความหนาแน่นแหล่งกำเนิดกระแสไฟฟ้า (CSD) คืออะไร และเผยอะไรเกี่ยวกับกิจกรรมของสมองบ้าง?

การวิเคราะห์ CSD จะแปลงบันทึกแรงดันไฟฟ้านอกเซลล์ให้เป็นแผนที่ระบุตำแหน่งที่กระแสไฟฟ้าไหลเข้า (แหล่งรับ) และออกจาก (แหล่งกำเนิด) เซลล์ประสาท ซึ่งเผยให้เห็นตำแหน่งชั้นลามิเนตและระยะเวลาของกิจกรรมจากซินแนปส์ ช่วยให้ได้ความละเอียดของเหตุการณ์ทางประสาทที่เหนือกว่าเมื่อเทียบกับการวิเคราะห์ศักย์สนามแบบเดิม ทำให้นักวิจัยสามารถระบุชั้นที่แม่นยำของการคำนวณทางประสาทได้

การวิเคราะห์ CSD ทำงานอย่างไรจากมุมมองทางชีวฟิสิกส์?

เมื่อซินแนปส์ทำงาน ไอออนจะไหลผ่านเยื่อหุ้มเซลล์ประสาท ทำให้เกิดกระแสไฟฟ้าขนาดเล็กในเนื้อเยื่อรอบข้าง ซึ่งอิเล็กโทรดนอกเซลล์จะบันทึกเป็นส่วนผสมที่พร่ามัวจากหลายเซลล์ CSD จะทำงานย้อนกลับจากแรงดันไฟฟ้าที่บันทึกไว้ โดยใช้สมการของปัวซงและความผันแปรเชิงพื้นที่ของศักย์สนามเพื่ออนุมานกระแสไฟฟ้าสุทธิที่ไหลเข้าหรือออกจากเนื้อเยื่อในแต่ละจุด ซึ่งก็คือการหาอนุพันธ์อันดับสองเชิงพื้นที่ของแรงดันไฟฟ้าในตัวนำที่สม่ำเสมอและเรียบง่าย

เหตุใดการวิเคราะห์ CSD จึงถือว่าดีกว่าการวิเคราะห์ศักย์สนามมาตรฐาน?

การบันทึก LFP มาตรฐานประกอบด้วยข้อมูลที่ทับซ้อนกันจากแหล่งกำเนิดจำนวนมาก ทำให้ยากต่อการระบุต้นกำเนิดของสัญญาณ CSD จะกรองสัญญาณที่นำผ่านปริมาตรออกและแยกแยะเหตุการณ์จากซินแนปส์ที่ทับซ้อนกัน เผยให้เห็นต้นกำเนิดเชิงพื้นที่ที่แท้จริงของกิจกรรม เช่น การแยกแยะระหว่างการประมวลผลแบบป้อนไปข้างหน้าและแบบป้อนกลับในชั้นของคอร์เทกซ์

ข้อกำหนดในทางปฏิบัติในการได้มาซึ่งแผนที่ CSD ที่น่าเชื่อถือมีอะไรบ้าง?

แหล่งข้อผิดพลาดหลักสามประการที่สามารถทำลายแผนที่ CSD ได้แก่: ระยะห่างของอิเล็กโทรด (ใหญ่เกินไปทำให้เกิด aliasing เล็กเกินไปขยายสัญญาณรบกวน) สัญญาณรบกวนทางไฟฟ้า และความไม่แน่นอนในตำแหน่งอิเล็กโทรดหรือการนำไฟฟ้าที่สมมติขึ้น วิธีการแก้ไขที่เหมาะสมที่สุดคือการวัดสเปกตรัมความหนาแน่นพลังงานเชิงพื้นที่เพื่อเลือกระยะห่างระหว่างอิเล็กโทรดที่เพิ่มการจับสัญญาณจริงได้สูงสุดพร้อมกับลดความบิดเบือนให้น้อยที่สุด

เมื่อใดที่การวิเคราะห์ CSD แบบ 1D เพียงพอ และเมื่อใดที่มันไม่เพียงพอ?

การวิเคราะห์ CSD แบบ 1D สมมติว่ากระแสไฟฟ้าไหลตามแกนของการทะลุผ่านของอิเล็กโทรดเท่านั้น ซึ่งใช้ได้เมื่อองค์ประกอบของเซลล์ประสาทที่ทำงานอยู่จัดเรียงในแผ่นลามิเนตที่เรียบและขนานกัน และเส้นทางของอิเล็กโทรดตั้งฉากกับแผ่นเหล่านั้น เช่น ในคอร์เทกซ์หรือเซเบลลัม อย่างไรก็ตาม หากกระแสไฟฟ้าที่สำคัญไหลไปในทิศทางอื่น เช่น ใกล้กับขอบโค้งหรือเมื่อเจาะทะแยง การวิเคราะห์แบบ 1D จะระบุสัญญาณที่นำด้วยปริมาตรผิดพลาดว่าเป็นแหล่งกำเนิดในท้องถิ่น

การประยุกต์ใช้งานหลักของการวิเคราะห์ CSD ในส่วนต่างๆ ของสมองคืออะไร?

CSD ถูกนำไปใช้กับเซเบลลัมเพื่อทำแผนที่อินพุต vestibulocerebellar นำไปใช้กับเรตินาเพื่อวิเคราะห์การตอบสนองที่ถูกกระตุ้นด้วยแสงทีละชั้น (เช่น แยกส่วนประกอบ b-wave, PNR และ M-wave) และนำไปใช้กับคอร์เทกซ์ส่วนนอกเพื่อระบุตำแหน่งเครื่องกำเนิดคลื่นอัลฟ่าและการตอบสนองทางสายตา ในแต่ละกรณี CSD จะให้การวิเคราะห์กระแสไฟฟ้าจากซินแนปส์ทีละชั้นซึ่งกราฟแรงดันไฟฟ้ามาตรฐานทำให้เบลอรวมกัน

เหตุใด CSD จึงถือเป็นขั้นตอนพื้นฐานสำหรับการแปลผลการบันทึกนอกเซลล์อย่างตรงไปตรงมา?

CSD เปลี่ยนเส้นทางแรงดันไฟฟ้าที่คลุมเครือให้กลายเป็นแผนที่โปร่งใสว่าเซลล์ประสาทแลกเปลี่ยนข้อมูลที่ใดและเมื่อใด แยกสัญญาณที่นำผ่านปริมาตรออกจากกิจกรรมในท้องถิ่น และแยกแยะเหตุการณ์จากซินแนปส์ที่ทับซ้อนกัน มันไม่ใช่ส่วนเสริมที่ละทิ้งได้ แต่เป็นเครื่องมือสำคัญสำหรับความเข้าใจในการทำงานของวงจรประสาท โดยเฉพาะอย่างยิ่งสำหรับนักวิจัยที่ใช้โพรบลามิเนตหรือข้อมูลการถ่ายภาพคอร์เทกซ์

แหล่งกำเนิดกระแสไฟฟ้าและแหล่งรับกระแสไฟฟ้าแตกต่างกันอย่างไร?

โดยทั่วไป แหล่งกำเนิดจะเกี่ยวข้องกับกระแสไฟฟ้าที่ออกจากพื้นที่นอกเซลล์ ในขณะที่แหล่งรับจะเกี่ยวข้องกับกระแสไฟฟ้าที่ไหลเข้าสู่พื้นที่ดังกล่าว ฉลากแสดงผลขึ้นอยู่กับข้อตกลงเรื่องเครื่องหมายและมุมมองที่ใช้

สามารถใช้ CSD กับ EEG ได้หรือไม่?

ได้ EEG CSD มักจะใช้การแปลงคล้ายกับลาปลาเซียนพื้นผิว เพื่อเน้นความแตกต่างของฟิลด์หนังศีรษะในท้องถิ่นและลดผลกระทบของการนำกระแสไฟฟ้าทางปริมาตรในมุมกว้าง

ข้อจำกัดหลักของ CSD คืออะไร?

ข้อจำกัดที่สำคัญ ได้แก่ รูปแบบอิเล็กโทรดที่เบาบางหรือไม่สม่ำเสมอ การขยายสัญญาณรบกวน การนำไฟฟ้าที่ไม่แน่นอน ผลกระทบจากขอบ การประมาณค่าในช่วงที่ไม่สมบูรณ์ และความคลุมเครือเกี่ยวกับตัวสร้างทางกายวิภาคพื้นฐาน