ข้อมูล EEG ให้บันทึกการทำงานของกระแสไฟฟ้าที่วัดจากหนังศีรษะที่ไวต่อเวลา คุณค่าของข้อมูลนี้ไม่ได้ขึ้นอยู่กับตัวบันทึกเพียงอย่างเดียว แต่ยังขึ้นอยู่กับการจัดเก็บข้อมูลที่รอบคอบ การประมวลผลที่โปร่งใส การจัดเก็บที่เหมาะสม และการตีความที่รับผิดชอบ
ข้อมูล EEG คืออะไร?
ข้อมูล EEG คือบันทึกดิจิทัลของความต่างศักย์ไฟฟ้าที่วัดโดยอิเล็กโทรดที่วางอยู่บนหรือใกล้กับหนังศีรษะ อิเล็กโทรเอนเซฟาโลกราฟีเป็นวิธีที่ไม่ลุกล้ำร่างกายและมีความละเอียดทางเวลาสูง ช่วยให้นักวิจัยและแพทย์สามารถตรวจสอบการเปลี่ยนแปลงในกิจกรรมของสมองในช่วงเวลาเป็นมิลลิวินาทีได้ สัญญาณที่ได้มักจะถูกจัดเก็บเป็นอนุกรมเวลาต่อเนื่องตั้งแต่หนึ่งชุดขึ้นไป โดยแต่ละช่องสัญญาณจะแสดงการวัดที่สัมพันธ์กับตัวอ้างอิง
สัญญาณดังกล่าวสะท้อนถึงแหล่งที่มาที่ผสมผสานกัน กิจกรรมของระบบประสาทมีส่วนช่วยในการบันทึก แต่สิ่งแปลกปลอม เช่น การเคลื่อนไหวของดวงตา การหดตัวของกล้ามเนื้อ การเคลื่อนไหวของอิเล็กโทรด การรบกวนจากสิ่งแวดล้อม และการเปลี่ยนแปลงในการสัมผัส ก็สามารถปรากฏในรอยบันทึกได้เช่นกัน
ด้วยเหตุผลดังกล่าว ข้อมูล EEG จึงไม่ใช่การอ่านค่าโดยตรงของกระบวนการทางสมองเพียงกระบวนการเดียว แต่เป็นการสังเกตที่ต้องอาศัยบริบท การตรวจสอบคุณภาพ และวิธีการวิเคราะห์ที่ชัดเจน
จำนวนช่องสัญญาณ อัตราการสุ่มตัวอย่าง ตัวอ้างอิง ตำแหน่งของอิเล็กโทรด ตัวทำเครื่องหมายเหตุการณ์ และข้อมูลของผู้เข้าร่วม ล้วนกำหนดวิธีการแปลความหมายของข้อมูล ในทางปฏิบัติ การบันทึกจะมีข้อมูลมากที่สุดเมื่อพิจารณาสัญญาณควบคู่ไปกับงาน สถานะ เวลา และเงื่อนไขที่มีการรวบรวมข้อมูล
เซลล์สมองสร้างสัญญาณ EEG ได้อย่างไร
การเบี่ยงเบนของแรงดันไฟฟ้าที่อิเล็กโทรด EEG ตรวจพบนั้นไม่ได้มาจากศักยะงานที่รวดเร็วและเป็นแบบมีหรือไม่มีเลยซึ่งเซลล์ประสาทใช้สำหรับการสื่อสารระยะไกล แต่มาจากศักย์หลังไซแนปส์แบบค่อยเป็นค่อยไปที่ช้ากว่าซึ่งแพร่กระจายไปทั่วเดนไดรต์ของเซลล์พีระมิดในคอร์เทกซ์
เมื่อเซลล์ประสาทเหล่านี้หลายพันเซลล์เปิดทำงานพร้อมกันโดยประมาณ กระแสนอกเซลล์ขนาดเล็กของพวกมันจะรวมตัวกันผ่านตัวนำของสมอง น้ำเลี้ยงสมองและไขสันหลัง กะโหลกศีรษะ และหนังศีรษะ ซึ่งเป็นกระบวนการที่เรียกว่าการนำปริมาตร แรงดันไฟฟ้าที่ไปถึงเซ็นเซอร์บันทึกในที่สุดนั้นสะท้อนถึงความสอดคล้องของระบบประสาทขนาดใหญ่ที่พร่ามัวแต่เป็นจริง
การรับข้อมูล EEG ทำงานอย่างไร
ในระหว่างการรับข้อมูล อิเล็กโทรดจะตรวจจับความผันผวนของแรงดันไฟฟ้าขนาดเล็ก และระบบบันทึกจะแปลงค่าเหล่านั้นเป็นตัวอย่างดิจิทัล โดยทั่วไปแล้วระบบจะบันทึกหลายช่องสัญญาณพร้อมกัน ในขณะที่ ตัวอ้างอิง และสายดินจะให้บริบททางไฟฟ้าที่จำเป็นในการคำนวณค่าช่องสัญญาณ อัตราการสุ่มตัวอย่างจะกำหนดความถี่ในการวัดสัญญาณ และกำหนดว่าการเปลี่ยนแปลงใดที่สามารถแสดงได้อย่างแม่นยำ
ก่อนการบันทึก ช่างเทคนิคหรือนักวิจัยจะจัดตำแหน่งอิเล็กโทรดตาม แผนผังการจัดวางอิเล็กโทรด (montage) ที่กำหนดไว้ และตรวจสอบคุณภาพของการสัมผัส กรอบ การจัดวางอิเล็กโทรด EEG อธิบายถึงแนวทางที่เป็นมาตรฐานซึ่งสนับสนุนการเปรียบเทียบข้ามเซสชันและห้องปฏิบัติการ อาจมีการเพิ่มตัวทำเครื่องหมายเหตุการณ์เมื่อสิ่งเร้าปรากฏขึ้น ผู้เข้าร่วมตอบสนอง หรือเกิดเหตุการณ์ทางคลินิกขึ้น ซึ่งจะสร้างไทม์ไลน์ที่สามารถจัดตำแหน่งให้ตรงกับสัญญาณที่บันทึกไว้ในภายหลังได้
การรับข้อมูลยังถูกกำหนดโดยระเบียบการทดลอง การบันทึกสถานะพัก การศึกษาการนอนหลับ งานด้านพุทธิปัญญา และการติดตามอาการชัก จะใช้ระยะเวลา คำแนะนำ และเซ็นเซอร์เสริมที่แตกต่างกัน ดังนั้น ชุดข้อมูลที่สมบูรณ์จึงประกอบด้วยมากกว่ารอยบันทึกแรงดันไฟฟ้า โดยอาจประกอบด้วยป้ายกำกับช่องสัญญาณ ตำแหน่งอิเล็กโทรด การตั้งค่าอุปกรณ์ รหัสเหตุการณ์ คำอธิบายประกอบ และบันทึกการหยุดชะงักหรือสภาวะที่ผิดปกติ
แนวทางปฏิบัติที่ดีที่สุดสำหรับการรวบรวมข้อมูล EEG
การรวบรวมที่ดีเริ่มต้นด้วยระเบียบการที่กำหนดคำถามวิจัย ระยะเวลาการบันทึก การกำหนดค่าช่องสัญญาณ อัตราการสุ่มตัวอย่าง ตัวอ้างอิง และขั้นตอนการทำเครื่องหมายเหตุการณ์ก่อนที่ผู้เข้าร่วมจะได้รับการทดสอบ ความสม่ำเสมอจะช่วยลดความแปรปรวนที่ไม่ต้องการระหว่างเซสชัน และทำให้การเปรียบเทียบในภายหลังมีความน่าเชื่อถือมากขึ้น ระเบียบการควรระบุด้วยว่าจะเกิดอะไรขึ้นเมื่อช่องสัญญาณมีเสียงรบกวน ผู้เข้าร่วมขยับตัว หรือพลาดตัวทำเครื่องหมายเหตุการณ์
การเตรียมร่างกายก็มีความสำคัญเช่นกัน เนื่องจากคุณภาพของสัญญาณอาจลดลงจากการเคลื่อนไหวทั่วไปและการสัมผัสของอิเล็กโทรดที่ไม่ดี ด้วยเหตุนี้ ผู้ควบคุมเครื่องจึงมักตรวจสอบความต้านทานไฟฟ้าหรือตัวบ่งชี้การสัมผัสที่เทียบเท่า อธิบายงานอย่างชัดเจน และบันทึกการเปลี่ยนแปลงที่เกี่ยวข้องในสถานะของผู้เข้าร่วม ขั้นตอนเหล่านี้ไม่ได้ขจัดสิ่งแปลกปลอมออกไปทั้งหมด แต่ช่วยให้ระบุแหล่งที่มาได้ง่ายขึ้น และป้องกันไม่ให้ปัญหาที่หลีกเลี่ยงได้ถูกเข้าใจผิดว่าเป็นผลการค้นพบทางประสาท
รายการตรวจสอบการรวบรวมสั้นๆ สามารถช่วยให้เห็นรายละเอียดการทำงานได้โดยไม่ต้องแทนที่การตัดสินใจทางวิทยาศาสตร์:
ยืนยันป้ายกำกับช่องสัญญาณ ตำแหน่งอิเล็กโทรด ตัวอ้างอิง และสายดิน
บันทึกการตั้งค่าการสุ่มตัวอย่าง การตั้งค่าฟิลเตอร์ และการกำหนดค่าอุปกรณ์
ทำเครื่องหมายสิ่งเร้า การตอบสนอง การหยุดชั่วคราว และเหตุการณ์สำคัญทางคลินิกอย่างสม่ำเสมอ
บันทึกการรบกวน การเคลื่อนไหว การเปลี่ยนอิเล็กโทรด และสถานะผู้เข้าร่วมที่ผิดปกติ
หลังจากการรวบรวม ควรจับคู่รายการตรวจสอบกับการตรวจสอบการบันทึกดิบและข้อมูลเมตา บันทึกการรับข้อมูลที่ชัดเจน ช่วยให้นักวิเคราะห์สามารถแยกแยะคุณลักษณะของสัญญาณที่แท้จริงจากการเปลี่ยนแปลงที่เกิดจากฮาร์ดแวร์ การตั้งค่า หรือการเบี่ยงเบนของระเบียบการได้
อิเล็กโทรดแบบเปียกเทียบกับแบบแห้ง และคุณภาพการสัมผัสผิวหนัง
การบันทึก EEG ทั้งหมดเริ่มต้นด้วยเซ็นเซอร์ทางกายภาพที่สัมผัสกับผิวหนัง และเซ็นเซอร์นั้นจัดอยู่ในกลุ่มใหญ่กลุ่มใดกลุ่มหนึ่งจากสองกลุ่ม
อิเล็กโทรดแบบเปียกจะใช้เจลหรือครีมนำไฟฟ้าเพื่อเชื่อมช่องว่างระหว่างโลหะกับหนังศีรษะ เพื่อลดความต้านทานไฟฟ้า ส่วนอิเล็กโทรดแบบแห้งจะไม่ใช้เจล โดยอาศัยวัสดุขั้นสูงและระบบขยายสัญญาณล่วงหน้าในตัวเพื่อรักษาความถูกต้องของสัญญาณ
อิเล็กโทรดบางตัวเป็นแบบแอคทีฟ ซึ่งหมายความว่ามีวงจรแปลงความต้านทานไฟฟ้าโดยตรงที่ตำแหน่งบันทึก ส่วนอิเล็กโทรดแบบพาสซีฟจะไม่มีระบบอิเล็กทรอนิกส์ในตัวนี้ ไม่ว่าจะเป็นประเภทใด คุณภาพของส่วนต่อประสานระหว่างอิเล็กโทรดกับหนังศีรษะจะเป็นตัวกำหนดว่าสัญญาณทางชีวภาพจะเหลือรอดอยู่เท่าใดก่อนที่จะไปถึงเครื่องขยายสัญญาณด้วยซ้ำ
การสัมผัสที่ไม่ดีจะดึงดูดเสียงรบกวนจากสิ่งแวดล้อมและสิ่งแปลกปลอมจากการเคลื่อนไหวที่สามารถกลบกิจกรรมของสมองที่แผ่วเบาได้ Winkler และคณะ ได้ระบุถึงความท้าทายนี้อย่างชัดเจนเมื่อพวกเขาจัดการกับปัญหาที่เป็นสากลของส่วนประกอบแหล่งที่มาที่เกิดจากสิ่งแปลกปลอม โดยการสร้างตัวจำแนกประเภทที่เป็นอิสระจากผู้รับการทดลองสำหรับส่วนประกอบ การวิเคราะห์ส่วนประกอบที่เป็นอิสระ (ICA)
การมีอยู่ของความพยายามนั้นเน้นย้ำว่าการปนเปื้อนจากสิ่งแปลกปลอมเป็นปัญหาที่เกิดขึ้นอย่างต่อเนื่องในการบันทึก EEG และการติดอิเล็กโทรดในขั้นแรก ได้แก่ การทำความสะอาดผิวหนัง การวางเซ็นเซอร์อย่างถูกต้อง และการตรวจสอบการเชื่อมต่อที่เสถียร คือวิธีแรกและตรงที่สุดในการลดภาระจากสิ่งแปลกปลอมที่กระบวนการประมวลผลภายหลังต้องจัดการ
การออกแบบแผนผังการจัดวางและระบบมาตรฐาน 10–20
เนื่องจากศักย์ไฟฟ้าบนหนังศีรษะไม่มีป้ายกำกับเชิงพื้นที่ในตัว วงการนี้จึงได้นำพิกัดตารางมาใช้เป็นเวลานานแล้ว ระบบมาตรฐานสากล 10–20 กำหนดตำแหน่งอิเล็กโทรดตามสัดส่วนระหว่างจุดอ้างอิงทางกายวิภาคสี่จุด ได้แก่ จุดเนเซียน (ดั้งจมูก) จุดอินเนียน (ปุ่มกระดูกที่ท้ายทอย) และจุดหน้าใบหูด้านซ้ายและขวาที่อยู่ด้านหน้าใบหูพอดี มาตรฐานนี้หมายความว่าช่องสัญญาณที่ติดป้ายกำกับว่า "Cz" จะอ้างอิงถึงตำแหน่งยอดส่วนกลางเดียวกันในทุกห้องปฏิบัติการ ทำให้ชุดข้อมูลสามารถเปรียบเทียบกันได้โดยตรง
แผนผังการจัดวางอิเล็กโทรดที่กำหนดเป็นข้อกำหนดว่าแรงดันไฟฟ้าของอิเล็กโทรดแต่ละตัวจะถูกวัดอย่างไรเมื่อเทียบกับตัวอ้างอิง และอนุพันธ์แบบ สองขั้ว (bipolar) หรือแบบอ้างอิงเหล่านั้นจะถูกแสดงหรือจัดเก็บอย่างไรนั้น จะอยู่บนโครงร่างทางกายภาพนั้น การศึกษาของ Arnaud Delorme เป็นภาพประกอบที่ชัดเจนว่าเหตุใดข้อมูลแผนผังการจัดวางที่ถูกต้องจึงมีความสำคัญในขั้นตอนต่อไป โดยพบว่าการประมาณค่าช่องสัญญาณที่เสีย (bad-channel interpolation) ซึ่งเป็นหนึ่งในขั้นตอนการประมวลผลล่วงหน้าไม่กี่ขั้นตอนที่ปรับปรุงกำลังทางสถิติของศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ได้อย่างสม่ำเสมอนั้น ขึ้นอยู่กับการทราบเพื่อนบ้านเชิงพื้นที่ที่แม่นยำของอิเล็กโทรดแต่ละตัว หากไม่มีแผนผังช่องสัญญาณที่ถูกต้อง การประมาณค่าดังกล่าวก็จะไม่สามารถทำงานได้อย่างน่าเชื่อถือ
จากนั้นเขาเสริมว่าตัวจำแนกประเภทสิ่งแปลกปลอมได้รับการออกแบบมาเพื่อให้ใช้ได้กับข้อมูลที่ใช้การตั้งค่าช่องสัญญาณที่แตกต่างกัน ซึ่งเป็นการย้ำว่าคุณลักษณะเชิงพื้นที่ของตัวจำแนกประเภทนั้นสมมติว่ามีการจัดเรียงที่ได้รับการบันทึกไว้เป็นอย่างดี แผนผังการจัดวางที่เป็นมาตรฐานและได้รับการบันทึกไว้อย่างถูกต้องจึงกลายเป็นโครงร่างที่มองไม่เห็นซึ่งสนับสนุนทั้งการแปลความหมายของมนุษย์และการนำอัลกอริทึมกลับมาใช้ใหม่
การเลือกและการบันทึกตัวอ้างอิงออนไลน์
เครื่องขยายสัญญาณ EEG ทุกเครื่องจะบันทึกความต่างศักย์ไฟฟ้าระหว่างจุดสองจุด ในระหว่างการบันทึกออนไลน์ จุดหนึ่งในนั้นคืออิเล็กโทรดอ้างอิงทางกายภาพที่ฮาร์ดแวร์ถือว่าเป็นเกณฑ์มาตรฐานคงที่
ตัวเลือกทั่วไปคือยอดศีรษะ (Cz) ติ่งหูหรือปุ่มกระดูกหลังหู (mastoid) ที่เชื่อมต่อกัน หรือค่าเฉลี่ยของช่องสัญญาณบนหนังศีรษะทั้งหมด เนื่องจากไฟล์ข้อมูลดิบจะจัดเก็บแรงดันไฟฟ้าที่เกี่ยวข้องกับตัวอ้างอิงเดิมนั้น การเลือกจึงทิ้งร่องรอยถาวรไว้บนตัวเลข แม้ว่าในภายหลังนักวิจัยจะอ้างอิงสัญญาณทางคณิตศาสตร์ไปยังจุดร่วมอื่นก็ตาม
ในการศึกษาดังกล่าวโดย Delorme ซึ่งทดสอบไปป์ไลน์การประมวลผลล่วงหน้าแบบอัตโนมัติกับชุดข้อมูล EEG สาธารณะสามชุด เขาพบว่าวิธีการอ้างอิงและการกำจัดเกณฑ์มาตรฐานขั้นสูงส่งผลเสียต่อประสิทธิภาพการทำงานอย่างมีนัยสำคัญ โดยลดเปอร์เซ็นต์ของช่องสัญญาณที่แสดงผลการทดลองที่สำคัญ
การค้นพบนั้นไม่ได้หมายความว่าจะต้องไม่อ้างอิงใหม่ แต่หมายความว่าต้องบันทึกตัวอ้างอิงออนไลน์เริ่มต้นไว้ในส่วนหัวของไฟล์ นักวิเคราะห์ในอนาคตจึงจะสามารถเข้าใจได้ว่าเดิมทีมีการหักเกณฑ์มาตรฐานใดออกไป และประเมินว่าการแปลงในภายหลังอาจบิดเบือนการตอบสนองของสมองที่แท้จริงหรือไม่
การแปลงสัญญาณอนาล็อกเป็นดิจิทัลและอัตราการสุ่มตัวอย่าง
แรงดันไฟฟ้าต่อเนื่องที่ไหลจากอิเล็กโทรดแต่ละตัวจะถูกแปลงเป็นกระแสของตัวเลขแยกกันโดยตัวแปลงอนาล็อกเป็นดิจิทัล (ADC) อัตราที่ ADC ทำการสุ่มตัวอย่างจะเป็นตัวกำหนดความละเอียดทางเวลาของอนุกรมเวลาที่ได้
ตัวอย่างเช่น อัตราการสุ่มตัวอย่าง 500 Hz หมายความว่าสถานะทางไฟฟ้าของสมองจะถูกจับภาพหนึ่งครั้งในทุกๆ 2 มิลลิวินาที ตามทฤษฎีบทของไนควิสต์ ความถี่สูงสุดที่สามารถแสดงได้อย่างถูกต้องในสัญญาณดิจิทัลคือน้อยกว่าครึ่งหนึ่งของอัตราการสุ่มตัวอย่าง ดังนั้นการบันทึกที่ 500 Hz จึงสามารถกู้คืนความถี่ได้ถึงต่ำกว่า 250 Hz เล็กน้อย โดยปกติแล้ว EEG ระดับการวิจัย จะทำงานระหว่าง 250 Hz ถึง 1000 Hz ขึ้นอยู่กับย่านความถี่ที่สนใจ
สิ่งที่ทำให้อัตราการสุ่มตัวอย่างมีความสำคัญอย่างยิ่งในฐานะข้อมูลเมตาก็คือ มันจะจำกัดตัวเลือกการวิเคราะห์ที่เกิดขึ้นในขั้นตอนต่อๆ ไปอย่างเงียบๆ Fraschini และคณะ ได้ตรวจสอบผลกระทบต่อเนื่องนี้โดยการทดสอบว่าความยาวของช่วงเวลา (epoch length)—หน้าต่างเวลาของข้อมูลที่ดึงออกมาสำหรับการวิเคราะห์การเชื่อมต่อ—เปลี่ยนผลลัพธ์อย่างไร
โดยการใช้ EEG สถานะพักจากผู้ใหญ่ที่มีสุขภาพดี การศึกษาแสดงให้เห็นว่าทั้งค่าดัชนีความล่าช้าของเฟสเฉลี่ยและค่าสหสัมพันธ์ของกรอบแอมพลิจูดลดลงเมื่อช่วงเวลายาวนานขึ้น และเริ่มคงที่หลังจากผ่านไปประมาณ 12 วินาที และ 6 วินาทีตามลำดับ แม้แต่โทโพโลยีของเครือข่ายเชิงทฤษฎีกราฟที่สร้างขึ้นใหม่จากข้อมูลก็ยังแปรผันตามระยะเวลาของช่วงเวลา แม้ว่าพารามิเตอร์ต้นไม้ทอดยาวขั้นต่ำระดับแหล่งที่มาจะพิสูจน์แล้วว่ามีความทนทานมากกว่าก็ตาม
ข้อสรุปที่สำคัญสำหรับการบันทึกข้อมูลดิบคือ จำนวนตัวอย่างต่อวินาทีจะเป็นเกณฑ์ขั้นต่ำสุดในการกำหนดวิธีการแบ่งเวลา หากบันทึกอัตราการสุ่มตัวอย่างไม่ถูกต้อง ตัวทำเครื่องหมายเหตุการณ์ ขอบเขตช่วงเวลา และการประมาณค่าการเชื่อมต่อในภายหลังทั้งหมดจะได้รับข้อผิดพลาดนั้นไปด้วย ดังนั้น การระบุอัตรา ADC ที่แน่นอนในส่วนหัวของไฟล์จึงเป็นเรื่องที่ต้องจัดการและไม่สามารถต่อรองได้
รูปแบบการจัดเก็บข้อมูลมาตรฐาน: EDF และ BrainVision
เมื่อแปลงเป็นดิจิทัลแล้ว อนุกรมเวลาและข้อมูลเมตาที่แนบมาจะต้องอยู่ในรูปแบบไฟล์ที่ซอฟต์แวร์อื่นและห้องปฏิบัติการอื่นสามารถเปิดได้โดยไม่มีความกำกวม
รูปแบบเปิดสองรูปแบบที่ครองวงการนี้ ได้แก่ European Data Format (EDF) ซึ่งเป็นคอนเทนเนอร์ขนาดกะทัดรัดที่ได้รับการยอมรับอย่างแพร่หลายในด้านการศึกษาการนอนหลับและสถานพยาบาล ซึ่งจัดเก็บหลายช่องสัญญาณควบคู่ไปกับส่วนหัวที่ระบุอัตราการสุ่มตัวอย่าง ป้ายกำกับช่องสัญญาณ และมิติทางกายภาพ
BrainVision ซึ่งเป็นรูปแบบที่พัฒนาโดย Brain Products จะกระจายข้อมูลเดียวกันไปยังไฟล์ที่เชื่อมโยงกันสามไฟล์ ได้แก่ ไฟล์ข้อความส่วนหัว (.vhdr) ที่แสดงรายชื่อช่องสัญญาณ อัตราการสุ่มตัวอย่าง และตัวอ้างอิงเดิม ไฟล์ตัวทำเครื่องหมาย (.vmrk) ที่บันทึกรหัสเหตุการณ์และเวลาแฝง และไฟล์ข้อมูลไบนารี (.eeg) ที่เก็บตัวอย่างแรงดันไฟฟ้าดิบ
คุณค่าของรูปแบบมาตรฐานเหล่านี้จะชัดเจนขึ้นเมื่อมีการแชร์ชุดข้อมูลขนาดใหญ่ต่อสาธารณะ ตัวอย่างเช่น ใน การศึกษาปี 2019 นักวิจัยได้เผยแพร่ชุดข้อมูล BCI (brain-computer interface) แบบหลายพาราไดม์ ซึ่งครอบคลุมถึงจินตภาพการเคลื่อนไหว ศักย์ไฟฟ้าสมองสัมพันธ์กับเหตุการณ์ และศักย์ไฟฟ้าสมองจากการกระตุ้นด้วยสายตาในสภาวะคงที่จากผู้เข้าร่วม 54 คน การเผยแพร่ทรัพยากรดังกล่าวพร้อมกับสคริปต์การวิเคราะห์แบบโอเพนซอร์สจะไม่มีความหมายเลยหากข้อมูลนั้นถูกล็อคไว้ในรูปแบบที่เป็นกรรมสิทธิ์เฉพาะ
ไม่ว่าในท้ายที่สุดไฟล์จะถูกจัดเก็บถาวรในรูปแบบ EDF หรือ BrainVision ตัวเลือกนี้ก็รับประกันได้ว่านักวิจัยทุกคนสามารถดาวน์โหลดการบันทึกและทำซ้ำผลการค้นพบได้ ซึ่งเป็นการเชื่อมโยงรอยบันทึกดิบเข้ากับห่วงโซ่การทำซ้ำของชุมชนทั้งหมด
คุณลักษณะ | EDF | BrainVision |
|---|---|---|
โครงสร้างไฟล์ | คอนเทนเนอร์เดี่ยว | ไฟล์ที่เชื่อมโยงกันสามไฟล์ |
ข้อมูลส่วนหัว | อยู่ภายในไฟล์ | ไฟล์ข้อความ .vhdr |
ตัวทำเครื่องหมายเหตุการณ์ | ไม่แยกจากกัน | ไฟล์ .vmrk |
ข้อมูลดิบ | อยู่ในไฟล์เดียวกัน | ไฟล์ไบนารี .eeg |
การจัดการที่สำคัญ: แผนผังช่องสัญญาณและข้อมูลเมตาการสุ่มตัวอย่าง
ไฟล์ EEG ดิบจะสามารถนำไปใช้ทางวิทยาศาสตร์ได้ก็ต่อเมื่อมีคำอธิบายที่สมบูรณ์และถูกต้องเกี่ยวกับโครงร่างเชิงพื้นที่และเชิงเวลา ซึ่งหมายความว่าทุกช่องสัญญาณต้องมีป้ายกำกับมาตรฐาน (เช่น Fz, C3, O2 เป็นต้น) พร้อมด้วยพิกัดสามมิติบนหนังศีรษะ พิกัดเหล่านั้นช่วยให้สามารถวิเคราะห์ในภายหลังที่เกี่ยวข้องกับความสัมพันธ์เชิงพื้นที่ได้ เช่น การประมาณค่าช่องสัญญาณที่เสียจากช่องสัญญาณข้างเคียง หรือ การฉายสัญญาณ ไปยังแบบจำลองแหล่งที่มาของคอร์เทกซ์
การศึกษาโดย Fraschini และคณะ อาศัยคุณลักษณะเชิงพื้นที่ สเปกตรัม และเชิงเวลาในการจำแนกประเภทส่วนประกอบ ICA ว่าเป็นสมองหรือสิ่งแปลกปลอม โทโพโลยีเชิงพื้นที่ของส่วนประกอบจะไม่มีความหมายเลยหากไม่ทราบตำแหน่งทางกายภาพของอิเล็กโทรดแต่ละตัวที่มีส่วนทำให้เกิดส่วนประกอบนั้น
ในทำนองเดียวกัน Delorme พบว่าการประมาณค่าช่องสัญญาณที่เสีย ซึ่งใช้ค่าจากอิเล็กโทรดที่อยู่ติดกัน เป็นหนึ่งในการแก้ไขเพียงไม่กี่อย่างที่รักษาผลการทดลองได้อย่างน่าเชื่อถือ เครื่องมือประมาณค่าสามารถคาดเดาเชิงพื้นที่นั้นได้ก็ต่อเมื่อแผนผังช่องสัญญาณของชุดข้อมูลนั้นถูกต้องเท่านั้น
ส่วนหัวของไฟล์จะต้องจัดเก็บอัตราการสุ่มตัวอย่างที่แม่นยำ วันที่บันทึก และป้ายกำกับที่ชัดเจนสำหรับช่องสัญญาณเสริมใดๆ เช่น การบันทึกการเคลื่อนไหวของลูกตา (electro-oculogram) หรือกิจกรรมของกล้ามเนื้อ (electromyogram) แม้ว่าช่องสัญญาณเหล่านั้นจะไม่ได้ใช้งานในระหว่างการสำรวจข้อมูลเบื้องต้น แต่ก็ควรมีความโปร่งใส ความไม่สอดคล้องกันระหว่างอัตราการสุ่มตัวอย่างที่จัดเก็บกับนาฬิกา ADC จริงสามารถบิดเบือนเวลาได้อย่างถาวร ทำให้ไม่สามารถปรับให้ตรงกับตัวทำเครื่องหมายสิ่งเร้าได้ในภายหลัง
ข้อมูล EEG ในสภาพแวดล้อมทางคลินิกเทียบกับเพื่อการวิจัย
การบันทึกทางคลินิกและการวิจัยใช้หลักการสำคัญร่วมกัน แต่มีวัตถุประสงค์เร่งด่วนที่แตกต่างกัน EEG ทางคลินิกได้รับการรับข้อมูลมาเพื่อสนับสนุนการประเมิน การติดตาม หรือการวินิจฉัยผู้ป่วยภายใต้ขั้นตอนทางวิชาชีพและสถาบันที่จัดตั้งขึ้น ส่วน EEG เพื่อการวิจัยมักจะถูกรวบรวมเพื่อทดสอบสมมติฐานที่กำหนด เปรียบเทียบเงื่อนไข หรือพัฒนาวิธีการวิเคราะห์ โดยมีระเบียบการและการบันทึกข้อมูลเฉพาะของการศึกษา
งานทางคลินิกให้ความสำคัญอย่างยิ่งต่อการทบทวนอย่างทันท่วงที แผนผังการจัดวางที่มีความหมายทางคลินิก การแปลความหมายที่ผ่านการตรวจสอบ และบันทึกถาวรภายในระบบการดูแลที่เกี่ยวข้อง การวิจัยให้ความสำคัญกับการควบคุมเงื่อนไข ผลลัพธ์ที่ระบุไว้ล่วงหน้า ความสามารถในการทำซ้ำ และการจัดการข้อยกเว้นอย่างโปร่งใส ผลการวิจัยไม่ได้เป็นผลการค้นพบทางคลินิกโดยอัตโนมัติ และการสังเกตทางคลินิกก็ไม่ได้เป็นมาตรการการวิจัยที่ผ่านการตรวจสอบโดยอัตโนมัติเช่นกัน
ความแตกต่างนี้ยังส่งผลต่อการกำกับดูแลข้อมูลด้วย ข้อมูลทางคลินิกอาจถูกควบคุมโดยภาระผูกพันด้านประวัติทางการแพทย์และข้อกำหนดการดูแลโดยตรง ในขณะที่ชุดข้อมูลการวิจัยจะถูกกำหนดโดยข้อความแสดงความยินยอม การทบทวนโดยสถาบัน แผนการแบ่งปันข้อมูล และจุดยุติการศึกษา ในทั้งสองสภาพแวดล้อม จำเป็นต้องมีการแปลความหมายโดยผู้เชี่ยวชาญและการบันทึกข้อมูลอย่างระมัดระวัง เนื่องจากรูปแบบ EEG ขึ้นอยู่กับบริบทมากกว่าค่าตัวเลขที่แยกจากกัน
ข้อพิจารณาด้านความเป็นส่วนตัวและจริยธรรมสำหรับข้อมูล EEG
การบันทึก EEG สามารถเชื่อมโยงกับบุคคลได้ผ่านตัวระบุ ข้อมูลเซสชัน บริบททางคลินิก หรือการรวมกันของข้อมูลเมตา แม้ว่ารูปแบบคลื่นจะแปลความหมายได้ยากนอกสภาพแวดล้อมของผู้เชี่ยวชาญ แต่ก็ควรได้รับการจัดการในฐานะข้อมูลที่ละเอียดอ่อนของมนุษย์เมื่อเชื่อมโยงกับผู้เข้าร่วมที่ระบุตัวตนได้ การรวบรวมและการนำกลับมาใช้ใหม่ควรสอดคล้องกับระเบียบการที่ได้รับการอนุมัติและข้อกำหนดด้านความเป็นส่วนตัวที่เกี่ยวข้อง
การยินยอมควรอธิบายถึงวัตถุประสงค์ของการบันทึก ประเภทของการวิเคราะห์ที่คาดการณ์ไว้ ระยะเวลาการจัดเก็บ การแบ่งปันที่อาจเกิดขึ้น และการอนุญาตให้ใช้ในอนาคตหรือไม่ นักวิจัยควรหลีกเลี่ยงการบ่งบอกว่า EEG สามารถเปิดเผยได้มากกว่าที่การศึกษาได้รับการออกแบบมาเพื่อวัด การสื่อสารที่ชัดเจนมีความสำคัญอย่างยิ่งเมื่อผู้เข้าร่วมอาจทึกทักเอาเองว่าการบันทึกเพื่อการวิจัยจะให้การวินิจฉัยหรือการประเมินเฉพาะบุคคล
การปฏิบัติทางจริยธรรมยังคงดำเนินต่อไปหลังการรวบรวม การลบข้อมูลระบุตัวตน การเข้าถึงที่ได้รับการควบคุม ขีดจำกัดการเก็บรักษา เส้นทางการตรวจสอบ และการเปิดเผยข้อมูลเมตาอย่างระมัดระวังช่วยลดความเสี่ยงได้ แต่ไม่มีวิธีใดที่สามารถกำจัดความเสี่ยงได้ทั้งหมด ควรรายงานผลการค้นพบโดยไม่กล่าวเกินจริงถึงความหมายในการทำนายหรือการวินิจฉัย และควรปฏิบัติต่อการจำแนกประเภทอัตโนมัติในฐานะผลลัพธ์การวิเคราะห์ที่ต้องมีการตรวจสอบความถูกต้องอย่างเหมาะสม แทนที่จะเป็นการตัดสินใจเกี่ยวกับบุคคลที่ห้ามโต้แย้ง
เหตุใดคุณภาพการบันทึกดิบจึงเป็นรากฐานสำหรับการวิเคราะห์ EEG ที่น่าเชื่อถือ
เซสชัน EEG เพียงเซสชันเดียวคือช่วงเวลาที่โครงสร้างทางไฟฟ้าของสมองถูกบันทึกไว้ในรูปแบบถาวร และความซับซ้อนของรอยบันทึกดิบนั้นสะท้อนถึงเครือข่ายประสาทใต้หนังศีรษะอยู่แล้ว การศึกษา บนพื้นฐานประสาทวิทยาศาสตร์ ที่เน้นย้ำที่นี่มีข้อความที่เป็นเอกภาพว่า สัญญาณที่สนใจนั้นอยู่ในข้อมูลดิบเอง หากขั้นตอนการรับข้อมูลได้รับการจัดการด้วยความระมัดระวัง คุณภาพการสัมผัสของอิเล็กโทรด แผนผังช่องสัญญาณที่แม่นยำ ตัวอ้างอิงและอัตราการสุ่มตัวอย่างที่ได้รับการบันทึกข้อมูลไว้ และรูปแบบการจัดเก็บข้อมูลแบบเปิด ล้วนเป็นตัวกำหนดว่าสัญญาณนั้นจะยังคงเข้าถึงได้ในห้องปฏิบัติการต่างๆ และในอีกหลายปีข้างหน้าหรือไม่
สุดท้ายนี้ การยับยั้งชั่งใจมักจะให้ผลดีกว่าการประมวลผลที่หนักหน่วง เนื่องจากนักวิจัยที่ปล่อยข้อมูลดิบไว้เป็นส่วนใหญ่สามารถรักษาการตอบสนองของสมองที่แท้จริงได้ดีกว่าผู้ที่ใช้วิธีแก้ไขที่รุนแรง การบันทึกอย่างระมัดระวัง ข้อมูลเมตาที่ตรงไปตรงมา และการรบกวนที่น้อยที่สุด ถือเป็นวินัยที่ช่วยให้สัญญาณทางวิทยาศาสตร์ยังคงอยู่ครบถ้วน
ดังนั้น การวิเคราะห์ที่น่าเชื่อถือทุกครั้งจึงไม่ได้เริ่มต้นด้วยอัลกอริทึมที่ซับซ้อน แต่เริ่มต้นด้วยการกระทำง่ายๆ ในการบันทึกรอยบันทึกที่แม่นยำและได้รับการบันทึกข้อมูลไว้เป็นอย่างดี
เอกสารอ้างอิง
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
Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0
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.
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
คำถามที่พบบ่อย
การบันทึก EEG จับภาพอะไรได้บ้าง และเหตุใดจึงถือเป็นภาพสะท้อนของกิจกรรมในสมอง
การบันทึก EEG จะจับภาพความผันผวนของแรงดันไฟฟ้าขนาดเล็กที่หนังศีรษะ ซึ่งเกิดจากกิจกรรมที่สอดประสานกันของเซลล์ประสาทในคอร์เทกซ์กลุ่มใหญ่ ความผันผวนเหล่านี้ส่วนใหญ่มาจากศักย์หลังไซแนปส์แบบค่อยเป็นค่อยไปในเซลล์พีระมิด ซึ่งรวมกันผ่านการนำปริมาตร ทำให้เกิดการวัดที่พร่ามัวแต่เป็นจริงของความสอดคล้องของระบบประสาทขนาดใหญ่
เหตุใดสัญญาณ EEG จึงมาจากศักย์หลังไซแนปส์มากกว่าศักยะงาน
ศักยะงานเป็นเหตุการณ์ที่เกิดขึ้นสั้นๆ แบบมีหรือไม่มีเลย ซึ่งมีส่วนช่วยเพียงเล็กน้อยต่อแรงดันไฟฟ้าของหนังศีรษะ ในขณะที่ศักย์หลังไซแนปส์แบบค่อยเป็นค่อยไปที่ช้ากว่าจะแพร่กระจายไปทั่วเดนไดรต์และรวมกันในเซลล์ประสาทหลายพันเซลล์ การรวมกันนี้ทำให้เกิดการเบี่ยงเบนของแรงดันไฟฟ้าที่ตรวจพบได้ที่หนังศีรษะ ทำให้ศักย์หลังไซแนปส์เป็นแหล่งที่มาหลักของสัญญาณ EEG
ความแตกต่างระหว่างอิเล็กโทรดแบบเปียกและแบบแห้งคืออะไร และคุณภาพของการสัมผัสของอิเล็กโทรดส่งผลต่อการบันทึกอย่างไร
อิเล็กโทรดแบบเปียกใช้เจลนำไฟฟ้าเพื่อลดความต้านทานไฟฟ้าและปรับปรุงการส่งสัญญาณ ในขณะที่อิเล็กโทรดแบบแห้งอาศัยวัสดุขั้นสูงและระบบขยายสัญญาณล่วงหน้าในตัวเพื่อรักษาความถูกต้องโดยไม่ต้องใช้เจล คุณภาพของส่วนต่อประสานระหว่างอิเล็กโทรดกับผิวหนังมีความสำคัญอย่างยิ่ง เนื่องจากหากสัมผัสไม่ดีจะทำให้เกิดเสียงรบกวนจากสิ่งแวดล้อมและสิ่งแปลกปลอมจากการเคลื่อนไหวที่สามารถกลบสัญญาณสมองที่แผ่วเบาได้
ระบบมาตรฐานสากล 10–20 กำหนดมาตรฐานการวางอิเล็กโทรดอย่างไร และเหตุใดจึงสำคัญ
ระบบ 10–20 กำหนดตำแหน่งอิเล็กโทรดตามสัดส่วนระหว่างจุดอ้างอิงทางกายวิภาคสี่จุด ได้แก่ จุดเนเซียน จุดอินเนียน และจุดหน้าใบหูด้านซ้ายและขวา เพื่อให้ช่องสัญญาณที่ติดป้ายกำกับ เช่น "Cz" อ้างอิงถึงตำแหน่งเดียวกันในทุกห้องปฏิบัติการ มาตรฐานนี้ช่วยให้มั่นใจได้ว่าชุดข้อมูลสามารถเปรียบเทียบกันได้โดยตรง และช่วยให้สามารถวิเคราะห์เชิงพื้นที่ได้อย่างถูกต้อง เช่น การประมาณค่าช่องสัญญาณที่เสีย
เหตุใดการบันทึกข้อมูลอิเล็กโทรดอ้างอิงออนไลน์ที่ใช้ในระหว่างการบันทึก EEG จึงเป็นสิ่งจำเป็น
ไฟล์ข้อมูลดิบจะจัดเก็บแรงดันไฟฟ้าที่สัมพันธ์กับตัวอ้างอิงออนไลน์ ดังนั้น การเลือกตัวอ้างอิง (เช่น Cz, ติ่งหูที่เชื่อมต่อกัน หรือค่าเฉลี่ย) จึงทิ้งร่องรอยถาวรไว้บนตัวเลข แม้ว่าจะมีการอ้างอิงใหม่ในภายหลังก็ตาม หากไม่มีการบันทึกข้อมูลอ้างอิงเดิม นักวิเคราะห์ในอนาคตจะไม่สามารถเข้าใจเกณฑ์มาตรฐานที่หักออกไป หรือประเมินว่าการแปลงในภายหลังบิดเบือนการตอบสนองของสมองที่แท้จริงหรือไม่
อัตราการสุ่มตัวอย่างมีบทบาทอย่างไรในการบันทึก EEG และทฤษฎีบทของไนควิสต์นำมาประยุกต์ใช้อย่างไร
อัตราการสุ่มตัวอย่างเป็นตัวกำหนดความละเอียดทางเวลาของสัญญาณดิจิทัล โดยทฤษฎีบทของไนควิสต์ระบุว่า ความถี่สูงสุดที่แสดงได้อย่างถูกต้องคือน้อยกว่าครึ่งหนึ่งของอัตราการสุ่มตัวอย่าง ตัวอย่างเช่น อัตราการสุ่มตัวอย่าง 500 Hz สามารถกู้คืนความถี่ได้ถึงต่ำกว่า 250 Hz เล็กน้อย และโดยทั่วไป EEG ระดับการวิจัยจะทำงานระหว่าง 250 ถึง 1000 Hz อัตราการสุ่มตัวอย่างที่แม่นยำมีความสำคัญอย่างยิ่งเนื่องจากจำกัดการวิเคราะห์ที่เกี่ยวข้องกับเวลาในขั้นต่อไปทั้งหมด
รูปแบบข้อมูลเปิดที่โดดเด่นสองรูปแบบสำหรับ EEG คืออะไร และจัดเก็บอะไรบ้าง
European Data Format (EDF) เป็นคอนเทนเนอร์ขนาดกะทัดรัดที่จัดเก็บหลายช่องสัญญาณพร้อมส่วนหัวที่ระบุอัตราการสุ่มตัวอย่าง ป้ายกำกับช่องสัญญาณ และมิติทางกายภาพ BrainVision กระจายข้อมูลไปยังไฟล์ที่เชื่อมโยงกันสามไฟล์ ได้แก่ ส่วนหัว (.vhdr) ไฟล์ตัวทำเครื่องหมาย (.vmrk) และไฟล์ข้อมูลไบนารี (.eeg) ซึ่งทั้งหมดนี้ช่วยให้มั่นใจได้ว่าจะมีการแชร์และทำซ้ำได้อย่างไม่มีความคลุมเครือ
เหตุใดแผนผังช่องสัญญาณที่สมบูรณ์และพิกัดเชิงพื้นที่จึงจำเป็นสำหรับไฟล์ EEG ดิบ
แผนผังช่องสัญญาณที่มีป้ายกำกับมาตรฐานและพิกัด 3D ช่วยให้สามารถวิเคราะห์เชิงพื้นที่ได้ เช่น การประมาณค่าช่องสัญญาณที่เสียจากช่องสัญญาณข้างเคียง หรือการฉายสัญญาณไปยังแบบจำลองแหล่งที่มาของคอร์เทกซ์ ตัวอย่างเช่น ตัวจำแนกประเภทสิ่งแปลกปลอมอาศัยโทโพโลยีเชิงพื้นที่ และการประมาณค่าต้องการการทราบตำแหน่งอิเล็กโทรดที่แน่นอน หากไม่มีสิ่งนี้ การวิเคราะห์ดังกล่าวจะล้มเหลว
ข้อมูลเมตาที่จำเป็นใดบ้างที่ต้องบันทึกไว้ในส่วนหัวของไฟล์ EEG และเพราะเหตุใด
ส่วนหัวต้องระบุอัตราการสุ่มตัวอย่างที่แม่นยำ วันที่บันทึก ป้ายกำกับช่องสัญญาณพร้อมพิกัด 3D และป้ายกำกับที่ชัดเจนสำหรับช่องสัญญาณเสริม เช่น EOG หรือ EMG ข้อมูลนี้มีความสำคัญอย่างยิ่งเนื่องจากอัตราการสุ่มตัวอย่างที่ไม่ถูกต้องสามารถบิดเบือนเวลาได้อย่างถาวร และแผนผังช่องสัญญาณที่ถูกต้องเป็นสิ่งจำเป็นสำหรับการประมาณค่าเชิงพื้นที่และการสร้างแบบจำลองแหล่งที่มา
เหตุใด EEG จึงมีประโยชน์สำหรับการวิจัย
EEG ให้ข้อมูลเชิงเวลาที่ละเอียดมาก ทำให้มีประโยชน์สำหรับการศึกษาการตอบสนองที่สัมพันธ์กับเหตุการณ์ จังหวะการทำงานของสมอง การนอนหลับ ความสนใจ การประมวลผลทางประสาทสัมผัส และปรากฏการณ์อื่นๆ ที่อ่อนไหวต่อเวลา การแปลความหมายยังคงขึ้นอยู่กับการออกแบบการทดลองและคุณภาพของสัญญาณ
สิ่งแปลกปลอมที่พบบ่อยใน EEG มีอะไรบ้าง
สิ่งแปลกปลอมที่พบบ่อย ได้แก่ การกระพริบตา การเคลื่อนไหวของดวงตา กิจกรรมของกล้ามเนื้อ การเคลื่อนไหวของอิเล็กโทรด การสัมผัสที่ไม่ดี การเคลื่อนไหวของสายเคเบิล และการรบกวนทางไฟฟ้า สิ่งเหล่านี้อาจส่งผลกระทบต่อช่องสัญญาณเดียวหรือหลายช่องสัญญาณ และสามารถทับซ้อนกับความถี่ที่น่าสนใจทางวิทยาศาสตร์ได้
การประมวลผลล่วงหน้าในการวิเคราะห์ EEG คืออะไร
การประมวลผลล่วงหน้าคือชุดการทำงานที่ได้รับการบันทึกข้อมูลไว้ซึ่งใช้ในการเตรียมการบันทึกสำหรับการวิเคราะห์ ซึ่งอาจรวมถึงการกรอง การอ้างอิงใหม่ การจัดการช่องสัญญาณที่เสีย การระบุสิ่งแปลกปลอม การแบ่งช่วงเวลา การแก้ไขเกณฑ์มาตรฐาน และการควบคุมคุณภาพ
Emotiv เป็นผู้นำด้านนิวโรเทคโนโลยีที่ช่วยขับเคลื่อนการวิจัยประสาทวิทยาศาสตร์ผ่านเครื่องมือ EEG และข้อมูลสมองที่เข้าถึงได้
คริสเตียน บูร์โกส
