ความหนาแน่นสเปกตรัมกำลัง หรือ PSD คือเครื่องมือที่ช่วยแยกสัญญาณ EEG และบอกคุณว่าพลังงานจากแต่ละความเร็วหรือความถี่เหล่านั้น มีส่วนช่วยในการบันทึกภาพรวมมากน้อยเพียงใด เมื่อคุณสามารถอ่านกราฟ PSD ได้แล้ว คุณจะสามารถอ่านข้อมูลจังหวะการทำงานของสมองได้ ซึ่งเป็นแผนภูมิที่แสดงให้เห็นว่าจังหวะใดมีอิทธิพลเด่นชัดและจังหวะใดที่ลดเลือนหายไปในพื้นหลัง
ความหนาแน่นสเปกตรัมกำลัง (Power Spectral Density) ใน EEG คืออะไร?
ลองจินตนาการว่าคลื่น EEG ดิบเปรียบเสมือนคอร์ดที่บรรเลงโดยวงออเคสตรา ซึ่งเครื่องดนตรีแต่ละชิ้นจะมีความถี่ของคลื่นสมองที่แตกต่างกัน คุณไม่สามารถบอกได้ด้วยการฟังเพียงอย่างเดียวว่าเครื่องดนตรีแต่ละชิ้นมีส่วนร่วมมากน้อยเพียงใด
PSD แก้ปัญหานี้โดยการคำนวณแอมพลิจูดกำลังสองของสัญญาณที่แต่ละความถี่ และหาค่าเฉลี่ยของการวัดนั้นตลอดระยะเวลาการบันทึก ผลลัพธ์ที่ได้คือเส้นโค้งที่มีความถี่อยู่บนแกนหนึ่งและกำลัง (Power) อยู่บนอีกแกนหนึ่ง ซึ่งแสดงให้เห็นอย่างชัดเจนว่ากิจกรรมทางไฟฟ้าของสมองกระจายตัวอย่างไรในจังหวะที่ช้าและเร็ว
PSD จะบีบอัดช่วงเวลาการบันทึกทั้งหมดให้อยู่ในเส้นโค้งเดียว ดังนั้นจึงบอกคุณเกี่ยวกับความสมดุลโดยรวมของความถี่ในช่วงเวลาดังกล่าว แทนที่จะเป็นการติดตามการเปลี่ยนแปลงของสัดส่วนในแต่ละวินาที ซึ่งนั่นเป็นสิ่งสำคัญมากเนื่องจากสถานะสมองของบุคคลสามารถเปลี่ยนแปลงได้อย่างรวดเร็ว แต่กราฟ PSD มาตรฐานจะเฉลี่ยการเปลี่ยนแปลงเหล่านั้นออกไป
นักวิจัยที่เปรียบเทียบอุปกรณ์สวมศีรษะ EEG เกรดทางการแพทย์และ เกรดผู้บริโภค ได้ใช้วิธีการคำนวณเฉพาะสำหรับการหาค่าเฉลี่ยนี้ ซึ่งเรียกว่า Welch's modified periodogram ซึ่งจะแบ่งการบันทึกออกเป็นส่วนที่ทับซ้อนกันและหาค่าเฉลี่ยสเปกตรัมของแต่ละส่วนเพื่อสร้างค่าประมาณการ PSD ที่สะอาดและมีสัญญาณรบกวนน้อยกว่า
ขั้นตอนการ ประมวลผลสัญญาณ ประเภทนี้เป็นแนวทางปฏิบัติมาตรฐานสำหรับการสร้างเส้นโค้ง PSD ที่สะท้อนถึงกิจกรรมของสมองที่แท้จริงมากกว่าการผันผวนแบบสุ่ม
การคำนวณความหนาแน่นสเปกตรัมกำลังทีละขั้นตอน
โดยทั่วไปแล้วการคำนวณ PSD จะเกี่ยวข้องกับลำดับการตัดสินใจด้านคุณภาพสัญญาณและการประมวลผลสัญญาณ มากกว่าที่จะเป็นคำสั่งเดียว ขั้นแรกจะตรวจสอบการบันทึกว่ามีข้อมูลที่ขาดหายไป ช่องสัญญาณที่ไม่เหมาะสม และสิ่งแปลกปนที่เด่นชัดหรือไม่ จากนั้นนักวิเคราะห์จะเลือกเซกเมนต์ ลบหรือสร้างแบบจำลองแนวโน้มที่ช้าเมื่อเหมาะสม ใช้หน้าต่างเวลา (Window) แปลงข้อมูลไปยังโดเมนความถี่ และปรับสเกลผลลัพธ์
สเปกตรัมที่ได้ควรได้รับการตรวจสอบควบคู่ไปกับอนุกรมเวลาดั้งเดิม และตรวจสอบคำอธิบายประกอบสำหรับการเคลื่อนไหว การรบกวนของอิเล็กโทรด กิจกรรมของดวงตา กิจกรรมของกล้ามเนื้อ หรือเหตุการณ์ในการทดลองหากเกี่ยวข้อง การเปรียบเทียบนี้ช่วยแยกแยะรูปแบบจังหวะที่แท้จริงออกจากสิ่งรบกวนชั่วคราวที่บังเอิญไปสร้างกำลังสเปกตรัม
ขั้นตอนการทำงานจริงสามารถจัดแบ่งออกเป็นขั้นตอนต่างๆ ดังนี้:
ตรวจสอบอัตราการสุ่มตัวอย่าง (Sampling rate) ป้ายกำกับช่องสัญญาณ การอ้างอิง และระยะเวลาในการบันทึก
ระบุช่วงเวลา (Epochs) ที่ใช้งานได้ และจัดการกับสิ่งแปลกปนหรือเซกเมนต์ที่ถูกปฏิเสธ
เลือกความยาวเซกเมนต์ การทับซ้อน หน้าต่างเวลา และช่วงความถี่
ประมาณค่าและปรับสเกล PSD จากนั้นตรวจสอบยอดสเปกตรัม (Peaks) และกำลังในช่วงแถบความถี่ที่กำหนด
บันทึกพารามิเตอร์ต่างๆ เพื่อให้สามารถทำซ้ำและเปรียบเทียบผลลัพธ์ได้
ขั้นตอนเหล่านี้ทำให้การคำนวณสามารถตรวจสอบย้อนกลับได้ และยังป้องกันไม่ให้สเปกตรัมที่ดูสวยงามทางสายตาถูกมองว่าไม่เกี่ยวข้องกับขั้นตอนการเตรียมข้อมูลและการประมาณค่าที่สร้างมันขึ้นมา
วิธีการทั่วไป: Periodogram และวิธีของ Welch
Periodogram จะคำนวณขนาดกำลังสองของ การแปลงฟูริเยร์ (Fourier transform) สำหรับเซกเมนต์ที่เลือก วิธีนี้ตรงไปตรงมาและสามารถให้ระยะห่างความถี่ที่ละเอียดได้เมื่อเซกเมนต์มีความยาว แต่ค่าประมาณอาจผันผวนอย่างมากจากช่องความถี่หนึ่งไปยังอีกช่องถัดไป ความแปรปรวนนี้เกี่ยวข้องเป็นพิเศษกับการบันทึกสัญญาณทางชีววิทยาที่มีสัญญาณรบกวนสูง
วิธีของ Welch จะแบ่งสัญญาณออกเป็นเซกเมนต์ที่ทับซ้อนกัน ใช้หน้าต่างเวลากับแต่ละเซกเมนต์ คำนวณ Periodogram ของแต่ละส่วน แล้วหาค่าเฉลี่ยของผลลัพธ์ โดยทั่วไปแล้วการหาค่าเฉลี่ยจะทำให้ได้ค่าประมาณที่ราบรื่นกว่าและมีความแปรปรวนต่ำกว่า ในขณะที่เซกเมนต์ที่สั้นกว่าอาจลดความละเอียดของความถี่ลง ความสมดุลที่ดีที่สุดขึ้นอยู่กับว่าการวิเคราะห์เน้นไปที่ยอดคลื่นที่แคบ แถบความถี่กว้าง หรือกิจกรรมเฉลี่ยที่เสถียร
ความแตกต่างนี้ไม่ใช่แค่เรื่องของความสวยงาม สเปกตรัมที่ราบรื่นกว่าช่วยให้เปรียบเทียบรูปแบบกว้างๆ ได้ง่ายขึ้น แต่การหาค่าเฉลี่ยที่มากเกินไปอาจบดบังการเปลี่ยนแปลงที่เกิดขึ้นในช่วงสั้นๆ หรือเกิดขึ้นเฉพาะจุด สำหรับ EEG ที่แปรผันตามเวลา การวิเคราะห์แบบเวลา-ความถี่ (Time-frequency approach) อาจมีความเหมาะสมมากกว่าการใช้ PSD เดี่ยวๆ ตลอดการบันทึกทั้งหมด
ลักษณะของสเปกตรัม EEG ในสภาวะพักผ่อนปกติเป็นอย่างไร
หากคุณให้ผู้ใหญ่ที่มีสุขภาพดีนั่งลง ขอให้พวกเขาผ่อนคลาย และ บันทึกค่า EEG ของพวกเขา เส้นโค้ง PSD ที่ได้จะมีรูปร่างที่จดจำได้ง่าย กำลังจะสูงสุดที่ความถี่ต่ำสุดและลดลงอย่างต่อเนื่องเมื่อความถี่เพิ่มขึ้น ทำให้เกิดการลดลงในลักษณะคล้าย 1/f
เส้นโค้งที่ลาดลงนี้สะท้อนถึงส่วนประกอบที่ไม่มีคาบ (Aperiodic component) ที่อธิบายไว้ข้างต้น และความชันของมันจะถูกจับคู่ด้วยตัวเลขตัวเดียวที่เรียกว่า เลขชี้กำลังสเปกตรัม (Spectral exponent) บางครั้งเขียนเป็น β การลดลงที่ชันขึ้นหมายถึงเลขชี้กำลังเชิงลบที่มากกว่า การลดลงที่แบนราบขึ้นหมายความว่ากำลังมีการกระจายอย่างสม่ำเสมอมากขึ้นในแต่ละความถี่
เมื่อพิจารณาควบคู่ไปกับเส้นโค้งลาดลงที่เป็นพื้นหลังนี้ สมองที่อยู่ในสภาวะพักผ่อนและหลับตาลงมักจะสร้างปุ่มนูนที่เห็นได้ชัดเจนในช่วงประมาณ 8 ถึง 12 Hz ซึ่งก็คือยอดคลื่นอัลฟา (Alpha peak) ปุ่มนูนนี้มักจะแรงที่สุดที่บริเวณด้านหลังของศีรษะ หากให้บุคคลเดิมเปิดตา ยอดคลื่นอัลฟานั้นจะหดเล็กลงอย่างเห็นได้ชัด
การ เปรียบเทียบโดยตรงโดย Ratti และคณะ ระหว่างระบบ EEG เกรดทางการแพทย์และสายรัดศีรษะเกรดผู้บริโภคได้บันทึกรูปแบบนี้ไว้ตรงกัน: ในทุกระบบที่ทดสอบ สัญญาณจังหวะที่ใหญ่ที่สุดในข้อมูลคือจังหวะอัลฟาส่วนหลัง (Posterior alpha rhythm) ที่ตอบสนองอย่างคาดเดาได้ต่อสภาวะหลับตาและลืมตา
การเปรียบเทียบเดียวกันนี้ยังได้ตั้งคำถามในทางปฏิบัติเพิ่มเติมว่า: หากคุณบันทึกข้อมูลของบุคคลเดียวกันสองครั้ง ในการเข้าชมที่แยกจากกันสองครั้ง เส้นโค้ง PSD จะดูเหมือนเดิมหรือไม่?
คำตอบนั้นขึ้นอยู่กับคุณภาพของอุปกรณ์อย่างมาก ระบบเกรดทางการแพทย์จะสร้าง PSD ของอิเล็กโทรด Fp1 (Fp1 อยู่บนหน้าผากและเป็นอิเล็กโทรดหนึ่งเดียวที่มีร่วมกันในทั้งสี่ระบบที่ทดสอบ) ที่มีความสอดคล้องกันในการเข้าชมแต่ละครั้ง ในขณะที่ระบบเกรดผู้บริโภคแสดงความแปรปรวนสัมพัทธ์สูงสุดระหว่างเซสชันการทดสอบและการทดสอบซ้ำ สิ่งนี้บอกเราว่าเส้นโค้ง PSD ที่แสดงผลได้ดีไม่ใช่แค่คุณสมบัติของสมองเท่านั้น แต่ยังเป็นคุณสมบัติของความระมัดระวังในการจับสัญญาณอีกด้วย
ยาสลบเปลี่ยนสัญญาณสเปกตรัมของสมองอย่างไร
PSD แบบคงที่จะให้ข้อมูลเชิงลึกได้ดีเป็นพิเศษเมื่อสถานะของสมองเปลี่ยนไปอย่างมาก และไม่มีตัวอย่างใดจะชัดเจนไปกว่าการดมยาสลบ การศึกษาในปี 2019 โดย Colombo และคณะ ได้บันทึก EEG ในสภาวะพักผ่อนของอาสาสมัครที่มีสุขภาพดีก่อนและระหว่างการดมยาสลบด้วยสารสามชนิดที่แตกต่างกัน ได้แก่ ซีนอน (Xenon), โพรโพฟอล (Propofol) และคีตามีน (Ketamine)
หลังจากการทดสอบแต่ละครั้ง นักวิจัยได้ถามว่าบุคคลนั้นมีความทรงจำเกี่ยวกับประสบการณ์ที่มีสติในช่วงเวลาที่ไม่ตอบสนองหรือไม่ เพื่อแยกความแตกต่างระหว่างสภาวะที่มีรายงานว่ามีสติ ออกจากสภาวะที่สติหายไปหรือนึกไม่ออก
เลขชี้กำลังสเปกตรัมสามารถติดตามความแตกต่างนี้ได้อย่างใกล้ชิด ทั้งซีนอนและโพรโพฟอลซึ่งเป็นสารที่เกี่ยวข้องกับการสูญเสียประสบการณ์ในการมีสติ ส่งผลให้เลขชี้กำลังสเปกตรัมเชิงลบลดลงอย่างมากในแต่ละราย ซึ่งหมายความว่าเส้นโค้ง PSD มีความชันเพิ่มขึ้นอย่างเห็นได้ชัด ความชันที่เพิ่มขึ้นในช่วงกว้าง 1 ถึง 40 Hz นี้ดูเหมือนจะเป็นตัวบ่งชี้ถึงการไม่มีประสบการณ์ในการมีสติ มากกว่าการไม่ตอบสนองตามปกติ
คีตามีนแสดงผลลัพธ์ที่แตกต่างออกไป แม้ว่าผู้รับการทดสอบจะไม่มีการตอบสนองทางพฤติกรรมภายใต้ฤทธิ์ของคีตามีน แต่โดยทั่วไปพวกเขายังคงรักษาประสบการณ์ในการมีสติไว้ได้บางส่วน และการลดลงของ PSD โดยรวมดูคล้ายกับการตื่นปกติ ข้อยกเว้นประการเดียวคือความแบนของเส้นโค้งเฉพาะในช่วง 20 ถึง 40 Hz ซึ่งเป็นรายละเอียดที่สอดคล้องกับกลไกการออกฤทธิ์ที่โดดเด่นของคีตามีนเมื่อเทียบกับสารอีกสองชนิด
หลักฐานที่น่าสนใจที่สุดอาจเป็นความสัมพันธ์ระหว่างเลขชี้กำลังสเปกตรัมนี้กับการวัดที่ได้มาอย่างอิสระอีกตัวหนึ่งที่เรียกว่า ดัชนีความซับซ้อนของการรบกวน (Perturbational Complexity Index) หรือ PCI ซึ่งสร้างขึ้นจากเทคนิคที่แตกต่างกันในการกระตุ้นสมองและวัดความซับซ้อนของผลตอบสนองที่ได้ ความสัมพันธ์ที่สูงระหว่างการวัดสองแบบที่แตกต่างกันมากนี้สนับสนุนแนวคิดที่ว่าเลขชี้กำลังสเปกตรัมไม่ใช่รูปแบบที่เกิดขึ้นโดยบังเอิญ แต่เป็นตัวบ่งชี้ที่แท้จริงที่เชื่อมโยงกับการมีสติสัมปชัญญะนั่นเอง
ADHD เปลี่ยนแปลงสเปกตรัมกำลังของ EEG อย่างไร
การลดลงแบบไม่มีคาบแบบเดียวกันที่เปลี่ยนไปภายใต้การดมยาสลบนั้น ดูเหมือนจะแตกต่างกันในเด็กที่เป็น ADHD ด้วยเช่นกัน การศึกษาในเด็ก อายุระหว่าง 3 ถึง 7 ปี โดยเปรียบเทียบเด็กที่เป็น ADHD กับเด็กที่มีพัฒนาการปกติ ได้ทำการวัดความชันของสเปกตรัมและค่าออฟเซ็ต (ความสูงของเส้นโค้งไม่มีคาบ) ควบคู่ไปกับการวัดแบบดั้งเดิม เช่น ความถี่ยอดคลื่นอัลฟาและอัตราส่วนกำลังของแถบความถี่
เด็กที่เป็น ADHD ที่ไม่เคยได้รับยาแสดงให้เห็นถึงกำลังคลื่นอัลฟาที่สูงกว่า ค่าออฟเซ็ตไม่มีคาบที่มากกว่า และความชันของสเปกตรัมที่ชันกว่าเมื่อเทียบกับเด็กที่มีพัฒนาการปกติ รูปแบบความชันที่เพิ่มขึ้นนี้เป็นจุดที่น่าสนใจ เนื่องจากมันสะท้อนถึงทิศทางการเปลี่ยนแปลงเดียวกับที่เห็นในการศึกษาการดมยาสลบ แม้ว่าทั้งสองสภาวะจะไม่มีความคล้ายคลึงกันในแง่ของความรุนแรงหรือกลไกก็ตาม
ความชันของสเปกตรัมยังมีความสัมพันธ์กับอัตราส่วนทีตา/เบตา (Theta/beta ratio) แบบดั้งเดิมที่ใช้ในการวิจัย ADHD มานานหลายปี ซึ่งบ่งชี้ว่าความชันสามารถรวบรวมข้อมูลที่ทับซ้อนกันในขณะที่อาจเสนอตัวบ่งชี้ที่สะอาดและครอบคลุมกว่า
รายละเอียดเพิ่มเติมช่วยเพิ่มน้ำหนักให้กับข้อค้นพบนี้ เด็กที่เป็น ADHD ที่ได้รับการรักษาด้วย ยากระตุ้นประสาท แม้หลังจากผ่านช่วงระยะเวลาพักยา 24 ชั่วโมง (ซึ่งเป็นช่วงที่ฤทธิ์ของยาควรจะหมดไปแล้ว) แสดงความชันและค่าออฟเซ็ตที่ดูใกล้เคียงกับกลุ่มเด็กที่มีพัฒนาการปกติ
สิ่งนี้เพิ่มความเป็นไปได้ที่ว่ารูปแบบสเปกตรัมที่เปลี่ยนแปลงไปใน ADHD นั้นไม่ใช่สิ่งที่ไม่สามารถแก้ไขได้ แม้ว่าการศึกษาจะระบุว่านี่เป็นเพียงการชี้แนวทางมากกว่าผลการรักษาที่ได้รับการยืนยัน เนื่องจากความชันของสเปกตรัมยังเชื่อมโยงในการวิจัยที่ผ่านมากับหน้าที่การบริหารจัดการของสมอง (Executive functioning) และความสมดุลระหว่างกิจกรรมของสมองที่กระตุ้นและยับยั้ง ผู้เขียนจึงเสนอว่าความชันที่เปลี่ยนแปลงไปอาจสะท้อนถึงสิ่งที่มีความหมายเกี่ยวกับสภาวะที่เป็นอยู่ มากกว่าที่จะเป็นเพียงผลพลอยได้ทางสถิติของการคำนวณอัตราส่วนทีตา/เบตา
กลุ่ม | ความชันของสเปกตรัม | กำลังคลื่นอัลฟา | ค่าออฟเซ็ต |
|---|---|---|---|
พัฒนาการปกติ | ความชันปกติ | กำลังปกติ | ค่าออฟเซ็ตปกติ |
ADHD, ไม่เคยได้รับยา | ความชันชันขึ้น | กำลังสูงขึ้น | ค่าออฟเซ็ตมากกว่า |
ADHD, รักษาด้วยยากระตุ้น | ใกล้เคียงกับปกติ | ไม่มีรายงาน | ใกล้เคียงกับปกติ |
การใช้ความหนาแน่นสเปกตรัมกำลังเพื่อจำแนกอาการชักจากโรคชมบ้าหมู
สติและสมาธิไม่ใช่เพียงสองด้านที่ PSD แบบคงที่พิสูจน์แล้วว่ามีประโยชน์ การจำแนกประเภทโรคลมบ้าหมูเป็นตัวอย่างเชิงคำนวณที่เป็นอัตโนมัติมากกว่า
แนวทางหนึ่งคือการแปลง การบันทึก EEG ของโรคลมบ้าหมู ให้เป็นสิ่งที่นักวิจัยเรียกว่า แผนภาพพลังงานความหนาแน่นสเปกตรัมกำลัง ซึ่งโดยพื้นฐานแล้วคือภาพตัวแทนของ PSD จากนั้นจึงป้อนภาพเหล่านี้เข้าสู่เครือข่ายประสาทเทียมแบบคอนโวลูชันเชิงลึก (Deep convolutional neural network) ซึ่งเป็นโมเดลแมชชีนเลิร์นนิงประเภทหนึ่งที่เหมาะสำหรับการจดจำรูปแบบในข้อมูลสไตล์ภาพ
โมเดลได้รับการฝึกฝนเพื่อจัดประเภทเซกเมนต์ EEG ออกเป็นสี่ประเภท:
Interictal (ระหว่างการชัก)
ช่วงเวลา Preictal สองช่วงที่แตกต่างกัน (30 นาทีก่อนการชัก และ 10 นาทีก่อนการชักจะเริ่มต้น)
สถานะขณะชักเอง
เมื่อใช้ชุดข้อมูลโรคลมบ้าหมูสาธารณะ วิธีการนี้มีความแม่นยำในการจำแนกประเภทเฉลี่ยสูงกว่า 90 เปอร์เซ็นต์ในทั้งสี่ประเภท ผลลัพธ์ยืนยันว่ารูปร่างโดยรวมของ PSD แบบคงที่นั้นเก็บข้อมูลที่มีความแตกต่างเพียงพอสำหรับอัลกอริทึมในการบอกสถานะสมองที่สำคัญทางคลินิกเหล่านี้ได้อย่างน่าเชื่อถือ โดยไม่จำเป็นต้องติดตามการเปลี่ยนแปลงของสัญญาณในแต่ละช่วงเวลา
ข้อผิดพลาดทั่วไปเมื่อตีความ PSD
เส้นโค้ง PSD จะน่าเชื่อถือเท่ากับข้อมูลที่บันทึกมาเท่านั้น และปัญหาเชิงปฏิบัติหลายประการอาจบิดเบือนรูปร่างของเส้นโค้งนั้นในลักษณะที่ไม่มีความเกี่ยวข้องใดๆ กับการทำงานของสมอง
สิ่งแปลกปน (Artifacts) เป็นข้อกังวลที่เร่งด่วนที่สุด การกระพริบตาและการเคลื่อนไหวของกล้ามเนื้อจะสร้างสัญญาณไฟฟ้าของตัวเองที่อิเล็กโทรดบนหนังศีรษะสามารถจับได้ โดยเฉพาะในตำแหน่งหน้าผาก
การเปรียบเทียบระบบ EEG เกรดผู้บริโภคและเกรดทางการแพทย์พบว่าอุปกรณ์สำหรับผู้บริโภคมีแนวโน้มที่จะเกิดการปนเปื้อนในลักษณะนี้มากกว่า และสายรัดศีรษะสำหรับผู้บริโภคแบรนด์หนึ่งแสดงให้เห็นถึงการเพิ่มขึ้นของกำลังในวงกว้างทั่วทั้งสเปกตรัม ซึ่งเป็นสัญญาณที่สอดคล้องกับสิ่งแปลกปนจากกล้ามเนื้อและการกระพริบตามากกว่าจังหวะของระบบประสาทที่แท้จริง ดังนั้น การทำความสะอาดข้อมูลอย่างระมัดระวังและการเลือกเซกเมนต์ที่มีสิ่งแปลกปนต่ำก่อนการคำนวณ PSD จึงเป็นขั้นตอนที่จำเป็น ไม่ใช่ทางเลือก
การนำไฟฟ้าผ่านปริมาตร (Volume conduction) เป็นข้อจำกัดอีกประการหนึ่งที่มีการพูดถึงอย่างกว้างขวางในการวิจัย EEG ทั่วไป เนื่องจากสนามไฟฟ้าจะแพร่กระจายผ่านเนื้อเยื่อและกะโหลกศีรษะก่อนที่จะถึงหนังศีรษะ แหล่งกิจกรรมเดียวในสมองจึงสามารถแสดงผลบนอิเล็กโทรดใกล้เคียงหลายตัวพร้อมกัน ซึ่งจะลดความแม่นยำเชิงพื้นที่ของค่า PSD ใดๆ
การเลือกจุดอ้างอิง (Reference choice) ก็นำเสนอสถานการณ์ที่คล้ายคลึงกัน โดยธรรมชาติแล้ว EEG คือการวัดแบบเปรียบต่าง ซึ่งหมายความว่าสัญญาณของอิเล็กโทรดแต่ละตัวจะถูกคำนวณโดยเปรียบเทียบกับ จุดอ้างอิง บางจุด ไม่ว่าจะเป็น ค่าเฉลี่ยของอิเล็กโทรดทั้งหมด, กระดูกมาสตอยด์หลังใบหู หรือตำแหน่งกลางหนังศีรษะ เช่น Cz การเปลี่ยนจุดอ้างอิงนั้นสามารถกระจายกำลังใหม่ไปยังช่องสัญญาณต่างๆ และเปลี่ยนรูปร่างที่แท้จริงของเส้นโค้ง PSD ได้
ดังนั้น การตระหนักรู้ว่าใช้จุดอ้างอิงใดจึงเป็นข้อมูลมาตรฐานที่ต้องตรวจสอบเมื่อเปรียบเทียบผลการวิจัย PSD ในเอกสารวิชาการหรือชุดข้อมูลต่างๆ
สุดท้ายคือ ความน่าเชื่อถือของการทดสอบซ้ำ (Test-retest reliability) แม้จะควบคุมผู้รับการทดสอบและอุปกรณ์ให้คงที่ แต่การบันทึกซ้ำในการเข้าชมที่แยกจากกันสามารถแสดงความแปรปรวนตามธรรมชาติในเส้นโค้ง PSD ได้
ระบบเกรดทางการแพทย์จะสร้าง PSD ของ Fp1 ที่สอดคล้องกันมากกว่าในการเข้าชมสองครั้ง ในขณะที่ระบบเกรดผู้บริโภคที่ทดสอบแสดงความแปรปรวนสัมพัทธ์สูงสุด นี่เป็นคำเตือนเชิงปฏิบัติว่าอย่าด่วนสรุปจากความแตกต่างของ PSD เพียงเล็กน้อยที่สังเกตได้ในผู้รับการทดสอบรายเดียว โดยเฉพาะอย่างยิ่งเมื่อไม่ได้ควบคุมอุปกรณ์บันทึกหรือโปรโตคอลอย่างเข้มงวด
เครื่องมือและซอฟต์แวร์สำหรับคำนวณความหนาแน่นสเปกตรัมกำลัง
PSD สามารถคำนวณได้ด้วยไลบรารีการเขียนโปรแกรมทางวิทยาศาสตร์ แพ็คเกจการวิเคราะห์ EEG โดยเฉพาะ หรือซอฟต์แวร์ประมวลผลสัญญาณทั่วไป ข้อกำหนดที่สำคัญคือการเข้าถึงข้อมูลที่สุ่มตัวอย่างและการควบคุมที่โปร่งใสเหนืออัตราการสุ่มตัวอย่าง การแบ่งเซกเมนต์ การใช้หน้าต่างเวลา การขจัดแนวโน้ม การทับซ้อน การปรับสเกล และขีดจำกัดความถี่ ผลลัพธ์ที่เป็นกราฟิกเพียงอย่างเดียวนั้นไม่เพียงพอที่จะระบุได้ว่าค่าประมาณนั้นถูกสร้างขึ้นมาอย่างไร
การดำเนินการที่ทำซ้ำได้จะบันทึกพารามิเตอร์การจัดเตรียมและการประมาณค่าควบคู่ไปกับสเปกตรัม นอกจากนี้ยังรักษาระบบอ้างอิงช่องสัญญาณ หน่วย ช่วงเวลาที่ถูกปฏิเสธ และการแปลงค่าใดๆ ที่ใช้ก่อนการคำนวณ รายละเอียดเหล่านี้มีความสำคัญอย่างยิ่งเมื่อนำผลลัพธ์ไปใช้ในการเปรียบเทียบกลุ่มหรือรวมเข้าด้วยกันในแต่ละเซสชันการบันทึก
ผลลัพธ์จะง่ายต่อการตรวจสอบเมื่อขั้นตอนการทำงานสร้างทั้งอาร์เรย์ตัวเลขและกราฟการวินิจฉัย การตรวจสอบที่มีประโยชน์รวมถึงรูปคลื่นดั้งเดิม ช่วงเวลาที่ทำเครื่องหมายสิ่งแปลกปน ช่วงความถี่ที่เลือก และการเปรียบเทียบค่าประมาณจากตัวเลือกเซกเมนต์ที่เหมาะสม การตรวจสอบดังกล่าวไม่ได้ทำให้การตีความเป็นไปโดยอัตโนมัติ แต่ช่วยให้ตรวจพบสมมติฐานที่ซ่อนอยู่ได้ง่ายขึ้น
บทสรุป
กราฟความหนาแน่นสเปกตรัมกำลังทำหน้าที่เป็นคะแนนจังหวะสำหรับสมอง และความชันของการลดลงของพื้นหลังจะกลายเป็นตัวบ่งชี้ที่สอดคล้องกันอย่างน่าทึ่งในสถานะทางจิตที่แตกต่างกันอย่างมาก
ไม่ว่าจะเป็นการที่บุคคลหมดสติภายใต้ยาสลบบางชนิด เด็กที่แสดงปัญหาด้านสมาธิที่เชื่อมโยงกับ ADHD หรือการเริ่มต้นของอาการชัก รูปร่างโดยรวมนี้จะเปลี่ยนไปในทางที่คาดเดาได้ ซึ่งเชื่อมโยงสภาวะเหล่านี้ผ่านสัญญาณที่วัดได้ร่วมกัน รูปแบบนี้บ่งชี้ว่าโปรไฟล์ไฟฟ้าในสภาวะพักผ่อนของสมองมีเบาะแสที่มีความหมายและเชื่อมโยงกันเกี่ยวกับสถานะการทำงานของมัน ไม่ใช่แค่ยอดคลื่นที่แยกจากกันที่ความถี่เฉพาะเจาะจงเท่านั้น
แม้ว่า PSD จะให้ค่าเฉลี่ยแบบคงที่ตลอดช่วงเวลาการบันทึกเท่านั้น แต่ความสามารถในการบอกช่วงเวลาที่มีสติออกจากช่วงเวลาที่หมดสติได้อย่างน่าเชื่อถือ หรือการช่วยให้อัลกอริทึมตรวจจับอาการชักได้อย่างแม่นยำสูง แสดงให้เห็นถึงคุณค่าในทางปฏิบัติใน ประสาทวิทยาศาสตร์ (Neuroscience) ความสัมพันธ์เหล่านี้ไม่ได้พิสูจน์ว่าอะไรเป็นสาเหตุของสภาวะเหล่านี้ แต่พวกมันเสนอสรุปตัวเลขเดียวที่เข้าถึงได้ง่าย นั่นคือความชันของเส้นโค้ง ซึ่งสามารถช่วยประเมินระดับสติสัมปชัญญะ ความแตกต่างของสมาธิ หรือความเสี่ยงในการชัก
สำหรับนักวิจัยและแพทย์ มาตรการง่ายๆ นั้นให้จุดเริ่มต้นที่มีประสิทธิภาพในการทำความเข้าใจพลวัตของสมอง โดยเชื่อมโยงจังหวะที่เป็นนามธรรมเข้ากับความแตกต่างในโลกแห่งความเป็นจริง
เอกสารอ้างอิง
Ratti, E., Waninger, S., Berka, C., Ruffini, G., & Verma, A. (2017). Comparison of Medical and Consumer Wireless EEG Systems for Use in Clinical Trials. Frontiers in human neuroscience, 11, 398. https://doi.org/10.3389/fnhum.2017.00398
Colombo, M. A., Napolitani, M., Boly, M., Gosseries, O., Casarotto, S., Rosanova, M., ... & Sarasso, S. (2019). The spectral exponent of the resting EEG indexes the presence of consciousness during unresponsiveness induced by propofol, xenon, and ketamine. NeuroImage, 189, 631-644. https://doi.org/10.1016/j.neuroimage.2019.01.024
Robertson, M. M., Furlong, S., Voytek, B., Donoghue, T., Boettiger, C. A., & Sheridan, M. A. (2019). EEG power spectral slope differs by ADHD status and stimulant medication exposure in early childhood. Journal of neurophysiology, 122(6), 2427-2437. https://doi.org/10.1152/jn.00388.2019
Gao, Y., Gao, B., Chen, Q., Liu, J., & Zhang, Y. (2020). Deep convolutional neural network-based epileptic electroencephalogram (EEG) signal classification. Front. Neurol. 11, 375 (2020). https://doi.org/10.3389/fneur.2020.00375
คำถามที่พบบ่อย
ความหนาแน่นสเปกตรัมกำลัง (PSD) ใน EEG คืออะไร?
PSD คือวิธีการคำนวณแอมพลิจูดกำลังสองของสัญญาณ EEG ที่แต่ละความถี่ และหาค่าเฉลี่ยตลอดระยะเวลาการบันทึก เส้นโค้งที่ได้จะแสดงให้เห็นว่าพลังงานกระจายตัวอย่างไรในจังหวะสมองที่ช้าและเร็ว ซึ่งช่วยแยกแยะสัญญาณดิบที่ซับซ้อนได้
เส้นโค้ง PSD ในสภาวะพักผ่อนปกติเป็นอย่างไร?
กำลังจะสูงสุดที่ความถี่ต่ำและลดลงอย่างต่อเนื่องตามความถี่ สร้างพื้นหลังในลักษณะ 1/f โดยทั่วไปยอดคลื่นอัลฟาที่เห็นได้ชัดในช่วงประมาณ 8–12 Hz จะปรากฏที่บริเวณด้านหลังศีรษะเมื่อหลับตา และจะลดลงเมื่อลืมตา
ส่วนประกอบที่ไม่มีคาบ (Aperiodic component) แตกต่างจากยอดคลื่นสั่นไหว (Oscillatory peaks) อย่างไร?
ส่วนประกอบที่ไม่มีคาบ หรือลักษณะคล้าย 1/f คือการลดลงอย่างราบรื่นของกำลังเมื่อความถี่เพิ่มขึ้น โดยไม่มีการเกิดปุ่มนูนที่เด่นชัด ในขณะที่ยอดคลื่นสั่นไหว เช่น จังหวะอัลฟา จะยกตัวสูงขึ้นเหนือพื้นหลังนี้ที่ความถี่เฉพาะเจาะจง และให้ข้อมูลที่แตกต่างกันเกี่ยวกับการทำงานของสมอง
ยาสลบเปลี่ยนสัญญาณสเปกตรัมของสมองอย่างไร?
สารเช่นซีนอนและโพรโพฟอล ซึ่งนำไปสู่การสูญเสียประสบการณ์การมีสติ ส่งผลให้เส้นโค้ง PSD ชันขึ้นในช่วง 1–40 Hz คีตามีนซึ่งรักษาประสบการณ์การมีสติแม้จะไม่มีการตอบสนอง แสดงเส้นโค้งที่คล้ายกับการตื่นนอน ยกเว้นความแบนราบในช่วง 20–40 Hz
พบความแตกต่างของ PSD อย่างไรบ้างในเด็กที่เป็น ADHD?
เด็กที่เป็น ADHD แสดงกำลังคลื่นอัลฟาที่สูงกว่า ค่าออฟเซ็ตไม่มีคาบที่มากกว่า และความชันของสเปกตรัมที่ชันกว่าเมื่อเทียบกับกลุ่มเพื่อนที่มีพัฒนาการปกติ หลังจากการรักษาด้วยยากระตุ้นประสาท แม้จะผ่านช่วงพักยาแล้ว ความชันและค่าออฟเซ็ตก็สามารถดูคล้ายกับกลุ่มที่มีพัฒนาการปกติได้
PSD สามารถจำแนกสถานะการชักจากโรคลมบ้าหมูได้อย่างไร?
เส้นโค้ง PSD แบบคงที่สามารถแปลงเป็นภาพและป้อนเข้าสู่เครือข่ายประสาทเทียมเชิงลึกเพื่อแยกแยะสภาวะ interictal, preictal และสภาวะการชักได้ แนวทางนี้ได้รับความแม่นยำในการจัดประเภทสูงในการศึกษาอย่างน้อยหนึ่งครั้ง ซึ่งยืนยันว่ารูปร่างสเปกตรัมโดยรวมมีข้อมูลที่แตกต่างกันมากพอ
ทำไม PSD ถึงถือเป็นภาพรวมแบบคงที่?
PSD จะบีบอัดช่วงเวลาการบันทึกทั้งหมดให้อยู่ในเส้นโค้งเดียว โดยเฉลี่ยการเปลี่ยนแปลงในแต่ละวินาทีออกไป มันเผยให้เห็นความสมดุลของความถี่โดยรวมในช่วงเวลานั้น แทนที่จะติดตามการเปลี่ยนแปลงของสัดส่วนเมื่อเวลาผ่านไป
ข้อผิดพลาดทั่วไปเมื่อตีความ PSD คืออะไร?
สิ่งแปลกปนจากกล้ามเนื้อและดวงตาสามารถปนเปื้อนสัญญาณและบิดเบือนเส้นโค้งได้ โดยเฉพาะในอุปกรณ์สำหรับผู้บริโภค การนำไฟฟ้าผ่านปริมาตรและการเลือกจุดอ้างอิงก็มีอิทธิพลต่อรูปร่างของ PSD ด้วยเช่นกัน และแม้จะมีอุปกรณ์ที่เสถียร ความแปรปรวนตามธรรมชาติของการทดสอบซ้ำหมายความว่าความแตกต่างเล็กๆ น้อยๆ อาจไม่มีความหมาย
ความแตกต่างระหว่าง PSD และสเปกตรัมแอมพลิจูด (Amplitude spectrum) คืออะไร?
PSD หมายถึงแอมพลิจูดกำลังสองต่อความถี่ และเหมาะสำหรับการคำนวณกำลัง ในขณะที่สเปกตรัมแอมพลิจูดหมายถึงขนาดของส่วนประกอบความถี่และใช้หน่วยวัดที่แตกต่างกัน
ยอดคลื่น PSD ที่ใหญ่กว่าบ่งชี้ถึงกิจกรรมของสมองที่แรงกว่าเสมอไปหรือไม่?
ไม่ ยอดคลื่นที่ใหญ่กว่าอาจสะท้อนถึงสิ่งแปลกปน ผลกระทบของจุดอ้างอิง สภาพการบันทึก หรือพารามิเตอร์การวิเคราะห์ รวมถึงกิจกรรมทางสรีรวิทยาด้วย
Emotiv เป็นผู้นำด้านนิวโรเทคโนโลยีที่ช่วยขับเคลื่อนการวิจัยประสาทวิทยาศาสตร์ผ่านเครื่องมือ EEG และข้อมูลสมองที่เข้าถึงได้
คริสเตียน บูร์โกส
