ความหนาแน่นสเปกตรัมกำลัง หรือ PSD คือเครื่องมือที่ช่วยแยกสัญญาณ EEG และบอกคุณว่าพลังงานจากแต่ละความเร็วหรือความถี่เหล่านั้น มีส่วนช่วยในการบันทึกภาพรวมมากน้อยเพียงใด เมื่อคุณสามารถอ่านกราฟ PSD ได้แล้ว คุณจะสามารถอ่านข้อมูลจังหวะการทำงานของสมองได้ ซึ่งเป็นแผนภูมิที่แสดงให้เห็นว่าจังหวะใดมีอิทธิพลเด่นชัดและจังหวะใดที่ลดเลือนหายไปในพื้นหลัง
Power Spectral Density ใน EEG คืออะไร?
ลองจินตนาการถึงสัญญาณ EEG ดิบว่าเป็นเหมือนคอร์ดดนตรีที่บรรเลงโดยวงออร์เคสตรา ซึ่งเครื่องดนตรีแต่ละชิ้นเปรียบเสมือนคลื่นสมองแต่ละความถี่ คุณไม่สามารถบอกได้ด้วยการฟังเพียงอย่างเดียวว่าเครื่องดนตรีแต่ละชิ้นมีบทบาทมากน้อยเพียงใด
PSD เข้ามาช่วยแก้ปัญหานี้โดยการคำนวณแอมพลิจูดกำลังสองของสัญญาณที่แต่ละความถี่ และหาค่าเฉลี่ยของการวัดนั้นตลอดช่วงเวลาการบันทึก ผลลัพธ์ที่ได้คือกราฟเส้นโค้งที่มีแกนหนึ่งเป็นความถี่และอีกแกนหนึ่งคือกำลัง ซึ่งแสดงให้เห็นอย่างแม่นยำว่ากิจกรรมทางไฟฟ้าของสมองกระจายตัวอย่างไรระหว่างจังหวะคลื่นที่ช้าและเร็ว
PSD บีบอัดระยะเวลาการบันทึกทั้งหมดลงในกราฟเส้นโค้งเพียงเส้นเดียว ดังนั้นจึงบอกคุณเกี่ยวกับความสมดุลโดยรวมของความถี่ในช่วงเวลานั้น มากกว่าการติดตามว่าส่วนผสมของคลื่นเปลี่ยนแปลงไปในแต่ละวินาทีอย่างไร จุดนี้มีความสำคัญอย่างยิ่งเนื่องจากสภาวะสมองของบุคคลสามารถเปลี่ยนแปลงได้อย่างรวดเร็ว แต่พล็อต PSD มาตรฐานจะเฉลี่ยการเปลี่ยนแปลงเหล่านั้นออกมา
นักวิจัยที่เปรียบเทียบเกรดทางการแพทย์และ headset EEG สำหรับผู้บริโภค ใช้วิธีการคำนวณเฉพาะสำหรับการหาค่าเฉลี่ยนี้ ซึ่งเรียกว่า Welch's modified periodogram ซึ่งจะแบ่งสัญญาณที่บันทึกออกเป็นส่วนๆ ที่ซ้อนทับกัน แล้วนำสเปกตรัมของแต่ละส่วนมาเฉลี่ย เพื่อสร้างค่าประมาณ PSD ที่สะอาดยิ่งขึ้นและมีสัญญาณรบกวนน้อยลง
ขั้นตอน การประมวลผลสัญญาณ ประเภทนี้ถือเป็นวิธีปฏิบัติมาตรฐานในการสร้างเส้นโค้ง PSD ที่สะท้อนถึงการทำงานของสมองที่แท้จริงมากกว่าการผันผวนแบบสุ่ม
การคำนวณ Power Spectral Density ทีละขั้นตอน
การคำนวณ PSD มักเกี่ยวข้องกับลำดับการตัดสินใจเกี่ยวกับคุณภาพสัญญาณและการประมวลผลสัญญาณมากกว่าการใช้คำสั่งเพียงคำสั่งเดียว ขั้นแรกจะตรวจสอบข้อมูลที่บันทึกเพื่อหาข้อมูลที่ขาดหาย แชนแนลที่ไม่เหมาะสม และสิ่งแปลกปลอม (artifacts) ที่เด่นชัด จากนั้นนักวิเคราะห์จะเลือกช่วงข้อมูล (segments) กำจัดหรือสร้างแบบจำลองแนวโน้มที่เปลี่ยนแปลงช้าตามความเหมาะสม ใช้ฟังก์ชันหน้าต่าง (window) แปลงข้อมูลเข้าสู่โดเมนความถี่ และปรับสเกลผลลัพธ์
สเปกตรัมที่ได้ควรได้รับการตรวจสอบควบคู่ไปกับอนุกรมเวลาดั้งเดิม และหากเกี่ยวข้อง ให้ตรวจดูหมายเหตุประกอบสำหรับการเคลื่อนไหว การรบกวนของขั้วไฟฟ้า การทำงานของดวงตา กล้ามเนื้อ หรือเหตุการณ์ในการทดลอง การเปรียบเทียบนี้ช่วยแยกแยะรูปแบบจังหวะที่แท้จริงออกจากการรบกวนชั่วคราวที่บังเอิญทำให้เกิดกำลังทางสเปกตรัม
ขั้นตอนการทำงานที่ใช้งานได้จริงสามารถจัดออกเป็นระยะต่างๆ ได้ดังนี้:
ตรวจสอบอัตราการสุ่มตัวอย่าง ป้ายชื่อแชนแนล จุดอ้างอิง และระยะเวลาการบันทึก
ระบุ epoch ที่ใช้งานได้และจัดการกับสิ่งแปลกปลอมหรือช่วงข้อมูลที่ถูกคัดออก
เลือกความยาวของช่วงข้อมูล การซ้อนทับ ฟังก์ชันหน้าต่าง และช่วงความถี่
ประมาณค่าและปรับสเกล PSD จากนั้นตรวจสอบพีคและกำลังจำกัดแถบความถี่ (band-limited power)
บันทึกพารามิเตอร์เพื่อให้สามารถทำซ้ำและเปรียบเทียบผลลัพธ์ได้
ขั้นตอนเหล่านี้ทำให้การคำนวณสามารถตรวจสอบย้อนกลับได้ และยังป้องกันไม่ให้สเปกตรัมที่ดูสวยงามถูกนำไปตีความโดยแยกขาดจากการเลือกขั้นตอนการเตรียมข้อมูลเบื้องต้นและการประมาณค่าที่เป็นตัวสร้างมันขึ้นมา
วิธีการทั่วไป: เพอริโอโดแกรมและวิธีของเวลช์ (Welch's Method)
เพอริโอโดแกรมจะคำนวณขนาดกำลังสองของ การแปลงฟูริเยร์ สำหรับช่วงข้อมูลที่เลือก ซึ่งเป็นวิธีที่ไม่ซับซ้อนและสามารถให้ระยะห่างความถี่ที่ละเอียดได้เมื่อช่วงข้อมูลมีความยาว แต่ค่าประมาณอาจผันผวนอย่างมากจากช่วงความถี่หนึ่งไปยังอีกช่วงหนึ่ง ความแปรปรวนนี้มีความเกี่ยวข้องอย่างยิ่งกับการบันทึกสัญญาณทางชีวภาพที่มีสัญญาณรบกวนมาก
วิธีของเวลช์จะแบ่งสัญญาณออกเป็นส่วนๆ ที่ซ้อนทับกัน ใช้ฟังก์ชันหน้าต่างกับแต่ละส่วน คำนวณเพอริโอโดแกรมสำหรับแต่ละส่วน แล้วนำผลลัพธ์มาเฉลี่ย การเฉลี่ยโดยทั่วไปจะให้ค่าประมาณที่ราบรื่นกว่าและมีความแปรปรวนต่ำกว่า ในขณะที่ช่วงข้อมูลที่สั้นกว่าอาจลดความละเอียดของความถี่ลง ความสมดุลที่ดีที่สุดขึ้นอยู่กับว่าการวิเคราะห์เน้นที่พีคแคบๆ แถบกว้าง หรือกิจกรรมเฉลี่ยที่เสถียร
ความแตกต่างนี้ไม่ใช่แค่เรื่องของความสวยงาม สเปกตรัมที่ราบรื่นกว่าสามารถทำให้เปรียบเทียบรูปแบบกว้างๆ ได้ง่ายขึ้น แต่การเฉลี่ยมากเกินไปอาจบดบังการเปลี่ยนแปลงที่เกิดขึ้นในช่วงสั้นๆ หรือจำกัดเฉพาะจุด สำหรับ EEG ที่แปรผันตามเวลา แนวทาง time-frequency อาจมีความเหมาะสมมากกว่าการใช้ PSD เดี่ยวๆ ตลอดการบันทึกทั้งหมด
ลักษณะของสเปกตรัม EEG ในสภาวะพักของคนที่มีสุขภาพดี
หากคุณให้ผู้ใหญ่ที่มีสุขภาพดีนั่งลง ขอให้พวกเขาผ่อนคลาย และ บันทึก EEG ของพวกเขา เส้นโค้ง PSD ที่ได้จะมีรูปร่างที่จดจำได้ง่าย กำลังจะสูงสุดที่ความถี่ต่ำสุดและลดลงอย่างต่อเนื่องเมื่อความถี่เพิ่มขึ้น ทำให้เกิดการลดลงในลักษณะ 1/f
เส้นโค้งที่ลดลงนี้สะท้อนถึงองค์ประกอบแบบไม่มีคาบ (aperiodic component) ตามที่อธิบายไว้ข้างต้น และความชันของเส้นโค้งนี้สามารถระบุได้ด้วยตัวเลขตัวเดียวที่เรียกว่า เลขชี้กำลังสเปกตรัม (spectral exponent) ซึ่งบางครั้งเขียนแทนด้วย β การลดลงที่ชันกว่าหมายถึงเลขชี้กำลังเชิงลบที่มากกว่า ส่วนการลดลงที่แบนกว่าหมายถึงกำลังกระจายตัวสม่ำเสมอมากกว่าตามความถี่ต่างๆ
บนพื้นหลังของการลดลงนี้ สมองในสภาวะพักที่หลับตามักจะสร้างส่วนนูนที่มองเห็นได้ชัดเจนบริเวณ 8 ถึง 12 Hz ซึ่งก็คือแอลฟาพีค (alpha peak) ส่วนนูนนี้มักจะเด่นชัดที่สุดบริเวณด้านหลังศีรษะ แต่เมื่อบุคคลคนเดิมลืมตา แอลฟาพีคดังกล่าวจะลดขนาดลงอย่างเห็นได้ชัด
การเปรียบเทียบโดยตรงโดย Ratti และคณะ ระหว่างระบบ EEG เกรดทางการแพทย์และสายรัดศีรษะสำหรับผู้บริโภคได้บันทึกรูปแบบนี้อย่างชัดเจน: ในทุกระบบที่ทดสอบ สัญญาณจังหวะที่โดดเด่นที่สุดในข้อมูลคือจังหวะแอลฟาด้านหลังศีรษะ ซึ่งตอบสนองอย่างคาดการณ์ได้ต่อสภาวะหลับตาเทียบกับลืมตา
การเปรียบเทียบเดียวกันนี้ยังตั้งคำถามในทางปฏิบัติเพิ่มเติมด้วยว่า: หากคุณบันทึกข้อมูลบุคคลคนเดิมสองครั้ง ในการตรวจคนละครั้ง เส้นโค้ง PSD จะมีลักษณะเหมือนกันหรือไม่?
คำตอบขึ้นอยู่กับคุณภาพของอุปกรณ์อย่างมาก ระบบเกรดทางการแพทย์ให้ค่า PSD ของอิเล็กโทรด Fp1 (Fp1 อยู่ที่หน้าผากและเป็นอิเล็กโทรดตัวเดียวที่มีร่วมกันในทั้งสี่ระบบที่ทดสอบ) ที่สม่ำเสมอตลอดการตรวจแต่ละครั้ง ในขณะที่ระบบสำหรับผู้บริโภคแสดงความแปรปรวนสัมพัทธ์สูงสุดระหว่างการทดสอบครั้งแรกและการทดสอบซ้ำ สิ่งนี้บอกเราว่าเส้นโค้ง PSD ที่ดีไม่ได้เป็นเพียงคุณสมบัติของสมองเท่านั้น แต่ยังเป็นคุณสมบัติของความละเอียดรอบคอบในการเก็บสัญญาณอีกด้วย
การดมยาสลบเปลี่ยนสัญญาณทางสเปกตรัมของสมองอย่างไร
PSD แบบคงที่จะให้ข้อมูลที่มีประโยชน์เป็นพิเศษเมื่อสภาวะของสมองเปลี่ยนแปลงไปอย่างมาก และไม่มีตัวอย่างใดที่ชัดเจนไปกว่าการดมยาสลบ การศึกษาในปี 2019 โดย Colombo และคณะ ได้บันทึก EEG สภาวะพักในอาสาสมัครที่มีสุขภาพดีก่อนและระหว่างการดมยาสลบด้วยสารสามชนิดที่แตกต่างกัน ได้แก่ ซีนอน (xenon), โพรโพฟอล (propofol) และคีตามีน (ketamine)
หลังจากการทดลองแต่ละครั้ง นักวิจัยถามว่าบุคคลนั้นมีความทรงจำเกี่ยวกับประสบการณ์การมีสติในระหว่างช่วงที่ไม่ตอบสนองหรือไม่ โดยแยกแยะสภาวะที่มีการรายงานการมีสติออกจากสภาวะที่ดูเหมือนจะหมดสติหรือไม่สามารถระลึกได้
เลขชี้กำลังสเปกตรัมติดตามความแตกต่างนี้ได้อย่างแม่นยำ ทั้งซีนอนและโพรโพฟอลซึ่งเป็นสารที่เกี่ยวข้องกับการสูญเสียประสบการณ์การมีสติ ทำให้เลขชี้กำลังสเปกตรัมเชิงลบลดลงอย่างมากในแต่ละบุคคล ซึ่งหมายความว่าเส้นโค้ง PSD ชันขึ้นอย่างเห็นได้ชัด การชันขึ้นตลอดช่วงกว้าง 1 ถึง 40 Hz นี้ ดูเหมือนจะเป็นตัวบ่งชี้การขาดประสบการณ์การมีสติ มากกว่าที่จะเป็นเพียงการไม่ตอบสนอง
คีตามีนกลับให้ผลลัพธ์ที่ต่างออกไป แม้ว่าผู้เข้าร่วมการทดลองจะไม่ตอบสนองทางพฤติกรรมภายใต้ฤทธิ์ของคีตามีน แต่โดยทั่วไปแล้วพวกเขายังคงมีประสบการณ์การมีสติอยู่บ้าง และการลดลงของ PSD โดยรวมมีลักษณะคล้ายกับการตื่นตัวตามปกติ ข้อยกเว้นเพียงอย่างเดียวคือการแบนราบของเส้นโค้งเฉพาะในช่วง 20 ถึง 40 Hz ซึ่งเป็นรายละเอียดที่สอดคล้องกับกลไกการออกฤทธิ์ที่แตกต่างของคีตามีนเมื่อเทียบกับสารอีกสองชนิด
หลักฐานที่น่าสนใจที่สุดชิ้นหนึ่งอาจเป็นความสัมพันธ์ระหว่างเลขชี้กำลังสเปกตรัมนี้กับอีกหนึ่งค่าการวัดที่ได้รับอย่างอิสระที่เรียกว่า Perturbational Complexity Index หรือ PCI ซึ่งสร้างขึ้นจากเทคนิคที่แตกต่างออกไปโดยการกระตุ้นสมองและวัดความซับซ้อนของการตอบสนองที่เกิดขึ้น ความสัมพันธ์ที่สูงระหว่างการวัดที่แตกต่างกันมากสองวิธีนี้สนับสนุนแนวคิดที่ว่าเลขชี้กำลังสเปกตรัมไม่ใช่รูปแบบที่เกิดขึ้นโดยบังเอิญ แต่เป็นตัวบ่งชี้ที่แท้จริงซึ่งเชื่อมโยงกับการมีอยู่ของสตินั่นเอง
ADHD เปลี่ยนแปลงสเปกตรัมกำลังของ EEG อย่างไร
การลดลงแบบไม่มีคาบแบบเดียวกับที่เปลี่ยนแปลงไปภายใต้การดมยาสลบยังดูเหมือนจะมีความแตกต่างในเด็กที่เป็น ADHD อีกด้วย การศึกษาในเด็ก อายุระหว่าง 3 ถึง 7 ปี ซึ่งเปรียบเทียบเด็กที่เป็น ADHD กับเด็กที่มีพัฒนาการตามปกติ ได้วัดความชันสเปกตรัม (spectral slope) และค่าออฟเซ็ต (ความสูงของเส้นโค้งที่ไม่มีคาบ) ควบคู่ไปกับการวัดแบบดั้งเดิม เช่น ความถี่แอลฟาพีคและอัตราส่วนกำลังของแถบคลื่น
เด็กที่เป็น ADHD ที่ไม่เคยได้รับยาแสดงกำลังของคลื่นแอลฟาที่สูงกว่า มีค่าออฟเซ็ตแบบไม่มีคาบที่มากกว่า และมีความชันสเปกตรัมที่ชันกว่าเมื่อเทียบกับเด็กที่มีพัฒนาการตามปกติ รูปแบบความชันที่เพิ่มขึ้นนี้เป็นจุดที่น่าหยุดพิจารณา เนื่องจากมันสะท้อนทิศทางการเปลี่ยนแปลงแบบเดียวกับที่พบในการศึกษาเรื่องการดมยาสลบ แม้ว่าอาการทั้งสองนี้จะเทียบเคียงกันไม่ได้เลยในแง่ของความรุนแรงหรือกลไกการเกิด
ความชันสเปกตรัมยังมีความสัมพันธ์กับอัตราส่วนทีตา/บีตา (theta/beta ratio) แบบดั้งเดิมที่ใช้ในการวิจัย ADHD มานานหลายปี ซึ่งบ่งชี้ว่าความชันสามารถเก็บข้อมูลที่ซ้อนทับกันได้ ในขณะที่อาจเป็นตัวบ่งชี้ที่สะอาดและครอบคลุมมากกว่า
รายละเอียดเพิ่มเติมที่ช่วยเพิ่มน้ำหนักให้กับข้อค้นพบนี้คือ เด็กที่เป็น ADHD ซึ่งได้รับการรักษาด้วย ยากระตุ้นประสาท แม้จะพ้นระยะพักยา (washout period) 24 ชั่วโมงซึ่งฤทธิ์ของยาควรจะหมดไปแล้ว แต่ยังคงแสดงความชันและค่าออฟเซ็ตที่เทียบเคียงได้กับกลุ่มที่มีพัฒนาการตามปกติ
สิ่งนี้ทำให้เกิดความเป็นไปได้ว่ารูปแบบสเปกตรัมที่เปลี่ยนแปลงไปใน ADHD อาจไม่ได้คงที่ถาวร แม้ว่าการศึกษาจะวางกรอบไว้ว่าเป็นเพียงข้อสังเกตเบื้องต้นมากกว่าจะเป็นผลการรักษาที่ได้รับการยืนยันแล้วก็ตาม และเนื่องจากความชันสเปกตรัมยังเคยเชื่อมโยงกับการทำงานของสมองระดับบริหาร (executive functioning) รวมถึงความสมดุลระหว่างการกระตุ้นและการยับยั้งของสมองในการวิจัยที่ผ่านมา ผู้เขียนจึงชี้ว่าความชันที่เปลี่ยนแปลงไปอาจสะท้อนถึงบางสิ่งที่มีความหมายเกี่ยวกับสภาวะที่เป็นอยู่ มากกว่าจะเป็นเพียงผลพวงทางสถิติของการคำนวณอัตราส่วนทีตา/บีตา
กลุ่ม | ความชันสเปกตรัม (Spectral Slope) | กำลังของคลื่นแอลฟา (Alpha Power) | ออฟเซ็ต (Offset) |
|---|---|---|---|
มีพัฒนาการตามปกติ | ความชันปกติ | กำลังปกติ | ออฟเซ็ตปกติ |
ADHD, ไม่เคยได้รับยา | ความชันชันกว่า | กำลังสูงกว่า | ออฟเซ็ตมากกว่า |
ADHD, ได้รับการรักษาด้วยยากระตุ้น | ใกล้เคียงกับกลุ่มปกติ | ไม่มีรายงาน | ใกล้เคียงกับกลุ่มปกติ |
การใช้ Power Spectral Density เพื่อจำแนกอาการชักจากโรคลมชัก
การมีสติและการจดจ่อไม่ได้เป็นเพียงสองขอบเขตที่ PSD แบบคงที่มีประโยชน์ การจำแนกโรคลมชักเป็นตัวอย่างที่แสดงให้เห็นถึงการทำงานแบบอัตโนมัติและการคำนวณที่ชัดเจนยิ่งขึ้น
แนวทางหนึ่งได้แปลง การบันทึก EEG ของโรคลมชัก ให้เป็นสิ่งที่นักวิจัยเรียกว่า แผนภาพพลังงานความหนาแน่นสเปกตรัมกำลัง (power spectrum density energy diagrams) ซึ่งโดยพื้นฐานแล้วคือการแสดงภาพของ PSD จากนั้นจึงป้อนภาพเหล่านี้เข้าไปในโครงข่ายประสาทแบบคอนโวลูชันเชิงลึก (deep convolutional neural network) ซึ่งเป็นโมเดลการเรียนรู้ของเครื่องที่เหมาะอย่างยิ่งสำหรับการจดจำรูปแบบในข้อมูลประเภทรูปภาพ
โมเดลได้รับการฝึกฝนให้จัดหมวดหมู่ส่วนของสัญญาณ EEG ออกเป็นสี่ประเภท:
ระหว่างช่วงชัก (Interictal - ระหว่างอาการชัก)
ช่วงเวลาก่อนชัก (preictal) สองช่วงที่ต่างกัน (30 นาทีก่อนชัก และ 10 นาทีก่อนเริ่มมีอาการชัก)
สภาวะขณะเกิดอาการชัก
จากการใช้ชุดข้อมูลโรคลมชักสาธารณะ วิธีนี้มีความแม่นยำในการจำแนกเฉลี่ยสูงกว่าร้อยละ 90 ในทั้งสี่หมวดหมู่ ผลลัพธ์นี้ยืนยันว่ารูปร่างโดยรวมของ PSD แบบคงที่มีข้อมูลที่สร้างความแตกต่างได้เพียงพอที่จะให้อัลกอริทึมสามารถแยกแยะสภาวะสมองที่สำคัญทางคลินิกเหล่านี้ได้อย่างน่าเชื่อถือ โดยไม่จำเป็นต้องติดตามการเปลี่ยนแปลงของสัญญาณแบบวินาทีต่อวินาที
การประยุกต์ใช้ Power Spectral Density ในงานวิจัย
รูปร่างของเส้นโค้งความหนาแน่นสเปกตรัมกำลังถูกนำมาใช้เพื่อศึกษาสภาวะสมองที่หลากหลาย ตั้งแต่ภาวะการรู้คิดถดถอยไปจนถึงการทำสมาธิอย่างจดจ่อ การศึกษาต่อไปนี้ใช้เทคโนโลยีของ Emotiv เพื่อบันทึกสัญญาณสเปกตรัมเหล่านี้
การแยกแยะภาวะการรู้คิดถดถอยด้วย PSD ในสภาวะพัก
การศึกษา EEG ในสภาวะพักได้ตรวจสอบว่าความหนาแน่นสเปกตรัมกำลังสามารถแยกแยะระหว่างบุคคลที่มีสุขภาพดีและผู้ที่มีความบกพร่องทางการรู้คิดได้หรือไม่ การใช้ headset Emotiv Epoc X แบบ 14 แชนแนล ทำให้นักวิจัยสามารถวิเคราะห์ PSD ในช่วงสภาวะพักแบบหลับตาสองนาทีในกลุ่มควบคุมที่มีสุขภาพดี ผู้ที่มีภาวะรู้คิดบกพร่องเล็กน้อย (MCI) และผู้ป่วยภาวะสมองเสื่อม
ผู้เขียนรายงานว่า EEG สามารถแยกแยะผู้ป่วยภาวะสมองเสื่อมออกจากกลุ่มควบคุมที่มีสุขภาพดีได้อย่างมีประสิทธิภาพ แต่ไม่พบความแตกต่างอย่างมีนัยสำคัญระหว่างกลุ่ม MCI และกลุ่มสุขภาพดี สิ่งนี้ชี้ให้เห็นว่าแม้ PSD แบบคงที่จะมีศักยภาพในการระบุภาวะการรู้คิดถดถอยในระยะลุกลาม แต่ยังเผชิญกับความท้าทายในการตรวจจับในระยะเริ่มต้น ดังที่ระบุไว้ใน การศึกษาเกี่ยวกับความบกพร่องทางการรู้คิด
การเปรียบเทียบอิเล็กโทรดแบบเปียกและแบบแห้งสำหรับการวัด PSD
ประเภทของอิเล็กโทรดที่ใช้ในการตรวจจับ EEG สามารถส่งผลต่อความหนาแน่นสเปกตรัมกำลังที่ได้ การตรวจสอบหนึ่งได้เปรียบเทียบ PSD ที่ได้จากอิเล็กโทรดแบบเปียกและแบบแห้งโดยตรงโดยใช้อุปกรณ์ Emotiv สองรุ่น ได้แก่ Epoc X (แบบเปียก) และ Insight (แบบแห้ง) ข้อมูลถูกบันทึกจากอิเล็กโทรดบริเวณขมับและหน้าผากส่วนหน้าก่อนและหลังภารกิจการกระตุ้นด้วยเสียง
การเปรียบเทียบประเภทอิเล็กโทรด พบว่าเปอร์เซ็นต์การลดลงของ PSD หลังการกระตุ้นนั้นสูงกว่าสำหรับอิเล็กโทรดแบบเปียกเมื่อเทียบกับแบบแห้ง ซึ่งเน้นย้ำถึงข้อพิจารณาในทางปฏิบัติสำหรับนักวิจัยที่กำลังออกแบบขั้นตอนการทดลองโดยอิงตาม PSD
การเปลี่ยนแปลงของ PSD ระหว่างการสวดมนตร์
ความหนาแน่นสเปกตรัมกำลังยังถูกนำมาใช้เพื่อตรวจสอบการทำงานของสมองในระหว่างการฝึกสมาธิ การศึกษาผู้ปฏิบัติที่มีประสบการณ์ได้ตรวจสอบผลของการสวดมนตร์ “โอม (OM)” ต่อสัญญาณ EEG ซึ่งบันทึกด้วยอุปกรณ์ Emotiv Flex 32 แชนแนล
ผู้เขียนได้คำนวณ PSD โดยใช้วิธีของเวลช์ และพบว่ากำลังในหลายแถบความถี่เพิ่มขึ้นอย่างมีนัยสำคัญในระหว่างการสวดมนต์ รวมถึงแอลฟา แกมมา บีตา และเดลตา งานวิจัยเกี่ยวกับการสวดมนตร์ รายงานว่าการเปลี่ยนแปลงของ PSD เหล่านี้ชี้ให้เห็นถึงสภาวะของการผ่อนคลายและสมาธิที่ลึกซึ้งยิ่งขึ้นในระหว่างการฝึก
ผลของคาเฟอีนต่อสเปกตรัมกำลังของ EEG
ผลกระทบของสารกระตุ้นทั่วไปต่อสัญญาณสเปกตรัมของสมองได้รับการบันทึกไว้ในการศึกษานำร่องโดยใช้ระบบ Emotiv Flex นักวิจัยบันทึก EEG จากอิเล็กโทรดส่วนกลางก่อนและหลังผู้เข้าร่วมบริโภคคาเฟอีนในปริมาณปานกลาง การวิเคราะห์ความหนาแน่นสเปกตรัมกำลังเผยให้เห็นการเพิ่มขึ้นอย่างมีนัยสำคัญของการกดกำลังสัมบูรณ์ของแอลฟา (alpha power suppression) และการเสริมกำลังของบีตา (beta power enhancement)
ผู้เขียน การศึกษานำร่องเกี่ยวกับคาเฟอีน รายงานว่าการเปลี่ยนแปลงของ PSD เหล่านี้ ซึ่งได้รับการยืนยันว่าเป็นการเปลี่ยนแปลงแบบแกว่งกวัดที่แท้จริง บ่งชี้ไปที่การตื่นตัวของเปลือกสมองที่เพิ่มขึ้นซึ่งสามารถตรวจจับได้ด้วยเซ็นเซอร์แบบสวมใส่
เมื่อนำมารวมกัน การศึกษาเหล่านี้แสดงให้เห็นถึงความหลากหลายของความหนาแน่นสเปกตรัมกำลังในฐานะเครื่องมือสำหรับตรวจจับการเปลี่ยนแปลงของการทำงานของสมองที่เชื่อมโยงกับการรู้คิด การตื่นตัว และความสนใจที่จดจ่อ แม้ว่าผลการวิจัยจะชี้ให้เห็นรูปแบบสเปกตรัมที่สอดคล้องกันในสภาวะที่แตกต่างกัน แต่ข้อมูลเหล่านี้ได้มาจากกลุ่มตัวอย่างเฉพาะและมักมีขนาดเล็กภายใต้สภาวะควบคุม งานวิจัยไม่ได้สรุปว่า PSD เพียงอย่างเดียวสามารถวินิจฉัยโรคใดๆ หรือทำนายสภาวะของบุคคลได้ แต่ชี้ให้เห็นว่าการวัดนี้มีความไวต่อการเปลี่ยนแปลงของระบบประสาทที่มีความหมายหลากหลายด้าน
ข้อผิดพลาดทั่วไปในการตีความ PSD
เส้นโค้ง PSD จะน่าเชื่อถือได้ก็ต่อเมื่อข้อมูลที่บันทึกมามีความน่าเชื่อถือเท่านั้น และปัญหาในทางปฏิบัติหลายประการสามารถบิดเบือนรูปร่างของเส้นโค้งนั้นในลักษณะที่ไม่เกี่ยวข้องกับการทำงานของสมองเลย
สิ่งแปลกปลอม (Artifacts) เป็นข้อกังวลเร่งด่วนที่สุด การกะพริบตาและการเคลื่อนไหวของกล้ามเนื้อจะสร้างสัญญาณไฟฟ้าขึ้นมาเองซึ่งจะถูกตรวจจับได้โดยอิเล็กโทรดบนหนังศีรษะ โดยเฉพาะบริเวณหน้าผาก
การเปรียบเทียบระบบ EEG ระดับผู้บริโภคและเกรดทางการแพทย์พบว่าอุปกรณ์สำหรับผู้บริโภคมีแนวโน้มที่จะเกิดการปนเปื้อนประเภทนี้ได้มากกว่า และสายรัดศีรษะสำหรับผู้บริโภคอันหนึ่งแสดงให้เห็นการเพิ่มขึ้นของกำลังในวงกว้างตลอดทั้งสเปกตรัม ซึ่งเป็นสัญญาณที่สอดคล้องกับสิ่งแปลกปลอมจากกล้ามเนื้อและการกะพริบตามากกว่าจังหวะของระบบประสาทที่แท้จริง ดังนั้น การทำความสะอาดข้อมูลอย่างรอบคอบและการเลือกช่วงข้อมูลที่มีสิ่งแปลกปลอมต่ำก่อนที่จะคำนวณ PSD จึงเป็นขั้นตอนที่จำเป็น ไม่ใช่ทางเลือก
การนำกระแสผ่านปริมาตร (Volume conduction) เป็นอีกหนึ่งข้อจำกัดที่มีการพูดคุยกันอย่างกว้างขวางในการวิจัย EEG โดยทั่วไป เนื่องจากสนามไฟฟ้าแพร่กระจายผ่านเนื้อเยื่อและกะโหลกศีรษะก่อนที่จะถึงหนังศีรษะ แหล่งกำเนิดกิจกรรมจุดเดียวในสมองจึงสามารถส่งสัญญาณไปยังอิเล็กโทรดหลายตัวในบริเวณใกล้เคียงได้พร้อมกัน ทำให้ความแม่นยำเชิงพื้นที่ของค่า PSD ใดๆ พร่ามัวลง
การเลือกจุดอ้างอิง (Reference choice) ก็นำมาซึ่งสถานการณ์ที่คล้ายคลึงกัน โดยธรรมชาติแล้ว EEG เป็นการวัดความต่างศักย์ ซึ่งหมายความว่าสัญญาณของอิเล็กโทรดทุกตัวจะถูกคำนวณโดยสัมพันธ์กับ จุดอ้างอิง บางจุด ไม่ว่าจุดนั้นจะเป็น ค่าเฉลี่ยของอิเล็กโทรดทั้งหมด กระดูกกกหู (mastoid) หลังใบหู หรือตำแหน่งกึ่งกลางหนังศีรษะอย่าง Cz การเปลี่ยนจุดอ้างอิงนั้นสามารถกระจายกำลังไปยังแชนแนลต่างๆ ใหม่ และเปลี่ยนรูปร่างสัมบูรณ์ของเส้นโค้ง PSD ได้
ดังนั้น การทราบว่าใช้จุดอ้างอิงใดจึงมักเป็นข้อมูลมาตรฐานที่ต้องตรวจสอบเมื่อเปรียบเทียบผลการศึกษา PSD ในบทความวิจัยหรือชุดข้อมูลที่แตกต่างกัน
ประการสุดท้ายคือเรื่อง ความเที่ยงตรงจากการทดสอบซ้ำ (test-retest reliability) แม้ว่าจะใช้อาสาสมัครคนเดิมและอุปกรณ์เดิม การบันทึกซ้ำในการตรวจคนละครั้งก็อาจแสดงความแปรปรวนตามธรรมชาติในเส้นโค้ง PSD ได้บ้าง
ระบบเกรดทางการแพทย์ให้ค่า PSD ของ Fp1 ที่สม่ำเสมอมากกว่าในการตรวจสองครั้ง ในขณะที่ระบบสำหรับผู้บริโภคที่นำมาทดสอบแสดงความแปรปรวนสัมพัทธ์มากที่สุด นี่เป็นข้อควรระวังในทางปฏิบัติว่าไม่ควรด่วนสรุปจากความแตกต่างของ PSD เพียงเล็กน้อยที่พบในอาสาสมัครคนเดียว โดยเฉพาะอย่างยิ่งเมื่ออุปกรณ์บันทึกหรือขั้นตอนการทดลองไม่ได้ถูกควบคุมอย่างเข้มงวด
เครื่องมือและซอฟต์แวร์สำหรับคำนวณ Power Spectral Density
PSD สามารถคำนวณได้ด้วยไลบรารีการเขียนโปรแกรมเชิงวิทยาศาสตร์ แพ็กเกจการวิเคราะห์ EEG โดยเฉพาะ หรือซอฟต์แวร์ประมวลผลสัญญาณทั่วไป ข้อกำหนดที่จำเป็นคือการเข้าถึงข้อมูลที่ถูกสุ่มตัวอย่าง และการควบคุมที่โปร่งใสเหนืออัตราการสุ่มตัวอย่าง การแบ่งช่วง การใช้ฟังก์ชันหน้าต่าง การกำจัดแนวโน้ม (detrending) การซ้อนทับ การปรับสเกล และขีดจำกัดความถี่ ผลลัพธ์ที่เป็นกราฟิกเพียงอย่างเดียวไม่เพียงพอที่จะยืนยันว่าการประมาณค่านั้นถูกสร้างขึ้นมาอย่างไร
การประมวลผลที่สามารถทำซ้ำได้จะบันทึกพารามิเตอร์การเตรียมข้อมูลเบื้องต้นและการประมาณค่าควบคู่ไปกับสเปกตรัม นอกจากนี้ยังรักษาจุดอ้างอิงของแชนแนล หน่วย epoch ที่ถูกคัดออก และการแปลงข้อมูลใดๆ ที่ใช้ก่อนการคำนวณ รายละเอียดเหล่านี้มีความสำคัญอย่างยิ่งเมื่อนำผลลัพธ์ไปใช้ในการเปรียบเทียบระดับกลุ่มหรือนำไปรวมข้ามเซสชันการบันทึก
ผลลัพธ์จะง่ายต่อการตรวจสอบเมื่อกระบวนการทำงานสร้างทั้งอาร์เรย์ตัวเลขและพล็อตการวินิจฉัย การตรวจสอบที่มีประโยชน์รวมถึงรูปคลื่นดั้งเดิม ช่วงเวลาที่ถูกทำเครื่องหมายว่ามีสิ่งแปลกปลอม ช่วงความถี่ที่เลือก และการเปรียบเทียบค่าประมาณจากการเลือกช่วงข้อมูลที่เหมาะสม การตรวจสอบดังกล่าวไม่ได้ทำให้การตีความเป็นไปโดยอัตโนมัติ แต่ทำให้ตรวจพบสมมติฐานที่แฝงอยู่ได้ง่ายขึ้น
บทสรุป
พล็อตความหนาแน่นสเปกตรัมกำลังทำหน้าที่เสมือนโน้ตเพลงบอกจังหวะสำหรับสมอง และความชันของการลดลงของพื้นหลังได้กลายมาเป็นตัวบ่งชี้ที่มีความสม่ำเสมออย่างน่าทึ่งในสภาวะจิตใจที่แตกต่างกันอย่างมาก
ไม่ว่าบุคคลจะหมดสติภายใต้การดมยาสลบบางชนิด เด็กมีปัญหาด้านสมาธิที่เชื่อมโยงกับ ADHD หรือเมื่อเริ่มมีอาการชัก รูปร่างโดยรวมนี้จะเปลี่ยนแปลงไปในทิศทางที่คาดการณ์ได้ ซึ่งเชื่อมโยงสภาวะเหล่านี้เข้าด้วยกันผ่านสัญญาณที่สามารถวัดได้ร่วมกัน รูปแบบนี้ชี้ให้เห็นว่าลักษณะทางไฟฟ้าในสภาวะพักของสมองมีเบาะแสที่เชื่อมโยงกันอย่างมีความหมายเกี่ยวกับสถานะการทำงานของมัน ไม่ใช่แค่เพียงการมีพีคที่แยกเฉพาะ ณ ความถี่ใดความถี่หนึ่งเท่านั้น
แม้ว่า PSD จะให้เพียงภาพรวมค่าเฉลี่ยแบบคงที่ตลอดช่วงเวลาการบันทึก แต่ความสามารถในการแยกแยะช่วงเวลาที่มีสติออกจากช่วงที่หมดสติได้อย่างน่าเชื่อถือ หรือการช่วยให้อัลกอริทึมตรวจจับอาการชักได้อย่างแม่นยำสูง ย่อมแสดงให้เห็นถึงคุณค่าในทางปฏิบัติในสาขา ประสาทวิทยาศาสตร์ ความสัมพันธ์เหล่านี้ไม่ได้พิสูจน์ว่าอะไรเป็นสาเหตุของสภาวะดังกล่าว แต่ให้การสรุปด้วยตัวเลขเพียงตัวเดียวที่เข้าถึงได้ง่าย นั่นคือความชันของเส้นโค้ง ซึ่งสามารถช่วยประเมินการมีสติ ความแตกต่างของสมาธิ หรือความเสี่ยงในการชักได้
สำหรับนักวิจัยและแพทย์ การวัดที่เรียบง่ายนี้เป็นจุดเริ่มต้นที่ทรงพลังในการทำความเข้าใจการทำงานของสมอง 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
Power Spectral Density (PSD) ใน EEG คืออะไร?
PSD เป็นวิธีที่คำนวณแอมพลิจูดกำลังสองของสัญญาณ EEG ที่แต่ละความถี่ และหาค่าเฉลี่ยนี้ตลอดช่วงเวลาการบันทึก เส้นโค้งที่ได้จะแสดงให้เห็นว่าพลังงานกระจายตัวอย่างไรระหว่างจังหวะคลื่นสมองที่ช้าและเร็ว ซึ่งช่วยแยกสัญญาณดิบที่ซับซ้อนออกจากกันได้
เส้นโค้ง PSD ในสภาวะพักของคนที่มีสุขภาพดีมีลักษณะอย่างไร?
กำลังจะสูงสุดที่ความถี่ต่ำและลดลงอย่างต่อเนื่องตามความถี่ ทำให้เกิดพื้นหลังที่มีลักษณะคล้าย 1/f แอลฟาพีคที่มองเห็นได้บริเวณ 8–12 Hz มักจะปรากฏบริเวณด้านหลังศีรษะเมื่อหลับตา และจะลดลงเมื่อลืมตา
องค์ประกอบแบบไม่มีคาบแตกต่างจากพีคของการแกว่งกวัดอย่างไร?
องค์ประกอบแบบไม่มีคาบ (aperiodic) หรือคล้าย 1/f คือการลดลงอย่างราบรื่นของกำลังเมื่อความถี่เพิ่มขึ้น โดยไม่ก่อให้เกิดส่วนนูนที่ชัดเจน ส่วนพีคของการแกว่งกวัด เช่น จังหวะแอลฟา จะยกตัวขึ้นเหนือพื้นหลังนี้ที่ความถี่เฉพาะ และให้ข้อมูลที่แตกต่างกันเกี่ยวกับการทำงานของสมอง
การดมยาสลบเปลี่ยนสัญญาณทางสเปกตรัมของสมองอย่างไร?
สารอย่างซีนอนและโพรโพฟอล ซึ่งนำไปสู่การสูญเสียประสบการณ์การมีสติ จะทำให้เส้นโค้ง PSD ชันขึ้นในช่วง 1–40 Hz ส่วนคีตามีนซึ่งยังคงรักษาประสบการณ์การมีสติไว้ได้แม้จะไม่มีการตอบสนอง จะแสดงเส้นโค้งที่คล้ายกับการตื่นตัว ยกเว้นการแบนราบลงในช่วง 20–40 Hz
พบความแตกต่างของ PSD ใดบ้างในเด็กที่เป็น ADHD?
เด็กที่เป็น ADHD แสดงกำลังของคลื่นแอลฟาที่สูงกว่า ค่าออฟเซ็ตแบบไม่มีคาบที่มากกว่า และความชันสเปกตรัมที่ชันกว่าเมื่อเทียบกับเด็กที่มีพัฒนาการตามปกติ หลังจากการรักษาด้วยยากระตุ้น แม้จะอยู่ในช่วงพักยา ความชันและค่าออฟเซ็ตก็สามารถกลับมาคล้ายคลึงกับกลุ่มที่มีพัฒนาการตามปกติได้
PSD สามารถจำแนกสภาวะการชักจากโรคลมชักได้อย่างไร?
เส้นโค้ง PSD แบบคงที่สามารถแปลงเป็นรูปภาพและป้อนเข้าสู่โครงข่ายประสาทเชิงลึกเพื่อแยกแยะสภาวะระหว่างชัก ก่อนชัก และขณะชัก วิธีนี้มีความแม่นยำในการจำแนกสูงในการศึกษาอย่างน้อยหนึ่งชิ้น ซึ่งยืนยันว่ารูปร่างของสเปกตรัมโดยรวมมีข้อมูลที่เพียงพอในการสร้างความแตกต่าง
เหตุใด PSD จึงถือเป็นภาพถ่ายแบบคงที่?
PSD บีบอัดระยะเวลาการบันทึกทั้งหมดลงในเส้นโค้งเดียว โดยเฉลี่ยการเปลี่ยนแปลงที่เกิดขึ้นในแต่ละวินาทีออกไป มันเผยให้เห็นความสมดุลของความถี่โดยรวมในช่วงเวลานั้น มากกว่าการติดตามว่าส่วนผสมของคลื่นเปลี่ยนแปลงไปอย่างไรตามกาลเวลา
ข้อผิดพลาดทั่วไปในการตีความ PSD มีอะไรบ้าง?
สิ่งแปลกปลอมจากกล้ามเนื้อและดวงตาสามารถปนเปื้อนสัญญาณและบิดเบือนเส้นโค้งได้ โดยเฉพาะในอุปกรณ์สำหรับผู้บริโภค การนำกระแสผ่านปริมาตรและการเลือกจุดอ้างอิงยังส่งผลต่อรูปร่างของ PSD ด้วย และแม้จะใช้อุปกรณ์ที่เสถียร ความแปรปรวนตามธรรมชาติจากการทดสอบซ้ำก็หมายความว่าความแตกต่างเล็กๆ น้อยๆ อาจไม่ได้มีความหมายสำคัญ
ความแตกต่างระหว่าง PSD และ Amplitude Spectrum คืออะไร?
PSD แสดงถึงแอมพลิจูดกำลังสองต่อความถี่และเหมาะสำหรับการคำนวณกำลัง ในขณะที่ Amplitude Spectrum แสดงถึงขนาดขององค์ประกอบความถี่และใช้หน่วยที่แตกต่างกัน
พีคของ PSD ที่ใหญ่กว่าบ่งชี้ถึงการทำงานของสมองที่แข็งแกร่งกว่าเสมอไปหรือไม่?
ไม่เสมอไป พีคที่ใหญ่กว่าอาจสะท้อนถึงสิ่งแปลกปลอม ผลกระทบจากจุดอ้างอิง สภาวะการบันทึก หรือพารามิเตอร์การวิเคราะห์ พอๆ กับที่เป็นกิจกรรมทางสรีรวิทยา
Emotiv เป็นผู้นำด้านนิวโรเทคโนโลยีที่ช่วยขับเคลื่อนการวิจัยประสาทวิทยาศาสตร์ผ่านเครื่องมือ EEG และข้อมูลสมองที่เข้าถึงได้
ข้อจำกัดความรับผิดชอบทางการแพทย์: ข้อมูลที่ให้ไว้บนเว็บไซต์นี้มีวัตถุประสงค์เพื่อการศึกษาและการให้ข้อมูลเท่านั้น และไม่ได้มีวัตถุประสงค์เพื่อเป็นคำแนะนำทางการแพทย์หรือสุขภาพ เนื้อหานี้อาจมีข้อผิดพลาดและไม่ควรนำมาใช้ในการตัดสินใจเลือกแนวทางชีวิต สุขภาพ หรือการรักษาทางการแพทย์ที่เปลี่ยนชีวิต โปรดขอคำแนะนำจากแพทย์หรือผู้ให้บริการด้านสุขภาพที่มีคุณสมบัติเหมาะสมเสมอ หากมีคำถามใดๆ ที่คุณอาจมีเกี่ยวกับอาการเจ็บป่วยหรือการรักษา
คริสเตียน บูร์โกส
