1. Giriş

Hoş geldiniz! Bu eğitimde beyin dalgalarını ve bunları beyni ve davranışı anlamak için nasıl kullanabileceğimizi öğreniyoruz.

Hans Berger, bir kişinin kafasına yerleştirilen sensörler kullanılarak kaydedilen elektriksel potansiyellerdeki değişiklikleri tanımladığı 1929 yılında elektroensefalogram terimini ortaya atmıştır. Sırf kaydettiği sıra nedeniyle alfa ve beta dalgaları olarak adlandırdığı iki tür beyin dalgası tanımladı. Bu tür dalgalar diğer memelilerde de kaydedilmişti ancak Berger bunları insanlarda ilk kez tanımlamıştı!

O zamandan bu yana, elektroensefalografi yöntemi nörobilimde kilit bir araç haline geldi ve beyin dalgaları (araştırmacıların nöral osilasyonlar olarak adlandırdığı) hakkındaki anlayışımızın gelişmesine yardımcı oldu ve yorgunluk ve uyanıklık gibi beyindeki durumların karakterize edilmesine katkı sağladı.

Bu kısa eğitimde aşağıdaki konuları ele alacağız:

• Nöral osilasyonlar nelerdir?

• Nöral osilasyonları nasıl ölçebiliriz?

• Nöral osilasyonlarla ne yapabiliriz?

• Emotiv cihazları ve yazılımları kullanılarak pratik uygulama.

2. EEG Nedir?

Elektroensefalografi (EEG), beynimizin elektriksel aktivitesini ölçen invaziv olmayan ve pasif bir yöntemdir. Nöron adı verilen beyin hücrelerinin popülasyonları tarafından üretilen elektriksel aktiviteyi kaydetmek için kafa derisine elektrotlar/sensörler/kanallar yerleştirilir.

Şekil 1 – Nöronlar, bir EEG cihazı ile tespit edilebilen elektriksel aktivite üretirler [Siuly, et al. (2016)].

2.1. EEG Sistemleri

Piyasada EEG kaydı yapmak için kullanılabilecek birçok EEG cihazı bulunmaktadır. EEG cihazlarının özellikleri şu şekilde değişebilir:

• Tek bir sensör veya 256'ya kadar elektrot – Daha fazla elektrot, kafa derisi üzerinde daha yüksek bir mekansal çözünürlükte bilgi sağlayacaktır.

• Islak veya kuru elektrotlar – Islak elektrotlar, kafa derisi ile sensör arasındaki iletkenliği artırmak için elektrolitik bir jel veya salin solüsyonu kullanır. Kuru elektrotlar, kafa derisi ile doğrudan temas gerektiren metal veya iletken polimerler olabilir.

• Aktif veya pasif elektrot – Pasif elektrot sistemleri sinyali sadece yükseltileceği cihaza iletir. Aktif elektrot sistemleri ise sinyali yükseltmek üzere cihaza ulaşmadan önce her bir elektrottta yükseltir. Bu, sinyaldeki çevresel elektriksel gürültüyü azaltır.

• Verileri Bluetooth aracılığıyla ileten kablolu veya kablosuz cihazlar.

Şekil 2 – Kablosuz, düşük yoğunluklu bir EEG sistemi.

Şekil 3 – Kablolu, yüksek yoğunluklu elektrotlu bir EEG sistemi.

2.2. EEG Ne Zaman Kullanılmalıdır?

Her nörogörüntüleme yöntemi farklı araştırma sorularının yanıtlanmasına yardımcı olabilir.

EEG'nin en büyük gücü, bilinç öncesi süreçleri ölçebilen milisaniye ölçeğinde nöral aktiviteyi ölçebilmesidir.

Şekil 4 – Farklı nörogörüntüleme araçlarının mekansal ve zamansal çözünürlüğü karşılaştırması.

En çok "katılımcılar videomun en çok hangi kısımlarına dikkat etti?" gibi sorular için uygundur.

EEG, aktiviteyi esas olarak beynin dış katmanlarından kaydeder (yani düşük mekansal çözünürlüğe sahiptir). Tek bir sensörle aktivitenin kaynağını belirlemek imkansızdır. Çok sayıda kanalla kayıt yapmak, kaynağı matematiksel olarak yeniden yapılandırmaya izin verebilir ancak derin kaynakları belirlemede hala sınırlıdır. Fonksiyonel manyetik rezonans görüntüleme (fMRI), "Beynin hangi kısmı dikkatteki değişikliklerle ilişkilidir?" gibi soruları yanıtlamak için daha uygundur.

2.3. Sensörden ham EEG'ye?

Kafaya bir EEG cihazı takıldıktan sonra, tek bir sensördeki beyin aktivitesi, o sensör ile bir referans sensör arasındaki genlik farkı olarak ölçülür. Çoğu EEG sisteminde buna ortak mod algılama (CMS) elektrotu denir. Ek bir sensör olan sağ bacak sürücüsü (DRL), CMS'deki herhangi bir girişimi azaltmaya yardımcı olur.

Şekil 5 – EEG sinyal iletiminin basitleştirilmiş blok şeması.

Hem aktif hem de pasif elektrotlu sistemlerde sinyal daha sonra yükseltilir ve alçak geçiren filtreden geçirilir. Alçak geçiren filtreleme, sinyalinizdeki çevre kaynaklı olası elektriksel parazitleri (örneğin ana elektrik hatları) ortadan kaldıracak bir adımdır.

Bu adımlar, ham EEG sinyali bilgisayar ekranınızda görüntülenmeden önce donanımın kendisinde gerçekleşir.

2.4. Bazı Temel Terimler

10-20 standart adlandırma kuralı

Sol sensörler genellikle tek numaralı, sağ sensörler ise genellikle çift numaralıdır.

Not 1: Bunlar sadece adlandırma kurallarıdır ve EEG sensör konumunun kaynağı, aktivitenin kaynağının bir göstergesi değildir.

Not 2: Tek bir kanaldaki aktivitenin kaynağını belirlemek için kaynağın matematiksel olarak yeniden yapılandırılması gibi ek adımların atılması gerekir.

3. Nöral Osilasyonlar Nelerdir?

Genellikle beyin dalgaları olarak adlandırılan nöral osilasyonlar, tek bir nöron veya nöron grubu tarafından üretilen ritmik desenlerdir.

Pek çok teori olmasına rağmen, beynin neden bu farklı osilasyon türlerini ürettiği henüz net değildir. Araştırmacılar bu osilasyon aktivitelerini karakterize etmek için farklı görevler kullanmakta ve bu ritmik desenleri kullanarak beynin gizemlerini anlamayı amaçlamaktadır.

3.1. Bir osilasyonun bazı özellikleri

Bu şekil düzenli bir elektrik sinyalinin ölçümünü göstermektedir:

Şekil 6 – Farklı nörogörüntüleme araçlarının mekansal ve zamansal çözünürlüğü karşılaştırması.

Solda (y ekseni) elektriksel kaydın genliğini, yatay eksende (x ekseni) ise zamanı çizebiliriz. Sinyalin genliği, merkezi bir nokta etrafında düzenli bir şekilde büyüklük olarak değişecektir. Bir döngü aynı zamanda bir osilasyon olarak da adlandırılır.

Saniyedeki döngü sayısına dalganın frekansı denir ve birimi Hertz (Hz) 'dir. Yani saniyede 1 döngü = 1 Hz'dir. Genlikler genellikle mikrovolt (µV) cinsinden ölçülür.

Beyinde frekansları 0.2 Hz (çok yavaş dalgalar) ile 80 Hz veya daha fazlası (çok hızlı dalgalar) arasında değişen dalgalar görürüz. Beyinde nöbetlerle ilişkili 500 Hz'e kadar yüksek frekanslı aktiviteler de kaydedilmiştir.

Farklı beyin osilasyonu türleri frekanslarına göre karakterize edilir. Bunlar frekans bantları olarak bilinir ve farklı beyin durumlarıyla ilişkilendirilebilir:

Şekil 7 – Tipik EEG'de beyin dalgaları.

3.2. Farklı frekans bantları neden önemlidir?

1. Normal ve anormal beyin kalıplarının belirlenmesi
   Nöral osilasyonlar, nörolojide nöbetlerin tespit edilmesi ve epilepsi teşhisi için önemlidir.

2. Beyin bilgisayar arayüzleri (BCI)
   Beta, gama ve mu osilasyonlarının miktarı genellikle uzaktan kumandalı cihazları eğitmek için kullanılır (örneğin düşüncelerle bir tekerlekli sandalyeyi hareket ettirmek).

3. Nörofeedback
   Bu, beyin dalgalarınızı (örneğin gama osilasyonları) görüntüleyebileceğiniz ve beyninizdeki gama osilasyonlarının miktarını artırmak için bilişsel görevler yapabileceğiniz bir beyin eğitimi şeklidir.

4. Nöropazarlama
   Alfa ve beta frekans bantları, bir reklamın hangi bölümünün daha çok veya daha az ilgi çekici olduğunu belirlemek için kullanılabilir.

3.3. EEG veri analizi türleri

Araştırmacılar en yaygın olarak analizleri zaman alanında ya da frekans alanında yürütürler.

1. Zaman alanı analizi

   Genellikle bir uyaranın başlangıcından sonraki ilgi çekici zaman noktalarında voltaj genliğini ölçer. Bunlara olayla ilişkili potansiyeller (ERP'ler) denir.

2. Frekans alanı analizi

   Genellikle tanımlanmış bir zaman penceresinde veya bir olayın başlangıcıyla ilişkili olarak farklı frekans bantlarındaki nöral osilasyon miktarını ölçer.

Sırada frekans alanı analizine genel bir bakış sunuyoruz.

3.4. İşleme

Bir EEG kaydı yaptıktan sonra, osilasyonları anlamlandırmadan önce genellikle verileri temizlersiniz.

1. Filtreleme
   Verilerdeki yüksek ve düşük frekanslı çevresel gürültüyü gidermeye yönelik bir teknik.

2. Artefakt Giderme
   Fiziksel hareketler, göz kırpmaları büyük artefaktlara (EEG'de > 50 µV pikler) neden olabilir. Bunlar sonuçlarımızı etkilememesi için kaldırılabilir. Bazı araştırmacılar verileri korumak amacıyla bu artefaktları düzeltmek için sofistike yöntemler kullanırlar.

Veriler işlendikten sonra, her bir beyin dalgası türünün miktarını ölçebilmemiz için sinyal artık frekans alanına dönüştürülebilir.

Şekil 8 – Ham EEG'de göz kırpma artefaktı.

3.5. Hızlı Fourier Dönüşümü (FFT)

Fourier dönüşümü, EEG sinyalinin 'zaman alanından' (görsel A) 'frekans alanına' (görsel B) matematiksel olarak dönüştürülmesidir.

Frekans alanında, kaydımızda her bir osilasyon türünden ne kadar bulunduğunu ölçebiliriz. Bu genellikle frekans bandının 'gücüdür' ve bir güç spektrumu olarak görüntülenebilir (Görsel B).

Şekil 9A – Zaman alanında ham EEG.

Şekil 9B – FFT sonrası güç spektrumu (frekans alanı).

3.6. Bant Gücü

Fourier dönüşümünden elde edilen bir frekans bandının gücü (örneğin Alfa bandı) bize her bir frekans bandından ne kadar olduğunu söyler. Bant gücü birimleri genellikle µV2/Hz cinsindendir. Çoğunlukla, bir FFT'den elde edilen genlik veya güç spektrumları logaritmik desibel (dB) birimiyle gösterilir. Desibel, ölçülen bir güç (P) ile bir referans güç (Pr) arasındaki oran birimidir ve aşağıdaki gibidir:

İlgi duyulan olaylar için bu ölçüm birimi elde edildikten sonra, deneysel etkilerin beyin dalgaları üzerindeki etkilerini anlamak için bant güçleri karşılaştırılabilir.

4. Teoriden Pratiğe

Sırada, alfa bastırma etkisine bakacağız.

Bu, ilk olarak Hans Berger tarafından bildirilen ve bir kişinin gözleri açıkken kapalı olduğu duruma kıyasla alfa osilasyonlarının miktarında (alfa gücü) önemli bir azalma gördüğümüz bir fenomendir.

Şekil 10 – Gözler açıkken artan alfa osilasyonları görülebilir.

Öncelikle EmotivPRO Builder kullanarak basit bir deney tasarladık. Bu deneyde katılımcıdan ekrana odaklanarak gözlerini 2 dakika boyunca açık tutması ve ardından 2 dakika boyunca kapalı tutması istenir. Gözlerini açmalarını işaret etmek üzere 2 dakikanın sonunda bir zil sesi duyarlar.

Kendi alfa bastırma deneyinizi yapmak için aşağıdaki videoyu takip edebilir veya buradaki bağlantıdan bizim deneyimizi çalıştırabilirsiniz:

4.1. Cihaz Kurulumu ve EEG Kalitesi

EQ eşiğimizin nasıl çalıştığı hakkında daha fazla bilgiyi buradan okuyabilirsiniz. Başlığınıza özel cihaz kurulumu hakkında daha fazla bilgiyi burada bulabilirsiniz:

• EPOC tipi

• Insight tipi

4.2. EEG verilerini işleme ve dönüştürme

Artık verilerinize sahip olduğunuza göre, Emotiv Analyzer kullanarak bunları frekans alanına dönüştürebilirsiniz. Videodaki adımları takip edin.

4.3. Verileri yorumlama

Analyzer işlemi tamamlandığında zip dosyasını indirin. Her kayıt için, kendi istatistiksel analizinizi yürütmek için kullanabileceğiniz bant güçlerini içeren bir csv dosyasına ve bir görsel dosyasına sahip olacaksınız.

Şekil 11 – Bant güçleri.

Çıktımızda, gözler kapalıyken (turuncu) açık olduğu zamana (mavi) kıyasla Alfa gücündeki artışı görebiliriz.

Eğitimimizin sonuna geldik! Artık temel bilgilere sahipsiniz 🙂

Kaynaklar bölümünde daha ileri düzey okumalar için bazı bağlantılar bulabilirsiniz.

5. Kaynaklar

İLERİ DÜZEY OKUMA

Donoghue ve ark. 2022 Nöral osilasyonları incelemek için metodolojik hususlar

EEG TERİMLERİ SÖZLÜĞÜ

Kane ve ark. 2017 (burada)

AÇIK KAYNAK KODU

Python kodlamada rahatsanız, gözü-açık ve gözü-kapalı segmentlere göre etiketlenmiş alfa gücü değerlerini elde etmek için kullanabileceğiniz python betiklerini kullanıma sunduk. Koda ve örnek Alfa Bastırma veri dosyalarına buradan ulaşabilirsiniz: https://osf.io/9bvgh/

Emotiv KILAVUZLARI

EmotivPRO Builder kılavuzu
EmotivPRO kılavuzu
EmotivPRO Analyzer kılavuzu

7. Referanslar

Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361

Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002

Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1