Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 5, 2024
Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 5, 2024
Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 5, 2024
1. Giới thiệu
Chào mừng! Trong hướng dẫn này, chúng ta sẽ tìm hiểu về sóng não và cách chúng ta có thể sử dụng chúng để hiểu về não bộ và hành vi.
Hans Berger đã đặt ra thuật ngữ điện não đồ vào năm 1929, khi ông mô tả những thay đổi trong điện thế được ghi lại bằng cách sử dụng các cảm biến đặt trên đầu của một người. Ông đã xác định được hai loại sóng não, mà ông gọi là sóng alpha và beta chỉ đơn giản vì thứ tự mà ông ghi lại chúng. Những loại sóng như vậy đã được ghi nhận ở các loài động vật có vú khác nhưng Berger là người đầu tiên mô tả chúng ở người!
Kể từ đó, phương pháp điện não đồ đã trở thành một công cụ quan trọng trong khoa học thần kinh, giúp phát triển hiểu biết của chúng ta về sóng não (mà các nhà nghiên cứu gọi là dao động thần kinh) và giúp mô tả các trạng thái trong não như mệt mỏi và tỉnh táo.
Trong hướng dẫn ngắn gọn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Làm thế nào chúng ta có thể đo lường dao động thần kinh?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tế bằng các thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp thụ động và không xâm lấn để đo lường hoạt động điện của não bộ chúng ta. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các nhóm tế bào não, được gọi là các neuron.
Hình 1 – Các nơ-ron tạo ra hoạt động điện có thể được phát hiện bằng thiết bị EEG [Siuly, và cộng sự (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được sử dụng để ghi EEG. Các thiết bị EEG có thể có các đặc điểm dao động từ:
Từ một cảm biến đơn lẻ cho đến 256 điện cực – Nhiều điện cực hơn sẽ mang lại độ phân giải không gian cao hơn của thông tin trên da đầu.
Điện cực ướt hoặc khô – Điện cực ướt sử dụng chất gel điện phân hoặc dung dịch muối để cải thiện độ dẫn điện giữa da đầu và cảm biến. Điện cực khô có thể là kim loại hoặc polyme dẫn điện cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – Hệ thống điện cực thụ động chỉ đơn giản là dẫn tín hiệu đến thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại mỗi điện cực trước khi nó đến thiết bị để khuếch đại. Điều này giúp giảm nhiễu điện từ môi trường trong tín hiệu.
Thiết bị có dây hoặc không dây truyền dữ liệu qua Bluetooth.
Hình 2 – Một hệ thống EEG không dây, mật độ thấp.
Hình 3 – Một hệ thống EEG điện cực có dây, mật độ cao.
2.2. Khi nào nên sử dụng EEG?
Mỗi phương pháp chẩn đoán hình ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Điểm mạnh lớn nhất của EEG là nó có thể đo lường hoạt động thần kinh ở quy mô mili giây, từ đó có thể đo lường các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Nó phù hợp nhất cho các câu hỏi như "người tham gia chú ý nhiều nhất đến phần nào trong video của tôi?"
EEG ghi lại hoạt động chủ yếu từ các lớp ngoài của não (tức là có độ phân giải không gian thấp). Với một cảm biến duy nhất thì không thể xác định được nguồn gốc của hoạt động. Việc ghi với số lượng kênh lớn có thể cho phép tái tạo toán học nguồn gốc nhưng vẫn bị hạn chế trong việc xác định các nguồn nằm sâu trong não. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như "Phần nào của não có liên quan đến những thay đổi về sự chú ý?"
2.3. Từ cảm biến đến EEG thô?
Khi thiết bị EEG được đeo trên đầu, hoạt động của não được đo tại một cảm biến duy nhất dưới dạng chênh lệch biên độ giữa cảm biến đó và cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực CMS (common mode sense). Một cảm biến bổ sung, DRL (driven right leg), giúp giảm bất kỳ nhiễu nào tại CMS.
Hình 5 – Sơ đồ khối đơn giản hóa của quá trình truyền tín hiệu EEG.
Trong các hệ thống có cả điện cực chủ động và thụ động, tín hiệu sau đó được khuếch đại và lọc thông thấp. Lọc thông thấp là một bước sẽ loại bỏ các nhiễu điện có thể xảy ra từ môi trường trong tín hiệu của bạn, ví dụ: từ lưới điện chính.
Các bước này diễn ra ngay trên phần cứng trước khi tín hiệu EEG thô có thể được hiển thị trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên tiêu chuẩn 10-20
Các cảm biến bên trái thường được đánh số lẻ và các cảm biến bên phải thường được đánh số chẵn.
Lưu ý 1: đây chỉ là các quy ước đặt tên và vị trí của cảm biến EEG không phải là chỉ báo cho nguồn gốc của hoạt động.
Lưu ý 2: cần thực hiện các bước bổ sung như tái tạo toán học nguồn gốc để xác định nguồn gốc của hoạt động tại một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các mô hình nhịp điệu được tạo ra bởi một nơ-ron đơn lẻ hoặc một nhóm nơ-ron.
Hiện vẫn chưa rõ tại sao não bộ lại tạo ra các loại dao động khác nhau này, mặc dù có nhiều giả thuyết. Các nhà nghiên cứu sử dụng các nhiệm vụ khác nhau để mô tả các hoạt động dao động này và nhằm mục đích thấu hiểu những bí ẩn của não bộ bằng cách sử dụng các mô hình nhịp điệu này.
3.1. Một số đặc tính của một dao động
Hình này cho thấy phép đo của một tín hiệu điện thông thường:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Ở bên trái (trục tung y), chúng ta có thể vẽ biên độ của bản ghi điện và trên trục hoành (trục hoành x) là thời gian. Biên độ của tín hiệu sẽ thay đổi về độ lớn một cách đều đặn quanh một điểm trung tâm. Một chu kỳ cũng được gọi là một dao động.
Số chu kỳ trong một giây được gọi là tần số của sóng và đơn vị là Hertz (Hz). Vì vậy, 1 chu kỳ mỗi giây = 1 Hz. Biên độ thường được đo bằng microvolt (µv).
Trong não, chúng ta thấy các sóng có tần số từ 0.2 Hz (sóng rất chậm) đến 80 Hz hoặc hơn (sóng rất nhanh). Hoạt động tần số cao lên đến 500 Hz liên quan đến các cơn co giật cũng có thể được ghi lại trong não.
Các loại dao động não khác nhau được đặc trưng dựa trên tần số của chúng. Chúng được gọi là các dải tần số và có thể liên quan đến các trạng thái não khác nhau:
Hình 7 – Các sóng não trong EEG điển hình.
3.2. Tại sao các dải tần số khác nhau lại quan trọng?
Xác định các mô hình não bình thường và bất thường
Các dao động thần kinh rất quan trọng để phát hiện các cơn co giật và chẩn đoán bệnh Động kinh trong Thần kinh học.Giao diện não - máy tính (BCI)
Lượng dao động beta, gamma và mu thường được sử dụng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh (Neurofeedback)
Đây là một hình thức rèn luyện não bộ nơi bạn có thể xem các sóng não của mình (ví dụ: dao động gamma) và tham gia vào các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh (Neuromarketing)
Các dải tần số alpha và beta có thể được sử dụng để xác định phần nào của quảng cáo thu hút sự chú ý nhiều hơn hoặc ít hơn.
3.3. Các loại phân tích dữ liệu EEG
Thông thường nhất, các nhà nghiên cứu tiến hành phân tích theo miền thời gian hoặc miền tần số.
Phân tích miền thời gian
Thường đo biên độ điện áp tại các thời điểm quan tâm sau khi xuất hiện kích thích. Chúng được gọi là điện thế liên quan đến sự kiện (ERP).
Phân tích miền tần số
Thường đo lượng dao động thần kinh ở các dải tần số khác nhau trong một khung thời gian xác định hoặc liên quan đến sự bắt đầu của một sự kiện.
Tiếp theo chúng tôi cung cấp một cái nhìn tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi bạn thực hiện ghi EEG, bạn thường làm sạch dữ liệu trước khi giải mã ý nghĩa của các dao động.
Lọc dữ liệu
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu do chuyển động (Artefact)
Chuyển động cơ thể, chớp mắt đều có thể gây ra các nhiễu lớn (các đỉnh > 50 µV trong EEG). Những nhiễu này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu sử dụng các phương pháp phức tạp để hiệu chỉnh các nhiễu này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu hiện có thể được chuyển đổi sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Nhiễu do chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Phép biến đổi Fourier là sự chuyển đổi toán học của tín hiệu EEG từ 'miền thời gian' (hình A) sang 'miền tần số (hình B)'.
Trong miền tần số, chúng ta có thể định lượng lượng của từng loại dao động trong bản ghi của mình. Đây thường là 'công suất' của dải tần số và có thể được hiển thị dưới dạng phổ công suất (Hình B).
Hình 9A – EEG thô trong miền thời gian.
Hình 9B – Phổ công suất sau FFT (miền tần số).
3.6. Công suất dải (Band Power)
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết lượng của mỗi dải tần số là bao nhiêu. Đơn vị công suất dải thường là µV2/Hz. Thường gặp nhất, biên độ hoặc phổ công suất từ FFT được hiển thị dưới dạng đơn vị logarit decibel (dB). Decibel là đơn vị đo tỷ lệ giữa công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Sau khi có được đơn vị đo lường này cho các sự kiện quan tâm, công suất dải có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ Lý thuyết đến Thực tiễn
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được báo cáo đầu tiên bởi Hans Berger, trong đó chúng ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của ai đó mở so với khi họ nhắm mắt.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mở mắt.
Đầu tiên, sử dụng EmotivPRO Builder chúng tôi đã xây dựng một thử nghiệm đơn giản. Trong thử nghiệm này, người tham gia chỉ cần được yêu cầu mở mắt trong 2 phút trong khi tập trung vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy tiếng chuông ở cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video dưới đây để tự thực hiện thử nghiệm ức chế alpha của riêng mình hoặc bạn có thể chạy thử nghiệm của chúng tôi từ liên kết tại đây:
4.1. Đeo thiết bị và Chất lượng EEG
Đọc thêm về cách cổng EQ của chúng tôi hoạt động tại đây. Tìm thêm thông tin về cách đeo thiết bị cụ thể cho tai nghe của bạn tại đây:
Loại EPOC
Loại Insight
4.2. Xử lý và chuyển đổi dữ liệu EEG
Bây giờ bạn đã có dữ liệu của mình, bạn có thể chuyển đổi nó sang miền tần số bằng Emotiv Analyzer. Làm theo các bước trong video.
4.3. Giải thích dữ liệu
Sau khi Analyzer hoàn tất, hãy tải xuống tệp zip. Đối với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải và một tệp hình ảnh mà bạn có thể sử dụng để chạy phân tích thống kê của riêng mình.
Hình 11 – Công suất dải (Bandpowers).
Trong kết quả đầu ra của mình, chúng ta có thể thấy sự gia tăng công suất Alpha khi nhắm mắt (màu cam) so với khi mở mắt (màu xanh).
Đây là phần cuối của bài hướng dẫn của chúng tôi! Giờ đây bạn đã được trang bị những kiến thức cơ bản 🙂
Bạn có thể tìm thấy một số liên kết để đọc thêm nâng cao trong phần tài nguyên.
5. Tài nguyên
ĐỌC THÊM NÂNG CAO
Donoghue và cộng sự 2022 Các cân nhắc về phương pháp luận để nghiên cứu dao động thần kinh
THUẬT NGỮ EEG
Kane và cộng sự 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn cảm thấy thoải mái với việc lập trình python, chúng tôi đã cung cấp các tập lệnh python mà bạn có thể sử dụng để có được các giá trị công suất alpha, được gắn nhãn theo các phân đoạn mở mắt và nhắm mắt. Tìm mã nguồn và các tệp dữ liệu mẫu về Ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN SỬ DỤNG Emotiv
Hướng dẫn sử dụng EmotivPRO Builder
Hướng dẫn sử dụng EmotivPRO
Hướng dẫn sử dụng EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), tr.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. và 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, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. Trong: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Giới thiệu
Chào mừng! Trong hướng dẫn này, chúng ta sẽ tìm hiểu về sóng não và cách chúng ta có thể sử dụng chúng để hiểu về não bộ và hành vi.
Hans Berger đã đặt ra thuật ngữ điện não đồ vào năm 1929, khi ông mô tả những thay đổi trong điện thế được ghi lại bằng cách sử dụng các cảm biến đặt trên đầu của một người. Ông đã xác định được hai loại sóng não, mà ông gọi là sóng alpha và beta chỉ đơn giản vì thứ tự mà ông ghi lại chúng. Những loại sóng như vậy đã được ghi nhận ở các loài động vật có vú khác nhưng Berger là người đầu tiên mô tả chúng ở người!
Kể từ đó, phương pháp điện não đồ đã trở thành một công cụ quan trọng trong khoa học thần kinh, giúp phát triển hiểu biết của chúng ta về sóng não (mà các nhà nghiên cứu gọi là dao động thần kinh) và giúp mô tả các trạng thái trong não như mệt mỏi và tỉnh táo.
Trong hướng dẫn ngắn gọn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Làm thế nào chúng ta có thể đo lường dao động thần kinh?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tế bằng các thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp thụ động và không xâm lấn để đo lường hoạt động điện của não bộ chúng ta. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các nhóm tế bào não, được gọi là các neuron.
Hình 1 – Các nơ-ron tạo ra hoạt động điện có thể được phát hiện bằng thiết bị EEG [Siuly, và cộng sự (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được sử dụng để ghi EEG. Các thiết bị EEG có thể có các đặc điểm dao động từ:
Từ một cảm biến đơn lẻ cho đến 256 điện cực – Nhiều điện cực hơn sẽ mang lại độ phân giải không gian cao hơn của thông tin trên da đầu.
Điện cực ướt hoặc khô – Điện cực ướt sử dụng chất gel điện phân hoặc dung dịch muối để cải thiện độ dẫn điện giữa da đầu và cảm biến. Điện cực khô có thể là kim loại hoặc polyme dẫn điện cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – Hệ thống điện cực thụ động chỉ đơn giản là dẫn tín hiệu đến thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại mỗi điện cực trước khi nó đến thiết bị để khuếch đại. Điều này giúp giảm nhiễu điện từ môi trường trong tín hiệu.
Thiết bị có dây hoặc không dây truyền dữ liệu qua Bluetooth.
Hình 2 – Một hệ thống EEG không dây, mật độ thấp.
Hình 3 – Một hệ thống EEG điện cực có dây, mật độ cao.
2.2. Khi nào nên sử dụng EEG?
Mỗi phương pháp chẩn đoán hình ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Điểm mạnh lớn nhất của EEG là nó có thể đo lường hoạt động thần kinh ở quy mô mili giây, từ đó có thể đo lường các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Nó phù hợp nhất cho các câu hỏi như "người tham gia chú ý nhiều nhất đến phần nào trong video của tôi?"
EEG ghi lại hoạt động chủ yếu từ các lớp ngoài của não (tức là có độ phân giải không gian thấp). Với một cảm biến duy nhất thì không thể xác định được nguồn gốc của hoạt động. Việc ghi với số lượng kênh lớn có thể cho phép tái tạo toán học nguồn gốc nhưng vẫn bị hạn chế trong việc xác định các nguồn nằm sâu trong não. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như "Phần nào của não có liên quan đến những thay đổi về sự chú ý?"
2.3. Từ cảm biến đến EEG thô?
Khi thiết bị EEG được đeo trên đầu, hoạt động của não được đo tại một cảm biến duy nhất dưới dạng chênh lệch biên độ giữa cảm biến đó và cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực CMS (common mode sense). Một cảm biến bổ sung, DRL (driven right leg), giúp giảm bất kỳ nhiễu nào tại CMS.
Hình 5 – Sơ đồ khối đơn giản hóa của quá trình truyền tín hiệu EEG.
Trong các hệ thống có cả điện cực chủ động và thụ động, tín hiệu sau đó được khuếch đại và lọc thông thấp. Lọc thông thấp là một bước sẽ loại bỏ các nhiễu điện có thể xảy ra từ môi trường trong tín hiệu của bạn, ví dụ: từ lưới điện chính.
Các bước này diễn ra ngay trên phần cứng trước khi tín hiệu EEG thô có thể được hiển thị trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên tiêu chuẩn 10-20
Các cảm biến bên trái thường được đánh số lẻ và các cảm biến bên phải thường được đánh số chẵn.
Lưu ý 1: đây chỉ là các quy ước đặt tên và vị trí của cảm biến EEG không phải là chỉ báo cho nguồn gốc của hoạt động.
Lưu ý 2: cần thực hiện các bước bổ sung như tái tạo toán học nguồn gốc để xác định nguồn gốc của hoạt động tại một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các mô hình nhịp điệu được tạo ra bởi một nơ-ron đơn lẻ hoặc một nhóm nơ-ron.
Hiện vẫn chưa rõ tại sao não bộ lại tạo ra các loại dao động khác nhau này, mặc dù có nhiều giả thuyết. Các nhà nghiên cứu sử dụng các nhiệm vụ khác nhau để mô tả các hoạt động dao động này và nhằm mục đích thấu hiểu những bí ẩn của não bộ bằng cách sử dụng các mô hình nhịp điệu này.
3.1. Một số đặc tính của một dao động
Hình này cho thấy phép đo của một tín hiệu điện thông thường:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Ở bên trái (trục tung y), chúng ta có thể vẽ biên độ của bản ghi điện và trên trục hoành (trục hoành x) là thời gian. Biên độ của tín hiệu sẽ thay đổi về độ lớn một cách đều đặn quanh một điểm trung tâm. Một chu kỳ cũng được gọi là một dao động.
Số chu kỳ trong một giây được gọi là tần số của sóng và đơn vị là Hertz (Hz). Vì vậy, 1 chu kỳ mỗi giây = 1 Hz. Biên độ thường được đo bằng microvolt (µv).
Trong não, chúng ta thấy các sóng có tần số từ 0.2 Hz (sóng rất chậm) đến 80 Hz hoặc hơn (sóng rất nhanh). Hoạt động tần số cao lên đến 500 Hz liên quan đến các cơn co giật cũng có thể được ghi lại trong não.
Các loại dao động não khác nhau được đặc trưng dựa trên tần số của chúng. Chúng được gọi là các dải tần số và có thể liên quan đến các trạng thái não khác nhau:
Hình 7 – Các sóng não trong EEG điển hình.
3.2. Tại sao các dải tần số khác nhau lại quan trọng?
Xác định các mô hình não bình thường và bất thường
Các dao động thần kinh rất quan trọng để phát hiện các cơn co giật và chẩn đoán bệnh Động kinh trong Thần kinh học.Giao diện não - máy tính (BCI)
Lượng dao động beta, gamma và mu thường được sử dụng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh (Neurofeedback)
Đây là một hình thức rèn luyện não bộ nơi bạn có thể xem các sóng não của mình (ví dụ: dao động gamma) và tham gia vào các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh (Neuromarketing)
Các dải tần số alpha và beta có thể được sử dụng để xác định phần nào của quảng cáo thu hút sự chú ý nhiều hơn hoặc ít hơn.
3.3. Các loại phân tích dữ liệu EEG
Thông thường nhất, các nhà nghiên cứu tiến hành phân tích theo miền thời gian hoặc miền tần số.
Phân tích miền thời gian
Thường đo biên độ điện áp tại các thời điểm quan tâm sau khi xuất hiện kích thích. Chúng được gọi là điện thế liên quan đến sự kiện (ERP).
Phân tích miền tần số
Thường đo lượng dao động thần kinh ở các dải tần số khác nhau trong một khung thời gian xác định hoặc liên quan đến sự bắt đầu của một sự kiện.
Tiếp theo chúng tôi cung cấp một cái nhìn tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi bạn thực hiện ghi EEG, bạn thường làm sạch dữ liệu trước khi giải mã ý nghĩa của các dao động.
Lọc dữ liệu
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu do chuyển động (Artefact)
Chuyển động cơ thể, chớp mắt đều có thể gây ra các nhiễu lớn (các đỉnh > 50 µV trong EEG). Những nhiễu này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu sử dụng các phương pháp phức tạp để hiệu chỉnh các nhiễu này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu hiện có thể được chuyển đổi sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Nhiễu do chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Phép biến đổi Fourier là sự chuyển đổi toán học của tín hiệu EEG từ 'miền thời gian' (hình A) sang 'miền tần số (hình B)'.
Trong miền tần số, chúng ta có thể định lượng lượng của từng loại dao động trong bản ghi của mình. Đây thường là 'công suất' của dải tần số và có thể được hiển thị dưới dạng phổ công suất (Hình B).
Hình 9A – EEG thô trong miền thời gian.
Hình 9B – Phổ công suất sau FFT (miền tần số).
3.6. Công suất dải (Band Power)
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết lượng của mỗi dải tần số là bao nhiêu. Đơn vị công suất dải thường là µV2/Hz. Thường gặp nhất, biên độ hoặc phổ công suất từ FFT được hiển thị dưới dạng đơn vị logarit decibel (dB). Decibel là đơn vị đo tỷ lệ giữa công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Sau khi có được đơn vị đo lường này cho các sự kiện quan tâm, công suất dải có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ Lý thuyết đến Thực tiễn
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được báo cáo đầu tiên bởi Hans Berger, trong đó chúng ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của ai đó mở so với khi họ nhắm mắt.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mở mắt.
Đầu tiên, sử dụng EmotivPRO Builder chúng tôi đã xây dựng một thử nghiệm đơn giản. Trong thử nghiệm này, người tham gia chỉ cần được yêu cầu mở mắt trong 2 phút trong khi tập trung vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy tiếng chuông ở cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video dưới đây để tự thực hiện thử nghiệm ức chế alpha của riêng mình hoặc bạn có thể chạy thử nghiệm của chúng tôi từ liên kết tại đây:
4.1. Đeo thiết bị và Chất lượng EEG
Đọc thêm về cách cổng EQ của chúng tôi hoạt động tại đây. Tìm thêm thông tin về cách đeo thiết bị cụ thể cho tai nghe của bạn tại đây:
Loại EPOC
Loại Insight
4.2. Xử lý và chuyển đổi dữ liệu EEG
Bây giờ bạn đã có dữ liệu của mình, bạn có thể chuyển đổi nó sang miền tần số bằng Emotiv Analyzer. Làm theo các bước trong video.
4.3. Giải thích dữ liệu
Sau khi Analyzer hoàn tất, hãy tải xuống tệp zip. Đối với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải và một tệp hình ảnh mà bạn có thể sử dụng để chạy phân tích thống kê của riêng mình.
Hình 11 – Công suất dải (Bandpowers).
Trong kết quả đầu ra của mình, chúng ta có thể thấy sự gia tăng công suất Alpha khi nhắm mắt (màu cam) so với khi mở mắt (màu xanh).
Đây là phần cuối của bài hướng dẫn của chúng tôi! Giờ đây bạn đã được trang bị những kiến thức cơ bản 🙂
Bạn có thể tìm thấy một số liên kết để đọc thêm nâng cao trong phần tài nguyên.
5. Tài nguyên
ĐỌC THÊM NÂNG CAO
Donoghue và cộng sự 2022 Các cân nhắc về phương pháp luận để nghiên cứu dao động thần kinh
THUẬT NGỮ EEG
Kane và cộng sự 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn cảm thấy thoải mái với việc lập trình python, chúng tôi đã cung cấp các tập lệnh python mà bạn có thể sử dụng để có được các giá trị công suất alpha, được gắn nhãn theo các phân đoạn mở mắt và nhắm mắt. Tìm mã nguồn và các tệp dữ liệu mẫu về Ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN SỬ DỤNG Emotiv
Hướng dẫn sử dụng EmotivPRO Builder
Hướng dẫn sử dụng EmotivPRO
Hướng dẫn sử dụng EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), tr.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. và 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, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. Trong: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Giới thiệu
Chào mừng! Trong hướng dẫn này, chúng ta sẽ tìm hiểu về sóng não và cách chúng ta có thể sử dụng chúng để hiểu về não bộ và hành vi.
Hans Berger đã đặt ra thuật ngữ điện não đồ vào năm 1929, khi ông mô tả những thay đổi trong điện thế được ghi lại bằng cách sử dụng các cảm biến đặt trên đầu của một người. Ông đã xác định được hai loại sóng não, mà ông gọi là sóng alpha và beta chỉ đơn giản vì thứ tự mà ông ghi lại chúng. Những loại sóng như vậy đã được ghi nhận ở các loài động vật có vú khác nhưng Berger là người đầu tiên mô tả chúng ở người!
Kể từ đó, phương pháp điện não đồ đã trở thành một công cụ quan trọng trong khoa học thần kinh, giúp phát triển hiểu biết của chúng ta về sóng não (mà các nhà nghiên cứu gọi là dao động thần kinh) và giúp mô tả các trạng thái trong não như mệt mỏi và tỉnh táo.
Trong hướng dẫn ngắn gọn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Làm thế nào chúng ta có thể đo lường dao động thần kinh?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tế bằng các thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp thụ động và không xâm lấn để đo lường hoạt động điện của não bộ chúng ta. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các nhóm tế bào não, được gọi là các neuron.
Hình 1 – Các nơ-ron tạo ra hoạt động điện có thể được phát hiện bằng thiết bị EEG [Siuly, và cộng sự (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được sử dụng để ghi EEG. Các thiết bị EEG có thể có các đặc điểm dao động từ:
Từ một cảm biến đơn lẻ cho đến 256 điện cực – Nhiều điện cực hơn sẽ mang lại độ phân giải không gian cao hơn của thông tin trên da đầu.
Điện cực ướt hoặc khô – Điện cực ướt sử dụng chất gel điện phân hoặc dung dịch muối để cải thiện độ dẫn điện giữa da đầu và cảm biến. Điện cực khô có thể là kim loại hoặc polyme dẫn điện cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – Hệ thống điện cực thụ động chỉ đơn giản là dẫn tín hiệu đến thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại mỗi điện cực trước khi nó đến thiết bị để khuếch đại. Điều này giúp giảm nhiễu điện từ môi trường trong tín hiệu.
Thiết bị có dây hoặc không dây truyền dữ liệu qua Bluetooth.
Hình 2 – Một hệ thống EEG không dây, mật độ thấp.
Hình 3 – Một hệ thống EEG điện cực có dây, mật độ cao.
2.2. Khi nào nên sử dụng EEG?
Mỗi phương pháp chẩn đoán hình ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Điểm mạnh lớn nhất của EEG là nó có thể đo lường hoạt động thần kinh ở quy mô mili giây, từ đó có thể đo lường các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Nó phù hợp nhất cho các câu hỏi như "người tham gia chú ý nhiều nhất đến phần nào trong video của tôi?"
EEG ghi lại hoạt động chủ yếu từ các lớp ngoài của não (tức là có độ phân giải không gian thấp). Với một cảm biến duy nhất thì không thể xác định được nguồn gốc của hoạt động. Việc ghi với số lượng kênh lớn có thể cho phép tái tạo toán học nguồn gốc nhưng vẫn bị hạn chế trong việc xác định các nguồn nằm sâu trong não. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như "Phần nào của não có liên quan đến những thay đổi về sự chú ý?"
2.3. Từ cảm biến đến EEG thô?
Khi thiết bị EEG được đeo trên đầu, hoạt động của não được đo tại một cảm biến duy nhất dưới dạng chênh lệch biên độ giữa cảm biến đó và cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực CMS (common mode sense). Một cảm biến bổ sung, DRL (driven right leg), giúp giảm bất kỳ nhiễu nào tại CMS.
Hình 5 – Sơ đồ khối đơn giản hóa của quá trình truyền tín hiệu EEG.
Trong các hệ thống có cả điện cực chủ động và thụ động, tín hiệu sau đó được khuếch đại và lọc thông thấp. Lọc thông thấp là một bước sẽ loại bỏ các nhiễu điện có thể xảy ra từ môi trường trong tín hiệu của bạn, ví dụ: từ lưới điện chính.
Các bước này diễn ra ngay trên phần cứng trước khi tín hiệu EEG thô có thể được hiển thị trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên tiêu chuẩn 10-20
Các cảm biến bên trái thường được đánh số lẻ và các cảm biến bên phải thường được đánh số chẵn.
Lưu ý 1: đây chỉ là các quy ước đặt tên và vị trí của cảm biến EEG không phải là chỉ báo cho nguồn gốc của hoạt động.
Lưu ý 2: cần thực hiện các bước bổ sung như tái tạo toán học nguồn gốc để xác định nguồn gốc của hoạt động tại một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các mô hình nhịp điệu được tạo ra bởi một nơ-ron đơn lẻ hoặc một nhóm nơ-ron.
Hiện vẫn chưa rõ tại sao não bộ lại tạo ra các loại dao động khác nhau này, mặc dù có nhiều giả thuyết. Các nhà nghiên cứu sử dụng các nhiệm vụ khác nhau để mô tả các hoạt động dao động này và nhằm mục đích thấu hiểu những bí ẩn của não bộ bằng cách sử dụng các mô hình nhịp điệu này.
3.1. Một số đặc tính của một dao động
Hình này cho thấy phép đo của một tín hiệu điện thông thường:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chẩn đoán hình ảnh thần kinh khác nhau.
Ở bên trái (trục tung y), chúng ta có thể vẽ biên độ của bản ghi điện và trên trục hoành (trục hoành x) là thời gian. Biên độ của tín hiệu sẽ thay đổi về độ lớn một cách đều đặn quanh một điểm trung tâm. Một chu kỳ cũng được gọi là một dao động.
Số chu kỳ trong một giây được gọi là tần số của sóng và đơn vị là Hertz (Hz). Vì vậy, 1 chu kỳ mỗi giây = 1 Hz. Biên độ thường được đo bằng microvolt (µv).
Trong não, chúng ta thấy các sóng có tần số từ 0.2 Hz (sóng rất chậm) đến 80 Hz hoặc hơn (sóng rất nhanh). Hoạt động tần số cao lên đến 500 Hz liên quan đến các cơn co giật cũng có thể được ghi lại trong não.
Các loại dao động não khác nhau được đặc trưng dựa trên tần số của chúng. Chúng được gọi là các dải tần số và có thể liên quan đến các trạng thái não khác nhau:
Hình 7 – Các sóng não trong EEG điển hình.
3.2. Tại sao các dải tần số khác nhau lại quan trọng?
Xác định các mô hình não bình thường và bất thường
Các dao động thần kinh rất quan trọng để phát hiện các cơn co giật và chẩn đoán bệnh Động kinh trong Thần kinh học.Giao diện não - máy tính (BCI)
Lượng dao động beta, gamma và mu thường được sử dụng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh (Neurofeedback)
Đây là một hình thức rèn luyện não bộ nơi bạn có thể xem các sóng não của mình (ví dụ: dao động gamma) và tham gia vào các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh (Neuromarketing)
Các dải tần số alpha và beta có thể được sử dụng để xác định phần nào của quảng cáo thu hút sự chú ý nhiều hơn hoặc ít hơn.
3.3. Các loại phân tích dữ liệu EEG
Thông thường nhất, các nhà nghiên cứu tiến hành phân tích theo miền thời gian hoặc miền tần số.
Phân tích miền thời gian
Thường đo biên độ điện áp tại các thời điểm quan tâm sau khi xuất hiện kích thích. Chúng được gọi là điện thế liên quan đến sự kiện (ERP).
Phân tích miền tần số
Thường đo lượng dao động thần kinh ở các dải tần số khác nhau trong một khung thời gian xác định hoặc liên quan đến sự bắt đầu của một sự kiện.
Tiếp theo chúng tôi cung cấp một cái nhìn tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi bạn thực hiện ghi EEG, bạn thường làm sạch dữ liệu trước khi giải mã ý nghĩa của các dao động.
Lọc dữ liệu
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu do chuyển động (Artefact)
Chuyển động cơ thể, chớp mắt đều có thể gây ra các nhiễu lớn (các đỉnh > 50 µV trong EEG). Những nhiễu này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu sử dụng các phương pháp phức tạp để hiệu chỉnh các nhiễu này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu hiện có thể được chuyển đổi sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Nhiễu do chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Phép biến đổi Fourier là sự chuyển đổi toán học của tín hiệu EEG từ 'miền thời gian' (hình A) sang 'miền tần số (hình B)'.
Trong miền tần số, chúng ta có thể định lượng lượng của từng loại dao động trong bản ghi của mình. Đây thường là 'công suất' của dải tần số và có thể được hiển thị dưới dạng phổ công suất (Hình B).
Hình 9A – EEG thô trong miền thời gian.
Hình 9B – Phổ công suất sau FFT (miền tần số).
3.6. Công suất dải (Band Power)
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết lượng của mỗi dải tần số là bao nhiêu. Đơn vị công suất dải thường là µV2/Hz. Thường gặp nhất, biên độ hoặc phổ công suất từ FFT được hiển thị dưới dạng đơn vị logarit decibel (dB). Decibel là đơn vị đo tỷ lệ giữa công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Sau khi có được đơn vị đo lường này cho các sự kiện quan tâm, công suất dải có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ Lý thuyết đến Thực tiễn
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được báo cáo đầu tiên bởi Hans Berger, trong đó chúng ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của ai đó mở so với khi họ nhắm mắt.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mở mắt.
Đầu tiên, sử dụng EmotivPRO Builder chúng tôi đã xây dựng một thử nghiệm đơn giản. Trong thử nghiệm này, người tham gia chỉ cần được yêu cầu mở mắt trong 2 phút trong khi tập trung vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy tiếng chuông ở cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video dưới đây để tự thực hiện thử nghiệm ức chế alpha của riêng mình hoặc bạn có thể chạy thử nghiệm của chúng tôi từ liên kết tại đây:
4.1. Đeo thiết bị và Chất lượng EEG
Đọc thêm về cách cổng EQ của chúng tôi hoạt động tại đây. Tìm thêm thông tin về cách đeo thiết bị cụ thể cho tai nghe của bạn tại đây:
Loại EPOC
Loại Insight
4.2. Xử lý và chuyển đổi dữ liệu EEG
Bây giờ bạn đã có dữ liệu của mình, bạn có thể chuyển đổi nó sang miền tần số bằng Emotiv Analyzer. Làm theo các bước trong video.
4.3. Giải thích dữ liệu
Sau khi Analyzer hoàn tất, hãy tải xuống tệp zip. Đối với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải và một tệp hình ảnh mà bạn có thể sử dụng để chạy phân tích thống kê của riêng mình.
Hình 11 – Công suất dải (Bandpowers).
Trong kết quả đầu ra của mình, chúng ta có thể thấy sự gia tăng công suất Alpha khi nhắm mắt (màu cam) so với khi mở mắt (màu xanh).
Đây là phần cuối của bài hướng dẫn của chúng tôi! Giờ đây bạn đã được trang bị những kiến thức cơ bản 🙂
Bạn có thể tìm thấy một số liên kết để đọc thêm nâng cao trong phần tài nguyên.
5. Tài nguyên
ĐỌC THÊM NÂNG CAO
Donoghue và cộng sự 2022 Các cân nhắc về phương pháp luận để nghiên cứu dao động thần kinh
THUẬT NGỮ EEG
Kane và cộng sự 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn cảm thấy thoải mái với việc lập trình python, chúng tôi đã cung cấp các tập lệnh python mà bạn có thể sử dụng để có được các giá trị công suất alpha, được gắn nhãn theo các phân đoạn mở mắt và nhắm mắt. Tìm mã nguồn và các tệp dữ liệu mẫu về Ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN SỬ DỤNG Emotiv
Hướng dẫn sử dụng EmotivPRO Builder
Hướng dẫn sử dụng EmotivPRO
Hướng dẫn sử dụng EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), tr.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. và 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, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. Trong: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
Tiếp tục đọc