Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 2, 2024
Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 2, 2024
Cơ bản về Dao động Thần kinh
Roshini Randeniya
Đã cập nhật vào
22 thg 2, 2024
1. Giới thiệu
Chào mừng! Trong bài hướng dẫn này, chúng ta đang tìm hiểu về sóng não và cách chúng ta có thể dùng chúng để hiểu 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 điện được ghi lại bằng các cảm biến đặt trên đầu một người. Ông xác định hai loại sóng não, mà ông gọi là sóng alpha và beta đơn giản vì thứ tự ông ghi nhận chúng. Những sóng như vậy đã được ghi nhận ở các loài thú 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 then chốt trong khoa học thần kinh và đã 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 bài hướng dẫn ngắn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Chúng ta có thể đo dao động thần kinh như thế nào?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tiễn sử dụng thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp không xâm lấn và thụ động để đo hoạt động điện của não. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các quần thể tế bào não, gọi là nơron.
Hình 1 – Nơron tạo ra hoạt động điện có thể được phát hiện bằng một thiết bị EEG [Siuly, et al. (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được dùng để ghi EEG. Thiết bị EEG có thể có phạm vi từ:
Một cảm biến duy nhất hoặc lên tới 256 điện cực – càng nhiều điện cực thì độ phân giải không gian của thông tin trên da đầu càng cao.
Điện cực ướt hoặc khô – điện cực ướt dùng gel điện phân hoặc dung dịch muối để cải thiện độ dẫn giữa da đầu và cảm biến. Điện cực khô có thể làm từ kim loại hoặc polymer dẫn điện, cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – hệ thống điện cực thụ động chỉ dẫn tín hiệu tới thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại từng điện cực trước khi nó đến thiết bị để khuếch đại. Điều này làm 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 có dây, điện cực mật độ cao.
2.2. Khi nào nên dùng EEG?
Mỗi phương pháp chụp ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Ưu điểm lớn nhất của EEG là có thể đo hoạt động thần kinh ở thang mili giây, cho phép đo các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Nó phù hợp nhất cho những câu hỏi như “phần nào trong video của tôi được người tham gia chú ý nhất?”
EEG ghi nhận 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, không thể xác định nguồn của hoạt động. Ghi với số lượng kênh lớn có thể cho phép tái tạo nguồn bằng phương pháp toán học nhưng vẫn bị hạn chế trong việc xác định các nguồn sâu. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như “Phần nào của não liên quan đến thay đổi trong sự chú ý?”
2.3. Từ cảm biến đến EEG thô?
Khi một thiết bị EEG được đặt lên đầu, hoạt động não được đo tại một cảm biến duy nhất như là độ chênh biên độ giữa cảm biến đó và một cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực common mode sense (CMS). Một cảm biến bổ sung, driven right leg (DRL), giúp giảm mọi nhiễu tại CMS.
Hình 5 – Sơ đồ khối đơn giản 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 có từ môi trường trong tín hiệu của bạn, ví dụ như nhiễu điện lưới.
Những bước này diễn ra ngay trong phần cứng trước khi tín hiệu EEG thô có thể được xem trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên chuẩn 10-20
Các cảm biến bên trái thường có số lẻ, và các cảm biến bên phải thường có số chẵn.
Ghi chú 1: đây chỉ là các quy ước đặt tên và vị trí cảm biến EEG không phải là chỉ báo về nguồn của hoạt động.
Ghi chú 2: cần thực hiện các bước bổ sung như tái tạo nguồn bằng toán học để xác định nguồn của hoạt động ở một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các kiểu nhịp điệu được tạo ra bởi một nơron đơn lẻ hoặc một cụm nơron.
Vẫn chưa rõ tại sao não tạo ra các loại dao động khác nhau này, dù có nhiều giả thuyết. Các nhà nghiên cứu dùng các nhiệm vụ khác nhau để mô tả những hoạt động dao động này và nhằm hiểu những bí ẩn của não bằng các mẫu nhịp điệu này.
3.1. Một số thuộc tính của dao động
Hình này cho thấy một phép đo của tín hiệu điện đều đặn:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Ở trục dọc bên trái (y) chúng ta có thể biểu diễn biên độ của bản ghi điện, và trên trục ngang (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 mỗi 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 tới 500 Hz liên quan đến co giật cũng đã được ghi nhận 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 – Sóng não trong EEG điển hình.
3.2. Vì sao các dải tần số khác nhau lại quan trọng?
Xác định các kiểu mẫu não bình thường so với bất thường
Dao động thần kinh rất quan trọng để phát hiện co giật và chẩn đoán động kinh trong thần kinh học.Giao diện não-máy tính (BCI)
Lượng dao động beta, gamma và mu thường được dùng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh
Đây là một hình thức huấn luyện não, trong đó bạn có thể xem sóng não của mình (ví dụ: dao động gamma) và thực hiện các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh
Các dải tần alpha và beta có thể được dùng để xác định phần nào của quảng cáo hấp dẫn hơn hoặc kém hấp dẫn 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 kích thích bắt đầu. Chúng được gọi là các điện thế gợi lên theo sự kiện (ERPs).
Phân tích miền tần số
Thường đo lượng dao động thần kinh trong các dải tần số khác nhau trong một cửa sổ thời gian xác định hoặc liên quan đến thời điểm bắt đầu của một sự kiện.
Tiếp theo chúng tôi sẽ trình bày tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi ghi EEG, bạn thường làm sạch dữ liệu trước khi hiểu được các dao động.
Lọc
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu tạo tác
Chuyển động cơ thể, chớp mắt đều có thể gây ra các tạo tác lớn (> 50 µV peaks in the EEG). Những thứ này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu dùng các phương pháp tinh vi để hiệu chỉnh các tạo tác này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu giờ có thể được chuyển sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Tạo tác chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Biến đổi Fourier là phép chuyển đổi toán học 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 có trong bản ghi. 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 tần
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết có bao nhiêu của mỗi dải tần số. Đơn vị công suất dải tần thường là µV2/Hz. Thông thường nhất, phổ biên độ hoặc phổ công suất từ FFT được hiển thị trong đơn vị logarit decibel (dB). Decibel là đơn vị tỉ lệ giữa một công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Khi đã có được đơn vị đo này cho các sự kiện quan tâm, công suất dải tần có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ lý thuyết đến thực hành
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được Hans Berger báo cáo lần đầu, trong đó ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của một người mở so với khi nhắm.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mắt mở.
Đầu tiên, sử dụng EmotivPRO Builder, chúng tôi đã xây dựng một thí nghiệm đơn giản. Trong thí nghiệm này, người tham gia chỉ được yêu cầu giữ mắt mở trong 2 phút trong khi nhìn vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy một tiếng chuông vào cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video bên dưới để tạo thí nghiệm ức chế alpha của riêng mình hoặc chạy thí nghiệm của chúng tôi từ liên kết tại đây:
4.1. Cách lắp 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 thiết bị đội đầu 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, bạn có thể biến đổi nó sang miền tần số bằng Emotiv Analyzer. Hãy làm theo các bước trong video.
4.3. Diễn giải dữ liệu
Khi Analyzer hoàn tất, hãy tải xuống tệp zip. Với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải tần và một tệp hình ảnh mà bạn có thể dùng để thực hiện phân tích thống kê của riêng mình.
Hình 11 – Công suất dải tần.
Trong kết quả của chúng tôi, có thể thấy sự tăng công suất Alpha khi mắt nhắm (màu cam) so với khi mở (màu xanh).
Đây là phần kết của bài hướng dẫn! Bây giờ bạn đã nắm được những kiến thức cơ bản 🙂
Bạn có thể tìm một số liên kết tới tài liệu đọc nâng cao hơn trong phần tài nguyên.
5. Tài nguyên
ĐỌC NÂNG CAO
Donoghue et al. 2022 Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh
BẢNG THUẬT NGỮ EEG
Kane et al. 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn thành thạo lập trình Python, chúng tôi đã cung cấp các script Python mà bạn có thể dùng để thu được các giá trị công suất alpha, được gắn nhãn theo các đoạn mắt mở và mắt nhắm. Tìm mã và các tệp dữ liệu mẫu về ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN EMOTIV
Hướng dẫn EmotivPRO Builder
Hướng dẫn EmotivPRO
Hướng dẫn EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh. Tạp chí khoa học thần kinh châu Âu, 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. Một bảng thuật ngữ đã sửa đổi của các thuật ngữ thường được dùng nhất bởi các nhà điện não đồ lâm sàng và đề xuất cập nhật cho định dạng báo cáo các phát hiện EEG. Bản sửa đổi 2017. Thực hành sinh lý thần kinh lâm sàng, 2, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Điện não đồ (EEG) và bối cảnh của nó. Trong: Phân tích và phân loại tín hiệu EEG. Khoa học thông tin y tế. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Giới thiệu
Chào mừng! Trong bài hướng dẫn này, chúng ta đang tìm hiểu về sóng não và cách chúng ta có thể dùng chúng để hiểu 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 điện được ghi lại bằng các cảm biến đặt trên đầu một người. Ông xác định hai loại sóng não, mà ông gọi là sóng alpha và beta đơn giản vì thứ tự ông ghi nhận chúng. Những sóng như vậy đã được ghi nhận ở các loài thú 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 then chốt trong khoa học thần kinh và đã 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 bài hướng dẫn ngắn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Chúng ta có thể đo dao động thần kinh như thế nào?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tiễn sử dụng thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp không xâm lấn và thụ động để đo hoạt động điện của não. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các quần thể tế bào não, gọi là nơron.
Hình 1 – Nơron tạo ra hoạt động điện có thể được phát hiện bằng một thiết bị EEG [Siuly, et al. (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được dùng để ghi EEG. Thiết bị EEG có thể có phạm vi từ:
Một cảm biến duy nhất hoặc lên tới 256 điện cực – càng nhiều điện cực thì độ phân giải không gian của thông tin trên da đầu càng cao.
Điện cực ướt hoặc khô – điện cực ướt dùng gel điện phân hoặc dung dịch muối để cải thiện độ dẫn giữa da đầu và cảm biến. Điện cực khô có thể làm từ kim loại hoặc polymer dẫn điện, cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – hệ thống điện cực thụ động chỉ dẫn tín hiệu tới thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại từng điện cực trước khi nó đến thiết bị để khuếch đại. Điều này làm 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 có dây, điện cực mật độ cao.
2.2. Khi nào nên dùng EEG?
Mỗi phương pháp chụp ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Ưu điểm lớn nhất của EEG là có thể đo hoạt động thần kinh ở thang mili giây, cho phép đo các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Nó phù hợp nhất cho những câu hỏi như “phần nào trong video của tôi được người tham gia chú ý nhất?”
EEG ghi nhận 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, không thể xác định nguồn của hoạt động. Ghi với số lượng kênh lớn có thể cho phép tái tạo nguồn bằng phương pháp toán học nhưng vẫn bị hạn chế trong việc xác định các nguồn sâu. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như “Phần nào của não liên quan đến thay đổi trong sự chú ý?”
2.3. Từ cảm biến đến EEG thô?
Khi một thiết bị EEG được đặt lên đầu, hoạt động não được đo tại một cảm biến duy nhất như là độ chênh biên độ giữa cảm biến đó và một cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực common mode sense (CMS). Một cảm biến bổ sung, driven right leg (DRL), giúp giảm mọi nhiễu tại CMS.
Hình 5 – Sơ đồ khối đơn giản 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 có từ môi trường trong tín hiệu của bạn, ví dụ như nhiễu điện lưới.
Những bước này diễn ra ngay trong phần cứng trước khi tín hiệu EEG thô có thể được xem trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên chuẩn 10-20
Các cảm biến bên trái thường có số lẻ, và các cảm biến bên phải thường có số chẵn.
Ghi chú 1: đây chỉ là các quy ước đặt tên và vị trí cảm biến EEG không phải là chỉ báo về nguồn của hoạt động.
Ghi chú 2: cần thực hiện các bước bổ sung như tái tạo nguồn bằng toán học để xác định nguồn của hoạt động ở một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các kiểu nhịp điệu được tạo ra bởi một nơron đơn lẻ hoặc một cụm nơron.
Vẫn chưa rõ tại sao não tạo ra các loại dao động khác nhau này, dù có nhiều giả thuyết. Các nhà nghiên cứu dùng các nhiệm vụ khác nhau để mô tả những hoạt động dao động này và nhằm hiểu những bí ẩn của não bằng các mẫu nhịp điệu này.
3.1. Một số thuộc tính của dao động
Hình này cho thấy một phép đo của tín hiệu điện đều đặn:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Ở trục dọc bên trái (y) chúng ta có thể biểu diễn biên độ của bản ghi điện, và trên trục ngang (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 mỗi 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 tới 500 Hz liên quan đến co giật cũng đã được ghi nhận 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 – Sóng não trong EEG điển hình.
3.2. Vì sao các dải tần số khác nhau lại quan trọng?
Xác định các kiểu mẫu não bình thường so với bất thường
Dao động thần kinh rất quan trọng để phát hiện co giật và chẩn đoán động kinh trong thần kinh học.Giao diện não-máy tính (BCI)
Lượng dao động beta, gamma và mu thường được dùng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh
Đây là một hình thức huấn luyện não, trong đó bạn có thể xem sóng não của mình (ví dụ: dao động gamma) và thực hiện các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh
Các dải tần alpha và beta có thể được dùng để xác định phần nào của quảng cáo hấp dẫn hơn hoặc kém hấp dẫn 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 kích thích bắt đầu. Chúng được gọi là các điện thế gợi lên theo sự kiện (ERPs).
Phân tích miền tần số
Thường đo lượng dao động thần kinh trong các dải tần số khác nhau trong một cửa sổ thời gian xác định hoặc liên quan đến thời điểm bắt đầu của một sự kiện.
Tiếp theo chúng tôi sẽ trình bày tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi ghi EEG, bạn thường làm sạch dữ liệu trước khi hiểu được các dao động.
Lọc
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu tạo tác
Chuyển động cơ thể, chớp mắt đều có thể gây ra các tạo tác lớn (> 50 µV peaks in the EEG). Những thứ này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu dùng các phương pháp tinh vi để hiệu chỉnh các tạo tác này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu giờ có thể được chuyển sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Tạo tác chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Biến đổi Fourier là phép chuyển đổi toán học 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 có trong bản ghi. 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 tần
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết có bao nhiêu của mỗi dải tần số. Đơn vị công suất dải tần thường là µV2/Hz. Thông thường nhất, phổ biên độ hoặc phổ công suất từ FFT được hiển thị trong đơn vị logarit decibel (dB). Decibel là đơn vị tỉ lệ giữa một công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Khi đã có được đơn vị đo này cho các sự kiện quan tâm, công suất dải tần có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ lý thuyết đến thực hành
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được Hans Berger báo cáo lần đầu, trong đó ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của một người mở so với khi nhắm.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mắt mở.
Đầu tiên, sử dụng EmotivPRO Builder, chúng tôi đã xây dựng một thí nghiệm đơn giản. Trong thí nghiệm này, người tham gia chỉ được yêu cầu giữ mắt mở trong 2 phút trong khi nhìn vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy một tiếng chuông vào cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video bên dưới để tạo thí nghiệm ức chế alpha của riêng mình hoặc chạy thí nghiệm của chúng tôi từ liên kết tại đây:
4.1. Cách lắp 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 thiết bị đội đầu 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, bạn có thể biến đổi nó sang miền tần số bằng Emotiv Analyzer. Hãy làm theo các bước trong video.
4.3. Diễn giải dữ liệu
Khi Analyzer hoàn tất, hãy tải xuống tệp zip. Với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải tần và một tệp hình ảnh mà bạn có thể dùng để thực hiện phân tích thống kê của riêng mình.
Hình 11 – Công suất dải tần.
Trong kết quả của chúng tôi, có thể thấy sự tăng công suất Alpha khi mắt nhắm (màu cam) so với khi mở (màu xanh).
Đây là phần kết của bài hướng dẫn! Bây giờ bạn đã nắm được những kiến thức cơ bản 🙂
Bạn có thể tìm một số liên kết tới tài liệu đọc nâng cao hơn trong phần tài nguyên.
5. Tài nguyên
ĐỌC NÂNG CAO
Donoghue et al. 2022 Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh
BẢNG THUẬT NGỮ EEG
Kane et al. 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn thành thạo lập trình Python, chúng tôi đã cung cấp các script Python mà bạn có thể dùng để thu được các giá trị công suất alpha, được gắn nhãn theo các đoạn mắt mở và mắt nhắm. Tìm mã và các tệp dữ liệu mẫu về ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN EMOTIV
Hướng dẫn EmotivPRO Builder
Hướng dẫn EmotivPRO
Hướng dẫn EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh. Tạp chí khoa học thần kinh châu Âu, 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. Một bảng thuật ngữ đã sửa đổi của các thuật ngữ thường được dùng nhất bởi các nhà điện não đồ lâm sàng và đề xuất cập nhật cho định dạng báo cáo các phát hiện EEG. Bản sửa đổi 2017. Thực hành sinh lý thần kinh lâm sàng, 2, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Điện não đồ (EEG) và bối cảnh của nó. Trong: Phân tích và phân loại tín hiệu EEG. Khoa học thông tin y tế. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. Giới thiệu
Chào mừng! Trong bài hướng dẫn này, chúng ta đang tìm hiểu về sóng não và cách chúng ta có thể dùng chúng để hiểu 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 điện được ghi lại bằng các cảm biến đặt trên đầu một người. Ông xác định hai loại sóng não, mà ông gọi là sóng alpha và beta đơn giản vì thứ tự ông ghi nhận chúng. Những sóng như vậy đã được ghi nhận ở các loài thú 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 then chốt trong khoa học thần kinh và đã 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 bài hướng dẫn ngắn này, chúng ta sẽ đề cập đến những nội dung sau:
Dao động thần kinh là gì?
Chúng ta có thể đo dao động thần kinh như thế nào?
Chúng ta có thể làm gì với dao động thần kinh?
Ứng dụng thực tiễn sử dụng thiết bị và phần mềm Emotiv.
2. EEG là gì?
Điện não đồ (EEG) là một phương pháp không xâm lấn và thụ động để đo hoạt động điện của não. Các điện cực/cảm biến/kênh được đặt trên da đầu để ghi lại hoạt động điện được tạo ra bởi các quần thể tế bào não, gọi là nơron.
Hình 1 – Nơron tạo ra hoạt động điện có thể được phát hiện bằng một thiết bị EEG [Siuly, et al. (2016)].
2.1. Hệ thống EEG
Có nhiều thiết bị EEG trên thị trường có thể được dùng để ghi EEG. Thiết bị EEG có thể có phạm vi từ:
Một cảm biến duy nhất hoặc lên tới 256 điện cực – càng nhiều điện cực thì độ phân giải không gian của thông tin trên da đầu càng cao.
Điện cực ướt hoặc khô – điện cực ướt dùng gel điện phân hoặc dung dịch muối để cải thiện độ dẫn giữa da đầu và cảm biến. Điện cực khô có thể làm từ kim loại hoặc polymer dẫn điện, cần tiếp xúc trực tiếp với da đầu.
Điện cực chủ động hoặc thụ động – hệ thống điện cực thụ động chỉ dẫn tín hiệu tới thiết bị nơi nó được khuếch đại. Hệ thống điện cực chủ động khuếch đại tín hiệu tại từng điện cực trước khi nó đến thiết bị để khuếch đại. Điều này làm 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 có dây, điện cực mật độ cao.
2.2. Khi nào nên dùng EEG?
Mỗi phương pháp chụp ảnh thần kinh có thể giúp trả lời các câu hỏi nghiên cứu khác nhau.
Ưu điểm lớn nhất của EEG là có thể đo hoạt động thần kinh ở thang mili giây, cho phép đo các quá trình tiền ý thức.
Hình 4 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Nó phù hợp nhất cho những câu hỏi như “phần nào trong video của tôi được người tham gia chú ý nhất?”
EEG ghi nhận 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, không thể xác định nguồn của hoạt động. Ghi với số lượng kênh lớn có thể cho phép tái tạo nguồn bằng phương pháp toán học nhưng vẫn bị hạn chế trong việc xác định các nguồn sâu. Chụp cộng hưởng từ chức năng (fMRI) phù hợp hơn để trả lời các câu hỏi như “Phần nào của não liên quan đến thay đổi trong sự chú ý?”
2.3. Từ cảm biến đến EEG thô?
Khi một thiết bị EEG được đặt lên đầu, hoạt động não được đo tại một cảm biến duy nhất như là độ chênh biên độ giữa cảm biến đó và một cảm biến tham chiếu. Trong hầu hết các hệ thống EEG, điện cực này được gọi là điện cực common mode sense (CMS). Một cảm biến bổ sung, driven right leg (DRL), giúp giảm mọi nhiễu tại CMS.
Hình 5 – Sơ đồ khối đơn giản 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 có từ môi trường trong tín hiệu của bạn, ví dụ như nhiễu điện lưới.
Những bước này diễn ra ngay trong phần cứng trước khi tín hiệu EEG thô có thể được xem trên màn hình máy tính của bạn.
2.4. Một số thuật ngữ cơ bản
Quy ước đặt tên chuẩn 10-20
Các cảm biến bên trái thường có số lẻ, và các cảm biến bên phải thường có số chẵn.
Ghi chú 1: đây chỉ là các quy ước đặt tên và vị trí cảm biến EEG không phải là chỉ báo về nguồn của hoạt động.
Ghi chú 2: cần thực hiện các bước bổ sung như tái tạo nguồn bằng toán học để xác định nguồn của hoạt động ở một kênh duy nhất.
3. Dao động thần kinh là gì?
Sóng não, thường được gọi là dao động thần kinh, là các kiểu nhịp điệu được tạo ra bởi một nơron đơn lẻ hoặc một cụm nơron.
Vẫn chưa rõ tại sao não tạo ra các loại dao động khác nhau này, dù có nhiều giả thuyết. Các nhà nghiên cứu dùng các nhiệm vụ khác nhau để mô tả những hoạt động dao động này và nhằm hiểu những bí ẩn của não bằng các mẫu nhịp điệu này.
3.1. Một số thuộc tính của dao động
Hình này cho thấy một phép đo của tín hiệu điện đều đặn:
Hình 6 – Độ phân giải không gian so với độ phân giải thời gian của các công cụ chụp ảnh thần kinh khác nhau.
Ở trục dọc bên trái (y) chúng ta có thể biểu diễn biên độ của bản ghi điện, và trên trục ngang (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 mỗi 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 tới 500 Hz liên quan đến co giật cũng đã được ghi nhận 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 – Sóng não trong EEG điển hình.
3.2. Vì sao các dải tần số khác nhau lại quan trọng?
Xác định các kiểu mẫu não bình thường so với bất thường
Dao động thần kinh rất quan trọng để phát hiện co giật và chẩn đoán động kinh trong thần kinh học.Giao diện não-máy tính (BCI)
Lượng dao động beta, gamma và mu thường được dùng để điều khiển các thiết bị từ xa (ví dụ: di chuyển xe lăn bằng suy nghĩ).Phản hồi thần kinh
Đây là một hình thức huấn luyện não, trong đó bạn có thể xem sóng não của mình (ví dụ: dao động gamma) và thực hiện các nhiệm vụ nhận thức để cải thiện lượng dao động gamma trong não.Tiếp thị thần kinh
Các dải tần alpha và beta có thể được dùng để xác định phần nào của quảng cáo hấp dẫn hơn hoặc kém hấp dẫn 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 kích thích bắt đầu. Chúng được gọi là các điện thế gợi lên theo sự kiện (ERPs).
Phân tích miền tần số
Thường đo lượng dao động thần kinh trong các dải tần số khác nhau trong một cửa sổ thời gian xác định hoặc liên quan đến thời điểm bắt đầu của một sự kiện.
Tiếp theo chúng tôi sẽ trình bày tổng quan về phân tích miền tần số.
3.4. Xử lý
Sau khi ghi EEG, bạn thường làm sạch dữ liệu trước khi hiểu được các dao động.
Lọc
Một kỹ thuật để loại bỏ nhiễu môi trường tần số cao và thấp trong dữ liệu.Loại bỏ nhiễu tạo tác
Chuyển động cơ thể, chớp mắt đều có thể gây ra các tạo tác lớn (> 50 µV peaks in the EEG). Những thứ này có thể được loại bỏ để chúng không ảnh hưởng đến kết quả của chúng ta. Một số nhà nghiên cứu dùng các phương pháp tinh vi để hiệu chỉnh các tạo tác này nhằm bảo toàn dữ liệu.
Sau khi dữ liệu đã được xử lý, tín hiệu giờ có thể được chuyển sang miền tần số để chúng ta có thể định lượng lượng của từng loại sóng não.
Hình 8 – Tạo tác chớp mắt trong EEG thô.
3.5. Biến đổi Fourier nhanh (FFT)
Biến đổi Fourier là phép chuyển đổi toán học 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 có trong bản ghi. 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 tần
Công suất của một dải tần số (ví dụ: dải Alpha) thu được từ phép biến đổi Fourier cho chúng ta biết có bao nhiêu của mỗi dải tần số. Đơn vị công suất dải tần thường là µV2/Hz. Thông thường nhất, phổ biên độ hoặc phổ công suất từ FFT được hiển thị trong đơn vị logarit decibel (dB). Decibel là đơn vị tỉ lệ giữa một công suất đo được (P) và công suất tham chiếu (Pr) như sau:
Khi đã có được đơn vị đo này cho các sự kiện quan tâm, công suất dải tần có thể được so sánh để hiểu các tác động thực nghiệm lên sóng não.
4. Từ lý thuyết đến thực hành
Tiếp theo, chúng ta sẽ xem xét hiệu ứng ức chế alpha.
Đây là một hiện tượng được Hans Berger báo cáo lần đầu, trong đó ta thấy sự giảm đáng kể lượng dao động alpha (công suất alpha) khi mắt của một người mở so với khi nhắm.
Hình 10 – Có thể thấy sự gia tăng dao động alpha khi mắt mở.
Đầu tiên, sử dụng EmotivPRO Builder, chúng tôi đã xây dựng một thí nghiệm đơn giản. Trong thí nghiệm này, người tham gia chỉ được yêu cầu giữ mắt mở trong 2 phút trong khi nhìn vào màn hình, sau đó nhắm mắt trong 2 phút. Họ sẽ nghe thấy một tiếng chuông vào cuối 2 phút để báo hiệu mở mắt.
Bạn có thể làm theo video bên dưới để tạo thí nghiệm ức chế alpha của riêng mình hoặc chạy thí nghiệm của chúng tôi từ liên kết tại đây:
4.1. Cách lắp 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 thiết bị đội đầu 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, bạn có thể biến đổi nó sang miền tần số bằng Emotiv Analyzer. Hãy làm theo các bước trong video.
4.3. Diễn giải dữ liệu
Khi Analyzer hoàn tất, hãy tải xuống tệp zip. Với mỗi bản ghi, bạn sẽ có một tệp csv chứa công suất dải tần và một tệp hình ảnh mà bạn có thể dùng để thực hiện phân tích thống kê của riêng mình.
Hình 11 – Công suất dải tần.
Trong kết quả của chúng tôi, có thể thấy sự tăng công suất Alpha khi mắt nhắm (màu cam) so với khi mở (màu xanh).
Đây là phần kết của bài hướng dẫn! Bây giờ bạn đã nắm được những kiến thức cơ bản 🙂
Bạn có thể tìm một số liên kết tới tài liệu đọc nâng cao hơn trong phần tài nguyên.
5. Tài nguyên
ĐỌC NÂNG CAO
Donoghue et al. 2022 Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh
BẢNG THUẬT NGỮ EEG
Kane et al. 2017 (tại đây)
MÃ NGUỒN MỞ
Nếu bạn thành thạo lập trình Python, chúng tôi đã cung cấp các script Python mà bạn có thể dùng để thu được các giá trị công suất alpha, được gắn nhãn theo các đoạn mắt mở và mắt nhắm. Tìm mã và các tệp dữ liệu mẫu về ức chế Alpha tại đây: https://osf.io/9bvgh/
HƯỚNG DẪN EMOTIV
Hướng dẫn EmotivPRO Builder
Hướng dẫn EmotivPRO
Hướng dẫn EmotivPRO Analyzer
7. Tài liệu tham khảo
Donoghue, T., Schaworonkow, N. và Voytek, B., 2022. Những cân nhắc phương pháp luận khi nghiên cứu dao động thần kinh. Tạp chí khoa học thần kinh châu Âu, 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. Một bảng thuật ngữ đã sửa đổi của các thuật ngữ thường được dùng nhất bởi các nhà điện não đồ lâm sàng và đề xuất cập nhật cho định dạng báo cáo các phát hiện EEG. Bản sửa đổi 2017. Thực hành sinh lý thần kinh lâm sàng, 2, tr.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Điện não đồ (EEG) và bối cảnh của nó. Trong: Phân tích và phân loại tín hiệu EEG. Khoa học thông tin y tế. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
