Dữ liệu EEG cung cấp một bản ghi nhạy cảm với thời gian về hoạt động điện được đo từ da đầu. Giá trị của nó không chỉ phụ thuộc vào chính bản ghi, mà còn vào việc thu thập cẩn thận, xử lý minh bạch, lưu trữ thích hợp và diễn giải có trách nhiệm.
Dữ liệu EEG là gì?
Dữ liệu EEG là bản ghi kỹ thuật số về sự chênh lệch điện thế được đo bằng các điện cực đặt trên hoặc gần da đầu. Điện não đồ (Electroencephalography) là phương pháp không xâm lấn và cung cấp độ phân giải thời gian cao, cho phép các nhà nghiên cứu và bác sĩ lâm sàng kiểm tra những thay đổi trong hoạt động của não qua từng mili giây. Tín hiệu thu được thường được lưu trữ dưới dạng một hoặc nhiều chuỗi thời gian liên tục, với mỗi kênh đại diện cho một phép đo tương đối so với một tham chiếu.
Tín hiệu này phản ánh sự pha trộn của nhiều nguồn khác nhau. Hoạt động thần kinh đóng góp vào bản ghi, nhưng các nhiễu ảnh như chuyển động của mắt, co cơ, chuyển động của điện cực, can nhiễu từ môi trường và những thay đổi trong tiếp xúc cũng có thể xuất hiện trong đường ghi.
Vì lý do đó, dữ liệu EEG không phải là kết quả đọc trực tiếp của một quá trình đơn lẻ trong não. Đó là một quan sát đòi hỏi ngữ cảnh, kiểm tra chất lượng và một phương pháp phân tích rõ ràng.
Số lượng kênh, tần số lấy mẫu, tham chiếu, vị trí điện cực, đánh dấu sự kiện và thông tin người tham gia đều định hình cách dữ liệu có thể được diễn giải. Trên thực tế, bản ghi mang lại nhiều thông tin nhất khi tín hiệu được xem xét cùng với nhiệm vụ, trạng thái, thời gian và các điều kiện mà nó được thu thập.
Cách các tế bào não tạo ra tín hiệu EEG
Sự lệch điện thế mà điện cực EEG phát hiện không bắt nguồn từ các điện thế hoạt động sắc nét, theo quy luật "tất cả hoặc không" mà các tế bào thần kinh sử dụng để giao tiếp tầm xa, mà từ các điện thế hậu synap chậm hơn, có phân độ lan truyền qua các sợi nhánh của các tế bào hình tháp vỏ não.
Khi hàng nghìn tế bào thần kinh này kích hoạt đồng bộ gần đúng, các dòng điện ngoại bào nhỏ bé của chúng cộng gộp lại thông qua môi trường dẫn điện của não, dịch não tủy, hộp sọ và da đầu, một quá trình được gọi là dẫn truyền thể tích. Điện thế cuối cùng đến cảm biến ghi là một sự phản ánh bị mờ nhưng có thật của sự đồng bộ thần kinh quy mô lớn đó.
Cách thức hoạt động của quá trình thu nhận dữ liệu EEG
Trong quá trình thu nhận, các điện cực phát hiện những dao động điện thế nhỏ và hệ thống ghi sẽ chuyển đổi chúng thành các mẫu kỹ thuật số. Hệ thống thường ghi nhiều kênh đồng thời, trong khi một tham chiếu và đất cung cấp bối cảnh điện cần thiết để tính toán các giá trị kênh. Tần số lấy mẫu xác định tần suất tín hiệu được đo và do đó xác định những thay đổi nào có thể được thể hiện một cách trung thực.
Trước khi ghi, các kỹ thuật viên hoặc nhà nghiên cứu định vị các điện cực theo một sơ đồ montage đã xác định và kiểm tra chất lượng tiếp xúc. Khung đặt điện cực EEG mô tả một phương pháp chuẩn hóa hỗ trợ việc so sánh giữa các phiên và các phòng thí nghiệm. Các điểm đánh dấu sự kiện có thể được thêm vào khi kích thích xuất hiện, người tham gia phản hồi hoặc một sự kiện lâm sàng xảy ra, tạo ra một dòng thời gian sau đó có thể căn chỉnh với các tín hiệu đã ghi.
Quá trình thu nhận cũng được định hình bởi quy trình (protocol). Các bản ghi trạng thái nghỉ, nghiên cứu giấc ngủ, nhiệm vụ nhận thức và theo dõi động kinh sử dụng các khoảng thời gian, hướng dẫn và cảm biến phụ trợ khác nhau. Do đó, một bộ dữ liệu hoàn chỉnh bao gồm nhiều thứ hơn là các đường ghi điện thế: nó có thể chứa nhãn kênh, vị trí điện cực, cài đặt thiết bị, mã sự kiện, chú thích và bản ghi về các gián đoạn hoặc điều kiện bất thường.
Các thực hành tốt nhất để thu thập dữ liệu EEG
Quá trình thu thập tốt bắt đầu với một quy trình xác định câu hỏi nghiên cứu, thời lượng ghi, cấu hình kênh, tần số lấy mẫu, tham chiếu và quy trình đánh dấu sự kiện trước khi người tham gia được kiểm tra. Tính nhất quán làm giảm các biến thiên không mong muốn giữa các phiên và giúp các so sánh sau này có cơ sở vững chắc hơn. Quy trình cũng nên mô tả điều gì sẽ xảy ra khi một kênh bị nhiễu, người tham gia cử động hoặc điểm đánh dấu sự kiện bị bỏ sót.
Việc chuẩn bị thể chất cũng rất quan trọng vì chất lượng tín hiệu có thể suy giảm do chuyển động thông thường và tiếp xúc điện cực kém. Đó là lý do tại sao người vận hành thường kiểm tra trở kháng hoặc các chỉ số tiếp xúc tương đương, giải thích rõ ràng nhiệm vụ và ghi lại những thay đổi liên quan trong trạng thái của người tham gia. Các bước này không loại bỏ được mọi nhiễu ảnh, nhưng chúng giúp dễ xác định nguồn gốc của nhiễu hơn và ngăn ngừa các vấn đề có thể tránh được bị nhầm lẫn với các phát hiện về thần kinh.
Một danh sách kiểm tra thu thập ngắn có thể giúp duy trì sự rõ ràng cho các chi tiết vận hành mà không thay thế cho đánh giá khoa học:
Xác nhận nhãn kênh, vị trí điện cực, tham chiếu và đất.
Ghi lại cài đặt lấy mẫu, cài đặt bộ lọc và cấu hình thiết bị.
Đánh dấu các kích thích, phản hồi, tạm dừng và các sự kiện liên quan đến lâm sàng một cách nhất quán.
Ghi lại các gián đoạn, chuyển động, thay đổi điện cực và các trạng thái bất thường của người tham gia.
Sau khi thu thập, danh sách kiểm tra nên được kết hợp với việc kiểm tra bản ghi thô và siêu dữ liệu của nó. Hồ sơ thu nhận rõ ràng cho phép các nhà phân tích phân biệt đặc điểm tín hiệu thực sự với sự thay đổi do phần cứng, thiết lập hoặc sai lệch quy trình gây ra.
Điện cực ướt so với điện cực khô và chất lượng tiếp xúc với da
Tất cả các bản ghi EEG đều bắt đầu bằng một cảm biến vật lý tiếp xúc với da và cảm biến đó thuộc một trong hai nhóm lớn.
Điện cực ướt sử dụng gel hoặc bột dẫn điện để thu hẹp khoảng cách giữa kim loại và da đầu, làm giảm trở kháng. Điện cực khô loại bỏ gel, dựa vào các vật liệu tiên tiến và bộ tiền khuếch đại tích hợp sẵn để duy trì độ trung thực của tín hiệu.
Một số điện cực là chủ động, nghĩa là chúng chứa mạch chuyển đổi trở kháng trực tiếp tại vị trí ghi; điện cực thụ động thiếu các thiết bị điện tử tích hợp này. Bất kể loại nào, chất lượng của giao diện giữa điện cực và da đầu sẽ quyết định lượng tín hiệu sinh học còn tồn tại trước khi đến bộ khuếch đại.
Tiếp xúc kém sẽ dẫn đến tiếng ồn môi trường và nhiễu do chuyển động, có thể lấn át hoạt động yếu ớt của não. Winkler và cộng sự đã nêu rõ thách thức này khi họ giải quyết vấn đề phổ biến về các thành phần nguồn gây nhiễu bằng cách xây dựng một bộ phân loại độc lập với đối tượng cho các thành phần phân tích thành phần độc lập (ICA).
Chính sự tồn tại của nỗ lực đó nhấn mạnh rằng sự nhiễm nhiễu ảnh là một vấn đề dai dẳng trong các bản ghi EEG, và việc áp dụng điện cực ban đầu—làm sạch da, đặt cảm biến đúng vị trí và xác minh kết nối ổn định—là cách đầu tiên, trực tiếp nhất để giảm nhẹ gánh nặng nhiễu ảnh mà quá trình xử lý sau đó phải đối mặt.
Thiết kế Montage và Hệ thống 10–20 tiêu chuẩn
Bởi vì điện thế da đầu không có nhãn không gian vốn có, lĩnh vực này đã áp dụng một lưới tọa độ từ lâu. Hệ thống 10–20 quốc tế xác định các vị trí điện cực theo tỷ lệ giữa bốn mốc giải phẫu: nasion (gốc mũi), inion (ụ chẩm ngoài ở phía sau đầu), và các điểm trước tai trái và phải ngay phía trước tai. Tiêu chuẩn hóa này có nghĩa là một kênh được gắn nhãn “Cz” đề cập đến cùng một vị trí đỉnh trung tâm trong mọi phòng thí nghiệm, làm cho các bộ dữ liệu có thể so sánh trực tiếp với nhau.
Một montage được định nghĩa là đặc tả về cách đo điện thế của mỗi điện cực tương đối so với một tham chiếu và cách hiển thị hoặc lưu trữ các dẫn xuất lưỡng cực hoặc tham chiếu đó, nằm trên bố cục vật lý đó. Nghiên cứu của Arnaud Delorme là một minh chứng mạnh mẽ cho lý do tại sao thông tin montage chính xác lại quan trọng ở các bước tiếp theo, bằng cách phát hiện ra rằng phép nội suy kênh hỏng, một trong số ít các bước tiền xử lý liên tục cải thiện sức mạnh thống kê của điện thế liên quan đến sự kiện, phụ thuộc vào việc biết các láng giềng không gian chính xác của mỗi điện cực. Nếu không có bản đồ kênh chính xác, phép nội suy như vậy không thể hoạt động đáng tin cậy.
Sau đó, ông nói thêm rằng bộ phân loại nhiễu ảnh được thiết kế để khái quát hóa cho dữ liệu sử dụng các thiết lập kênh khác nhau, củng cố rằng các đặc trưng không gian của bộ phân loại giả định một sự sắp xếp được ghi chép đầy đủ. Do đó, một montage được tiêu chuẩn hóa, được ghi nhận trung thực sẽ trở thành giàn giáo vô hình hỗ trợ cả sự diễn giải của con người và việc tái sử dụng theo thuật toán.
Lựa chọn và ghi nhận điện cực tham chiếu trực tuyến (Online Reference)
Mỗi bộ khuếch đại EEG đều ghi lại sự chênh lệch điện thế giữa hai điểm. Trong quá trình ghi trực tuyến, một trong những điểm đó là một điện cực tham chiếu vật lý mà phần cứng coi là đường cơ sở cố định.
Các lựa chọn phổ biến là đỉnh đầu (Cz), dái tai hoặc mỏm chũm nối liền, hoặc giá trị trung bình của tất cả các kênh trên da đầu. Do tệp dữ liệu thô lưu trữ điện thế đối với tham chiếu ban đầu đó, lựa chọn này để lại dấu ấn vĩnh viễn trên các con số, ngay cả khi sau đó nhà nghiên cứu tái tham chiếu tín hiệu bằng toán học về một điểm chung khác.
Trong nghiên cứu đã đề cập của Delorme, thử nghiệm các quy trình tiền xử lý tự động trên ba bộ sưu tập EEG công khai, ông nhận thấy rằng việc tái tham chiếu và các phương pháp loại bỏ đường cơ sở nâng cao gây bất lợi đáng kể cho hiệu suất, làm giảm tỷ lệ phần trăm các kênh cho thấy hiệu ứng thực nghiệm có ý nghĩa.
Phát hiện đó không có nghĩa là không bao giờ được tái tham chiếu, nhưng nó có nghĩa là tham chiếu trực tuyến ban đầu phải được ghi lại trong tiêu đề tệp (header). Chỉ với ghi chú đó, nhà phân tích trong tương lai mới có thể hiểu được đường cơ sở nào ban đầu đã bị trừ đi và đánh giá xem liệu bất kỳ biến đổi tiếp theo nào có làm sai lệch phản ứng thực sự của não hay không.
Chuyển đổi tương tự sang số và tần số lấy mẫu
Điện thế liên tục chạy từ mỗi điện cực được chuyển đổi thành một luồng các số rời rạc bởi bộ chuyển đổi tương tự sang số (ADC). Tốc độ lấy mẫu của ADC xác định độ mịn thời gian của chuỗi thời gian kết quả.
Ví dụ, tần số lấy mẫu là 500 Hz có nghĩa là trạng thái điện của não được ghi lại sau mỗi 2 mili giây một lần. Theo định lý Nyquist, tần số cao nhất có thể được thể hiện một cách trung thực trong tín hiệu số hóa nhỏ hơn một nửa tần số lấy mẫu, do đó bản ghi 500 Hz có thể phục hồi các tần số lên đến dưới 250 Hz. EEG cấp độ nghiên cứu thường hoạt động trong khoảng từ 250 Hz đến 1000 Hz, tùy thuộc vào các dải tần số quan tâm.
Điều làm cho tần số lấy mẫu đặc biệt quan trọng dưới dạng siêu dữ liệu là nó âm thầm hạn chế các lựa chọn phân tích được đưa ra ở các bước xử lý rất xa sau này. Fraschini và cộng sự đã kiểm tra chính xác hiệu ứng gợn sóng này bằng cách thử nghiệm độ dài epoch—cửa sổ thời gian của dữ liệu được trích xuất để phân tích kết nối—làm thay đổi kết quả như thế nào.
Sử dụng EEG trạng thái nghỉ từ những người trưởng thành khỏe mạnh, nghiên cứu đã chỉ ra rằng các giá trị chỉ số độ trễ pha trung bình và tương quan bao biên độ đều giảm khi các epoch dài ra, chỉ ổn định sau lần lượt khoảng 12 giây và 6 giây. Ngay cả cấu trúc liên kết của các mạng lưới lý thuyết đồ thị được tái tạo từ dữ liệu cũng thay đổi theo thời lượng epoch, mặc dù các tham số cây khung nhỏ nhất ở cấp độ nguồn tỏ ra mạnh mẽ hơn.
Bài học cốt lõi đối với tài liệu dữ liệu thô là số lượng mẫu trên mỗi giây đặt ra một mức sàn tuyệt đối về cách phân chia thời gian. Nếu tần số lấy mẫu được ghi lại không chính xác, mọi điểm đánh dấu sự kiện, ranh giới epoch và ước tính kết nối tiếp theo đều thừa hưởng lỗi đó. Do đó, việc ghi lại tốc độ ADC chính xác trong tiêu đề tệp là một công việc quản lý không thể thương lượng.
Các định dạng lưu trữ dữ liệu tiêu chuẩn: EDF và BrainVision
Sau khi được số hóa, chuỗi thời gian và siêu dữ liệu đi kèm phải nằm trong một định dạng tệp mà phần mềm khác và các phòng thí nghiệm khác có thể mở mà không có sự mơ hồ.
Hai định dạng mở chiếm ưu thế trong lĩnh vực này. Định dạng Dữ liệu Châu Âu (EDF) là một vùng chứa nhỏ gọn, được áp dụng rộng rãi, phổ biến trong nghiên cứu giấc ngủ và môi trường lâm sàng, lưu trữ nhiều kênh cùng với tiêu đề chỉ định tần số lấy mẫu, nhãn kênh và kích thước vật lý.
BrainVision, một định dạng do Brain Products phát triển, phân bổ cùng một thông tin trên ba tệp được liên kết: tiêu đề văn bản (.vhdr) liệt kê tên kênh, tần số lấy mẫu và tham chiếu ban đầu; tệp điểm đánh dấu (.vmrk) ghi lại mã sự kiện và độ trễ của chúng; và tệp dữ liệu nhị phân (.eeg) chứa các mẫu điện thế thô.
Giá trị của các định dạng tiêu chuẩn hóa này trở nên rõ ràng khi các bộ dữ liệu lớn được chia sẻ công khai. Ví dụ, trong một nghiên cứu năm 2019, các nhà nghiên cứu đã phát hành bộ dữ liệu giao diện não-máy tính (BCI) đa mô thức bao gồm tưởng tượng vận động, điện thế liên quan đến sự kiện và điện thế gợi thị giác ở trạng thái ổn định từ 54 người tham gia. Việc phân phối một tài nguyên như vậy bằng các tập lệnh phân tích mã nguồn mở sẽ là vô nghĩa nếu dữ liệu bị khóa trong một định dạng độc quyền.
Cho dù các tệp cuối cùng được lưu trữ ở định dạng EDF hay BrainVision, sự lựa chọn này đảm bảo rằng bất kỳ nhà nghiên cứu nào cũng có thể tải xuống bản ghi và tái tạo các phát hiện, liên kết đường ghi thô với chuỗi khả năng tái lập của toàn bộ cộng đồng.
Tính năng | EDF | BrainVision |
|---|---|---|
Cấu trúc tệp | Vùng chứa đơn lẻ | Ba tệp liên kết |
Thông tin tiêu đề | Bên trong tệp | Tệp văn bản .vhdr |
Điểm đánh dấu sự kiện | Không tách rời | Tệp .vmrk |
Dữ liệu thô | Trong cùng một tệp | Tệp nhị phân .eeg |
Công tác quản lý thiết yếu: Bản đồ kênh và siêu dữ liệu lấy mẫu
Một tệp EEG thô chỉ có thể sử dụng được về mặt khoa học khi nó mang một mô tả đầy đủ, chính xác về cấu trúc không gian và thời gian của nó. Điều này có nghĩa là mỗi kênh phải có một nhãn tiêu chuẩn (tức là Fz, C3, O2, v.v.) cùng với tọa độ ba chiều của nó trên da đầu. Các tọa độ đó cho phép bất kỳ phân tích nào sau này liên quan đến các mối quan hệ không gian, chẳng hạn như nội suy một kênh hỏng từ các kênh láng giềng hoặc chiếu tín hiệu lên một mô hình nguồn vỏ não.
Nghiên cứu của Fraschini và cộng sự dựa trên các đặc trưng không gian, phổ và thời gian để phân loại các thành phần ICA là não hay nhiễu ảnh; địa hình không gian của một thành phần là vô nghĩa nếu không biết vị trí vật lý của từng điện cực đã đóng góp vào nó.
Tương tự như vậy, Delorme nhận thấy rằng phép nội suy kênh hỏng, sử dụng các giá trị từ các điện cực liền kề, là một trong số ít các hiệu chỉnh duy trì các hiệu ứng thực nghiệm một cách đáng tin cậy. Bộ nội suy chỉ có thể thực hiện dự đoán không gian đó nếu bản đồ kênh của bộ dữ liệu là chính xác.
Tiêu đề tệp cũng phải lưu trữ tần số lấy mẫu chính xác, ngày ghi và nhãn rõ ràng cho bất kỳ kênh phụ trợ nào như điện nhãn đồ (chuyển động mắt) hoặc điện cơ đồ (hoạt động cơ). Ngay cả khi các kênh đó sẽ không được sử dụng trong quá trình khám phá dữ liệu ban đầu, sự hiện diện của chúng phải minh bạch. Sự không khớp giữa tần số lấy mẫu được lưu trữ và xung nhịp ADC thực tế có thể làm sai lệch thời gian không thể đảo ngược, khiến việc căn chỉnh với các điểm đánh dấu kích thích sau này trở nên bất khả thi.
Dữ liệu EEG trong môi trường lâm sàng so với nghiên cứu
Các bản ghi lâm sàng và nghiên cứu chia sẻ các nguyên tắc cốt lõi nhưng phục vụ các mục đích trước mắt khác nhau. EEG lâm sàng được thu nhận để hỗ trợ đánh giá, theo dõi hoặc chẩn đoán bệnh nhân theo các quy trình thể chế và chuyên môn đã được thiết lập. EEG nghiên cứu thường được thu thập để kiểm tra một giả thuyết xác định, so sánh các điều kiện hoặc phát triển một phương pháp phân tích, với các quy trình và tài liệu dành riêng cho nghiên cứu.
Công việc lâm sàng nhấn mạnh mạnh mẽ vào việc xem xét kịp thời, các montage có ý nghĩa lâm sàng, diễn giải đã được xác thực và một bản ghi vĩnh viễn trong hệ thống chăm sóc hiện hành. Nghiên cứu đặt trọng tâm lớn hơn vào các điều kiện được kiểm soát, các kết quả được chỉ định trước, khả năng tái lập và xử lý minh bạch các trường hợp loại trừ. Một kết quả nghiên cứu không mặc nhiên là một phát hiện lâm sàng, và một quan sát lâm sàng không mặc nhiên là một thước đo nghiên cứu đã được xác thực.
Sự phân biệt này cũng ảnh hưởng đến quản trị dữ liệu. Dữ liệu lâm sàng có thể chịu sự điều chỉnh của các nghĩa vụ về hồ sơ y tế và các yêu cầu chăm sóc trực tiếp, trong khi các bộ dữ liệu nghiên cứu được định hình bởi ngôn ngữ chấp thuận, sự xem xét của hội đồng đạo đức, kế hoạch chia sẻ dữ liệu và các điểm kết thúc nghiên cứu. Trong cả hai môi trường, việc diễn giải có đào tạo và tài liệu cẩn thận là cần thiết vì các mẫu EEG phụ thuộc vào ngữ cảnh chứ không phải vào các giá trị số riêng lẻ.
Cân nhắc về quyền riêng tư và đạo đức đối với dữ liệu EEG
Các bản ghi EEG có thể được liên kết với một cá nhân thông qua các mã định danh, thông tin phiên, bối cảnh lâm sàng hoặc sự kết hợp của siêu dữ liệu. Ngay cả khi bản thân dạng sóng rất khó diễn giải bên ngoài bối cảnh chuyên môn, nó vẫn nên được xử lý như dữ liệu đối tượng con người nhạy cảm khi nó được kết nối với một người tham gia có thể nhận dạng được. Việc thu thập và tái sử dụng phải phù hợp với quy trình đã được phê duyệt và các yêu cầu về quyền riêng tư hiện hành.
Văn bản đồng thuận cần giải thích mục đích ghi âm, các loại phân tích dự kiến, thời gian lưu trữ, khả năng chia sẻ và liệu các mục đích sử dụng trong tương lai có được phép hay không. Các nhà nghiên cứu nên tránh ngụ ý rằng EEG có thể tiết lộ nhiều hơn những gì nghiên cứu được thiết kế để đo lường. Giao tiếp rõ ràng đặc biệt quan trọng khi người tham gia có thể cho rằng bản ghi nghiên cứu cung cấp chẩn đoán hoặc đánh giá cá nhân hóa.
Thực hành đạo đức tiếp tục sau khi thu thập. Việc ẩn danh, kiểm soát quyền truy cập, giới hạn lưu giữ, nhật ký kiểm toán và phát hành siêu dữ liệu cẩn thận giúp giảm thiểu rủi ro, nhưng không có phương pháp nào loại bỏ hoàn toàn rủi ro đó. Các phát hiện nên được báo cáo mà không phóng đại ý nghĩa dự đoán hoặc chẩn đoán, và các phân loại tự động nên được coi là các kết quả phân tích cần được xác thực thích hợp hơn là những đánh giá không thể nghi ngờ về một con người.
Tại sao chất lượng bản ghi thô đặt nền tảng cho phân tích EEG đáng tin cậy
Một phiên EEG đơn lẻ là thời điểm cấu trúc điện của não được ghi lại dưới dạng vĩnh viễn, và sự phức tạp của đường ghi thô đó đã phản ánh các mạng lưới thần kinh bên dưới da đầu. Các nghiên cứu dựa trên khoa học thần kinh được nhấn mạnh ở đây mang một thông điệp thống nhất: tín hiệu quan tâm nằm trong chính dữ liệu thô, miễn là bước thu nhận được xử lý cẩn thận. Chất lượng tiếp xúc của điện cực, bản đồ kênh chính xác, các tham chiếu và tần số lấy mẫu được ghi chép lại, cùng các định dạng lưu trữ mở đều quyết định liệu tín hiệu đó có còn tiếp cận được qua các phòng thí nghiệm và năm tháng hay không.
Cuối cùng, sự tiết chế thường vượt trội hơn so với việc xử lý quá mức, vì các nhà nghiên cứu để dữ liệu thô phần lớn nguyên bản đã bảo tồn các phản ứng thực sự của não tốt hơn so với những người áp dụng các hiệu chỉnh mạnh mẽ. Ghi chép cẩn thận, siêu dữ liệu trung thực và can thiệp tối thiểu tạo thành một kỷ luật giữ cho tín hiệu khoa học nguyên vẹn.
Do đó, mọi phân tích đáng tin cậy không bắt đầu bằng các thuật toán tinh vi mà bằng hành động đơn giản là ghi lại một đường ghi trung thực, có tài liệu đầy đủ.
Quản lý nhiễu ảnh và cải thiện chất lượng tín hiệu trong dữ liệu EEG
Phân loại nhiễu ảnh hiệu quả dựa trên CNN
Sự nhiễm bẩn do nhiễu ảnh vẫn là một thách thức trung tâm trong phân tích dữ liệu EEG, và việc nhận dạng tự động có thể hợp lý hóa quá trình tiền xử lý. Một nghiên cứu đã đề xuất một kiến trúc phân loại nhiễu ảnh dựa trên CNN không yêu cầu trích xuất đặc trưng thủ công. Các nhà nghiên cứu đã thiết kế năm mô hình mạng thần kinh tích chập và tối ưu hóa chúng về hiệu quả tham số và tính toán.
Mạng hoạt động tốt nhất của họ đạt độ chính xác phân loại 94,17% trên 17 người tham gia và chín lớp nhiễu ảnh. Khi được thử nghiệm trên một bộ dữ liệu riêng biệt được thu thập bằng headset Emotiv Epoc X 14 kênh, mô hình đã phát hiện các nhiễu ảnh do chớp mắt với độ chính xác 93,5%, cho thấy rằng các mạng nhẹ, thân thiện với thiết bị di động có thể gắn cờ một cách đáng tin cậy các chất gây nhiễm bẩn phổ biến trong các bản ghi đa kênh liên tục.
Một bộ dữ liệu EEG nhiễu chuyển động công khai
EEG đeo được đặc biệt dễ bị nhiễu do chuyển động, nhưng các bộ dữ liệu mở ghi lại những xáo trộn này lại rất khan hiếm. Để giải quyết khoảng trống này, các nhà nghiên cứu đã phát hành một bộ dữ liệu EEG nhiễu chuyển động được ghi lại bằng headset Emotiv Epoc X và phần mềm EmotivPRO.
Một người tham gia khỏe mạnh duy nhất đã thực hiện một chuỗi các chuyển động phần thân trên, phần thân dưới và toàn thân—bao gồm chớp mắt, lắc đầu, nói chuyện, đi bộ và ngồi xuống—trong khi 14 kênh EEG và chín tín hiệu cảm biến chuyển động được lưu trữ. Các tác giả cung cấp dữ liệu ở định dạng CSV và MATLAB, tạo ra tài nguyên để thử nghiệm các thuật toán khử nhiễu trong các điều kiện lưu động thực tế.
Trích xuất các nhịp tập thể từ EEG đa kênh
Ngoài việc loại bỏ nhiễu ảnh, việc cải thiện tỷ lệ tín hiệu trên nhiễu của một nhịp não chung trên nhiều kênh có thể làm sắc nét các phân tích tiếp theo. Một nghiên cứu sử dụng headset Emotiv Epoc X đã so sánh phân tích thành phần chính (PCA) với một phương pháp trích xuất nhịp tập thể dựa trên độ xoắn Kosambi‑Hilbert (KHT).
Cách tiếp cận KHT tính đến độ trễ pha giữa các kênh và tập trung vào một dải tần số cụ thể. Trong các bản ghi khi nhắm mắt và trong khi màn hình nhấp nháy 15 Hz, KHT mang lại tỷ lệ tín hiệu trên nhiễu cho tín hiệu tập thể cao hơn so với PCA, đặc biệt là khi các dịch chuyển thời gian ngẫu nhiên được đưa vào giữa các kênh. Phát hiện này chỉ ra giá trị của các phương pháp đồng bộ pha để cô lập hoạt động dao động chung trong dữ liệu EEG cấp độ người tiêu dùng.
Cùng với nhau, các nghiên cứu này minh họa những hướng đi thực tế để xử lý nhiễu ảnh và nâng cao chất lượng tín hiệu trong dữ liệu EEG. Chúng chứng minh rằng các mô hình học sâu hiệu quả có thể phân loại các chất gây nhiễm bẩn phổ biến, rằng các bộ dữ liệu được xây dựng chuyên dụng có thể hỗ trợ phát triển thuật toán cho các bản ghi bị hỏng do chuyển động, và rằng việc xử lý tín hiệu nhận biết pha có thể tăng cường các nhịp tập thể. Nghiên cứu này dựa trên các mẫu nhỏ và các điều kiện được kiểm soát, vì vậy các độ chính xác và cải tiến được báo cáo nên được hiểu là đáng khích lệ nhưng chưa thể khái quát hóa cho tất cả các quần thể hoặc môi trường ghi.
Tài liệu tham khảo
Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30
Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0
Fraschini, M., Demuru, M., Crobe, A., Marrosu, F., Stam, C. J., & Hillebrand, A. (2016). The effect of epoch length on estimated EEG functional connectivity and brain network organisation. Journal of neural engineering, 13(3), 036015.
Lee, M. H., Kwon, O. Y., Kim, Y. J., Kim, H. K., Lee, Y. E., Williamson, J., ... & Lee, S. W. (2019). EEG dataset and OpenBMI toolbox for three BCI paradigms: An investigation into BCI illiteracy. GigaScience, 8(5), giz002. https://doi.org/10.1093/gigascience/giz002
Các câu hỏi thường gặp
Bản ghi EEG chính xác nắm bắt điều gì, và tại sao nó được coi là sự phản ánh hoạt động của não?
Một bản ghi EEG nắm bắt những dao động điện thế nhỏ ở da đầu phát sinh từ hoạt động đồng bộ của các nhóm lớn tế bào thần kinh vỏ não. Những dao động này chủ yếu đến từ các điện thế hậu synap có phân độ trong các tế bào hình tháp, vốn cộng gộp lại thông qua dẫn truyền thể tích, tạo ra một thước đo bị mờ nhưng có thật về sự đồng bộ thần kinh quy mô lớn.
Tại sao tín hiệu EEG bắt nguồn từ điện thế hậu synap thay vì điện thế hoạt động?
Điện thế hoạt động là những sự kiện ngắn ngủi, theo quy luật "tất cả hoặc không", đóng góp rất ít vào điện thế da đầu, trong khi các điện thế hậu synap chậm hơn, có phân độ lan truyền trên các sợi nhánh và cộng gộp qua hàng nghìn tế bào thần kinh. Sự cộng gộp này tạo ra các độ lệch điện thế có thể phát hiện được ở da đầu, làm cho các điện thế hậu synap trở thành nguồn chính của tín hiệu EEG.
Sự khác biệt giữa điện cực ướt và điện cực khô là gì, và chất lượng tiếp xúc của điện cực ảnh hưởng đến bản ghi như thế nào?
Điện cực ướt sử dụng gel dẫn điện để giảm trở kháng và cải thiện khả năng truyền tín hiệu, trong khi điện cực khô dựa vào các vật liệu tiên tiến và bộ tiền khuếch đại tích hợp để duy trì độ trung thực mà không cần gel. Chất lượng của giao diện điện cực - da là rất quan trọng vì tiếp xúc kém sẽ dẫn đến tiếng ồn môi trường và nhiễu do chuyển động, có thể lấn át tín hiệu não yếu ớt.
Hệ thống 10–20 quốc tế chuẩn hóa việc đặt điện cực như thế nào, và tại sao nó lại quan trọng?
Hệ thống 10–20 xác định các vị trí điện cực theo tỷ lệ giữa bốn mốc giải phẫu—nasion, inion, và các điểm trước tai trái và phải—để một kênh được dán nhãn như "Cz" đề cập đến cùng một vị trí trong mọi phòng thí nghiệm. Tiêu chuẩn hóa này đảm bảo các bộ dữ liệu có thể so sánh trực tiếp và cho phép phân tích không gian chính xác, chẳng hạn như nội suy kênh hỏng.
Tại sao việc ghi nhận điện cực tham chiếu trực tuyến được sử dụng trong quá trình ghi EEG lại quan trọng?
Tệp dữ liệu thô lưu trữ điện thế tương đối so với tham chiếu trực tuyến, vì vậy việc lựa chọn tham chiếu (ví dụ: Cz, dái tai nối liền hoặc trung bình) sẽ để lại dấu ấn vĩnh viễn trên các con số, ngay cả khi tái tham chiếu sau này. Nếu không ghi nhận tham chiếu ban đầu, nhà phân tích trong tương lai không thể hiểu được đường cơ sở đã bị trừ hoặc đánh giá xem các biến đổi tiếp theo có làm sai lệch các phản ứng thực sự của não hay không.
Tần số lấy mẫu đóng vai trò gì trong các bản ghi EEG, và định lý Nyquist áp dụng như thế nào?
Tần số lấy mẫu xác định độ phân giải thời gian của tín hiệu số hóa, với định lý Nyquist nêu rõ rằng tần số cao nhất được thể hiện trung thực nhỏ hơn một nửa tần số lấy mẫu. Ví dụ, tần số lấy mẫu 500 Hz có thể phục hồi các tần số lên đến dưới 250 Hz và EEG cấp độ nghiên cứu thường hoạt động trong khoảng từ 250 đến 1000 Hz. Tần số lấy mẫu chính xác là rất quan trọng vì nó hạn chế tất cả các phân tích liên quan đến thời gian ở các bước sau.
Hai định dạng dữ liệu mở chiếm ưu thế cho EEG là gì, và chúng lưu trữ những gì?
Định dạng Dữ liệu Châu Âu (EDF) là một vùng chứa nhỏ gọn lưu trữ nhiều kênh với tiêu đề chỉ định tần số lấy mẫu, nhãn kênh và kích thước vật lý. BrainVision phân bổ thông tin trên ba tệp được liên kết: tiêu đề (.vhdr), tệp điểm đánh dấu (.vmrk) và tệp dữ liệu nhị phân (.eeg), tất cả đều đảm bảo việc chia sẻ rõ ràng và khả năng tái lập.
Tại sao bản đồ kênh hoàn chỉnh và tọa độ không gian lại cần thiết cho một tệp EEG thô?
Bản đồ kênh với các nhãn tiêu chuẩn và tọa độ 3D cho phép thực hiện bất kỳ phân tích không gian nào, chẳng hạn như nội suy các kênh hỏng từ các kênh láng giềng hoặc chiếu tín hiệu vào các mô hình nguồn vỏ não. Ví dụ, các bộ phân loại nhiễu ảnh dựa vào các địa hình không gian và phép nội suy đòi hỏi phải biết vị trí điện cực chính xác; nếu không có điều này, các phân tích đó sẽ thất bại.
Những siêu dữ liệu thiết yếu nào phải được ghi lại trong tiêu đề tệp EEG, và tại sao?
Tiêu đề phải bao gồm tần số lấy mẫu chính xác, ngày ghi, nhãn kênh với tọa độ 3D và nhãn rõ ràng cho các kênh phụ trợ như EOG hoặc EMG. Thông tin này rất quan trọng vì tần số lấy mẫu không chính xác có thể làm sai lệch thời gian không thể đảo ngược, và bản đồ kênh chính xác là cần thiết cho phép nội suy không gian và mô hình hóa nguồn.
Tại sao EEG hữu ích cho nghiên cứu?
EEG cung cấp thông tin thời gian rất chi tiết, làm cho nó hữu ích cho việc nghiên cứu các phản ứng liên quan đến sự kiện, các nhịp đang diễn ra, giấc ngủ, sự chú ý, xử lý cảm giác và các hiện tượng nhạy cảm với thời gian khác. Việc diễn giải nó vẫn phụ thuộc vào thiết kế thực nghiệm và chất lượng tín hiệu.
Các nhiễu ảnh EEG phổ biến là gì?
Các nhiễu ảnh phổ biến bao gồm chớp mắt, chuyển động mắt, hoạt động cơ, chuyển động điện cực, tiếp xúc kém, chuyển động cáp và can nhiễu điện. Chúng có thể ảnh hưởng đến một kênh hoặc nhiều kênh và có thể chồng chéo với các tần số được quan tâm về mặt khoa học.
Tiền xử lý trong phân tích EEG là gì?
Tiền xử lý là tập hợp các hoạt động được ghi chép lại dùng để chuẩn bị các bản ghi cho việc phân tích. Nó có thể bao gồm lọc, tái tham chiếu, xử lý kênh hỏng, nhận dạng nhiễu ảnh, tạo epoch, hiệu chỉnh đường cơ sở và kiểm soát chất lượng.
Emotiv là một đơn vị dẫn đầu về công nghệ thần kinh, giúp thúc đẩy nghiên cứu khoa học thần kinh thông qua các công cụ EEG và dữ liệu não bộ dễ tiếp cận.
Tuyên bố miễn trừ trách nhiệm y tế: Thông tin được cung cấp trên trang web này chỉ nhằm mục đích giáo dục và cung cấp thông tin, không được coi là lời khuyên về y tế hoặc sức khỏe. Nội dung này có thể chứa lỗi và không nên dựa vào đó để đưa ra các lựa chọn thay đổi cuộc sống, sức khỏe, y tế hoặc lối sống. Luôn tìm kiếm lời khuyên từ bác sĩ hoặc nhà cung cấp dịch vụ y tế có trình độ khác nếu bạn có bất kỳ câu hỏi nào liên quan đến tình trạng y khoa hoặc phương pháp điều trị.
Christian Burgos




