Tìm kiếm các chủ đề khác...

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

Lồng ghép bên trong một điện não đồ (EEG) đang hoạt động là những phản ứng thần kinh nhỏ bé, thoáng qua gắn liền với những thời điểm cụ thể: khoảnh khắc ánh sáng xuất hiện, một âm thanh vang lên, hoặc một quyết định được đưa ra. Điện thế liên quan đến sự kiện (ERP) là kỹ thuật được sử dụng để cô lập chúng.

Bằng cách khóa thời gian EEG vào một sự kiện được quan tâm và tính trung bình qua hàng chục hoặc hàng trăm thử nghiệm giống hệt nhau, hoạt động ngẫu nhiên sẽ bị triệt tiêu, và dạng sóng nhất quán, được khóa theo sự kiện sẽ hiện lên. Quá trình tính trung bình này tạo nên nền tảng của nghiên cứu ERP, tạo ra một chuỗi các đỉnh và thung lũng đặc trưng mà các nhà khoa học thần kinh đã dành nhiều thập kỷ để phân loại và giải thích.

Trong bài viết này, chúng tôi sẽ giải thích cách các độ lệch đó được định nghĩa, đặt tên và được sử dụng để biểu thị các hoạt động nhận thức, thiết lập một khung phân loại làm cơ sở cho tất cả các nghiên cứu về ERP.

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

Ba chiều không gian xác định một thành phần ERP

Mỗi thành phần ERP được xác định bởi ba đặc tính cốt lõi, mỗi đặc tính cung cấp một manh mối khác nhau về sự kiện thần kinh đã tạo ra nó. Cùng nhau, chúng tạo thành một dạng hệ tọa độ để đối chiếu hoạt động điện với chức năng não bộ.

  1. Cực tính (Polarity) đề cập đến hướng lệch sóng so với đường cơ sở trước sự kiện. Theo quy ước, độ lệch theo hướng âm được ký hiệu là N, và độ lệch theo hướng dương được ký hiệu là P. Phân loại nhị phân đơn giản này cho chúng ta biết liệu các quần thể nơ-ron nền tảng đang tạo ra điện trường thực âm hay dương tại da đầu vào thời điểm đó.

  2. Thời gian tiềm tàng (Latency) biểu thị thời gian, tính bằng mili giây, sau sự kiện mà tại đó thành phần đạt biên độ đỉnh. Một sóng âm đạt đỉnh ở khoảng 100 mili giây là phản ứng cảm giác sớm; một sóng dương đạt đỉnh ở 300 mili giây phản ánh quá trình nhận thức muộn hơn. Thời gian tiềm tàng không phải là một con số cố định mà là một chỉ số ước tính về tốc độ xử lý, tức là thời gian cần thiết để một phép tính thần kinh cụ thể diễn ra.

  3. Phân bố trên da đầu (Scalp distribution), hay địa hình (topography), xác định vị trí trên đầu nơi thành phần xuất hiện mạnh nhất. Một thành phần đạt cực đại ở các vùng trán có khả năng được tạo ra bởi các cấu trúc não bộ bên dưới khác biệt so với một thành phần đạt đỉnh ở các vùng đỉnh. Thông tin không gian cung cấp các ràng buộc quan trọng khi cố gắng suy luận mạng lưới não bộ nào đang hoạt động.
    Ví dụ, trong một nhiệm vụ tín hiệu dừng (stop-signal task) do Kok và cộng sự thiết kế, thành phần P3 trong các lượt dừng thành công có địa hình khác biệt so với P3 trong các lượt dừng thất bại, và phân tích lưỡng cực ước tính rằng chúng phát sinh từ các bộ tạo sóng vỏ não khác nhau. Tương tự, “hiệu ứng N2 Go/Nogo vùng trước” nổi tiếng được xác định một phần bởi sự phân bố ở vùng trán - trung tâm da đầu, giúp phân biệt các lượt Nogo với các lượt Go.

Việc tổng hợp ba chiều này cho phép các nhà nghiên cứu xác định một thành phần như một sự kiện sinh lý thần kinh riêng biệt. Một P3 đạt đỉnh ở 350 ms trên vỏ não vùng đỉnh tại điện cực Cz là một thực thể khác với một N2 đạt đỉnh ở 250 ms trên các vị trí vùng trán. Khung chiều không gian này là mấu chốt của toàn bộ hệ thống phân loại ERP.

Cách các thành phần ERP được đặt tên

Quy ước đặt tên tuân theo trực tiếp từ các chiều xác định: chữ cái chỉ cực tính cộng với thời gian tiềm tàng xấp xỉ ở đỉnh. Một N100 là độ lệch âm đạt đỉnh khoảng 100 mili giây sau sự kiện; một P300 là độ lệch dương đạt đỉnh khoảng 300 mili giây. Hệ thống Cực tính + Thời gian tiềm tàng này rất rõ ràng, trực quan và mang lại thông tin trực tiếp.

Khi thời gian tiềm tàng chính xác thay đổi giữa các điều kiện, người tham gia hoặc mô hình thử nghiệm—hoặc khi một thành phần thuộc về một chuỗi có thể nhận biết—các nhà nghiên cứu thường áp dụng cách viết tắt theo thứ tự: N1, P2, N2, P3, v.v. Thứ tự trong chuỗi quan trọng hơn thời điểm mili giây chính xác.

Chẳng hạn, trong một nhiệm vụ Go/Nogo thị giác, N1, N2 và P3 được xác định tương đối với nhau, ngay cả khi N2 đôi khi đạt đỉnh gần 240 ms trong một điều kiện và 260 ms trong một điều kiện khác. Nghiên cứu tín hiệu dừng của Kok và cộng sự cũng đề cập tương tự đến N2 và P3 trên các lượt có tín hiệu dừng, thừa nhận tính biến thiên về thời gian vốn có của việc ức chế phản ứng.

Các thành phần cảm giác sớm: P50, N100 và P200

Các thành phần cảm giác sớm xảy ra tương đối sớm sau khi kích thích xuất hiện và thường được nghiên cứu như các dấu hiệu của việc tiếp nhận và đánh giá ban đầu các thông tin truyền đến. P50, đôi khi được gọi là P1 trong các mô hình cụ thể, có thể phản ánh quá trình lọc cảm giác sớm và điều biến sự chú ý. N100 thường liên quan đến việc phát hiện và phân tích sớm các đặc điểm thính giác hoặc đặc điểm thị giác, trong khi P200 có thể nhạy cảm với việc phân loại kích thích và phân bổ sự chú ý.

Việc diễn giải các thành phần này phụ thuộc mạnh mẽ vào phương thức cảm giác và nhiệm vụ. Một N100 thính giác và một N100 thị giác không phải là các phép đo có thể hoán đổi cho nhau, mặc dù chúng có cùng tên gọi. Biên độ và thời gian tiềm tàng của chúng có thể thay đổi theo cường độ kích thích, kỳ vọng, sự lặp lại, sự chú ý và các đặc tính vật lý của sự kiện.

Do đó, các thành phần sớm cung cấp thông tin về các giai đoạn xử lý đầu tiên, nhưng chúng không chứng minh rằng nhận thức đã hoàn toàn có ý thức hoặc một quá trình tâm trí cụ thể đã diễn ra. Giá trị của chúng đến từ việc so sánh các điều kiện được đối sánh cẩn thận và liên hệ sự khác biệt của dạng sóng với các phép đo hành vi hoặc sinh lý độc lập.

Các thành phần nhận thức: N200 và P300

N200 là một nhóm các phản ứng lệch âm có thể quan sát thấy khi một người phát hiện ra xung đột, đánh giá một đặc điểm bất ngờ hoặc phân biệt giữa kích thích liên quan và không liên quan đến nhiệm vụ. Ý nghĩa của nó thay đổi tùy theo các mô hình, và tên gọi này có thể đề cập đến các quá trình thần kinh khác nhau một phần tùy thuộc vào yêu cầu của kích thích và phản ứng. Thành phần này được hiểu rõ nhất thông qua phép đối chiếu thực nghiệm mà nó xuất hiện.

Mặt khác, P300, hay P3, là một phản ứng lệch dương muộn hơn thường liên quan đến sự chú ý, đánh giá kích thích, cập nhật ngữ cảnh và ý nghĩa của một sự kiện đối với nhiệm vụ. Thời gian tiềm tàng của nó có thể cung cấp ước tính về thời gian cần thiết cho một số giai đoạn đánh giá nhất định, trong khi biên độ của nó có thể thay đổi tùy theo xác suất, mức độ liên quan, sự chú ý và các nguồn lực nhận thức có sẵn. Nó không phải là thước đo mục đích chung cho trí thông minh hay một dấu hiệu chẩn đoán độc lập.

Các thành phần ngôn ngữ và trí nhớ: N400

N400 là một thành phần lệch âm thường được nghiên cứu liên quan đến quá trình xử lý ngữ nghĩa, hiểu ngôn ngữ và tích hợp thông tin có ý nghĩa. Nó có thể được gợi ra bởi từ ngữ, hình ảnh, âm thanh và các tài liệu khác khi ý nghĩa của chúng được xử lý trong ngữ cảnh. Một sóng N400 lớn hơn thường được quan sát thấy khi một mục ít được mong đợi hơn hoặc khó tích hợp hơn với ngữ cảnh trước đó, mặc dù hiệu ứng chính xác phụ thuộc vào thiết kế nghiên cứu.

Nghiên cứu N400 đã giúp làm rõ rằng quá trình xử lý ngôn ngữ diễn ra nhanh chóng và nhạy cảm với các mối quan hệ giữa các từ và khái niệm. Hơn nữa, thành phần này không chỉ giới hạn ở kiến thức từ vựng. Nó cũng có thể phản ánh nỗ lực tham gia vào việc tích hợp một mục mới đến với biểu tượng ý nghĩa, diễn ngôn hoặc ngữ cảnh sự kiện đang phát triển.

Việc diễn giải vẫn phụ thuộc vào các điều kiện so sánh. Sự khác biệt về biên độ N400 có thể phản ánh khả năng dự đoán, liên tưởng ngữ nghĩa, yêu cầu nhiệm vụ hoặc các đặc tính khác của kích thích. Vì lý do đó, các nghiên cứu thường kết hợp phân tích dạng sóng với các phép đo mức độ hiểu và các tài liệu ngôn ngữ được kiểm soát cẩn thận.

Liên kết các thành phần với các hoạt động tâm trí

Nhiều thập kỷ bằng chứng hội tụ ủng hộ quan điểm rằng mỗi thành phần ERP biểu thị một hoạt động nhận thức riêng biệt, chẳng hạn như tiếp nhận cảm giác, lựa chọn chú ý, giám sát xung đột hoặc ức chế phản ứng. Các nhà nghiên cứu thăm dò các hoạt động này bằng cách đo lường cách các đặc điểm của thành phần thay đổi dưới các yêu cầu nhiệm vụ khác nhau, khiến ba loại phép đo nói trên trở nên đặc biệt giàu thông tin:

  1. Thời gian tiềm tàng

  2. Biên độ

  3. Phân bố trên da đầu

Thời gian tiềm tàng của ERP cho chúng ta biết điều gì

Sự dịch chuyển thời gian tiềm tàng trong thời điểm đỉnh của một thành phần có thể chứng minh một quá trình nhận thức được hoàn thành sớm hơn hay muộn hơn. Trong thí nghiệm tín hiệu dừng, P3 được gợi ra bởi tín hiệu dừng đạt đỉnh sớm hơn đáng kể trong các lượt dừng thành công so với các lượt không thành công. Do đó, các tác giả gợi ý rằng trong các lượt thành công, phản ứng thần kinh nội tại đối với lệnh dừng—được phản ánh bởi P3—đã kết thúc sớm hơn, một sự khác biệt về thời gian gắn liền trực tiếp với khả năng kiểm soát ức chế.

Trong khi đó, trong nhiệm vụ Go/Nogo thị giác, các lượt gắn liền với độ phức tạp không gian EEG cao hơn cũng cho thấy thời gian tiềm tàng của N1 và N2 được rút ngắn, một hình mẫu có thể cho thấy quá trình xử lý nhận thức và tri giác sớm diễn ra nhanh hơn.

Biên độ ERP cho chúng ta biết điều gì

Kích thước của một thành phần phản ánh cường độ hoặc tính đồng bộ của các điện thế sau synap nền tảng trong các quần thể tế bào tháp vỏ não lớn. Biên độ lớn hơn thường ngụ ý sự tham gia của thần kinh nhiều hơn cho hoạt động đó.

Ngược lại, biên độ nhỏ hơn có thể chỉ ra quá trình xử lý hiệu quả hơn. Điều này có thể được hiểu là có ít nơ-ron hơn hoạt động phối hợp để đạt được cùng một mục tiêu.

Trong nhiệm vụ Go/Nogo, độ phức tạp không gian cao hơn có liên quan đến việc giảm biên độ của các thành phần N1, N2 và P3, một mối quan hệ mà các tác giả diễn giải là các điện thế sau synap đồng thời nhỏ hơn, hiệu quả hơn. Hình mẫu giảm biên độ đi kèm với thời gian phản ứng nhanh hơn củng cố quan điểm rằng biên độ có thể biểu thị hiệu quả xử lý, chứ không chỉ là nỗ lực đơn thuần.

Phân bố da đầu của ERP cho chúng ta biết điều gì

Khi hai thành phần có địa hình khác nhau, chúng có khả năng bắt nguồn từ các bộ tạo sóng thần kinh khác nhau, ngay cả khi chúng có cùng cực tính và thời gian tiềm tàng. Trong nghiên cứu tín hiệu dừng, P3 ở các lượt dừng thành công có sự phân bố trên da đầu và cấu hình nguồn lưỡng cực khác biệt so với P3 ở các lượt dừng thất bại. Các tác giả đã ghi nhận sự khác biệt này, cho thấy cơ chế P3 thành công hoạt động như tín hiệu dừng; hơn nữa, nó chỉ ra sự tham gia của một mạng lưới kiểm soát ức chế đã thể hiện sự kích hoạt bị suy giảm hoặc chậm trễ trong các nỗ lực không thành công.

Những mối quan hệ này dường như vốn mang tính tương quan. Bằng chứng cho thấy các đặc điểm thành phần thay đổi có hệ thống theo hành vi và yêu cầu nhiệm vụ, nhưng mối liên hệ giữa bất kỳ thành phần đơn lẻ nào với một chức năng nhận thức cụ thể là được suy luận, chứ không phải được chứng minh trực tiếp.

Jia và cộng sự tuyên bố rõ ràng rằng độ phức tạp không gian cao “có thể liên quan” đến quá trình xử lý nhận thức nhanh hơn, và Kok và cộng sự cho rằng P3 trong các lượt dừng thành công “phản ánh hiệu quả của kiểm soát ức chế”. Cách tiếp cận thận trọng như vậy là tiêu chuẩn trong khoa học ERP.

Đặc điểm ERP

Diễn giải nhận thức

Thời gian tiềm tàng

Tốc độ xử lý

Biên độ

Phân bổ nguồn lực

Phân bố trên da đầu

Tính riêng biệt của nguồn

Vượt ra ngoài các đỉnh trung bình: Phân rã theo từng lượt đơn lẻ

Phương pháp tính trung bình truyền thống, mặc dù mạnh mẽ, đưa ra giả định then chốt rằng phản ứng của não là giống hệt nhau qua mọi lượt thử. Trên thực tế, các ERP của từng lượt đơn lẻ thay đổi đáng kể về cả biên độ và thời gian tiềm tàng—những biến thiên có thể có ý nghĩa về mặt hành vi nhưng lại bị mất đi trong dạng sóng trung bình. Những tiến bộ phương pháp luận gần đây mở ra cánh cửa để phân tích trực tiếp sự biến thiên giữa các lượt thử này.

Liệu ICA có thể tách nhiễu khỏi tín hiệu thần kinh trong EEG từng lượt đơn lẻ không?

Phân tích thành phần độc lập (ICA) là một kỹ thuật phân rã dựa trên dữ liệu giúp tách mù EEG đa kênh thành các thành phần độc lập về mặt thời gian và cố định về mặt không gian. Khi áp dụng cho dữ liệu từng lượt đơn lẻ từ một thí nghiệm chú ý chọn lọc thị giác, ICA đã cô lập thành công các nguồn gây nhiễu (chẳng hạn như chớp mắt và cử động mắt), các thành phần ERP khóa theo kích thích và khóa theo phản ứng, cùng EEG nền đang diễn ra thành các thành phần riêng biệt—một sự phân tách mà phương pháp tính trung bình thông thường không thể đạt được.

Sự phân rã này có thể loại bỏ nhiễu khỏi tín hiệu và giúp nghiên cứu sự biến động của từng lượt đơn lẻ về thời gian tiềm tàng và biên độ của từng thành phần, ví dụ như bằng cách sắp xếp các lượt theo thời gian phản ứng hoặc độ chính xác. ICA cũng được áp dụng tương tự cho dữ liệu ERP thính giác để phân tách các quá trình thành phần nền tảng.

Chúng ta có thể trích xuất các đặc điểm thành phần mà không cần tính trung bình truyền thống không?

Phân tích ERP ở cấp độ từng lượt đơn lẻ về cơ bản làm thay đổi hệ thống phân loại. Thay vì chỉ được xác định bởi một đỉnh trung bình tĩnh, một thành phần có thể được kiểm tra như một quá trình động mà các đặc điểm theo từng lượt của nó liên quan đến các trạng thái nhận thức nhất thời.

Jia và cộng sự gợi ý về khả năng này bằng cách chỉ ra rằng độ phức tạp không gian của EEG, được ước tính trong các lượt đơn lẻ, tương quan với các đặc điểm biên độ và thời gian tiềm tàng của ERP, do đó gợi ý một con đường để trích xuất thông tin giống như thành phần mà không cần tính trung bình truyền thống.

Các mô hình tính toán liên kết EEG từng lượt đơn lẻ với nhận thức như thế nào?

Bên cạnh việc phân rã, các cách tiếp cận mới nổi ủng hộ việc liên kết trực tiếp các đặc điểm EEG của từng lượt đơn lẻ với các mô hình nhận thức tính toán, chẳng hạn như mô hình khuếch tán trôi dạt (drift diffusion model) hoặc các thuật toán học tăng cường. Sử dụng các mô hình Bayes phân tầng, các nhà nghiên cứu do Bridwell và cộng sự dẫn đầu đã có thể cùng lúc mô hình hóa EEG và hành vi, vượt qua kỷ nguyên “các đỉnh và thành phần” để tiến tới một khuôn khổ nơi các tín hiệu thần kinh được diễn giải qua lăng kính của các quá trình nhận thức chính thức.

Suy luận dựa trên mô hình này không loại bỏ hệ thống phân loại ERP cổ điển; thay vào đó, nó xây dựng dựa trên hệ thống đó bằng cách cung cấp một cầu nối phong phú hơn, ở cấp độ từng lượt giữa hoạt động điện và hành vi.

Nghiên cứu thành phần ERP sử dụng Emotiv EEG Headset

Một số nghiên cứu gần đây đã sử dụng Emotiv EEG headset để ghi lại các thành phần ERP cổ điển trong bối cảnh khoa học thần kinh lâm sàng và người tiêu dùng, mở rộng phân tích ERP ra ngoài các mô hình phòng thí nghiệm truyền thống. Các ví dụ dưới đây nêu bật cách N200, P300, N400 và các thành phần thính giác sớm có thể được đo lường bằng các hệ thống di động.

Bất thường N200 và P200 trong chứng lo âu khi nói trước đám đông

Một nghiên cứu đã so sánh 12 cá nhân có mức độ lo âu cao và 12 cá nhân có mức độ lo âu thấp trong nhiệm vụ cảm xúc - nhận thức Eriksen-Flanker khi đeo một headset Emotiv Epoc X. Nhóm có mức độ lo âu cao cho thấy hiệu ứng Flanker lớn hơn về thời gian phản ứng.

Quan trọng hơn, các nhà nghiên cứu đã quan sát thấy hai kiểu mẫu ERP bất thường ở nhóm có mức độ lo âu cao: hiệu ứng xung đột N200 bị đảo ngược, với biên độ vùng trán - trung tâm lớn hơn cho các lượt không tương thích so với các lượt tương thích, và sự vắng mặt của sự điều biến cảm xúc P200 vùng trán - trung tâm điển hình như thấy ở nhóm có mức độ lo âu thấp. Các tác giả liên kết những phát hiện này với sự suy giảm tương tác cảm xúc - nhận thức ở những người mắc chứng lo âu khi nói trước đám đông.

P300 và N400 trong các quyết định sở thích của người tiêu dùng

Trong một nghiên cứu khoa học thần kinh về người tiêu dùng, năm người tham gia đã chọn các hình nền máy tính ưa thích trong khi EEG được ghi lại bằng một headset Emotiv Epoc X. Các nhà nghiên cứu đã báo cáo một thành phần P300 rõ ràng đạt cực đại ở điện cực trán trái F3, với biên độ lớn hơn đáng kể khi hình ảnh chứa một đối tượng ưa thích (p < 0,01). Một thành phần N400 tại điện cực vùng đỉnh P7 cũng liên quan đáng kể đến sự khác biệt sở thích tuyệt đối (p < 0,02).

Các tác giả lưu ý rằng các ERP về sở thích của người tiêu dùng này minh họa tiềm năng của các số liệu ERP trong việc nghiên cứu quá trình ra quyết định trong bối cảnh tiếp thị.

N1, N2 và P3 thính giác phân biệt rối loạn trầm cảm chủ yếu

Một nghiên cứu oddball thính giác đã ghi lại các thành phần N1, N2 và P3 từ 22 bệnh nhân mắc chứng rối loạn trầm cảm chủ yếu (MDD) và 15 người đối chứng khỏe mạnh bằng cách sử dụng một headset Emotiv. Việc lựa chọn đặc trưng và phân loại bằng phân tích hàm phân biệt tuyến tính mang lại độ chính xác lên tới 89,66% trong việc phân biệt bệnh nhân với nhóm đối chứng dựa trên bảy đặc trưng ERP. Các phát hiện cho thấy hệ thống Emotiv có thể ghi lại điện thế gợi thính giác ở MDD khác biệt so với các đối tượng khỏe mạnh, nêu bật một hướng đi tiềm năng cho nghiên cứu tiết kiệm chi phí về các dấu hiệu ERP của các rối loạn khí sắc.

Những nghiên cứu này chứng minh rằng các thiết bị EEG cấp độ người tiêu dùng có thể phát hiện các thành phần ERP như N200, P300 và N400 trong các nhiệm vụ ứng dụng. Tuy nhiên, các nghiên cứu này có quy mô nhỏ và mang tính tương quan; chúng không thiết lập các dấu ấn sinh học chẩn đoán hay cơ chế nhân quả. Các kết quả chỉ ra tính khả thi của nghiên cứu ERP di động trong khi nhấn mạnh sự cần thiết của các nghiên cứu lặp lại, quy mô lớn hơn trước khi bất kỳ diễn giải ứng dụng nào có thể được củng cố vững chắc.

Tại sao một ngôn ngữ chung cho các tín hiệu não vẫn có ý nghĩa quan trọng

Hệ thống ba phần gồm cực tính, thời gian và vị trí trên da đầu mang lại cho các nhà nghiên cứu não bộ một phương pháp thực tế để so sánh các phát hiện giữa các nghiên cứu, ngay cả khi các phương pháp không ngừng phát triển.

Phương pháp tính trung bình vẫn là nền tảng để nhìn thấy những tín hiệu nhỏ này, nhưng các công cụ phân tích lượt đơn lẻ mới hơn bổ sung thêm một lớp chi tiết mà các đỉnh trung bình không thể hiển thị. Điều này không loại bỏ khuôn khổ cổ điển; nó xây dựng dựa trên khuôn khổ đó, biến các nhãn cố định thành các thước đo động có thể theo dõi các trạng thái tâm trí theo từng khoảnh khắc.

Đồng thời, các mối liên hệ giữa bất kỳ thành phần nào với một hoạt động tâm trí cụ thể tốt nhất nên được coi là những manh mối mạnh mẽ hơn là những sự thật đã được khẳng định. Nhiều phát hiện đến từ các nghiên cứu đơn lẻ, và ngôn ngữ thận trọng được sử dụng trong các tài liệu khoa học phản ánh sự không chắc chắn đó. Điều còn tồn tại lâu dài chính là vốn từ vựng chung, cho phép các nhà khoa học thần kinh đặt ra những câu hỏi sắc bén hơn về cách não bộ phản ứng với các sự kiện trong cuộc sống hàng ngày và trong bối cảnh lâm sàng.

Tài liệu tham khảo

  1. Kok, A., Ramautar, J. R., De Ruiter, M. B., Band, G. P., & Ridderinkhof, K. R. (2004). ERP components associated with successful and unsuccessful stopping in a stop‐signal task. Psychophysiology, 41(1), 9-20. https://doi.org/10.1046/j.1469-8986.2003.00127.x

  2. Jia, H., Li, H., & Yu, D. (2017). The relationship between ERP components and EEG spatial complexity in a visual Go/Nogo task. Journal of neurophysiology, 117(1), 275-283. https://doi.org/10.1152/jn.00363.2016

  3. Makeig, S., & Westerfield, M. Analysis and visualization of single-trial event-related potentials. Human Brain Mapping, 14, 166-185. https://doi.org/10.1002/hbm.1050

  4. Bridwell, D. A., Cavanagh, J. F., Collins, A. G., Nunez, M. D., Srinivasan, R., Stober, S., & Calhoun, V. D. (2018). Moving beyond ERP components: a selective review of approaches to integrate EEG and behavior. Frontiers in human neuroscience, 12, 106. https://doi.org/10.3389/fnhum.2018.00106

Câu hỏi thường gặp

Điện thế liên quan đến sự kiện (ERP) là gì và nó được thu thập như thế nào?

ERP là một phản ứng nhỏ của não bộ được khóa thời gian với một sự kiện cụ thể, chẳng hạn như âm thanh hoặc ánh sáng lóe lên. Để thu được ERP, các nhà nghiên cứu tính trung bình EEG qua nhiều lượt giống hệt nhau, giúp loại bỏ hoạt động nền ngẫu nhiên và làm lộ ra dạng sóng nhất quán liên quan đến sự kiện.

Ba đặc tính cốt lõi xác định bất kỳ thành phần ERP nào là gì?

Ba đặc tính xác định là cực tính (độ lệch âm hoặc dương), thời gian tiềm tàng (thời gian tính bằng mili giây sau sự kiện) và phân bố trên da đầu (vị trí trên đầu nơi thành phần mạnh nhất). Cùng nhau, các chiều này cho phép các nhà nghiên cứu xác định một thành phần như một sự kiện sinh lý thần kinh riêng biệt.

Các nhà nghiên cứu thường đặt tên cho các thành phần ERP khác nhau như thế nào?

Các thành phần được đặt tên bằng một chữ cái chỉ cực tính (N cho âm, P cho dương) theo sau là thời gian tiềm tàng xấp xỉ ở đỉnh hoặc một số thứ tự (ví dụ: N100, P300, hoặc N1, P2, N2, P3). Hệ thống thứ tự được sử dụng khi thời gian tiềm tàng chính xác có sự thay đổi, và thứ tự trong chuỗi quan trọng hơn thời điểm chính xác.

Thời gian tiềm tàng của một thành phần ERP cho các nhà nghiên cứu biết điều gì?

Thời gian tiềm tàng cho biết khi nào một thành phần đạt biên độ đỉnh sau một sự kiện, đóng vai trò như một chỉ số ước tính về tốc độ xử lý. Những thay đổi về thời gian tiềm tàng có thể tiết lộ một quá trình nhận thức được hoàn thành sớm hơn hay muộn hơn, chẳng hạn như P3 tín hiệu dừng đạt đỉnh sớm hơn trong các lượt ức chế thành công.

Biên độ của một thành phần ERP được diễn giải như thế nào theo khía cạnh nhận thức?

Biên độ phản ánh cường độ hoặc tính đồng bộ của các điện thế sau synap trong các quần thể tế bào thần kinh vỏ não lớn, nhìn chung đại diện cho mức độ tham gia của thần kinh. Biên độ lớn hơn thường đồng nghĩa với hoạt động thần kinh nhiều hơn, trong khi biên độ nhỏ hơn có thể chỉ ra quá trình xử lý hiệu quả hơn, như thấy khi thời gian phản ứng nhanh hơn đi kèm với biên độ giảm.

Tại sao sự phân bố trên da đầu lại quan trọng đối với việc hiểu các thành phần ERP?

Sự phân bố trên da đầu cho biết vị trí mà thành phần đạt cực đại trên đầu, cung cấp manh mối về các mạng lưới não bộ đang hoạt động. Nếu hai thành phần có địa hình khác nhau, chúng có khả năng bắt nguồn từ các bộ tạo sóng thần kinh khác nhau, ngay cả khi cực tính và thời gian tiềm tàng của chúng tương tự nhau.

Hạn chế chính của phương pháp tính trung bình truyền thống mà các phương pháp hiện đại như ICA giải quyết là gì?

Phương pháp tính trung bình truyền thống giả định rằng phản ứng của não là giống hệt nhau trên mỗi lượt, điều này che giấu những biến thiên có ý nghĩa giữa các lượt về biên độ và thời gian tiềm tàng. Phân tích thành phần độc lập (ICA) phân tách EEG của từng lượt đơn lẻ thành các thành phần riêng biệt, cho phép các nhà nghiên cứu nghiên cứu những biến động này và loại bỏ nhiễu hiệu quả hơn.

Các thành phần ERP có thể được coi là thước đo trực tiếp và chắc chắn của các hoạt động nhận thức cụ thể không?

Không, mối liên hệ giữa một thành phần ERP và một chức năng nhận thức cụ thể là được suy luận và mang tính tương quan, chứ không được chứng minh trực tiếp. Các bằng chứng thường sử dụng ngôn ngữ thận trọng như “có thể liên quan” hoặc “gợi ý”, và các phát hiện thường mang tính đặc thù theo mô hình thử nghiệm và chưa được lặp lại trên quy mô rộng rãi.

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

Đẩy nhanh tiến độ điện não đồ (EEG) phân tích của bạn với các mảng không dây mật độ cao, thiết lập nhanh chóng được tối ưu hóa cho việc triển khai linh hoạt trên thực địa.

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

Tin mới nhất từ chúng tôi

Sự đánh đổi của điện cực EEG khô: Tốc độ và sự thoải mái so với độ trung thực của tín hiệu

Điện não đồ (EEG) đã là nền tảng của khoa học thần kinh trong nhiều thập kỷ, giúp đo lường hoạt động điện của não thông qua các điện cực đặt trên da đầu. Các điện cực "ướt" truyền thống cần có gel dẫn điện để thu hẹp khoảng cách giữa da và cảm biến, làm giảm điện trở—trở kháng—vốn có thể chặn các điện áp nhỏ này. Việc bôi gel đó rất nhớp nháp, tốn thời gian và thường gây khó chịu cho người tham gia.

Khi EEG vượt ra ngoài phòng thí nghiệm—vào các hộ gia đình, phòng khám và các môi trường di động—nhu cầu về một giao diện nhanh hơn, đơn giản hơn ngày càng tăng. Các điện cực khô, tiếp xúc trực tiếp với da mà không cần gel, hứa hẹn mang lại chính xác điều đó: thiết lập nhanh chóng và thoải mái hơn.

Nhưng sự tiện lợi này phải đánh đổi bằng một cái giá về mặt vật lý. Việc không có gel dẫn đến trở kháng cao hơn và tín hiệu nhiều tạp âm hơn, tạo ra sự đánh đổi liên tục giữa tính thực tế và độ trung thực của dữ liệu. Một loạt các nghiên cứu độc lập gần đây hiện đã vạch ra các khía cạnh chính xác của sự đánh đổi đó, làm rõ những trường hợp điện cực khô hoạt động đáng ngưỡng mộ và những trường hợp chúng vẫn chỉ là lựa chọn thứ hai.

Đọc bài viết

Thiết bị điện não đồ (EEG) tại nhà hoạt động như thế nào để ghi lại hoạt động não bộ hàng ngày?

Điện não đồ (EEG) tại nhà là các bản ghi do người dùng tự thực hiện bên ngoài bất kỳ cơ sở lâm sàng hoặc phòng thí nghiệm nào. Phương pháp này giao gel điện cực, headset và phần mềm ghi lại cho một người dùng chưa qua đào tạo, thường chỉ có ứng dụng điện thoại thông minh để hướng dẫn. Khái niệm này bao gồm việc sở hữu khả năng đo lường não bộ phù hợp với cuộc sống hàng ngày, có tiềm năng ghi lại cấu trúc giấc ngủ, sự tập trung nhận thức hoặc các dạng cơn động kinh mà không gặp phải gánh nặng về mặt hậu cần khi phải đến bệnh viện.

Đọc bài viết

Thiết bị phản hồi thần kinh như một hệ thống toàn diện

Hãy tưởng tượng bạn đang chơi một trò chơi điện tử mà trong đó tay cầm điều khiển là vô hình—bạn điều hướng chỉ bằng chính sóng não của mình. Ý tưởng đó nằm ở trọng tâm của phản hồi thần kinh (neurofeedback), một kỹ thuật mở ra cánh cửa theo thời gian thực giúp bạn quan sát hoạt động của não bộ và sau đó dạy bạn cách điều chỉnh nó.

Một thiết bị sẽ thu nhận các tín hiệu do não bộ của bạn tạo ra, thường là sử dụng điện não đồ (EEG) để phát hiện các mẫu xung điện trên da đầu, hoặc đôi khi là cảm biến quang phổ cận hồng ngoại chức năng (fNIRS) để theo dõi lưu lượng máu. Những tín hiệu thô đó được xử lý và chuyển thành một trò chơi đơn giản, một âm thanh, hoặc một hình ảnh chuyển động trên màn hình. Thông qua quá trình thử và sai, não bộ của bạn sẽ học cách tạo ra các mô hình giúp phản hồi đi theo hướng bạn mong muốn.

Nhiều tài liệu hướng dẫn chỉ tập trung vào các bộ phận riêng lẻ—điện cực EEG, dây dẫn, phần mềm—nhưng một thiết bị chỉ thành công khi những mảnh ghép đó tạo thành một tổng thể mạch lạc. Lời giới thiệu này sẽ xem xét phản hồi thần kinh như một hệ thống tích hợp, nơi việc xử lý tín hiệu, thiết kế phản hồi và khả năng sử dụng hàng ngày kết hợp lại để quyết định xem liệu một thiết bị có thực sự mang lại hiệu quả hay không.

Đọc bài viết

Làm chủ quy trình thiết lập điện não đồ (EEG): Những phương pháp thực hành tốt nhất trước khi ghi

Điều phân biệt giữa một tín hiệu thần kinh rõ ràng, có thể diễn giải được với một tín hiệu bị nhiễu do cơ hoặc nhiễu đường truyền không phải là một thuật toán hậu kỳ phức tạp, mà là một quy trình các bước chuẩn bị có hệ thống, theo trình tự thời gian. Trong bối cảnh này, việc thiết lập EEG không đơn thuần chỉ là hành động đội mũ điện cực lên người tham gia. Đó là một chuỗi các quy trình hiệu chuẩn sinh học, môi trường và điện học có tính kỷ luật cao, cùng nhau thiết lập một giao diện ổn định, ít nhiễu giữa não bộ và bộ khuếch đại.

Bài viết này sẽ đi qua toàn bộ quy trình trước khi ghi dữ liệu, tổng hợp các bằng chứng hiện có để chứng minh rằng việc hướng dẫn cẩn thận cho người tham gia, chuẩn bị da đầu, che chắn môi trường, lựa chọn đạo trình tham chiếu và sàng lọc nhiễu đường nền tạo thành một chuỗi các yếu tố phụ thuộc không thể thương lượng.

Đọc bài viết