Điện não đồ Montage Laplacian

Mạo ảnh Laplacian trong EEG là gì?

Điện não đồ lâm sàng phụ thuộc vào việc sắp xếp các cảm biến trên da đầu để trực quan hóa chính xác các mô hình hoạt động thần kinh. Các mạo ảnh điện cực truyền thống ghi lại điện thế so với một tham chiếu cụ thể, điều này đôi khi có thể làm lẫn lộn độ rõ của tín hiệu trên các vùng bề mặt lớn hơn. Mạo ảnh laplacian EEG cung cấp một giải pháp thay thế phân tích khác biệt bằng cách tập trung vào các khác biệt cục bộ thay vì các điện thế toàn cục.

Hiểu các nguyên lý cơ bản của mạo ảnh EEG Laplacian

Tín hiệu EEG về mặt bản chất phản ánh hoạt động điện tập thể của các neuron hình tháp bên dưới da đầu. Khi một điện cực ghi nhận một điện thế, nó chắc chắn bao gồm cả các đóng góp từ các nguồn não ở xa do tính chất dẫn truyền thể tích của hộp sọ và da đầu.

Quá trình chiết xuất các nhịp điệu tinh tế này đòi hỏi phương pháp rõ ràng, thường liên quan đến các nguyên tắc có cơ sở của học thuyết neuroscience để đảm bảo rằng các dạng sóng được phân tích tương ứng với các vùng não khu trú riêng biệt.

Tại sao tín hiệu EEG da đầu lại khó diễn giải chính xác

Các tín hiệu điện của não không truyền theo một đường thẳng đến điện cực. Chúng đi qua dịch não tủy, xương sọ và mô da đầu trước khi có thể đo lường được, và mỗi lớp này dẫn điện khác nhau.

Hộp sọ, nói riêng, hoạt động giống như một bộ lọc thông thấp không gian khi nó làm mịn và khuếch tán tín hiệu, làm mờ hoạt động vốn có thể rất khu trú ở vỏ não thành một mô hình rộng, khuếch tán khi nó đến da đầu.

Research (Srinivasan và cộng sự) mô phỏng đầu dưới dạng bốn lớp cầu đồng tâm (não, dịch não tủy, xương sọ và da đầu) đã chỉ ra rằng sự khuếch tán này đủ mạnh để làm cho các điện cực cách xa nhau từ 10 đến 12 cm có vẻ tương quan một cách nhân tạo, ngay cả khi các nguồn thần kinh bên dưới hoàn toàn không liên quan đến nhau. Điều này tạo ra một nguy cơ thực sự về việc diễn giải các kết quả đọc da đầu tương quan là bằng chứng của hoạt động não phối hợp, trong khi mối tương quan có thể chỉ là một tạo ảnh do cách điện khuếch tán qua mô.

Sự biến dạng thứ hai đến từ chính điện cực tham chiếu. Các EEG montages thông thường báo cáo điện áp dưới dạng chênh lệch giữa một điện cực hoạt động và một điểm tham chiếu, nhưng tham chiếu đó không bao giờ im lặng về mặt điện học.

Simulation studies và các bản ghi thực nghiệm (Nunez và cộng sự) đã chứng minh rằng việc lựa chọn tham chiếu có thể làm thay đổi thời gian biểu hiện của các sự kiện não, nghĩa là độ trễ của phản hồi gợi ý được ghi lại với một sơ đồ tham chiếu này có thể không khớp với độ trễ được ghi lại với một sơ đồ khác. Đây là một vấn đề tinh tế nhưng hệ trọng, vì phần lớn giá trị lâm sàng và nghiên cứu của EEG phụ thuộc vào thời gian chính xác.

Nguồn nhiễu thứ ba có nguồn gốc từ cơ chứ không phải từ thần kinh. Các vị trí da đầu trung tâm và quanh trung tâm, tức các điện cực được định vị ở đỉnh và hai bên đầu, nằm gần cơ da đầu và cơ hàm. Hoạt động điện từ các cơ này dễ dàng rò rỉ vào bản ghi, đặc biệt là ở các tần số cao hơn, và các sơ đồ tham chiếu thông thường không giúp ích được gì nhiều để tách tín hiệu do cơ tạo ra khỏi tín hiệu do não tạo ra.

Cùng với nhau, sự dẫn truyền thể tích, sự phụ thuộc vào tham chiếu và nhiễu cơ tạo thành ba lý do kết hợp giải thích tại sao các điện thế da đầu thô lại đưa ra một bức tranh không chính xác về những gì vỏ não thực sự đang hoạt động.

Surface Laplacian là gì và hoạt động như thế nào

Surface Laplacian giải quyết các vấn đề này bằng cách thay đổi những gì đang được đo. Thay vì ghi lại điện áp trực tiếp, nó tính toán đạo hàm không gian bậc hai của trường điện áp trên toàn da đầu, về cơ bản là hỏi xem điện thế đang uốn cong sắc nét như thế nào tại mỗi điểm trên đầu thay vì giá trị tuyệt đối của nó là gì.

Phép đo độ cong này tỷ lệ thuận với dòng điện hướng tâm chảy vào và ra khỏi da đầu tại vị trí đó, điều này làm cho nó trở thành một ước tính vật lý về mật độ nguồn dòng cục bộ thay vì một kết quả đọc điện thô bị ảnh hưởng bởi hoạt động ở xa.

Bởi vì vi phân là một phép toán toán học loại bỏ các độ lệch không đổi, phương pháp này có một lợi thế tích hợp: bất kỳ điện áp nào được cộng đồng đều vào mọi điện cực, chính xác là những gì xảy ra khi sử dụng điện cực tham chiếu chung, sẽ triệt tiêu lẫn nhau trong quá trình tính toán.

Kết quả là một tín hiệu không còn phụ thuộc vào việc đặt tham chiếu nữa. Đây là lý do tại sao Laplacian thường được mô tả là không có tham chiếu.

Laplacian cũng hoạt động như cái mà các nhà nghiên cứu mô tả là bộ lọc thông dải không gian. Nó triệt tiêu các mô hình thay đổi điện áp rất rộng và khuếch tán (loại được tạo ra bởi sự dẫn truyền thể tích lan truyền trên các vùng da đầu lớn) đồng thời làm giảm nhiễu cục bộ cực kỳ sắc nét.

Những gì còn lại là một ước tính quy mô vừa phải về hoạt động có vẻ tương thích tốt với cách các dòng điện từ vỏ não thực sự truyền đi qua các lớp đầu người. Trên thực tế, phép biến đổi được điều chỉnh theo quy mô vật lý mà tại đó các nguồn tân vỏ não thực sự ảnh hưởng đến da đầu, lọc bỏ cả những nguồn quá rộng và quá hẹp.

Kỹ thuật chuẩn hóa điện cực tham chiếu (REST)

Trước khi áp dụng phép biến đổi Laplacian, việc lựa chọn tham chiếu vật lý chính thường ảnh hưởng đến chất lượng ghi ban đầu.

Nhiều phòng khám sử dụng Kỹ thuật chuẩn hóa điện cực tham chiếu (REST), hoạt động bằng cách biến đổi toán học dữ liệu EEG thô thành một phân phối xấp xỉ độc lập với tham chiếu. Điều này đảm bảo rằng phép tính tiếp theo không bị sai lệch bởi vị trí điện cụ thể được chọn cho lần ghi ban đầu, điều này rất quan trọng đối với đánh giá lâm sàng khách quan.

Cách Spline-Laplacian được tính toán trong thực tế

Tính toán đạo hàm bậc hai từ một bộ kết quả đọc điện cực rời rạc và hữu hạn không phải là việc đơn giản, vì các điện cực chỉ lấy mẫu da đầu tại các điểm riêng biệt chứ không phải liên tục.

Phương pháp spline-Laplacian giải quyết vấn đề này bằng cách khớp một bề mặt toán học mịn, linh hoạt, được mô hình hóa dưới dạng hình cầu hoặc hình elip thực tế hơn về mặt giải phẫu, thông qua các vị trí điện cực thực tế. Khi bề mặt liên tục này được xác định, đạo hàm có thể được tính toán trực tiếp từ nó, tạo ra ước tính Laplacian tại mọi vị trí điện cực dựa trên các giá trị được ghi lại tại các điểm lân cận xung quanh nó.

Phương pháp này ban đầu được xây dựng cho các mô hình đầu hình cầu và sau đó được mở rộng về mặt toán học cho các bề mặt hình elip, giúp tiếp cận tốt hơn hình dạng thực tế của đầu người. Cả hai phép dẫn xuất đều được chứng minh là vẫn ổn định ngay cả khi có các điểm không chính xác trong hình học đầu hoặc sự không chắc chắn về điện trở kháng của các lớp mô khác nhau, những yếu tố về mặt cơ bản là không thể tránh khỏi trong các phiên ghi lâm sàng hoặc nghiên cứu thực tế.

Sự mạnh mẽ này có nghĩa là spline-Laplacian không yêu cầu một mô hình giải phẫu hoàn hảo về đầu của một cá nhân để tạo ra kết quả hữu ích và ổn định.

Có một yêu cầu thực tế quyết định mức độ lợi ích mà phương pháp này mang lại: mật độ điện cực. Nghiên cứu của Nunez và cộng sự so sánh hiệu suất spline-Laplacian trên các bố cục điện cực khác nhau đã tìm thấy sự cải thiện đáng kể về độ phân giải không gian cụ thể là khi khoảng cách trung bình giữa các cảm biến lân cận nhỏ hơn khoảng 3 cm.

Dưới khoảng cách này, đạo hàm có thể được ước tính với đủ độ chính xác để làm sắc bén đáng kể tín hiệu bên dưới. Ngược lại, các mảng điện cực thưa thớt không lấy mẫu da đầu đủ mịn để hỗ trợ tính toán đạo hàm bậc hai chính xác, điều này giới hạn mức độ cải thiện của phép biến đổi so với các điện thế thào.

Tính toán điện thế Laplacian

Để tính toán điện thế, một hệ thống phần mềm đánh giá cảm biến trung tâm so với mức trung bình có trọng số của các cảm biến lân cận trực tiếp của nó theo mô hình hướng tâm. Điều này tạo ra một bản đồ ảo về mật độ dòng điện, thường dễ diễn giải hơn trong quá trình chẩn đoán.

Cốt lõi của chuỗi toán học cho phép tính này được trình bày chi tiết dưới đây:

Các tiêu chí sau đây giúp xác định xem cấu hình có được tối ưu hóa để có kết quả rõ ràng hay không:

• Khoảng cách giữa các điện cực phải được giữ đồng đều nếu có thể.

• Chất lượng tín hiệu tại tất cả các điểm lân cận xung quanh phải tương đương nhau.

• Cấu hình nên duy trì tính đối xứng xung quanh vùng cần quan tâm.

Khi các tiêu chí này được đáp ứng, dữ liệu thu được sẽ làm nổi bật hiệu quả nguồn tiêu điểm của hoạt động não, cho thấy giảm nhiễu từ các mô hình trường xa.

Ưu điểm của việc sử dụng mạo ảnh Laplacian

Lọc không gian cung cấp một số lợi ích rõ rệt cho các nhà nghiên cứu nhằm cô lập các nguồn tạo vỏ não cụ thể. Bằng cách giảm sự phụ thuộc vào một điểm tham chiếu duy nhất, kỹ thuật này thúc đẩy các kết quả đáng tin cậy hơn trên các điều kiện thực nghiệm khác nhau.

Cải thiện độ phân giải không gian với phép biến đổi Laplacian

Tuyên bố thực tế cốt lõi đằng sau mạo ảnh Laplacian là nó làm sắc bén spatial picture of brain activity đáng kể so với điện áp da đầu chưa qua xử lý.

Công trình của Nunez và cộng sự sử dụng các phép dẫn xuất dựa trên spline trên các bề mặt hình cầu và hình elip đã báo cáo cải thiện độ phân giải không gian ít nhất là gấp ba lần so với các bản ghi thông thường. Sự cải tiến này được duy trì qua các mô phỏng máy tính, dữ liệu điện thế gợi ý, EEG nghỉ tự phát và các bản ghi về phóng điện động kinh, cho thấy nó không giới hạn ở một loại tín hiệu não hẹp cụ thể nào.

Một analysis by Law et al. riêng biệt đã củng cố phát hiện này bằng cách chỉ ra rằng sự cải thiện về độ phân giải phần lớn độc lập với các giả định cụ thể được đưa ra về nguồn của tín hiệu hoặc mô hình hình học được sử dụng để đại diện cho đầu. Đây là một sự khác biệt quan trọng.

Nhiều kỹ thuật định vị nguồn EEG yêu cầu các nhà nghiên cứu đưa ra các giả định trước về việc tín hiệu có khả năng đến từ đâu trong não. Spline-Laplacian đạt được hiệu quả về độ phân giải mà không phụ thuộc nhiều vào các giả định đó, điều này làm cho nó được áp dụng rộng rãi hơn trên các loại nghiên cứu và nhóm bệnh nhân khác nhau, miễn là mật độ điện cực đủ lớn.

Loại bỏ sự biến dạng điện cực tham chiếu

Bởi vì tính toán Laplacian triệt tiêu về mặt toán học bất kỳ giá trị hằng số nào được cộng thêm trên tất cả các điện cực, nó loại bỏ ảnh hưởng của điện cực tham chiếu bằng cấu trúc tính toán thay vì bằng cách chọn một vị trí tham chiếu được cho là trung tính.

Công trình so sánh của Nunez và cộng sự kiểm tra trực tiếp dữ liệu điện thế đã chứng minh rằng các điện thế da đầu thô, vẫn gắn liền với bất kỳ tham chiếu nào được chọn, có thể làm biến dạng hình dạng và thời gian biểu hiện của một phản hồi não liên quan đến sự kiện. Ngược lại, ước tính mật độ nguồn dòng do phép biến đổi Laplacian tạo ra lại được chứng minh là cung cấp mô tả không gian-thời gian chính xác hơn về cùng một sự kiện bên dưới.

Về mặt thực tế, điều này có nghĩa là hai phòng thí nghiệm sử dụng các điện cực tham chiếu khác nhau trên cùng một đối tượng có thể báo cáo các dạng sóng thô trông khác biệt rõ rệt, trong khi dữ liệu được biến đổi Laplacian của họ sẽ hội tụ về một biểu diễn nhất quán hơn về hoạt động vỏ não bên dưới.

Giảm tính nhất quán nhân tạo từ dẫn truyền thể tích

Tính nhất quán, một thước đo thống kê về mức độ biến động tương tự nhau của hai tín hiệu theo thời gian, thường được sử dụng trong EEG research để suy luận xem hai vùng não có đang giao tiếp hoặc hoạt động cùng nhau hay không. Vấn đề là bản thân hiện tượng dẫn truyền thể tích, không liên quan đến hoạt động thần kinh phối hợp thực tế nào, có thể tạo ra các giá trị nhất quán cao giữa các điện cực gần nhau đơn giản vì điện áp bên dưới đã lan rộng trên da đầu.

Sử dụng một mô hình phân tích về độ dẫn truyền phân lớp của đầu, các nhà nghiên cứu trong nhóm của Srinivasan đã chứng minh rằng hiệu ứng dẫn truyền thể tích này có thể tạo ra mối tương quan nhân tạo giữa các điện cực cách nhau tới 10 đến 12 cm. Áp dụng surface Laplacian vào cùng một dữ liệu đã giảm đáng kể tính nhất quán nhân tạo này, vì các đặc tính thông dải không gian của nó lọc bỏ chính xác kiểu lan truyền rộng, khuếch tán tạo ra mối tương quan giả.

Điều này không có nghĩa là tính nhất quán điện thế thô nên được loại bỏ hoàn toàn. Nghiên cứu tương tự nhấn mạnh rằng tính nhất quán da đầu thô và tính nhất quán có nguồn gốc từ Laplacian nhạy cảm với các dải thông không gian khác nhau của hoạt động vỏ não, nghĩa là mỗi loại nắm bắt một lát cắt khác nhau của động lực học tân vỏ não.

Thay vì thay thế thước đo này bằng thước đo kia, khuyến nghị là nên kiểm tra song song cả hai, vì cùng nhau chúng mang lại một bức tranh hoàn chỉnh hơn so với việc chỉ dùng đơn lẻ một trong hai.

Độ chính xác về thời gian: Tại sao ước tính độ trễ lại được cải thiện

Danh tiếng của EEG phụ thuộc nhiều vào tốc độ của nó, khả năng theo dõi hoạt động của não trên thang đo mili giây. Danh tiếng đó đôi khi bị phóng đại khi áp dụng cho các điện thế da đầu thô.

Công trình mô phỏng đã đề cập ở trên đã chỉ ra rằng dẫn truyền thể tích và lựa chọn điện cực tham chiếu không chỉ làm biến dạng nơi một tín hiệu dường như bắt nguồn, chúng còn làm biến dạng thời điểm nó dường như xảy ra. Các điện thế da đầu có thể ước tính sai độ trễ của các sự kiện não thực sự vì hiệu ứng làm mờ của dẫn truyền mô và ảnh hưởng của tham chiếu pha trộn các tín hiệu từ các thời điểm khác nhau và các nguồn khác nhau lại với nhau.

Cùng một nghiên cứu phát hiện ra rằng các ước tính mật độ nguồn dòng được tạo ra thông qua surface Laplacian tránh được phần lớn sự biến dạng này, cung cấp cái mà các nhà nghiên cứu mô tả là một cái nhìn phong phú hơn và chính xác hơn nhiều về động lực học không gian-thời gian của hoạt động não. Phát hiện này đã được lặp lại qua hai nghiên cứu mô phỏng và hai bộ dữ liệu thực nghiệm, tạo ra một cơ sở bằng chứng khá nhất quán.

Ý nghĩa thực tế là các nhà nghiên cứu nghiên cứu thời gian chính xác của các sự kiện nhận thức hoặc lâm sàng, chứ không chỉ nguồn gốc không gian của chúng, có lý do để xem xét dữ liệu biến đổi Laplacian như một bản ghi đáng tin cậy hơn về thời điểm mọi thứ thực sự xảy ra trong não.

Loại bỏ nhiễu cơ trong các chuyển đạo da đầu trung tâm

Hoạt động điện do cơ tạo ra, hay nhiễu điện cơ, là một trong những yếu tố gây nhiễu dai dẳng hơn trong EEG recording, đặc biệt là tại các vị trí da đầu trung tâm gần cơ hàm và cơ da đầu.

Một study by Fitzgibbon et al. được thiết kế để cô lập hiệu ứng này đã so sánh các bản ghi được thực hiện từ các đối tượng tỉnh táo trước và sau khi phong tỏa thần kinh cơ hoàn toàn, cho phép các nhà nghiên cứu đo lường mức độ tín hiệu được ghi lại trong điều kiện bình thường thực sự là từ cơ chứ không phải hoạt động của não.

So sánh một số công cụ ước tính surface Laplacian so với mạo ảnh tham chiếu tai trái và tham chiếu trung bình chung, nghiên cứu phát hiện ra rằng xử lý surface Laplacian đã giảm công suất cơ ở các chuyển đạo trung tâm và quanh trung tâm xuống dưới một phần sáu tín hiệu não trên 30 hertz, tỷ lệ não-cơ lớn hơn sáu.

Hiệu suất này được báo cáo là tốt hơn gấp hai đến ba lần so với tham chiếu trung bình chung, một trong những mạo ảnh thông thường được sử dụng rộng rãi hơn. Bởi vì nhiễu cơ có xu hướng tập trung ở các dải tần số cao hơn, lợi thế này đặc biệt có liên quan cho bất kỳ ai cố gắng nghiên cứu hoạt động băng tần gamma, một dải tần số được quan tâm về mặt lâm sàng và nhận thức mà nếu không sẽ dễ dàng bị che khuất bởi nhiễu cơ da đầu và cơ hàm.

Các nhà nghiên cứu lưu ý điều này làm cho Laplacian trở thành một tiêu chuẩn hữu ích để phát hiện hoạt động tần số cao và nghiên cứu các tương quan điện sinh lý của bệnh tật, bao gồm các tình trạng được nghiên cứu trong nghiên cứu về brain disorders, nơi các tín hiệu tần số cao tinh tế có thể mang giá trị chẩn đoán.

Ứng dụng của Mạo ảnh Laplacian EEG

Đánh giá lâm sàng về động kinh hoạt động vẫn là một trong những ứng dụng chính cho phương pháp xử lý không gian này. Bằng cách xác định phân bố không gian chính xác của các phóng điện giữa các cơn, các bác sĩ thần kinh có thể xác định rõ hơn tiêu điểm động kinh. Điều này cung cấp một cái nhìn rõ ràng hơn so với các bản ghi tiêu chuẩn, vốn thường xuất hiện với hiện tượng mờ đáng kể do giải phẫu sọ xung quanh.

Nghiên cứu khoa học thần kinh nhận thức cũng áp dụng phương pháp này, đặc biệt là khi thăm dò các dao động tần số cao đòi hỏi thời gian và vị trí chính xác. Các nghiên cứu thường theo dõi các xung này trên bề mặt vỏ não để quan sát cách chúng di chuyển giữa các trung tâm xử lý cảm giác.

Cuối cùng, kỹ thuật này được sử dụng rộng rãi trong phát triển Brain-Computer Interface (BCI) nơi độ chính xác thời gian thực là điều cần thiết để kiểm soát vận động. Bằng cách cô lập các nhịp mu cụ thể được tạo ra trong vỏ não vận động, hệ thống có thể diễn giải ý định một cách chính xác hơn.

Ứng dụng này chứng minh tính linh hoạt của các bộ lọc Laplacian trong việc chuyển đổi các điện thế thô thành đầu vào chức năng cho các thiết bị bên ngoài.

Hạn chế và cảnh báo diễn giải

Không có ưu điểm nào trong số này làm cho Laplacian trở thành một giải pháp thay thế phổ quát cho các phương pháp phân tích EEG khác, và nghiên cứu hỗ trợ nêu rõ các ranh giới của nó.

1. Thứ nhất, Laplacian không phải là một kỹ thuật định vị nguồn theo nghĩa xác định chính xác một vị trí giải phẫu cụ thể cho một tín hiệu. Nó tạo ra một ước tính về mật độ dòng điện ở quy mô không gian vừa phải, đây là một mục tiêu khác với loại định vị được thực hiện bằng phương pháp khớp lưỡng cực hoặc các phương pháp dựa trên mô hình khác.

2. Thứ hai, phép biến đổi được mô tả là không nhạy cảm với các nguồn bắt nguồn sâu bên trong não, cách xa bề mặt vỏ não, hoặc các nguồn nằm ngoài ranh giới vật lý của chính mảng điện cực. Nếu tín hiệu đến từ các cấu trúc dưới vỏ não hoặc từ một vùng mà lưới điện cực không bao phủ, Laplacian sẽ không đại diện tốt cho nó, bất kể các điện cực xung quanh được đặt dày đặc đến mức nào.

3. Thứ ba, sự cải thiện độ phân giải là có điều kiện. Sự cải thiện đáng kể phụ thuộc vào khoảng cách điện cực trung bình dưới khoảng 3 cm, do đó một mảng thưa thớt hoặc cách nhau không đều sẽ không mang lại lợi ích tương tự như đã được chứng minh trong các nghiên cứu cơ bản. Bất kỳ ai áp dụng phương pháp này cho các bản ghi có mật độ thấp hơn nên mong đợi những cải tiến khiêm tốn hơn.

4. Cuối cùng, chính đặc tính thông dải không gian giúp lọc bỏ tạo ảnh dẫn truyền thể tích cũng có thể làm giảm các sự kiện vỏ não thực sự lan rộng, vì các mô hình hoạt động rất rộng giống với các tín hiệu khuếch tán mà bộ lọc được thiết kế để triệt tiêu.

Đây là lý do tại sao nghiên cứu về tính nhất quán khuyến nghị phân tích dữ liệu điện thế thô và dữ liệu biến đổi Laplacian song song thay vì coi một bên là nâng cấp nghiêm ngặt của bên kia. Mỗi bên nắm bắt một băng thông không gian khác nhau của hoạt động tân vỏ não, và việc diễn giải hoàn chỉnh nhất có được từ việc xem xét cả hai cùng nhau.

Kết luận: Laplacian như một ống kính sắc nét hơn về hoạt động vỏ não

Surface Laplacian tái định nghĩa việc đo lường của EEG da đầu. Thay vì báo cáo một điện áp phụ thuộc vào một tham chiếu tùy ý và bị mờ bởi hiệu ứng lọc của hộp sọ, nó ước tính trực tiếp mật độ nguồn dòng cục bộ từ hình học của mảng điện cực, sử dụng các phương pháp dựa trên spline đã được chứng minh là vẫn ổn định dưới các lỗi mô phỏng đầu trong thế giới thực.

Hồ sơ thực nghiệm được xây dựng qua các nghiên cứu này chỉ ra những ưu điểm nhất quán, có thể đo lường được:

• Độ phân giải không gian được cải thiện gấp ba lần hoặc hơn

• Mối tương quan nhân tạo giữa các điện cực cách xa nhau bị triệt tiêu

• Ước tính độ trễ phản ánh tốt hơn thời gian thực tế của não

• Nhiễu cơ giảm xuống một phần nhỏ so với mức cho phép của tham chiếu thông thường

Những cải tiến này phụ thuộc vào mật độ điện cực thích hợp và đi kèm với các giới hạn diễn giải thực tế, đặc biệt là xung quanh các nguồn sâu hoặc ngoài mảng và nguy cơ làm giảm các mô hình vỏ não rộng. Được sử dụng cùng với phân tích điện thế thô thay vì thay thế nó, mạo ảnh Laplacian mang lại một cửa sổ không có tham chiếu sắc nét hơn đáng kể vào hoạt động vỏ não cục bộ.

Tài liệu tham khảo

1. Srinivasan, R., Nunez, P. L., & Silberstein, R. B. (1998). Spatial filtering and neocortical dynamics: estimates of EEG coherence. IEEE transactions on Biomedical Engineering, 45(7), 814-826. https://doi.org/10.1109/10.686789

2. Nunez, P. L., & Pilgreen, K. L. (1991). The spline-Laplacian in clinical neurophysiology: a method to improve EEG spatial resolution. Journal of Clinical Neurophysiology, 8(4), 397-413.

3. Law, S. K., Nunez, P. L., & Wijesinghe, R. S. (2002). High-resolution EEG using spline generated surface Laplacians on spherical and ellipsoidal surfaces. IEEE transactions on Biomedical engineering, 40(2), 145-153. https://doi.org/10.1109/10.212068

4. Fitzgibbon, S. P., Lewis, T. W., Powers, D. M., Whitham, E. W., Willoughby, J. O., & Pope, K. J. (2012). Surface laplacian of central scalp electrical signals is insensitive to muscle contamination. IEEE Transactions on Biomedical Engineering, 60(1), 4-9. https://doi.org/10.1109/TBME.2012.2195662

Các câu hỏi thường gặp

Surface Laplacian trong phân tích EEG là gì?

Surface Laplacian ước tính đạo hàm không gian bậc hai của trường điện áp da đầu, tương ứng với dòng điện hướng tâm chảy vào và ra khỏi da đầu. Điều này chuyển đổi bản ghi thành một thước đo mật độ nguồn dòng cục bộ thay vì điện áp thô, giúp nó độc lập phần lớn với điện cực tham chiếu.

Mạo ảnh Laplacian loại bỏ vấn đề điện cực tham chiếu như thế nào?

Phép tính Laplacian triệt tiêu về mặt toán học bất kỳ điện áp không đổi nào được thêm đồng đều vào tất cả các điện cực, chính xác là những gì một tham chiếu chung thực hiện. Do có sự triệt tiêu tích hợp này, tín hiệu thu được không còn phụ thuộc vào vị trí đặt điện cực tham chiếu.

Laplacian đóng vai trò gì trong việc giảm tạo ảnh dẫn truyền thể tích?

Laplacian hoạt động như một bộ lọc thông dải không gian giúp triệt tiêu các mô hình điện áp rộng và khuếch tán do dẫn truyền thể tích qua hộp sọ và da đầu gây ra. Việc lọc này làm giảm tính nhất quán nhân tạo giữa các điện cực cách xa nhau vốn có thể bị diễn giải sai là hoạt động não phối hợp.

Laplacian cải thiện độ chính xác về thời gian của tín hiệu EEG như thế nào?

Dẫn truyền thể tích và lựa chọn tham chiếu có thể làm nhòe thời gian của các sự kiện não trong các điện thế da đầu thô. Ước tính mật độ nguồn dòng của Laplacian làm giảm sự nhòe này, cung cấp một biểu diễn chính xác hơn về thời điểm hoạt động vỏ não thực sự xảy ra.

Tại sao mật độ điện cực cao lại quan trọng đối với phương pháp spline-Laplacian?

Spline-Laplacian tính toán đạo hàm bậc hai từ một tập hợp các kết quả đọc điện cực rời rạc, do đó da đầu phải được lấy mẫu đủ mịn để nắm bắt được độ cong điện áp. Khi khoảng cách trung bình giữa các cảm biến đủ nhỏ, đạo hàm có thể được ước tính với độ chính xác cao, mang lại các cải thiện đáng kể về độ phân giải không gian.

Laplacian có thể giúp giảm nhiễu cơ trong EEG không?

Có, xử lý surface Laplacian làm giảm đáng kể tiếng ồn điện do cơ tạo ra, đặc biệt là tại các vị trí da đầu trung tâm gần cơ hàm và cơ da đầu. Điều này dẫn đến tỷ lệ tín hiệu não so với nhiễu cơ cao hơn nhiều, đặc biệt là ở các dải tần số cao hơn như gamma.

Những hạn chế chính của mạo ảnh Laplacian là gì?

Laplacian không định vị các nguồn sâu trong não hoặc các tín hiệu nằm ngoài mảng điện cực, và nó có thể làm giảm hoạt động vỏ não thực sự lan rộng vì bộ lọc của nó triệt tiêu các mô hình rộng. Tốt nhất nên sử dụng nó song song với phân tích điện thế thô, vì mỗi loại nắm bắt một quy mô không gian khác nhau của hoạt động não.

Mạo ảnh Laplacian khác biệt như thế nào so với một mạo ảnh lưỡng cực?

Mạo ảnh lưỡng cực so sánh hai điện cực riêng biệt để chỉ ra chênh lệch điện áp, trong khi mạo ảnh Laplacian sử dụng đạo hàm toán học bậc hai dựa trên một điện cực trung tâm và các điểm lân cận trực tiếp của nó để ước tính mật độ dòng điện cục bộ trên một bề mặt.

Kỹ thuật này có yêu cầu một số lượng điện cực cụ thể không?

Có, hiệu quả của mạo ảnh tỷ lệ thuận với số lượng kênh, vì phép tính phụ thuộc vào mật độ không gian của mảng cảm biến và độ chính xác tương đối của bố cục lưới lân cận.

Các mạo ảnh Laplacian có thể được sử dụng với bố cục hệ thống 10-20 tiêu chuẩn không?

Mặc dù khả thi về mặt toán học với số lượng điện cực hạn chế nếu sử dụng phép nội suy chuyên dụng, các hệ thống 10-20 tiêu chuẩn có thể thiếu mật độ cần thiết cho một diễn giải không gian có độ tin cậy cao hoặc chi tiết.

Mạo ảnh Laplacian có thể phát hiện các cấu trúc não sâu không?

Bởi vì mạo ảnh hoạt động như một bộ lọc thông cao không gian, nó được thiết kế để nhấn mạnh hoạt động vỏ não bề mặt và nhìn chung kém nhạy cảm hơn với các nguồn dưới vỏ não sâu so với hiển thị dựa trên điện thế.