Microstate ve dinlenme-devlet elektroansefalografi Omega karmaşıklık analizleri
Summary
İki başvuru içermeyen EEG önlemlerdir protokol temel elektroansefalografi (EEG) microstate Analizi ve omega karmaşıklık analizi, bu makalede ve sinirsel mekanizmalar beyin bozukluklarının keşfetmek için son derece değerli.
Abstract
Microstate ve omega karmaşıklığı EEG veri zamansal ve mekansal karmaşıklığı gösterebilir ve bazı beyin bozukluklarında sinirsel mekanizmalar araştırmak için yaygın olarak kullanılmış iki başvuru içermeyen elektroansefalografi (EEG) önlemler vardır. Bu makalenin amacı EEG microstate ve omega karmaşıklık çözümlemeleri adım adım temel Protokolü tarif etmektir. Bu iki önlemler büyük avantajı onlar geleneksel spektrum analizi için doğal başvuru bağımlı sorunu ortadan kaldırmak olduğunu. Buna ek olarak, microstate analiz dinlenme-devlet EEG zaman yüksek çözünürlüğe iyi kullanır ve dört elde edilen microstate sınıflar sırasıyla ilgili dinlenme-devlet ağlar maç olabilir. Omega karmaşıklık bariz avantajı tek bir kanal sinyal karmaşıklığı odaklanan geleneksel karmaşıklık önlemler ile karşılaştırıldığında olan uzamsal karmaşıklığı bütün beyin ya da belirli beyin bölgeleri, karakterize. Bu iki EEG ölçümleri zamansal ve mekansal etki alanından beyin karmaşıklık sırasıyla araştırmak için birbirlerini tamamlayıcı.
Introduction
Elektroansefalografi (EEG) beri bu noninvaziv, düşük mal oldu ve çok yüksek zamansal çözünürlük1olan klinik tanı ve bilimsel araştırma, hem de insan beyin elektriksel aktivitesinin kaydetmek için yaygın olarak kullanılmış. Devlet dinlenme içinde EEG sinyallerini incelemek için araştırmacılar birçok EEG teknikleri (örneğin, güç spektrum analizi, fonksiyonel bağlantı analizi)2,3geliştirdik. Bunlar microstate analiz ve omega karmaşıklık Analizi iyi kayma ve temporal bilgi EEG sinyallerini4doğasında faydalanmak.
Önceki araştırmalar ne kadar zaman içinde göz kapalı EEG sinyallerinin topografik dağıtım değişir veya göz-açık devlet dinlenme, anlık haritalar dizi manzara, kesintili değişiklikleri göstermek bu göstermiştir Yani, dönemleri, istikrar alternatif bazı yarı kararlı EEG Topografyaları5arasında kısa geçiş dönemleri ile. Lihtenştayn 80 ile 120 ms1arasında son yarı kararlı EEG Topografyaları Bu bölüm olarak tanımlanır. Farklı elektrik potansiyel manzara farklı sinirsel kaynaklar tarafından oluşturulan gerekir bu Lihtenştayn okunmasının temel taşları hak kazanabilirsiniz ve “düşünce ve duygu atomlarının”6kabul edilebilir. Modern desen sınıflandırma algoritmaları kullanarak, dört EEG microstate sınıfları dinlenme sürekli olarak, A sınıfı, B sınıfı, C sınıfı ve D sınıfı7etiketli gözlenmiştir. Ayrıca, araştırmacılar EEG veri dinlenme bu dört microstate sınıflar birçok dinlenme-devlet fMRI (fonksiyonel manyetik rezonans görüntüleme) çalışmalar8‘,9 gözlenen iyi bilinen fonksiyonel sistemleri ile yakından ilişkili olduğunu ortaya koydu . Böylece, microstate analiz dinlenme ağları (RSNs) insan beyninin çalışma için yeni bir yaklaşım sağladı. Ayrıca, ortalama süresi ve dört microstate haritalar topografik şeklinde her microstate sınıfın oluşum sıklığını önemli ölçüde bazı beyin bozuklukları4,10,11tarafından etkilenmiştir, ve sıvı istihbarat12 ve kişilik13ile ilişkilidir.
Diğer yönü olarak, çok kanallı EEG geleneksel fonksiyonel bağlantı sadece böylece küresel fonksiyonel bağlantı kafa derisi veya belirli bir beyin bölgesi içinde değerlendirmek başarısız oldu iki kafa derisi elektrot arasındaki işlevsel bağlantıları tarif olabilir. Wackermann (1996)14 tarafından önerilen ve asıl bileşen analizi (PCA) ve Shannon entropi, birleştiren bir yaklaşımla hesaplanan omega karmaşıklığı arasındaki geniş bant genel eşitleme dağınık şekilde ölçmek için kullanılan Dağıtılmış beyin bölgeleri. Her frekans bandı omega karmaşıklığını değerlendirmek için Fourier dönüşümü yaygın bir ilk adım25yapılmıştır.
Lihtenştayn ve omega karmaşıklık iki yakından bağlantılı kavram, yani, temporal karmaşıklığı ve kayma karmaşıklık4yansıtacak şekilde kullanılabilir. İnsan beyninin belirli zihinsel işlemlerde microstate sınıfları temsil ettiğinden, nöronal salınımlarını zamansal yapısını yansıtabilir. Alt süresi ve daha yüksek oluşum hızı / sn yüksek temporal karmaşıklığı belirtmeniz gerekir. Omega karmaşıklık olumlu ilgili beyinde sinirsel bağımsız kaynaklar sayı ile böylece sık kayma karmaşıklık4bir göstergesi olarak kabul edilir.
Geçerli makalenin EEG microstate analiz ve omega karmaşıklık Analizi ayrıntılı protokolünü açıklar. EEG microstate ve omega karmaşıklık çözümlemeleri beyin aktivitesi zamansal ve mekansal karmaşıklığı sırasıyla ölçmek için fırsat sunar.
Protocol
Representative Results
Discussion
Bu makalede, EEG analitik yöntemleri (yani, microstate analiz ve omega karmaşıklık Analizi), iki tür insan beyni uzaysal karmaşıklığını ve temporal karmaşıklığı sırasıyla ölçme, ayrıntılı olarak tarif edildi. Birkaç kritik adım içinde belirtilmelidir Protokolü vardır. İlk olarak, EEG veri microstate ve omega karmaşıklık hesaplama önce temizlenmesi gerekir. İkinci olarak, EEG veri hesaplama microstate ve omega karmaşıklık önce ortalama başvuru karşı remontaged. Üçüncü olarak, s…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Bu ulusal doğal Bilim Vakfı Çin tarafından (31671141) desteklenir.
Materials
| ANT 20 channels EEG/ERP system | ASA-Lab, ANT B.V., Netherlands | company web address: http://www.ant-neuro.com/ |
|
| EEGLAB plugin for Microstates | Thomas Koenig | https://sccn.ucsd.edu/wiki/EEGLAB_Extensions_and_plug-ins | |
| sLORETA | Roberto D. Pascual-Marqui | http://www.uzh.ch/keyinst/loreta.htm | |
| MATLAB 2010a | The MathWorks Inc. | company web address: http://www.mathworks.com/ |
|
| eeglab | Swartz Center for Computational Neuroscience, University of California, San Diego | https://sccn.ucsd.edu/eeglab/index.php |
Riferimenti
- Khanna, A., et al. Microstates in resting-state EEG: current status and future directions. Neurosci Biobehav Rev. 49, 105-113 (2015).
- Chen, J. L., Ros, T., Gruzelier, J. H. Dynamic changes of ICA-derived EEG functional connectivity in the resting state. Hum Brain Mapp. 34 (4), 852-868 (2013).
- Imperatori, C., et al. Aberrant EEG functional connectivity and EEG power spectra in resting state post-traumatic stress disorder: a sLORETA study. Biol Psychol. 102, 10-17 (2014).
- Gao, F., et al. Altered Resting-State EEG Microstate Parameters and Enhanced Spatial Complexity in Male Adolescent Patients with Mild Spastic Diplegia. Brain Topogr. 30 (2), 233-244 (2017).
- Seitzman, B. A., et al. Cognitive manipulation of brain electric microstates. Neuroimage. 146, 533-543 (2017).
- Lehmann, D., Michel, C. M. EEG-defined functional microstates as basic building blocks of mental processes. Clin Neurophysiol. 122 (6), 1073-1074 (2011).
- Koenig, T., et al. Millisecond by millisecond, year by year: normative EEG microstates and developmental stages. Neuroimage. 16 (1), 41-48 (2002).
- Britz, J., Van De Ville, D., Michel, C. M. BOLD correlates of EEG topography reveal rapid resting-state network dynamics. Neuroimage. 52 (4), 1162-1170 (2010).
- Musso, F., et al. Spontaneous brain activity and EEG microstates. A novel EEG/fMRI analysis approach to explore resting-state networks. Neuroimage. 52 (4), 1149-1161 (2010).
- Strelets, V., et al. Chronic schizophrenics with positive symptomatology have shortened EEG microstate durations. Clin Neurophysiol. 114 (11), 2043-2051 (2003).
- Kikuchi, M., et al. EEG microstate analysis in drug-naive patients with panic disorder. PLoS One. 6 (7), e22912 (2011).
- Santarnecchi, E., et al. EEG Microstate Correlates of Fluid Intelligence and Response to Cognitive Training. Brain Topogr. , (2017).
- Schlegel, F., et al. EEG microstates during resting represent personality differences. Brain Topogr. 25 (1), 20-26 (2012).
- Wackermann, J. Beyond mapping: estimating complexity of multichannel EEG recordings. Acta Neurobiol Exp (Wars). 56 (1), 197-208 (1996).
- Jung, T. P., et al. Removing electroencephalographic artifacts by blind source separation. Psychophysiology. 37 (2), 163-178 (2000).
- Pascual-Marqui, R. D., Michel, C. M., Lehmann, D. Segmentation of brain electrical activity into microstates: model estimation and validation. IEEE Trans Biomed Eng. 42 (7), 658-665 (1995).
- Pascual-Marqui, R. D. Standardized low-resolution brain electromagnetic tomography (sLORETA): technical details. Methods Find Exp Clin Pharmacol. 24, 5-12 (2002).
- Hu, L., et al. The primary somatosensory cortex contributes to the latest part of the cortical response elicited by nociceptive somatosensory stimuli in humans. Neuroimage. 84, 383-393 (2014).
- Murray, M. M., Brunet, D., Michel, C. M. Topographic ERP analyses: a step-by-step tutorial review. Brain Topogr. 20 (4), 249-264 (2008).
- Van de Ville, D., Britz, J., Michel, C. M. EEG microstate sequences in healthy humans at rest reveal scale-free dynamics. Proc Natl Acad Sci U S A. 107 (42), 18179-18184 (2010).
- Gonuguntla, V., Mallipeddi, R., Veluvolu, K. C. Identification of emotion associated brain functional network with phase locking value. Conf Proc IEEE Eng Med Biol Soc. 2016, 4515-4518 (2016).
- Wen, D., et al. Resting-state EEG coupling analysis of amnestic mild cognitive impairment with type 2 diabetes mellitus by using permutation conditional mutual information. Clin Neurophysiol. 127 (1), 335-348 (2016).
- Rosales, F., et al. An efficient implementation of the synchronization likelihood algorithm for functional connectivity. Neuroinformatics. 13 (2), 245-258 (2015).
- Jia, H., Peng, W., Hu, L. A novel approach to identify time-frequency oscillatory features in electrocortical signals. J Neurosci Methods. 253, 18-27 (2015).
- Wackermann, J. Global characterization of brain electrical activity by means of the Ω complexity production rate. Brain Topogr. 18, 135 (2005).
- Wackermann, J., Putz, P., Gaßler, M. Unfolding EEG spatial complexity as a function of frequency. Brain Topogr. 16 (2), 124 (2003).
