微小状態と静止状態の脳波のオメガ複雑さ解析
Summary
2 つの参照のない脳波措置プロトコルの基になる脳波 (EEG) microstate 分析とオメガ複雑性解析を説明しますと非常に貴重な脳疾患の神経メカニズムを探索します。
Abstract
Microstate とオメガの複雑さは、脳波の時間的・空間的複雑さを表すことができますし、いくつかの脳疾患の神経メカニズム解明のため広く使用されている 2 つの参照無料脳波 (EEG) 対策です。この記事の目的は、脳波 microstate とオメガ複雑さ分析ステップを基になるプロトコルを説明します。これらの 2 つのメジャーの主な利点は、従来のスペクトル解析に固有の参照依存問題を排除できることです。さらに、休眠状態の脳波の高時間分解能を駆使する microstate 分析と 4 つの得られた microstate クラスはそれぞれ対応する休息状態ネットワークを一致可能性があります。オメガの複雑さと比較すると伝統的な複雑さ単一チャネルの信号の複雑さに焦点を当てての明白な利点を持っている脳全体または特定の脳領域の空間的複雑さの特徴です。これら 2 つの脳波測定は、時空ドメインから脳の複雑さをそれぞれ調査する互いを補足することができます。
Introduction
脳波 (EEG) は、非侵襲、低原価計算であり、非常に高い時間分解能1以来両方の臨床診断と科学的な研究は、人間の脳の電気的活動を記録するため広く使用されています。休眠状態にある脳波を研究するために研究者は多くの脳波技術 (例えば、パワー スペクトル解析, 機能的結合解析)2,3を開発しました。、これらの microstate 分析とオメガの複雑さの分析に活用できる良い時空情報の脳波信号4に固有。
脳波の頭皮上の分布が目を閉じたの経年変化や目開きの休眠状態は、一連の一時的なマップ表示の風景の不連続変化が、従来の研究はことを示しているすなわち、交互に安定性の期間特定の準安定脳波トポグラフィー5間短い移行期間。採用は準安定の脳波トポグラフィーを最後の 80 と 120 ms1間でこれらのエピソードとして定義されます。別の電気潜在的な風景は、神経回路の異なるソースによって生成する必要があります、のでこれら採用視の基本要素としての資格があり、「思考と感情の原子」6として見なすことができます。モダンなパターン分類アルゴリズムを使用して、4 つの脳波 microstate クラスを休んで観察されている一貫して、クラス A、クラス B、クラス C、クラス D7としてラベルを貼られました。さらに、研究者は、研究-安静 fMRI (機能的磁気共鳴イメージング) 多く8,9 にみられるよく知られた機能システムとこれら 4 つの microstate クラス安静時脳波データを密接に関連が明らかに.したがって、microstate の分析は、人間の脳の休息状態ネットワーク (RSNs) の研究への新しいアプローチを提供しました。さらに、平均の期間やの microstate クラス 4 つの microstate マップの地形形状ごとの出現頻度大幅に影響されていくつか脳疾患4,10,11,流動性知能12人格13に関連付けられているとします。
他の面で多チャンネル脳波の従来の機能接続可能性がありますのみ頭皮全体または特定の脳領域内グローバル機能接続性を評価するために失敗しました、2 つの頭皮電極間の機能の接続をについて説明します。空間の間の広帯域グローバル同期を定量化するオメガの複雑さ、14 Wackermann (1996) によって提案された、主成分分析 (PCA) とシャノン エントロピーを組み合わせたアプローチにより計算が使用されています脳の領域を配布しました。各周波数バンドのオメガの複雑さを評価するためにフーリエ変換はよく最初のステップ25として実施されました。
採用とオメガの複雑さは、2 つの密接に関連概念、すなわち、時間的複雑さと空間的複雑さ4を反映するように使用できます。Microstate クラスを表す人間の脳の特定の精神的な操作、神経活動の振動時間の構造が反映されることができます。低い期間と 1 秒あたりの高い発生率より高い時間的複雑さを示す必要があります。オメガの複雑さは正の関連脳で独立した神経情報源の数は、このようによく考えられています4空間的複雑さの指標として。
現在の記事では、脳波 microstate 分析と詳細にオメガの複雑さの分析のプロトコルについて説明します。脳波 microstate とオメガの複雑さの分析は、それぞれ脳の活動の時間的・空間的複雑さを測定する機会を提供しています。
Protocol
Representative Results
Discussion
この記事で 2 種類の脳波分析法 (すなわち、microstate 解析とオメガ複雑度解析)、それぞれ時間の複雑さと人間の脳の空間的複雑さの測定で詳しく説明しました。記載すべきプロトコル内でいくつかの重要な手順があります。まず、脳波データは microstate とオメガの複雑さの計算前に掃除する必要があります。第二に、microstate とオメガの複雑さの計算前に平均参照に対して脳波データを remontag…
Disclosures
The authors have nothing to disclose.
Acknowledgements
この記事は中国の国家自然科学基金 (31671141) によって支えられました。
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 |
References
- 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).
