Microstate और ओमेगा की जटिलता का विश्लेषण-राज्य Electroencephalography आराम
Summary
यह लेख electroencephalography अंतर्निहित प्रोटोकॉल का वर्णन करता है (ईईजी) microstate विश्लेषण और ओमेगा जटिलता विश्लेषण, जो दो संदर्भ मुक्त ईईजी उपाय और अत्यधिक मस्तिष्क विकारों के तंत्रिका तंत्र का पता लगाने के लिए मूल्यवान हैं ।
Abstract
Microstate और ओमेगा जटिलता दो संदर्भ मुक्त electroencephalography (ईईजी) उपाय है कि ईईजी डेटा के लौकिक और स्थानिक जटिलताओं का प्रतिनिधित्व कर सकते है और व्यापक रूप से कुछ मस्तिष्क विकारों में तंत्रिका तंत्र की जांच करते थे । इस अनुच्छेद के लक्ष्य के लिए ईईजी microstate और ओमेगा जटिलता विश्लेषण कदम से कदम अंतर्निहित प्रोटोकॉल का वर्णन है । इन दो उपायों का मुख्य लाभ यह है कि वे संदर्भ निर्भर पारंपरिक स्पेक्ट्रम विश्लेषण के लिए अंतर्निहित समस्या को खत्म कर सकता है । इसके अलावा, microstate विश्लेषण आराम-राज्य ईईजी के उच्च समय के संकल्प का अच्छा उपयोग करता है, और चार प्राप्त microstate वर्गों इसी आराम राज्य नेटवर्क क्रमशः मैच सकता है । ओमेगा जटिलता पूरे मस्तिष्क या विशिष्ट मस्तिष्क क्षेत्रों है, जो स्पष्ट लाभ पारंपरिक जटिलता एक चैनल में संकेत जटिलता पर ध्यान केंद्रित करने के उपायों के साथ तुलना में है की स्थानिक जटिलता की विशेषता है । इन दो ईईजी उपायों के क्रमशः लौकिक और स्थानिक डोमेन से मस्तिष्क की जटिलता की जांच करने के लिए एक दूसरे के पूरक सकता है ।
Introduction
Electroencephalography (ईईजी) व्यापक रूप से नैदानिक निदान और वैज्ञानिक अनुसंधान में दोनों मानव मस्तिष्क के विद्युत गतिविधि रिकॉर्ड करने के लिए इस्तेमाल किया गया है, क्योंकि यह गैर इनवेसिव है, कम लागत और बहुत उच्च लौकिक संकल्प1है । आराम राज्य में ईईजी संकेतों का अध्ययन करने के लिए, शोधकर्ताओं ने कई ईईजी तकनीक विकसित की है (जैसे, बिजली स्पेक्ट्रम विश्लेषण, कार्यात्मक कनेक्टिविटी विश्लेषण)2,3. इनमें से, microstate विश्लेषण और ओमेगा जटिलता विश्लेषण स्थानिक और लौकिक ईईजी संकेत4में निहित जानकारी का अच्छा उपयोग कर सकता है ।
पिछले शोध से पता चला है कि हालांकि ईईजी संकेतों के स्थलाकृतिक वितरण आंख में समय के साथ बदलता है बंद या आंख खुला आराम राज्य, क्षणिक नक्शे की श्रृंखला परिदृश्य की निरंतर परिवर्तन, यानी, स्थिरता की अवधि बारी दिखा कुछ अर्ध स्थिर ईईजी स्थलाकृति के बीच कम संक्रमण अवधि के साथ5। Microstates अर्ध स्थिर ईईजी स्थलाकृति, जो ८० और १२० ms1के बीच पिछले के साथ इन प्रकरणों के रूप में परिभाषित कर रहे हैं । के बाद से विभिंन विद्युत क्षमता परिदृश्य अलग तंत्रिका स्रोतों द्वारा उत्पंन किया गया है चाहिए, इन microstates के मूल ब्लॉकों के रूप में योग्य हो सकता है और सोचा और भावना “6के परमाणु के रूप में माना जा सकता है । आधुनिक पैटर्न वर्गीकरण एल्गोरिदम, चार आराम ईईजी microstate वर्गों का उपयोग लगातार मनाया गया है, जो वर्ग ए, वर्ग बी, कक्षा सी और कक्षा डी7के रूप में चिह्नित किया गया । इसके अलावा, शोधकर्ताओं ने पता चला कि आराम ईईजी डेटा के इन चार microstate वर्गों बारीकी से प्रसिद्ध कार्यात्मक प्रणाली के साथ जुड़े थे कई आराम में मनाया-राज्य fMRI (कार्यात्मक चुंबकीय अनुनाद इमेजिंग) अध्ययन8,9 . इस प्रकार, microstate विश्लेषण मानव मस्तिष्क के आराम राज्य नेटवर्क (RSNs) का अध्ययन करने के लिए एक उपंयास दृष्टिकोण प्रदान की है । इसके अलावा, औसत अवधि और प्रत्येक microstate वर्ग की घटना की आवृत्ति, चार microstate नक्शे के स्थलाकृतिक आकार काफी कुछ मस्तिष्क विकारों से प्रभावित कर रहे हैं4,10,11, और द्रव बुद्धि से जुड़े हैं12 और व्यक्तित्व13.
दूसरे पहलू में, बहु के पारंपरिक कार्यात्मक संपर्क चैनल ईईजी केवल दो खोपड़ी इलेक्ट्रोड के बीच कार्यात्मक कनेक्शन का वर्णन सकता है, इस प्रकार खोपड़ी भर में वैश्विक कार्यात्मक कनेक्टिविटी या एक निश्चित मस्तिष्क क्षेत्र के भीतर का आकलन करने में विफल रहा है । ओमेगा जटिलता, Wackermann द्वारा प्रस्तावित (१९९६)14 और एक प्रमुख घटक विश्लेषण (पीसीए) और शैनन एन्ट्रापी के संयोजन दृष्टिकोण के माध्यम से गणना की है, के बीच व्यापक बैंड वैश्विक तुल्यकालन यों तो इस्तेमाल किया गया है स्थानिक वितरित मस्तिष्क क्षेत्रों । आदेश में प्रत्येक आवृत्ति बैंड की ओमेगा जटिलता का आकलन करने के लिए, रूपान्तर रूपांतरण सामांयतः एक प्रारंभिक चरण25के रूप में आयोजित किया गया ।
microstates और ओमेगा जटिलता के लिए दो बारीकी से जुड़े अवधारणाओं को प्रतिबिंबित किया जा सकता है, यानी, लौकिक जटिलता और स्थानिक जटिलता4। के बाद से microstate वर्गों मानव मस्तिष्क में कुछ मानसिक आपरेशनों का प्रतिनिधित्व करते हैं, वे ंयूरॉन दोलनों की लौकिक संरचना को प्रतिबिंबित कर सकते हैं । कम अवधि और प्रति सेकंड उच्च घटना दर उच्च लौकिक जटिलता का संकेत चाहिए । ओमेगा जटिलता सकारात्मक स्वतंत्र मस्तिष्क में तंत्रिका स्रोतों की संख्या के साथ संबंधित है, इस प्रकार आमतौर पर स्थानिक जटिलता4का एक संकेतक के रूप में माना जाता है ।
वर्तमान लेख विस्तार से ईईजी microstate विश्लेषण और ओमेगा जटिलता विश्लेषण के प्रोटोकॉल का वर्णन । ईईजी microstate और ओमेगा जटिलता का विश्लेषण करने के लिए क्रमशः मस्तिष्क गतिविधि के लौकिक और स्थानिक जटिलताओं को मापने का अवसर प्रदान करते हैं ।
Protocol
Representative Results
Discussion
इस अनुच्छेद में, ईईजी विश्लेषणात्मक तरीकों के दो प्रकार (यानी, microstate विश्लेषण और ओमेगा जटिलता विश्लेषण), लौकिक जटिलता और मानव मस्तिष्क के स्थानिक जटिलता क्रमशः मापने, विस्तार से वर्णित किया गया । प्रोटो?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
इस अनुच्छेद के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन द्वारा समर्थित किया गया था चीन (३१६७११४१) ।
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).
