미세 및 휴식 상태 Electroencephalography의 오메가 복잡도 분석
Summary
이 문서에서는 설명 합니다 프로토콜 기본 electroencephalography (뇌 파) 미세 분석 및 오메가 복잡도 분석, 두 참조 무료 뇌 파 측정은 매우 귀중 한 뇌 장애의 신경 메커니즘을 탐구 하 고.
Abstract
미세 및 오메가 복잡성 가지 두 참조 무료 electroencephalography (뇌 파) 조치를 뇌 파 데이터의 시간적, 공간 복잡성을 나타낼 수 있습니다 일부 뇌 장애에서 신경 메커니즘을 조사 하기 위해 널리 사용 되 고 있다. 이 문서의 목표는 뇌 파 미세와 오메가 복잡도 분석 단계 기본 프로토콜을 설명 하기 위해입니다. 이 두 측정의 주요 장점은 그들이 전통적인 스펙트럼 분석에 내재 된 참조 종속 문제를 없앨 수 있습니다. 또한, 미세 분석 수 휴식 상태 뇌 파의 높은 시간 해상도의 그리고 4 얻은 미세 클래스 각각 해당 휴식 상태 네트워크를 일치 하는 수 있습니다. 오메가 복잡성 단일 채널에 신호 복잡성에 초점을 맞추고 전통적인 복잡도 측정에 비해 명백한 장점이 뇌 또는 특정 두뇌 지구, 공간 복잡성을 특징. 이 두 가지 뇌 파 측정 일시 및 공간 도메인에서 뇌 복잡성을 각각 조사를 서로 보완 수 있습니다.
Introduction
Electroencephalography (뇌 파) 이후 비 침범 성, 낮은 costed은 매우 높은 시간 해상도1임상 진단 및 과학 연구에서 인간의 뇌의 전기 활동을 기록 하는 데 널리 사용 되었습니다. 휴식 상태에서 뇌 파 신호를 공부 하기 위하여 연구자는 많은 뇌 파 기법 (예: 파워 스펙트럼 분석, 기능적 연결 분석)2,3를 개발 했습니다. 이러한 미세 분석 및 오메가 복잡도 분석 만들 수 있습니다 공간 및 시간 정보를 잘 활용 뇌 파 신호4에.
이전 연구 것으로 나타났습니다 있지만 뇌 파 신호의 지형 분포 눈 마감 시간이 지남에 다릅니다 또는 눈-개방 상태를 휴식, 순간 지도 시리즈 쇼의 풍경, 불연속 변화 즉, 교대로 반복 되는 안정성의 기간 특정 준 안정 된 뇌 파 topographies5사이의 짧은 전환 기간. Microstates 80와 120 ms1사이 지속 하는 준 안정 된 뇌 파 topographies와이 에피소드로 정의 됩니다. 이후 다른 전기 잠재적인 풍경 다른 신경 소스에 의해 생성 된 합니다, 이러한 microstates mentation의 기본 블록으로 받을 수 있습니다 하 고 “생각과 감정의 원자”6으로 간주 될 수 있습니다. 현대 패턴 분류 알고리즘을 사용 하 여, 뇌 파 미세 클래스 휴식 4 일관 되 게 관찰 되었습니다, 클래스 A, 클래스 B, 클래스 C, 클래스 D7이라고 표시 되었다는. 또한, 연구팀은 뇌 파 데이터 휴식의이 4 개의 미세 클래스 많은 휴식 상태 fMRI (기능성 자기 공명 영상) 연구8,9에서 잘 알려진 기능 시스템과 밀접 하 게 관련 했다 밝혀 . 따라서, 미세 분석 인간 두뇌의 휴식 상태 네트워크 (RSNs) 연구에 새로운 접근 방식을 제공 합니다. 또한, 평균 기간 및 각 미세 클래스, 4 개의 미세 지도의 지형 모양의 발생 빈도 크게 영향을 일부 뇌 장애4,,1011, 연결 된 유체 지능12 및 성격13.
다른 측면에서 다중 채널 EEG의 전통적인 기능 연결 수만 따라서 두 피 전체 또는 특정 뇌 영역 내에서 글로벌 기능 연결을 평가 하는 데 실패 하는 2 개의 두 피 전극 사이 기능적인 연결을 설명 합니다. 오메가 복잡성, Wackermann (1996 년)14 에 의해 제안 되 고 주성분 분석 (PCA)와 섀 넌 엔트로피 접근 방식을 통해 계산 공간 사이의 광대역 글로벌 동기화를 계량 하는 데 사용 되었습니다. 분산 된 뇌 영역입니다. 각 주파수 대역의 오메가 복잡성을 평가, 푸리에 변환 일반적으로 초기 단계25로 실시 되었다.
Microstates와 오메가 복잡성은 두 개의 밀접 하 게 연결 된 개념, 즉, 시간 복잡도 공간 복잡성4에 맞게 사용할 수 있습니다. 이후 미세 클래스 대표 인간 두뇌에 있는 특정 정신 작업, 그들은 신경 진동의 시간적 구조를 반영할 수 있다. 낮은 기간 및 초당 더 높은 발생 비율 높은 시간 복잡도 지정 해야 합니다. 오메가 복잡성 긍정적으로 관련 된 두뇌에 독립적인 신경 원의 수, 따라서 일반적으로 간주 됩니다 공간 복잡성4의 지표로 서.
현재 문서에서는 뇌 파 미세 분석 및 세부 사항에 오메가 복잡도 분석 프로토콜을 설명합니다. 뇌 파 미세와 오메가 복잡도 분석 각각 두뇌 활동의 시간적, 공간 복잡성을 측정 하기 위해 기회를 제공 합니다.
Protocol
Representative Results
Discussion
이 문서에서는, 두 종류의 뇌 파 분석 방법 (즉, 미세 분석 및 오메가 복잡도 분석), 시간적 복잡도 인간 두뇌의 공간 복잡도 각각 측정, 자세히 설명 했다. 언급 해야 하는 프로토콜 내에서 몇 가지 중요 한 단계가 있습니다. 첫째, 뇌 파 데이터 미세 및 오메가 복잡성의 계산 하기 전에 청소 되어야 한다. 둘째, 미세 및 오메가 복잡성의 계산 하기 전에 평균 참조에 대 한 뇌 파 데이터를 remontaged 해야…
Disclosures
The authors have nothing to disclose.
Acknowledgements
이 문서는 국가 자연 과학 재단의 중국 (31671141)에 의해 지원 되었다.
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).
